Juan Mayorga-Zambrano

Matem´ atica Superior para Ingenier´ıa
– con ayuda de Maxima –
Versi ´ on 1.0
ESPE
Sangolqu´ı — Ecuador
Resumen.
Este trabajo presenta los t ´ opicos correspondientes al ´ ultimo nivel de Matem´ aticas en una carrera de Inge-
nier´ıa. Se presenta la base te´ orica y se apoya el trabajo pr´ actico con el uso de Maxima, un sistema algebraico
computacional del tipo Free Software.
Matem´ atica Superior para Ingenier´ıa
c _2011 Juan Ricardo Mayorga Zambrano
Publicado por ESPE
http://www.espe.edu.ec
Primera impresi ´ on.
Ninguna parte de este trabajo amparado por la Ley de Propiedad Intelectual, podr´ a ser reproducido,
transmitido, almacenado o utilizado en cualquier forma o por cualquier medio, ya sea gr´ afico, electr´ onico o
mec´ anico, incluyendo, pero sin limitarse a lo siguiente: fotocopiado, reproducci´ on, escaneo, digitalizaci ´ on,
grabaci ´ on en audio, distribuci´ on en Internet, distribuci´ on en redes de informaci ´ on o almacenamiento y
recopilaci ´ on en sistemas de informaci´ on sin el consentimiento por escrito de la ESPE y del autor.
Dedicado a mis hijos Daniel, Keren y Jaya.
שה ורב
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
VI
Este texto ha sido preparado con L
A
T
E
X. Se ha
adaptado la plantilla svmono disponible en la p´ agi-
na web de la casa Springer—Verlag y que original-
mente acepta los idiomas ingl´ es, franc´ es y alem´ an.
CTAN lion drawing by Duane Bibby;
thanks to www.ctan.org
‘‘Existe una opini´on muy generalizada seg´un la cual la matem´atica es la
ciencia m´as dif´ıcil cuando en realidad es la m´as simple de todas.
La causa de esta paradoja reside en el hecho de que, precisamente por
su simplicidad, los razonamientos matem´aticos equivocados quedan a la
vista. En una compleja cuesti´on de pol´ıtica o arte, hay tantos factores
en juego y tantos desconocidos o inaparentes, que es muy dif´ıcil
distinguir lo verdadero de lo falso.
El resultado es que cualquier tonto se cree en condiciones de discutir
sobre pol´ıtica y arte - y en verdad lo hace - mientras que mira la
matem´atica desde una respetuosa distancia’’.
Ernesto S´ abato, Uno y el Universo.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Tabla resumida de contenidos
Prefacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XI
Introducci ´ on general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1. Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2. An´ alisis complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4. Sistemas din´ amicos continuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
5. An´ alisis de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
6. Ecuaciones Diferenciales Parciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
A. Modelamiento matem´ atico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
B. Ondeletas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
Glosario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
Soluciones a los problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
VII
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
VIII TABLA RESUMIDA DE CONTENIDOS
´
Indice alfab´ etico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Presentaci ´ on
sdadad adas das das dsa das d asd asd d sad sad sad asd sd asd as d asd sad sa dsa d ad asd ad as dss ada
sd
CIUDAD, MES de 2011 REVISOR
IX
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Prefacio
Este texto nace de las notas de curso que prepar´ e para un curso de Matem´ atica Superior para la carrera de
Ingenier´ıa Mecatr´ onica apenas me vincul´ e a la Universidad de las Fuerzas Armadas de Ecuador (ESPE). Al
a˜ no siguiente, los estudiantes me preguntaron si se podr´ıa trabajar el material con el sofware Maxima - que
yo ya hab´ıa utilizado con ellos en un curso de Ecuaciones Diferenciales Ordinarias. La respuesta afirmativa
di ´ o el impulso inicial a este proyecto.
No soy partidario de “hacer m´ as f´ acil la Matem´ atica” pues por esta premisa se tiende a bajar el nivel
acad´ emico y la capacidad de desarrollar proyectos de Ingenier´ıa donde el modelamiento matem´ atico juega
un rol esencial. Pienso que “a la Matem´ atica hay que hacerla m´ as atractiva” de manera que he preparado
el material tratando de hacerlo interesante para los estudiantes. Para convencerse de la importancia de los
temas del curso uno podr´ıa enlistarlos junto con ejemplos de aplicaci´ on a la Ingenier´ıa; pero, probablemente,
el estudiante encontrar´ a m´ as efectivo converzar con los profesores especialistas de su carrera acerca de los
cursos que ellos dictan: por regla general, encontrar´ a que mientras m´ as moderno e intrincado es el material
abordado, m´ as matem´ aticas son necesarias. “Independiente de su concepto acerca de los matem´ aticos, los
especialistas de su carrera de Ingenier´ıa son gente pr´ actica quienes no le har´ıan tomar un curso si pensaran
que ese tiempo se podr´ıa utilizar para cosas con mayor valor” [Ald97]
Para dominar el material presentado en este documento, el estudiante deber´ a sudar bastante. Se prov´ ee
un importante apoyo por medio de Maxima, un Sistema Computacional Algebraico, pero ser´ an necesarios
papel y l´ apiz: el ingeniero debe ser amo de su software y no viceversa.
Cr´ıticas y observaciones son siempre bienvenidas. Para ello puede escribirme a jrmayorga@espe.edu.ec
Sangolqu´ı, Juan Mayorga Zambrano
Abril 2011 ESPE
XI
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Reconocimientos
En la tradici ´ on Hebrea se cuenta la historia de un matrimonio de personas justas que al no poder tener
hijos, deciden divorciarse. Se vuelven a casar, pero esta vez ´ el con una mujer malvada y ella con un hombre
malvado. Al cabo de unos a˜ nos la mujer hab´ıa logrado transformar a su segundo esposo en un hombre justo
en tanto que su ex-esposo se hab´ıa vuelto malvado.
Sin la paciencia, apoyo y cr´ıticas de mi esposa no estar´ıa donde estoy ni ser´ıa quien soy. Gracias Carmita
por ayudarme a sacar lo mejor de mi.
Este proyecto no hubiera podido concretarse sin el apoyo incondicional de las autoridades de la ESPE,
con menci´ on particular al Gral. Carlos Rodr´ıguez y al Crnl. Jorge Vergara. Mi sincero agradecimiento a
ellos.
XIII
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Breve rese˜ na del autor
Juan R. Mayorga Z. naci´ o en Ambato - Ecuador,
1976. Se gradu´ o con Suma Quan Laude como mejor
estudiante de la promoci´ on 2001 de la Escuela Po-
lit´ ecnica Nacional obteniendo el t´ıtulo de Matem´ ati-
co. En 2006 obtuvo el t´ıtulo de Doctor en Ciencias
de la Ingenier´ıa (menci´ on en Modelaci ´ on Matem´ ati-
ca) en Universidad de Chile. Cuenta con dos post-
doctados: Universidad de Talca (Chile, 2006 - 2007)
y Technion (Israel, 2007 - 2008).
Ha sido profesor y/o investigador en Israel Institute of Technology - Technion (Israel), Universit´ e Pa-
ris Dauphine (Francia), International Centre for Theoretical Physics - ICTP (Italia), Universidad de Viena
(Austria), Universidad de Chile (Chile), Universidad de Talca (Chile), Escuela Polit´ ecnica Nacional (Ecua-
dor), Universidad T´ ecnica de Ambato (Ecuador) y Universidad Tecnol´ ogica Indoam´ erica (Ecuador). Ac-
tualmente es profesor investigador en la Universidad de las Fuerzas Armadas - ESPE (Ecuador).
Juan R. Mayorga Z. es observante de las Siete Leyes de los Hijos de No´ e, c´ odigo de ´ etica universal que
les corresponde a las naciones no-jud´ıas de la tierra. Sobre este t ´ opico ha traducido del ingl´ es al espa˜ nol los
libros “The Seven Colors of the Rainbow” (Bindman) y “The Path of the Righteous Gentile” (Clorfene &
Rogalsky). Fue Coordinador para Chile (2006) y Coordinador Internacional (2007) de la Fundaci ´ on Luz de
Vida Internacional; miembro del staff de Universidad No´ ajida (2009 - 2011). Actualmente trabaja bajo la
supervisi ´ on de Jabad Ecuador en la ense˜ nanza y divulgaci ´ on del Noajismo.
XV
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Detalle de contenidos
Prefacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XI
Introducci ´ on general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1. Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1. Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Relaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. Conjunto de partes y familia de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4. Cardinalidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5. Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6. El Axioma de Elecci´ on y el Lema de Zorn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.7. Grupos, Anillos y Cuerpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.8. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2. An´ alisis complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1. Introducci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.1. Operaciones con n´ umeros complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.2. El cuerpo de los n´ umeros complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.3. Notaci ´ on imaginaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2. Funciones complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
XVII
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
XVIII Detalle de contenidos
2.2.1. Funciones m´ odulo y de conjugaci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2. Bolas, conjuntos abiertos y funciones acotadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.3. Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3. F´ ormula de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.1. Forma polar de un n´ umero complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3.2. Teorema Fundamental del
´
Algebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.3.3. Ra´ıces de la unidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4. L´ımites y Continuidad de funciones complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.5. Derivabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.5.1. Condiciones de Cauchy - Riemann. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5.2. Reglas de derivaci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.5.3. Primitivas o antiderivadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.5.4. Curvas y dominios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.6. Series de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6.1. Funci ´ on exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6.2. Funciones hiperb´ olicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.6.3. Funciones trigonom´ etricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.6.4. Funci ´ on logar´ıtmica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.7. Integral en el plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.7.1. Definici ´ on en el sentido de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.7.2. Longitud de arco. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.7.3. Teorema Fundamental del C´ alculo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.7.4. Funci ´ on indicatriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.8. El teorema de Cauchy - Goursat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.9. F´ ormula Integral de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.9.1. Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Detalle de contenidos XIX
2.9.2. Otras consecuencias de la f´ ormula de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.10. Series de Laurent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.11. Polos y singularidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.12. El Teorema de los Residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
2.13. C´ alculo de integrales v´ıa residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.13.1. Integrales de funciones trigonom´ etricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.13.2. Integrales impropias sobre dominios no-acotados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.1. Introducci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.2. Definiciones y f´ ormulas b´ asicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.3. Teoremas de traslaci ´ on o corrimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.3.1. Primer teorema de traslaci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.3.2. Transformada inversa de funcionales racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.3.3. Segundo teorema de traslaci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
3.4. La transformada inversa mediante el c´ alculo de residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
3.5. Derivaci ´ on y convoluci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.6. Funciones peri ´ odicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.7. Delta de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
3.8. Aplicaciones de la transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.8.1. Aplicaci ´ on a un problema de valor inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
3.8.2. Aplicaci ´ on a la ecuaci ´ on de Volterra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.8.3. Aplicaci ´ on a la segunda ley de Kirchoff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
3.8.4. Aplicaci ´ on a sistemas de EDO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3.8.5. Aplicaci ´ on a la Econom´ıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
XX Detalle de contenidos
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4. Sistemas din´ amicos continuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.1. Introducci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.2. Clasificaci ´ on de los sistemas din´ amicos continuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
4.3. Existencia, unicidad y estabilidad de soluciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.4. Campos de direcciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
4.5. Puntos atractivos y repulsivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
4.6. El m´ etodo de Runge - Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.6.1. Runge - Kutta para sistemas de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.6.2. Sistemas din´ amicos de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
4.6.3. Runge - Kutta para sistemas de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
4.7. Sistemas de orden superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
4.8. Sistemas aut ´ onomos lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
4.9. Estabilidad de puntos cr´ıticos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
4.9.1. Caso lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
4.10. Caso no-lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
5. An´ alisis de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
5.1. Introducci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
5.2. Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
5.2.1. Espacios normados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
5.2.2. Conjuntos abiertos y cerrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
5.2.3. Continuidad de operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
5.3. Espacios Euclidianos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
5.3.1. El espacio L
2
(I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Detalle de contenidos XXI
5.3.2. Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
5.3.3. El proceso de Gram - Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
5.3.4. Bases de Schauder y Hilbertianas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
5.4. Espacios de Banach y Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
5.4.1. Criterio de Cauchy. Completitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
5.4.2. Operadores lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
5.4.3. La representaci ´ on de Riesz-Fr´ echet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
5.4.4. Densidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
5.4.5. Operadores adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
5.5. Bases Hilbertianas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
5.5.1. Existencia de bases Hilbertianas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
5.5.2. Series de Fourier — Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
5.5.3. Series cl´ asicas de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
5.5.4. El sistema trigonom´ etrico en L
2
([−L; L]) y las series de Fourier complejas . . . . . . . . 233
5.5.5. Series de Fourier — Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
5.5.6. Series de Fourier — Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
5.6. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
5.6.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
5.6.2. Los operadores F y F
−1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
5.6.3. Propiedades importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
5.6.4. Relaci ´ on de F con otras transformadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
5.6.5. Estudio de se˜ nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
6. Ecuaciones Diferenciales Parciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
6.1. Introducci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
XXII Detalle de contenidos
6.2. Ejemplos de EDP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
6.3. La ecuaci ´ on de difusi ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
6.4. La ecuaci ´ on de onda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
6.5. Resoluci ´ on de EDP’s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
6.5.1. M´ etodo de separaci ´ on de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
6.5.2. Funciones generalizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
6.5.3. Resoluci ´ on mediante las transformadas de Fourier y Laplace . . . . . . . . . . . . . . . . . . . . 284
6.5.4. Otros m´ etodos de soluci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
A. Modelamiento matem´ atico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
A.1. Introducci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
A.2. Conceptos b´ asicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
A.3. Tipos de modelos matem´ aticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
A.3.1. Modelos est´ aticos y din´ amicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
A.3.2. Modelos determin´ısticos y estoc´ asticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
A.3.3. Modelos continuos y discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
B. Ondeletas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
Glosario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
Soluciones a los problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
´
Indice alfab´ etico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Introducci ´ on general
“Il libro della natura ´ e scrito in lingua matematica”
Galileo Galilei
La Ense˜ nanza de las Matem´ aticas para Ingenier´ıa ha experimentado una transici ´ on desde los a˜ nos ochen-
ta. En buena medida esto ha sido orientado por la necesidad de aprovechar la explosi´ on de recursos compu-
tacionales cada vez m´ as poderosos.
Hoy en d´ıa es indudable que el estudiante debe conectarse temprano en su carrera con software ma-
tem´ atico que le permita resolver problemas con efectividad y eficiencia; pero, al mismo tiempo, estamos
convencidos de que el estudiante de Ingenier´ıa debe ser amo de su software y no en el otro sentido. Por tan-
to, al trabajar en este libro hemos tenido presente que, para saltar al computador, el estudiante debe primero
tener cimentados sus conocimientos con un n´ umero apropiado de horas de trabajo con papel y l´ apiz.
Escogimos el software Maxima para apoyar el estudio de la materia bajo tres consideraciones. Por un
lado, Maxima es un Sistema Computacional Algebraico (CAS) de manera que permite obtener soluciones
anal´ıticas (cuando es posible) y hacer un seguimiento paso a paso de los procedimientos de resoluci ´ on de
problemas. Como consecuencia, a m´ as de tener una forma r´ apida para verificar el dominio propio de las
herramientas matem´ aticas, permite una aplicaci´ on inmediata a materias de Ingenier´ıa (Termodin´ amica, Sis-
temas Din´ amicos, Teor´ıa de Control, etc.). Por otro lado, si bien Maxima es un CAS y por tanto no tiene
el poder num´ erico de una Plataforma de C´ alculo Cient´ıfico (como Scilab o Matlab), tambi´ en permite
trabajar num´ ericamente a un nivel aceptable. Finalmente, Maxima es un software de c´ odigo abierto de ma-
nera que los estudiantes pueden instalarlo en sus computadores de forma gratuita. Esta ´ ultima consideraci´ on
es importante pues piratear software es un delito y el profesor debe buscar alternativas de calidad para los
estudiantes que no tienen los recursos econ´ omicos suficientes para invertir en software licenciado.
Se ha usado la versi ´ on 5.24 de Maxima y se ha trabajado con la interface wxMaxima. A lo largo del
libro el c´ odigo Maxima se presenta a color y sombreado:
(%i1) sin(%pi/4);
( %o1)
1

2
El c´ odigo Maxima presentado para resolver un determinado problema ha sido probado y preparado de
manera tal que sea claro para el estudiante al punto que lo motive a adaptarlo para la resoluci´ on de otros
problemas.
1
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2 Introducci ´ on general
A lo largo del texto se mantiene un enfoque orientado hacia la Ingenier´ıa. Creemos que un Ingeniero no
demuestra teoremas; pero debe ser capaz de administrarlos y aplicarlos a la resoluci ´ on de problemas. Por
tanto, presentamos s´ olo las demostraciones que estimamos son relevantes para mejorar la comprensi ´ on de
la materia. El s´ımbolo ¯ . indica que se da por terminada una demostraci´ on.
Los temas tratados en esta obra se presentan habitualmente en el ´ ultimo nivel de matem´ aticas en las
carreras de Ingenier´ıa. Por mi experiencia como profesor puedo sugerir tanto al estudiante como al profesor
que apoyen su trabajo con otros libros de texto como [O’N09] y [Kre06]. Un mismo tema que un estudiante
encuentra claro en un libro puede resultar obscuro para otro estudiante y no hay tiempo para desperdiciar:
un estudiante de ingenier´ıa est´ a normalmente sometido a una gran presi ´ on y exigencia.
Al final de cada uno de los cap´ıtulos se presenta un conjunto de problemas seleccionados. No afirmamos
que los problemas presentados sean originales (si bien hay algunos que son de nuestra autor´ıa); m´ as bien
hemos tratado de seleccionarlos a partir de varias fuentes y adaptarlos a nuestro curso. Al final del libro se
presentan las respuestas para la mayor´ıa de ellos.
En el Cap´ıtulo 2 se presenta el An´ alisis Complejo. Se parte con un repaso del cuerpo C y se avanza
r´ apidamente hacia el manejo de funciones complejas como las hiperb´ olicas, trigonom´ etricas y logar´ıtmicas.
Se abordan entonces los conceptos de derivabilidad e integrabilidad de funciones complejas. La parte final
del cap´ıtulo presenta el teorema de Cauchy-Goursat, la f´ ormula integral de Cauchy, las Series de Laurent y
el Teorema de los Residuos junto con sus aplicaciones.
El Cap´ıtulo 3 se dedica a la transformada de Laplace. Se abordan las herramientas necesarias para su
estudio y se termina el cap´ıtulo con varios tipos de aplicaciones.
En el Cap´ıtulo 4 se abordan los Sistemas Din´ amicos Continuos. Hemos creido conveniente incluirlo
como parte de un curso de Matem´ atica Superior para Ingenier´ıa pues sirve como complemento al curso
est´ andar de Ecuaciones Diferenciales Ordinarias que habitualmente antecede a este curso. Se presentan los
teoremas de existencia y unicidad de soluciones y se aprovecha el m´ etodo de Runge - Kutta para describir
num´ ericamente soluciones. Al final del cap´ıtulo se hace una introducci´ on an´ alisis de estabilidad de puntos
cr´ıticos.
En el Cap´ıtulo 5 se aborda el An´ alisis de Fourier. Se parte con un recordatorio de ciertos t ´ opicos del
´
Algebra Lineal. Se introduce el concepto fundamental de conjunto abierto as´ı como las definiciones de
bases de Schauder y Hilbertianas. Es en este contexto general que se introducen las Series de Fourier. A
continuaci ´ on se introduce el espacio de las funciones de cuadrado integrable, L
2
(Ω), fundamental para un
estudio moderno de las ecuaciones diferenciales, como un ejemplo de espacio de Hilbert separable. Como
casos especiales de bases Hilbertianas de L
2
(Ω) se abordan los sistemas trigonom´ etrico, de Legendre,
de Hermite, y de Laguerre. El cap´ıtulo termina con una secci ´ on dedicada a la transformada de Fourier, a
las herramientas fundamentales para su aplicaci´ on a las ecuaciones en derivadas parciales y al an´ alisis de
se˜ nales.
En el Cap´ıtulo 6 se presentan las Ecuaciones en Derivadas Parciales como modelos matem´ aticos y se pre-
sentan el m´ etodo de separaci ´ on de variables y el m´ etodo de las transformadas para resolver casos anal´ıticos
de las ecuaciones de onda, calor y Laplace.
Se han incluido dos ap´ endices. En el primero se presenta material complementario. En el segundo se
rese˜ na muy brevemente lo que es el Modelamiento Matem´ atico.
El material presentado en este curso supone que el estudiante trae aprobados cursos a buen nivel de
C´ alculo Diferencial e Integral (e.g. [Apo67] y [MZ07]),
´
Algebra Lineal (e.g. [Gro87] y [Tor92]), C´ alculo
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Introducci ´ on general 3
Vectorial (e.g. [PR95] y [Apo67]) y Ecuaciones Diferenciales Ordinarias (e.g. [Zil97]) para estudios de una
carrera de Ingenier´ıa. En mi experiencia docente he encontrado que los estudiantes que llegan con buenas
bases de l ´ ogica matem´ atica absorben con mucha mayor soltura los conocimientos y m´ etodos matem´ aticos
de manera que este t ´ opico puede considerarse como requisito para el curso.
Para terminar esta Introducci ´ on debo se˜ nalar que la notaci ´ on usada a lo largo del texto es casi siempre la
est´ andar. Se ha hecho un esfuerzo por enunciar expl´ıcitamente los dominios de las funciones; esto no se debe
´ unicamente a la (de)formaci ´ on matem´ atica del autor sino m´ as bien a un hecho pr´ actico: he encontrado que
muchos problemas que los estudiantes encuentran “casi imposibles” se resuelven simplemente al aclarar el
universo de estudio donde trabajan las funciones.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Cap´ıtulo 1
Preliminares
Presentamos a continuaci´ on t ´ opicos de base que apoyan al material tratado en el libro. La teor´ıa intuitiva
de conjuntos, el manejo abstracto de relaciones y su clasificaci ´ on as´ı como la comprensi´ on general del
concepto de funci´ on son normalmente parte del primer curso universitario de Matem´ aticas en una carrera
de Ingenier´ıa. Lo mismo sucede con las estructuras algebraicas elementales: grupos, anillos y cuerpos. Por
otro lado, la clasificaci´ on de conjuntos por su cardinalidad, el concepto general de sucesiones, as´ı como
el manejo de familias de conjuntos se encuentran en programas de Ingenier´ıa con una inclinaci´ on m´ as
cient´ıfica y en carreras de Matem´ atica y F´ısica.
1.1. Conjuntos
El sistema de axiomas de Zermelo-Fraenkel junto con el axioma axioma de elecci ´ on, ZFC, constituyen
la base axiom´ atica m´ as usada para sustentar la Teor´ıa de Conjuntos. Si bien ZFC es nuestro paraguas,
recurrimos a la intuici ´ on - combinada con la l ´ ogica - para desarrollar los conceptos.
La axiomatizaci´ on ZFC surgi ´ o del trabajo de Russel, Zermelo, Hilbert y otros matem´ aticos que se es-
forzaron por reparar los cimientos de la Teor´ıa de Conjuntos que hab´ıan sido demolidos con la ca´ıda de los
axiomas de Frege por el surgimiento de paradojas insalvables. En 1893 Gottlob Frege hab´ıa dado un siste-
ma de axiomas para la teor´ıa de conjuntos (ideada por Georg Cantor), con la intenci ´ on de proveer una base
l ´ ogica para la matem´ atica. Entre otras cosas, estos axiomas buscaban eliminar problemas como la paradoja
de Cantor.
1
En 1901 Russel mostr´ o que uno de los axiomas de Frege, el Axioma de Comprehensi´ on, era
inconsistente. La paradoja de Cantor y uno de los axiomas de Frege son presentados en la Secci´ on 1.3.
A lo largo del texto usaremos la notaci ´ on conjuntivista est´ andar. Un conjunto normalmente ser´ a denotado
por letras may´ usculas (e.g. A, B, C, X) en tanto que se usar´ an min´ usculas (e.g. a, b, c, x) para representar
a los elementos. Siempre se supondr´ a que todos los conjuntos en consideraci´ on est´ an contenidos en un
universo de trabajo U.
1
Si suponemos la existencia de ϒ, el conjunto m´ as grande de todos los conjuntos, entonces ¦U : U ⊆ϒ¦ ser´ıa estrictamente
m´ as grande que ϒ; cay´ endose en una contradicci ´ on.
5
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6 1 Preliminares
Figura 1.1 El conjunto
universo es el marco
de referencia para el
estudio de un determi-
nado problema. Fuente:
http://ericmat.files.wordpress.com/
Notaci ´ on 1.1 [Pertenencia y contenencia]
Por a ∈A o equivalentemente A ¸a indicamos que a pertenece al conjunto A. Por C ⊆B o B ⊇C indicamos
que C es un subconjunto de B, esto es, todos los elementos de C tambi´ en est´ an en B.
Todo conjunto tiene por subconjunto a / 0, el conjunto vac´ıo.
Notaci ´ on 1.2 A lo largo de todo el texto se abreviar´ a con ssi la frase si y s´ olo si. Simb´ olicamente corres-
ponde al bicondicional ⇐⇒.
Dos conjuntos son iguales cuando cada uno de ellos es subconjunto del otro; es decir, dados dos conjun-
tos A y B se tiene que
A = B ⇐⇒ (A ⊂B) ∧(B ⊂A). (1.1)
La intersecci ´ on de A y B, denotado A∩B, es el conjunto cuyos elementos est´ an tanto en A como en B, es
decir,
A∩B =¦x ∈ X : (x ∈ A) ∧(x ∈ B)¦. (1.2)
Se dice que dos conjuntos A y B son disjuntos si A∩B = / 0. La uni ´ on de A y B, denotado A∪B, es el
conjunto cuyos elementos est´ an en A o en B, es decir,
A∪B =¦x ∈ X : (x ∈ A) ∨(x ∈ B)¦. (1.3)
En el siguiente teorema se establecen las propiedades conmutativa y distributiva de las operaciones uni´ on
e intersecci ´ on. En su demostraci ´ on se hace evidente el fuerte v´ınculo que existe entre la Teor´ıa de Conjuntos
y la L´ ogica Proposicional.
Teorema 1.1 [Operaciones con conjuntos]
Sean A, B y C conjuntos. Entonces
A∩B = B∩A; (1.4)
A∪B = B∪A; (1.5)
(A∩B) ∪C = (A∪C) ∩(B∪C); (1.6)
(A∪B) ∩C = (A∩C) ∪(B∪C). (1.7)
Demostraci´ on. Probemos (1.6). Los puntos (1.4), (1.5) y (1.7) quedan para el lector.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.1 Conjuntos 7
Probemos que (A∩B) ∪C ⊆(A∪C) ∩(B∪C). Sea x ∈ (A∩B) ∪C, cualquiera. Se tiene que
x ∈ (A∩B) ∪C ⇐⇒ (x ∈ A∩B) ∨(x ∈C)
⇐⇒ (x ∈ A ∧x ∈ B) ∨(x ∈C)
⇐⇒ (x ∈ A ∨ x ∈C) ∧(x ∈ B ∨ x ∈C)
⇐⇒ (x ∈ A∪C) ∧(x ∈ B∪C)
⇐⇒ x ∈ (A∪C) ∩(B∪C).
Puesto que x fue elegido arbitrariamente, se sigue que
x ∈ (A∪C) ∩(B∪C), para todo x ∈ (A∩B) ∪C,
de manera que
(A∩B) ∪C ⊆(A∪C) ∩(B∪C). (1.8)
Puesto que en todos los pasos del procedimiento anterior se tienen bicondicionales, se tiene inmediata-
mente que
(A∪C) ∩(B∪C) ⊆(A∩B) ∪C. (1.9)
Entonces, en virtud de (1.1), (1.8) y (1.9), se concluye que (A∩B) ∪C = (A∪C) ∩(B∪C). ¯ .
El complemento de B con respecto a A, denotado A¸B, es el conjunto de elementos que estando en A,
no est´ an en B, esto es
A¸B =¦x ∈ A : x / ∈ B¦. (1.10)
En particular, B
c
=U ¸B representa el complemento de B.
En el siguiente teorema se establece un mecanismo para intercambiar las operaciones de uni ´ on e inter-
secci ´ on con ayuda de la complementaci ´ on.
Teorema 1.2 [Leyes de Morgan]
Sean A, B y C conjuntos. Entonces
A¸(B∩C) = (A¸B) ∪(A¸C); (1.11)
A¸(B∪C) = (A¸B) ∩(A¸C). (1.12)
Si A y B son subconjuntos de un universo X, entonces las leyes de Morgan se escriben como
(A∩B)
c
= A
c
∪B
c
, (A∪B)
c
= A
c
∩B
c
. (1.13)
Ejemplo 1.1 Un conjunto cualquiera A est´ a completamente determinado por sus elementos. Entonces, las
igualdades
A =¦a, e, i, o, u¦ =¦i, e, a, o, u¦ =¦u, a, o, e, i¦ =¦x : x es una vocal¦.
son todas v´ alidas.
Tip 1.
El comando : se utiliza para cualquier tipo de asignaci´on a un objeto.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
8 1 Preliminares
Tip 2.
En Maxima un conjunto se declara con objetos contenidos entre llaves. Las
´ordenes intersection(A1,...,An) y union(A1,...,An) permiten calcular, respectivamente,
A
1
∩A
2
∩... ∩A
n
y A
1
∪A
2
∪... ∪A
n
.
Tip 3.
La orden setdifference(A,B) calcula A¸B.
Ejemplo 1.2 Consideremos los conjuntos
(%i1) A: {a,b,c,d,m,n,o,p};
B: {b,c,d,p,u,v,w};
C: {a,c,d,m,o,w};
( %o1) ¦a, b, c, d, m, n, o, p¦
( %o2) ¦b, c, d, p, u, v, w¦
( %o3) ¦a, c, d, m, o, w¦
Verifiquemos que para estos conjuntos efectivamente se cumple que (A∩B) ∪C = (A∪C) ∩(B∪C):
(%i4) E1: union(intersection(A,B), C);
( %o4) ¦a, b, c, d, m, o, p, w¦
(%i5) E2: intersection(union(A,C), union(B,C));
( %o5) ¦a, b, c, d, m, o, p, w¦
Asimismo calculemos los dos lados de A¸(B∩C) = (A¸B) ∪(A¸C):
(%i6) D1: setdifference(A,intersection(B,C));
( %o6) ¦a, b, m, n, o, p¦
(%i7) D2: union(setdifference(A,B),setdifference(A,C));
( %o7) ¦a, b, m, n, o, p¦
Observaci ´ on 1.1 No se ha mencionado nada sobre la naturaleza de los elementos de un conjunto; estos
podr´ıan ser letras, n´ umeros e incluso otros conjuntos.
Ejemplo 1.3 Consideremos los conjuntos
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.1 Conjuntos 9
(%i1) A: { {0}, {1,2}, {1,3}, {3,4} };
( %o1) ¦¦0¦, ¦1, 2¦, ¦1, 3¦, ¦3, 4¦¦
(%i2) B: { {1,2}, {1,3}, {5,8}, {1,2,3} };
( %o2) ¦¦1, 2¦, ¦1, 2, 3¦, ¦1, 3¦, ¦5, 8¦¦
Se tiene que
(%i3) intersection(A,B);
( %o3) ¦¦1, 2¦, ¦1, 3¦¦
(%i4) union(A,B);
( %o4) ¦¦0¦, ¦1, 2¦, ¦1, 2, 3¦, ¦1, 3¦, ¦3, 4¦, ¦5, 8¦¦
Ejemplo 1.4 Denotemos por N al conjunto de los n´ umeros naturales:
N =¦1, 2, 3, ...¦, (1.14)
donde
0 = / 0,
1 = ¦0¦ =¦/ 0¦,
2 = ¦0, 1¦ =¦/ 0, ¦/ 0¦¦,
3 = ¦0, 1, 2¦ =¦/ 0, ¦/ 0¦, ¦/ 0, ¦/ 0¦¦¦,
.
.
.
.
.
.
.
.
.
.
.
.
n = ¦0, 1, 2, ..., n−1¦. (1.15)
Definamos A como el conjunto formado por todos los subconjuntos binarios de N. Entonces,
C = ¦¦1, 2¦, ¦1, 3¦, ¦1, 4¦, ..., ¦2, 3¦, ¦2, 4¦, ¦2, 5¦, ...¦
.
Es claro que B =¦1, 1¦ =¦1¦, no pertenece al conjunto C.
Cuando el orden de los elementos es importante tenemos que valernos de alg´ un truco que permita dis-
tinguir cu´ al elemento es el primero, el segundo, etc.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
10 1 Preliminares
Definici ´ on 1.1 [Producto Cartesiano]
Sean A y B dos conjuntos no-vac´ıos. Se define el producto cartesiano de A y B, denotado A B,
mediante
AB =¦(a, b) : a ∈ A∧b ∈ B¦,
donde,
(a, b) ≡¦a, ¦a, b¦¦ =¦¦a, b¦, a¦. (1.16)
Se dice que (a, b) ∈ AB es el par ordenado con primera componente a ∈ A y segunda componente
b ∈ B.
La definici ´ on (1.16) es el truco que buscamos pues el primer elemento de (a, b) ∈ AB, es aquel que
pertenece al segundo elemento de (a, b). De la definici ´ on se sigue que
(a, b) = (c, d) ⇐⇒(a = c) ∧ (b = d). (1.17)
De manera similar se define el producto ordenado de los conjuntos no-vac´ıos A
1
, A
2
,..., A
n
:
A
1
A
2
... A
n
= (A
1
A
2
... A
n−1
) A
n
. (1.18)
En particular se pone A
n
= AA... A (n veces).
Tip 4.
La orden cartesian product(A1,...,An) calcula A
1
A
2
... A
n
.
Ejemplo 1.5 Consideremos los conjuntos
(%i1) A: {a,b,c};
B: {1,2};
C: {u,v};
( %o1) ¦a, b, c¦
( %o2) ¦1, 2¦
( %o3) ¦u, v¦
Calculamos ABC:
(%i4) cartesian_product(A,B,C);
( %o4) ¦[a, 1, u], [a, 1, v], [a, 2, u], [a, 2, v], [b, 1, u], [b, 1, v], [b, 2, u], [b, 2, v], [c, 1, u], [c, 1, v], [c, 2, u], [c, 2, v]¦
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.2 Relaciones 11
1.2. Relaciones
Los tres tipos de relaciones m´ as importantes son las relaciones de orden, de equivalencia y las funciones.
Definici ´ on 1.2 [Relaci ´ on, dominio, codominio, rango]
Dados dos conjuntos no-vac´ıos X y Y, llamamos relaci´ on de X en Y a todo subconjunto f de X Y. Se
dice que x ∈ X est´ a en el dominio de f , denotado Dom( f ) ⊆X, si existe alg´ un y ∈Y tal que (x, y) ∈ f .
Se dice que Y es el codominio de f y se denota Cod( f ) =Y. Se dice que y ∈Y est´ a en el rango de f ,
denotado Rg( f ) ⊂Y, si existe alg´ un x ∈ X tal que (x, y) ∈ f .
Se suele escribir
xry. (1.19)
para indicar que (x, y) pertenece a la relaci ´ on r ⊆AB.
Definici ´ on 1.3 [Reflexividad, simetr´ıa, antisimetr´ıa, transitividad]
Sea r una relaci´ on de X en X. Se dice que r es
1) reflexiva si
∀x ∈ X : xrx;
2) sim´ etrica si
∀x, y ∈ X : xry =⇒yrx
3) antisim´ etrica si
∀x, y ∈ X : xry ∧ yrx =⇒ x = y.
4) transitiva si
∀x, y, z ∈ X : xry ∧ yrz =⇒ xrz.
Introducimos ahora el concepto de relaci´ on de orden.
Definici ´ on 1.4 [Relaci ´ on de orden]
Se dice que una relaci´ on ≤ sobre un conjunto Ω es de orden si es reflexiva, antisim´ etrica y transitiva.
En este caso se dice que (Ω, ≤) es un conjunto ordenado.
Ejemplo 1.6 Sobre Z se define la relaci´ on ≤ de manera que
a ≤b ⇐⇒ b−a ∈ N∪¦0¦.
El lector puede verificar f´ acilmente que ≤ es una relaci´ on relexiva, antisim´ etrica y transitiva y que, por
tanto, es una relaci´ on de orden.
Definici ´ on 1.5 [Relaci ´ on de equivalencia]
Se dice que una relaci´ on ∼ sobre el conjunto Ω es de equivalencia si es reflexiva, sim´ etrica y transi-
tiva. Se define la clase de equivalencia de x ∈ Ω como
[x] ≡¦y ∈ Ω : x ∼y¦. (1.20)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
12 1 Preliminares
Ejemplo 1.7 Sea M ∈ Z. Definimos sobre Z, la relaci´ on de congruencia m´ odulo M, denotada ∼, como
a ∼b ⇐⇒ a−b es m´ ultiplo de M.
Esta es una relaci´ on de equivalencia sobre Z. En particular, si M = 2 tenemos la tradicional clasificaci´ on
de los n´ umeros enteros en pares e impares.
Introducimos ahora el concepto de funci´ on o aplicaci ´ on.
Definici ´ on 1.6 [Funci ´ on / Aplicaci ´ on]
Sean X y Y dos conjuntos no vac´ıos. Se dice que la relaci´ on f ⊆ X Y es una funci ´ on o aplicaci´ on
de X en Y si se cumplen las siguientes condiciones:
i) Dom( f ) = X.
ii) Para cada x ∈ X, existe un ´ unico y ∈Y tal que (x, y) ∈ f , es decir,
∀x ∈ X, ∃!y ∈Y : (x, y) ∈ f .
Una funci ´ on de X en Y se denota
f : X −→Y
x −→y = f (x) (1.21)
A veces en lugar de la notaci ´ on (3.1), se escribe
X ¸ x −→ f (x) ∈Y. (1.22)
Las notaciones anteriores son especialmente ´ utiles cuando la correspondencia entre x ∈ X e y = f (x) ∈Y
est´ a dada por alguna regla o f´ ormula espec´ıfica. En ese sentido puede pensarse que f (x) ∈Y es el producto
que resulta de aplicar el proceso f a la materia prima x ∈ X. Tambi´ en se dice que la variable dependiente
y = f (x) resulta de aplicar f a la variable independiente x ∈ X.
1.3. Conjunto de partes y familia de conjuntos
Dado Ω un conjunto cualquiera, se llama partes de Ω, denotado P(Ω), al conjunto formado por todos
los subconjuntos de Ω, es decir,
P(Ω) =¦U : U ⊆Ω¦. (1.23)
El concepto de familia de conjuntos es de vital importancia. A grosso modo una familia de conjuntos
sobre un conjunto Ω es un una colecci ´ on indexada de partes de Ω.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.3 Conjunto de partes y familia de conjuntos 13
Definici ´ on 1.7 [Familia de Conjuntos]
Llamamos familia de conjuntos sobre Ω a toda aplicaci´ on
Λ ¸ λ −→A
λ
∈ P(Ω).
En este caso se dice que Λ es el conjunto de ´ındices de la familia y, normalmente, se usa la notaci´ on
¦A
λ
¦
λ∈Λ
⊆Ω. (1.24)
La notaci ´ on (1.24) es similar a (1.35) para sucesiones. Esto no es casualidad: una sucesi´ on de conjuntos
es una familia de conjuntos indexada en N.
Dada una familia de conjuntos ¦A
λ
¦
λ∈Λ
⊆ Ω se definen la uni ´ on e intersecci´ on de los elementos de la
familia mediante:
_
λ∈Λ
A
λ
=
_
x ∈ Ω : (∃λ
0
∈Λ tq x ∈ A
λ
0
)
_
, (1.25)

λ∈Λ
A
λ
=
_
x ∈ Ω : (∀λ
0
∈Λ : x ∈ A
λ
0
)
_
. (1.26)
El caso en que Λ = / 0 se maneja por convenci ´ on:
_
λ∈/ 0
A
λ
= / 0, (1.27)

λ∈/ 0
A
λ
= Ω. (1.28)
Un tipo de familia de conjuntos de mucha utilidad es la partici´ on de un conjunto.
Definici ´ on 1.8 [Partici ´ on]
Se dice que ¦A
λ
¦
λ∈Λ
, una familia de conjuntos sobre Ω, es una partici´ on de Ω si su uni´ on da Ω y si
cualesquiera dos elementos distintos de la familia son disjuntos, es decir si se cumple que
∀λ, β ∈Λ, λ ,= β : A
λ
∩A
β
= 0; (1.29)
_
λ∈Λ
A
λ
= Ω. (1.30)
La importancia de una partici ´ on yace en que clasifica perfectamente, por clases de equivalencia, a los
elementos de un conjunto. Esto se establece en la siguiente proposici´ on.
Proposici ´ on 1.1 [Partici ´ on en clases de equivalencia]
Sea ∼ una relaci´ on de equivalencia sobre Ω. Entonces ¦[x]¦
x∈Ω
es una partici´ on de Ω.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
14 1 Preliminares
1.4. Cardinalidad
Comparar el tama˜ no de dos conjuntos por el n´ umero de sus elementos es viable s´ olo cuando al menos
uno de los conjuntos es finito. Para comparar el “tama˜ no” de dos conjuntos infinitos es necesario definir los
conceptos de inyectividad y sobreyectividad de funciones.
Definici ´ on 1.9 [Inyectividad, Sobreyectividad]
Sea f : A →B. Se dice que f es inyectiva si a elementos diferentes en A les corresponde im´ agenes
diferentes en B, es decir,
∀x
1
, x
2
∈ A, x
1
,= x
2
: f (x
1
) ,= f (x
2
).
Se dice que f es sobreyectiva si todo elemento de B tiene preimagen, es decir,
∀y ∈ B, ∃x ∈ A : f (x) = y.
Se dice que f es biyectiva si es, a la vez, inyectiva y sobreyectiva.
Es f´ acil verificar que si f : A −→B es biyectiva entonces existe una funci´ on g : B −→A tal que
f (g(y)) = y, para todo y ∈ B; (1.31)
g( f (x)) = x, para todo x ∈ A. (1.32)
Las relaciones (1.31) y (1.32) nos dicen que f y g son procesos inversos el uno del otro. Se dice que g es la
funci ´ on inversa de f (y viceversa) y se denota f
−1
= g.
Definici ´ on 1.10 [Cardinalidad / potencia]
Se dice que dos conjuntos A y B tienen la misma cardinalidad o potencia si existe una funci´ on biyec-
tiva entre ellos. En este caso se denota
#[A] = #[B].
Si existe una funci´ on inyectiva de A en B, se dice que A tiene una cardinalidad menor o igual que la
cardinalidad de B y se escribe #[A] ≤#[B]. Si adicionalmente #[A] ,= #[B], se escribe #[A] < #[B].
La relaci ´ on ≤, reci´ en definida, parecer´ıa ser de equivalencia. En efecto,el lector puede usar biyecciones
para tratar de probar la reflexividad, antisimetr´ıa y transitividad. Todo parece funcionar. Y, si esto fuera
cierto, por la Proposici´ on 1.1 todos los conjuntos se podr´ıan clasificar por su cardinalidad. Sin embargo,
¿sobre qu´ e conjunto estar´ıa definida esta relaci´ on?
Observaci ´ on 1.2 La paradoja de Cantor fue mencionada al principio de este cap´ıtulo. Consiste en su-
poner que existe un conjunto ω con la cardinalidad m´ as grande (que equivale a suponer que existe un
conjunto que contiene a todos los conjuntos) para entonces darse que cuenta que P(ω) es a´ un m´ as gran-
de. Para evitar problemas como la paradoja de Cantor es indispensable una axiomatizaci ´ on consistente
como la ZFC.
2
2
Por el contrario, la axiomatizaci´ on predecesora, de Frege, es inconsistente pues da via libre a paradojas (como las de Cantor,
de Russel, etc.) a trav´ es de su axioma de comprehensi´ on: “Para toda propiedad P existe un conjunto M
P
que contine a todos y
exclusivamente a todos los conjuntos que satisfacen la propiedad P”.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.4 Cardinalidad 15
Son muy ´ utiles los conjuntos que se pueden “contar” es decir que son finitos o numerables:
Definici ´ on 1.11 [Conjuntos numerables y discretos]
Se dice que un conjunto A es
i) numerable si #[A] =ℵ
0
;
ii) discreto si #[A] ≤ℵ
0
;
donde, por definici´ on,

0
= #[N]. (1.33)
La clase de conjuntos con potencia
3

0
corresponde a los m´ as “peque˜ nos” de los conjuntos infinitos. En
efecto, un conjunto A es infinito si y s´ olo si
#[A] ≥ℵ
0
.
Ejemplo 1.8 Sea P el conjunto de los enteros positivos pares. Es claro que P _ N pero, puesto que la
funci´ on p : N →P definida mediante
p(k) = 2k,
es biyectiva, se sigue que
#[N] = #[P].
El anterior ejemplo evidencia una diferencia cualitativa entre conjuntos finitos e infinitos. En efecto, si
A y B son conjuntos finitos tales que A ⊂B, entonces
A _B #[A] = #[B].
Observaci ´ on 1.3 Es f´ acil verificar que si Ω es un conjunto con n elementos, n ∈ N∪¦0¦, entonces P(Ω)
tiene exactamente 2
n
elementos (incluyendo a / 0 y Ω).
Notaci ´ on 1.3 En general, se pone
#[P(Ω)] = 2
#[Ω]
,
y por lo xxx se tiene que
#[P(Ω)] > #[Ω]. (1.34)
Para teminar esta secci ´ on, enunciamos un resultado que es ´ util e.g. para el manejo de bases Hilbertianas.
Teorema 1.3 La union de una familia numerable de conjuntos numerables es numerable.
3
ℵ es la letra hebrea “alef”.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
16 1 Preliminares
1.5. Sucesiones
Cuando se quiere resolver un problema de Ingenier´ıa mediante un computador habitualmente se recurre
a aproximaciones discretas del modelo matem´ atico; por ello, el concepto de sucesi´ on es fundamental en
Matem´ aticas.
Dado A un conjunto no-vac´ıo, llamamos sucesi ´ on en A a toda funci´ on cuyo dominio es N o N∪¦0¦ y
cuyo codominio es A. Es claro que el rango de una sucesi´ on es un conjunto discreto. A las sucesiones en un
conjunto A se las suele denotar
(x
n
)
n∈N
⊆A, (y
n
)
n∈N
⊆A, (z
n
)
n∈N
⊆A, etc. (1.35)
Tip 5.
La orden fib(n) calcula el n-´esimo elemento de la serie de Fibonacci.
Tip 6.
La orden map(f, expr1, expr2,...,exprn) devuelve una expresi´on cuyo operador principal es
el mismo que aparece en las expresiones expr
1
, ..., expr
n
pero cuyas subpartes son
los resultados de aplicar f a cada una de las subpartes de las expresiones.
Ejemplo 1.9 Supongamos, que se quiere empezar un negocio de cr´ıa de conejos. La funci´ on que mode-
la matem´ aticamente tal fen´ omeno o proceso es la sucesi´ on de Fibonacci. En la naturaleza, hay muchos
elementos relacionados con la sucesi´ on de Fibonacci: la cantidad de p´ etalos de una flor y la cantidad de
espirales en una pi˜ na, etc. Como se ver´ a a continuaci´ on, el negocio tiene perspectivas de ser rentable pues
la poblaci´ on de conejos crece a buen ritmo.
La sucesi´ on de Fibonacci (F
n
)
n∈N

¦0¦
⊆N∪¦0¦, est´ a definida por
F
n
=
_
¸
_
¸
_
0, si n = 0,
1, si n = 1,
F
n−1
+F
n−2
, si n ≥2.
La f´ ormula anterior nos dice que a partir de n = 2 se obtiene F(n) al sumar los dos elementos anteriores
de la sucesi´ on.
(%i1) map( fib, [0,1,2,3,4,5,6,7,8,9,10]);
( %o1) [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.6 El Axioma de Elecci ´ on y el Lema de Zorn 17
1.6. El Axioma de Elecci ´ on y el Lema de Zorn
La Matem´ atica que usa normalmente un Ingeniero se sostiene en la Teor´ıa de Conjuntos la cual, a su vez,
tiene como sustento los Axiom´ atica ZFC, como se mencion´ o en la Secci ´ on 1.1. Estos pilares son usados sin
cuestionamientos pues el trabajo en Ingenier´ıa tiene que ver principalmente con con encontrar mecanismo
para resolver problemas.
El Axioma de Elecci´ on, que presentamos a continuaci´ on, dice muy a grosso modo que si se tiene una
colecci ´ on de recipientes, cada una con al menos un objeto, se puede tomar exactamente un objeto de cada
recipiente y ponerlos en un nuevo recipiente - incluso si hay un n´ umero infinito de recipientes.
Axioma de elecci ´ on. Sea ¦A
λ
¦
λ∈Λ
una familia de conjuntos sobre un conjunto no-vac´ıo Ω tal que
A
λ
,= / 0,para todo λ ∈Λ. Entonces, existe una aplicaci´ on E : Λ −→Ω tal que
E (λ) ∈ A
λ
, para todo λ ∈Λ.
El Axioma de Elecci ´ on fue formulado por Zermelo (1904). Para la Teor´ıa de Conjuntos, el Axioma de
Elecci ´ on no es indispensable: se pueden construir otras Matem´ aticas cuando se lo reemplaza por enunciados
distintos.
Por otro lado, es importante mencionar que hay un gran n´ umero de proposiciones que son equivalentes
(desde el punto de vista l ´ ogico) al Axioma de Elecci´ on como el Teorema del Buen Orden o el Lema de Zorn
- este ´ ultimo se utiliza con frecuencia para probar resultados de existencia en An´ alisis Matem´ atico.
Para presentar el lema de Zorn es necesario introducir un par de conceptos.
Definici ´ on 1.12 [Orden total, cotas, elementos maximales]
Sea (P, ≤) un conjunto ordenado y sea Q ⊆P.
i) Se dice que Q est´ a totalmente ordenado si dados a, b ∈ Q estos son comparables, es decir se
verifica que
a ≤b ∨ b ≤a. (1.36)
ii) Se dice que c ∈ P es una cota superior de Q si se cumple que
q ≤c, para todo q ∈ Q. (1.37)
iii) Se dice que m ∈ P es un elemento maximal de P si se cumple que
m ≤x =⇒ m = x. (1.38)
iv) Se dice que P es inductivo si todo subconjunto totalmente ordenado de P admite una cota superior.
En Matem´ atica Aplicada no es esencial conocer la demostraci ´ on del Lema de Zorn (a partir del Axioma
de Elecci ´ on) pero es fundamental conocer bien su enunciado y saberlo usar.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
18 1 Preliminares
Lema 1.1 [Lema de Zorn]
Todo conjunto ordenado, inductivo y no-vac´ıo admite un elemento maximal.
En la Secci´ on 1.8 utilizaremos el Lema de Zorn para probar que todo espacio vectorial pos´ ee una base
de Hamel.
1.7. Grupos, Anillos y Cuerpos
Los conceptos de grupo, anillo y cuerpo son fundamentales en Matem´ atica. A estas estructuras alge-
braicas hay que a˜ nadir el concepto de espacio vectorial para tener toda el “esqueleto” sobre el cual es
posible construir los “´ organos” del An´ alisis Matem´ atico. Para las tres primeras estructuras algebraicas es
indispensable el concepto de operaci ´ on interna.
Definici ´ on 1.13 [Operaci ´ on interna]
Sea Ω un conjunto no-vac´ıo. Llamamos operaci ´ on interna sobre Ω a toda funci´ on ⊕: ΩΩ −→Ω.
A la imagen de (a, b) ∈ Ω Ω se le denota a⊕b.
En la siguiente definici´ on uno puede pensar que Z es el conjunto de los enteros, Z.
Definici ´ on 1.14 [Grupo]
Sea ⊕ una operaci´ on interna sobre Z. Se dice que (Z, ⊕) es un grupo si se cumplen las siguientes
condiciones
a) [Asociatividad aditiva] Dados a, b, c ∈ Z, se tiene que
(a⊕b) ⊕c = a⊕(b⊕c). (1.39)
b) [Existencia del neutro aditivo] Existe un elemento 0 ∈ Z tal que
a⊕0 = a, para todo a ∈ Z. (1.40)
c) [Existencia de inversos aditivos] Para cada a ∈ Z existe un elemento b ∈ Z tal que
a⊕b = 0. (1.41)
Definici ´ on 1.15 [Grupo Abeliano]
Se dice que un grupo (Z, ⊕) es Abeliano si se verifica
d) [Conmutatividad aditiva] Dados a, b ∈ Z,
a⊕b = b⊕a. (1.42)
En la siguiente definici´ on uno puede pensar que P es el conjunto de los polinomios.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.8 Espacios vectoriales 19
Definici ´ on 1.16 [Anillo]
Sean ⊕ y ¸ dos operaciones internas sobre P. Se dice que (P, ⊕, ¸) es un anillo si (P, ⊕) es un grupo
Abeliano y se verifican las condiciones
e) [Asociatividad multiplicativa] Dados a, b, c ∈ Z, se tiene que
(a¸b) ¸c = a¸(b¸c). (1.43)
f) [Propiedad distributiva] Dados a, b, c ∈ Z, se tiene que
a¸(b⊕c) = (a¸b) ⊕(a¸c). (1.44)
En la siguiente definici´ on uno puede pensar que R es el conjunto de los n´ umeros reales, 1.
Definici ´ on 1.17 [Cuerpo]
Se dice que un anillo (R, ⊕, ¸) es un cuerpo si se verifican las siguientes condiciones
g) [Existencia del neutro multiplicativo] Existe un elemento 1 ∈ R tal que
a¸1 = 1¸a = a, para todo a ∈ R. (1.45)
h) [Existencia de inversos multiplicativos] Para cada a ∈ Z ¸¦0¦ existe un elemento b ∈ Z tal que
a¸b = b¸a = 1. (1.46)
i) [Conmutatividad multiplicativa] Dados a, b ∈ Z,
a¸b = b¸a. (1.47)
Por supuesto, el conjunto de los n´ umeros reales tiene muchas m´ as propiedades que las presentadas en la
Definici ´ on 1.17. Estas propiedades son estudiadas en el curso de Prec´ alculo.
1.8. Espacios vectoriales
A grosso modo, un espacio vectorial es un conjunto donde se pueden sumar sus elementos y, adicio-
nalmente, se los puede multiplicar por escalares de manera que se cumplen las propiedades usuales de los
vectores “f´ısicos”.
4
Cuando decimos que en un espacio vectorial se pueden multiplicar vectores con escalares estamos tra-
tando con un caso particular de operaci ´ on externa.
Definici ´ on 1.18 [Operaci ´ on externa]
Sean Ω y K dos conjuntos no-vac´ıos. Llamamos operaci ´ on externa sobre Ω (con ayuda de K) a toda
funci´ on ⊗: KΩ −→Ω. A la imagen de (a, u) ∈ KΩ se le denota a⊗u o simplemente au.
4
Es decir vectores bidimensionales o tridimensionales.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
20 1 Preliminares
Definamos lo que es un espacio vectorial.
Definici ´ on 1.19 [Espacio vectorial]
Sean (V, ⊕) un grupo abeliano, K un cuerpo y ⊗ : KV −→V una operaci´ on externa. Se dice que
(V, ⊕, ⊗) es un espacio vectorial sobre K si se cumplen las siguientes condiciones.
i) (V, ⊕) es un grupo Abeliano.
ii) Dados α, β ∈ K y u, v ∈V, se tiene que
(α +β)u = αu+βu; (1.48)
α(u+v) = αu+αv; (αβ)u = α(βu); (1.49)
1u = u. (1.50)
Si no hay lugar a confusi´ on se hablar´ a del espacio vectorial V en lugar de (V, ⊕, ⊗). En la definici´ on
anterior, si K=1 se dice que V es un espacio vectorial real; si K=C se dice que V es un espacio vectorial
complejo.
Observaci ´ on 1.4 En este libro consideramos principalmente espacios vectoriales definidos sobre 1. Casi
todos los resultados son tambi´ en v´ alidos para K = C pero queremos evitar complicaciones innecesarias.
Cuando sea necesario se har´ a expl´ıcito que un espacio vectorial trabaja sobre el cuerpo C.
Es com´ un encontrarse con subconjuntos de espacios vectoriales que son, en s´ı mismos, espacios vecto-
riales con las operaciones heredadas de su universo.
Definici ´ on 1.20 [Subespacio vectorial]
Sea V un espacio vectorial. Se dice que W ⊆V, W ,= / 0, es un subespacio vectorial de V si dados α ∈1
y u, v ∈W se tiene que αu+v ∈W.
Notaci ´ on 1.4 Sean Ω ⊆ 1
n
y ϒ ⊆ 1
m
. Por C
k
(Ω;ϒ) representaremos el espacio funcional
5
constituido
por las funciones ψ : Ω →ϒ que tienen derivadas continuas al menos hasta orden k ∈ N

. Cuando ϒ =1
se escribe simplemente C
k
(Ω) en lugar de C
k
(Ω; 1).
Ejemplo 1.10 Sea V
0
= C(a, b). Para cada k ∈ N, V
k
= C
k
(a, b) es un subespacio vectorial de V. Es claro
que
V

_... _V
k+1
_V
k
_V
k−1
_...V
1
_V
0
,
donde V

= C

(a, b) es el conjunto de las funciones que tienen derivadas continuas de todos los ´ ordenes
sobre (a, b).
El siguiente resultado es sumamente importante.
5
Un espacio funcional es un espacio vectorial donde los vectores son funciones que cumplen habitualmente con ciertas
propiedades de derivabilidad y/o integrabilidad.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.8 Espacios vectoriales 21
Teorema 1.4 [Intersecci ´ on de espacios vectoriales]
Sea ¦U
λ
¦
λ∈Λ
una familia de subespacios vectoriales de V. Entonces U =

λ∈Λ
V
λ
tambi´ en es un subes-
pacio vectorial de V.
Demostraci´ on. Sean α ∈ 1 y u, v ∈U, arbitrarios. Puesto que
u, v ∈V
λ
, para todo λ ∈Λ,
se sigue que
αu+v ∈V
λ
, para todo λ ∈Λ,
pues V
λ
es subespacio vectorial de V, para cada λ ∈ Λ. Se concluye que U es subespacio vectorial de V
pues
αu+v ∈U =

λ∈Λ
V
λ
.
Definamos lo que es la c´ apsula de un subconjunto de un espacio vectorial.
Definici ´ on 1.21 [C´ apsula]
Dado un subconjunto D de un espacio vectorial V, se llama c´ apsula de D (o espacio generado por
D), denotado < D >, al subespacio vectorial de V m´ as peque˜ no que contiene a D.
No es dif´ıcil comprobar que
< D >=

U∈W
U, (1.51)
donde W es el conjunto de los subespacios vectoriales de V. Adicionalmente, se tiene la siguiente caracte-
rizaci ´ on que establece que la c´ apsula de un conjunto est´ a constituido por todas las combinaciones lineales
finitas de elementos del conjunto.
Proposici ´ on 1.2 [Caracterizaci ´ on de la c´ apsula]
Sean D y V como en la Definici´ on 1.21. Se tiene que u ∈< D > ssi existen v
1
, v
2
, ..., v
n
∈ D y
α
1
, α
2
, ..., α
n
∈ 1 tales que
u =
n

k=1
α
n
v
n
.
Cuando dos vectores f´ısicos u y v no son m´ ultiplos el uno del otro, no est´ an sobre la misma l´ınea recta
(trazada en el plano 1
2
o en el espacio 1
3
). Se dice en este caso que u y v son linealmente independientes.
Este concepto se puede generalizar para conjuntos de vectores en un espacio vectorial general.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
22 1 Preliminares
Definici ´ on 1.22 [Independencia lineal]
Un subconjunto finito B = ¦u
1
, u
2
, ..., u
n
¦ de un espacio vectorial V, es linealmente independiente
(abreviado l.i.) si tomados α
1
, α
2
, ..., α
n
∈ 1 se tiene que


k=1
α
n
u
n
= 0 =⇒ α
i
= 0, para todo i = 1, 2, ..., n.
En general, un conjunto R ⊆V es linealmente independiente si todo subconjunto finito suyo es lineal-
mente independiente. A un conjunto que no es linealmente independiente se dice que es linealmente
dependiente (abreviado l.d.).
En Matem´ atica Aplicada los espacios vectoriales de dimensi´ on infinita son mucho m´ as interesantes que
sus pares de dimensi ´ on finita. Necesitamos entonces alguna herramienta para reconocerlos.
Definici ´ on 1.23 [Dimensi ´ on]
Un espacio vectorial V se dice que tiene dimensi ´ on infinita si para todo n ∈ N, existe un subconjunto
con n vectores y linealmente independiente. Caso contrario, se dice que V tiene dimensi ´ on finita.
Los espacios vectoriales se pueden comparar por su dimensi ´ on. Para esto es necesario introducir el
concepto de base.
Definici ´ on 1.24 [Dimensi ´ on y bases de Hamel]
Sean V un espacio vectorial y B ⊆V. Se dice que B es una base de Hamel de V si se cumplen las
siguientes condiciones
i) B es linealmente independiente;
ii) < B >=V.
En este caso, la dimensi´ on de V es dim(V) = #(B).
Para los espacios de dimensi ´ on finita, la definici ´ on anterior es bastante clara; sin embargo, para un
espacio de dimensi ´ on infinita uno tiene todo derecho a cuestionar la existencia de una base. Gracias al
Lema de Zorn que fue mencionado en la Secci ´ on 1.6, se puede demostrar que siempre existe una base de
Hamel.
Teorema 1.5 [Existencia de bases]
Sea V ,=¦0¦ un espacio vectorial. Entonces V tiene una base de Hamel.
Demostraci´ on. Definimos M =¦U ⊆V : U es l.i.¦. Puesto que V ,=¦0¦, existe v ∈V ¸¦0¦ de manera que
M ,= / 0 pues ¦v¦ ∈ M. No es dif´ıcil verificar que (M, ⊆) es un conjunto ordenado.
M es inductivo. En efecto, si Q⊆M est´ a totalmente ordenado entonces
_
U∈Q
U
contiene a todos los elementos de Q y es l.i., de manera que es una cota superior de Q.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
1.8 Espacios vectoriales 23
Por el Lema de Zorn, M tiene un elemento maximal B. Se tiene que B es una base de Hamel para V. En
efecto, si se tuviera
V ,=< B >,
entonces existir´ıa un vector u ∈ V¸ < B >. En este caso, el conjunto B∪¦u¦ ser´ıa l.i. contradiciendo la
maximalidad de B. ¯ .
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Cap´ıtulo 2
An´ alisis complejo
2.1. Introducci ´ on
Los matem´ aticos inventaron C, el conjunto de los n´ umeros complejos, para poder resolver ecuaciones
como
x
2
+1 = 0.
Suponiendo la existencia de un n´ umero x
0
= i que verifique esta ecuaci ´ on entonces deber´ıa cumplirse que
i =

−1 (2.1)
que no pertenece al conjunto de n´ umeros reales, 1. Se empez´ o a referir a i como un n´ umero “imaginario”.
Por m´ as de un siglo se mir´ o a los n´ umeros complejos a +bi, donde a, b ∈ 1, con mucha suspicacia.
¿Existen realmente? Simb´ olicamente manipular algebraicamente los n´ umeros complejos no es complicado,
basta tener en mente (2.1) de manera que i
2
= −1. Pero, de hecho, los n´ umeros complejos son bastante
reales. “Si los n´ umeros complejos hubieran sido inventados hace unos 30 a˜ nos y no hace 300, no hubieran
recibido el apelativo de ‘complejos’. Quiz´ a se les hubiera llamado n´ umeros planares o n´ umeros bidimen-
sionales o algo similar, y no se utilizar´ıa el calificativo de ‘imaginarios’...”, [Ald97]. En efecto, los n´ umeros
complejos son ´ utiles para “medir” ondas peri ´ odicas y en el manejo pr´ actico de soluciones de Ecuaciones
en Derivadas Parciales. Las funciones de variable compleja son usadas en Electr´ onica, Transferencia de
Energ´ıa, en aplicaciones de las Teor´ıas de Filtrado y de Control, etc.
2.1.1. Operaciones con n´ umeros complejos
Al conjunto
C =1
2
=¦z = (x, y) : x ∈ 1 ∧ y ∈ 1¦
se le llama cuerpo de los n´ umeros complejos cuando se le prov´ een operaciones internas de suma y multi-
plicaci ´ on conforme a la siguiente definici ´ on.
25
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
26 2 An´ alisis complejo
Definici ´ on 2.1 [Operaciones con complejos]
Si z
1
= (a, b) ∈ C y z
2
= (c, d) ∈ C, se definen las operaciones de suma, + : CC →C, y multiplica-
ci´ on, : CC →C, mediante
z
1
+z
2
= (a+c, b+d), (2.2)
z
1
z
2
= (ac −bd, ad +bc). (2.3)
Figura 2.1 En virtud de la de-
finici ´ on, un n´ umero complejo
es un n´ umero bidimensional.
La suma de n´ umeros complejos no es m´ as que la suma habitual de vectores de 1
2
. Sin embargo,
¿de d´ onde sale la f´ ormula (2.3) para la multiplicaci´ on en C? Una respuesta simple parte de suponer mo-
ment´ aneamente la validez de la f´ ormula (2.1). En efecto, si ponemos z
1
= a +ib y z
2
= c +id se tendr´ıa
que
z
1
z
2
= (a+ib) (c +id) = ac +iad +ibc +i
2
bd = (ac −bd) +i(ad +bc).
Tip 7.
Para definir una matriz, se utiliza el comando matrix. La multiplicaci´on matricial
se realiza con el punto.
Para dar una segunda respuesta, consideramos el espacio vectorial de las matrices cuadradas de orden 2,
M
2
(1), y su subespacio vectorial de dimensi´ on 2,
W =
__
a −b
b a
_
: a, b ∈ 1
_
.
No es dif´ıcil verificar que la aplicaci´ on
C ¸ (a, b) −→
_
a −b
b a
_
∈W
es lineal y biyectiva (y por tanto un isomorfismo); de manera que se puede considerar a W como una
representaci´ on matricial de C. La multiplicaci ´ on matricial de elementos de W se corresponde exactamente
a la multiplicaci ´ on en C. En efecto, tomando z
1
= (a, b) y z
2
= (c, d), con representaciones matriciales Z
1
y Z
2
, respectivamente,
(%i1) Z1: matrix([a, -b], [b, a]);
( %o1)
_
a −b
b a
_
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.1 Introducci ´ on 27
(%i2) Z2: matrix([c, -d], [d, c]);
( %o2)
_
c −d
d c
_
se tiene que
(%i3) Z1.Z2;
( %o3)
_
ac −bd −ad −bc
ad +bc ac −bd
_
de manera que Z
1
Z
2
pertenece a W y su representaci ´ on en C es (ac −bd, ad +bc), v´ ease (2.3).
2.1.2. El cuerpo de los n´ umeros complejos
No es dif´ıcil verificar que (C, +, ) es efectivamente un cuerpo o campo, es decir que se cumplen las
siguientes propiedades:
Asociatividad de la suma. Dados z
1
, z
2
, z
3
∈ C, se tiene que
(z
1
+z
2
) +z
3
= z
1
+(z
2
+z
3
).
Existencia del neutro aditivo. Existe un elemento 0 ∈ C tal que
z +0 = z, para todo z ∈ C.
Existencia de inversos aditivos Para cada z ∈ C existe un elemento w ∈ Z tal que
z +w = 0.
Por convenci ´ on se denota w =−z.
Conmutatividad aditiva. Dados z
1
, z
2
∈ C, se tiene que
z
1
+z
2
= z
2
+z
1
.
Asociatividad de la multiplicaci ´ on. Dados z
1
, z
2
, z
3
∈ C, se tiene que
(z
1
z
2
) z
3
= z
1
(z
2
z
3
).
Propiedad distributiva. Dados z
1
, z
2
, z
3
∈ C, se tiene que
z
1
(z
2
+z
3
) = (z
1
z
2
) +(z
1
z
3
).
Existencia del neutro multiplicativo. Existe un elemento 1 ∈ C tal que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
28 2 An´ alisis complejo
z 1 = 1 z = z, para todo z ∈ C.
Existencia de inversos multiplicativos. Para cada z ∈ C¸¦0¦ existe un elemento w ∈ C tal que
z w = w z = 1.
Por convenci ´ on se denota w = z
−1
=
1
z
.
Conmutatividad multiplicativa. Dados z, w ∈ C, se tiene que
w z = w z.
2.1.3. Notaci ´ on imaginaria
Como ya se mencion´ o, las operaciones definidas en (2.2) y (2.3) corresponden formalmente a trabajar
con el s´ımbolo i =

−1. De aqu´ı en adelante se usar´ a la notaci´ on
z = x +iy, z ∈ C, (2.4)
y se dir´ a que
x = Re(z) ∈ 1, y = Im(z) ∈ 1,
son respectivamente la parte real e imaginaria de z.
Figura 2.2 En el plano C =
1
2
al eje horizontal se le
refiere como el eje real y
al eje vertical como el eje
imaginario.
Tip 8.
En Maxima se representa a la unidad imaginaria mediante %i. El comendo rectform
permite transformar un n´umero complejo a su forma rectangular.
Usemos Maxima para obtener la f´ ormula para el cociente de dos n´ umeros complejos:
(%i1) z1: a+b
*
%i;
z2: c+d
*
%i;
( %o1) i b+a
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.2 Funciones complejas 29
( %o2) i d +c
(%i3) z1 / z2, rectform;
( %o3)
bd +ac
d
2
+c
2
+
i (bc −ad)
d
2
+c
2
es decir,
z
1
z
2
=
bd +ac
d
2
+c
2
+
i (bc −ad)
d
2
+c
2
(2.5)
2.2. Funciones complejas
Los modelos matem´ aticos m´ as sencillos son las funciones. En esta secci ´ on empezamos su estudio para
el caso en que las variables independiente y dependiente viven en C.
Definici ´ on 2.2 [Funci ´ on compleja]
Se llama funci´ on compleja de variable compleja a toda funci´ on cuyo dominio y codominio son sub-
conjuntos de C:
f : U ⊆ C −→C
z −→w = f (z) (2.6)
T´ enga presente que una funci ´ on compleja tiene tres componentes: dominio, codominio y una f´ ormula.
Coherente con esto, a veces, en lugar de la notaci ´ on (2.6) se escribe
C ⊇U ¸ z −→ f (z) ∈ C. (2.7)
Observaci ´ on 2.1 [Regla del M´ aximo Dominio]
Si no se hace expl´ıcito el dominio de una funci´ on y se prov´ ee s´ olo una f´ ormula deber´ a suponerse como
dominio de la funci´ on el conjunto m´ as grande de n´ umeros complejos donde la f´ ormula tiene sentido.
Por defecto se supondr´ a que el codominio es C.
2.2.1. Funciones m´ odulo y de conjugaci´ on
As´ı como el valor absoluto es la funci ´ on real m´ as importante, la funci´ on compleja m´ as importante de
todas es la funci´ on m´ odulo pues permite medir distancias en C. La relevancia se debe a que para establecer
la convergencia de un m´ etodo n´ umerico, implementado computacionalmente para resolver un problema de
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
30 2 An´ alisis complejo
Ingenier´ıa, se requiere que a medida que avanza el algoritmo la distancia entre la soluci ´ on aproximada y la
soluci ´ on real debe ser cada vez m´ as peque˜ na.
Definici ´ on 2.3 [M´ odulo]
La funci´ on m´ odulo (o simplemente m´ odulo), [ [ : C −→1, se define mediante la f´ ormula
[z[ =
_
x
2
+y
2
, para z = x +iy. (2.8)
Las propiedades de la funci ´ on m´ odulo se resumen en el siguiente teorema.
Teorema 2.1 [Propiedades del m´ odulo]
Se cumple que
1) [z[ ≥0, para todo z ∈ C;
2) [z[ = 0 ssi z = 0;
3) [z w[ =[z[ [w[, para todo z, w ∈ C;
4) [z +w[ ≤[z[ +[w[, para todo z, w ∈ C.
Entonces el m´ odulo de un n´ umero complejo es un n´ umero no-negativo; es cero s´ olo si su argumento es
el n´ umero 0 +0i. Asimismo, el teorema anterior establece que el m´ odulo del producto de dos n´ umeros
complejos es igual al producto de sus respectivos m´ odulos.
Figura 2.3 A la propiedad 4
del Teorema 2.1 se le deno-
mina desigualdad triangular
pues refleja el hecho de que
la longitud de un lado de un
tri´ angulo no puede sobrepasar
la suma de las longitudes de
los otros dos lados.
Observaci ´ on 2.2 Por el Teorema 2.1 se tiene que la funci´ on m´ odulo constituye una norma para el espacio
vectorial C. En la Definici´ on 5.1 se generaliza el concepto para cualquier espacio vectorial.
Tip 9.
En Maxima el comando abs permite calcular el tama˜no de un n´umero real o
complejo.
Ejemplo 2.1 Dados a, b, k ∈ 1 se tiene que
(%i1) abs(a+b%i)+abs(-4)+abs(k);
( %o1) [k[ +[b%i +a[ +4
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.2 Funciones complejas 31
La f´ ormula para calcular la distancia entre n´ umeros complejos es simb´ olicamente id´ entica a la corres-
pondiente f´ ormula para n´ umeros reales.
Definici ´ on 2.4 [Distancia en C]
La distancia entre los n´ umeros complejos z
1
= x
1
+iy
1
y z
2
= x
2
+iy
2
est´ a dada por
dist(z
1
, z
2
) = [z
1
−z
2
[ (2.9)
=
_
(x
1
−x
2
)
2
+(y
1
−y
2
)
2
.
La proyecci ´ on con respecto al eje de las x est´ a dada por la siguiente definici ´ on.
Definici ´ on 2.5 [Funci ´ on de conjugaci ´ on]
Se define la funci´ on de conjugaci´ on, : C −→C, mediante la f´ ormula
z = x −iy, para z = x +iy. (2.10)
Se dice que z es el conjugado de z y viceversa.
Figura 2.4 El conjugado z de
un n´ umero complejo z. Fuen-
te: http://www.itlp.edu.mx/
Tip 10.
El comando conjugate permite obtener el conjugado de un n´umero complejo.
Ejemplo 2.2 Dados los n´ umeros complejos z = a+ib y w = c +id, calculemos z w y z w
(%i1) z: a+%i
*
b;
w: c+%i
*
d;
(%o1) i b+a
(%o2) i d +c
(%i3) conjugate(z
*
w), rectform;
(%o3) i (−ad −bc) −bd +ac
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
32 2 An´ alisis complejo
(%i4) conjugate(z)
*
conjugate(w), rectform;
(%o4) i (−ad −bc) −bd +ac
En el ejemplo anterior se ha probado una parte de la siguiente proposici´ on.
Proposici ´ on 2.1 [Propiedades de la conjugaci´ on]
Dados z ∈ C y w ∈ C, se tiene que
1) z w = z w;
2) [z[
2
= z z;
3)
¸
¸
¸
z
w
¸
¸
¸ =
[z[
[w[
, en tanto que w ,= 0.
2.2.2. Bolas, conjuntos abiertos y funciones acotadas
El lector recordar´ a la importancia que tienen los intervalos abiertos
]x
0
−r; x
0
+r[=¦x ∈ 1 : [x −x
0
[ < r¦, r > 0,
cuando se definen conceptos como l´ımite y continuidad para funciones reales; en C ese papel lo juegan las
bolas. Se define la bola con centro en z
0
∈ C y radio r > 0 como el conjunto
B(z
0
; r) =¦z ∈ C : [z −z
0
[ < r¦. (2.11)
Definici ´ on 2.6 [Conjunto abierto]
Sea Ω ⊆C. Se dice que Ω es un conjunto abierto si para todo z ∈ Ω existe r > 0 tal que B(z; r) ⊆Ω.
Dado un conjunto U ⊆C, denotamos por Int(U) a su interior, esto es, el conjunto abierto m´ as grande
contenido en U.
Figura 2.5 La zona en color
representa una bola. La bola
no incluye a su frontera (la
zona punteada)
.
Toda bola es un conjunto abierto. M´ as a´ un, se tiene la siguiente caracterizaci´ on.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.2 Funciones complejas 33
Proposici ´ on 2.2 [Caracterizaci ´ on de un conjunto abierto]
Un conjunto Ω ⊆C es abierto ssi Ω = Int(Ω).
Recordemos que un subconjunto de 1 es acotado si se lo puede incluir en un intervalo (a, b). La misma
idea sirve para subconjuntos de C:
Definici ´ on 2.7 [Conjunto acotado]
Un conjunto U ⊆ C se dice acotado si se lo puede cubrir con alguna bola; esto equivale a que se
pueda hallar un M > 0 tal que
[z[ < M, para todo z ∈U.
En este caso se tiene que U ⊆B(0; M).
Definici ´ on 2.8 [Funci ´ on acotada]
Se dice que f : Ω ⊆ C −→C es una funci´ on acotada si su rango est´ a acotado, es decir, si existe una
constante M > 0 tal que
[ f (z)[ ≤M, para todo z ∈ Ω. (2.12)
Tip 11.
El comando plot3d permite hace gr´aficos tridimensionales.
Ejemplo 2.3 Sea
Ω =¦z = x +iy ⊆C : x ∈ [−3, 3] ∧ y ∈ [−4, 4]¦.
La funci´ on definida por
f (z) = z
2
, z ∈ Ω,
es acotada. En efecto, se tiene que
[ f (z)[ ≤25, para todo z ∈ Ω.
(%i1) z: x+y
*
%i;
(%o1) i y +x
(%i2) plot3d(abs(zˆ2), [x,-3,3], [y,-4,4]);
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
34 2 An´ alisis complejo
Figura 2.6 Gr´ afico de
[ f (z)[ = x
2
+ y
2
, para
x ∈ [−3, 3], y ∈ [−4, 4].
.
2.2.3. Sucesiones
Para establecer cuando un m´ etodo num´ erico prov´ ee una buena aproximaci ´ on a la soluci ´ on de un proble-
ma concreto de Ingenier´ıa se requiere el concepto de convergencia de sucesiones. El concepto de sucesi ´ on
fue establecido en la Secci´ on 1.5.
Definici ´ on 2.9 [Convergencia de sucesiones]
Una sucesi´ on (z
n
)
n∈N
⊆ C converge al n´ umero z ∈ C si para cada distancia ε > 0 existe un N =
N(ε) ∈ N tal que z
n
∈ B(z; ε) cuando n > N.
Observaci ´ on 2.3 La Definici´ on 2.9 es equivalente a que se cumpla
l´ım
n→∞
[z
n
−z[ = 0,
que es simb´ olicamente igual a la definici´ on de convergencia de sucesiones reales:
∀ε > 0, ∃N ∈ N : (n > N) ⇒ [z −z
n
[ < ε.
En t´ erminos de sucesiones reales, la convergencia de sucesiones complejas se establece mediante la
siguiente proposici ´ on.
Proposici ´ on 2.3 [Convergencia de sucesiones complejas]
La sucesi´ on (z
n
)
n∈N
= (x
n
+i y
n
)
n∈N
⊆C converge a z = x +iy ∈ C ssi
l´ım
n→∞
x
n
= x, l´ım
n→∞
y
n
= y.
De manera que para establecer la convergencia de una sucesi´ on compleja, y para calcular su l´ımite, hay que
analizar dos sucesiones reales y calcular dos l´ımites de sucesiones reales, respectivamente.
Tip 12.
El comando assume permite suministrar al computador informaci´on cualitativa sobre
variables y par´ametros.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.2 Funciones complejas 35
Tip 13.
Para definir una funci´on se utiliza ‘‘:=’’ en tanto que para el c´alculo de
l´ımites se recurre al comando limit. Los comandos inf y minf representan +∞ y −∞,
respectivamente.
Ejemplo 2.4 Sean k ∈ 1 y p > 0. Consideremos la sucesi´ on (z
n
)
n∈N
definida por la f´ ormula
z
n
=
sin(2n)
n
p
+i
_
1+
k
n
2
_
n
2
/5
.
Esta sucesi´ on es convergente pues sus partes real e imaginaria son convergentes:
(%i1) assume(p>0);
( %o1) [p > 0]
(%i2) x(n):= sin(2
*
n)/nˆp;
y(n):= (1+k/nˆ2)ˆ(nˆ2/5);
( %o2) x(n) :=
sin(2n)
n
p
( %o3) y(n) :=
_
1+
k
n
2
_n
2
5
(%i4) limit( x(n), n, inf);
limit( y(n), n, inf);
( %o4) 0
( %o5) e
k
5
Una de las propiedades m´ as importantes de los conjuntos acotados es que en ellos se pueden encontrar
sucesiones convergentes.
Definici ´ on 2.10 [Subsucesi ´ on]
Dada una sucesi´ on (z
n
)
n∈N
⊆ C y una funci´ on creciente N ¸ k −→n
k
∈ N, se dice que la sucesi´ on
(z
n
k
)
k∈N
es una subsucesi´ on de (z
n
)
n∈N
.
La propiedad mencionada se establece en el siguiente teorema.
Teorema 2.2 [Compacidad]
Toda sucesi´ on acotada (z
n
)
n∈N
⊆C pos´ ee una subsucesi´ on convergente (z
n
k
)
k∈N
⊂C.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
36 2 An´ alisis complejo
Tip 14.
El comando makelist permite generar listas de datos que pueden graficarse con el
comando graph2d. El comando graph2d es parte del paquete graph2d que se carga con
el comando load.
Tip 15.
La orden expr, numer entrega un resultado num´erico de tipo flotante de la expresi´on
expr.
Ejemplo 2.5 Consideremos la sucesi´ on compleja definida por la f´ ormula
z
n
= x
n
+y
n
= sin
_
π
2
n
_
+i
_
1+
cos(nπ)
n
_
n
.
Verifiquemos que est´ a sucesi´ on no es convergente pero s´ı acotada.
(%i1) load(graph2d);
( %o1) C : /PROGRA 1/MAXIMA 1,0/share/maxima/5,24,0/share/contrib/graph2d.lisp
(%i2) xn: makelist([n,sin(n
*
%pi/2)], n, 1, 20);
(%i3) graph2d(xn);
( %o3) 0
(%i4) yn: makelist([n,(1+(1/n)
*
cos(n
*
%pi))ˆn], n, 1, 20), numer;
(%i5) graph2d(yn);
( %o5) 0
Figura 2.7 La sucesi ´ on (x
n
)
est´ a acotada inferiormente por
−1 y superiormente por 1.
line0
5 10 15 20
-1
-0.5
0
0.5
1
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.3 F´ ormula de Euler 37
Figura 2.8 La sucesi ´ on (y
n
)
est´ a acotada superiormente
por 3,0 e inferiormente por
0,0.
line0
5 10 15 20
0
0.4
0.8
1.2
1.6
2
2.4
En las Figuras 2.7 y 2.8 se han unido con rectas los puntos de los rangos de las sucesiones (x
n
) e (y
n
). Es
claro que
[x
n
[ ≤1,0, para todo n ∈ N,
[y
n
[ ≤3,0, para todo n ∈ N.
Entonces, conforme al Teorema 2.2, la sucesi´ on (z
n
) pos´ ee subsucesiones convergentes. Mostremos una de
ellas. Consideramos la subsucesi´ on definida mediante
n = 4k, k ∈ N,
es decir tomamos
z
n
k
= i
_
1+
1
4k
_
4k
k ∈ N.
Es claro que (z
n
k
)
k∈N
⊆C es convergente. Su l´ımite L ∈ C es:
(%i1) zn(k):= %i
*
(1+1/(4
*
k))ˆ(4
*
k);
( %o1) zn(k) := i
_
1+
1
4k
_
4k
(%i2) L: limit(zn(k),k,inf);
( %o2) ei
(%i3) L, numer;
( %o3) 2,718281828459045i
2.3. F´ ormula de Euler
La f´ ormula de Euler, provista en el siguiente teorema, es fundamental para el manejo de funciones
complejas pues simplifica muchos c´ alculos que de otra manera resultar´ıan engorrosos.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
38 2 An´ alisis complejo
Teorema 2.3 [F´ ormula de Euler]
Sea θ ∈ 1. La sucesi´ on (E
n
)
n∈N
⊂C, definida por la f´ ormula
E
n
=
n

k=0
(iθ)
k
k!
,
converge al n´ umero complejo definido como
e

≡cos(θ) +i sin(θ). (2.13)
La f´ ormula de Euler parece “m´ agica” pues prov´ ee una manera para calcular una potencia imaginaria de un
n´ umero real. ¿De d´ onde sale la F´ ormula de Euler? Por supuesto la respuesta estricta corresponde a probar
el Teorema. Una segunda alternativa, no estricta pero ´ util, radica en utilizar la expansi´ on de Taylor:
e
x
=


k=0
x
k
k!
,
que es v´ alida para x ∈ 1. Si aceptamos por el momento la validez de esta f´ ormula para n´ umeros complejos,
entonces mediante el reemplazo
x = iθ,
se obtiene
e

=


k=0
(−1)
k
θ
2k
(2k)!
+i


k=0
(−1)
k
θ
2k+1
(2k +1)!
que es justamente (2.13). En efecto, el estudiante recordar´ a que las series de Taylor - McClaurin de las
funciones coseno y seno son, respectivamente,
cos(x) =


k=0
(−1)
k
x
2k
(2k)!
,
sin(x) =


k=0
(−1)
k
x
2k+1
(2k +1)!
.
Tip 16.
La sentencia do se utiliza para realizar iteraciones. Una de las maneras de
utilizarla en un bucle for es mediante la sintaxis
for var: val.inicial step incremento thru limite do cuerpo
Tip 17.
El comando factorial permite calcular el factorial de un n´umero entero
no-negativo.
Tip 18.
La orden sum (f(r), r, r
0
, r
f
) calcula
r
f

r=r
0
f (r).
Ejemplo 2.6 Por la f´ ormula de Euler se tiene para z = e
i 5π/4
:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.3 F´ ormula de Euler 39
(%i1) t: 5
*
%pi/4;
( %o1) 3,926990816987241
(%i2) if numer#false then numer:false else numer:true;
( %o2) f alse
(%i3) z: %eˆ(t
*
%i);
( %o3) −0,70710678118655i −0,70710678118655
Comparemos z con algunas aproximaciones E
n
conforme al Teorema 2.3:
(%i4) for n:1 thru 36 step 7 do
print("E", n, "=", sum((%i
*
t)ˆk /factorial(k), k, 0, n), numer);
E1 = 3,926990816987241i +1
E8 =−1,241231126428202i −0,49260665647578
E15 =−0,70714055976349i −0,70725225507102
E22 =−0,70710677944946i −0,70710678147133
E29 =−0,70710678118655i −0,70710678118655
E36 =−0,70710678118655i −0,70710678118655
( %o4) done
Obs´ ervese que E
29
prov´ ee la misma precisi´ on que la f´ ormula de Euler implementada en Maxima.
2.3.1. Forma polar de un n´ umero complejo
Con ayuda de la f´ ormula de Euler se escribe la forma polar de un n´ umero complejo z = x +iy ,= 0:
z = r e

, (2.14)
donde
r =[z[, θ ∈ (−π, π]. (2.15)
Se dice que r y θ son el m´ odulo y el argumento de z, respectivamente.
Observaci ´ on 2.4 T´ engase presente que el argumento de un n´ umero complejo pertenece al intervalo
(−π, π] antes que a [0, 2π). La elecci´ on se debe exclusivamente a la convensi´ on con que se encontrar´ a el
lector en la mayor´ıa de textos.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
40 2 An´ alisis complejo
Figura 2.9 Relaci ´ on entre
las coordenadas rectangulares
(x, y) y polares (r, θ) de un
n´ umero complejo.
Tip 19.
El comando polarform transforma un n´umero complejo de forma cartesiana a forma
polar.
Ejemplo 2.7 Tranformemos un n´ umero complejo z de su forma rectangular a su forma polar y viceversa:
(%i1) z: a+%i
*
b;
( %o1) i b+a
(%i2) w: polarform(z);
( %o2)
_
b
2
+a
2
e
i atan2(b,a)
(%i3) rectform(w);
( %o3) i b+a
La siguiente notaci´ on se usar´ a de aqu´ı en adelante. Tome nota.
Notaci ´ on 2.1 Para un ´ angulo α ∈ 1, el valor ˆ α corresponde al ´ angulo en (−π, π] tal que
sin(α) = sin( ˆ α) y cos(α) = cos( ˆ α). (2.16)
Entonces ˆ α es el ´ angulo en (−π, π] que prov´ ee la misma direcci´ on que α ∈ 1.
Las f´ ormulas para multiplicaci´ on y divisi ´ on de polinomios son realmente simples en forma polar:
Teorema 2.4 [Multiplicaci ´ on en forma polar]
Dados los n´ umeros complejos z
1
= r
1
e

1
y z
2
= r
2
e

2
se tiene que
z
1
z
2
= r
1
r
2
e
i
¯

1

2
)
; (2.17)
z
1
z
2
=
r
1
r
2
e
i
¯

1
−θ
2
)
, z
2
,= 0. (2.18)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.3 F´ ormula de Euler 41
En particular, la multiplicaci ´ on de un complejo z por un factor de la forma e

representa una rotaci ´ on
de tama˜ no θ del vector z. Para futura referencia, tenga presente que
[e

[ = 1, para todo θ ∈ 1. (2.19)
Con ayuda de (2.17) se obtiene el siguiente corolario.
Corolario 2.1 [Potencia real de base compleja]
Dados z = re
θ
∈ C¸¦0¦ y β ∈ 1 se tiene que
z
β
= r
β
e
i
´
βθ
. (2.20)
2.3.2. Teorema Fundamental del
´
Algebra
“Este teorema es uno de los adelantos m´ as grandiosos de toda la matem´ atica y encuentra aplicaci´ on
en las m´ as diversas ramas de la ciencia... Todas sus demostraciones emplean las llamadas propiedades
topol´ ogicas de los n´ umeros reales y complejos - propiedades ligadas a la continuidad”, [Kur87]. Por con-
veniencia, presentamos aqu´ı este resultado y lo aplicamos. Una demostraci´ on se presenta m´ as adelante en
este cap´ıtulo como consecuencia de la f´ ormula integral de Cauchy, v´ ease el Corolario 2.12.
Teorema 2.5 [Teorema Fundamental del
´
Algebra]
Todo polinomio de cualesquiera coeficientes complejos, cuyo grado no sea menor que la unidad, tiene
por lo menos una ra´ız, generalmente compleja.
Es decir que para un polinomio p : C −→C definido por la f´ ormula
p(z) = a
0
+a
1
z
1
+... +a
n
z
n
,
donde n ∈ N, a
i
∈ C, i = 0, 1, ..., n, y a
n
,= 0, existe un z
0
∈ C que es soluci ´ on de la ecuaci ´ on
p(z) = 0, z ∈ C.
Tip 20.
La sintaxis solve(eqn, var) se puede usar para buscar soluciones anal´ıticas de la
ecuaci´on eqn en la variable var.
Tip 21.
El comando allroots sirve para buscar num´ericamente las raices de un polinomio.
Ejemplo 2.8 Consideramos el polinomio p : C →C definido por la f´ ormula
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
42 2 An´ alisis complejo
p(z) = z
3
−5z
2
+17z −15.
Calculemos algebraicamente las ra´ıces de p = p(z).
(%i1) p(z):= zˆ3-5
*
zˆ2+17
*
z-15;
( %o1) p(z) := z
3
−5z
2
+17z −15
(%i2) sol: solve(p(z)=0, z), rectform;
( %o2) [z =
_
_
_
_
_


3
_

763
3
3
2

55
27
_1
3
2

13
3
3
2
_

763
3
3
2

55
27
_1
3
_
_
_
_
_
i −
_

763
3
3
2

55
27
_1
3
2
+
13
9
_

763
3
3
2

55
27
_1
3
+
5
3
,
z =
_
_
_
_
_

3
_

763
3
3
2

55
27
_1
3
2
+
13
3
3
2
_

763
3
3
2

55
27
_1
3
_
_
_
_
_
i −
_

763
3
3
2

55
27
_1
3
2
+
13
9
_

763
3
3
2

55
27
_1
3
+
5
3
,
z =
_

763
3
3
2

55
27
_1
3

26
9
_

763
3
3
2

55
27
_1
3
+
5
3
]
Calculemos num´ ericamente las ra´ıces de p = p(z):
(%i3) nsol: allroots(p(z));
( %o3) [z = 1,207734257895888,
z = 2,970628028470036i +1,896132871052056,
z = 1,896132871052056−2,970628028470036i]
Para verificar num´ ericamente si en el objeto nsol est´ an almacenadas realmente buenas aproximaciones
z
1
, z
2
, z
3
de las ra´ıces de p(z) deber´ıa tenerse que
p(z
i
) ≈0, i = 1, 2, 3.
(%i4) for i:1 thru length(nsol) do
print("i=",i,"; |p(zi)|=", ev(abs(p(z)),nsol[i],expand));
i = 1; [p(zi)[ = 1,776356839400250510
−15
i = 2; [p(zi)[ = 1,421085471520200410
−14
i = 3; [p(zi)[ = 1,421085471520200410
−14
( %o4) done
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.3 F´ ormula de Euler 43
Obs´ erves que para las tres soluciones num´ ericas, la distancia a cero es menor a 1,3∗10
−14
.
2.3.3. Ra´ıces de la unidad
Consideremos para cada n ∈ N el polinomio p
n
: C −→C definido por la f´ ormula
p
n
(z) = z
n
−1.
Hallar los ceros de p
n
corresponde a hallar las ra´ıces n-´ esimas de la unidad. Gracias al Teorema Fundamental
del
´
Algebra se puede probar que existen n n´ umeros complejos distintos z
k
, k = 0, 1, 2, ..., n−1, tales que
(z
k
)
n
= 1.
Si denotamos por z
0
= 1, la soluci´ on obvia, nos encontramos con que en el plano complejo hay n −1
ra´ıces adicionales de la unidad. ¿C´ omo hallarlas?
Supongamos que z = re

verifica p
n
(z) = 0. se tiene entonces que
r
n
e

= 1,
de manera que r = 1 y
θ ∈
_
2πk
n
: k = 0, 1, ..., n−1
_
.
Se tiene entonces el siguiente teorema.
Corolario 2.2 [Ra´ıces de la unidad]
Sea n ∈ N. Las n raices n-´ esimas de la unidad son
z
k
= e
2πk
n
i
, k = 0, 1, ..., n−1. (2.21)
Ejemplo 2.9 Calculemos las 7 ra´ıces s´ eptimas de la unidad:
(%i1) ec: zˆ7 - 1 = 0;
( %o1) z
7
−1 = 0
(%i2) solve(ec, z);
( %o2) [z = e
2i π
7
, z = e
4i π
7
, z = e
6i π
7
, z = e

