Eedd Laplace Fourier

ECUACIONES DIFERENCIALES
SERIES DE FOURIER
TRANSFORMADAS DE FOURIER Y LAPLACE
Javier P erez Gonz alez
Departamento de An alisis Matem atico
Universidad de Granada
septiembre 2006
Indice general
1. N umeros complejos. Series. Exponencial compleja 1
1.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Estructura de la lecci on y objetivos . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Operaciones b asicas con n umeros complejos . . . . . . . . . . . . . . . . . . . . . 3
1.2.0.1. Forma cartesiana de un n umero complejo . . . . . . . . . . . . . 3
1.2.0.2. Representaci on gr aca. Complejo conjugado y m odulo . . . . . 3
1.2.0.3. Forma polar y argumentos de un n umero complejo . . . . . . . . 5
1.2.1. F ormula de De Moivre y races de un n umero complejo . . . . . . . . . . . 6
1.2.1.1. Races de un n umero complejo . . . . . . . . . . . . . . . . . . . . 7
1.2.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3. Sucesiones y series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1. Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2. Series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.2.1. La particularidad del estudio de las series . . . . . . . . . . . . . 16
1.3.3. Algunos criterios de convergencia para series de t erminos positivos . . . 17
1.3.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4. Funciones elementales complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
I
Indice general II
1.4.1. La funci on exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.2. Logaritmos complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4.3. Potencias complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.4.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2. Ecuaciones Diferenciales 24
2.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.1. Estructura de la lecci on y objetivos . . . . . . . . . . . . . . . . . . . . . . . 24
2.2. Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.1. E.D. de una familia de curvas. Trayectorias . . . . . . . . . . . . . . . . . . 27
2.2.2. Envolvente de una familia de curvas . . . . . . . . . . . . . . . . . . . . . . 28
2.2.3. Problema de Cauchy. Condiciones de contorno . . . . . . . . . . . . . . . . 29
2.3. M etodos de resoluci on de EDOs de primer orden . . . . . . . . . . . . . . . . . . 29
2.3.1. Ecuaciones de variables separadas . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.2. Ecuaciones exactas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3.3. Ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3.4. Ecuaciones de variables separables . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.5. Ecuaciones homog eneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3.6. Tipo y
= f
_
ax + by + c
x + y +
_
. . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3.7. Ecuaciones reducibles a exactas. Factores integrantes . . . . . . . . . . . . 39
2.3.8. Ecuaciones de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.9. Ecuaciones de Ricatti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.3.10. Otras formas de resolver la EDO1 lineal . . . . . . . . . . . . . . . . . . . . 41
2.4. EDO en forma implcita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4.1. Ecuaciones de la forma y = f (x, y
) . . . . . . . . . . . . . . . . . . . . . . 42
2.4.2. EDs de la forma y = f (y
) . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4.3. Ecuaciones de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4.4. Ecuaciones de Clairaut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Dpto. de An alisis Matem atico
Prof. Javier P erez
Complementos de C alculo
Indice general III

2.5. Ecuaci on diferencial lineal de orden n . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5.1. Ecuaciones Diferenciales lineales con coecientes constantes . . . . . . . . 45
2.5.2. C alculo de una soluci on particular de la EDL completa . . . . . . . . . . . 47
2.5.2.1. M etodo de variaci on de constantes . . . . . . . . . . . . . . . . . 47
2.5.2.2. M etodo de los coecientes indeterminados . . . . . . . . . . . . 48
2.6. Sistemas de Ecuaciones Diferenciales Lineales . . . . . . . . . . . . . . . . . . . . 48
2.6.1. Conversi on de una EDL de orden n en un SDL de n ecuaciones . . . . . . 50
2.6.2. Sistemas de EDs lineales con coecientes constantes . . . . . . . . . . . . . 51
2.6.3. Funciones analticas de una matriz . . . . . . . . . . . . . . . . . . . . . . . 52
2.6.3.1. Regla para calcular f (Ax) . . . . . . . . . . . . . . . . . . . . . . 55
2.7. Algunas aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.7.1. Oscilaciones libres y forzadas . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.7.1.1. Oscilaciones libres no amortiguadas . . . . . . . . . . . . . . . . 58
2.7.1.2. Oscilaciones libres amortiguadas . . . . . . . . . . . . . . . . . . 58
2.7.1.3. Oscilaciones forzadas . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.7.2. Circuitos el ectricos RLC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.7.3. Sistemas LTI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.7.3.1. Propiedades de los sistemas . . . . . . . . . . . . . . . . . . . . . 63
2.7.4. Funci on de transferencia de un sistema LTI . . . . . . . . . . . . . . . . . . 64
2.7.5. Sistemas LTI modelados por ecuaciones diferenciales . . . . . . . . . . . . 64
2.7.5.1. Funci on de transferencia de un sistema LTI controlado por una
EDL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.7.5.2. Respuesta impulsiva y soluci on de estado estacionario . . . . . . 68
2.8. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.8.0.3. Observaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.8.0.4. Propiedades de la transformada de Laplace . . . . . . . . . . . . 70
2.8.0.5. Inversi on de la transformada de Laplace . . . . . . . . . . . . . . 72
2.8.0.6. Transformada inversa de Laplace de una funci on racional . . . . 73
Prof. Javier P erez
Indice general IV
2.8.0.7. Resoluci on de EDL con la transformada de Laplace . . . . . . . . 75
2.8.0.8. C alculo de la exponencial de una matriz por medio de la trans-
formada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3. Conceptos b asicos de la teora de Series de Fourier 82
3.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.1.1. Sinusoides . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.2. Polinomios trigonom etricos y coecientes de Fourier . . . . . . . . . . . . . . . . 83
3.2.1. Observaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.2.2. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.2.3. Series de Fourier seno y coseno . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.3. Convergencia de las series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.3.1. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.4. Geometra de las series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.4.1. Suavidad de una se nal y convergencia de su serie de Fourier . . . . . . . . 96
3.4.2. Espectro, dominio del tiempo y dominio de la frecuencia . . . . . . . . . . 96
3.4.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.5. Introducci on a la Transformada de Fourier Discreta . . . . . . . . . . . . . . . . . 97
3.5.1. Observaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.5.2. Convoluci on y DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.5.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.6. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.6.0.1. Comentarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.6.0.2. La transformada inversa de Fourier . . . . . . . . . . . . . . . . . 105
3.6.1. Propiedades de la transformada de Fourier . . . . . . . . . . . . . . . . . . 106
3.6.2. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.6.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.7. Convoluci on y transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . 110
Prof. Javier P erez
Indice general V
3.7.0.1. Qu e es la convoluci on? . . . . . . . . . . . . . . . . . . . . . . . . 111
3.7.0.2. Propiedades de la convoluci on . . . . . . . . . . . . . . . . . . . . 113
3.7.1. Convoluci on y Sistemas Lineales Invariantes en el Tiempo (LTI) . . . . . . 114
3.7.1.1. Respuesta impulsiva de un ltro discreto . . . . . . . . . . . . . . 114
3.7.1.2. Respuesta impulsiva de un ltro anal ogico . . . . . . . . . . . . . 115
Prof. Javier P erez
Lecci on 1
N umeros complejos. Series. Exponencial compleja
1.1. Introducci on
Los n umeros complejos son una herramienta b asica de c alculo. Son especialmente utiles
para trabajar con funciones sinusoidales, y por eso se hace uso constante de ellos siempre que
representamos una se nal por medio de dichas funciones, y no hay que olvidar que ese es el
prop osito b asico de los m etodos de Fourier. La Transformada de Fourier Discreta, una herramien-
ta fundamental en el tratamiento digital de se nales, toma valores complejos. Las transformadas
de Fourier y de Laplace son funciones complejas. La transformada z, al igual que otras transforma-
das de uso frecuente, se dene como una serie de n umeros complejos. La funci on exponencial
compleja desempe na un papel fundamental en el estudio de los sistemas LTI (sistemas lineales
invariantes en el tiempo) y tambi en en la teora de las ecuaciones diferenciales lineales.
1.1.1. Estructura de la lecci on y objetivos
La lecci on est a estructurada en tres partes:
Algebra y operaciones b asicas con n umeros complejos.

Adem as de dar las deniciones b asicas y explicar la terminologa, a veces confusa, que se
usa para hablar de n umeros complejos, comprobaremos lo utiles que son las coordena-
das polares para multiplicar n umeros complejos. Aparece as la llamada forma polar de un
n umero complejo y el importante concepto de argumento principal. Un resultado muy util
es la f ormula de De Moivre que nos permitir a calcular las races de orden n de un n ume-
ro complejo. Veremos que las races complejas no se comportan igual que las reales. Al
terminar esta lecci on ser as capaz de ver d onde est a el error en expresiones como:
1 = i
2
= i i =
1 =
_
(1)(1) =
1 = 1
1
Estructura de la lecci on y objetivos 2
i = (1)
1/2
= [(1)
3
]
1/2
= (1)
3/2
= i
3
= i
Tambi en veremos que el m odulo de un n umero complejo relaciona la norma eucldea en
R
2
con el producto complejo y ello proporciona una herramienta muy util para trabajar
con la norma eucldea en el plano.
Sucesiones y series.
Daremos las deniciones b asicas de convergencia de sucesiones y series y veremos que el
estudio de una sucesi on de n umeros complejos es equivalente a estudiar dos sucesiones
de n umeros reales.
Funciones elementales complejas.
Introduciremos la funci on exponencial compleja y comprobaremos que dicha funci on
contiene a las funciones elementales en el sentido de que todas pueden denirse con faci-
lidad a partir de ella. En particular, las funciones trigonom etricas est an relacionadas con
la funci on exponencial; resultado que no cabe ni siquiera sospechar cuando se estudian
dichas funciones en el contexto real.
Algunas cosas que deber as saber hacer cuando terminemos esta lecci on son:
Sumar, multiplicar y dividir n umeros complejos.
Calcular el m odulo y el argumento principal de un n umero complejo.
Interpretar geom etricamente la suma y el producto de n umeros complejos.
Usar la f ormula de De Moivre para obtener algunas identidades trigonom etricas.
Calcular races de n umeros complejos.
Interpretar geom etricamente desigualdades entre m odulos de n umeros complejos.
Aplicar los criterios m as usados para estudiar la convergencia absoluta de una serie de
n umeros complejos.
Aplicar los criterios de Abel y de Dirichlet para estudiar la convergencia no absoluta de
una serie de n umeros complejos.
Usar la exponencial compleja para calcular sumas de senos y cosenos.
Calcular logaritmos y potencias complejas.
Para seguir con comodidad esta lecci on conviene que repases las funciones trigonom etricas
reales y sus inversas, su denici on y propiedades b asicas. En particular, la funci on arcotan-
gente.
Prof. Javier P erez
Operaciones b asicas con n umeros complejos 3
1.2. Operaciones b asicas con n umeros complejos
Denici on 1.1. Consideremos en el conjunto R
2
las operaciones de adici on y producto deni-
das por
(a, b) + (c, d) = (a + c, b + d)
(a, b)(c, d) = (ac bd, ad + bc)
Es muy f acil comprobar las propiedades asociativa, conmutativa y distributiva de las opera-
ciones as denidas. El elemento neutro de la suma es (0, 0) y (1, 0) es la unidad del producto.
Adem as, (a, b) es el opuesto de (a, b), y todo (a, b) (0, 0) tiene inverso
(a, b)
_
a
a
2
+ b
2
,
b
a
2
+ b
2
_
= (1, 0)
Todas estas propiedades se resumen diciendo que (R
2
, +, ) (l ease el conjunto R
2
con las ope-
raciones de adici on y producto) es un cuerpo. Dicho cuerpo se representa simb olicamente por
C y sus elementos se llaman n umeros complejos.
1.2.0.1. Forma cartesiana de un n umero complejo
El smbolo usual (a, b) para representar pares ordenados no es conveniente para representar
el n umero complejo (a, b). Para convencerte calcula (1, 1)
4
. Representaremos los n umeros
complejos con un simbolismo m as apropiado. Para ello hacemos la identicaci on (a, 0) = a y
el n umero complejo (0, 1) lo representaremos por i. Con ello tenemos que
i
2
= (0, 1)(0, 1) = (1, 0) = 1
Ahora podemos escribir
(a, b) = (a, 0) + (0, b) = (a, 0) + (b, 0)(0, 1) = a + bi
Se dice que a es la parte real y b es la parte imaginaria del n umero complejo z = a + ib y
escribimos a = Re(z), b = Im(z). El producto ahora es muy f acil de recordar pues
(a + ib)(c + id) = ac + i
2
bd + i(ad + bc) = ac bd + i(ad + bc)
1.2.0.2. Representaci on gr aca. Complejo conjugado y m odulo
Es usual interpretar el n umero complejo x + iy como el vector del plano (x, y) y, en ese
sentido, se habla del plano complejo. El eje horizontal recibe el nombre de eje real, y el eje vertical
recibe el nombre de eje imaginario. Si z = x + iy es un n umero complejo (con x e y reales),
entonces el conjugado de z se dene como:
z = x iy
Prof. Javier P erez
z = x + i y
x
y
z = x i y
|z|
Figura 1.1: Representaci on de un n umero complejo
y el m odulo o valor absoluto de z, se dene como:
|z | =
_
x
2
+ y
2
Geom etricamente, z es la reexi on de z respecto al eje real, mientras que |z | es la distancia
eucldea del punto (x, y) a (0, 0) o, tambi en, la longitud o norma eucldea del vector (x, y) (ver
gura 1.1). La distancia entre dos n umeros complejos z y w se dene como |z w|.
La representaci on gr aca de la suma es conocida. Dos n umeros complejos z = a + ib y
w = c +id determinan un paralelogramo cuya diagonal (ver gura 1.2) es z +w. Se comprueba
z
a
w
c
z + w
a + c
Figura 1.2: Suma de n umeros complejos
f acilmente que si z y w son n umeros complejos se verica que z = z, z + w = z + w y z w = zw.
La igualdad |z |
2
= zz que se deduce directamente de la denici on de m odulo de un n ume-
ro complejo, permite probar con facilidad que para todos z, wC es
a) |zw| = |z | |w| y b) |z + w| |z | +|w|
Tambi en son de comprobaci on inmediata las desigualdades
m ax{|Re z| , |Imz|} |z | |Re z| +|Imz| (1.1)
Prof. Javier P erez
1.2.0.3. Forma polar y argumentos de un n umero complejo
El uso de coordenadas polares en el plano facilita mucho los c alculos con productos de
n umeros complejos. Para cualquier n umero complejo z = x + iy 0 podemos escribir
z = |z | (
x
|z |
+ i
y
|z |
)
Como (
x
|z |
,
y
|z |
) es un punto de la circunferencia unidad, puede escribirse en la forma
(
x
|z |
,
y
|z |
) = (cos , sen)
para alg un n umero R. Resulta as que
z = |z | (cos + i sen)
Esta forma de expresar un n umero complejo recibe el nombre de forma polar, cuya interpreta-
ci on gr aca vemos en la gura siguiente.
z
|z|
Figura 1.3: Forma polar de un n umero complejo

Dado zC, z 0, hay innitos n umeros t R que verican la igualdad z = |z | (cos t, sen t)
cualquiera de ellos recibe el nombre de argumento de z. El conjunto de todos los argumentos
de un n umero complejo no nulo se representa por Arg(z).
Arg(z) = {t R : z = |z | (cos t + i sent)}
Observa que
s, t Arg(z)
_
cos(t) = cos(s)
sin(t) = sin(s)
_
s = t + 2k para alg un kZ
Por tanto, conocido un argumento t
o
Arg(z) cualquier otro es de la forma t
o
+2k para alg un
kZ, es decir, Arg(z) = t
o
+ 2Z.
Prof. Javier P erez
F ormula de De Moivre y races de un n umero complejo 6
De entre todos los argumentos de un n umero complejo z 0 hay uno unico que se encuen-
tra en el intervalo ] , ], se representa por arg(z) y se le llama argumento principal de z. No
es difcil comprobar que el argumento principal de z = x + iy 0 viene dado por:
arg(z) =
_
_
arc tg(y/x) si y 0, x < 0
/2 si y 0, x = 0
arc tg(y/x) si x > 0
/2 si y > 0, x = 0
arc tg(y/x) + si y 0, x < 0
1.2.1. F ormula de De Moivre y races de un n umero complejo
Veamos c omo la forma polar permite hacer f acilmente productos de n umeros complejos.
Consideremos dos n umeros complejos no nulos
z = |z | (cos + i sen)
w = |w| (cos + i sen )
Entonces
z w = |z | |w| (cos + i sen)(cos + i sen ) =
= |z w| [(cos cos sen sen ) + i(sen cos + cos sen )] =
= |z w| (cos( + ) + i sen( + ))
Es decir: para multiplicar dos n umeros complejos se multiplican sus m odulos y se suman sus argu-
mentos.
As pues, el producto de dos n umeros complejos es geom etricamente un giro (pues se su-
man los argumentos de los n umeros que estamos multiplicando) seguido de una homotecia (el
producto de los m odulos de ambos n umeros).
Acabamos de ver que si z, w son complejos no nulos, Arg(z), Arg(w), entonces
+ Arg(z + w). Es ahora f acil demostrar mediante inducci on la siguiente f ormula, muy
util, conocida como f ormula de De Moivre.
Proposici on 1.2 (F ormula de De Moivre). Si z es un complejo no nulo, es un argumento de z y n
es un n umero entero, se verica que nArg(z
n
), es decir:
z
n
=
_
|z | (cos + i sen)
_
n
= |z |
n
(cos n + i senn), Arg(z), nZ
Prof. Javier P erez
F ormula de De Moivre y races de un n umero complejo 7
1.2.1.1. Races de un n umero complejo
Dados un n umero complejo, z 0, y un n umero natural, n 2, se verica que hay n
n umeros complejos w que verican la igualdad w
n
= z. Dichos n umeros se llaman races n-
esimas de z y vienen dados por
z
k
= |z |
1/n
_
cos
arg z + 2k
n
+ i sen
arg z + 2k
n
_
k = 0, 1, 2, . . . , n 1
Si los representamos obtenemos n puntos sobre una circunferencia de centro (0, 0) y radio
n
_
|z |
que forman un polgono regular de n lados.
Figura 1.4: Races novenas de la unidad
De entre todas las races n esimas de z vamos a designar con el smbolo
n
z a la ra z n-
esima principal, que se dene por
n
z = |z |
1/n
_
cos
arg z
n
+ i sen
arg z
n
_
Observa que en el caso particular de que z sea un n umero real positivo, entonces la raz prin-
cipal de z (considerado como n umero complejo) coincide con la raz de z (considerado como
n umero real positivo).
En general no es cierto que dados dos n umeros complejos z y w entonces el producto de las
races n- esimas principales de z y de w sea igual a la raz n- esima principal de z w. Lo que s es
cierto es que el producto de dos races n- esimas cualesquiera de z y de w es una raz n- esima
de z w. Por tanto,
n
z
n
w, es una raz n- esima de z w pero no tiene por qu e ser la principal.

Es f acil probar que
n
z
n
w =
n
zw < arg(z) + arg(w) arg(z w) = arg(z) + arg(w)

Si Re z > 0 Re w > 0, entonces < arg(z) + arg(w) < por lo que, en este caso,
n
z
n
w =
n
z w.
Prof. Javier P erez
Ejercicios 8
Para n = 2, z = w = 1, como arg(1) = , tenemos que
1 = cos(/2) + i sen(/2) = i
En este caso
1 = i i = 1
_
(1)(1) =
1 = 1
es decir
1 = 1 es una raz cuadrada de 1 (porque 1 = (1)(1)) pero no es la raz

cuadrada principal de 1.
Ahora ya sabes d onde est a el error en lo que sigue:
1 = i
2
= i i =
1 =
_
(1)(1) =
1 = 1
1.2.2. Ejercicios
1. Realiza las operaciones indicadas y expresa el resultado en la forma a + i b.
i) (7 2i)(5 + 3i) ii) (i 1)
3
iii) (1 + i)(2 + i)(3 + i) iv)
3 + i
2 + i
v)
(4 i)(1 3i)
1 + 2i
vi) (1 + i)
2
vii)
1 + 2i
2 i
viii) i
2
(1 + i)
3
2. Calcula la parte real e imaginaria de las funciones:
a) f
1
(z) = z
2
b) f
2
(z) = z
3
c) f
3
(z) =
1
z
d) f (z) =
1
1 + z
2
e) f
4
(z) =
z + i
z i
3. Calcula las siguientes cantidades.
a) |(1 + i)(2 i)| b)
4 3i
2 i
c)
(1 + i)
20
d)
2 + i(
2 + 1)
4. Calcula los n umeros complejos z tales que

1 + z
1 z
es:
a) Un n umero real; b) Un n umero imaginario puro.
5. Expresa en forma polar los siguientes n umeros complejos.
a)
3 i b)
3 + i c)
3
3 + i
d)
1 + i
3
(1 + i)
2
6. Expresa los siguientes n umeros en la forma a + i b:
a) (1 + i
3)
11
b)
_
1 + i
1 i
_
5
c)
_
1 + i
3
1 i
_
6
d) (
3 + i)
13
7. Calcula arg(z w) y arg
_
z
w
_
supuestos conocidos arg z y arg w.
Prof. Javier P erez
Ejercicios 9
8. Sea z = x + i y. Supuesto que |z | = 1, z 1, z i, prueba que
arg
_
z 1
z + i
_
=
_
_
_
/4 si 1 x + y > 0
3/4 si 1 x + y < 0
9. Resuelve la ecuaci on cuadr atica az
2
+ bz + c = 0 donde a, b, c, son n umeros complejos co-
nocidos y a 0.
10. Calcula todas las soluciones de las siguientes ecuaciones:
a) z
3
= 1 + i b) z
4
= i c) z
3
= 1 + i
3 d) z
8
= 1 e) z
2
+
32 i z 6i = 0
11. Calcula las soluciones de las ecuaciones:
a) z
4
+ 2z
3
+ 7z
2
18z + 26 = 0; b) z
4
+ (1 + 2i)z
2
+ 2i = 0
12. Demuestra la llamada igualdad del paralelogramo:
|z + w|
2
+|z w|
2
= 2(|z|
2
+|w|
2
) (z, w C)
y explica su signicado geom etrico.
13. Prueba que
z a
1 a z
< 1 si |z | < 1 y |a| < 1 y tambi en si |z | > 1 y |a| > 1.

Sugerencia: Una estrategia b asica para probar desigualdades entre m odulos de n umeros com-
plejos consiste en elevar al cuadrado ambos miembros de la desigualdad.
14. Sea x un n umero real que no es m ultiplo entero de 2. Prueba las igualdades
a) 1 + cos x + cos 2x + + cos nx = cos
_
n
2
x
_
sen
_
n + 1
2
x
_
sen
_
x
2
_
b) sen x + sen2x + + sennx = sen
_
n
2
x
_
sen
_
n + 1
2
x
_
sen
_
x
2
_
Sugerencia: Si llamamos A a la primera suma y B a la segunda, calc ulese A + iB haciendo
uso de la f ormula de De Moivre.
15. Haciendo uso de la f ormula de De Moivre prueba que:
a) sen3 = 3 sen 4 sen
3
;
b) cos 4 = 8 cos
4
8 cos
2
+ 1.
16. Representar gr acamente los conjuntos de n umeros complejos z que verican:
|z 3| 3; 2 < |z i| 3; |arg z| < /6; |z i| +|z + i| = 4
|z 1| = |z 2i| ;
z i
z + 2i
= 2; Im(z
2
) > 6; |z i| = Imz + 1
Prof. Javier P erez
Sucesiones y series 10
17. Encuentra los v ertices de un polgono regular de n lados si su centro se encuentra en el punto
z = 0 y uno de sus v ertices z
1
es conocido.
18. Sea |z
1
| = |z
2
| = |z
3
| = 1. Prueba que z
1
, z
2
, z
3
son v ertices de un tri angulo equil atero si, y
s olo si, z
1
+ z
2
+ z
3
= 0.
1.3. Sucesiones y series
Esta secci on tiene un prop osito esencialmente te orico; voy a intentar explicarte de la forma
m as sencilla posible los conceptos de sucesi on convergente y de serie convergente. Son concep-
tos fundamentales del An alisis Matem atico y los encuentras en todas partes: series de Taylor,
series de Fourier, series de potencias complejas, transformada z , . . . Los procesos iterativos,
tan frecuentes en los algoritmos de c alculo, no son sino sucesiones. Las se nales discretas son
sucesiones. La convoluci on de se nales discretas viene dada por una serie. Las ecuaciones en di-
ferencias nitas, que modelan muchos sistemas LTI, est an relacionadas con un tipo especial de
sucesiones que se llaman recurrentes. Muestreando a intervalos regulares de tiempo una se nal
anal ogica obtienes una sucesi on. Muchas funciones importantes est an denidas por medio de
una serie (las funciones de Bessel, por ejemplo). Por todo ello creo que es imprescindible que
tengas ideas claras sobre estos temas.
1.3.1. Sucesiones
Sea A un conjunto no vaco. Una sucesi on de elementos de A es una aplicaci on del con-
junto N de los n umeros naturales en A. Una sucesi on de n umeros reales (complejos) es una
aplicaci on del conjunto Nde los n umeros naturales en el conjunto R (C) de los n umeros reales
(complejos).
Dada una sucesi on : N A suele emplearse una notaci on especial para representar-
la. Para n N suele notarse (n) en la forma x
n
= (n) (naturalmente la letra x nada tie-
ne de especial y puede sustituirse por cualquier otra). La sucesi on misma se representa por
= {x
n
}
nN
, es decir, el smbolo {x
n
}
nN
debe interpretarse como la aplicaci on que a cada
n N hace corresponder el elemento x
n
. Cuando no hay posibilidad de confusi on escribimos
simplemente {x
n
} en vez de {x
n
}
nN
.
En lo que sigue solamente consideraremos sucesiones de n umeros complejos y, por tanto,
representaremos por {z
n
} la aplicaci on de N en C dada por n z
n
. Como R C, en el
caso particular de que para todo n N se tenga que z
n
R entonces {z
n
} es una sucesi on de
n umeros reales. Es decir, las sucesiones de n umeros complejos incluyen, como caso particular,
a las sucesiones de n umeros reales.
Naturalmente, dos sucesiones {z
n
} y {w
n
} son iguales cuando para todo n N se verica
que z
n
= w
n
. No hay que confundir la sucesi on {z
n
}, que es una aplicaci on, con su conjunto
Prof. Javier P erez
Sucesiones 11
imagen, que es el subconjunto de C formado por todos los n umeros z
n
, el cual se representa
por {z
n
: n N}. Por ejemplo, {(1)
n
} y {(1)
n+1
} son sucesiones distintas con el mismo
conjunto imagen. El n umero z
n
se llama t ermino n- esimo de la sucesi on; para n = 1, 2, 3 se habla
respectivamente de primero, segundo, tercer t ermino de la sucesi on.
Una forma correcta de imaginar una sucesi on es como un vector con innitas componentes.
La sucesi on {z
n
} puedes verla como el vector (z
1
, z
2
, z
3
, . . . ).
Introduciremos ahora una notaci on muy util en lo que sigue.
Dados a C y r > 0, el conjunto
D(a, r) = {z C : |z a| < r}
se llama disco abierto de centro a y radio r. Observa que un disco abierto no puede ser vaco.
Si a = + i tenemos que:
D(a, r) = {x + i yC : |x + i y i | < r} =
_
(x, y) R
2
: (x )
2
+ (y )
2
< r
2
_
es el crculo de centro (, ) y radio r excluida la circunferencia que lo limita.
Denici on 1.3 (Sucesi on convergente). Se dice que una sucesi on {z
n
} converge a un n umero
zC cuando en cualquier disco abierto D(z, ) est an todos los t erminos de la sucesi on a partir
de uno de ellos en adelante.
Con m as detalle: una sucesi on {z
n
} se dice que converge a un n umero z si, dado cualquier
n umero real > 0, existe un n umero natural m
tal que si n es cualquier n umero natural mayor

o igual que m
se cumple que |z
n
z| < . Simb olicamente:
> 0 m
N : n m
|z
n
z| <
Se dice tambi en que el n umero z es lmite de la sucesi on {z
n
} y se escribe lm
n
{z
n
} = z o,
simplemente, lm{z
n
} = z e incluso, si no hay posibilidad de confusi on, {z
n
} z.
Se comprueba f acilmente que una sucesi on convergente tiene un unico lmite.
En Matem aticas se dan deniciones para introducir nuevos conceptos y saber de qu e es-
tamos hablando, pero las deniciones no suelen ser utiles para el c alculo. Por eso no debes
preocuparte si la denici on anterior te parece difcil de aplicar en casos concretos. Debes hacer
un esfuerzo por comprenderla pero no tendr as que usarla para hacer c alculos.
Observa que, en virtud de la denici on dada, se verica que
{z
n
} z |z
n
z | 0
Recordemos que m ax{|Re z| , |Imz|} |z | |Re z| + |Imz|. Gracias a esta desigualdad tene-
mos que
|Re z
n
Re z|
|Imz
n
Imz|
_
|z
n
z| |Re z
n
Re z| +|Imz
n
Imz|
Prof. Javier P erez
Series 12
Deducimos que |z
n
z| 0 si, y s olo si, |Re z
n
Re z| 0 y |Imz
n
Imz| 0. Hemos
probado as el siguiente resultado.
Proposici on 1.4. Una sucesi on de n umeros complejos {z
n
} es convergente si, y s olo si, las sucesiones
de n umeros reales {Re z
n
} y {Imz
n
} son convergentes. Adem as, en dicho caso
lm{z
n
} = z Re z = lm{Re z
n
} y Imz = lm{Imz
n
}
Gracias a este resultado el estudio de sucesiones de n umeros complejos se reduce a estudiar
la convergencia de dos sucesiones de n umeros reales.
El siguiente resultado relaciona las operaciones algebraicas con el concepto de lmite. Su
demostraci on es un sencillo ejercicio.
Proposici on 1.5. Si {z
n
} z y {w
n
} w, entonces {z
n
+ w
n
} z + w y {z
n
w
n
} z w.
Adem as, si z
n
0 para todo nNy z 0, entonces {1/z
n
} 1/z.
El siguiente resultado es quiz as el m as util para calcular lmites de sucesiones de n umeros
reales.
Proposici on 1.6. Sea f una funci on real de variable real, y sean a, L R {+} {}. Supon-
gamos que lm
xa
f (x) = L. Entonces para toda sucesi on {x
n
} a se verica que {f (x
n
)} L.
1.3.2. Series
Dada una sucesi on, {z
n
}, podemos formar a partir de ella otra sucesi on, {S
n
}, cuyos t ermi-
nos se obtienen sumando consecutivamente los t erminos de {z
n
}, es decir:
S
1
= z
1
, S
2
= z
1
+ z
2
, S
3
= z
1
+ z
2
+ z
3
, . . . , S
n
= z
1
+ z
2
+ + z
n
, . . .
La sucesi on {S
n
} as obtenida se llama serie de t ermino general z
n
y es costumbre representarla
por
n1
z
n
o, m as sencillamente,
z
n
. El n umero S
n
se llama suma parcial de orden n de la serie
z
n
.
Ni que decir tiene que, siendo las series sucesiones, los conceptos y resultados vistos para su-
cesiones conservan su misma signicaci on cuando se aplican a series. En particular, es innecesario
volver a denir qu e se entiende cuando se dice que una serie es convergente. Si una serie
n1
z
n
es convergente se usa el smbolo
n=1
z
n
para representar el lmite de la serie que suele
llamarse suma de la serie. Naturalmente
n=1
z
n
es el n umero complejo denido por
n=1
z
n
= lm{S
n
} = lm
n
n
k=1
z
k
Prof. Javier P erez
Series 13
Como caso particular de la proposici on 1.4, la serie
n1
z
n
converge si, y s olo si, las series de
n umeros reales
n1
Re z
n
y
n1
Imz
n
son convergentes.
Observa que si la serie
z
n
converge entonces la sucesi on z
n
=
n
j=1
z
j
n1
j=1
z
j
es diferencia
de dos sucesiones que convergen al mismo lmite y por tanto converge a cero.
Proposici on 1.7 (Condici on necesaria para la convergencia de una serie). Para que la serie
z
n
sea convergente es necesario que lm{z
n
} = 0.
Ejemplo 1.8 (Serie geom etrica). Dado z C, la sucesi on {1 + z + z
2
+ + z
n
} se llama se-
rie geom etrica de raz on z. Observa que dicha serie se obtiene sumando consecutivamente los
t erminos de la sucesi on
_
1, z, z
2
, z
3
, . . . , z
n
, . . .
_
. Es costumbre representar la serie geom etrica
de raz on z con el smbolo
n0
z
n
. Dicha serie converge si, y s olo si, |z| < 1, en cuyo caso su
lmite es igual a
1
1 z
.
Todas las armaciones hechas se deducen de que si z 1, se tiene:
n
k=0
z
k
= 1 + z + z
2
+ + z
n
=
1
1 z

z
n+1
1 z
(1.2)
si |z| < 1 entonces lm
n
z
n+1
1 z
= 0 y obtenemos que
n=0
z
n
= lm
n
n
k=0
z
k
=
1
1 z
(|z| < 1)
Si |z| 1 entonces la sucesi on {z
n
} no converge a 0, por lo que, en virtud de la proposici on
anterior, deducimos que la serie
n0
z
n
no converge.
Antes de ver el siguiente ejemplo hay que precisar lo que se entiende por sucesi on divergente
porque este t ermino se utiliza mal con frecuencia.
Denici on 1.9 (Sucesiones divergentes). Una sucesi on de n umeros reales {x
n
} se dice que es
positivamente divergente, y escribimos lm{x
n
} = +, si para todo n umero real K>0 existe
un n umero natural m
K
N, tal que para todo nNcon nm
K
se verica que x
n
K.
Una sucesi on de n umeros reales {x
n
} se dice que es negativamente divergente, y escribimos
lm{x
n
} = , si {x
n
} +.
Una sucesi on de n umeros complejos {z
n
} se dice que es divergente, y escribimos lm{z
n
} =
si lm{|z
n
|} = +.
Prof. Javier P erez
Series 14
Ejemplo 1.10 (Serie arm onica). Se llama as la serie de t ermino general 1/n; es decir, la serie
n1
1
n
. Se verica que la serie arm onica diverge positivamente
n=1
1
n
= lm
n
{1 + 1/2 + + 1/n} = +
En efecto, para todo nNtenemos que
log n =
_
n
1
1
x
dx =
n1
j=1
_
j+1
j
1
x
dx
n1
j=1
_
j+1
j
1
j
dx =
n1
j=1
1
j
< 1 +
1
2
+ +
1
n 1
+
1
n
y por tanto
lm
n
{1 + 1/2 + + 1/n} lm
n
log n = + =
n=1
1
n
= +
Ejemplo 1.11 (Serie arm onica alternada). Se llama as la serie de t ermino general
(1)
n1
n
; es
decir, la serie
n1
(1)
n1
n
. Se verica que la serie arm onica alternada es convergente y su suma
es igual a log 2.
n=1
(1)
n1
n
= log 2
En efecto, sustituyendo z por x en la igualdad (1.2), obtenemos la siguiente igualdad
v alida para todo nNy todo x 1:
1
1 + x
= 1 x + x
2
x
3
+ + (1)
n
x
n
+ (1)
n+1
x
n+1
1 + x
(1.3)
integrando esta igualdad entre 0 y 1 tenemos que:
log 2 =
n
k=1
(1)
k1
k
+ (1)
n+1
_
1
0
x
n+1
1 + x
dx
de donde

log2
n
k=1
(1)
k1
k
=
_
1
0
x
n+1
1 + x
dx
_
1
0
x
n+1
=
1
n + 2
de donde se deduce que
lm
n
log2
n
k=1
(1)
k1
k
= 0 = log 2 =
n=1
(1)
n1
n
Prof. Javier P erez
Series 15
El siguiente ejemplo te ayudar a a entender el concepto de serie convergente. Vamos a ver
que modicando el orden de los t erminos en una serie convergente podemos obtener otra serie
convergente con distinta suma.
Reordenando t erminos en la serie arm onica alternada podemos obtener otra serie con dis-
tinta suma.
Como hemos visto, la serie arm onica alternada es la sucesi on que se obtiene sumando consecu-
tivamente los t erminos de la sucesi on
_
(1)
n1
n
_
=
_
1,
1
2
,
1
3
,
1
4
,
1
5
,
1
6
,
1
7
,
1
8
,
1
9
,
1
10
,
1
11
,
1
12
, . . . . . .
_
(1.4)
Vamos a cambiar el orden de los t erminos en esta sucesi on poniendo uno positivo seguido de
dos negativos manteniendo sus posiciones relativas. Obtenemos as la sucesi on
_
1,
1
2
,
1
4
,
1
3
,
1
6
,
1
8
,
1
5
,
1
10
,
1
12
,
1
7
,
1
14
,
1
16
, . . . . . .
_
(1.5)
Cuya serie asociada, obtenida sumando consecutivamente sus t erminos, es la sucesi on {S
n
} dada
por:
S
1
= 1
S
2
= 1
1
2
S
3
= 1
1
2