6i π
7
, z = e

4i π
7
, z = e

2i π
7
, z = 1]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
44 2 An´ alisis complejo
2.4. L´ımites y Continuidad de funciones complejas
La forma de definir los conceptos de l´ımite y continuidad para funciones de variable compleja es similar
a sus contrapartes para funciones reales.
Definici ´ on 2.11 [L´ımite de una funci´ on compleja]
Sup´ ongase que una funci´ on compleja f est´ a definida en B(z
0
; r) ¸¦z
0
¦. Se dice que L ∈ C es el l´ımite
de f cuando z tiende a z
0
, denotado
L = l´ım
z→z
0
f (z), (2.22)
si para todo ε > 0, existe δ > 0 tal que
[z −z
0
[ < δ =⇒ [ f (z) −L[ < ε.
Para asegurar la existencia del l´ımite de una funci´ on real basta con probar que los l´ımites laterales por la
izquierda y por la derecha coinciden. Este criterio no tiene an´ alogo al tratar con funciones complejas pues
en (2.22) existen infinitas maneras de acercamiento de z a z
0
.
El c´ alculo de l´ımites de funciones mediante sucesiones es v´ alido para funciones complejas. Ese es el
contenido de la siguiente proposici´ on.
Proposici ´ on 2.4 [C´ alculo de un l´ımite via sucesiones]
Sup´ ongase que una funci´ on compleja f est´ a definida en B(z
0
; r) ¸¦z
0
¦. Se tiene que l´ım
z→z
0
f (z) = L ∈ C
si y s´ olo si para toda sucesi´ on (z
n
)
n∈N
⊆B(z
0
; r) ¸¦z
0
¦ tal que l´ım
n→∞
z
n
= z
0
se cumple que
l´ım
n→∞
f (z
n
) = L.
Abordamos ahora el concepto de continuidad.
Definici ´ on 2.12 [Continuidad]
Sea f : Ω ⊆C −→C. Sup´ ongase que B(z
0
; r) ⊆Ω. Se dice que f es continua en z
0
si se cumple que
f (z
0
) = l´ım
z→z
0
f (z). (2.23)
Se dice que f es continua en Ω, denotado f ∈C(Ω), si es continua en todo z ∈ Ω.
Tip 22.
La orden limit(expr, var, val) calcula el l´ımite de la expresi´on expr cuando la
variable var tiende al valor val.
Es importante tomar nota de que el conjunto de las funciones continuas en Ω ⊆Ces un espacio vectorial
con las operaciones de suma de funciones y de multiplicaci´ on de escalar por funci ´ on.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.5 Derivabilidad 45
Ejemplo 2.10 Sean a, b ∈ 1. Consideramos la funci´ on
f (z) =
_
z
3
+(1−i)z
2
+(3−i)z−3i
z−i
, si z ∈ C¸¦i¦,
a+ib, si z = i.
Se tiene que
(%i1) f(z):= (zˆ3+(1-%i)
*
zˆ2+(3-%i)
*
z-3
*
%i)/(z-%i);
( %o1) f (z) :=
z
3
+(1−i) z
2
+(3−i) z +(−3) i
z −i
(%i2) limit(f(z), z, %i);
( %o2) i +2
de manera que
l´ım
z→i
f (z) = 2+i.
Por tanto, f es continua en C ssi
a = 2 ∧ b = 1.
Observaci ´ on 2.5 Puesto que toda funci´ on compleja f = f (z), z = x +iy, se puede escribir como
f = u+iv, (2.24)
donde u = u(x, y) y v = v(x, y) son funciones de 1
2
en 1, los conceptos de l´ımite y continuidad se pueden
establecer con ayuda de la notaci´ on (2.24). En particular, f es continua en z
0
= x
0
+iy
0
si tanto u = u(x, y)
como v = v(x, y) son continuas en (x
0
, y
0
).
2.5. Derivabilidad
El concepto de derivabilidad para funciones complejas se define de manera similar a la derivabilidad de
funciones reales.
Definici ´ on 2.13 [Derivabilidad]
Sea f : Ω ⊆C−→C. Sup´ ongase que B(z
0
; r) ⊆Ω. Se dice que f es derivable en z
0
, si existe el l´ımite
f
/
(z
0
) = l´ım
z→z
0
f (z) − f (z
0
)
z −z
0
. (2.25)
Se dice que f es holomorfa en Ω, denotado f ∈ H(Ω), si es derivable en todo z ∈ Ω.
Debe tenerse presente que H(Ω) es un espacio vectorial. Adicionalmente, el producto de funciones
holomorfas es holomorfa lo cual transforma a (H(Ω), +, ) en un ´ algebra.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
46 2 An´ alisis complejo
2.5.1. Condiciones de Cauchy - Riemann
Para verificar si una funci´ on es derivable en un punto, es inc´ omodo utilizar la f´ ormula (2.25). En el
siguiente teorema se establecen condiciones necesarias y suficientes para la derivabilidad de una funci ´ on
compleja en un punto.
Teorema 2.6 [Condiciones C-R]
Sean Ω ⊆ C un conjunto abierto y f = u +iv : Ω ⊆ C −→C tal que B(z
0
; r) ⊆ Ω. Entonces f es
derivable en z
0
= x
0
+iy
0
si y s´ olo si se cumplen las condiciones de Cauchy - Riemann:
_
¸
_
¸
_
∂u
∂x
(x
0
, y
0
) =
∂v
∂y
(x
0
, y
0
);
∂u
∂y
(x
0
, y
0
) =−
∂v
∂x
(x
0
, y
0
).
(2.26)
Como consecuencia se tiene una f´ ormula para el c´ alculo de la derivada:
Corolario 2.3 Bajo las condiciones del Teorema 2.6 se tiene que
f
/
(z
0
) =
∂u
∂x
(x
0
, y
0
) +i
∂v
∂x
(x
0
, y
0
). (2.27)
Tip 23.
La orden diff(expr, var, k) calcula la derivada de orden k de expr con respecto a var.
Ejemplo 2.11 Definimos una funci´ on f : C →C mediante
f (z) = e
−x
cos(y) −i e
−x
sin(y), z = x +iy.
Las partes real e imaginaria de f = f (z) son
(%i1) u(x,y):= %eˆ(-x)
*
cos(y);
v(x,y):= -%eˆ(-x)
*
sin(y);
( %o1) u(x, y) := e
−x
cos(y)
( %o2) v(x, y) :=
_
−e
−x
_
sin(y)
Se cumplen las condiciones C-R en C:
(%i3) Ux: diff(u(x,y),x);
( %o3) −e
−x
cos(y)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.5 Derivabilidad 47
(%i4) Uy: diff(u(x,y),y);
( %o4) −e
−x
sin(y)
(%i5) Vx: diff(v(x,y),x);
( %o5) e
−x
sin(y)
(%i6) Vy: diff(v(x,y),y);
( %o6) −e
−x
cos(y)
Usamos (2.27) para calcular la derivada de f :
(%i7) Ux+%i
*
Vx;
( %o7) i e
−x
sin(y) −e
−x
cos(y)
de manera que
f
/
(z) =−e
−x
cos(y) +i e
−x
sin(y).
En la siguiente secci ´ on encontraremos que las reglas de derivaci ´ on para funciones reales siguen siendo
v´ alidas para funciones complejas. Antes de pasarles revista, notamos una diferencia sustancial entre funcio-
nes diferenciables reales y complejas, que ser´ a establecido formalmente en el Teorema 2.19: si f ∈ H(Ω),
entonces
f
(k)
∈ H(Ω), para todo k ∈ N.
El lector recordar´ a que una funci´ on real puede tener derivadas hasta de orden k ∈ N pero no de orden
k +1. El Teorema 2.19 establecer´ a entonces que para funciones complejas basta demostrar que la funci´ on
es derivable para concluir que de hecho es infinitamente derivable.
2.5.2. Reglas de derivaci ´ on
La derivada cumple con las mismas propiedades que para funciones reales. Entonces, en la pr´ actica, una
vez que se conoce la derivabilidad de una funci ´ on f = f (z) se aplica la f´ ormula
f
/
(z) =
∂ f
∂z
(z).
Esto es, simplemente, se respetan las normas de derivaci´ on y se procede como cuando se deriva una funci ´ on
real. La justificaci´ on de esta regla se presenta como un ejercicio, al final del cap´ıtulo. Cuando haya una
excepci ´ on, se mencionar´ a expl´ıcitamente.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
48 2 An´ alisis complejo
Tip 24.
La orden depends(var1, var2) indica a Maxima que hay una relaci´on funcional de
var1 en dependencia de var2.
Tip 25.
Las ´ordenes ratsimp(expr) y expr, ratsimp; indican a Maxima que debe realizar una
simplificaci´on racional en la expresi´on expr.
Consideremos la f´ ormula para la derivada del cociente de dos funciones:
(%i1) depends(f,z);
depends(g,z);
( %o1) [f (z)]
( %o2) [g(z)]
(%i3) diff(f(z)/g(z), z), ratsimp;
( %o3) −
f (z)
_
d
d z
g(z)
_
−g(z)
_
d
d z
f (z)
_
g(z)
2
Este resultado y otros se resumen en el siguiente teorema.
Teorema 2.7 [Reglas de derivaci ´ on]
Sea c ∈ C una constante y sean f y g dos funciones complejas con el mismo dominio Ω. Se tiene para
z ∈ Ω que
1) (c)
/
= 0;
2) (z)
/
= 1;
3) ( f +g)
/
(z) = f
/
(z) +v
/
(z);
4) (c f )
/
(z) = c f
/
(z);
5) ( f g)
/
(z) = f
/
(z) g(x) + f (x) g
/
(z);
6)
_
f
g
_
/
(z) =
f
/
(z)g(z) − f (z)g
/
(z)
g
2
(z)
, si g(z) ,= 0;
7)
_
1
g
_
/
(z) =−
g
/
(z)
g
2
(z)
, si g(z) ,= 0.
8) (z
n
)
/
= nz
n−1
, cuando n ∈ N.
Asimismo es v´ alida la regla de la cadena.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.5 Derivabilidad 49
Teorema 2.8 [Regla de la Cadena]
Consideremos las funciones complejas
g : dom(g) −→C
z −→u = g(z),
f : dom( f ) −→C
u −→w = f (u).
Supongamos que g es derivable en z
0
∈ B(z
0
; r
1
) ⊆ dom(g) y que f es derivable en u
0
= g(z
0
) ∈
B(u
0
; r
2
) ⊆dom( f ). Entonces,
( f ◦g)
/
(z
0
) = f
/
(g(z
0
)) g
/
(z
0
). (2.28)
Denotando W = f ◦g, la ´ ultima f´ ormula se puede poner en la forma intuitiva:
dW
dz
(z
0
) =
dw
du
(u
0
)
du
dz
(z
0
).
Ejemplo 2.12 Calculemos las derivadas de orden 1 y 2 de la funci´ on definida por la f´ ormula
(%i1) f(z):= (zˆ2 - 5)/(zˆ3-2
*
z+1);
( %o1) f (z) :=
z
2
−5
z
3
−2z +1
Se tiene que
(%i2) diff(f(z), z), ratsimp;
( %o2) −
z
4
−13z
2
−2z +10
z
6
−4z
4
+2z
3
+4z
2
−4z +1
(%i3) diff(f(z), z, 2), ratsimp;
( %o3)
2z
6
−48z
4
−14z
3
+60z
2
+30z −38
z
9
−6z
7
+3z
6
+12z
5
−12z
4
−5z
3
+12z
2
−6z +1
2.5.3. Primitivas o antiderivadas
El concepto de primitiva o antiderivada de una funci ´ on compleja se define de la misma manera que para
funciones reales:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
50 2 An´ alisis complejo
Definici ´ on 2.14 [Primitiva de una funci ´ on compleja]
Sean f y F dos funciones complejas con dominio Ω ⊆ C. Se dice que F es una primitiva de f si se
cumple que F
/
= f . Es decir, F es una primitiva de f si
F
/
(z) = f (z), para todo z ∈ Ω.
Al igual que con la funciones reales, cuando una funci ´ on compleja tiene una primitiva, de hecho tiene
infinitas primitivas. Esto queda establecido en el siguiente teorema.
Teorema 2.9 Sean f , F y G funciones complejas con dominio Ω ⊆ C. Si F y G son primitivas de f ,
entonces existe una constante η ∈ C tal que F = G+η, es decir,
F(z) = G(z) +η, para todo z ∈ Ω.
El siguiente teorema establece que todas las funciones holomorfas tienen primitiva.
Teorema 2.10 [Existencia de primitivas]
Sea Ω ⊆C un dominio y sea f ∈ H(Ω). Entonces existe una funci´ on compleja F tal que
F
/
(z) = f (z), para todo z ∈ Ω.
Recuerde que una funic´ on real continua siempre tiene una primitiva; por otro lado, existen funciones
complejas continuas que no tienen primitiva.
Tip 26.
La orden integrate(f(w), w) calcula una primitiva de f .
Ejemplo 2.13 Consideramos la funci´ on compleja f = f (z) definida por la f´ ormula
(%i1) f(z):= zˆ3-4
*
zˆ2+1;
( %o1) f (z) := z
3
−4z
2
+1
Puesto que
(%i2) integrate(f(z), z);
( %o2)
z
4
4

4z
3
3
+z
se tiene que
F(z) =
z
4
4

4z
3
3
+z +c
representa la familia uniparam´ etrica de primitivas de f .
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.5 Derivabilidad 51
2.5.4. Curvas y dominios
En esta secci ´ on introducimos el concepto de dominio complejo, indispensable para establecer muchos
herramientas para el an´ alisis de funciones holomorfas.
La variable t en la siguiente definici´ on se identifica usualmente con el tiempo, de manera que (2.29)
podr´ıa interpretarse como el modelo matem´ atico para el movimiento de una part´ıcula puntual en el plano.
Definici ´ on 2.15 [Curva en C]
Llamamos curva en el plano complejo a toda funci´ on continua
γ : [a, b] −→C (2.29)
t −→γ(t).
Se dice que Γ ⊆C es el camino definido por la curva γ si
Γ = γ([a, b]).
En este caso se dice que γ es una parametrizaci ´ on de Γ.
Es f´ acil constatar que un mismo camino tiene m´ ultiples parametrizaciones.
Ejemplo 2.14 [Parametrizaci ´ on de la circunferencia]
Si Γ representa la circunferencia de radio R > 0 centrada en el punto z
0
= x
0
+i y
0
y recorrida en sentido
antihorario, entonces las siguientes curvas son parametrizaciones de Γ:
γ
1
(t) = z
0
+Re
it
, t ∈ [0, 2π],
γ
2
(t) = z
0
+Re
2πit
, t ∈ [0, 1].
Se dice que la curva γ definida en (2.29) es
1) cerrada si se cumple que
γ(a) = γ(b), (2.30)
es decir, una curva es cerrada si las posiciones inicial y final coinciden;
2) de clase C
k
si las derivadas hasta orden k ∈ N existen y son continuas;
3) suave o de clase C

si es de clase C
k
para todo k ∈ N.
Tip 27.
Los comandos plot2d y wxplot2d permiten crear gr´aficas bidimensionales. En
particular, permiten graficar curvas param´etricas.
Ejemplo 2.15 Grafiquemos la curva
γ(t) =t e
it
, t ∈ [0, 15]. (2.31)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
52 2 An´ alisis complejo
(%i1) plot2d([’parametric, t
*
cos(t), t
*
sin(t),
[t,0,15], [nticks, 300]]);
Figura 2.10 La curva (2.31)
es una parametrizaci´ on de una
espiral.
.
Gracias al concepto de curva se puede introducir el concepto de conexidad por arcos.
Definici ´ on 2.16 [Conexidad por arcos]
Se dice que una regi´ on Ω ⊆C es conexa por arcos (o por caminos) si para cualesquiera z
1
, z
2
∈ Ω se
puede hallar una curva γ : [a, b] −→C con rango incluido en Ω y tal que
γ(a) = z
1
, γ(b) = z
2
.
Figura 2.11 Una regi ´ on
es conexa por arcos (o por
caminos) si dos puntos en
ella pueden unirse mediante
una curva continua. Fuente:
Enciclopedia Libre Universal
http://enciclopedia.us.es/.
Definici ´ on 2.17 Se dice que Ω ⊆ C es un dominio complejo (o simplemente dominio) si es un con-
junto abierto y conexo por arcos.
Observaci ´ on 2.6 Habitualmente se define dominio como un conjunto que es abierto y conexo. El concepto
de conexidad por arcos es m´ as restringido que el de conexidad pero para nuestros prop´ ositos la Definici´ on
2.17 es suficiente.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.6 Series de potencias 53
Como una primera aplicaci´ on del concepto de conexidad por arcos, tenemos el siguiente resultado que a
grosso modo establece que una funci ´ on con derivada nula en una regi ´ on de C es constante en tal regi ´ on.
Teorema 2.11 [Funciones con derivada nula]
Sean ω ⊆C un dominio y f : Ω −→C una funci´ on compleja tal que
1) Ω ⊇ω;
2) f
/
(z) = 0, para todo z ∈ ω.
Entonces existe una constante c ∈ C tal que
f (z) = c, para todo z ∈ ω.
2.6. Series de potencias
Sea (c
k
)
k∈N
⊆ C una sucesi ´ on de coeficientes y sea a ∈ C un centro. Consideremos la sucesi ´ on de
sumas parciales (S
n
)
n∈N
definida mediante la f´ ormula
S
n
(z) =
n

k=0
c
k
(z −a)
k
. (2.32)
Obs´ ervese que para cada n ∈ N, S
n
es un polinomio complejo.
Nos interesa saber si es posible pasar al l´ımite cuando n tiende a ∞ en (2.32) y para qu´ e valores de z tiene
sentido este paso al l´ımite. Una vez que se tiene esta informaci´ on, estaremos en condiciones de definir una
funci ´ on mediante la f´ ormula
S(z) =


k=0
c
k
(z −a)
k
. (2.33)
A (2.33) se le conoce como la serie de potencias centrada en a y con coeficientes c
k
. Para ello es funda-
mental el concepto de radio de convergencia.
Definici ´ on 2.18 [Radio de convergencia]
Se define el radio de convergencia de la serie (2.33), denotado ρ(S) ∈ [0; ∞], como
ρ(S) =
1
l´ım
k→∞
k
_
[c
k
[
. (2.34)
Se denotar´ a ρ en lugar de ρ(S)si no hay peligro de confusi´ on. Muchas veces es posible calcular el radio de
convergencia con la f´ ormula
1
ρ(S)
= l´ım
k→∞
¸
¸
¸
¸
c
k+1
c
k
¸
¸
¸
¸
. (2.35)
Observaci ´ on 2.7 Estrictamente, en la f´ ormula (2.34) deber´ıa cambiarse l´ım por l´ıminf, el l´ımite inferior.
Nuestra elecci´ on se debe al hecho de que habitualmente no se ve el concepto de l´ımite inferior en los
cursos de matem´ aticas para Ingenier´ıa. El lector interesado puede consultar e.g. [Ros80] y [Kre89].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
54 2 An´ alisis complejo
Observaci ´ on 2.8 Para el c´ alculo del radio de convergencia s´ olo intervienen los coeficientes c
k
por lo que
las f´ ormulas (2.34) y (2.35) son insensibles a traslaciones, es decir, no influye la elecci´ on del centro de la
serie.
El siguiente teorema da una respuesta a nuestra inquietud sobre la posibilidad de pasar al l´ımite cuando
n tiende a infinito en (2.32).
Teorema 2.12 [Convergencia de series]
Consid´ erese la serie (2.33) y su radio de convergencia (2.34). Entonces,
1) Si [z −a[ < ρ, la sucesi´ on (S
n
(z))
n∈N
es convergente. En este caso, S ∈ H(B(a; ρ)) y se tiene que
S
/
(z) =


k=1
k c
k
(z −a)
k−1
. (2.36)
2) Si [z −a[ < ρ, la sucesi´ on (S
n
(z))
n∈N
es divergente.
La relaci´ on (2.36) extiende a sumas infinitas la regla de que “la derivada de una suma es la suma de
las derivadas”. El teorema anterior no dice nada cuando [z −a[ = ρ. Cada caso tiene que ser analizado
independientemente.
Tip 28.
La orden taylor(g(x),x,a,n) permite calcular la serie de taylor de g = g(x) en torno
al punto x
0
= a visualizando los t´erminos hasta el orden n.
Observaci ´ on 2.9 El lector recordar´ a que bajo ciertas condiciones una funci´ on real f = f (x) se puede
expandir en su serie de Taylor-McClaurin:
f (x) =


k=0
c
k
(x −x
0
)
k
,
donde
c
k
= f
(k)
(x
0
)/k!.
El polinomio de Taylor de grado n es
p
n
(x) =
n

k=0
c
k
(x −x
0
)
k
,
de manera que
c
k+1
c
k
= l´ım
x→∞
p
k+1
(x)
x p
k
(x)
(2.37)
Ejemplo 2.16 Consideremos la funci´ on compleja definida por la f´ ormula
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.6 Series de potencias 55
(%i1) f(z):=1/(1-z-zˆ2);
( %o1) f (z) :=
1
1−z −z
2
Para obtener una serie asociada a esta funci´ on, supondremos que la expansi´ on de Taylor-McClaurin es
v´ alida para f (z). En el Teorema 2.20 estableceremos condiciones bajo las cuales una funci´ on compleja se
puede expandir en una serie de Taylor. Cuando n = 6 se tiene
(%i2) S6: taylor(f(z),z,0,6);
( %o2)/T/ 1+z +2z
2
+3z
3
+5z
4
+8z
5
+13z
6
+...
Luego utilizamos (2.37) para estimar el radio de convergencia aprovechando la f´ ormula (2.35):
(%i3) A: taylor(f(z),z,0,25);
B: z
*
taylor(f(z),z,0,24);
(%i5) 1/limit(A/B, z, inf), numer;
( %o5) 0,61803398878024
De manera que
ρ ≈0,61803398878024
es el radio de convergencia de la serie
S(z) = 1+z +2z
2
+3z
3
+5z
4
+8z
5
+13z
6
+21z
7
+34z
8
+55z
9
+89z
10
+...
Finalmente comparamos el valor de f (z) con el valor de S
6
(z) cuando z est´ a en las cercan´ıas de 0.
(%i6) if numer#false then numer:false else numer:true;
( %o6) true
(%i7) h: 0.02;
( %o7) 0,02
(%i8) for i:0 thru 10 do
print("z=",h
*
i,"; ", "f(z)=", f(h
*
i),";", "S6(",h
*
i,")=",
ev(S6,z=h
*
i,expand),";","er=",
100
*
abs((f(h
*
i) - ev(S6,z=h
*
i,expand))/f(h
*
i)));
z = 0; f (z) = 1; S6(0) = 1; er = 0
z = 0,02; f (z) = 1,02082482645978; S6(0,02) = 1,020824826432; er = 2,72128534817284210
−9
z = 0,04; f (z) = 1,043405676126878; S6(0,04) = 1,043405672448; er = 3,525836762463541210
−7
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
56 2 An´ alisis complejo
z = 0,06; f (z) = 1,067919692439129; S6(0,06) = 1,067919627328; er = 6,097006092486976910
−6
z = 0,08; f (z) = 1,094570928196147; S6(0,08) = 1,094570422272; er = 4,622123007180789510
−5
z = 0,1; f (z) = 1,123595505617978; S6(0,1) = 1,123593; er = 2,230000000014164810
−4
z = 0,12; f (z) = 1,155268022181146; S6(0,12) = 1,155258683392; er = 8,08365588477428810
−4
z = 0,14; f (z) = 1,189909566872918; S6(0,14) = 1,189880943168; er = 0,0024055361612776
z = 0,16; f (z) = 1,227897838899803; S6(0,16) = 1,227821764608; er = 0,0061954903244641
z = 0,18; f (z) = 1,269680040629761; S6(0,18) = 1,269498613312; er = 0,014289215546887
z = 0,2; f (z) = 1,315789473684211; S6(0,2) = 1,315392; er = 0,030207999999998
( %o8) done
Aqu´ı la ´ ultima columna calcula el error relativo (en porcentaje) cometido al aproximar el valor f (z) con
S
6
(z). El error relativo se calcula mediante la f´ ormula
e
r
=
¸
¸
¸
¸
valor real −valor aproximado
valor real
¸
¸
¸
¸
100.
Observe que para z = 0,2 el error relativo es del 0,03% aproximadamente.
2.6.1. Funci ´ on exponencial
Consideremos la serie


k=0
1
k!
z
k
. Usando la f´ ormula (2.35) se encuentra que el radio de convergencia es
∞. Podemos entonces definir
exp : C −→C (2.38)
z −→exp(z) =


k=0
1
k!
z
k
.
A esta funci ´ on se le conoce como funci ´ on exponencial; sus propiedades se resumen en el siguiente
Teorema 2.13 [Funci ´ on exponencial]
La funci´ on exponencial es holomorfa en C. Adicionalmente se cumple que
exp(z) = e
z
= e
x
e
iy
, para z = x +iy; (2.39)
exp(z +w) = exp(z) exp(w), para todo z, w ∈ C. (2.40)
Observaci ´ on 2.10 La elecci´ on de la serie que aparece en (2.38) no es arbitraria. El lector puede verificar
que corresponde a la serie de Taylor-McClaurin de la funci´ on exponencial (de variable real).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.6 Series de potencias 57
2.6.2. Funciones hiperb´ olicas
Las funciones hiperb´ olicas complejas se definen de manera natural.
Definici ´ on 2.19 [Funciones hiperb´ olicas]
Se definen las funciones seno hiperb´ olico, sinh : C −→C, y coseno hiperb´ olico, cosh : C −→C,
mediante las f´ ormulas
cosh(z) =
e
z
+e
−z
2
; sinh(z) =
e
z
−e
−z
2
. (2.41)
Algunas propiedades de la funciones hiperb´ olicas se resumen en la siguiente proposici´ on.
Proposici ´ on 2.5 [Propiedades de las funciones hiperb´ olicas (I)]
Las funciones cosh y sinh son holomorfas en C. Para z = x +iy ∈ C se tiene
cosh(z) = cosh(x)cos(y) +i sinh(x)sin(y); (2.42)
sinh(z) = sinh(x)cos(y) +i cosh(x)sin(y). (2.43)
Por (2.42) y (2.43) se tiene que
cosh(z) = 0 ⇐⇒ z = i
_
π
2
+kπ
_
; (2.44)
sinh(z) = 0 ⇐⇒ z = ikπ; (2.45)
donde k ∈ Z.
Observaci ´ on 2.11 Recuerde que la funci´ on coseno hiperb´ olico de variable real no tiene ra´ıces y que la
funci´ on seno hiperb´ olico de variable real tiene una ´ unica ra´ız en x = 0.
Gracias al ´ ultimo resultado se puede definir la funci´ on tangente hiperb´ olica, tanh, sobre el conjunto

_
z = i
_
π
2
+kπ
_
: k ∈ Z
_
mediante la f´ ormula
tanh(z) =
sinh(z)
cosh(z)
. (2.46)
En la siguiente proposici´ on se presentan algunas propiedades adicionales de las funciones hiperb´ olicas.
Proposici ´ on 2.6 [Propiedades de las funciones hiperb´ olicas (II)]
Sea z ∈ C. Se cumple que
1) cosh(−z) = cosh(z);
2) sinh(−z) =−sinh(z);
3) cosh
/
(z) = sinh(z);
4) sinh
/
(z) = cosh(z);
5) cosh
2
(z) −sinh
2
(z) = 1.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
58 2 An´ alisis complejo
Tip 29.
En m´axima la funci´on exponencial se representa con exp en tanto que para las
funciones hiperb´olicas se usan sinh, cosh y tanh.
Ejemplo 2.17 Dado z = 3+4i se tiene que
(%i1) z: 3+4
*
%i;
( %o1) 4i +3
(%i2) cosh(z);
( %o2) −7,581552742746545i −6,580663040551157
(%i3) sinh(z);
( %o3) −7,61923172032141i −6,548120040911003
(%i4) tanh(z);
( %o4) 0,004908258067496i +1,000709536067233
(%i5) exp(z);
( %o5) −15,20078446306795i −13,12878308146216
2.6.3. Funciones trigonom´ etricas
Para la definici´ on de las funciones trigonom´ etricas de variable compleja nos valemos de la serie de Taylor
- McClaurin conocida para sus contrapartes de variable real.
Definici ´ on 2.20 [Coseno en C]
Se define la funci ´ on coseno, cos : C −→C, mediante la f´ ormula
cos(z) =


k=0
(−1)
k
(2k)!
z
2k
= 1−
z
2
2!
+
z
4
4!

z
6
6!
+
z
8
8!
−... (2.47)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.6 Series de potencias 59
Definici ´ on 2.21 [Seno en C]
Se define la funci ´ on seno, sin : C −→C, mediante la f´ ormula
sin(z) =


k=0
(−1)
k
(2k +1)!
z
2k+1
= z −
z
3
3!
+
z
5
5!

z
7
7!
+
z
9
9!
−... (2.48)
Mediante (2.34) el lector puede verificar por s´ı mismo que tanto en (2.47) como en (2.48) el radio de
convergencia es ∞.
Proposici ´ on 2.7 [Propiedades de las funciones trigonom´ etricas (I)]
Las funciones sin y cos son holomorfas en C. Adicionalmente se tiene que
sin(z) = cosh(y)sin(x) +i cos(x)sinh(y); (2.49)
cos(z) = cosh(y)cos(x) −i sinh(y)sin(x). (2.50)
Por (2.49) y (2.50) se sigue que
cos(z) = 0 ⇐⇒ z =
_
π
2
+kπ
_
; (2.51)
sin(z) = 0 ⇐⇒ z = kπ; (2.52)
donde k ∈ Z.
Gracias a este resultado se puede definir la funci´ on tangente, tan, sobre el conjunto

_
z =
_
π
2
+kπ
_
: k ∈ Z
_
mediante la f´ ormula
tan(z) =
sin(z)
cos(z)
. (2.53)
En la siguiente proposici´ on se presentan algunas propiedades adicionales de las funciones trigonom´ etri-
cas.
Proposici ´ on 2.8 [Propiedades de las funciones trigonom´ etricas (II)]
Sea z ∈ C. Se cumple que
1) cos(−z) = cos(z);
2) sin(−z) =−sin(z);
3) cos
/
(z) =−sin(z);
4) sin
/
(z) = cos(z);
5) cos
2
(z) +sin
2
(z) = 1;
6) sin(z) = sin(z).
Ejemplo 2.18 Dado z = 3+4i se tiene que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
60 2 An´ alisis complejo
(%i1) z: 3+4
*
%i;
( %o1) 4i +3
(%i2) cos(z);
( %o2) −3,851153334811778i −27,03494560307422
(%i3) sin(z);
( %o3) 3,853738037919377−27,01681325800393i
(%i4) tan(z);
( %o4) 0,99935598738147i −1,873462046294784510
−4
Como lo establece la siguiente proposici ´ on, las funciones trigonom´ etricas e hiperb´ olicas est´ an relacio-
nadas.
Proposici ´ on 2.9 [Relaci ´ on entre funciones hiperb´ olicas y trigonom´ etricas]
Para z ∈ C se tiene que
sin(iz) = i sinh(z); (2.54)
cosh(iz) = cos(z). (2.55)
2.6.4. Funci ´ on logar´ıtmica
Para definir la funci ´ on logar´ıtmica de variable compleja buscamos que se cumplan las siguientes propie-
dades b´ asicas:
ln(e
z
) = z, para todo z ∈ C, (2.56)
e
ln(z)
= z, para todo z ∈ C¸¦0¦, (2.57)
es decir, buscamos definir el proceso inverso a la exponenciaci ´ on.
Definici ´ on 2.22 [Funci ´ on logar´ıtmica en C]
La funci´ on logar´ıtmica, ln : C¸¦0¦ −→C est´ a dada por
ln(z) = ln(r) +iθ, (2.58)
z = re

,
donde r > 0 y θ ∈ (−π, π].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.6 Series de potencias 61
Se tiene entonces la siguiente
Proposici ´ on 2.10 La funci´ on logar´ıtmica es holomorfa en C¸ (−∞, 0]; se cumplen las propiedades
(2.56) y (2.56). Adicionalmente, para z ∈ C¸(−∞, 0] se tiene que
ln
/
(z) =
1
z
. (2.59)
Tip 30.
En Maxima, el comando log representa la funci´on logar´ıtmica. El comando carg
calcula el argumento de un n´umero complejo en (−π, π].
Ejemplo 2.19 Dado z = 3−4i buscamos calcular w = ln(z).
(%i1) z: 3-4
*
%i;
(%o1) 3−4i
(%i2) w1: log(z), numer;
(%o2) 1,6094379124341−0,92729521800161i
Aplicamos ahora (2.58):
(%i3) t: carg(z), numer;
(%o3) −0,92729521800161
(%i4) r: abs(z);
(%o4) 5
(%i5) w2: log(r)+%i
*
t, numer;
(%o5) 1,6094379124341−0,92729521800161i
Recu´ erdese que para dos n´ umeros reales positivos x e y se tiene que
ln(x y) = ln(x) +ln(y).
Esta f´ ormula no es v´ alida para el logaritmo complejo; la f´ ormula para el logaritmo complejo de un producto
est´ a dada en la siguiente proposici´ on.
Proposici ´ on 2.11 Dados los n´ umeros complejos z
1
= r
1
e

1
y z
2
= r
2
e

2
, diferentes de 0, se tiene que
ln(z
1
z
2
) = ln(r
1
) +ln(r
2
) +i
¯

1

2
). (2.60)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
62 2 An´ alisis complejo
Logaritmos y exponenciales en base compleja
Podemos ahora definir la funci ´ on exponencial en base w ∈ C¸¦0¦, denotada exp
w
: C −→C, mediante
la f´ ormula
exp
w
(z) = w
z
= e
zln(w)
. (2.61)
La funci ´ on logar´ıtmica en base w ∈ C¸ ¦0, 1¦, denotada log
w
: C¸ ¦0¦ →C, est´ a definida mediante la
f´ ormula
log
w
(z) =
ln(z)
ln(w)
. (2.62)
Tip 31.
Maxima no tiene definidas las funciones exponencial y logar´ıtmica para una base
distinta de e. Cuando lo requiera, deber´a usar (2.61) y (2.62).
No es dif´ıcil verificar que, dado w ∈ C¸¦0, 1¦, se cumplen las siguientes propiedades:
log
w
(w
z
) = z, para todo z ∈ C; (2.63)
w
log
w
(z)
= z, para todo z ∈ C¸¦0¦. (2.64)
2.7. Integral en el plano complejo
En la Secci ´ on 2.5.3 se present ´ o el concepto de primitiva o antiderivada que para una funci ´ on compleja
juega el rol de la integral indefinida para una funci ´ on real. Ahora abordamos la integral compleja como un
an´ alogo de la integral definida de una funci ´ on real.
2.7.1. Definici ´ on en el sentido de Riemann
La defini ´ on de integral compleja que presentamos en esta secci ´ on es una extensi ´ on del concepto de
integral de Riemann para funciones reales que se estudia en un curso est´ andar de C´ alculo. Recordemos que
para una funci ´ on real continua sobre un intervalo [a, b] se tiene que
_
b
a
f (x)dx ≈
n

k=1
f (ζ
k
)∆
k
(2.65)
donde, para k = 1, 2, ..., n,
ζ
k
∈ (x
k−1
, x
k
),

k
= x
k
−x
k−1
,
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.7 Integral en el plano complejo 63
y el mallado x
0
= a < x
1
< ... < x
n
= b es tal que m´ ax
k=1,...,n

k
es suficientemente peque˜ no para que la aproxi-
maci ´ on (2.65) sea v´ alida.
Consideremos ahora un camino Γ contenido en un dominio Ω ⊆C. Nos interesa atrapar la informaci ´ on
provista por una funci´ on f : Ω →C a lo largo de Γ, cuando se recorre bajo una parametrizaci ´ on γ : [a, b] →
C. Siguiendo la idea de la integral de Riemann (2.65), escribimos intuitivamente
_
Γ
f (z)dz ≈
n

k=1
f (ζ
k
)∆
k
(2.66)
donde, para k = 1, 2, ..., n,
ζ
k
= γ(τ
k
),
τ
k
=∈ (t
k−1
, t
k
),

k
= γ(t
k
) −γ(t
k−1
),
y el mallado t
0
= a < t
1
< ... < t
n
= b es tal que m´ ax
k=1,...,n
[∆
k
[ es suficientemente peque˜ no. En este caso se
tiene que

k
=
γ(t
k
) −γ(t
k−1
)
t
k
−t
k−1
(t
k
−t
k−1
) ≈γ
/
(t
k
) (t
k
−t
k−1
),
de manera que (2.66) se puede reescribir como
_
Γ
f (z)dz ≈
n

k=1
f (γ(τ
k
))γ
/
(t
k
) (t
k
−t
k−1
). (2.67)
Figura 2.12 El mallado
del intervalo [a, b] prov´ ee
un mallado a lo largo de
Γ mientras se lo recorre
mediante γ = γ(t).
Motivados por (2.67) establecemos la definici´ on de la integral compleja.
Definici ´ on 2.23 [Integral compleja]
Sean Ω ⊆Cun dominio, f : Ω −→Cy γ : [a, b] −→Cuna curva de clase C
1
tal que Γ =γ([a, b]) ⊆Ω.
Se define la integral de f sobre el camino Γ mediante
_
Γ
f (z)dz =
_
b
a
f (γ(t)) γ
/
(t)dt. (2.68)
Cuando Γ es un camino cerrado se escribe
_
Γ
f (z)dz, para denotar la integral de f sobre Γ.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
64 2 An´ alisis complejo
Ejemplo 2.20 [C´ alculo de una integral compleja mediante la definici´ on]
Calculemos la integral de la funci´ on compleja definida por
(%i1) f(z):= zˆ2-5
*
z+%i;
( %o1) f (z) := z
2
−5z +i
a lo largo de la curva dada por
γ(t) =t cos(t) +i t sin(t), t ∈ [0, π].
(%i2) r(t):= t
*
cos(t)+%i
*
t
*
sin(t);
( %o2) r (t) :=t cos(t) +i t sin(t)
(%i3) I: integrate(f(r(t))
*
diff(r(t),t),t,0,%pi), rectform;
( %o3) −

3
+15π
2
6
−i π
De manera que
I =
_
Γ
(z
2
−5z +i)dz =−

3
+15π
2
6
−i π.
Similar a su contraparte real, la integral compleja verifica las siguientes propiedades.
Proposici ´ on 2.12 [Propiedades de la integral compleja]
Sean α ∈ C, Ω ⊆ C un dominio, f , g : Ω −→ C y γ : [a, b] −→ C una curva de clase C
1
tal que
Γ = γ([a, b]) ⊆Ω. Se tiene que
_
Γ
(α f +g)(z)dz = α
_
Γ
f (z)dz +
_
Γ
g(z)dz, (2.69)
donde se supone que las integrales del lado derecho de (2.69) son finitas. Tambi´ en se cumple que:
¸
¸
¸
¸
_
Γ
f (z)dz
¸
¸
¸
¸

_
Γ
[ f (z)[dz. (2.70)
La propiedad (2.69) indica que la integral compleja es un funcional lineal, v´ ease la Definici ´ on ??.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.7 Integral en el plano complejo 65
2.7.2. Longitud de arco
Si pensamos que γ(t) representa la posici ´ on de una part´ıcula al instante t en el plano complejo, entonces
la rapidez est´ a dada por [γ
/
(t)[. La distancia recorrida en un intervalo infinitesimal dt es entonces [γ
/
(t)[ dt
de manera que para calcular la distancia total recorrida en un intervalo de tiempo [α, β] se deben sumar las
distancias infinitesimales recorridas. Esto queda establecido en el siguiente teorema.
Teorema 2.14 [Longitud de arco]
Dada la curva γ : [a, b] →C, la longitud del arco Γ
β
α
, comprendido entre los puntos γ(α) y γ(β), con
a ≤α ≤β ≤b, est´ a dada por:
L(Γ
β
α
) =
_
Γ
β
α
dz =
_
β
α

/
(t)[dt. (2.71)
En particular, la longitud de Γ est´ a dada por
L(Γ) =
_
Γ
dz =
_
b
a

/
(t)[dt. (2.72)
Tip 32.
La orden quad qag(f(x),x,a,b,n) calcula num´ericamente
_
b
a
f (x)dx. El n´umero n = 1, ..., 6 elige
una de las f´ormulas de cuadratura de Gauss - Kronrod. El primer valor en la
lista deplegada como resultado es la aproximaci´on del valor de la integral.
Ejemplo 2.21 Calculemos la longitud de la curva
γ(t) =t cos(t) +i t sin(t), t ∈ [0, π].
(%i1) r(t):=t
*
cos(t)+%i
*
t
*
sin(t);
( %o1) r (t) :=t cos(t) +i t sin(t)
(%i2) quad_qag(abs(diff(r(t),t)),t,0,%pi,3);
( %o2) [6,109919333959293, 6,783373123164009710
−14
, 31, 0]
de manera que L(Γ) ≈6,109919333959293.
Usando (2.72) y (2.70) se obtiene el siguiente corolario.
Corolario 2.4 [Acotaci´ on de la integral compleja]
Bajo las condiciones del Teorema 2.14, se tiene que
¸
¸
¸
¸
_
Γ
f (z)dz
¸
¸
¸
¸
≤L(Γ) sup
z∈Γ
[ f (z)[. (2.73)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
66 2 An´ alisis complejo
2.7.3. Teorema Fundamental del C´ alculo
Para una funci ´ on continua la f´ ormula (2.68),
_
Γ
f (z)dz =
_
b
a
f (γ(t)) γ
/
(t)dt,
que define la integral compleja toma una forma muy simple como se establece en el Teorema 2.15. Este
resultado no es m´ as que una extensi´ on para funciones complejas del Teorema Fundamental del C´ alculo que
el lector aprendi ´ o en su curso de de C´ alculo:
_
b
a
f (x)dx = F(b) −F(a),
donde F = F(x) es una primitiva de f = f (x).
Teorema 2.15 [Teorema Fundamental del C´ alculo - TFC]
Sean Ω ⊆ C un dominio y f : Ω →C una funci´ on continua que tiene primitiva. Si γ : [a, b] −→C es
una curva de clase C
1
tal que
Γ = γ([a, b]) ⊆Ω,
entonces
_
Γ
f (z)dz = F(γ(b)) −F(γ(a)), (2.74)
donde F es una primitiva de f .
Observaci ´ on 2.12 Es posible probar el Teorema (2.74) para el caso en que γ es solamente continua.
Observaci ´ on 2.13 En la f´ ormula (2.74) intervienen solamente los puntos inicial y final del camino Γ. Por
tanto, se puede establecer la integral de una funci´ on compleja prescribiendo s´ olo los puntos inicial, z
1
, y
final, z
2
, en tanto que Ω sea conexo por arcos (v´ ease la Definici´ on 2.16). En este caso, se suele utilizar la
notaci´ on
_
z
2
z
1
f (z)dz.
Ejemplo 2.22 [C´ alculo de una integral compleja mediante el TFC]
Comp´ arese con el m´ etodo usado en el Ejemplo 2.20. Calculemos la integral de la funci´ on definida por
(%i1) f(z):= zˆ2-5
*
z+%i;
( %o1) f (z) := z
2
−5z +i
a lo largo de la curva dada por
γ(t) =t cos(t) +i t sin(t), t ∈ [0, π].
Para ello observemos que γ(0) = 0 y γ(π) =−π. Se tiene entonces que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.7 Integral en el plano complejo 67
(%i1) f(z):= zˆ2-5
*
z+%i;
( %o1) f (z) := z
2
−5z +i
(%i2) I: integrate(f(z), z, 0, -%pi), rectform;
( %o2) −

3
+15π
2
6
−i π
De manera que
I =
_
Γ
(z
2
−5z +i)dz =−

3
+15π
2
6
−i π.
Como consecuencia inmediata del TFC se tiene el siguiente corolario.
Corolario 2.5 Bajo las condiciones del Teorema 2.15. Si Γ ⊆Ω es un camino cerrado se tiene que
_
Γ
f (z)dz = 0. (2.75)
Tambi´ en se cumple el siguiente corolario.
Corolario 2.6 Para una serie de potencias
S(z) =


k=0
c
k
(z −z
0
)
k
con radio de convergencia R ∈]0; ∞] se tiene que
_
Γ
S(z)dz = 0,
para todo camino cerrado Γ ⊆B(z
0
; R).
2.7.4. Funci ´ on indicatriz
Otra consecuencia del TFC viene dada en el siguiente
Corolario 2.7 Si Γ es un camino cerrado en C y z
0
/ ∈Γ, entonces
_
Γ
(z −z
0
)
k
dz = 0, para todo k ∈ Z¸¦−1¦. (2.76)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
68 2 An´ alisis complejo
El caso k = −1 es particular y permite establecer el n´ umero de vueltas que da Γ en torno a un punto
z
0
/ ∈Γ (en sentido antihorario). Para ello necesitamos la siguiente definici´ on.
Definici ´ on 2.24 [Funci ´ on indicatriz]
Sea Γ un camino cerrado. Se define la indicatriz de z
0
∈ C¸Γ mediante
Ind
Γ
(z
0
) =
1
2πi
_
Γ
dz
z −z
0
.
El resultado anunciado queda establecido en el siguiente teorema.
Teorema 2.16 [Funci ´ on indicatriz]
Si el camino cerrado Γ est´ a parametrizado por la curva
γ(t) = z
0
+r(t) e
i θ(t)
, t ∈ [a, b], (2.77)
entonces,
Ind
Γ
(z
0
) =
θ(b) −θ(a)

.
Demostraci´ on. Usamos (2.68). Tenemos que
Ind
Γ
(z
0
) =
1
2πi
_
b
a
r
/
(t)e
i θ(t)
+r(t)i e
iθ(t)
θ(t)
r(t) e
i θ(t)
dt
=
1
2πi
_
_
b
a
r
/
(t)
r(t)
dt +i
_
b
a
θ
/
(t)dt
_
=
1
2πi
_
ln
_
r(b)
r(a)
_
+i(θ(b) −θ(a))
_
,
y se concluye pues r(b) = r(a) ya que Γ es cerrado. ¯ .
Figura 2.13 Funci ´ on indi-
catriz de una curva cerrada.
Fuente: [ADCR05].
Observaci ´ on 2.14 La parametrizaci´ on (2.77) no es indispensable en el anterior teorema. En efecto, si Γ

es un camino cerrado tal que z
0
/ ∈Γ

y gira el mismo n´ umero de vueltas alrededor de z
0
que Γ entonces
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.8 El teorema de Cauchy - Goursat 69
Ind

Γ
(z
0
) = Ind
Γ
(z
0
).
Por tanto Ind
Γ
(z
0
) es, efectivamente, el n´ umero de vueltas que da un camino en torno a un punto z
0
/ ∈ Γ
(en sentido antihorario).
2.8. El teorema de Cauchy - Goursat
En la construcci´ on de la teor´ıa de funciones complejas es importante saber si un resultado similar al
Corolario 2.6 es cierto pero s´ olo bajo el supuesto de que f ∈ H(Ω), sin saber a priori si es o no expresable
como una serie de potencias. Esto es posible en tanto que el dominio Ω sea “simplemente conexo”.
Definici ´ on 2.25 [Conexidad simple]
Un dominio complejo Ω ⊆C se dice simplemente conexo si todo camino cerrado Γ ⊆Ω encierra s´ olo
puntos de Ω.
Dicho de otra forma, una regi ´ on simplemente conexa no tiene huecos.
Figura 2.14 Una re-
gi ´ on que no es simple-
mente conexa. Fuente:
http://www.answers.com.
Para establecer el teorema buscado necesitamos definir lo que es un camino cerrado simple. Para ello,
necesitamos a su vez el concepto de frontera de un subconjunto de C. A grosso modo, un punto est´ a en la
frontera de A ⊆C cuando cualquier bola centrada en ´ el contiene tanto puntos de A como de A
c
.
Definici ´ on 2.26 [Punto de frontera]
Sea A ⊆C. Se dice que z
0
∈ C es un punto de frontera de A si dado cualquier r > 0, se tiene que
A∩B(z
0
; r) ,= / 0, A
c
∩B(z
0
; r) ,= / 0.
La frontera de A es
∂A =¦z ∈ C : z es punto de frontera de A¦.
Definici ´ on 2.27 [Camino cerrado simple]
Un camino cerrado simple es un camino Γ que genera dos conjuntos disjuntos abiertos y conexos, uno
acotado y el otro no acotado, y ambos conjuntos tienen a Γ como frontera.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
70 2 An´ alisis complejo
Un camino cerrado simple es, entonces, un camino cerrado que no se corta a s´ı mismo.
Teorema 2.17 [Teorema de Cauchy - Goursat]
Sean Ω ⊆ C simplemente conexo y f ∈ H(Ω). Si Γ ⊆ Ω es un camino cerrado simple y de clase C
1
por trozos, entonces
_
Γ
f (z)dz = 0.
Entonces, a grosso modo, la integral de una funci ´ on holomorfa a lo largo de un camino cerrado simple y
suave es nula.
Notaci ´ on 2.2 Dados z
0
∈ C y r > 0, al conjunto
B(z
0
, r) =¦z ∈ C : dist(z, z
0
) < r¦
se le denomina bola cerrada centrada en z
0
y con radio r.
El Teorema 2.17 puede extenderse a situaciones m´ as generales. Como ejemplo tenemos el siguiente
Corolario 2.8 [Teorema de Cauchy - Goursat generalizado]
Sean Ω ⊆C un dominio y ¦p
1
, p
2
, ..., p
n
¦ ⊆Ω. Consideremos una funci´ on holomorfa
f : Ω ¸¦p
1
, p
2
, ..., p
n
¦ →C.
Sea Γ ⊆Ω un camino cerrado simple, de clase C
1
por trozos y recorrido en sentido antihorario y sea
D la regi´ on encerrada por Γ. Supongamos que ¦p
1
, p
2
, ..., p
n
¦ ⊆D ⊆Ω y escojamos 0 < ε << 1 tal
que
B(p
j
, ε) ⊆D, j = 1, 2, ..., n;
B(p
j
, ε) ∩B(p
i
, ε) = / 0, i ,= j.
Entonces,
_
Γ
f (z)dz =
n

j=1
_
Γ
j
f (z)dz,
donde para j = 1, 2, ..., n, Γ
j
es el camino determinado por la curva
γ
j
(t) = p
j
+εe
it
, t ∈ [0, 2π].
2.9. F´ ormula Integral de Cauchy
La f´ ormula integral de Cauchy es una consecuencia del Teorema de Cauchy - Goursat; establece que,
bajo condiciones apropiadas, la informaci´ on contenida por una funci´ on al interior de una bola se puede
recuperar a partir de la informaci ´ on contenida en la frontera de la bola. Para una demostraci ´ on el lector
puede referirse a [ADCR05] o [Kre06].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.9 F´ ormula Integral de Cauchy 71
Figura 2.15 Curva cerrada
que encierra circunferencias.
Teorema 2.18 [F´ ormula integral de Cauchy]
Sea f : Ω ⊆ C −→C continua en Ω y holomorfa en Ω ¸ ¦p¦. Sean r > 0 y 0 < ε << 1 tales que
B(p; r +ε) ⊆Ω. Entonces, para todo z
0
∈ B(p; r) se tiene la f´ ormula integral de Cauchy:
f (z
0
) =
1
2πi
_
Γ
f (z)
z −z
0
dz, (2.78)
donde la circunferencia Γ = ∂B(p; r) es recorrida en sentido antihorario.
Notaci ´ on 2.3 La notaci´ on 0 < ε << 1 quiere decir que ε es un real positivo bastante peque˜ no en compa-
raci´ on con las otras magnitudes bajo estudio.
Ejemplo 2.23 Queremos evaluar la integral
I =
_
Γ
e
2z
sin(z
2
)
z −(π +i π)
dz,
sobre cualquier camino cerrado que no pase por z
0
= π +i π. Ponemos
(%i1) f(z):= %eˆ(2
*
z)
*
sin(zˆ2);
( %o1) f (z) := e
2z
sin
_
z
2
_
Caso 1. Si Γ no encierra a z
0
= π +i π, entonces
f (z)
z −(π +iπ)
es holomorfa en Γ y en todos los puntos
encerrados por Γ. Por el TFC se sigue que I = 0.
Caso 2. Si Γ encierra a z
0
= π +i π entonces, por la f´ ormula integral de Cauchy, se tiene que
(%i2) I: 2
*
%pi
*
%i
*
f(%pi+%i
*
%pi), rectform;
( %o2) −2π e

sinh
_

2
_
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
72 2 An´ alisis complejo
En el siguiente teorema se establece una f´ ormula similar a (2.78) para una derivada de orden n. De paso
establece la propiedad comentada al final de la Secci ´ on 2.5.1 de que una funci ´ on holomorfa tiene derivadas
de todos los ´ ordenes.
Teorema 2.19 [F´ ormula integral de Cauchy para derivadas]
Sea Ω ⊆C un conjunto abierto.
1) Si f ∈ H(Ω) entonces, para cada k ∈ N, f
(k)
∈ H(Ω).
2) Si Ω es simplemente conexo y Γ ⊆Ω es un camino cerrado que encierra a z
0
∈ Ω, entonces
f
(n)
(z
0
) =
n!
2πi
_
Γ
f (z)
(z −z
0
)
n+1
dz. (2.79)
Ejemplo 2.24 Queremos evaluar la integral
I =
_
Γ
e
z
3
(z −i)
3
dz,
sobre Γ cualquier camino cerrado que no pase por z
0
= i. Ponemos
(%i1) f(z):= %eˆ(zˆ3);
( %o1) f (z) := e
z
3
Caso 1. Si Γ no encierra a z
0
= i, entonces
f (z)
(z −i)
3
es holomorfa en Γ y en todos los puntos encerrados
por Γ. Por el TFC se sigue que I = 0.
Caso 2. Si Γ encierra a z
0
= i entonces, por la f´ ormula (2.79), se tiene que
(%i2) I: (2
*
%pi
*
%i/factorial(2))
*
diff(f(z),z,2);
( %o2) i π
_
9z
4
e
z
3
+6ze
z
3
_
(%i3) I, z=%i, rectform;
( %o3) π (9sin(1) −6cos(1)) +i π (6sin(1) +9cos(1))
2.9.1. Series de Taylor
Es posible expandir una funci´ on compleja en una serie de Taylor. La f´ ormula b´ asica es id´ entica al plantea-
miento para funciones reales teni´ endose, adicionalmente, una conexi ´ on con la f´ ormula integral de Cauchy.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.9 F´ ormula Integral de Cauchy 73
Teorema 2.20 [Existencia de la serie de Taylor]
Sean Ω ⊆ C un abierto y f : Ω →C una funci´ on continua en Ω y holomorfa en Ω ¸¦z
0
¦. Sea r > 0
tal que B(z
0
; r) ⊆Ω. Entonces existe una sucesi´ on de constantes (c
n
)
n∈N

⊆C tal que
f (z) =


k=0
c
k
(z −z
0
)
k
, (2.80)
para todo z ∈ B(z
0
; r), donde,
c
k
=
1
k!
f
(k)
(z
0
) =
1
2πi
_
∂B(z
0
;r)
f (z)
(z −z
0
)
k+1
dz, (2.81)
con el camino Γ = ∂B(z
0
; r) parametrizado en sentido antihorario.
Demostraci´ on. Por (2.78) se tiene, para z ∈ B(z
0
, r), que
f (z) =
1
2πi
_
Γ
f (w)
w−z
dw
=
1
2πi
_
Γ
f (w)
w−z
0

1
1−
z−z
0
w−z
0
dw
=
1
2πi
_
Γ
f (w)


k=0
(z −z
0
)
k
(w−z
0
)
k+1
dw
=


k=0
_
1
2πi
_
Γ
f (w)
(w−z
0
)
k+1
dw
_
(z −z
0
)
k
(2.82)
=


k=0
c
k
(z −z
0
)
k
.
El intercambio de l´ımites (sumatorio e integral) obtenido en (2.82) es v´ alido. En efecto, si denotamos
A(w, z) =
f (w)(z −z
0
)
k
(w−z
0
)
k+1
y M = sup
w∈Γ
[ f (w)[
se tiene, por (2.73), que
¸
¸
¸
¸
¸
_
Γ


k=0
A(w, z)dw−
N

k=0
_
Γ
A(w, z)dw
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
¸
_
Γ


k=N+1
A(w, z)dw
¸
¸
¸
¸
¸
≤ 2πr sup
w∈Γ
¸
¸
¸
¸
¸


k=N+1
A(w, z)
¸
¸
¸
¸
¸
≤ 2πr sup
w∈Γ
[ f (w)[


k=N+1
[z −z
0
[
k
r
k+1
= 2πM


k=N+1
_
[z −z
0
[
r
_
k
que tiende a cero cuando N →∞ pues [z −z
0
[/r < 1. Finalmente, para obtener la f´ ormula
c
k
=
1
k!
f
(k)
(z
0
)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
74 2 An´ alisis complejo
se aplica reiteradamente (2.36). ¯ .
Como consecuencia del resultado anterior se tiene el siguiente corolario.
Corolario 2.9 Sean Ω ⊆C un abierto y f ∈C holomorfa en Ω ¸¦z
1
, z
2
, ..., z
m
¦. Entonces f ∈ H(Ω)
y, m´ as a´ un, f es infinitamente derivable en Ω.
2.9.2. Otras consecuencias de la f´ ormula de Cauchy
Enunciamos en esta secci ´ on algunos resultados adicionales que se derivan de la f´ ormula integral de
Cauchy, Teorema 2.18.
Corolario 2.10 [Desigualdades de Cauchy]
Sean Ω ⊆ C un abierto, f ∈ H(Ω), z
0
∈ Ω y r > 0 tal que B(z
0
; r) ⊆ Ω. Se tiene, para todo k ∈ N

,
que
¸
¸
¸ f
(k)
(z
0
)
¸
¸
¸ ≤
k! η
r
r
k
, (2.83)
donde
η
r
= sup
∂B(z
0
;r)
[ f (z)[.
Demostraci´ on. Sea k ∈ N

. Por el Teorema 2.20 se tiene que
1
k!
f
(k)
(z
0
) =
1
2πi
_
∂B(z
0
,r)
f (w)
(w−z
0
)
k+1
dw.
Por tanto, usando el cambio de variable w = re

, se tiene que
¸
¸
¸ f
(k)
(z
0
)
¸
¸
¸ ≤
k!

_
∂B(z
0
,r)
¸
¸
¸
¸
f (w)
(w−z
0
)
k+1
dw
¸
¸
¸
¸
=
k!

_
∂B(z
0
,r)
[ f (w)[
r
k+1
[dw[
=
k!

_

0
[ f (z
0
+re

)[
r
k+1
¸
¸
¸rie

¸
¸
¸ dθ

k!

1
r
k
_

0
[ f (z
0
+re

)[dθ

k!

1
r
k
η
r
cot 2π
=
k!η
r
r
k
. ¯ .
Corolario 2.11 [Teorema de Liouville]
Si f ∈ H(C) es una funci´ on acotada, entonces f es constante en C.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.9 F´ ormula Integral de Cauchy 75
Usando la f´ ormula integral de Cauchy se puede probar el Teorema Fundamental del Algebra (v´ ease el
Teorema 2.5). Para ello, recordemos del curso de C´ alculo Vectorial que un conjunto Ω ⊆ 1
2
es compacto
si es cerrado y acotado y que una funci´ on h que es continua sobre Ω alcanza su m´ aximo y su m´ınimo, es
decir, existen puntos (x
1
, y
1
), (x
2
, y
2
) ∈ Ω tales que
h(x
1
, y
1
) = m´ ax
(x,y)∈Ω
h(x, y),
h(x
2
, y
2
) = m´ın
(x,y)∈Ω
h(x, y).
Corolario 2.12 [Teorema de d’Alembert]
Si f : C →C es un polinomio de grado n ≥1, entonces existe z
0
∈ C tal que f (z
0
) = 0.
Demostraci´ on. Tenemos que el polinomio
f (z) = a
0
+a
1
z +... +a
n
z
n
, z ∈ C,
est´ a en H(C). Procedamos por reducci ´ on al absurdo. Supongamos entonces que f no tiene ra´ıces, es decir
que
f (z) ,= 0, para todo z ∈ C. (2.84)
Bajo este supuesto, la funci´ on
g(z) =
1
f (z)
, z ∈ C,
tambi´ en est´ a en H(C). Si logramos probar que g est´ a acotada, entonces por el Teorema de Liouville, g ser´ıa
una funci´ on constante y, por tanto, f tambi´ en ser´ıa constante contradiciendo la hip´ otesis. Esto demostrar´ıa
el corolario.
Probemos entonces la funci ´ on g est´ a acotada. Para z ∈ C, se tiene que
g(z) =
1
a
0
+a
1
z +... +a
n
z
n
=
1
a
n
z
n
_
1
b
0
z
n
+
b
1
z
n−1
+... +
b
n−1
z
+1
_
,
donde b
i
= a
i
/a
n
, para i = 0, 1, ..., n−1. Es claro que
l´ım
[z[→∞
g(z) = 0;
por lo cual existe r > 0 tal que
[g(z)[ ≤1, para todo [z[ > r.
Por otro lado, puesto que la funci ´ on [g[ es continua sobre el conjunto compacto B(0; r), existe α > 0 tal que
[g(z)[ ≤α, para todo [z[ ≤r.
Poniendo ahora M = m´ ax¦1, α¦ se tiene que
[g(z)[ ≤M, para todo z ∈ C,
es decir que g es acotada. ¯ .
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
76 2 An´ alisis complejo
2.10. Series de Laurent
Recordemos que si una funci ´ on f es holomorfa en H(B(z
0
; r), entonces existe una expansi ´ on de Taylor
en torno a z
0
. Cuando f es holomorfa en B(z
0
; r) ¸¦z
0
¦ pero no en z
0
esta expansi ´ on no existe; sin embargo,
es posible que f se pueda representar con una serie de Laurent:
L(z) =


k=−∞
c
k
(z −z
0
)
k
. (2.85)
Observe que en una serie de Laurent pueden aparecer potencias negativas de (z −z
0
). Cuando esto es
posible, se separan las potencias positivas de (z −z
0
) de las negativas,
P(z) =


k=0
c
k
(z −z
0
)
k
, N(z) =


k=1
c
−k
1
(z −z
0
)
k
.
Por tanto, para z ,= z
0
la serie de Laurent converge si P(z) y N(z) convergen.
Teorema 2.21 [Convergencia de una serie de Laurent]
Sean z
0
∈ C y L(z) la serie (2.85). Ponemos
R
1
= l´ım
k→∞
k
_
[c
−k
[, R
2
=
1
l´ım
k→∞
k
_
[c
k
[
. (2.86)
Si R
1
< R
2
, entonces L(z) converge en la regi´ on anular
A =¦z ∈ C : R
1
<[z −z
0
[ < R
2
¦
y adem´ as L ∈ H(A).
Observaci ´ on 2.15 Estrictamente, en la f´ ormula (2.86) deber´ıa cambiarse l´ım por l´ımsup, el l´ımite supe-
rior. Nuestra elecci´ on se debe al hecho de que habitualmente no se ve el concepto de l´ımite superior en los
cursos de Matem´ aticas para Ingenier´ıa. Adicionalmente se usa la convenci´ on 1/0 =∞.
Ejemplo 2.25 Consideremos la serie de Laurent
L(z) =
1
z +1
+


k=0
1
(1+3i)
k+1
(z +1)
k
(2.87)
en torno al punto z
0
=−1. Tenemos que
c
k
=
_
¸
¸
_
¸
¸
_
0, k ≤−2,
1, k =−1,
1
(1+3i)
k+1
, k ≥0.
Es evidente que R
1
= 0. Calculemos R
2
:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.10 Series de Laurent 77
(%i1) c(k):= 1/((1+3
*
%i)ˆ(k+1));
(%o1) c(k) :=
1
(1+3i)
k+1
(%i2) R2: 1/ limit(abs(c(k))ˆ(1/k),k,inf);
(%o2)

10
Por tanto la serie de Laurent (2.87) define una funci´ on holomorfa en el anillo
A =¦z ∈ C : 0 <[z +1[ <

10¦.
El Teorema 2.21 prov´ ee condiciones bajo las cuales una serie de Laurent define una funci ´ on holomorfa.
En el siguiente resultado se expone el camino de regreso. Consid´ erese la Figura 2.16.
Teorema 2.22 [Existencia de una serie de Laurent]
Sean z
0
∈ C, 0 ≤ R
1
< R
2
≤ ∞ y A = ¦z ∈ C : R
1
< [z −z
0
[ < R
2
¦. Si f ∈ H(A), entonces existen
constantes (c
k
)
k∈Z
tales que
f (z) =


k=−∞
c
k
(z −z
0
)
k
, para todo z ∈ A,
donde, para cada k ∈ Z,
c
k
=
1
2πi
_
∂B(z
0
;r)
f (z)
(z −z
0
)
k+1
dz, (2.88)
para cualquier r ∈ (R
1
, R
2
). Aqu´ı ∂B(z
0
; r) est´ a reparametrizada en sentido antihorario.
Figura 2.16 En la f´ ormula
(2.88) se puede reemplazar
∂B(z
0
; r) con cualquier ca-
mino antihorario contenido en
A.
A los n´ umeros c
k
se les refiere como los coeficientes de Laurent de f y rara vez se los calcula mediante
(2.88) sino que se los obtiene por manipulaciones algebraicas de expresiones conocidas; de hecho, m´ as bien
se utilizan estos coeficientes para evaluar integrales.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
78 2 An´ alisis complejo
Tip 33.
En Maxima, el comando taylor(f(s),s,a,n) trata de calcular la serie de Taylor de f (s) en
torno al punto s = a. Si esto no es posible, intenta calcular la serie de Laurent
cuando [s −a[ > 0.
Ejemplo 2.26 Consideramos la funci´ on definida por la f´ ormula
f (z) =
cos(z)
z
5
.
Puesto que para todo z ∈ C se tiene
cos(z) =


n=0
(−1)
n
(2n)!
z
2n
,
se sigue que
f (z) =


n=0
(−1)
n
(2n)!
z
2n−5
,
Calculemos los primeros t´ erminos de la serie de Laurent de f en la regi´ on A =¦z ∈ C : [z[ > 0¦:
(%i1) taylor(cos(z)/zˆ5, z, 0, 7);
(%o1)/T/
1
z
5

1
2z
3
+
1
24z

z
720
+
z
3
40320

z
5
3628800
+
z
7
479001600
+...
En este caso,
N(z) =
1
z
5

1
2z
3
+
1
24z
,
P(z) = −
z
720
+
z
3
40320

z
5
3628800
+
z
7
479001600
+...
Tip 34.
La orden ev(expr, var = value) evalua la expresi´on expr cuando la variable var toma el
valor value.
Tip 35.
La orden partfrac(expr, var) halla las fracciones parciales de la expresi´on expr en la
variable var.
Ejemplo 2.27 Consideramos la funci´ on definida por la f´ ormula
f (z) = e
1/z
.
Calculamos la serie de Laurent de f en la regi´ on A =¦z ∈ C : [z[ > 0¦:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.10 Series de Laurent 79
(%i1) expr: taylor(%eˆ(w), w, 0, 7);
(%o1)/T/ 1+w+
w
2
2
+
w
3
6
+
w
4
24
+
w
5
120
+
w
6
720
+
w
7
5040
+...
(%i2) partfrac(ev(expr, w=1/z),z);
(%o2)
1
z
+
1
2z
2
+
1
6z
3
+
1
24z
4
+
1
120z
5
+
1
720z
6
+
1
5040z
7
+1
En este caso,
N(z) =
1
z
+
1
2z
2
+
1
6z
3
+
1
24z
4
+
1
120z
5
+...,
P(z) = 1.
Ejemplo 2.28 Consideremos la funci´ on definida por la f´ ormula
(%i1) f(z):= (-1-3
*
%i)/((z+1)
*
(z-3
*
%i));
(%o1) f (z) :=
−1−3i
(z +1) (z −3i)
Es claro que f es holomorfa en C¸¦−1, 3i¦. No es dif´ıcil constatar que f es holomorfa en el anillo
A =¦z ∈ C : 0 <[z +1[ < R
2
<∞¦,
donde
R
2
≤dist(−1; 3i) =

10.
Hallemos la expansi´ on de Laurent de f en torno a z
0
=−1 para z ∈ A:
(%i2) partfrac(f(z),z);
(%o2)
1
z +1

1
z −3i
de manera que
N(z) =
1
z +1
.
Ahora,
(%i3) P(z):= -1/(z-3
*
%i);
(%o3) P(z) :=
−1
z −3i
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
80 2 An´ alisis complejo
(%i4) taylor(P(z),z,-1,3);
(%o4)/T/
1
3i +1
+
z +1
6i −8

(z +1)
2
18i +26

(z +1)
3
96i −28
+...
por lo cual
f (z) =
1
z +1
+
1
3i +1
+
z +1
6i −8

(z +1)
2
18i +26

(z +1)
3
96i −28
+...
2.11. Polos y singularidades
Para establecer el importante Teorema de los Residuos requerimos del concepto de singularidad aislada.
Definici ´ on 2.28 [Singularidad aislada]
Se dice que la funci´ on compleja f = f (z) tiene una singularidad aislada en z
0
∈ C si existe un radio
R > 0 tal que f es holomorfa en el anillo B(z
0
; R) ¸¦z
0
¦ pero no es holomorfa en z
0
.
Bajo la Definici´ on 2.28, la funci ´ on f tiene una expansi ´ on de Laurent en B(z
0
; R) ¸¦z
0
¦:
f (z) =


k=−∞
c
k
(z −z
0
)
k
.
Entonces,
1) z
0
es una singularidad removible si
c
k
= 0, para todo k < 0;
2) z
0
es un polo de orden m∈ N si
c
−m
,= 0,
c
−k
= 0, para todo k > m; (2.89)
A un polo de orden 1 se le conoce como polo simple.
3) Si el n´ umero de ´ındices k < 0 para los cuales c
k
,= 0 es infinito y se dice que z
0
es una singularidad
esencial.
Obs´ ervese que cuando z
0
es una singularidads removible de f , el desarrollo de Laurent no tiene potencias
negativas de (z −z
0
):
f (z) =


k=0
c
k
(z −z
0
)
k
.
En este caso, la funci ´ on
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.11 Polos y singularidades 81
˜
f (z) =
_
f (z), z ,= z
0
,
c
0
, z = z
0
,
es holomorfa en B(z
0
; R). Es por la posibilidad de obtener una funci ´ on holomorfa mediante esta redefinici ´ on
que se justifica la denominaci ´ on “removible” para la singulartidad z
0
.
Ejemplo 2.29 La funci´ on definida por la f´ ormula
(%i1) f(z):= sin(z) /z;
(%o1) f (z) :=
sin(z)
z
tiene expansi´ on de Laurent
(%i2) taylor(f(z),z,0,15);
(%o2)/T/ 1−
z
2
6
+
z
4
120

z
6
5040
+
z
8
362880

z
10
39916800
+
z
12
6227020800

z
14
1307674368000
+...
Por tanto f tiene una singularidad removible en z
0
= 0 y, entonces, la funci´ on
˜
f (z) =
_
f (z), z ,= 0,
1, z = 0,
es holomorfa en C.
Teorema 2.23 [Caracterizaci ´ on de polos]
Sean z
0
∈ C y f una funci´ on holomorfa en el anillo B(z
0
; R) ¸¦z
0
¦. Entonces f tiene un polo de orden
m ∈ N en z
0
ssi
l´ım
z→z
0
(z −z
0
)
m
f (z)
existe, es finito y distinto de cero.
Ejemplo 2.30 Consideremos la funci´ on definida por la f´ ormula
(%i1) f(z):= (-1+2
*
%i)
*
sin(z-2
*
%i) / (zˆ3-6
*
%i
*
zˆ2-12
*
z+8
*
%i);
(%o1) f (z) :=
(−1+2i) sin(z −2i)
z
3
−6i z
2
+(−12) z +8i
Puesto que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
82 2 An´ alisis complejo
(%i2) z0: 2
*
%i;
(%o2) 2i
(%i3) limit((z-z0)ˆ2
*
f(z), z, z0);
(%o3) 2i −1
z
0
= 2i es un polo de orden 2 de f .
Para establecer el ´ ultimo resultado de esta secci´ on, necesitamos la siguiente
Definici ´ on 2.29 [Ra´ız de orden k]
Sean Ω ⊆C un dominio, f ∈ H(Ω) y z
0
∈ Ω. Se dice que z
0
es una ra´ız de orden k ∈ N si
f (z
0
) = f
/
(z
0
) = ... = f
(k−1)
(z
0
) = 0,
f
(k)
(z
0
) ,= 0.
En particular, a una ra´ız de orden 1 se le llama ra´ız simple.
Teorema 2.24 [Polos de un cociente]
Sea f = g/h una funci´ on compleja tal que g y h son holomorfas en alguna bola centrada en z
0
∈ C. Si
g tiene una raiz de orden k ∈ N en z
0
y h tiene una raiz de orden m ∈ N en z
0
, con m > k, entonces f
tiene un polo de orden m−k en z
0
.
Ejemplo 2.31 Consideremos la funci´ on definida por la f´ ormula
f (z) =
(z −3π/2)
6
cos
8
(z)
.
El numerador de f tiene una raiz de orden 6 en z
0
= 3π/2 en tanto que en el mismo punto el denominador
tiene una ra´ız de orden 8. Por tanto, f tiene un plo de orden 2 en z
0
= 3π/2.
2.12. El Teorema de los Residuos
Supongamos que una funci ´ on f tiene una singularidad aislada en z
0
∈Cy que en un anillo B(z
0
; R)¸¦z
0
¦
tiene expansi ´ on de Laurent
f (z) =


k=−∞
c
k
(z −z
0
)
k
.
Consideramos Γ un camino cerrado que encierra a z
0
, que est´ a contenido en este anillo y que se recorre en
sentido antihorario.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.12 El Teorema de los Residuos 83
Figura 2.17 Γ ⊆ B(z
0
; R) ¸
¦z
0
¦ es un camino cerrado
que encierra a z
0
.
Por el Teorema 2.22 se tiene entonces que
c
−1
=
1
2πi
_
Γ
f (z)dz, (2.90)
de manera que si se conoce el coeficiente
c
−1
≡Res( f , z
0
), (2.91)
referido como residuo de f en z
0
, se tiene inmediatamente el valor de la integral
_
Γ
f (z)dz.
El Teorema de los Residuos que presentamos a continuaci ´ on, extiende la f´ ormula (2.90) para el caso en
que Γ encierra a varias singularidades.
Teorema 2.25 [Teorema de los Residuos]
Sean Ω ⊆C un dominio, f una funci´ on holomorfa en Ω ¸¦z
1
, z
2
, ..., z
n
¦ y sea Γ ⊆Ω una trayectoria
cerrada que encierra a las singularidades aisladas z
1
, z
2
, ..., z
n
. Entonces,
_
Γ
f (z)dz = 2πi
n

j=1
Res( f , z
j
). (2.92)
Aqu´ı se supone que Γ avanza en sentido antihorario y que no contiene ninguna singularidad de f .
Figura 2.18 Para la demos-
traci ´ on del Teorema de los
Residuos se usa el Corola-
rio 2.8 junto con la f´ ormula
(2.90).
Para el c´ alculo de residuos es ´ util el siguiente
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
84 2 An´ alisis complejo
Teorema 2.26 [C´ alculo de Residuos]
Supongamos que f tiene un polo de orden m ∈ N en z
0
∈ C. Entonces,
Res( f , z
0
) = l´ım
z→z
0
d
m−1
dz
m−1
_
(z −z
0
)
m
f (z)
(m−1)!
_
. (2.93)
En particular, si z
0
es un polo simple se tiene que
Res( f , z
0
) = l´ım
z→z
0
(z −z
0
) f (z). (2.94)
Para el c´ alcuo del residuo de un polo simple tambi´ en es ´ util el siguiente
Corolario 2.13 Sea z
0
∈ C. Sea h una funci´ on continua en z
0
tal que h(z
0
) ,= 0. Suponga que una
funci´ on g tiene una ra´ız simple y es diferenciable en z
0
. Entonces f = h/g tiene un polo simple en z
0
y
Res( f , z
0
) =
h(z
0
)
g
/
(z
0
)
. (2.95)
Ejemplo 2.32 La funci´ on determinada por la f´ ormula
(%i1) f(z):= cos(z)/(z+%i)ˆ3;
(%o1) f (z) :=
cos(z)
(z +i)
3
tiene un polo de orden
(%i2) m: 3;
(%o2) 3
en el punto
(%i3) z0: -%i;
(%o3) −i
Se tiene por la f´ ormula (2.93) que
(%i4) R: (1/factorial(m-1))
*
limit(diff((z-z0)ˆm
*
f(z),z,m-1), z,z0);
(%o4) −
cosh(1)
2
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.12 El Teorema de los Residuos 85
de manera que
Res( f , −i) =−
cosh(1)
2
Tip 36.
La orden residue(f(z),z,z0) calcula Res( f (z), z, z
0
).
Ejemplo 2.33 Consideremos la funci´ on determinada por la f´ ormula
(%i1) f(z):= (2
*
%i
*
z-cos(z))/(zˆ3+z);
(%o1) f (z) :=
2i z −cos(z)
z
3
+z
Calculemos I =
_
f (z)dz donde Γ es una trayectoria cerrada que no atraviesa ninguna singularidad. f
tiene polos simples en los puntos
(%i2) z1: 0; z2: %i; z3: -%i;
(%o2) 0
(%o3) i
(%o4) −i
Los residuos correspondientes son
(%i5) r1: residue(f(z),z,z1);
r2: residue(f(z),z,z2);
r3: residue(f(z),z,z3);
(%o5) −1
(%o6)
cosh(1) +2
2
(%o7)
cosh(1) −2
2
Caso 1. Si Γ no encierra a ninguna de las singularidades, entonces I = 0.
Caso 2. Si Γ encierra s´ olo a z
i
, i = 1, 2, 3,
I = 2πir
i
.
Caso 3. Si Γ encierra s´ olo a dos de las singularidades, digamos z
i
y z
j
,
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
86 2 An´ alisis complejo
I = 2πi(r
i
+r
j
).
Caso 4. Si Γ encierra a las tres singularidades
(%i8) I: 2
*
%pi
*
%i
*
(r1+r2+r3), ratsimp, rectform;
(%o8) i (2π cosh(1) −2π)
Ejemplo 2.34 Calculemos las integrales
I
1
=
_
∂B(0;2)
1
1+z
2
dz,
I
2
=
_
∂B(i;1)
1
1+z
2
dz.
Las singularidades de lafunci´ on definida por la f´ ormula
(%i1) f(z):= 1/(1+zˆ2);
( %o1) f (z) :=
1
1+z
2
son
(%i2) z1: %i; z2: -%i;
( %o2) i
( %o3) −i
Se tiene por el Teorema de los Residuos que
(%i4) I1: 2
*
%pi
*
%i
*
(residue(f(z),z,z1) + residue(f(z),z,z2));
( %o4) 0
(%i5) I2: 2
*
%pi
*
%i
*
residue(f(z),z,z1);
( %o5) π
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 87
Una consecuencia del Teorema de los Residuos es la siguiente proposici´ on.
Proposici ´ on 2.13 [N´ umero de ra´ıces]
Sean Ω ⊆C un dominio simplemente conexo, f ∈ H(Ω) y Γ una curva simple, cerrada y recorrida en
sentido antihorario que encierra una regi´ on D ⊆ Ω. Si f tiene un n´ umero finito de ra´ıces al interior
de D y no tiene ra´ıces en Γ, entonces
Ind
f (Γ)
(0) =
1
2πi
_
Γ
f
/
(z)
f (z)
dz, (2.96)
y este valor es el n´ umero total de ra´ıces de f en D, incluyendo multiplicidades.
2.13. C´ alculo de integrales v´ıa residuos
El Teorema de los Residuos se puede utilizar para el c´ alculo de una variedad de integrales.
2.13.1. Integrales de funciones trigonom´ etricas
Consideramos la integral
I =
_

0
p(cos(θ), sin(θ))
q(cos(θ), sin(θ)
dθ, (2.97)
donde p y q son polinomios. El cambio de variable
z = e

, dθ =
dz
iz
, (2.98)
transforma el integrando de I en un cociente de polinomios
_
[z[=1
f (z)dz. Es importante tener en conforme
al cambio de variable z = e

se tiene que
sin(θ) =
1
2i
_
z −
1
z
_
, (2.99)
cos(θ) =
1
2
_
z +
1
z
_
. (2.100)
Ejemplo 2.35 Usamos el cambio de variable (2.98)-(2.100) para calcular
I =
_

0

2+sin(θ)
.
Se tiene entonces que
I =
_
[z[=1
f (z)dz,
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
88 2 An´ alisis complejo
con
(%i1) f(z):=2/(zˆ2+4
*
%i
*
z-1);
( %o1) f (z) :=
2
z
2
+4i z −1
que tiene dos polos simples en los puntos
(%i2) z1: (-sqrt(3)-2)
*
%i; z2: (sqrt(3)-2)
*
%i;
( %o2)
_


3−2
_
i
( %o3)
_

3−2
_
i
con m´ odulos
(%i4) abs(z1), numer;
( %o4) 3,732050807568877
(%i5) abs(z2), numer;
( %o5) 0,26794919243112
Puesto que z
2
∈ B(0; 1) y z
1
/ ∈ B(0; 1) se sigue que
(%i6) I: 2
*
%pi
*
%i
*
residue(f(z),z,z2);
( %o6)


3
2.13.2. Integrales impropias sobre dominios no-acotados
Queremos calcular
I =
_

−∞
f (x)dx. (2.101)
Para ello suponemos que I se puede calcular como el valor principal de Cauchy, es decir, suponemos que
I = l´ım
R→∞
_
R
−R
f (x)dx. (2.102)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 89
Como veremos m´ as adelante, para calcular I mediante (2.102) usaremos una extensi ´ on a C de la funci´ on f :
1→1 que aparece en (2.101); pero antes abordar esta tarea, aclaremos lo que se entiende por “extensi´ on”.
Definici ´ on 2.30 [Extensi ´ on de una funci ´ on]
Se dice que una funci´ on g : V →W es una extensi ´ on de la funci´ on f : U →W si se cumplen las
siguientes condiciones
1) U ⊆V;
2) g(u) = f (u), para todo u ∈U.
En este caso se dice tambi´ en que f es una restricci ´ on de g.
Tip 37.
El comando gamma(x) calcula Γ(x), cuando x > 0.
Ejemplo 2.36 Se define la funci ´ on Gamma, Γ : (0, ∞) →1, mediante la f´ ormula
Γ(α) =
_

0
t
α−1
e
−t
dt. (2.103)
Puesto que para cada n ∈ N se tiene que Γ(n) = (n−1)!, se tiene que la funci´ on
(−1, ∞) ¸ β →Γ(β +1) ∈ 1
es una extensi´ on de la funci´ on factorial
n! =
_
1, n = 0,
n (n−1)!, n ∈ N.
Figura 2.19 La funci´ on Γ.
Obs´ ervese que
l´ım
x→0
+
Γ(x) = l´ım
x→∞
Γ(x) =∞.
Notaci ´ on 2.4 Dada una funci´ on real f , se notar´ a
˜
f a la extensi ´ on natural de f a una funci´ on compleja.
Ejemplo 2.37 La extensi´ on natural de la funci´ on f : 1 →1 determinada por la f´ ormula
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
90 2 An´ alisis complejo
f (x) =
1
1+x
2
,
es la funci´ on
˜
f : C¸¦−i, i¦ →C dada por
˜
f (z) =
1
1+z
2
.
Supondremos en lo que resta de este cap´ıtulo que es v´ alida la siguiente condici ´ on:
Hip´ otesis (E). La funci ´ on f : 1 →C es tal que
˜
f es holomorfa en C¸ P, donde P = ¦z
1
, ..., z
n
¦ es el
conjunto de polos de
˜
f .
Caso I:
_

−∞
f (x)dx cuando f no tiene polos reales
El siguiente resultado permite calcular en varias situaciones la integral
I = l´ım
R→∞
_
R
−R
f (x)dx.
Para ello definimos el conjunto
H =¦z ∈ C : Im(z) ≥0¦,
de manera que
Int(H) =¦z ∈ C : Im(z) > 0¦.
Teorema 2.27 Sea f : 1 →1 una funci´ on que verifica (E). Supongamos que
1) 1∩P = / 0, es decir
˜
f no tiene polos reales.
2) Existen constantes K ≥0, M ≥0 y p > 1 tales que
[
˜
f (z)[ ≤
K
[z[
p
, para todo z ∈ H, [z[ ≥M.
Entonces,
_

−∞
f (x)dx = 2πi

z∈Int(H)∩P
Res(
˜
f , z).
Demostraci´ on. Dado R > 0 denotamos por C
R
al arco parametrizado por
γ(t) = Re
it
, t ∈ [0, π].
Puesto que P es finito, para R suficientemente grande se tiene que
Γ
R
=C
R
∪[−R, R] ⊇Int(H) ∩P.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 91
Entonces, por el Teorema de los Residuos,
2πi

z∈Int(H)∩P
Res(
˜
f , z) =
_
Γ
R
f (z)dz =
_
R
−R
f (x)dx +
_
C
R
f (z)dz.
Puesto que el lado izquierdo de la ´ ultima igualdad no depende de R, para concluir la demostraci ´ on basta
probar que
l´ım
R→∞
_
C
R
f (z)dz = 0. (2.104)
Para ello usamos el Corolario 2.4, el control (2.104) y el hecho de que p > 1:
¸
¸
¸
¸
_
C
R
f (z)dz
¸
¸
¸
¸
≤ L(C
R
) sup
z∈C
R
[ f (z)[
≤ πR
K
R
p
=

R
p−1
. ¯ .
Notaci ´ on 2.5 Dada una funci´ on real o compleja f denotamos por Z[ f ] al conjunto de ra´ıces de la funci´ on
f , es decir, Z[ f ] =¦u ∈ Dom( f ) : f (u) = 0¦.
A veces se puede aplicar el siguiente
Corolario 2.14 Sean p y q dos polinomios primos entre s´ı. Si q no tiene ra´ıces reales y
grado(q) ≥grado(p) +2,
entonces
_

−∞
p(x)
q(x)
dx = 2πi

z∈Z( ˜ q)∩Int(H)
Res
_
˜ p
˜ q
, z
_
.
Ejemplo 2.38 Queremos calcular
J =
_

0
x
2
1+x
4
dx.
Es claro que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
92 2 An´ alisis complejo
J =
1
2
_

−∞
x
2
1+x
4
dx. (2.105)
Los polinomios complejos
(%i1) p(z):= zˆ2;
( %o1) p(z) := z
2
(%i2) q(z):= 1+ zˆ4;
( %o2) q(z) := 1+z
4
verifican las condiciones del Corolario 2.14. En efecto, se tiene que
4 = grado(q) ≥grado(p) +2 = 4
y ninguna de las ra´ıces de q cae en el eje real:
(%i3) allroots(q(z));
( %o3) [z = 0,70710678118655i +0,70710678118655,
z = 0,70710678118655−0,70710678118655i,
z = 0,70710678118655i −0,70710678118655,
z =−0,70710678118655i −0,70710678118655]
En Int(H) est´ an
(%i4) z1: %eˆ(%i
*
%pi/4);
( %o4)
i

2
+
1

2
(%i5) z2: %eˆ(%i
*
3
*
%pi/4);
( %o5)
i

2

1

2
Entonces por el Corolario 2.14:
(%i6) J: (1/2)
*
2
*
%pi
*
%i
*
(residue(p(z)/q(z),z,z1)
+residue(p(z)/q(z),z,z2)), rectform;
( %o6)
π
2
3
2
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 93
Caso II:
_

−∞
f (x)dx cuando f tiene polos reales
Se tiene el siguiente resultado.
Teorema 2.28 Sea f : 1 →1 una funci´ on que verifica (E). Supongamos que
1) 1∩P =¦a
1
, ..., a
s
¦, donde los a
j
son polos simples de
˜
f ;
2) Existen constantes K ≥0, M ≥0 y p > 1 tales que
[
˜
f (z)[ ≤
K
[z[
p
, para todo z ∈ H, [z[ ≥M.
Entonces,
_

−∞
f (x)dx = 2πi

z∈Int(H)∩P
Res(
˜
f , z) +πi
s

j=1
Res( f , a
j
).
Para una demostraci ´ on v´ ease [ADCR05]. A veces se puede aplicar el siguiente corolario.
Corolario 2.15 Sean p y q dos polinomios primos entre s´ı. Si q tiene ra´ıces reales simples y
grado(q) ≥grado(p) +2,
entonces
_

−∞
p(x)
q(x)
dx = 2πi

z∈Z( ˜ q)∩Int(H)
Res
_
˜ p
˜ q
, z
_
+πi

a∈Z[ ˜ q]∩1
Res
_
˜ p
˜ q
, a
_
.
Ejemplo 2.39 Queremos calcular
I =
_

−∞
p(x)
q(x)
, dx
donde
(%i1) p(z):= 3
*
z+2;
( %o1) p(z) := 3z +2
(%i2) q(z):= z
*
(z-4)
*
(zˆ2+9);
( %o2) q(z) := z (z −4)
_
z
2
+9
_
Puesto que se verifican las condiciones del Corolario 2.15, se tiene que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
94 2 An´ alisis complejo
(%i3) z1: 3
*
%i;
( %o3) 3i
(%i4) a1: 0;
( %o4) 0
(%i5) a2: 4;
( %o5) 4
(%i6) I: 2
*
%pi
*
%i
*
residue(p(z)/q(z),z,z1)+
%pi
*
%i
*
(residue(p(z)/q(z),z,a1) + residue(p(z)/q(z),z,a2)),
rectform;
( %o6) −
14π
75
Caso III:
_

−∞
f (x) cos(αx)dx y
_

−∞
f (x) sin(αx)dx cuando f no tiene polos reales
Cuando se quiere calcular una integral como
I
1
=
_

−∞
f (x) cos(αx)dx, I
2
=
_

−∞
f (x) sin(αx)dx (2.106)
evaluamos en realidad la integral
I =
_

−∞
f (x)e
iαx
dx = I
1
+i I
2
.
Para ello se puede utilizar el siguiente teorema.
Teorema 2.29 Sea f : 1 →1 una funci´ on que verifica (E). Supongamos que
1) 1∩P = / 0, es decir
˜
f no tiene polos reales;
2) Existen constantes K ≥0, M ≥0 y p > 0 tales que
[
˜
f (z)[ ≤
K
[z[
p
, para todo z ∈ H, [z[ ≥M.
Entonces, para todo α > 0,
_

−∞
f (x)e
iαx
dx = 2πi

w∈Int(H)∩P
Res(e
iαz
˜
f , w).
Observaci ´ on 2.16 T´ engase presente que se exige que p > 0, a diferencia del Teorema 2.27 donde se re-
quer´ıa que p > 1.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 95
La demostraci´ on de este resultado es similar a la prueba del Teorema 2.27. A veces se puede aplicar el
siguiente corolario.
Corolario 2.16 Sean p y q dos polinomios primos entre s´ı. Si q no tiene ra´ıces reales y
grado(q) ≥grado(p) +1,
entonces, para α > 0,
_

−∞
p(x)
q(x)
e
iαx
dx = 2πi

z∈Z( ˜ q)∩Int(H)
Res
_
˜ p
˜ q
e
iαz
, z
_
.
Ejemplo 2.40 Sean a, s > 0. Queremos calcular
I =
_

−∞
cos(sx)
x
2
+a
2
dx.
Ponemos
(%i1) assume(s>0);
( %o1) [s > 0]
(%i2) assume(a>0);
( %o2) [a > 0]
(%i3) p(z):=1; q(z):= zˆ2+aˆ2;
( %o3) p(z) := 1
( %o4) q(z) := z
2
+a
2
Los polinomios p y q verifican las condiciones del Corolario 2.16. Se tiene entonces que
(%i5) I: 2
*
%pi
*
%i
*
residue(%eˆ(%i
*
s
*
z)/q(z),z,a
*
%i);
( %o5)
π e
−as
a
de manera que
_

−∞
cos(sx)
x
2
+a
2
dx =
π
a
e
−as
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
96 2 An´ alisis complejo
Caso IV:
_

−∞
f (x) cos(αx)dx y
_

−∞
f (x) sin(αx)dx cuando f tiene polos reales
Para calcular integrales como I
1
e I
2
en (2.106) cuando f admite polos reales se tiene el siguiente teore-
ma.
Teorema 2.30 Sea f : 1 →1 una funci´ on que verifica (E). Supongamos que
1) 1∩P =¦a
1
, ..., a
s
¦, donde los a
j
son polos simples de
˜
f ;
2) Existen constantes K ≥0, M ≥0 y p > 0 tales que
[
˜
f (z)[ ≤
K
[z[
p
, para todo z ∈ H, [z[ ≥M.
Entonces,
_

−∞
f (x)e
isx
dx = 2πi

w∈Int(H)∩P
Res(e
isz
˜
f , w) +πi
s

j=1
Res(e
isz
˜
f , a
j
).
Para una demostraci´ on de este teorema v´ ease [ADCR05]. A veces se puede aplicar el siguiente corolario.
Corolario 2.17 Sean p y q dos polinomios primos entre s´ı. Si q tiene ra´ıces reales simples y
grado(q) ≥grado(p) +1,
entonces
_

−∞
p(x)
q(x)
e
isx
dx = 2πi

z∈Z( ˜ q)∩Int(H)
Res
_
˜ p
˜ q
e
isz
, z
_
+πi

a∈Z[ ˜ q]∩1
Res
_
˜ p
˜ q
e
isz
, a
_
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 97
Problemas
2.1. Usando (2.2) y (2.3) pruebe que C es un cuerpo (v´ ease Secci ´ on 2.1.2).
2.2. Sea n ∈ N y α > 0. Resuelva la ecuaci ´ on
z
n
= α, z ∈ C.
Para n = 3, 4, 5, 6, 7 grafique en Maxima el pol´ıgono que resulta de unir las soluciones de la ecuaci´ on con
segmentos en el plano complejo.
2.3. Sea f : C−→C. Halle el conjunto de puntos Ω ⊆Cdonde la funci´ on compleja (definida por la f´ ormula
indicada) es derivable y, si es el caso, calcule f
/
(z).
f
1
(z) = tan(z); f
2
(z) = z z; f
3
(z) = tanh(z); f
4
(z) = sin(z) sin(z);
f
5
(z) = e
−x
(cos(y) −i sin(y)); f
6
(z) = (z
3
+1) e
−y
(cos(x) −i sin(x)).
2.4. Escriba una rutina en Maxima que reciba como entrada una funci ´ on compleja f (z) = u(x, y) +i v(x, y)
y que verifique si se cumplen las condiciones C-R. Aplique esta herramienta a las funciones del Ejercicio
2.3.
2.5. Definamos los operadores diferenciales

∂z
y

∂z
mediante las f´ ormulas

∂z
=
1
2
_

∂x
−i

∂y
_
,

∂z
=
1
2
_

∂x
+i

∂y
_
.
1) Pruebe que f = u+iv satisface las ecuaciones de Cauchy - Riemann si y s´ olo si se cumple la ecuaci ´ on
∂ f
∂z
(z) = 0.
2) Si f ∈ H(Ω), Ω ⊆C, muestre que para todo z ∈ Ω se tiene que
f
/
(z) =
∂ f
∂z
(z).
2.6. Sea Ω ⊆C, abierto. Pruebe que f ∈ H(Ω) si f (z) y z f (z) son arm´ onicas en Ω.
Idea. Tenga presente que una funci´ on compleja es arm´ onica si tanto su parte real como su parte imaginaria
son arm´ onicas. Una funci´ on g : Ω ⊆1
2
→1 es arm´ onica en Ω si se cumple que

2
g
∂x
2
+

2
g
∂y
2
= 0, para todo (x, y) ∈ Ω.
2.7. Sea f : Ω ⊆C −→C. Pongamos z = x +iy = r e

y
f (z) = u(x, y) +i v(x, y) =U(r, θ) +iV(r, θ).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
98 2 An´ alisis complejo
1) Pruebe que f ∈ H(Ω) si y s´ olo si se cumplen las condiciones
_
¸
_
¸
_
1
r
∂V
∂θ
=
∂U
∂r
,
1
r
∂U
∂θ
=−
∂V
∂r
.
Estas condiciones se conocen como las ecuaciones de Cauchy - Riemann en coordenadas polares.
2) Verifique que si se cumplen estas condiciones entonces
f
/
(z) =
_
∂U
∂r
+i
∂V
∂r
_
e
−iθ
.
2.8. Sea z ∈ C. Verifique las siguientes propiedades
cosh(−z) = cosh(z);
sinh(−z) =−sinh(z);
cosh
/
(z) = sinh(z);
sinh
/
(z) = cosh(z);
cosh
2
(z) −sinh
2
(z) = 1;
sin(iz) = i sinh(z);
cosh(iz) = cos(z);
sin(z) = sin(z).
2.9. Calcule
L = l´ım
y−→∞
tan(x +iy).
.
2.10. Halle en C las soluciones de las ecuaciones
cosh(z) = 0;
sinh(z) = 0.
2.11. Determinar el radio de convergencia de las series de potencias
S
1
=

k∈N
(z −i)
k
, S
2
=

k∈N
(z +2−i)
k
k
, S
3
=

k∈N
(z +2)
k
k
2
.
2.12. Sabiendo que la serie S(z) =∑
k∈N
c
k
(z −z
0
)
k
tiene radio de convergencia R
0
> 0, determine el radio
de convergencia de las series de potencias
U(z) =

k∈N
c
k
(z −z
0
)
2k
, V(z) =

k∈N
c
2
k
(z −z
0
)
k
.
2.13. Encuentre el desarrollo en serie de potencias


k=0
c
k
z
k
en torno a z
0
= 0, para la funci´ on determinada
por la f´ ormula
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 99
f (z) =
1
1−z −z
2
.
Pruebe que la sucesi ´ on (c
k
)
k∈N
es la serie de Fibonacci:
_
c
0
= c
1
= 1,
c
k+2
= c
k
+c
k+1
, k = 0, 1, 2, ...
2.14. Dado λ ∈ C, se define la funci ´ on potencia λ, p
λ
: C¸¦0¦ −→C, mediante
p
λ
(z) = e
λ ln(z)
.
El valor de la funci´ on p
λ
se denota habitualmente como z
λ
.
1) Muestre que i
i
= e
−π/2
.
2) Dado λ = α +iβ, pruebe que para todo t > 0 real,
t
λ
=t
α
[cos(β ln(t)) +i sin(β ln(t))].
3) Dados λ, µ ∈ C, verifique que
z
λ+µ
= z
λ
z
µ
.
4) Determine el dominio donde p
λ
es holomorfa y pruebe que en dicho dominio se cumple que
(z
λ
)
/
= λ z
λ−1
,
donde se supone que λ ,= 0.
2.15. Pruebe que la funci ´ on logar´ıtmica es holomorfa para z ∈ C¸(−∞, 0] y que en ese caso se tiene que
ln
/
(z) =
1
z
.
Idea. Puede usar el resultado establecido en el Ejercicio 2.7.
2.16. Manualmente y usando Maxima encuentre primitivas de las siguientes funciones
f
1
(z) =
z
1/2
−2z
2/3
+1
z
1/4
; f
2
(z) =
e
3z
+1
e
z
+1
;
f
3
(z) =
z
2
+1
z
4
+1
; f
4
(z) =
senh(z)cosh(z)
_
sinh
4
(z) +cosh
4
(z)
_
1/2
;
f
5
(z) =
z ln
_
z +(1+z
2
)
1/2
_
(1+z
2
)
1/2
; f
6
(z) = e
z
1/2
;
f
7
(z) =
1
z
2
(z
2
+z −1)
1/2
; f
8
(z) =
z
(1+z)(1−z −z
2
)
1/2
.
2.17. Calcule manualmente la longitud de las curvas
γ(t) =t cos(t) +i t sin(t), t ∈ [0, π];
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
100 2 An´ alisis complejo
2.18. Escriba en Maxima una rutina que reciba como entrada una curva compleja γ(t) = x(t) +i y(t), t ∈
[a, b], que la grafique y que calcule su longitud. Aplique esta rutina a la curva del Ejercicio 2.17 y a las
siguientes curvas.
γ
1
(t) = sin(t)
_
e
cos(t)
−2cos(4t) −sin
5
_
t
12
__
+i cos(t)
_
e
cos(t)
−2cos(4t) −sin
5
_
t
12
__
, t ∈ [0, 2π];
γ
2
(t) = [cos(t) +t sin(t)] +i [sin(t) −t cos(t)] , t ∈ [−2π, 2π];
γ
3
(t) = 2

2tan(t) +i 2cos
2
(t), t ∈ [−π/2+ε, π/2−ε].
Figura 2.20 A γ
1
se le co-
noce como la curva de la
mariposa.
Figura 2.21 Aγ
2
se le conoce
como la involuta.
Figura 2.22 Aγ
3
se le conoce
como la Bruja o curva de
Agnesi; ε ∈ (0, π/2). Aqu´ı se
ha tomado ε = 0,3.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 101
2.19. Calcule manualmente y usando Maxima, la longitud del arco de circunferencia de radio r > 0 com-
prendido entre los ´ angulos θ
1
y θ
2
, donde
0 ≤θ
1
≤θ
2
≤2π.
2.20. Calcule valor de I =
_
Γ
sin(z)ln(z
2
−5)
cosh(ln(z))
dz, donde Γ es el camino definido por la curva
γ(t) : [0; 1] −→C
t −→γ(t) = e
2πit
.
2.21. Calcule directamente el valor de las siguientes integrales
I
1
=
_
[0,1+i]
(z
3
−z
2
−z +1)e
z
dz; I
2
=
_
[z[=1/2
dz
1+z
2
.
2.22. Pruebe que la funci ´ on definida por la f´ ormula f (z) = zln(z) tiene una primitiva en C¸ (−∞; 0], y
calcule el valor de la integral
I =
_
[2,i]
zln(z)dz.
2.23. Sea S ∈ 1. Calcule
L = l´ım
S−→∞
_
[−S; −S+i]
z
2
e
z
z +1
dz.
2.24. Calcule las siguientes integrales
I
1
=
_
3+4i
0
sin(z)dz; I
2
=
_
[−1+i,3+4i]
ln(z)dz;
I
3
=
_
1+i
0
(2z
2
−z +1)e
z
dz. I
4
=
_
[2−i,4+i]
cosh(z)sinh(z)dz;
2.25. Sea f ∈ H(B(z
0
; R)).
1) Pruebe que para todo r ∈]0; R[ se tiene que
f (z
0
) =
1

_

0
f (z
0
+re

)dθ.
2) Deduzca que para 0 < r < 1, se cumple que
_

0
ln(1+re

)dθ = 0,
y que como consecuencia
_
π/2
0
ln(sin(x)) =−
π
2
ln(2).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
102 2 An´ alisis complejo
2.26. El objetivo de este ejercicio es probar las f´ ormulas de Fresnel:
_

−∞
cos(x
2
)dx =
_

−∞
sin(x
2
)dx =
_
π
2
.
1) Pruebe que la serie de Taylor correspondiente a la funci ´ on definida por la f´ ormula f (z) = exp(iz
2
) tiene
radio de convergencia infinito.
2) Tomemos R > 0 y consideremos el camino Γ
R

1
∪Γ
2
∪Γ
3
. Calcule
_
Γ
1
f (z)dz.
3) Pruebe que
_
Γ
3
f (z)dz =
_
0
R
exp
_
it
2
e
iπ/2
_
e
iπ/4
dt
y concluya que
l´ım
R→∞
_
Γ
3
f (z)dz =−
1
2
__
π
2
+i
_
π
2
_
.
4) Pruebe que
_
Γ
2
f (z)dz =
_
π/4
0
exp
_
iR
2
e
2
it
_
Rie
it
dt
de manera que
¸
¸
¸
¸
_
Γ
2
f (z)dz
¸
¸
¸
¸
≤R
_
π/4
0
e
−R
2
sin(2t)
dt.
Concluya que
l´ım
R→∞
_
Γ
2
f (z)dz = 0
Indicaci ´ on.- Puede usar el hecho que
sin(α) ≥

π
, para todo α ∈ [0, π/2].
5) Pruebe que
_

0
cos(x
2
)dx =
_

0
sin(x
2
)dx =
1
2
_
π
2
y deduzca las f´ ormulas de Fresnel.
2.27. Pruebe que para todo k ∈ 1,
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
2.13 C´ alculo de integrales v´ıa residuos 103
_
π
0
e
kcos(θ)
cos(k sin(θ))dθ = π.
2.28. Halle la serie de Taylor de sinh en torno al punto z
0
= πi.
2.29. Halle la serie de Laurent para f
i
(z) en torno a z
0
en el anillo m´ as grande posible
f
1
(z) =
2z
1+z
2
, z
0
= i; f
2
(z) =
sin(z)
z
2
, z
0
= 0;
f
3
(z) =
1−cos(2z)
z
2
, z
0
= 0; f
4
(z) =
e
z
z(z
2
+1)
, z
0
= 0.
2.30. Encuentre las singularidades de la funci ´ on e indique de qu´ e tipo son.
f
1
(z) =
4sin(z +2)
(z +i)
2
(z −i)
; f
2
(z) =
sin(z)
sinh(z)
;
f
3
(z) =
1
z
4
+z
2
; f
4
(z) = cotg(z);
f
5
(z) = tan(z); f
6
(z) = e
1/z(z+1)
;
f
7
(z) = cosec(z); f
8
(z) =
1
z −1
e
1/z
2
.
2.31. Suponga que f (z) y g(z) tienen polos en z
0
∈ C de orden m y n, respectivamente. ¿Qu´ e puede decirse
sobre las singularidades de f +g, f g en z
0
?
2.32. Explique por qu´ e el residuo en un polo simple no puede tomar el valor 0.
2.33. Sea p ∈ C un polo de las funciones g y h. Pruebe que
Res(g+h, p) = Res(g, p) +Res(h, p).
2.34. Calcular I
i
=
_
Γ
f
i
(z)dz, donde Γ est´ a parametrizada por γ(t) = e
it
, t ∈ [0, 2π].
f
1
(z) =
cos(z)
z
3
; f
2
(z) =
1−e
2z
z
4
; f
3
(z) =
e
z
2(z −1/2)
2
.
2.35. Muestre que si f es una funci´ on impar y holomorfa en z ,= 0, entonces todos los t´ erminos pares en su
expansi ´ on de Laurent sobre z
0
= 0 son iguales a 0.
2.36. Calcule I =
_
Γ
e
1/z
dz donde Γ es cualquier trayectoria cerrada que no pase por el origen.
2.37. Usando el Teorema del Residuo calcule I
k
=
_
Γ
k
f (z)dz.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
104 2 An´ alisis complejo
1) f
1
(z) =
1+z
2
(z −1)
2
(z +2i)
, Γ
1
es el c´ırculo de radio 7 alrededor de z
0
=−i.
2) f
2
(z) =
e
z
z
, Γ
2
es el c´ırculo de radio 2 alrededor de z
0
=−3i.
3) f
3
(z) =
z +i
z
2
+6
, Γ
3
es el cuadrado de lado de longitud 8 y lados paralelos a los ejes, con centro en el
origen.
4) f
4
(z) =
e
2z
z(z −4i)
, Γ
4
es cualquier trayectoria cerrada que encierra a 0 y a 4i.
2.38. Sean a ∈ (0, 1) y n ∈ N.
1) Sobre el c´ırculo unitario integre la funci ´ on determinada por la f´ ormula
f (z) =
_
z
n
+
1
z
n
_

_
1
z −a

1
z −1/a
_
2) Calcule
I =
_

0
cos(nx)
1+a
2
−2acos(x)
dx.
2.39. Sea a ∈ (0, 1) y n = 0, 1, 2, .... Calcule
I
1
=
_

0

a+cos(θ)
;
I
2
=
_

0
cos
2
(3θ)
1−2acos(2θ) +a
2
dθ;
I
3
=
_

0
cos(nθ)
cosh(a) +cos(θ)
dθ.
2.40. Sea a > 0. Calcule
I
1
=
_

−∞
1
1+x
6
dx; I
2
=
_

0
xsin(x)
x
2
+a
2
dx;
I
3
=
_

0
ln(x)
1+x
2
dx; I
4
=
_

0
ln(x)
(1+x
2
)
2
dx;
I
5
=
_

0
sin(x)
x(x
2
+a
2
)
dx.
2.41. Sean α, β > 0. Calcule
I =
_

0
xsin(αx)
x
4

4
dx.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Cap´ıtulo 3
Transformada de Laplace
3.1. Introducci ´ on
Hoy en d´ıa, los sistemas de control juegan un papel muy importante en Ingenier´ıa (v´ ease e.g. [Ni˜ n10]),
particularmente cuando se aplican sus t´ ecnicas a proyectos de desarrollo tecnol´ ogico y en la industr´ıa, e.g.
l´ıneas de ensamblaje autom´ atico, control de m´ aquinas-heramienta, sistemas de armas, sistemas de transpor-
te, sistemas de potencia, rob´ otica, concentraci´ on de productos en un reactor qu´ımico, etc.
A grosso modo, para dise˜ nar un sistema de control autom´ atico (v´ ease e.g. [DB10]) se debe modelar ma-
tem´ aticamente el proceso de inter´ es. Esto habitualmente involucra un modelo din´ amico a tiempo continuo
(v´ ease el Ap´ endice A), es decir una ecuaci ´ on diferencial que permite dise˜ nar un controlador de manera
que se cumplan los objetivos del proceso (habitualmente representados por un conjunto de restricciones
matem´ aticas).
Controlar apropiadamente un proceso permite incrementar la productividad, mejorar la calidad y la se-
guridad, reducir costos de producci ´ on, mejorar la protecci´ on al medio ambiente, etc. de manera que el rango
de aplicaciones de los sistemas de control es grande y “una herramienta que se utiliza en el dise˜ no de control
cl´ asico es precisamente la transformada de Laplace”, [Ni˜ n10].
Figura 3.1 Para resolver
un problema por medio de
L empieza por transformar
el problema complicado en
uno simple; este problema
se resuelve obteni´ endose la
transformada de Laplace de
la soluci ´ on; finalmente se
aplica L
−1
para recuperar
la soluci´ on del problema
original.
De hecho, la transformada de Laplace tiene aplicaciones mucho m´ as all´ a del ´ ambito de los sistemas de
control. As´ı, por ejemplo, en Econom´ıa tiene una interpretaci´ on simple: es el valor presente de un flujo efec-
105
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
106 3 Transformada de Laplace
tivo (v´ ease e.g. [LR03]). En la Secci ´ on 3.8 aplicamos la transformada de Laplace para abordar problemas
de valor inicial, ecuaciones integrodiferenciales, sistemas de ecuaciones diferenciales ordinarias y algunos
problemas en Econom´ıa.
3.2. Definiciones y f´ ormulas b´ asicas
Dada una funci ´ on
f : [0, ∞) −→1
t −→ f (t)
se define formalmente su transformada de Laplace mediante
L [ f ] (s) =
_

0
e
−st
f (t)dt. (3.1)
Observaci ´ on 3.1 A lo largo de esta secci´ on, si no se menciona expl´ıcitamente el dominio de una funci´ on
f = f (t) debe asumirse que es [0, ∞).
T´ engase presente que la transformada de funciones f = f (t), g = g(t), etc. suele denotarse por sus
correspondientes may´ usculas:
F(s) =L [ f ] (s), G(s) =L [g] (s), etc. (3.2)
Por la definici´ on (3.1) es claro que
_

0
f (t)e
−at
dt = F(a), (3.3)
y en particular
_

0
f (t)dt = F(0). (3.4)
Por la definici ´ on (3.1) es claro que L [] es una aplicaci ´ on lineal sobre un espacio vectorial de funciones
definidas sobre [0, ∞). En efecto, si α ∈1y f = f (t) y g =g(t) son funciones con transformadas de Laplace,
entonces α f +g tambi´ en tiene transformada de Laplace y se cumple que
L [α f +g] = αL [ f ] +L [g] . (3.5)
Ejemplo 3.1 Calculemos la transformada de Laplace de
f (t) =
_
1, 0 ≤t < π/2
cos(t), t ≥π/2
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.2 Definiciones y f´ ormulas b´ asicas 107
(%i1) assume(s>0);
( %o1) [s > 0]
(%i2) g(t):= 1;
h(t):= cos(t);
( %o2) g(t) := 1
( %o3) h(t) := cos(t)
(%i4) F: integrate(g(t)
*
exp(-s
*
t),t,0,%pi/2)
+integrate(h(t)
*
exp(-s
*
t),t,%pi/2,inf);
( %o4) −
e

π s
2
s
2
+1

e

π s
2
s
+
1
s
Existencia de la transformada de Laplace
Existe una variedad de condiciones para f = f (t) bajo las cuales uno puede establecer la existencia de
la transformada de Laplace L [ f ]. En la siguiente definici ´ on establecemos una de ellas.
Definici ´ on 3.1 [Orden Exponencial]
Se dice que f = f (t) tiene un oden exponencial si existen c, M, T > 0 tales que
[ f (t)[ ≤Me
ct
, para todo t > T. (3.6)
Figura 3.2 La funci ´ on
f (t) = 2,2sin(4πt) es de
orden exponencial. Se pue-
de tomar c = 1, M = 1 y
T = 0,5337079.
Teorema 3.1 [Existencia de la transformada de Laplace]
Si f = f (t) es continua por trozos y verifica (3.6), entonces L [ f ] (s) existe para s > c.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
108 3 Transformada de Laplace
Demostraci´ on. Se tiene que
[L [ f ] (s)[ =
¸
¸
¸
¸
_

0
e
st
f (t)
¸
¸
¸
¸

_

0
e
−st
[ f (t)[dt

_
T
0
e
−st
[ f (t)[dt +M
_

T
e
−t(s−c)
dt

_
T
0
[ f (t)[dt +
M
s −c
e
−T(s−c)
de manera que L [ f ] (s) ∈ 1, para todo s > c.
Observaci ´ on 3.2 En la demostraci´ on anterior, la continuidad por trozos de f sirve para asegurar que la
integral
_
T
0
[ f (t)[dt sea finita. Podemos cambiar este requerimiento por f ∈ L
1
(0, T) (v´ ease la Secci´ on
5.6.1).
F´ ormulas b´ asicas
Introducimos aqu´ı las f´ ormulas para las transformadas de funciones importantes.
Teorema 3.2 [F´ ormulas b´ asicas]
Se tiene que
L [1] (s) =
1
s
, para s > 0; (3.7)
L [t
n
] (s) =
n!
s
n+1
, para s > 0; (3.8)
L
_
e
at
¸
(s) =
1
s −a
, para s > a; (3.9)
L [sin(kt)] (s) =
k
s
2
+k
2
, para s > 0; (3.10)
L [cos(kt)] (s) =
s
s
2
+k
2
, para s > 0; (3.11)
L [sinh(kt)] (s) =
k
s
2
−k
2
, para s >[k[; (3.12)
L [cosh(kt)] (s) =
s
s
2
−k
2
, para s >[k[. (3.13)
Ejemplo 3.2 Para obtener las f´ ormulas (3.7)-(3.13) basta aplicar la definici´ on (3.1). Obtengamos la
f´ ormula (3.13):
(%i1) assume(k>0);
( %o1) [k > 0]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.2 Definiciones y f´ ormulas b´ asicas 109
(%i2) f(t):= cosh(k
*
t);
( %o2) f (t) := cosh(kt)
(%i3) assume(s>abs(k));
( %o3) [s > k]
(%i4) F: integrate(f(t)
*
exp(-s
*
t),t,0,inf);
( %o4)
s
s
2
−k
2
Tip 38.
La orden laplace(f(x),x,y) permite calcular L [ f (x)] (y).
Ejemplo 3.3 Calculemos la transformada de Laplace de
(%i1) f(t):= cos(%pi
*
t) - sinh(2
*
t);
( %o1) f (t) := cos(π t) −sinh(2t)
Se tiene que
(%i2) F: laplace(f(t),t,s);
( %o2)
s
s
2

2

2
s
2
−4
Transformada inversa de Laplace
Dada una funci´ on F = F(s) uno se pregunta si existe una funci ´ on f = f (t) tal que L [ f ] = F. En si el
caso se dice que f = f (t) es la transformada inversa de Laplace de F = F(s) y se escribe
L
−1
[F] (t) = f (t).
Por (3.5), se sigue que la transformada inversa de Laplace tambi´ en es lineal:
L
−1
[αF +G] = αL
−1
[F] +L
−1
[G] . (3.14)
Se puede observar en el Teorema 3.2 que todas las transformadas se anulan cuando s tiende a ∞. Esto no
es casualidad pues de hecho se cumple la siguiente proposici´ on.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
110 3 Transformada de Laplace
Proposici ´ on 3.1 [Propiedades asint´ oticas de L [ f ]]
Si f = f (t) es continua por trozos y de orden exponencial, entonces
l´ım
s→∞
F(s) = 0; (3.15)
l´ım
s→∞
sF
/
(s) = 0; (3.16)
l´ım
s→∞
sF(s) = l´ım
t→0
+
f (t). (3.17)
Observaci ´ on 3.3 De la Proposici´ on 3.1 se sigue que una funci´ on F = F(s) que no satisface
l´ım
s→∞
F(s) = 0
no puede ser la transformada de Laplace de una funci´ on f = f (t).
El Teorema 3.2 se puede reescribir como
Corolario 3.1 [F´ ormulas b´ asicas]
Sean a, k ∈ 1. Para t ≥0 se tiene que
L
−1
_
1
s
_
= 1; (3.18)
L
−1
_
n!
s
n+1
_
=t
n
; (3.19)
L
−1
_
1
s −a
_
= e
at
; (3.20)
L
−1
_
k
s
2
+k
2
_
= sin(kt); (3.21)
L
−1
_
s
s
2
+k
2
_
= cos(kt); (3.22)
L
−1
_
k
s
2
−k
2
_
= sinh(kt); (3.23)
L
−1
_
s
s
2
−k
2
_
= cosh(kt). (3.24)
Las siete f´ ormulas del Teorema 3.2 (equivalentemente del Corolario 3.1) deben grabarse en la memoria
del estudiante.
3.3. Teoremas de traslaci ´ on o corrimiento
Los teoremas de traslaci´ on (tambi´ en conocidos como teoremas de corrimiento) que a continuaci ´ on se
presentan permiten ampliar el espectro de funciones a las que se puede aplicar L [] o L
−1
[].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.3 Teoremas de traslaci ´ on o corrimiento 111
3.3.1. Primer teorema de traslaci´ on
Teorema 3.3 [Primer teorema de traslaci´ on]
Sea a ∈ 1. Si se cumple que F(s) =L [ f ] (s), entonces se tiene que
L
_
e
at
f (t)
¸
(s) = F(s −a). (3.25)
Demostraci´ on. Por la f´ ormula (3.3) se tiene que
L
_
e
at
f (t)
¸
(s) =
_

0
e
at
f (t)e
−st
dt
=
_

0
f (t)e
−t(s−a)
dt
= F(s −a). ¯ .
Observaci ´ on 3.4 A veces es bueno poner la f´ ormula (3.25) en la forma
L
_
e
at
f (t)
¸
=L [ f ]
s→s−a
. (3.26)
Para el c´ alculo de transformadas inversas es ´ util escribir el Teorema 3.3 como
L
−1
[F(s) [
s→s−a
] = e
at
f (t). (3.27)
Tip 39.
La orden ilt(f(x),x,y) permite calcular L
−1
[ f (x)] (y).
Ejemplo 3.4 Calculemos la transformada de Laplace de
(%i1) f(t):= exp(m
*
t)
*
sin(%pi
*
t);
( %o1) f (t) := exp(mt) sin(π t)
Se tiene que
(%i2) F: laplace(f(t),t,s);
( %o2)
π
s
2
−2ms +m
2

2
Ahora calculemos L
−1
[F]:
(%i3) ilt(F,s,t);
( %o3) e
mt
sin(π t)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
112 3 Transformada de Laplace
3.3.2. Transformada inversa de funcionales racionales
Consideremos una funci ´ on racional definida por la f´ ormula
R(s) =
P(s)
Q(s),
donde P y Q son polinomios tales que grad(P) < grad(Q). Para calcular L
−1
[R] se descompone R(s) en
fracciones parciales de manera que aparezcan sumandos de la forma
L
−1
_
A
s −a
_
; L
−1
_
A
(s −a)
n
_
;
L
−1
_
s +a
(s +a)
2
+b
2
_
; L
−1
_
b
(s +a)
2
+b
2
_
;
que pueden ser calculados mediante las f´ ormulas del Corolario 3.1 y con ayuda del primer teorema de
traslaci ´ on en la forma
L
−1
[F(s) [
s→s−a
] = e
at
f (t).
Para el caso particular en que
Q(s) =
m

i=1
(s −a
i
),
donde las a
i
∈ 1 verifican
i ,= j =⇒ a
i
,= a
j
,
se puede aplicar la f´ ormula de Heaviside:
L
−1
[R(s)] (t) =
m

i=1
P(a
i
)
Q
/
(a
i
)
e
a
i
t
. (3.28)
Ejemplo 3.5 Calculemos L
−1
[R(s)] =L
−1
[P(s)/Q(s)] donde
(%i1) P(s):= sˆ2-4
*
s+1;
(%o1) P(s) := s
2
−4s +1
(%i2) Q(s):= sˆ4+11
*
sˆ3-34
*
sˆ2-344
*
s+960;
(%o2) Q(s) := s
4
+11s
3
+(−34) s
2
+(−344) s +960
Factoramos el denominador:
(%i3) factor(Q(s));
(%o3) (s −4) (s −3) (s +8) (s +10)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.3 Teoremas de traslaci ´ on o corrimiento 113
de manera que podemos aplicar la f´ ormula de Heaviside:
(%i4) define(q(s), diff(Q(s),s));
(%o4) q(s) := 4s
3
+33s
2
−68s −344
(%i5) F: P(4)/q(4)
*
exp(4
*
t)+P(3)/q(3)
*
exp(3
*
t)+
P(-8)/q(-8)
*
exp(-8
*
t)+P(-10)/q(-10)
*
exp(-10
*
t);
(%o5)
e
4t
168
+
2e
3t
143
+
97e
−8t
264

141e
−10t
364
Comprobemos que efectivamente da el resultado correcto:
(%i6) F - ilt(P(s)/Q(s),s,t);
(%o6) 0
3.3.3. Segundo teorema de traslaci ´ on
Para establecer el segundo teorema de traslaci´ on necesitamos definir la funci ´ on de Heaviside:
H(t −a) =
_
0, t < a,
1, t ≥a.
(3.29)
Al valor t = a se le conoce como punto de activaci ´ on. En efecto, la gr´ afica de la funci ´ on de Heaviside
puede interpretarse como un sistema que permanece apagado (toma el valor 0) hasta que se activa (toma el
valor 1) en t = a.
Figura 3.3 La funci ´ on de
Heaviside con activaci´ on en
t = 1,5.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
114 3 Transformada de Laplace
Teorema 3.4 [Segundo teorema de traslaci ´ on]
Sea a > 0. Si se cumple que F(s) =L [ f ] (s), entonces se tiene que
L [ f (t −a) H(t −a)] (s) = e
−as
F(s). (3.30)
Para el c´ alculo de transformadas inversas es ´ util escribir el Teorema 3.4 como
L
−1
_
e
−as
F(s)
¸
= f (t −a) H(t −a). (3.31)
Ejemplo 3.6 Queremos calcular la transformada de Laplace de la funci´ on
g(t) =
_
0, 0 ≤t < 4,
t
2
+1, t ≥4.
Puesto que
g(t) = H(t −4) (t
2
+1),
para aplicar (3.30) tenemos que hallar una funci´ on f (t) tal que
t
2
+1 = f (t −4).
Puesto que
(%i1) taylor(tˆ2 +1,t,4,2);
(%o1)/T/ 17+8 (t −4) +(t −4)
2
+...
se sigue que
(%i2) define(f(t), 17+8
*
t+tˆ2);
(%o2) f (t) :=t
2
+8t +17
Al aplicar (3.30) se encuentra la transformada de g(t):
(%i3) G: exp(-4
*
s)
*
laplace(f(t),t,s);
(%o3)
_
17
s
+
8
s
2
+
2
s
3
_
e
−4s
3.4. La transformada inversa mediante el c´ alculo de residuos
Sea F una funci ´ on diferenciable para todo s excepto para los puntos s
1
, s
2
, ..., s
n
que son todos los polos
de F. Supongamos que para alg´ un σ ∈ 1, F es diferenciable para todo s tal que Re(s) > σ. Supongamos
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.4 La transformada inversa mediante el c´ alculo de residuos 115
tambi´ en que existen n´ umeros M, R > 0 tales que
[sF(s)[ ≤M, para [s[ > R.
Entonces, la funci ´ on
f (t) =
n

j=1
Res(e
st
F(s), s
j
) (3.32)
verifica
L [ f ] = F(s), para Re(s) > σ.
Ejemplo 3.7 Calculemos la transformada inversa de
(%i1) F(s):= 1/(sˆ3-sˆ2-4
*
s+4);
(%o1) F(s) :=
1
s
3
−s
2
+(−4) s +4
Puesto que
(%i2) factor(1/F(s));
(%o2) (s −2) (s −1) (s +2)
es claro que F(s) tiene polos simples en los puntos
(%i3) s1: -2;
s2: 1;
s3: 2;
(%o3) −2
(%o4) 1
(%o5) 2
Calculamos la transformada inversa de Laplace de F(s) mediante la f´ ormula (3.32):
(%i6) define(f(t), residue(exp(s
*
t)
*
F(s),s,s1)
+residue(exp(s
*
t)
*
F(s),s,s2)+residue(exp(s
*
t)
*
F(s),s,s3));
(%o6) f (t) :=
e
2t
4

e
t
3
+
e
−2t
12
Finalmente verificamos que se ha obtenido el resultado correcto
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
116 3 Transformada de Laplace
(%i7) f(t)-ilt(F(s),s,t);
(%o7) 0
3.5. Derivaci ´ on y convoluci ´ on
Para calcular la transformada de Laplace de la derivada de una funci´ on se tiene el siguiente teorema.
Teorema 3.5 [Transformada de una derivada]
Sea f = f (t) una funci´ on tal que
1) para k = 0, 1, ..., n−1, f
(k)
∈ C([0, ∞)) y es de orden exponencial;
2) f
(n)
es continua por trozos.
Entonces
L
_
f
(n)
_
(s) = s
n
F(s) −s
n−1
f (0) −s
n−2
f
/
(0) −... − f
(n−1)
(0), (3.33)
donde F(s) =L [ f ] (s).
Tip 40.
La orden nombrelista[k] permite extraer el k-´esimo elemento de la lista nombrelista.
Tip 41.
El comando atvalue(f(x),x=a,v) establece que f (a) = v.
Ejemplo 3.8 Maxima utiliza la f´ ormula (3.33) como se puede ver en el siguiente caso
(%i1) atvalue(f(t),t=0,v[0]);
atvalue(’diff(f(t),t),t=0,v[1]);
atvalue(’diff(f(t),t,2),t=0,v[2]);
atvalue(’diff(f(t),t,3),t=0,v[3]);
atvalue(’diff(f(t),t,4),t=0,v[4]);
( %o1) v
0
( %o2) v
1
( %o3) v
2
( %o4) v
3
( %o5) v
4
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.5 Derivaci ´ on y convoluci ´ on 117
(%i6) laplace(’diff(f(t),t,5) ,t,s);
( %o6) s
5
laplace(f (t), t, s) −v
0
s
4
−v
1
s
3
−v
2
s
2
−v
3
s −v
4
Para calcular la derivada de una transformada se tiene el siguiente teorema.
Teorema 3.6 [Derivada de una transformada]
Supongamos que F(s) =L [ f ] (s). Entonces se tiene
L [t
n
f (t)] = (−1)
n
d
n
ds
n
F(s). (3.34)
Ejemplo 3.9 Maxima utiliza la f´ ormula (3.34) como se puede ver en el siguiente caso
(%i1) laplace((tˆ5-tˆ3)
*
f(t),t,s);
( %o1)
d
3
d s
3
laplace(f (t), t, s) −
d
5
d s
5
laplace(f (t), t, s)
Convoluci ´ on de funciones
Si las funciones f y g son continuas por trozos en [0, −∞), la convoluci ´ on de f y g es la funci ´ on
conv[ f , g] : [0, ∞) →1 definida como
conv[ f , g](t) =
_
t
0
f (τ)g(t −τ)dτ. (3.35)
De la definici ´ on se sigue que
conv[ f , g] = conv[g, f ]. (3.36)
Observaci ´ on 3.5 Nuestra elecci´ on en la notaci´ on conv[ f , g] para representar la convoluci´ on de las funcio-
nes f = f (t) y g = g(t) se debe a que en la Secci´ on ?? definiremos un producto de convoluci´ on u∗v para
funciones definidas sobre 1. El producto ∗ ser´ a utilizado en combinaci´ on con conv[, ] para resolver un
tipo de ecuaciones diferenciales parciales (v´ ease la Secci´ on 6.5.3).
Para el manejo de ecuaciones integrales e integro-diferenciales es ´ util el siguiente teorema.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
118 3 Transformada de Laplace
Teorema 3.7 [Convoluci ´ on]
Sean f y g continuas por trozos en [0, −∞) y de orden exponencial. Entonces,
L [conv[ f , g]](s) =L [ f ] (s) L [g] (s). (3.37)
En particular se tiene que
L
_
_
t
0
f (τ)dτ
_
(s) =
F(s)
s
. (3.38)
Obviamente se tiene que
L
−1
[F(s) G(s)] (t) = conv[ f , g](t). (3.39)
Ejemplo 3.10 Maxima utiliza las f´ ormulas (3.37) y (3.38):
(%i1) assume(t>0);
( %o1) [t > 0]
(%i2) h(t):= integrate(f(x)
*
g(t-x),x,0,t);
( %o2) h(t) :=
_
t
0
f (x) g(t −x)dx
(%i3) laplace(h(t),t,s);
( %o3) laplace(f (t), t, s) laplace(g(t), t, s)
(%i4) laplace(integrate(f(x),x,0,t),t,s);
( %o4)
laplace(f (t), t, s)
s
3.6. Funciones peri ´ odicas
Si f tiene transformada de Laplace y es peri´ odica, entonces se cumple que
L [ f ] (s) =
1
1−e
−sT
_
T
0
e
−st
f (t)dt, (3.40)
donde T es el per´ıodo de f .
Ejemplo 3.11 Consideramos la funci´ on diente de sierra:
f (t) =
_
¸
_
¸
_
t, 0 ≤t < 1
0, 1 ≤t < 2
f (t −2), t ≥2
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.6 Funciones peri ´ odicas 119
Figura 3.4 La funci´ on diente
de sierra.
Es claro que la funci´ on f es peri´ odica con per´ıodo
(%i1) T: 2;
( %o1) 2
Aplicamos (3.40) para encontrar la transformada de Laplace de f :
(%i3) (integrate(%eˆ(-s
*
t)
*
t,t,0,1)+integrate(%eˆ(-s
*
t)
*
0,t,1,T))
/(1-%eˆ(-s
*
T)), ratsimp;
( %o3)
e
2s
+(−s −1) e
s
s
2
e
2s
−s
2
Figura 3.5 La transformada
de Laplace de la funci´ on
diente de sierra.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
120 3 Transformada de Laplace
3.7. Delta de Dirac
Introducimos de una manera intuitiva el delta de Dirac, δ(t −t
0
), como si fuera el l´ımite de una su-
cesi ´ on de funciones reales. Su manipulaci´ on se vuelve aceptable desde el punto de vista mec´ anico; pero,
para abordar su verdadero significado, es necesario enmarcarse en la teor´ıa de distribuciones o funciones
generalizadas. Este tema es abordado brevemente en la Secci´ on 6.5.2.
Fijemos un t
0
∈ [0, ∞). Para cada n ∈ N defnimos
δ
n
(t −t
0
) =
_
n
2
, t ∈ [t
0

1
n
; t
0
+
1
n
]
0, t / ∈ [t
0

1
n
; t
0
+
1
n
].
(3.41)
Trataremos de hallar una funci ´ on, que denotaremos δ( −t
0
), a partir de (3.41) pasando al l´ımite cuando n
tiende a ∞. Puesto que
_

−∞
δ
n
(t −t
0
)dt = 1, para todo n ∈ N,
esperar´ıamos que se cumpla que
_

−∞
δ(t −t
0
)dt = 1. (3.42)
Se puede probar que para cualquier funci ´ on f = f (t) continua en el punto t =t
0
se cumple que
l´ım
n→∞
_

−∞
δ
n
(t −t
0
) f (t)dt = f (t
0
),
de manera que esperamos que se cumpla que
_

−∞
δ(t −t
0
) f (t)dt = f (t
0
). (3.43)
Nuestras esperanzas se encuentran con un problema mayor al constatar que l´ım
n→∞
δ
n
(t
0
) = ∞, de manera
que, por (3.41), la ´ unica definici ´ on aceptable para el delta de Dirac ser´ıa:
δ(t −t
0
) =
_
+∞, t =t
0
,
0, t ,=t
0
;
(3.44)
pero esto involucra a ∞ que no es un n´ umero real.
Figura 3.6 En el gr´ afico se
representan δ
1
(t), δ
4
(t), δ
7
(t),
δ
10
(t) y δ
13
(t).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.8 Aplicaciones de la transformada de Laplace 121
Como ya se dijo, la teor´ıa de distribuciones elimina este tipo de problemas. Para la aplicaci´ on operativa
del delta de Dirac a la Ingenier´ıa uno puede sobrellevar este “peque˜ no” inconveniente aceptando la existen-
cia del delta de Dirac como el s´ımbolo δ(t −t
0
) que verifica (3.42), (3.43) y (3.44). Cuando t
0
= 0 se habla
del delta de Dirac cl ´ asico, y se lo denota simplemente δ(t).
Se define entonces la transformada de Laplace del delta de Dirac mediante
L [δ(t −t
0
)] (s) = l´ım
n→∞
L [δ
n
(t −t
0
)] (s) = e
−st
0
. (3.45)
Tip 42.
En Maxima el comando delta(t) representa δ(t).
Ejemplo 3.12 Calculemos las transformadas de Laplace de δ(t −a) y de δ(t −a) sin(bt).
(%i1) assume(a>0);
( %o1) [a > 0]
(%i2) laplace(delta(t-a),t,s);
( %o2) e
−as
(%i3) laplace(delta(t-a)
*
sin(b
*
t),t,s);
( %o3) −
_
i e
2i ab
−i
_
e
−as−i ab
2
3.8. Aplicaciones de la transformada de Laplace
La gr´ afica de la derecha resume la mec´ anica que
se sigue para resolver un problema por medio de la
transformada de Laplace y su inversa. La idea es
simple: un problema complicado se transforma en
uno simple despu´ es de que se aplica L []; este pro-
blema se resuelve obteni´ endose la transformada de
Laplace de la soluci´ on; finalmente se aplica L
−1
[]
para recuperar la soluci ´ on del problema original.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
122 3 Transformada de Laplace
3.8.1. Aplicaci ´ on a un problema de valor inicial
Apliquemos la metodolog´ıa reci´ en mencionada a la resoluci ´ on de problemas de valor inicial.
Ejemplo 3.13 Consideramos el problema
_
¸
_
¸
_
y
//
−6y
/
+9y =t
2
e
3t
;
y(0) = 2;
y
/
(0) = 6
(3.46)
Tomamos transformada de Laplace en ambos lados de la ecuaci´ on diferencial:
L
_
y
//
¸
−6L
_
y
/
¸
+9L [y] =L
_
t
2
e
3t
¸
;
s
2
Y(s) −sy(0) −y
/
(0) −6[sY(s) −y(0)] +9Y(s) =
2
(s −3)
3
.
Usando las condiciones iniciales y simplicando obtenemos
Y(s) =
2
s −3
+
2
(s −3)
5
Tomando transformada inversa tenemos entonces que
y(t) = 2e
3t
+
1
12
t
4
e
3t
.
Tip 43.
Las ´ordenes lhs(ec) (left hand side) y rhs(ec) (right hand side) permiten extraer el
lado izquierdo y derecho, respectivamente, de la ecuaci´on ec.
Ejemplo 3.14 Resolvamos con ayuda de Maxima el mismo problema del Ejemplo 3.13. Consideramos
entonces la ecuaci´ on diferencial
(%i1) ec1: ’diff(y(t),t,2)-6
*
’diff(y(t),t)+9
*
y(t)=tˆ2
*
exp(3
*
t);
( %o1)
d
2
dt
2
y(t) −6
_
d
dt
y(t)
_
+9y(t) =t
2
e
3t
sujeta a las condiciones iniciales
(%i2) atvalue(y(t),t=0,2);
atvalue(’diff(y(t),t),t=0,6);
( %o2) 2
( %o3) 6
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.8 Aplicaciones de la transformada de Laplace 123
Aplicamos la transformada de Laplace al problema de valor inicial:
(%i4) ec2: laplace(ec1,t,s);
( %o4) −6 (slaplace(y(t), t, s) −2) +s
2
laplace(y(t), t, s) +9laplace(y(t), t, s) −2s −6 =
2
(s −3)
3
(%i5) ec3: ev(ec2,laplace(y(t),t,s)=Y);
( %o5) −6 (sY −2) +s
2
Y +9Y −2s −6 =
2
(s −3)
3
Despejamos la transformada de Laplace de la soluci´ on:
(%i6) ec4: solve(ec3,Y), factor;
( %o6) [Y =
2
_
s
4
−12s
3
+54s
2
−108s +82
_
(s −3)
5
]
Hallamos y(t), la soluci´ on del problema de valor inicial:
(%i7) define(y(t),ilt(rhs(ec4[1]),s,t));
( %o7) y(t) :=
t
4
e
3t
12
+2e
3t
que cumple la condici´ on
(%i8) y(0);
( %o8) 2
y tambi´ en cumple la condici´ on y
/
(0) = 6:
(%i9) define(z(t),diff(y(t),t));
( %o9) z(t) :=
t
4
e
3t
4
+
t
3
e
3t
3
+6e
3t
(%i10)z(0);
( %o10) 6
Tip 44.
Maxima tiene el comando desolve para resolver ecuaciones diferenciales ordinarias
con ayuda de la transformada de Laplace.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
124 3 Transformada de Laplace
Ejemplo 3.15 Consideramos nuevamente el problema del Ejemplo 3.13. La soluci´ on de la ecuaci´ on dife-
rencial
(%i1) ec1: ’diff(y(t),t,2)-6
*
’diff(y(t),t)+9
*
y(t)=tˆ2
*
exp(3
*
t);
( %o1)
d
2
dt
2
y(t) −6
_
d
dt
y(t)
_
+9y(t) =t
2
e
3t
sujeta a las condiciones iniciales
(%i2) atvalue(y(t),t=0,2);
atvalue(’diff(y(t),t),t=0,6);
( %o2) 2
( %o3) 6
est´ a dada por
(%i4) desolve(ec1,y(t));
( %o4) y(t) =
t
4
e
3t
12
+2e
3t
3.8.2. Aplicaci ´ on a la ecuaci ´ on de Volterra
Consideremos la ecuaci´ on de Volterra:
f (t) = g(t) +
_
t
0
f (τ)p(t −τ)dτ, t ∈ [0, ∞). (V)
Esta es una ecuaci´ on integral para la funci ´ on inc´ ognita f = f (t). Las funciones g = g(t) y p = p(t) se
suponen conocidas. Aplicando L [] se obtiene
F(s) = G(s) +F(s) P(s),
de manera que
F(s) =
G(s)
1−P(s)
.
Por tanto la soluci ´ on de (V) es
f (t) =L
−1
_
G(s)
1−P(s)
_
.
Ejemplo 3.16 Resolvamos la ecuaci´ on
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.8 Aplicaciones de la transformada de Laplace 125
f (t) = 3t
2
−e
−t

_
t
0
f (τ)e
t−τ
dτ. (3.47)
Usando la transformada de Laplace tenemos:
L [ f (t)] = 3L
_
t
2
¸
−L
_
e
−t
¸
−L [ f (t)] L
_
e
t
¸
.
As´ı que
F(s) =
6(s −1)
s
4

s −1
s(s +1)
=
6
s
3

6
s
4
+
1
s

2
s +1
.
As´ı que
f (t) = 3t
2
−t
3
+1−2e
−t
.
Ejemplo 3.17 Resolvamos el mismo problema del Ejemplo 3.16 con ayuda de Maxima. Consideramos la
ecuaci´ on integral
(%i1) assume(t>0);
( %o1) [t > 0]
(%i2) ec1: f(t) = 3
*
tˆ2 - %eˆ(-t) - integrate(f(x)
*
%eˆ(t-x),x,0,t);
( %o2) f (t) =−
_
t
0
e
t−x
f (x)dx −e
−t
+3t
2
Aplicamos la transformada de Laplace:
(%i3) ec2: laplace(ec1,t,s);
( %o3) laplace(f (t), t, s) =−
laplace(f (t), t, s)
s −1

1
s +1
+
6
s
3
(%i4) ec3: ev(ec2, laplace(f(t),t,s)=F);
( %o4) F =−
F
s −1

1
s +1
+
6
s
3
Despejamos la transformada de Laplace de la soluci´ on:
(%i5) ec4: solve(ec3, F);
( %o5) [F =−
s
4
−s
3
−6s
2
+6
s
5
+s
4
]
Finalmente hallamos la soluci´ on:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
126 3 Transformada de Laplace
(%i6) define(F(t),ilt(rhs(ec4[1]),s,t));
( %o6) F(t) :=−2e
−t
−t
3
+3t
2
+1
3.8.3. Aplicaci ´ on a la segunda ley de Kirchoff
Como ejemplo de ecuaci ´ on integro diferencial consideremos la Segunda Ley de Kirchoff que establece
que en un circuito en serie, la suma de las caidas de voltaje a trav´ es de un inductor, L, de un resistor, R, y
de un capacitor, C, es igual a la tensi ´ on aplicada:
_
_
_
L
di
dt
+Ri +
1
C
_
t
0
i(τ)dτ = v(t), t ∈ [0, ∞),
i(0) = i
0
,
(KR)
donde i = i(t) representa la corriente electrica.
Figura 3.7 Un circuito LRC
en serie.
Tomamos la transformada de Laplace en (KR) y tenemos
L[sI(s) −i(0)] +RI(s) +
1
C
I(s)
s
=V(s),
de manera que
i(t) =L
−1
_
Cs(V(s) +i
0
L)
LCs
2
+RCs +1
_
(t). (3.48)
Ejemplo 3.18 Consideramos un circuito LRC en serie tal que
L = 0,1h, R = 20Ω, C = 0,001f,
sometido al voltaje
v(t) =
_
120t, 0 ≤t < 1,
0, t ≥1.
Nos interesa hallar la corriente i(t), t ≥0. Su comportamiento est´ a dado por la ecuaci´ on integrodiferencial
(KR). Aplicamos (3.48):
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.8 Aplicaciones de la transformada de Laplace 127
(%i1) L: 0.1;
R: 20;
C: 0.001;
( %o1) 0,1
( %o2) 20
( %o3) 0,001
(%i4) i0: 0;
( %o4) 0
(%i5) define(V(s),integrate(120
*
t
*
exp(-s
*
t),t,0,1));
( %o5) V(s) := 120
_
1
s
2

(s +1) e
−s
s
2
_
(%i6) I: C
*
s
*
(V(s)+i0
*
L)/(L
*
C
*
sˆ2+R
*
C
*
s+1), ratsimp;
rat : replaced0,12by3/25 = 0,12rat : replaced0,02by1/50 = 0,02rat : replaced1,0E −4by1/10000 =
1,0E −4
( %o6)
e
−s
(1200e
s
−1200s −1200)
s
3
+200s
2
+10000s
de manera que
i(t) = 1200
_
L
−1
_
1
s
3
+200s
2
+10000s
_
(t) −L
−1
_
e
−s
(s +1)
s
3
+200s
2
+10000s
_
(t)
_
= 1200
_
L
−1
_
1
s
3
+200s
2
+10000s
_
(t) −H(t −1) L
−1
_
s +1
s
3
+200s
2
+10000s
_
(t −1)
_
Se tiene entonces que
(%i1) define(g1(t),ilt(1/(sˆ3+200
*
sˆ2+10000
*
s),s,t));
( %o1) g1(t) :=−
t e
−100t
100

e
−100t
10000
+
1
10000
(%i2) define(g2(t),ilt((s+1)/(sˆ3+200
*
sˆ2+10000
*
s),s,t));
( %o2) g2(t) :=
99t e
−100t
100

e
−100t
10000
+
1
10000
(%i3) aux: 1200
*
(g1(t)+g2(t-1)
*
H(t-1));
( %o3) 1200
__
99 (t −1) e
−100(t−1)
100

e
−100(t−1)
10000
+
1
10000
_
H(t −1) −
t e
−100t
100

e
−100t
10000
+
1
10000
_
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
128 3 Transformada de Laplace
(%i4) define(i(t),aux);
( %o4) i (t) :=1200
__
99 (t −1) e
−100(t−1)
100

e
−100(t−1)
10000
+
1
10000
_
H(t −1) −
t e
−100t
100

e
−100t
10000
+
1
10000
_
Recuerde que por H(t −a) representamos la funci´ on de Heaviside con activaci´ on en el punto t = a.
3.8.4. Aplicaci ´ on a sistemas de EDO
La transformada de Laplace permite resolver una variedad de sistemas de EDO lineales con coeficientes
constantes.
Ejemplo 3.19 Buscamos funciones x =x(t) e y =y(t) que constituyan una soluci´ on del siguiente problema
de valor inicial:
_
¸
¸
¸
_
¸
¸
¸
_
x
//
+y
//
=t
2
,
x
//
−y
//
= 4t,
x(0) = 8, x
/
(0) = 0,
y(0) = 0, y
/
(0) = 0.
Al aplicar L a las ecuaciones diferenciales obtenemos
_
¸
_
¸
_
s
2
X(s) +s
2
Y(s) =
2
s
3
+8s,
s
2
X(s) −s
2
Y(s) =
4
s
2
+8s,
de manera que
_
¸
_
¸
_
X(s) =
8s
4
+2s +1
s
5
,
Y(s) =−
2s −1
s
5
,
y entonces
_
¸
_
¸
_
x(t) =
t
4
24
+
t
3
3
+8,
y(t) =
t
4
24

t
3
3
.
Ejemplo 3.20 Resolvemos el problema del Ejemplo 3.19 con ayuda de Maxima. Consideramos entonces
el sistema de ecuaciones diferenciales
(%i1) ec1: ’diff(x(t),t,2) + ’diff(y(t),t,2) = tˆ2;
ec2: ’diff(x(t),t,2) - ’diff(y(t),t,2) = 4
*
t;
( %o1)
d
2
dt
2
y(t) +
d
2
dt
2
x(t) =t
2
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.8 Aplicaciones de la transformada de Laplace 129
( %o2)
d
2
dt
2
x(t) −
d
2
dt
2
y(t) = 4t
sujetas a las restricciones
(%i3) atvalue(x(t),t=0,8);
atvalue(’diff(x(t),t),t=0,0);
atvalue(y(t),t=0,8);
atvalue(’diff(y(t),t),t=0,0);
( %o3) 8
( %o4) 0
( %o5) 8
( %o6) 0
La soluci´ on es
(%i7) desolve([ec1, ec2],[x(t),y(t)]);
( %o7) [x(t) =
t
4
24
+
t
3
3
+8, y(t) =
t
4
24

t
3
3
+8]
3.8.5. Aplicaci ´ on a la Econom´ıa
La transformada de Laplace de una funci´ on f = f (t) tiene una interpretaci´ on econ´ omica (v´ ease e.g.
[LR03]): L [ f ] (s) es el valor presente de un flujo de efectivo f (t) durante el periodo [0, ∞) y con una tasa
de descuento igual a s.
Ejemplo 3.21 Si denotamos por c(t) el consumo al tiempo t ≥0 y por u(c(t)) la utilidad que se deriva del
mismo, entonces L [u(c(t))] (s) es el valor presente de la utilidad acumulada en [0, ∞), descontado a una
tasa s.
Ejemplo 3.22 Denotemos por k(t) al capital en el tiempo t ≥0. Si el capital capital inicial k(0) = k
0
> 0
se deprecia a una tasa α > 0, entonces la inversi´ on bruta, h(t), est´ a dada por
b(t) =
dk
dt
(t) +α k(t). (3.49)
Entonces, si la tasa de descuento es igual a s, los valores presentes de la inversi´ on bruta, B(s), y del capital,
K(s) est´ an relacionados por
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
130 3 Transformada de Laplace
B(s) = (s +α)K(s) −k
0
. (3.50)
Se tiene entonces que
k(t) = k
0
e
−αt
+L
−1
_
B(s)
s +α
_
(t), (3.51)
que, por (3.37), equivale a
k(t) = k
0
e
−αt
+
_
t
0
e
−α(t−τ)
B(τ)dτ. (3.52)
Las ecuaciones (3.51) y (3.52) expresan que el capital al tiempo t consiste de dos partes: la primera es lo
que queda del capital inicial por la depreciaci´ on y, la segunda parte, consiste en la inversi´ on acumulada
en el per´ıodo [0, t] con su correspondiente depreciaci´ on.
Ejemplo 3.23 Supongamos que en (3.49), k(t) representa el fondo para pagar las pensiones a jubilados
de un sistema p´ ublico. El tiempo se mide en meses. Es conocido que este fondo depende b´ asicamente de un
flujo de trabajadores j´ ovenes que ingresen al sistema. Este flujo se puede modelar mediante
b(t) =


n=1
p
n
δ(t −n).
Si no hay inversiones adicionales al sistema de pensiones y la tasa con que ingresan nuevos trabajadores
al sistema es aproximadamente constante, ¿despu´ es de cuantos meses el fondo se habr´ a reducido a menos
de la tercera parte de su capital inicial? Se tiene que
k(t) = k
0
e
−αt
+


n=1
p
i
H(t −n) e
−α(t−n)
.
De ah´ı se deduce que deben pasar al menos N meses, donde N es el primer entero tal que N >
k
0
3p
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.8 Aplicaciones de la transformada de Laplace 131
Problemas
3.1. Usando la definici´ on de la transformada de Laplace calcule manualmente y con Maxima la transfor-
mada de Laplace de las funciones determinadas por
f
1
(t) = e
t
cos(t); f
2
(t) =t;
f
3
(t) = e
3t
; f
4
(t) = sin(2t);
f
5
(t) =
_
0, 0 ≤t < 3
2, t ≥3
.
3.2. Usando la definici´ on de la transformada de Laplace calcule manualmente y con Maxima la transfor-
mada de Laplace de las funciones determinadas por
f
1
(t) =
_
−1, 0 ≤t < 1
1, t ≥1
f
2
(t) =
_
t, 0 ≤t < 1
1, t ≥1
f
3
(t) =
_
sin(t), 0 ≤t < π
0, t ≥π
f
4
(t) =
_
4, 0 ≤t < 2
0, t ≥2
f
5
(t) =
_
2t +1, 0 ≤t < 1
0, t ≥1
f
6
(t) =
_
0, 0 ≤t <
π
2
cos(t), t ≥
π
2
3.3. Sean n ∈ N, a ∈ 1 y k ∈ 1. Pruebe que
L [1] (s) =
1
s
, para s > 0;
L [t
n
] (s) =
n!
s
n+1
, para s > 0;
L
_
e
at
¸
(s) =
1
s −a
, para s > a;
L [sin(kt)] (s) =
k
s
2
+k
2
, para s > 0;
L [cos(kt)] (s) =
s
s
2
+k
2
, para s > 0;
L [sinh(kt)] (s) =
k
s
2
−k
2
, para s >[k[;
L [cosh(kt)] (s) =
s
s
2
−k
2
, para s >[k[.
3.4. Si F(s) =L [ f ] (s), demuestre que
L [cosh(at) f (t)] (s) =
1
2
[F(s −a) +F(s +a)] .
3.5. Sean a, b ∈ 1, a ∈ ¦−b, b¦. Pruebe que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
132 3 Transformada de Laplace
L
_
cos(at) −cos(bt)
(b−a)(b+a)
_
(s) =
s
(s
2
+a
2
)(s
2
+b
2
)
, para s > 0;
L [sin(at)cosh(at) −cos(at)sinh(at)] (s) =
4a
3
s
4
+4a
4
, para s > 0;
L [sin(at)sinh(at)] (s) =
2a
2
s
s
4
+4a
4
, para s > 0.
3.6. Sean a, ω > 0. Calcule manualmente y con Maxima la transformada de Laplace de las funciones
determinadas por las f´ ormulas
f
1
(t) =
sin(at)
t
; f
2
(t) =
2(1−cos(at))
t
;
f
3
(t) =
2(1−cosh(at))
t
; f
4
(t) =
1

πt
e
−a
2
/4t
;
f
5
(t) =
_
¸
_
¸
_
a sin(ωt), 0 ≤t < π/ω,
0, π/ω ≤t < 2π/ω,
f (t) = f (t −2π/ω), t ≥2π/ω.
3.7. Calcule manualmente y con Maxima la transformada de Laplace de las funciones determinadas por
las f´ ormulas
f
1
(t) = (t +1)
3
; f
2
(t) = (1+e
2t
)
2
; f
3
(t) = sin(t)sinh(3t);
f
4
(t) = e
3t
t
7/2
; f
5
(t) =
_
t
0
e
−τ
cos(τ)dτ; f
6
(t) = 2
−t
conv(e
−t
, e
t
cos(t));
f
7
(t) = (2t −1)
3
; f
8
(t) = (e
t
−e
−t
)
2
; f
9
(t) = cos
2
(t);
f
10
(t) =
_
t
0
τe
t−τ
dτ; f
11
(t) = conv(1, e
−2t
).
3.8. Calcule manualmente y con Maxima la transformada inversa de Laplace de las funciones determinadas
por las f´ ormulas
F
1
(s) =
1
s
3
+5s
2
+2s −8
; F
2
(s) =
s +1
s
2
(s +2)
3
;
F
3
(s) =
3s −2
s
3
(s
2
+4)
F
4
(s) =
s −1
s
2
(s
2
+1)
; F
5
(s) =
s
s
2
+6s +11
.
3.9. Calcule manualmente y con Maxima la transformada inversa de Laplace de las funciones determinadas
por las f´ ormulas
F
1
(s) =
_
2
s

1
s
3
_
2
; F
3
(s) =
s
(s −2)(s −3)(s −6)
;
F
2
(s) =
(s +1)
3
s
4
; F
4
(s) =
s −1
s
2
(s
2
+1)
.
3.10. Sean f y g continuas por trozos en [0, −∞) y de orden exponencial.
1) Pruebe que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.8 Aplicaciones de la transformada de Laplace 133
L [conv[ f , g]](s) =L [ f ] (s) L [g] (s).
2) Pruebe que
L
_
_
t
0
f (τ)dτ
_
(s) =
F(s)
s
.
3.11. Recordemos que la funci ´ on Gamma, Γ : 1
+
−→1, est´ a dada por
Γ(α) =
_

0
t
α−1
e
−t
dt, α > 1.
Pruebe que para α > 1 se tiene
L [t
α
] =
Γ(α +1)
s
α+1
.
3.12. Usando la transformada de Laplace y su inversa, resuelva los siguientes problemas de valor inicial.
_
x
/
−3x = e
2t
,
x(0) = 1;
_
¸
_
¸
_
y
//
−4y
/
+5y = 0,
y(0) = 1,
y
/
(0) =−1;
_
¸
_
¸
_
z
//
−2z
/
+z = 0,
z(0) = 2,
z
/
(0) = 3;
_
¸
_
¸
_
u
//
−6u
/
+9u =t
2
e
3t
,
u(0) = 2,
u
/
(0) = 6.
Resuelva los mismos problemas usando Maxima.
3.13. Usando la convoluci ´ on, escriba la soluci ´ on del problema de valor inicial en t´ erminos de f = f (t).
_
¸
_
¸
_
x
//
−5x
/
+6x = f (t),
x(0) = 0,
x
/
(0) = 0;
_
¸
_
¸
_
y
//
−8y
/
+12y = f (t),
y(0) =−3,
y
/
(0) = 2;
_
¸
_
¸
_
u
//
+9u = f (t),
u(0) =−1,
u
/
(0) = 1;
_
¸
¸
¸
_
¸
¸
¸
_
v
///
−v
//
−4v
/
+4v = f (t),
v(0) = 1,
v
/
(0) = 1,
v
//
(0) = 0.
3.14. Resuelva los siguientes problemas de valor inicial.
_
¸
_
¸
_
x
//
+2x
/
+2x = δ(t −3),
x(0) = 0,
x
/
(0) = 0;
_
¸
_
¸
_
y
//
+5y
/
+6y = 3δ(t −2) −4δ(t −5),
y(0) = 0,
y
/
(0) = 0;
_
¸
¸
¸
_
¸
¸
¸
_
u
///
+4u
//
+5u
/
+2u = 6δ(t),
u(0) = 0,
u
/
(0) = 0,
u
//
(0) = 0.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
134 3 Transformada de Laplace
Resuelva los mismos problemas usando Maxima.
3.15. Resuelva usando la transformada de Laplace y su inversa las siguientes ecuaciones.
f (t) +
_
t
0
(t −τ) f (τ)dτ =t; g(t) +2
_
t
0
cos(t −τ)g(τ)dτ = 4e
−t
+sin(t);
_
_
_
y
/
+6y(t) +9
_
t
0
y(τ)dτ = 1;
y(0) = 0
_
¸
_
¸
_
u
//
+4u
/
+5u = δ(t −2π),
u(0) = 0,
u
/
(0) = 0.
h(t) = 3t
2
−e
−t

_
t
0
h(τ)e
t−τ
dτ.
Resuelva los mismos problemas usando Maxima.
3.16. Sea f = f (t) una funci ´ on continua y peri ´ odica de per´ıodo T > 0.
1) Pruebe que para n ∈ N se cumple que
_
(n+1)T
nT
e
−st
f (t)dt = e
−nsT
_
T
0
e
−st
f (t)dt.
2) Pruebe que
L [ f ] (s) =
1
1−e
−sT
_
T
0
e
−st
f (t)dt.
Idea. Recuerde que


n=0
r
n
=
1
1−r
, cuando 0 <[r[ < 1.
3.17. Dadas las constantes no-nulas L, R y C, encuentre i(t), soluci ´ on de la ecuaci ´ on integrodiferencial
_
_
_
L
di
dt
+Ri(t) +
1
C
_
t
0
i(τ)dτ = v(t),
i(0) = i
0
,
sabiendo que v = v(t) es una funci ´ on peri ´ odica de per´ıodo T > 0.
3.18. Usando la transformada de Laplace y su inversa resuelva los siguientes sistemas de ecuaciones dife-
renciales
_
¸
¸
¸
_
¸
¸
¸
_
x
/
−y =t −t
2
,
x
/
+y
/
=t
2
,
x(0) = 1,
y(0) = 0.
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
u
//
+10u−4v = 0,
−4u+v
//
+4v = 0,
u(0) = 0,
u
/
(0) = 1,
v(0) = 0,
v
/
(0) =−1.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
3.8 Aplicaciones de la transformada de Laplace 135
Resuelva los mismos problemas usando Maxima.
3.19. Usando la transformada de Laplace y su inversa resuelva los siguientes sistemas de ecuaciones dife-
renciales
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
x
/
=−4x +y +z,
y
/
= x +5y −z,
z
/
= y −3z,
x(0) = 0,
y(0) = 1,
z(0) = 0.
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
u
//
+3v
/
+3v = 0,
u
//
+3v =te
−t
,
u(0) = 0,
u
/
(0) = 2,
v(0) = 0.
Resuelva los mismos problemas usando Maxima.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Cap´ıtulo 4
Sistemas din´ amicos continuos
4.1. Introducci ´ on
Desde el punto de vista matem´ atico, el t´ ermino evoluci´ on no tiene una connotaci´ on positiva ni negativa,
simplemente indica que hay cambios en el tiempo. A un sistema cuyo estado evoluciona en el tiempo se
le denomina sistema din´ amico. Si la evoluci´ on est´ a modelada por una ecuaci´ on, esta recibe el nombre
de ecuaci ´ on de evoluci ´ on (v´ ease la Secci ´ on A.3.1). Nuestras referencias de base son [Vil07], [Sal04] y
[Zil97].
El estudio de los sistemas din´ amicos yace en la frontera entre la Matem´ atica y la F´ısica: habitualmente
la terminolog´ıa proviene de la F´ısica en tanto que las t´ ecnicas de an´ alisis provienen de la Matem´ atica. En
este cap´ıtulo nos interesan los sistemas din´ amicos continuos que est´ an descritos esencialmente por sistemas
de ecuaciones diferenciales de primer orden. Sin embargo, en esta secci´ on damos un vistazo a los sistemas
din´ amicos discretos.
Sistemas discretos
Cuando el sistema cambia de estado ´ unicamente en los instantes t
0
, t
1
, t
2
, ... se dice que el sistema es
discreto.
1
Si representamos por y
n
al n-´ esimo estado del sistema, entonces su evoluci´ on es habitualmente
modelada por una ecuaci ´ on recurrente de la forma
y
n+1
= F(y
n
), n ∈ N

, (4.1)
donde la funci ´ on F : Y →Y est´ a definida sobre Y, el espacio de estados del sistema.
Observaci ´ on 4.1 A prop´ osito se deja ambigua la naturaleza de Y pues, dependiendo del sistema concreto
que se estudia, podr´ıa ser 1, C, un espacio funcional, un espacio de matrices, etc.
Por tanto, si se prescribe informaci´ on al instante t =t
0
,
1
Recuerde que un conjunto es discreto si es finito o numerable.
137
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
138 4 Sistemas din´ amicos continuos
y
0
= c,
se tiene que la evoluci ´ on del sistema est´ a dada por
y
n
= F
n
(c), para todo n ∈ N

.
Tip 45.
El comando evolution permite analizar la evoluci´on de un sistema din´amico discreto
cuando el espacio de estados es 1. El comando staircase permite construir el
correspondiente diagrama de degraus.
Observaci ´ on 4.2 Sea Y =1. El gr´ afico de degraus consiste en representar las funciones y = F(x), y = x
y una serie alternada de segmentos verticales y horizontales que unen los puntos (y
0
, y
0
), (y
0
, y
1
), (y
1
, y
1
),
(y
1
, y
2
), etc.
Ejemplo 4.1 Representemos por P
0
, P
1
, P
2
, ... el n´ umero de individuos de una cierta especie animal a
los instantes t
0
, t
1
, t
2
,... Supongamos que la tasa de natalidad de la poblaci´ on es constante, a > 0, y que
la tasa de mortalidad al tiempo t
n
, m
n
, es directamente proporcional a la poblaci´ on, con constante de
proporcionalidad b > 0. Entonces el n´ umero de individuos al instante t
n+1
es
P
n+1
= P
n
+aP
n
−(bP
n
) P
n
. (4.2)
Para simplificar el an´ alisis, hacemos el cambio de variable
y
n
=
bP
n
a+1
(4.3)
de manera que la ecuaci´ on de evoluci´ on se puede ver como
y
n+1
= cy
n
(1−y
n
), n ∈ N∪¦0¦, (4.4)
donde c = a+1 representa el factor de expansi´ on de la poblaci´ on en ausencia de mortalidad.
Obs´ ervese que
m
n
= bP
n
, n ∈ N∪¦0¦,
de manera que para que (4.2) est´ e bien determinado necesitamos conocer tres datos: a, P
0
y b o m
0
. Por
otro lado, gracias al escalamiento (4.3), para que (4.4) est´ e bien determinado, basta conocer y
0
y c.
Analicemos la evoluci´ on del sistema descrito por (4.4) cuando y
0
= 0,1, c = 2. En este caso, m
0
= 0,2 y
a = 1.
(%i1) c:2;
y0: 0.1;
( %o1) 2
( %o2) 0,1
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.1 Introducci ´ on 139
(%i3) evolution(c
*
y
*
(1-y),y0,20);
( %o3)
(%i4) staircase(c
*
y
*
(1-y),y0,20);
plot2d: some values were clipped.
( %o4)
Figura 4.1 Evoluci ´ on de
y
n+1
= cy
n
(1−y
n
) con c = 2,
y
0
= 0,1.
Figura 4.2 Gr´ afico de de-
graus de y
n+1
= cy
n
(1 −y
n
)
con c = 2, y
0
= 0,1.
De la gr´ afica de evoluci´ on se ve claramente que el sistema converge r´ apidamente:
l´ım
n→∞
y
n
= 0,5,
de manera que, por (4.3), el tama˜ no de la poblaci´ on tambi´ en converge:
l´ım
n→∞
P
n
=
1
b
= 5P
0
,
pues, nuevamente por (4.3),
b =
y
0
c
P
0
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
140 4 Sistemas din´ amicos continuos
Ejemplo 4.2 Consideremos la evoluci´ on del sistema descrito por (4.4) cuando y
0
= 0,1, c = 4. Puesto que
y
0
=
bP
0
c
, la relaci´ on entre la tasa de mortalidad inicial m
0
y el factor de expansi´ on c es el mismo que en el
Ejemplo 4.1. El comportamiento en este caso es, sin embargo, ca´ otico: el estado en un instante cualquiera
est´ a perfectamente determinado por el instante anterior pero una peque˜ na modificaci´ on en el estado inicial
conduce a una evoluci´ on completamente diferente.
Figura 4.3 Evoluci ´ on de
y
n+1
= cy
n
(1−y
n
) con c = 4,
y
0
= 0,1
Figura 4.4 Gr´ afico de de-
graus de y
n+1
= cy
n
(1 −y
n
)
con c = 4, y
0
= 0,1
4.2. Clasificaci ´ on de los sistemas din´ amicos continuos
Supongamos ahora que al tiempo t el sistema est´ a en el estado x(t) y que la evoluci ´ on del sistema
est´ a bien modelada por la ecuaci ´ on diferencial
_
x
/
= f (x, t), t ≥t
0
,
x(t
0
) = x
0
.
(4.5)
Se dice que x = x(t) es la variable de estado. Es usual establecer el modelo (4.5) de manera tal que el
tiempo inicial sea t
0
= 0.
El espacio de estados X es un espacio vectorial tal que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.2 Clasificaci ´ on de los sistemas din´ amicos continuos 141
x(t) ∈ X, para todo t ≥t
0
,
donde es posible hablar de x
/
(t), la velocidad del sistema al tiempo t. A la funci ´ on f : X [t
0
, ∞) →X se
le refiere habitualmente como funci ´ on de evoluci´ on. Obs´ ervese que el rango de la curva x = x(t) es un
camino en X.
La naturaleza concreta del espacio de estados X se dej ´ o premeditadamente ambigua pues depende del
sistema concreto que se est´ a modelando y de sus caracter´ısticas.
Observaci ´ on 4.3 Puesto que en este cap´ıtulo se hace una introducci´ on a los sistemas din´ amicos continuos
haremos, de aqu´ı en adelante, la identificaci´ on X =1
n
. Entonces, dada una funci´ on de evoluci´ on
f : 1
n
[t
0
, ∞) →1
n
,
nos interesamos en la ecuaci´ on diferencial
x
/
= f (x, t), t ≥t
0
, (4.6)
junto con la condici´ on inicial
x(t
0
) = x
0
. (4.7)
Por convenci´ on denotaremos
x = (x
1
, x
2
, ..., x
n
) ∈ 1
n
,
y diremos que (4.6) - (4.7) es un sistema de orden n.
Ejemplo 4.3 La posici´ on de una part´ıcula evoluciona en el tiempo conforme a
_
¸
¸
¸
_
¸
¸
¸
_
x
/
1
= e
−t/5

_
−2t +
1
5
t
2
_
, t ≥0,
x
/
2
=
1
12
e
−t/12
, t ≥0,
x
1
(0) = 5,
x
2
(0) = 2.
Calcularemos los vectores posici´ on x(t) = (x
1
(t), x
2
(t)), velocidad v(t) = x
/
(t) y aceleraci´ on a(t) para
t = 15 y analizaremos el comportamiento del sistema cuando t →∞.
Empecemos calculando la posici´ on de la part´ıcula.
(%i1) ec1: ’diff(x1(t),t) = exp(-t/5)
*
(-2
*
t+tˆ2/5);
ec2: ’diff(x2(t),t) = exp(-t/12)/12;
( %o1)
d
dt
x1(t) =
_
t
2
5
−2t
_
e

t
5
( %o2)
d
dt
x2(t) =
e

t
12
12
(%i3) atvalue(x1(t),t=0,5);
atvalue(x2(t),t=0,2);
( %o3) 5
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
142 4 Sistemas din´ amicos continuos
( %o4) 2
(%i5) sol: desolve([ec1, ec2], [x1(t), x2(t)]);
( %o5) [x1(t) = 5−t
2
e

t
5
, x2(t) = 3−e

t
12
]
(%i6) define(x(t), [rhs(sol[1]), rhs(sol[2])]);
( %o6) x(t) := [5−t
2
e

t
5
, 3−e

t
12
]
Definimos ahora los vectores velocidad y aceleraci´ on
(%i7) define(v(t), diff(x(t),t));
define(a(t), diff(x(t),t,2));
( %o7) v(t) := [
t
2
e

t
5
5
−2t e

t
5
,
e

t
12
12
]
( %o8) a(t) := [−
t
2
e

t
5
25
+
4t e

t
5
5
−2e

t
5
, −
e

t
12
144
]
Hacemos los calculos previamente indicados
(%i9) x(15), numer;
( %o9) [−6,202090382769388, 2,71349520313981]
(%i10)v(15), numer;
( %o10) [0,74680602551796, 0,023875399738349]
(%i11)a(15), numer;
( %o11) [0,049787068367864, −0,0019896166448624]
Finalmente analizamos al sistema cuando t →∞.
(%i12)limit(x(t),t,inf);
( %o12) [5, 3]
(%i13)limit(v(t),t,inf);
( %o13) [0, 0]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.2 Clasificaci ´ on de los sistemas din´ amicos continuos 143
(%i14)limit(a(t),t,inf);
( %o14) [0, 0]
Figura 4.5 Trayectoria de la
part´ıcula para 0 ≤t ≤60.
Linealidad
Diremos que el sistema de orden n
_
x
/
= f (x, t), t ≥t
0
,
x(t
0
) = x
0
,
(4.8)
es un sistema lineal si la funci ´ on f es lineal af´ın en x, caso contrario se dir´ a que (4.8) es un sistema
no-lineal.
Es importante tener presente que las ecuaciones diferenciales no-lineales son, por regla general, m´ as
dif´ıciles de resolver que las lineales. y frecuentemente hay que recurrir a m´ etodos num´ ericos para obtener
una aproximaci ´ on de una soluci ´ on de (4.8).
Observaci ´ on 4.4 Para la resoluci´ on de sistemas lineales se puede utilizar en ciertos casos la transformada
de Laplace, como se mostr´ o en la Secci´ on 3.8.4. Cuando este m´ etodo no es aplicable se puede recurrir al
m´ etodo de variaci´ on de par´ ametros o a m´ etodos num´ ericos.
Ejemplo 4.4 El sistema
_
x
/
1
= 3x
1
−tx
2
+cos(t),
x
/
2
= x
1
+x
2
+e
−2t
,
es lineal en tanto que
_
x
/
1
= 3x
1
−tx
2
+cos(t),
x
/
2
= x
2
1
+x
2
+e
−2t
,
no lo es.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
144 4 Sistemas din´ amicos continuos
Autonom´ıa
Se dice que el sistema (4.8) es aut´ onomo cuando f (x, t) = g(x), esto es, cuando la funci´ on de evoluci ´ on
del sistema no depende expl´ıcitamente del tiempo t.
Los sistemas aut´ onomos son muy importantes y nos concentraremos principalmente de ellos en virtud
de que todo sistema no-aut ´ onomo de orden n se puede transformar en un sistema aut ´ onomo equivalente de
orden n+1 al a˜ nadir a (4.8) la ecuaci ´ on
t
/
= 1.
Ejemplo 4.5 El sistema no aut´ onomo
_
x
/
1
= 3x
1
−t x
2
2
,
x
/
2
= 5x
2
1
x
2
,
es equivalente al sistema aut´ onomo
_
¸
_
¸
_
t
/
= 1,
x
/
1
= 3x
1
−t x
2
2
,
x
/
2
= 5x
2
1
x
2
.
4.3. Existencia, unicidad y estabilidad de soluciones
Antes de buscar anal´ıtica o num´ ericamente una soluci´ on a un problema es importante saber si existe tal
soluci ´ on. La situaci´ on se vuelve ´ optima cuando, previo a los c´ alculos, se conoce de antemano que de hecho
existe una ´ unica soluci ´ on.
Hablar de existencia y unicidad de una soluci´ on no es “cuesti ´ on de matem´ aticos” exclusivamente. El in-
geniero encontrar´ a que es una p´ erdida de recursos (especialmente paciencia) tratar de calcular una soluci´ on
que no existe. Y, si hay m´ as de una soluci ´ on, entonces encontrar´ a serios problemas tratando de calcular la
soluci ´ on “apropiada”.
Presentamos en esta secci ´ on un breve resumen de resultados que responden a este tipo de inquietudes.
Se busca una soluci ´ on de la ecuaci ´ on diferencial
x
/
= f (x, t), t ≥t
0
, (4.9)
como una curva x = x(t) de clase C
1
([t
0
; ∞); 1
n
) que verifica
d
dt
x(t) = f (x(t), t), para todo t ≥t
0
.
Entonces una soluci´ on del sistema din´ amico (4.9) es una curva en 1
n
tal que la tangente al punto x(t) es
igual al vector f (x(t), t).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.3 Existencia, unicidad y estabilidad de soluciones 145
Para establecer nuestros resultados de existencia y/o unicidad necesitamos definir las funciones de Lips-
chitz, es decir funciones donde las distancias de las im´ agenes est´ an controladas por las distancias de las
preim´ agenes.
Funciones de Lipschitz
Empecemos recordando lo que es un conjunto abierto en un espacio n-dimensional. El caso n = 2 fue
considerado en la Secci ´ on 2.2.2. M´ as adelante, en la Secci ´ on ??, definiremos conjuntos abiertos en el
contexto de espacios normados generales (incluyendo aquellos de dimensi´ on infinita).
Recuerde que la norma euclidiana de un vector x = (x
1
, ..., x
n
) ∈ 1
n
est´ a dada por
|x| =
¸
n

i=1
x
2
i
y que la distancia entre los vectores x, y ∈ 1
n
est´ a dada por dist(x, y) =|x −y|.
Definici ´ on 4.1 [Bolas y conjuntos abiertos en 1
n
]
Sean n ∈ N, x ∈ 1
n
y r > 0. Se dice que el conjunto
B(x, r) =¦y ∈ 1
n
: |x −y| < r¦ (4.10)
es la bola con centro en x y radio r. Se dice que Ω ⊆ 1
n
es un conjunto abierto si para cada x ∈ Ω
se puede hallar un r > 0 tal que B(x, r) ⊆Ω.
Un subconjunto de 1
n
es cerrado si su complemento es abierto.
Notaci ´ on 4.1 En lo que resta de esta secci´ on J ⊆ 1
n
representar´ a un conjunto abierto. Por U ⊆ 1
n+1
denotaremos un conjunto abierto de la forma U = J (α, ∞), α ∈ 1.
Definici ´ on 4.2 [Funciones de Lipschitz y contractivas]
Sea f : J ⊆1
n
→1
n
. Se dice que f es una funci ´ on de Lipschitz si existe L > 0 tal que
| f (x) − f (y)| ≤L|x −y|, para todo x, y ∈ J. (4.11)
En particular, si 0 < L < 1, se dice que f es contractiva.
Obs´ ervese que de (4.11) se sigue que
|f (x) − f (y)|
|x −y|
≤L, para todo x, y ∈ J.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
146 4 Sistemas din´ amicos continuos
El cociente del lado izquierdo de esta desigualdad es el mismo que aparece cuando se define la derivabilidad
de una funci´ on, de manera que el concepto de derivabilidad debe tener algo que ver con las funciones de
Lipschitz. Esto viene dado por el siguiente teorema.
2
Teorema 4.1 [Funciones de Lipschitz derivables]
Sea f = ( f
1
, ..., f
n
) ∈ C
1
(J; 1
n
). Entonces f es de Lipschitz si y s´ olo si existe L > 0 tal que
|Df (x)| ≤L, para todo x ∈ J, (4.12)
donde
Df (x) =
_
∂ f
i
∂x
j
_
i, j=1,...,n
.
Es importante considerar funciones que se pueden ver localmente como Lipschitzianas.
Definici ´ on 4.3 [Funciones localmente de Lipschitz]
Sea f : Ω ⊆ 1
n
→1
n
. Se dice que f es una funci ´ on localmente de Lipschitz si para cada x
0
∈ Ω,
existe J ⊆Ω tal que
1) x
0
∈ J;
2) f es de Lipschitz en J.
Como consecuencia del Teorema 4.1 se tiene el siguiente
Corolario 4.1 [Criterio para funciones localmente Lipschitzianas]
Sea Ω ⊆1
n
abierto. Toda funci´ on f ∈ C
1
(Ω; 1
n
) es localmente de Lipschitz.
Puesto que las funciones f = f (x, t) que determinan la evoluci´ on de un sistema din´ amico (4.9) dependen
del tiempo, es necesario considerar funciones que cumplen una condici´ on de Lipschitz en la variable x de
manera independiente de la variable t. Esto queda establecido en las siguientes definiciones.
Definici ´ on 4.4 [Funciones t-Lipschitzianas]
Sea f : U ⊆1
n
1 →1
n
. Se dice que f = f (x, t) es t-Lipschitziana si existe una constante L > 0 tal
que
|f (x, t) − f (y, t)| ≤L|x −y|, para todo x, y ∈ J, para todo t > α. (4.13)
An´ aloga a la Definici ´ on 4.3 tenemos la siguiente definici´ on.
Definici ´ on 4.5 [Funciones localmente t-Lipschitzianas]
Sea f : Ω (α, ∞) ⊆ 1
n
1 →1
n
. Se dice que f = f (x, t) es localmente t-Lipschitziana si para
cada x
0
∈ Ω existe J ⊆Ω tal que
1) x
0
∈ J;
2) f es t-Lipschitziana en U = J (α, ∞).
2
Recuerde que la norma euclidiana de una matriz A = (a
i, j
) ∈ M
mn
(1) es |A| =
¸
m

i=1
n

j=1
a
2
i, j
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.3 Existencia, unicidad y estabilidad de soluciones 147
En el siguiente corolario, que es consecuencia del Corolario 4.1, se establece un criterio para determinar
cuando una funci ´ on es t-Lipschitziana.
Corolario 4.2 [Criterio para funciones localmente t-Lipschitzianas]
Sean Ω ⊆1
n
abierto y f : Ω (α, ∞) →1
n
. Supongamos que
1) f ∈ C(Ω (α, ∞); 1
n
);
2) f (, t) ∈ C
1
(Ω; 1
n
), para cada t ∈ I.
Entonces f = f (x, t) es localmente t-Lipschitziana.
Resultados
El siguiente resultado de existencia y unicidad es un caso particular del Teorema de Cauchy-Lipschitz
(v´ ease e.g. [Sal04]).
Teorema 4.2 [Existencia y unicidad]
Sean Ω ⊆ 1
n
abierto y f ∈ C(Ω (α, ∞); 1
n
) una funci´ on localmente t-Lipschitziana. Entonces,
para cada (t
0
, x
0
) ∈ (α, ∞) Ω, existe una ´ unica soluci´ on del problema de valor inicial
_
x
/
= f (x, t), t ≥t
0
,
x(t
0
) = x
0
.
(4.14)
Observaci ´ on 4.5 Como consecuencia del Teorema 4.2 si uno quiere buscar num´ erica o anal´ıticamente una
soluci´ on al problema
_
x
/
= f (x, t), t ≥0,
x(0) = x
0
,
deber´ıa primero asegurarse que la funci´ on de evoluci´ on f = f (x, t) es localmente t-Lipschitziana en Ω
(−ε, ∞) para alg´ un ε > 0 y alg´ un abierto Ω ⊆1
n
.
Por el Teorema 4.2 es claro que la condici ´ on inicial determina la soluci ´ on de (4.14). Cuando es impor-
tante recalcar esta dependencia, se denota por
x = x(t; x
0
, t
0
) (4.15)
la soluci´ on de (4.14). El siguiente resultado establece que la soluci´ on de (4.14) es estable a cambios en la
condici ´ on inicial.
Proposici ´ on 4.1 [Estabilidad]
Bajo las condiciones del Teorema 4.2, se tiene que
|x(t; x
0
, t
0
) −x(t; x
1
, t
0
)| ≤e
[t−t
0
[
|x
1
−x
0
|, para todo x
0
, x
1
∈ Ω y todo t ≥t
0
. (4.16)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
148 4 Sistemas din´ amicos continuos
4.4. Campos de direcciones
Como ya se dijo, la evoluci´ on del estado de un sistema modelado por la ecuaci´ on diferencial
x
/
= f (x, t), t ≥t
0
, (4.17)
queda completamente determinada por la funci ´ on de evoluci´ on f = f (x, t). De hecho, se puede captar
informaci ´ on sobre (4.17) sin resolverla.
Por ejemplo, consideremos (4.17) cuando n = 1. En este caso Rg( f ) ⊆1 de manera que para cada t, la
pendiente de la gr´ afica en el punto (t, x(t)) es justamente el n´ umero f (x(t), t).
Llamamos campo de direcciones a un gr´ afico en 1
2
donde a cada punto (t, x) se le asocia un vector
con pendiente f (t, x(t)). Las soluciones de (4.17) ser´ an las curvas tangentes a estos vectores en todos los
puntos. Para hallar la soluci ´ on al problema de valor inicial
_
x
/
= f (x, t), t ≥0,
x(0) = x
0
,
habr´ a que escoger de estas curvas, aquellas que pasen por el punto (t
0
, x
0
).
Tip 46.
Para obtener un campo de direcciones se puede usar el comando plotdf.
Ejemplo 4.6 Consideremos el problema de valor inicial
_
y
/
= x +y, x ∈ 1
y(−2) = 2.
Trazamos la curva que cumple con la condici´ on inicial:
(%i1) plotdf(x+y, [trajectory_at, -2.0, 2.0]);
( %o1) 0
Figura 4.6 Campo de direc-
ciones de y
/
= x +y. Se se˜ nala
la curva que pasa por (−2, 2).
-10 -5 0 5 10
-10
-5
0
5
10
y
x
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.4 Campos de direcciones 149
Ejemplo 4.7 Consideremos la caida de un paracaidista de masa m. Por simplicidad consideremos que el
movimiento es ´ unicamente vertical y que las ´ unicas fuerzas que afectan al desplazamiento del paracaidista
son la atracci´ on gravitatoria y la resistencia del aire. La resistencia del aire, R, es una fricci´ on de manera
que act´ ua en sentido opuesto al desplazamiento del aire; puede ser modelada mediante la f´ ormula
R =−
1
2
αρA[v[v,
donde α > 0 es una constante aerodin´ amica adimensional que depende de la geometr´ıa del paraca´ıdas,
A es el ´ area de la secci ´ on transversal del paraca´ıdas, ρ representa la densidad del aire y v es la velocidad
del paraca´ıdas. Para un paraca´ıdas circular α ≈0,8.
Por la ley de Newton la sumatoria de fuerzas es igual a la masa por la aceleraci´ on, de manera que el
sistema est´ a modelado por la ecuaci´ on diferencial aut´ onoma
mv
/
=−mg−
1
2
αρA[v[v, t ∈ [0, ∞);
v
/
=−g−
αρA
2m
[v[v, t ∈ [0, ∞). (4.18)
Consideremos ahora un paracaidista de m = 70Kg que se lanza provisto de un paraca´ıdas circular
(α = 0,8) cuya secci´ on transversal tiene un ´ area de A = 7m
2
. Por simplicidad, suponemos que
g = 9,8m/s
2
, ρ = 1,2Kg/m
3
,
son constantes.
3
Entonces (4.18) se transforma en
v
/
=−9,8−0,048[v[v, t ∈ [0, ∞).
Grafiquemos el campo de direcciones junto con la trayectoria que pasa por el punto P
1
= (0, 20). En este
caso el paracaidista parte con velocidad inicial hacia arriba.
(%i1) plotdf(-9.8 - 0.048
*
abs(y)
*
y,[xradius,4],[xcenter,4],
[yradius,30],[trajectory_at,0.0,20.0]);
( %o1) 0
Figura 4.7 Trayectoria para
el caso en que se parte con
una velocidad positiva, movi-
miento inicial hacia arriba.
0 2.5 5 7.5
-30
-20
-10
0
10
20
30
y
x
3
La gravedad y la densidad del aire dependen realmente de la altura. La densidad depende tambi´ en de la temperatura y de la
humedad relativa.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
150 4 Sistemas din´ amicos continuos
Grafiquemos el campo de direcciones junto con la trayectoria que pasa por el punto P
2
= (0, 0). En este
caso el paracaidista parte con velocidad inicial nula.
(%i2) plotdf(-9.8 - 0.048
*
abs(y)
*
y,[xradius,4],[xcenter,4],
[yradius,30],[trajectory_at,0.0,0.0]);
( %o2) 0
Figura 4.8 Trayectoria para
el caso en que se parte del
reposo.
0 2.5 5 7.5
-30
-20
-10
0
10
20
30
y
x
Grafiquemos el campo de direcciones junto con la trayectoria que pasa por el punto P
3
= (0, −25). En
este caso el paracaidista parte con velocidad inicial hacia abajo.
(%i3) plotdf(-9.8 - 0.048
*
abs(y)
*
y,[xradius,4],[xcenter,4],
[yradius,30],[trajectory_at,0.0,-25.0]);
( %o3) 0
Figura 4.9 Trayectoria para
el caso en que se parte con
una velocidad negativa, movi-
miento inicial hacia abajo.
0 2.5 5 7.5
-30
-20
-10
0
10
20
30
y
x
En los tres casos, como bien lo sugieren los campos de direcciones, v(t) converge a una velocidad
terminal, v
f
< 0, cuando t →∞. Para hallar su valor, usamos el hecho que
l´ım
t→∞
v
/
(t) = 0,
de manera que, por (4.18), se tiene que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.5 Puntos atractivos y repulsivos 151
v
f
=−
¸
2mg
αρA
, (4.19)
que en nuestro caso corresponde a
v
f
=−14,28869m/s.
4.5. Puntos atractivos y repulsivos
A partir de este punto y por el resto del cap´ıtulo consideraremos exclusivamente sistemas aut´ onomos.
Consideremos el problema de valor inicial
_
x
/
= 4−x
2
, t ∈ 1,
x(t
0
) = x
0
.
(4.20)
Los puntos cr´ıticos de (4.20) quedan determinados por la ecuaci ´ on
4−x
2
= 0,
es decir
x
1
=−2, x
2
= 2,
independiente del valor de t. Analizando el signo del lado derecho de (4.20) se puede construir el siguiente
diagrama de fase:
Figura 4.10 Las flechas
indican que f (x) = 4 −x
2
es
decreciente en (−∞, −2] ∪
[2, +∞) y creciente en [−2, 2].
Fuente [Vil07]
De esto se deduce que el punto cr´ıtico x
1
= −2 es repulsivo en tanto que el punto cr´ıtico es atractivo.
Esta denominaci ´ on se vuelve clara cuando graficamos el campo de direcciones:
(%i1) plotdf(4-yˆ2, [trajectory_at,0.0,4.0]);
( %o1) 0
(%i2) plotdf(4-yˆ2, [trajectory_at,0.0,0.0]);
( %o2) 0
(%i3) plotdf(4-yˆ2, [trajectory_at,0.0,-4.0]);
( %o3) 0
V´ eanse las Figuras 4.11 - 4.13. Cuando x
0
∈ (−2, +∞), se tiene que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
152 4 Sistemas din´ amicos continuos
l´ım
t→∞
x(t) = x
2
= 2.
Por otro lado si x
0
∈ (−∞, 2) ¸¦−2¦, entonces x(t) se aleja de x
1
=−2.
Figura 4.11 Campo de direc-
ciones para x
/
=4−x
2
cuando
t
0
= 0, x
0
= 4
-1.2 -0.8 -0.4 0 0.4 0.8 1.2
-10
-5
0
5
10
y
x
Figura 4.12 Campo de direc-
ciones para x
/
=4−x
2
cuando
t
0
= 0, x
0
= 0
-1.2 -0.8 -0.4 0 0.4 0.8 1.2
-10
-5
0
5
10
y
x
Figura 4.13 Campo de direc-
ciones para x
/
=4−x
2
cuando
t
0
= 0, x
0
=−4
-1.2 -0.8 -0.4 0 0.4 0.8 1.2
-10
-5
0
5
10
y
x
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.6 El m´ etodo de Runge - Kutta 153
4.6. El m´ etodo de Runge - Kutta
El m´ etodo de Runge - Kutta de (cuarto orden) es uno de los m´ etodos num´ ericos m´ as eficientes para
abordar ecuaciones diferenciales ordinarias. No es nuestro objetivo entrar en el detalle de como funciona
sino, m´ as bien, utilizarlo para el estudio de sistemas din´ amicos.
4.6.1. Runge - Kutta para sistemas de primer orden
En esta secci´ on mostramos, mediante un ejemplo, como utilizar el m´ etodo de Runge - Kutta para obtener
una aproximaci ´ on de la soluci ´ on del problema de valor inicial
_
x
/
= f (t, x), t ∈ [t
0
, t
f
],
x(t
0
) = x
0
(4.21)
Tip 47.
El m´etodo de Runge - Kutta est´a implementado en Maxima mediante el comando
rk(edo, estado, estado inicial, dominio) donde edo debe ser reemplazado por la EDO
o por la funci´on f (t, x). Entonces el m´etodo de Runge - Kutta (de cuarto orden)
para (4.21) se puede escribir como
rk(f(t, x), x, x
0
, [t, t
0
, t
f
, h])
donde h > 0 es tal que t
n
=t
0
+n h, para n = 0, 1, ..., N. Aqu´ı t
f
=t
N
Tip 48.
El comando graph2d incluido en el paquete graph2d sirve para graficar un conjunto
de pares ordenados.
Ejemplo 4.8 Consideramos el problema
_
x
/
=t −x
2
, t ∈ [0, 9],
x(0) = x
0
.
(4.22)
Usamos Maxima para abordar (4.25) cuando x
0
= 3 y x
0
=−0,7.
(%i1) f(x,t):= t - xˆ2;
( %o1) f (x, t) :=t −x
2
(%i2) s1: rk(f(x,t),x,3,[t,0,9,0.01]);
(( ¡Expresi´ on excesivamente larga para ser mostrada! ))
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
154 4 Sistemas din´ amicos continuos
(%i3) s2: rk(f(x,t),x,-0.7,[t,0,9,0.01]);
(( ¡Expresi´ on excesivamente larga para ser mostrada! ))
(%i4) load(graph2d);
( %o4) C : /PROGRA 1/MAXIMA 1,0/share/maxima/5,24,0/share/contrib/graph2d.lisp
(%i5) graph2d(s1,s2);
( %o5) 0
Figura 4.14 Soluciones de
la EDO x
/
= t −x
2
que pasan
por los puntos (t
0
, x
0
) =
(0, 3) (color azul) y (t
0
, x
0
) =
(0, −0,7) (color verde).
0 2.5 5 7.5
0
1
2
3
line0
line1
4.6.2. Sistemas din´ amicos de segundo orden
Un sistema de segundo orden suele escribirse como
_
x
/
= f (t, x, y), t ∈ [t
0
, t
f
],
y
/
= g(t, x, y), t ∈ [t
0
, t
f
],
(4.23)
Al sistema (4.23) usualmente se le asocia las condiciones iniciales
_
x(t
0
) = x
0
,
y(t
0
) = y
0
.
(4.24)
En este contexto, el espacio de estados es 1
2
y suele ser referido como el espacio de fase. El diagrama de
fase es el campo de direcciones de y = y(x) en el que se incluyen los puntos cr´ıticos y algunas soluciones
que llegan o salen de estos puntos.
La relaci´ on y = y(x) queda determinada por la imagen de la funci´ on param´ etrica
[t
0
, t
f
] ¸t −→
_
x(t)
y(t)
_
∈ 1
2
,
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.6 El m´ etodo de Runge - Kutta 155
que tiene como velocidad de fase a la funci ´ on
[t
0
, t
f
] ¸t −→
_
f (t, x(t), y(t))
g(t, x(t), y(t))
_
∈ 1
2
.
Para el caso en que (4.23) es aut ´ onomo, es decir cuando f = f (x, y) y g = g(x, y), los puntos cr´ıticos de
(4.23) son las soluciones del sistema
_
f (x, y) = 0,
g(x, y) = 0.
Un punto cr´ıtico (x