1
4
S
4
= 1
1
2

1
4
+
1
3
S
5
= 1
1
2

1
4
+
1
3

1
6
S
6
= 1
1
2

1
4
+
1
3

1
6

1
8
. . . . . . = . . . . . .
S
9
= 1
1
2

1
4
+
1
3

1
6

1
8
+
1
5

1
10

1
12
. . . . . . = . . . . . .
S
3n
=
n
j=1
_
1
2j 1

1
4j 2

1
4j
_
Prof. Javier P erez
Series 16
Tenemos que
S
3n
= 1
1
2

1
4
+
1
3

1
6

1
8
+
1
5

1
10

1
12
+ +
1
2n 1

1
4n 2

1
4n
=
_
1
1
2
_
1
4
+
_
1
3

1
6
_
1
8
+
_
1
5

1
10
_
1
12
+ +
_
1
2n 1

1
4n 2
_
1
4n
=
1
2

1
4
+
1
6

1
8
+
1
10

1
12
+ +
1
2(2n 1)

1
4n
=
1
2
_
1
1
2
+
1
3

1
4
+
1
5

1
6
+ +
1
2n 1

1
2n
_
=
1
2
n
j=1
(1)
j1
j
Deducimos que
lm
n
S
3n
=
1
2
lm
n
n
j=1
(1)
j1
j
=
1
2
log 2
Es claro que lm{S
3n
S
3n1
} = lm{S
3n
S
3n2
} = 0 de donde se sigue que
lm{S
n
} =
1
2
log2
Es decir, hemos probado que la serie obtenida reordenando los t erminos de la serie arm onica
alternada por el criterio de sumar uno positivo seguido de dos negativos, es convergente y su
suma es
1
2
log 2.
Este ejemplo pone claramente de maniesto que la suma de una serie convergente no es
una suma en el sentido usual de la palabra, es decir, no es una suma algebraica de n umeros.
Observa que los conjuntos de n umeros (1.4) y (1.5) son los mismos pero las series correspon-
dientes tienen distinta suma; la primera tiene suma log 2 y la segunda
1
2
log 2. Si la suma de una
serie consistiera en sumar los innitos t erminos de una sucesi on, entonces el orden en que los
sum aramos sera indiferente porque la suma de n umeros tiene la propiedad conmutativa. De-
bes tener claro, por tanto, que cuando calculas la suma de una serie no est as haciendo una suma
innita sino que est as calculando un lmite de una sucesi on cuyos t erminos se obtiene sumando
consecutivamente los t erminos de otra sucesi on dada. Insisto: calcular la suma de una serie no
es una operaci on algebraica, no consiste en sumar innitos t erminos, es un proceso analtico
que supone un lmite.
1.3.2.1. La particularidad del estudio de las series
Ahora viene la pregunta del mill on: si las series no son nada m as que sucesiones, por
qu e dedicarles una atenci on especial? La respuesta a esta pregunta es que en el estudio de las se-
ries hay una hip otesis implcita que los libros silencian. A saber: se supone que las series son suce-
siones demasiado difciles de estudiar directamente. La caracterstica que distingue el estudio de
Prof. Javier P erez
Algunos criterios de convergencia para series de t erminos positivos 17
las series es la siguiente: se trata de deducir propiedades de la serie {S
n
} = {z
1
+ z
2
+ + z
n
},
a partir del comportamiento de {z
n
}; es decir, los resultados de la teora de series dan infor-
maci on sobre la sucesi on {S
n
} haciendo hip otesis sobre la sucesi on {z
n
}. Por qu e esto es as?,
no sera m as l ogico, puesto que lo que queremos es estudiar la serie {S
n
}, hacer hip otesis di-
rectamente sobre ella? La raz on de esta forma de proceder es que, por lo general, no se conoce
una expresi on de S
n
= z
1
+ z
2
+ + z
n
que permita hacer su estudio de forma directa; es
decir, la suma z
1
+ z
2
+ + z
n
no es posible realizarla en la pr actica. Por ello, en el estudio
de las series se supone implcitamente que la sucesi on {z
n
} es el dato que podemos utilizar. Natu-
ralmente, esto hace que el estudio de las series se preste a muchas confusiones porque, aunque
su objetivo es obtener propiedades de la serie {S
n
}, las hip otesis hacen siempre referencia a
la sucesi on {z
n
}. Si bien lo pensamos, esta forma de proceder no es del todo nueva. Ya est as
acostumbrado a usar la derivada de una funci on para estudiar propiedades de la funci on; pues
bien, la situaci on aqu es parecida: para estudiar la serie {z
1
+ z
2
+ + z
n
} (la funci on) estu-
diamos la sucesi on {z
n
} (la derivada). Un buen ejemplo de esto que digo son los siguientes
criterios de convergencia.
1.3.3. Algunos criterios de convergencia para series de t erminos positivos
Una serie
a
n
tal que a
n
0 para todo nN, se dice que es una serie de t erminos positivos.
Observa que una serie de t erminos positivos es una sucesi on creciente por lo que o bien es
convergente o es positivamente divergente.
Recuerda que la serie geom etrica de t ermino general a
n
= x
n
, donde x > 0, converge si
a
n+1
a
n
= x < 1. Esto nos lleva a considerar, en el caso general de una serie de t erminos positivos
a
n
, el comportamiento de la sucesi on {a
n+1
/a
n
}.
Criterio del cociente o de DAlembert (1768)
Supongamos que a
n
> 0 para todo nNy que existe
lm
a
n+1
a
n
= LR
+
o
{+}
Entonces se verica que:
a) Si L < 1 la serie
a
n
es convergente;
b) Si L > 1 o si L = +, entonces
a
n
es divergente.
An alogamente, puesto que la serie geom etrica de t ermino general a
n
= x
n
, donde x > 0,
converge si
n
a
n
= x < 1, esto nos lleva, en el caso general de una serie de t erminos positivos
a
n
, a considerar el comportamiento de la sucesi on {
n
a
n
}.
Prof. Javier P erez
Algunos criterios de convergencia para series de t erminos positivos 18
Criterio de la raz o de Cauchy (1821)
Supongamos que para todo nNes a
n
0, y que existe
lm
n
a
n
= LR
+
o
{+}.
Entonces se verica que:
a) Si L < 1 la serie
a
n
es convergente;
b) Si L > 1 o si L = +, entonces
a
n
es divergente.
Unas series de t erminos positivos muy importantes son las siguientes.
Series de Riemann
Dado un n umero real , la serie {1 +1/2
+1/3
+ +1/n
} se llama serie de Riemann de

exponente . Dicha serie es convergente si, y s olo si, > 1.
La importancia de las series de Riemann es consecuencia del siguiente criterio de conver-
gencia.
Criterio lmite de comparaci on
Dadas dos series de t erminos positivos
a
n
y
b
n
, tales que {a
n
/b
n
} L R
+
o
{+} se
verica:
a) Si L = +y
b
n
es divergente tambi en
a
n
es divergente.
b) Si L = 0 y
b
n
es convergente tambi en
a
n
es convergente.
c) Si LR
+
las series
a
n
y
b
n
son ambas convergentes o ambas divergentes.
Los criterios anteriores pueden aplicarse para estudiar la convergencia absoluta de una
serie. Precisemos este concepto.
Denici on 1.12. Se dice que una serie de n umeros complejos
z
n
es absolutamente conver-
gente si la serie de t erminos positivos
|z
n
| es convergente.
El siguiente resultado es muy importante en el estudio de las series.
Proposici on 1.13. Si una serie de n umeros complejos
z
n
es absolutamente convergente entonces
dicha serie tambi en es convergente.
De hecho, el concepto de convergencia absoluta de una serie es mucho m as fuerte que el
de convergencia. La serie arm onica alternada es un ejemplo de serie convergente que no es
absolutamente convergente.
Cuando una serie no es absolutamente convergente se utilizan los siguientes criterios para
estudiar su convergencia.
Prof. Javier P erez
Ejercicios 19
Teorema 1.14. Sea {a
n
} una sucesi on de n umeros reales y {z
n
} una sucesi on de n umeros complejos.
Criterio de Dirichlet. Si {a
n
} es mon otona y converge a cero y la serie
z
n
tiene sumas parciales
acotadas, entonces
a
n
z
n
converge.
Criterio de Abel. Si {a
n
} es mon otona y acotada y la serie
z
n
converge, entonces
a
n
z
n
es con-
vergente.
Para estudiar la convergencia de una serie
z
n
de n umeros complejos lo primero que debes
hacer es estudiar la convergencia absoluta, es decir la convergencia de la serie de t erminos
positivos
|z
n
|, para lo que se aplican los criterios de convergencia para series de t erminos
positivos. Si la serie
|z
n
| converge hemos acabado. Cuando la serie
|z
n
| no converge se
aplican los criterios de Dirichlet o de Abel para estudiar directamente la convergencia de la
serie
z
n
.
1.3.4. Ejercicios
1. Estudia la convergencia de las sucesiones:
i) z
n
=
n
n + i n a
n
(aR, |a| < 1) ii) z
n
=
2
n
n
+
i n
2
n
iii) z
n
=
n
a + i sen
1
n
(a > 0) iv) z
n
= n sen
1
n
+ 5 i cos
1
n
v) z
n
=
_
1 + i
2
_
n
vi) z
n
=
_
1
2
+ i
1
2
_
n
2. Sea {z
n
} una sucesi on de n umeros complejos no nulos y para todo n N sea
n
Arg(z
n
).
Supongamos que {
n
} y {|z
n
|} . Justica que la sucesi on {z
n
} (cos +
i sen ).
3. Calcula el lmite de la sucesi on z
n
=
_
1 +
2 + i
3
n
_
n
.
Sugerencia: Expresa z
n
= |z
n
| (cos
n
+ i sen
n
) y usa el ejercicio anterior.
4. Calcula el lmite de la sucesi on z
n
= n
_
n
2
_
cos

2n
+ i sen

2n
_
1
_
.
Sugerencia: Recuerda que el lmite de la sucesi on n
_
n
2 1
_
es bien conocido.
5. Sea z C, con |z| = 1, z 1. Prueba que la sucesi on {z
n
} no converge (qu e pasa si supones
que converge?). Deduce que si es un n umero real que no es un m ultiplo entero de , las
sucesiones {cos(n)} y {sen(n)} no convergen.
6. Explica lo que quiere decir la igualdad siguiente.
x =
1
2

k=1
sen(2k x)
k
para todo x]0, 1[
Prof. Javier P erez
Funciones elementales complejas 20
7. Estudia la convergencia de las series:
i)
n0
1
(1 + i)
n
ii)
n1
cos n + i senn
n
iii)
n1
cos n + i senn
n
2
iv)
n1
cos

n
+ i sen

n
n
v)
n1
(2 + i)
n
(1 + 2i)
n
1
n
vi)
n1
1
n
_
1 + i
3
2
_
n
vii)
n1
_
cos

n
2
+ i sen

n
2
_
viii)
n0
(3 + 4i)
n
2i(4 + 3i)
n
+ 7
8. Sea R con || < 1 y R. Calcula los lmites
n=0
n
cos(n ) y
n=0
n
sen(n ).
9. Estudia la convergencia absoluta de las siguientes series.
a)
n1
z
n
n!
b)
n1
(n + 1)
n
n
n+1
z
n
c)
n1
n
z
n
d)
n1
n
n
n!
z
n
e)
n1
3 5 (3n + 1)
5 10 5n
z
n
f)
n1
z
n
1 + 1/2 + + 1/n
Estudia en los casos c)y f), el comportamiento de la serie en los puntos de la circunferencia
unidad.
1.4. Funciones elementales complejas
Las funciones complejas no son m as que las funciones denidas en subconjuntos de R
2
con
valores en R
2
cuando en R
2
consideramos su estructura compleja. Dado un conjunto A C, a
toda funci on compleja f : A C se le asocian dos funciones reales: la funci on u = Re f parte
real de f y la funci on v = Im f parte imaginaria de f denidas para todo (x, y) = x + iy
A por:
u(x, y) = Re f (x + iy), v(x, y) = Im f (x + iy)
Naturalmente, f (x + iy) = u(x, y) + i v(x, y).
1.4.1. La funci on exponencial
Una de las formas de denir la exponencial de un n umero real x es mediante el lmite
e
x
= lm
n
_
1 +
x
n
_
n
Prof. Javier P erez
Logaritmos complejos 21
Por tanto, una forma coherente de denir la exponencial de un n umero complejo sera calcular
el anterior lmite para z = x + iyC. Pues bien se puede probar con facilidad que
lm
n
_
1 +
x + i y
n
_
n
= e
x
(cos y + i seny)
Denimos, por tanto, la exponencial compleja como
e
x+i y
= exp(x + i y) = lm
n
_
1 +
x + i y
n
_
n
= e
x
_
cos y + i seny
_
Observa que
| e
z
| = e
Re z
, ImzArg(e
z
)
En particular, obtenemos la llamada f ormula de Euler:
e
i t
= cos t + i sent (para todo t R)
que establece una relaci on entre la exponencial compleja y las funciones trigonom etricas. De la
f ormula de Euler se deducen f acilmente las llamadas ecuaciones de Euler:
cos t =
e
i t
+e
i t
2
, sent =
e
i t
e
i t
2i
(t R)
Se prueba f acilmente que e
z+w
= e
z
e
w
para todos z, wC. Se deduce que para todo zC y
todo kZ es
e
z
= e
z+2ki
Lo que nos dice que la exponencial compleja es una funci on peri odica con perodo 2i. Natu-
ralmente, esto supone una gran diferencia con la exponencial real que es una funci on inyectiva.
Observa que la exponencial no se anula nunca pues | e
z
| = e
Re z
> 0.
1.4.2. Logaritmos complejos
Dado un n umero complejo z 0, hay innitos n umeros complejos w que satisfacen la ecua-
ci on e
w
= z. Cualquiera de ellos se llama un logaritmo de z. El conjunto de todos ellos lo
representaremos por Log z y es el conjunto:
Log z = {log |z | + i(arg(z) + 2k), kZ}
De entre todos ellos elegimos uno, llamado logaritmo principal, denido por
log z = log |z | + i arg(z) para todo z C
Observa que cualquier otro logaritmo de z es de la forma log(z) + i2k para alg un entero k. Es
importante que observes que la igualdad
log z w = log z + log w
Prof. Javier P erez
Potencias complejas 22
que es v alida para los logaritmos de los n umeros reales positivos, no es siempre cierta para
n umeros complejos. Por ejemplo:
log
_
e
i 2/3
_
= i
2
3
, log
_
e
i 3/4
_
= i
3
4
, log
_
e
i 2/3
e
i 3/4
_
= log
_
e
i 17/12
_
= log
_
e
i7/12
_
= i
7
12
Lo que est a claro es que el n umero log z + log w Log(z w), es decir, log z + log w es un loga-
ritmo de z w pero no tiene por qu e ser el logaritmo principal de z w.
1.4.3. Potencias complejas
Recuerda que dados dos n umeros reales a > 0 y bR, la potencia de base a y exponente b se
dene como a
b
= e
b log a
. Ahora, dados a, b C, con a 0, sabemos que hay innitos logaritmos
de a, todos ellos son de la forma log a + i 2k, con k Z. Por ello, cualquier n umero complejo
de la forma e
b(log a+i 2k)
donde kZ, es una potencia de base a y exponente b. Representamos
por [a
b
] el conjunto de todas ellas.
[a
b
] =
_
e
b(log a+i 2k)
: kZ
_
Se destaca una:
a
b
= e
b log a
que se llama valor principal de la potencia de base a y exponente b. Observa que si b = 1/n
donde nN, el n umero
a
1/n
= exp
_
1
n
log a
_
= exp
_
log a
n
+ i
arg a
n
_
= |z |
1/n
_
cos
arg a
n
+ i sen
arg a
n
_
es el valor principal de la raz n- esima de a que antes hemos notado por
n
a.
1.4.4. Ejercicios
1. Expresa los 8 n umeros 1 i,
3 i en la forma r e
i
.
2. Calcula el m odulo y los argumentos principales de los n umeros
1 + e
i
, 1 e
i
, a e
i
donde || y a > 0.
3. Calcula log z y Log z cuando z es uno de los n umeros siguientes
i, i, e
3
, e
5i
, 4, 5 e, 1 + i
4. Calcula log(3i) + log(1 + i
3) y log
_
3i(1 + i
3)
_
.
5. Calcula log(1 i) log i y log
_
1 i
i
_
.
Prof. Javier P erez
Ejercicios 23
6. Calcula
[(4)
i
], i
3i
, [i
2/
], [i
i
], 1
2i
, 3
1i
, ((i)
i
)
i
, (1 + i)
1+i
7. Estudia, para zC
y nN, las igualdades:

a) log(exp(z)) = z ; b) exp(log(z)) = z ; c) log(
n
z) =
log(z)
n
; d) log(z
n
) = n log(z).
8. Explica con detalle d onde est a el error en lo que sigue. Como (z)
2
= z
2
; tenemos que
2 log(z) = 2 log(z) y, por consiguiente, log(z) = log(z).
9. Explica con detalle d onde est a el error en las igualdades siguientes:
i = (1)
1/2
= [(1)
3
]
1/2
= (1)
3/2
= i
3
= i
Prof. Javier P erez
Lecci on 2
Ecuaciones Diferenciales
2.1. Introducci on
Una gran cantidad de procesos de todo tipo: fsicos, biol ogicos, econ omicos, qumicos, . . .
se modelan matem aticamente por medio de ecuaciones diferenciales. La mec anica newtoniana
y el electromagnetismo de Maxwell son ejemplos de teoras fundamentadas en sus respecti-
vas ecuaciones diferenciales. La din amica de poblaciones o el desarrollo de un tumor pueden
describirse por medio de ecuaciones diferenciales.
Recuerda que la derivada es la herramienta que permite estudiar matem aticamente el cam-
bio de una magnitud respecto a otra, por ello es natural que las ecuaciones diferenciales sean
el modelo por excelencia para representar las relaciones que hay entre las magnitudes que
intervienen en un fen omeno y sus respectivos cambios. En consecuencia, las ecuaciones dife-
renciales son la herramienta apropiada para resolver multitud de problemas.
2.1.1. Estructura de la lecci on y objetivos
La lecci on est a estructurada en cuatro partes:
M etodos de resoluci on de ecuaciones diferenciales ordinarias de primer orden. Estudia-
mos algunos tipos sencillos de ecuaciones diferenciales cuya soluci on puede expresarse
mediante primitivas.
Ecuaciones diferenciales lineales y sistemas de ecuaciones diferenciales lineales.
Se trata quiz as del tipo m as importante de ecuaciones diferenciales para las que se dis-
pone, adem as, de una teora satisfactoria. Dedicamos particular atenci on al caso de coe-
cientes constantes cuyas t ecnicas especcas se exponen con detalle.
24
Generalidades 25
Aplicaciones.
Vemos algunas aplicaciones de las ecuaciones diferenciales lineales a circuitos el ectricos
y sistemas mec anicos, as como a sistemas LTI.
Transformada de Laplace.
Es una poderosa herramienta de c alculo que transforma una ecuaci on diferencial en una
ecuaci on algebraica.
Algunas cosas que deber as saber hacer cuando terminemos esta lecci on son:
Reconocer distintos tipos de ecuaciones diferenciales de primer orden (de variables sepa-
radas, exactas, lineales, homog eneas, . . .) y calcular su soluci on general.
Calcular la ecuaci on diferencial y la envolvente de una familia de curvas dada.
Calcular la soluci on general de ecuaciones diferenciales lineales homog eneas con coe-
cientes constantes.
Usar las t ecnicas de variaci on de constantes y de los coecientes indeterminados para
calcular soluciones particulares de ecuaciones lineales completas con coecientes cons-
tantes.
Calcular funciones analticas de una matriz cuadrada. En particular, calcular la exponen-
cial de una matriz.
Calcular la soluci on general de un sistema de ecuaciones diferenciales lineales con coe-
cientes constantes.
Calcular la funci on de transferencia de un sistema LTI modelado por una ecuaci on dife-
rencial.
Utilizar las propiedades de la transformada de Laplace para calcular la transformada de
Laplace directa e inversa de algunas funciones elementales (racionales, exponenciales,
trigonom etricas).
Utilizar la transformada de Laplace para resolver ecuaciones diferenciales y sistemas de
ecuaciones diferenciales.
2.2. Generalidades
Una ecuaci on diferencial es una ecuaci on en la que se relacionan derivadas de una fun-
ci on desconocida con otras funciones. Las ecuaciones siguientes son ejemplos de ecuaciones
diferenciales.
Prof. Javier P erez
Generalidades 26
1) y
x sen x = 1;
2) y
+ (x
2
1)y
+ 3y cos x 4x = 2;
3) (x
)
2
+ 3x
+ e
t
+t
2
1 = 0;
4)
_
(y
)
2
+ sen
2
(x) + 1 + log(1 + (y
)
2
) = 1 + sen(y y
) + e
x
2
+x+1
;
5)

2
z
x
2
+

2
z
y
2
= x
2
+ 4xy.
En 1), 2) y 4) se entiende que y es la funci on inc ognita y la variable independiente es x. En 3)
se entiende que la funci on inc ognita es x y la variable independiente es t. En 5) se entiende
que la funci on inc ognita es z y las variables dependientes son x e y.
Si en la ecuaci on hay derivadas respecto de una sola variable independiente se dice que
es una ecuaci on diferencial ordinaria (EDO); y si hay derivadas parciales respecto a dos o m as
variables independientes se llama ecuaci on en derivadas parciales (EDP).
Es frecuente usar la notaci on de Leibnitz
dy
d x
,
d
2
y
dx
2
,
d
3
y
dx
3
para representar, respectivamente,
las derivadas primera, segunda, tercera y, en general,
d
n
y
dx
n
para representar la derivada de
orden n de y respecto a x. En Fsica, especialmente en Mec anica, suele usarse la notaci on de
Newton en la que

x,

x representan las derivadas primera y segunda de x respecto a la variable
independiente t, que suele ser el tiempo.
El orden de una ecuaci on diferencial es el orden de la derivada m as alta que aparece en dicha
ecuaci on. La forma m as general de representar una EDO de orden n es
F
_
x, y, y
, y
, . . . , y
(n)
_
= 0 (2.1)
donde F es una funci on de n + 2 variables. Se dice que dicha ecuaci on est a dada en forma
implcita.
Una EDO de orden n de la forma
y
(n)
=
_
x, y, y
, y
, . . . , y
(n1)
_
(2.2)
donde es una funci on de n + 1 variables, se dice que est a dada en forma normal.
Una funci on f : I R es soluci on de la ecuaci on diferencial (2.1) en el intervalo I cuando
al sustituir y por f en dicha ecuaci on obtenemos una identidad:
F
_
x, f (x), f

(x), f

(x), . . . , f
(n)
(x)
_
= 0 xI
En general, la existencia de soluciones de una EDO no est a garantizada y pueden darse
gran diversidad de situaciones.
Suelen distinguirse tres tipos de soluciones de una ecuaci on diferencial.
Prof. Javier P erez
E.D. de una familia de curvas. Trayectorias 27
a) La soluci on general de una EDO de orden n es una soluci on en la que, adem as de la variable
independiente, intervienen n par ametros o constantes arbitrarias.
b) Las soluciones particulares son las que se obtienen a partir de la soluci on general dando valo-
res especcos a los par ametros.
c) Las soluciones singulares son soluciones que no se deducen de la soluci on general dando
valores a los par ametros.
La ecuaci on (y
)
2
= y tiene como soluci on general y =
_
x + C
2
_
2
. Haciendo C = 0
obtenemos la soluci on particular y = x
2
/4; mientras que y = 0 es una soluci on singular.
Las soluciones de una EDO (o, m as apropiadamente, sus gr acas) se llaman tambi en curvas
integrales.
2.2.1. E.D. de una familia de curvas. Trayectorias
Consideremos una familia F de curvas planas dada por una ecuaci on de la forma f (x, y, C) =
0, donde C es un par ametro real que toma valores en un intervalo I, y para cada valor de CI
tenemos una curva de dicha familia. Para obtener la ecuaci on diferencial de F lo que se hace
es eliminar C en las ecuaciones
_
_
f (x, y, C) = 0
f (x, y, C)
x
+
f (x, y, C)
y
y
= 0
obtenemos de esta forma una ED (x, y, y
) = 0 que expresa una propiedad com un a todas

las curvas de F. Naturalmente, la soluci on general de la ED (x, y, y
) = 0 es la familia dada
f (x, y, C) = 0.
Se llaman -trayectorias de F a las curvas que cortan bajo un angulo constante a las curvas
de F. La tangente en un punto (x, y) a una curva y = y(x) de la familia F forma un angulo
con el eje de abscisas cuya tangente viene dada por y
= tg(). La pendiente en este punto de

la -trayectoria z = z(x) buscada ser a z
= tg( + ). Deducimos que

y
= tg() = tg( + ) =
tg( + ) tg()
1 + tg( +) tg()
=
z
tg()
1 + z
tg()
En consecuencia, si es (x, y, y
) = 0 la EDde la familia F, la EDque verican las -trayectorias

de dicha familia es
_
x, z,
z
tg()
1 + z
tg()
_
= 0
Para el caso en que = /2 se tiene que z
= 1/y
por lo que las trayectorias ortogonales de

F satisfacen la ED (x, y, 1/y
) = 0.
Prof. Javier P erez
Envolvente de una familia de curvas 28
2.2.2. Envolvente de una familia de curvas
Consideremos una familia F de curvas planas dada por una ecuaci on de la forma f (x, y, C) =
0, donde C es un par ametro real que toma valores en un intervalo I y para cada valor de C I
tenemos una curva de dicha familia. Supongamos que hay una curva con la propiedad de
que por cada punto de pasa una curva
C
de la familia F de tal forma que en el punto de
contacto las curvas y
C
tienen la misma tangente. En tal caso se dice que la curva es la
envolvente de la familia F.
Para obtener la ecuaci on de la curva envolvente de F lo que se hace es eliminar C en las
ecuaciones
_
_
_
f (x, y, C) = 0
f (x, y, C)
C
= 0
Ejemplo 2.1. Sea F la familia de rectas de ecuaci on f (x, y, C) = y Cx 3/C + 2 = 0 donde
C > 0. Tenemos que
_
_
f (x, y, C) = 0 = y + 2 = Cx +
3
C
= (y + 2)
2
= C
2
x
2
+
9
C
2
+ 6x
f (x, y, C)
C
= 0 = x +
3
C
2
= 0 = C
2
=
3
x
_
_
= (y + 2)
2
= 12x
La envolvente es la par abola de ecuaci on (y +2)
2
= 12x. Puedes ver algunas rectas de la familia
junto a su envolvente en la gura (2.1).
Figura 2.1: Envolvente de una familia de rectas
La soluci on general de una ED F(x, y, y
) = 0 es una familia de curvas dependiente de un

par ametro que se podr a representar por f (x, y, C) = 0. Es claro que la envolvente de dicha
familia (cuando existe) es tambi en soluci on de la ED; pues la pendiente de la envolvente en
cada punto coincide con la de la curva integral que pasa por dicho punto. Se trata de una
soluci on singular de la ED.
Prof. Javier P erez
Problema de Cauchy. Condiciones de contorno 29
2.2.3. Problema de Cauchy. Condiciones de contorno
Con frecuencia interesa obtener solamente una soluci on de una EDO que verica unas de-
terminadas condiciones. Esto da lugar a dos tipos de problemas. Cuando las condiciones que
debe vericar la soluci on buscada se especican para un unico valor de la variable indepen-
diente dichas condiciones reciben el nombre de condiciones iniciales y se dice que tenemos
un problema de valores iniciales (PVI) para la EDO dada. Si las condiciones dadas se reeran a m as
de un valor de la variable independiente dichas condiciones reciben el nombre de condiciones
de contorno y se dice que tenemos un problema de contorno para la EDO dada.
El caso m as usual de problema de valores iniciales para una EDO de orden n es el llamado
problema de Cauchy que consiste en obtener la soluci on de dicha ecuaci on cuyo valor y el de sus
primeras n 1 derivadas en un punto x
0
son dados.
Ejemplo 2.2. El problema de Cauchy
_
_
_
y
2y
+ y = sen x
y
(0) = 1, y(0) = 1
tiene como soluci on y(x) =
1
2
(3 e
x
+5x e
x
+ cos x) .
El problema de contorno
_
_
_
y
+ y = sen x
y
(0) = , y() = 0
tiene como soluci on
y(x) =
1
4
_
2 cos(x) 2x cos(x) + 2 sen(x) + 4 sen(x) 2 cos
2
(x) sen(x) + cos(x) sen(2x)
_
.
2.3. M etodos de resoluci on de EDOs de primer orden