, y

) se denomina punto atractivo si existe ε > 0 tal que las relaciones
[x
0
−x

[ < ε, [y
0
−y

[ < ε,
implican
l´ım
t→∞
(x(t), y(t)) = (x

, y

).
Se dice que (x

, y

) es un punto repulsivo si existen ε > 0 y δ > 0 tales que
[t −´ınf I[ > ε,
implica
dist ((x(t), y(t)); (x

, y

)) > δ.
Ejemplo 4.9 Consideramos el sistema aut´ onomo
_
_
_
x
/
= x (1−x −y), t ≥0,
y
/
= y
_
3
4
−y −
x
2
_
, t ≥0.
Hallemos los puntos cr´ıticos:
(%i1) f(x,y):= x
*
(1-x-y);
g(x,y):= y
*
(3/4-y-x/2);
( %o1) f (x, y) := x (1−x −y)
( %o2) g(x, y) := y
_
3
4
−y +
−x
2
_
(%i3) solve([f(x,y)=0, g(x,y)=0], [x,y]);
( %o3) [[x = 0, y = 0], [x = 1, y = 0], [x = 0, y =
3
4
], [x =
1
2
, y =
1
2
]]
Los puntos cr´ıticos son entonces
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
156 4 Sistemas din´ amicos continuos
_
x
1
y
1
_
=
_
0
0
_
,
_
x
2
y
2
_
=
_
1
0
_
,
_
x
3
y
3
_
=
_
0
3/4
_
,
_
x
4
y
4
_
=
_
1/2
1/2
_
.
Hagamos el diagrama de fase:
(%i4) plotdf([f(x,y),g(x,y)],[xcenter,0.5],[ycenter,0.5],
[xradius,1.0],[yradius,1.0]);
( %o4) 0
Figura 4.15 Campo de
direcciones para el sis-
tema x
/
= x(1 −x −y),
y
/
= y
_
3
4
−y −
x
2
_
.
-0.5 0 0.5 1
-0.5
0
0.5
1
1.5
y
x
Para analizar de qu´ e tipo es (x
1
, y
1
) = (0, 0) hacemos click sobre puntos cercanos a este punto cr´ıtico
en la ventana producida por la anterior orden de Maxima, Figura 4.15. De esta manera aparecen las
trayectorias que pasan por los puntos se˜ nalados. Nosotros utilizamos los puntos (−0,2, −0,2), (−0,2, 0,2),
(−0,2, 0,4), (0,2, −0,2), (0,3, −0,1), (0,2, 0,1), (0,1, 0,2) y obtenemos la Figura 4.16. Es claro entonces
que (x
1
, y
1
) = (0, 0) es un punto repulsivo.
Figura 4.16 Soluciones del
sistema x
/
= x(1 −x −y),
y
/
= y
_
3
4
−y −
x
2
_
. que pasan
cerca del punto cr´ıtico (0, 0).
-0.5 0 0.5 1
-0.5
0
0.5
1
1.5
y
x
Procediendo de manera similar, se puede verificar que (x
4
, y
4
) = (1/2, 1/2) es un punto atractivo en
tanto que los puntos cr´ıticos (x
2
, y
2
) = (1, 0) y (x
3
, y
3
) = (0, 3/4) no son ni atractivos ni repulsivos.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.6 El m´ etodo de Runge - Kutta 157
Eliminaci ´ on de singularidades
Los m´ etodos num´ ericos para resolver ecuaciones diferenciales utilizan un valor aproximado de la deri-
vada de la soluci ´ on en el punto inicial. Si por alguna raz´ on este valor no existe, entonces la relaci ´ on y =y(x)
puede ser reemplazada por
_
x = x(t),
y = y(t),
donde la variable t se introduce apropiadamente.
Ejemplo 4.10 Para abordar num´ ericamente el problema
_
_
_
dy
dx
=−
x
y
, x ≥3,
y(3) = 0,
se usa el sistema
_
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
_
dy
dt
=−x, t ≥0,
dx
dt
= y, t ≥0,
x(0) = 3,
y(0) = 0.
4.6.3. Runge - Kutta para sistemas de segundo orden
En esta secci´ on mostramos, mediante un ejemplo, como utilizar el m´ etodo de Runge - Kutta para obtener
una aproximaci´ on de la soluci ´ on del problema de valor inicial
_
¸
¸
¸
_
¸
¸
¸
_
x
/
= f (t, x, y), t ∈ [t
0
, t
f
],
y
/
= g(t, x, y), t ∈ [t
0
, t
f
],
x(t
0
) = x
0
,
y(t
0
) = y
0
.
(4.25)
Tip 49.
En Maxima se puede escribir rk(edos, estados, estados iniciales, dominio), donde edos
debe ser reemplazado por las ecuaciones diferenciales o, como veremos en nuestro
ejemplo, las funciones f = f (t, x, y) y g = g(t, x, y). Entonces el m´etodo de Runge - Kutta
(de cuarto orden) para (4.25) se puede escribir como
rk([f(t,x,y), g(t,x,y) ], [x,y], [x0,y0], [t, t0, tf, h]),
donde h > 0 es tal que t
n
=t
0
+n h, para n = 0, 1, ..., N. Aqu´ı t
f
=t
N
.
Ejemplo 4.11 Consideremos el problema
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
158 4 Sistemas din´ amicos continuos
_
¸
¸
¸
_
¸
¸
¸
_
x
/
= 4−x
2
−4y
2
, t ≥0,
y
/
= y
2
−x
2
+1, t ≥0,
x(0) =−1,25
y(0) = 0,75.
(4.26)
(%i1) f(x,y):=4-xˆ2-4
*
yˆ2;
g(x,y):=yˆ2-xˆ2+1;
( %o1) f (x, y) := 4−x
2
+(−4) y
2
( %o2) g(x, y) := y
2
−x
2
+1
(%i3) sol: rk([f(x,y),g(x,y)],[x,y],[-1.25,0.75],[t,0,4,0.01]);
(%i4) load(graph2d);
( %o4) C : /PROGRA 1/MAXIMA 1,0/share/maxima/5,24,0/share/contrib/graph2d.lisp
(%i5) graph2d(makelist([sol[i][2],sol[i][3]],i,1,length(sol)));
( %o5) 0
Figura 4.17 Soluci ´ on del
sistema (4.26).
line0
-1 0 1
-0.5
0
0.5
4.7. Sistemas de orden superior
Se dice que el sistema din´ amico
_
x
/
= f (t, x), t ≥t
0
,
x(t
0
) = x
0
.
(4.27)
es de orden superior cuando n ≥3. El m´ etodo de Runge - Kutta sigue siendo ´ util en este caso como se puede
apreciar en el siguiente ejemplo.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.7 Sistemas de orden superior 159
Ejemplo 4.12 Una bola de 0,08Kg y radio 0,035m es lanzada con una velocidad inicial de 50m/s en un
´ angulo de 45

respecto a la horizontal. Nos interesa calcular el alcance del lanzamiento cuando el valor de
la constante aerodin´ amica es 0,5, la densidad del aire es 1,2Kg/, m
3
y el valor de la gravedad es 9,81m/s
2
.
La resistencia que ejerce el aire al movimiento (v´ ease el Ejemplo 4.7.) est´ a dada por
R = −
1
2
αρA|v|v
= −
1
2
αρA
_
v
2
x
+v
2
y
_
v
x
v
y
_
,
donde v
x
y v
y
son, respectivamente, la componente en x y en y de la velocidad v. Se tiene que resolver
entonces el sistema
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
˙ v
x
=−
αρA
2m
v
x
_
v
2
x
+v
2
y
, t ≥0,
˙ v
y
=−g−
αρA
2m
v
y
_
v
2
x
+v
2
y
, t ≥0,
˙ r
x
= v
x
, t ≥0,
˙ r
y
= v
y
, t ≥0,
v
x
(0) = v
x,0
,
v
y
(0) = v
y,0
,
r
x
(0) = 0,
r
y
(0) = 0,
(4.28)
donde
(%i1) m: 0.08;
r: 0.035;
rho: 1.2;
g: 9.81;
alpha: 0.5;
A: %pi
*
rˆ2, numer;
vx0: 50
*
cos(%pi/4), numer;
vy0: 50
*
sin(%pi/4), numer;
d: (alpha
*
rho
*
A)/(2
*
m), numer;
( %o1) 0,08
( %o2) 0,035
( %o3) 1,2
( %o4) 9,810000000000001
( %o5) 0,5
( %o6) 0,0038484510006475
( %o7) 35,35533905932738
( %o8) 35,35533905932737
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
160 4 Sistemas din´ amicos continuos
( %o9) 0,014431691252428
Resolvemos el sistema (4.28).
(%i10)sol1: rk([-d
*
vx
*
sqrt(vxˆ2+vyˆ2), -g-d
*
vy
*
sqrt(vxˆ2+vyˆ2),vx,vy],
[vx,vy,rx,ry],[vx0,vy0,0,0],[t,0,5,0.01]);
(( ¡Expresi´ on excesivamente larga para ser mostrada! ))
(%i11)load(graph2d);
( %o11) C : /PROGRA 1/MAXIMA 1,0/share/maxima/5,24,0/share/contrib/graph2d.lisp
(%i12)graph2d(makelist([sol1[i][4],sol1[i][5]],i,1,length(sol1)));
( %o12) 0
Figura 4.18 Trayectoria
de un proyectil sujeto a la
gravedad y a la resistencia del
aire.
line0
0 25 50 75
0
10
20
Para saber el alcance del proyectil, necesitamos revisar los datos de r
y
pues el alcance m´ aximo se da
cuando r
y
= 0.
(%i13)length(sol1);
( %o13) 501
(%i14)makelist(sol1[i][5],i,481,501);
( %o14) [1,428202323208411, 1,239388920496874, 1,05015563577429, 0,8605045063611,
0,67043756428264, 0,47995683623114, 0,28906434352843, 0,097762102089244,
−0,093947877614818, −0,28606359059069, −0,47858303735862, −0,67150422398627,
−0,86482516212227, −1,058543869029018, −1,252658367614993, −1,447166686466326,
−1,642066859877817, −1,837356927883306, −2,033034936285436, −2,229098936684798,
−2,425546986508465]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.7 Sistemas de orden superior 161
Puesto que el cambio de signo se da entre los elementes 488 y 489 de la lista, podemos estimar el alcance
del proyectil como
(%i15)L1: 0.5
*
(sol1[488][4] + sol1[489][4]);
( %o15) 78,95589903445531
Recordemos que sin resistencia de aire, el alcance m´ aximo est´ a dado por la f´ ormula
L =
v
2
0
sin(2θ)
g
,
donde θ es el ´ angulo de lanzamiento. En nuestro caso, se tendr´ıa
(%i16)L: 50ˆ2
*
sin(2
*
%pi/4)/g;
( %o16) 254,841997961264
que es bastante mayor al alcance con resistencia del aire. Finalmente hacemos el gr´ afico de las compo-
nentes en x e y de la velocidad en funci´ on del tiempo.
(%i17)vel_x: makelist([sol1[i][1],sol1[i][2]],i,1,501);
(%i18)graph2d(vel_x);
( %o18) 0
Figura 4.19 Componente en
x de la velocidad.
(%i19)vel_y: makelist([sol1[i][1],sol1[i][3]],i,1,501);
(%i20)graph2d(vel_y);
( %o20) 0
Finalmente contrastamos la evoluci´ on de las componentes en x e y de la velocidad.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
162 4 Sistemas din´ amicos continuos
Figura 4.20 Componente en
y de la velocidad.
(%i21)graph2d(vel_x, vel_y);
( %o21) 0
line0
line1
1 2 3 4 5
-10
0
10
20
30
Figura 4.21 Componente en x (azul) y componente en y (verde) de la velocidad.
Reducci ´ on de una ecuaci ´ on diferencial de orden n
Una ecuaci ´ on diferencial ordinaria
F(t, x, x
/
, ..., x
(n)
) = 0, (4.29)
puede transformarse en un sistema de ecuaciones diferenciales de orden n mediante la introducci´ on de las
variables x
1
= x
1
(t),..., x
n
= x
n
(t) definidas mediante
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.8 Sistemas aut ´ onomos lineales 163
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
x
1
= x,
x
2
= x
/
,
.
.
.
x
n
= x
(n−1)
.
(4.30)
Ejemplo 4.13 La ecuaci´ on que modela el movimiento del p´ endulo simple es
_
¸
¸
_
¸
¸
_
¨
θ =−
g
l
sin(θ),
θ(0) = α,
˙
θ(0) = β,
donde l es el largo de la varilla que sostiene a la masa m.
Figura 4.22 Un p´ endulo
simple. Fuente: [Vil07]
Usando el cambio de variable x
1
= θ y x
2
=
˙
θ, se obtiene el sistema
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
˙ x
1
= x
2
,
˙ x
2
=−
g
l
sin(x
1
),
x
1
(0) = α,
x
2
(0) = β.
4.8. Sistemas aut´ onomos lineales
Sistemas homog´ eneos
Consideramos sistemas de la forma
X
/
= AX, t ∈ 1, (4.31)
donde
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
164 4 Sistemas din´ amicos continuos
A = (a
i j
) ∈ M
nn
, X(t) =
_
_
_
_
_
x
1
(t)
x
2
(t)
.
.
.
x
n
(t)
_
_
_
_
_
.
En el siguiente teorema se establece la forma de la soluci ´ on de (4.31) para el caso m´ as simple, cuando A
tiene n vectores propios reales distintos.
Teorema 4.3
Sup´ ongase que λ
1
, λ
2
, ..., λ
n
∈ 1 son los valores propios de A en (4.31) y que son distintos. Si
K
1
, ..., K
n
∈ 1
n
son los correspondientes vectores propios, entonces la soluci´ on general de (4.31) es
X(t) =
n

i=1
c
i
X
i
(t), t ∈ 1, (4.32)
donde
X
i
(t) = K
i
e
λ
i
t
, t ∈ 1.
Tip 50.
Los valores y vectores propios de una matriz se obtienen con el comando eigenvec-
tors.
Ejemplo 4.14 Consideramos el sistema
_
˙ x = 2x +3y, t ∈ 1,
˙ y = 2x +y, t ∈ 1.
(4.33)
Definimos la matriz de coeficientes
(%i1) A: matrix([2, 3], [2, 1]);
( %o1)
_
2 3
2 1
_
Calculamos los valores y vectores propios de A:
(%i2) eigenvectors(A);
( %o2) [[[4, −1], [1, 1]], [[[1,
2
3
]], [[1, −1]]]]
Entonces λ
1
= 4 es un valor propio de multiplicidad 1 con vector propio asociado
K
1
=
_
1
2/3
_
;
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.8 Sistemas aut ´ onomos lineales 165
λ
2
=−1 es un valor propio de multiplicidad 1 con vector propio asociado
K
2
=
_
1
−1
_
.
La soluci´ on general de (4.33) es
X(t) = c
1
X
1
(t) +c
2
X
2
(t), t ∈ 1,
donde
X
1
(t) =
_
1
2/3
_
e
4t
, X
2
(t) =
_
1
−1
_
e
−t
.
Consideramos ahora el caso en que la matriz de coeficientes A tiene un valor propio λ complejo de
multiplidad uno. Tenga presente que en este caso λ tambi´ en es valor propio de A.
Teorema 4.4
Sea λ
1
= α +iβ ∈ C un valor propio de A en (4.31). Entonces,
X
1
(t) = (B
1
cos(βt) +B
2
sin(βt))e
αt
, (4.34)
X
2
(t) = (B
2
cos(βt) −B
1
sin(βt))e
αt
, (4.35)
son soluciones linealmente independientes de (4.31). Aqu´ı,
B
1
=
1
2
(K
1
+K
1
), B
2
=
i
2
(K
1
−K
1
),
donde K
1
∈ C
n
es un vector propio asociado a λ
1
.
Ejemplo 4.15 Consideramos el sistema
_
˙ x = 2x +8y, t ∈ 1,
˙ y =−x −2y, t ∈ 1.
(4.36)
Tenemos que
(%i1) A: matrix([2, 8],[-1, -2]);
( %o1)
_
2 8
−1 −2
_
(%i2) eigen: eigenvectors(A);
( %o2) [[[−2i, 2i], [1, 1]], [[[1, −
i +1
4
]], [[1,
i −1
4
]]]]
Entonces
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
166 4 Sistemas din´ amicos continuos
(%i3) l1: eigen[1][1][1];
( %o3) −2i
(%i4) K1: eigen[2][1][1];
( %o4) [1, −
i +1
4
]
(%i5) B1: (K1+conjugate(K1))/2, rectform;
B2: %i
*
(K1-conjugate(K1))/2, rectform;
( %o5) [1, −
1
4
]
( %o6) [0,
1
4
]
Por tanto el conjunto fundamental de soluciones de (4.36) es generado por las funciones
(%i7) define(X1(t), exp(t
*
realpart(l1))
*
( transpose(matrix(B1))
*
cos(imagpart(l1)
*
t)
+ transpose(matrix(B2))
*
sin(imagpart(l1)
*
t) ));
( %o7) X1(t) :=
_
cos(2t)

sin(2t)
4

cos(2t)
4
_
(%i8) define(X2(t), exp(t
*
realpart(l1))
*
( transpose(matrix(B2))
*
cos(imagpart(l1)
*
t)
- transpose(matrix(B1))
*
sin(imagpart(l1)
*
t) ));
( %o8) X2(t) :=
_
sin(2t)
cos(2t)
4

sin(2t)
4
_
La soluci´ on general de (4.36) es:
(%i9) define(X(t),C1
*
X1(t)+C2
*
X2(t));
( %o9) X(t) :=
_
_
sin(2t) C2+cos(2t) C1
_
cos(2t)
4

sin(2t)
4
_
C2+
_

sin(2t)
4

cos(2t)
4
_
C1
_
_
En el siguiente teorema se considera el caso en que A tiene un valor propio con multiplicidad mayor que
uno.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.8 Sistemas aut ´ onomos lineales 167
Teorema 4.5
Sup´ ongase que λ
1
∈ 1 es un valor propio de A en (4.31) con multiplicidad m.
1) Si asociados a λ
1
existen m vectores linealmente independientes, K
1
, ..., K
m
∈ 1
n
, entonces
X
i
(t) = K
i
e
λ
1
t
, t ∈ 1, i = 1, ..., m, (4.37)
son soluciones linealmente independientes de (4.31).
2) Si λ
1
tiene asociado un ´ unico vector propio, entonces siempre es posible encontrar m soluciones
linealmente independientes de (4.31) de la forma
X
i
(t) =
i

j=1
K
i j
t
i−1
(i − j)!
e
λ
1
t
, t ∈ 1. (4.38)
Ejemplo 4.16 Consideramos el sistema
_
¸
_
¸
_
˙ x = x −2y +2z, t ∈ 1,
˙ y =−2x +y −2z, t ∈ 1,
˙ z = 2x −2y +z, t ∈ 1.
(4.39)
Se tiene que
(%i1) A: matrix([1, -2, 2], [-2, 1, -2], [2, -2, 1]);
( %o1)
_
_
1 −2 2
−2 1 −2
2 −2 1
_
_
(%i2) eigen: eigenvectors(A);
( %o2) [[[5, −1], [1, 2]], [[[1, −1, 1]], [[1, 0, −1], [0, 1, 1]]]]
El valor propio
(%i3) l1: eigen[1][1][1];
( %o3) 5
tiene multiplicidad 1 y tiene asociado el vector propio
(%i4) K1: transpose(matrix(eigen[2][1][1]));
( %o4)
_
_
1
−1
1
_
_
El valor propio
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
168 4 Sistemas din´ amicos continuos
(%i5) l2: eigen[1][1][2];
( %o5) −1
tiene multiplicidad 2 y tiene asociado los vectores propios
(%i6) K2: transpose(matrix(eigen[2][2][1]));
( %o6)
_
_
1
0
−1
_
_
(%i7) K3: transpose(matrix(eigen[2][2][2]));
( %o7)
_
_
0
1
1
_
_
Entonces el conjunto fundamental de soluciones del sistema (4.39) es generado por las aplicaciones
(%i8) define(X1(t), K1
*
exp(l1
*
t));
( %o8) X1(t) :=
_
_
e
5t
−e
5t
e
5t
_
_
(%i9) define(X2(t), K2
*
exp(l2
*
t));
( %o9) X2(t) :=
_
_
e
−t
0
−e
−t
_
_
(%i10)define(X3(t), K3
*
exp(l2
*
t));
( %o10) X3(t) :=
_
_
0
e
−t
e
−t
_
_
de manera que la soluci´ on general de (4.39) es
(%i11)define(X(t), C1
*
X1(t)+C2
*
X2(t)+C3
*
X3(t));
( %o11) X(t) :=
_
_
e
−t
C2+e
5t
C1
e
−t
C3−e
5t
C1
e
−t
C3−e
−t
C2+e
5t
C1
_
_
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.8 Sistemas aut ´ onomos lineales 169
Para el caso m = 3 en el punto ii) del Teorema 4.5 se puede proveer f´ ormulas expl´ıcitas para (4.38). Este
es contenido del siguiente corolario.
Corolario 4.3
Consideramos las condiciones del punto ii) del Teorema 4.5, con K ∈1
n
vector propio de λ
1
. Si m≥2,
una soluci´ on linealmente independiente de
X
1
(t) = Ke
λ
1
t
,
est´ a dada por
X
2
(t) = Kt e
λ
1
t
+Pe
λ
1
t
,
donde P es soluci´ on de
(A−λ
1
I)P = K.
Si m ≥3, una soluci´ on linealmente independiente de ¦X
1
, X
2
¦ est´ a dada por
X
3
(t) = K
t
2
2
e
λ
1
t
+Pt e
λ
1
t
+Qe
λ
1
t
,
donde Q es soluci´ on de
(A−λ
1
I)Q = P.
Ejemplo 4.17 Consideramos el sistema
_
¸
_
¸
_
˙ x = 2x +y +6z, t ∈ 1,
˙ y = 2y +5z, t ∈ 1,
˙ z = 2z, t ∈ 1.
(4.40)
Se tiene que
(%i1) A: matrix([2, 1, 6], [0, 2, 5], [0, 0, 2]);
( %o1)
_
_
2 1 6
0 2 5
0 0 2
_
_
(%i2) eigen: eigenvectors(A);
( %o2) [[[2], [3]], [[[1, 0, 0]]]]
Se tiene que
(%i3) l1: eigen[1][1][1];
( %o3) 2
es el ´ unico valor propio de A con multiplicidad 3 y tiene vector propio
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
170 4 Sistemas din´ amicos continuos
(%i4) K: transpose(matrix(eigen[2][1][1]));
( %o4)
_
_
1
0
0
_
_
OJO: TIENE QUE SER REVISADO!!!
Se tiene que
P =
_
_
0
1
0
_
_
, Q =
_
_
0
−6/5
1/5
_
_
.
Sistemas no-homog´ eneos
Consideramos el sistema de EDO’s
X
/
(t) = A(t)X(t) +F(t), t ∈ I, (N)
donde
X(t) =
_
_
_
_
_
x
1
(t)
x
1
(t)
.
.
.
x
n
(t)
_
_
_
_
_
, F(t) =
_
_
_
_
_
f
1
(t)
f
1
(t)
.
.
.
f
n
(t)
_
_
_
_
_
,
A(t) =
_
_
_
_
_
a
11
(t) a
12
(t) . . . a
1n
(t)
a
21
(t) a
22
(t) . . . a
2n
(t)
.
.
.
.
.
. . . .
.
.
.
a
n1
(t) a
n2
(t) . . . a
nn
(t)
_
_
_
_
_
.
Se llama matriz fundamental del sistema (N) a la matriz
Φ(t) = (X
1
(t) X
2
(t) . . . X
n
(t)), (4.41)
donde los vectores X
1
= X
1
(t), X
2
= X
2
(t), ..., X
n
= X
n
(t) forman un sistema fundamental de soluciones
para el sistema homog´ eneo
X
/
(t) = A(t)X(t), t ∈ I. (H)
Una soluci ´ on particular, X
p
= X
p
(t), de (N) se encuentra mediante el m´ etodo de variaci ´ on de par´ ame-
tros:
X
p
(t) = Φ(t)
_
Φ
−1
(t)F(t)dt, t ∈ I, (4.42)
de manera que la soluci ´ on general de (N) es
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.8 Sistemas aut ´ onomos lineales 171
X(t) = X
p
(t) +
n

i=1
c
i
X
i
(t), t ∈ I. (4.43)
Ejemplo 4.18 Consideramos el sistema
_
˙ x =−3x +y +3t,
˙ y = 2x −4y +e
−t
.
(4.44)
Se tiene que
(%i1) F: matrix([3
*
t], [%eˆ(-t)]);
(%o1)
_
3t
e
−t
_
(%i3) A: matrix([-3, 1], [2,-4]);
(%o3)
_
−3 1
2 −4
_
(%i6) eigen: eigenvectors(A);
(%o6) [[[−5, −2], [1, 1]], [[[1, −2]], [[1, 1]]]]
(%i11) K1: eigen[2][1][1];
(%o11) [1, −2]
(%i12) K2: eigen[2][2][1];
(%o12) [1, 1]
(%i21) lambda1: eigen[1][1][1];
(%o21) −5
(%i22) lambda2: eigen[1][1][2];
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
172 4 Sistemas din´ amicos continuos
(%o22) −2
Entonces las soluciones linealmente independientes para el sistema homog´ eneo asociado a (4.44) son
(%i25) X1: K1
*
%eˆ(lambda1
*
t);
(%o25) [e
−5t
, −2e
−5t
]
(%i26) X2: K2
*
%eˆ(lambda2
*
t);
(%o26) [e
−2t
, e
−2t
]
de manera que la matriz fundamental es
(%i27) Phi: transpose(matrix(X1, X2));
(%o27)
_
e
−5t
e
−2t
−2e
−5t
e
−2t
_
Una soluci´ on particular de (4.44) es entonces
(%i41) Xp: Phi.integrate(invert(Phi).F,t), expand;
(%o41)
_
e
−t
4
+
6t
5

27
50
e
−t
2
+
3t
5

21
50
_
La soluci´ on general de (4.44) es entonces
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.9 Estabilidad de puntos cr´ıticos 173
X(t) = c
1
_
1
−2
_
e
−5t
+c
2
_
1
1
_
e
−2t
+
_
e
−t
4
+
6t
5

27
50
e
−t
2
+
3t
5

21
50
_
.
4.9. Estabilidad de puntos cr´ıticos
4.9.1. Caso lineal
Nos interesa estudiar sus propiedades de estabilidad de un sistema din´ amico. Consideramos el caso m´ as
simple:
_
˙ x = ax +by,
˙ y = cx +dy,
(4.45)
donde a, b, c, d ∈ 1 son constantes. Como ya sabemos, este sistema se puede escribir en la forma
X
/
= AX,
donde
A =
_
a b
c d
_
Observaci ´ on 4.6 Tenga presente que un sistema de la forma
_
˙ u = au+bv +e,
˙ v = cu+dv + f ,
puede pasarse a la forma (4.45) mediante el cambio de variable
u = x −h, v = y −k,
en tanto que h y k verifiquen
_
ah+bk = e,
ch+dk = f .
Valores propios reales
Si A tiene dos valores propios λ
1
, λ
2
∈ 1¸ ¦0¦, entonces el (4.45) tiene un ´ unico punto cr´ıtico en el
origen del plano x-y. Este punto cr´ıtico ser´ a
1) repulsivo (y por tanto inestable) si λ
1
> 0 y λ
2
> 0;
2) atractivo o estable si λ
1
< 0 y λ
2
< 0;
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
174 4 Sistemas din´ amicos continuos
3) punto de silla (y por tanto inestable) si λ
1
λ
2
< 0.
Ejemplo 4.19 Consideramos el sistema
_
˙ x = x +y,
˙ y =
1
2
x +y,
Se tiene que
(%i1) A: matrix([1, 1], [1/2, 1]);
(%i2) eigenvectors(A);
(%o2) [[[−

2−2
2
,

2+2
2
], [1, 1]], [[[1, −
1

2
]], [[1,
1

2
]]]]
Puesto que los valores propios de A
λ
1
=−

2−2
2
, λ
2
=

2+2
2
,
son positivos se tiene que (x
0
, y
0
) = (0, 0) es el ´ unico punto cr´ıtico del sistema y adem´ as es repulsivo.
(%i8) plotdf([x+y, x/2 + y],
[xfun, "-((1/sqrt(2.0))
*
x); ((1/sqrt(2.0))
*
x)"]);
Figura 4.23 El punto en el
origen es un repulsivo.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
-((1 / sqrt (2.0)) * x)
((1 / sqrt (2.0)) * x)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.9 Estabilidad de puntos cr´ıticos 175
El punto en el origen es un repulsivo y entonces inestable. v´ ease la Figura 4.23. Las rectas definidas por
los vectores propios proveen un nuevo sistema de coordenadas que ayuda a la comprensi´ on del fen´ omeno.
En la Figura 4.24 se representa la trayectoria que pasa por el punto (5, −5).
Figura 4.24 Una trayectoria
de una part´ıcula gobernada
por ˙ x = x +y, ˙ y =
1
2
x +y.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
Ejemplo 4.20 Consideramos el sistema
_
˙ x = x +2y,
˙ y = x +y,
Se tiene que
(%i1) A: matrix([1, 2], [1,1]);
(%i2) eigenvectors(A);
(%o2) [[[1−

2,

2+1], [1, 1]], [[[1, −
1

2
]], [[1,
1

2
]]]]
(%i3) if numer#false then numer:false else numer:true;
Puesto que los valores propios de A
λ
1
= 1−

2, λ
2
=

2+1,
tienen diferente signo se tiene que (x
0
, y
0
) = (0, 0) es el ´ unico punto cr´ıtico del sistema y adem´ as es un
punto de silla.
(%i6) plotdf([x+2
*
y, x+y],
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
176 4 Sistemas din´ amicos continuos
[xfun, "(-1/sqrt(2))
*
x; (1/sqrt(2))
*
x"]);
Figura 4.25 El punto en el
origen es de silla.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
((-1 / sqrt (2)) * x)
((1 / sqrt (2)) * x)
El punto en el origen es de silla y entonces inestable V´ ease la Figura 4.25. Las rectas definidas por los
vectores propios proveen un nuevo sistema de coordenadas que ayuda a la comprensi´ on del fen´ omeno.
Valores propios complejos
Si A tiene dos valores propios λ = α ±iβ ∈ C, entonces el (4.45) tiene un ´ unico punto cr´ıtico en el
origen del plano x-y. Este punto cr´ıtico ser´ a
1) un foco repulsivo (y por tanto inestable) si α > 0 - las trayectorias son espirales que se alejan del
origen;
2) un foco atractivo (y por tanto estable) si α <0 - las trayectorias son espirales que se acercan al origen;
3) un centro (y por tanto estable) si α = 0.
Ejemplo 4.21 Consideramos el sistema
_
˙ x =−x −2y,
˙ y = x −y,
Se tiene que
(%i10) A: matrix([-1, -2], [1, -1]);
(%i13) eigenvectors(A);
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.9 Estabilidad de puntos cr´ıticos 177
(%o13) [[[−

2i −1,

2i −1], [1, 1]], [[[1,
i

2
]], [[1, −
i

2
]]]]
Puesto que los valores propios de A
λ
1
=−1+i

2, λ
2
=−1+i

2,
tienen componente real negativa tenemos un foco atractivo en (0, 0).
(%i14) plotdf([-x-2
*
y,x-y]);
El punto en el origen es un foco atractivo y entonces estable. V´ ease la Figura 4.21.
Figura 4.26 El punto en el
origen es un foco atractivo.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
Puntos cr´ıticos propios, impropios y no-hiperb´ olicos
Supongamos que la matriz A asociada a (4.45) tiene un ´ unico valor propio, λ ∈ 1. Se dice que el punto
cr´ıtico (x
0
, y
0
) = (0, 0) es
1) propio si asociado a λ existen dos vectores propios linealmente independientes;
2) impropio si no existen dos vectores propios linealmente independientes asociados a λ.
Ejemplo 4.22 Consideramos el sistema
_
˙ x = x,
˙ y = y.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
178 4 Sistemas din´ amicos continuos
Se tiene que
(%i15) A: matrix([1, 0], [0, 1]);
(%i16) eigenvectors(A);
(%o16) [[[1], [2]], [[[1, 0], [0, 1]]]]
Puesto que el valor propio de A, λ = 1 tiene dos vectores propios linealmente independientes
K
1
=
_
1
0
_
, K
2
=
_
0
1
_
,
el punto en el origen es un punto cr´ıtico propio.
(%i17) plotdf([x,y]);
Figura 4.27 El punto en el
origen es un punto cr´ıtico
propio inestable.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
Ejemplo 4.23 Consideramos el sistema
_
˙ x = 3x +2y,
˙ y =−2x −y.
Se tiene que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.9 Estabilidad de puntos cr´ıticos 179
(%i18) A: matrix([3, 2], [-2, -1]);
(%i19) eigenvectors(A);
(%o19) [[[1], [2]], [[[1, −1]]]]
Puesto que el valor propio de A, λ = 1 no tiene dos vectores propios linealmente independientes, el
punto en el origen es un punto cr´ıtico impropio.
(%i23) plotdf([3
*
x+2
*
y, -2
*
x-y], [xfun, "-x"]);
Figura 4.28 El punto en el
origen es un punto cr´ıtico
impropio inestable.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
-x
Si el determinante de la matriz A asociada a (4.45) tiene valor propio λ
1
= 0, existir´ an infinitos puntos
cr´ıticos localizados a lo largo de una recta que pasa por el origen; a estos puntos cr´ıticos se les denomina
no-hiperb´ olicos.
Ejemplo 4.24 Consideramos el sistema
_
˙ x = x +2y,
˙ y = x +2y.
Se tiene que
(%i24) A: matrix([1, 2], [1, 2]);
(%i25) eigenvectors(A);
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
180 4 Sistemas din´ amicos continuos
(%o25) [[[0, 3], [1, 1]], [[[1, −
1
2
]], [[1, 1]]]]
Puesto que λ
1
= 0 es valor propio de A, existen puntos cr´ıticos no-hiperb´ olicos.
(%i26) plotdf([x+2
*
y, x+2
*
y], [xfun, "-x/2; x"]);
Figura 4.29 Los puntos a lo
largo de la recta determinada
por el vector propio asociado
a λ
1
= 0 son puntos cr´ıticos
no-hiperb´ olicos inestables.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
( -x / 2)
x
4.10. Caso no-lineal
Consideramos el sistema no-lineal aut´ onomo
_
˙ x = f (x, y), t ∈ I,
˙ y = g(x, y), t ∈ I.
(4.46)
Los puntos cr´ıticos son las soluciones del sistema
_
f (x, y) = 0,
g(x, y) = 0.
Para analizar la estabiloidad de un punto cr´ıtico (u, v), se linealizan las funciones f = f (x, y) y g = g(x, y)
(que suponemos que son de clase C
2
), mediante la expansi ´ on de Taylor en las cercan´ıas de (u, v):
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.10 Caso no-lineal 181
f (x, y) ≈(x −u)
∂ f
∂x
(u, v) +(y −v)
∂ f
∂y
(u, v),
g(x, y) ≈(x −u)
∂g
∂x
(u, v) +(y −v)
∂g
∂y
(u, v).
Entonces, mediante el cambio de variable
X = x −u, Y = y −v,
tenemos que (4.46) se aproxima mediante
_
˙
X
˙
Y
_
= A
_
X
Y
_
donde
A =
_
_
_
∂ f
∂x
(u, v)
∂ f
∂y
(u, v)
∂g
∂x
(u, v)
∂g
∂y
(u, v)
_
_
_
Observaci ´ on 4.7 T´ engase presente que a cada punto cr´ıtico, le corresponde una matriz A, es decir
A = A(u, v).
La estabilidad del punto cr´ıtico (u, v) est´ a determinada por la matriz A siguiendo las consideraciones he-
chas para sistemas lineales en la secci´ on anterior. Obs´ ervese que A es la matriz Jacobiana de ( f (x, y), g(x, y))
evaluanda en el punto cr´ıtico (u, v).
Ejemplo 4.25 Consideramos el sistema
_
˙ x = 4−x
2
−4y
2
,
˙ y = y
2
−x
2
+1.
Calculemos los puntos cr´ıticos del sistema:
(%i16) f(x,y):=4 - xˆ2 -4
*
yˆ2;
(%i17) g(x,y):= yˆ2 - xˆ2 +1;
(%i18) F(x,y):= [f(x,y), g(x,y)];
(%o18) F (x, y) := [ f (x, y), g(x, y)]
(%i19) v: [x,y];
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
182 4 Sistemas din´ amicos continuos
(%i29) crit: solve(F(x,y),v);
(%o29) [[x =−
2
3
2

5
, y =−

3

5
], [x =−
2
3
2

5
, y =

3

5
],
[x =
2
3
2

5
, y =−

3

5
], [x =
2
3
2

5
, y =

3

5
]]
Calculemos la matriz Jacobiana de F(x, y)
(%i22) h[i, j]:= diff(F(x,y)[i], v[j]);
(%o22) h
i, j
:= di f f ((F (x, y))
i
, v
j
)
(%i23) jac: genmatrix(h,2,2);
(%o23)
_
−2x −8y
−2x 2y
_
Analicemos la estabilidad de
(u
1
, v
1
) = (−
2
3
2

5
, −

3

5
)
≈ (−1,264911064067352, −0,77459666924148).
(%i32) A: jac, crit[1];
(%o32)
_
_
2
5
2

5
8

3

5
2
5
2

5

2

3

5
_
_
(%i38) eigen: eigenvalues(A);
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.10 Caso no-lineal 183
(%o38) [[−
_
2
9
2
3
5
2
+44

5+
_
2

3−2
5
2
_

5
10
,
_
2
9
2
3
5
2
+44

5+
_
2
5
2
−2

3
_

5
10
], [1, 1]]
Puesto que
(%i44) eigen[1][1]
*
eigen[1][2], numer;
(%o44) −19,59591794226544
se tiene que (u
1
, v
1
) es un punto de silla.
Analicemos la estabilidad de
(u
2
, v
2
) = (−
2
3
2

5
,

3

5
)
≈ (−1,264911064067352, 0,77459666924148)
(%i45) A: jac, crit[2];
(%o45)
_
_
2
5
2

5

8

3

5
2
5
2

5
2

3

5
_
_
(%i49) eigen: eigenvalues(A);
(%o49) [[−
_
2
9
2
3
5
2
−44

5i +
_
−2

3−2
5
2
_

5
10
,
_
2
9
2
3
5
2
−44

5i +
_
2

3+2
5
2
_

5
10
], [1, 1]]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
184 4 Sistemas din´ amicos continuos
(%i54) eigen[1][1], expand, numer;
(%o54) 2,039507733308836−3,92890902771226i
Figura 4.30 El punto (u
2
, v
2
)
es un foco repulsivo.
-3 -2 -1 0 1 2 3
-2
-1
0
1
2
3
y
x
sqrt ((1 - (pow(x,2) / 4)))
-sqrt ((1 - (pow(x,2) / 4)))
sqrt ((pow(x,2) - 1))
-sqrt ((pow(x,2) - 1))
Por tanto (u
2
, v
2
) es un foco repulsivo.
Analicemos la estabilidad de
(u
3
, v
3
) = (
2
3
2

5
, −

3

5
)
≈ (1,264911064067352, −0,77459666924148)
(%i57) A: jac, crit[3];
(%o57)
_
_

2
5
2

5
8

3

5

2
5
2

5

2

3

5
_
_
(%i58) eigen: eigenvalues(A);
(%o58) [[−
_
2
9
2
3
5
2
−44

5i +
_
2

3+2
5
2
_

5
10
,
_
2
9
2
3
5
2
−44

5i +
_
−2

3−2
5
2
_

5
10
], [1, 1]]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.10 Caso no-lineal 185
(%i60) eigen[1][1], expand, numer;
(%o60) −3,92890902771226i −2,039507733308836
Por tanto (u
3
, v
3
) es un foco atractivo.
Figura 4.31 El punto (u
3
, v
3
)
es un foco atractivo.
-3 -2 -1 0 1 2 3
-2
-1
0
1
2
3
y
x
sqrt ((1 - (pow(x,2) / 4)))
-sqrt ((1 - (pow(x,2) / 4)))
sqrt ((pow(x,2) - 1))
-sqrt ((pow(x,2) - 1))
Analicemos la estabilidad de
(u
4
, v
4
) = (
2
3
2

5
,

3

5
)
≈ (1,264911064067352, 0,77459666924148)
(%i65) A: jac, crit[4];
(%o65)
_
_

2
5
2

5

8

3

5

2
5
2

5
2

3

5
_
_
(%i66) eigen: eigenvalues(A);
(%o66) [[−
_
2
9
2
3
5
2
+44

5+
_
2
5
2
−2

3
_

5
10
,
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
186 4 Sistemas din´ amicos continuos
_
2
9
2
3
5
2
+44

5+
_
2

3−2
5
2
_

5
10
], [1, 1]]
(%i69) eigen[1][1]
*
eigen[1][2], numer;
(%o69) −19,59591794226544
Entonces (u
4
, v
4
) es punto de silla.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.10 Caso no-lineal 187
Problemas
4.1. Pruebe que una funci ´ on de Lipschitz es continua.
4.2. Pruebe que las funciones determinadas por las siguientes f´ ormulas son de Lipschitz
f
1
(x) =
_
x
2
+5, f
2
(x) = sin(x); f
3
(x) =[x[.
4.3. Pruebe que las funciones determinadas por las siguientes f´ ormulas no son de Lipschitz
f
1
(x) = x
2
; f
2
(x) =

x; f
3
(x) =
_
x
3/2
sin(x), x ∈ (0, 1]
0, x = 0
.
4.4. Sea a > 0. El sistema din´ amico discreto
x
n+1
=
1
2
_
x
n
+
a
x
n
_
,
fue conocido por los saumerios hace unos 4000 a˜ nos como una herramienta para calcular

a. Utilizando
cualquier valor inicial x
0
> 0 calcule

3,

15 y

234. Observe la diferencia en los resultados al empezar
con x
0
como un n´ umero racional y como un n´ umero de punto flotante. Haga los diagramas de evoluci ´ on y
de degraus.
4.5. La poblaci´ on inicial de una cierta especie de mam´ıferos es de 5000 individuos. Cada a˜ no el aumen-
to natural (nacimientos menos muertes naturales) es de 25%. Suponiendo que el n´ umero de individuos
eliminados por los cazadores cada a˜ no es de 1500, manteni´ endose constante este n´ umero en los a˜ nos sub-
siguientes, ¿c´ omo ser´ıa la evoluci ´ on de la poblaci´ on en los pr´ oximos 10 a˜ nos si la caza est´ a permitida s´ olo
en cierta ´ epoca del a˜ no?
4.6. Calcule y grafique los primeros 15 t´ erminos del sistema discreto
x
n+1
= x
2
n
−2.
Use los siguientes valores:
x
0
= 1; x
0
= 2; x
0
= 0,5; x
0
= 1,999.
En cada caso explique el comportamiento de la evoluci ´ on.
4.7. Calcule y grafique los primeros 15 t´ erminos del sistema discreto
x
n+1
=[x
n
−2[.
Use los siguientes valores:
x
0
= 1; x
0
= 2; x
0
= 0,5; x
0
= 1,999.
En cada caso explique el comportamiento de la evoluci ´ on.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
188 4 Sistemas din´ amicos continuos
4.8. Obtenga el campo de direcciones para la EDO y esboce trayectoria de la soluci ´ on que pasa por el punto
dado
x
/
+x = 1+t
2
, x(1) = 1;
dy
dx
=−
x +y
x +2y
, y(2) = 3;
cos(x)
dx
dt
=−
t sin(x)
1+t
2
, x(1) =
π
2
.
4.9. Considere los problemas de valor inicial del ejercicio anterior.
1) En caso de ser posible, obtenga una soluci ´ on anal´ıtica del problema de valor inicial y graf´ıquela.
2) Aplique un m´ etodo num´ erico para obtener una aproximaci ´ on de la soluci ´ on del problema de valor inicial.
4.10. Considere la EDO
x
/
= (2−x) sin(x).
Obtenga el diagrama de fase, identifique los puntos cr´ıticos e indique si son atractivos o repulsivos.
4.11. Resuelva num´ ericamente los siguientes problemas de valor inicial y grafique las soluciones obtenidas.
_
x
/
=
t
2
−x
2
x
, 0 ≤t ≤3,
x(0) = 1;
_
x
/
= cos(t) +2x, −2 ≤t ≤1,
x(−2) = 0;
_
x
/
+x = 1+t
2
, 0 ≤t ≤4,
x(0) = 2.
4.12. Una bola se deja caer desde la terraza de un rascacielos. Para esferas la constante aerodin´ amica es
igual a 0,5. Use un m´ etodo num´ erico para calcular la velocidad de la bola, v(t), durante los 5 primeros
segundos. La bola es
1) una pelota de tenis con m = 0,062Kg y r = 0,0325m;
2) una pelota de ping-pong con m = 0,0024Kg y r = 0,0019m;
3) una gota de lluvia con r = 0,003m.
Haga los gr´ aficos de las velocidades y aceleraciones de los tres objetos en funci ´ on del tiempo. ¿Qu´ e relaci ´ on
hay entre las respectivas velocidades terminales? ¿Por qu´ e se puede lanzar m´ as lejos una bola de tenis que
una bola de ping-pong, cuando de hecho la primera pesa m´ as?
4.13. Un tanque cil´ındrico, lleno de agua, tiene un orificio en la base. La velocidad de escape del agua
est´ a dada por
y
/
=−k

y, t ≥0,
donde y es la altura de agua en el tanque y k > 0 es una constante que depende del tama˜ no del orificio y de
la ´ area de base del cilindro. Para un caso concreto se tiene k = 0,05. Si la altura est´ a medida en metros y el
tiempo en minutos, use el m´ etodo de R-K con incrementos de tiempo de 1 segundo para calcular el tiempo
que se demora en vaciarse completamente el tanque. La altura inicial del agua es de 1m.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
4.10 Caso no-lineal 189
4.14. Una bola de 0,08Kg y radio de 0,035m es lanzada con una velocidad de 20m/s en un ´ angulo de 60

respecto de la horizontal. Calcule el alcance si la constante aerodin´ amica vale 0,5, la densidad del aire es
de 1,2Kg/m
3
y la gravedad tiene un valor de 9,81m/s
2
Compare gr´ aficamente la trayectoria de la bola con
la trayectoria que seguir´ıa si no hubiese resistencia del aire.
4.15. Escriba el problema como un sistema libre de singularidades, haga el diagrama de fase.
_
_
_
dy
dx
=−
x +y
x +2y
,
y(2) = 3;
4.16. Use el m´ etodo de Runge - Kutta para resolver el siguiente problema
_
¸
_
¸
_
(t
2
+1)y
//
−(t +3)y
/
+y = 0, −3 ≤t ≤1
y(−3) = 0,
y
/
(−3) = 1.
4.17. Use el m´ etodo de Runge - Kutta para resolver el siguiente problema
_
¸
_
¸
_
y
//
+xy
/
+x
2
y = sin(x), −1 ≤x ≤5
y(−1) = 0,
y
/
(−1) =−2.
4.18. Encuentre la soluci´ on general para el sistema indicado, para t ∈ 1.
a)
_
˙ x = x +2y,
˙ y = 4x +3y;
b)
_
¸
_
¸
_
˙ x = x +y −z,
˙ y = 2y,
˙ z = y −z;
c)
_
˙ x = 6x −y,
˙ y = 5x +2y;
d)
_
˙ x = 5x +y,
˙ y =−2x +3y.
4.19. Encuentre la soluci´ on general para el sistema indicado, para t ∈ 1.
X
/
=
_
_
−1 −1 0
3/4 −3/2 3
1/8 1/4 −1/2
_
_
X; Y
/
=
_
_
5 −4 0
1 0 2
0 2 5
_
_
Y; Z
/
=
_
_
1 0 0
2 2 −1
0 1 0
_
_
Z.
4.20. Resuelva los siguientes problemas de valor inicial
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
X
/
=
_
2 4
−1 6
_
X,
X(0) =
_
−1
6
_
;
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
X
/
=
_
4 3
3 −4
_
X,
X(0) =
_
1
1
_
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
190 4 Sistemas din´ amicos continuos
4.21. Resuelva los siguientes sistemas por el m´ etodo de variaci ´ on de par´ ametros
(a)
_
˙ x = 3x −3y +4,
˙ y = 2x −2y −1;
(b)
_
˙ x = 2x −y,
˙ y = 3x −2y +4t;
4.22. Resuelva los siguientes sistemas por el m´ etodo de variaci ´ on de par´ ametros
(a) X
/
=
_
3 2
−2 −1
_
X +
_
1
1
_
; (b) X
/
=
_
1 −1
1 1
_
X +
_
cos(t)
sin(t)
_
e
t
;
(c) X
/
=
_
1 2
−1/2 1
_
X +
_
cosec(t)
sec(t)
_
e
t
; (d) X
/
=
_
_
1 1 0
1 1 0
0 0 3
_
_
X +
_
_
e
t
e
2t
te
3t
_
_
.
4.23. Analice los puntos cr´ıticos del sistema din´ amico. Indique si son puntos atractivos, repulsivos, etc.
(a)
_
˙ x = x +y,
˙ y = 4x +y;
(b)
_
˙ x =−3x +

2y,
˙ y =

2x −2y;
(c)
_
˙ x = x −y,
˙ y = x +3y.
4.24. Estudie la estabilidad de los puntos cr´ıticos del sistema
(a)
_
˙ x = x,
˙ y = x
2
+y
2
−1;
(b)
_
˙ x = x(2−y),
˙ y =
1
2
y(x −3).
4.25. La amplitud de oscilaci´ on θ de un p´ endulo decrece principalmente por causa de la resistencia del aire.
Esta fuerza es opuesta al movimiento y proporcional a la velocidad angular ω, con constante de proporcio-
nalidad γ. Suponga que la varilla tiene una longitud l
Use el diagrama de fuerzas para probar que el movi-
miento del p´ endulo est´ a gobernado por el sistema
_
˙
θ = ω,
˙ ω =−
g
l
sin(θ) −
γ
ml
ω,
donde m es la masa colocada al extremo inferior de
la varilla.
Suponga que m=0,3Kg, l =0,5m, g =9,81ms
2
, γ =0,05N s. Analice la estabilidad de los puntos cr´ıticos
del sistema. Resu´ elva num´ ericamente el sistema y grafique la soluci´ on cuando
1) el p´ endulo parte del reposo un ´ angulo inicial θ
0
= 120

;
2) el p´ endulo es lanzado desde θ
0
= 60

, con una velocidad inicial ω
0
=−9s
−1
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Cap´ıtulo 5
An´ alisis de Fourier
5.1. Introducci ´ on
En este cap´ıtulo se asume que el lector tiene buenas bases de Algebra Lineal (v´ eanse e.g. [Gro87] y
[NCT96]). Creemos que encontrar´ a ´ util el material presentado en el Ap´ endice 1.
Recordemos que en un espacio Euclidiano n-dimensional V todo vector u ∈ V se puede expandir en
t´ erminos de una base B =¦v
1
, ..., v
n
¦:
u =
n

k=1
c
k
v
k
. (5.1)
Si, adicionalmente, B es ortonormal, entonces los coeficientes c
k
, k = 1, ..., n, se pueden calcular mediante
la f´ ormula
c
k
= (u, v
k
), k = 1, 2, ..., n, (5.2)
donde (, ) representa el producto interior en V. La norma de u se puede calcular con la f´ ormula Pitag´ orica
1
|u| =
¸
n

k=1
c
2
k
. (5.3)
Si suponemos ahora que V es dimensi´ on infinita, nos cuestionamos si es que es posible proveer a V
de un conjunto B = ¦v
1
, v
2
, ...¦ de manera tal que la estructura de las relaciones (5.1), (5.2) y (5.3) siga
siendo v´ alida cuando n → ∞. Esta cuesti ´ on tiene innumerables aplicaciones en Ingenier´ıa; por ejemplo
en el An´ alisis de Se˜ nales, en la resoluci´ on de Ecuaciones Diferenciales Parciales, en el modelamiento de
fen´ omenos peri´ odicos, etc.
El ejemplo hist ´ orico de esta situaci ´ on corresponde a expandir una funci ´ on u : [−π, π] →1 como una
serie de Fourier cl´ asica,
u(t) =
a
0
2
+


k=1
a
k
cos(kt) +


k=1
b
k
sin(kt), t ∈ [−π, π],
1
Cuando n = 2 la formula (5.3) establece que en un tri´ angulo rect´ angulo la hipotenusa se calcula como la ra´ız de la suma de
los cuadrados de los catetos.
191
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
192 5 An´ alisis de Fourier
donde los coeficientes a
0
/2, a
n
y b
n
, n =1, 2, ..., son las coordenadas de u en la base F =¦1, cos(k), sin(k) :
k = 1, 2, 3, ...¦. Este tipo de expansiones (v´ ease e.g. [Kre06]) surgi ´ o de manera natural en el trabajo sobre
cuerdas vibrantes de D. Bernoulli (1753) y en el trabajo sobre la conducci´ on del calor de J. Fourier (1822)
pues permite modelar sistemas peri´ odicos complicados en t´ erminos de funciones simples (senos y cosenos).
En este cap´ıtulo abordaremos la inquietud planteada sobre expansiones infinitas en t´ erminos de bases,
con particular inter´ es en el espacio de funciones de cuadrado integrable L
2
(I). Dependiendo del interva-
lo I ⊆ 1, el sistema trigonom´ etrico F ya mencionado as´ı como los sistemas de funciones de Legendre,
Hermite y Laguerre toman el papel de base de L
2
(I) verificando las relaciones (5.1), (5.2) y (5.3).
Al final del cap´ıtulo abordamos el estudio de la Transformada de Fourier en el marco del espacio L
2
(I);
all´ı se manifiesta como una herramienta ´ util para el An´ alisis de Se˜ nales y, como se ver´ a en el Cap´ıtulo 6,
tambi´ en para el an´ alisis de Ecuaciones en Derivadas Parciales.
5.2. Preliminares
5.2.1. Espacios normados
El concepto de norma es una generalizaci ´ on de la funci ´ on m´ odulo (que a su vez generaliza bidimensio-
nalmente la funci ´ on valor absoluto) que fue definida en la Secci´ on 2.2 para el conjunto C, pues permite
medir el tama˜ no de un vector y la distancia entre vectores que viven en un espacio vectorial.
Definici ´ on 5.1 [Espacio normado]
Se dice que (V, | |) es un espacio normado si V es un espacio vectorial y | | : V → 1 es una
aplicaci´ on, llamada norma, que verifica las siguientes propiedades
|u| ≥0, para todo u ∈V; (5.4)
|u| = 0 ssi u = 0; (5.5)
|αu| =[α[ |u|, para todo u ∈V; (5.6)
|u+v| ≤|u|+|v|, para todo u, v ∈V. (5.7)
Si no hay lugar a confusi´ on se dir´ a que V es el espacio normado en lugar de (V, | |).
Figura 5.1 La desigualdad
triangular establece que en
un tri´ angulo formado en un
espacio normado, la longitud
de un lado es menor que la
suma de las longitudes de
los otros dos lados. Fuente:
http://www.answers.com
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.2 Preliminares 193
Una vez que se puede medir distancias en un espacio es posible establecer el concepto de convergencia.
2
Esto lo establecemos en la siguiente definici´ on.
Definici ´ on 5.2 [Distancia y convergencia]
Sea (V, | |) un espacio normado. La distancia entre los vectores u, v ∈V est´ a dada es
dist(u, v) =|u−v|. (5.8)
Se dice que una sucesi´ on (v
n
)
n∈N
⊆V converge al vector v ∈V si se cumple que
l´ım
n→∞
|v
n
−v| = 0. (5.9)
Tenga presente que sobre un mismo espacio vectorial V se pueden definir diferentes normas. Las pro-
piedades de un espacio normado (V, | |
1
) pueden diferir sustancialmente de las propiedades del espacio
normado (V, | |
2
); por ejemplo, una sucesi ´ on (v
n
) ⊆V podr´ıa converger en (V, | |
1
) y no en (V, | |
2
).
Notaci ´ on 5.1 Sean Ω ⊆ 1
n
y ϒ ⊆ 1
m
. Por C
k
(Ω;ϒ) representaremos el espacio funcional
3
constituido
por las funciones ψ : Ω →ϒ que tienen derivadas continuas al menos hasta orden k ∈ N

. Cuando ϒ =1
se escribe simplemente C
k
(Ω) en lugar de C
k
(Ω; 1).
Ejemplo 5.1 [Teorema de Aproximaci ´ on de Weierstrass]
Supongamos que −∞< a < b <∞. Consideramos el espacio V = C([a, b]). El lector puede verificar que la
aplicaci´ on | |

: V →1 definida mediante
|u|

= sup
t∈[a,b]
[u(t)[ (5.10)
es una norma sobre V. De hecho, el supremo en (5.10) es un m´ aximo (v´ ease e.g. [Apo67, Teo. 3.12]).
Es en el espacio normado (C([a, b]), | |

) donde tiene sentido el Teorema de Aproximaci´ on de Weiers-
trass que el estudiante aprendi´ o en su curso de C´ alculo. Este famoso teorema establece que dada cualquier
f ∈ C([a, b]) y dado cualquier grado de aproximaci´ on ε > 0, se puede hallar un polinomio p : [a, b] →1
tal que
|f −p|

= sup
t∈[a,b]
[ f (t) −p(t)[ < ε. (5.11)
Por ejemplo, si [a, b] = [0, 1] los polinomios de Bernstein:
B
n
( f )(t) =
n

k=0
_
n
k
_
f
_
k
n
_
t
k
(1−t)
n−k
, n ∈ N, (5.12)
verifican
l´ım
n→∞
| f −B
n
|

= 0.
Ejemplo 5.2 [Normas de Lebesgue]
Sea 1 ≤ p < ∞ y supongamos que −∞ < a < b < ∞. Consideramos nuevamente el espacio V = C([a, b])
2
En el marco de los espacios topol ´ ogicos, se puede definir la convergencia de sucesiones sin el concepto de distancia; para
ello la herramienta indispensable es el concepto de conjunto abierto.
3
Un espacio funcional es un espacio vectorial donde los vectores son funciones que cumplen habitualmente con ciertas
propiedades de derivabilidad y/o integrabilidad.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
194 5 An´ alisis de Fourier
pero ahora con la aplicaci´ on | |
p
definida por
|u|
p
=
_
_
b
a
[u(t)[
p
_
1/p
. (5.13)
Se puede probar, con ayuda de la desigualdad de H¨ older, que | |
p
es una norma sobre C([a, b]); se le
denomina norma p de Lebesgue.
Puesto que se cumple que
l´ım
p→∞
|u|
p
=|u|

, para todo u ∈ C([a, b]), (5.14)
a la norma | |

, definida en el Ejemplo 5.1, se le suele llamar norma ∞ de Lebesgue.
Observaci ´ on 5.1 La desigualdad de H¨ older establece que para p, p
/
∈ [1, ∞] conjugados,
1
p
+
1
p
/
= 1, (5.15)
se cumple que
|uv|
1
≤|u|
p
|v|
p
/ , para todo u, v ∈ C([a, b]). (5.16)
Para probar la desigualdad de H¨ older se necesita la desigualdad de Young
ab ≤
1
p
a
p
+
1
p
/
b
p
/
, para todo a, b ≥0.
Observaci ´ on 5.2 Es importante recalcar que no es indispensable que la funci´ on u sea continua en [a, b]
para que la f´ ormula (5.13) tenga sentido. V´ ease la Definici´ on ??.
5.2.2. Conjuntos abiertos y cerrados
Como se vi´ o en la Secci´ on 2.2.2 las bolas y los conjuntos abiertos son indispensables para establecer una
gama de resultados en C. En un espacio normado V se define la bola centrada en u
0
∈V con radio r > 0
como el conjunto
B(u
0
; r) =¦u ∈V : dist(u, u
0
) < r¦. (5.17)
Definici ´ on 5.3 [Conjunto abierto. Conjunto acotado]
Sean V un espacio normado y U ⊆V. Se dice que U es un conjunto abierto si para todo u ∈U existe
r >0 tal que B(u; r) ⊆U. A un conjunto se le denomina cerrado si su complemento es abierto. Se dice
que U ⊆V es acotado si se lo puede cubrir con alguna bola; esto equivale a que se pueda hallar un
M > 0 tal que
|u| < M, para todo u ∈U.
En particular, toda bola es un conjunto abierto y acotado.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.2 Preliminares 195
Mediante el concepto de punto de acumulaci ´ on es posible caracterizar a un conjunto cerrado.
Definici ´ on 5.4 [Puntos de acumulaci ´ on. Adherencia]
Sean V un espacio normado y B ⊆V. Se dice que v ∈V es un punto de acumulaci´ on (o punto l´ımite)
de B si existe una sucesi´ on (u
n
)
n∈N
⊆B tal que
l´ım
n→∞
u
n
= v.
Se denomina adherencia de B al conjunto
B =¦u ∈V : u es punto de acumulaci´ on de B¦. (5.18)
De la definici ´ on anterior es claro que B ⊆ B. En el siguiente teorema se establece que un conjunto es
cerrado cuando contiene a todos sus puntos de acumulaci´ on, es decir que B ⊇B.
Teorema 5.1 [Caracterizaci ´ on de un conjunto cerrado]
Sean V un espacio normado y M ⊆V. Entonces M es cerrado ssi M = M.
Demostraci´ on. Puesto que M ⊆M tenemos que probar que M es cerrado ssi M ⊆M.
1) Supongamos que M es cerrado de manera que M
c
es abierto. Sea x ∈ M arbitrario y probemos que
x ∈ M. Por reducci ´ on al absurdo, supongamos entonces que x ∈ M
c
de manera que existe un r > 0 tal que
B(x, r) ⊆M
c
. Ahora bien como x es punto de acumulaci ´ on de M, existe una sucesi´ on (x
n
)
n∈N
⊆M tal que
l´ım
n→∞
x
n
= x;
es decir que para todo ε > 0, existe un N
ε
∈ N tal que
n > N
ε
=⇒|x −x
n
| < ε.
Pero entonces, para ε = r,
x
n
∈ B(x, r) ⊆M
c
, para todo n ≥N
r
,
que es una contradicci ´ on pues (x
n
)
n∈N
⊆M. Por la arbitrariedad de x, se sigue que M ⊆M.
2) Supongamos ahora que M = M y probemos que M es cerrado, es decir que M
c
es abierto. Por reducci´ on
al absurdo, supongamos que M
c
no es abierto de manera que existe un punto x ∈ M
c
que no es interior; es
decir,
B(x, r) ,⊆M
c
, para todo r > 0.
Por tanto, para todo n ∈ N, existe un x
n
∈ B(x, 1/n) tal que x
n
∈ M. Ahora, como
l´ım
n→∞
|x −x
n
| = 0,
se sigue que x es punto de acumulaci ´ on de M y, por ello, x ∈ M que es una contradicci ´ on. Puesto que x fue
arbitrario, se sigue que M
c
es abierto. ¯ .
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
196 5 An´ alisis de Fourier
5.2.3. Continuidad de operadores
Llamamos operador a toda funci´ on L tal que su dominio y codominio son subconjuntos de un espacio
vectorial. En particular, si el codominio es un subconjunto de 1 se dice que L es un funcional.
Definici ´ on 5.5 [Continuidad de operadores]
Sean (V, | |
V
) y (W, | |
W
) dos espacios normados. El operador L : V →W es continuo en el punto
v
0
∈V ssi para todo ε > 0, existe un δ > 0 tal que
v ∈ B(v
0
, δ) =⇒L[v] ∈ B(L[v
0
], ε). (5.19)
Si L es continuo en todo punto de V se dice simplemente que es un operador continuo.
Conceptualmente la definici ´ on anterior establece que un operador es continuo cuando peque˜ nas pertur-
baciones entorno al punto de referencia v
0
provocan peque˜ nas perturbaciones en L[v
0
].
Para terminar esta secci´ on caracterizamos la continuidad de operadores por medio de sucesiones.
Teorema 5.2 [Caracterizaci ´ on de la continuidad]
Sean (V, | |
V
) y (W, | |
W
) dos espacios normados. El operador L : V →W es continuo en el punto
v
0
∈V ssi dada cualquier sucesi´ on (v
n
)
n∈N
⊆V tal que
l´ım
n→∞
v
n
= v
0
,
se sigue que
l´ım
n→∞
L[v
n
] = L[v
0
].
5.3. Espacios Euclidianos
Como el lector recordar´ a, varios conceptos de la Geometr´ıa Euclidiana se pueden replicar en un espa-
cio normado. Este parecido mejora sustancialmente cuando la norma del espacio se define a trav´ es de un
producto escalar.
Presentamos en la siguiente definici´ on un recurso para medir ´ angulos entre vectores. “Se necesita intro-
ducir el concepto de producto interno (an´ alogo al producto punto de vectores f´ısicos ordinarios)”, [RR92].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.3 Espacios Euclidianos 197
Definici ´ on 5.6 [Espacio Euclidiano]
Sea V un espacio vectorial. Se dice que (, ) : V V →1 es un producto interno o producto escalar
sobre V si se cumplen las siguientes condiciones:
(u+v, w) = (u, w) +(v, w), para todo u, v, w ∈V; (5.20)
(u, v) = (v, u), para todo u, v ∈V; (5.21)
(αu, v) = α(u, v), para todo u, v ∈V y todo α ∈ 1; (5.22)
(u, u) ≥0, para todo u ∈V; (5.23)
(u, u) = 0 ssi u = 0. (5.24)
En este caso se dice que (V, (, )) es un espacio Euclidiano.
Observaci ´ on 5.3 Si V es un espacio vectorial definido sobre el campo C, se dice que (, ) : V V →C es
un producto interno sobre V si se cumplen las siguientes condiciones:
(u+v, w) = (u, w) +(v, w), para todo u, v, w ∈V;
(u, v) = (v, u), para todo u, v ∈V;
(αu, v) = α(u, v), para todo u, v ∈V y todo α ∈ 1;
(u, u) ≥0, para todo u ∈V;
(u, u) = 0 ssi u = 0.
En un espacio Euclidiano
4
se pueden establecer el tama˜ no o norma de un vector (por lo cual todo espacio
euclidiano es un espacio normado),
|u| =
_
(u, u), (5.25)
y, por (5.8), tambi´ en la distancia entre dos vectores (por lo cual todo espacio Euclidiano es un espacio
m´ etrico), El ´ angulo θ ∈ [0, π] entre dos vectores no-nulos u, v ∈V est´ a dado por
cos(θ) =
(u, v)
|u||v|
. (5.26)
Ejemplo 5.3 [El espacio 1
d
]
En el espacio 1
d
se define el producto escalar de dos vectores
u =
_
_
_
_
_
u
1
u
2
.
.
.
u
d
_
_
_
_
_
, v =
_
_
_
_
_
v
1
v
2
.
.
.
v
d
_
_
_
_
_
mediante
(u, v) = u
T
v (5.27)
= u
1
v
1
+u
2
v
2
+... +u
d
v
d
.
Aqu´ı, el super´ındice T representa la transpuesta de una matriz.
4
En honor al matem´ atico griego Euclides (330 A.E.C. - 275 A.E.C.), autor de los Elementos, libro donde se expone la
geometr´ıa cl´ asica como un sistema axiom´ atico.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
198 5 An´ alisis de Fourier
Si consideramos los siguientes elementos de 1
3
(%i1) u: transpose(matrix([ux, uy, uz]));
v: transpose(matrix([vx, vy, vz]));
( %o1)
_
_
ux
uy
uz
_
_
( %o2)
_
_
vx
vy
vz
_
_
el producto interior de u con v es
(%i3)
u.v;
( %o3) uzvz +uyvy +uxvx
Calculemos la distancia entre los vectores u, v ∈ 1
3
:
(%i4) sqrt((u-v).(u-v));
( %o4)
_
(uz −vz)
2
+(uy −vy)
2
+(ux −vx)
2
que es la f´ ormula que uno aprende en el curso de Geometr´ıa Anal´ıtica.
Para terminar esta secci´ on establecemos, gracias al Teorema 5.2, la continuidad del producto interno.
Proposici ´ on 5.1 [Continuidad del Producto Interno]
Sea V un espacio euclidiano. Sean (u
n
)
n∈N
y (v
n
)
n∈N
sucesiones en V tales que
l´ım
n→∞
u
n
= u, l´ım
n→∞
v
n
= v.
Entonces,
l´ım
n→∞
(u
n
, v
n
) = (u, v).
5.3.1. El espacio L
2
(I)
Vamos a suponer que I ⊆1es [a, b], [a, ∞), (−∞, a] ´ o 1. Se define el espacio de funciones con cuadrado
integrable sobre I como
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.3 Espacios Euclidianos 199
Λ
2
(I) =
_
f : I →1 :
_
I
[ f (t)[
2
dt <∞
_
. (5.28)
Observaci ´ on 5.4 Para que la definici´ on de Λ
2
(I) sea estrictamente correcta, la integral que aparece en
(5.28) debe ser calculada en el sentido de Lebesgue y no en el sentido de Riemann, que es la integral que
habitualmente se ense˜ na a un estudiante de Ingenier´ıa. Esto queda fuera de los objetivos de este texto.
Se define sobre Λ
2
(I) una relaci ´ on de equivalencia mediante
u ∼v ssi
_
I
[u(t) −v(t)[
2
dt = 0. (5.29)
Se define el espacio L
2
(I) como
L
2
(I) =¦[u] : u ∈Λ
2
(I)¦, (5.30)
donde [u] representa la clase de equivalencia de u ∈Λ
2
(I) pr la relaci ´ on de equivalencia definida en (5.29).
Agrosso modo la clase [u] est´ a formada por todas funciones v de cuadrado integrable tales que u(t) =v(t)
“en casi todo punto”
5
t ∈I de manera que la integral en (5.29) se anula. Por esta raz´ on, es habitual abusar
de la notaci ´ on escribiendo u en lugar de [u].
El espacio L
2
(I) es Euclidiano cuando se le equipa del producto escalar
(u, v)
L
2
(I)
=
_
I
u(t)v(t)dx. (5.31)
En este caso la norma viene dada por
|u|
L
2
(I)
=
_
_
I
[u(t)[
2
dt
_
1/2
, (5.32)
en tanto que la distancia entre dos funciones est´ a dada por
dist(u, v) =
_
_
I
[u(t) −v(t)[
2
dt
_
1/2
. (5.33)
Observaci ´ on 5.5 Para calcular las integrales que aparecen en (5.31), (5.32) y (5.33) se debe tomar fun-
ciones cualesquiera que vivan en las clases de equivalencia [u] y [v], respectivamente.
Tip 51.
El comando quad qagi permite realizar la integraci´on num´erica de una funci´on
general en un intervalo infinito o semi-infinito.
Tip 52.
Los comandos acos, asin, atan representan la funciones trigonom´etricas inversas arccos,
arcsin y arctan, respectivamente.
5
Para aclarar la afirmaci ´ on “en casi todo punto” se debe acudir a la Teor´ıa de la Medida. Esto queda por fuera del alcance de
este libro. El lector interesado puede consultar e.g. [Ash72] y [Hal50].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
200 5 An´ alisis de Fourier
Ejemplo 5.4 En el espacio L
2
(0; ∞) consideramos las funciones definidas por las f´ ormulas
(%i1) u(t):= %eˆ(-t);
( %o1) u(t) := e
−t
(%i2) v(t):= sin(t)
*
%eˆ(-tˆ2);
( %o2) v(t) := sin(t) e
−t
2
Puesto que
(%i3) norm_u: sqrt(integrate(u(t)ˆ2,t,0,inf));
( %o3)
1

2
(%i4) norm_v: sqrt(integrate(v(t)ˆ2,t,0,inf));
( %o4)
¸

π
2
5
2


π
2
5
2

e
se tiene que
|u|
2
=
1

2
, |v|
2
=
¸

π
2
5
2


π
2
5
2

e
.
Puesto que
(%i5) sqrt(quad_qagi((u(t)-v(t))ˆ2,t,0,inf));
( %o5) [0,4634171105924, 9,759243776845532910
−6
,

165, 0]
se tiene que
dist(u, v) ≈0,4634171105924.
Calculamos el producto escalar entre u y v:
(%i6) prod_uv: quad_qagi(u(t)
*
v(t),t,0,inf), numer;
( %o6) [0,20426487665289, 5,101368981273537810
−10
, 135, 0]
de manera que
(u, v) ≈0,20426487665289
El ´ angulo (en radianes) que forman u y v es
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.3 Espacios Euclidianos 201
(%i7) acos(prod_uv[1] / (norm_u
*
norm_v)), numer;
( %o7) 0,60461272176685
que equivale a 34.64

, aproximadamente.
En un espacio Euclidiano se cumple la desigualdad de Cauchy - Schwartz.
Proposici ´ on 5.2 [Desigualdad de Cauchy - Schwartz]
Sea V un espacio euclidiano. Se tiene que
[(u, v)[ ≤|u||v|, para todo u, v ∈V. (5.34)
Demostraci´ on (de la Proposici´ on 5.2). Si v = 0 se cumple inmediatamente (5.34). Supongamos entonces
que v ,= 0. Para α ∈ 1 se tiene que
0 ≤|u−αv|
2
=|u|
2

2
|v|
2
−2α(u, v). (5.35)
El lado de la derecha se minimiza cuando
α =
(u, v)
|v|
;
se concluye al reemplazar este valor en (5.35). ¯ .
Observaci ´ on 5.6 En el espacio L
2
(I), I ⊆1, la desigualdad de Cauchy - Schwartz
¸
¸
¸
¸
_
I
u(t)v(t)dt
¸
¸
¸
¸

_
_
I
[u(t)[
2
dt
_
1/2

_
_
I
[v(t)[
2
dt
_
1/2
(5.36)
es un caso particular de la desigualdad de H¨ older,
¸
¸
¸
¸
_
I
u(t)v(t)dt
¸
¸
¸
¸

_
_
I
[u(t)[
p
dt
_
1/p

_
_
I
[v(t)[
p
/
dt
_
1/p
/
, (5.37)
que fue presentada en (5.16) para funciones en el espacio C([a, b]).
5.3.2. Ortogonalidad
Un concepto geom´ etrico que tiene cabida en un espacio euclidiano es el de ortogonalidad - que generaliza
la idea de perpendicularidad entre vectores.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
202 5 An´ alisis de Fourier
Definici ´ on 5.7 [Conjuntos Ortogonales y Ortonormales]
Sean V un espacio euclidiano y B ⊆V. Se dice que B es un conjunto ortogonal si
(u, v) = 0, para todo u, v ∈ B, u ,= v.
Si, adicionalmente, se cumple que
|u| = 1, para todo u ∈ B,
se dice que B es un conjunto ortonormal.
Ejemplo 5.5 [Sistema trigonom´ etrico]
En el espacio L
2
(−π; π), el sistema trigom´ etrico est´ a dado por
F =¦C
n
: n ∈ N¦∪¦S
n
: n ∈ N¦∪¦1
f
¦,
donde, para t ∈ [−π; π] y n ∈ N,
1
f
(t) = 1; (5.38)
C
n
(t) = cos(nt); (5.39)
S
n
(t) = sin(nt). (5.40)
Es f´ acil verificar que F es ortogonal en L
2
([−π; π]):
(%i3) Sm(t) := sin(m
*
t);
Sn(t) := sin(n
*
t);
Cm(t) := cos(m
*
t);
Cn(t) := cos(n
*
t);
One(t) := 1;
( %o3) Sm(t) := sin(mt)
( %o4) Sn(t) := sin(nt)
( %o5) Cm(t) := cos(mt)
( %o6) Cn(t) := cos(nt)
( %o7) One(t) := 1
(%i8) integrate(Sn(t)
*
Cm(t),t,-%pi,%pi);
( %o8) 0
(%i9) integrate(Sn(t)
*
One(t),t,-%pi,%pi);
( %o9) 0
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.3 Espacios Euclidianos 203
(%i10)integrate(One(t)
*
Cm(t),t,-%pi,%pi);
( %o10) 0
(%i11)integrate(Sn(t)
*
Sm(t),t,-%pi,%pi);
( %o11) 0
(%i12)integrate(Cn(t)
*
Cm(t),t,-%pi,%pi);
( %o12) 0
Es f´ acil verificar la siguiente proposici´ on.
Proposici ´ on 5.3 Sea V un espacio Euclidiano. Si B⊆V es un conjunto ortogonal de vectores no-nulos
entonces es linealmente independiente.
Demostraci´ on. Sea U ⊆ B un conjunto finito cualquiera. Puesto que B es ortogonal, U = ¦v
1
, v
2
, ..., v
n
¦
tambi´ en es ortogonal. Ahora, supongamos que
a
1
v
1
+a
2
v
2
+... +a
n
v
n
= 0,
con a
i
∈ 1, para i = 1, 2, ..., n. Tomando j ∈ ¦1, 2, ..., n¦ fijo, se sigue que
(v
j
, a
1
v
1
+a
2
v
2
+... +a
n
v
n
) = 0
de manera que
a
j
|v
j
|
2
= 0,
pero, como v
j
,= 0 y j es arbitrario, se sigue que
a
j
= 0, para todo j = 1, 2, ..., n,
de manera que U es linealmente independiente. Puesto que U fue elegido arbitrariamente, se sigue que B es
linealmente independiente. ¯ .
5.3.3. El proceso de Gram - Schmidt
Supongamos que V es un espacio Euclidiano y B ⊆V. ¿Se puede hallar un conjunto ortonormal C ⊆V
que genere la c´ apsula
6
de B? Al menos para el caso en que B es un conjunto discreto, la respuesta es
afirmativa y, de hecho, el siguiente teorema establece una metodolog´ıa para construir C.
6
Para la definici ´ on de c´ apsula v´ ease el Ap´ endice 1.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
204 5 An´ alisis de Fourier
Teorema 5.3 [Proceso de Gram - Schmidt]
Sea B = ¦v
1
, v
2
, v
3
, ...¦ un conjunto l.i. en un espacio Euclidiano V. Se define el conjunto C =
¦u
1
, u
2
, u
3
, ...¦ ⊆V de la siguiente manera
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
u
1
=
1
|v
1
|
v
1
,
w
k+1
= v
k+1

k

j=1
(u
j
, v
k+1
)u
j
,
u
k+1
=
1
|w
k+1
|
w
k+1
,
(5.41)
para k ∈ N. Se tiene que
<¦v
1
, v
2
, v
3
, ..., v
n
¦ >=<¦u
1
, u
2
, u
3
, ..., u
n
¦ >, para cada n ∈ N. (5.42)
La relaci´ on (5.42) establece que cualquier combinaci´ on lineal finita de vectores de B se puede escribir
como una combinaci ´ on lineal finita de vectores de C.
Corolario 5.1 [Proceso de Gram - Schmidt]
Bajo las condiciones del Teorema 5.3 se tiene que
< B > = <C >. (5.43)
La relaci´ on (5.43) establece que cualquier combinaci ´ on lineal infinita de elementos de B,
v =


n=1
c
n
v
n
,
se puede expandir como una combinaci ´ on lineal infinita de elementos de C:
v =


n=1
α
n
u
n
.
El proceso de Gram - Schmidt ser´ a utilizado m´ as adelante en la Secci ´ on 5.5 para construir bases Hilber-
tianas para el espacio L
2
(I).
Ejemplo 5.6 Consideramos un subconjunto B =¦v
1
, v
2
, v
3
, v
4
¦ del espacio 1
4
.
(%i1) l1: [1, -1, 3, -5];
l2: [0, 2, 2, 3];
l3: [0, 0, -1, 1];
l4: [0, 0, 4, 1];
( %o1) [1, −1, 3, −5]
( %o2) [0, 2, 2, 3]
( %o3) [0, 0, −1, 1]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.3 Espacios Euclidianos 205
( %o4) [0, 0, 4, 1]
(%i5) v1: transpose(matrix(l1));
v2: transpose(matrix(l2));
v3: transpose(matrix(l3));
v4: transpose(matrix(l4));
( %o5)
_
_
_
_
1
−1
3
−5
_
_
_
_
( %o6)
_
_
_
_
0
2
2
3
_
_
_
_
( %o7)
_
_
_
_
0
0
−1
1
_
_
_
_
( %o8)
_
_
_
_
0
0
4
1
_
_
_
_
Puesto que B tiene exactamente 4 =dim(1
4
) elementos, es l.i. en tanto que sea distinto (v´ ease e.g. [Gro87])
de cero el determinante de la matriz cuyas columnas (o filas) son v
1
, v
2
, v
3
y v
4
.
(%i9) det: determinant(matrix(l1, l2, l3, l4));
( %o9) −10
De manera que B es una base de 1
4
. Aplicaremos Gram - Schmidt para obtener una base ortonormal de
1
4
. Para ello, hacemos operacional el c´ alculo del producto escalar y de la norma en 1
4
:
(%i10)Prod(u,v):= u.v;
( %o10) Prod(u, v) := u.v
(%i11)N(v):= sqrt(Prod(v,v));
( %o11) N(v) :=
_
Prod(v, v)
Calculemos entonces C =¦u
1
, u
2
, u
3
, u
4
¦ una base ortonormal de 1
4
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
206 5 An´ alisis de Fourier
(%i12)u1: v1/N(v1);
( %o12)
_
_
_
_
1
6

1
6
1
2

5
6
_
_
_
_
(%i13)w2: v2-Prod(u1,v2)
*
u1;
( %o13)
_
_
_
_
11
36
61
36
35
12
53
36
_
_
_
_
(%i14)u2: w2/N(w2);
( %o14)
_
_
_
_
_
_
11
6

491
61
6

491
35
2

491
53
6

491
_
_
_
_
_
_
(%i15)w3: v3-Prod(u1,v3)
*
u1-Prod(u2,v3)
*
u2;
( %o15)
_
_
_
_
125
491

21
491

12
491
22
491
_
_
_
_
(%i16)u3: w3/N(w3);
( %o16)
_
_
_
_
_
125

34

491

21

34

491

12

34

491
22

34

491
_
_
_
_
_
(%i17)w4: v4-Prod(u1,v4)
*
u1-Prod(u2,v4)
*
u2-Prod(u3,v4)
*
u3;
( %o17)
_
_
_
_

5
17

25
17
10
17
10
17
_
_
_
_
(%i18)u4: w4/N(w4);
( %o18)
_
_
_
_
_
_

1

2

17

5

2

17

2

17

2

17
_
_
_
_
_
_
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.3 Espacios Euclidianos 207
5.3.4. Bases de Schauder y Hilbertianas
En el Ap´ endice 1 se establece, mediante el Lema de Zorn, que todo espacio vectorial pos´ ee una base de
Hamel. Sin embargo, este resultado no prov´ ee ninguna informaci´ on sobre la naturaleza de dicha base y, de
hecho, se pueden encontrar bases de Hamel que no son numerables de manera que no hay garant´ıa de que
se pueda obtener una expansi ´ on de la forma
u =


k=1
c
k
v
k
. (5.44)
Por ello, cuando el universo de estudio es un espacio normado o un espacio Euclidiano, es indispensable
establecer un nuevo concepto de base.
Para un espacio vectorial de dimensi ´ on finita existe un ´ unico concepto de base: un conjunto finito lineal-
mente independiente tal que si se le a˜ nade cualquier otro vector deja de ser linealmente independiente. Esta
noci ´ on no se puede generalizar a espacios de dimensi ´ on infinita. Sin embargo, definiremos el concepto de
base teniendo como norte la existencia de sumas infinitas de la forma (5.44).
Observaci ´ on 5.7 En un espacio euclidiano V se dice que una sucesi´ on (u
n
)
n∈N
⊆V es l.i. si el conjunto
B = ¦u
i
: i ∈ N¦ es l.i. Se dir´ a que (u
n
)
n∈N
⊆V es ortogonal (respectivamente ortonormal) si B es l.i. y
ortogonal (respectivamente ortonormal). Abusando un poco identificaremos a B con (u
n
)
n∈N
.
Definici ´ on 5.8 [Base de Schauder]
Sea V un espacio normado. Se dice que una sucesi´ on (u
n
)
n∈N
⊆V l.i. es una base de Schauder de V
si dado cualquier u ∈V existe una ´ unica sucesi´ on de escalares (α
n
)
n∈N
⊆1 tal que
u =


n=1
α
n
u
n
. (5.45)
La igualdad (5.45) es equivalente a
l´ım
m→∞
_
_
_
_
_
u−
m

n=1
α
n
u
n
_
_
_
_
_
= 0.
Proposici ´ on 5.4 Sea (u
n
)
n∈N
⊆V una base de Schauder del espacio normado V. Se tiene que
V = <¦u
n
: n ∈ N¦ >. (5.46)
El ambiente natural en una gran cantidad de aplicaciones del An´ alisis Matem´ atico a la Ingenier´ıa es
alg´ un espacio de Euclidiano. All´ı, bajo condiciones apropiadas, se puede probar la existencia de bases de
Schauder ortonormales. Por su importancia tienen nombre propio:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
208 5 An´ alisis de Fourier
Definici ´ on 5.9 [Base Hilbertiana]
Sea V un espacio Euclidiano. Se dice que una sucesi´ on B = (u
n
)
n∈N
⊆V es una base ortogonal de V
si se cumple que
1) B es una base de Schauder de V;
2) B es ortogonal.
Si, adicionalmente, B es ortonormal se dice que B es una base Hilbertiana de V.
En este caso, dado u ∈V se puede escribir
u =


n=1
α
n
u
n
, (5.47)
y se dice que (α
n
)
n∈N
es la sucesi ´ on de coeficientes de Fourier de u y que (5.47) es la serie de Fourier de
u (en la base B).
Teorema 5.4 [Igualdad de Parseval]
Sea B = (u
n
)
n∈N
una base Hilbertiana del espacio Euclidiano V. Entonces, dado u ∈V se tiene
u =


n=1
α
n
u
n
, (5.48)
donde
α
n
= (u, u
n
), para todo n ∈ N. (5.49)
Adem´ as se cumple la igualdad de Parseval
|u|
2
=


n=1
α
2
n
. (5.50)
Demostraci´ on. Se tiene directamente que
(u, u
n
) =
_


m=1
α
m
u
m
, u
n
_
=


m=1

m
u
m
, u
n
)
= α
n
(u
n
, u
n
)
= α
n
.
De la misma manera
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.3 Espacios Euclidianos 209
|u|
2
=
_


n=1
α
n
u
n
,


m=1
α
m
u
m
_
=


n=1
α
n
_
u
n
,


m=1
α
m
u
m
_
=


n=1
α
n
(u
n
, α
n
u
n
)
=


n=1
α
2
n
. ¯ .
Observaci ´ on 5.8 Si (u
n
)
n∈N
⊆V es una base ortogonal, entonces todo u ∈V se puede escribir como
u =


n=1
c
n
u
n
, (5.51)
donde, para cada n ∈ N,
c
n
=
(u, u
n
)
|u
n
|
2
. (5.52)
Ejemplo 5.7 [El espacio l
2
]
Consideremos el espacio V = l
2
de las sucesiones reales u = (x
i
)
i∈N
⊆1 que verifican la condici´ on


i=1
[x
i
[
2
<∞. (5.53)
“El espacio l
2
es el prototipo de un espacio de Hilbert. Fue introducido e investigado por David Hilbert en
su trabajo sobre ecuaciones integrales”, [Kre89]. El lector puede verificar, como ejercicio, que la f´ ormula
(u, v) =


i=1
x
i
y
i
,
define el producto escalar de u = (x
i
)
i∈N
∈ l
2
y v = (y
i
)
i∈N
∈ l
2
.
Consideramos, para cada n ∈ N, u
n
= (x
(n)
i
)
i∈N
definido por
x
(n)
i
=
_
1, si i = n,
0, si i ,= n.
Entonces,
u
1
= (1, 0, 0, 0, ...),
u
2
= (0, 1, 0, 0, ...),
u
3
= (0, 0, 1, 0, ...),
u
4
= (0, 0, 0, 1, ...), etc.
A B = (u
n
)
n∈N
se le refiere como la base (Hilbertiana) can´ onica de l
2
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
210 5 An´ alisis de Fourier
5.4. Espacios de Banach y Hilbert
Existen espacios normados que no pos´ een bases de Schauder. Para garantizar su existencia, el espacio
debe ser m´ as rico en propiedades y por ello consideramos en esta secci ´ on el concepto de completitud. Los
espacios normados y Euclidianos son referidos respectivamente como espacios de Banach y Hilbert cuando
pos´ een esta propiedad.
T´ engase presente que todo espacio vectorial tiene una base de Hamel. La demostraci´ on de este hecho
utiliza el Lema de Zorn. El lector interesado tiene una demostraci ´ on en el Ap´ endice 1 (v´ ease tambi´ en
[Kre89]).
5.4.1. Criterio de Cauchy. Completitud
Recordemos del curso de C´ alculo que toda sucesi ´ on real que cumple el criterio de Cauchy es convergen-
te. Esta propiedad es importante tambi´ en para espacios Euclidianos.
Definici ´ on 5.10 [Sucesiones de Cauchy]
Sea V un espacio normado. Se dice que la sucesi´ on (u
n
)
n∈N
⊆V es una sucesi ´ on de Cauchy si para
todo ε > 0, existe N ∈ N tal que
m, n > N =⇒ |u
n
−u
m
| < ε.
Entonces una sucesi´ on es de Cauchy cuando sus elementos se api ˜ nan unos a otros mientras n se hace cada
vez m´ as grande.
Proposici ´ on 5.5 En un espacio normado V, toda sucesi´ on convergente es de Cauchy.
Ahora bien, puesto que en la definici ´ on de sucesi ´ on de Cauchy intervienen ´ unicamente elementos de
la sucesi ´ on y no elementos externos, como en la definici ´ on de sucesi´ on convergente (v´ ease la Definici ´ on
5.2), el criterio de Cauchy es, usualmente, m´ as f´ acil de probar. Por esta raz´ on merecen nombre propio los
espacios normados completos, es decir, aquellos espacios donde se cumple el rec´ıproco de la Proposici ´ on
5.5.
Definici ´ on 5.11 [Espacios de Banach]
Se denomina espacio de Banach a todo espacio normado completo, esto es cuando toda sucesi´ on de
Cauchy es convergente.
No es dif´ıcil verificar que todo espacio normado de dimensi´ on finita es de Banach. Sin embargo, dado
un espacio vectorial V puede suceder que provisto de una norma sea de Banach en tanto que equipado con
otra norma no lo sea.
Teorema 5.5 El espacio C([a, b]) junto con la norma | |

es un espacio de Banach.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.4 Espacios de Banach y Hilbert 211
Demostraci´ on. Sea (u
n
)
n∈N
⊆ C([a, b]) una sucesi ´ on de Cauchy. Entonces, dado ε > 0, existe un N =
N(ε) ∈ N tal que
[u
m
(t
0
) −u
n
(t
0
)[ ≤ m´ ax
t∈[a,b]
[u
m
(t) −u
n
(t)[ < ε, para todo t
0
∈ [a, b]. (5.54)
Por tanto, para todo t
0
∈ [a, b], la sucesi´ on (u
n
(t
0
))
n∈N
⊆1 es de Cauchy y por tanto convergente a un valor
que denotamos u(t
0
) ∈ 1. Hemos definido de esta manera una funci ´ on u : [a, b] →1.
Tomando el l´ımite en (5.54) cuando m →∞ se tiene que
m´ ax
t∈[a,b]
[u(t) −u
n
(t)[ < ε, (5.55)
lo que prueba que (u
n
)
n∈N
converge a u uniformemente a u en el intervalo [a, b]. Entonces, puesto que
todas las funciones u
n
son continuas en [a, b] se sigue que u tambi´ en es continua en [a, b], es decir que
u ∈ C([a, b]). Entonces, por (5.55), hemos probado que dado ε > 0, existe un N = N(ε) ∈ N tal que
|u−u
n
|
L

(a,b)
< ε,
de manera que (u
n
)
n∈N
⊆C([a, b]) es convergente. ¯ .
Ejemplo 5.8 Consideremos el espacio C([0, 1]) con la norma | |
2
como fue definida en (5.32). Con es-
ta norma C([0, 1]) no es completo. Para mostrar este hecho, el lector puede verificar que la sucesi´ on
(x
m
)
m∈N
⊆C([0, 1]) dada en la figura 5.2 es de Cauchy pero no convergente.
Figura 5.2 Tomando a
m
=
1
2
+
1
m
, se tiene que la funci ´ on
x
m
se acerca cada vez m´ as,
a medida que m →∞, a la
funci ´ on x(t) = 0 si t ∈ [0,
1
2
] y
x(t) = 1 si t ∈ (
1
2
, 1], que no
es continua.
Como ya comentamos anteriormente, en los espacios Euclidianos se pueden representar conceptos
geom´ etricos. La geometr´ıa de los espacios de Hilbert se parece m´ as todav´ıa a la geometr´ıa de Euclides.
Definici ´ on 5.12 [Espacios de Hilbert]
Un espacio Euclidiano que es completo se denomina espacio de Hilbert.
Ejemplo 5.9 Todo espacio euclidiano V de dimensi´ on finita es un espacio de Hilbert. Esto viene del hecho
de que V se puede identificar con 1
d
, para una dimensi´ on d apropiada. Para demostrar que 1
d
=11
... 1 es completo se aprovecha el hecho de que 1 es completo.
Ejemplo 5.10 Consideramos el espacio de las matrices cuadradas M
n
con el producto escalar definido
por la f´ ormula
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
212 5 An´ alisis de Fourier
(u, v) =
n

i=1
n

j=1
u
i j
v
i j
,
donde u = (u
i j
) ∈ M
n
y v = (v
i j
) ∈ M
n
. Por lo comentado en el Ejemplo 5.9, el espacio euclidiano M
n
es
de Hilbert.
El siguiente resultado es sumamente importante.
Teorema 5.6 L
2
(I) es un espacio de Hilbert.
La demostraci´ on de la completitud de L
2
(I) requiere el uso de la integraci ´ on de Lebesgue y conceptos
de Teor´ıa de la Medida que quedan fuera de los objetivos de este texto. El lector interesado puede consultar
por ejemplo [Bre83, Teo. IV.8]
Tip 53.
La evaluaci´on condicionada se establece con la sentencia if ... then ... else.
Ejemplo 5.11 Dado n ∈ N, consideramos la funci´ on u
n
: [−π, π] →1 definida mediante
u
n
(t) =
n

k=1
1
k
sin(kt).
En las siguientes figuras se observa que, a medida que n crece, la gr´ afica de u
n
se acerca a la gr´ afica de la
funci´ on
u

(t) =
_
_
_

t
2

π
2
, −π ≤t < 0,

t
2
+
π
2
, 0 ≤t ≤π.
Los gr´ aficos se obtienen de la siguiente manera:
(%i1) u_inf(t):= if t<=0 then -t/2-%pi/2 else -t/2+%pi/2;
( %o1) u inf (t) := ift <= 0then
−t
2

π
2
else
−t
2
+
π
2
(%i2) u(t,n):= sum(sin(k
*
t)/k,k,1,n);
( %o2) u(t, n) :=
n

k=1
sin(kt)
k
(%i3) plot2d([u_inf(t), u(t,4)], [t,-%pi,%pi]);
(%i4) plot2d([u_inf(t), u(t,10)], [t,-%pi,%pi]);
(%i5) plot2d([u_inf(t), u(t,20)], [t,-%pi,%pi]);
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.4 Espacios de Banach y Hilbert 213
(%i6) plot2d([u_inf(t), u(t,50)], [t,-%pi,%pi]);
Figura 5.3 Gr´ afico de u

(color azul) y u
4
(color rojo).
Figura 5.4 Gr´ afico de u

(color azul) y u
10
(color rojo).
Figura 5.5 Gr´ afico de u

(color azul) y u
20
(color rojo).
La distancia L
2
entre u
k+1
y u
k
es
(%i7) declare(k, integer);
( %o7) done
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
214 5 An´ alisis de Fourier
Figura 5.6 Gr´ afico de u

(color azul) y u
50
(color rojo).
(%i8) define(dist(k),sqrt(integrate((sin((k+1)
*
t)/(k+1))ˆ2,t,-%pi,%pi)));
( %o8) dist (k) :=

π
[k +1[
de manera que la sucesi´ on es de Cauchy, y por tanto convergente, en L
2
([−π, π]).
5.4.2. Operadores lineales
Recordemos que todo operador lineal f : 1
d
→1
m
se puede representar mediante una matriz A ∈ M
md
:
f (u) = Au, u ∈ 1
d
. (5.56)
En particular, si f es un funcional sobre 1
d
se sigue de (5.56) que existe un ´ unico v ∈ 1
d
tal que
f (u) = v
T
u
= (u, v), (5.57)
para todo u ∈ 1
d
. ¿Se puede extender la relaci ´ on (5.57) a un espacio Euclidiano de dimensi ´ on infinita?
Observemos que si el dominio de una aplicaci´ on lineal es un espacio normado de dimensi´ on finita en-
tonces inmediatamente la aplicaci ´ on es continua. Sin embargo, la continuidad no es inmediata cuando el
dominio es un espacio de normado de dimensi ´ on infinita. Por otro lado, como ya se coment ´ o anteriormente,
los espacios de Hilbert son los que m´ as replican las propiedades geom´ etricas de 1
d
. Esperamos entonces
que (5.57) sea v´ alido en un espacio de Hilbert. Esto quedar´ a establecido en la Secci ´ on 5.4.3.
Notaci ´ on 5.2 La acci´ on de un operador T : V →W, donde V y W son espacios vectoriales, W ,=1, sobre
un vector u ∈V suele representarse por T u o T[u] en lugar de T(u), dej´ andose esta ´ ultima notaci´ on para
el caso en que T es un funcional, es decir cuando W =1.
Observaci ´ on 5.9 Es importante tener presente que el espacio de operadores lineales de V en W es, a su
vez, un espacio vectorial.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.4 Espacios de Banach y Hilbert 215
Empecemos por establecer que operadores lineales son continuos en un espacio normado.
Teorema 5.7 [Operadores lineales continuos]
Sean V y W dos espacios normados. Un operador lineal F : V →W es continuo ssi es un operador
acotado, es decir si existe una constante c > 0 tal que
|F u|
W
≤c|u|
V
, para todo u ∈V. (5.58)
Demostraci´ on. Para F = 0 el resultado es inmediato. Consideramos entonces que F ,= 0.
1) Supongamos que F es acotado. Sean u
0
∈ V y ε > 0, cualesquiera. Entonces, puesto que F es lineal, se
tiene para todo
u ∈ B(u
0
, δ), δ =
ε
c
,
que
|Fu−Fu
0
|
W
=|F(u−u
0
)|
W
≤c|u−u
0
|
V
< cδ = ε.
Por la arbitrariedad de u
0
y ε se sigue que F es continua en V.
2) Supongamos, ahora, que F es continua en V. Sea u
0
∈V. Entonces, dado ε > 0, existe un δ > 0 tal que
|u−u
0
|
V
≤δ =⇒ |Fu−Fu
0
|
W
≤ε. (5.59)
En particular, podemos tomar
u = u
0
+
δ
|v|
v,
donde v ∈V ¸¦0¦, es arbitrario. Se tiene entonces que
ε ≥|Fu−Fu
0
|
W
=|F(u−u
0
)|
W
=
_
_
_
_
F
_
δ
|v|
v
__
_
_
_
W
=
δ
|v|
|F v|,
de donde, tomando c = ε/δ, se sigue que
|F v|
W
≤c|v|
V
, para todo v ∈V. ¯ .
Observaci ´ on 5.10 T´ engase presente que el espacio de operadores lineales continuos de un espacio nor-
mado V en un espacio normado W, denotado L(V,W) constituye un espacio vectorial. Cuando V =W se
denota L(V) =L(V,V).
Ejemplo 5.12 [Movimiento vibratorio forzado amortiguado]
Consideramos un sistema resorte-masa como una idealizaci´ on del movimiento de un pist´ on y su varilla
donde hay amortiguamiento viscoso entre el pist´ on y la pared por la que desliza. Si suponemos que la varilla
del pist´ on se comporta el´ asticamente entonces un modelo matem´ atico del sistema puede establecerse al
considerarse que la fuerza de restauraci´ on el´ astica es proporcional al desplazamiento y que la resistencia
viscosa es proporcional a la velocidad de desplazamiento:
mx
//
(t) +η x
/
(t) +kx(t) = f (t), t > 0, (5.60)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
216 5 An´ alisis de Fourier
donde f = f (t) representa la fuerza externa que provoca el movimiento del pist´ on. Proveeremos a la ecua-
Figura 5.7 Esquema simpli-
ficado de un pist´ on. Fuente
[RR92]
ci´ on diferencial (5.60) de las condiciones iniciales
x(0) = 0, (5.61)
x
/
(0) = 0, (5.62)
y supondremos que las constantes positivas m, η y k son tales que la ecuaci´ on

2
+ηλ +k = 0,
tiene dos soluciones reales distintas λ
2
> λ
1
. Consideramos ahora el operador L : C([0, ∞)) →C([0, ∞))
definido mediante
(Lu)(t) =
1
m(λ
2
−λ
1
)
_
t
0
_
e
λ
2
(t−τ)
−e
λ
1
(t−τ)
_
u(τ)dτ, t ≥0. (5.63)
El lector puede verificar que L es un operador lineal y que si f ∈ C([0, ∞)) entonces la soluci´ on del
problema de valor inicial (5.60)-(5.62) es L f , es decir, que el movimiento del pist´ on est´ a definido por
x(t) =
1
m(λ
2
−λ
1
)
_
t
0
_
e
λ
2
(t−τ)
−e
λ
1
(t−τ)
_
f (τ)dτ, t ≥0.
El operador L no es continuo en el espacio (C([0, ∞)), | |

) ni en el espacio (C([0, ∞)), | |
2
). Sin embar-
go, dado T > 0, el operador M : C([0, T]) →C([0, T]) definido por
(Mu)(t) =
1
m(λ
2
−λ
1
)
_
t
0
_
e
λ
2
(t−τ)
−e
λ
1
(t−τ)
_
u(τ)dτ, t ∈ [0, T],
es lineal continuo en (C([0, T]), | |

) y en (C([0, T]), | |
2
); adem´ as M f es soluci´ on del problema de
valor inicial
_
¸
_
¸
_
mx
//
(t) +η x
/
(t) +kx(t) = f (t), t ∈ [0, T],
x(0) = 0,
x
/
(0) = 0.
Verifiquemos la continuidad de M en (C([0, T]), | |
2
):
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.4 Espacios de Banach y Hilbert 217
|Mu|
2
2
=
_
T
0
_
1
m(λ
2
−λ
1
)
_
t
0
_
e
λ
2
(t−τ)
−e
λ
1
(t−τ)
_
u(τ)dτ
_
2
dt

1
m
2

2
−λ
1
)
2
_
T
0
_
_
_
t
0
(e
λ
2
(t−τ)
−e
λ
1
(t−τ)
)
2

_
1/2

_
_
t
0
[u(τ)[
2

_
1/2
_
2
dt

|u|
2
2
m
2

2
−λ
1
)
2
_
T
0
_
t
0
(e
λ
2
(t−τ)
−e
λ
1
(t−τ)
)
2
dτdt

α
2
|u|
2
2
m
2

2
−λ
1
)
2
,
donde
α
2
=
_
T
0
_
t
0
(e
λ
2
(t−τ)
−e
λ
1
(t−τ)
)
2
dτ dt,
de manera que
|Mu|
2

α
m(λ
2
−λ
1
)
|u|
2
, para todo u ∈ C([0, T]).
Ejemplo 5.13 Sea 1 ≤ p < ∞. Dada una funci´ on f ∈ L
p
([0, ∞)) se tiene, por la desigualdad de H¨ older,
para s > 0 que
[L [ f ] (s)[ ≤
_
_

0
e
−pst
dt
_
1/p
/

_
_

0
[ f (t)[
p
dt
_
1/p
=
1
p

ps
|f |
p
de manera que L : L
p
([0, ∞)) → L

([0, ∞)) no es un operador continuo. Sin embargo, si para ε > 0
definimos el operador L
ε
: L
p
([0, ∞)) →L

([ε, ∞)) mediante
L
ε
[ f ] =L[ f ][
[ε,∞)
,
se tiene que
|L
ε
[ f ]|


1
p


|f |
p
,
de manera que L
ε
es continuo.
Notaci ´ on 5.3 [Espacio dual]
Dado un espacio normado V, se denomina espacio dual de V a
V
/
=L(V, 1). (5.64)
Entonces, el dual de V est´ a formado por todos los funcionales lineales continuos definidos sobre V.
T´ engase presente que se puede cambiar c por cualquier constante k >c en (5.58). Por otro lado, podemos
intentar reempazar c por constantes m´ as peque˜ nas pero se alcanzar´ a un punto cr´ıtico a partir del cual no se
puede disminuir m´ as.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
218 5 An´ alisis de Fourier
Teorema 5.8 [Norma de un operador lineal acotado]
Sean V y W espacios normados. Para F ∈ L(V,W) se denota
|F| =´ınf ¦c > 0 : |F(u)|
W
≤c|u|
V
, para todo u ∈V¦. (5.65)
La f´ ormula (5.65) define una norma sobre el espacio vectorial L(V,W). Adicionalmente se tiene que
|F| = sup
u,=0
|F(u)|
W
|u|
V
= sup
|u|=1
|F(u)|
W
. (5.66)
Por (5.58) y (5.65) se sigue el siguiente corolario.
Corolario 5.2 Bajo las condiciones del Teorema 5.8 se sigue que
|Fu|
W
≤|F||u|
V
, para todo u ∈V. (5.67)
Ejemplo 5.14 [Integral definida]
Consideremos el espacio V = C([a, b]) con la norma | |
L

(a,b)
. Definimos el funcional F : C([a, b]) →1
mediante la f´ ormula
F(u) =
_
b
a
u(t)dt, u ∈ C([a, b]).
De manera que F(u) es la integral definida de u en el intervalo [a, b]. Es claro que F es un funcional lineal.
Puesto que
[F(u)[ =
¸
¸
¸
¸
_
b
a
u(t)dt
¸
¸
¸
¸
≤ (b−a) m´ ax
t∈[a,b]
[x(t)[
= (b−a)|u|,
se tiene que F es un funcional lineal acotado sobre C([a, b]) y adem´ as, por (5.65), se sigue que
|F| ≤b−a. (5.68)
Consideremos ahora la funci´ on u
0
∈ C([a, b]) definida mediante
u
0
(t) = 1, t ∈ [a, b].
Es claro que |u
0
|
L
2
(a,b)
= 1. Se tiene entonces, por (5.66), que
|F| ≥[F(u
0
)[ =
_
b
a
1 dt = b−a. (5.69)
Por (5.68) y (5.69) se sigue que
|F| = b−a.
Terminamos esta secci ´ on con el siguiente resultado importante
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.4 Espacios de Banach y Hilbert 219
Teorema 5.9 [Completitud del espacio de operadores lineales]
Sean V y W espacios normados. Si W es de Banach, entonces L(V,W) tambi´ en es de Banach.
Demostraci´ on. Sea (F
n
)
n∈N
⊆L(V,W) una suces´ on de Cauchy, cualquiera. Probemos que es convergente.
Puesto que (F
n
)
n∈N
es de Cauchy, para todo ε > 0 hay un N ∈ N tal que
m, n > N =⇒ |F
n
−F
m
| < ε.
Por tanto, para todo u ∈V y m, n > N se cumple que
|F
n
u−F
m
u| =|(F
n
−F
m
)u| ≤|F
n
−F
m
||u| < ε|u|
V
, (5.70)
as´ı que la sucesi´ on (F
n
u)
n∈N
⊆W es de Cauchy y, por la completitud de W, tambi´ en convergente. Definimos
un operador F : V →W mediante
Fu = l´ım
n→∞
F
n
u, u ∈V.
No es dif´ıcil verificar que F es lineal. Para concluir la demostraci´ on debemos probar que F es acotado y
que
l´ım
n→∞
F
n
= F.
Puesto que la norma es un funcional continuo, podemos tomar el l´ımite en (5.70) cuando m →∞:
|(F
n
−F)u|
W
≤ε|u|
V
, para todo u ∈V, (5.71)
de manera que para n > N, el operador F
n
−F es acotado. Entonces, puesto que F
n
es acotado y L(V,W)
es un espacio vectorial, se tiene que F = F
n
−(F
n
−F) es acotado. M´ as a´ un, por (5.65) y (5.71) se sigue
que
|F
n
−F| < ε;
y entonces, por la arbitrariedad de ε, se concluye que
l´ım
n→∞
|F
n
−F| = 0. ¯ .
Como una consecuencia inmediata del Teorema 5.9 se tiene el siguiente corolario.
Corolario 5.3 [Completitud del dual]
Sea V un espacio normado. Entonces V
/
es un espacio de Banach.
Por tanto, para probar la convergencia de una sucesi´ on (φ
n
)
n∈N
⊆V
/
definidas sobre un espacio normado
V basta probar que cumplen el criterio de Cauchy, es decir, conforme a (5.66), se debe probar que
l´ım
m,n→∞

n
−φ
m
| = l´ım
m,n→∞
sup
|u|=1

n
(u) −φ
m
(u)[ = 0. (5.72)
Para terminar esta secci´ on introducimos el concepto de valor propio de un operador lineal.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
220 5 An´ alisis de Fourier
Definici ´ on 5.13 [Valores y vectores propios]
Sea V un espacio vectorial y T : V →V un operador lineal. Se dice que λ ∈ 1 es un valor propio de
T si existe u ∈V ¸¦0¦ tal que
T u = λ u.
En este caso se dice que u es un vector propio de T asociado a λ.
Ejemplo 5.15 Sea V = C

(1). El operador D : V →V definido por
(Du)(t) = u
/
(t), t ∈ 1.
Es claro que la funci´ on exponencial,
exp(t) = e
t
, t ∈ 1,
es un vector propio de D asociado al valor propio λ = 1.
5.4.3. La representaci´ on de Riesz-Fr´ echet
Retomamos la discusi ´ on empezada en la Secci´ on 5.4.2. En (5.57) logramos identificar a un funcional
definido sobre el espacio 1
d
con un elemento de 1
d
. Este tipo de propiedad se cumple tambi´ en en un
espacio de Hilbert.
Teorema 5.10 [Teorema de representaci ´ on de Riesz-Fr´ echet]
Sea H un espacio de Hilbert. Dada F ∈ H
/
, existe un ´ unico v ∈ H tal que
F(u) = (v, u), para todo u ∈ H. (5.73)
Adicionalmente se cumple que
|F| =|v|
H
.
El teorema dice que en un espacio de Hilbert H, los funcionales lineales pueden considerarse como
elementos de H. En [Bre83, Teo.V.5] se presentan dos tipos de demostraci ´ on.
Ejemplo 5.16 Sea I ⊆ 1. A cada funcional F ∈ (L
2
(I))
/
le corresponde, conforme al Teorema 5.10, un
´ unico elemento v ∈ L
2
(I) mediante la f´ ormula
F(u) =
_
I
v(t)u(t)dt. (5.74)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.4 Espacios de Banach y Hilbert 221
5.4.4. Densidad
Otra forma de manejar al espacio L
2
(I) yace en observar que est´ a formado por las funciones que son
l´ımites de funciones que viven en C(I) cuando el l´ımite se calcula en la norma | |
2
. Conforme a la siguiente
definici ´ on, esto quiere decir que C(I) es denso en L
2
(I).
Definici ´ on 5.14 [Densidad]
Sean V un espacio normado y B ⊆V. Se dice que B es denso en V si dados cualquier v ∈V y cualquier
ε > 0, existe un u ∈ B tal que
|v −u| < ε.
Observaci ´ on 5.11 En el marco de la Definici´ on 5.14, dado v ∈V, existe una sucesi´ on (u
n
)
n∈N
⊆B tal que
l´ım
n→∞
u
n
= v.
Adem´ as la sucesi´ on (u
n
)
n∈N
⊆ B se puede elegir de manera tal que la convergencia sea tan r´ apida como
sea necesario; por ejemplo, puede escogerse (u
n
)
n∈N
⊆B de manera tal que
7
|v −u
n
| = o
_
1
n
p
_
,
donde p > 0.
De hecho es v´ alido un resultado de densidad m´ as fuerte. Para ello debemos tener presente que el soporte
de una funci ´ on u : A ⊆ 1 → 1, denotado supp(u), es el conjunto cerrado m´ as peque˜ no que contiene a
¦t ∈ A : u(t) ,= 0¦.
Definici ´ on 5.15 [Funciones continuas a soporte compacto]
Sea u ∈ C(I). Si supp(u) es un conjunto acotado se dice que u es una funci´ on continua a soporte
compacto, denotado u ∈ C
0
(I).
Observaci ´ on 5.12 Sea u ∈ C
0
([a, b]). Entonces, u(a) = u(b) = 0.
El resultado de densidad mencionado se presenta en el siguiente teorema.
Teorema 5.11 [Densidad en L
2
(I)]
El espacio vectorial C
0
(I) es denso en L
2
(I), es decir, dados u ∈ L
2
(I) y ε > 0, existe u
0
∈ C
0
(I) tal
que |u−u
0
|
2
< ε.
Este teorema establece que cualquier funci ´ on de cuadrado integrable se puede aproximar con una funci ´ on
continua a soporte compacto. Para una demostraci ´ on v´ ease e.g. [Bre83, Teo. IV.12].
7
Recu´ erdese que la notaci ´ on η(ε) = o(ε) quiere decir que η(ε) converge a 0 m´ as r´ apido que ε, es decir l´ım
ε→0
η(ε)
ε
= 0.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
222 5 An´ alisis de Fourier
Ejemplo 5.17 Sea I = [0, 1]. Consideremos la funci´ on
x(t) =
_
0, 0 ≤t ≤
1
2
,
1,
1
2
≤t ≤1.
Por el Teorema 5.11 sabemos que x ∈ L
2
(I) se puede aproximar tanto como se necesite por una funci´ on
Figura 5.8 Es claro que
x ∈ L
2
(0, 1) ¸C(0, 1).
que viva en C(0, 1). Consideramos como una aproximaci´ on intuitiva de x a la funci´ on continua
x
m
(t) =
_
¸
_
¸
_
0, 0 ≤t ≤
1
2
,
m(t −
1
2
),
1
2
<t ≤
1
2
+
1
m
,
1,
1
2
+
1
m
<t ≤1,
donde m ∈ N.
Figura 5.9 Tomando a
m
=
1
2
+
1
m
, se tiene que la funci´ on
x
m
se acerca cada vez m´ as,
a medida que m →∞, a la
funci ´ on x = x(t)
Probemos que
l´ım
m→∞
|x −x
m
|
2
= 0, (5.75)
de manera que para m ∈ N, suficientemente grande, x
m
aproxima tanto como se quiera a x en la norma
| |
2
. Poniendo d
m
=|x −x
m
|
2
se tiene que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.4 Espacios de Banach y Hilbert 223
(%i1) assume(s>0);
( %o1) [s > 0]
(%i2) dm: sqrt(integrate((1-m
*
(t-1/2))ˆ2,t,1/2,1/2+1/m)), ratsimp;
( %o2)
_
1
m

3
(%i3) limit(dm,m,inf);
( %o3) 0
de manera que se cumple (5.75).
5.4.5. Operadores adjuntos
En un espacio de Hilbert H consideremos T ∈ L(H) y v ∈ H, fijos. Definimos un funcional l : H →1
mediante la f´ ormula
l(u) = (Tu, v), u ∈ H.
Por la desigualdad de Cauchy - Schwartz y (5.67) se tiene que
[l(u)[ ≤|Tu| |v| ≤c|u|, para todo u ∈ H,
donde c =|T| |v|; de manera que l ∈ H
/
. Por el Teorema 5.10 existe un ´ unico g ∈ H tal que
l(u) = (Tu, v) = (u, g), u ∈ H.
Es claro que si variamos v ∈ H, tambi´ en variar´ a g, es decir que mediante el procedimiento reci´ en descrito
se define un operador T

: H →H, llamado operador adjunto de T, que verifica
(Tu, v) = (u, T

v), para todo u, v ∈ H. (5.76)
Proposici ´ on 5.6 [Operador adjunto]
Sea H un espacio de Hilbert y T ∈ L(H). Entonces T

∈ L(H). Adem´ as, dados S ∈ L(H) y α ∈ 1,
se verifican las siguientes propiedades:
(T +S)

= T

+S

, (5.77)
(αT)

= αT

, (5.78)
(TS)

= S

T

, (5.79)
(T

)

= T. (5.80)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
224 5 An´ alisis de Fourier
Obs´ ervese que las propiedades presentadas en la Proposici ´ on 5.6 son an´ alogas a las que cumple la trans-
puesta de una matriz. Los operadores que juegan el papel de las matrices sim´ etricas son los operadores
autoadjuntos.
Definici ´ on 5.16 [Operador autoadjunto]
Sea H un espacio de Hilbert y T ∈ L(H). Se dice que T es autoadjunto si T = T

.
Ejemplo 5.18 [Operador integral]
Sea K ∈ L
2
([a, b] [a, b]), es decir, K : [a, b] [a, b] →1 tal que se verifica
C =
_
b
a
_
b
a
[K(s, t)[
2
dsdt <∞.
Sobre H = L
2
(a, b) consideramos el operador T : H →H definido mediante
(Tu)(s) =
_
b
a
K(s, t)u(t)dt. (5.81)
Se dice que K =K(s, t) es el kernel o n´ ucleo de T. El operador T es acotado. En efecto, por la desigualdad
de Cauchy - Schwartz, se tiene para u ∈ H que
|Tu|
2
=
_
_
b
a
[(Tu)(s)[
2
ds
_
1/2
=
_
_
b
a
¸
¸
¸
¸
_
b
a
K(s, t)u(t)dt
¸
¸
¸
¸
2
ds
_
1/2
≤ C
1/2
|u|
2
,
de manera que
|T| ≤C
1/2
.
Hallemos el operador T

. Para ello observamos que
(Tu, v) =
_
b
a
(Tu)(s)v(s)ds
=
_
b
a
v(s)
_
_
b
a
K(s, t)u(t)dt
_
ds
=
_
b
a
u(t)
_
_
b
a
K(s, t)v(s)ds
_
dt, (5.82)
de manera que T

: H →H se define mediante
(T

v)(t) =
_
b
a
K(s, t)v(s)ds.
Obs´ ervese que en general T ,=T

. La acci´ on de T sobre una funci´ on u ∈L
2
(a, b) corresponde a multiplicar-
la por K(s, t) e integrarla con respecto a la variable t. Por otro lado, la acci´ on de T

sobre u corresponde
a multiplicarla por K(s, t) e integrarla con respecto a la variable s.
El operador T es autoadjunto si y s´ olo si su n´ ucleo es sim´ etrico, es decir si se cumple la relaci´ on
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.5 Bases Hilbertianas 225
K(s, t) = K(t, s),
para casi
8
todo s, t ∈ [a, b].
5.5. Bases Hilbertianas
5.5.1. Existencia de bases Hilbertianas
Como se mencion´ o en la Secci ´ on 5.3.4 el ambiente natural en una gran cantidad de aplicaciones del
An´ alisis Matem´ atico a la Ingenier´ıa es alg´ un espacio de Hilbert, siendo L
2
(I) uno de los m´ as utilizados por
el hecho de que pos´ ee bases Hilbertianas. Pero, de hecho, esta es una propiedad que comparten todos los
espacios de Hilbert separables.
Definici ´ on 5.17 [Separabilidad]
Sea V un espacio normado. Se dice que V es separable si existe una sucesi´ on (u
n
)
n∈N
⊆V que es
densa en V, es decir, dados u ∈V y ε > 0, existe un n
0
∈ N tal que
|u−u
n
0
| < ε.
Entonces V es separable si cualquier elemento de V se puede aproximar (tanto como se quiera) con alg´ un
elemento de una sucesi ´ on determinada.
Ejemplo 5.19 Sea n ∈ N. El conjunto ¸
n
es numerable y denso en 1
n
. Por tanto 1
n
es separable.
Teorema 5.12 [Existencia de bases Hilbertianas]
Un espacio de Hilbert es separable ssi pos´ ee una base Hilberttiana.
Para probar este resultado, adaptamos [Bre83, Teo. V.10] y [Kre89, Teo. 3.6-4].
Demostraci´ on. Sea H un espacio de Hilbert.
1) Supongamos que existe H es separable y probemos que pos´ ee una base Hilbertiana. Sea B=¦v
1
, v
2
, ...¦ ⊆
V un conjunto denso. Para cada n ∈ N, ponemos
V
n
=<¦v
1
, v
2
, ..., v
n
¦ >,
y escogemos conjuntos ortonormales F
1
⊆F
2
⊆... ⊆F
n
⊆F
n+1
⊆... de manera que
< F
n
>=V
n
, para todo n ∈ N.
8
Esto quiere decir, a grosso modo que el ´ area de la regi ´ on U =¦(s, t) ∈ [a, b] [a, b] : K(s, t) ,= K(t, s)¦ es cero. Esto incluye
el caso en que U = / 0, en cuya situaci ´ on se reemplaza la frase “casi todo” por “todo”.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
226 5 An´ alisis de Fourier
Puesto que

_
n=1
V
n
es denso en H, se tiene que F =

_
n=1
F
n
es una base ortonormal de H.
2) Supongamos que existe H pos´ ee una base Hilbertiana y probemos que es separable. Sea (u
n
)
n∈N
⊆ H
una base Hilbertiana de H y probemos que
A =<¦u
n
: n ∈ N¦ >
es denso en H. Sea v ∈ H, cualquiera. Puesto que (u
u
)
n∈N
es base Hilbertiana de H, existe una sucesi´ on

n
)
n∈N
⊆1 tal que
v =


k=1
α
k
u
k
.
Entonces, dado ε > 0 arbitrario, escogemos N
ε
∈ N tal que
|v −
n

k=1
α
k
u
k
| < ε, para todo n ≥N
ε
.
Puesto que ∑
n
k=1
α
k
u
k
∈ A se concluye la demostraci ´ on pues v y ε fueron elegidos arbitrariamente. ¯ .
Por el Teorema 5.12, la existencia de bases Hilbertianas de L
2
(I) est´ a dada por el siguiente resultado.
Teorema 5.13 [Separabilidad de L
2
(I)]
El espacio L
2
(I) es separable.
Para una demostraci ´ on de este resultado el lector puede ver e.g. [Bre83, Teo. IV.13].
Observaci ´ on 5.13 En lo que resta de este cap´ıtulo usamos el m´ etodo de Gram - Schmidt para construir
una base Hilbertiana B = (u
n
)
n∈N
para el espacio L
2
(I), donde I es [−1, 1], [−π, π], [0, ∞) o 1. Como
veremos m´ as adelante, los elementos u
n
son funciones propias de un determinado operador diferencial.
5.5.2. Series de Fourier — Legendre
Deseamos obtener una base Hilbertiana para L
2
([−1; 1]) con funciones que sean f´ aciles de manejar.
Recordemos que el producto escalar y la norma en L
2
([−1; 1]) est´ an dados por
(%i1) Prod(u,v):= integrate(u
*
v,t,-1,1);
( %o1) Prod(u, v) :=
_
1
−1
uvdt
(%i2) N(u):= sqrt(Prod(u,u));
( %o2) N(u) :=
_
Prod(u, u)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.5 Bases Hilbertianas 227
Para arrancar usamos los polinomios can´ onicos, esto es consideramos la sucesi´ on linealmente indepen-
diente (x
n
)
n∈N

⊆L
2
([−1; 1]), donde para cada n ∈ N

,
x
n
(t) =t
n
, t ∈ [−1; 1],
que en Maxima se puede definir por
(%i3) x(t,n):= tˆn;
( %o3) x(t, n) :=t
n
Al aplicar el proceso de Gram-Schmidt
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
e
0
=
1
|x
0
|
2
x
0
,
w
k+1
= x
k+1

k

j=1
(e
j
, x
k+1
)e
j
, k = 0, 1, 2, ...
e
k+1
=
1
|w
k+1
|
2
w
k+1
, k = 0, 1, 2, ....
obtenemos una sucesi ´ on ortonormal de polinomios (e
n
)
n∈N

conocidos como polinomios de Legendre:
(%i4) define(e0(t),x(t,0)/N(x(t,0)));
( %o4) e0(t) :=
1

2
(%i5) w1: x(t,1) - Prod(e0(t),x(t,1))
*
e0(t);
( %o5) t
(%i6) define(e1(t),w1/N(w1)), fullratsimp;
( %o6) e1(t) :=

3t

2
(%i7) w2: x(t,2)-Prod(e0(t),x(t,2))
*
e0(t)-Prod(e1(t),x(t,2))
*
e1(t);
( %o7) t
2

1
3
(%i8) define(e2(t),w2/N(w2)), fullratsimp;
( %o8) e2(t) :=
3

5t
2


5
2

2
(%i9) w3: x(t,3)-Prod(e0(t),x(t,3))
*
e0(t)-Prod(e1(t),x(t,3))
*
e1(t)
-Prod(e2(t),x(t,3))
*
e2(t), expand;
( %o9) t
3

3t
5
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
228 5 An´ alisis de Fourier
(%i10) define(e3(t),w3/N(w3)), fullratsimp;
( %o10) e3(t) :=
5

7t
3
−3

7t
2

2
(%i11) w4: x(t,4)-Prod(e0(t),x(t,4))
*
e0(t)-Prod(e1(t),x(t,4))
*
e1(t)
-Prod(e2(t),x(t,4))
*
e2(t)-Prod(e3(t),x(t,4))
*
e3(t), expand;
( %o11) t
4

6t
2
7
+
3
35
(%i12) define(e4(t),w4/N(w4)), fullratsimp;
( %o12) e4(t) :=
105t
4
−90t
2
+9
8

2
(%i13) w5: x(t,5)-Prod(e0(t),x(t,5))
*
e0(t)-Prod(e1(t),x(t,5))
*
e1(t)
-Prod(e2(t),x(t,5))
*
e2(t)-Prod(e3(t),x(t,5))
*
e3(t)
-Prod(e4(t),x(t,5))
*
e4(t), expand;
( %o13) t
5

10t
3
9
+
5t
21
(%i14) define(e5(t),w5/N(w5)), fullratsimp;
( %o14) e5(t) :=
63

11t
5
−70

11t
3
+15

11t
8

2
Para n ∈ N

, se acostumbra escribir el polinomio de Legendre como
e
n
(t) =
_
2n+1
2
_
1/2
P
n
(t), t ∈ [−1; 1], (5.83)
de manera que
|P
n
|
L
2
([−1;1])
=
_
2
2n+1
_
1/2
. (5.84)
En general, para n ∈ N

y t ∈ [−1; 1], se tiene que
P
n
(t) =
1
2
n
n!

d
n
dt
n
[(t
2
−1)
n
] (5.85)
=
N

j=0
(−1)
j

(2n−2 j)!
2
n
j!(n− j)!(n−2j)!
t
n−2 j
,
donde
N =
_
n/2, si n es par,
(n−1)/2, si n es impar.
A (5.85) se le conoce como la f´ ormula de Rodr´ıguez.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.5 Bases Hilbertianas 229
(%i1) for n:1 thru 10 step 1 do
define(P[n](t),expand(diff((tˆ2-1)ˆn,t,n)/(2ˆn
*
factorial(n))));
( %o1) done
(%i2) P[1](t);
( %o2) t
(%i3) P[3](t);
( %o3)
5t
3
2

3t
2
(%i4) P[7](t);
( %o4)
429t
7
16

693t
5
16
+
315t
3
16

35t
16
(%i5) P[10](t);
( %o5)
46189t
10
256

109395t
8
256
+
45045t
6
128

15015t
4
128
+
3465t
2
256

63
256
Figura 5.10 Los primeros
polinomios P
n
:
P
0
(t) = 1,
P
1
(t) =t,
P
2
(t) =
1
2
(3t
2
−1),
P
3
(t) =
1
2
(5t
3
−3t),
P
4
(t) =
1
8
(35t
4
−30t
2
+3),
P
5
(t) =
1
8
(63t
5
−70t
3
+15t).
Proposici ´ on 5.7 [La ecuaci ´ on de Legendre]
Sean n ∈ N

. Los polinomios P
n
y e
n
son soluciones de la ecuaci´ on de Legendre
−[(1−t
2
)y
/
(t)]
/
−n(n+1)y(t) = 0, t ∈ [−1, 1]. (5.86)
Entonces P
n
y e
n
son funciones propias del operador de Legendre, L : C

([−1, 1]) →C

([−1, 1]),
definido por
(Ly)(t) =−[(1−t
2
)y
/
(t)]
/
,
asociadas al valor propio λ
n
= n(n+1).
Para la demostraci ´ on se utiliza el m´ etodo de series de potencias aplicado a la ecuaci´ on (5.86).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
230 5 An´ alisis de Fourier
Teorema 5.14 [Series de Fourier — Legendre]
Los polinomios de Legendre forman una base Hilbertiana de L
2
([−1; 1]). Por tanto, una funci´ on u ∈
L
2
(−1, 1) se escribe como una serie de Fourier — Legendre
u(t) =


n=0
α
n
e
n
(t), para casi todo t ∈ 1, (5.87)
donde
α
n
=
_
1
−1
u(t)e
n
(t)dt, n ∈ N

, (5.88)
y e
n
est´ a dado por (5.83) y (5.85). A α
n
se le refiere como el n-´ esimo coeficiente de Fourier —
Legendre.
Para demostrar de este teorema se requiere aplicar el Teorema de Weierstrass. Aqu´ı utilizamos la demostra-
ci ´ on presente en [MZ10a].
Demostraci´ on. Sean x ∈ L
2
([−1; 1]) y ε > 0, cualesquiera. Puesto que C([−1; 1]) es denso en L
2
([−1; 1]),
escogemos y ∈ C([−1; 1]) tal que
|x −y|
2
<
ε
2
.
Por el teorema de Weierstrass, existe un polinomio z tal que
[y(t) −z(t)[ <
ε
2

2
, para todo t ∈ [−1; 1],
de manera que
|y −z|
2
2
=
_
1
−1
[y(t) −z(t)[
2
dt <
ε
2
4
.
Por la desigualdad triangular se tiene entonces que
|x −z|
2
< ε
y se concluye por la arbitrariedad de x y ε pues z se puede escribir como una combinaci´ on lineal finita de
polinomios de Legendre. ¯ .
Los argumentos utilizados en la demostraci ´ on anterior son de hecho los mismos que permiten demostrar
el siguiente resultado.
Teorema 5.15 [Bases Hilbertianas polinomiales]
Sea (p
n
)
n∈N

una base de Hamel para P([a; b]). Si (p
n
)
n∈N

es ortonormal en L
2
([a; b]), entonces
(p
n
)
n∈N

es una base Hilbertiana de L
2
([a; b]).
Observaci ´ on 5.14 Los polinomios de Legendre tienen m´ ultiples aplicaciones a la F´ısica e Ingenier´ıa. En
[Jon09] se obtienen los polinomios de Legendre al hacer un an´ alisis b´ asico del ´ atomo de hidr´ ogeno desde
la perspectiva de la Mec´ anica Cu´ antica.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.5 Bases Hilbertianas 231
5.5.3. Series cl ´ asicas de Fourier
Como ya se mencion´ o anteriormente, en el espacio L
2
([−π; π]), el sistema trigom´ etrico cl ´ asico est´ a da-
do por
F =¦C
n
: n ∈ N¦∪¦S
n
: n ∈ N¦∪¦1
f
¦,
donde, para t ∈ [−π; π] y n ∈ N,
1
f
(t) = 1; (5.89)
C
n
(t) = cos(nt); (5.90)
S
n
(t) = sin(nt). (5.91)
En el Ejemplo 5.5 se mostr´ o que F es ortogonal en L
2
([−π; π]). El sistema trigonom´ etrico normali-
zado F
1
se obtiene al normalizar los elementos de F. Puesto que
(%i1) declare(n, integer);
( %o1) done
(%i2) integrate(cos(n
*
t)ˆ2,t,-%pi,%pi);
( %o2) π
(%i3) integrate(sin(n
*
t)ˆ2,t,-%pi,%pi);
( %o3) π
(%i4) integrate(1,t,-%pi,%pi);
( %o4) 2π
se tiene que
F
1
=
_
1

π
C
n
: n ∈ N
_

_
1

π
S
n
: n ∈ N
_

_
1


1
f
_
.
Proposici ´ on 5.8 [Valores y vectores propios del Laplaciano unidimensional]
Sea n ∈ N. C
n
y S
n
son funciones propias del operador Laplaciano (unidimensional), L :
C

([−π, π]) →C

([−π, π]),
L[y] = y
//
,
asociadas al valor propio λ
n
=−n
2
.
Teorema 5.16 [Sistema trigonom´ etrico]
El sistema F es una base ortogonal de L
2
([−π; π]) de manera que F
1
es una base Hilbertiana de
L
2
([−π; π]).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
232 5 An´ alisis de Fourier
Para demostrar este resultado se necesita utilizar el Teorema de Stone-Weierstrass, v´ ease e.g. [MZ10a].
Por el teorema 5.16, se puede expandir u ∈ L
2
([−π; π]) en t´ erminos del sistema trigonom´ etrico F (o
F
1
):
u =
a
0
2
+


n=1
a
n
C
n
+


n=1
b
n
S
n
, (5.92)
de manera que, para casi todo t ∈ [−π, π] se tiene que
u(t) =
a
0
2
1
f
+


n=1
a
n
cos(nt) +


n=1
b
n
sin(nt), (5.93)
donde
a
0
=
1
π
_
π
−π
u(t)dt, (5.94)
a
n
=
1
π
_
π
−π
u(t)cos(nt)dt, (5.95)
b
n
=
1
π
_
π
−π
u(t)sin(nt)dt. (5.96)
Observaci ´ on 5.15 No debe perderse de vista que el l´ımite de la sumatoria (5.92) es en el sentido de la
norma de L
2
([−π, π]).
Encontremos las forma de la igualdad de Parseval (5.50):
(u, u) =
_
a
0
2
+


n=1
a
n
C
n
+


n=1
b
n
S
n
,
a
0
2
+


n=1
a
n
C
n
+


n=1
b
n
S
n
_
=
a
2
0
4
(1
f
, 1
f
) +


n=1
a
2
n
(C
n
, C
n
) +


n=1
b
2
n
(S
n
, S
n
)
=
a
2
0
4
2π +π


n=1
(a
2
n
+b
2
n
)
= π
_
a
2
0
2
+


n=1
(a
2
n
+b
2
n
)
_
,
que acostumbra a escribirse en la forma
a
2
0
2
+


n=1
[a
2
n
+b
2
n
] =
1
π
_
π
−π
[u(t)[
2
dt, u ∈ L
2
([−π, π]). (5.97)
Observaci ´ on 5.16 Si u es una funci´ on par se tiene que
_
¸
¸
¸
_
¸
¸
¸
_
a
0
=
2
π
_
π
0
u(t)dt,
a
n
=
2
π
_
π
0
u(t)cos(nt)dt,
b
n
= 0.
(5.98)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.5 Bases Hilbertianas 233
Si u es una funci´ on impar se tiene que
_
¸
¸
_
¸
¸
_
a
0
= 0,
a
n
= 0,
b
n
=
2
π
_
π
0
u(t)sin(nt)dt.
(5.99)
El siguiente teorema da condiciones suficientes para que la relaci´ on (5.93) sea v´ alida.
Teorema 5.17 [Convergencia puntual de la serie de Fourier cl´ asica]
Sea u ∈ L
2
([−π, π]) tal que u y u
/
son continuas en [−π, π] salvo en los puntos t
1
, t
2
, ..., t
k
donde se
tiene discontinuidad de salto. Entonces,
u(t) =
a
0
2
1
f
+


n=1
a
n
cos(nt) +


n=1
b
n
sin(nt), para todo t ∈ [−π, π] ¸¦t
1
, t
2
, ..., t
k
¦. (5.100)
Adicionalmente, para i = 1, 2, ..., k se tiene que
a
0
2
+


n=1
a
n
cos(nt
i
) +


n=1
b
n
sin(nt
i
) =
u(t
+
i
) +u(t

i
)
2
. (5.101)
Entonces, en los puntos donde se tiene discontinuidad de salto, la serie de Fourier converge al promedio
de los l´ımites laterales.
5.5.4. El sistema trigonom´ etrico en L
2
([−L; L]) y las series de Fourier complejas
Dado L > 0, se define el sistema trigonom´ etrico en L
2
([−L; L]):
F[−L; L] =¦C
n
: n ∈ N¦∪¦S
n
: n ∈ N¦∪¦1
f
¦,
donde, para t ∈ [−L; L] y n ∈ N,
1
f
(t) = 1; (5.102)
C
n
(t) = cos
_
nπt
L
_
; (5.103)
S
n
(t) = sin
_
nπt
L
_
. (5.104)
Se puede expandir u ∈ L
2
([−L; L]) en t´ erminos del sistema trigonom´ etrico F[−L; L] de manera que para
casi todo t ∈ [−L; L] se cumple que:
u(t) =
a
0
2
+


n=1
a
n
cos
_
nπt
L
_
+


n=1
b
n
sin
_
nπt
L
_
, (5.105)
donde
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
234 5 An´ alisis de Fourier
a
0
=
1
L
_
L
−L
u(t)dt, (5.106)
a
n
=
1
L
_
L
−L
u(t)cos
_
nπt
L
_
dt, (5.107)
b
n
=
1
L
_
L
−L
u(t)sin
_
nπt
L
_
dt. (5.108)
Observaci ´ on 5.17 La proposici´ on 5.8 as´ı como los teoremas 5.16 y 5.17 y la igualdad de Parseval en la
forma (5.97) tienen su an´ alogo para el sistema F[−L; L]. Se invita al lector a que escriba y pruebe estos
resultados.
Como el lector sabe, las funciones trigonom´ etricas est´ an relacionadas con la funci ´ on exponencial a
trav´ es de la f´ ormula de Euler. Esto nos permitir´ a establecer a continuaci ´ on que los coeficientes de Fourier
definidos en (5.106), (5.107) y (5.108) est´ an relacionados de una manera simple con los coeficientes de la
misma funci ´ on cuando es vista como una funci ´ on compleja antes que como una funci ´ on real.
Para empezar definimos el espacio
Λ
2
C
(−L, L) =
_
f : 1 →C/
_
L
−L
[ f (t)[
2
dt <∞
_
. (5.109)
Sea L
2
([−L, L]; C) el espacio formado por las clases de equivalencia determinadas sobre Λ
2
C
(−L, L) por la
relaci ´ on de equivalencia:
f ∼g ⇐⇒
_
L
−L
[ f (t) −g(t)[
2
dt = 0. (5.110)
El espacio L
2
([−L, L]; C) es de Hilbert cuando se le prov´ ee del producto escalar (v´ ease la Observaci ´ on 5.3)
( f , g) =
_
L
−L
f (t)g(t)dt, (5.111)
donde se identifican a las clases [ f ] y [g] con cualesquiera representantes f y g, respectivamente.
Teorema 5.18 [Series de Fourier complejas]
La familia (E
n
)
n∈Z
⊆L
2
([−L, L]; C) dada mediante
E
n
(t) = e
inπt/L
, t ∈ [−L, L], n ∈ Z, (5.112)
determina una base ortogonal para L
2
([−L, L]; C). Como consecuencia, una funci´ on u ∈
L
2
([−L, L]; C) se puede expandir en una serie de Fourier compleja
u =


n=−∞
d
n
E
n
, (5.113)
donde
d
n
=
1
2L
_
L
−L
u(t)e
−inπt/L
, n ∈ Z. (5.114)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.5 Bases Hilbertianas 235
Observaci ´ on 5.18 Se denomina espectro de amplitud (o espectro de frecuencia) de la serie compleja
(5.113) a la gr´ afica de los puntos (nπ/L, [d
n
[).
Observaci ´ on 5.19 El v´ınculo entre los coeficientes complejos d
n
, n ∈ Z, y los coeficientes reales a
0
, a
n
y
b
n
, n ∈ N, est´ a dado mediante
d
0
=
1
2
a
0
, (5.115)
d
n
=
1
2
(a
n
−i b
n
), d
−n
= d
n
, n ∈ N. (5.116)
Con respecto a la convergencia puntual se tiene el siguiente resultado.
Corolario 5.4 [Convergencia puntual de la serie de Fourier compleja]
En el marco del Teorema 5.18, si u tiene una discontinuidad de salto en en t ∈ [−L, L], entonces
u(t
+
) +u(t

)
2
=


n=−∞
d
n
e
inπt/L
. (5.117)
De manera que si u es continua en t ∈ [−L, L], entonces se tiene
u(t) =


n=−∞
d
n
e
inπt/L
. (5.118)
Ejemplo 5.20 Calculemos la serie de Fourier compleja de la funci´ on definida por la f´ ormula
(%i1) f(t):= exp(t);
( %o1) f (t) := exp(t)
Los coeficientes cl´ asicos de Fourier en el intervalo [−π, π] son:
(%i2) load(fourie);
( %o2) C : /PROGRA 1/MAXIMA 1,0/share/maxima/5,24,0/share/calculus/ f ourie.mac
(%i3) declare(n, integer);
( %o3) done
(%i4) fourier(f(t),t,%pi);
( %t4) a
0
=
e
π
−e
−π

( %t5) a
n
=
e
π
(−1)
n
n
2
+1

(−1)
n
e
π
n
2
+e
π
π
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
236 5 An´ alisis de Fourier
( %t6) b
n
=
n(−1)
n
e
π
n
2
+e
π

e
π
n(−1)
n
n
2
+1
π
( %o6) [ %t4, %t5, %t6]
Usando (5.116) calculamos los coeficientes de Fourier complejos d
n
y la correspondiente serie de Fou-
rier compleja:
(%i7) define(a(n),rhs(%t5));
( %o7) a(n) :=
e
π
(−1)
n
n
2
+1

(−1)
n
e
π
n
2
+e
π
π
(%i8) define(b(n),rhs(%t6));
( %o8) b(n) :=
n(−1)
n
e
π
n
2
+e
π

e
π
n(−1)
n
n
2
+1
π
(%i9) d: (a(n)-%i
*
b(n))/2, ratsimp, rectform;
( %o9)
i
_
e

−1
_
n(−1)
n
2e
π
π n
2
+2e
π
π
+
_
e

−1
_
(−1)
n
2e
π
π n
2
+2e
π
π
(%i10)define(d(n), d);
( %o10) d(n) :=
i
_
e

−1
_
n(−1)
n
2e
π
π n
2
+2e
π
π
+
_
e

−1
_
(−1)
n
2e
π
π n
2
+2e
π
π
(%i11)U: sum(d(n)
*
exp(%i
*
n
*
t),n,0,inf)
+sum(conjugate(d(n))
*
exp(-%i
*
n
*
t),n,1,inf);
( %o11)
_


n=0
_
i
_
e

−1
_
n(−1)
n
2e
π
π n
2
+2e
π
π
+
_
e

−1
_
(−1)
n
2e
π
π n
2
+2e
π
π
_
e
i nt
_
+


n=1
_
_
e

−1
_
(−1)
n
2e
π
π n
2
+2e
π
π

i
_
e

−1
_
n(−1)
n
2e
π
π n
2
+2e
π
π
_
e
−i nt
5.5.5. Series de Fourier — Hermite
Consideremos L
2
(1). En la Secci ´ on 5.5.2 se parti ´ o de la sucesi ´ on de polinomios can´ onicos que consti-
tuyen un conjunto linealmente independiente en L
2
([−1; 1]). Puesto que un polinomio p : 1 →1 tiene la
propiedad de que
l´ım
[x[→∞
[p(x)[ =∞,
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.5 Bases Hilbertianas 237
no es posible usar polinomios como punto de partida para buscar una base Hilbertiana para L
2
(1).
Para controlar el comportamiento de los polinomios cuando [t[ →∞, definimos, para cada n ∈ N

,
w
n
(t) =t
n
w(t), w(t) = e
−t
2
/2
, t ∈ 1. (5.119)
Al aplicar Gram - Schmidt a (w
n
)
n∈N

⊆L
2
(1) obtenemos la sucesi ´ on ortonormal
e
n
(t) =
1
(2
n
n!

π)
1/2
e
−t
2
/2
H
n
(t), t ∈ 1, n ∈ N

. (5.120)
A e
n
se le conoce como la n-´ esima funci ´ on de Hermite y a H
n
se le conoce como el n-´ esimo polinomio de
Hermite. Los primeros polinomios de Hermite son
H
0
(t) = 1;
H
1
(t) = 2t;
H
2
(t) = 4t
2
−2;
H
3
(t) = 8t
3
−12t;
H
4
(t) = 16t
4
−48t
2
+12;
H
5
(t) = 32t
5
−160t
3
+120t.
Figura 5.11 Las primeras
funciones de Hermite.
En general, para n ∈ N y t ∈ 1, se tiene que
H
n
(t) = (−1)
n
e
t
2

d
n
dt
n
(e
−t
2
) (5.121)
= n!
N

j=0
(−1)
j

2
n−2 j
j!(n−2 j)!
t
n−2 j
,
donde
N =
_
n/2, si n es par,
(n−1)/2, si n es impar.
Por el proceso de Gram - Schmidt y (5.120), se tiene que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
238 5 An´ alisis de Fourier
_

−∞
H
m
(t)H
n
(t) e
−t
2
dt =
_
0, si m ,= n,
2
n
n!

π, si m = n.
Observaci ´ on 5.20 Los polinomios de Hermite pueden encontrarse de forma recurrente. Para t ∈1se tiene
que
_
H
0
(t) = 1;
H
n+1
(t) = 2t H
n
(t) −H
/
n
(t).
Teorema 5.19 [Funciones de Hermite]
La sucesi´ on (e
n
)
n∈N

es una base Hilbertiana de L
2
(1).
A la expansi´ on de una funci´ on u ∈ L
2
(1) en la base (e
n
)
n∈N

se le denomina serie de Fourier —
Hermite; a los coeficientes correspondientes se les denomina coeficientes de Fourier — Hermite.
Para demostrar este resultado se necesita utilizar el Teorema de Stone-Weierstrass, v´ ease e.g. [MZ10a].
Aplicando el m´ etodo de series de potencias se puede probar la siguiente proposici´ on.
Proposici ´ on 5.9 [La ecuaci ´ on de Hermite]
Sea n ∈ N. H
n
es soluci´ on de la ecuaci ´ on de Hermite,
y
//
−2ty
/
+2ny = 0, (5.122)
de manera que H
n
es un funci´ on propia del operador de Hermite, L : C

(1) →C

(1),
(Ly)(t) =−y
//
(t) +2t y
/
(t), (5.123)
asociada al valor propio λ
n
= 2n.
5.5.6. Series de Fourier — Laguerre
Buscamos ahora una base Hilbertiana para L
2
([0; ∞)) . Definimos, para cada n ∈ N

,
w
n
(t) =t
n
w(t), w(t) = e
−t/2
, t ∈ [0, ∞). (5.124)
Al aplicar Gram - Schmidt a (w
n
)
n∈N

⊆L
2
([0; ∞)) obtenemos la sucesi ´ on ortonormal
e
n
(t) = e
−t/2
L
n
(t), t ∈ [0; ∞), n ∈ N

. (5.125)
A e
n
y L
n
se les refiere como la n-´ esima funci ´ on de Laguerre y el n-´ esimo polinomio de Laguerre,
respectivamente. Los primeros polinomios de Laguerre son
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.5 Bases Hilbertianas 239
L
0
(t) = 1;
L
1
(t) = 1−t;
L
2
(t) = 1−2t +
1
2
t
2
;
L
3
(t) = 1−3t +
3
2
t
2

1
6
t
3
,
L
4
(t) = 1−4t +3t
2

2
3
t
3
+
1
24
t
4
.
Figura 5.12 Las primeras
funciones de Laguerre.
En general, para n ∈ N y t ∈ 1, se tiene que
L
n
(t) =
e
t
n!

d
n
dt
n
(t
n
e
−t
) (5.126)
=
n

j=0
(−1)
j
j!

_
n
j
_
t
j
.
Teorema 5.20 [Funciones de Laguerre]
La sucesi´ on (e
n
)
n∈N

es una base Hilbertiana de L
2
([0; ∞)).
Para demostrar este resultado se necesita utilizar el Teorema de Stone-Weierstrass, v´ ease e.g. [MZ10a].
A la expansi´ on de una funci´ on u ∈ L
2
([0, ∞)) en la base (e
n
)
n∈N

se le denomina serie de Fourier —
Laguerre; a los coeficientes correspondientes se les denomina coeficientes de Fourier — Laguerre.
Aplicando el m´ etodo de series de potencias se puede probar la siguiente proposici´ on.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
240 5 An´ alisis de Fourier
Proposici ´ on 5.10 Sea n ∈ N. L
n
es soluci´ on de la ecuaci ´ on de Laguerre
ty
//
+(1−t)y
/
+ny = 0, t ∈ [0, ∞), (5.127)
de manera que L
n
es funci´ on propia del operador de Laguerre, G : C

([0, ∞)) →C

([0, ∞)),
(Gu)(t) =tu
//
+(1−t)u
/
,
asociada al valor propio λ
n
=−n.
Observaci ´ on 5.21 Los polinomios de Laguerre tienen m´ ultiples aplicaciones a la F´ısica e Ingenier´ıa. En
[Jon09] se obtienen los polinomios de Laguerre al hacer un an´ alisis b´ asico del ´ atomo de hidr´ ogeno desde
la perspectiva de la Mec´ anica Cu´ antica.
5.6. Transformada de Fourier
5.6.1. Definiciones
En esta secci ´ on abordamos la transformada de Fourier que se define en el espacio L
1
(1). Empezamos
entonces definiendo los espacios de Lebesgue.
Vamos a suponer que I ⊆1 es [a, b], [a, ∞), (−∞, a] ´ o 1 y que p ≥1. Se define el espacio de funciones
p-integrables sobre I como
Λ
p
(I) =
_
f : I →1 :
_
I
[ f (t)[
p
dt <∞
_
. (5.128)
Observaci ´ on 5.22 Recalcamos que para que la definici´ on de Λ
p
(I) sea estrictamente correcta, la integral
que aparece en (5.128) debe ser calculada en el sentido de Lebesgue y no en el sentido de Riemann.
Se define sobre Λ
p
(I) una relaci ´ on de equivalencia mediante
u ∼v ssi
_
I
[u(t) −v(t)[
p
dt = 0. (5.129)
Se define el espacio de Lebesgue L
p
(I) como
L
p
(I) =¦[u] : u ∈Λ
p
(I)¦, (5.130)
donde [u] representa la clase de equivalencia de u ∈ Λ
p
(I) por la relaci ´ on de equivalencia definida en
(5.129). A grosso modo la clase [u] est´ a formada por todas funciones v p-integrables tales que u(t) = v(t)
en casi todo punto t ∈ I de manera que la integral en (5.129) se anula. Por esta raz´ on, es habitual abusar de
la notaci ´ on escribiendo u en lugar de [u].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 241
Una funci´ on compleja f = u+iv : I →C est´ a en L
p
(I) ssi u ∈ L
p
(I) y v ∈ L
p
(I). El funcional definido
por la f´ ormula
| f |
p
=
_
_
I
[ f (t)[
p
dt
_
1/p
(5.131)
es una norma para L
p
(I) que lo transforma en un espacio de Banach.
An´ alogo al Teorema 5.11, se tiene el siguiente resultado que establece que cualquier funci ´ on de L
p
(I) se
puede aproximar con una funci ´ on continua a soporte compacto.
Teorema 5.21 [Densidad]
Sea p ∈ [1, ∞). El espacio vectorial C
0
(I) es denso en L
p
(I), es decir, dados u ∈ L
p
(I) y ε > 0, existe
u
0
∈ C
0
(I) tal que
|u−u
0
|
p
< ε.
Para una demostraci ´ on, v´ ease e.g. [Bre83, Teo. IV.12].
Definici ´ on 5.18 [Transformada de Fourier]
Sea f ∈ L
1
(1). La transformada de Fourier de f se define como la funci´ on
ˆ
f : 1 →C tal que
ˆ
f (ω) =
_

−∞
f (t)e
−iωt
dt. (5.132)
La transformada de Fourier es una herramienta para el an´ alisis de se˜ nales. En este contexto ingenieril,
habitualmente se refiere a la variable ω como la frecuencia de la se˜ nal f = f (t). Al gr´ afico de la funci ´ on
ω →[
ˆ
f (ω)[ se le refiere como el espectro de amplitud. Es com´ un denotar
F[ f ] (ω) =
ˆ
f (ω), (5.133)
y a veces por facilidad se escribe
F[ f (t)] (ω) =
ˆ
f (ω).
Observaci ´ on 5.23 Por (5.132) es claro que si f es par, entonces
ˆ
f toma s´ olo valores reales. Por otro lado,
si f es impar, entonces
ˆ
f toma s´ olo valores imaginarios.
Ejemplo 5.21 Consideramos la funci´ on f ∈ L
1
(1) definida por la f´ ormula
(%i1) f(t):= (2/%pi)
*
t/(tˆ4+4);
( %o1) f (t) :=
2
π
t
t
4
+4
Puesto que f es impar, sabemos que su transformada de Fourier toma s´ olo valores imaginarios. Aplicamos
(5.132) para calcular su transformada de Fourier:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
242 5 An´ alisis de Fourier
(%i2) F1: integrate(f(t)
*
exp(-%i
*
w
*
t),t,minf,inf);
Is w positive, negative, or zero? p;
( %o2) −i e
−w
sin(w)
(%i3) F2: integrate(f(t)
*
exp(-%i
*
w
*
t),t,minf,inf);
Is w positive, negative, or zero? n;
( %o3) −i e
w
sin(w)
De manera que
ˆ
f est´ a dada por
(%i4) F(w):= -%i
*
sin(w)
*
%eˆ(-abs(w));
( %o4) F(w) := (−i) sin(w) e
−[w[
Definici ´ on 5.19 [Transformada inversa de Fourier]
Sea g ∈ L
1
(1). Entonces la transformada inversa de Fourier de g se define como la funci´ on ˇ g : 1→C
dada por
ˇ g(t) =
1

_

−∞
g(ω)e
iωt
dω. (5.134)
Es com´ un denotar
F
−1
[g] (t) = ˇ g(t). (5.135)
El siguiente resultado justifica la denominaci´ on “inversa” para F
−1
.
Teorema 5.22 [Proceso de inversi ´ on]
Sea f ∈ L
1
(1) continua por trozos en 1 y tal que sus discontinuidades t
1
, t
2
, ... son de salto. Si
ˆ
f ∈
L
1
(1), entonces se tiene que
f (t
+
) + f (t

)
2
= (F
−1
◦F)[ f ](t)
=
ˇ
ˆ
f (t). (5.136)
El teorema anterior establece que en si f es continua en el punto t entonces
ˇ
ˆ
f (t) = f (t) en tanto que si
hay un salto en ese punto entonces
ˇ
ˆ
f (t) converge al promedio de los l´ımites laterales de f .
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 243
Tip 54.
El comando fourint(f(x), x) calcula los coeficientes a
z
y b
z
en t´erminos de los cuales
se tiene
F
−1
[ f ] (z) =
1
2
a
z
+
i
2
b
z
.
Ejemplo 5.22 Consideramos la funci´ on determinada por la f´ ormula
(%i1) f(w):= sin(w)
*
exp(-abs(w));
( %o1) f (w) := sin(w) exp(−[w[)
Calculamos F
−1
[ f ] (t) =
ˇ
f (t):
(%i2) load(fourie);
( %o2) C : /PROGRA 1/MAXIMA 1,0/share/maxima/5,24,0/share/calculus/ f ourie.mac
(%i3) fourint(f(w),w);
( %t3) a
z
= 0
( %t4) b
z
=
4z
π (z
4
+4)
( %o4) [ %t3, %t4]
(%i5) Finv_f: ev((1/2)
*
rhs(%t3)+(%i/2)
*
rhs(%t4),z=t);
( %o5)
2i t
π (t
4
+4)
5.6.2. Los operadores F y F
−1
Recordemos que identificamos I ⊆ 1 con [a, b], [a, ∞), (−∞, a] ´ o 1. Para empezar definimos el espacio
de funciones esencialmente acotadas sobre I, denotado Λ

(I), como el conjunto de las funciones u : I →1
para las que existe una constante c > 0 tal que
[u(t)[ ≤c, para casi todo t ∈ I. (5.137)
Se define sobre Λ

(I) una relaci ´ on de equivalencia mediante
u ∼v ssi u(t) = v(t), para casi todo t ∈ I. (5.138)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
244 5 An´ alisis de Fourier
Se define el espacio L

(I) como
L

(I) =¦[u] : u ∈Λ

(I)¦, (5.139)
donde [u] representa la clase de equivalencia de u ∈ Λ

(I) por la relaci´ on de equivalencia definida en
(5.138). A grosso modo la clase [u] est´ a formada por todas funciones v acotadas tales que u(t) = v(t) en
casi todo punto t ∈ I. Por esta raz´ on, es habitual abusar de la notaci ´ on escribiendo u en lugar de [u].
Una funci´ on compleja f = u+iv : I →C est´ a en L

(I) ssi u ∈ L

(I) y v ∈ L

(I). El funcional definido
por la f´ ormula
| f |

=´ınf¦c > 0 : [u(t)[ ≤c, para casi todo t ∈ I¦ (5.140)
es una norma para L

(I) que lo transforma en un espacio de Banach.
La siguiente proposici ´ on establece un primer resultado de continuidad de los operadores F y F
−1
.
Proposici ´ on 5.11 La tranformada de Fourier y la transformada inversa de Fourier son operadores
lineales continuos de L
1
(1) en L

(1). Adicionalmente se tiene que
|F| ≤1; (5.141)
|F
−1
| ≤
1

. (5.142)
Demostraci´ on. De (5.18) y (5.134) se sigue inmediatamente la linealidad de F y F
−1
. Por otro lado, si
f ∈ L
1
(1)
[
ˆ
f (ω)[ =
¸
¸
¸
¸
_

−∞
f (t)e
−iωt
dt
¸
¸
¸
¸

_

−∞
[ f (t)[ dt
= | f |
1
, para todo ω ∈ C,
de manera que
ˆ
f ∈ L

(1) y
|
ˆ
f |

≤| f |
1
.
De la misma manera se prueba que g ∈ L
1
(1) implica que ˇ g ∈ L

(1):
[ ˇ g(t)[ =
¸
¸
¸
¸
1

_

−∞
g(ω)e
iωt

¸
¸
¸
¸

1

_

−∞
[g(ω)[ dω
=
1

|g|
1
, para todo t ∈ C,
de manera que
| ˇ g|


1

|g|
1
. ¯ .
Por la Proposici´ on 5.11 tenemos que la tranformada de Fourier y la transformada inversa de Fourier
son operadores lineales de L
1
(1) en L

(1). Puesto que una de las aplicaciones m´ as importantes de F y
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 245
F
−1
es al an´ alisis de se˜ nales, es decir funciones que viven en L
2
(1), necesitamos encontrar una manera de
definir la transformada de Fourier como operadores con dominio en L
2
(1).
Dada p ∈ [1, ∞), consideramos una funci ´ on f ∈ L
p
(1). Por el Teorema 5.21, existe una sucesi ´ on
( f
n
)
n∈N
⊆C
0
(1) ⊆L
1
(1) ∩L
p
(1)
tal que
l´ım
n→∞
| f − f
n
|
p
= 0.
Puesto que para cada n ∈N, F[ f
n
] existe, se define puntualmente la transformada de Fourier de f mediante
F[ f ] (ω) =
_
l´ım
n→∞
F[ f
n
] (ω), si este l´ımite existe
0, en caso contrario
(5.143)
Observaci ´ on 5.24 En lo que resta de este cap´ıtulo denominaremos se˜ nal a todo elemento de L
2
(1). Se
denomina energ´ıa o contenido de potencia de la se˜ nal f ∈ L
2
(1) al valor
|f |
2
2
=
_

−∞
[ f (t)[
2
dt.
Nos cuestionamos ahora para que valores de p la relaci ´ on (5.143) define a F como un operador con
dominio en L
p
(1) y, en tal caso, cu´ al ser´ıa el codominio. Empecemos considerando el caso p = 2. El
siguiente resultado establece que la energ´ıa de una se˜ nal es 1/(2π) veces la energ´ıa de su espectro de
amplitud.
Teorema 5.23 [Teorema de Pancherel]
Sea f ∈ L
2
(1). Entonces
ˆ
f ∈ L
2
(1) y se tiene que
|
ˆ
f |
2
=

2π | f |
2
, (5.144)
de manera que F ∈ L(L
2
(1), L
2
(1)) con
|F| =

2π. (5.145)
Para una demostraci ´ on de este resultado puede verse e.g. [MZ10c]. El siguiente teorema es una interpo-
laci ´ on de los Teoremas 5.11 y 5.23.
Teorema 5.24 [Desigualdad de Hausdorff - Young]
Sean 1 ≤ p ≤2 y f ∈ L
p
(1). Entonces,
|
ˆ
f |
p
/ ≤(2π)
1−
1
p
| f |
p
. (5.146)
De manera que F ∈ L(L
p
(1), L
p
/
(1)) con
|F| ≤(2π)
1−
1
p
. (5.147)
Para una demostraci ´ on de este resultado puede verse e.g. [RS75].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
246 5 An´ alisis de Fourier
5.6.3. Propiedades importantes
A lo largo de esta secci ´ on presentamos una serie de propiedades de la transformada de Fourier de una
funci ´ on que vive en L
1
(1). Sin embargo, teniendo como referencia la herramienta de aproximaci´ on (5.143)
presentada en la secci´ on anterior, muchos de estos resultados se pueden extender a funciones en L
p
(1) con
p > 1.
El primer resultado de esta secci´ on permite calcular la transformada inversa de una funci´ on que ha
sufrido un corrimiento en la frecuencia.
Teorema 5.25 [Primer teorema de traslaci ´ on]
Si f ∈ L
1
(1) y ω
0
∈ 1, entonces
F
_
e

0
t
f (t)
¸
(ω) =
ˆ
f (ω −ω
0
), ω ∈ 1. (5.148)
Si, adicionalmente, f es continua por trozos en 1y sus discontinuidades t
1
, t
2
, ... son de salto, entonces
F
−1
_
ˆ
f (ω −ω
0
)
¸
(t) =
_
f (t
+
) + f (t

)
2
_
e

0
t
, t ∈ 1. (5.149)
Demostraci´ on. Se tiene, para ω ∈ 1, que
F
_
e

0
t
f (t)
¸
(ω) =
_

−∞
e

0
t
f (t)e
−itω
dt
=
_

−∞
f (t)e
−it(ω−ω
0
)
dt
=
ˆ
f (ω −ω
0
). ¯ .
Como consecuencia se tiene el siguiente resultado que establece la transformada de Fourier de una funci ´ on
modulada:
Corolario 5.5 [Modulaci ´ on]
Si f ∈ L
1
(1) y ω
0
∈ 1, entonces
F[ f (t) cos(ω
0
t)] (ω) =
1
2
[
ˆ
f (ω +ω
0
) +
ˆ
f (ω −ω
0
)], ω ∈ 1; (5.150)
F[ f (t) sin(ω
0
t)] (ω) =
i
2
[
ˆ
f (ω +ω
0
) −
ˆ
f (ω −ω
0
)], ω ∈ 1. (5.151)
Demostraci´ on. Usamos
cos(ω
0
t) =
e

0
t
+e
−iω
0
t
2
, sen(ω
0
t) =
e

0
t
−e
−iω
0
t
2i
,
y aplicamos (5.148). ¯ .
El siguiente resultado permite calcular la transformada de una funci´ on que ha sufrido un corrimiento
en el tiempo:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 247
Teorema 5.26 [Segundo teorema de traslaci ´ on]
Si f ∈ L
1
(1) y t
0
∈ 1, entonces
F[ f (t −t
0
)] (ω) = e
−iωt
0 ˆ
f (ω), ω ∈ 1. (5.152)
Si, adicionalmente, f es continua por trozos en 1y sus discontinuidades t
1
, t
2
, ... son de salto, entonces
F
−1
_
e
−iωt
0 ˆ
f (ω)
¸
(t) =
f (t −t
0
)
+
+ f (t −t
0
)

2
, t ∈ 1. (5.153)
En el siguiente resultado se establece la transformada de Fourier de una funci´ on que ha sufrido un
escalamiento:
Teorema 5.27 [Escalamiento]
Si f ∈ L
1
(1) y a ∈ 1¸¦0¦, entonces
F[ f (at)] (ω) =
1
[a[
ˆ
f
_
ω
a
_
, ω ∈ 1. (5.154)
Si, adicionalmente, f es continua por trozos en 1y sus discontinuidades t
1
, t
2
, ... son de salto, entonces
F
−1
_
ˆ
f
_
ω
a
__
(t) =[a[
f (at)
+
+ f (at)

2
, t ∈ 1. (5.155)
El siguientes teorema establece el resultado de aplicar sucesivamente la transformada de Fourier a una
se˜ nal.
Teorema 5.28 [Aplicaci ´ on de F
m
]
Si f ∈ L
2
(1), entonces
F
_
ˆ
f
¸
(ω) = 2π f (−ω), ω ∈ 1. (5.156)
Por tanto, si m ∈ N, se tiene para ω ∈ 1 que
F
m
[ f ](ω) =
_
(2π)
m/2
f ((−1)
m/2
ω), si m es par,
(2π)
(m−1)/2

ˆ
f ((−1)
(m−1)/2
ω), si m es impar.
(5.157)
Sea k ∈ N. La f´ ormula (5.157) se refiere a menudo como
F
2k
[ f ](ω) = (2π)
k
f ((−1)
k
ω), (5.158)
F
2k−1
[ f ](ω) = (2π)
k−1

ˆ
f ((−1)
k−1
ω). (5.159)
Las funciones de Heaviside (que se defini ´ o en la Secci ´ on 3.3.3) de pulso son ´ utiles para la representaci ´ on
de se˜ nales que se activan y desactivan en ciertos instantes.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
248 5 An´ alisis de Fourier
Definici ´ on 5.20 [Funci ´ on de Pulso]
Dados a, b ∈ 1, con a < b, se define la funci ´ on de pulso mediante
P
a,b
(t) = H(t −a) −H(t −b) =
_
¸
_
¸
_
0, si t < a,
1, si a ≤t < b,
0, si t ≥b.
(5.160)
Cuando a =−b, b > 0, se escribe P
−b,b
= P
b
.
A continuaci ´ on se presentan algunos tipos de se˜ nales b´ asicas junto con sus transformadas de Fourier. El
lector deber´ıa graficar todas estas se˜ nales b´ asicas como ejercicio.
Transformada de Fourier
n f(t)
ˆ
f(ω)
1 e
−a[t[
2a
a
2

2
2 P
b
(t)
2
ω
sin(bω)
3 P
b,c
(t)
e
−ibω
−e
−icω

4
2a
a
2
+t
2
2πe
−a[ω[
5 t P
0,b
+(2t −b) P
b,2b
−1+2e
ibω
−e
−2ibω
ω
2
6 e
−at
H(t)
1
a+iω
Transformada de Fourier
n f(t)
ˆ
f(ω)
7 e
−at
P
b,c
(t)
e
−(a+iω)b
−e
−(a+iω)c
a+iω
8 e
−iat
P
b
(t)
2sin(b(ω +a))
ω +a
9 e
−iat
P
b,c
(t) i
_
e
−ic(a+ω)
−e
−ib(a+ω)
_
a+ω
10 e
−at
2
_
π
a
e
−ω
2
/4a
11
sin(bt)
πt
P
b
(ω)
12
at
π(a
2
+t
2
)
−iae
−[ω[
sgn(ω)
Tip 55.
Dado x ∈ C, el comando signum(x) devuelve 0 si x = 0, caso contrario devuelve [x[/x.
Por tanto, si x ∈ 1, signum(x) devuelve el valor de la funci ´ on signo, denotada sgn,
evaluada en x:
sgn(x) =
_
¸
_
¸
_
−1, x < 0,
0, x = 0,
1, x > 0.
(5.161)
Ejemplo 5.23 Comprobemos la f´ ormula (12) de la tabla anterior. Consideramos la funci´ on determinada
por la f´ ormula
(%i1) assume(a>0);
( %o1) [a > 0]
(%i2) f(t):= (a/%pi)
*
t/(tˆ2+aˆ2);
( %o2) f (t) :=
a
π
t
t
2
+a
2
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 249
Puesto que
(%i3) F1: integrate(f(t)
*
exp(-%i
*
w
*
t),t,minf,inf);
Is w positive, negative, or zero? p;
( %o3) −i ae
−aw
(%i4) F2: integrate(f(t)
*
exp(-%i
*
w
*
t),t,minf,inf);
Is w positive, negative, or zero? n;
( %o4) i ae
aw
(%i5) F3: integrate(f(t),t,minf,inf);
PrincipalValue
( %o5) 0
se tiene que
ˆ
f est´ a dada por
(%i6) F(w):= -%i
*
a
*
exp(-abs(w))
*
signum(w);
( %o6) F(w) := (−i) aexp(−[w[) signum(w)
El siguiente resultado es ´ util cuando se aplica la transformada de Fourier a la resoluci ´ on de ecuaciones
en derivadas parciales.
Teorema 5.29 [Transformada de una derivada]
Sea f ∈ L
1
(1) continua por trozos en 1 y tal que sus discontinuidades t
1
, t
2
, ..., t
m
son de salto. Su-
ponga que f
/
es continua por trozos en 1. Entonces,
F
_
f
/
¸
(ω) = iω
ˆ
f (ω) −
m

j=1
_
f (t
+
j
) − f (t

j
)
_
e
−iωt
j
. (5.162)
En particular, si para alg´ un n ∈ N se tiene f
(n−1)
∈ L
1
(1) ∩C(1) y f
(n)
es continua por trozos,
entonces
F
_
f
(n)
_
(ω) = (iω)
n
ˆ
f (ω). (5.163)
El siguiente resultado establece una f´ ormula para la diferenciaci ´ on respecto a la variable frecuencia.
Teorema 5.30 [Derivada de una transformada]
Sea f ∈L
1
(1) continua por trozos. Supongamos que para n ∈Nse tiene que t
n
f (t) ∈L
1
(1). Entonces
F[t
n
f (t)] (ω) = i
n
ˆ
f
(n)
(ω). (5.164)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
250 5 An´ alisis de Fourier
Tal como la transformada de Laplace, la transformada de Fourier se puede utilizar para la resoluci´ on de
ecuaciones integro-diferenciales. El siguiente resultado establece la f´ ormula para el c´ alculo de la transfor-
mada de Fourier de una integral (de una funci ´ on de l´ımite superior variable).
Teorema 5.31 [Transformada de una integral]
Sea f ∈ L
1
(1) continua por trozos y tal que
ˆ
f (0) = 0. Entonces
F
_
_
t
−∞
f (τ)dτ
_
(ω) =
1

ˆ
f (ω). (5.165)
Ejemplo 5.24 Consideramos la funci´ on definida por la f´ ormula
(%i1) f(t):= 2
*
t/(%pi
*
(tˆ4+4));
( %o1) f (t) :=
2t
π (t
4
+4)
Como vimos en el Ejemplo 5.21,
ˆ
f est´ a dada por
(%i2) F(w):= -%i
*
sin(w)
*
eˆ(-abs(w));
( %o2) F(w) := (−i) sin(w) e
−[w[
Intentemos calcular mediante la definici´ on (5.18) la transformada de Fourier de la funci´ on de l´ımite supe-
rior variable asociada a f :
(%i3) define(f_int(t),integrate(f(x),x,minf,t));
( %o3) f int (t) :=−
2
_
π
8

atan
_
t
2
2
_
4
_
π
Se tiene que
(%i4) F_int1: integrate(f_int(t)
*
exp(-%i
*
t
*
w),t,minf,0)
+ integrate(f_int(t)
*
exp(-%i
*
t
*
w),t,0,inf);
Is w positive, negative, or zero? p;
( %o4) −
2
_
0
−∞
_
π
8

atan
_
t
2
2
_
4
_
e
−i t w
dt
π

2
_

0
_
π
8

atan
_
t
2
2
_
4
_
e
−i t w
dt
π
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 251
(%i5) F_int2: integrate(f_int(t)
*
exp(-%i
*
t
*
w),t,minf,0)
+ integrate(f_int(t)
*
exp(-%i
*
t
*
w),t,0,inf);
Is w positive, negative, or zero? n;
( %o5) −
2
_
0
−∞
_
π
8

atan
_
t
2
2
_
4
_
e
−i t w
dt
π

2
_

0
_
π
8

atan
_
t
2
2
_
4
_
e
−i t w
dt
π
de manera que nuestro intento no tiene ´ exito. Sin embargo, aplicando (5.165) obtenemos
F
_
_
t
−∞
f (τ)dτ
_
(ω) =−
1
w
sin(w)e
−[w[
.
Convoluci ´ on
Para dos funciones f , g ∈ L
1
(1) se define su convoluci ´ on, f ∗g : 1 →1, mediante
( f ∗g)(t) =
_

−∞
f (t −τ)g(τ)dτ. (5.166)
Observaci ´ on 5.25 La condici´ on de que f y g vivan en L
1
(1) se puede alterar de manera que la f´ ormula
(5.166) siga siendo v´ alida.
Proposici ´ on 5.12 [Linealidad y conmutatividad de la convoluci´ on]
Sean f , g y h funciones en L
1
(1) y α ∈ 1. Se tiene que
(α f +g) ∗h = α f ∗h+g∗h; (5.167)
f ∗g = g∗ f . (5.168)
La relaci ´ on de la convoluci ´ on con la transformada de Fourier queda establecida en el siguiente resultado.
Teorema 5.32 [Convoluci ´ on y transformada de Fourier]
Sean f y g dos funciones en L
1
(1). Entonces f ∗g ∈ L
1
(1) y se cumple que
_

−∞
( f ∗g)(t)dt =
_

−∞
f (t)dt
_

−∞
g(t)dt; (5.169)
F[ f ∗g] (ω) =
ˆ
f (ω) ˆ g(ω); (5.170)
F[ f g] (ω) =
1

(
ˆ
f ∗ ˆ g)(ω). (5.171)
Demostraci´ on. Se tiene que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
252 5 An´ alisis de Fourier
_

−∞
( f ∗g)(t)dt =
_

−∞
_
_

−∞
f (t −τ)g(τ)dτ
_
dt
=
_

−∞
_
_

−∞
f (t −τ)g(τ)dt
_

=
_

−∞
_
_

−∞
f (y)dy
_
g(τ)dτ
=
_

−∞
f (y)dy
_

−∞
g(τ)dτ.
Para probar (5.170) se aplica (5.169) a las funciones determinadas por las f´ ormulas
F(t) = f (t) e
−iωt
, G(t) = g(t) e
−iωt
.
La demostraci ´ on de (5.171) queda como ejercicio para el lector. ¯ .
5.6.4. Relaci ´ on de F con otras transformadas
Para las funciones reales con dominio 1 se define el operador de reflejo R determinado por la f´ ormula
(Ru)(t) = u(−t), t ∈ 1. (5.172)
Usaremos este operador para escribir las relaciones que vinculan a F con F
−1
y con L. Obs´ ervese que
R = R
−1
, es decir
(RRu)(t) = u(t), t ∈ 1. (5.173)
Proposici ´ on 5.13 [Relaci ´ on entre F y F
−1
]
Sea p ≥1. Dada u ∈ L
p
(1), se tiene que Ru ∈ L
p
(1). Adem´ as se cumple que
F[u] (ω) = 2π F
−1
[Ru] (ω), (5.174)
F[Ru] (ω) = 2π F
−1
[u] (ω). (5.175)
Demostraci´ on. Mediante el cambio de variable y =−t se tiene que
F[u] (ω) =
_

−∞
e
−iωt
u(t)dt
= −
_
−∞

e
iωy
u(−y)dt
= 2π
1

_

−∞
e
iωy
Ru(y)dy,
que es justamente (5.174). Ahora reemplazando u por Ru en (5.174), se obtiene (5.175). ¯ .
Observaci ´ on 5.26 T´ engase presente que si la funci´ on u es par en la proposici´ on anterior, entonces de
hecho se tiene que
F[u] (ω) = 2π F
−1
[u] (ω). (5.176)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 253
Ejemplo 5.25 La transformada de Fourier de la funci´ on real definida por la f´ ormula
(%i1) u(x):= cos(x)
*
exp(-abs(x));
( %o1) u(x) := cos(x) exp(−[x[)
est´ a dada por
(%i2) F_u: integrate(u(t)
*
exp(-%i
*
t
*
w),t,0,inf)
+integrate(u(t)
*
exp(-%i
*
t
*
w),t,minf,0);
( %o2)
2
_
w
2
+2
_
w
4
+4
Puesto que u es una funci´ on par tambi´ en podemos usar (5.176) para calcular F[u]:
(%i3) F_u_aux: 2
*
%pi
*
(1/(2
*
%pi))
*
(integrate(u(x)
*
exp(%i
*
x
*
w),x,0,inf)
+integrate(u(x)
*
exp(%i
*
x
*
w),x,minf,0));
( %o3)
2
_
w
2
+2
_
w
4
+4
Ahora establezcamos la relaci ´ on entre las transformadas de Fourier y Laplace. Escribimos una funci´ on
f : 1 →1 como
f (t) =
_
f

(t), t < 0,
f
+
(t), t ≥0.
Proposici ´ on 5.14 [Relaci ´ on entre F y L]
Sea f : 1 →1 tal que Rf

y f
+
tienen transformada de Laplace. Entonces se tiene que
F[ f ] (ω) =L [ f
+
] (iω) +L [Rf

] (−iω), ω ∈ 1. (5.177)
Demostraci´ on. Se tiene que
F[ f ] (ω) =
_

0
e
−iωt
f
+
(t)dt +
_
0
−∞
e
−iωt
f

(t)dt
= L [ f
+
] (iω) +
_

0
e
−y(−iω)
Rf

(y)dy
= L [ f
+
] (iω) +L [Rf

] (−iω). ¯ .
Ejemplo 5.26 Usemos (5.177) para obtener la f´ ormula
F
_
e
−a[t[
_
(ω) =
2a
a
2

2
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
254 5 An´ alisis de Fourier
(%i1) assume(a>0);
( %o1) [a > 0]
(%i2) g(t):= exp(-a
*
t);
h(t):= exp(a
*
t);
( %o2) g(t) := exp((−a) t)
( %o3) h(t) := exp(at)
(%i4) laplace(g(t),t,%i
*
w)+laplace(h(-t),t,-%i
*
w), ratsimp;
( %o4)
2a
w
2
+a
2
Para terminar esta secci´ on encontramos la relaci ´ on de F con la transformada coseno de Fourier,
F
C
[ f ](ω) =
2
π
_

0
cos(ωt) f (t)dt, (5.178)
y con la transformada seno de Fourier,
F
S
[ f ](ω) =
2
π
_

0
sin(ωt) f (t)dt. (5.179)
Observaci ´ on 5.27 Es claro que las f´ ormulas (5.178) y (5.179) tienen sentido cuando f ∈ L
1
(1). De ma-
nera similar a como se procedi´ o en la Secci´ on 5.6.2 se puede extender la definici´ on de F
C
[ f ] y F
S
[ f ] para
f ∈ L
p
(1), p ≥1. Las inversas de F
C
y F
S
se definen formalmente mediante
F
−1
C
[g](t) =
_

0
g(ω)cos(ωt)dω, (5.180)
F
−1
S
[g](t) =
_

0
g(ω)sin(ωt)dω. (5.181)
Observaci ´ on 5.28 Toda funci´ on f : 1→1se puede escribir como la suma de una funci´ on par y una impar,
f = f
e
+ f
o
, donde
f
e
(t) =
f (t) +Rf (t)
2
, t ∈ 1, (5.182)
f
o
(t) =
f (t) −Rf (t)
2
, t ∈ 1. (5.183)
Proposici ´ on 5.15 [Relaci ´ on de F con F
C
y F
S
]
Sean p ≥1 y f ∈ L
p
(1). Se tiene, para x ∈ 1, que
F
−1
[ f ](x) =
1
2
F
C
[ f
e
](x) +
i
2
F
S
[ f
o
](x), (5.184)
F[ f ](x) = πF
C
[ f
e
](x) −i πF
S
[ f
o
](x). (5.185)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 255
Para demostrar la Proposici´ on 5.15 basta con observar que para el caso en que f es par,
F
−1
[ f ](x) =
1
2
F
C
[ f ](x), x ∈ 1, (5.186)
F[ f ](x) = πF
C
[ f ](x), x ∈ 1, (5.187)
en tanto que cuando f es impar
F
−1
[ f ](x) =
i
2
F
S
[ f ](x), x ∈ 1, (5.188)
F[ f ](x) =−i πF
S
[ f ](x), x ∈ 1. (5.189)
Tip 56.
Mediante los comandos fourintcos(f(x), x) y fourintsin(f(x), x) se calcula la transformada
coseno de Fourier y la transformada seno de Fourier, respectivamente, de una
funci´on f = f (x).
Ejemplo 5.27 Consideramos la funci´ on definida por la f´ ormula
(%i1) assume(a>0);
( %o1) [a > 0]
(%i2) f(t):= exp(-a
*
abs(t));
( %o2) f (t) := exp((−a) [t[)
Puesto que f es par podemos calcular F[ f ] y F
−1
[ f ] con ayuda de la transformada coseno de Fourier.
Se tiene que
(%i3) load(fourie);
( %o3) C : /PROGRA 1/MAXIMA 1,0/share/maxima/5,24,0/share/calculus/ f ourie.mac
(%i4) fourintcos(f(t),t);
( %t4) a
z
=
2a
π (z
2
+a
2
)
( %o4) [ %t4]
de manera que por (5.187) se tiene que F[ f ] est´ a dada por
(%i5) F_f: ev(%pi
*
rhs(%t4),z=w);
( %o5)
2a
w
2
+a
2
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
256 5 An´ alisis de Fourier
en tanto que por (5.186) se tiene que F
−1
[ f ] est´ a dada por
(%i6) Finv_f: ev((1/2)
*
rhs(%t4),z=t);
( %o6)
a
π (t
2
+a
2
)
5.6.5. Estudio de se˜ nales
Filtrado
En la Secci´ on 3.7 se defini ´ o el delta de Dirac y se indic´ o que, estrictamente, no es una funci ´ on sino
una distribuci ´ on (o funci ´ on generalizada). En el siguiente cap´ıtulo se hace una breve introducci´ on a las
distribuciones. Por el momento podemos usar una funci ´ on de pulso para intentar una interpretaci´ on intuitiva
de δ:
δ(t) = l´ım
a↓0
1
2a
P
a
(t) (5.190)
=
_
∞, si t = 0,
0, si t ,= 0.
Usando (5.190) y la f´ ormula
F[P
a
(t)] (ω) =
2
ω
sin(aω)
se intuye que en alg´ un sentido deber´ıa cumplirse que
F[δ(t)] (ω) = 1; (5.191)
y, adicionalmente,
δ ∗ f = f ∗δ = f . (5.192)
Para una funci´ on f ∈ L
1
(1) que es continua por trozos con discontinuidades de salto t
1
, t
2
, ... se tiene
que
_

−∞
f (t)δ(t −t
0
)dt =
f (t
+
0
) + f (t

0
)
2
, (5.193)
que en el caso en que f es continua se escribe como
_

−∞
δ(t −t
0
) f (t)dt = f (t
0
). (5.194)
Por las relaciones (5.193) y (5.194) se dice que el delta de Dirac filtra la se˜ nal f .
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 257
Localizaci ´ on tiempo-frecuencia
De la definici ´ on de transformada de Fourier
ˆ
f (ω) =
_

−∞
f (t)e
−iωt
dt.
se puede asumir que el espectro de amplitud [
ˆ
f (ω)[ atrapa la informaci´ on para todos los instantes t ∈
(−∞, ∞) mediante el proceso de integraci ´ on. Por tanto, si se quiere atrapar el contenido de frecuencia en un
intervalo [a, b) se intuye que deber´ıa calcularse
_
b
a
f (t)e
−iωt
dt.
Entonces

P
a,b
f da el contenido de frecuencia de la se˜ nal f para t ∈ [a, b). A este proceso se le llama
ventaneo o localizaci ´ on tiempo-frecuencia. En este contexto, a la funci´ on P
a,b
se le refiere como ventana
o pulso de localizaci´ on y al intervalo cerrado [a, b] se le denomina soporte de la ventana.
Puesto que P
a,b
∈ L
2
(1), es f´ acil verificar que
p
a,b
(t) =
P
2
a,b
(t)
|P
a,b
|
2
2
, (5.195)
es una funci ´ on de densidad, i.e., p
a,b
∈ L
1
(1) es no-negativa y
_

−∞
p
a,b
(t)dt = 1.
Se define el centro de la ventana y el radio de la ventana P
a,b
, respectivamente, mediante
t
C
=
_

−∞
t p
a,b
(t)dt, (5.196)
t
R
=
_
_

−∞
(t −t
C
)
2
p
a,b
(t)dt
_
1/2
. (5.197)
El ancho de la funci´ on ventana es 2t
R
y se conoce como la duraci ´ on RMS (Root Mean Square) de la
ventana. De forma an´ aloga se definen el centro y el radio de
ˆ
P
a,b
, respectivamente, mediante
ω
C
=
_

−∞
ω ˜ p
a,b
(ω)dω, (5.198)
ω
R
=
_
_

−∞
(ω −ω
C
)
2
˜ p
a,b
(ω)dω
_
1/2
, (5.199)
donde
˜ p
a,b
(ω) =
ˆ
P
2
a,b
(ω)
|
ˆ
P
a,b
|
2
2
. (5.200)
Al valor 2ω
R
se le conoce como el ancho de banda RMS de la ventana P
a,b
.
Ejemplo 5.28 Consideramos la se˜ nal determinada por
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
258 5 An´ alisis de Fourier
(%i1) assume(a>0);
( %o1) [a > 0]
(%i2) f(t):= exp(-a
*
abs(t));
( %o2) f (t) := exp((−a) [t[)
Figura 5.13 La se˜ nal f (t) =
e
−[t[
.
El contenido de frecuencia para t ∈ (−∞, ∞) est´ a dado por
ˆ
f :
(%i3) load(fourie);
( %o3) C : /PROGRA 1/MAXIMA 1,0/share/maxima/5,24,0/share/calculus/ f ourie.mac
(%i4) fourintcos(f(t),t);
( %t4) a
z
=
2a
π (z
2
+a
2
)
( %o4) [ %t4]
(%i5) F_f: ev(%pi
*
rhs(%t4),z=w);
( %o5)
2a
w
2
+a
2
Dado n ∈ N, el contenido de frecuencia de f para t ∈ [−n, n) est´ a dado por
¯
P
n
f :
(%i6) assume(n>0);
( %o6) [n > 0]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 259
Figura 5.14 La se˜ nal
ˆ
f (ω) =
2/(ω
2
+a
2
).
(%i7) F_fn: integrate(f(t)
*
exp(-%i
*
w
*
t),t,-n,0)
+integrate(f(t)
*
exp(-%i
*
w
*
t),t,0,n), ratsimp, factor;
( %o7) −
e
−i nw−an
_
−2ae
i nw+an
+i we
2i nw
+ae
2i nw
−i w+a
_
w
2
+a
2
Puesto que
l´ım
n→∞
|f −P
n
f |
2
= 0,
se sigue por el Teorema 5.23 que
l´ım
n→∞
|
ˆ
f −
¯
P
n
f |
2
= 0.
De hecho, se tiene convergencia puntual:
(%i8) limit(F_fn,n,inf);
( %o8)
2a
w
2
+a
2
es decir,
l´ım
n→∞
¯
P
n
f (ω) =
ˆ
f (ω), ω ∈ 1.
Figura 5.15 Gr´ afico de
[
¯
P
1
f [.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
260 5 An´ alisis de Fourier
Figura 5.16 Gr´ afico de
[
¯
P
2
f [.
Figura 5.17 Gr´ afico de
[
¯
P
3
f [.
El teorema de muestreo de Shannon
Recordemos que en la Secci ´ on 5.4.4 se defini ´ o el concepto de soporte de una funci´ on. Se dice que
f ∈ L
2
(1) es una se˜ nal de banda limitada si
ˆ
f tiene soporte compacto, es decir, si existe alg´ un l > 0 tal
que
[ω[ > l =⇒
ˆ
f (ω) = 0. (5.201)
En este caso se denomina ancho de banda de f al n´ umero
L =´ınf¦l > 0 : l verifica (5.201)¦ (5.202)
pues el contenido total de frecuencia de la se˜ nal f est´ a en la banda [−L, L].
El siguiente resultado establece que una se˜ nal continua de banda limitada puede reconstruirse a partir de
valores muestrales.
Teorema 5.33 [Muestreo de Shannon]
Sea f ∈ L
2
(1) ∩C(1) una se˜ nal de banda limitada L > 0. Entonces,
f (t) =


n=−∞
f
_

L
_
sin(Lt −nπ)
Lt −nπ
, t ∈ 1. (5.203)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 261
Demostraci´ on. Puesto que f es una se˜ nal continua, se tiene que
ˆ
f ∈ C
0
(1) teniendo como soporte el
intervalo [−L, L]. Por tanto, para todo ω ∈ [−L, L] se tiene por (5.117) que
ˆ
f (ω) =


n=−∞
d
n
e
nπiω/L
, (5.204)
donde
d
n
=
1
2L
_
L
−L
ˆ
f (ω)e
−nπiω/L
dω. (5.205)
Al comparar la relaci ´ on
f (t) =
1

_

−∞
ˆ
f (ω)e
iωt

=
1

_
L
−L
ˆ
f (ω)e
iωt
dω (5.206)
con (5.205) se sigue
d
n
=
π
L
f
_


L
_
;
lo cual reemplazado en (5.204) prov´ ee
f (ω) =
π
L


−∞
f
_


L
_
e
nπiω/L
=
π
L


−∞
f
_

L
_
e
−nπiω/L
. (5.207)
Ahora combinando (5.207) con (5.206) se obtiene
f (t) =
1
2L
_
L
−L


−∞
f
_

L
_
e
iω(t−nπ/L)

=
1
2L


−∞
f
_

L
_
_
L
−L
e
iω(t−nπ/L)

=
1
2L


−∞
f
_

L
_
sin(Lt −nπ)
Lt −nπ
. ¯ .
Este teorema establece que una se˜ nal de banda limitada puede reconstruirse a partir de los valores muestrales
en los tiempos

L
, para n ∈ Z. “Esta es la manera en la que los ingenieros convierten se˜ nales digitales en
se˜ nales anal´ ogicas”, [O’N09].
Filtros de paso bajo
El Teorema 5.33 es muy ´ util en aplicaciones a la Ingenier´ıa pero no se puede aplicar a una se˜ nal f ∈
L
2
(1) que no tiene banda limitada. Cuando es posible discriminar la informaci ´ on para las frecuencias ω
que quedan por fuera de [−ω
0
, ω
0
) para un cierto valor de frecuencia ω
0
> 0, entonces se puede aplicar un
filto de paso bajo; esto quiere decir que se reemplaza a la se˜ nal f con la se˜ nal f
ω
0
que tiene espectro
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
262 5 An´ alisis de Fourier
ˆ
f
ω
0
(ω) =
ˆ
f (ω) P
ω
0
(ω). (5.208)
No es dif´ıcil probar que
f
ω
0
(t) = ( f ∗S
ω
0
)(t), (5.209)
donde S
ω
0
, llamada funci ´ on de Shannon, est´ a definida mediante
S
ω
0
(t) =
sin(ω
0
t)
πt
. (5.210)
Al procedimiento reci´ en descrito se le denomina filtro de paso bajo porque se filtran o dejan “pasar” ´ unica-
mente las frecuencias cuyo valor absoluto est´ a por debajo de ω
0
.
Proposici ´ on 5.16 Sea g ∈ L
2
(1) una se˜ nal de banda limitada ω
0
> 0 que es continua por trozos y
con discontinuidades de salto t
1
, t
2
, ..., t
m
. Entonces,
(S
ω
0
∗g)(t) =
g(t
+
) +g(t

)
2
, t ∈ 1. (5.211)
Demostraci´ on. Por (5.170) se tiene para t ∈ 1 que
(S
ω
0
∗g)(t) = F
−1
_
¯
S
ω
0
ˆ g
_
= F
−1
_
P
ω
0
ˆ g
¸
= F
−1
[ ˆ g]
=
g(t
+
) +g(t

)
2
. ¯ .
Ejemplo 5.29 Consideramos la se˜ nal definida por la f´ ormula
(%i1) assume(a>0);
( %o1) [a > 0]
(%i2) f(t):= 2
*
a/(tˆ2+aˆ2);
( %o2) f (t) :=
2a
t
2
+a
2
Sabemos que la transformada de Fourier de f es
ˆ
f (ω) = 2π e
−a[ω[
.
Para
(%i3) assume(w0 > 0);
( %o3) [w0 > 0]
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 263
buscamos la se˜ nal f
ω
0
tal que
´
f
ω
0
=
ˆ
f (ω) P
ω
0
(ω).
En este caso, la funci´ on de Shannon es
(%i4) S(t):= sin(w0
*
t)/(%pi
*
t);
( %o4) S(t) :=
sin(w0t)
π t
por tanto, usando (X), se tiene que
(%i5) f_w0: integrate(f(t-x)
*
S(x),x,minf,inf), ratsimp;
( %o5)
e
−aw0
_
2t sin(t w0) −2acos(t w0) +2ae
aw0
_
t
2
+a
2
Ahora al pasar al l´ımite cuando el ancho de banda crece indefinidamente se recupera la se˜ nal original:
(%i6) limit(f_w0,w0,inf);
( %o6)
2a
t
2
+a
2
Filtrado de ancho de banda
El siguiente resultado establece que una se˜ nal de banda limitada puede descomponerse conforme a ran-
gos de frecuencias.
Proposici ´ on 5.17 [Filtrado de ancho de banda]
Consideramos una se˜ nal f ∈ L
2
(1) ∩C(1) de banda limitada L > 0 y los valores de frecuencia
0 < ω
0
< ω
1
< ... < ω
N
= L. Se puede descomponer la se˜ nal f como
f (t) =
N

j=0
f
j
(t), (5.212)
donde f
0
∈ L
2
(1) es el filtro de paso bajo ω
0
y para j = 1, ..., N, f
j
∈ L
2
(1) est´ a dada por
f
j
(t) = (β
j
∗ f )(t), t ∈ 1, (5.213)
donde
β
j
(t) = S
ω
j
(t) −S
ω
j−1
(t)
=
sin(ω
j
t) −sin(ω
j−1
t)
πt
, t ∈ 1. (5.214)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
264 5 An´ alisis de Fourier
Observe que f
j
∈ L
2
(1) atrapa la informaci ´ on de f para las frecuencias ω tales que
ω
j−1
≤[ω[ < ω
j
.
Demostraci´ on. Por la Proposici ´ on 5.16 se tiene, para t ∈ 1, que
N

j=0
f
j
(t) = (S
ω
0
∗ f )(t) +
N

j=1

j
∗ f )(t)
= (S
ω
N
∗ f )(t)
= f (t). ¯ .
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 265
Problemas
5.1. Sea V = C([a, b]), donde −∞ < a < b <∞. Pruebe que la f´ ormula
|u|

= sup
t∈[a,b]
[u(t), [
define una norma sobre V.
5.2. Sean f ∈ C([0, 1]) y ε > 0. Considere la sucesi ´ on (p
n
)
n∈N
⊆C([0, 1]) definida por la f´ ormula
p
n
( f )(t) =
n

k=0
_
n
k
_
f
_
k
n
_
t
k
(1−t)
n−k
, t ∈ [0, 1], n ∈ N.
Pruebe que
l´ım
n→∞
|f −p
n
|

= 0.
5.3. Pruebe la desigualdad de Young
ab ≤
1
p
a
p
+
1
p
/
b
p
/
, ∀a, b ≥0. (5.215)
Idea.- Utilice la concavidad de la funci ´ on logaritmo en (0, ∞).
5.4. Sean p, p
/
∈ [1, ∞) tales que
1
p
+
1
p
/
= 1.
Pruebe que para u ∈ L
p
([0, 1]) y v ∈ L
p
/
([0, 1]) se cumple la desigualdad de H¨ older
|uv|
1
≤|u|
p
|v|
p
/ . (5.216)
Idea.- Para probar (5.216) puede utilizar (5.215) para probar que
_
1
0
[u(t)v(t)[dt ≤
1
p
|u|
p
p
+
1
p
/
|v|
p
/
p
. (5.217)
Reemplace u por λu, λ > 0, en (5.217) y optimice en λ la desigualdad as´ı obtenida.
5.5. Sea V = L
p
([0, 1]). Pruebe que | |
p
es una norma sobre V.
Idea.- Para probar la desigualdad triangular use (5.216).
5.6. Pruebe que en un espacio normado una bola es un conjunto abierto.
5.7. Sean (V, | |
V
) y (W, | |
W
) dos espacios normados. Pruebe que un operador L : V →W es continuo en
el punto v
0
∈V ssi para cualquier sucesi ´ on (v
n
)
n∈N
⊆V tal que l´ım
n→∞
v
n
=v
0
, se sigue que l´ım
n→∞
L(v
n
) =L(v
0
).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
266 5 An´ alisis de Fourier
5.8. Sean (V, | |
V
) y (W, | |
W
) dos espacios normados y L : V →W un operador lineal, es decir que
verifica
L[αu+v] = α L[u] +L[v], para todo α ∈ 1 y para todo u, v ∈V.
Pruebe que si existe una constante c > 0 tal que
|L[u]|
W
≤c|u|
V
, para todo u ∈V,
entonces L es un operador continuo.
5.9. Pruebe que la f´ ormula
(u, v) =
_
1
0
u(t)v(t)dt,
define un producto escalar sobre C([0, 1]) pero no sobre Λ
2
([0, 1]).
5.10. Pruebe que la f´ ormula
([u], [v]) =
_
1
0
u(t)v(t)dt,
define un producto escalar sobre L
2
([0, 1]).
5.11. Sea V un espacio Euclidiano. Pruebe que
[(u, v)[ ≤|u||v|, para todo u, v ∈V.
Idea.- Minimice en α ∈ 1 la funci ´ on deteminada por φ(α) =|u−αv|
2
.
5.12. Pruebe la igualdad de Parseval en L
2
([−π, π]) puede escribirse como
a
2
0
2
+


n=1
[a
2
n
+b
2
n
] =
1
π
_
π
−π
[u(t)[
2
dt,
donde a
0
, a
n
y b
n
son los coeficientes cl´ asicos de Fourier de u ∈ L
2
([−π, π])
5.13. Definimos una sucesi ´ on (w
n
)
n∈N

⊆L
2
(1), donde para cada n ∈ N

,
w
n
(t) =t
n
e
−t
2
/2
, t ∈ 1.
1) Pruebe que (w
n
)
n∈N

es linealmente independiente .
2) Usando Maxima aplique el proceso de Gram-Schmidt a (w
n
)
n∈N

para obtener los cinco primeros elemen-
tos de la sucesi ´ on ortonormal en L
2
(1):
(e
n
)
n∈N

=
_
1
(2
n
n!