A continuaci on vamos a estudiar algunos tipos sencillos de EDO cuyas soluciones pueden
obtenerse con t ecnicas elementales. Usaremos indistintamente las siglas EDO y ED para refe-
rirnos a ecuaciones diferenciales ordinarias.
Vamos a considerar EDOs de la forma y
= f (x, y) donde se supone que la funci on f est a de-

nida en un abierto de R
2
y es todo lo buena que se precise para justicar en cada caso los
c alculos que siguen. Las soluciones que encontraremos pueden venir dadas de tres formas.
a) Explcitamente cuando la soluci on obtenida es de la forma y = (x).
b) Implcitamente cuando la soluci on obtenida viene dada por una igualdad H(x, y) = 0 que
dene a y como funci on (implcita) de x.
Prof. Javier P erez
Ecuaciones de variables separadas 30
c) Param etricamente cuando las curvas integrales vienen dadas en funci on de un par ametro,
es decir, por sus ecuaciones param etricas x = (t), y = (t).
No hay que pensar que la soluci on se podr a expresar por medio de funciones elementales.
Esto no puede asegurarse ni a un en el caso m as simple de la ecuaci on y
= f (x) porque puede

ocurrir que la funci on f (x) no tenga primitivas que sean funciones elementales. Por ejemplo,
la soluci on de la ecuaci on y
= sen(x
2
) que cumple la condici on inicial y(x
0
) = y
0
es
y(x) = y
0
+
_
x
x
0
sen(t
2
) dt
que no puede expresarse por medio de funciones elementales. En general, una EDO se conside-
ra resuelta cuando se logra expresar su soluci on mediante la determinaci on de ciertas funciones
primitivas las cuales, a su vez, podr an o no expresarse por medio de funciones elementales. En
tales casos se dice que la ecuaci on se ha resuelto por medio de cuadraturas.
Las EDs del tipo y
= f (x, y) tambi en suelen expresarse en la forma P(x, y) dx +Q(x, y) dy =

0, que es otra manera de escribir la igualdad P(x, y) + Q(x, y)y
= 0, o sea, y
=
P(x, y)
Q(x, y)
. La
notaci on diferencial P(x, y) dx + Q(x, y) dy = 0 tiene la ventaja de que permite elegir, seg un
interese, la variable independiente igual a x o a y.
Vamos a estudiar tres tipos b asicos de ecuaciones.
Ecuaciones de variables separadas.
Ecuaciones exactas.
Ecuaciones lineales.
Veremos que usando las t ecnicas de cambio de variable o de factor integrante otros tipos de
ecuaciones pueden ser convertidos en alguno de los anteriores.
2.3.1. Ecuaciones de variables separadas
Se llaman as las ecuaciones que pueden escribirse en la forma
P(x) + Q(y)y
= 0 P(x) dx + Q(y) dy = 0 (2.3)

Es decir, el coeciente de dx es s olo funci on de x, el de dy es s olo funci on de y. Sean G(x)
y H(y) primitivas de P(x) y Q(y) respectivamente. Denamos F(x, y) = G(x) + H(y). La
soluci on general de (2.3) es la familia de curvas denidas implcitamente por F(x, y) = C
donde C es una constante. Pues si y = (x) es una curva de esta familia se tendr a que
F(x, (x)) = C = 0 =
d
d x
F(x, (x)) =
d
d x
(G(x) + H((x))) = G
(x) + H
((x))
(x) =
= P(x) + Q((x))
(x)
Prof. Javier P erez
lo que prueba que y = (x) es soluci on de (2.3).
Recprocamente, supongamos que y = (x) es una soluci on de (2.3) denida en un inter-
valo I. Se tiene entonces que
0 = P(x) + Q((x))
(x) =
d
d x
F(x, (x)) xI = F(x, (x)) = C xI
Si la funci on Q(y) no se anula en su intervalo de denici on, entonces la funci on H(y) es
inyectiva por lo que existe su inversa H
1
y (en teora) podemos despejar y en la igualdad
H(y) = C G(x) obteniendo y = H
1
(C G(x)).
En la pr actica se sobreentiende todo lo anterior y la soluci on general de (2.3) se expresa
simplemente por
_
P(x) dx +
_
Q(y) dy = C
que es otra forma de escribir F(x, y) = G(x) + H(y) = C.
Ejemplo 2.3. Calcular la velocidad crtica de escape de la Tierra de un objeto de masa m (en
kilogramos) suponiendo que la unica fuerza que act ua sobre dicho cuerpo es la atracci on gra-
vitatoria de la Tierra. Tomar como valor del radio de la Tierra R = 6371 Km.
Soluci on. Se trata de calcular la velocidad v
0
con la que hay disparar verticalmente dicho objeto
para que permanezca alej andose de la Tierra indenidamente.
Como el movimiento y la acci on de la fuerza tienen lugar en una recta que pasa por el
centro de la Tierra, elegimos un sistema de referencia con origen en el centro de la Tierra de
manera que el movimiento tiene lugar en el eje OZ de dicho sistema. De esta forma podemos
prescindir del car acter vectorial de las magnitudes implicadas y trabajar solamente con sus
m odulos (normas eucldeas).
Cuando el objeto se halla a una distancia h (en metros) del centro de la Tierra la fuerza de
atracci on gravitatoria que la Tierra ejerce sobre el mismo es proporcional a su masa e inversa-
mente proporcional a h
2
, es decir, de la forma F(h) = km/h
2
. Como F(R) = m g (el peso del
cuerpo en la supercie de la Tierra), deducimos que k = gR
2
y, por tanto, F(h) = m gR
2
/h
2
,
donde suponemos R expresado en metros. Sean h(t) la distancia del objeto al centro de la
Tierra y v(t) = h
(t) su velocidad en el momento t.

Teniendo en cuenta que la aceleraci on es la derivada de la velocidad respecto al tiempo y
que la fuerza ejercida se opone al movimiento, la segunda ley de Newton nos dice que
m
dv
d t
=
m gR
2
(h(t))
2
= v
dv
d t
= gR
2
h
(t)
(h(t))
2
= v dv = gR
2
h
(t)
(h(t))
2
dt
que es una ecuaci on de variables separadas cuya soluci on viene dada por
_
v dv = gR
2
_
h
(t)
(h(t))
2
dt + C
Prof. Javier P erez
y deducimos que
v
2
= 2gR
2
1
h(t)
+ C
Como para t = 0 es h(0) = R y v(0) = v
0
, se sigue que C = v
2
0
2gR. Luego
(v(t))
2
= 2gR
2
1
h(t)
+ v
2
0
2gR
Puesto que debe vericarse lm
t+
h(t) = +, deducimos que lm
t+
(v(t))
2
= v
2
0
2gR, lo que
implica que v
2
0
2gR 0, es decir, v
0

_
2gR 11180 m/s= 11, 18 Km/s.
Ejemplo 2.4. La curva llamada catenaria es la forma que toma un cable colgante bajo la acci on
de la gravedad. Los cables del tendido el ectrico son un ejemplo. Queremos obtener la ecuaci on
de dicha curva. Supondremos que el cable tiene suciente cada como para presentar un punto
P
0
con tangente horizontal. Tomamos dicho punto como origen de coordenadas y el eje OX
coincidiendo con la tangente. Sea p el peso por unidad de longitud del cable. En cada punto
P = P(x, y) del cable hay una tensi on que sera la fuerza que, cortando el cable por P, marcara
un dinam ometro intercalado entre los dos trozos de cable resultantes. Sea T
0
la tensi on en P
0
y T = T(x, y) la tensi on en P(x, y). Para obtener la ecuaci on de la curva utilizaremos que, al
estar el cable en equilibrio, la resultante de las fuerzas que act uan en cada punto P(x, y) debe
ser nula. Dichas fuerzas son:
El peso, W, del trozo de cable entre P
0
y P.
La tensi on horizontal T
0
en el punto P
0
.
La tensi on T en el punto P
T
T
o
W
P
0
x
y
P
Figura 2.2: Catenaria
Deber a vericarse que:
_
T cos T
0
= 0, resultante de las componentes horizontales;
T sen W = 0, resultante de las componentes verticales.
Prof. Javier P erez
Ecuaciones exactas 33
El peso se obtiene multiplicando p por la longitud del trozo de cable OP. Esto es
W = p
_
x
0
_
1 + (y
(t))
2
dt
Deducimos que
T sen = T
0
tg = T
0
y
(x) = p
_
x
0
_
1 + (y
(t))
2
dt
Derivando obtenemos
y
=
p
T
0
_
1 + (y
)
2
Haciendo en esta ecuaci on y
= z, obtenemos una ED de variables separadas:

z
=
p
T
0
_
1 + z
2
1 + z
2
dz =
p
T
0
dx
Integrando entre 0 y x, usando que z(0) = 0, obtenemos
argsenh z =
p
T
0
x z = senh
_
p
T
0
x
_
Finalmente, una nueva integraci on da la ecuaci on de la catenaria.
y(x) +
T
0
p
=
T
0
p
cosh
_
p
T
0
x
_
=
T
0
2p
_
e
p x
T
0
+ e
p x
T
0
_
Y tomando como eje OX la horizontal que diste
T
0
p
de P
0
, punto que se llama base de la catena-
ria, ser a y(0) =
T
0
p
y, por tanto
y(x) =
T
0
p
cosh
_
p
T
0
x
_
=
T
0
2p
_
e
p x
T
0
+ e
p x
T
0
_
2.3.2. Ecuaciones exactas

Supondremos en lo que sigue que P y Q son funciones con derivadas parciales continuas. La
ecuaci on diferencial
P(x, y) dx + Q(x, y) dy = 0 (2.4)
se dice que es exacta en un dominio R
2
cuando el campo vectorial F(x, y) =
_
P(x, y), Q(x, y)
_
es conservativo en , es decir, existe un campo escalar U(x, y), llamado el potencial del campo
F, determinado de manera unica salvo una constante aditiva, cuyo gradiente
U(x, y) =
_
U
x
(x, y),
U
y
(x, y)
_
Prof. Javier P erez
coincide en todo punto de con F(x, y):
U
x
(x, y) = P(x, y),
U
y
(x, y) = Q(x, y) (x, y) (2.5)
Es sabido que, en las hip otesis hechas sobre P y Q, una condici on necesaria para que el campo
F sea conservativo en es que se veriquen las igualdades
P
y
(x, y) =
Q
x
(x, y) (x, y) (2.6)
Cuando estas condiciones necesarias se cumplen y, adem as, es un dominio simplemente
conexo (sin agujeros), entonces el campo vectorial F(x, y) =
_
P(x, y), Q(x, y)
_
es conservativo
en .
Supuesto que el campo es conservativo, vamos a calcular la funci on potencial U que se
anula en un punto (a, b) .
U
x
(x, y) = P(x, y) = U(x, y) =
_
x
a
P(t, y) dt + (y)
Derivando esta igualdad respecto de la segunda variable y usando las igualdades (2.5) y (2.6)
y el Teorema Fundamental del C alculo tenemos
Q(x, y) =
U
y
(x, y) =
_
x
a
P
y
(t, y) dt +
(y) =
_
x
a
Q
x
(t, y) dt +
(y) = Q(x, y) Q(a, y) +
(y)
y deducimos que
(y) = Q(a, y) = (y) =

_
y
b
Q(a, t) dt (x, y)
luego
U(x, y) =
_
x
a
P(t, y) dx +
_
y
b
Q(a, t) dt
Observa que para que este c alculo sea correcto los segmentos que van de (a, b) a (a, y) y de
(a, y) a (x, y) deben estar contenidos en . Una vez que tenemos la funci on potencial, las solu-
ciones de la ecuaci on exacta (2.4) viene dadas implcitamente por U(x, y) = C donde C es una
constante. Pues cualquier funci on derivable y = y(x) denida en un intervalo I y que verique
U(x, y(x)) = C para todo xI debe vericar tambi en que
0 =
d
d x
U(x, y(x)) =
U
x
(x, y(x)) +
U
y
(x, y(x))y
(x) = P(x, y(x)) + Q(x, y(x))y
(x)
lo que prueba que y(x) es soluci on de (2.4).
Ejemplo 2.5. Queremos determinar las curvas planas que tienen la propiedad de concentrar
en un punto un haz de rayos paralelos reejados en ellas. Dichas curvas generan supercies de
revoluci on con la misma propiedad que son usadas para construir los radiotelescopios.
Soluci on.
Prof. Javier P erez
x
y
O
X
Y
P
En la gr aca de la izquierda se ha representado
parte de la curva y de su tangente en un pun-
to P. Se ha supuesto que los rayos incidentes
son paralelos al eje X y que el punto en donde
se concentran los rayos reejados es el origen.
El angulo de incidencia (el que forma el rayo
incidente con la tangente en el punto de inci-
dencia), , debe ser igual al de reexi on (el que
forma el rayo reejado con la tangente) que es
igual a .
Deber a cumplirse por tanto
tg() =tg( ) =
tg() tg()
1 + tg() tg()
= y
=
y/x y
1 + y
y/x
= y
=
2x
_
4x
2
+ 4y
2
2y
=
y dy + x dx
_
x
2
+ y
2
dx = 0 =
_
_
x
_
x
2
+ y
2
+ 1
_
_
dx
y
_
x
2
+ y
2
dy = 0.
Esta ultima ecuaci on es de la forma P(x, y) dx + Q(x, y) dy con
P(x, y) =
x
_
x
2
+ y
2
+1, Q(x, y) =
y
_
x
2
+ y
2
=
P
y
(x, y) =
xy
_
x
2
+ y
2
=
Q
x
(x, y)
Observa que P y Q est an denidas en = R
2
\ {(0, 0)} que es un dominio no simplemente
conexo por lo que, a priori, no es seguro que la ecuaci on sea exacta. Tratemos de calcular una
funci on potencial U.
U
x
(x, y) = 1
x
_
x
2
+ y
2
= U(x, y) = x
_
x
2
+ y
2
+ (y) =
U
y
(x, y) =
y
_
x
2
+ y
2
+
(y) = Q(x, y) =
(y) = 0 = (y) = C
Hemos obtenido as U(x, y) = x
_
x
2
+ y
2
+C. Es claro que
U
x
(x, y) = P(x, y) y
U
y
(x, y) =
Q(x, y) para todo (x, y) . Concluimos que las curvas soluci on buscadas vienen dadas
implcitamente por
_
x
2
+ y
2
= x + c = x
2
+ y
2
= (x + c)
2
= y
2
= 2c
_
x +
c
2
_
que es una familia de par abolas con su foco en el origen. Ya Arqumides conoca esta propiedad
de las par abolas pero ahora hemos probado que son las unicas curvas que la tienen.
Prof. Javier P erez
Ecuaciones lineales 36
2.3.3. Ecuaciones lineales
Son de la forma
y
(x) + a(x)y(x) = b(x) (2.7)

donde a y b son funciones reales (o complejas) continuas denidas en un intervalo I. Vamos
a probar que dados x
0
I, y
0
R, hay una unica funci on derivable y: I R que es soluci on
de la ecuaci on (2.7) y verica que y(x
0
) = y
0
.
Notemos A la primitiva de a que se anula en x
0
:
A(x) =
_
x
x
0
a(s) ds (xI)
Multiplicando los dos miembros de la ecuaci on (2.7) por e
A(x)
obtenemos:
y
(x) e
A(x)
+a(x) e
A(x)
y(x) = e
A(x)
b(x)
ecuaci on que, poniendo (x) = y(x) e
A(x)
, puede escribirse
(x) = e
A(x)
b(x) y, como debe
ser
(x
0
) = y(x
0
) = y
0
, se tiene que:
(x) = y
0
+
_
x
x
0
e
A(t)
b(t) dt .
Concluimos que la funci on
y(x) = e
A(x)
_
y
0
+
_
x
x
0
e
A(t)
b(t) dt
_
(2.8)
es una soluci on de la ecuaci on (2.7) que verica la condici on y(x
0
) = y
0
. La unicidad es conse-
cuencia inmediata de la forma en que hemos obtenido dicha soluci on.
Ejemplo 2.6. Consideremos un dep osito que inicialmente contiene un volumen igual a V
0
litros
de agua. A partir de ese instante, en el dep osito entran L litros por minuto de agua contami-
nada con miligramos de mercurio por litro y salen M litros por minuto. Se supone que en
cada instante la concentraci on de mercurio en el dep osito es uniforme. Calcula la cantidad de
mercurio que hay en el dep osito en cada momento.
Soluci on. En cada tiempo t (en minutos) sea V(t) el volumen de agua (en litros) e y(t) la
cantidad de mercurio (en miligramos) que hay en el dep osito. Tenemos que V(t) = V
0
+ t(L
M). Para calcular y(t) debemos tener en cuenta que la concentraci on de mercurio en la entrada
es constante igual a pero no as en la salida. La concentraci on de mercurio en el dep osito en
el tiempo t es igual a y(t)/V(t); por tanto, la cantidad de mercurio que ha salido del dep osito
en el tiempo t es igual a M
_
t
0
y(s)
V(s)
ds . Deducimos que
y(t) = L t M
_
t
0
y(s)
V(s)
ds
Prof. Javier P erez
Ecuaciones de variables separables 37
y derivando obtenemos
y
(t) +
M
V
0
+ t(L M)
y(t) = L
Se trata de una ecuaci on lineal con a(t) =
M
V
0
+ t(L M)
y b(t) = L. Supuesto que L M se
tiene
A(t) =
_
t
0
M
V
0
+ t(L M)
dt =
M
L M
_
log
_
V
0
+t(L M)
_
log(V
0
)
_
= log
_
1+t
L M
V
0
_
M
LM
y teniendo en cuenta (2.8) y haciendo unos sencillos c alculos, obtenemos que la soluci on que
verica y(0) = 0 viene dada por
y(t) = V
0
_
1 + t
L M
V
0
_
_
1
_
1 + t
L M
V
0
_
L
ML
_
Si es L = M se obtiene
y(t) = V
0
_
1 e
L t/V
0
_

Estudiadas con cierto detalle los tres tipos b asicos de EDO1 (EDO de orden 1), en lo que
sigue vamos a estudiar algunos tipos de EDO1 que pueden convertirse en alguno de ellos
usando las t ecnicas de cambio de variable o de funci on y de factor integrante.
2.3.4. Ecuaciones de variables separables
Se llaman as las EDO1 que pueden transformarse mediante operaciones sencillas en una EDO1
de variables separadas.
Tipo y
= f(ax + by + c).
Se supone que a, b, c son n umeros reales con b 0. El cambio de funci on y(x) por z(x) dado
por z = ax + by + c la transforma en una ecuaci on de variables separadas en z y x.
y(x) =
z(x) ax c
b
= y
(x) =
z
(x) a
b
= z
(x) a = b f (z(x)) =
z
(x)
b f (z(x)) + a
= 1
Hemos obtenido as la ecuaci on
1
b f (z) + a
dz dx = 0
cuya soluci on est a dada implcitamente por
_
1
b f (z) + a
dz x = C
Deshaciendo el cambio de funci on realizado en esta igualdad obtenemos la relaci on entre x e y
que dene implcitamente las soluciones de la ecuaci on dada.
Prof. Javier P erez
Ecuaciones homog eneas 38
2.3.5. Ecuaciones homog eneas
Se llaman as las de la forma
y
= f
_
y
x
_
Para resolverla, cambiamos la funci on y(x) por u(x) donde y(x) = u(x)x. De esta forma obte-
nemos la ecuaci on u
x + u = f (u) que podemos escribir

1
f (u) u
du
1
x
dx = 0
que es de variables separadas.
Las ecuaciones homog eneas pueden denirse tambi en de otra manera equivalente. Una
funci on h(x, y) se dice que es homog enea de grado R
si para todo t > 0 se verica que

h(tx, ty) = t
h(x, y). Es inmediato comprobar que una EDO1 de la forma

P(x, y) dx + Q(x, y) dy = 0
en la que P(x, y) y Q(x, y) son funciones homog eneas del mismo grado, puede escribirse como
una ecuaci on diferencial homog enea seg un la denici on antes dada.
Ejemplo 2.7. Determinar la trayectoria que sigue un avi on cuya velocidad tiene m odulo cons-
tante v y siempre est a dirigida hacia el origen de coordenadas, y que sufre el empuje de un
viento lateral con direcci on del semieje positivo de abscisas y velocidad constante w.
Soluci on
v
w
O
X
Y
x
y
P
x y/y
En la gura de la izquierda se ha represen-

tado parte de la trayectoria buscada y de
su tangente en un punto P. La tangente lle-
va la direcci on de la resultante de las velo-
cidades del avi on y del viento lateral. La
intersecci on de la tangente con el eje X es
el punto de abscisa x y/y
representado
en la gura.
Teniendo en cuenta la semejanza de tri angulos, se verica que:
x y/y
OP
=
w
v
= = x y/y
=
_
x
2
+ y
2
= y dx +
_
_
x
2
+ y
2
x
_
dy = 0
Hemos obtenido una ecuaci on homog enea. Es preferible, debido a la forma que (intuitivamen-
te) va a tener la curva soluci on, obtener x como funci on de y. Hacemos, pues, x = uy con-
siderando y como la variable independiente y u = u(y) como funci on de y. De esta manera
obtenemos la ecuaci on
1
y
dy =
1
1 + u
2
du
Prof. Javier P erez
Tipo y
= f
_
ax + by + c
x + y +
_
39
que puede integrase elementalmente obteniendo
log(C y) =
1
log(u +
1 + u
2
) = u +
1 + u
2
= (Cy)
Teniendo en cuenta que (u +
1 + u
2
)(u
1 + u
2
) = 1 se sigue que u
1 + u
2
=
(Cy)
y, nalmente, obtenemos que

u =
(Cy)
(Cy)
2
= x =
(Cy)
1
(Cy)
1+
2C
2.3.6. Tipo y
= f
_
ax + by + c
x + y +
_
Si c = = 0 es una ecuaci on homog enea.
Si las rectas ax + by + c = 0 y x + y + = 0 se cortan en un punto (x
0
, y
0
) podemos
escribir
_
_
_
ax + by + c = a(x x
0
) + b(y y
0
)
x + y + = (x x
0
) + (y y
0
)
Los cambios de variable y de funci on dados por t = x x
0
, z = y y
0
convierten la
ecuaci on en una homog enea en z, t.
Si las rectas son paralelas, el cambio de funci on z = ax + by transforma la ecuaci on en
una de variables separables en z, x.
2.3.7. Ecuaciones reducibles a exactas. Factores integrantes
Decimos que (x, y) es un factor integrante de la ecuaci on
P(x, y) dx + Q(x, y) dy = 0
cuando la ecuaci on que resulta al multiplicar dicha ecuaci on por
(x, y)P(x, y) dx + (x, y)Q(x, y) dy = 0 (2.9)
es una ecuaci on exacta.
Por ejemplo, la ecuaci on y dx + (x
2
y x) dy = 0 no es exacta; pero si la multiplicamos
por (x, y) = 1/x
2
obtenemos una ecuaci on exacta.
Se sabe que siempre existen factores integrantes aunque esto no es de tan gran ayuda como
puede parecer en un primer momento porque, salvo en algunos casos tpicos, el c alculo de
un factor integrante es un problema mucho m as difcil que la propia ecuaci on que queremos
Prof. Javier P erez
Ecuaciones de Bernoulli 40
resolver. En general, las condiciones que debe vericar una funci on para que la ecuaci on (2.9)
sea exacta son:
y
_
(x, y)P(x, y)
_
=

x
_
(x, y)Q(x, y)
_
=
(x, y)
P
y
(x, y) + P(x, y)
y
(x, y) = (x, y)
Q
x
(x, y) + Q(x, y)
x
(x, y)
(2.10)
En la pr actica nos interesa obtener solamente una soluci on de esta ecuaci on en derivadas par-
ciales. Lo que se hace es tratar de encontrar un factor integrante que sea de alguna forma espe-
cial. Suelen buscarse factores integrantes de los siguientes tipos:
= (x) (depende solamente de x)
= (y) (depende solamente de y)
= (x + y) (puede expresarse como funci on de x + y)
= (xy) (puede expresarse como funci on de xy)
Veamos bajo qu e condiciones hay un factor integrate de la forma (x).Teniendo en cuenta la
ecuaci on (2.10), debe cumplirse que
(x)
(x)
=
P
y
(x, y)
Q
x
(x, y)
Q(x, y)
Esta condici on exige que la funci on de la derecha dependa solamente solamente de x, esto es
h(x) =
P
y
(x, y)
Q
x
(x, y)
Q(x, y)
= (x) = e
_
h(x) dx
Por ejemplo, la ecuaci on lineal y
+ a(x)y = b(x), que puede escribirse (a(x)y b(x)) dx +

dy = 0, admite un factor integrante que solamente depende de x. Pues tenemos P(x, y) =
a(x)y b(x), Q(x, y) = 1, por lo que
h(x) =
P
y
(x, y)
Q
x
(x, y)
Q(x, y)
= a(x)
Deducimos que (x) = e
_
a(x) dx
es un factor integrante.
2.3.8. Ecuaciones de Bernoulli
Son de la forma
y
+ a(x)y + b(x)y
= 0
Prof. Javier P erez
Ecuaciones de Ricatti 41
donde es un n umero real. Si = 0 se trata de una ecuaci on lineal y si = 1 se trata de una
ecuaci on de variables separables. En otro caso, el cambio de funci on z = y
1
la convierte en
la ecuaci on lineal z
+ (1 )a(x)z = ( 1)b(x).
Otro m etodo consiste en escribir y(x) = u(x)v(x). Derivando resulta y
= u
v + uv
, y
sustituyendo en la ecuaci on obtenemos u
v + uv
+ a(x)uv + b(x)u
= 0, que puede escri-

birse en la forma u
v + (v
+ a(x)v)u + b(x)u
= 0. Ahora igualamos a cero el coeciente

de u, con lo cual tenemos v
+ a(x)v = 0, que es una ecuaci on de variables separadas en v,

x. Resolvi endola calculamos v(x). De esta forma, la ecuaci on inicial ha quedado reducida a
u
v + b(x)u
= 0, que es una ecuaci on de variables separadas que permite calcular u.

2.3.9. Ecuaciones de Ricatti
Son de la forma
y
+ a(x)y + b(x)y
2
= c(x)
No hay m etodos generales para resolver este tipo de ecuaciones; pero si de alguna forma somos
capaces de calcular una soluci on particular de dicha ecuaci on, y
p
(x), entonces el cambio de
funci on y = y
p
+ z transforma la ecuaci on en z
+
_
a(x) + 2b(x)y
p
(x)
_
z + b(x)z
2
= 0, que es
una de Bernoulli con = 2. El cambio z = u
1
reduce esta ultima ecuaci on a una lineal.
2.3.10. Otras formas de resolver la EDO1 lineal
Hemos visto ya dos formas de resolver la ecuaci on y
+ a(x)y = b(x) . Directamente, como se

hizo al estudiarla por primera vez y calculando un factor integrante para convertirla en una
ecuaci on exacta. Otra forma es el m etodo conocido como variaci on de constantes. Consiste en lo
siguiente.
Primero se calcula la soluci on general de la ecuaci on y
+ a(x)y = 0, que es C e
_
a(x) dx
,
donde C es una constante arbitraria. Seguidamente se forma la funci on y(x) = C(x) e
_
a(x) dx
donde hemos sustituido la constante C por una funci on desconocida, C(x), que se calcula im-
poniendo que y(x) sea soluci on de la ecuaci on dada. De esta forma se obtiene
C(x) =
_
b(x) e
_
a(x) dx
dx + C
lo que nos vuelve a dar como soluci on general de la ecuaci on lineal
y(x) = e
_
a(x) dx
__
b(x) e
_
a(x) dx
dx + C
_
Otro m etodo para resolver las ecuaciones lineales consiste en poner y(x) = u(x)v(x). Con ello
y
= u
v +uv
y, sustituyendo en la ecuaci on, u
v +uv
+ a(x)uv = b(x). Que puede escribirse

u
v + (v
+ a(x)v)u = b(x). Imponiendo ahora que v
+ a(x)v = 0 podemos calcular v que

viene dada por v(x) = e
_
a(x) dx
. La ecuaci on inicial ha quedado reducida a u
v = b(x),
Prof. Javier P erez
EDO en forma implcita 42
de donde u
(x) = b(x) e
_
a(x) dx
. Integrando, u(x) =
_
b(x) e
_
a(x) dx
dx + C. Como y(x) =
u(x)v(x), volvemos a obtener la soluci on de la ecuaci on lineal ya conocida.
2.4. EDO en forma implcita
Consideraremos algunos tipos de EDs de la forma F(x, y, y
) = 0.
Cuando F es una funci on polin omica en y
Son EDs de la forma

(y
)
n
+ a
1
(x, y)(y
)
n1
+ + a
n1
(x, y)y
+ a
n
(x, y) = 0
Lo que se hace es considerar este igualdad como un polinomio en y
y se calculan sus races

f
i
(x, y) (1 i n), con lo cual la ecuaci on dada se escribe en la forma
(y
f
1
(x, y))(y
f
2
(x, y)) (y
f
n
(x, y)) = 0
y deberemos resolver las n ecuaciones y
f
i
(x, y) = 0.
2.4.1. Ecuaciones de la forma y = f (x, y
)
Para resolver este tipo de ecuaciones, hacemos y
= p y trataremos de expresar las curvas so-

luci on por medio de sus ecuaciones param etricas en funci on del par ametro p. Para ello ser a su-
ciente con que logremos expresar x como funci on de p. A tal efecto derivamos y = f (x, p)
respecto de x, con lo que tenemos
p =
f (x, p)
x
+
f (x, p)
p
p
que es una ED en la inc ognita p que, con suerte, puede ser de alguno de los tipos ya estudiados.
Supongamos que podemos expresar su soluci on en la forma x = (p, C). Entonces, las curvas
de ecuaciones param etricas
_
x = (p, C)
y = f ((p, C), p)
donde p es el par ametro y C una constante, son soluciones de la ED y = f (x, y
). Los siguientes
casos particulares son de especial inter es.
2.4.2. EDs de la forma y = f (y
)
En este caso, repitiendo el proceso anterior obtenemos
_
_
_
x =
_
f (p)
p
dp = (p) + C
y = f (p)
Prof. Javier P erez
Ecuaciones de Lagrange 43
Adem as, para p = 0 se tiene la soluci on constante y = f (0) que representa una recta horizontal
que es la envolvente de las curvas integrales.
2.4.3. Ecuaciones de Lagrange
Son de la forma
y + x (y
) +(y
) = 0
Poniendo y
= p y derivando respecto de x obtenemos

(p + (p)) dx + x
(p) dp +
(p) dp = 0
Dividiendo por p + (p) obtenemos una ecuaci on lineal
dx
dp
+