π)
1/2
e
−t
2
/2
H
n
_
n∈N

A e
n
se le conoce como la n-´ esima funci ´ on de Hermite y a H
n
se le conoce como el n-´ esimo polinomio de
Hermite.
Idea.- Los primeros polinomios H
n
son H
0
(t) = 1, H
1
(t) = 2t, H
2
(t) = 4t
2
−2, H
3
(t) = 8t
3
−12t, H
4
(t) =
16t
4
−48t
2
+12, H
5
(t) = 32t
5
−160t
3
+120t.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 267
3) Aplique el m´ etodo de series de potencias para probar que H
n
es soluci´ on de la ecuaci ´ on de Hermite
y
//
−2ty
/
+2ny = 0,
de manera que H
n
es un funci ´ on propia de L, el operador de Hermite,
(Ly)(t) =−y
//
(t) +2t y
/
(t),
asociada al valor propio 2n.
5.14. Definimos una sucesi ´ on (w
n
)
n∈N

⊆L
2
([0; ∞)), donde para cada n ∈ N

,
w
n
(t) =t
n
e
−t/2
, t ∈ [0, ∞).
1) Pruebe que (w
n
)
n∈N

es linealmente independiente .
2) Usando Maxima aplique el proceso de Gram-Schmidt a (w
n
)
n∈N

para obtener los cinco primeros elemen-
tos de la sucesi´ on ortonormal en L
2
([0; ∞)):
(e
n
)
n∈N

=
_
e
−t/2
L
n
_
n∈N

A e
n
se le conoce como la n-´ esima funci ´ on de Laguerre y a L
n
se le conoce como el n-´ esimo polinomio
de Laguerre.
Idea.- Los primeros polinomios L
n
son L
0
(t) =1, L
1
(t) =1−t, L
2
(t) =1−2t +
1
2
t
2
, L
3
(t) =1−3t +
3
2
t
2

1
6
t
3
, L
4
(t) = 1−4t +3t
2

2
3
t
3
+
1
24
t
4
.
3) Aplique el m´ etodo de series de potencias para probar que L
n
es soluci ´ on de la ecuaci ´ on de Laguerre
ty
//
+(1−t)y
/
+ny = 0.
5.15. Encuentre la serie de Fourier cl´ asica de la funci ´ on indicada en el intervalo dado
f
1
(x) = π
2
−x
2
, −π ≤x ≤π; f
2
(x) =[x[, −π ≤x ≤π;
f
3
(x) =
_
0, −π ≤x < 0,
π −x, 0 ≤x ≤π;
f
4
(x) =
_
¸
¸
¸
_
¸
¸
¸
_
1, −2 ≤x <−1,
−x, −1 ≤x < 0,
x, 0 ≤x < 1,
1, 1 ≤x ≤2.
f
5
(x) =
_
1, −5 < x < 0,
1+x, 0 ≤x < 5;
f
6
(x) = e
x
, −π < x < π;
f
7
(x) =
_
¸
¸
¸
_
¸
¸
¸
_
0, −2 ≤x <−1,
−2, −1 ≤x < 0,
1, 0 ≤x < 1,
0, 1 ≤x < 2.
5.16. Use las series de Fourier de las funciones
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
268 5 An´ alisis de Fourier
f
1
(x) =
_
0, −π ≤x < 0,
x
2
, 0 ≤x ≤π;
f
2
(x) = x +π, −π < x < π;
para demostrar que
π
2
6
= 1+
1
2
2
+
1
3
2
+
1
4
2
+...
π
2
12
= 1−
1
2
2
+
1
3
2

1
4
2
+...
π
4
= 1−
1
3
+
1
5

1
7
+...
5.17. Se prov´ ee informaci ´ on sobre la funci ´ on en el intervalo [0, L]:
f
1
(x) = 2x, 0 ≤x ≤1; f
2
(x) =
_
1, 0 ≤x < 1
−1, 1 ≤x ≤2
;
f
3
(x) =
1
10
sin(4π x)e
x
, 0 ≤x ≤5; f
4
(x) =
_
1, 0 ≤x < 2
1+x, 2 ≤x < 5
;
f
5
(x) = 4, 0 ≤x ≤3; f
6
(x) =
_
¸
¸
¸
_
¸
¸
¸
_
0, 0 ≤x < 1
−2, 1 ≤x < 2
1, 2 ≤x < 3
0, 3 ≤x ≤4
;
f
7
(x) = x sin(x), 0 ≤x ≤π.
1) Encuentre la serie de Fourier de la funci ´ on en el intervalo sim´ etrico [−L, L] si la funci ´ on es par. Grafique en
Maxima la funci ´ on.
2) Encuentre la serie de Fourier de la funci ´ on en el intervalo sim´ etrico [−L, L] si la funci´ on es impar. Grafique
en Maxima la funci´ on.
3) Grafique con Maxima las series obtenidas en los literales anteriores considerando sumas truncadas de 10
t´ erminos.
5.18. Se sabe que f (x) =sin(x), x ∈[0, π]. Calcule la serie de Fourier en el intervalo [−π, π] para la funci ´ on
f = f (x) considerando que es una funci ´ on par. Encuentre la suma de la serie


n=1
(−1)
n
(4n
2
−1)
.
5.19. Sea f ∈ L
1
(1) y ω
0
∈ 1.
1) Pruebe que
F
_
e

0
t
f (t)
¸
(ω) =
ˆ
f (ω −ω
0
).
2) Con este resultado, pruebe que
F[ f (t) cos(ω
0
t)] (ω) =
1
2
[
ˆ
f (ω +ω
0
) +
ˆ
f (ω −ω
0
)],
F[ f (t) sin(ω
0
t)] (ω) =
i
2
[
ˆ
f (ω −ω
0
) +
ˆ
f (ω −ω
0
)].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
5.6 Transformada de Fourier 269
5.20. Sea f ∈ L
1
(1), t
0
∈ 1 y a ∈ 1¸¦0¦. Pruebe que
F[ f (t −t
0
)] (ω) = e
−iωt
0 ˆ
f (ω);
F[ f (at)] (ω) =
1
[a[
ˆ
f
_
ω
a
_
.
5.21. Encuentre la transformada de Fourier de la se˜ nal. Asuma que a, b, c ∈ 1 son constantes.
f
1
(t) = e
−a[t[
, f
2
(t) = P
b
(t), f
3
(t) = P
b,c
(t),
f
4
(t) =
2a
a
2
+t
2
, f
5
(t) =t P
0,b
+(2t −b), f
6
(t) = e
−at
H(t),
f
7
(t) = e
−at
P
b,c
(t), f
8
(t) = e
−iat
P
b
(t), f
9
(t) = e
−iat
P
b,c
(t),
f
10
(t) = e
−at
2
, f
11
(t) =
sin(bt)
πt
, f
12
(t) =
at
π(a
2
+t
2
)
.
5.22. Calcule la transformada de Fourier de la se˜ nal. Suponga que k > 0 es una constante.
f
1
(t) =−P
−1,0
(t) +P
0,1
(t), f
2
(t) = sin(t)P
k
(t), f
3
(t) = 5e
−3(t−5)
2
,
f
4
(t) = H(t −k)e
−t/4
, f
5
(t) =
1
1+t
2
.
5.23. Calcule la transformada inversa de Fourier de
ˆ
f
1
(ω) =
9
32
e
−(ω+4)
2
,
ˆ
f
2
(ω) =
e
(20−4ω)i
3+ωi
,
ˆ
f
3
(ω) =
10 sin(3ω)
ω +π
,
ˆ
f
4
(ω) =
1
6−ω
2
+5iω
,
ˆ
f
5
(ω) =
10(4+iω)
41−ω
2
+8iω
,
ˆ
f
6
(ω) =
1+iω
6−ω
2
+5iω
.
5.24. Calcule
I =
_

−∞
e
−t
2
cos(t)dt.
5.25. Sea a > 0. Calcule la transformada de Fourier de
f (t) =
t
a
2
+t
2
.
5.26. Encuentre la transformada de Fourier de f = f (t).
f
1
(t) =
t
9+t
2
, f
2
(t) = 3te
−9t
2
,
f
3
(t) = 26H(t)t e
−2t
, f
4
(t) = H(t −3) (t −3)e
−4t
,
f
5
(t) =
d
dt
_
H(t)e
−3t
¸
, f
6
(t) =t P
1
(t),
f
7
(t) =
5e
3it
t
2
−4t +13
, f
8
(t) = H(t −3)e
−2t
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
270 5 An´ alisis de Fourier
5.27. Usando la convoluci ´ on encuentre la transformada inversa de Fourier de
ˆ
f =
ˆ
f (ω).
ˆ
f
1
(ω) =
1
(1+iω)
2
,
ˆ
f
2
(ω) =
1
(1+iω)(2+iω)
,
ˆ
f
3
(ω) =
sin(3ω)
ω(2+iω)
.
5.28. Calcule la energ´ıa de la se˜ nal
f (t) =
_
_
_
sin(3t)
t
, t ,= 0,
5, t = 0.
5.29. Resuelva la ecuaci ´ on diferencial
u
//
+6u
/
+5u = δ(t −3), t ∈ 1,
v
/
−4v = H(t)e
−4t
, t ∈ 1.
5.30. Encuentre G
j
= G
j
(ω), el contenido de frecuencia de la se˜ nal f
j
= f
j
(t) en el intervalo I.
f
1
(t) =t
2
, I = [−5, 5),
f
2
(t) = cos(at), I = [−4π, 4π),
f
3
(t) = e
−t
, I = [0, 4),
f
4
(t) = e
t
sin(πt), I = [−1, 1].
5.31. Sea a > 0. Verifique que se cumple la igualdad de Parseval para f = f (t).
f (t) = e
−a[t[
, f (t) = H(t)e
−a[t[
.
5.32. Sean µ ∈ 1 y σ > 0. Encuentre la transformada de Fourier de
f (t) =
1

2π σ
e

(t−µ)
2

2
, t ∈ 1.
5.33. Con ayuda de la transformada de Fourier calcule
I =
_

−∞
_
sin(t)
t
_
e
−[t[
dt;
5.34. Sea a > 0. Con ayuda de la transformada de Fourier compruebe que
_

0
cos(t)
t
2
+a
2
n
2
dt =
1
n
_
2a
π
_
n−1
_
_

0
cos(t)
t
2
+a
2
_
n
, n ∈ N.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Cap´ıtulo 6
Ecuaciones Diferenciales Parciales
6.1. Introducci ´ on
Presentamos aqu´ı una breve introducci ´ on a las Ecuaciones Diferenciales Parciales (abreviado EDP).
Para un primer curso de EDP recomendamos [Per04]. Un libro de texto excelente y con una presentaci ´ on
moderna es [Eva98]. El lector tambi´ en puede encontrar ´ utiles [O’N09] y [Mij82].
Las ecuaciones diferenciales son ´ utiles pues permiten modelar matem´ aticamente una gran variedad de
procesos o fen´ omenos en diferentes ´ areas como F´ısica, Ingenier´ıa, Econom´ıa, etc. Su estudio nace con el
C´ alculo. Newton se refer´ıa a ellas como “ecuaciones fluxionales” y para resolverlas introdujo el m´ etodo de
series de potencias. Leibniz y J. Bernoulli introdujeron el m´ etodo de separaci ´ on de variables.
Una EDP es una ecuaci´ on diferencial que involucra a una funci´ on inc´ ognita de dos o m´ as variables y a las
derivadas de la funci´ on inc´ ognita. Por su aplicaci´ on como modelos matem´ aticos, en las EDP se acostumbra
separar a la variable tiempo, t, de las dem´ as variables, x = (x
1
, x
2
, ..., x
n
) que pueden considerarse como los
grados de libertad del sistema que ha sido modelado.
Para escribir la forma general de una EDP necesitamos algo de notaci´ on. Dada una funci ´ on 1
n
⊇ Ω ¸
x = (x
1
, x
2
, ..., x
n
) −→u(x) ∈ 1 se denota indistintamente
∂u
∂x
i
= u
x
i
= ∂
x
i
u
a la derivada parcial de u con respecto a la variable x
i
. Asimismo se usa

2
u
∂x
i
∂x
j
= u
x
i
x
j
,

3
u
∂x
i
∂x
j
∂x
k
= u
x
i
x
j
x
k
, etc.
271
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
272 6 Ecuaciones Diferenciales Parciales
Notaci ´ on 6.1 [Multi´ındices] A un vector α = (α
1
, ..., α
n
) ∈ N
n

se le denomina multi´ındice de orden
[α[ = α
1
+... +α
n
. Dada una funci´ on 1
n
⊇Ω ¸ x = (x
1
, x
2
, ..., x
n
) −→u(x) ∈ 1, se denota
D
α
u =

[α[
u
∂x
α
1
1
. . . ∂x
α
n
n
. (6.1)
Cuando k ∈ N

denotamos al conjunto de derivadas parciales de orden k mediante
D
k
u =¦D
α
u : [α[ = k¦. (6.2)
En su forma m´ as general, una EDP se escribe como
F
_
t, x, u, Du, D
2
u, ..., D
k
u,
∂u
∂t
, ...,

l
u
∂t
l
_
= 0, t ∈ I, x ∈ Ω, (6.3)
donde el dominio temporal I ⊆ 1 es un intervalo de la forma [a, T] o [a, ∞), y el dominio espacial Ω es
una regi´ on de 1
n
. Al n´ umero m´ ax¦k, l¦ se le refiere como el orden de la EDP. Se dice que la EDP es de
evoluci ´ on si l = 1; que la EDP es estacionaria si u no depende de t.
Definici ´ on 6.1 [Linealidad]
Se dice que la EDP (6.3) es lineal si F es lineal af´ın en u y en sus derivadas, es decir si tiene la forma
l

j=1
b
j
(x, t)

j
u
∂t
j
+

[α[≤k
a
α
(x, t)D
α
u = f (x, t),
donde las funciones b
j
, a
α
y f son conocidas. En particular, se dice que la EDP es homog´ enea si
f = 0. Si una EDP no es lineal se dice que es no-lineal.
Observaci ´ on 6.1 Por lo general, resolver (anal´ıtica o num´ ericamente) una EDP no-lineal es m´ as dif´ıcil
que resolver una EDP lineal.
Notaci ´ on 6.2 Dada una funci´ on f que depende de las variables x e y. La notaci´ on f (x, ) se refiere a la
funci´ on que resulta de fijar x y hacer variar a y. De la misma manera se entiende f (, y).
Cuando se trata de resolver la EDP (6.3) se busca una soluci ´ on fuerte o soluci ´ on cl´ asica, esto es, una
funci ´ on u
0
: Ω I →1 que cumple
a) u
0
(x, ) ∈ C
l
(I), para todo x ∈ Ω;
b) u
0
(, t) ∈ C
k
(Ω), para todo t ∈ I;
c) u
0
verifica (6.3).
Si no se especifica nada, por “soluci ´ on” de una EDP entenderemos “soluci ´ on cl´ asica”.
Observaci ´ on 6.2 Para un estudio m´ as avanzado de EDP’s (tanto desde el punto de vista num´ erico co-
mo anal´ıtico) se requiere buscar soluciones de una EDP en un sentido m´ as general, esto es, se buscan
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.1 Introducci ´ on 273
soluciones d´ ebiles, donde en lugar de las propiedades de derivabilidad se exigen propiedades de integra-
bilidad. Esto lleva al estudio de los espacios de Sobolev y de los espacios de distribuciones (o funciones
generalizadas).
Condiciones iniciales y de frontera
Como se mencion´ o anteriormente, las EDP son a menudo el ingrediente principal de modelos matem´ ati-
cos que representan sistemas concretos en Ingenier´ıa. Estas EDP suelen complementarse con condiciones
/ restricciones adicionales que reflejan informaci ´ on adicional del fen´ omeno bajo estudio. Las restricciones
asociados a una EDP
F
_
t, x, u, Du, ..., D
k
u,
∂u
∂t
, ...,

l
u
∂t
l
_
= 0, t ∈ [0, ∞), x ∈ Ω ⊆1
n
,
son condiciones iniciales o de frontera.
a) Condiciones de Frontera.- Cuando se prescribe informaci ´ on para u sobre la frontera del dominio. Por
ejemplo,
u(t, x) = 0, t ∈ [0, ∞), x ∈ ∂Ω;
u(t, x) = sin(t), t ∈ [0, ∞), x ∈ ∂Ω;
∂u
∂x
1
(t, x) = 0, t ∈ [0, ∞), x ∈ ∂Ω;
∂u
∂t
(t, x) =t
2
, t ∈ [0, ∞), x ∈ ∂Ω.
b) Condiciones Iniciales.- Cuando se prescribe informaci ´ on u al tiempo t = 0. Por ejemplo,
u(0; x) = cosh(x), x ∈ Ω ⊆1;
∂u
∂t
(0; x) = 0, x ∈ Ω ⊆1
n
;
∂u
∂t
(0; x) = x
2
1
+x
2
2
, x ∈ Ω ⊆1
2
.
El significado y relevancia de las condiciones inciales y de frontera se esclarecen cuando se estudian casos
concretos de procesos o fen´ omenos modelados con EDP.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
274 6 Ecuaciones Diferenciales Parciales
6.2. Ejemplos de EDP
Ecuaci ´ on de transporte
En Matem´ aticas el t´ ermino “evoluci ´ on” no tiene una carga val ´ orica; significa simplemente que hay cam-
bios en el tiempo. Para ejemplificar esto, consid´ erese un fluido que fluye con velocidad V(x, t), a trav´ es de
un tubo delgado de secci´ on A y sup´ ongase que el fluido contiene un agente externo cuya concentraci ´ on en
la posici ´ on x ∈ [0, ∞) al tiempo t ∈ [0, ∞) se denota u(x, t). La evoluci´ on de dicha concentraci´ on se puede
modelar con la ecuaci ´ on de transporte:
∂u
∂t
=−V(x, t)
∂u
∂x
. (6.4)
La ecuaci ´ on (6.4) es de primer orden, lineal y de evoluci ´ on. El agente externo podr´ıa ser un contaminante
o un veneno y el tubo podr´ıa ser una vena o arteria; en este caso uno podr´ıa considerar que la evoluci ´ on
es “negativa”. Si reemplazamos al contaminante por un medicamento, la evoluci ´ on ahora parecer´ıa ser
“positiva”.
Ecuaci ´ on de Schr¨ odinger
La ecuaci ´ on de Schr¨ odinger
ih
∂Ψ
∂t
(t, x) =−
h
2
2m
∆Ψ +V(x)Ψ(t, x), t ∈ [0, ∞), x ∈ Ω ⊆1
n
, (6.5)
es esencial en la Mec´ anica Cu´ antica (v´ eanse e.g. [LL65], [FMZ07]). Aqu´ı h ≈ 1,054571628[J s] es la
constante reducida de Planck, m es la masa del sistema y V representa un potencial definido sobre Ω. El
operador Laplaciano ∆ se define por
∆φ =

2
φ
∂x
2
1
+

2
φ
∂x
2
2
+... +

2
φ
∂x
2
n
. (6.6)
La ecuaci ´ on (6.5) es de orden 2, de evoluci ´ on y lineal.
Ecuaciones no-lineales
Las EDP no-lineales tienen innumerables aplicaciones en la F´ısica-Matem´ atica y en Ingenier´ıa. La ecua-
ci ´ on p-Laplaciana, p ≥2,
−∆
p
u = F
/
(u), x ∈ Ω ⊆1
n
, (6.7)
es una ecuaci ´ on de segundo orden, no-lineal y estacionaria que permite modelar fen´ omenos de difusi ´ on no
lineal (v´ ease e.g. [Per97])). Cuando F(u) = λe
u
, (6.7) es el modelo de Frank-Kamenetstkii para ignici ´ on
de s´ olidos (v´ ease e.g. [FK69].
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.3 La ecuaci ´ on de difusi´ on 275
Observaci ´ on 6.3 El operador p-Laplaciano est´ a definido mediante

p
φ =∇ ([∇φ[
p−2
∇φ). (6.8)
Obs´ ervese que ∆
2
= ∆ es el operador Laplaciano.
La ecuaci ´ on de Monge-Ampere,
det(D
2
u)(x) = f (x), x ∈ Ω ⊆1
n
, (6.9)
aparece en el estudio de curvaturas en Geometr´ıa Diferencial y en problemas de Transporte Optimal (v´ eanse
e.g. [Vil03] y [Vil08]). La ecuaci ´ on (6.9) es de segundo orden, no lineal y estacionaria.
Las ecuaciones de Maxwell
Ejemplo 6.1 Alrededor de 1860, J. Maxwell mostr´ o que las leyes experimentales de la electricidad y el
magnetismo (leyes de Coulomb, Gauss, Biot-Savart, Ampere y Faraday) pod´ıan resumirse en un sistema de
ecuaciones en derivadas parciales que son conocidas hoy como las ecuaciones de Maxwell. En el vac´ıo,
se pueden escribir en su forma m´ as b´ asica como
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
ε
0
µ
0
∂E
∂t
=∇B,
∂B
∂t
=−∇E,
∇ E = 0,
∇ B = 0,
donde B es el campo magn´ etico, E es el campo el´ ectrico, ε
0
es la permitividad el´ ectrica y µ
0
es la permea-
bilidad magn´ etica.
6.3. La ecuaci ´ on de difusi ´ on
Que un mismo modelo matem´ atico pueda adaptarse a una variedad de fen´ omenos, que en principio no
est´ an relacionados, es una de las grandes fortalezas de la Matem´ atica.
En esta secci´ on presentamos la ecuaci´ on de difusi´ on (una generalizaci´ on de la ecuaci´ on del calor) que
aparece en el estudio del esparcimiento o difusi ´ on de algunas sustancias a trav´ es de un medio continuo.
En este grupo de procesos caen la difusi ´ on del humo de cigarrillo, la difusi´ on de neutrones en un reactor
nuclear, la difusi´ on de un disolvente qu´ımico en un solvente y la transferencia de calor.
Denotemos por u(x, t) la densidad (o concentraci ´ on) de la sustancia en el punto x ∈ Ω ⊆ 1
3
al tiempo
t ∈ [0, ∞), y por F(x, t) la densidad de corriente. Podemos suponer que u est´ a dada en
_
unid.
m
3
_
(unidades
por metro c´ ubico) y que F est´ a dada en
_
unid.
m
3
seg
_
. Si ω ⊆ Ω, la taza de cambio de la cantidad total de la
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
276 6 Ecuaciones Diferenciales Parciales
sustancia al interior de ω es igual al negativo del flujo neto a trav´ es de ∂ω, la frontera de ω:
d
dt
_
ω
u(x, t)dx =−
_
∂ω
F(x, t) η(x)dS, (6.10)
donde η(x) denota el vector unitario normal a la superficie ∂ω en el punto x ∈ ∂ω. Puesto que por el
Teorema de Gauss-Green se tiene que
_
∂ω
F(x, t) η(x)dS =
_
ω
∇ F(x, t)dx,
se sigue, por (6.10) y por la arbitrariedad de ω ⊆Ω, que
∂u
∂t
=−∇ F, t ∈ [0, ∞), x ∈ Ω. (6.11)
A (6.11) se le refiere como la ecuaci ´ on de difusi ´ on; es de orden 2 y de evoluci ´ on.
En muchas situaciones, es razonable suponer que se cumple la ley de Fick que establece que “el flu-
jo F va de regiones de mayor concentraci ´ on a regiones de menor concentraci ´ on”. En nuestro caso, esto
corresponde a
F =−κ(x, u)∇u, t ∈ [0, ∞), x ∈ Ω, (6.12)
donde κ(x, u) ≥ 0, x ∈ Ω, es una caracter´ıstica del medio llamada conductividad. Por ejemplo, si para
alg´ un p ≥1 y alguna a > 0,
F =−a[∇u[
p−2
∇u,
es decir si
κ(x, u) = a[∇u[
p−2
,
entonces (6.11) prov´ ee un modelo de difusi ´ on no-lineal:
∂u
∂t
= a∆
p
u, t ∈ [0, ∞), x ∈ Ω, (6.13)
donde ∆
p
es el p-Laplaciano definido en (6.8).
Ahora bien, si se trata de encontrar un modelo de difusi ´ on cuando se esperan variaciones moderadas de
u, entonces es razonable suponer que κ no depende de u. En este caso la ecuaci´ on de difusi ´ on se vuelve
lineal:
∂u
∂t
=∇ (κ(x)∇u). (6.14)
Si el medio es homog´ eneo, entonces κ es una constante a ≥ 0. En este caso particular, la ecuaci´ on de
difusi ´ on se denomina ecuaci ´ on del calor:
∂u
∂t
= a∆u, t ∈ [0, ∞), x ∈ Ω. (6.15)
Cuando (6.15) modela la transmisi ´ on del calor, u representa la temperatura y la ley de Fick simplemente
dice que “el calor se transmite de regiones con mayor temperatura a regiones con menor temperatura”.
Ejemplo 6.2 Supongamos que nos interesa dise˜ nar un espacio de fumadores al interior de un edificio
donde habitualmente est´ a prohibido fumar. Representemos por u = u(x, y, z, t) la densidad de humo de
cigarrillo al tiempo t ∈ [0; ∞), en el punto (x, y, z) ∈ Ω, donde
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.3 La ecuaci ´ on de difusi´ on 277
Ω =¦(x, y, z) ∈ 1
3
: [x[ < R, [y[ < R, 0 < z < h¦¸¦(x, y, z) ∈ 1
3
: [x[ ≤r, [y[ ≤r¦.
Aqu´ı 0 < r < R y h > 0. La difusi´ on del humo de cigarillo en el aire se puede modelar mediante la EDP
∂u
∂t
−a
_

2
u
∂x
2
+

2
u
∂y
2
+

2
u
∂z
2
_
= 0, t ∈ [0, ∞), (x, y, z) ∈ Ω;
sujeta a las restricciones
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
u(x, y, z, 0) = f (x, y, z), (x, y, z) ∈ Ω;
∂u
∂z
(x, y, z, t) = c
1
, t ∈ [0, ∞), (x, y, z) ∈ R
1
;
∂u
∂x
(x, y, z, t) = c
2
, t ∈ [0, ∞), (x, y, z) ∈ R
2
;

∂u
∂x
(x, y, z, t) = c
2
, t ∈ [0, ∞), (x, y, z) ∈ R
3
;
∂u
∂y
(x, y, z, t) = c
2
, t ∈ [0, ∞), (x, y, z) ∈ R
4
;

∂u
∂y
(x, y, z, t) = c
2
, t ∈ [0, ∞), (x, y, z) ∈ R
5
;
u(x, y, z, t) = 0, t ∈ [0, ∞), (x, y, z) ∈ ∂Ω ¸

5
i=1
R
i
;
donde c
1
y c
2
son constantes positivas y
R
1
= ¦(x, y, z) ∈ 1
n
: z = h, [x[ ≤R, [y[ ≤R¦¸¦(x, y, z) ∈ 1
n
: [x[ < r, [y[ < r¦;
R
2
= ¦(x, y, z) ∈ Ω : x =−r, [y[ ≤r, [z[ ≤h¦;
R
3
= ¦(x, y, z) ∈ Ω : x = r, [y[ ≤r, [z[ ≤h¦;
R
4
= ¦(x, y, z) ∈ Ω : y =−r, [x[ ≤r, [z[ ≤h¦;
R
5
= ¦(x, y, z) ∈ Ω : y = r, [x[ ≤r, [z[ ≤h¦.
La condici´ on sobre la subregi´ on de la frontera R
1
corresponde a la existencia de un extractor de aire en el
techo del sector de fumadores. Las condiciones para R
2
, R
3
, R
4
y R
5
corresponden a extractores de humo
ubicados en una columna ubicada en el centro del sector de fumadores. La condici´ on para Ω ¸

5
i=1
R
i
corresponde al ideal de que fuera del sector de fumadores no deben percibirse part´ıculas de humo. Para
optimizar energ´ıa, el ingeniero a cargo del dise˜ no deber´ıa considerar la implementaci´ on de sensores de
humo en Ω de manera que conforme a la se˜ nal detectada, se activen los extractores de humo. La intensidad
de los extractores est´ a dado por los valores de c
1
y c
2
.
Ecuaci ´ on de Laplace
La ecuaci ´ on de Laplace es la ecuaci ´ on estacionaria asociada a la ecuaci ´ on del calor (6.15). Esto es, si
u = u(x) representa la densidad de una sustancia en equilibrio, entonces
−∆u = 0, x ∈ Ω. (6.16)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
278 6 Ecuaciones Diferenciales Parciales
6.4. La ecuaci ´ on de onda
Introducimos en esta secci´ on un modelo matem´ atico que que permite estudiar la vibraci´ on de cuerdas
(n = 1) , membranas (n = 2) y s´ olidos el´ asticos (n = 3).
Supongamos que u(t, x) representa el desplazamiento del punto x ∈ Ω ⊆ 1
n
(con n=1,2,3) al tiempo
t ∈ [0, ∞). Si ω ⊆Ω, entonces la aceleraci ´ on al interior de ω es
d
2
dt
2
_
ω
u(x, t)dx =
_
ω
d
2
u
dt
2
(x, t)dx.
Si F representa la fuerza que act´ ua sobre la regi ´ on ω a trav´ es de ∂ω, entonces la fuerza neta de contacto es

_
∂ω
F ηdS. Por la ley de Newton se tiene entonces que
m
ω
_
ω
d
2
u
dt
2
(x, t)dx =−
_
∂ω
F ηdS,
donde m
ω
es la masa de ω. Para cuerpos el´ asticos se tiene que F = F(∇u) entonces, por la arbitrariedad de
ω se obtiene la ecuaci ´ on no-lineal de onda:
m
d
2
u
dt
2
+∇ F(∇u) = 0, t ∈ [0, ∞), x ∈ Ω. (6.17)
Para peque˜ nos desplazamientos, ∇u, se tiene que
F(∇u) ≈−a∇u, (6.18)
con a > 0. Reemplazando (6.18) en (6.17) se obtiene la ecuaci´ on lineal de onda:
d
2
u
dt
2

a
m
∆u = 0, t ∈ [0, ∞), x ∈ Ω. (6.19)
6.5. Resoluci ´ on de EDP’s
6.5.1. M´ etodo de separaci´ on de variables
El m´ etodo de separaci ´ on de variables intenta construir una soluci ´ on f = f (x)para una EDP
F
_
x, u; D
k
u, D
k−1
u, ..., Du
_
= 0, (t; x) ∈ I Ω, (6.20)
suponiendo v´ alida la relaci ´ on
f (x
1
, x
2
, ..., x
n
) = g(x
1
, ..., x
k
) h(x
k+1
, ..., x
n
), x = (x
1
, ..., x
n
) ∈ Ω. (6.21)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.5 Resoluci ´ on de EDP’s 279
El procedimiento corresponde a insertar (6.21) en (6.20) y escoger las funciones g y h de manera que sean
sencillas en tanto que todav´ıa se cumpla (6.20). Finalmente se arma una soluci´ on completa con la ayuda de
las series de Fourier.
Observaci ´ on 6.4 Si bien el m´ etodo permite alcanzar soluciones anal´ıticas para una variedad EDP’s sen-
cillas nunca debe perderse de vista que en las aplicaciones reales de las EDP a la ingenier´ıa normalmente
se recurre a m´ etodos num´ ericos para aproximar una soluci´ on.
El m´ etodo de separaci ´ on de variables se aprende a base de ejemplos.
Ejemplo 6.3 Consideremos una varilla met´ alica muy delgada de tama˜ no L > 0 que al tiempo t = 0 tiene
una temperatura f (x), x ∈ [0, L]. Supongamos que
1) los extremos de la varilla se mantienen con una temperatura constante de 0

.
2) el calor se transmite s´ olo en la direcci´ on x;
3) no hay una fuente que proporcione calor a la varilla;
4) la densidad de masa es constante a lo largo de la varilla;
5) el calor espec´ıfico y la conductividad t´ ermica son constantes a lo largo de la varilla.
entonces la temperatura u(t, x) de la varilla corresponde a una soluci´ on del siguiente problema que invo-
lucra a la ecuaci´ on del calor unidimensional
k

2
u
∂x
2
=
∂u
∂t
, 0 ≤x ≤L, t ≥0, (6.22)
junto con las condiciones
u(0, t) = 0, t ≥0, (6.23)
u(L, t) = 0, t ≥0, (6.24)
u(x, 0) = f (x), 0 ≤x ≤L. (6.25)
Supongamos que existe una soluci´ on de (6.22) de la forma
u(t, x) = X(x) T(t),
de manera que (6.22) corresponde a
kX
//
T = X T
/
,
es decir
X
//
X
=
T
/
kT
= λ,
donde λ ∈1 es una constante en virtud de que las funciones X
//
/X y T
/
/T dependen de variables distintas.
Entonces (6.22) equivale a dos EDO’s:
_
X
//
−λX = 0;
T
/
−λkT = 0.
(6.26)
Para resolver (6.26) necesitamos conocer el signo de λ.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
280 6 Ecuaciones Diferenciales Parciales
Caso λ = 0. En este caso, (6.26) corresponde a
X
//
= 0 =⇒ X = c
1
x +c
2
,
T
/
= 0 =⇒ T = c
3
.
Se tiene entonces que
u(t, x) = c
1
c
3
x +c
2
c
3
. (6.27)
Ahora usando las condiciones (6.23) y (6.24) en (6.29) se obtiene:
c
1
c
3
= 0, c
2
c
3
= 0,
de manera que
u(t, x) = 0.
Puesto que esto ´ ultimo es incompatible con (6.25) se concluye que para λ = 0 no existe soluci´ on.
Caso λ > 0. En este caso, ponemos λ = w
2
, con w > 0, de manera que (6.26) corresponde a
X
//
−w
2
X = 0 =⇒ X = c
1
e
wx
+c
2
e
−wx
,
T
/
−w
2
T = 0 =⇒ T = c
3
e
w
2
t
.
Se tiene entonces que
u(t, x) = c
1
c
3
e
w
2
t
e
wx
+c
2
c
3
e
w
2
t
e
−wx
. (6.28)
Ahora usando las condiciones (6.23) y (6.24) en (6.29) se obtiene:
_
c
1
c
3
+c
2
c
3
= 0,
c
1
c
3
e
Lw
+c
2
c
3
e
−Lw
= 0,
de manera que
c
1
c
3
= 0, c
2
c
3
= 0,
y
u(t, x) = 0.
Puesto que esto ´ ultimo es incompatible con (6.25) se concluye que para λ > 0 no existe soluci´ on.
Caso λ < 0. En este caso, ponemos λ =−w
2
, con w > 0, de manera que (6.26) corresponde a
X
//
+w
2
X = 0 =⇒ X = c
1
cos(wx) +c
2
sin(wx),
T
/
+w
2
T = 0 =⇒ T = c
3
e
−w
2
t
.
Se tiene entonces que
u(t, x) = c
1
c
3
e
−w
2
t
cos(wx) +c
2
c
3
e
−w
2
t
sin(wx). (6.29)
Ahora usando las condiciones (6.23) y (6.24) en (6.29) se obtiene:
_
c
1
c
3
= 0,
c
2
c
3
sin(Lw) = 0.
En caso de que c
2
c
3
= 0 obtenemos u(t, x) = 0 que como ya se vi´ o no prov´ ee una soluci´ on para (P).
Resolvemos entonces
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.5 Resoluci ´ on de EDP’s 281
sin(Lw) = 0 ⇐⇒ Lw = nπ, n ∈ N,
de manera que
w
n
=

L
, n ∈ N,
y
u
n
(t, x) = c
2
c
3
exp
_
t
n
2
π
2
L
2
_
sin
_
nπx
L
_
.
es una soluci´ on de (6.22) tal que verifica (6.23) y (6.24).
Considerando que ninguna de las u
n
satisface (6.25) y el hecho de que cualquier combinaci´ on lineal de
las funciones u
n
verifica (6.22) junto con (6.23) y (6.24), conjeturamos una soluci´ on de (P) con la forma
u(t, x) =


n=1
γ
n
exp
_
t
n
2
π
2
L
2
_
sin
_
nπx
L
_
.
Entonces por (6.25) se debe cumplir que
f (x) = u(0, x) =


n=1
γ
n
sin
_
nπx
L
_
.
Entonces, por (5.99) se hallan los coeficientes γ
n
:
γ
n
=
2
L
_
L
0
f (τ)sin
_
nπτ
L
_
dτ,
de manera que
u(t, x) =
2
L


n=1
_
_
L
0
f (τ)sin
_
nπτ
L
_

_
exp
_
t
n
2
π
2
L
2
_
sin
_
nπx
L
_
es soluci´ on de (P).
Ejemplo 6.4 El modelamiento matem´ atico de fluidos y transporte a trav´ es de medios porosos juega un
rol importante en estudios medio-ambientales. Entre sus aplicaciones est´ an la intrusi´ on de agua mar en
acu´ıferos costaneros y en el desarrollo de nuevas metodolog´ıas para la recuperaci´ on de contaminantes
derivados del petr´ oleo. En su forma m´ as simple estas situaciones se modelan mediante la ecuaci ´ on de
medios porosos:
∂u
∂t
−∆(u
γ
) = 0, t ∈ [0, ∞), x ∈ Ω, (6.30)
donde γ > 1. Nos interesa soluciones u ≥0 cuando
1) el dominio de estudio es Ω =1
n
;
2) al tiempo t = 0 se conoce que la densidad es constante e igual a ρ
0
cuando [x[ = 1.
Buscamos una soluci´ on de la forma
u(t, x) = v(t) w(x), x ∈ 1
n
, t ∈ [0, ∞). (6.31)
Reemplazando (6.31) en (6.30) se tiene, para x ∈ 1
n
y t ∈ [0, ∞), que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
282 6 Ecuaciones Diferenciales Parciales
v
/
(t)
v(t)
= µ =
∆w
γ
(x)
w(x)
,
para alguna constante µ. Es claro entonces que, para alguna constante λ,
v(t) = ((1−γ)µt +λ)
1
1−γ
. (6.32)
Analicemos solo el caso, λ > 0. Para hallar w se debe resolver la EDP
∆(w
γ
) = µw, x ∈ 1
d
. (6.33)
Conjeturamos ahora que (6.33) tiene una soluci´ on de la forma
w(x) =[x[
α
,
para alguna constante α. Al reemplazar la conjetura en (6.33) se obtiene:
µw−∆(w
γ
) = µ[x[
α
−αγ(αγ +n−2)[x[
αγ−2
. (6.34)
Por tanto debe cumplirse que
α =
2
γ −1
, (6.35)
µ = αγ(αγ +n−2) > 0. (6.36)
Por tanto
u(t, x) = ((1−γ)µt +λ)
1
1−γ
[x
α
[, (6.37)
es una solucion para (6.30), donde α y µ est´ an dados por (6.35) y (6.36). Por las condiciones del problema
se tiene entonces que
u(0, x) = ρ
0
= λ
1
1−γ
[x[
α
, [x[ = 1,
de manera que
λ = ρ
1−γ
0
,
y una soluci´ on de nuestro problema es entonces
u(t, x) = ((1−γ)µt +ρ
1−γ
0
)
1
1−γ
[x
α
[, (6.38)
6.5.2. Funciones generalizadas
Las funciones generalizadas, tambi´ en llamadas distribuciones temperadas, son una herramienta poderosa
para tratar con ecuaciones en derivadas parciales. En esta secci ´ on las abordamos en el caso unidimensional
y avanzamos hasta calcular transformadas de Fourier de ellas. Para una presentaci´ on de las distribucio-
nes temperadas en el marco de los espacios vectoriales topol´ ogicos, el lector puede referirse a [RS72] y
[MZ10b].
Denotamos N

= N∪¦0¦. Empezamos por definir S(1), el espacio vectorial de las funciones cuyas
derivadas decaen m´ as r´ apido que cualquier polinomio.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.5 Resoluci ´ on de EDP’s 283
Definici ´ on 6.2 [Funciones de decrecimiento r´ apido]
Decimos que ϕ ∈ C

(1) es una funci´ on de r´ apido decrecimiento, denotado ϕ ∈ S(1), si para cada
α, β ∈ N

se tiene que
|ϕ|
α,β
≡sup
x∈1
[x
α
D
β
ϕ(x)[ <∞. (6.39)
Definici ´ on 6.3 [Distribuciones temperadas]
Se llama espacio de distribuciones temperadas a S
/
(1), al dual topol´ ogico de S(1), es decir al
conjunto de aplicaciones lineales continuas definidas sobre S(1).
Es claro que dos distribuciones temperadas T y S son iguales si
T[ϕ] = S[ϕ], para todo ϕ ∈ S(1). (6.40)
Se tiene (v´ ease [MZ10b, Teo.2.2]) la siguiente caracterizaci´ on
Teorema 6.1 [Caracterizaci ´ on]
Una aplicaci´ on lineal T : S(1) →1 est´ a en S
/
(1) si existen k, m ∈ N

y C > 0 tales que
T[ϕ] ≤C|ϕ|
k,m
, para todo ϕ ∈ S(1). (6.41)
Ejemplo 6.5 Dado n ∈ N y a ∈ 1, se define δ
n
a
: S(1) →1 mediante
< δ
n
a
, ϕ >= (D
n
ϕ)(a)
No es dif´ıcil verificar que δ
n
a
∈ S
/
(1). En particular δ = δ
0
0
es el delta de Dirac cl´ asico.
Ejemplo 6.6 Sea g ∈ S(1). Denotamos por T
g
: S(1) →C a la aplicaci´ on definida mediante
T
g
[ϕ] =
_

−∞
g(x)ϕ(x)dx, ϕ ∈ S(1). (6.42)
Se tiene que T
g
est´ a en S
/
(1).
Ejemplo 6.7 En el Ejemplo 6.6 se puede suponer que g ∈ L
p
(1) con p ∈ [1, ∞].
Definici ´ on 6.4 [Derivada d´ ebil]
Sean T ∈ S
/
(1) y n ∈ N. Se define la derivada d´ ebil (o derivada en el sentido de las distribuciones)
T
(n)
∈ S
/
(1) mediante
T
(n)
[ϕ] = (−1)
n
T
_
ϕ
(n)
_
, ϕ ∈ S(1). (6.43)
Ejemplo 6.8 Considere la funci´ on g : 1 →1 dada mediante
g(x) =
_
x, x ≥0,
0, x < 0.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
284 6 Ecuaciones Diferenciales Parciales
En el sentido de las distribuciones, g
/
= H, donde H es la funci ´ on de Heaviside. La derivada d´ ebil de H
es δ, el delta de Dirac.
Ejemplo 6.9 Sea a ,= 0. En el sentido de las distribuciones, se tiene que
δ(ax) =
1
[a[
δ(x). (6.44)
Se tiene adem´ as que
δ
(n)
[ϕ] = (−1)
n
ϕ
(n)
(0), ϕ ∈ S(1). (6.45)
Ejemplo 6.10 Dados ψ ∈ S(1) y T ∈ S
/
(1), se define la distribuci´ on ψT mediante
(ψT)[ϕ] = T[ψϕ], ϕ ∈ S(1).
Se tiene que
(ψT)
/
= ψ
/
T +ψT
/
; (6.46)
_
T
ψ
_
/
=
ψT
/
−ψ
/
T
ψ
2
. (6.47)
Transformada de Fourier de funciones
Se define la transformada de Fourier de una distribuci´ on temperada T ∈ S
/
(1) como la distribuci ´ on
ˆ
T ∈ S
/
(1) definida mediante
f s (6.48)
6.5.3. Resoluci ´ on mediante las transformadas de Fourier y Laplace
La transformada de Fourier es una herramienta que puede ser utilizada para el an´ alisis de Ecuaciones en
Derivadas Parciales.
Ejemplo 6.11 Consideremos el siguiente problema
_
u
t
= a
2
u
xx
+ f (x, t), x ∈ 1, t ≥0,
u(x, 0) = λ(x), x ∈ 1.
(P)
Aqu´ı se est´ a usando la notaci´ on
∂u
∂t
= u
t
,
∂u
∂x
= u
x
,

2
u
∂t
2
= u
tt
,

2
u
∂x
2
= u
xx
, etc. (6.49)
Para cada t fijo, denotamos
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.5 Resoluci ´ on de EDP’s 285
v(ω, t) =F[u] (ω, t), (6.50)
g(ω, t) =F[ f ] (ω, t), (6.51)
µ(ω) =F[λ] (ω), (6.52)
de manera que
F[u
t
] (ω, t) = v
t
(ω, t), (6.53)
F[u
xx
] (ω, t) = (iω)
2
v(ω, t) =−ω
2
v(ω, t). (6.54)
Usando (6.50) - (6.54), el problema (P) se transforma en
_
v
t
+a
2
ω
2
v = g(ω, t), t ≥0,
v(ω, 0) = µ(ω),
(6.55)
que es una ecuaci´ on diferencial ordianria junto con una condici´ on inicial. Aplicando la transformada de
Laplace al problema (6.55) con la notaci´ on
G(ω, s) =L [g] (ω, s), V(ω, s) =L [v] (ω, s),
se tiene que
sV −µ(ω) +a
2
ω
2
V = G, (6.56)
de manera que
V(ω, s) =
µ(ω)
s +a
2
ω
2
+
G(ω, s)
s +a
2
ω
2
.
Ahora, denotando la convoluci´ on en [0, ∞) mediante
conv(φ, ν)(t) =
_
t
0
φ(t −τ)g(τ)dτ, t ≥0, (6.57)
se tiene que
v(ω, t) = µ(ω)e
−a
2
ω
2
t
+conv
_
L
−1
[G] , L
−1
_
1
s +a
2
ω
2
__
(t)
y, por tanto,
v(ω, t) = µ(ω)e
−a
2
ω
2
t
+conv
_
g(ω, t), e
−a
2
ω
2
t
_
. (6.58)
Por tanto, para hallar la soluci´ on de (P) se debe tomar la transformada inversa de Fourier en (6.58).
Tomando
1
4A
= a
2
t
en la f´ ormula
F
−1
__
π
A
e
−ω
2
/4A
_
(x) = e
−Ax
2
, (6.59)
se tiene que
F
−1
_
e
−a
2
ω
2
t
_
(x) =
1
2a

πt
e
−x
2
/4a
2
t
de manera que
F
−1
_
µ(ω)e
−a
2
ω
2
t
_
(x) = λ(x) ∗
1
2a

πt
e
−x
2
/4a
2
t
, (6.60)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
286 6 Ecuaciones Diferenciales Parciales
donde ∗ representa la convoluci´ on en 1.
Por otro lado, para funciones φ = φ(x, t) y ν = ν(x, t) tenemos que
F
−1
_
conv
_
ˆ
φ(ω, t), ˆ ν(ω, t)

(x, t) =
_

−∞
e
iωx
_
_
t
0
ˆ
φ(ω, t −τ) ˆ ν(ω, τ)dτ
_

=
_
t
0
_
_

−∞
e
iωx
ˆ
φ(ω, t −τ) ˆ ν(ω, τ)dω
_
dt
=
_
t
0
φ(x, t −τ) ∗ν(x, τ)dt. (6.61)
Por tanto,
F
−1
_
conv
_
g(ω, t), e
−a
2
ω
2
t
__
=
_
t
0
_
1
2a
_
π(t −τ)
e
−x
2
/4a
2
(t−τ)
∗ f (x, τ)
_
dt. (6.62)
Usando (6.60) y (6.62) en la transformada inversa de (6.58) se obtiene la f´ ormula de Poisson:
u(x, t) = λ(x) ∗
1
2a

πt
e
−x
2
/4a
2
t
+
_
t
0
_
1
2a
_
π(t −τ)
e
−x
2
/4a
2
(t−τ)
∗ f (x, τ)
_
dt (6.63)
que a veces se escribe como
u(x, t) =
1
2a

πt
_

−∞
λ(y)e
−(x−y)
2
/4a
2
t
dy +
_
t
0
1
2a
_
π(t −τ)
_

−∞
f (y, τ)e
−(x−y)
2
/4a
2
(t−τ)
dydτ. (6.64)
Ejemplo 6.12 La soluci´ on del problema
_
¸
_
¸
_
u
tt
= a
2
u
xx
+ f (x, t), x ∈ 1, t ≥0,
u(x, 0) = θ(x), x ∈ 1,
u
t
(x, 0) = ψ(x), x ∈ 1.
(Q)
se puede hallar como
u(x, t) = u
1
(x, t) +u
2
(x, t) +u
3
(x, t), (6.65)
donde u
1
(x, t), u
2
(x, t) y u
3
(x, t) son soluciones, respectivamente de
_
¸
_
¸
_
u
tt
= a
2
u
xx
, x ∈ 1, t ≥0,
u(x, 0) = θ(x), x ∈ 1,
u
t
(x, 0) = 0, x ∈ 1,
(Q1)
_
¸
_
¸
_
u
tt
= a
2
u
xx
, x ∈ 1, t ≥0,
u(x, 0) = 0, x ∈ 1,
u
t
(x, 0) = ψ(x), x ∈ 1,
(Q2)
_
¸
_
¸
_
u
tt
= a
2
u
xx
+ f (x, t), x ∈ 1, t ≥0,
u(x, 0) = 0, x ∈ 1,
u
t
(x, 0) = 0, x ∈ 1.
(Q3)
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.5 Resoluci ´ on de EDP’s 287
Es muy buen ejercicio verificar que
u
1
(x, t) =
θ(x +at) +θ(x −at)
2
; (6.66)
u
2
(x, t) =
1
2a
_
x+at
x−at
ψ(y)dy; (6.67)
u
3
(x, t) =
1
2a
_
t
0
_
x+a(t−τ)
x−a(t−τ)
f (y, τ)dydτ. (6.68)
6.5.4. Otros m´ etodos de soluci ´ on
EVANS...
Reconocimientos If you want to include acknowledgments of assistance and the like at the end of an individual chapter please
use the acknowledgement environment – it will automatically render Springer’s preferred layout.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
288 6 Ecuaciones Diferenciales Parciales
Problemas
6.1. Consideremos una varilla met´ alica muy delgada de tama˜ no L que al tiempo t =0 tiene una temperatura
f (x), x ∈ [0, L]. Halle la temperatura u(t, x) de la varilla suponiendo que
1) los extremos de la varilla se mantienen t´ ermicamente aislados;
2) el calor se transmite s´ olo en la direcci ´ on x;
3) no hay una fuente que proporcione calor a la varilla;
4) la densidad de masa es constante a lo largo de la varilla;
5) el calor espec´ıfico y la conductividad t´ ermica son constantes a lo largo de la varilla.
6.2. Consideremos una cuerda perfectamente flexible extendida horizontalmente entre los puntos x = 0 y
x = L. Halle u(t, x), las vibraciones transversales de la cuerda, suponiendo que
1) la densidad de masa es constante en la cuerda;
2) los desplazamientos son peque˜ nos comparados con el largo de la cuerda;
3) la tensi ´ on en la cuerda es constante y grande en comparaci´ on con la fuerza de la gravedad;
4) no actuan otras fuerzas sobre la cuerda;
5) al tiempo t = 0 la deformaci ´ on y la rapidez de deformaci ´ on est´ an dadas por f (x) y g(x).
6.3. Resuelva el problema
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_

2
u
∂x
2
+

2
u
∂y
2
= 0, 0 < x < a, 0 < y < b,
∂u
∂x
(0, y) = 0, 0 ≤y ≤b,
∂u
∂x
(a, y) = 0, 0 ≤y ≤b,
u(x, 0) = 0, 0 ≤x ≤a,
u(x, b) = f (x), 0 ≤x ≤a.
6.4. Resuelva la ecuaci ´ on del calor para (x, t) ∈ [0, L] [0, ∞) sujeta a las condiciones indicadas.
(C1)
_
¸
¸
¸
_
¸
¸
¸
_
u(0, t) = 0
u(L, t) = 0
u(x, 0) =
_
1, 0 < x < L/2
0, L/2 < x < L
(C2)
_
¸
_
¸
_
u(0, t) = 0
u(L, t) = 0
u(x, 0) = x (L−x)
(C3)
_
¸
_
¸
_
∂u
∂x
(0, t) = 0
∂u
∂x
(L, t) = 0
u(x, 0) = f (x)
6.5. Resuelva la ecuaci ´ on de onda para (x, t) ∈ [0, L] [0, ∞) sujeta a las condiciones indicadas.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.5 Resoluci ´ on de EDP’s 289
(C1)
_
¸
¸
¸
_
¸
¸
¸
_
u(0, t) = 0
u(L, t) = 0
u(x, 0) =
1
4
x (L−x)
∂u
∂t
(x, 0) = 0
(C2)
_
¸
¸
¸
_
¸
¸
¸
_
u(0, t) = 0
u(π, t) = 0
u(x, 0) = 0
∂u
∂t
(x, 0) = sin(x)
6.6. Resuelva la ecuaci ´ on de Laplace para (x, y) ∈ [0, a] [0, b] sujeta a las condiciones indicadas.
(C1)
_
¸
¸
¸
_
¸
¸
¸
_
u(0, y) = 0,
u(a, y) = 0,
u(x, 0) = 0,
u(x, b) = f (x)
(C2)
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(0, y) = 0,
u(1, y) = 1−y,
∂u
∂y
(x, 0) = 0,
∂u
∂y
(x, 1) = 0
6.7. En el sentido de las distribuciones calcule la derivada de
f
1
(x) =[x[; f
2
(x) = H(x)cos(x); f
3
(x) = H(x)sen(x);
f
4
(x) = sgn(x); f
5
(x) = xδ
/
(x); f
6
(x) = (xH(x))
//
;
f
7
(x) = ψ(x)δ(x); f
8
(x) = ψ(x)δ
/
(x); f
9
(x) = ψ(x)δ
//
(x);
f
10
(x) = x
2
δ
//
(x); f
11
(x) = sen(x)δ
//
(x); f
12
(x) = cos(x)δ
//
(x);
f
13
(x) = e
−x
δ
//
(x); f
14
(x) = (H(x)e
x
)
//
; f
15
(x) = x
4
δ
(iv)
(x).
6.8. Resuelva el problema
_
u
t
= u
xx
+e
t−x
, x ∈ 1, t ≥0,
u(x, 0) = x
2
e
−x
, x ∈ 1.
6.9. Resuelva el problema
_
u
t
= 4u
xx
−xt, x ∈ 1, t ≥0,
u(x, 0) = xe
x
, x ∈ 1.
6.10. Resuelva el problema
_
u
t
= u
xx
, x ∈ 1, t ≥0,
u(x, 0) = e
2x−x
2
, x ∈ 1.
6.11. Resuelva el problema
_
u
t
= 4u
xx
+t +e
t
, x ∈ 1, t ≥0,
u(x, 0) = 2, x ∈ 1.
6.12. Resuelva el problema
_
u
t
= u
xx
+3t
2
, x ∈ 1, t ≥0,
u(x, 0) = sin(x), x ∈ 1.
6.13. Resuelva el problema
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
290 6 Ecuaciones Diferenciales Parciales
_
u
t
= u
xx
+e
−t
cos(x), x ∈ 1, t ≥0,
u(x, 0) = cos(x), x ∈ 1.
6.14. Resuelva el problema
_
u
t
+2u
x
+u = xt, x ∈ 1, t ≥0,
u(x, 0) = 2−x, x ∈ 1.
6.15. Resuelva el problema
_
u
t
= a
2
u
xx
+bu, x ∈ 1, t ≥0,
u(x, 0) = δ(x), x ∈ 1.
6.16. Resuelva el problema
_
u
t
= a
2
u
xx
+bu
x
, x ∈ 1, t ≥0,
u(x, 0) = δ(x), x ∈ 1.
6.17. Resuelva el problema
_
u
t
= a
2
u
xx
+ku
x
, x ∈ 1, t ≥0,
u(x, 0) = 1, x ∈ 1.
6.18. Resuelva el problema
_
u
t
−2u
xx
−2u = e
t
, x ∈ 1, t ≥0,
u(x, 0) = sin(x), x ∈ 1.
6.19. Resuelva el problema
_
¸
_
¸
_
u
tt
= a
2
u
xx
+xt, x ∈ 1, t ≥0,
u(x, 0) = x
2
, x ∈ 1,
u
t
(x, 0) = x, x ∈ 1.
6.20. Resuelva el problema
_
¸
_
¸
_
u
tt
= a
2
u
xx
, x ∈ 1, t ≥0,
u(x, 0) = sin(x), x ∈ 1,
u
t
(x, 0) = cos(x), x ∈ 1.
6.21. Resuelva el problema
_
¸
_
¸
_
u
tt
= 9u
xx
+sin(x), x ∈ 1, t ≥0,
u(x, 0) = 1, x ∈ 1,
u
t
(x, 0) = 1, x ∈ 1.
6.22. Resuelva el problema
_
¸
_
¸
_
u
tt
= u
xx
+e
x
, x ∈ 1, t ≥0,
u(x, 0) = sin(x), x ∈ 1,
u
t
(x, 0) = x +cos(x), x ∈ 1.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
6.5 Resoluci ´ on de EDP’s 291
6.23. Resuelva el problema
_
¸
_
¸
_
u
tt
= u
xx
−a
2
u, x ∈ 1, t ≥0,
u(x, 0) = x, x ∈ 1,
u
t
(x, 0) = x, x ∈ 1.
6.24. Resuelva el problema
_
¸
_
¸
_
u
tt
= u
xx
+4u, x ∈ 1, t ≥0,
u(x, 0) = x, x ∈ 1,
u
t
(x, 0) = 1, x ∈ 1.
6.25. Resuelva el problema
_
¸
_
¸
_
u
tt
= u
xx
−4u, x ∈ 1, t ≥0,
u(x, 0) = 1, x ∈ 1,
u
t
(x, 0) = 1, x ∈ 1.
6.26. Resuelva el problema
_
¸
_
¸
_
u
xx
−u
tt
−2u
t
= 0, x ∈ 1, t ≥0,
u(x, 0) = x, x ∈ 1,
u
t
(x, 0) = x, x ∈ 1.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Ap´ endice A
Modelamiento matem´ atico
“Il libro della natura ´ e scrito in lingua matematica”
Galileo Galilei
A.1. Introducci ´ on
Para la caida libre hasta el siglo XVI se acep-
taba que los objetos pesados caen m´ as r´ apido que
los ligeros (Arist ´ oteles). Fue Galileo Galilei quien
prob´ o que, en ausencia de resistencia de aire, todos
los objetos caen con una misma aceleraci´ on unifor-
me. Ingeniosamente prob´ o su hip´ otesis usando pla-
nos inclinados. Si denotamos por h la altura caida, g
gravedad y t el tiempo de caida, entonces el mode-
lo matem´ atico encontrado por Galileo es la funci ´ on
definida por la f´ ormula
h =
1
2
gt
2
.
El modelo matem´ atico obtenido por Galileo ayud´ o a comprender mejor un fen´ omeno y, de hecho, pro-
voc´ o un cambio completo en la concepci ´ on del universo. Bajo el supuesto de ausencia del aire, es m´ as que
suficiente para hacer c´ alculos y tomar decisiones. Esto es v´ alido para la caida de cuerpos compactos como
una piedra. Sin embargo, hay situaciones importantes donde no se puede despreciar la resistencia del aire
como es el caso de la caida de un paracaidista. En este caso, el modelo deja de ser ´ util y hay que hallar otro
modelo que ayude a entender la nueva situaci ´ on.
¿Por qu´ e modelar?
Consid´ erese una industria manufacturera que contempla la posibilidad de extender una de sus plantas
de producci´ on. No se tiene claridad sobre si la ganancia en productividad justifica el costo de construcci´ on.
A trav´ es del modelamiento matem´ atico, se puede arrojar luz al asunto al simular la operaci ´ on de la planta
como existe actualmente y como pudiera ser si fuera expandida.
293
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
294 A Modelamiento matem´ atico
A.2. Conceptos b´ asicos
Las teor´ıas son conceptos propuestos para explicar los fen´ omenos del mundo real y, como tales, son
aproximaciones o modelos de la realidad. El proceso de inter´ es es llamado sistema. Estos modelos son pre-
sentados en forma verbal en algunas ´ areas menos cuantitativas (e.g. econom´ıa pol´ıtica) y como relaciones
matem´ aticas en otras ´ areas (e.g. econom´ıa matem´ atica).
La utilidad de un modelo matem´ atico es medida por su idoneidad para ayudarnos en la comprensi ´ on de
los fen´ omenos y en la soluci ´ on de problemas de la vida real.
Si las relaciones que componen el modelo son suficientemente simples, podr´ıa ser posible obtener una
soluci ´ on anal´ıtica. Sin embargo, la mayor´ıa de sistemas del mundo real son complejos y deben ser estudia-
dos por medio de simulaci ´ on. En una simulaci ´ on se usa un computador para evaluar num´ ericamente un
modelo; se recopila datos para estimar las caracter´ısticas del modelo.
Formulaci ´ on de un modelo matem´ atico de un sistema
1) Se establece el estado del sistema: las variables causantes del cambio del sistema. Al principio se
discriminan algunas de estas variables. En este paso especificamos el nivel de resoluci ´ on del modelo.
2) Se establece un conjunto de hip´ otesis razonables acerca del sistema que tratamos de describir. Esas
hip´ otesis incluyen todas las leyes emp´ıricas aplicables al sistema.
3) La resoluci ´ on del modelo puede ser bastante dif´ıcil. Una vez resuelto, comprobamos que el modelo
sea razonable si su soluci ´ on es consistente con los datos experimentales o los hechos conocidos acerca
del comportamiento del sistema.
4) Si las predicciones que se basan en la soluci ´ on son deficientes, podemos aumentar el nivel de resoluci ´ on
del modelo o elaborar hip´ otesis alternativas sobre los mecanismos del cambio del sistema; entonces, se
repiten los pasos del proceso de modelado. Al aumentar la resoluci´ on, aumentamos la complejidad del
modelo matem´ atico y la probabilidad de que debamos conformarnos con una soluci ´ on aproximada.
Ejemplo: matem´ atica de colores
Los pintores saben de antiguo que determinados colores pueden construirse a partir de otros. De hecho,
bastan tres colores b´ asicos para conseguir cualquier color mediante mezclas adecuadas. Adicionalmente,
conocemos que la luz blanca puede ser descompuesta en los diferentes colores del espectro visible. ¿C´ omo
utilizar este conocimiento para “dar” color a monitores, televisiones, impresoras,...?
El sistema aditivo para construir colores consiste en partir del negro (ausencia de luz), e ir a˜ nadiendo
mayor o menor cantidad de luz de tres colores b´ asicos: rojo, verde y azul (RGB), a partir de los cuales se
consigue cualquier otro color, incluyendo la luz blanca.
Las componentes RGB de un color son sus coordenadas colorim´ etricas. El origen de coordenadas
(0,0,0) corresponde al negro. El lugar geom´ etrico de los puntos R =G=B es la escala de grises. Los planos
R-G, G-B y B-R son respectivamente los espacios de color Amarillo (Yellow), Turqueza (Cian) y Morado
(Magenta). Los programas de edici ´ on gr´ afica, e incluso los lenguajes de programaci´ on, pueden representar
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
A.3 Tipos de modelos matem´ aticos 295
Figura A.1 El espacio colo-
rim´ etrico.
.
los colores en funci ´ on de sus componentes RGB. Por ejemplo, el lenguaje HTML de programaci´ on de
p´ aginas Web utiliza una representaci´ on hexadecimal del tipo
COLOR = “#AA16CC
//
(A.1)
para representar los valores de rojo, verde y azul. En este algoritmo los dos primeros caracteres representan
el rojo, los dos centrales el verde y los dos ´ ultimos el azul.
A.3. Tipos de modelos matem´ aticos
Si se quiere mejorar la respuesta aerodin´ amica de las alas de un avi ´ on de combate, el m´ aximo de cono-
cimiento y de costos corresponde a experimentar con el sistema, por ejemplo intercambiando varios tipos
de alas. Menos conocimiento y menos costos se tienen al experimentar en un tunel de viento con represen-
taciones apropiadas de las alas. Decrementamos el conocimiento y los costos con modelos matem´ aticos.
Tipos de modelos
Para estudiar un modelo matem´ atico - que se supone representa bien a un sistema - deben utilizarse las
herramientas m´ as apropiadas. Por ello se consideran tres tipos de criterios para clasificar a los modelos
matem´ aticos:
1) Est´ atico / Din´ amico;
2) Determin´ıstico / Estoc´ astico;
3) Continuo / Discreto.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
296 A Modelamiento matem´ atico
Figura A.2 Los modelos
matem´ aticos son una forma
inteligente de estudiar un
sistema. Dependiendo de las
circunstancias propias de
cada estudio de ingenier´ıa se
debe escoger una de las vias
descritas en la figura.
.
A.3.1. Modelos est´ aticos y din´ amicos
Un modelo est´ atico es una representaci ´ on de un sistema en un tiempo particular, o en circunstancias en
que el tiempo no tiene rol.
Ejemplo A.1 Los administradores de negocios encuentran que los proyectos parecieran estar siempre re-
trasados, fuera de presupuesto y que sus resultados est´ an lejos de los pron´ osticos. A ellos les encantar´ıa
hacer funcionar las cosas con un estallido... M´ as de 60 a˜ nos despu´ es, los administradores enfrentan pro-
blemas que desde el punto de vista matem´ atico son comparables a los del dise˜ no de la bomba at´ omica.
Pero sobre su escritorio tienen un PC que es miles de veces m´ as poderoso que MANIAC. Los m´ etodos de
Monte Carlo son lo que los administradores necesitan...
Figura A.3 Los m´ etodos de
Monte Carlo fueron inventa-
dos para resolver problemas
clave en el proyecto Manhat-
tan (desarrollo de la bomba
at ´ omica) en los a˜ nos 40.
Se define una simulaci´ on Monte Carlo como un esquema que emplea n´ umeros aleatorios para resolver
problemas determin´ısticos o estoc´ asticos donde el tiempo no juega un rol sustantivo.
Por ejemplo, para calcular I =
_
b
a
g(x)dx se considera la variable aleatoria Y = (b −a)g(X), donde
X sigue una distribuci´ on uniforme en el intervalo (a; b), denotado X U (a, b). En efecto, I = E[Y] de
manera que
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
A.3 Tipos de modelos matem´ aticos 297
I ≈Y =
1
n
n

i=1
Y
i
,
donde ¦Y
i
: i = 1, .., n¦ es una muestra de tama˜ no n de U (a, b).
Un modelo din´ amico representa un sistema cuando evoluciona en el tiempo.
Ejemplo A.2 Consid´ erese el sistema de presas P-M. La presa de M supondr´ a una manera de asegurar el
suministro de agua para P en los meses de estiaje. Nos interesa hacer el seguimiento de h, el nivel de agua
en P, en un per´ıodo dado.
Para una primera aproximaci´ on suponemos que
1) la densidad del l´ıquido, ρ, es constante;
2) el tanque tiene paredes verticales;
3) existe una sola turbina;
4) el nivel del agua est´ a dado por
m(t) = ρAh(t),
donde m es la masa del l´ıquido y A es el ´ area del embalse;
5) La provisi´ on de fluido desde M es proporcional a la se˜ nal de control:
q
in
(t) = K
u
u(t);
6) El agua sale a trav´ es de una v´ alvula donde el flujo es proporcional a la raiz cuadrada de la presi´ on
(hidrost´ atica) sobre la v´ alvula (al fondo del embalse):
q
out
(t) = K
v

_
ρgh(t).
Por el balance de masa se tiene que
dm
dt
= ρ
_
q
in
(t) −q
out
(t)
_
de manera que
dh
dt
=
1
A

_
K
u
u(t) −K
v

_
ρgh
_
. (A.2)
El diagrama de bloques para (A.2) es
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
298 A Modelamiento matem´ atico
Los valores num´ ericos de los par´ ametros son:
ρ = 1000
g = 9,81
K
v
= 0,0005
K
u
= 5
A = 1
h(0) = 0,5
h
max
= 1
h
min
= 0.
Se supone adem´ as que existen niveles cr´ıticos
h

= 0,9; h

= 0,1.
Los gr´ aficos de u = u(t) y h = h(t) correspondientes a la simulaci´ on hecha en Xcos se presentan a
continuaci´ on.
Figura A.4 Se˜ nal de entrada
provista por M.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
A.3 Tipos de modelos matem´ aticos 299
Figura A.5 Cota de la presa
P.
A.3.2. Modelos determin´ısticos y estoc´ asticos
Si un modelo de simulaci ´ on no contiene elementos probabil´ısticos o aleatorios, se denomina deter-
min´ıstico. En un modelo determin´ıstico, el futuro queda “determinado” por sus condiciones iniciales.
Ejemplo A.3 Consideramos un modelo simple de c´ omo una enfermedad se expande en una comunidad.
Sea s(t) la fracci´ on de la poblaci´ on susceptible de infectarse como funci´ on del tiempo t. Sea i(t) la fracci´ on
de infectados (y transmisores) y sea r(t) la correspondiente fracci´ on de recuperados (y entonces inmunes).
Interesa hacer el seguimiento en el tiempo a s, i, r.
Un modelo SIR permite hacer este an´ alisis. Se puede escribir como
_
¸
_
¸
_
s
/
(t) =−as(t)i(t),
i
/
(t) = as(t)i(t) −bi(t),
r
/
(t) = bi(t),
donde a y b son par´ ametros positivos.
Muchos sistemas requieren para su modelamiento de al menos un componente aleatorio, en este caso
tratamos con modelos estoc´ asticos.
La mayor´ıa de sistemas de inventarios y de colas son modelados estoc´ asticamente. Estos modelos pro-
ducen salidas que son en si mismas aleatorias.
Ejemplo A.4 En un punto de venta de un almacen particular los clientes llegan al mostrador de caja con
un promedio de siete clientes por hora. En una hora dada, ¿cu´ al es la probabilidad de que
1) no lleguen m´ as de tres clientes?
2) lleguen al menos dos clientes?
3) lleguen exactamente cinco clientes?
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
300 A Modelamiento matem´ atico
Figura A.6 En el gr´ afico se
presenta una simulaci ´ on con
a =1,0, b =0,3, s(0) =0,999,
i(0) = 0,001. Las fracciones
de susceptibles s(t), infecta-
dos i(t) y recuperados r(t),
se representan respectivamen-
te por las curvas en colores
negro, verde y rojo.
La distribuci´ on de Poisson, P(λ), es un modelo para la distribuci´ on de probabilidad para el n´ umero X de
eventos raros que ocurren infrecuentemente en el espacio, tiempo, volumen o cualquier otra dimensi´ on, en
donde λ representa el valor promedio de X.
El modelo matem´ atico para responder a las preguntas anteriores es un proceso estoc´ astico correspon-
diente a una distribuci´ on de Poisson que evoluciona en el tiempo:
p(x; t) =
_
λ(t)
x
x!
e
−λ(t)
, si x = 0, 1, 2, ...
0, si no.
En este caso se denota X(t) P(λ(t)), λ(t) > 0, para todo t.
A.3.3. Modelos continuos y discretos
A groso modo la denominaci ´ on de discreto o continuo sobre un modelo se refiere a la representaci ´ on de
las variables que definen el estado del modelo.
Un modelo discreto puede servir para tratar un sistema continuo y un modelo continuo puede servir para
abordar un sistema discreto. La decisi´ on depende de los objetivos del estudio, de las limitaciones y eficacia
de los modelos, etc.
Por ejemplo, un modelo para el fluido de tr´ afi-
co en una autopista podr´ıa ser discreto si las carac-
ter´ısticas y movimientos de veh´ıculos individuales
son importantes. Pero, si los carros se pueden tratar
como un “agregado”, este flujo vehicular puede ser
descrito via ecuaciones diferenciales en un modelo
continuo.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
A.3 Tipos de modelos matem´ aticos 301
Consideremos una autopista que modelamos como una recta, cada uno de sus puntos como un x ∈ 1 y el
flujo de coches no como algo discreto sino como el de un fluido continuo, que fluye en la direcci´ on positiva.
Denotemos con 0 ≤ ρ(x, t) ≤ 1 la densidad de coches — es decir los coches que hay por unidad de
longitud, donde por unidad de longitud tomamos la longitud media de los coches—, en el punto x e instante
t y con 0 ≤ g(x, t) el flujo de coches —el n´ umero de coches por segundo—, que pasan por x en el instante
t. En tal caso en un tramo [a, b] de la autopista el n´ umero de coches que hay en un instante t +ε es, los que
hab´ıa en ese tramo en el instante t m´ as los que entran durante el intervalo [t, t +ε], menos los que salen
durante ese intervalo
_
b
a
ρ(x, t +ε)dx =
_
b
a
ρ(x, t)dx +εg(a, t) −εg(b, t),
de donde, haciendo ε −→0 y por la arbitrariedad de [a, b], tendremos
∂ρ
∂t
+
∂g
∂x
= 0. (A.3)
Ahora simplificamos el problema considerando que g = g(ρ), lo cual no es de extra˜ nar, pues si ρ = 0, no
hay coches, y si ρ = 1, la autopista est´ a llena. En ambos casos no se mueve ningun veh´ıculo: g = 0. La
funci ´ on m´ as simple de dependencia de este tipo es
g(ρ) = ρ (1−ρ),
de manera que
∂ρ
∂t
+(1−2ρ)
∂ρ
∂x
= 0. (A.4)
Modelo predador - presa
Cuando n especies interactuan, la din´ amica poblacional de cada una de ellas se ve afectada. Los princi-
pales tipos de interacci ´ on son:
1) Predador - presa. Si las tasas de crecimiento de las poblaciones son inversamente proporcionales
conforme avanza el tiempo.
2) Competici ´ on. Si las tasas de crecimiento de las poblaciones decrecen con el tiempo.
3) Mutualismo o simbiosis Si ambas tasas de crecimiento se intensifican con el tiempo.
El matem´ atico italiano Volterra, despu´ es de haberse interesado por la ecolog´ıa matem´ atica y haber sido
estimulado por su amigo zo´ ologo Humberto D’ Ancona, estudi´ o los registros de las pesquer´ıas del Mar
Adri´ atico Superior y observ´ o que, durante y despu´ es de la Segunda Guerra Mundial, cuando la pesca hab´ıa
disminuido dr´ asticamente, la proporci ´ on de los depredadores hab´ıa aumentado. Este hecho lo llevo a estu-
diar ese problema de una manera m´ as general, logrando construir la primer teor´ıa determinista sistematizada
de la din´ amica de poblaciones.
Para iniciar su investigaci ´ on matem´ atica estableci´ o ciertas cosas:
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
302 A Modelamiento matem´ atico
Que la especie depredadora se alimentaba exclusivamente de la especie presa, mientras que ´ esta se
alimentaba de un recurso que se encontraba en el h´ abitat en grandes cantidades, el cual solo interven´ıa
as´ı (pasivamente).
Que ambas poblaciones eran homog´ eneas, es decir, no interven´ıan factores como la edad o el sexo.
Que, as´ı mismo, el medio era homog´ eneo, es decir, que las caracter´ısticas f´ısicas, biol´ ogicas entre otras,
eran las mismas en el h´ abitat.
Y que los encuentros de la especie depredadora con las especie presa eran igualmente probables.
Siendo as´ı, se encontr´ o con que solo exist´ıan dos variables: el tama˜ no poblacional de la especie depredadora
y el de la especie presa. As´ı mismo, supuso que ambos tama˜ nos poblacionales depend´ıan exclusivamente
del tiempo y no de alguna otra variable especial.
Determin´ o que si no existiesen depredadores, la poblaci´ on de presas crecer´ıa malthusianamente, es decir:
x
/
(t) = ax(t)
mientras que si no hubiese presas, la especie depredadora decrecer´ıa, tambi´ en siguiendo un modelo malt-
husiano, es decir
y
/
(t) =−cy(t).
Ahora bien, dado que la interacci ´ on beneficia a la especie depredadora y perjudica a la presa, ´ el supuso que
ser´ıa necesario modificar a los depredadores en un termino que diera cuenta del perjuicio para una y del
beneficio para la otra, lo que tendr´ıa que ser:
_
x
/
(t) = ax(t) −[t´ ermino de interacci´ on],
y
/
(t) =−cy(t) +[t´ ermino de interacci ´ on]
Luego entonces, Volterra se top´ o con el problema de encontrar una forma anal´ıtica para cada t´ ermino que
aparece entre corchetes y, bas´ andose en el argumento de que cuantos m´ as encuentros por unidad de tiempo
haya entre individuos de la especie presa con la especie depredadora, mayor ha de ser el perjuicio de unos
y el beneficio de otros; lleg´ o a la conclusi´ on de que el n´ umero de encuentros por unidad de tiempo entre
presas y depredadores, es proporcional al producto algebraico de sus respectivas densidades poblacionales,
es decir:
[Numero de encuentros por u. de t]x(t) y(t).
Originalmente Volterra interpreto esto diciendo que ”los par´ ametros constantes a y c representan la
raz´ on de nacimiento y muerte de las dos especies; mientras que b mide la susceptibilidad de la especie
presa a la depredaci´ on y d mide la habilidad de depredaci´ on de esta especie. Las constantes b y d son la
proporci´ on de encuentros perjudiciales para las presas y la correspondiente de encuentros ben´ eficos para
los depredadores, respectivamente...”.
Y as´ı logr´ o afirmar que en una interacci ´ on presa - depredador descrita en las ecuaciones anteriores, el
tama˜ no de la especie presa y el de la especie depredadora, cambian peri´ odicamente al aumentar el tiempo.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
A.3 Tipos de modelos matem´ aticos 303
Figura A.7 Din´ amica en el
modelo predador-presa.
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Ap´ endice B
Ondeletas
dfssfsdfs
305
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Glosario
Use the template glossary.tex together with the Springer document class SVMono (monograph-type
books) or SVMult (edited books) to style your glossary in the Springer layout.
glossary term Write here the description of the glossary term. Write here the description of the glossary
term. Write here the description of the glossary term.
glossary term Write here the description of the glossary term. Write here the description of the glossary
term. Write here the description of the glossary term.
glossary term Write here the description of the glossary term. Write here the description of the glossary
term. Write here the description of the glossary term.
glossary term Write here the description of the glossary term. Write here the description of the glossary
term. Write here the description of the glossary term.
glossary term Write here the description of the glossary term. Write here the description of the glossary
term. Write here the description of the glossary term.
307
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Soluciones a los problemas
Cap´ıtulo 2
2.2 Las n raices n-´ esimas son
z
k
= α
1/k
e
2πk
n
i
, k = 0, 1, ..., n−1.
2.9 L = i.
2.10
cosh(z) = 0 ⇐⇒ z = (
π
2
+kπ)i, con k ∈ Z;
sinh(z) = 0 ⇐⇒ z = kπi, con k ∈ Z.
2.12 ρ(U) = R
1/2
0
; ρ(V) = R
2
0
.
2.20 I = 0.
2.21 I
1
=
2
3

2
3
i; I
2
= 0.
2.22 I =−2 ln(2) +
5
4
−i
π
4
.
2.23 L = 0.
2.24
309
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
310 Soluciones a los problemas
I
1
=−cos(3) cosh(4) +1+i sin(3) sinh(4);
I
2
= 3 ln(5) +
ln(2)
2
−4 arctan
_
4
3
_
+

4
−4+i
_
4 ln(5) −
ln(2)
2
+3 arctan
_
4
3
_
+

4
−3
_
;
I
3
= e sin(1) +e cos(1) −6+i [e sin(1) −e cos(1)] ;
I
4
≈−152,2234882970327+345,0258031285589i.
2.28
−(z −i π) −
(z −i π)
3
6

(z −i π)
5
120

(z −i π)
7
5040

(z −i π)
9
362880
+...
2.29
f
1
(z) =
1
z −i

i
2
+
z −i
4
+
i (z −i)
2
8

(z −i)
3
16

i (z −i)
4
32
+
(z −i)
5
64
+
i (z −i)
6
128
+...;
f
2
(z) =
1
z

z
6
+
z
3
120

z
5
5040
+
z
7
362880
+...;
f
3
(z) = 2−
2z
2
3
+
4z
4
45

2z
6
315
+
4z
8
14175
+...;
f
4
(z) =
1
z
+1−
z
2

5z
2
6
+
13z
3
24
+
101z
4
120

389z
5
720

4241z
6
5040
+
4357z
7
8064
+
305353z
8
362880
+...
2.30 f
1
tiene un polo de orden 2 en z
1
=−i y un polo simple en z
2
= i.
f
2
tiene una singularidad removible en z
0
= 0 y polos simples en z
k
= kπi, k ∈ N.
f
3
tiene un polo de orden 2 en z
1
= 0 y polos simples en z
2
= i y z
3
=−i
f
4
tiene polos simples en z
k
= kπ, k ∈ N.
f
5
tiene polos simples en z
k
=
π
2
+kπ, k ∈ N.
f
6
tiene singularidades esenciales en z
1
= 0 y z
2
=−1.
f
7
tiene polos simples en z
k
= kπ, k ∈ N.
f
8
tiene un polo simple en z
1
= 1 y una singularidad esencial en z
2
= 0.
2.34 I
1
=−πi; I
2
=−
8
3
πi; I
3
= iπ

e.
2.37 I
1
= 2πi; I
2
= 0; I
3
= 2πi; I
4
=
π
2
(e
8i
−1).
2.39 I
1
=


a
2
−1
; I
2
= π
(1−a+a
2
)
1−a
; I
3
= 2π(−1)
n

e
−na
sinh(a)
.
2.40 I
1
=

3
; I
2
=
π
2
e
−a
; I
3
= 0; I
4
=−
π
4
; I
5
=
π
2a
2
(1−e
−1
).
2.41 I =
π

2
e
−αβ/

2
sin
_
αβ

2
_
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Soluciones a los problemas 311
Cap´ıtulo 3
3.1
F
1
(s) =
s −1
s
2
−2s +2
; F
2
(s) =
1
s
2
; F
3
(s) =
2
s −3
;
F
4
(s) =
2
s
2
+4
; F
5
(s) =
2e
−3s
s
.
3.2
F
1
(s) =
2e
−s
s

1
s
, F
2
(s) =−
(s +1) e
−s
s
2
+
e
−s
s
+
1
s
2
, F
3
(s) =
e
−π s
s
2
+1
+
1
s
2
+1
,
F
4
(s) = 4
_
1
s

e
−2s
s
_
, F
5
(s) =
s +2
s
2

(3s +2) e
−s
s
2
, F
6
(s) =−
e

π s
2
s
2
+1
.
3.6
F
1
(s) = arctan
_
a
s
_
; F
2
(s) = ln
_
s
2
+a
2
s
2
_
;
F
3
(s) = ln
_
s
2
−a
2
s
2
_
; F
4
(s) =
1

s
e
−a

s
;
F
5
(s) =

(s
2

2
)(1−e
−πs/ω
)
.
3.7
F
1
(s) =
1
s
+
3
s
2
+
6
s
3
+
6
s
4
; F
2
(s) =
4
_
s
2
−4s +2
_
s (s −4) (s −2)
; F
3
(s) =
6s
(s
2
−6s +10) (s
2
+6s +10)
;
F
4
(s) =
105

π
16(s −3)
9
2
; F
5
(s) =
s +1
s (s
2
+2s +2)
; F
6
(s) =
_
s −1
(s +1) (s
2
−2s +2)
_
s→s+ln(2)
;
F
7
(s) =−
1
s
+
6
s
2

24
s
3
+
48
s
4
; F
8
(s) =
8
(s −2) s (s +2)
; F
9
(s) =
s
2
+2
s (s
2
+4)
;
F
10
(s) =
1
(s −1) s
2
; F
11
(s) =
1
s (s +2)
.
3.8
f
1
(t) =
1
15
e
t

1
6
e
−2t
+
1
10
e
−4t
; f
2
(t) =−
t
2
e
−3t
9

t e
−3t
27
+
t
27
;
f
3
(t) =−
3sin(2t)
8

cos(2t)
8

t
2
4
+
3t
4
+
1
8
; f
4
(t) = sin(t) −cos(t) −t +1;
f
5
(t) = e
−3t
_
cos
_

2t
_

3

2
sin
_

2t
_
_
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
312 Soluciones a los problemas
3.9
f
1
(t) =
t
5
120

2t
3
3
+4t; f
2
(t) =
t
3
6
+
3t
2
2
+3t +1;
f
3
(t) =
e
6t
2
−e
3t
+
e
2t
2
; f
4
(t) = sin(t) −cos(t) −t +1.
3.12
x(t) =−e
2t
+2e
3t
, y(t) = e
2t
(cos(t) −3sin(t)), z(t) =t e
t
+2e
t
, u(t) = 2e
3t
+
1
12
t
4
e
3t
.
3.13
x(t) = conv(e
3t
−e
2t
, f (t));
y(t) =
1
4
conv(e
6t
−e
2t
, f (t)) +2e
6t
−5e
2t
;
u(t) =
1
3
conv(sin(3t), f (t)) −cos(3t) +
1
3
sin(3t);
v(t) =
4
3
e
t

1
4
e
2t

1
12
e
−2t
+conv
_

1
3
e
t
+
1
4
e
2t
+
1
12
e
−2t
, f (t)
_
.
3.14
x(t) = H(t −3)e
−(t−3)
sin(t −3);
y(t) = 3H(t −2)
_
e
−2(t−2)
−e
−3(t−2)
_
−4H(t −5)
_
e
−2(t−5)
−e
−3(t−5)
_
;
u(t) = 6
_
e
−2t
−e
−t
+te
−t
¸
.
3.15
f (t) = sin(t); g(t) = 4t
2
e
−t
−7t e
−t
+4e
−t
, y(t) =t e
−3t
;
u(t) = e
−2(t−2π)
sin(t) U (t −2π); h(t) = 3t
2
−t
3
+1−2e
−t
.
3.18
_
_
_
x(t) =−4+5t −2t
2
+
1
3
t
3
+5e
−t
,
y(t) = 5−5t +2t
2
−5e
−t
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(t) =

3 sin
_
2

3t
_
5

sin
_

2t
_
5

2
,
v(t) =−

3 sin
_
2

3t
_
10


2 sin
_

2t
_
5
.
3.19
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Soluciones a los problemas 313
_
¸
¸
¸
_
¸
¸
¸
_
x(t) =
1
8
e
5t

1
8
e
−3t
,
y(t) = e
5t
,
z(t) =
1
8
e
5t

1
8
e
−3t
.
_
¸
_
¸
_
u(t) =
1
2
t
2
+t +1−e
−t
,
v(t) =−
1
3
+
1
3
e
−t
+
1
3
te
−t
.
Cap´ıtulo 4
4.5
Figura B.1 De la gr´ afica de
evoluci ´ on se puede constatar
que para n = 8 la poblaci ´ on
casi se ha extinguido, quedan
50 individuos. Durante el a˜ no
n = 9 la especie se extingue.
4.6 Se considera el sistema din´ amico discreto
x
n+1
= x
2
n
−2.
Figura B.2 Para x
0
= 1,0, es
claro que el sistema converge
inmediatamente a x =−1,0.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
314 Soluciones a los problemas
Figura B.3 Para x
0
= 2,0, el
sistema es constante.
Figura B.4 Para x
0
= 0,5, el
sistema muestra un comporta-
miento ca´ otico.
Figura B.5 Para x
0
= 1,999,
el sistema toma un comporta-
mineto ca´ otico desde n = 4.
4.8 V´ eanse las figuras a continuaci´ on
4.10 Los puntos cr´ıticos son
x

= 2; x
k
= kπ, k ∈ Z.
V´ ease la figura correspondiente. Se tiene que x

= 2 es un punto atractivo y x
0
= 0 es repulsivo. Adem´ as,
para k ∈ N impar, x
k
es repulsivo y x
−k
es atractivo. Para k ∈ N par, x
k
es atractivo y x
−k
es repulsivo.
4.11 V´ eanse las figuras correspondientes.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Soluciones a los problemas 315
Figura B.6 Del problema
4.8. Campo de direcciones
para x
/
+x = 1+t
2
, x(1) = 1.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
Figura B.7 Del problema
4.8. Campo de direcciones
para y
/
= −(x +y)/(x +2y),
y(2) = 3.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
Figura B.8 Del problema
4.8. Campo de direcciones
para x
/
=−x tan(y)/(1+x
2
),
x(1) = π/2.
-10 -5 0 5 10
-10
-5
0
5
10
y
x
4.13 V´ ease la figura correspondiente.
4.15 V´ ease la figura correspondiente.
4.16 Mediante el cambio de variable
_
u(t) = y
/
(t),
v(t) = y
/
(t).
el problema 4.16 es equivalente al sistema
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
316 Soluciones a los problemas
Figura B.9 Del problema
4.10. Campo de direcciones
para x
/
= (2−x) sin(x).
-10 -5 0 5 10
-10
-5
0
5
10
y
x
Figura B.10 Del problema
4.11. Soluci ´ on num´ erica para
x
/
= (t
2
−x
2
)/x, x(0) = 1,
0 ≤t ≤3.
line0
0 1 2 3
1
1.5
2
2.5
Figura B.11 Del problema
4.11. Soluci ´ on num´ erica para
x
/
= cos(t) +2x, x(−2) = 0,
−2 ≤t ≤1.
line0
-2 -1 0 1
0
1
2
3
4
5
6
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Soluciones a los problemas 317
Figura B.12 Del problema
4.11. Soluci´ on num´ erica para
x
/
+x = 1 +t
2
, x(0) = 2,
0 ≤t ≤4.
line0
0 1 2 3 4
2.5
5
7.5
10
Figura B.13 Soluci ´ on
num´ erica del problema 4.13.
Aproximadamente al tiempo
t = 39,8 minutos el tanque se
vac´ıa completamente.
line0
0 10 20 30
0.25
0.5
0.75
1
Figura B.14 Del problema
4.15. Diagrama de fase de
dy
dx
=−
x+y
x+2y
, y(2) = 3.
-5 0 5 10
-5
0
5
10
y
x
_
¸
¸
¸
_
¸
¸
¸
_
u
/
= v, −3 ≤t ≤1,
v
/
=
(t+3)v−u
t
2
+1
, −3 ≤t ≤1,
u(−3) = 0,
v(−3) = 1.
V´ ease la figura correspondiente.
4.18
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
318 Soluciones a los problemas
Figura B.15 Soluci ´ on
num´ erica del problema 4.16.
line0
-3 -2 -1 0 1
0
1
2
3
4
a)
_
x(t)
y(t)
_
= c
1
_
1
2
_
e
5t
+c
2
_
1
−1
_
e
−t
;
b)
_
_
x(t)
y(t)
z(t)
_
_
= c
1
_
_
1
0
2
_
_
e
−t
+c
2
_
_
1
0
0
_
_
e
t
+c
3
_
_
1
3/2
1/2
_
_
e
2t
;
c)
_
x(t)
y(t)
_
= c
1
__
1
2
_
cos(t) +
_
0
−1
_
sin(t)
_
e
4t
+c
2
__
0
−1
_
cos(t) −
_
1
2
_
sin(t)
_
e
4t
;
d)
_
x(t)
y(t)
_
= c
1
__
1
−1
_
cos(t) +
_
0
1
_
sin(t)
_
e
4t
+c
2
__
0
1
_
cos(t) −
_
1
−1
_
sin(t)
_
e
4t
;
4.21
a) X(t) = c
1
_
1
1
_
+c
2
_
e
t
2
3
e
t
_
+
_
−11t −15
−11t −10
_
;
b) X(t) = c
1
_
e
−t
3e
−t
_
+c
2
_
e
t
e
t
_
+
_
4t
8t −4
_
.
4.23
a) Hay un ´ unico punto cr´ıtico, (x
0
, y
0
) = (0, 0), que es un punto de ensilladura.
b) Hay un ´ unico punto cr´ıtico, (x
0
, y
0
) = (0, 0), que es un punto atractivo.
c) El punto cr´ıtico (x
0
, y
0
) = (0, 0) es impropio inestable.
4.24
a) El punto cr´ıtico (x
1
, y
1
) = (0, −1) es un punto de ensilladura. El punto cr´ıtico (x
2
, y
2
) = (0, 1) es un
punto repulsivo.
b) Hay puntos cr´ıticos no-hiperb´ olicos. El punto cr´ıtico (x
2
, y
2
) = (3, 2) es un punto repulsivo.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Soluciones a los problemas 319
Cap´ıtulo 5
5.15
f
1
(x) =

2
3
+4


n=1
(−1)
n+1
n
2
cos(nx); f
2
(x) =
π
2
+
2
π


n=1
(−1)
n
−1
n
2
cos(nx);
f
3
(x) =
π
4
+


n=1
1−(−1)
n
n
2
π
cos(nx) +


n=1
1
n
sin(nx); f
4
(x) =
3
4
+


n=1
4
π
2
n
2
_
cos
_

2
_
−1
_
cos
_

2
x
_
.
5.16
f
1
(x) =
π
2
6
+


n=1
_
2(−1)
n
n
2
_
cos(nx) +


n=1
_
(−1)
n+1
π
n
+
2
πn
3
[(−1)
n
−1]
_
sin(nx);
f
2
(x) = π +2


n=1
_
(−1)
n+1
n
_
sin(nx).
5.17
1) En todos los casos b
n
= 0.
Para f
1
:
a
0
= 2, a
n
=
4(−1)
n
−4
π
2
n
2
.
Para f
2
:
a
0
= 0, a
n
=
4sin
_
π n
2
_
π n
.
Para f
3
:
a
0
=−
_
4e
5
−4
_
π
400π
2
+25
, a
n
=
_
4e
5
π
3
n
2
−1600e
5
π
3
−100e
5
π
_
(−1)
n
−4π
3
n
2
+1600π
3
+100π
π
4
n
4
+(50π
2
−800π
4
) n
2
+160000π
4
+20000π
2
+625
.
Para f
4
:
a
0
=
31
5
, a
n
=−
4π nsin
_
2π n
5
_
+10cos
_
2π n
5
_
−10(−1)
n
π
2
n
2
.
Para f
5
:
a
0
= 8, a
n
= 0.
Para f
6
:
a
0
=−
1
2
, a
n
=
2sin
_
3π n
4
_
−6sin
_
π n
2
_
+4sin
_
π n
4
_
π n
.
Para f
7
:
a
0
= 2, a
1
=−
2
3
, a
n
=−
2(−1)
n
n
2
−1
.
2) En todos los casos a
0
= a
n
= 0.
Para f
1
:
b
n
=−
4(−1)
n
π n
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
320 Soluciones a los problemas
Para f
2
:
b
n
=−
4cos
_
π n
2
_
−2(−1)
n
−2
π n
.
Para f
3
:
b
n
=
40e
5
π
2
n(−1)
n
−40π
2
n
π
4
n
4
+(50π
2
−800π
4
) n
2
+160000π
4
+20000π
2
+625
.
Para f
4
:
b
n
=−
10sin
_
2π n
5
_
−4π ncos
_
2π n
5
_
+12π n(−1)
n
−2π n
π
2
n
2
.
Para f
5
:
b
n
=−
8(−1)
n
−8
π n
.
Para f
6
:
b
n
=−
2cos
_
3π n
4
_
−6cos
_
π n
2
_
+4cos
_
π n
4
_
π n
.
Para f
7
:
b
n
=−
4n(−1)
n
+4n
π n
4
−2π n
2

.
5.18
a
0
=
4
π
, a
n
=−
2(−1)
n
+2
π n
2
−π
, b
n
= 0.
5.22
ˆ
f
1
(ω) =
2−e

−e
−iω

;
ˆ
f
2
(ω) = i
_
sin(kω +k)
ω +1

sin(kω −k)
ω −1
_
;
ˆ
f
3
(ω) = 5
_
π
3
exp
_
−(ω
2
+60ωi)
12
_
;
ˆ
f
4
(ω) =
−16ω sin(kω) +4 cos(kω) +i(−4 sin(kω) −16ω cos(kω))
16e
k/4
ω
2
+e
k/4
;
ˆ
f
5
(ω) = πe
[ω[
.
5.23
f
1
(t) =
9e
−t
2
/4
cos(4t)
64

π

9i e
−t
2
/4
sin(4t)
64

π
; f
2
(t) = H(t −4) exp(20i −3(t −4));
f
3
(t) = 5e
−iπt
P
3
(t); f
4
(t) = exp
_

7
2
[t[ +
5
2
t
_
;
f
5
(t) = 10H(t)e
−4t
cos(5t); f
6
(t) = H(t)[2e
−3t
−e
−2t
].
5.24 Se tiene que I =

π
4

e
.
5.25 Usando fracciones parciales se prueba que
F
_
t
a
2
+t
2
_
(ω) = 2πi (1−H(ω)) cosh(aω).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Soluciones a los problemas 321
5.26
ˆ
f
1
(ω) = 2πi (1−H(ω)) cosh(3ω);
ˆ
f
2
(ω) =

π i ωe
−ω
2
/36
18
;
ˆ
f
3
(ω) =−
26
_
ω
2
−4i ω −4
_

2
+4)
2
;
ˆ
f
4
(ω) =−
e
−12
i
_
ω
2
sin(3ω) −16 sin(3ω) −8ω cos(3ω)
_

2
+16)
2

e
−12
_
8ω sin(3ω) +ω
2
cos(3ω) −16 cos(3ω)
_

2
+16)
2
;
ˆ
f
5
(ω) =

3+iω
;
ˆ
f
6
(ω) =−
ω sin(ω) +cos(ω)
ω
2

−ω sin(ω) −cos(ω)
ω
2

2i (ωcos(ω) −sin(ω))
ω
2
;
ˆ
f
7
(ω) =

3
e
(−3+2i)(ω+3)
;
ˆ
f
8
(ω) =
e
−6+i3ω
2−iω
.
5.28 Se tiene, por la igualdad de Parseval, que
|f |
2
L
2
(1)
= 3π.
5.29
u(t) =−
1
4
H(t −3)
_
e
−(t−3)
−e
−5(t−3)
_
; v(t) =−
1
8
e
−4[t[
.
5.30
G
1
(ω) =
2
_
25ω
2
sin(5ω) −2 sin(5ω) +10ω cos(5ω)
_
ω
3
;
G
2
(ω) =
2 (cos(4π a) ω sin(4π ω) −a sin(4π a) cos(4π ω))
(ω −a) (ω +a)
;
G
3
(ω) =
e
4i w
e
4
i w−e
4

1
i w−1
; G
4
(ω) =−
π e
−i w−1
_
e
i w+1
−1
_ _
e
i w+1
+1
_
(w−π −i) (w+π −i)
.
5.32
ˆ
f (ω) = exp
_

σ
2
ω
2
2
−iµσ
_
.
5.33 Se tiene que
I =
π
2
.
Cap´ıtulo 6
6.1
u(t, x) =
1
L
_
L
0
f (τ)dτ +
2
L


n=1
_
_
L
0
f (τ)cos
_

L
_

_
exp
_
−kt
n
2
π
2
L
2
_
cos
_
nπx
L
_
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
322 Soluciones a los problemas
6.2
u(t, x) =


n=1
_
A
n
cos
_
nπat
L
_
+B
n
sin
_
nπat
L
__
,
donde
A
n
=
2
L
_
L
0
f (τ)sin
_
nπτ
L
_
dτ, B
n
=
2
nπa
_
L
0
g(τ)sin
_
nπτ
L
_
dτ.
6.3
u(x, y) = A
0
y +


n=1
A
n
sinh
_
nπy
a
_
cos
_
nπx
a
_
,
donde
A
0
=
1
ab
_
a
0
f (τ)dτ, A
n
=
2
asinh(nπb/a)
_
a
0
f (τ)cos
_
nπτ
a
_
dτ.
6.4 La ecuaci ´ on del calor para (x, t) ∈ [0, L] [0, ∞) sujeta a (C1) tiene soluci´ on
u(x, t) =
2
π


n=1
1
n
_
1−cos(

2
)
_
exp
_
−kt
n
2
π
2
L
2
_
sin
_

L
x
_
.
Bajo (C3):
u(x, t) =
1
L
_
L
0
f (τ)dτ +
2
L


n=1
_
_
L
0
f (τ)cos(

L
τ)dτ
_
exp
_
−kt
n
2
π
2
L
2
_
cos
_

L
x
_
6.5 Bajo (C1):
u(x, t) =
L
2
π
3


n=1
_
1−(−1)
n
n
3
_
cos
_
nπa
L
t
_
sin
_

L
x
_
.
Bajo (C2):
u(x, t) =
1
a
sin(at)sin(x)
6.6 Bajo (C1):
u(x, t) =
2
a


n=1
_
1
sinh(

a
b)
_
a
0
f (τ)sin(

a
τ)dτ
_
sinh
_

a
y
_
sin
_

a
x
_
.
Bajo (C2):
u(x, t) =
1
2
x +
2
π
2


n=1
_
1−(−1)
n
n
2
sinh(nπ)
_
sinh(nπx)cos(nπy).
6.7 En el sentido de las distribuciones se tiene que
f
/
1
(x) = sgn(x); f
/
2
(x) = δ(x) −H(x)sin(x); f
/
3
(x) = H(x)cos(x);
f
/
4
(x) = 2δ(x); f
/
5
(x) =−δ(x); f
/
6
(x) = δ(x);
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Soluciones a los problemas 323
f
/
7
(x) = ψ(0)δ(x); f
/
8
(x) =−ψ
/
(0)δ(0) +ψ(0)δ
/
(x);
f
/
9
(x) = ψ
//
(0)δ(x) −2ψ
/
(0)δ
/
(x) +ψ(0)δ
//
(x); f
/
10
(x) = 2δ(x);
f
/
11
(x) = 2δ
/
(x); f
/
12
(x) = δ(x) −δ
//
(x);
f
/
13
(x) = δ(x) +2δ
/
(x) +δ
//
(x); f
/
14
(x) = δ
/
(x) +δ(x) +H(x)e
x
; f
/
15
(x) = 24δ(x).
6.8
u(x, t) = e
t−x
_
(2t −x)
2
+t
¸
.
6.9
u(x, t) = e
4t+x
(8t +x) −
1
2
xt
2
.
6.10
u(x, t) =
1

4t +1
e
−[4t−x(x−2)]/(4t+1)
.
6.11
u(x, t) =
1
2
t
2
+e
t
+1.
6.12
u(x, t) =t
3
+sin(x)e
−t
.
6.13
u(x, t) = cos(x)e
−t
(t +1).
6.14
u(x, t) = xt −x −2t +4−2e
−t
.
6.15
u(x, t) =
e
bt
2a

πt
e
−x
2
/(4a
2
t)
.
6.16
u(x, t) =
1
2a

πt
exp
_

_
x +bt
2a

t
_
2
_
.
6.17
u(x, t) = 1.
6.18
u(x, t) = e
2t
−e
t
+sin(x).
6.19
u(x, t) = xt +x
2
+a
2
t
2
+
1
3
axt
3
.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
324 Soluciones a los problemas
6.20
u(x, t) =
1
a
sin(at)cos(x) +sin(x)cos(at).
6.21
u(x, t) =t +1+
1
9
sin(x)(1−cos(3t)).
6.23
u(x, t) = x cos(at) +
1
a
sin(at).
6.24
u(x, t) = sinh(2t) +x cosh(2t).
6.25
u(x, t) = cos(2t) +
1
2
sin(2t).
6.26
u(x, t) = xe
−t
cosh(t) +2xe
−t
sinh(t).
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
Referencias
[ADCR05] F. Alvarez, J. D´ avila, R. Cominetti, and H. Ram´ırez, C´ alculo Vectorial, Variable Compleja y Ecuaciones en
Derivadas Parciales, Universidad de Chile, Chile, 2005.
[Ald97] M. Alder, An Introduction to Complex Analysis for Engineers, Massachusetts Institute of Technology, 1997.
[Apo67] Tom M. Apostol, Calculus. Vol. I: One-variable calculus, with an introduction to linear algebra, Second edition,
Blaisdell Publishing Co. Ginn and Co., Waltham, Mass.-Toronto, Ont.-London, 1967.
[Ash72] R. Ash, Real Analysis and Probability, Academic Press, New York, 1972.
[Bre83] H. Brezis, Analyse Fonctionnelle, Collection Math´ ematiques Appliqu´ ees pour la Maˆıtrise, Masson, Paris, 1983.
[DB10] R. Dorf and R. Bishop, Modern Control Systems, Prentice Hall, USA, 2010.
[Eva98] L. Evans, Partial Differential Equations, Graduate Studies in Mathematics, vol. 19, American Mathematical So-
ciety, Providence, RI, 1998.
[FK69] D. Frank-Kamenetskii, Diffusion and heat transfer in chemical kinetics, Ed. Plenum Press (1969).
[FMZ07] P. Felmer and J. Mayorga-Zambrano, Multiplicity and concentration for the nonlinear Schr¨ odinger equation with
critical frequency, Nonlinear Analysis 66/1 (2007), 151–169.
[Gro87] S. Grossman, Algebra Lineal, Grupo Editorial Iberoamericana, 1987.
[Hal50] Paul R. Halmos, Measure Theory, D. Van Nostrand Company, Inc., New York, N. Y., 1950.
[Jon09] T. Jones, The Legendre and Laguerre Polynomials & the elementary quantum mechanical model of the Hydrogen
atom, Drexel University, http://www.physics.drexel.edu/ tim/open/hydrofin/ (2009).
[Kre89] E. Kreyszig, Introductory Functional Analysis with applications, Wiley, USA, 1989.
[Kre06] , Advanced Engineering Mathematics, Wiley, USA, 2006.
[Kur87] A. Kurosch, Curso de Algebra Superior, Editorial MIR, Mosc´ u, 1987.
[LL65] L. Landau and E. Lifshitz, Quantum mechanics (non-relativistic theory), Series in Theoretical Physics, Pergamon
Press Ltd., New York, 1965.
[LR03] H. Lomel´ı and B. Rumbos, La transformada de Laplace en Econom´ıa, ITAM, M´ exico (2003).
[Mij82] V. Mij´ ailov, Ecuaciones Diferenciales en Derivadas Parciales, Editorial MIR, Mosc´ u, 1982.
[MZ07] J. Mayorga-Zambrano, C´ alculo Diferencial para Ingenier´ıa, Universidad de Talca, Chile, 2007.
[MZ10a] , Bases Hilbertianas y Series de Fourier en L
2
, Apuntes de Curso ESPE Vol.01, N.01 (2010).
[MZ10b] , Distribuciones, Apuntes de Curso ESPE Vol.01, N.02 (2010).
[MZ10c] , Distribuciones Temperadas y Transformada de Fourier, Apuntes de Curso ESPE Vol.01, N.03 (2010).
[NCT96] F. Navas, R. Cueva, and J. Toro, Algebra lineal, Escuela Polit´ enica Nacional, Ecuador, 1996.
[Ni ˜ n10] E. Ni ˜ no, Aplicaciones reales de la transformada de Laplace, Instituto Tecnol ´ ogico de Monterrey (2010).
[O’N09] P. O’Neil, Matem´ aticas Avanzadas para Ingenier´ıa, CENCAGE Learning, M´ exico, 2009.
[Per97] I. Peral, Multiplicity of solutions for the p-laplacian, International Center for Theoretical Physics (1997).
[Per04] , Primer Curso de Ecuaciones en Derivadas Parciales, Universidad Aut ´ onoma de Madrid, Madrid, 2004.
[PR95] C. Pita Ruiz, C´ alculo Vectorial, Pearson, M´ exico, 1995.
[Ros80] K. A. Ross, Elementary Analysis: The theory of calculus, Springer-Verlag, New York, 1980.
[RR92] J. Reddy and M. Rasmussen, An´ alisis Matem´ atico Avanzado, Editorial Limusa, M´ exico, 1992.
[RS72] M. Reed and B. Simon, Methods of modern Mathematical Physics. I. Functional analysis, Academic Press, New
York, 1972.
[RS75] , Methods of modern Mathematical Physics. II. Fourier analysis, self-adjointness, Academic Press, New
York, 1975.
[Sal04] G. Sallet, Ordinary Differential Equations with Scilab, University Gaston Berger (2004).
[Tor92] J. Toro, Sucesiones, Escuela Polit´ ecnica Nacional, Ecuador, 1992.
325
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
326 Referencias
[Vil03] C. Villani, Topics in optimal transportation, Graduate Studies in Mathematics, vol. 58, American Mathematical
Society, Providence, RI, 2003.
[Vil07] J. Villate, Introduction to dynamical systems, Universidade do Porto, Porto, 2007.
[Vil08] C. Villani, Optimal transport: Old and new, Grundlehren der mathematischen Wissenschaften, Springer, 2008.
[Zil97] D. Zill, Ecuaciones Diferenciales con aplicaciones de modelado, International Thomson Editores, 1997.
U
n
i
v
e
r
s
i
d
a
d
d
e
l
a
s
F
u
e
r
z
a
s
A
r
m
a
d
a
s
-
E
S
P
E
J
u
a
n
M
a
y
o
r
g
a
-
Z
a
m
b
r
a
n
o
,
P
h
D
´
Indice alfab´ etico
glossary, 307
327

Resumen. ´ Este trabajo presenta los t´ picos correspondientes al ultimo nivel de Matem´ ticas en una carrera de Ingeo a nier´a. Se presenta la base te´ rica y se apoya el trabajo pr´ ctico con el uso de Maxima, un sistema algebraico ı o a computacional del tipo Free Software.

Matem´ tica Superior para Ingenier´a a ı c 2011 Juan Ricardo Mayorga Zambrano Publicado por ESPE http://www.espe.edu.ec Primera impresi´ n. o

Ninguna parte de este trabajo amparado por la Ley de Propiedad Intelectual, podr´ ser reproducido, a transmitido, almacenado o utilizado en cualquier forma o por cualquier medio, ya sea gr´ fico, electr´ nico o a o mec´ nico, incluyendo, pero sin limitarse a lo siguiente: fotocopiado, reproducci´ n, escaneo, digitalizaci´ n, a o o grabaci´ n en audio, distribuci´ n en Internet, distribuci´ n en redes de informaci´ n o almacenamiento y o o o o recopilaci´ n en sistemas de informaci´ n sin el consentimiento por escrito de la ESPE y del autor. o o

Dedicado a mis hijos Daniel, Keren y Jaya.

VI

CTAN lion drawing by Duane Bibby; thanks to www.ctan.org

Juan Mayorga-Zambrano, PhD

‘‘Existe una opini´n muy generalizada seg´n la cual la matem´tica es la o u a ciencia m´s dif´cil cuando en realidad es la m´s simple de todas. a ı a La causa de esta paradoja reside en el hecho de que, precisamente por su simplicidad, los razonamientos matem´ticos equivocados quedan a la a vista. En una compleja cuesti´n de pol´tica o arte, hay tantos factores o ı en juego y tantos desconocidos o inaparentes, que es muy dif´cil ı distinguir lo verdadero de lo falso. El resultado es que cualquier tonto se cree en condiciones de discutir sobre pol´tica y arte - y en verdad lo hace - mientras que mira la ı matem´tica desde una respetuosa distancia’’. a Ernesto S´ bato, Uno y el Universo. a

Universidad de las Fuerzas Armadas - ESPE

A Este texto ha sido preparado con LTEX. Se ha adaptado la plantilla svmono disponible en la p´ gia na web de la casa Springer—Verlag y que originalmente acepta los idiomas ingl´ s, franc´ s y alem´ n. e e a

Tabla resumida de contenidos

Prefacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XI Introducci´ n general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 1. Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1

5

2.

An´ lisis complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 a Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 Sistemas din´ micos continuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 a An´ lisis de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191 a Ecuaciones Diferenciales Parciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271 Modelamiento matem´ tico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293 a Ondeletas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305

3.

4.

5.
Juan Mayorga-Zambrano, PhD

6.

A.

B.

Glosario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 Soluciones a los problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309 Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325

VII

Universidad de las Fuerzas Armadas - ESPE

VIII

TABLA RESUMIDA DE CONTENIDOS

´ Indice alfab´ tico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327 e

Juan Mayorga-Zambrano, PhD

Universidad de las Fuerzas Armadas - ESPE

PhD IX Universidad de las Fuerzas Armadas .Presentaci´ n o sdadad adas das das dsa das d asd asd d sad sad sad asd sd asd as d asd sad sa dsa d ad asd ad as dss ada sd CIUDAD.ESPE . MES de 2011 REVISOR Juan Mayorga-Zambrano.

PhD Universidad de las Fuerzas Armadas .Juan Mayorga-Zambrano.ESPE .

a Cr´ticas y observaciones son siempre bienvenidas. Pienso que “a la Matem´ tica hay que hacerla m´ s atractiva” de manera que he preparado a a el material tratando de hacerlo interesante para los estudiantes.ec ı Juan Mayorga-Zambrano. ı o ı el estudiante encontrar´ m´ s efectivo converzar con los profesores especialistas de su carrera acerca de los a a cursos que ellos dictan: por regla general. los a a a especialistas de su carrera de Ingenier´a son gente pr´ ctica quienes no le har´an tomar un curso si pensaran ı a ı que ese tiempo se podr´a utilizar para cosas con mayor valor” [Ald97] ı Para dominar el material presentado en este documento. La respuesta afirmativa ı di´ el impulso inicial a este proyecto.edu. probablemente. pero. encontrar´ que mientras m´ s moderno e intrincado es el material a a abordado. ı Abril 2011 Juan Mayorga Zambrano ESPE XI Universidad de las Fuerzas Armadas . “Independiente de su concepto acerca de los matem´ ticos. un Sistema Computacional Algebraico. m´ s matem´ ticas son necesarias. o No soy partidario de “hacer m´ s f´ cil la Matem´ tica” pues por esta premisa se tiende a bajar el nivel a a a acad´ mico y la capacidad de desarrollar proyectos de Ingenier´a donde el modelamiento matem´ tico juega e ı a un rol esencial. Para convencerse de la importancia de los temas del curso uno podr´a enlistarlos junto con ejemplos de aplicaci´ n a la Ingenier´a. Se prov´ e a e un importante apoyo por medio de Maxima. los estudiantes me preguntaron si se podr´a trabajar el material con el sofware Maxima . pero ser´ n necesarios a papel y l´ piz: el ingeniero debe ser amo de su software y no viceversa.que n ı yo ya hab´a utilizado con ellos en un curso de Ecuaciones Diferenciales Ordinarias.ESPE . PhD Sangolqu´. Al ı o e a˜ o siguiente. Para ello puede escribirme a jrmayorga@espe. el estudiante deber´ sudar bastante.Prefacio Este texto nace de las notas de curso que prepar´ para un curso de Matem´ tica Superior para la carrera de e a Ingenier´a Mecatr´ nica apenas me vincul´ a la Universidad de las Fuerzas Armadas de Ecuador (ESPE).

PhD Universidad de las Fuerzas Armadas .Juan Mayorga-Zambrano.ESPE .

deciden divorciarse. Juan Mayorga-Zambrano. pero esta vez el con una mujer malvada y ella con un hombre malvado. con menci´ n particular al Gral.Reconocimientos En la tradici´ n Hebrea se cuenta la historia de un matrimonio de personas justas que al no poder tener o ´ hijos. PhD XIII Universidad de las Fuerzas Armadas . Gracias Carmita ı ı ı por ayudarme a sacar lo mejor de mi. Carlos Rodr´guez y al Crnl. Se vuelven a casar. Mi sincero agradecimiento a o ı ellos. apoyo y cr´ticas de mi esposa no estar´a donde estoy ni ser´a quien soy. Al cabo de unos a˜ os la mujer hab´a logrado transformar a su segundo esposo en un hombre justo n ı en tanto que su ex-esposo se hab´a vuelto malvado. Jorge Vergara. Este proyecto no hubiera podido concretarse sin el apoyo incondicional de las autoridades de la ESPE. ı Sin la paciencia.ESPE .

PhD Universidad de las Fuerzas Armadas .Juan Mayorga-Zambrano.ESPE .

o n o Juan Mayorga-Zambrano. Ace o e tualmente es profesor investigador en la Universidad de las Fuerzas Armadas . Ha sido profesor y/o investigador en Israel Institute of Technology . Universidad de Talca (Chile). Universidad de Viena (Austria). es observante de las Siete Leyes de los Hijos de No´ . Cuenta con dos postdoctados: Universidad de Talca (Chile.Ecuador. Mayorga Z.Technion (Israel). o 1976. Sobre este t´ pico ha traducido del ingl´ s al espa˜ ol los ı o e n libros “The Seven Colors of the Rainbow” (Bindman) y “The Path of the Righteous Gentile” (Clorfene & Rogalsky). Universit´ Pae ris Dauphine (Francia).2007) y Technion (Israel. ´ Juan R. En 2006 obtuvo el t´tulo de Doctor en Ciencias ı de la Ingenier´a (menci´ n en Modelaci´ n Matem´ tiı o o a ca) en Universidad de Chile.ICTP (Italia). miembro del staff de Universidad No´ jida (2009 . International Centre for Theoretical Physics .ESPE (Ecuador). Mayorga Z. 2006 . Universidad T´ cnica de Ambato (Ecuador) y Universidad Tecnol´ gica Indoam´ rica (Ecuador).ESPE . c´ digo de etica universal que e o les corresponde a las naciones no-jud´as de la tierra. naci´ en Ambato . Fue Coordinador para Chile (2006) y Coordinador Internacional (2007) de la Fundaci´ n Luz de o Vida Internacional.2011). Se gradu´ con Suma Quan Laude como mejor o estudiante de la promoci´ n 2001 de la Escuela Poo lit´ cnica Nacional obteniendo el t´tulo de Matem´ tie ı a co. Actualmente trabaja bajo la a supervisi´ n de Jabad Ecuador en la ense˜ anza y divulgaci´ n del Noajismo.˜ Breve resena del autor Juan R.2008). PhD XV Universidad de las Fuerzas Armadas . Escuela Polit´ cnica Nacional (Ecuae dor). 2007 . Universidad de Chile (Chile).

ESPE .Juan Mayorga-Zambrano. PhD Universidad de las Fuerzas Armadas .

. . . . . . . . . . .1. . . .5. . o 1. . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 u 2. . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cardinalidad . . . . . . . . . . . . . . . . . . .Detalle de contenidos Prefacio . . . . . . . . . . . . . . . . . 14 1. . . . . . . . . . 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 a 2. . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7. . . . . . . . Anillos y Cuerpos . . . . . . . . . . . . . . . . . .2. . . . .6. . El cuerpo de los n´ meros complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XI Introducci´ n general . . . Grupos. . . . . . . . . . . . . . Espacios vectoriales . . . . . . . .8. . . . . . . . . . . . . . . . . . . . . . .3. 1 5 5 1. . . . . . . . . . . . . . . . . Introducci´ n . El Axioma de Elecci´ n y el Lema de Zorn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2. . . . . . . . . . . . . . . . . . . . . . . . . . . Conjunto de partes y familia de conjuntos . . . 18 1. . . . . . . . . .ESPE . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . Preliminares . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . PhD 1. . . . . . . . . . . . . . . . . . . Conjuntos . . 16 Juan Mayorga-Zambrano. . . . . . . . Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones complejas . . . . . . . 25 u 2. . . . . . . . . . . 17 o 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 XVII Universidad de las Fuerzas Armadas . . . . . Notaci´ n imaginaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 o 2. . . . . . . . . . . . . . . . . . . . . . . . . . Relaciones . . . . 28 o 2. . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . An´ lisis complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . Operaciones con n´ meros complejos . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . .7. . . . . . . . . . . . . . . .Goursat . . . . . . . . F´ rmula Integral de Cauchy . . . . . . . . 37 o 2.9. . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 . .5. . . . . . . . . . . . . . . . . . . Forma polar de un n´ mero complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . .7. . . . . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . . .9. . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . .7. . . Teorema Fundamental del C´ lculo . . . . . . . . . . . . . . . . . . . . 51 2. . . . . . . . . . . . .6. . . . . . . . . . 65 2. . . . . . . . . . . . 44 ı 2. . . . . . . . . PhD 2.1. . . . . . . . . . . . . . . . . . . . . . 49 2. .4.5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bolas. . . . . Funciones m´ dulo y de conjugaci´ n . . . . Series de potencias . . . . . . . Ra´ces de la unidad . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . 39 u ´ 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Primitivas o antiderivadas . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . 66 a 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Integral en el plano complejo . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 o 2. . . .6. . . . . . . . . . . . .6. Derivabilidad . . .1. . . . . . . . . . . . . . . . . . .3. . . Curvas y dominios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 o 2. . . . . . . 41 2. . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . Funci´ n logar´tmica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . 58 e Juan Mayorga-Zambrano. . . Funci´ n exponencial . . . . . 69 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Reglas de derivaci´ n . . . . . . . . . . . . 43 ı 2. . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . L´mites y Continuidad de funciones complejas . . . . . . . . . . . 62 2. . . . . . . . .2. . .3. . . . . . . . . . . . . . . . . . . . Funci´ n indicatriz . . F´ rmula de Euler . . . . . . . . . . Series de Taylor . . . . . . . . 29 o o 2.XVIII Detalle de contenidos 2. . . . . . .3. . . . . . . . . . . . . 32 2. . . . . .3. . . . . .7. . El teorema de Cauchy . . . . . . . . . . . . . 53 2. . . . . . . . 60 o ı 2. . Sucesiones . . . . . . . . . . . .5. . . . . Condiciones de Cauchy . . . . . . . . . . . . . . . Funciones trigonom´ tricas . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . .7. . . . . . . . .2. . . . . . . . . . 56 o 2. . . . . . . . . . . . . . . 57 o 2. . . . . . . . . . . .4. . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 o 2. . . . . . . . . conjuntos abiertos y funciones acotadas . . . . . . . . . . . . . . . Longitud de arco . . .5. . .8.ESPE 2. . . . . . . . . . . . . . . . . . 62 o 2. . . . Definici´ n en el sentido de Riemann .3. . . . . . . Funciones hiperb´ licas . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Riemann . . . . . . . . . . . .3. . . . . . . . Teorema Fundamental del Algebra . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . 46 2. . . . . . . .2. . . . . . . . . . . . . . . . . . .2. . 45 2. . 34 Universidad de las Fuerzas Armadas . . . . . . . . . . .1. . . . . . . . .

. . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . 97 3. .1. . . . . . . . . . . . . . . . . . Segundo teorema de traslaci´ n . . . . . . . . . . . . . . . . . . . . 111 o 3. . . . 121 3. . . . . . . . .9. .8. . . . . . 114 a Juan Mayorga-Zambrano. . . 122 o 3. . . . . . . . . . . . . . . . 110 o 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Integrales impropias sobre dominios no-acotados . . . . . . . . . . . . . . . . . . . . . . . . .11. . . . . . . . . . . . . . . . . . . . . 87 e 2. . . . . . . . . . . . . . . . . . . 80 Universidad de las Fuerzas Armadas . . . .6. . . . . . . . . . . . . . . . . . . .ESPE 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . .12. . . . . . . . . . . . . . . . . . . . . . .8. . . . . . Derivaci´ n y convoluci´ n . . . . . . . . 105 3. . . . . . . . . 118 o 3. . . . . . . . . . . . . . . . . . . . Delta de Dirac . 124 o o 3. . . . . . 87 a ı 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10. . . . . . . . . 112 3.2. . . . . . . . . . . . . . . . . . . . . Introducci´ n . . . . . . . . . . . . . . . . . . .3. . . . .3. Teoremas de traslaci´ n o corrimiento . . .5. . . . . . . . . . . . . . . . . .7. . . . . . Series de Laurent . . 113 o 3. . . . 128 o 3. . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . El Teorema de los Residuos . . . . . 82 2. . . . . . . . . . . . . .13. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Otras consecuencias de la f´ rmula de Cauchy . . . . . . . C´ lculo de integrales v´a residuos . . . .4. . . . Aplicaci´ n a la ecuaci´ n de Volterra . . . . . . . . . . . . . . . . . . . . . 88 Problemas . . . . . . . . . . . . . . . . . . . . . . .8. . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . Transformada inversa de funcionales racionales . . . . . . . . . . . . . . . . . . . . . . . . . Aplicaci´ n a un problema de valor inicial . . . . . . . . . . . . . . . . . . . . .13. 74 o 2. . . . . . . . . . . . Definiciones y f´ rmulas b´ sicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aplicaci´ n a sistemas de EDO . . . . . . . . . Funciones peri´ dicas . . . . . . . . . . . . . . . . . . . . .8. . . . . 76 2. . . . . . . . . . . . . . La transformada inversa mediante el c´ lculo de residuos . . . . . . . . . . . . .8. . . .4. . . . . .2. . . . . . . . . . . . . . . . . .1. Aplicaci´ n a la Econom´a . . . . . . Transformada de Laplace . . . . . . . . . . . . . . .2. . . . . . . PhD 3. . . . . . . .2. . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Primer teorema de traslaci´ n . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 o 3. . . . . . . . . . . . . . . . . . . Aplicaciones de la transformada de Laplace . . .5. . . . . . . . . . . . . . . . . .13. . . . . . . . . . . . . . . 106 o a 3. Polos y singularidades . . . . . . . . . .Detalle de contenidos XIX 2. . . . . . . . . . . . . . . . . . . . . . . . . 105 o 3. . . . . . . . . . . . . . . 120 3. . . . . . . . . .1. . . . . 129 o ı . . . . . . . . . . . . . . . . . . . . . . Aplicaci´ n a la segunda ley de Kirchoff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8.2. . . . . . . . . . Integrales de funciones trigonom´ tricas . . . . . . . . . . 116 o o 3. . . .

. . . . . . Campos de direcciones . . . . . . . . . . .2. . . . . . . . . . . . . An´ lisis de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6. . . Sistemas de orden superior . . . . . . . . . . . . .5. . . . . . . . . . . . . . 153 e 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . 196 5. . . . . . . . . . . . . . . . . . . . . . .7. . . . Existencia. . . . . . . . . . . . . . . .3. El m´ todo de Runge . . . . . Introducci´ n . 153 4. . . . . . . . . . . . . . . . . . . . .1. . . . . .6. . . . . . 137 a 4. . . . . . . Preliminares . . . . . . . .Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Caso no-lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Kutta para sistemas de segundo orden .3. . . . . . . . . . . . . . . 140 o a 4. . . . . . . . . . . . El espacio L2 (I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. 151 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187 5. . . . . . . . . . . . . . . . . . . . . . Introducci´ n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sistemas aut´ nomos lineales . . . . Runge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191 o 5. . . . . . 158 4. .9. .2. . . . . . . . . . . . . Continuidad de operadores . . . . . .Kutta para sistemas de primer orden . . .XX Detalle de contenidos Problemas . . . . . . . . . . . . . . . . . . . .1. . . . . Runge . . . . . . . . . . . . . . . . . . . . . . . . .3. . 148 4. . . . . . . . . . . .10. . . . . 198 . . . .2. . . . . . . . . . Sistemas din´ micos de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . 192 5. . . . . . . . . . . . . . . . . .9. . . . . . . . . . . . . Espacios Euclidianos . . . . . . . . . . . . . . . . . . .1.6. . . . . . . . . . . . . . . . . . unicidad y estabilidad de soluciones . . . . 196 5. . . 144 4. . . . . . . .2. . . . . . . . . . . . . . . . .2. . . . . Puntos atractivos y repulsivos . . Conjuntos abiertos y cerrados . . . . 192 5. . . . . . . . . . . . . . . . . 154 a 4. . . . . . . . . . . . . . . . . . . . . . . . . . . 191 a 5. . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . 131 4. . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 o 4. . . . . . . . . . . . . . . . . . . . . . . . . 173 4. . . . .4. . . . . 137 o 4. . . . . . . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . .8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Caso lineal . . . . . . . . . . . . . . . . . Espacios normados . Clasificaci´ n de los sistemas din´ micos continuos . . . . . . . . . . . . . . . . . . . . 194 5. . . . . . . . . . . . . . . . . . . . . . . . . . . PhD Universidad de las Fuerzas Armadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . Sistemas din´ micos continuos . Estabilidad de puntos cr´ticos . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .ESPE Problemas . . . . 180 Juan Mayorga-Zambrano. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 ı 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.5. . . . Completitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . 220 o e 5. . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . .5. . . . . . . . . . . . . . . . Series cl´ sicas de Fourier . . . . . . . . . . . . . . . 240 Juan Mayorga-Zambrano. . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . Propiedades importantes . . . . . . . . . .6. . . . .5. . . . . . Series de Fourier — Legendre . . . . . . . . . . . . . . . 240 5. . . . . . 225 5. . . . . . . . . 271 o . . . Densidad . . . . . . . . . Series de Fourier — Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Series de Fourier — Hermite . . . . . . . . . . . . . . . . . .4. . . . . 221 5. . . . . . . . .1. . . . . . Espacios de Banach y Hilbert . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . 233 e 5. . . . . Bases de Schauder y Hilbertianas . . . . 256 n Problemas . . . . . . . . . . . . 271 6. . . .4. . . . . . . . . . . . . . .5. . . . . . . . . . .2. . . . La representaci´ n de Riesz-Fr´ chet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . 226 5. . 210 5. . . . . . . . . . . . . . 243 5. . . . . . . . . . . . . . . . . .Detalle de contenidos XXI 5. . . . . . . . . . . . . . . . .4. . . . . . . L]) y las series de Fourier complejas . . . . . . . . . . . . . . . . . . Criterio de Cauchy. . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . Los operadores F y F −1 . . . . . .3. . . . . . . . . .5. . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . 203 5. . . . . .3. . . . . . . . . . . . . . . . . . . 223 5. . . . . . . . . . . . . . . . . . . . . . . . . Relaci´ n de F con otras transformadas . . . . . . . . . . . . . . . . . . . . .6. . El sistema trigonom´ trico en L2 ([−L. . . . . . . . . . . . . . . . . . . . 236 5. . . . . . . . . . . . . . . . . . .Schmidt . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . Estudio de se˜ ales . . . . . . . . . . . .4. . . . 265 6. . . . . . . . . . 207 Universidad de las Fuerzas Armadas . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . .6. . . . . PhD 5. . . . . . . . . . . . . .2. . . . . . . . . . . . .6. . . . . . . 252 o 5. . . . . . . . 210 5. . . . . Ortogonalidad . . . . . . . . . . . . . . . . . . .5. . . . . . . . . Existencia de bases Hilbertianas . . . . . . . . . . . . . . . . . Operadores adjuntos . .2. . . . . . . . Ecuaciones Diferenciales Parciales . . . . . . . . . 214 5. 231 a 5. . . Definiciones . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . .5. . . . . . . . . . . . . . . . . . . . . Operadores lineales . . . . . . . . . . . . . . . . 225 5. . . . .6. . . . . . . . . . . . . .6. El proceso de Gram . . . . . . . . . . . . . . . . . . . . . . . .ESPE 5. . . . . .3. Transformada de Fourier . . Introducci´ n . . . . . . . . . . . .3. . . . . . . Bases Hilbertianas . . . . . . . . . . 238 5. . . . . . . . .5. . . . 246 5. . .

. . . . . . . . . .3. . . . . . . . . .4. . . . . . . . . .2. Modelos est´ ticos y din´ micos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ondeletas . . . . . . . . . . . . . . . . .5. . . . . La ecuaci´ n de difusi´ n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275 o o 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . .1. . . . . . . . . . . . . . . . . . . . . 309 Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . 325 ´ Indice alfab´ tico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278 e o 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . 305 Glosario . . . . . . . . . . . 288 A. . . 295 a A. . . . 293 o A. . . . 300 Juan Mayorga-Zambrano. . La ecuaci´ n de onda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Introducci´ n . . . . . . . . .5. . . . . . . . . . .3. . . . . . . . . . . . . . . 287 e o Problemas . . . . . . . . . . . . . . . . Conceptos b´ sicos . . . . . . Ejemplos de EDP . . . . 293 a A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . Resoluci´ n de EDP’s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296 a a A. . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .ESPE 6. . . . . . .2. . . . Otros m´ todos de soluci´ n . . . . . . . . . . . . M´ todo de separaci´ n de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . Modelamiento matem´ tico . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . Modelos determin´sticos y estoc´ sticos . . . . . . . . . . . 278 o 6. . . . . . 299 ı a A. . . . . . . . . . . . 278 o Universidad de las Fuerzas Armadas . . . . . . . . . . . . . . . . . .XXII Detalle de contenidos 6.5. . . . . . . . . . . . . . . 307 Soluciones a los problemas . . Modelos continuos y discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327 e . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones generalizadas . . . . . . . . . . . . . 294 a A. . . . . . . . . .3. . . . . . . . . . . . 274 6. . . . . . . . . . . . .2. . . . . . Tipos de modelos matem´ ticos . . . . . . . . . . . . . . . . . . . . . . . . . Resoluci´ n mediante las transformadas de Fourier y Laplace . . . . . . . . . . . . . . . . . 284 o 6. . . . . . . . . PhD B. . . . . . . . . . . . . . . . . . . . . 282 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . .1. . . . . . . . . . . . . . .

al mismo tiempo. Teor´a de Control. PhD El c´ digo Maxima presentado para resolver un determinado problema ha sido probado y preparado de o manera tal que sea claro para el estudiante al punto que lo motive a adaptarlo para la resoluci´ n de otros o problemas. Maxima es un Sistema Computacional Algebraico (CAS) de manera que permite obtener soluciones anal´ticas (cuando es posible) y hacer un seguimiento paso a paso de los procedimientos de resoluci´ n de ı o problemas.). etc. Por tanı to. o Se ha usado la versi´ n 5. para saltar al computador. estamos a convencidos de que el estudiante de Ingenier´a debe ser amo de su software y no en el otro sentido. Esta ultima consideraci´ n o es importante pues piratear software es un delito y el profesor debe buscar alternativas de calidad para los estudiantes que no tienen los recursos econ´ micos suficientes para invertir en software licenciado. a Hoy en d´a es indudable que el estudiante debe conectarse temprano en su carrera con software maı tem´ tico que le permita resolver problemas con efectividad y eficiencia. Sisa o ı a temas Din´ micos. 1 Universidad de las Fuerzas Armadas . a m´ s de tener una forma r´ pida para verificar el dominio propio de las a a herramientas matem´ ticas. Por un lado. ( %o1) 1 √ 2 Juan Mayorga-Zambrano. Por otro lado. pero. permite una aplicaci´ n inmediata a materias de Ingenier´a (Termodin´ mica.Introducci´ n general o “Il libro della natura e scrito in lingua matematica” ´ Galileo Galilei La Ense˜ anza de las Matem´ ticas para Ingenier´a ha experimentado una transici´ n desde los a˜ os ochenn a ı o n ta. Maxima es un software de c´ digo abierto de mae o ´ nera que los estudiantes pueden instalarlo en sus computadores de forma gratuita. Finalmente. el estudiante debe primero tener cimentados sus conocimientos con un n´ mero apropiado de horas de trabajo con papel y l´ piz. tambi´ n permite e a ı e trabajar num´ ricamente a un nivel aceptable.ESPE . Como consecuencia. al trabajar en este libro hemos tenido presente que. u a Escogimos el software Maxima para apoyar el estudio de la materia bajo tres consideraciones. En buena medida esto ha sido orientado por la necesidad de aprovechar la explosi´ n de recursos compuo tacionales cada vez m´ s poderosos. si bien Maxima es un CAS y por tanto no tiene a ı el poder num´ rico de una Plataforma de C´ lculo Cient´fico (como Scilab o Matlab).24 de Maxima y se ha trabajado con la interface wxMaxima. A lo largo del o libro el c´ digo Maxima se presenta a color y sombreado: o (%i1) sin(%pi/4).

g. La parte final del cap´tulo presenta el teorema de Cauchy-Goursat. [Apo67] y [MZ07]). PhD Universidad de las Fuerzas Armadas . Por o tanto. la f´ rmula integral de Cauchy.ESPE . las Series de Laurent y ı o el Teorema de los Residuos junto con sus aplicaciones. Hemos creido conveniente incluirlo ı a como parte de un curso de Matem´ tica Superior para Ingenier´a pues sirve como complemento al curso a ı est´ ndar de Ecuaciones Diferenciales Ordinarias que habitualmente antecede a este curso. En el segundo se e rese˜ a muy brevemente lo que es el Modelamiento Matem´ tico. calor y Laplace. A continuaci´ n se introduce el espacio de las funciones de cuadrado integrable. C´ lculo a a Juan Mayorga-Zambrano. e de Hermite. de Legendre. El Cap´tulo 3 se dedica a la transformada de Laplace. Como casos especiales de bases Hilbertianas de L2 (Ω ) se abordan los sistemas trigonom´ trico. presentamos s´ lo las demostraciones que estimamos son relevantes para mejorar la comprensi´ n de o o la materia. Es en este contexto general que se introducen las Series de Fourier. trigonom´ tricas y logar´tmicas. Se presentan los a teoremas de existencia y unicidad de soluciones y se aprovecha el m´ todo de Runge . Por mi experiencia como profesor puedo sugerir tanto al estudiante como al profesor ı que apoyen su trabajo con otros libros de texto como [O’N09] y [Kre06]. ı En el Cap´tulo 2 se presenta el An´ lisis Complejo.Kutta para describir e num´ ricamente soluciones. L2 (Ω ). En el primero se presenta material complementario. n a El material presentado en este curso supone que el estudiante trae aprobados cursos a buen nivel de ´ C´ lculo Diferencial e Integral (e. a o e ı Se abordan entonces los conceptos de derivabilidad e integrabilidad de funciones complejas.2 Introducci´ n general o A lo largo del texto se mantiene un enfoque orientado hacia la Ingenier´a. Se parte con un recordatorio de ciertos t´ picos del ı a o ´ Algebra Lineal. ı a o Al final de cada uno de los cap´tulos se presenta un conjunto de problemas seleccionados. fundamental para un o estudio moderno de las ecuaciones diferenciales. Un mismo tema que un estudiante encuentra claro en un libro puede resultar obscuro para otro estudiante y no hay tiempo para desperdiciar: un estudiante de ingenier´a est´ normalmente sometido a una gran presi´ n y exigencia. pero debe ser capaz de administrarlos y aplicarlos a la resoluci´ n de problemas. Al final del libro se presentan las respuestas para la mayor´a de ellos.g. n En el Cap´tulo 6 se presentan las Ecuaciones en Derivadas Parciales como modelos matem´ ticos y se preı a sentan el m´ todo de separaci´ n de variables y el m´ todo de las transformadas para resolver casos anal´ticos e o e ı de las ecuaciones de onda. El s´mbolo indica que se da por terminada una demostraci´ n. ı En el Cap´tulo 5 se aborda el An´ lisis de Fourier. Se introduce el concepto fundamental de conjunto abierto as´ como las definiciones de ı bases de Schauder y Hilbertianas. a ı o las herramientas fundamentales para su aplicaci´ n a las ecuaciones en derivadas parciales y al an´ lisis de o a se˜ ales. Se han incluido dos ap´ ndices. Creemos que un Ingeniero no ı demuestra teoremas. ı En el Cap´tulo 4 se abordan los Sistemas Din´ micos Continuos. [Gro87] y [Tor92]). como un ejemplo de espacio de Hilbert separable. m´ s bien ı a hemos tratado de seleccionarlos a partir de varias fuentes y adaptarlos a nuestro curso. Se parte con un repaso del cuerpo C y se avanza ı a r´ pidamente hacia el manejo de funciones complejas como las hiperb´ licas. Al final del cap´tulo se hace una introducci´ n an´ lisis de estabilidad de puntos e ı o a cr´ticos. y de Laguerre. No afirmamos ı que los problemas presentados sean originales (si bien hay algunos que son de nuestra autor´a). Se abordan las herramientas necesarias para su ı estudio y se termina el cap´tulo con varios tipos de aplicaciones. ı o ´ Los temas tratados en esta obra se presentan habitualmente en el ultimo nivel de matem´ ticas en las a carreras de Ingenier´a. Algebra Lineal (e. El cap´tulo termina con una secci´ n dedicada a la transformada de Fourier.

Se ha hecho un esfuerzo por enunciar expl´citamente los dominios de las funciones. [Zil97]) para estudios de una carrera de Ingenier´a.g.Introducci´ n general o 3 Vectorial (e. En mi experiencia docente he encontrado que los estudiantes que llegan con buenas ı bases de l´ gica matem´ tica absorben con mucha mayor soltura los conocimientos y m´ todos matem´ ticos o a e a de manera que este t´ pico puede considerarse como requisito para el curso.ESPE . esto no se debe a ı ´ unicamente a la (de)formaci´ n matem´ tica del autor sino m´ s bien a un hecho pr´ ctico: he encontrado que o a a a muchos problemas que los estudiantes encuentran “casi imposibles” se resuelven simplemente al aclarar el universo de estudio donde trabajan las funciones. PhD Universidad de las Fuerzas Armadas . o Para terminar esta Introducci´ n debo se˜ alar que la notaci´ n usada a lo largo del texto es casi siempre la o n o est´ ndar.g. [PR95] y [Apo67]) y Ecuaciones Diferenciales Ordinarias (e. Juan Mayorga-Zambrano.

PhD Universidad de las Fuerzas Armadas .ESPE .Juan Mayorga-Zambrano.

La paradoja de Cantor y uno de los axiomas de Frege son presentados en la Secci´ n 1. a e o 1 5 . x) para representar u a u a los elementos. Entre otras cosas. b. ZFC. a. Hilbert y otros matem´ ticos que se eso o a forzaron por reparar los cimientos de la Teor´a de Conjuntos que hab´an sido demolidos con la ca´da de los ı ı ı axiomas de Frege por el surgimiento de paradojas insalvables. PhD La axiomatizaci´ n ZFC surgi´ del trabajo de Russel.g. X) en tanto que se usar´ n min´ sculas (e. entonces {U : U ⊆ ϒ } ser´a estrictamente a ı m´ s grande que ϒ .Cap´tulo 1 ı Preliminares Universidad de las Fuerzas Armadas . as´ como o ı el manejo de familias de conjuntos se encuentran en programas de Ingenier´a con una inclinaci´ n m´ s ı o a cient´fica y en carreras de Matem´ tica y F´sica. B. Zermelo. Lo mismo sucede con las estructuras algebraicas elementales: grupos.combinada con la l´ gica .ESPE Presentamos a continuaci´ n t´ picos de base que apoyan al material tratado en el libro. a a ı recurrimos a la intuici´ n . el manejo abstracto de relaciones y su clasificaci´ n as´ como la comprensi´ n general del o ı o concepto de funci´ n son normalmente parte del primer curso universitario de Matem´ ticas en una carrera o a de Ingenier´a. constituyen o la base axiom´ tica m´ s usada para sustentar la Teor´a de Conjuntos. ı a ı 1. con la intenci´ n de proveer una base ı o l´ gica para la matem´ tica. Por ı otro lado.3. Si bien ZFC es nuestro paraguas. C. era o o inconsistente. estos axiomas buscaban eliminar problemas como la paradoja o a de Cantor.1. Siempre se supondr´ que todos los conjuntos en consideraci´ n est´ n contenidos en un a o a universo de trabajo U. cay´ ndose en una contradicci´ n. En 1893 Gottlob Frege hab´a dado un sisteı ma de axiomas para la teor´a de conjuntos (ideada por Georg Cantor). o A lo largo del texto usaremos la notaci´ n conjuntivista est´ ndar. anillos y cuerpos. el concepto general de sucesiones. Si suponemos la existencia de ϒ . c. la clasificaci´ n de conjuntos por su cardinalidad. Conjuntos El sistema de axiomas de Zermelo-Fraenkel junto con el axioma axioma de elecci´ n.1 En 1901 Russel mostr´ que uno de los axiomas de Frege.g. el Axioma de Comprehensi´ n. La teor´a intuitiva o o ı de conjuntos. el conjunto m´ s grande de todos los conjuntos.para desarrollar los conceptos. o o Juan Mayorga-Zambrano. A. Un conjunto normalmente ser´ denotado o a a por letras may´ sculas (e.

wordpress.5) y (1. es decir. Fuente: http://ericmat.7) quedan para el lector. (1.1) La intersecci´ n de A y B.6) (1. (1. PhD A ∪ B = {x ∈ X : (x ∈ A) ∨ (x ∈ B)}. Simb´ licamente correso a o o ponde al bicondicional ⇐⇒. (1. es decir. o Teorema 1.3) En el siguiente teorema se establecen las propiedades conmutativa y distributiva de las operaciones uni´ n o e intersecci´ n. e a Todo conjunto tiene por subconjunto a 0. Los puntos (1.2 A lo largo de todo el texto se abreviar´ con ssi la frase si y s´ lo si. a Juan Mayorga-Zambrano. es el / o conjunto cuyos elementos est´ n en A o en B.com/ .1 [Operaciones con conjuntos] Sean A.6 1 Preliminares Notaci´ n 1.6). todos los elementos de C tambi´ n est´ n en B. o (1. es el conjunto cuyos elementos est´ n tanto en A como en B. dados dos conjuntos A y B se tiene que A=B ⇐⇒ (A ⊂ B) ∧ (B ⊂ A) . / ı Notaci´ n 1. En su demostraci´ n se hace evidente el fuerte v´nculo que existe entre la Teor´a de Conjuntos o o ı ı y la L´ gica Proposicional. (A ∩ B) ∪C = (A ∪C) ∩ (B ∪C). es o a decir. Entonces A ∩ B = B ∩ A.1 El conjunto universo es el marco de referencia para el estudio de un determinado problema. denotado A ∩ B.1 [Pertenencia y contenencia] o Por a ∈ A o equivalentemente A a indicamos que a pertenece al conjunto A. Por C ⊆ B o B ⊇ C indicamos que C es un subconjunto de B.4). B y C conjuntos. denotado A ∪ B.files. Probemos (1. A ∩ B = {x ∈ X : (x ∈ A) ∧ (x ∈ B)}.ESPE Figura 1. Demostraci´ n.7) Universidad de las Fuerzas Armadas .4) (1. esto es. La uni´ n de A y B. Dos conjuntos son iguales cuando cada uno de ellos es subconjunto del otro. (1.5) (1. (A ∪ B) ∩C = (A ∩C) ∪ (B ∪C). el conjunto vac´o.2) Se dice que dos conjuntos A y B son disjuntos si A ∩ B = 0. A ∪ B = B ∪ A.

se concluye que (A ∩ B) ∪C = (A ∪C) ∩ (B ∪C). en virtud de (1. o. son todas v´ lidas. o . a.11) (1.2 [Leyes de Morgan] Sean A. esto es a A \ B = {x ∈ A : x ∈ B}. A \ (B ∪C) = (A \ B) ∩ (A \C). El comando : se utiliza para cualquier tipo de asignaci´n a un objeto.12) (1.ESPE ⇐⇒ (x ∈ A ∪C) ∧ (x ∈ B ∪C) Puesto que en todos los pasos del procedimiento anterior se tienen bicondicionales. u} = {u. es el conjunto de elementos que estando en A. En el siguiente teorema se establece un mecanismo para intercambiar las operaciones de uni´ n e intero secci´ n con ayuda de la complementaci´ n. (1.1).8) y (1. Sea x ∈ (A ∩ B) ∪C. Bc = U \ B representa el complemento de B. no est´ n en B. e. e. u} = {i. o. Entonces Juan Mayorga-Zambrano. de manera que (A ∩ B) ∪C ⊆ (A ∪C) ∩ (B ∪C). se tiene inmediatamente que (A ∪C) ∩ (B ∪C) ⊆ (A ∩ B) ∪C. (1. se sigue que x ∈ (A ∪C) ∩ (B ∪C). Universidad de las Fuerzas Armadas . (A ∪ B)c = Ac ∩ Bc . o.1 Un conjunto cualquiera A est´ completamente determinado por sus elementos. cualquiera. o o Teorema 1. Entonces. i. Si A y B son subconjuntos de un universo X. Se tiene que x ∈ (A ∩ B) ∪C ⇐⇒ (x ∈ A ∩ B) ∨ (x ∈ C) ⇐⇒ (x ∈ A ∧ x ∈ B) ∨ (x ∈ C) ⇐⇒ (x ∈ A ∨ x ∈ C) ∧ (x ∈ B ∨ x ∈ C) ⇐⇒ x ∈ (A ∪C) ∩ (B ∪C). (1. entonces las leyes de Morgan se escriben como (A ∩ B)c = Ac ∪ Bc . i} = {x : x es una vocal}. a. a Tip 1.8) para todo x ∈ (A ∩ B) ∪C. denotado A \ B.1 Conjuntos 7 Probemos que (A ∩ B) ∪C ⊆ (A ∪C) ∩ (B ∪C). (1. / (1. las a igualdades A = {a. e. B y C conjuntos.9). Puesto que x fue elegido arbitrariamente.10) En particular.9) Entonces. El complemento de B con respecto a A.1. PhD A \ (B ∩C) = (A \ B) ∪ (A \C).13) Ejemplo 1.

o. estos o podr´an ser letras. v.C)).d. b.d...8 1 Preliminares Tip 2. p} (%i7) D2: union(setdifference(A. w} Juan Mayorga-Zambrano.n.. m. respectivamente. w} ( %o3) {a.B) calcula A \ B. B: {b. c.1 No se ha mencionado nada sobre la naturaleza de los elementos de un conjunto. b. w} Verifiquemos que para estos conjuntos efectivamente se cumple que (A ∩ B) ∪C = (A ∪C) ∩ (B ∪C): (%i4) E1: union(intersection(A.p}.C).w}.2 Consideremos los conjuntos (%i1) A: {a. d...setdifference(A. w} (%i5) E2: intersection(union(A.. ∪ An .d. p. c. c.intersection(B..An) y union(A1. m. p} ( %o2) {b.. m.. b.. m.c. C: {a. n. d. p} Observaci´ n 1. o. ( %o1) {a. b.m. Las ´rdenes intersection(A1. c. ( %o6) {a. n. o. n.c.C)). u. o.w}. C). o.B). m. n´ meros e incluso otros conjuntos. ( %o5) {a. La orden setdifference(A.. En Maxima un conjunto se declara con objetos contenidos entre llaves.v. d.c. ∩ An y A1 ∪ A2 ∪ .C)).B). d. p. ı u Ejemplo 1. d. PhD Asimismo calculemos los dos lados de A \ (B ∩C) = (A \ B) ∪ (A \C): (%i6) D1: setdifference(A. o.m.ESPE .o. Tip 3.u. c. Ejemplo 1.p. union(B.An) permiten calcular.3 Consideremos los conjuntos Universidad de las Fuerzas Armadas .b.o. b. m.. o A1 ∩ A2 ∩ . ( %o4) {a. ( %o7) {a. p.

. 3}. Juan Mayorga-Zambrano. 4}. ( %o4) {{0}.2}.. {1. etc. {1. 1. {2.2}.B)..3}. .. {5. {0}.2. 3}. 5}. Es claro que B = {1. . {2.1. / 2 = {0.3}. {1. 4}} (%i2) B: { {1. ( %o1) {{0}.1 Conjuntos 9 (%i1) A: { {0}. 2}. / / 3 = {0. 2}. el segundo. donde 0 = 0. {1.8}. PhD (1. {1. {1. {1. . {1. {2. (1... .. / 1 = {0} = {0}. 2. {0}}. . {5.4 Denotemos por N al conjunto de los numeros naturales: ´ N = {1. 2}. 2} = {0. {1. .}. . ( %o3) {{1. . {3. 2}. n − 1}.3} }. . 1} = {0. . .} . 3}. . 8}} Ejemplo 1... 2. 8}} Universidad de las Fuerzas Armadas . no pertenece al conjunto C . {1. {3. 2. 2. {5.ESPE Se tiene que (%i3) intersection(A. {0}}}. 1} = {1}.4} }. 3}} (%i4) union(A. . 3. C = {{1. {1. a . 4}. . .14) n = {0. {1. 3}. {3. {1. ( %o2) {{1. 4}.15) Cuando el orden de los elementos es importante tenemos que valernos de alg´ n truco que permita disu tinguir cu´ l elemento es el primero. Entonces. 1. 3}. 3}. {1. {0. / / / / . 3}.. 2}. Definamos A como el conjunto formado por todos los subconjuntos binarios de N.B).

denotado A × B.16) De manera similar se define el producto ordenado de los conjuntos no-vac´os A1 . b}} = {{a. [a.. 1. u].5 Consideremos los conjuntos (%i1) A: {a. × An−1 ) × An . [b. × An .b. b. u]. b) : a ∈ A ∧ b ∈ B}. (1. Ejemplo 1. PhD ( %o2) {1. u]. 2. 2. b}. b) = (c. La orden cartesian product(A1. d) ⇐⇒ (a = c) ∧ (b = d).. [c. La definici´ n (1. v]} .. v]. {a.. u]. Se dice que (a.2}. (1. 1.1 [Producto Cartesiano] o Sean A y B dos conjuntos no-vac´os... B: {1. [a. [c. [b. [b. u]. 1. An : ı A1 × A2 × . ( %o1) {a. 2.. b)..17) Universidad de las Fuerzas Armadas .C). v]. 1. De la definici´ n se sigue que o (a.10 1 Preliminares Definici´ n 1.B. 2. u]. donde.c}. A2 .16) es el truco que buscamos pues el primer elemento de (a. C: {u. × A (n veces). v} Calculamos A × B ×C: (%i4) cartesian_product(A. [c.. ı mediante A × B = {(a. b) ≡ {a. b) ∈ A × B. 1. es aquel que o pertenece al segundo elemento de (a. 1. c} Juan Mayorga-Zambrano. 2} ( %o3) {u. En particular se pone An = A × A × .. a}.. ( %o4) {[a.. [c. 2..18) Tip 4. b) ∈ A × B es el par ordenado con primera componente a ∈ A y segunda componente b ∈ B.. Se define el producto cartesiano de A y B. × An = (A1 × A2 × . [a. v].An) calcula A1 × A2 × .. (1. v]. [b. 2.ESPE (a. v]..v}.

y ∈ X : 4) transitiva si ∀x. PhD Definici´ n 1. Se ı o dice que x ∈ X est´ en el dominio de f . antisim´ trica y transitiva y que. Se define la clase de equivalencia de x ∈ Ω como [x] ≡ {y ∈ Ω : x ∼ y}. El lector puede verificar f´ cilmente que ≤ es una relaci´ n relexiva. transitividad] o ı ı Sea r una relaci´ n de X en X.1. antisimetr´a. Se dice que y ∈ Y est´ en el rango de f . Ejemplo 1. ≤) es un conjunto ordenado. a denotado Rg( f ) ⊂ Y . y. sim´ trica y transio e tiva. y) pertenece a la relaci´ n r ⊆ A × B. llamamos relaci´ n de X en Y a todo subconjunto f de X ×Y . (1. o Definici´ n 1. si existe alg´ n y ∈ Y tal que (x.19) Introducimos ahora el concepto de relaci´ n de orden. antisim´ trica y transitiva. a u Se dice que Y es el codominio de f y se denota Cod( f ) = Y .3 [Reflexividad. por a o e tanto. para indicar que (x.5 [Relaci´ n de equivalencia] o o Se dice que una relaci´ n ∼ sobre el conjunto Ω es de equivalencia si es reflexiva. o Juan Mayorga-Zambrano. y) ∈ f . Relaciones Los tres tipos de relaciones m´ s importantes son las relaciones de orden. de equivalencia y las funciones. y) ∈ f . simetr´a. si existe alg´ n x ∈ X tal que (x. codominio. (1. o Definici´ n 1. xry ∧ yrx =⇒ x = y. y ∈ X : 3) antisim´ trica si e ∀x. dominio.20) . o e En este caso se dice que (Ω .2. a Universidad de las Fuerzas Armadas .6 Sobre Z se define la relaci´ n ≤ de manera que o a≤b ⇐⇒ b − a ∈ N ∪ {0}. Se dice que r es o 1) reflexiva si ∀x ∈ X : 2) sim´ trica si e ∀x.2 [Relaci´ n.4 [Relaci´ n de orden] o o Se dice que una relaci´ n ≤ sobre un conjunto Ω es de orden si es reflexiva.2 Relaciones 11 1. denotado Dom( f ) ⊆ X. z ∈ X : xry ∧ yrz =⇒ x r z. x r y =⇒ y r x x r x. es una relaci´ n de orden. u Se suele escribir x r y.ESPE Definici´ n 1. rango] o o Dados dos conjuntos no-vac´os X y Y .

denotado P(Ω ). ´ ∀x ∈ X. o . existe un unico y ∈ Y tal que (x. y) ∈ f . En particular.7 Sea M ∈ Z. P(Ω ) = {U : U ⊆ Ω }. ∃!y ∈ Y : Una funci´ n de X en Y se denota o f : X −→ Y x −→ y = f (x) A veces en lugar de la notaci´ n (3. se llama partes de Ω .6 [Funci´ n / Aplicaci´ n] o o o Sean X y Y dos conjuntos no vac´os. A grosso modo una familia de conjuntos sobre un conjunto Ω es un una colecci´ n indexada de partes de Ω .22) (1. si M = 2 tenemos la tradicional clasificaci´ n o o de los n´ meros enteros en pares e impares.ESPE ´ Las notaciones anteriores son especialmente utiles cuando la correspondencia entre x ∈ X e y = f (x) ∈ Y est´ dada por alguna regla o f´ rmula espec´fica.3. se escribe o X x −→ f (x) ∈ Y.1). o o Definici´ n 1. es decir. En ese sentido puede pensarse que f (x) ∈ Y es el producto a o ı que resulta de aplicar el proceso f a la materia prima x ∈ X. Conjunto de partes y familia de conjuntos Dado Ω un conjunto cualquiera.21) (x. Universidad de las Fuerzas Armadas . Tambi´ n se dice que la variable dependiente e y = f (x) resulta de aplicar f a la variable independiente x ∈ X. al conjunto formado por todos los subconjuntos de Ω . Esta es una relaci´ n de equivalencia sobre Z. ii) Para cada x ∈ X. (1.12 1 Preliminares Ejemplo 1. la relaci´ n de congruencia m´ dulo M. es decir. PhD 1.23) El concepto de familia de conjuntos es de vital importancia. denotada ∼. y) ∈ f . Juan Mayorga-Zambrano. como o o a∼b ⇐⇒ u a − b es m´ ltiplo de M. (1. Definimos sobre Z. u Introducimos ahora el concepto de funci´ n o aplicaci´ n. Se dice que la relaci´ n f ⊆ X × Y es una funci´ n o aplicaci´ n ı o o o de X en Y si se cumplen las siguientes condiciones: i) Dom( f ) = X.

(1. λ ∈Λ (1. λ ∈Λ El caso en que Λ = 0 se maneja por convenci´ n: / o Aλ = 0.7 [Familia de Conjuntos] o Llamamos familia de conjuntos sobre Ω a toda aplicaci´ n o Λ λ −→ Aλ ∈ P(Ω ).8 [Partici´ n] o o Se dice que {Aλ }λ ∈Λ .26) Aλ = x ∈ Ω : (∀λ0 ∈ Λ : x ∈ Aλ0 ) .ESPE La notaci´ n (1. normalmente. Entonces {[x]}x∈Ω es una partici´ n de Ω .1. una familia de conjuntos sobre Ω . a los o elementos de un conjunto. por clases de equivalencia. se usa la notaci´ n ı o {Aλ }λ ∈Λ ⊆ Ω .27) (1. Esto no es casualidad: una sucesi´ n de conjuntos o o es una familia de conjuntos indexada en N. / λ ∈0 / (1.35) para sucesiones. o o . PhD ∀λ . o Definici´ n 1.24) Universidad de las Fuerzas Armadas . es decir si se cumple que Juan Mayorga-Zambrano. λ = β : Aλ ∩ Aβ = 0. λ ∈0 / Un tipo de familia de conjuntos de mucha utilidad es la partici´ n de un conjunto. es una partici´ n de Ω si su uni´ n da Ω y si o o cualesquiera dos elementos distintos de la familia son disjuntos. λ ∈Λ La importancia de una partici´ n yace en que clasifica perfectamente. En este caso se dice que Λ es el conjunto de ´ndices de la familia y.3 Conjunto de partes y familia de conjuntos 13 Definici´ n 1. Esto se establece en la siguiente proposici´ n.29) (1. (1.1 [Partici´ n en clases de equivalencia] o o Sea ∼ una relaci´ n de equivalencia sobre Ω . Dada una familia de conjuntos {Aλ }λ ∈Λ ⊆ Ω se definen la uni´ n e intersecci´ n de los elementos de la o o familia mediante: Aλ = x ∈ Ω : (∃λ0 ∈ Λ tq x ∈ Aλ0 ) . o Proposici´ n 1.25) (1.30) Aλ = Ω .28) Aλ = Ω .24) es similar a (1. β ∈ Λ .

PhD Si existe una funci´ n inyectiva de A en B. si esto fuera ı cierto.4. o Definici´ n 1.32) nos dicen que f y g son procesos inversos el uno del otro. Cardinalidad Comparar el tama˜ o de dos conjuntos por el n´ mero de sus elementos es viable s´ lo cuando al menos n u o uno de los conjuntos es finito.31) (1.9 [Inyectividad. Universidad de las Fuerzas Armadas . es decir. la axiomatizaci´ n predecesora. ∃x ∈ A : f (x) = y. o ı ¿sobre qu´ conjunto estar´a definida esta relaci´ n? e ı o Observaci´ n 1.ESPE Se dice que f es biyectiva si es.32) Las relaciones (1. por la Proposici´ n 1. o de Russel.) a trav´ s de su axioma de comprehensi´ n: “Para toda propiedad P existe un conjunto MP que contine a todos y e o exclusivamente a todos los conjuntos que satisfacen la propiedad P”. Y. Sin embargo. Todo parece funcionar.el lector puede usar biyecciones o e ı para tratar de probar la reflexividad. x1 = x2 : f (x1 ) = f (x2 ).31) y (1. Consiste en suo ı poner que existe un conjunto ω con la cardinalidad m´ s grande (que equivale a suponer que existe un a conjunto que contiene a todos los conjuntos) para entonces darse que cuenta que P(ω) es a´ n m´ s granu a de. (1. Juan Mayorga-Zambrano. Se dice que g es la funci´ n inversa de f (y viceversa) y se denota f −1 = g. se dice que A tiene una cardinalidad menor o igual que la o cardinalidad de B y se escribe #[A] ≤ #[B].14 1 Preliminares 1. es inconsistente pues da via libre a paradojas (como las de Cantor. de Frege.10 [Cardinalidad / potencia] o Se dice que dos conjuntos A y B tienen la misma cardinalidad o potencia si existe una funci´ n biyeco tiva entre ellos. etc. inyectiva y sobreyectiva. Sobreyectividad] o Sea f : A → B. Es f´ cil verificar que si f : A −→ B es biyectiva entonces existe una funci´ n g : B −→ A tal que a o f (g(y)) = y. para todo y ∈ B. . Definici´ n 1. x2 ∈ A. Se dice que f es inyectiva si a elementos diferentes en A les corresponde im´ genes a diferentes en B.2 La paradoja de Cantor fue mencionada al principio de este cap´tulo. es decir. se escribe #[A] < #[B]. reci´ n definida. La relaci´ n ≤. Se dice que f es sobreyectiva si todo elemento de B tiene preimagen. En efecto. Para evitar problemas como la paradoja de Cantor es indispensable una axiomatizaci´ n consistente o como la ZFC. para todo x ∈ A. ∀y ∈ B. a la vez. En este caso se denota #[A] = #[B]. ∀x1 . antisimetr´a y transitividad. 2 2 Por el contrario. parecer´a ser de equivalencia. g( f (x)) = x. Para comparar el “tama˜ o” de dos conjuntos infinitos es necesario definir los n conceptos de inyectividad y sobreyectividad de funciones.1 todos los conjuntos se podr´an clasificar por su cardinalidad. Si adicionalmente #[A] = #[B].

puesto que la Observaci´ n 1.33) La clase de conjuntos con potencia3 ℵ0 corresponde a los m´ s “peque˜ os” de los conjuntos infinitos. para el manejo de bases Hilbertianas. entonces P(Ω ) o a tiene exactamente 2n elementos (incluyendo a 0 y Ω ). n ∈ N ∪ {0}. por definici´ n. En efecto. .3 En general. entonces A B #[A] = #[B]. enunciamos un resultado que es util e. El anterior ejemplo evidencia una diferencia cualitativa entre conjuntos finitos e infinitos.8 Sea P el conjunto de los enteros positivos pares. Ejemplo 1. un conjunto A es infinito si y s´ lo si o #[A] ≥ ℵ0 . (1.ESPE i) numerable si #[A] = ℵ0 . 3 ℵ es la letra hebrea “alef”. Es claro que P funci´ n p : N → P definida mediante o p(k) = 2k. (1.11 [Conjuntos numerables y discretos] o Se dice que un conjunto A es Universidad de las Fuerzas Armadas .3 La union de una familia numerable de conjuntos numerables es numerable. donde. se sigue que #[N] = #[P].34) ´ Para teminar esta secci´ n. y por lo xxx se tiene que #[P(Ω )] > #[Ω ]. o ℵ0 = #[N]. se pone o #[P(Ω )] = 2#[Ω ] .4 Cardinalidad 15 ´ Son muy utiles los conjuntos que se pueden “contar” es decir que son finitos o numerables: Definici´ n 1. es biyectiva.3 Es f´ cil verificar que si Ω es un conjunto con n elementos. / Juan Mayorga-Zambrano. En a n efecto.g. o Teorema 1. si A y B son conjuntos finitos tales que A ⊂ B. N pero. ii) discreto si #[A] ≤ ℵ0 .1. PhD Notaci´ n 1.

La funci´ n que modeı o la matem´ ticamente tal fen´ meno o proceso es la sucesi´ n de Fibonacci.9 Supongamos. si n ≥ 2. o La sucesi´ n de Fibonacci (Fn )n∈N∪ {0} ⊆ N ∪ {0}. etc.1. expr1. 8.16 1 Preliminares 1. A las sucesiones en un o conjunto A se las suele denotar (xn )n∈N ⊆ A. llamamos sucesi´ n en A a toda funci´ n cuyo dominio es N o N ∪ {0} y ı o o cuyo codominio es A. a Dado A un conjunto no-vac´o. si n = 1. 1.. el negocio tiene perspectivas de ser rentable pues n a o la poblaci´ n de conejos crece a buen ritmo.. el concepto de sucesi´ n es fundamental en a o Matem´ ticas. 5. (1.3. Es claro que el rango de una sucesi´ n es un conjunto discreto. exprn pero cuyas subpartes son los resultados de aplicar f a cada una de las subpartes de las expresiones.. 34.  Fn = 1. por ello. hay muchos a o o elementos relacionados con la sucesi´ n de Fibonacci: la cantidad de p´ talos de una flor y la cantidad de o e espirales en una pi˜ a. 1. La orden fib(n) calcula el n-´simo elemento de la serie de Fibonacci. ( %o1) [0. Ejemplo 1.7. [0. 21. que se quiere empezar un negocio de cr´a de conejos.ESPE Tip 5. o (%i1) map( fib.5. Sucesiones Cuando se quiere resolver un problema de Ingenier´a mediante un computador habitualmente se recurre ı a aproximaciones discretas del modelo matem´ tico. 2. 3. PhD  0. La f´ rmula anterior nos dice que a partir de n = 2 se obtiene F(n) al sumar los dos elementos anteriores o de la sucesi´ n.10]). e Tip 6. (yn )n∈N ⊆ A. etc. En la naturaleza.. est´ definida por o a Juan Mayorga-Zambrano. (zn )n∈N ⊆ A. La orden map(f.4.   Fn−1 + Fn−2 .35) Universidad de las Fuerzas Armadas .9.8. si n = 0.2.5. Como se ver´ a continuaci´ n. 55] ...6. 13.. . expr2.exprn) devuelve una expresi´n cuyo operador principal es o el mismo que aparece en las expresiones expr1 .

ESPE . (1. para todo q ∈ Q. cotas. es decir se a verifica que a≤b ∨ b ≤ a.38) iv) Se dice que P es inductivo si todo subconjunto totalmente ordenado de P admite una cota superior. u Axioma de elecci´ n. existe una aplicaci´ n E : Λ −→ Ω tal que / o E (λ ) ∈ Aλ . se puede tomar exactamente un objeto de cada o recipiente y ponerlos en un nuevo recipiente . ≤) un conjunto ordenado y sea Q ⊆ P. Estos pilares son usados sin a o o cuestionamientos pues el trabajo en Ingenier´a tiene que ver principalmente con con encontrar mecanismo ı para resolver problemas. para todo λ ∈ Λ .6 El Axioma de Elecci´ n y el Lema de Zorn o 17 1.1. como se mencion´ en la Secci´ n 1. Sea {Aλ }λ ∈Λ una familia de conjuntos sobre un conjunto no-vac´o Ω tal que o ı Aλ = 0. Para la Teor´a de Conjuntos. PhD i) Se dice que Q est´ totalmente ordenado si dados a.36) ii) Se dice que c ∈ P es una cota superior de Q si se cumple que q ≤ c. El Axioma de Elecci´ n y el Lema de Zorn o La Matem´ tica que usa normalmente un Ingeniero se sostiene en la Teor´a de Conjuntos la cual. En Matem´ tica Aplicada no es esencial conocer la demostraci´ n del Lema de Zorn (a partir del Axioma a o de Elecci´ n) pero es fundamental conocer bien su enunciado y saberlo usar.12 [Orden total. a ı tiene como sustento los Axiom´ tica ZFC. Definici´ n 1. El Axioma de Elecci´ n. que presentamos a continuaci´ n. dice muy a grosso modo que si se tiene una o o colecci´ n de recipientes. (1.incluso si hay un n´ mero infinito de recipientes. cada una con al menos un objeto.37) iii) Se dice que m ∈ P es un elemento maximal de P si se cumple que m≤x =⇒ m = x. Entonces. a su vez. o Universidad de las Fuerzas Armadas . (1. b ∈ Q estos son comparables. elementos maximales] o Sea (P.para todo λ ∈ Λ .1. Juan Mayorga-Zambrano. El Axioma de Elecci´ n fue formulado por Zermelo (1904).6. es importante mencionar que hay un gran n´ mero de proposiciones que son equivalentes u (desde el punto de vista l´ gico) al Axioma de Elecci´ n como el Teorema del Buen Orden o el Lema de Zorn o o ´ . Por otro lado.este ultimo se utiliza con frecuencia para probar resultados de existencia en An´ lisis Matem´ tico. a a Para presentar el lema de Zorn es necesario introducir un par de conceptos. el Axioma de o ı Elecci´ n no es indispensable: se pueden construir otras Matem´ ticas cuando se lo reemplaza por enunciados o a distintos.

42) . c ∈ Z.7. Llamamos operaci´ n interna sobre Ω a toda funci´ n ⊕ : Ω × Ω −→ Ω . anillo y cuerpo son fundamentales en Matem´ tica.14 [Grupo] o Sea ⊕ una operaci´ n interna sobre Z.18 1 Preliminares Lema 1. En la siguiente definici´ n uno puede pensar que P es el conjunto de los polinomios.39) b) [Existencia del neutro aditivo] Existe un elemento 0 ∈ Z tal que a ⊕ 0 = a. inductivo y no-vac´o admite un elemento maximal.40) c) [Existencia de inversos aditivos] Para cada a ∈ Z existe un elemento b ∈ Z tal que a ⊕ b = 0. Grupos.41) Definici´ n 1. ı En la Secci´ n 1. o Definici´ n 1. PhD (1. o (1. b. o Definici´ n 1. Universidad de las Fuerzas Armadas . (1. Z. b ∈ Z.15 [Grupo Abeliano] o Se dice que un grupo (Z. para todo a ∈ Z.8 utilizaremos el Lema de Zorn para probar que todo espacio vectorial pos´ e una base o e de Hamel. ı o o A la imagen de (a. b) ∈ Ω × Ω se le denota a ⊕ b. se tiene que (a ⊕ b) ⊕ c = a ⊕ (b ⊕ c). a ⊕ b = b ⊕ a. A estas estructuras algea braicas hay que a˜ adir el concepto de espacio vectorial para tener toda el “esqueleto” sobre el cual es n posible construir los “´ rganos” del An´ lisis Matem´ tico.13 [Operaci´ n interna] o o Sea Ω un conjunto no-vac´o. En la siguiente definici´ n uno puede pensar que Z es el conjunto de los enteros. Se dice que (Z. Para las tres primeras estructuras algebraicas es o a a indispensable el concepto de operaci´ n interna.1 [Lema de Zorn] Todo conjunto ordenado. (1. Juan Mayorga-Zambrano. Anillos y Cuerpos Los conceptos de grupo. ⊕) es un grupo si se cumplen las siguientes o condiciones a) [Asociatividad aditiva] Dados a. ⊕) es Abeliano si se verifica d) [Conmutatividad aditiva] Dados a.ESPE 1.

16 [Anillo] o Sean ⊕ y dos operaciones internas sobre P. el conjunto de los n´ meros reales tiene muchas m´ s propiedades que las presentadas en la u a Definici´ n 1.1.4 ı Cuando decimos que en un espacio vectorial se pueden multiplicar vectores con escalares estamos tratando con un caso particular de operaci´ n externa. se tiene que (a b) c=a (b c). R. (1.44) En la siguiente definici´ n uno puede pensar que R es el conjunto de los n´ meros reales.8. Estas propiedades son estudiadas en el curso de Prec´ lculo. un espacio vectorial es un conjunto donde se pueden sumar sus elementos y. b. (1.ESPE f) [Propiedad distributiva] Dados a. A la imagen de (a. o Definici´ n 1. c ∈ Z. Se dice que (P. se los puede multiplicar por escalares de manera que se cumplen las propiedades usuales de los vectores “f´sicos”.46) i) [Conmutatividad multiplicativa] Dados a.45) h) [Existencia de inversos multiplicativos] Para cada a ∈ Z \ {0} existe un elemento b ∈ Z tal que a b=b a = 1. (1.47) Por supuesto. c ∈ Z. ⊕. ⊕. o 4 Es decir vectores bidimensionales o tridimensionales. b ∈ Z. (1. adicionalmente. b.17 [Cuerpo] o Se dice que un anillo (R.18 [Operaci´ n externa] o o Sean Ω y K dos conjuntos no-vac´os. u) ∈ K × Ω se le denota a ⊗ u o simplemente au. (1. ⊕) es un grupo Abeliano y se verifican las condiciones e) [Asociatividad multiplicativa] Dados a. ) es un cuerpo si se verifican las siguientes condiciones g) [Existencia del neutro multiplicativo] Existe un elemento 1 ∈ R tal que a 1=1 a = a. a b=b a.8 Espacios vectoriales 19 Definici´ n 1. o a Juan Mayorga-Zambrano. Llamamos operaci´ n externa sobre Ω (con ayuda de K) a toda ı o funci´ n ⊗ : K × Ω −→ Ω . o u Definici´ n 1.17.43) Universidad de las Fuerzas Armadas . . Espacios vectoriales A grosso modo. se tiene que a (b ⊕ c) = (a b) ⊕ (a c). para todo a ∈ R. PhD 1. ) es un anillo si (P.

En la definici´ n o a o anterior.ϒ ) representaremos el espacio funcional5 constituido o por las funciones ψ : Ω → ϒ que tienen derivadas continuas al menos hasta orden k ∈ N∗ .48) (1..19 [Espacio vectorial] o Sean (V.. si K = C se dice que V es un espacio vectorial complejo. es un subespacio vectorial de V si dados α ∈ R / y u. b).4 En este libro consideramos principalmente espacios vectoriales definidos sobre R. ⊗). Observaci´ n 1. PhD Un espacio funcional es un espacio vectorial donde los vectores son funciones que cumplen habitualmente con ciertas propiedades de derivabilidad y/o integrabilidad. ⊕. Es claro que V∞ . 5 .10 Sea V0 = C(a. R). ii) Dados α. ⊗) es un espacio vectorial sobre K si se cumplen las siguientes condiciones. espacios vectou ı riales con las operaciones heredadas de su universo. ⊕) un grupo abeliano.. (1. en s´ mismos. Por Ck (Ω . 1 u = u. v ∈ W se tiene que αu + v ∈ W . i) (V.ESPE Si no hay lugar a confusi´ n se hablar´ del espacio vectorial V en lugar de (V. Se dice que W ⊆ V . donde V∞ = C∞ (a.4 Sean Ω ⊆ Rn y ϒ ⊆ Rm . ⊕. Juan Mayorga-Zambrano.49) (1. si K = R se dice que V es un espacio vectorial real. Vk = Ck (a.50) Universidad de las Fuerzas Armadas . β ∈ K y u. Ejemplo 1. Vk+1 Vk Vk−1 . Se dice que o (V.20 [Subespacio vectorial] o Sea V un espacio vectorial. Definici´ n 1. Definici´ n 1. e a Cuando sea necesario se har´ expl´cito que un espacio vectorial trabaja sobre el cuerpo C. b). α(u + v) = αu + αv. K un cuerpo y ⊗ : K × V −→ V una operaci´ n externa.. (αβ )u = α(β u). El siguiente resultado es sumamente importante. Notaci´ n 1. a ı Es com´ n encontrarse con subconjuntos de espacios vectoriales que son.V1 V0 . b) es un subespacio vectorial de V . v ∈ V .20 1 Preliminares Definamos lo que es un espacio vectorial. Para cada k ∈ N. Casi o todos los resultados son tambi´ n v´ lidos para K = C pero queremos evitar complicaciones innecesarias. se tiene que (α + β )u = αu + β u. ⊕) es un grupo Abeliano. b) es el conjunto de las funciones que tienen derivadas continuas de todos los ordenes ´ sobre (a. W = 0. Cuando ϒ = R se escribe simplemente Ck (Ω ) en lugar de Ck (Ω .

. k=1 Cuando dos vectores f´sicos u y v no son m´ ltiplos el uno del otro. arbitrarios. Definamos lo que es la c´ psula de un subconjunto de un espacio vectorial. vn ∈ D y o α1 . a Definici´ n 1. se tiene la siguiente caracterizaci´ n que establece que la c´ psula de un conjunto est´ constituido por todas las combinaciones lineales o a a finitas de elementos del conjunto. α2 . .51) donde W es el conjunto de los subespacios vectoriales de V ..4 [Intersecci´ n de espacios vectoriales] o Sea {Uλ }λ ∈Λ una familia de subespacios vectoriales de V . para cada λ ∈ Λ . . Adicionalmente. Se dice en este caso que u y v son linealmente independientes. Entonces U = λ ∈Λ Vλ tambi´ n es un subese pacio vectorial de V . Se concluye que U es subespacio vectorial de V pues αu + v ∈ U = Vλ .21. Puesto que o u.. denotado < D >. αn ∈ R tales que n Juan Mayorga-Zambrano. al subespacio vectorial de V m´ s peque˜ o que contiene a D. pues Vλ es subespacio vectorial de V . v2 .2 [Caracterizaci´ n de la c´ psula] o o a Sean D y V como en la Definici´ n 1. Proposici´ n 1. para todo λ ∈ Λ . Universidad de las Fuerzas Armadas . a n No es dif´cil comprobar que ı < D >= U∈W U. PhD u= ∑ αn vn . v ∈ U. se llama c´ psula de D (o espacio generado por a D). Este concepto se puede generalizar para conjuntos de vectores en un espacio vectorial general..1.21 [C´ psula] o a Dado un subconjunto D de un espacio vectorial V ..8 Espacios vectoriales 21 Teorema 1.. Sean α ∈ R y u. se sigue que αu + v ∈ Vλ . v ∈ Vλ . Se tiene que u ∈< D > ssi existen v1 . Demostraci´ n.ESPE . λ ∈Λ para todo λ ∈ Λ . no est´ n sobre la misma l´nea recta ı u a ı (trazada en el plano R2 o en el espacio R3 ). (1.

se puede demostrar que siempre existe una base de o Hamel. .). 2. u2 . Definici´ n 1. Demostraci´ n. o Los espacios vectoriales se pueden comparar por su dimensi´ n. ⊆) es un conjunto ordenado. En este caso. o Para los espacios de dimensi´ n finita. No es dif´cil verificar que (M .24 [Dimensi´ n y bases de Hamel] o o Sean V un espacio vectorial y B ⊆ V ... / ı M es inductivo. existe un subconjunto o con n vectores y linealmente independiente.. En Matem´ tica Aplicada los espacios vectoriales de dimensi´ n infinita son mucho m´ s interesantes que a o a sus pares de dimensi´ n finita..i. PhD contiene a todos los elementos de Q y es l. Gracias al o Lema de Zorn que fue mencionado en la Secci´ n 1. . A un conjunto que no es linealmente independiente se dice que es linealmente dependiente (abreviado l.22 1 Preliminares Definici´ n 1. se dice que V tiene dimensi´ n finita. Puesto que V = {0}.. o Definici´ n 1. Necesitamos entonces alguna herramienta para reconocerlos. la definici´ n anterior es bastante clara. αn ∈ R se tiene que ∞ ∑ αn un = 0 k=1 =⇒ αi = 0.i.) si tomados α1 .6. Se dice que B es una base de Hamel de V si se cumplen las siguientes condiciones i) B es linealmente independiente. ii) < B >= V . es linealmente independiente (abreviado l. Teorema 1. En efecto..22 [Independencia lineal] o Un subconjunto finito B = {u1 . un } de un espacio vectorial V .ESPE En general. si Q ⊆ M est´ totalmente ordenado entonces a U U∈Q Juan Mayorga-Zambrano. la dimensi´ n de V es dim(V ) = #(B). . . Para esto es necesario introducir el o concepto de base. α2 . existe v ∈ V \ {0} de manera que o M = 0 pues {v} ∈ M . para todo i = 1.... n. de manera que es una cota superior de Q. Entonces V tiene una base de Hamel.}. sin embargo..i.5 [Existencia de bases] Sea V = {0} un espacio vectorial. Caso contrario. un conjunto R ⊆ V es linealmente independiente si todo subconjunto finito suyo es linealmente independiente.d. Universidad de las Fuerzas Armadas . Definimos M = {U ⊆ V : U es l.23 [Dimensi´ n] o o Un espacio vectorial V se dice que tiene dimensi´ n infinita si para todo n ∈ N. para un o o espacio de dimensi´ n infinita uno tiene todo derecho a cuestionar la existencia de una base.

PhD .i. entonces existir´a un vector u ∈ V \ < B >.8 Espacios vectoriales 23 Por el Lema de Zorn. Universidad de las Fuerzas Armadas . el conjunto B ∪ {u} ser´a l. contradiciendo la ı ı maximalidad de B. si se tuviera V =< B >.1.ESPE Juan Mayorga-Zambrano. Se tiene que B es una base de Hamel para V . En efecto. M tiene un elemento maximal B. En este caso.

PhD Universidad de las Fuerzas Armadas .Juan Mayorga-Zambrano.ESPE .