(p)
p + (p)
x +

(p)
p + (p)
= 0
en la que consideramos que x es funci on de la variable p. Sea x = (p, C) la soluci on de esta
ecuaci on. Entonces las soluciones de la ecuaci on de partida vienen dadas por
_
x = (p, C)
y = (p, C)(p) (p)
El razonamiento anterior excluye los puntos p en los que p + (p) = 0. Veamos lo que ocurre
en tal caso. Sea R tal que + () = 0. Es inmediato comprobar que la funci on dada por
y = x () es soluci on de la ecuaci on de Lagrange. Estas rectas son soluciones singulares
de la ecuaci on.
2.4.4. Ecuaciones de Clairaut
Son de la forma
y x y
+ (y
) = 0
Poniendo y
= p y derivando respecto de x obtenemos (x +
(p))p
= 0. Si p
= 0 entonces
y
= p = por lo que la familia de rectas y = x () es soluci on de la ED. Si x +
(p) =
0 obtenemos la soluci on singular, envolvente del haz de rectas, dada por
_
x =
(p)
y = p
(p) (p)
2.5. Ecuaci on diferencial lineal de orden n
La ecuaci on diferencial:
y
(n)
(x) + a
n1
(x)y
(n1)
(x) + + a
1
(x)y
(x) + a
0
(x)y(x) = b(x) (2.11)
Prof. Javier P erez
Ecuaci on diferencial lineal de orden n 44
donde a
j
(0 j n 1) y b son funciones reales (o complejas) continuas denidas en un
intervalo I, se llama ecuaci on diferencial lineal (EDL) de orden n. A diferencia de lo visto para
el caso n = 1, no hay ning un m etodo general de resoluci on de la ecuaci on (2.11) cuando es
n 2. Adquiere as importancia el siguiente resultado. Notaremos C
n
(I) las funciones reales
(o complejas) que tienen derivada de orden n continua en el intervalo I.
Teorema de existencia y unicidad. Dados x
0
I, (y
0
, y
1
, . . . , y
n1
) R
n
, existe una unica fun-
ci on
y C
n
(I) que es soluci on de la ecuaci on (2.11) en el intervalo I y verica las condiciones
y(x
o
) = y
0
, y
(k)
(x
0
) = y
k
, 1 k n 1.
Los valores x
0
I, (y
0
, y
1
, . . . , y
n1
) R
n
, se suelen llamar condiciones iniciales. As, pues,
aunque para n 2 las soluciones de la ED(2.11), salvo en algunos casos particulares, no pueden
obtenerse de forma explcita, s sabemos que, jadas unas condiciones iniciales, hay una unica
soluci on de dicha ecuaci on que las satisface; adem as dicha soluci on est a denida en todo el
intervalo I.
Estudiaremos a continuaci on algunas propiedades del conjunto de todas las soluciones de la
ED (2.11). Aprovecharemos para ello la linealidad de la ecuaci on.
Es conveniente introducir una notaci on apropiada. Notaremos C(I) el espacio de las funcio-
nes reales (o complejas) continuas en I. Sea L : C
n
(I) C(I) el operador que a cada funci on
yC
n
(I) hace corresponder la funci on continua L(y) : I R denida para todo xI por:
L(y)(x) = y
(n)
(x) + a
n1
(x)y
(n1)
(x) + + a
1
(x)y
(x) + a
0
(x)y(x)
El operador as denido es evidentemente lineal. La ED (2.11) puede escribirse ahora en la
forma L(y)(x) = b(x) o, simplemente, L(y) = b. La ED L(y) = 0 se llama ED lineal homog enea
de orden n. La ecuaci on L(y)(x) = b(x) se llama tambi en ED lineal completa de orden n.
Notaremos por Ker(L) el n ucleo del operador L, es decir, el conjunto de todas las soluciones
de la ED L(y) = 0.
Sea X = {y C
n
(I) : L(y) = b} el conjunto de todas las soluciones de la EDL completa.
Supongamos que conocemos una soluci on, , de dicha ED. Entonces podemos escribir:
X = {yC
n
(I) : L(y) = L()} = {yC
n
(I) : L(y ) = 0} = {yC
n
(I) : y Ker(L)} =
= + Ker(L)
Naturalmente, Ker(L) es un subespacio vectorial de C
n
(I). Probaremos que tiene dimensi on
n. Para ello notemos u
j
el vector de la base can onica de R
n
cuyas coordenadas son todas nulas
excepto la j- esima que es igual a 1, y notemos y
j
la unica soluci on de la ED homog enea que
satisface las condiciones iniciales:
(y
j
(x
0
), y
j
(x
0
), . . . , y
(n1)
j
(x
0
)) = u
j
.
Prof. Javier P erez
Ecuaciones Diferenciales lineales con coecientes constantes 45
Comprobemos que las funciones y
1
, y
2
, . . . , y
n
forman una base de Ker(L). En efecto, si
yKer(L), entonces la funci on
h = y(x
0
)y
1
+ y
(x
0
)y
2
+ + y
(n1)
(x
0
)y
n
es una soluci on de la ED homog enea que verica
h(x
0
) = y(x
0
), h
(x
0
) = y
(x
0
), . . . , h
(n1)
(x
0
) = y
(n1)
(x
0
)
En virtud de la unicidad de la soluci on correspondiente a unas condiciones iniciales dadas,
concluimos que h = y. Hemos probado as que y
1
, y
2
, . . . , y
n
es un sistema de generadores
de Ker(L); adem as dichas funciones son linealmente independientes, pues si c
1
, c
2
, . . . , c
n
son
n umeros tales que
n
j=1
c
j
y
j
= 0, es decir:
c
1
y
1
(x) + c
2
y
2
(x) + + c
n
y
n
(x) = 0
para todo x I, entonces, evaluando esta igualdad en x
0
obtenemos que c
1
= 0; derivando
k veces (1 k n 1) obtenemos
n
j=1
c
j
y
(k)
j
(x) = 0, igualdad que al evaluarla en x
0
se
convierte en c
k
= 0. Resumimos los resultados obtenidos en el siguiente teorema.
Teorema. Las soluciones de la EDL completa (2.11) son las funciones de la forma:
y(x) = (x) + c
1
y
1
(x) + c
2
y
2
(x) + + c
n
y
n
(x) (xI)
donde es una soluci on particular de dicha ecuaci on, y
1
, y
2
, . . . , y
n
son cualesquiera n solucio-
nes linealmente independientes de la ED homog enea y c
1
, c
2
, . . . , c
n
son constantes arbitrarias.
2.5.1. Ecuaciones Diferenciales lineales con coecientes constantes
Consideremos la ED
y
(n)
(x) + a
n1
y
(n1)
(x) + + a
1
y
(x) + a
0
y(x) = 0 (2.12)
en la que a
0
, a
1
, . . . , a
n1
son n umeros reales. Notando D el operador lineal que a cada funci on
derivable en un intervalo hace corresponder su funci on derivada, y deniendo
L = D
n
+ a
n1
D
n1
+ + a
1
D + a
0
podemos escribir la ED (2.12) en la forma L(y) = 0.
Busquemos soluciones de dicha ecuaci on de la forma y(x) = e
x
donde es un n umero
real o complejo. Un sencillo c alculo nos da:
L(e
x
) = (
n
+ a
n1
n1
+ + a
1
+ a
0
) e
x
Prof. Javier P erez
Ecuaciones Diferenciales lineales con coecientes constantes 46
y deducimos que y(x) = e
x
es soluci on de la ED (2.12) si, y s olo si, se verica que
n
+ a
n1
n1
+ + a
1
+ a
0
= 0.
El polinomio () =
n
+ a
n1
n1
+ + a
1
+ a
0
, se llama polinomio caracterstico de la
ED (2.12).
Proposici on. Sea una raz (real o compleja) de multiplicidad k del polinomio caracterstico
(). Entonces las funciones e
x
, x e
x
, x
2
e
x
, , x
k1
e
x
son soluciones de la ED (2.12).
Demostraci on. Sea j N. Notando D
la derivaci on respecto a la variable , D = D

x
la
derivaci on respecto a la variable x, y teniendo en cuenta que D
(D
x
(e
x
)) = D
x
(D
(e
x
), se
deduce que:
L(x
j
e
x
) =L(D
j
(e
x
)) =D
j
(L(e
x
)) =D
j
(() e
x
) =
j
q=0
_
j
k
_
(jq)
()x
q
e
x
(2.13)
Igualdad que, con el convenio usual de que la derivada de orden cero de una funci on es la
misma funci on, tambi en es v alida para j = 0.
Supongamos que es una raz de multiplicidad k de (). Se verica entonces que las deri-
vadas de () hasta la de orden k 1 inclusive se anulan para = . Deducimos as, teniendo
en cuenta la igualdad (2.13), que para 0 j k 1 es:
L(x
j
e
x
) = D
j
(() e
x
)
=
= 0.
Teorema. Sean
j
, 1 j m, las distintas races del polinomio caracterstico (), con multi-
plicidades respectivas k
1
, k
2
, . . . , k
m
(k
1
+ k
2
+ + k
m
= n). A cada raz
j
asociamos las k
j
soluciones de la ED (2.12):
e
j
x
, x e
j
x
, x
2
e
j
x
, , x
k
j
1
e
j
x
Obtenemos as n soluciones de la ED (2.12) que son linealmente independientes.
N otese que si
j
es una raz compleja de (), entonces las soluciones de la ED (2.12) aso-
ciadas a dicha raz son funciones complejo-valuadas. Ahora bien, puesto que los coecientes
a
0
, a
1
, . . . , a
n1
de la ED (2.12) son n umeros reales, hip otesis que hasta aqu no hemos usado
para nada, se sigue que si
j
=
j
+ i
j
es una raz compleja de (), tambi en lo es con igual
multiplicidad
j
=
j
i
j
. En consecuencia las 2k
j
funciones:
x
j1
e
j
x
cos(
j
x) = x
j1
e
j
x
+x
j1
e
j
x
;
x
j1
e
j
x
sen(
j
x) = i
_
x
j1
e
j
x
x
j1
e
j
x
_
(1j k
j
)
son soluciones de la ED (2.12). Finalmente, teniendo en cuenta que si dos vectores u, v son
linealmente independientes tambi en lo son los vectores u + v, u v, deducimos el siguiente
resultado.
Prof. Javier P erez
C alculo de una soluci on particular de la EDL completa 47
Teorema. Sean
j
, 1j m, las distintas races del polinomio caracterstico (), con multipli-
cidades respectivas k
1
, k
2
, . . . , k
m
(k
1
+ k
2
+ + k
m
= n). A cada raz real
j
asociamos las k
j
e
j
x
, x e
j
x
, x
2
e
j
x
, , x
k
j
1
e
j
x
A cada raz compleja
j
=
j
+ i
j
asociamos las 2k
j
x
j1
e
j
x
cos(
j
x); x
j1
e
j
x
sen(
j
x) (1j k
j
)
Obtenemos as n soluciones de la ED (2.12) que son linealmente independientes.
2.5.2. C alculo de una soluci on particular de la EDL completa
Una vez que sabemos calcular la soluci on general de la ED (2.12), para obtener la soluci on
general de la EDL completa:
y
(n)
(x) + a
n1
y
(n1)
(x) + + a
1
y
(x) + a
0
y
0
(x) = b(x) (2.14)
donde b es una funci on continua real (o compleja) denida en un intervalo I solamente nece-
sitamos calcular una soluci on particular de dicha ecuaci on. Las soluciones ya no estar an de-
nidas en todo R como antes, sino en el intervalo I donde est a denida la funci on b. Para ello
suelen seguirse los siguientes procedimientos.
2.5.2.1. M etodo de variaci on de constantes
Supongamos, pues, que conocemos n soluciones y
1
, y
2
, . . . , y
n
linealmente independientes de
la ED homog enea (2.12), y veamos un m etodo, conocido con el nombre de m etodo de Lagrange o
de variaci on de constantes, que se utiliza para obtener una soluci on particular de la ED completa.
En este m etodo se supone que la soluci on particular es de la forma:
= C
1
y
1
+ C
2
y
2
+ + C
n
y
n
(2.15)
donde C
1
, C
2
, . . . , C
n
son funciones derivables en el intervalo I, que se determinan imponiendo
las siguientes condiciones:
C
1
(x)y
1
(x) + C
2
(x)y
2
(x) + + C
n
(x)y
n
(x) = 0
C
1
(x)y
1
(x) + C
2
(x)y
2
(x) + + C
n
(x)y
n
(x) = 0

C
1
(x)y
(n2)
1
(x) + C
2
(x)y
(n2)
2
(x) + + C
n
(x)y
(n2)
n
(x) = 0
C
1
(x)y
(n1)
1
(x) + C
2
(x)y
(n1)
2
(x) + + C
n
(x)y
(n1)
n
(x) = b(x)
Se comprueba f acilmente que si se satisfacen estas n condiciones entonces la funci on (2.15) es
soluci on de la ED completa. Siempre es posible resolver dicho sistema para expresar las fun-
ciones C
1
, C
2
, . . . , C
n
por medio de funciones conocidas lo que permite calcular las funciones
C
1
, C
2
, . . . , C
n
.
Prof. Javier P erez
Sistemas de Ecuaciones Diferenciales Lineales 48
2.5.2.2. M etodo de los coecientes indeterminados
Hay algunos casos especiales en que puede hallarse una soluci on particular de la ED (2.14) pro-
bando directamente cierto tipo de funciones. Concretamente, si la funci on b(x) es de la forma
b(x) = e
x
P
m
(x) cos(x), o bien b(x) = e
x
P
m
(x) sen(x) donde , son n umeros reales
(pudieran ser uno o los dos iguales a cero) y P
m
(x) es una funci on polin omica de grado m.
Entonces lo que hacemos es hallar una soluci on particular de la ED:
y
(n)
(x) + a
n1
y
(n1)
(x) + + a
1
y
(x) + a
0
y
0
(x) = e
(+i )x
P
m
(x) (2.16)
Se procede de la siguiente forma:
a) Si + i no es raz del polinomio caracterstico (), entonces hay una soluci on particular
de la ED (2.16) de la forma (x) = e
(+i)x
Q
m
(x), donde Q
m
(x) es una funci on polin omica
de grado m con coecientes indeterminados que se calculan imponiendo que la funci on (x)
sea soluci on de la ED (2.16).
b) Si + i es raz del polinomio caracterstico () con multiplicidad k, entonces hay una
soluci on particular de la ED (2.16) de la forma (x) = x
k
e
(+i)x
Q
m
(x), donde Q
m
(x) es una
funci on polin omica de grado m con coecientes indeterminados que se calculan imponiendo
que la funci on (x) sea soluci on de la ED (2.16).
Obtenida una soluci on particular de la ED (2.16), su parte real o su parte imaginaria, seg un sea
b(x) = e
x
P
m
(x) cos(x), o b(x) = e
x
P
m
(x) sen(x), es una soluci on particular de la ED(2.14).
Naturalmente, el m etodo tambi en puede aplicarse cuando la funci on b(x) es suma de funcio-
nes de los tipos considerados.
2.6. Sistemas de Ecuaciones Diferenciales Lineales
Las ecuaciones diferenciales:
_
_
y
1
(x) = a
11
y
1
(x) + a
12
y
2
(x) + + a
1n
y
n
(x) + b
1
(x)
y
2
(x) = a
21
y
1
(x) + a
22
y
2
(x) + + a
2n
y
n
(x) + b
2
(x)

y
n
(x) = a
n1
y
1
(x) + a
n2
y
2
(x) + + a
nn
y
n
(x) + b
n
(x)
Donde a
ij
, b
j
, 1i, j n, son funciones reales (o complejas) conocidas, continuas en un intervalo
I, se dice que constituyen un sistema diferencial lineal (SDL, en adelante) de n ecuaciones en
las inc ognitas y
1
, y
2
, . . . , y
n
.
Prof. Javier P erez
Sistemas de Ecuaciones Diferenciales Lineales 49
Al igual que en los sistemas de ecuaciones lineales, es conveniente usar la notaci on matricial:
A(x) =
_
_
_
_
_
_
a
11
(x) a
12
(x) a
1n
(x)
a
21
(x) a
22
(x) a
2n
(x)
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
(x) a
n2
(x) a
nn
(x)
_
_
_
_
_
_
, b(x) =
_
_
_
_
_
_
b
1
(x)
b
2
(x)
.
.
.
b
n
x
_
_
_
_
_
_
, y(x) =
_
_
_
_
_
_
y
1
(x)
y
2
(x)
.
.
.
y
n
x
_
_
_
_
_
_
Lo que permite escribir el sistema en la forma:
y
(x) = A(x)y(x) + b(x) (2.17)

Cuando b(x) = 0 para todo xI, el sistema se llama homog eneo, y completo o no homog eneo
en caso contrario.
Teorema de existencia y unicidad. Dados x
0
I, (x
1
, x
2
, . . . , x
n
) R
n
, existe una unica funci on
y : I R
n
, que es soluci on del sistema diferencial lineal (2.17) y verica que y(x
0
) =
(x
1
, x
2
, . . . , x
n
).
Notaremos C
1
(I, R
n
) el espacio vectorial de las funciones reales (o complejas) denidas en el
intervalo I con valores en R
n
(o en C
n
) que tienen derivada continua. Teniendo en cuenta
la linealidad del operador : C
1
(I, R
n
) C(I, R
n
) que a cada funci on y C
1
(I, R
n
) hace
corresponder la funci on (y) denida para todo x I por (y)(x) = y
(x) A(x)y(x), y
razonando de forma an aloga a como se hizo para la EDL de orden n, obtenemos el siguiente
resultado.
Teorema. El conjunto de todas las soluciones del sistema diferencial lineal homog eneo
y
(x) = A(x)y(x) es un subespacio vectorial de dimensi on n de C

1
(I, R
n
). Las soluciones
del SDL completo (2.17) son las funciones de la forma:
y(x) = h(x) + c
1
y
1
(x) + c
2
y
2
(x) + + c
n
y
n
(x) (xI)
donde h es una soluci on particular del SDL completo, y
1
, y
2
, . . . , y
n
son n soluciones lineal-
mente independientes del SDL homog eneo y c
1
, c
2
, . . . , c
n
son constantes arbitrarias.
Un conjunto de n soluciones linealmente independientes del SDL homog eneo se dice que es
un sistema fundamental de soluciones.
Notaremos M
n
el espacio de las matrices cuadradas de orden n reales (o complejas). Dadas
n funciones y
j
C
1
(I, R
n
), 1 j n, notaremos Y = (y
1
| y
2
| | y
n
) la matriz o, m as propia-
mente, la funci on matricial, Y : I M
n
, cuyas columnas est an formadas por las funciones
y
1
, y
2
, . . . , y
n
. Naturalmente, por Y
entendemos la funci on matricial cuyas columnas son las

funciones y
j
, 1j n. Con estos convenios, podemos considerar la ecuaci on diferencial matricial

asociada al SDL:
Y
(x) = A(x)Y(x), YC(I, M

n
) (2.18)
Prof. Javier P erez
Conversi on de una EDL de orden n en un SDL de n ecuaciones 50
Es evidente que Y es soluci on de la ecuaci on matricial (2.18) si, y s olo si, sus columnas son
soluciones del SDL homog eneo. Una matriz cuyas columnas son un sistema fundamental de
soluciones del SDL homog eneo, se llama una matriz fundamental.
El siguiente resultado permite reconocer cu ando n soluciones del sistema homog eneo son
linealmente independientes.
Teorema. El determinante de una soluci on, Y, de la ED matricial (2.18) o bien es id enticamente
cero o no se anula en ning un punto del intervalo I, lo que, a su vez, equivale a que Y sea una
matriz fundamental.
M as adelante veremos c omo obtener una matriz fundamental de un SDL con coecientes cons-
tantes. Concluiremos ahora viendo c omo puede obtenerse una soluci on particular del SDL
completo, supuesto que conocemos una matriz fundamental Y. Siguiendo la t ecnica de va-
riaci on de constantes, se busca una soluci on particular de (2.17) de la forma:
h(x) = Y(x)C(x) (2.19)
donde C : I R
n
es una funci on con derivada continua en I. Teniendo en cuenta que:
h
(x) = Y
(x)C(x) + Y(x)C
(x) = A(x)Y(x)C(x) + Y(x)C
(x)
y sustituyendo (2.19) en (2.17), obtenemos Y(x)C
(x) = b(x), lo que permite calcular C
(x) =
Y
1
(x)b(x), y a su vez C(x) por :
C(x) = C(x
0
) +
_
x
x
0
Y
1
(t)b(t) dt
donde x
0
es cualquier punto de I. Finalmente, la soluci on de (2.17) que verica la condici on
inicial y(x
0
) = y
0
, donde y
0
es un vector dado de R
n
, viene dada por
y(x) = Y(x)
_
Y
1
(x
0
)y
0
+
_
x
x
0
Y
1
(t)b(t) dt
_
(2.20)
2.6.1. Conversi on de una EDL de orden n en un SDL de n ecuaciones
Los resultados anteriores pueden usarse para estudiar la EDL de orden n. Ello se debe
a que resolver una EDL de orden n equivale a resolver un SDL de n ecuaciones. En efecto,
consideremos la EDL de orden n:
y
(n)
(x) + a
n1
(x)y
(n1)
(x) + + a
1
(x)y
(x) + a
0
(x)y(x) = b(x)
Prof. Javier P erez
Sistemas de EDs lineales con coecientes constantes 51
Poniendo y
1
= y, y
2
= y
, . . . , y
n
= y
(n1)
, podemos escribir de forma equivalente la ecuaci on
en la forma:
y
1
(x) = y
2
(x)
y
2
(x) = y
3
(x)

y
n1
(x) = y
n
(x)
y
n
(x) = a
0
(x)y
1
(x) a
1
(x)y
2
(x) a
2
(x)y
3
(x) a
n1
(x)y
n
(x) + b(x)
que es un SDL de n ecuaciones con:
A(x)=
_
_
_
_
_
_
_
_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
a
0
(x) a
1
(x) a
n1
(x)
_
_
_
_
_
_
_
_
b(x)=
_
_
_
_
_
_
_
_
0
0
.
.
.
0
b(x)
_
_
_
_
_
_
_
_
N otese que, en particular, esto justica que consideremos tan s olo sistemas de ecuaciones
diferenciales lineales de primer orden.
2.6.2. Sistemas de EDs lineales con coecientes constantes
En lo que sigue consideraremos un SDL homog eneo:
y
(x) = Ay(x) (2.21)

cuya matriz de coecientes A, es una matriz constante, esto es, AM
n
. Nuestro problema es
obtener un sistema fundamental de soluciones de dicho sistema. Teniendo en cuenta que una
EDL de orden n puede escribirse como un SDL de n ecuaciones, es razonable esperar que el
sistema (2.21) tenga, por analoga con la EDL de orden n y coecientes constantes, soluciones
de la forma:
y(x) = e
x
u (u 0)
donde es un n umero real o complejo y u es un vector de R
n
o de C
n
. Sustituyendo y(x) por
e
x
u en (2.21), obtenemos:
e
x
u = Ae
x
u = e
x
Au
que, cancelando el factor e
x
y reordenando los t erminos, equivale a:
(AI)u = 0, (2.22)
donde I indica la matriz identidad de orden n. Deducimos as que y(x) = e
x
u es soluci on
de (2.21) si, y s olo si, y u 0 satisfacen (2.22), es decir, es un valor propio de A y u es un
vector propio de A asociado con .
Prof. Javier P erez
Funciones analticas de una matriz 52
Proposici on. Supongamos que hay una base de C
n
, {u
1
, u
2
, . . . , u
n
}, formada por vectores pro-
pios de A, y sea
j
un valor propio
1
asociado con u
j
. Entonces
y
1
= e
1
x
u
1
, y
2
= e
2
x
u
2
, . . . , y
n
= e
n
x
u
n
es un conjunto fundamental de soluciones del SDL y
(x) = Ay(x).
Recordemos que los valores propios de una matriz A son las races de su polinomio caractersti-
co:
() = |AI|
N otese tambi en que, por ser la matriz A de n umeros reales, si z es un vector propio asociado
a un valor propio complejo = + i , ( 0), dicho vector tiene que tener alguna de sus
coordenadas compleja, es decir ser a de la forma z = u + i v donde u, v R
n
, v 0. En este
caso tambi en = i es un valor propio de A y z = u i v es un vector propio asociado
con . Las correspondientes soluciones del sistema:
z(x) = e
(+i )x
(u + i v), z(x) = e
(i )x
(u i v)
son funciones complejas conjugadas. Para obtener soluciones reales lo que se hace es sustituir-
las por:
z(x)+z(x)
2
=e
x
_
cos( x)usen( x)v
_
,
z(x)z(x)
2i
=e
x
_
sen( x)u+cos( x)v
_
La hip otesis hecha en la proposici on anterior equivale a que la matriz A sea diagonalizable
sobre C, lo que no siempre es posible.
2.6.3. Funciones analticas de una matriz
Volvamos a considerar el SDL homog eneo con coecientes constantes dado por y
= Ay
donde A M
n
. Dado un vector z
0
R
n
, queremos calcular la soluci on de dicho sistema que
verica y(0) = z
0
. En el caso m as elemental en el que la matriz A es un n umero a , y z
0
es
un n umero z
0
, el sistema es y
= ay y la soluci on buscada es y(x) = e

a x
z
0
. Con algo de
osada podemos imaginar que en el caso general la soluci on ser a de la forma y(x) = e
Ax
z
0
.
Naturalmente, esto plantea dos problemas: denir la exponencial de una matriz y, una vez
denida, comprobar que efectivamente la funci on y(x) = e
Ax
z
0
es soluci on del SDL y
= Ay
con y(0) = z
0
. Adem as, veremos que e
Ax
es una matriz fundamental.
Para denir la exponencial de una matriz cuadrada usaremos la serie que dene la expo-
nencial:
e
x
=
k=0
x
k
k!
= 1 + x +
x
2
2
+
x
3
3!
+
x
4
4!
+ +
x
n
n!
+ . . .
1
Los valores propios
1
,
2
, . . . , pueden ser reales o complejos y pueden repetirse.
Prof. Javier P erez
Se trata de una serie de potencias que converge en todo R (y en todo C si interpretamos que
x es un n umero complejo). Como las matrices cuadradas podemos multiplicarlas y sumarlas,
dada una matriz AM
n
, podemos considerar la sucesi on de matrices
n
k=0
A
k
k!
= I + A +
A
2
2
+
A
3
3!
+ +
A
n
n!
(2.23)
Tiene perfecto sentido considerar la convergencia de esta sucesi on en M
n
. A efectos de con-
vergencia M
n
no es otra cosa que R
q
con q = n
2
. Pues bien, se demuestra que la serie (2.23)
converge en M
n
. Es natural denir el lmite de dicha serie como la exponencial de la matriz A.
Seguimos el convenio de que A
0
= I la matriz identidad.
e
A
def
= lm
n
n
k=0
A
k
k!
=
k=0
A
k
k!
(2.24)
Podemos considerar ahora la funci on y : R R
n
dada por
y(x) = e
Ax
z
0
=
_

k=0
x
k
A
k
k!
_
z
0
=
_
I + x A + x
2
A
2
2
+ x
3
A
3
3!
+ + x
n
A
n
n!
+ . . .
_
z
0
Derivando respecto a x t ermino a t ermino y notando OM
n
la matriz nula, obtenemos que
y
(x) =
_
O + A + xA
2
+ x
2
A
3
2!
+ + x
n1
A
n
(n 1)!
+ . . .
_
z
0
=
= A
_
I + x A + x
2
A
2
2
+ x
3
A
3
3!
+ + x
n1
A
n1
(n 1)!
+ . . .
_
z
0
= Ae
Ax
z
0
= Ay(x)
Lo que prueba que y(x) = e
Ax
z
0
es la soluci on del SDL homog eneo que verica que y(0) = z
0
.
Pensar as que no hemos ganado gran cosa porque el c alculo de la exponencial de una ma-
triz no parece nada f acil. Pues de hecho hay una manera muy sencilla de hacerlo usando el
siguiente resultado clave.
Teorema de Cayley-Hamilton. Toda matriz es anulada por su polinomio caracterstico. Es de-
cir, si
(z) = |Az I| = a
0
+ a
1
z + a
2
z
2
+ + a
n1
z
n1
+ a
n
z
n
es el polinomio caracterstico de la matriz A, se verica que
(A) = a
0
I + a
1
A + a
2
A
2
+ + a
n1
A
n1
+ a
n
A
n
= O.
Como el razonamiento que sigue es bastante general, no tenemos por qu e limitarnos a la
funci on exponencial. Consideremos, pues, una funci on f que viene dada como la suma de una
serie de potencias en un cierto disco C (estas funciones se llaman analticas).
f (z) =
n=0
c
n
z
n
(z) (2.25)
Prof. Javier P erez
Supondremos que contiene a los valores propios de la matriz A; condici on que se cumple de
forma evidente cuando = C como sucede cuando f es la funci on exponencial.
Supongamos ahora que P(z) es una funci on polin omica de grado mayor o igual que n y sea
R(z) el resto de la divisi on de P(z) por (z). Como (z) tiene grado n se tendr a que el grado
de R(z) es menor o igual que n 1. Sea un valor propio de A, es decir, () = 0. Tenemos
que
P(z) = Q(z)(z) + R(z) = P() = Q()() + R() = R() (2.26)
Esto nos dice que cualquier funci on polin omica en puede ser expresada como una funci on
polin omica en de grado menor o igual que n 1. En particular, esto ser a cierto para las poten-
cias
k
con k n. Deducimos as que el valor de f () dado por la serie (2.25) podr a expresarse
en la forma
f () =
0
+
1
+
2
2
+ +
n1
n1
(2.27)
Si ahora sustituimos z por A en la serie (2.25) y tenemos en cuenta que por el teorema de Cayley
(A) = O, el razonamiento que acabamos de hacer para un valor propio tambi en es v alido
para A y obtenemos la igualdad
n=0
c
n
A
n
=
0
I +
1
A +
2
A
2
+ +
n1
A
n1
La denici on de f (A) es ahora clara (y obligada):
f (A) =
0
I +
1
A +
2
A
2
+ +
n1
A
n1
(2.28)
Observa que acabamos de dar sentido al signicado de f (A) cualquiera sea f en las condiciones
anteriores.
Para el c alculo efectivo de f (A) todo lo que hay que hacer es calcular los n n umeros
k
,
(k = 0, 1, . . . , n 1), de forma que para cada valor propio de A se verique la igualdad
(2.27). Cuando hay n valores propios distintos esto nos proporciona n condiciones que permiten
calcular los
k
.
Cuando alg un valor propio tiene multiplicidad q > 1, entonces se prueba que dicho valor
verica las q igualdades
f
(k)
() =
d
k
dz
k
H(z)
z=
k = 0, 1, . . . , q 1
donde hemos puesto H(z) =
0
+
1
z +
2
z
2
+ +
n1
z
n1
.
En consecuencia, siempre disponemos de n condiciones que permiten calcular los
j
.
Prof. Javier P erez
2.6.3.1. Regla para calcular f (Ax)
En lo que sigue se supone que x es un n umero jo no nulo y mantenemos las hip otesis
hechas sobre f . Por lo antes visto sabemos que
f (Ax) =
0
I +
1
A +
2
A
2
+ +
n1
A
n1
Donde ahora los coecientes
j
depender an de x. Pongamos
(z, x) = f (z x)
0
1
z
2
z
2

n1
z
n1
Los coecientes se calculan por las condiciones de que para cada valor propio de A se veri-
que
(, x) = 0 (2.29)
Para un valor propio de multiplicidad q > 1 tambi en hay que exigir que las derivadas de
ordenes menor o igual que q 1 con respecto a z de la funci on (z, x) se anulen para z = .
k
z
k
(z x)
z=
= 0 k = 1, . . . , q 1 (2.30)
En total disponemos de n ecuaciones que permiten calcular los
j
(que ser an funciones de x) y
con ello f (Ax).
Poniendo p(z) =
0
+
1
z +
2
z
2
+ +
n1
z
n1
las igualdades (2.29) y (2.30) nos dicen
que para cada valor propio de multiplicidad q 1 deben vericarse las q igualdades:
k
z
k
(z x)
z=
= p
(k)
() k = 0, . . . , q 1 (2.31)
Es decir, p(z) es el polinomio determinado por las condiciones de que en cada valor propio
de A los valores de sus derivadas hasta un orden igual al de la multiplicidad de 1 coinciden
con las respectivas derivadas respecto a la variable z de f (z x) calculadas en . El polinomio
p(z) no es, por tanto, otra cosa que un polinomio interpolador para f (z x).
Finalmente, queda por justicar que e
Ax
es una matriz fundamental, es decir, su deter-
minante es distinto de cero. Para ello basta probar que dicha matriz tiene inversa. Ello es
consecuencia de que si A, B son matrices cuadradas de igual orden que conmutan, es decir,
A B = B A, se verica que e
A+B
= e
A
e
B
. En particular, como A conmuta con A, se sigue que
e
Ax
e
Ax
= e
Ox
= I, de donde se sigue que e
Ax
es la matriz inversa de e
Ax
.
Ejemplo 2.8. Sea
A =
_
_
_
5 2 2
2 2 1
2 1 2
_
_
_
Los valores propios de A son
1
= 7 y
2
= 1 doble. Sea f (z) = e
z
y calculemos e
Ax
. Sabemos
que
e
Ax
=
0
I +
1
A +
2
A
2
(2.32)
Prof. Javier P erez
Pongamos
(z, x) = e
z x
1
z
2
z
2
(2.33)
Las igualdades (2.29) se obtienen sustituyendo en (2.33) z = 7 y z = 1. Resultan as las dos
ecuaciones
e
7x
0
7
1
49
2
= 0, e
x
2
= 0
Como z = 1 es un valor propio doble, obtenemos otra ecuaci on derivando una vez respecto
a z en (2.33) y sustituyendo z = 1. Obtenemos as la ecuaci on
x e
x
1
2
2
= 0
Obtenemos as un sistema de tres ecuaciones lineales cuyas inc ognitas son
0
,
1
,
2
. La solu-
ci on es
0
=
1
36
e
x
(35 + e
6x
42x),
1
=
1
18
e
x
(1 + e
6x
24x),
2
=
1
36
e
x
(1 + e
6x
6x)
Sustituyendo estos valores en (2.32) obtenemos f acilmente
e
Ax
=
_
_
_
1
3
e
x
(1 + 2 e
6x
),
1
3
e
x
(1 + e
6x
),
1
3
e
x
(1 + e
6x
)
1
3
e
x
(1 + e
6x
),
1
6
e
x
(5 + e
6x
),
1
6
e
x
(1 + e
6x
)
1
3
e
x
(1 + e
6x
),
1
6
e
x
(1 + e
6x
),
1
6
e
x
(5 + e
6x
)
_
_
_
Finalmente, consideremos el SDL completo

y
(t) = Ay(t) + b(t) (2.34)

donde A M
n
es una matriz cuadrada constante y b es una funci on vectorial con valores en
R
n
. Acabamos de ver que la matriz Y(t) = e
At
es una matriz fundamental del correspondiente
SDL homog eneo. En consecuencia, como caso particular de (2.20), deducimos que la soluci on
de (2.34) que verica las condiciones iniciales y(t
0
) = y
0
viene dada por
y(t) = e
A(tt
0
)
y
0
+
_
t
t
0
e
A(ts)
b(s) ds (2.35)
En particular, si consideramos que el sistema est a inicialmente en reposo, es decir, que las con-
diciones iniciales son y(0) = 0; entonces la soluci on es
y(t) =
_
t
0
e
A(ts)
b(s) ds (2.36)
Prof. Javier P erez
Algunas aplicaciones 57
2.7. Algunas aplicaciones
2.7.1. Oscilaciones libres y forzadas
Consideremos un cuerpo de masa m suspendido del extremo inferior de un muelle vertical
de masa despreciable. Partiendo de una posici on de equilibrio, en el momento inicial t = 0,
se aplica al cuerpo una fuerza f (t) en direcci on hacia abajo que produce un desplazamiento
inicial y
0
y hace que el cuerpo se ponga en movimiento con una velocidad inicial v
0
.
y = 0
m
f (t)
y
0
Posici on de equilibrio
Posici on inicial para t = 0
Figura 2.3: Sistema mec anico
Para obtener la ecuaci on del movimiento jamos un sistema de referencia cuyo origen si-
tuamos en el centro de gravedad del cuerpo en equilibrio. Llamaremos y(t) al desplazamiento
vertical en el momento t medido respecto de la posici on inicial de equilibrio y elegimos el senti-
do positivo del desplazamiento en la direcci on hacia arriba. Debemos tener en cuenta la fuerza
de recuperaci on, F
r
, del muelle que viene dada por la ley de Hooke como F
r
(t) = ky(t) donde
k > 0 es una constante. Supondremos tambi en que hay una fuerza de amortiguaci on, F
a
, que
es proporcional a la velocidad, es decir, F
a
(t) = cy
(t) donde c > 0 es una constante de pro-

porcionalidad (el coeciente de amortiguamiento). Los signos negativos se deben a que la fuerza
de recuperaci on F
r
y la de amortiguaci on F
a
se oponen siempre al movimiento.
Si es h la longitud del muelle en la posici on inicial de equilibrio, se tendr a que kh m g = 0.
Teniendo en cuenta la segunda ley de Newton, deducimos que
my
(t) = mg + f (t) k(y(t) + h) cy
(t) = f (t) ky(t) cy
(t)
que suele escribirse con la notaci on de Newton en la forma
m

y + c
y + ky = f (t) (2.37)
Prof. Javier P erez
Oscilaciones libres y forzadas 58
Observa que como todas las fuerzas act uan en una misma direcci on podemos ignorar el car acter
vectorial y trabajar solamente con sus m odulos teniendo siempre en cuenta el sentido en el que
act ua cada fuerza.
Cuando la fuerza externa aplicada es nula, f = 0, se dice que se trata de oscilaciones libres
que pueden ser con amortiguamiento c > 0 o sin amortiguamiento c = 0. Cuando la fuerza
externa aplicada no es nula se trata de oscilaciones forzadas.
2.7.1.1. Oscilaciones libres no amortiguadas
En las oscilaciones libres se entiende que el cuerpo se somete a un desplazamiento inicial y
0
y
despu es se suelta d andole una cierta velocidad inicial v
0
sin ejercer despu es sobre el ninguna
fuerza externa. La ecuaci on del movimiento (2.37) queda en este caso reducida a
m

y + k y = 0 (2.38)
que se trata de una EDL homog enea de segundo orden. La ecuaci on caracterstica es m
2
+k =
0 cuyas races son
1
= i
k/m,
2
= i
k/m
Por tanto, las soluciones de la ecuaci on (2.38) son las funciones
y(t) = C
1
sen(t) + C
2
cos(t) =
k/m
donde C
1
y C
2
son constantes arbitrarias que pueden calcularse cuando se conocen las condi-
ciones iniciales y(0) = y
0
, y
(0) = v
0
.
Las soluciones anteriores suelen escribirse, poniendo C
1
+i C
2
= Ae
i
donde A =
_
C
2
1
+ C
2
2
y = arg(C
1
+ iC
2
), en la forma siguiente.
y(t) = C
1
sen(t) + C
2
cos(t) = Im((C
1
+ i C
2
)(cos(t) + i sen(t)) = Im(Ae
i
e
i t
) =
= Im(Ae
i(t+)
) = Asen(t + )
Un movimiento de la forma y(t) = Asen(t + ) se dice que es un movimiento arm onico
simple. Dicho movimiento es peri odico con periodo igual a T = 2/. El n umero = 1/T es
la frecuencia en ciclos por segundo (hercios). El n umero es la frecuencia angular o pulsaci on
que se mide en radianes por segundo, A es la amplitud, t + es la fase y es la fase inicial.
Es interesante observar que la pulsaci on, , es independiente de las condiciones iniciales y
solamente depende de la masa m y de la constante el astica k del muelle.
2.7.1.2. Oscilaciones libres amortiguadas
En este caso la ecuaci on del movimiento (2.37) queda en la forma
m

y + c
y + k y = 0 (2.39)
Prof. Javier P erez
que se trata de una EDL homog enea de segundo orden. La ecuaci on caracterstica es m
2
+
c + k = 0 cuyas races son
1
=
c +
c
2
4km
2m
,
2
=
c
c
2
4km
2m
La naturaleza de estas races determina las caractersticas del movimiento.
Caso de races reales
Si la amortiguaci on es muy grande de forma que c
2
4km 0 las dos races son reales y
negativas. En este caso no hay movimiento oscilatorio, se trata de un movimiento aperi odico
de ecuaci on
y(t) = C
1
e
1
t
+C
2
e
2
t
o bien y(t) = (C
1
+ C
2
t) e
t
(si
1
=
2
= )
Si c
2
4km > 0 se dice que el movimiento es sobreamortiguado. Cuando c
2
4km = 0 se dice
que hay amortiguamiento crtico.
Caso de races complejas
Cuando c
2
4km < 0 las races son complejas
1
=
2
=
c
2m
+ i
k
m

c
2
4m
2
Y las soluciones son
y(t) = e
c t/2m
(C
1
cos(t) + C
2
sen(t)) =
k
m

c
2
4m
2
Que, al igual que antes, puede escribirse de la forma
y(t) = e
c t/2m
Asen(t + ) (2.40)
Se trata de un movimiento oscilatorio cuya amplitud, Ae
c t/2m
, decrece exponencialmente.
La pulsaci on es ahora menor que en el caso anterior y el perodo ser a mayor, es decir, las
oscilaciones amortiguadas son m as lentas.
2.7.1.3. Oscilaciones forzadas
Acabamos de ver que en las oscilaciones libres con amortiguamiento la amplitud del movi-
miento decae exponencialmente. Por ello, en la pr actica, el movimiento cesa al poco tiempo y
se dice que se trata de un movimiento transitorio. A veces interesa que dicho movimiento sea
permanente para lo que es preciso aportar energa exterior al sistema por medio de una fuer-
za capaz de sostener la oscilaci on. El caso m as interesante corresponde a una fuerza del tipo
f (t) = a sen(b t). La ecuaci on (2.37) del movimiento es ahora
m

y + c
y + ky = a sen(b t) (2.41)
Prof. Javier P erez
Se trata de una EDL completa cuya soluci on, como sabemos, se obtiene sumando a la soluci on
general de la ED homog enea una soluci on particular de la ED completa. Teniendo en cuenta la
forma del t ermino independiente (ver (2.16)), buscaremos una soluci on particular de la ED
m

y + c
y + ky = a e
ib t
(2.42)
que sea de la forma (t) = Me
ib t
donde M es una constante que deberemos calcular y entonces
y(t) = Im (t) ser a una soluci on particular de (2.41). Sustituyendo en (2.42) obtenemos que
mMb
2
+ ibcM + kM = a = M =
a
k mb
2
+ ibc
=
a(k mb
2
) iabc
_
k mb
2
_
2
+ b
2
c
2
Poniendo k mb
2
ibc = e
i
, donde =
_
_
k mb
2
_
2
+ b
2
c
2
y = Arg(k mb
2
ibc),
deducimos que
y(t) =Im (t) = Im Me
ib t
=
a
_
k mb
2
_
2
+ b
2
c
2
Im
_
(k mb
2
ibc) e
ib t
_
=
=
a
_
k mb
2
_
2
+ b
2
c
2
Im
_
e
i
e
ib t
_
=
a
_
_
k mb
2
_
2
+ b
2
c
2
sen(b t + )
La soluci on general de la ecuaci on (2.41) se obtiene sumando esta soluci on particular a la solu-
ci on general (2.40) de la homog enea antes calculada. Obtenemos as las soluciones
y(t) = e
c t/2m
Asen(t + ) +
a
_
_
k mb
2
_
2
+ b
2
c
2
sen(b t + ) (2.43)
Vemos que el movimiento est a formado por la superposici on de un movimiento oscilatorio
amortiguado, que se denomina transitorio porque cesa al cabo de un tiempo, y de un movi-
miento oscilatorio arm onico simple que permanece y por ello se llama permanente. El sistema
acaba oscilando con la misma frecuencia, b, que la fuerza exterior aplicada. Adem as la amplitud
nal del movimiento depende de dicha frecuencia.
Es f acil calcular el valor de la frecuencia de la fuerza aplicada que hace m axima la amplitud
nal del movimiento. Dicho valor viene dado por:
b
r
=
k
m

c
2
2m
2
(2.44)
Esta frecuencia se llama frecuencia de resonancia que para valores peque nos de c/m es pr oxima
al valor
k/m que es la pulsaci on propia del sistema cuando oscila libremente sin amortigua-
miento.
A la frecuencia de resonancia corresponde una amplitud m axima dada por
A
m
=
a
c
_
k
m

c
2
4m
2
(2.45)
Prof. Javier P erez
Circuitos el ectricos RLC 61
Deducimos que, cuando el coeciente de amortiguamiento, c, es muy peque no, la amplitud de
las oscilaciones forzadas en resonancia puede ser muy grande aunque la amplitud de la fuerza
aplicada a sea peque na.
Como veremos a continuaci on, los circuitos el ectricos son muy parecidos (isomorfos, diramos
en matem aticas) a los sistemas que estamos estudiando y en ellos se aprovecha el fen omeno de
resonancia para amplicar se nales; eso es lo que hacen esencialmente los sintonizadores de
radio. Otras veces hay que evitar la resonancia como ocurre en las vibraciones de estructuras
el asticas tales como puentes o en las vibraciones de partes de una m aquina como un motor de
autom ovil donde el aumento de la amplitud de las vibraciones es peligroso o molesto.
2.7.2. Circuitos el ectricos RLC
La intensidad I = I(t) de la corriente a trav es de un circuito el ectrico est a caracterizada por los
valores de la resistencia R (ohmios), capacitancia C (faradios), inductancia L (henrios) y fuerza
electromotriz (fem) aplicada E = E(t) (voltios). Los valores de R, C y L se suponen constantes
y son propios de cada circuito.
L
R
E(t)
C
I(t)
Figura 2.4: Circuito RLC
En el circuito de la gura se han representado los siguientes componentes.
La fuerza electromotriz aplicada, E(t), cuyo efecto es establecer una diferencia de po-
tencial que da lugar al movimiento de las cargas a trav es del circuito produciendo una
corriente I(t).
Recuerda que la intensidad I(t) de la corriente el ectrica mide el ujo de carga Q(t) por
unidad de tiempo a trav es de una secci on del conductor:
I(t) =
dQ(t)
dt
su unidad es el amperio (culombio/segundo).
Prof. Javier P erez
Circuitos el ectricos RLC 62
Una resistencia de R ohmios, que se opone al paso de la corriente y que provoca una cada
de potencial dada por
V
R
(t) = RI(t)
Un condensador de capacitancia C, que almacena una carga Q(t). En cada momento la
cada de potencial entre los extremos del condensador viene dada por la igualdad
V
C
(t) =
Q(t)
C
Un inductor, con inductancia L. Una corriente variable en un inductor produce un campo
magn etico que da lugar a una fem inducida que se opone a la fem aplicada, lo que origina
una cada de potencial dada por
V
L
(t) = L
dI(t)
dt
La fem aplicada produce una diferencia de potencial E(t) en los extremos del circuito que,
por el principio de conservaci on de la energa, debe ser igual a la suma de las diferencias de
potencial entre los extremos de cada uno de los componentes del circuito. Como se trata de un
circuito de una sola malla, a lo largo de el circular a la misma intensidad de corriente I = I(t).
Obtenemos as la siguiente ED:
L
dI(t)
dt
+ RI(t) +
Q(t)
C
= E(t) (2.46)
que puede escribirse de forma equivalente en funci on de la carga q(t):
L Q
+ R Q
+
1
C
Q = E(t) (2.47)
Tambi en podemos derivar la ED (2.46) para obtener en funci on de I(t) la ED:
L I
+ R I
+
1
C
I = E
(t) (2.48)
De esta forma hemos obtenido ED lineales de segundo orden con coecientes constantes for-
malmente id enticas a la obtenida para el caso de oscilaciones forzadas (ecuaci on (2.37)). Los
resultados que obtuvimos en el estudio del movimiento oscilatorio pueden ahora interpretarse
en t erminos de circuitos el ectricos sin m as que tener en cuenta las siguientes correspondencias:
oscilaciones circuito RLC
F(t) = my
(t) (masa) V(t) = L Q
(t) (autoinductancia)
F(t) = cy
(t) (amortiguador) V(t) = R Q
(t) (resistencia)
F(t) = ky(t) (muelle) V(t) = Q(t)/C (condensador)
Desde un punto de vista matem atico, ambos sistemas, el mec anico y el circuito RLC, son el
mismo sistema o, dicho en la jerga matem atica, son sistemas isomorfos.
Prof. Javier P erez
Sistemas LTI 63
2.7.3. Sistemas LTI
Un sistema es cualquier proceso que transforma se nales de entrada en se nales de salida. Una
se nal es, simplemente, una funci on. En t erminos matem aticos, podemos representar un sistema
por un operador L que al actuar sobre una se nal x produce una se nal y, lo que se escribe y = L x.
Como puedes ver el concepto de sistema es muy general. Para que un concepto tan gene-
ral sea realmente util hay que suponer que se cumplen ciertas propiedades.
2.7.3.1. Propiedades de los sistemas
Linealidad. Se dice que un sistema L es lineal cuando es aditivo y homog eneo, es decir,
cualesquiera sean las se nales de entrada x e y y los n umeros , se verica que:
L( x + y) = L x + L y
Esta propiedad suele llamarse principio de superposici on.
Invariancia en el tiempo. Se dice que un sistema L es invariante en el tiempo si un ade-
lanto o retraso de la se nal de entrada produce el mismo efecto en la se nal de salida.
Dado a R, representaremos por
a
el operador de desplazamiento que al actuar sobre una
se nal x la convierte en la se nal (
a
x)(t) = x(t a). Es decir,
a
x es la misma se nal x
adelantada o retrasada seg un que a < 0 o a > 0. La invariancia en el tiempo se expresa
por la igualdad:
L(
a
x) =
a
L x
De manera m as explcita, si y(t) = (L x)(t) es la se nal transformada de x y z(t) =
(L(
a
x))(t) es la se nal transformada de
a
x, se verica que z(t) = y(t a).
Estabilidad. Se dice que un sistema L es estable cuando es lineal y continuo. Matem atica-
mente esto se expresa por la igualdad (que en cada caso concreto debe dotarse de signi-
cado matem atico preciso):
L
_

n=0
x
n
_
=
n=0
L x
n
Tambi en suele expresarse la estabilidad por la condici on de que el sistema transforme
se nales acotadas (Bounded Inputs) en salidas acotadas (Bounded Outputs). A estos siste-
mas les llaman BIBO en los textos de procesamiento de se nales.
Causalidad. Se dice que un sistema L es causal cuando se verica que
u(t) = v(t) t < t
0
= (L u)(t) = (L v)(t) t < t
0
Dicho en t erminos familiares, un sistema es causal cuando su respuesta depende sola-
mente del pasado.
Un sistema LTI es un sistema lineal invariante en el tiempo.
Prof. Javier P erez
Funci on de transferencia de un sistema LTI 64
2.7.4. Funci on de transferencia de un sistema LTI
Sea L un sistema LTI y supongamos que dicho sistema admite como entrada una se nal de la
forma e
(t) = e
t
donde C. Sea y
= L(e
) la respuesta del sistema a dicha se nal. En

virtud de la invariancia en el tiempo, se tendr a que
a
y
=
a
L(e
) = L
_
a
e
_
Tenemos que
a
e
(t) = e
(t a) = e
(ta)
= e
a
e
(t)
es decir,
a
e
= e
a
e
. Como L es lineal, se sigue que
a
y
= L
_
a
e
_
= e
a
L(e
) = e
a
y
Luego
a
y
= e
a
y
, es decir, para todo t R se verica que

a
y
(t) = y
(t a) =
e
a
y
(t). En esta igualdad a R es arbitrario por lo que podemos sustituir t = 0 y hacer a =

t con lo que resulta
y
(t) = y
(0) e
t
. Igualdadque podemos escribir en t erminos funcionales como y
= y
(0) e
.
Esto nos dice que la funci on e
es un vector propio de L (piensa en L como un operador lineal

denido en un espacio vectorial de funciones):
L(e
) = y
(0) e
con valor propio asociado el n umero (que, en general, ser a un n umero complejo) y
(0). De-
namos H() = y
(0). La funci on as denida verica la igualdad

L
_
e
_
= H() e
y se llama funci on de transferencia del sistema.

Sustituyendo el n umero por un n umero de la forma i donde R, obtenemos como
input la se nal e
i t
que es una sinusoide compleja de frecuencia . La funci on H(i ) se
llama la respuesta en frecuencia del sistema.
2.7.5. Sistemas LTI modelados por ecuaciones diferenciales
Consideremos un circuito RC como el de la gura (2.5).
Se suponen conocidos los valores constantes de la resistencia R (ohmios) y la capacidad C
(faradios). Al circuito se aplica una fem E(t) (input) y la salida (output) que nos interesa es la
cada de potencial y(t) a trav es del condensador. Teniendo en cuenta que y(t) = q(t)/C y que
I(t) = q
(t), obtenemos, como caso particular de la ecuaci on (2.47), que

RCy
(t) + y(t) = E(t) (2.49)

Prof. Javier P erez
Sistemas LTI modelados por ecuaciones diferenciales 65
R
E(t)
C
I(t)
Figura 2.5: Circuito RC
Naturalmente, la fem E(t) se aplica a partir de un cierto instante t
0
lo que suele expresarse por
la condici on E(t) = 0 para todo t < t
0
. La soluci on que nos interesa de la ecuaci on (2.49) es la
soluci on de estado estacionario que est a determinada por la condici on de que cuando se aplica la
fem el sistema est a en reposo, por lo que y(t
0
) = 0.
Como caso particular de (2.8), la soluci on buscada de la ecuaci on (2.49) viene dada por
y(t) =
1
RC
e
t/RC
_
t
t
0
e
s/RC
E(s) ds =
1
RC
_
t
E(s) e
(ts)/RC)
ds (2.50)
A partir de aqu es f acil comprobar que el circuito considerado es un sistema LTI. Para calcular
la respuesta en frecuencia de este sistema consideremos como se nal de entrada E(t) = e
i t
. La
salida correspondiente viene dada por
1
RC
_
t
e
i s
e
(ts)/RC
ds =
1
RC
e
t/RC
_
t
e
s(i +1/RC
ds =
1
i RC + 1
e
i t
y deducimos que H(i ) =
1
i RC + 1
.
En general, los circuitos el ectricos formados por resistencias, condensadores y solenoides a
los que se aplica una fem act uan como sistemas LTI. La se nal de entrada, u(t), es la fem apli-
cada y la se nal de salida, y(t), es la diferencia de potencial entre dos puntos del circuito o bien
la intensidad de la corriente en un tramo del mismo. Estos sistemas LTI tienen la particulari-
dad de que la se nal de entrada y la de salida est an relacionadas por una EDL con coecientes
constantes del tipo
a
n
y
(n)
+ a
n1
y
(n1)
+ + a
1
y
+ a
0
y = b
m
u
(m)
+ b
m1
u
(m1)
+ + b
1
u
+ b
0
u (2.51)
Ejemplo 2.9. Consideremos el circuito de la gura (2.6).
Suponemos conocidos los valores (constantes) de L, R y C, as como la fem aplicada u(t) (in-
put). El problema es obtener la cada de tensi on a trav es de la resistencia, es decir la diferencia
de potencial y(t) (output) entre los puntos 2 y 3. Notaremos V
ij
= V
i
V
j
la diferencia de po-
tencial entre los puntos i, j. Naturalmente, las intensidades son funciones del tiempo I
j
= I
j
(t)
as como las cargas respectivas q
j
= q
j
(t).
Prof. Javier P erez
L
L
R
u(t)
C
C
+
I
1
I
1
I
2
I
3
I
4
I
5
I
6
1
2
3
4
Figura 2.6: Circuito
Se sabe que la suma algebraica de las diferencias de potencial entre los extremos de los
distintos elementos que forman un circuito cerrado o malla, tomadas todas en el mismo sentido,
es igual a cero.
Malla 1341.
V
13
+ V
34
+ V
41
= 0. Esta igualdad proporciona la ecuaci on:
q
3
C
+ L I
6
= u(t) (2.52)
Malla 1231.
V
12
+ V
23
+ V
31
L I
2
+ I
5
R =
q
3
C
(2.53)
Malla 2342.
V
23
+ V
34
+ V
42
I
5
R + L I
6
=
q
4
C
(2.54)
Derivando dos veces la ecuaci on (2.54) tenemos que
L I
6
=
I
4
C
I
5
R (2.55)
Derivando dos veces y sustituyendo el valor de u(t) dado por (2.52), tenemos que:
1
L C
u(t) u
(t) =
q
3
L C
2
+
I
6
C

I
3
C
L I
6
=
sustituyendo L I
6
por su valor dado por (2.55)
=
q
3
L C
2
+
I
6
C

I
3
C

I
4
C
+ I
5
R =
Prof. Javier P erez
sustituyendo I
6
por su valor dado por (2.54)
=
q
3
+ q
4
L C
2

I
5
R
L C

I
3
+ I
4
C
+ I
5
R =
sustituyendo
q
3
+ q
4
C
por su valor obtenido sumando (2.53) y (2.54)
=
I
2
+ I
6
C

I
3
+ I
4
C
+
I
5
R
L C
+ I
5
R =
usando que I
5
= I
2
I
4
= I
6
I
3
2I
5
= I
2
+ I
6
(I
3
+ I
4
)
=
2I
5
C
+
I
5
R
L C
+ I
5
R =
teniendo en cuenta que y(t) = I
5
R
=y
+
2
RC
y
+
1
L C
y
Hemos obtenido que la relaci on entre la entrada (input) u(t) y la salida (output) y(t) viene
dada por la ED:
y
+
2
RC
y
+
1
L C
y = u
(t) +
1
L C
u(t) (2.56)
Ejemplo 2.10. Consideremos el sistema LTI que consiste en el circuito del ejemplo anterior.
Sabemos que entre la se nal de entrada, u(t), y la de salida, y(t), se verica la relaci on dada por
la ED
y
+
2
RC
y
+
1
L C
y = u
(t) +
1
L C
u(t) (2.57)
Consideremos como entrada del sistema la funci on u(t) = e
i t
, donde R. Como estamos
suponiendo que se trata de un sistema LTI, la respuesta ser a de la forma y(t) = H(i ) e
i t
donde H es la funci on de transferencia del sistema. Teniendo en cuenta la relaci on entre las
se nales de entrada y salida dada por la ecuaci on (2.57), deber a vericarse que
_
(i )
2
+
2
RC
i +
1
L C
_
H(i ) e
i t
=
_
(i )
2
+
1
L C
_
e
i t
de donde se sigue que la respuesta en frecuencia del sistema viene dada por
H(i ) =
(i )
2
+
1
L C
(i )
2
+
2
RC
i +
1
L C
Supongamos ahora que R =
L/C . Poniendo = 1/RC, se tiene que

2
= 1/L C. Con ello
resulta
H(i ) =

2
(i )
2
(i )
2
+ 2(i ) +
2
=
i
+ i
Prof. Javier P erez
Por tanto, si representamos por L(u) la respuesta del sistema a la entrada u, hemos probado
que
L(e
i
)(t) = H(i ) e
i t
=
i
+ i
e
i t
Supongamos ahora que la funci on de entrada, u(t), tiene periodo T y viene dada por (desarrollo
en serie de Fourier)
u(t) =
n=
c
n
e
i n
0
t
donde
0
= 2/T (frecuencia en radianes)
Puesto que nuestro sistema es estable, tenemos que
L(u)(t) =
n=
c
n
H(i n
0
) e
i n
0
t
=
n=
c
n
i n
0
+ i n
0
e
i n
0
t
Lo que acabamos de obtener es el desarrollo en serie de Fourier de la respuesta peri odica con
periodo T del sistema a la entrada u(t). Observa que como |H(i )| = 1 para todo R, la
energa de la se nal de salida es la misma que la de entrada:
n=
|c
n
|
2
=
n=
|c
n
H(n
0
)|
2
2.7.5.1. Funci on de transferencia de un sistema LTI controlado por una EDL

Es muy f acil comprobar que la funci on de transferencia de un sistema LTI en el que la se nal de
entrada, u(t), y la de salida, y(t), est an relacionadas por una EDL de la forma
a
n
y
(n)
+ a
n1
y
(n1)
+ + a
1
y
+ a
0
y = b
m
u
(m)
+ b
m1
u
(m1)
+ + b
1
u
+ b
0
u (2.58)
viene dada por
H() =
B()
A()
(2.59)
donde
A() = a
n
n
+ a
n1
n1
+ + a
1
+ a
0
B() = b
m
m
+ b
m1
m1
+ + b
1
+ b
0
2.7.5.2. Respuesta impulsiva y soluci on de estado estacionario
Dada una EDL
y
(n)
+ a
n1
y
(n1)
+ + a
1
y
+ a
0
y = f (t)
Prof. Javier P erez
Transformada de Laplace 69
Llamaremos respuesta impulsiva a la soluci on del PVI
y
(n)
+ a
n1
y
(n1)
+ + a
1
y
+ a
0
y = 0
y(0) = y
(0) = = y
(n2)
(0) = 0
y
(n1)
(0) = 1
Se llama soluci on de estado estacionario a la soluci on del PVI
y
(n)
+ a
n1
y
(n1)
+ + a
1
y
+ a
0
y = f (t)
y(0) = y
(0) = = y
(n2)
(0) = y
(n1)
(0) = 0
Naturalmente, la soluci on de estado estacionario depende de la funci on f (t) que se consi-
dere. Esta dependencia viene dada por el siguiente importante resultado.
Teorema 2.11. Sea la soluci on de estado estacionario y sea h la respuesta impulsiva. Entonces
(t) =
_
t
0
f (x)h(t x) dx (2.60)
Es decir, el conocimiento de la respuesta impulsiva determina la respuesta del sistema para
cualquier entrada por medio de la integral de convoluci on (2.60).
2.8. Transformada de Laplace
La transformada de Laplace es una herramienta de gran utilidad para resolver problemas
de valores iniciales de ecuaciones diferenciales lineales con coecientes constantes. Guiado por
ese objetivo, lo que sigue es una introducci on muy elemental a dicha transformada.
En lo que sigue consideramos funciones denidas en R que toman valores reales o com-
plejos y que son continuas a trozos en [0, +[, es decir, en cada intervalo de la forma [0,b]
solamente pueden tener un n umero nito de discontinuidades de salto.
Denici on 2.12. La transformada de Laplace de una funci on f : R C se dene como la
funci on
Lf (s) =
_

0
f (t) e
s t
dt = lm
u
_
u
0
f (t) e
s t
dt (2.61)
2.8.0.3. Observaciones
Consideraremos que en la denici on anterior s es una variable real.
Como los valores de f en el intervalo ] , 0[ no intervienen para nada en la deni-
ci on anterior, en la teora de la transformada de Laplace es costumbre suponer que las
funciones se anulan para valores negativos de la variable.
Prof. Javier P erez
La transformada de Laplace de una funci on f solamente est a denida para aquellos va-
lores de s para los que el lmite (2.61) existe y es nito. Dichos valores constituyen lo que
se llama el dominio de convergencia de la integral el cual depende en cada caso de la funci on
f . Se demuestra que si la integral 2.61 existe para un valor s
0
entonces tambi en existe
para todo s con s > s
0
. Esto implica que el dominio de convergencia es un intervalo no
mayorado o todo R.
Se dice que una funci on f es de orden exponencial si hay alg un n umero aR tal que
lm
t+
f (t) e
a t
= 0 (2.62)
Teniendo en cuenta que si c > 0 la integral
_

0
e
c t
dt = 1/c < +, se deduce que
si f es una funci on de orden exponencial que verica 2.62, entonces la transformada de
Laplace de f est a denida para todo s con s > a.
Las funciones polin omicas, las funciones seno y coseno y las exponenciales de la forma
e
c x
donde c es una constante real o compleja, son funciones de orden exponencial. Es claro
que la suma y el producto de funciones de orden exponencial tambi en es una funci on de
orden exponencial.
En lo que sigue suponemos que las funciones son de orden exponencial. Esto garantiza
la existencia de su transformada de Laplace y es una hip otesis suciente para que se
veriquen los resultados que nos interesan.
Suele emplearse la notaci on L
_
f (t)
_
(s) para representar la transformada de Laplace de la
funci on f evaluada en un punto s. Esta notaci on se presta a veces a confusiones pero es
inevitable usarla y as lo haremos en lo que sigue.
2.8.0.4. Propiedades de la transformada de Laplace
Linealidad
La transformada de Laplace es un operador lineal.
L( f + g) = Lf + Lg
Teorema de derivaci on
La transformada de Laplace Lf (s) de una funci on f es una funci on indenidamente derivable
en su dominio de convergencia y su derivada de orden n viene dada por
d
n
ds
n
L
_
f (t)
_
(s) = L
_
(1)
n
t
n
f (t)
_
(s) (2.63)
En particular, Lf (s) es una funci on continua. Adem as, se verica que lm
s+
Lf (s) = 0.
Prof. Javier P erez
Teorema de integraci on
Supongamos que lm
t0
t >0
f (t)/t existe y sea F(s) la transformada de Laplace de f . Entonces se
verica que
_

s
F(u) du = L
_
f (t)
t
_
(2.64)
Transformada de Laplace de una derivada
A) Supongamos que f es continua en ]0, +[, de orden exponencial y tiene derivada f

que
es continua a trozos en [0, +[. Entonces se verica la igualdad
L
_
f

(t)
_
(s) = s L
_
f (t)
_
(s) f (0
+
) (2.65)
donde f (0
+
) = lm
t0
t >0
f (t).
B) En las mismas hip otesis anteriores, supongamos que f tiene discontinuidades de salto en
los puntos t
1
< t
2
< < t
q
, entonces se verica que
L
_
f

(t)
_
(s) = s L
_
f (t)
_
(s) f (0
+
)
q
j=1
e
s t
k
_
f
_
t
+
k
_
f
_
t
k
__
(2.66)
C) Supongamos que f (t), f

(t),. . . , f
(n1)
(t) son continuas en ]0, +[ y de orden exponencial
y que f
(n)
(t) es continua a trozos en [0, +[, entonces se verica que
L
_
f
(n)
(t)
_
(s) = s
n
L
_
f (t)
_
(s) s
n1
f
_
0
+
_
s
n2
f

_
0
+
_
f
(n1)
_
0
+
_
(2.67)
Estas propiedades son las responsables de la extraordinaria utilidad que tiene la transfor-
mada de Laplace para estudiar ecuaciones diferenciales.
Propiedad de traslaci on. Dado un n umero b > 0 se verica que
L
_
H(t b) f (t b)
_
(s) = e
b s
L
_
f (t)
_
(s) (2.68)
donde H es la funci on escal on unidad.
Propiedad de cambio de escala. Dado un n umero real a > 0 se verica que
L
_
f (at)
_
(s) =
1
a
L
_
f (t)
_
_
s
a
_
(2.69)
Teorema de convoluci on. Sean f y g funciones de orden exponencial y denamos su convolu-
ci on por
f g(t) =
_
t
0
f (u)g(t u) du
Se verica que la transformada de Laplace de la convoluci on de dos funciones es igual al pro-
ducto de sus transformadas de Laplace.
L
_
( f g)(t)
_
(s) = L
_
f (t)
_
(s)L
_
g(t)
_
(s) (2.70)
Prof. Javier P erez
2.8.0.5. Inversi on de la transformada de Laplace
Denimos la transformada de Laplace inversa como el operador L
1
que a una funci on
F(s) = Lf (s) hace corresponder la funci on f .
L
1
F = f Lf = F
Se usa la notaci on L
1
_
F(s)
_
(t) para indicar la transformada de Laplace inversa de F evaluada
en t.
La denici on anterior est a muy bien pero sirve de muy poco. Si tenemos que aplicar la
denici on dada para calcular transformadas inversas de Laplace, necesitamos tener alguna
pr actica para que cuando nos den una funci on seamos capaces de construir otra funci on cuya
transformada de Laplace sea dicha funci on. Sin embargo, a pesar de que este procedimiento es
muy rudimentario es el que suele seguirse. M as adelante veremos algunos ejemplos.
Ejemplo 2.13. Transformada de Laplace de una exponencial, del seno y del coseno.
Sea f (t) = e
a t
donde aC. Tenemos que para s > Re(a) es
L
_
e
a t
_
(s) =
_

0
e
a t
e
s t
dt = lm
u+
_
u
0
e
(sa) t
dt = lm
u+
_
1
s a
e
(sa) t
_
t=u
t=0
= lm
u+
_
1
s a

e
(sa) u
s a
_
=
1
s a
(2.71)
pues para s > Re(a)
e
(sa) u
= e
uRe(sa)
0 (u +)
Deducimos que para s > 0
L
_
sen(t)
_
(s) = L
_
e
i t
e
i t
2i
_
=
1
2i
_
1
s i

1
s + i
_
=

s
2
+
2
(2.72)
An alogamente
L
_
cos(t)
_
(s) =
s
s
2
+
2
(2.73)
Ejemplo 2.14. Transformada de Laplace de una funci on polin omica.

Como caso particular del ejemplo anterior para a = 0, tenemos que la transformada de Laplace
de la funci on escal on unidad, H(t) = 1 para t 0, H(t) = 0 para t < 0, viene dada por
LH(s) =
1
s
. Usando el teorema de derivaci on deducimos que
L
_
t
n
_
(s) =
n!
s
n+1
(n = 1, 2, 3, . . . ) (2.74)
Este resultado, junto con la linealidad, permite obtener enseguida la transformada de Laplace
de una funci on polin omica.
Prof. Javier P erez
Adem as, teniendo en cuenta la propiedad de traslaci on ??, deducimos que
L
_
e
a t
t
n
_
(s) =
n!
(s a)
n+1
(n = 1, 2, 3, . . . , Re(s a) > 0) (2.75)
2.8.0.6. Transformada inversa de Laplace de una funci on racional

Sea R(s) =
P(s)
Q(s)
una funci on racional donde P y Q son funciones polin omicas sin races
comunes de grados respectivos n < m y el coeciente lder de Q es 1. Sean
j
, (1 j q)
las races de Q(s) con multiplicidades respectivas k
j
1, (k
1
+ k
2
+ + k
q
= m). Es posible
descomponer R(s) en fracciones simples de la forma
R(s) =
q
j=1
_
_
k
j
h=1
C
j h
(s
j
)
h
_
_
(2.76)
Donde los coecientes C
j h
son n umeros complejos que habr a que calcular. Teniendo en cuenta
que la transformada de Laplace inversa es un operador lineal y el resultado obtenido en el
ejemplo anterior, la igualdad (2.76) permite calcular la transformada de Laplace inversa de
R(s).
Cuando todas las races
j
son simples, el c alculo es muy f acil pues de la igualdad
R(s) =
m
j=1
C
j
s
j
(2.77)
se deduce que
C
j
= lm
s
j
(z
j
)R(s) =
P(
j
)
Q
(
j
)
(2.78)
y, por tanto
L
1
_
R(s)
_
(t) =
m
j=1
P(
j
)
Q
(
j
)
_
e
j
t
(2.79)
Ejemplo 2.15. Vamos a calcular
L
1
_
s + 1
s
2
(s 1)
_
Descomponiendo en fracciones simples tenemos que
s + 1
s
2
(s 1)
=
2
s

1
s
2
+
2
s 1
Por tanto
L
1
_
s + 1
s
2
(s 1)
_
= L
1
_
2
s
_
L
1
_
1
s
2
_
+ 2L
1
_
2
s 1
_
= 2 t + 2 e
t
Prof. Javier P erez
Ejemplo 2.16. Vamos a calcular
L
1
_
2s
2
(s
2
+ 1)(s 1)
2
_
La descomposici on en fracciones simples es
2s
2
(s
2
+ 1)(s 1)
2
=
s
s
2
+ 1
+
1
s 1
+
1
(s 1)
2
Por tanto
L
1
_
2s
2
(s
2
+ 1)(s 1)
2
_
= cos t + e
t
+t e
t
Ejemplo 2.17. Teniendo en cuenta la igualdad 2.72 y el teorema de derivaci on y que

d
ds
s
2
+
2
=
2s
(s
2
+
2
)
2
obtenemos
L
_
t sen(t)
_
(s) =
2s
(s
2
+
2
)
2
(2.80)
An alogamente
L
_
t cos(t)
_
(s) =
s
2
2
(s
2
+
2
)
2
(2.81)
Si los resultados anteriores los combinas con las propiedades de desplazamiento y el teo-
rema de convoluci on podr as calcular f acilmente transformadas de Laplace de productos de
polinomios por funciones seno y coseno y exponenciales.
Ejemplo 2.18. Calculemos L
_
sen
2
(t)
_
.
Sea f (t) = sen
2
(t). Tenemos que f

(t) = 2sen(t) cos(t) = sen(2t). Teniendo en
cuenta la igualdad 2.65, se verica que
L(sen(2t)) = s L(sen
2
(t))
de donde
L(sen
2
(t)) =

s
2
s
2
+ 4
2
=
2
2
s(s
2
+ 4
2
)
Ejemplo 2.19. Se trata de calcular

L
1
_
1
s
3
(s
2
+ 1)
_
Prof. Javier P erez
Puede hacerse una descomposici on en fracciones simples pero es m as r apido si nos damos
cuenta de que
1
s
3
(s
2
+ 1)
=
1
s
3
1
s
2
+ 1
=
1
2
L(t
2
)L(sent)
y usamos el teorema de convoluci on (2.70) para deducir que
1
s
3
(s
2
+ 1)
=
1
2
L(t
2
sent) = L
1
_
1
s
3
(s
2
+ 1)
_
=
1
2
t
2
sent =
1
2
(t
2
+ 2 cos t 2)
2.8.0.7. Resoluci on de EDL con la transformada de Laplace

La transformada de Laplace convierte una EDL de coecientes constantes en una ecuaci on
algebraica. Consideremos la EDL con coecientes constantes
y
(n)
(t) + a
n1
y
(n1)
(t) + + a
1
y
(t) + a
0
y(t) = f (t) (2.82)
Sea y(t) la soluci on que verica las condiciones iniciales y
(j)
(0) = 0 para 0 j n 1 (la
soluci on de estado estacionario). Sea Y(s) = L
_
y(t)
_
(s) la transformada de Laplace de y(t) y
F(s) = L
_
f (t)
_
(s) la transformada de Laplace de f (t). Tomando transformadas de Laplace en
la igualdad (2.82), y teniendo en cuenta el teorema de derivaci on (2.67), obtenemos la igualdad
(s
n
+ a
n1
s
n1
+ + a
1
s + a
0
)Y(s) = F(s) = Y(s) =
F(s)
s
n
+ a
n1
s
n1
+ + a
1
s + a
0
(2.83)
Para obtener y(t) deberemos calcular la transformada de Laplace inversa de esta funci on.
De hecho, este m etodo se puede aplicar, al menos en teora, para obtener soluciones con
condiciones iniciales arbitrarias, aunque los c alculos pueden complicarse.
Podemos obtener una interesante expresi on integral para la soluci on de estado estacionario
y(t). Para ello, supongamos que h(t) es una funci on tal que
1
s
n
+ a
n1
s
n1
+ + a
1
s + a
0
= L
_
h(t)
_
(s)
Entonces, por el teorema de convoluci on
Y(s) = F(s)L
_
h(t)
_
(s) = L
_
f (t)
_
(s)L
_
h(t)
_
(s) = L
__
f h
_
(t)
_
(s)
por lo que
y(t) =
_
t
0
f (u)h(t u) du (2.84)
Cuando la EDL (2.82) aparece ligada a un sistema LTI, se dice que la funci on h es la respuesta
impulsiva del sistema y su conocimiento permite obtener la respuesta de estado estacionario del
sistema a cualquier se nal f (t) por medio de la convoluci on dada por 2.84.
Prof. Javier P erez
Un caso particularmente sencillo es cuando el polinomio Q(s) tiene todas sus races simples.
Si estas son
j
(1 j n), entonces se deduce de (2.79) que
y(t) =
n
j=1
1
Q
(
j
)
_
t
0
f (u) e
j
(tu)
du
Una peque na variante de lo anterior es cuando la EDL (2.82) aparece ligada a un sistema
LTI, en cuyo caso es costumbre escribirla en la forma input-output:
a
n
y
(n)
(t) +a
n1
y
(n1)
(t) + +a
1
y
(t) +a
0
y(t) = b
m
u
(m)
(t) +b
m1
u
(m1)
(t) + +b
1
u
(t) +b
0
u(t)
(2.85)
Llamando U(s) = L
_
u(t)
_
(s) y razonando como antes, obtenemos
Y(s) =
b
m
s
m
+ b
m1
s
m1
+ + b
1
s + b
0
a
n
s
n
+ a
n1
s
n1
+ + a
1
s + a
0
U(s) = H(s)U(s)
donde H(s) es la funci on de transferencia del sistema (2.59). La funci on h(t) = L
1
_
H(s)
_
(t) se
llama la respuesta impulsiva del sistema y su conocimiento permite obtener la respuesta y(t)
del sistema para una se nal de entrada u(t) por medio de la integral de convoluci on
y(t) =
_
t
0
u(x)h(t x) dx
Ejemplo 2.20. Consideremos el siguiente problema de valores iniciales
y
+ y = sent y(0) = 1, y
(0) = 1
Es decir, se trata de calcular una soluci on, y(t), de la ecuaci on diferencial y
+y = sent que ve-

rique las condiciones iniciales y(0) = 1, y
(0) = 1. Notemos Y(s) la transformada de Laplace

de la funci on (desconocida y). Tomando transformadas de Laplace en la ecuaci on diferencial y
teniendo en cuenta la f ormula 2.67 para la transformada de Laplace de una derivada, obtene-
mos
s
2
Y(s) s y(0) y
(0) + Y(s) =
1
1 + s
2
sustituyendo en esta igualdad las condiciones iniciales resulta
Y(s) =
s + 1
s
2
+ 1
+
1
(s
2
+ 1)
2
Por una parte
s + 1
s
2
+ 1
=
1
s
2
+ 1
+
s
s
2
+ 1
= L(sent) +L(cos t) = L(sent + cos t)
Y por otra
1
(s
2
+ 1)
2
=
1
2
1
s
2s
(s
2
+ 1)
2
=
1
2
L1L(t sen t) =
1
2
L(1 t sen t)
Prof. Javier P erez
Por tanto
y(t) = L
1
_
Y(s)
_
= sent + cos t +
1
2
1 t sen t = sent + cos t +
1
2
_
t
0
u senu du
= sent + cos t +
1
2
(t cos t + sen t) = cos t
1
2
t cos t +
3
2
sent
Puedes comprobar que, efectivamente, esa es la soluci on correcta.
Ejemplo 2.21. Consideremos el siguiente problema de valores iniciales:

y
+ y =
_
sen t, 0 t
0, t >
y(0) = y
(0) = 0
Tomando transformadas de Laplace en ambos lados de la ecuaci on y poniendo Y(s) = Ly(s),
tenemos
s
2
Y(s) + Y(s) =
_

0
e
s t
sen t dt =
1 + e
s
s
2
+ 1
Por tanto
Y(s) =
1 + e
s
(s
2
+ 1)
2
=
1
(s
2
+ 1)
2
+
e
s
(s
2
+ 1)
2
En el ejemplo anterior hemos visto que
L
1
_
1
(s
2
+ 1)
2
_
=
1
2
(sent t cos t)
teniendo en cuenta tambi en la igualdad 2.68, deducimos que
y(t) =
1
2
(sen t t cos t) + H(t )
_
1
2
_
sen(t ) (t ) cos(t )
_
_
es decir
y(t) =
_
_
1
2
(sent t cos t), 0 t
1
2
cos t, t >
Ejemplo 2.22. Consideremos el siguiente sistema de ecuaciones diferenciales

y
+ z
+ y + z = 1
y
+ z = e
t
y(0) = 1, z(0) = 2
Tomando transformadas de Laplace y poniendo Y(s) = Ly(s), Z(s) = Lz(s), obtenemos
sY(s) + 1 + sZ(s) 2 + Y(s) + Z(s) =
1
s
sY(s) + 1 + Z(s) =
1
s 1
Prof. Javier P erez
De estas ecuaciones deducimos que
Y(s) =
s
2
+ s + 1
s(s 1)
2
=
1
s

2
s 1
+
1
(s 1)
2
y tomando transformadas inversas obtenemos que
y(t) = 1 2 e
t
+t e
t
, z(t) = 2 e
t
t e
t
2.8.0.8. C alculo de la exponencial de una matriz por medio de la transformada de Laplace

Sea A una matriz cuadrada y consideremos la matriz exponencial
e
At
= I + tA +
t
2
2
A
2
+
t
3
3!
A
3
+ +
t
n
n!
A
n
+
Tomando transformadas de Laplace en esta igualdad obtenemos
L
_
e
At
_
(s) =
1
s
I +
1
s
2
A +
1
s
3
A
2
+
1
s
4
A
3
+ +
1
s
n+1
A
n
+
Multiplicando los dos lados de esta igualdad por la matriz sI A se comprueba f acilmente que
L
_
e
A t
_
(s)(sI A) = (sI A)L
_
e
A t
_
(s) = I
por lo que
L
_
e
At
_
(s) = (sI A)
1
= e
At
= L
1
_
(sI A)
1
_
(t)
Naturalmente, para calcular transformadas de Laplace de una matriz se calculan las transfor-
madas de Laplace de los elementos de la matriz.
Tambi en se llega al mismo resultado teniendo en cuenta que la matriz e
A t
es la soluci on de
la ED matricial Y
(t) = AY(t) que verica Y(0) = I. Tomando transformadas de Laplace en

esta ED se deduce
sL
_
Y(t)
_
(s) I = AL
_
Y(t)
_
(s) = L
_
Y(t)
_
(s) =
_
sI A
_
1
= Y(t) = e
A t
= L
1
_
(sI A)
1
_
(t)
Ejemplo 2.23. Sea
A =
_
0 1
1 0
_
Tenemos que
(sI A)
1
=
_
s 1
1 s
_
=
1
s
2
+ 1
_
s 1
1 s
_
=
_
_
_
s
s
2
+ 1
1
s
2
+ 1
1
s
2
+ 1
s
s
2
+ 1
_
_
_
Tomando la transformada inversa de Laplace obtenemos
e
A t
=
_
cos(t) sen(t)
sen(t) cos(t)
_
Prof. Javier P erez
Ejemplo 2.24. Las ecuaciones en diferencias nitas lineales pueden resolverse con ayuda de la
transformada de Laplace. Veamos un ejemplo.
Se trata de resolver la ecuaci on
a
n+2
3a
n+1
+ 2a
n
= 0, a
0
= 0, a
1
= 1
Para ello denamos
y(t) = a
n
n t < n + 1, n = 0, 1, 2, . . .
Con lo cual la ecuaci on se convierte en
y(t + 2) 3y(t + 1) + 2y(t) = 0 y(0) = 0, y(1) = 1 (2.86)
Tomando transformadas de Laplace tenemos
L
_
y(t + 2)
_
=
_

0
e
s t
y(t + 2) dt = [u = t + 2] =
_

2
e
s(u2)
y(u) du =
= e
2 s
_

0
e
s u
y(u) du e
2 s
_
2
0
e
s u
y(u) du
= e
2 s
L
_
y(t)
_
e
2 s
_
1
0
e
s u
y(0) du e
2 s
_
2
1
e
s u
y(1) du
= e
2 s
L
_
y(t)
_
e
s
s
(1 e
s
)
An alogamente
L
_
y(t + 1)
_
= e
s
L
_
y(t)
_
Con lo que la ecuaci on 2.86 se convierte en
e
2 s
L
_
y(t)
_
e
s
s
(1 e
s
) 3 e
s
L
_
y(t)
_
+ 2L
_
y(t)
_
= 0
de donde f acilmente se obtiene que
L
_
y(t)
_
=
1 e
s
s(1 2 e
s
)

1
s
Teniendo ahora en cuenta que para a > 0 y notando E(t) la funci on parte entera se verica que
L
_
a
E(t)
_
=
1 e
s
s(1 a e
s
)
(Re(s) > m ax {0, log a})
concluimos que
L
_
y(t)
_
= L
_
2
E(t)
_
L1 = L
_
2
E(t)
1
_
de donde resulta nalmente
a
n
= 2
n
1, n = 0, 1, 2, . . .
Prof. Javier P erez
Ejercicios 80
2.9. Ejercicios
1. Calcula, usando los ejemplos anteriores y las propiedades de la transformada de Laplace,
sin necesidad de hacer integrales, las transformadas de Laplace de las funciones siguien-
tes:
a) cosh(t), senh(t) (seno hiperb olico y coseno hiperb olico).
b) e
a t
sen(t + ), e
a t
cos(t + ).
c) f (t) = 0 si 0 t 1, f (t) = (t 1)
2
si t > 1.
d) f (t) = sent si t 3, f (t) = 0 ai 0 t < 3.
e)
1 e
t
t
f )
sent
t
2. Justica la igualdad
L
_
a
E(t)
_
=
1 e
s
s(1 a e
s
)
(Re(s) > m ax {0, log a})
3. Calcula las transformadas de Laplace inversas de las siguientes funciones
a)
e
a s
e
b s
(b a)s
donde 0 a < b
b)
e
2 s
s
2
+ 1
c)
s
s
2
+ 4s + 1
d) log
_
s + a
s + b
_
donde a > 0, b > 0.
e)
s a
s + a
4. Justica la igualdad
L
1
_
Lf (s)
s
_
(t) =
_
t
0
f (u) du
Aplicaci on: Calcula la transformada de Laplace de la funci on seno integral:
S i(t) =
_
t
0
senu
u
du
5. Supongamos que f es una funci on peri odica con perodo T. Sea F(s) la transformadas de
Laplace de f y pongamos
F
1
(s) =
_
T
0
f (t) e
s t
dt
Justica que
F(s) =
F
1
(s)
1 e
s T
Aplicaci on: Calcula la transformada de Laplace de la funci on f (t) = |sen(t)|.
Prof. Javier P erez
Ejercicios 81
6. Calcula la soluci on de la ecuaci on diferencial
my
(t) + k y(t) =
_
_
_
1
, 0 t
0, < t
donde y(0) = y
(0) = 0 y , m, k son constantes positivas.

7. Calcula la soluci on de la ecuaci on diferencial
y
(t) +
2
y(t) = cos( t)
que verica y(0) = 1, y
_

2
_
= 1.
8. Supongamos que la corriente el ectrica I en un circuito verica
L
dI
dt
+
1
C
_
t
0
I(u) du = E
donde L, C, E son constantes positivas e I(0) = 0. Calcula I(t).
9. Una bala de masa m es disparada por un ca n on con una velocidad v
0
dentro de un medio
viscoso. Se sabe que el desplazamiento y(t) en el tiempo t 0 de la bala satisface la
ecuaci on diferencial
my
+ ky
= 0
donde y(0) = 0, y
(0) = v
0
. Calcula y(t).
10. Calcula primero la respuesta impulso y despu es la soluci on de estado estacionario del
sistema dado por la ecuaci on diferencial
y
+ y
2y = 4 e
t
11. Resuelve el sistema de ecuaciones diferenciales
x
+ y
+ 3x = 15 e
t
y
4x
+ 3y = 15 sen(2 t)
donde x(0) = 35, x
(0) = 48, y(0) = 27, y
(0) = 55.
12. Resuelve, usando transformadas de Laplace, la ecuaci on en diferencias nitas
a
n+2
= a
n+1
+ a
n
a
0
= 0, a
1
= 1
Prof. Javier P erez
Lecci on 3
Conceptos b asicos de la teora de Series de Fourier
3.1. Introducci on
Esencialmente la teora de Series de Fourier persigue dos prop ositos:
El an alisis o descomposici on de una se nal como suma o superposici on (en general inni-
ta) de sinusoides.
La sntesis o recomposici on de una se nal a partir de sus sinusoides.
Habr as notado que estoy empleando la palabra se nal como sin onimo de funci on y as lo
seguir e haciendo a lo largo de esta lecci on con las precisiones que considere necesarias. En
an alisis arm onico las se nales m as simples son las sinusoides a las que nos hemos referido antes.
Conviene darles un repaso.
3.1.1. Sinusoides
Una sinusoide es una se nal de la forma
Asen(2t + ).
El n umero A > 0 es la amplitud, > 0 es la frecuencia medida en ciclos por segundo o Her-
cios (Hz), < es la fase (fase inicial), = 2 es la frecuencia medida en radianes
por segundo (que se llama a veces frecuencia angular). El perodo es el tiempo que necesita la
sinusoide para completar un ciclo completo, es decir, el perodo es T = 1/ segundos.
Asen(2(t + 1/) + ) = Asen(2t + 2 + ) = Asen(2t + ).
En general, una funci on f : R C se dice que es peri odica con perodo T si f (t + T) = f (t)
para todo t R. En tal caso cualquier m ultiplo entero de T es tambi en un perodo de f , esto es,
82
Polinomios trigonom etricos y coecientes de Fourier 83
f (t + kT) = f (t) para todo t R, k Z. Por convenio, una funci on constante se considera pe-
ri odica con cualquier perodo. Salvo este caso, cuando se dice que una funci on es peri odica de
perodo T se sobreentiende que T es el n umero positivo m as peque no que verica la igualdad
f (t + T) = f (t) para todo t R.
En la representaci on gr aca de la se nal f (t) = Asen(2t + ) se interpreta f (t) como la
amplitud de la se nal en el instante t. La amplitud A representa la m axima altura que alcanza
dicha gr aca, esto es, el m aximo absoluto de la funci on f (el mnimo absoluto es A). La
frecuencia es el n umero de veces (ciclos) que se repite la gr aca en un segundo. El perodo es
el tiempo necesario para que la gr aca complete un solo ciclo.
3.2. Polinomios trigonom etricos y coecientes de Fourier
Un polinomio trigonom etrico de orden N es una funci on de la forma
N
n=0
A
n
sen(2nt/T +
n
) (3.1)
En una suma de este tipo el n umero T es el periodo fundamental y = 1/T es la frecuencia funda-
mental (en hercios). A cada uno de los sumandos individuales, cuyas frecuencias son m ultiplos
enteros de la frecuencia principal, se les llama arm onicos. Esta forma de una suma trigonom etri-
ca tiene la ventaja de mostrar explcitamente la amplitud y la fase de cada uno de ellos pero es
muy inc omoda para los c alculos. Por ello es m as frecuente escribir esta suma en la forma:
a
0
2
+
N
n=1
(a
n
cos(2 n t/T) + b
n
sen(2 n t/T)) (3.2)
la raz on de escribir el t ermino constante en la forma a
0
/2 es para simplicar las f ormulas de
los coecientes que veremos en seguida.
Se trabaja con mucha m as comodidad con estas sumas si usamos la exponencial compleja.
Usando las ecuaciones de Euler tenemos que:
cos(2 nt/T) =
e
2 i n t/T
+e
2 i n t/T
2
, sen(2 nt/T) =
e
2 i n t/T
e
2 i n t/T
2i
con ello la suma (3.2) puede ser escrita como:
N
n=N
c
n
e
2 i n t/T
(3.3)
La relaci on entre estas tres formas distintas de escribir una misma funci on viene dada por las
siguientes igualdades v alidas para todo n = 1, 2, 3, . . . :
c
n
=
a
n
i b
n
2
c
n
=
a
n
+ i b
n
2
(3.4)
a
n
= A
n
sen
n
b
n
= A
n
cos
n
(3.5)
Prof. Javier P erez
Polinomios trigonom etricos y coecientes de Fourier 84
Supongamos que f es una se nal que podemos representar como un polinomio trigonom etrico
con periodo T:
f (t) =
N
n=N
c
n
e
2 i n t/T
entonces se verica que los coecientes en esta expresi on est an determinados de forma unica
por f y vienen dados por:
c
n
=
1
T
_
T
0
e
2 i n t/T
f (t) dt
Las consideraciones anteriores motivan a las siguientes deniciones.
Denici on 3.1. Sea f : R C una se nal de periodo T integrable en [0, T]. Se denen los
coecientes de Fourier de f por:
c
n
=
1
T
_
T
0
e
2 i n t/T
f (t) dt (nZ) (3.6)
El polinomio trigonom etrico:
S
N
(t) =
N
n=N
c
n
e
2 i n t/T
(3.7)
donde los coecientes c
n
vienen dados por (3.6), se llama polinomio de Fourier de orden N de f .
La sucesi on de los polinomios de Fourier de f se llama serie de Fourier de f y la representamos
por
nZ
c
n
e
2 i n t/T
. Cuando dicha serie converge escribimos:
lm
N
S
N
(t) =
n=
c
n
e
2 i n t/T
Teniendo en cuenta 3.4 se deduce que las igualdades 3.6 y 3.7 pueden escribirse de forma
equivalente:
S
N
(t) =
a
0
2
+
N
n=1
(a
n
cos(2 n t/T) + b
n
sen(2 n t/T)) (3.8)
donde:
a
n
=
2
T
_
T
0
cos(2 n t/T) f (t) dt n = 0, 1, 2, . . . (3.9)
b
n
=
2
T
_
T
0
sen(2 n t/T) f (t) dt n = 1, 2, . . . (3.10)
Los a
n
se llaman coecientes coseno y los b
n
coecientes seno de f .
Prof. Javier P erez
Observaciones 85
3.2.1. Observaciones
Tambi en se utilizan las notaciones c
n
( f ) y

f (n) para representar los coecientes de Fou-
rier c
n
de f .
Para calcular los coecientes de Fourier de una se nal de periodo T podemos integrar en
cualquier intervalo de longitud T. Suele ser frecuente, por razones de simetra, elegir el
intervalo [T/2, T/2].
Observa que nada hemos dicho a un sobre la relaci on entre una funci on f y su serie de
Fourier. La pregunta de qu e modo la serie de Fourier de f representa a f ? no tiene una
respuesta f acil porque tiene muchas respuestas. Mas adelante presentaremos algunos re-
sultados en este sentido.
Observa que si cambias una funci on en un n umero nito de puntos esto no afecta pa-
ra nada a sus coecientes de Fourier los cuales viene dados por medio de integrales.
Igualmente, tampoco debe preocuparnos que una funci on no est e denida en un conjun-
to nito de puntos porque eso no afecta para nada a su integrabilidad ni al valor de su
integral.
A diferencia de la serie de Taylor de una funci on, la cual solamente est a denida si dicha
funci on es indenidamente derivable, la unica condici on para que la serie de Fourier de
una funci on est e denida es que la funci on sea integrable en un intervalo. Te recuerdo que
hay funciones integrables con innitas discontinuidades. Es decir, el concepto de serie de
Fourier es mucho menos restrictivo que el de serie de Taylor y esa es una de las grandes
ventajas de la teora de series de Fourier: puede aplicarse a funciones muy generales.
En contra de lo que pudiera parecer a primera vista, la hip otesis de periodicidad no es
restrictiva para la aplicaci on de la teora de series de Fourier.
En efecto, si queremos representar una funci on f en un intervalo [a, b] por medio de una
serie de Fourier, lo unico que se necesita es que dicha funci on est e denida y sea integra-
ble en dicho intervalo. En tal caso la serie de Fourier
nZ
c
n
e
2 i n t/(ba)
cuyos coecientes
son
c
n
=
1
b a
_
b
a
e
2 i n t/(ba)
f (t) dt (nZ)
representa (cuando se dan las condiciones de convergencia apropiadas) una funci on pe-
ri odica de periodo b a que coincide con f en el intervalo ]a, b[.
Podemos considerar esto desde otro punto de vista. Si estamos interesados en representar
por medio de una serie de Fourier una funci on f denida e integrable en un intervalo [a, b]
podemos extender dicha funci on a todo R de manera que la extensi on sea una funci on
peri odica de perodo T = b a. Para ello basta repetir la gr aca de f en intervalos de
longitud T = b a (si f (b) = f (a + T) f (a) ser a preciso cambiar el valor de f en uno
de los extremos del intervalo [a, b]).
Prof. Javier P erez
Ejemplos 86
La consideraci on de funciones complejas, si bien desde un punto de vista te orico no pre-
senta ninguna dicultad e incluso hace que la teora sea m as elegante y f acil de desarro-
llar, desde un punto de vista pr actico no a nade nada pues en las aplicaciones siempre se
consideran se nales reales.
3.2.2. Ejemplos
Ejemplo 3.2. Calcular la serie de Fourier de la funci on 2-peri odica
f (x) =
_
_
_
0, si < x < /2
1, si /2 < x
De acuerdo con la denici on de los coecientes de Fourier
a
0
=
1
_

/2
dx =
3
2
a
n
=
1
_

/2
cos(nx) dx =
sen(nx)
n
_
x=
x=/2
=
sen(n/2)
n
=
_
_
(1)
n1
2
n
si n es impar
0 si n es par
b
n
=
1
_

/2
sen(nx) dx =
cos(nx)
n
_
x=
x=/2
=
cos(n)
n
+
cos (n/2)
n
=
=
_
_
1
n
, si n es impar
1
n
[1 + (1)
n/2
] si n es par
Por tanto la serie de Fourier de f es
3
4
+
1
_
cos(x) + sen(x) sen(2x)
1
3
cos(3x) +
1
3
sen(3x) + . . .
_
=
=
3
4
+
1
n1
1
2n 1
_
(1)
n1
cos((2n 1)x) + sen((2n 1)x) sen((4n 2)x)
_
Ejemplo 3.3. Sea f : [4, 6] R denida como

f (x) =
_
_
_
1, si 4 < x 5
2, si 5 < x 6
Vamos a calcular sus coecientes de Fourier:
a
0
=
_
5
4
dx +
_
6
5
2 dx = 3
Prof. Javier P erez
Ejemplos 87
Para n 1:
a
n
=
_
5
4
cos(nx) dx +
_
6
5
2 cos(nx) dx = 0,
y
b
n
=
_
5
4
sen(nx) dx +
_
6
5
2 sen(nx) dx =
_
_
_
0, si n es par
2
n
, si n es impar
Por tanto la serie de Fourier de f es
3
2

2
n1
1
2n 1
sen
_
(2n 1)x
_
Ejemplo 3.4 (Funci on impulso rectangular). Se llaman impulsos rectangulares las se nales que
son nulas salvo en un determinado intervalo de tiempo en el que son constantes. El ejemplo
tpico es la funci on : R R
(x) =
_
_
_
1, si |x| < 1/2
0, en otro caso
Con m as generalidad, dado un n umero a > 0 podemos considerar la funci on
a
denida por
a
(x) = (x/a), con lo que
a
(x) =
_
_
_
1, si |x| < a/2
0, en otro caso
Dado un n umero T > a podemos considerar la extensi on peri odica de
a
con periodo T cuya
gr aca es de la forma
-5 -3 -1 1 3 5
1
Figura 3.1: Periodizaci on con periodo 4 de
2
Llamemos f a dicha funci on. Los coecientes de Fourier de f son
c
n
=
1
T
_
T/2
T/2
f (t) e
2 i n t/T
dt =
1
T
_
a/2
a/2
e
2 i n t/T
dt =
1
2 i n
_
e
2 i n t/T
_
t=a/2
t=a/2
=
=
1
n
_
e
i n a/T
e
i n a/T
2i
_
=
sen( n a/T)
n
Prof. Javier P erez
Series de Fourier seno y coseno 88
para n distinto de cero, y
c
0
=
1
T
_
T/2
T/2
f (t) dt =
1
T
_
a/2
a/2
1 dt =
a
T
.
Ejemplo 3.5 (Funci on triangular). La funci on triangular es la funci on : R R denida

por
(x) =
_
_
_
1 |x | si |x| 1,
0 para |x| > 1.
Con m as generalidad, dado un n umero a > 0 podemos considerar la funci on
a
denida por
a
(x) = (x/a), con lo que
a
(x) =
_
_
_
1
x
a
, si |x| a
0, para |x| > a.
Dado un n umero T > 0 podemos considerar la extensi on peri odica de
a
con periodo T.
-8 -7 -6 -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8
1
Figura 3.2: Periodizaci on de periodo 3 de
1/2
Calculemos sus coecientes de Fourier.
c
n
=
1
T
_
T/2
T/2
f (t) e
2 i n t/T
dt =
_
0
a
_
1 +
t
a
_
e
2 i n t/T
dt +
_
a
0
_
1
t
a
_
e
2 i n t/T
dt =
=
2
T
_
a
0
_
1
t
a
_
cos(2nt/T) dt =
2
T
T
2n
_
__
1
t
a
_
sen(2nt/T)
_
t=a
t=0
+
1
a
_
a
0
sen(2nt/T) dt
_
=
=
T(1 cos(2na/T))
2
2
n
2
a
=
sen
2
(na/T)
2
n
2
a/T
.
Es inmediato comprobar que
c
0
=
1
T
_
T/2
T/2
f (t) dt =
a
T
.
3.2.3. Series de Fourier seno y coseno

Los coecientes seno de una funci on par son nulos y los coecientes coseno de una funci on
impar son nulos. Esto lleva a denir las series de Fourier seno y coseno de una funci on como
sigue.
Prof. Javier P erez
Convergencia de las series de Fourier 89
Sea f una funci on denida e integrable en el intervalo [0, L]. Podemos extender f al intervalo
[L, L] de las formas siguientes:
f
1
(x) =
_
_
_
f (x), L x < 0
f (x), 0 x L
y
f
2
(x) =
_
_
_
f (x), L x < 0
f (x), 0 x L
Es claro que f
1
es impar y f
2
es par y coinciden con f en [0, L]. La funci on f
1
es llamada la
extensi on impar de f y f
2
es llamada la extensi on par de f .
La serie de Fourier de la extensi on de perodo 2 L de f
1
se llama la serie de Fourier seno de
f y viene dada por:
n1
b
n
sen( n t/L), b
n
=
2
L
_
L
0
f (t) sen( n t/L) dt
La serie de Fourier de la extensi on de perodo 2 L de f
2
se llama la serie de Fourier coseno
de f y viene dada por:
a
0
2
+
n1
a
n
cos( n t/L), a
n
=
2
L
_
L
0
f (t) cos( n t/L) dt
3.3. Convergencia de las series de Fourier
Una funci on f se dice que es continua a trozos en un intervalo [a, b] si hay una partici on
a = x
0
< x
1
< x
2
< . . . < x
n1
< x
n
= b del intervalo [a, b] de forma que
f es continua en cada intervalo ]x
i
, x
i+1
[, para i = 0, 1, 2, . . . , n 1, y
f tiene lmites laterales en los puntos x
i
, i = 0, 1, . . . , n.
Diremos que una funci on f es derivable a trozos en un intervalo [a, b] si hay una partici on
a = t
0
< t
1
< t
2
< . . . < t
m1
< t
m
= b del intervalo [a, b] de forma que
f es derivable en cada intervalo ]t
i
, t
i+1
[, para i = 0, 1, 2, . . . , m1, y
La funci on derivada f

tiene lmites laterales en los puntos t
i
, i = 0, 1, . . . , m.
Diremos que una funci on es suave a trozos en un intervalo [a, b] si es derivable a trozos en
dicho intervalo y su derivada es continua a trozos.
Prof. Javier P erez
Ejercicios 90
Toda funci on derivable a trozos en un intervalo tambi en es continua a trozos en dicho in-
tervalo. Las funciones continuas a trozos en un intervalo son integrables en dicho intervalo.
Adem as, la integral la podemos calcular como suma de integrales en cada uno de los interva-
los donde la funci on es continua.
El siguiente resultado nos dice que en condiciones razonablemente generales la serie de
Fourier de una funci on converge puntualmente a dicha funci on.
Teorema 3.6 (Riemann, Dirichlet). Sea f : R C una se nal peri odica con perodo T derivable a
trozos en [0, T]. Entonces se verica que:
1. En todo punto t R donde f sea continua
n=
c
n
e
2 i n t/T
= f (t)
2. Si f no es continua en un punto t entonces se verica que:
n=
c
n
e
2 i n t/T
=
f (t+) + f (t)
2
donde f (t+) y f (t) son, respectivamente, los lmites por la derecha y por la izquierda de f en t.
En particular, una funci on continua y derivable a trozos est a determinada de manera unica por su serie
de Fourier.
3.3.1. Ejercicios
1. a) Sea f (t) = sen(t/3) + sen(t/4). Es f peri odica? En caso armativo, cu al es su
perodo?
b) Sea f (t) = sen( t) + sen( t). Prueba que para que f sea peri odica es necesario y
suciente que / sea un n umero racional.
c) Es peri odica la funci on f (t) = sen(10t) + sen
_
(10 +)t
_
?
2. Considera las distintas formas de escribir la serie de Fourier de una funci on real peri odica
de perodo 1:
a
0
2
+
n=1
a
n
cos(2nt) + b
n
sen(2nt)
n=
c
n
e
2 int
a
0
2
+
n=1
A
n
sen(2nt +
n
)
Indica con detalle c omo se pasa de una a otra, es decir, las relaciones que hay entre los
distintos coecientes.
Prof. Javier P erez
Ejercicios 91
3. Sea f una se nal derivable a trozos, c
n
sus coecientes de Fourier, a
n
s y b
n
sus coecientes
coseno y seno respectivamente. Justica las siguientes armaciones:
a) f es real c
n
= c
n
(nN) a
n
R, b
n
R (nN)
b) f es par c
n
= c
n
(nN) b
n
= 0 (nN)
c) f es impar c
n
= c
n
(nN) a
n
= 0 (nN)
d) f real y par c
n
= c
n
R (nN)
e) f real e impar c
n
= c
n
i R (nN)
4. Da una demostraci on aceptable de la igualdad de Parseval:
1
T
_
T
0
| f (t)|
2
dt =
n=
|c
n
|
2
5. Prueba que si f : R C es una funci on suave a trozos se verica que

f

(k) = ik
f (k)
para todo k Z. En otros t erminos: la serie de Fourier de la derivada de f se obtiene
derivando t ermino a t ermino la serie de Fourier de f .
6. Sea f : R C peri odica y suave a trozos. Denamos F(x) =
_
x
0
f (t) dt para todo xR.
Prueba que la funci on G : R C dada por G(x) = F(x)

f (0)x , es peri odica y expresa
sus coecientes de Fourier por medio de los de f .
7. Calcula las series de Fourier de las extensiones peri odicas de las siguientes funciones:
f (x) =
_
_
_
0, < x < 0
, 0 x
f (x) =
_
_
_
0, 2 < x < 0
x, 0 x 2
8. Calcula la serie de Fourier coseno de la funci on f (x) = x para x[0, ].
9. Calcula la serie de Fourier seno de la funci on f (x) = 1 para x[0, ].
10. Calcula la serie de Fourier seno de la funci on f (x) = cos x para x[0, ].
11. Sea a R, a 0. Si los coecientes de Fourier de una se nal f son c
n
, cu ales son los
coecientes de Fourier de la se nal trasladada g(t) = f (t a)? Y los de la se nal h(t) =
f (a t)?.
12. Calcula las series de Fourier de las funciones |sent| y |cos t|.
13. Usando el desarrollo en serie de Fourier de la funci on de perodo 1 dada por f (t) = t
para 0 t < 1 y f (t + 1) = f (t) para todo t R, justica la igualdad
n=1
(1)
n+1
2n + 1
=

4
Prof. Javier P erez
Geometra de las series de Fourier 92
Utiliza la igualdad de Parseval para deducir que
n=1
1
n
2
=

2
6
14. Usando el desarrollo en serie de Fourier de la funci on de perodo 2 dada por f (t) = t
2
para t y f (t + 2) = f (t) para todo t R, justica la igualdad
n=1
(1)
n+1
n
2
=

2
12
15. Usando el desarrollo en serie de Fourier de la funci on de perodo 2 dada por f (t) = |t |
para 1 t 1 y f (t + 2) = f (t) para todo t R, justica la igualdad
n=1
1
(2n 1)
2
=

2
8
16. Dado a R, a Z, se dene la funci on de perodo 2 f (t) = e
i a t
para 1 t < 1 y
f (t) = f (t + 2). Calcula la serie de Fourier de f y utiliza la igualdad de Parseval para
deducir que
n=
1
(a n)
2
=

2
sen
2
(a)
17. Sea f (x) = x (1 x), (0 x 1) y consideremos la extensi on impar de f de perodo 2.
a) Calcula la serie de Fourier seno de f .
b) Justica que
n=0
(1)
n
(2n + 1)
3
=

3
32
.
c) Calcula la serie de Fourier coseno de f

(x) = 1 2x, (0 x 1); y la serie de Fourier
de f

(x) = 2.
d) deduce de lo anterior que:
n=0
1
(2n + 1)
2
=

2
8
,
n=0
(1)
n
2n + 1
=

4
3.4. Geometra de las series de Fourier
La teora de las series de Fourier est a estrechamente relacionada con los aspectos algebrai-
cos y geom etricos de los espacios eucldeos. Lo caracterstico de la geometra eucldea es el
concepto de ortogonalidad o perpendicularidad y sus consecuencias.
Prof. Javier P erez
Denici on 3.7. Representaremos por L
2
(a, b) el espacio de las funciones f : R C que son
peri odicas con periodo b a y de cuadrado integrable en [a, b]. Este conjunto con las operacio-
nes usuales de suma de funciones y producto por escalares complejos es un espacio vectorial
complejo.
Para todo par de funciones f , gL
2
(a, b) denimos su producto escalar por:
( f | g) =
1
b a
_
b
a
f (t)g(t) dt (3.11)
y denimos la norma de f L
2
(a, b) por:
f =
_
( f | f ) =
1
b a
_
b
a
| f (t)|
2
dt (3.12)
Denici on 3.8. Dos funciones f , g L
2
(a, b) se llaman ortogonales si ( f | g) = 0 en cuyo
caso escribimos f g. Un conjunto de funciones B L
2
(a, b) se dice ortogonal si para cada
par de elementos distintos f , g B se tiene que f g. Si, adem as para toda funci on f B es
f = 1 se dice que B es un conjunto ortonormal de funciones. Un conjunto ortonormal, B,
con la propiedad de que la unica funci on que es ortogonal a todas las funciones del mismo es
la funci on nula, se llama una base ortonormal.
Ejemplo 3.9. En el espacio L
2
(0, T) un ejemplo de base ortonormal de funciones especialmente
importante es la formada por las exponenciales complejas:
E =
_
e
2 i n t/T
: nZ
_
Otro ejemplo de base ortonormal es la formada por las funciones trigonom etricas:
T =
_
1,
2 cos(2n t/T),
2 sen(2n t/T) : nN
_
De hecho, tenemos las siguientes igualdades:
1
T
_
T
0
cos(2n t/T) cos(2m t/T) dt =
_
_
0 si n m
1
2
si n = m 0
1 si n = m = 0
1
T
_
T
0
sen(2n t/T) sen(2m t/T) dt =
_
_
_
1
2
si n = m 0
0 en otro caso
1
T
_
T
0
sen(2n t/T) cos(2m t/T) dt = 0 n, mN
Prof. Javier P erez
Proposici on 3.10. Supongamos que B = {e
k
: 1 k n} es un conjunto de n funciones ortonormales
en L
2
(a, b) y sea Mel subespacio vectorial engendrado por B. Dada una funci on f L
2
(a, b) la funci on:
P
M
( f ) =
n
j=1
( f | e
j
)e
j
se llama la proyecci on ortogonal de f sobre My tiene las propiedades siguientes:
1. P
M
( f ) M.
2. f P
M
( f ) es ortogonal a M.
3. mn { f g : gM} = f P
M
( f )
Demostraci on. La primera armaci on es evidente porque por su denici on P
M
( f ) es combina-
ci on lineal de los vectores e
k
que forman una base de M.
Para probar la segunda armaci on basta observar que:
( f P
M
( f ) | e
k
) = ( f | e
k
)
n
j=1
( f | e
j
)(e
j
| e
k
) = ( f | e
k
) ( f | e
k
) = 0
lo que prueba que f P
M
( f ) es ortogonal a los vectores e
k
y, por tanto, tambi en es ortogonal a
cualquier combinaci on lineal de ellos, es decir, a cualquier vector de M.
Para probar el punto 3 basta observar que para toda g M se verica que los vectores
f P
M
( f ) y P
M
( f ) g son ortogonales, por lo que:
f g
2
= ( f P
M
( f )) + (P
M
( f ) g)
2
= f P
M
( f )
2
+P
M
( f ) g
2
f P
M
( f )
2
Deducimos que f P
M
( f ) f g y que la igualdad se da si, y s olo si, g = P
M
( f ).
Particularicemos el resultado anterior al espacio L
2
(0, T) cuando se consideran conjuntos
ortonormales particulares.
Dado NN, consideremos el conjunto ortonormal
E
N
=
_
e
2 i n t/T
: N n N
_
En este caso, representando por e
n
la funci on t e
2 i n t/T
, esto es e
n
(t) = e
2 i n t/T
, la proyec-
ci on ortogonal de f sobre E
N
es la funci on
N
k=N
( f | e
k
)e
k
(t) =
N
k=N
1
T
_
_
T
0
f (t)e
k
(t) dt
_
e
k
(t) =
N
k=N
1
T
_
_
T
0
f (t) e
2 i k t/T
dt
_
e
2 i k t/T
=
=
N
k=N
c
k
e
2 i k t/T
Prof. Javier P erez
Donde los coecientes c
k
viene dados por (3.6). Pero esta funci on es justamente el polinomio
de Fourier (3.7) de orden N de f .
Dado NN, consideremos el conjunto ortonormal
T
N
=
_
1,
2 sen(2 n t/T),
2 cos(2 n t/T) : N n N
_
En este caso, poniendo por u
n
(t) =
2 cos(2 n t/T) y v
n
(t) =
2 sen(2 n t/T), tenemos

que la proyecci on ortogonal de f sobre T
N
es la funci on
( f | 1) +
N
n=1
( f | u
n
)u
n
(t) +
N
n=1
( f | v
n
)v
n
(t) =
=
1
T
_
T
0
f (t) dt +
N
n=1
1
T
_
_
T
0
f (t)
2 cos(2 n t/T) dt
_

2 cos(2 n t/T) +
+
N
n=1
1
T
_
_
T
0
f (t)
2 sen(2 n t/T) dt
_

2 sen(2 n t/T) =
=
a
0
2
+
N
n=1
a
n
cos(2 n t/T) +
N
n=1
b
n
sen(2 i n t/T)
Donde los coecientes a
n
, b
n
viene dados por (3.9) y (3.10). Pero esta funci on es justamente el
polinomio de Fourier (3.8) de orden N de f .
El siguiente resultado es uno de los m as notables de la teora de series de Fourier.
Teorema 3.11 (Teorema de Riesz-Fisher). Para toda funci on f L
2
(a, b) se verica que su serie de
Fourier converge a f en la norma de L
2
(a, b):
lm
N
_
_
_
_
_
f (t)
N
k=N
c
k
e
2 i k t/(ba)
_
_
_
_
_
= 0 lm
N
_
b
a
f (t)
N
k=N
c
k
e
2 i k t/(ba)
2
dt = 0.
La convergencia en la norma de L
2
(a, b) se llama convergencia en media cuadr atica . Terminare-
mos esta secci on con un resultado muy util conocido con el nombre de igualdad de Parseval.
Proposici on 3.12 (Igualdad de Parseval). Para toda funci on f L
2
(a, b) se verica que
1
b a
_
b
a
| f (t)|
2
dt =
n=
|c
n
|
2
(3.13)
La igualdad de Parseval 3.13 tiene una interpretaci on interesante. El n umero |c
n
|
2
se in-
terpreta como la energa del arm onico c
n
e
i n t
, mientras que la integral
1
2
_

| f (t)|
2
dt se
interpreta como la energa de la se nal (en este sentido se dice que las funciones de L
2
(, )
tienen energa nita). La igualdad de Parseval expresa, pues, que la energa de la se nal es igual
a la suma de las energas de sus arm onicos componentes.
Prof. Javier P erez
Suavidad de una se nal y convergencia de su serie de Fourier 96
3.4.1. Suavidad de una se nal y convergencia de su serie de Fourier
La primera armaci on del siguiente resultado es consecuencia directa de la igualdad de
Parseval.
Proposici on 3.13. Sean {c
n
} los coecientes de Fourier de una funci on f .
1. Si f es una funci on de cuadrado integrable, en particular si es continua a trozos, se verica que
lm{c
n
} = 0.
2. Si f tiene k 1 derivadas continuas y tiene derivada de orden k continua a trozos entonces se
verica que lm n
k
c
n
= 0.
3.4.2. Espectro, dominio del tiempo y dominio de la frecuencia
Una se nal anal ogica dada por medio de una funci on f (t) se dice que est a dada en el dominio
del tiempo. Supongamos que dicha se nal es T-peri odica y derivable a trozos, entonces
f (t) =
n=
c
n
e
2 i n t/T
en todo punto de continuidad de f . Las frecuencias de los arm onicos complejos que forman
esta serie son n/T. El espectro de f se dene como el conjunto de pares {(n/T, c
n
) : nZ}. El
conocimiento del espectro de la se nal determina a dicha se nal. Podemos considerar una funci on
f denida en el conjunto de las frecuencias {n/T : nZ} por

f (n/T) = c
n
. Se suele decir que
dicha funci on representa a la se nal f en el dominio de la frecuencia. La gr aca de la funci on
se llama el espectro de amplitudes, y la gr aca de la funci on arg

f se llama el espectro de fases.
Recuerda que si la serie de Fourier la escribimos en la forma
n=0
A
n
sen(2nt +
n
)
donde A
n
0 es la amplitud del arm onico n- esimo y
n
es su fase, entonces, en virtud de las
igualdades 3.4 y 3.5, se verica que c
n
=
i
2
A
n
e
i
n
=
1
2
A
n
e
i(
n
/2)
; y eligiendo
n
] /2, 3/2]
resulta que
n
/2 = arg(c
n
), lo que justica la terminologa empleada. Ten en cuenta que
para una se nal real se verica siempre que c
n
= c
n
lo que explica el aspecto de las siguientes
gr acas. El espectro de amplitudes consiste en lneas espectrales regularmente espaciadas
en las frecuencias n/T. Para n = 1 y n = 1 las lneas corresponden a la frecuencia fundamental.
Las dem as lneas son llamadas arm onicos de la se nal.
Lo interesante de estas representaciones es que para manipular una se nal anal ogica es m as
f acil hacerlo en el dominio de la frecuencia. Por ejemplo, si la se nal es un sonido las frecuencias
bajas corresponden a los tonos graves y las altas a los agudos, mientras que las amplitudes
representan la intensidad del sonido del arm onico correspondiente.
Prof. Javier P erez
Ejercicios 97
3
T

2
T

1
T
0
1
T
2
T
3
T
4
T
|c
3
|
|c
2
|
|c
1
|
|c
0
|
|c
1
|
|c
2
|
|c
3
|
|c
4
|
Figura 3.3: Espectro de amplitudes
3
T
2
T
1
T
0
1
T
2
T
3
T
3
Figura 3.4: Espectro de fases
3.4.3. Ejercicios
1. Usando las propiedades algebraicas del producto escalar en L
2
(0, T), prueba las siguien-
tes igualdades:
a) f + g
2
= f
2
+g
2
+ 2 Re( f | g)
b) f + g
2
+f g
2
= 2 f
2
+ 2 g
2
c) f ig
2
= f
2
+g
2
2 Im( f | g)
d) 4( f | g) =
_
f + g
2
f g
2
_
+ i
_
f + ig
2
f ig
2
_
2. Comprueba que el conjunto formado por las funciones trigonom etricas:
{1, cos(2 n t/T), sen(2 n t/T) : nN}
es ortogonal en L
2
(0, T).
3.5. Introducci on a la Transformada de Fourier Discreta
Usualmente lo que conocemos de una se nal es una muestra, esto es, una se nal podemos
verla como un vector cuyas componentes son valores de la se nal en determinados instantes. Si
el tama no de la muestra es N, este vector est a en el espacio vectorial N-dimensional C
N
. En
t erminos muy generales puede armarse que el an alisis de esta se nal consiste en representarla
en diferentes bases de C
N
. Estas bases se eligen de forma que la correspondiente representaci on
Prof. Javier P erez
Introducci on a la Transformada de Fourier Discreta 98
pueda ser f acilmente interpretada y proporcione informaci on util sobre la se nal. Un ejemplo de
esto es la Transformada de Fourier Discreta que vamos a ver a continuaci on.
Supongamos que conocemos N muestras de una se nal f las cuales se han tomado en ins-
tantes t
k
igualmente espaciados a lo largo de un intervalo de tiempo [0, T], es decir, t
k
= kT/N,
donde k = 0, 1, 2, . . . , N 1. Conocemos, pues, los N n umeros
1
:
f (kT/N) = y
k
, k = 0, 1, 2, . . . , N 1
Con esta informaci on podemos calcular una aproximaci on de los coecientes de Fourier de f .
Para ello, podemos suponer que la se nal f se repite con periodo T, en cuyo caso los coecientes
de Fourier de f vendran dados por
c
n
=
1
T
_
T
0
f (t) e
2i n t/T
dt
Calcularemos de forma aproximada el valor de la integral. Para ello podemos proceder como
sigue:
c
n
=
N1
k=0
1
T
_
(k+1)T/N
kT/N
f (t) e
2i n t/T
dt
N1
k=0
1
N
f (kT/N) e
2i n k/N
Lo que nos lleva a tomar como una aproximaci on de los coecientes c
n
los n umeros
Y
n
=
1
N
N1
k=0
y
k

n k
donde = e
2i/N
nZ (3.14)
Observamos que, por ser
N
= 1, se tiene que Y
n+N
= Y
n
para todo n Z. Es decir, la suce-
si on {Y
n
}
nZ
es peri odica con perodo N. Por tanto, dicha sucesi on repite indenidamente los
valores (Y
0
, Y
1
, Y
2
, . . . , Y
N1
). Denamos
k
=
_
1,
k
,
2k
, . . . ,
k(N1)
_
, k = 0, 1, 2, . . . , N 1 = e
2i/N
Recuerda que en C
N
el producto escalar eucldeo est a dado por:
(z | w) =
N1
j=0
z
j
w
j
z = (z
0
, z
1
, . . . , z
N1
), w = (w
0
, w
1
, . . . , w
N1
)
Teniendo en cuenta que
N
= 1, es f acil comprobar que los vectores
k
(0 k N 1) son
ortogonales y tienen norma igual a
N. Dichos vectores forman una base ortogonal de C

N
.
Observa que podemos escribir las igualdades (3.14) en la forma
Y
n
=
1
N
(y |
n
), y = (y
0
, y
1
, . . . , y
N1
),
n
= (1,
n
,
2n
, . . . ,
(N1)n
), = e
2i/N
(3.15)
de donde se deduce que (Y
0
, Y
1
, . . . , Y
N1
) son las coordenadas del vector y = (y
0
, y
1
, . . . , y
N1
)
en la base
k
(0 k N 1)
1
Es usual en este contexto trabajar con ndices que empiezan en 0. La gran mayora de los textos lo hacen as.
Prof. Javier P erez
Observaciones 99
Denici on 3.14. La transformaci on F : C
N
C
N
que a un vector y = (y
0
, y
1
, . . . , y
N1
) C
N
hace corresponder el vector Y = (Y
0
, Y
1
, . . . , Y
N1
) C
N
dado por las igualdades
Y
n
=
1
N
N1
k=0
y
k

n k
n = 0, 1, 2, . . . , N 1, = e
2i/N
(3.16)
se llama la Transformada de Fourier Discreta (DFT) en C
N
.
La DFT es una biyecci on lineal de C
N
en C
N
cuya inversa viene dada por
y
n
=
N1
k=0
Y
k

n k
n = 0, 1, 2, . . . , N 1, = e
2i/N
(3.17)
Como ya hemos dicho antes, la DFT de un se nal discreta (y
0
, y
1
, . . . , y
N1
) se considera siempre
como una se nal discreta peri odica con periodo N. A su vez, las igualdades (3.17), nos dicen que
debemos interpretar la se nal (y
0
, y
1
, . . . , y
N1
) como una se nal discreta peri odica con periodo
N.
Podemos escribir:
y
n
=
N1
k=0
Y
k

n k
=
N/2
k=0
Y
k

n k
+
N
k=N/2+1
Y
kN
n(kN)
=
=
N/2
k=0
Y
k

n k
+
1
k=N/2+1
Y
k
n k
= Y
0
+ (1)
n
Y
N/2
+
N/21
k=1
_
Y
k

n k
+ Y
k
n k
_
Esto nos dice que la segunda mitad de la DFT, es decir, los coecientes Y
k
para N/2 + 1 k
N 1, corresponde a frecuencias negativas que se combinan con las positivas para reconstruir
la se nal original. En otras palabras, estos coecientes no aportan frecuencias nuevas.
Es importante observar tambi en que el polinomio trigonom etrico
P(t) =
N/2
k=N/2+1
Y
k
e
2i tk/T
= Y
0
+ Y
N/2
e
2i tN/2T
+
N/21
k=1
_
Y
k
e
2i tk/T
+Y
k
e
2i tk/T
_
(3.18)
verica, en virtud de (3.17), que P(nT/N) = y
n
para 0 n N 1. Dicho polinomio est a de-
terminado de forma unica por la DFT.
3.5.1. Observaciones
La denici on que hemos dado de la DFT es la m as usual aunque adolece de cierta falta
de simetra debido al factor de escala 1/N que gura en la transformada directa pero no en
Prof. Javier P erez
Observaciones 100
su inversa. De hecho, la denici on de la DFT puede variar de unos textos a otros. Es frecuente
ortonormalizar la base formada por los vectores
k
, esto es, considerar la base ortonormal
formada por los vectores
1
N

k
. Con ello se consigue que en las f ormulas anteriores gure
como factor de escala en ambas 1/
N.
Aunque hemos supuesto al principio que el vector y se obtena tomando N valores igual-
mente espaciados de una funci on peri odica a lo largo de un perodo, es claro que se trataba
nada m as que de una motivaci on inicial. La TFD (transformada de Fourier discreta) no tiene
ninguna limitaci on: el vector y puede ser cualquier elemento de C
N
. De hecho, la TFD se utili-
za para intentar averiguar las frecuencias presentes en series de datos de cualquier naturaleza.
Pero hay un convenio que se sigue siempre cuando se trabaja con la TFD y que consiste en con-
siderar que el vector y = {y
0
, y
1
, y
2
, . . . , y
N1
} es una muestra de una sucesi on innita peri odica de
perodo N. Es decir, dado un entero arbitrario k Z, denimos y
k
= y
q
donde 0 q N 1
es el resto de la divisi on de k por N. Tambi en sabemos que el vector Y = F(y) verica que
Y
k+N
= Y
k
, es decir, es peri odico con perodo N. Esta propiedad se expresa diciendo que la TFD
transforma se nales peri odicas discretas en el dominio del tiempo en se nales peri odicas discretas en el
dominio de la frecuencia.
El espectro de la se nal y es el conjunto {(n/N, Y
n
) : nZ}. Los espectros de amplitudes y
de fases son, respectivamente, los conjuntos {(n/N, |Y
n
|) : nZ} y {(n/N, Arg(Y
n
)) : nZ}.
Dichos conjuntos suelen representarse por segmentos de lnea que unen los puntos (n/N, 0)
con los puntos del espectro correspondiente. Debido a la periodicidad de los Y
n
es suciente
representar dichos espectros para N valores consecutivos de n.
Para se nales y reales se verica que Y
n
= Y
n
donde la barra indica complejo conjugado.
Como Y
n
= Y
Nn
haciendo n = N/2 k obtenemos que Y
N/2+k
= Y
N/2k
de donde se
deduce que
|Y
N/2+k
| = |Y
N/2k
| y Arg(Y
N/2+k
) = Arg(Y
N/2k
) = Arg(Y
N/2k
) (3.19)
esto es el espectro de amplitudes es sim etrico respecto a N/2 y el espectro de fases es anti-
sim etrico respecto a N/2. Por esta raz on, como en la pr actica siempre se trabaja con se nales
reales, es costumbre representar solamente la mitad m as uno de los puntos de dichos espectros corres-
pondientes a los valores 0, 1, 2, . . . , N/2. Los cuales son sucientes para recuperar la se nal original
combin andolos con sus conjugados que representan frecuencias negativas.
Hay una estrecha analoga entre la DFT y las series de Fourier.
Series de Fourier.
Se considera una se nal continua en el dominio del tiempo, f , con perodo T y, por tanto,
con frecuencia 1/T expresada en Hercios (ciclos por segundo).
Se trata de descomponer dicha se nal como una serie de se nales con frecuencias n/T
(m ultiplos enteros de la frecuencia fundamental). La se nal modelo con frecuencia n/T
Prof. Javier P erez
Observaciones 101
(ciclos por segundo) es sen(2 n t/T). La forma compleja de dicha se nal es la funci on
e
n
(t) = e
2 i n t/T
.
El peso que la componente de frecuencia n/T tiene en nuestra se nal viene dado por el
producto escalar:
c
n
= ( f | e
n
) =
1
T
_
T
0
f (t) e
2 i n t/T
dt
La serie que representa a la se nal f es
n=
c
n
e
2 i k t/T
. Dicha serie proporciona el espectro
de la se nal y constituye la representaci on de la se nal en el dominio de la frecuencia.
En el contexto de las series de Fourier las igualdades:
f (n) =
1
T
_
T
0
f (t) e
2int/T
dt (3.20)
f (t) =
n=
f (n) e
2int/T
(3.21)
se llaman, respectivamente, las ecuaciones de an alisis y de sntesis.
Transformada de Fourier Discreta.
Se considera una se nal discreta y = (y
0
, y
1
, . . . y
N1
) formada por N valores que se inter-
pretan como un perodo de una se nal discreta peri odica de perodo N.
Se trata de descomponer dicha se nal como una suma de se nales con frecuencias n/N
(m ultiplos enteros de la frecuencia fundamental 1/N). La se nal continua modelo con fre-
cuencia n/N (ciclos por segundo) es sen(2 n t/N). La forma compleja de dicha se nal es
e
2 i n t/N
. Puesto que de la se nal original solamente conocemos un perodo formado por
N valores consecutivos, lo que hacemos es discretizar la se nal e
2 i n t/N
evalu andola en
t = 0, 1, 2, . . . , N 1 y obtenemos as el vector
n
= (1, e
2 i n /N
, e
2 i n2/N
, . . . , e
2 i n (N1)/N
)
El peso que la componente de frecuencia n/N tiene en nuestra se nal viene dado por:
Y
n
=
1
N
(y |
n
) =
1
N
N1
k=0
y
k
e
2i n k/N
La se nal discreta y puede expresarse en la forma y =

N1
n=0
Y
n
n
. Dicha igualdad se
interpreta como la representaci on de la se nal en el dominio de la frecuencia.
Prof. Javier P erez
Convoluci on y DFT 102
Los coecientes Y
n
se llaman coecientes espectrales de la se nal y. Las igualdades:
Y
n
=
1
N
N1
k=0
y
k
e
2i n k/N
, n = 0, 1, 2, . . . , N 1 (3.22)
y
n
=
N1
k=0
Y
k
e
2i n k/N
, n = 0, 1, 2, . . . , N 1 (3.23)
se llaman, respectivamente, la ecuaci on de an alisis y la ecuaci on de sntesis. La frecuencia
fundamental en (3.23) es = 1/N.
3.5.2. Convoluci on y DFT
Como acabamos de explicar, interpretamos los elementos de C
N
como sucesiones peri odi-
cas con perodo N. Esto justica la siguiente denici on.
Dado y = (y
0
, y
1
, . . . , y
N1
) C
N
y un entero arbitrario kZ, denimos y
k
= y
q
donde q es
el resto de la divisi on de k por N (0 q N 1).
Se dene la convoluci on
2
(llamada a veces convoluci on circular o peri odica o cclica) de
dos elementos de C
N
, x = (x
0
, x
1
, . . . , x
N1
) e y = (y
0
, y
1
, . . . , y
N1
) como el elemento z =
(z
0
, z
1
, . . . , z
N1
) de C
N
denido por:
z
k
=
N1
q=0
x
q
y
kq
kZ
Es inmediato que z
k
es una sucesi on peri odica con perodo N. Escribiremos simb olicamente
z = x y.
Fijado un vector y = (y
0
, y
1
, . . . , y
N1
), la aplicaci on que a un vector x = (x
0
, x
1
, . . . , x
N1
)
hace corresponder el producto de convoluci on z = y x es una aplicaci on lineal de C
N
en C
N
que podemos escribir en forma matricial como sigue:
_
_
_
_
_
_
_
_
z
0
z
1
z
2
.
.
.
z
N1
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
y
0
y
N1
y
N2
y
1
y
1
y
0
y
N1
y
2
y
2
y
1
y
0
y
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
y
N1
y
N2
y
N3
y
0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
0
x
1
x
2
.
.
.
x
N1
_
_
_
_
_
_
_
_
(3.24)
Las propiedades del producto de convoluci on se deducen f acilmente de la siguiente impor-
tante propiedad.
2
Este es uno de los distintos tipos de convoluci on m as frecuentes. Las operaciones de convoluci on son muy
usadas en el procesamiento de se nales digitales. Los tipos de ltros m as frecuentes act uan sobre la se nal de entrada
input haciendo una convoluci on con la funci on respuesta impulsiva del ltro.
Prof. Javier P erez
Ejercicios 103
Dados dos vectores a = (a
0
, a
1
, . . . , a
N1
) y b = (b
0
, b
1
, . . . , b
N1
) en C
N
notaremos por
abC
N
su producto puntual:
ab = (a
0
b
0
, a
1
b
1
, . . . , a
N1
b
N1
)
Proposici on 3.15. Sean x = (x
0
, x
1
, . . . , x
N1
), y = (y
0
, y
1
, . . . , y
N1
) vectores en C
N
. Entonces se
verica que:
F
_
x y
_
= NF(x)F(y), F(xy) = F(x) F(y) (3.25)
3.5.3. Ejercicios
1. Comprueba que los vectores
k
=
_
1,
k
,
2k
, . . . ,
k(N1)
_
, k = 0, 1, 2, . . . , N 1 = e
2i/N
forman una base ortogonal de C
N
.
2. Recuerda que consideramos los elementos de C
N
como sucesiones peri odicas con perodo
N. Explcitamente: dado y = (y
0
, y
1
, . . . , y
N1
) C
N
y un entero arbitrario k Z, deni-
mos y
k
= y
q
donde 0 q N 1 es el resto de la divisi on de k por N. Por ejemplo,
y
1
= y
N1
, y
2
= y
N2
, y
N
= y
0
, y
N+1
= y
1
.
Se dice que la sucesi on (y
n
) es par si y
n
= y
n
y se dice que es impar si y
n
= y
n
para
todo nZ.
Supongamos que (y
n
)
F
(Y
n
). Prueba que:
a) (y
n
)
F
(Y
n
)
b) (y
n
)
F
(Y
n
)
c) (y
n
)
F
(Y
n
)
d) (y
n
) es par (impar) (Y
n
) es par (impar).
e) (y
n
) es real Y
n
= Y
n
para todo nZ.
f ) (y
n
) es real y par (Y
n
) es real y par.
g) (y
n
) es real e impar (Y
n
) es imaginario puro e impar.
3. Calcula la transformada de Fourier discreta de las siguientes sucesiones:
a) (1, 1, 1, 1, 1, 1, 1, 1)
b) (1, 1, 1, 1, 0, 0, 0, 0)
c) (0, 0, 1, 1, 1, 1, 0, 0)
d) (1, 1, 1, 1, 1, 1, 1, 1)
e) (0, 0, 1, 0, 0, 0, 1, 0)
Prof. Javier P erez
Transformada de Fourier 104
4. Justica que
N1
n=0
|Y
n
|
2
=
1
N
N1
n=0
|y
n
|
2
.
5. Sea Z = F(F(y)). Calcula las componentes Z
k
de Z en funci on de las componentes y
n
de
y.
3.6. Transformada de Fourier
Denici on 3.16. La transformada de Fourier de una funci on f : R C es la funci on

f = Ff : R C
denida por:
f (s) = Ff (s) =
_

e
2is t
f (t) dt (s R) (3.26)
3.6.0.1. Comentarios
Usaremos las notaciones

f y Ff para representar la transformada de Fourier de la se nal
f . A veces conviene escribir Ff en la forma F( f ) para indicar claramente que Ff es la
transformada de Fourier de la funci on f .
El par ametro s en la denici on 3.26 se interpreta como frecuencias. La funci on

f se
interpreta como la representaci on de la se nal f en el dominio de la frecuencia.
La transformada de Fourier convierte una se nal, f (t), dada en el dominio del tiempo en
otra se nal,

f (s), en el dominio de la frecuencia.
Representaremos por L
1
(R) el espacio de todas las funciones f : R C tales que
_

| f (t)| dt < . Para que la denici on 3.26 tenga sentido es condici on suciente que
f L
1
(R).
Para calcular la transformada de Fourier de una funci on tenemos libertad para modi-
car como queramos dicha funci on en un conjunto siempre que ello no afecte al valor de
la integral. Por ejemplo, podemos cambiar el valor de la funci on en cualquier conjunto
nito de puntos. Por eso, para calcular la transformada de Fourier de una funci on no
es imprescindible que la funci on est e denida en todo R, es suciente, por ejemplo, que
est e denida en todo R excepto en un conjunto nito de puntos.
No hay acuerdo un anime sobre la denici on de la transformada de Fourier. Algunos
detalles sobre los que los distintos autores no se ponen de acuerdo son: el signo en la
exponencial, multiplicar la integral por 1/2 o por 1/
2, incluir o no incluir 2 en el
exponente de la exponencial.
Prof. Javier P erez
Transformada de Fourier 105
3.6.0.2. La transformada inversa de Fourier
La transformada de Fourier permite analizar una se nal f por sus componentes de frecuen-
cia. El conjunto ( f ) =
_
s R :

f (s) 0
_
se llama espectro continuo de la se nal f . Cada fre-
cuencia s ( f ) tiene como amplitud
f (s)
y su fase es arg

f (s). La se nal f queda caracterizada
completamente por

f en el sentido de que el conocimiento de

f permite recuperar f .
Denici on 3.17. La transformada inversa de Fourier de una funci on g : R C es la funci on
g : R C denida por:
g(t) =
_

e
2 i s t
g(s) ds (t R) (3.27)
Es usual usar la notaci on g = F
1
g para representar la transformada de Fourier inversa de
g. Se verica el siguiente importante resultado.
Teorema 3.18 (de inversi on de Fourier). Si f es una se nal suave a trozos tal que f L
1
(R) y tambi en
f L
1
(R), se verica que:
f (t+) + f (t)
2
=
_

e
2 i s t

f (s) ds (t R) (3.28)
En particular, en todo punto t R en el que f sea continua es
f (t) =
_

e
2 i s t

f (s) ds (3.29)
La igualdad (3.26) se llama la ecuaci on de an alisis y la igualdad (3.29) se llama ecuaci on de
sntesis. Observa que la ecuaci on de sntesis permite reconstruir una se nal no peri odica a trav es
de sus componentes de frecuencia y puede verse como una versi on continua de la represen-
taci on de una se nal peri odica por su serie de Fourier.
Explcitamente, la igualdad (3.29) arma que:
f (t) =
_

__

e
2 i s u
f (u) du
_
e
2 i s t
ds (3.30)
Evidentemente, es m as c omodo escribir esta igualdad en la forma:
f = F
1
(Ff ) (3.31)
Es notable la simetra que hay entre la transformada de Fourier y su inversa: solamente se
diferencian por un cambio de signo en la exponencial. De hecho, se verica tambi en la igual-
dad:
g = F(F
1
g) (3.32)
La transformada de Fourier es una operaci on que regulariza y suaviza las funciones. Esto
es lo que dice el siguiente resultado.
Prof. Javier P erez
Propiedades de la transformada de Fourier 106
Teorema 3.19. La transformada de Fourier de una se nal integrable, f L
1
(R), es una funci on continua,
acotada y lm
t
Ff (s) = 0.
3.6.1. Propiedades de la transformada de Fourier
Algunas de las propiedades que siguen son generales, es decir, se satisfacen solamente con
la hip otesis de que las funciones que en ellas intervienen est en en L
1
(R) para que sus corres-
pondientes transformadas est en denidas. Otras propiedades requieren hip otesis adicionales
en las que no vamos a entrar. Te aconsejo que aprendas estas propiedades como un formalismo
util para calcular transformadas de Fourier. Para ello tendr as que memorizar las transforma-
das de Fourier de unas pocas funciones b asicas y a partir de ellas aplicando las propiedades
que siguen, sin necesidad de calcular integrales, podr as deducir las transformadas de Fourier de
muchsimas funciones m as.
Linealidad. La transformada de Fourier es un operador lineal. Esto quiere decir que si y
son n umeros y f , g se nales, se verica la igualdad:
F(f + g) = Ff + Fg
Propiedades de simetra
De las deniciones dadas para la transformada de Fourier y su inversa:
Ff (s) =
_

e
2 i s t
f (t) dt =
_

cos(2 s t) f (t) dt i
_

sen(2 s t) f (t) dt
F
1
f (s) =
_

e
2 i s t
f (t) dt =
_

cos(2 s t) f (t) dt + i
_

sen(2 s t) f (t) dt
y teniendo en cuenta que el coseno es par y el seno impar, se deducen las siguientes propieda-
des de simetra.
1. Ff (s) = F
1
f (s).
2. Regla de inversi on. F(Ff )(s) = f (s).
3. Si la funci on f es par entonces se tiene que:
_

sen(2 s t) f (t) dt = lm
a+
_
a
a
sen(2 s t) f (t) dt = 0
por lo que
Ff (s) = F
1
f (s) =
_

cos(2 s t) f (t) dt = 2
_

0
cos(2 s t) f (t) dt
y la transformada de Fourier de f coincide con su transformada inversa y es una funci on
par.
Prof. Javier P erez
Propiedades de la transformada de Fourier 107
4. An alogamente, si f es impar su transformada de Fourier tambi en es impar y:
Ff (s) = F
1
f (s) = i
_

sen(2 s t) f (t) dt = 2i
_

0
sen(2 s t) f (t)
5. Si f es real entonces Ff (s) = Ff (s).
6. Si f es real y par su transformada de Fourier tambi en es real y par.
7. Si f es real e impar su transformada de Fourier es impar y toma valores imaginarios
puros.
Las siguientes dos propiedades se obtienen f acilmente con un sencillo cambio de variable.
Traslaci on en el tiempo. Dado un n umero aR y una se nal f , denimos la se nal
a
f por:
a
f (t) = f (t a)
Se verica que:
a
f (s) = e
2 i a s

f (s)
Es decir, una traslaci on en el tiempo produce un cambio de fase en la transformada.
Cambio de escala o dilataci on. Dado un n umero a R
y una se nal f , denimos la se nal

a
f
por:
a
f (t) = f (at)
Se verica que:
a
f (s) =
1
|a|
f
_
s
a
_
Es decir una dilataci on (a > 1) o una compresi on (a < 1) en el dominio del tiempo se co-
rresponde con una compresi on o dilataci on en el dominio de la frecuencia m as un cambio de
escala.
Propiedad de modulaci on. Dado a R, y una se nal f , se verica que la transformada de
Fourier de la funci on g(t) = e
2 i a t
f (t) es la funci on
a
f .
Esta propiedad es inmediata pues:
g(s) =
_

e
2 i s t
f (t) e
2 i a t
dt =
_

e
2 i(sa)t
f (t) dt =

f (s a)
La aplicaci on de la transformada de Fourier para resolver ecuaciones diferenciales se basa
en la siguiente propiedad.
Propiedad de derivaci on
F( f

)(s) = 2isFf (s) F(2i t f (t))(s) = (Ff )
(s)
Prof. Javier P erez
Ejemplos 108
Igualdad de Parseval
_

f (t)g(t) dt =
_

Ff (s)Fg(s) ds
En particular
_

| f (t)|
2
dt =
_

|Ff (s)|
2
ds
3.6.2. Ejemplos
Ejemplo 3.20 (La funci on pulso rectangular). Es la funci on dada por
(t) =
_
_
_
1 |t| < 1/2
0 |t| > 1/2
Para calcular su transformada de Fourier no es preciso denir dicha funci on en los puntos
1
2
pero, para recuperar esta funci on por medio de una transformada de Fourier es necesario
denir su valor en dichos puntos igual a 1/2. Como se trata de una funci on par su transformada
de Fourier viene dada por:
(s) = 2
_

0
(t) cos(2 s t) dt = 2
_
1/2
0
cos(2 s t) dt = 2
_
sen(2 s t)
2 s
_
t=1/2
t=0
=
sen( s)
s
Ejemplo 3.21 (La funci on cardinal seno o funci on de muestreo). Es la funci on dada para
todo t R por
senc(t) =
sen( t)
t
por supuesto, senc(0) = 1.
La transformada de Fourier de esta funci on se deduce f acilmente de que, seg un acabamos
de ver,

= senc y, como la funci on es par, obtenemos
Fsenc = F(F) = F(F
1
) = .
Ejemplo 3.22 (Decaimiento exponencial truncado). Es la funci on dada por

f (t) =
_
0, t 0
e
t
, t > 0
Podemos calcular su transformada de Fourier directamente:
f (s) =
_

e
2 i s t
f (t) dt =
_

0
e
(2 i s1)t
dt =
_
e
t
e
2 i s
1 + 2 i s
_
t+
t=0
=
1
1 + 2 i s
Prof. Javier P erez
Ejercicios 109
Ejemplo 3.23 (La funci on de Laplace). Es la funci on dada por
g(t) = e
| t |
Para calcular su transformada de Fourier observamos que g(t) = f (t) + f (t) donde f es
el decaimiento exponencial truncado. Deducimos que:
g(s) =

f (s) +

f (s) =
1
1 + 2 i s
+
1
1 2 i s
=
2
1 + 4
2
s
2
Ejemplo 3.24 (La funci on gausiana unidad). Es la funci on denida por:

f (t) = e
t
2
Esta funci on tiene la notable propiedad de ser invariante para la transformada de Fourier: su
transformada de Fourier es ella misma. Para calcularla podemos usar el hecho de que f

(t) =
2t f (t) y tomar transformadas de Fourier en ambos lados de esta igualdad con lo que, en
virtud de la propiedad de derivaci on, resulta:
2is
f (s) =
1
i
f

(s)
Es decir
f

(s) + 2s
f (s) = 0
Deducimos de aqu que la funci on

f (s) e
s
2
tiene derivada nula por lo que
f (s) =

f (0) e
s
2
= e
s
2
= f (s)
Donde hemos usado el resultado bien conocido

f (0) =
_

e
t
2
dt = 1.
3.6.3. Ejercicios
1. Supongamos que reproduces en un magnetof on una cinta a velocidad doble de la velo-
cidad a que se ha grabado. Interpreta lo que ocurre mediante la propiedad de cambio de
escala o dilataci on de la transformada de Fourier.
2. Utilizando las propiedades de la transformada de Fourier, calcula, sin hacer integrales, la
transformada de Fourier de las siguientes funciones:
a)
a
(t) =
_
1, |t | < a/2
0, |t | a/2
b) f (t) =
_
(t b)/c
_
donde es la funci on pulso rectangular.
Prof. Javier P erez
Convoluci on y transformada de Fourier 110
c) f (t) es una funci on escalonada f (t) =
m
k=1
a
k
_
x b
n
c
n
_
.
d) f (t) =
_
_
1, 0 < x < 1
2, 1 < x < 2
0, x < 0 o x > 2
e) f (t) =
_
cos(t), |t | < a/2
0, |t | a/2
f ) f (t) =
1
2
e
(t)
2
/2
2
g) f (t) = cos(2t) e
(x/)
2
h) f (t) =
1
1 + 2it
i) f (t) = 2t e
t
2
3. Calcula mediante integraci on la transformada de Fourier de la funci on tri angulo de-
nida por:
(t) =
_
1 |t | , |t | 1
0, |t | > 1
4. a) Supuesto conocida la transformada de Fourier de una se nal f , calcula la transforma-
da de Fourier de la se nal g(t) = f (t) cos(2at).
b) Calcula la se nal (en el dominio del tiempo) cuya transformada de Fourier tiene la
gr aca siguiente.
-6 -4 -2 2 4 6
1
3.7. Convoluci on y transformada de Fourier
Procesar una se nal consiste en modicar sus componentes de frecuencia. Si la se nal es
anal ogica y su transformada de Fourier es
f (s) =
f (s)
e
i (s)
donde (s) = arg
f (s), podemos estar interesados en modicar las amplitud
f (s)
, o las fa-
ses arg
f (s) correspondientes a cada frecuencia s, para obtener una nueva se nal que podemos
representar en la forma:
(s)
f (s)
e
i (s)
e
i (s)
Prof. Javier P erez
donde la funci on (s) 0 da cuenta del cambio producido en la amplitud, y la funci on e
i (s)
da cuenta del cambio producido en la fase. Esto nos lleva a considerar la funci on (s) e
i (s)
y a concluir que

f (s)(s) e
i (s)
es la transformaci on m as general que podemos hacer sobre
nuestra se nal modicando amplitudes y fases. Es natural interpretar la funci on (s) e
i (s)
como
la transformada de Fourier de una se nal anal ogica g(t), por tanto g(t) = F
1
((s) e
i (s)
)(t), y a
preguntarnos qu e operaci on debemos hacer con las se nales f (t) y g(t) para obtener una nueva
se nal cuya transformada de Fourier sea precisamente g (s)
f (s). Est a claro que dicha operaci on

ser a el modelo m as general del procesamiento de se nales. Calculemos g (s)
f (s).
g (s)
f (s) =
_

g(t) e
2i s t
dt
_

f (x) e
2i s x
dx =
_

__

g(t) e
2i s t
e
2i s x
dt
_
f (x) dx =
=
_

__

g(t) e
2i s(t+x)
dt
_
f (x) dx =
_

__

g(u x) f (x) e
2i s u
du
_
dx =
=
_

__

f (x)g(u x) e
2i s u
dx
_
du =
_

__

f (x)g(u x) dx
_
e
2i s u
du
Pero esto que hemos obtenido es justamente la transformada de Fourier de la funci on
h(u) =
_

f (x)g(u x) dx
Denici on 3.25. La convoluci on de dos se nales f y g es la funci on
h(t) =
_

g(t x) f (x) dx t R
dicha funci on se representar a por f g y se llama la convoluci on de f y g.
Deducimos de lo anterior el siguiente resultado que expresa que la convoluci on en el domi-
nio del tiempo se corresponde con la multiplicaci on en el dominio de la frecuencia.
Teorema 3.26 (de convoluci on). F( f g)(s) = Ff (s)Fg(s).
Teniendo en cuenta la simetra entre la transformada de Fourier y su inversa, tambi en se
verica la igualdad:
F
1
( f g) = (F
1
f )(F
1
g)
y, lo que es m as interesante:
F( f g) = Ff Fg
es decir, la multiplicaci on en el dominio del tiempo se corresponde con la convoluci on en el
dominio de la frecuencia.
3.7.0.1. Qu e es la convoluci on?
Es la segunda vez que aparece en este curso la operaci on de convoluci on. En la lecci on
anterior vimos la convoluci on cclica de dos se nales peri odicas discretas y ahora surge la con-
voluci on de dos se nales continuas no peri odicas. Entre ambas hay ciertas analogas y ambas se
Prof. Javier P erez
comportan igual respecto a las respectivas transformadas de Fourier discreta o continua. No
son estos los unicos tipos de convoluci on que se consideran. La convoluci on de funciones es
una herramienta muy vers atil que tiene distintos signicados en distintos campos y no admite
una interpretaci on unica. Se trata de una operaci on que no es f acilmente visualizable y que
tiene cierta complicaci on: para calcular el valor de la convoluci on de dos funciones en un so-
lo punto hay que usar todos los valores de ambas funciones y realizar una integraci on. En la
gura 3.5 tienes un intento de visualizaci on del c alculo de la convoluci on de la funci on pulso
rectangular, , consigo misma en el punto x = 0.75.
-2 -1 0.75 2 -2 -1 0.75 2
-2 -1 0.75 2 -2 -1 0.75 2
Figura 3.5: Gr acas de (x) (azul), (0.75 x) (verde), (x)(0.75 x) (azul), (x) (rojo). El punto azul
es el valor (0.55)
Observa que aunque la funci on pulso rectangular es discontinua en los puntos 1/2 su
convoluci on es la funci on tri angulo que es continua. Esta es una propiedad importante de la
convoluci on: la convoluci on de dos funciones es una funci on al menos tan buena como la mejor de
ambas.
Podemos ver la convoluci on como una operaci on para promediar y suavizar una funci on
por medio de otra. Consideremos que g es una funci on positiva, concentrada cerca de 0, con
area total igual a 1:
_

g(x) dx = 1
Por ejemplo, g podra ser una campana de Gauss alta y estrecha centrada en 0. En tal caso, la
funci on x g(t x) est a concentrada cerca de t y sigue teniendo area total 1. La integral
_

g(t x) f (x) dx
puede interpretarse como un promedio de los valores de f (x) cerca de x = t ponderado por los
valores de x g(t x). Si nos movemos a otro punto t
cercano a t y calculamos el valor,

f g(t
), de la convoluci on en t
, repetiremos la operaci on anterior, es decir, calcularemos una

media ponderada de los valores de f cerca de t
y dicha media incluir a, si t
est a cerca de t,
valores de f que ya se usaron en el anterior promedio. Por ello, cabe esperar que los valores de
la convoluci on f g(t) y f g(t
) est en m as pr oximos que f (t) y f (t
). Es decir, f g(t) suaviza

f .
Prof. Javier P erez
Por otra parte, este proceso de promediar y regularizar es lo que hacen los instrumentos de
medida. Por ejemplo, cuando usamos un term ometro para medir la temperatura en un punto
del espacio lo que estamos midiendo realmente es un promedio. Eso se debe a que el term ome-
tro no mide la temperatura solamente en un punto, sino que la informaci on que proporciona es
realmente un promedio de las temperaturas en una peque na regi on del espacio. La manera de
realizar este promedio depende de las caractersticas fsicas del instrumento y dicho promedio
se realiza de igual forma en cualquier punto donde situemos el term ometro. De esta forma se
entiende que los datos que proporciona el term ometro son el resultado de una convoluci on
de la funci on temperatura con otra funci on, que podemos interpretar como una funci on de
densidad de probabilidad - una gausiana -, que es caracterstica del instrumento concreto que
usemos. Cuanto m as preciso sea el term ometro m as alta y estrecha ser a esta gausiana y m as
concentrada ser a la lectura que se realice.
Las razones anteriores explican por qu e la convoluci on aparece en contextos tan diversos.
En algunas aplicaciones como, por ejemplo, en restauraci on de im agenes, lo que se quiere es
invertir el proceso antes descrito, es decir, se dispone de una se nal f que est a contaminada
por su convoluci on con otra se nal g de manera que lo que nosotros recibimos es la se nal h =
f g. La se nal g se interpreta como un ruido y pueden hacerse hip otesis sobre su naturaleza
para intentar separar la se nal f del ruido g que la contamina. En estos casos lo que se quiere
es invertir un proceso de convoluci on.
Aqu puedes ver dos fotografas de una comadreja. La primera de ellas est a corrida de-
bido a un peque no movimiento de la c amara que tom o la foto. Esto es una convoluci on. La
segunda es el resultado de someter los datos de la foto a una de-convoluci on.
0 50 100 150 200 250
0
20
40
60
80
100
120
0 50 100 150 200 250
0
20
40
60
80
100
120
3.7.0.2. Propiedades de la convoluci on
La operaci on de convoluci on se comporta de forma parecida a la multiplicaci on. Concreta-
mente, se verican las siguientes propiedades:
Conmutativa. f g = g f .
Asociativa. ( f g) h = f (g h).
Distributiva. ( f + g) h = f h + g h.
La ultima propiedad es inmediata y las otras dos son consecuencia f acil del teorema de
convoluci on.
Prof. Javier P erez
Convoluci on y Sistemas Lineales Invariantes en el Tiempo (LTI) 114
3.7.1. Convoluci on y Sistemas Lineales Invariantes en el Tiempo (LTI)
Un ltro es un sistema LTI que adem as es estable.
Nuestro prop osito es ver que los ltros lo que hacen es una convoluci on de la se nal de
entrada con una funci on que se llama la respuesta impulsiva del ltro. Consideremos primero
ltros discretos y despu es ltros anal ogicos.
3.7.1.1. Respuesta impulsiva de un ltro discreto
Representaremos las se nales discretas por funciones denidas en Zcon valores en C. Dadas
dos se nales u, v : Z C se dene su convoluci on como la se nal z dada por
z(n) =
k=
u(k)v(n k) (nZ)
supuesto, claro est a, que dicha serie converge para todo nZ. La se nal z se llama la convoluci on
de las se nales u y v y se representa por u v. Esta convoluci on de sucesiones tiene an alogas
propiedades a la convoluci on de funciones por medio de una integral.
La se nal : Z C denida por (n) = 0 para n 0 y (0) = 1 se llama se nal impulso
unidad o se nal delta de Dirac discreta. Dada una se nal discreta x : Z C, para todo n Z se
verica la igualdad:
x(n) =
k=
x(k)(n k)
pues dicha suma consta realmente de un unico sumando no nulo que se obtiene para k = n.
Representaremos por
k
la funci on
k
(n) = (n k), es decir, con la notaci on ya usada varias
veces,
k
=
k
. La igualdad anterior nos dice que la sucesi on de funciones x
N
=
N
k=N
x(k)
k
converge puntualmente a la funci on x.
Supongamos ahora que L : X Y un ltro donde X e Y son espacios vectoriales normados
de sucesiones y que se verica que x
N
converge a x en la norma de X (es decir, x
N
x 0).
Entonces, la linealidad y continuidad de L permite escribir:
L x = L
_
lm
N
N
k=N
x(k)
k
_
= lm
N
N
k=N
x(k)L
k
=
k=
x(k)L
k
Como L es invariante en el tiempo se verica que L
k
= L(
k
) =
k
(L ). Poniendo y = L x, y
llamando h = L , la igualdad anterior nos dice que para todo nZ se verica que:
y(n) =
k=
x(k)(
k
h)(n) =
k=
x(k)h(n k)
Es decir, y = x h. En consecuencia, la funci on h, que es es la respuesta del ltro a la funci on
impulso unidad, caracteriza al ltro. Dicha funci on se llama la funci on respuesta impulsiva del
ltro.
Prof. Javier P erez
Convoluci on y Sistemas Lineales Invariantes en el Tiempo (LTI) 115
3.7.1.2. Respuesta impulsiva de un ltro anal ogico
Para un ltro anal ogico se demuestra que hay una funci on h llamada la respuesta impulsiva
del ltro con la propiedad de que la respuesta, y(t), del ltro a una entrada x(t), viene dada
por la convoluci on
y(t) =
_

x(s)h(t s) ds = (x h)(t)
Resulta as que todo ltro act ua por convoluci on.
Prof. Javier P erez

Eedd Laplace Fourier

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Eedd Laplace Fourier

Uploaded by

Copyright:

Available Formats

ECUACIONES DIFERENCIALES

Indice general III

Algebra y operaciones b asicas con n umeros complejos.

Figura 1.3: Forma polar de un n umero complejo

w, es una raz n- esima de z w pero no tiene por qu e ser la principal.

zw < arg(z) + arg(w) arg(z w) = arg(z) + arg(w)

1 = 1 es una raz cuadrada de 1 (porque 1 = (1)(1)) pero no es la raz

4. Calcula los n umeros complejos z tales que

< 1 si |z | < 1 y |a| < 1 y tambi en si |z | > 1 y |a| > 1.

tal que si n es cualquier n umero natural mayor

} se llama serie de Riemann de

y nN, las igualdades:

) = 0 que expresa una propiedad com un a todas

= tg(). La pendiente en este punto de

= tg( + ). Deducimos que

) = 0 la EDde la familia F, la EDque verican las -trayectorias

por lo que las trayectorias ortogonales de

) = 0 es una familia de curvas dependiente de un

2.3. M etodos de resoluci on de EDOs de primer orden

= f (x, y) donde se supone que la funci on f est a de-

= f (x) porque puede

= f (x, y) tambi en suelen expresarse en la forma P(x, y) dx +Q(x, y) dy =

= 0 P(x) dx + Q(y) dy = 0 (2.3)

(t) su velocidad en el momento t.

= z, obtenemos una ED de variables separadas:

2.3.2. Ecuaciones exactas

(y) = Q(x, y) Q(a, y) +

(y) = Q(a, y) = (y) =

(x) = P(x, y(x)) + Q(x, y(x))y

(x) + a(x)y(x) = b(x) (2.7)

x + u = f (u) que podemos escribir

si para todo t > 0 se verica que

h(x, y). Es inmediato comprobar que una EDO1 de la forma

En la gura de la izquierda se ha represen-

Teniendo en cuenta que (u +

y, nalmente, obtenemos que

+ a(x)y = b(x), que puede escribirse (a(x)y b(x)) dx +

= 0, que puede escri-

= 0. Ahora igualamos a cero el coeciente

+ a(x)v = 0, que es una ecuaci on de variables separadas en v,

= 0, que es una ecuaci on de variables separadas que permite calcular u.

+ a(x)y = b(x) . Directamente, como se

y, sustituyendo en la ecuaci on, u

+ a(x)uv = b(x). Que puede escribirse

+ a(x)v)u = b(x). Imponiendo ahora que v

+ a(x)v = 0 podemos calcular v que

Son EDs de la forma

y se calculan sus races

= p y trataremos de expresar las curvas so-

= p y derivando respecto de x obtenemos

= p y derivando respecto de x obtenemos (x +

= p = por lo que la familia de rectas y = x () es soluci on de la ED. Si x +

la derivaci on respecto a la variable , D = D

(x) = A(x)y(x) + b(x) (2.17)

(x) = A(x)y(x) es un subespacio vectorial de dimensi on n de C

entendemos la funci on matricial cuyas columnas son las

, 1j n. Con estos convenios, podemos considerar la ecuaci on diferencial matricial

(x) = A(x)Y(x), YC(I, M

(x) = A(x)Y(x)C(x) + Y(x)C

(x) = b(x), lo que permite calcular C

(x) = Ay(x) (2.21)

= ay y la soluci on buscada es y(x) = e

Finalmente, consideremos el SDL completo

(t) = Ay(t) + b(t) (2.34)