[Ald97]. En efecto.. b ∈ R.1.Cap´tulo 2 ı An´ lisis complejo a Universidad de las Fuerzas Armadas . Pero. para poder resolver ecuaciones a u como x2 + 1 = 0. en aplicaciones de las Teor´as de Filtrado y de Control. u o u Por m´ s de un siglo se mir´ a los n´ meros complejos a + bi. ı ı Juan Mayorga-Zambrano. con mucha suspicacia.ESPE 2.”. los n´ meros complejos son bastante u reales. los n´ meros ı u ´ complejos son utiles para “medir” ondas peri´ dicas y en el manejo pr´ ctico de soluciones de Ecuaciones o a en Derivadas Parciales.1) de manera que i2 = −1. etc.1.1) que no pertenece al conjunto de n´ meros reales. y no se utilizar´a el calificativo de ‘imaginarios’. Operaciones con numeros complejos Al conjunto C = R2 = {z = (x.1. de hecho. Se empez´ a referir a i como un n´ mero “imaginario”. Introducci´ n o Los matem´ ticos inventaron C. “Si los n´ meros complejos hubieran sido inventados hace unos 30 a˜ os y no hace 300. o o 25 . o u basta tener en mente (2.. no hubieran u n recibido el apelativo de ‘complejos’. el conjunto de los n´ meros complejos. a o u ¿Existen realmente? Simb´ licamente manipular algebraicamente los n´ meros complejos no es complicado. PhD ´ 2. Quiz´ se les hubiera llamado n´ meros planares o n´ meros bidimena u u sionales o algo similar. donde a. R. Las funciones de variable compleja son usadas en Electr´ nica. Suponiendo la existencia de un n´ mero x0 = i que verifique esta ecuaci´ n entonces deber´a cumplirse que u o ı √ i = −1 (2. Transferencia de o Energ´a. y) : x ∈ R ∧ y ∈ R} ´ se le llama cuerpo de los numeros complejos cuando se le prov´ en operaciones internas de suma y multie plicaci´ n conforme a la siguiente definici´ n.

tomando z1 = (a. b ∈ R .3) para la multiplicaci´ n en C? Una respuesta simple parte de suponer moo o o ment´ neamente la validez de la f´ rmula (2. b) ∈ C y z2 = (c.2) (2. (2.26 2 An´ lisis complejo a Definici´ n 2. La multiplicaci´n matricial o se realiza con el punto. [b. b) −→ a −b b a ∈W es lineal y biyectiva (y por tanto un isomorfismo). un n´ mero complejo o u es un n´ mero bidimensional. M2 (R). ( %o1) a −b b a . de manera que se puede considerar a W como una representaci´ n matricial de C. + : C × C → C. con representaciones matriciales Z1 o y Z2 . a]). b) y z2 = (c. ad + bc). u La suma de n´ meros complejos no es m´ s que la suma habitual de vectores de R2 . y su subespacio vectorial de dimensi´ n 2. La multiplicaci´ n matricial de elementos de W se corresponde exactamente o o a la multiplicaci´ n en C. (a. (%i1) Z1: matrix([a.1). d). PhD W= No es dif´cil verificar que la aplicaci´ n ı o C a −b b a : a. z1 · z2 = (ac − bd. o Juan Mayorga-Zambrano. Para dar una segunda respuesta.1 En virtud de la definici´ n. se definen las operaciones de suma. En efecto. b + d). mediante o z1 + z2 = (a + c. si ponemos z1 = a + ib y z2 = c + id se tendr´a a o ı que z1 · z2 = (a + ib) · (c + id) = ac + iad + ibc + i2 bd = (ac − bd) + i(ad + bc).1 [Operaciones con complejos] o Si z1 = (a.ESPE Figura 2. se utiliza el comando matrix.3) Universidad de las Fuerzas Armadas . Para definir una matriz. Sin embargo. consideramos el espacio vectorial de las matrices cuadradas de orden 2. d) ∈ C. En efecto. respectivamente. -b]. Tip 7. u a ¿de d´ nde sale la f´ rmula (2. y multiplicaci´ n. · : C × C → C.

ad + bc). z3 ∈ C. v´ ase (2. Dados z1 . z2 . o Dados z1 . [d. es decir que se cumplen las ı siguientes propiedades: Asociatividad de la suma. Asociatividad de la multiplicaci´ n.1 Introducci´ n o 27 (%i2) Z2: matrix([c. PhD para todo z ∈ C. Existencia del neutro multiplicativo. z2 ∈ C.1. Existe un elemento 0 ∈ C tal que z + 0 = z. Existencia de inversos aditivos Para cada z ∈ C existe un elemento w ∈ Z tal que z + w = 0. Existe un elemento 1 ∈ C tal que . ( %o3) a c − b d −a d − b c ad +bc ac−bd de manera que Z1 · Z2 pertenece a W y su representaci´ n en C es (ac − bd. z2 . se tiene que (z1 · z2 ) · z3 = z1 · (z2 · z3 ). o Conmutatividad aditiva. o e ´ 2. Propiedad distributiva. z2 . Dados z1 .2. ( %o2) c −d d c Universidad de las Fuerzas Armadas . -d].2. se tiene que z1 + z2 = z2 + z1 . z3 ∈ C. +. c]). ·) es efectivamente un cuerpo o campo. Dados z1 . El cuerpo de los numeros complejos No es dif´cil verificar que (C.3). Juan Mayorga-Zambrano. Existencia del neutro aditivo. z3 ∈ C.ESPE se tiene que (%i3) Z1. Por convenci´ n se denota w = −z. se tiene que (z1 + z2 ) + z3 = z1 + (z2 + z3 ). se tiene que z1 · (z2 + z3 ) = (z1 · z2 ) + (z1 · z3 ).Z2.

ESPE 1 Por convenci´ n se denota w = z−1 = .2) y (2. PhD Figura 2. w ∈ C. Tip 8. u Usemos Maxima para obtener la f´ rmula para el cociente de dos n´ meros complejos: o u (%i1) z1: a+b*%i. Notaci´ n imaginaria o Como ya se mencion´ . se tiene que w · z = w · z. ( %o1) i b + a . y se dir´ que a x = Re(z) ∈ R. z ∈ C. En Maxima se representa a la unidad imaginaria mediante %i. De aqu´ en adelante se usar´ la notaci´ n ı z = x + iy.1. o z Conmutatividad multiplicativa. 2. Para cada z ∈ C \ {0} existe un elemento w ∈ C tal que z · w = w · z = 1.28 2 An´ lisis complejo a z · 1 = 1 · z = z. Dados z. (2. Universidad de las Fuerzas Armadas . y = Im(z) ∈ R. son respectivamente la parte real e imaginaria de z. El comendo rectform permite transformar un n´mero complejo a su forma rectangular. z2: c+d*%i.3) corresponden formalmente a trabajar √ o ı a o con el s´mbolo i = −1.4) Juan Mayorga-Zambrano. Existencia de inversos multiplicativos.2 En el plano C = R2 al eje horizontal se le refiere como el eje real y al eje vertical como el eje imaginario. las operaciones definidas en (2. para todo z ∈ C.3.

o a u o Por defecto se supondr´ que el codominio es C.2 Funciones complejas 29 ( %o2) i d + c (%i3) z1 / z2. z1 b d + a c i (b c − a d) = 2 + z2 d + c2 d 2 + c2 (2. en lugar de la notaci´ n (2.ESPE ( %o3) b d + a c i (b c − a d) + d 2 + c2 d 2 + c2 es decir. Funciones complejas Los modelos matem´ ticos m´ s sencillos son las funciones.2. En esta secci´ n empezamos su estudio para a a o el caso en que las variables independiente y dependiente viven en C.6) T´ nga presente que una funci´ n compleja tiene tres componentes: dominio.1 [Regla del M´ ximo Dominio] o a Si no se hace expl´cito el dominio de una funci´ n y se prov´ e s´ lo una f´ rmula deber´ suponerse como ı o e o o a dominio de la funci´ n el conjunto m´ s grande de n´ meros complejos donde la f´ rmula tiene sentido. Definici´ n 2. implementado computacionalmente para resolver un problema de e u . Funciones m´ dulo y de conjugaci´ n o o As´ como el valor absoluto es la funci´ n real m´ s importante.2.7) Observaci´ n 2. a 2.5) 2. codominio y una f´ rmula. la funci´ n compleja m´ s importante de ı o a o a todas es la funci´ n m´ dulo pues permite medir distancias en C.6) se escribe o Juan Mayorga-Zambrano. rectform. Universidad de las Fuerzas Armadas . a veces. e o o Coherente con esto.1.2. PhD C⊇U z −→ f (z) ∈ C.2 [Funci´ n compleja] o o Se llama funci´ n compleja de variable compleja a toda funci´ n cuyo dominio y codominio son subo o conjuntos de C: f : U ⊆ C −→ C z −→ w = f (z) (2. La relevancia se debe a que para establecer o o la convergencia de un m´ todo n´ merico. (2.

En Maxima el comando abs permite calcular el tama˜o de un n´mero real o n u complejo.1 Dados a. (2. |z · w| = |z| · |w|. |z + w| ≤ |z| + |w|. Entonces el m´ dulo de un n´ mero complejo es un n´ mero no-negativo.1 se tiene que la funci´ n m´ dulo constituye una norma para el espacio o o o vectorial C. b.1 [Propiedades del m´ dulo] o Se cumple que 1) 2) 3) 4) |z| ≥ 0. En la Definici´ n 5. para todo z. ( %o1) |k| + |b %i + a| + 4 . se define mediante la f´ rmula o o o o |z| = x 2 + y2 .8) Universidad de las Fuerzas Armadas . Ejemplo 2. se requiere que a medida que avanza el algoritmo la distancia entre la soluci´ n aproximada y la ı o soluci´ n real debe ser cada vez m´ s peque˜ a.3 [M´ dulo] o o La funci´ n m´ dulo (o simplemente m´ dulo). |z| = 0 ssi z = 0. es cero s´ lo si su argumento es o u u o el n´ mero 0 + 0i. w ∈ C.3 A la propiedad 4 del Teorema 2. o a n Definici´ n 2.30 2 An´ lisis complejo a Ingenier´a.1 se generaliza el concepto para cualquier espacio vectorial. para todo z.1 se le denomina desigualdad triangular pues refleja el hecho de que la longitud de un lado de un tri´ ngulo no puede sobrepasar a la suma de las longitudes de los otros dos lados. o Juan Mayorga-Zambrano. el teorema anterior establece que el m´ dulo del producto de dos n´ meros u o u complejos es igual al producto de sus respectivos m´ dulos. k ∈ R se tiene que (%i1) abs(a+b%i)+abs(-4)+abs(k). w ∈ C. para z = x + iy. Asimismo. Observaci´ n 2. para todo z ∈ C. | · | : C −→ R. o Tip 9.2 Por el Teorema 2. o o Teorema 2. PhD Figura 2.ESPE Las propiedades de la funci´ n m´ dulo se resumen en el siguiente teorema.

El comando conjugate permite obtener el conjugado de un n´mero complejo.edu. PhD Tip 10. (2.10) Figura 2. (2. u Ejemplo 2.itlp.mx/ Juan Mayorga-Zambrano. Fuenu te: http://www. o a o Definici´ n 2. z: a+%i*b.9) Universidad de las Fuerzas Armadas . rectform. para z = x + iy. calculemos z · w y z · w u (%i1) ( %o1) i b + a ( %o2) i d + c (%i3) conjugate(z*w). z2 ) = |z1 − z2 | = (x1 − x2 )2 + (y1 − y2 )2 .2 Dados los n´ meros complejos z = a + ib y w = c + id.4 El conjugado z de un n´ mero complejo z. o u Definici´ n 2. w: c+%i*d. ( %o3) i (−a d − b c) − b d + a c .5 [Funci´ n de conjugaci´ n] o o o Se define la funci´ n de conjugaci´ n. Se dice que z es el conjugado de z y viceversa.4 [Distancia en C] o La distancia entre los n´ meros complejos z1 = x1 + iy1 y z2 = x2 + iy2 est´ dada por u a dist(z1 . mediante la f´ rmula o o o z = x − iy. · : C −→ C.2 Funciones complejas 31 La f´ rmula para calcular la distancia entre n´ meros complejos es simb´ licamente id´ ntica a la correso u o e pondiente f´ rmula para n´ meros reales.ESPE La proyecci´ n con respecto al eje de las x est´ dada por la siguiente definici´ n.2.

el conjunto abierto m´ s grande a contenido en U. (2. Se define la bola con centro en z0 ∈ C y radio r > 0 como el conjunto B(z0 . en C ese papel lo juegan las ı bolas. PhD Definici´ n 2. Toda bola es un conjunto abierto.5 La zona en color representa una bola. Figura 2.11) Juan Mayorga-Zambrano. Bolas. 2) |z|2 = z · z.1 [Propiedades de la conjugaci´ n] o o Dados z ∈ C y w ∈ C. conjuntos abiertos y funciones acotadas El lector recordar´ la importancia que tienen los intervalos abiertos a ]x0 − r. rectform. M´ s a´ n. se tiene la siguiente caracterizaci´ n. r > 0. denotamos por Int(U) a su interior.2. o . |z| z = .32 2 An´ lisis complejo a (%i4) conjugate(z)*conjugate(w). x0 + r[= {x ∈ R : |x − x0 | < r}. a u o Universidad de las Fuerzas Armadas .ESPE En el ejemplo anterior se ha probado una parte de la siguiente proposici´ n. r) = {z ∈ C : |z − z0 | < r}. Se dice que Ω es un conjunto abierto si para todo z ∈ Ω existe r > 0 tal que B(z.6 [Conjunto abierto] o Sea Ω ⊆ C. se tiene que 1) z · w = z · w. r) ⊆ Ω .2. 3) w |w| 2. ( %o4) i (−a d − b c) − b d + a c Proposici´ n 2. esto es. en tanto que w = 0. Dado un conjunto U ⊆ C. cuando se definen conceptos como l´mite y continuidad para funciones reales. La bola no incluye a su frontera (la zona punteada) .

Recordemos que un subconjunto de R es acotado si se lo puede incluir en un intervalo (a. a Ejemplo 2.3 Sea Ω = {z = x + iy ⊆ C : x ∈ [−3. 4]}.ESPE Definici´ n 2. En efecto. El comando plot3d permite hace gr´ficos tridimensionales. [y. si existe una o a constante M > 0 tal que | f (z)| ≤ M. La misma idea sirve para subconjuntos de C: Definici´ n 2. PhD z ∈ Ω.8 [Funci´ n acotada] o o Se dice que f : Ω ⊆ C −→ C es una funci´ n acotada si su rango est´ acotado.-3. (%i1) z: x+y*%i. esto equivale a que se pueda hallar un M > 0 tal que |z| < M. para todo z ∈ Ω .2. | f (z)| ≤ 25. es decir.3]. es acotada. M).2 Funciones complejas 33 Proposici´ n 2.2 [Caracterizaci´ n de un conjunto abierto] o o Un conjunto Ω ⊆ C es abierto ssi Ω = Int(Ω ). En este caso se tiene que U ⊆ B(0. [x. b).4]). . para todo z ∈ U.12) Tip 11. para todo z ∈ Ω . (2. Universidad de las Fuerzas Armadas . ( %o1) i y + x (%i2) plot3d(abs(zˆ2). 3] ∧ y ∈ [−4.7 [Conjunto acotado] o Un conjunto U ⊆ C se dice acotado si se lo puede cubrir con alguna bola.-4. La funci´ n definida por o f (z) = z2 . se tiene que Juan Mayorga-Zambrano.

y para calcular su l´mite. ı que es simb´ licamente igual a la definici´ n de convergencia de sucesiones reales: o o ∀ε > 0. a Universidad de las Fuerzas Armadas .3 [Convergencia de sucesiones complejas] o La sucesi´ n (zn )n∈N = (xn + i yn )n∈N ⊆ C converge a z = x + iy ∈ C ssi o n→∞ l´m xn = x.ESPE . ε) cuando n > N. o Definici´ n 2.3 La Definici´ n 2. . hay que o ı analizar dos sucesiones reales y calcular dos l´mites de sucesiones reales. ∃N ∈ N : (n > N) ⇒ |z − zn | < ε. 2. 3]. El concepto de sucesi´ n ı o fue establecido en la Secci´ n 1. la convergencia de sucesiones complejas se establece mediante la e siguiente proposici´ n. El comando assume permite suministrar al computador informaci´n cualitativa sobre o variables y par´metros.2.6 Gr´ fico de a | f (z)| = x2 + y2 . PhD En t´ rminos de sucesiones reales.34 2 An´ lisis complejo a Figura 2.9 [Convergencia de sucesiones] o Una sucesi´ n (zn )n∈N ⊆ C converge al n´ mero z ∈ C si para cada distancia ε > 0 existe un N = o u N(ε) ∈ N tal que zn ∈ B(z. respectivamente. ı De manera que para establecer la convergencia de una sucesi´ n compleja. para x ∈ [−3. 4].5. ı Tip 12. o Proposici´ n 2. Observaci´ n 2. y ∈ [−4.9 es equivalente a que se cumpla o o n→∞ l´m |zn − z| = 0. Sucesiones Para establecer cuando un m´ todo num´ rico prov´ e una buena aproximaci´ n a la soluci´ n de un problee e e o o ma concreto de Ingenier´a se requiere el concepto de convergencia de sucesiones.3. ı n→∞ l´m yn = y. Juan Mayorga-Zambrano.

ESPE Ejemplo 2.10 [Subsucesi´ n] o o Dada una sucesi´ n (zn )n∈N ⊆ C y una funci´ n creciente N o o (znk )k∈N es una subsucesi´ n de (zn )n∈N . o La propiedad mencionada se establece en el siguiente teorema. Esta sucesi´ n es convergente pues sus partes real e imaginaria son convergentes: o (%i1) assume(p>0). y(n):= (1+k/nˆ2)ˆ(nˆ2/5). se dice que la sucesi´ n o Universidad de las Fuerzas Armadas . ( %o1) [p > 0] (%i2) x(n):= sin(2*n)/nˆp. inf). Consideremos la sucesi´ n (zn )n∈N definida por la f´ rmula o o .4 Sean k ∈ R y p > 0. o e o k −→ nk ∈ N. Teorema 2. ı respectivamente. zn = k sin(2n) +i 1+ 2 p n n n2 /5 . Definici´ n 2. inf).2 Funciones complejas 35 Tip 13.2. PhD k Una de las propiedades m´ s importantes de los conjuntos acotados es que en ellos se pueden encontrar a sucesiones convergentes. limit( y(n). n. ( %o4) 0 ( %o5) e 5 Juan Mayorga-Zambrano. Para definir una funci´n se utiliza ‘‘:=’’ en tanto que para el c´lculo de o a l´mites se recurre al comando limit. n.2 [Compacidad] Toda sucesi´ n acotada (zn )n∈N ⊆ C pos´ e una subsucesi´ n convergente (znk )k∈N ⊂ C. ( %o2) x (n) := sin (2 n) np n2 5 k ( %o3) y (n) := 1 + 2 n (%i4) limit( x(n). Los comandos inf y minf representan +∞ y −∞.

1. 20). Ejemplo 2. (%i5) graph2d(yn).24. (%i3) graph2d(xn). El comando graph2d es parte del paquete graph2d que se carga con el comando load. a o ı (%i1) load(graph2d).(1+(1/n)*cos(n*%pi))ˆn].0/share/maxima/5. Tip 15. 1. numer. PhD n .5 0 -0.36 2 An´ lisis complejo a Tip 14.5 Consideremos la sucesi´ n compleja definida por la f´ rmula o o zn = xn + yn cos(nπ) π n +i 1+ = sin 2 n Verifiquemos que est´ sucesi´ n no es convergente pero s´ acotada. numer entrega un resultado num´rico de tipo flotante de la expresi´n e o expr. -1 5 10 15 20 Universidad de las Fuerzas Armadas . n.7 La sucesi´ n (xn ) o est´ acotada inferiormente por a −1 y superiormente por 1.ESPE .5 Figura 2. ( %o1) C : /PROGRA 1/MAXIMA 1. ( %o3) 0 (%i4) yn: makelist([n. La orden expr.0/share/contrib/graph2d. Juan Mayorga-Zambrano.sin(n*%pi/2)]. ( %o5) 0 1 line0 0. El comando makelist permite generar listas de datos que pueden graficarse con el comando graph2d. n. 20).lisp (%i2) xn: makelist([n.

inf).0.2 0. para todo n ∈ N. 0. provista en el siguiente teorema.6 1. Consideramos la subsucesi´ n definida mediante o n = 4k. PhD 1 4k 4k (%i2) L: limit(zn(k). Es claro que |xn | ≤ 1. Es claro que (znk )k∈N ⊆ C es convergente.k. la sucesi´ n (zn ) pos´ e subsucesiones convergentes. es decir tomamos znk = i 1 + 1 4k k ∈ N. Entonces.3. Mostremos una de o e ellas. ( %o2) e i (%i3) L. es fundamental para el manejo de funciones o complejas pues simplifica muchos c´ lculos que de otra manera resultar´an engorrosos. |yn | ≤ 3.8 se han unido con rectas los puntos de los rangos de las sucesiones (xn ) e (yn ).0 e inferiormente por 0. conforme al Teorema 2.8 La sucesi´ n (yn ) o est´ acotada superiormente a por 3. F´ rmula de Euler o La f´ rmula de Euler.2.8 Figura 2. ( %o3) 2. a ı Universidad de las Fuerzas Armadas .7 y 2.2. numer.0. para todo n ∈ N.3 F´ rmula de Euler o 37 line0 2.ESPE .4 2 1. ( %o1) zn (k) := i 1 + Juan Mayorga-Zambrano. 4k k ∈ N.718281828459045 i 2.4 0 5 10 15 20 En las Figuras 2.0. Su l´mite L ∈ C es: ı (%i1) zn(k):= %i*(1+1/(4*k))ˆ(4*k).

McClaurin de las a funciones coseno y seno son. PhD Tip 16. xk que es v´ lida para x ∈ R.inicial step incremento thru limite do cuerpo Tip 17. k=0 k! n ∑ La f´ rmula de Euler parece “m´ gica” pues prov´ e una manera para calcular una potencia imaginaria de un o a e n´ mero real.3 [F´ rmula de Euler] o Sea θ ∈ R. r f ) calcula r=r0 ∑ f (r). La sentencia do se utiliza para realizar iteraciones. La sucesi´ n (En )n∈N ⊂ C.38 2 An´ lisis complejo a Teorema 2.13) (iθ )k . El comando factorial permite calcular el factorial de un n´mero entero u no-negativo. radica en utilizar la expansi´ n de Taylor: o ex = ∞ k=0 ∑ k! . respectivamente. a o u entonces mediante el reemplazo x = iθ . (2. cos(x) = ∞ ∑ (−1)k k=0 ∞ x2k . se obtiene eiθ = ∞ k=0 ∑ (−1)k (2k)! + i ∑ (−1)k (2k + 1)! k=0 θ 2k ∞ θ 2k+1 que es justamente (2. Ejemplo 2. x2k+1 Juan Mayorga-Zambrano. ¿De d´ nde sale la F´ rmula de Euler? Por supuesto la respuesta estricta corresponde a probar u o o ´ el Teorema. Una segunda alternativa. Tip 18. r. definida por la f´ rmula o o En = converge al n´ mero complejo definido como u eiθ ≡ cos(θ ) + i sin(θ ).6 Por la f´ rmula de Euler se tiene para z = ei 5π/4 : o Universidad de las Fuerzas Armadas . no estricta pero util.ESPE . Una de las maneras de utilizarla en un bucle for es mediante la sintaxis for var: val. Si aceptamos por el momento la validez de esta f´ rmula para n´ meros complejos. rf La orden sum (f(r). r0 . (2k)! sin(x) = k=0 ∑ (−1)k (2k + 1)! .13). el estudiante recordar´ que las series de Taylor . En efecto.

PhD ´ 2.926990816987241 i + 1 E8 = −1.70710678118655 ( %o4) done Obs´ rvese que E29 prov´ e la misma precisi´ n que la f´ rmula de Euler implementada en Maxima.70710678118655 i − 0. La elecci´ n se debe exclusivamente a la convensi´ n con que se encontrar´ el o o a lector en la mayor´a de textos. n).2.3: (%i4) for n:1 thru 36 step 7 do print("E". numer). ( %o3) − 0.70710678147133 E29 = −0.70710678118655 i − 0. "=".4 T´ ngase presente que el argumento de un n´ mero complejo pertenece al intervalo o e u (−π.70710678118655 E36 = −0.70710677944946 i − 0. (2.49260665647578 E15 = −0. n. π]. 2π). π] antes que a [0. ı (2. ( %o2) f alse Universidad de las Fuerzas Armadas .1. k.70714055976349 i − 0.926990816987241 (%i2) if numer#false then numer:false else numer:true. E1 = 3.3. respectivamente.14) .241231126428202 i − 0.70725225507102 E22 = −0. e e o o Juan Mayorga-Zambrano. donde r = |z|.15) Se dice que r y θ son el m´ dulo y el argumento de z. 0. o Observaci´ n 2. sum((%i*t)ˆk /factorial(k).70710678118655 i − 0. Forma polar de un numero complejo ´ Con ayuda de la f´ rmula de Euler se escribe la forma polar de un numero complejo z = x + iy = 0: o z = r eiθ . θ ∈ (−π.70710678118655 Comparemos z con algunas aproximaciones En conforme al Teorema 2.ESPE (%i3) z: %eˆ(t*%i). ( %o1) 3.3 F´ rmula de Euler o 39 (%i1) t: 5*%pi/4.

θ ) de un n´ mero complejo. z1 r1 = ei (θ1 −θ2 ) . ( %o3) i b + a La siguiente notaci´ n se usar´ de aqu´ en adelante. π] tal que o ´ ´ ˆ sin(α) = sin(α) y ˆ cos(α) = cos(α). (2. El comando polarform transforma un n´mero complejo de forma cartesiana a forma u polar. PhD ˆ Notaci´ n 2. el valor α corresponde al angulo en (−π. u Tip 19. ( %o2) b2 + a2 ei atan2(b. π] que prov´ e la misma direcci´ n que α ∈ R. Ejemplo 2.9 Relaci´ n entre o las coordenadas rectangulares (x.4 [Multiplicaci´ n en forma polar] o Dados los n´ meros complejos z1 = r1 eiθ1 y z2 = r2 eiθ2 se tiene que u z1 · z2 = r1 r2 ei(θ1 +θ2 ) .18) Universidad de las Fuerzas Armadas .a) (%i3) rectform(w). ( %o1) i b + a (%i2) w: polarform(z).40 2 An´ lisis complejo a Figura 2. Tome nota.16) ˆ Entonces α es el angulo en (−π. o a ı Juan Mayorga-Zambrano. (2. y) y polares (r.ESPE . e o ´ Las f´ rmulas para multiplicaci´ n y divisi´ n de polinomios son realmente simples en forma polar: o o o Teorema 2.7 Tranformemos un n´ mero complejo z de su forma rectangular a su forma polar y viceversa: u (%i1) z: a+%i*b.1 Para un angulo α ∈ R. z2 r2 z2 = 0.17) (2.

e Ejemplo 2. Todas sus demostraciones emplean las llamadas propiedades a topol´ gicas de los n´ meros reales y complejos . ı Es decir que para un polinomio p : C −→ C definido por la f´ rmula o Juan Mayorga-Zambrano. PhD p(z) = a0 + a1 z1 + . existe un z0 ∈ C que es soluci´ n de la ecuaci´ n o o p(z) = 0. 1. ı o e ´ Teorema 2.20) ´ 2. la multiplicaci´ n de un complejo z por un factor de la forma eiθ representa una rotaci´ n o o de tama˜ o θ del vector z.2.2. La sintaxis solve(eqn.propiedades ligadas a la continuidad”.12. i = 0. n. + an zn . Tip 20.. cuyo grado no sea menor que la unidad. donde n ∈ N.1 [Potencia real de base compleja] Dados z = reθ ∈ C \ {0} y β ∈ R se tiene que zβ = rβ eiβ θ . Teorema Fundamental del Algebra “Este teorema es uno de los adelantos m´ s grandiosos de toda la matem´ tica y encuentra aplicaci´ n a a o en las m´ s diversas ramas de la ciencia. tiene por lo menos una ra´z. presentamos aqu´ este resultado y lo aplicamos. z ∈ C. (2. generalmente compleja.. ai ∈ C. y an = 0. o Tip 21. El comando allroots sirve para buscar num´ricamente las raices de un polinomio. Para futura referencia.3.ESPE Con ayuda de (2... .. Una demostraci´ n se presenta m´ s adelante en ı o a este cap´tulo como consecuencia de la f´ rmula integral de Cauchy..8 Consideramos el polinomio p : C → C definido por la f´ rmula o Universidad de las Fuerzas Armadas . tenga presente que n |eiθ | = 1. [Kur87].. . Por cono u veniencia.5 [Teorema Fundamental del Algebra] Todo polinomio de cualesquiera coeficientes complejos.3 F´ rmula de Euler o 41 En particular. (2. var) se puede usar para buscar soluciones anal´ticas de la ı ecuaci´n eqn en la variable var.19) Corolario 2.17) se obtiene el siguiente corolario. v´ ase el Corolario 2. para todo θ ∈ R.

2. Calculemos algebraicamente las ra´ces de p = p(z).4210854715202004 10−14 ( %o4) done . ev(abs(p(z)). i = 1. Universidad de las Fuerzas Armadas . PhD Para verificar num´ ricamente si en el objeto nsol est´ n almacenadas realmente buenas aproximaciones e a z1 . |p(zi)| = 1.4210854715202004 10−14 |p(zi)| = 1.i. 3 1 3 + 9 13 √ 763 32 3 32 − 55 27 1 3 5 + . i = 2. |p(zi)|=". rectform. ( %o3) [z = 1.970628028470036 i + 1.". ı (%i1) p(z):= zˆ3-5*zˆ2+17*z-15. i = 1. i = 3.970628028470036 i] Juan Mayorga-Zambrano. z).expand)).42 2 An´ lisis complejo a p(z) = z3 − 5z2 + 17z − 15. (%i4) for i:1 thru length(nsol) do print("i=".   1 √ √763 55 3 3   3 − 27 13   32 ( %o2) [z = − − 1  i− 2  √ 3  3 763 55 32 3 − 27 32   1 √ √ √763 55 3 763 55   3 3 − 27 3 − 27 13   32 32 z= + 1  i− 2 2  √ 3  3 763 55 32 3 − 27 z= √ 763 3 3 2 √ 763 32 3 − 2 55 27 1 3 + 9 13 √ 763 32 3 − 55 27 1 3 5 + . 3.nsol[i]. z2 . z = 1. z = 2.ESPE ( %o1) p (z) := z3 − 5 z2 + 17 z − 15 (%i2) sol: solve(p(z)=0.896132871052056 − 2. z3 de las ra´ces de p(z) deber´a tenerse que ı ı p(zi ) ≈ 0.7763568394002505 10−15 |p(zi)| = 1.896132871052056. 3 55 − 27 1 3 − 9 26 √ 763 32 3 − 55 27 1 3 5 + ] 3 Calculemos num´ ricamente las ra´ces de p = p(z): e ı (%i3) nsol: allroots(p(z)).207734257895888.

3 F´ rmula de Euler o 43 Obs´ rves que para las tres soluciones num´ ricas. . z).21) Ejemplo 2. n − 1. n − 1. ( %o2) [z = e 2iπ 7 . tales que u (zk )n = 1. la soluci´ n obvia.1 = 0.3. nos encontramos con que en el plano complejo hay n − 1 o ra´ces adicionales de la unidad. Hallar los ceros de pn corresponde a hallar las ra´ces n-´ simas de la unidad.. 2... 1.2. Las n raices n-´ simas de la unidad son e Juan Mayorga-Zambrano. la distancia a cero es menor a 1. de manera que r = 1 y θ∈ Se tiene entonces el siguiente teorema.. k = 0. PhD Universidad de las Fuerzas Armadas . 1.3. .9 Calculemos las 7 ra´ces s´ ptimas de la unidad: ı e (%i1) ec: zˆ7 .. ¿C´ mo hallarlas? ı o Supongamos que z = reiθ verifica pn (z) = 0... 1. ( %o1) z7 − 1 = 0 (%i2) solve(ec. e e 2. z = e− 4iπ 7 . Si denotamos por z0 = 1. z = 1] . n − 1 .z = e 6iπ 7 .2 [Ra´ces de la unidad] ı Sea n ∈ N. z = e− 2iπ 7 . se tiene entonces que rn enθ = 1.z = e 4iπ 7 .3 ∗ 10−14 .ESPE 2πk : k = 0. (2.. k = 0.. Ra´ces de la unidad ı Consideremos para cada n ∈ N el polinomio pn : C −→ C definido por la f´ rmula o pn (z) = zn − 1. Gracias al Teorema Fundamental ı e ´ del Algebra se puede probar que existen n n´ meros complejos distintos zk . Corolario 2. . n zk = e 2πk i n . z = e− 6iπ 7 .

o Proposici´ n 2.11 [L´mite de una funci´ n compleja] o ı o Sup´ ngase que una funci´ n compleja f est´ definida en B(z0 . PhD Definici´ n 2. L´mites y Continuidad de funciones complejas ı La forma de definir los conceptos de l´mite y continuidad para funciones de variable compleja es similar ı a sus contrapartes para funciones reales.12 [Continuidad] o Sea f : Ω ⊆ C −→ C. Se tiene que l´m f (z) = L ∈ C o o a ı z→z0 si y s´ lo si para toda sucesi´ n (zn )n∈N ⊆ B(z0 . ı z→z0 (2. existe δ > 0 tal que |z − z0 | < δ =⇒ | f (z) − L| < ε.4 [C´ lculo de un l´mite via sucesiones] o a ı Sup´ ngase que una funci´ n compleja f est´ definida en B(z0 . Tip 22.44 2 An´ lisis complejo a 2. Este criterio no tiene an´ logo al tratar con funciones complejas pues a en (2. ı Abordamos ahora el concepto de continuidad. r) ⊆ Ω . var. denotado (2. Definici´ n 2. r) \ {z0 }. Juan Mayorga-Zambrano. Para asegurar la existencia del l´mite de una funci´ n real basta con probar que los l´mites laterales por la ı o ı izquierda y por la derecha coinciden. Es importante tomar nota de que el conjunto de las funciones continuas en Ω ⊆ C es un espacio vectorial con las operaciones de suma de funciones y de multiplicaci´ n de escalar por funci´ n.22) existen infinitas maneras de acercamiento de z a z0 . r) \ {z0 } tal que l´m zn = z0 se cumple que o o ı n→∞ n→∞ l´m f (zn ) = L. denotado f ∈ C(Ω ). Ese es el a ı a contenido de la siguiente proposici´ n. r) \ {z0 }. ı z→z0 si para todo ε > 0. Se dice que f es continua en z0 si se cumple que o f (z0 ) = l´m f (z).ESPE . Se dice que L ∈ C es el l´mite o o a ı de f cuando z tiende a z0 . La orden limit(expr. si es continua en todo z ∈ Ω . El c´ lculo de l´mites de funciones mediante sucesiones es v´ lido para funciones complejas. o o Universidad de las Fuerzas Armadas . Sup´ ngase que B(z0 .4. val) calcula el l´mite de la expresi´n expr cuando la ı o variable var tiende al valor val.23) Se dice que f es continua en Ω .22) L = l´m f (z).

%i). ( %o1) f (z) := z3 + (1 − i) z2 + (3 − i) z + (−3) i z−i Universidad de las Fuerzas Armadas . z − z0 (2. Derivabilidad El concepto de derivabilidad para funciones complejas se define de manera similar a la derivabilidad de funciones reales.13 [Derivabilidad] o Sea f : Ω ⊆ C −→ C. z. y) son continuas en (x0 . denotado f ∈ H(Ω ). el producto de funciones ´ holomorfas es holomorfa lo cual transforma a (H(Ω ).2. . y) y v = v(x. Sup´ ngase que B(z0 . Debe tenerse presente que H(Ω ) es un espacio vectorial. ı z→i Por tanto. Definici´ n 2. Adicionalmente. f es continua en C ssi a=2 ∧ b = 1.ESPE z3 +(1−i) z2 +(3−i) z−3i . si es derivable en todo z ∈ Ω . (2. ( %o2) i + 2 de manera que l´m f (z) = 2 + i. r) ⊆ Ω . Juan Mayorga-Zambrano. Se dice que f es derivable en z0 . En particular. ·) en un algebra. si z = i. los conceptos de l´mite y continuidad se pueden ı o establecer con ayuda de la notaci´ n (2. y) son funciones de R2 en R. se puede escribir como o o f = u + iv. z = x + iy. b ∈ R. Observaci´ n 2. +. f es continua en z0 = x0 + iy0 si tanto u = u(x. (%i2) limit(f(z). y) como v = v(x. PhD 2. z−i a + ib. Consideramos la funci´ n o f (z) = Se tiene que (%i1) f(z):= (zˆ3+(1-%i)*zˆ2+(3-%i)*z-3*%i)/(z-%i).24) donde u = u(x. si z ∈ C \ {i}. y0 ). si existe el l´mite o ı f (z0 ) = l´m ı f (z) − f (z0 ) .10 Sean a.25) z→z0 Se dice que f es holomorfa en Ω .5.5 Puesto que toda funci´ n compleja f = f (z).24).5 Derivabilidad 45 Ejemplo 2.

x). y0 ) = − ∂ v (x0 . Teorema 2.1. es inc´ modo utilizar la f´ rmula (2. Las partes real e imaginaria de f = f (z) son (%i1) u(x. PhD z = x + iy. var.27) Universidad de las Fuerzas Armadas . v(x.y):= %eˆ(-x)*cos(y). Juan Mayorga-Zambrano.5.26) Tip 23.ESPE (2. Entonces f es derivable en z0 = x0 + iy0 si y s´ lo si se cumplen las condiciones de Cauchy .y):= -%eˆ(-x)*sin(y).  ∂x ∂y ∂u  (x0 . y0 ) = ∂ v (x0 . y0 ) + i · (x0 .46 2 An´ lisis complejo a 2. y0 ).11 Definimos una funci´ n f : C → C mediante o f (z) = e−x cos(y) − i e−x sin(y). y) := e−x cos (y) ( %o2) v (x.Riemann Para verificar si una funci´ n es derivable en un punto. Condiciones de Cauchy . ∂x ∂x (2.Riemann: o   ∂ u (x0 . r) ⊆ Ω . En el o o o siguiente teorema se establecen condiciones necesarias y suficientes para la derivabilidad de una funci´ n o compleja en un punto.y).25). y0 ).3 Bajo las condiciones del Teorema 2.6 se tiene que f (z0 ) = ∂u ∂v (x0 . ( %o3) − e−x cos (y) . ∂y ∂x Como consecuencia se tiene una f´ rmula para el c´ lculo de la derivada: o a Corolario 2. ( %o1) u (x. k) calcula la derivada de orden k de expr con respecto a var.6 [Condiciones C-R] Sean Ω ⊆ C un conjunto abierto y f = u + iv : Ω ⊆ C −→ C tal que B(z0 . Ejemplo 2. y) := −e−x sin (y) Se cumplen las condiciones C-R en C: (%i3) Ux: diff(u(x. La orden diff(expr. y0 ).

Reglas de derivaci´ n o La derivada cumple con las mismas propiedades que para funciones reales. ( %o6) − e−x cos (y) Universidad de las Fuerzas Armadas .ESPE Usamos (2. ( %o4) − e−x sin (y) (%i5) Vx: diff(v(x. ( %o5) e−x sin (y) (%i6) Vy: diff(v(x.y). La justificaci´ n de esta regla se presenta como un ejercicio. para todo k ∈ N.y).y). notamos una diferencia sustancial entre funcioa nes diferenciables reales y complejas. ∂z Esto es. simplemente. ( %o7) i e−x sin (y) − e−x cos (y) de manera que f (z) = −e−x cos (y) + i e−x sin (y) . Juan Mayorga-Zambrano. Cuando haya una o ı excepci´ n. o a ı . una a vez que se conoce la derivabilidad de una funci´ n f = f (z) se aplica la f´ rmula o o f (z) = ∂f (z). se respetan las normas de derivaci´ n y se procede como cuando se deriva una funci´ n o o real.19: si f ∈ H(Ω ).x). se mencionar´ expl´citamente. El lector recordar´ que una funci´ n real puede tener derivadas hasta de orden k ∈ N pero no de orden a o k + 1.y).y).19 establecer´ entonces que para funciones complejas basta demostrar que la funci´ n a o es derivable para concluir que de hecho es infinitamente derivable.5 Derivabilidad 47 (%i4) Uy: diff(u(x.27) para calcular la derivada de f : (%i7) Ux+%i*Vx.2. al final del cap´tulo. Antes de pasarles revista.5. Entonces. El Teorema 2.2. a entonces f (k) ∈ H(Ω ). PhD 2. En la siguiente secci´ n encontraremos que las reglas de derivaci´ n para funciones reales siguen siendo o o v´ lidas para funciones complejas. que ser´ establecido formalmente en el Teorema 2. en la pr´ ctica.

f (z) g(z) − f (z) g (z) f (z) = . g g (z) 8) (zn ) = nzn−1 . Asimismo es v´ lida la regla de la cadena. ( %o1) [f (z)] ( %o2) [g (z)] (%i3) diff(f(z)/g(z). depends(g. si g(z) = 0. PhD 1) 2) 3) 4) 5) (c) = 0. (c f ) (z) = c f (z). (z) = 1. o o Consideremos la f´ rmula para la derivada del cociente de dos funciones: o (%i1) depends(f. z).z). . 6) g g2 (z) 1 g (z) 7) (z) = − 2 . indican a Maxima que debe realizar una o simplificaci´n racional en la expresi´n expr. cuando n ∈ N. ( %o3) − f (z) d dz g (z) − g (z) g (z) 2 d dz f (z) Este resultado y otros se resumen en el siguiente teorema. var2) indica a Maxima que hay una relaci´n funcional de o var1 en dependencia de var2. ratsimp.7 [Reglas de derivaci´ n] o Sea c ∈ C una constante y sean f y g dos funciones complejas con el mismo dominio Ω . Se tiene para z ∈ Ω que Juan Mayorga-Zambrano.ESPE Tip 25. ratsimp.z). La orden depends(var1.48 2 An´ lisis complejo a Tip 24. ( f · g) (z) = f (z) · g(x) + f (x) · g (z). ( f + g) (z) = f (z) + v (z). a Universidad de las Fuerzas Armadas . Teorema 2. Las ´rdenes ratsimp(expr) y expr. si g(z) = 0.

ratsimp. ratsimp. ´ Denotando W = f ◦ g.5)/(zˆ3-2*z+1). Supongamos que g es derivable en z0 ∈ B(z0 .5 Derivabilidad 49 Teorema 2.8 [Regla de la Cadena] Consideremos las funciones complejas g : dom(g) −→ C z −→ u = g(z). r1 ) ⊆ dom(g) y que f es derivable en u0 = g(z0 ) ∈ B(u0 .12 Calculemos las derivadas de orden 1 y 2 de la funci´ n definida por la f´ rmula o o (%i1) f(z):= (zˆ2 . ( %o3) 2 z6 − 48 z4 − 14 z3 + 60 z2 + 30 z − 38 z9 − 6 z7 + 3 z6 + 12 z5 − 12 z4 − 5 z3 + 12 z2 − 6 z + 1 2. z. r2 ) ⊆ dom( f ). la ultima f´ rmula se puede poner en la forma intuitiva: o dw du dW (z0 ) = (u0 ) · (z0 ). Entonces.2. dz du dz Ejemplo 2. PhD ( %o2) − z4 − 13 z2 − 2 z + 10 z6 − 4 z4 + 2 z3 + 4 z2 − 4 z + 1 (%i3) diff(f(z).3. Universidad de las Fuerzas Armadas . 2). Primitivas o antiderivadas El concepto de primitiva o antiderivada de una funci´ n compleja se define de la misma manera que para o funciones reales: . Juan Mayorga-Zambrano. z).28) Se tiene que (%i2) diff(f(z). ( %o1) f (z) := z2 − 5 z3 − 2 z + 1 (2.ESPE f : dom( f ) −→ C u −→ w = f (u).5. ( f ◦ g) (z0 ) = f (g(z0 )) · g (z0 ).

La orden integrate(f(w). ( %o2) z4 4 z3 − +z 4 3 se tiene que z4 4 z3 − +z+c 4 3 representa la familia uniparam´ trica de primitivas de f . Recuerde que una funic´ n real continua siempre tiene una primitiva. PhD (%i1) f(z):= zˆ3-4*zˆ2+1.50 2 An´ lisis complejo a Definici´ n 2. z). F(z) = G(z) + η. Ejemplo 2.13 Consideramos la funci´ n compleja f = f (z) definida por la f´ rmula o o Juan Mayorga-Zambrano. Entonces existe una funci´ n compleja F tal que o F (z) = f (z).14 [Primitiva de una funci´ n compleja] o o Sean f y F dos funciones complejas con dominio Ω ⊆ C. Teorema 2. Tip 26. cuando una funci´ n compleja tiene una primitiva. Es decir. El siguiente teorema establece que todas las funciones holomorfas tienen primitiva. Si F y G son primitivas de f . e F(z) = .9 Sean f . para todo z ∈ Ω .ESPE Al igual que con la funciones reales. Esto queda establecido en el siguiente teorema. Universidad de las Fuerzas Armadas . F y G funciones complejas con dominio Ω ⊆ C. Teorema 2. para todo z ∈ Ω . es decir. de hecho tiene o infinitas primitivas. por otro lado. w) calcula una primitiva de f .10 [Existencia de primitivas] Sea Ω ⊆ C un dominio y sea f ∈ H(Ω ). F es una primitiva de f si F (z) = f (z). para todo z ∈ Ω . Se dice que F es una primitiva de f si se cumple que F = f . entonces existe una constante η ∈ C tal que F = G + η. existen funciones o complejas continuas que no tienen primitiva. ( %o1) f (z) := z3 − 4 z2 + 1 Puesto que (%i2) integrate(f(z).

2. (2. 2) de clase Ck si las derivadas hasta orden k ∈ N existen y son continuas. En este caso se dice que γ es una parametrizaci´ n de Γ . a u Ejemplo 2. entonces las siguientes curvas son parametrizaciones de Γ : γ1 (t) = z0 + R eit . 1]. e Ejemplo 2. 3) suave o de clase C∞ si es de clase Ck para todo k ∈ N.29) Universidad de las Fuerzas Armadas .29) es 1) cerrada si se cumple que γ(a) = γ(b).5 Derivabilidad 51 2.5. b] −→ C t −→ γ(t). . En a particular. 2π]. b]). t ∈ [0. PhD Tip 27. Juan Mayorga-Zambrano.29) o podr´a interpretarse como el modelo matem´ tico para el movimiento de una part´cula puntual en el plano. a La variable t en la siguiente definici´ n se identifica usualmente con el tiempo. (2. indispensable para establecer muchos o herramientas para el an´ lisis de funciones holomorfas. o Es f´ cil constatar que un mismo camino tiene m´ ltiples parametrizaciones.ESPE Se dice que Γ ⊆ C es el camino definido por la curva γ si Γ = γ([a. permiten graficar curvas param´tricas. es decir. t ∈ [0.14 [Parametrizaci´ n de la circunferencia] o Si Γ representa la circunferencia de radio R > 0 centrada en el punto z0 = x0 + i y0 y recorrida en sentido antihorario.15 Grafiquemos la curva γ(t) = t eit . una curva es cerrada si las posiciones inicial y final coinciden. ı a ı Definici´ n 2.15 [Curva en C] o Llamamos curva en el plano complejo a toda funci´ n continua o γ : [a. Curvas y dominios En esta secci´ n introducimos el concepto de dominio complejo. Los comandos plot2d y wxplot2d permiten crear gr´ficas bidimensionales.31) . 15].4. de manera que (2. γ2 (t) = z0 + R e Se dice que la curva γ definida en (2.30) 2πit t ∈ [0. (2.

b] −→ C con rango incluido en Ω y tal que γ(a) = z1 .10 La curva (2.52 2 An´ lisis complejo a (%i1) plot2d([’parametric.es/. Juan Mayorga-Zambrano. El concepto o de conexidad por arcos es m´ s restringido que el de conexidad pero para nuestros prop´ sitos la Definici´ n a o o 2. t*cos(t). Observaci´ n 2. Fuente: Enciclopedia Libre Universal http://enciclopedia. γ(b) = z2 . Figura 2.31) es una parametrizaci´ n de una o espiral.17 es suficiente. Definici´ n 2. t*sin(t).16 [Conexidad por arcos] o o Se dice que una regi´ n Ω ⊆ C es conexa por arcos (o por caminos) si para cualesquiera z1 .us.11 Una regi´ n o es conexa por arcos (o por caminos) si dos puntos en ella pueden unirse mediante una curva continua.17 Se dice que Ω ⊆ C es un dominio complejo (o simplemente dominio) si es un cono junto abierto y conexo por arcos.ESPE . Universidad de las Fuerzas Armadas . [t.0. Gracias al concepto de curva se puede introducir el concepto de conexidad por arcos. z2 ∈ Ω se puede hallar una curva γ : [a. Definici´ n 2. PhD Figura 2.6 Habitualmente se define dominio como un conjunto que es abierto y conexo. 300]]). . [nticks.15].

33) se le conoce como la serie de potencias centrada en a y con coeficientes ck .6 Series de potencias 53 Como una primera aplicaci´ n del concepto de conexidad por arcos. Una vez que se tiene esta informaci´ n. como ρ(S) = 1 k→∞ k l´m ı |ck | . estaremos en condiciones de definir una ı o funci´ n mediante la f´ rmula o o S(z) = ∑ ck (z − a)k . o o o Teorema 2. 2.7 Estrictamente. Para ello es fundamental el concepto de radio de convergencia. tenemos el siguiente resultado que a o grosso modo establece que una funci´ n con derivada nula en una regi´ n de C es constante en tal regi´ n. en la f´ rmula (2. a ı .g.33).35) ρ(S) k→∞ ck Observaci´ n 2.ESPE 1) Ω ⊇ ω. (2. o o ı ı ı ı Nuestra elecci´ n se debe al hecho de que habitualmente no se ve el concepto de l´mite inferior en los o ı cursos de matem´ ticas para Ingenier´a. Definici´ n 2. el l´mite inferior. k=0 ∞ (2.33) Juan Mayorga-Zambrano.34) Se denotar´ ρ en lugar de ρ(S)si no hay peligro de confusi´ n. [Ros80] y [Kre89]. 2) f (z) = 0.18 [Radio de convergencia] o Se define el radio de convergencia de la serie (2. Entonces existe una constante c ∈ C tal que f (z) = c. denotado ρ(S) ∈ [0.11 [Funciones con derivada nula] Sean ω ⊆ C un dominio y f : Ω −→ C una funci´ n compleja tal que o Universidad de las Fuerzas Armadas .34) deber´a cambiarse l´m por l´m inf. Consideremos la sucesi´ n de o o sumas parciales (Sn )n∈N definida mediante la f´ rmula o n Sn (z) = ∑ ck (z − a)k . ∞]. (2.6.2. k=0 (2. e Nos interesa saber si es posible pasar al l´mite cuando n tiende a ∞ en (2. Sn es un polinomio complejo. Series de potencias Sea (ck )k∈N ⊆ C una sucesi´ n de coeficientes y sea a ∈ C un centro. Muchas veces es posible calcular el radio de a o convergencia con la f´ rmula o 1 ck+1 = l´m ı . PhD A (2. para todo z ∈ ω. El lector interesado puede consultar e.32) y para qu´ valores de z tiene ı e sentido este paso al l´mite. para todo z ∈ ω.32) Obs´ rvese que para cada n ∈ N.

16 Consideremos la funci´ n compleja definida por la f´ rmula o o (2. PhD ∑ ck (x − x0 )k . La orden taylor(g(x). no influye la elecci´ n del centro de la o o serie.35) son insensibles a traslaciones.n) permite calcular la serie de taylor de g = g(x) en torno al punto x0 = a visualizando los t´rminos hasta el orden n. Tip 28.33) y su radio de convergencia (2.36) 2) Si |z − a| < ρ.9 El lector recordar´ que bajo ciertas condiciones una funci´ n real f = f (x) se puede o a o expandir en su serie de Taylor-McClaurin: f (x) = Juan Mayorga-Zambrano. ρ)) y se tiene que o S (z) = ∑ k · ck (z − a)k−1 . S ∈ H(B(a.32). El siguiente teorema da una respuesta a nuestra inquietud sobre la posibilidad de pasar al l´mite cuando ı n tiende a infinito en (2.ESPE . k=1 ∞ (2. En este caso. o La relaci´ n (2. e Observaci´ n 2. El polinomio de Taylor de grado n es n pn (x) = de manera que ∑ ck (x − x0 )k .54 2 An´ lisis complejo a Observaci´ n 2. e 1) Si |z − a| < ρ. k=0 ck+1 pk+1 (x) = l´m ı x→∞ x · pk (x) ck Ejemplo 2.34) y (2.8 Para el c´ lculo del radio de convergencia s´ lo intervienen los coeficientes ck por lo que o a o las f´ rmulas (2. es decir.12 [Convergencia de series] Consid´ rese la serie (2. la sucesi´ n (Sn (z))n∈N es convergente. Cada caso tiene que ser analizado independientemente. Teorema 2.x. Entonces. k=0 ∞ donde ck = f (k) (x0 )/k!.a. la sucesi´ n (Sn (z))n∈N es divergente. El teorema anterior no dice nada cuando |z − a| = ρ.36) extiende a sumas infinitas la regla de que “la derivada de una suma es la suma de o las derivadas”.37) Universidad de las Fuerzas Armadas .34).

Luego utilizamos (2.02082482645978. ( %o7) 0.0.020824826432.721285348172842 10−9 z = 0. Cuando n = 6 se tiene (%i2) S6: taylor(f(z). ev(S6. ( %o6) true (%i7) h: 0. "S6(".ev(S6. S6(0.04.". ( %o2)/T/ 1 + z + 2 z2 + 3 z3 + 5 z4 + 8 z5 + 13 z6 + .expand). f (z) = 1.0. 100*abs((f(h*i) .61803398878024 De manera que ρ ≈ 0. supondremos que la expansi´ n de Taylor-McClaurin es o o v´ lida para f (z).. S6(0.043405672448. "f(z)=".02 (%i8) for i:0 thru 10 do print("z=". inf).20 estableceremos condiciones bajo las cuales una funci´ n compleja se a o puede expandir en una serie de Taylor. numer. z. f(h*i).61803398878024 es el radio de convergencia de la serie S(z) = 1 + z + 2 z2 + 3 z3 + 5 z4 + 8 z5 + 13 z6 + 21 z7 + 34 z8 + 55 z9 + 89 z10 + . z = 0.h*i.z=h*i.ESPE Para obtener una serie asociada a esta funci´ n.expand))/f(h*i))).h*i.".6 Series de potencias 55 (%i1) f(z):=1/(1-z-zˆ2)."er=". (%i5) 1/limit(A/B.z.". er = 3.0. er = 0 z = 0.02.. PhD (%i6) if numer#false then numer:false else numer:true. f (z) = 1. ( %o5) 0.37) para estimar el radio de convergencia aprovechando la f´ rmula (2.6).".z.043405676126878.. ( %o1) f (z) := 1 1 − z − z2 Universidad de las Fuerzas Armadas . ".2. En el Teorema 2. a ı Juan Mayorga-Zambrano. B: z*taylor(f(z).". er = 2..02) = 1. Finalmente comparamos el valor de f (z) con el valor de S6 (z) cuando z est´ en las cercan´as de 0. S6(0) = 1. f (z) = 1.02.z=h*i.z.25).04) = 1.35): o (%i3) A: taylor(f(z).24).")=".5258367624635412 10−7 .

56 2 An´ lisis complejo a ( %o8) done Aqu´ la ultima columna calcula el error relativo (en porcentaje) cometido al aproximar el valor f (z) con ı ´ S6 (z).14) = 1.39) (2. S6(0. Podemos entonces definir exp : C −→ C Juan Mayorga-Zambrano.1) = 1.315392. f (z) = 1. f (z) = 1.067919627328. o Universidad de las Fuerzas Armadas .189880943168.38) no es arbitraria.1.38) k=0 z −→ exp(z) = ∑ k! zk . S6(0.35) se encuentra que el radio de convergencia es 1 ∞.123595505617978.2) = 1.18. El lector puede verificar o o que corresponde a la serie de Taylor-McClaurin de la funci´ n exponencial (de variable real). para z = x + iy. er = 4.2300000000141648 10−4 z = 0.0061954903244641 z = 0. (2. f (z) = 1. S6(0. er = 0.06.094570422272.08. w ∈ C.08) = 1.315789473684211. ∞ 1 A esta funci´ n se le conoce como funci´ n exponencial.12.155258683392.ESPE z = 0.269680040629761. exp(z + w) = exp(z) · exp(w).1.094570928196147. Funci´ n exponencial o ∞ Consideremos la serie k=0 o ∑ k! zk .2.12) = 1.227897838899803. f (z) = 1.18) = 1. S6(0. er = 0. El error relativo se calcula mediante la f´ rmula o er = valor real − valor aproximado · 100.083655884774288 10−4 z = 0. sus propiedades se resumen en el siguiente o o Teorema 2. er = 8. f (z) = 1.189909566872918.014289215546887 z = 0. PhD (2.0970060924869769 10−6 z = 0. f (z) = 1.155268022181146.6221230071807895 10−5 z = 0. f (z) = 1.06) = 1. er = 6.123593.067919692439129. Usando la f´ rmula (2. valor real Observe que para z = 0.2 el error relativo es del 0. er = 0.227821764608.16.14. S6(0.03 % aproximadamente.0024055361612776 z = 0. f (z) = 1. er = 0. 2. S6(0.030207999999998 .13 [Funci´ n exponencial] o La funci´ n exponencial es holomorfa en C.269498613312. S6(0. er = 2.16) = 1. Adicionalmente se cumple que o exp(z) = ez = ex · eiy . Observaci´ n 2.10 La elecci´ n de la serie que aparece en (2. S6(0.40) para todo z.6.

cosh : C −→ C.2. o Universidad de las Fuerzas Armadas .19 [Funciones hiperb´ licas] o o Se definen las funciones seno hiperb´ lico. 2 z = ikπ. Funciones hiperb´ licas o Las funciones hiperb´ licas complejas se definen de manera natural.43) ⇐⇒ ⇐⇒ z=i π + kπ .41) 2 2 Algunas propiedades de la funciones hiperb´ licas se resumen en la siguiente proposici´ n.ESPE Definici´ n 2.46) En la siguiente proposici´ n se presentan algunas propiedades adicionales de las funciones hiperb´ licas.43) se tiene que cosh(z) = 0 sinh(z) = 0 donde k ∈ Z. Se cumple que 1) 2) 3) 4) 5) cosh(−z) = cosh(z). o o Proposici´ n 2.45) C\ z = i mediante la f´ rmula o π + kπ : 2 k∈Z tanh(z) = sinh(z) .5 [Propiedades de las funciones hiperb´ licas (I)] o o Las funciones cosh y sinh son holomorfas en C. Para z = x + iy ∈ C se tiene cosh(z) = cosh(x) cos(y) + i · sinh(x) sin(y).2. sobre el conjunto o o Juan Mayorga-Zambrano.42) y (2. cosh2 (z) − sinh2 (z) = 1. (2. (2.44) (2.6 Series de potencias 57 2.11 Recuerde que la funci´ n coseno hiperb´ lico de variable real no tiene ra´ces y que la o o o ı funci´ n seno hiperb´ lico de variable real tiene una unica ra´z en x = 0. . cosh(z) (2.6 [Propiedades de las funciones hiperb´ licas (II)] o o Sea z ∈ C. PhD (2.42) (2. sinh(z) = sinh(x) cos(y) + i · cosh(x) sin(y).6. o o mediante las f´ rmulas o ez + e−z ez − e−z cosh(z) = . o o ı ´ ´ Gracias al ultimo resultado se puede definir la funci´ n tangente hiperb´ lica. sinh(z) = . sinh (z) = cosh(z). sinh(−z) = − sinh(z). Por (2. y coseno hiperb´ lico. Observaci´ n 2. sinh : C −→ C. o o Proposici´ n 2. cosh (z) = sinh(z). tanh.

cosh y tanh.. mediante la f´ rmula o o cos(z) = (−1)k 2k ·z k=0 (2k)! ∞ ∑ = 1− z2 z4 z6 z8 + − + − . 2! 4! 6! 8! (2.McClaurin conocida para sus contrapartes de variable real.58 2 An´ lisis complejo a Tip 29. Definici´ n 2. cos : C −→ C. ( %o2) − 7.004908258067496 i + 1. ( %o5) − 15.580663040551157 Universidad de las Fuerzas Armadas .20 [Coseno en C] o Se define la funci´ n coseno.47) . ( %o1) 4 i + 3 (%i2) cosh(z).20078446306795 i − 13. En m´xima la funci´n exponencial se representa con exp en tanto que para las a o funciones hiperb´licas se usan sinh. ( %o3) − 7.ESPE (%i3) sinh(z). PhD Funciones trigonom´ tricas e Para la definici´ n de las funciones trigonom´ tricas de variable compleja nos valemos de la serie de Taylor o e .000709536067233 (%i5) exp(z).6.12878308146216 2. Juan Mayorga-Zambrano.3.61923172032141 i − 6.548120040911003 (%i4) tanh(z).581552742746545 i − 6. ( %o4) 0.17 Dado z = 3 + 4i se tiene que (%i1) z: 3+4*%i. o Ejemplo 2..

mediante la f´ rmula o o sin(z) = (−1)k ∑ (2k + 1)! · z2k+1 k=0 ∞ Mediante (2. Por (2.18 Dado z = 3 + 4i se tiene que Universidad de las Fuerzas Armadas .47) como en (2. 2 z = kπ. cos (z) = − sin(z). cos(z) = cosh(y) cos(x) − i sinh(y) sin(x).48) el radio de ı convergencia es ∞. sobre el conjunto o C\ z = mediante la f´ rmula o tan(z) = Juan Mayorga-Zambrano. Se cumple que 1) 2) 3) 4) 5) 6) cos(−z) = cos(z). Gracias a este resultado se puede definir la funci´ n tangente.. sin(−z) = − sin(z).34) el lector puede verificar por s´ mismo que tanto en (2. Adicionalmente se tiene que sin(z) = cosh(y) sin(x) + i cos(x) sinh(y). Proposici´ n 2.49) (2. sin (z) = cos(z). sin : C −→ C.52) π + kπ : 2 sin(z) .49) y (2.21 [Seno en C] o Se define la funci´ n seno. Ejemplo 2.7 [Propiedades de las funciones trigonom´ tricas (I)] o e Las funciones sin y cos son holomorfas en C.50) se sigue que cos(z) = 0 sin(z) = 0 donde k ∈ Z. tan.48) .. sin(z) = sin(z). cos(z) k∈Z (2.8 [Propiedades de las funciones trigonom´ tricas (II)] o e Sea z ∈ C.51) (2.ESPE = z− z3 z5 z7 z9 + − + − .2.50) ⇐⇒ ⇐⇒ z= π + kπ . 3! 5! 7! 9! (2. PhD (2.6 Series de potencias 59 Definici´ n 2. cos2 (z) + sin2 (z) = 1. (2. Proposici´ n 2.53) En la siguiente proposici´ n se presentan algunas propiedades adicionales de las funciones trigonom´ trio e cas.

4. z = reiθ . e ln(z) para todo z ∈ C.9 [Relaci´ n entre funciones hiperb´ licas y trigonom´ tricas] o o o e Para z ∈ C se tiene que sin(iz) = i sinh(z). donde r > 0 y θ ∈ (−π. Proposici´ n 2. π]. o Definici´ n 2.22 [Funci´ n logar´tmica en C] o o ı La funci´ n logar´tmica. (2.6.58) .851153334811778 i − 27. buscamos definir el proceso inverso a la exponenciaci´ n. las funciones trigonom´ tricas e hiperb´ licas est´ n relacioo e o a nadas. ( %o3) 3. (2.60 2 An´ lisis complejo a (%i1) z: 3+4*%i.54) (2. Juan Mayorga-Zambrano.99935598738147 i − 1. ( %o1) 4 i + 3 (%i2) cos(z).57) = z.03494560307422 (%i3) sin(z).ESPE − 3.56) (2.55) 2. ( %o2) Universidad de las Fuerzas Armadas . ( %o4) 0.01681325800393 i (%i4) tan(z). cosh(iz) = cos(z). PhD Funci´ n logar´tmica o ı Para definir la funci´ n logar´tmica de variable compleja buscamos que se cumplan las siguientes propieo ı dades b´ sicas: a ln(ez ) = z. ln : C \ {0} −→ C est´ dada por o ı a ln(z) = ln(r) + iθ . es decir.8734620462947845 10−4 Como lo establece la siguiente proposici´ n. (2.853738037919377 − 27. para todo z ∈ C \ {0}.

92729521800161 i Aplicamos ahora (2. ( %o5) 1. (2. 0] se tiene que Universidad de las Fuerzas Armadas . el comando log representa la funci´n logar´tmica. la f´ rmula para el logaritmo complejo de un producto o a o est´ dada en la siguiente proposici´ n.6094379124341 − 0.6 Series de potencias 61 Se tiene entonces la siguiente Proposici´ n 2.11 Dados los n´ meros complejos z1 = r1 eiθ1 y z2 = r2 eiθ2 .56) y (2. a o Proposici´ n 2. numer. PhD ( %o4) 5 (%i5) w2: log(r)+%i*t. Esta f´ rmula no es v´ lida para el logaritmo complejo. ( %o1) 3 − 4 i (%i2) w1: log(z).60) . (%i1) z: 3-4*%i.19 Dado z = 3 − 4i buscamos calcular w = ln(z). z (2. En Maxima. El comando carg o ı calcula el argumento de un n´mero complejo en (−π.58): (%i3) ( %o3) t: carg(z). para z ∈ C \ (−∞.59) Tip 30. − 0.92729521800161 r: abs(z). π]. numer. numer. (%i4) Juan Mayorga-Zambrano.92729521800161 i Recu´ rdese que para dos n´ meros reales positivos x e y se tiene que e u ln(x · y) = ln(x) + ln(y).56). se cumplen las propiedades o o ı (2. se tiene que o u ln(z1 · z2 ) = ln(r1 ) + ln(r2 ) + i(θ1 + θ2 ).2. 0].ESPE 1 ln (z) = . ( %o2) 1. Adicionalmente.10 La funci´ n logar´tmica es holomorfa en C \ (−∞.6094379124341 − 0. diferentes de 0. u Ejemplo 2.

mediante o la f´ rmula o expw (z) = wz = ez ln(w) . b] se tiene que o b n f (x)dx ≈ a ∑ f (ζk ) ∆k k=1 (2. Integral en el plano complejo En la Secci´ n 2.61) y (2. .62 2 An´ lisis complejo a Logaritmos y exponenciales en base compleja Podemos ahora definir la funci´ n exponencial en base w ∈ C \ {0}.3 se present´ el concepto de primitiva o antiderivada que para una funci´ n compleja o o o juega el rol de la integral indefinida para una funci´ n real.. ζk ∈ (xk−1 . deber´ usar (2. a o Juan Mayorga-Zambrano.64) = z. Definici´ n en el sentido de Riemann o La defini´ n de integral compleja que presentamos en esta secci´ n es una extensi´ n del concepto de o o o integral de Riemann para funciones reales que se estudia en un curso est´ ndar de C´ lculo. n.63) (2. est´ definida mediante la o ı a f´ rmula o ln(z) logw (z) = . w logw (z) para todo z ∈ C..7. dado w ∈ C \ {0. ∆k = xk − xk−1 .. PhD 2.ESPE Tip 31. para todo z ∈ C \ {0}. Maxima no tiene definidas las funciones exponencial y logar´tmica para una base ı distinta de e. (2.62) ln(w) Universidad de las Fuerzas Armadas . para k = 1. Cuando lo requiera.65) donde. se cumplen las siguientes propiedades: ı logw (wz ) = z. (2. 2. denotada logw : C \ {0} → C.1. a No es dif´cil verificar que. Recordemos que a a para una funci´ n real continua sobre un intervalo [a. denotada expw : C −→ C.7. (2. 1}. 1}.61) La funci´ n logar´tmica en base w ∈ C \ {0. . 2.62).5. xk ). Ahora abordamos la integral compleja como un o an´ logo de la integral definida de una funci´ n real.

68) Cuando Γ es un camino cerrado se escribe Γ Universidad de las Fuerzas Armadas .66) donde. < xn = b es tal que m´ x ∆k es suficientemente peque˜ o para que la aproxia n k=1. n... cuando se recorre bajo una parametrizaci´ n γ : [a. Nos interesa atrapar la informaci´ n o provista por una funci´ n f : Ω → C a lo largo de Γ ..n tiene que ∆k = γ(tk ) − γ(tk−1 ) · (tk − tk−1 ) ≈ γ (tk ) · (tk − tk−1 ). En este caso se a n k=1. Se define la integral de f sobre el camino Γ mediante b f (z)dz = Γ a f (γ(t)) · γ (t)dt.n maci´ n (2..tk ).7 Integral en el plano complejo 63 y el mallado x0 = a < x1 < .66) se puede reescribir como n f (z)dz ≈ Γ ∑ f (γ(τk )) γ (tk ) · (tk − tk−1 ).2. b] → o o C. o a Consideremos ahora un camino Γ contenido en un dominio Ω ⊆ C.. .65) sea v´ lida.. ζk = γ(τk ).67) establecemos la definici´ n de la integral compleja. b]) ⊆ Ω . b] −→ C una curva de clase C1 tal que Γ = γ([a.. ∆k = γ(tk ) − γ(tk−1 ). o Definici´ n 2. y el mallado t0 = a < t1 < .67) Juan Mayorga-Zambrano. < tn = b es tal que m´ x |∆k | es suficientemente peque˜ o. b] prov´ e e un mallado a lo largo de Γ mientras se lo recorre mediante γ = γ(t).12 El mallado del intervalo [a.. para denotar la integral de f sobre Γ . tk − tk−1 de manera que (2.. 2. PhD Figura 2.. f : Ω −→ C y γ : [a. escribimos intuitivamente n f (z)dz ≈ Γ ∑ f (ζk ) ∆k k=1 (2.65).ESPE .23 [Integral compleja] o Sean Ω ⊆ C un dominio.. Siguiendo la idea de la integral de Riemann (2.. (2.... para k = 1. Motivados por (2. τk =∈ (tk−1 . k=1 (2. f (z)dz.

De manera que I= Γ (z2 − 5z + i) dz = − 2 π 3 + 15 π 2 − i π.12 [Propiedades de la integral compleja] o Sean α ∈ C. Ω ⊆ C un dominio. g : Ω −→ C y γ : [a. b]) ⊆ Ω . rectform.%pi). (%i2) r(t):= t*cos(t)+%i*t*sin(t). ( %o1) f (z) := z2 − 5 z + i Universidad de las Fuerzas Armadas . e o . (2. b] −→ C una curva de clase C1 tal que Γ = γ([a. Se tiene que (α f + g)(z)dz = α Γ Γ Juan Mayorga-Zambrano. ( %o3) − 2 π 3 + 15 π 2 −iπ 6 t ∈ [0. π]. Proposici´ n 2. 6 Similar a su contraparte real.0.20 [C´ lculo de una integral compleja mediante la definici´ n] a o Calculemos la integral de la funci´ n compleja definida por o (%i1) f(z):= zˆ2-5*z+%i.70) La propiedad (2. f . la integral compleja verifica las siguientes propiedades.69) donde se supone que las integrales del lado derecho de (2.69) indica que la integral compleja es un funcional lineal.ESPE a lo largo de la curva dada por γ(t) = t cos(t) + it sin(t).64 2 An´ lisis complejo a Ejemplo 2.t).69) son finitas.t. Tambi´ n se cumple que: e f (z)dz ≤ Γ Γ | f (z)|dz. ( %o2) r (t) := t cos (t) + it sin (t) (%i3) I: integrate(f(r(t))*diff(r(t). PhD f (z)dz + Γ g(z)dz. v´ ase la Definici´ n ??. (2.

72) Tip 32. Juan Mayorga-Zambrano.3). Γ z∈Γ (2.n) calcula num´ricamente ab f (x)dx. La distancia recorrida en un intervalo infinitesimal dt es entonces |γ (t)| dt a de manera que para calcular la distancia total recorrida en un intervalo de tiempo [α.ESPE Si pensamos que γ(t) representa la posici´ n de una part´cula al instante t en el plano complejo. ( %o1) r (t) := t cos (t) + it sin (t) (%i2) quad_qag(abs(diff(r(t). entonces o ı la rapidez est´ dada por |γ (t)|.Kronrod.70) se obtiene el siguiente corolario.2.0. 31. b] → C. . . Corolario 2. est´ dada por: a L(Γα ) = β β Γα dz = β |γ (t)|dt. 0] de manera que L(Γ ) ≈ 6. β ] se deben sumar las distancias infinitesimales recorridas.. Usando (2.73) Universidad de las Fuerzas Armadas .t. El n´mero n = 1.109919333959293.b.109919333959293. La orden quad qag(f(x).7. Longitud de arco Teorema 2. 6 elige e u una de las f´rmulas de cuadratura de Gauss . El primer valor en la o lista deplegada como resultado es la aproximaci´n del valor de la integral. con a ≤ α ≤ β ≤ b. o Ejemplo 2. π].7 Integral en el plano complejo 65 2. ( %o2) [6.21 Calculemos la longitud de la curva γ(t) = t cos(t) + it sin(t).2. la longitud de Γ est´ dada por a b L(Γ ) = Γ dz = a |γ (t)|dt. Esto queda establecido en el siguiente teorema.a.71) En particular. α (2.72) y (2. (%i1) r(t):=t*cos(t)+%i*t*sin(t).14. se tiene que f (z)dz ≤ L(Γ ) · sup | f (z)|...4 [Acotaci´ n de la integral compleja] o Bajo las condiciones del Teorema 2.x. la longitud del arco Γα . PhD t ∈ [0.t)).%pi.14 [Longitud de arco] β Dada la curva γ : [a.7833731231640097 10−14 . 6. (2. comprendido entre los puntos γ(α) y γ(β ).

( %o1) f (z) := z2 − 5 z + i a lo largo de la curva dada por γ(t) = t cos(t) + it sin(t). b] −→ C es o una curva de clase C1 tal que Γ = γ([a.16).7. En este caso. z1 Juan Mayorga-Zambrano. Γ (2. b]) ⊆ Ω .74) para el caso en que γ es solamente continua. Teorema Fundamental del C´ lculo a Para una funci´ n continua la f´ rmula (2.13 En la f´ rmula (2.20. Este resultado no es m´ s que una extensi´ n para funciones complejas del Teorema Fundamental del C´ lculo que a o a el lector aprendi´ en su curso de de C´ lculo: o a b f (x) dx = F(b) − F(a). PhD Ejemplo 2. y o o final.68).22 [C´ lculo de una integral compleja mediante el TFC] a Comp´ rese con el m´ todo usado en el Ejemplo 2.15 [Teorema Fundamental del C´ lculo . Por o o tanto.74) intervienen solamente los puntos inicial y final del camino Γ .TFC] a Sean Ω ⊆ C un dominio y f : Ω → C una funci´ n continua que tiene primitiva. en tanto que Ω sea conexo por arcos (v´ ase la Definici´ n 2.3. Observaci´ n 2. z1 .ESPE f (z)dz = f (γ(t)) · γ (t)dt. Si γ : [a.74) donde F es una primitiva de f .15. se suele utilizar la e o notaci´ n o z2 f (z)dz.12 Es posible probar el Teorema (2. se puede establecer la integral de una funci´ n compleja prescribiendo s´ lo los puntos inicial. π]. Calculemos la integral de la funci´ n definida por a e o (%i1) f(z):= zˆ2-5*z+%i.66 2 An´ lisis complejo a 2. a donde F = F(x) es una primitiva de f = f (x). entonces f (z)dz = F(γ(b)) − F(γ(a)). Se tiene entonces que Universidad de las Fuerzas Armadas . Teorema 2. o Observaci´ n 2. z2 . t ∈ [0. o o b Γ a que define la integral compleja toma una forma muy simple como se establece en el Teorema 2. Para ello observemos que γ(0) = 0 y γ(π) = −π. .

( %o1) f (z) := z2 − 5 z + i (%i2) I: integrate(f(z).76) .4. (2.7 Si Γ es un camino cerrado en C y z0 ∈ Γ .7. -%pi). rectform. 6 Como consecuencia inmediata del TFC se tiene el siguiente corolario.75) Tambi´ n se cumple el siguiente corolario. e Corolario 2. Γ para todo k ∈ Z \ {−1}. Corolario 2.ESPE De manera que I= Γ (z2 − 5z + i) dz = − 2 π 3 + 15 π 2 − i π. ( %o2) − 2 π 3 + 15 π 2 −iπ 6 Universidad de las Fuerzas Armadas .2. Γ para todo camino cerrado Γ ⊆ B(z0 .7 Integral en el plano complejo 67 (%i1) f(z):= zˆ2-5*z+%i. ∞] se tiene que Juan Mayorga-Zambrano.15. Funci´ n indicatriz o Otra consecuencia del TFC viene dada en el siguiente Corolario 2.6 Para una serie de potencias S(z) = ∑ ck (z − z0 )k k=0 ∞ con radio de convergencia R ∈]0. entonces / (z − z0 )k dz = 0. z. Γ (2. 0. 2. R). Si Γ ⊆ Ω es un camino cerrado se tiene que f (z)dz = 0. PhD S(z)dz = 0.5 Bajo las condiciones del Teorema 2.

Se define la indicatriz de z0 ∈ C \ Γ mediante IndΓ (z0 ) = 1 2πi dz . (2.ESPE Γ El resultado anunciado queda establecido en el siguiente teorema.68 2 An´ lisis complejo a El caso k = −1 es particular y permite establecer el n´ mero de vueltas que da Γ en torno a un punto u z0 ∈ Γ (en sentido antihorario). b]. si Γ ∗ o o es un camino cerrado tal que z0 ∈ Γ ∗ y gira el mismo n´ mero de vueltas alrededor de z0 que Γ entonces / u .24 [Funci´ n indicatriz] o o Sea Γ un camino cerrado.13 Funci´ n indio catriz de una curva cerrada. Usamos (2.77) no es indispensable en el anterior teorema.16 [Funci´ n indicatriz] o Si el camino cerrado Γ est´ parametrizado por la curva a γ(t) = z0 + r(t) · ei θ (t) . Teorema 2. entonces. Observaci´ n 2. Para ello necesitamos la siguiente definici´ n. 2πi r(a) Juan Mayorga-Zambrano. En efecto. Figura 2. Tenemos que o IndΓ (z0 ) = b r (t)ei θ (t) + r(t) i eiθ (t) θ (t) 1 dt 2πi a r(t) · ei θ (t) b r (t) b 1 = dt + i θ (t)dt 2πi a r(t) a 1 r(b) = ln + i(θ (b) − θ (a)) . IndΓ (z0 ) = θ (b) − θ (a) . 2π t ∈ [a.14 La parametrizaci´ n (2. PhD y se concluye pues r(b) = r(a) ya que Γ es cerrado. z − z0 Universidad de las Fuerzas Armadas . / o Definici´ n 2.77) Demostraci´ n. Fuente: [ADCR05].68).

o Figura 2. uno acotado y el otro no acotado. / Definici´ n 2.2. Juan Mayorga-Zambrano. Dicho de otra forma. y ambos conjuntos tienen a Γ como frontera. Por tanto IndΓ (z0 ) es. Esto es posible en tanto que el dominio Ω sea “simplemente conexo”. PhD Para establecer el teorema buscado necesitamos definir lo que es un camino cerrado simple. r) = 0. El teorema de Cauchy . Definici´ n 2. A grosso modo. se tiene que A ∩ B(z0 . Universidad de las Fuerzas Armadas . Para ello.27 [Camino cerrado simple] o Un camino cerrado simple es un camino Γ que genera dos conjuntos disjuntos abiertos y conexos.Goursat En la construcci´ n de la teor´a de funciones complejas es importante saber si un resultado similar al o ı Corolario 2.8 El teorema de Cauchy .Goursat 69 ∗ IndΓ (z0 ) = IndΓ (z0 ).com. / La frontera de A es ∂ A = {z ∈ C : z es punto de frontera de A}. Ac ∩ B(z0 . Definici´ n 2.25 [Conexidad simple] o Un dominio complejo Ω ⊆ C se dice simplemente conexo si todo camino cerrado Γ ⊆ Ω encierra s´ lo o puntos de Ω .6 es cierto pero s´ lo bajo el supuesto de que f ∈ H(Ω ). sin saber a priori si es o no expresable o como una serie de potencias.8. el n´ mero de vueltas que da un camino en torno a un punto z0 ∈ Γ u / (en sentido antihorario).26 [Punto de frontera] o Sea A ⊆ C.ESPE .14 Una regi´ n que no es simpleo mente conexa. Fuente: http://www. r) = 0. una regi´ n simplemente conexa no tiene huecos. Se dice que z0 ∈ C es un punto de frontera de A si dado cualquier r > 0. 2. necesitamos a su vez el concepto de frontera de un subconjunto de C.answers. un punto est´ en la a ´ frontera de A ⊆ C cuando cualquier bola centrada en el contiene tanto puntos de A como de Ac . efectivamente.

pn } ⊆ Ω . Para una demostraci´ n el lector o o puede referirse a [ADCR05] o [Kre06]. ε) ⊆ D.. al conjunto o B(z0 . de clase C1 por trozos y recorrido en sentido antihorario y sea D la regi´ n encerrada por Γ . ε) = 0. Si Γ ⊆ Ω es un camino cerrado simple y de clase C1 por trozos.Goursat] Sean Ω ⊆ C simplemente conexo y f ∈ H(Ω ). / Juan Mayorga-Zambrano. Supongamos que {p1 . n.. entonces. . ... El Teorema 2. p2 . establece que. un camino cerrado que no se corta a s´ mismo..70 2 An´ lisis complejo a Un camino cerrado simple es.17 puede extenderse a situaciones m´ s generales. p2 .. la integral de una funci´ n holomorfa a lo largo de un camino cerrado simple y o suave es nula. j = 1.17 [Teorema de Cauchy .9. z0 ) < r} se le denomina bola cerrada centrada en z0 y con radio r. o bajo condiciones apropiadas. 2. i = j..Goursat.ESPE f (z) dz = 0. p2 . Sea Γ ⊆ Ω un camino cerrado simple. PhD Entonces.. 2π]. Notaci´ n 2. ı Teorema 2. entonces Γ Entonces. n. Γj es el camino determinado por la curva γ j (t) = p j + εeit ..2 Dados z0 ∈ C y r > 0. . . F´ rmula Integral de Cauchy o La f´ rmula integral de Cauchy es una consecuencia del Teorema de Cauchy . donde para j = 1. B(p j . f (z) dz = Γ n j=1 Γj ∑ f (z) dz. a grosso modo. Como ejemplo tenemos el siguiente a Corolario 2. Universidad de las Fuerzas Armadas . 2. r) = {z ∈ C : dist(z. Consideremos una funci´ n holomorfa o f : Ω \ {p1 ... pn } → C. .. ...8 [Teorema de Cauchy . 2.. pn } ⊆ D ⊆ Ω y escojamos 0 < ε << 1 tal o que B(p j . la informaci´ n contenida por una funci´ n al interior de una bola se puede o o recuperar a partir de la informaci´ n contenida en la frontera de la bola. ε) ∩ B(pi . t ∈ [0.Goursat generalizado] Sean Ω ⊆ C un dominio y {p1 .

Caso 2. Si Γ encierra a z0 = π + i π entonces. para todo z0 ∈ B(p. r) se tiene la f´ rmula integral de Cauchy: o f (z0 ) = 1 2πi f (z) dz. Teorema 2. r) es recorrida en sentido antihorario. Si Γ no encierra a z0 = π + i π. por la f´ rmula integral de Cauchy. Por el TFC se sigue que I = 0. entonces f (z) es holomorfa en Γ y en todos los puntos z − (π + iπ) encerrados por Γ .78) Γ donde la circunferencia Γ = ∂ B(p. Notaci´ n 2. z − (π + i π) sobre cualquier camino cerrado que no pase por z0 = π + i π.ESPE .9 F´ rmula Integral de Cauchy o 71 Figura 2. Entonces. Sean r > 0 y 0 < ε << 1 tales que B(p. Ponemos Juan Mayorga-Zambrano. rectform. z − z0 (2. r + ε) ⊆ Ω .2. o Ejemplo 2. se tiene que o (%i2) I: 2*%pi*%i*f(%pi+%i*%pi).23 Queremos evaluar la integral I= Γ e2z · sin(z2 ) dz.3 La notaci´ n 0 < ε << 1 quiere decir que ε es un real positivo bastante peque˜ o en compao o n raci´ n con las otras magnitudes bajo estudio. ( %o1) f (z) := e2 z sin z2 Caso 1. PhD (%i1) f(z):= %eˆ(2*z) * sin(zˆ2).18 [F´ rmula integral de Cauchy] o Sea f : Ω ⊆ C −→ C continua en Ω y holomorfa en Ω \ {p}. ( %o2) − 2 π e2 π sinh 2 π 2 Universidad de las Fuerzas Armadas .15 Curva cerrada que encierra circunferencias.

entonces f (n) (z0 ) = n! 2πi f (z) dz.79) Γ Ejemplo 2. Caso 2. se tiene que o (%i2) I: (2*%pi*%i/factorial(2))*diff(f(z). rectform.79). 1) Si f ∈ H(Ω ) entonces. z=%i. La f´ rmula b´ sica es id´ ntica al planteao o a e miento para funciones reales teni´ ndose. f (k) ∈ H(Ω ). e o o Universidad de las Fuerzas Armadas .72 2 An´ lisis complejo a En el siguiente teorema se establece una f´ rmula similar a (2.5. (z − z0 )n+1 (2. entonces f (z) es holomorfa en Γ y en todos los puntos encerrados (z − i)3 por Γ .1 de que una funci´ n holomorfa tiene derivadas o o ´ de todos los ordenes. 2) Si Ω es simplemente conexo y Γ ⊆ Ω es un camino cerrado que encierra a z0 ∈ Ω .9.19 [F´ rmula integral de Cauchy para derivadas] o Sea Ω ⊆ C un conjunto abierto. adicionalmente. Ponemos (%i1) f(z):= %eˆ(zˆ3). para cada k ∈ N. Series de Taylor Es posible expandir una funci´ n compleja en una serie de Taylor.ESPE . Si Γ no encierra a z0 = i. una conexi´ n con la f´ rmula integral de Cauchy. (z − i)3 3 sobre Γ cualquier camino cerrado que no pase por z0 = i.24 Queremos evaluar la integral I= Γ ez dz. Por el TFC se sigue que I = 0.1.z. Si Γ encierra a z0 = i entonces. por la f´ rmula (2. Juan Mayorga-Zambrano. De paso o establece la propiedad comentada al final de la Secci´ n 2. PhD ( %o2) i π 9 z4 ez + 6 z ez 3 3 (%i3) I. Teorema 2.2). ( %o1) f (z) := ez 3 Caso 1.78) para una derivada de orden n. ( %o3) π (9 sin (1) − 6 cos (1)) + i π (6 sin (1) + 9 cos (1)) 2.

Por (2.r) con el camino Γ = ∂ B(z0 . r) parametrizado en sentido antihorario. z) dw − ∑ Γ A(w. r) ⊆ Ω . z) = Juan Mayorga-Zambrano. donde. z) dw ≤ 2πr sup w∈Γ k=N+1 ∑ A(w. Entonces existe una sucesi´ n de constantes (cn )n∈N∗ ⊆ C tal que f (z) = para todo z ∈ B(z0 . que ∞ k=0 N ∞ ∑ A(w. r). z) |z − z0 |k k+1 k=N+1 r ∞ ≤ 2πr sup | f (w)| · w∈Γ ∞ ∑ = 2πM · ∑ k=N+1 |z − z0 | r k que tiende a cero cuando N → ∞ pues |z − z0 |/r < 1.78) se tiene.ESPE ∂ B(z0 . Demostraci´ n.73). Finalmente. si denotamos ı a A(w.20 [Existencia de la serie de Taylor] Sean Ω ⊆ C un abierto y f : Ω → C una funci´ n continua en Ω y holomorfa en Ω \ {z0 }. z) dw = k=0 Γ Γ k=N+1 ∞ ∑ A(w. r). Sea r > 0 o o tal que B(z0 .81) ∑ ck (z − z0 )k . PhD f (w) (z − z0 )k (w − z0 )k+1 y M = sup | f (w)| w∈Γ se tiene. que o f (z) = 1 2πi 1 = 2πi 1 2πi ∞ Γ Γ f (w) dw w−z f (w) 1 · z−z dw w − z0 1 − w−z0 0 ∞ = = = f (w) Γ k=0 ∑ (w − z0 )k+1 dw (2. ck = 1 1 (k) f (z0 ) = k! 2πi f (z) dz.80) Universidad de las Fuerzas Armadas .2.82) es v´ lido.9 F´ rmula Integral de Cauchy o 73 Teorema 2. En efecto. k=0 ∞ (2. (z − z0 )k+1 (2. El intercambio de l´mites (sumatorio e integral) obtenido en (2.82) (z − z0 )k ∑ k=0 ∞ k=0 1 2πi Γ f (w) dw (z − z0 )k (w − z0 )k+1 ∑ ck (z − z0 )k . por (2. para z ∈ B(z0 . para obtener la f´ rmula o ck = 1 (k) f (z0 ) k! .

r) r k! 2π | f (z0 + reiθ )| rieiθ dθ 2π 0 rk+1 k! 1 2π | f (z0 + reiθ )|dθ ≤ 2π rk 0 k! 1 ≤ ηr cot 2π 2π rk k!ηr = k . z2 . Se tiene. f es infinitamente derivable en Ω .9. Corolario 2. r = Corolario 2. f ∈ H(Ω ).. se tiene que f (k) (z0 ) ≤ k! 2π k! = 2π f (w) dw k+1 ∂ B(z0 . r) ⊆ Ω .18.11 [Teorema de Liouville] Si f ∈ H(C) es una funci´ n acotada. Sea k ∈ N∗ .ESPE . Otras consecuencias de la f´ rmula de Cauchy o Enunciamos en esta secci´ n algunos resultados adicionales que se derivan de la f´ rmula integral de o o Cauchy. zm }. Corolario 2.2. que k! ηr f (k) (z0 ) ≤ k .9 Sean Ω ⊆ C un abierto y f ∈ C holomorfa en Ω \ {z1 .r) Demostraci´ n.74 2 An´ lisis complejo a se aplica reiteradamente (2.r) (w − z0 ) | f (w)| |dw| k+1 ∂ B(z0 . . z0 ∈ Ω y r > 0 tal que B(z0 . m´ s a´ n. entonces f es constante en C. Como consecuencia del resultado anterior se tiene el siguiente corolario. (2. Por el Teorema 2.r) Por tanto. (w − z0 )k+1 ∂ B(z0 ..20 se tiene que o 1 1 (k) f (z0 ) = k! 2πi Juan Mayorga-Zambrano.36). a u 2. para todo k ∈ N∗ . o Universidad de las Fuerzas Armadas . ∂ B(z0 . Teorema 2. PhD f (w) dw.83) r donde ηr = sup | f (z)|.10 [Desigualdades de Cauchy] Sean Ω ⊆ C un abierto. usando el cambio de variable w = reiθ .. Entonces f ∈ H(Ω ) y.

entonces por el Teorema de Liouville. α} se tiene que a |g(z)| ≤ M.y)∈Ω Corolario 2. para todo z ∈ C. n − 1. ı por lo cual existe r > 0 tal que |g(z)| ≤ 1.. 1. + an zn .2.. a (x. (x2 . Para z ∈ C. Demostraci´ n. z ∈ C.5). recordemos del curso de C´ lculo Vectorial que un conjunto Ω ⊆ R2 es compacto a si es cerrado y acotado y que una funci´ n h que es continua sobre Ω alcanza su m´ ximo y su m´nimo. r). y1 )...12 [Teorema de d’Alembert] Si f : C → C es un polinomio de grado n ≥ 1. Universidad de las Fuerzas Armadas . y1 ) = m´ x h(x. la funci´ n o g(z) = 1 . (2. est´ en H(C).84) Bajo este supuesto.. tambi´ n est´ en H(C). y2 ) = m´n h(x. para todo z ∈ C. ı (x. Si logramos probar que g est´ acotada. para todo |z| > r. entonces existe z0 ∈ C tal que f (z0 ) = 0.. + b1 bn−1 z . Supongamos entonces que f no tiene ra´ces. para i = 0. g ser´a e a a ı una funci´ n constante y. f (z) z ∈ C. y). y).. . Esto demostrar´a o e ı o ı el corolario. es o a ı decir. por tanto..ESPE .. existen puntos (x1 . Procedamos por reducci´ n al absurdo. Por otro lado. y2 ) ∈ Ω tales que h(x1 . Poniendo ahora M = m´ x{1.9 F´ rmula Integral de Cauchy o 75 Usando la f´ rmula integral de Cauchy se puede probar el Teorema Fundamental del Algebra (v´ ase el o e Teorema 2. es decir a o ı que f (z) = 0. Probemos entonces la funci´ n g est´ acotada. puesto que la funci´ n |g| es continua sobre el conjunto compacto B(0. existe α > 0 tal que o |g(z)| ≤ α. f tambi´ n ser´a constante contradiciendo la hip´ tesis. PhD 1 a0 + a1 z + . +1 donde bi = ai /an . Tenemos que el polinomio o f (z) = a0 + a1 z + . Es claro que |z|→∞ l´m g(z) = 0. se tiene que o a g(z) = Juan Mayorga-Zambrano. es decir que g es acotada.y)∈Ω h(x2 . + an zn 1 an zn 1 b0 zn = + zn−1 + . para todo |z| ≤ r. Para ello.

r). PhD Observaci´ n 2. r) \ {z0 } pero no en z0 esta expansi´ n no existe. k=0 ∞ ∞ N(z) = k=1 ∑ c−k (z − z0 )k . en la f´ rmula (2. ck =  1   . Calculemos R2 : ∞ 1 1 +∑ (z + 1)k z + 1 k=0 (1 + 3i)k+1 (2. P(z) = ∑ ck (z − z0 )k . para z = z0 la serie de Laurent converge si P(z) y N(z) convergen. k = −1.87) Universidad de las Fuerzas Armadas . (2. entonces L(z) converge en la regi´ n anular o A = {z ∈ C : R1 < |z − z0 | < R2 } y adem´ s L ∈ H(A ).86) deber´a cambiarse l´m por l´m sup. Adicionalmente se usa la convenci´ n 1/0 = ∞. Cuando f es holomorfa en B(z0 . Cuando esto es posible.85).21 [Convergencia de una serie de Laurent] Sean z0 ∈ C y L(z) la serie (2.25 Consideremos la serie de Laurent L(z) = en torno al punto z0 = −1. o es posible que f se pueda representar con una serie de Laurent: ∞ L(z) = ∑ k=−∞ ck (z − z0 )k . se separan las potencias positivas de (z − z0 ) de las negativas.76 2 An´ lisis complejo a 2. (1 + 3i)k+1 Es evidente que R1 = 0. Series de Laurent Recordemos que si una funci´ n f es holomorfa en H(B(z0 . 0. sin embargo.86) Si R1 < R2 .ESPE . R2 = 1 l´mk→∞ ı k |ck | . Teorema 2. Nuestra elecci´ n se debe al hecho de que habitualmente no se ve el concepto de l´mite superior en los o ı cursos de Matem´ ticas para Ingenier´a. Ponemos R1 = l´m ı k k→∞ |c−k |. Tenemos que  k ≤ −2. (2.85) Observe que en una serie de Laurent pueden aparecer potencias negativas de (z − z0 ). k ≥ 0.10. entonces existe una expansi´ n de Taylor o o en torno a z0 .15 Estrictamente.   1. 1 Por tanto. a ı o Ejemplo 2. a Juan Mayorga-Zambrano. el l´mite supeo o ı ı ı ı rior.

inf).16.87) define una funci´ n holomorfa en el anillo o √ A = {z ∈ C : 0 < |z + 1| < 10}. .88) para cualquier r ∈ (R1 .21 prov´ e condiciones bajo las cuales una serie de Laurent define una funci´ n holomorfa.22 [Existencia de una serie de Laurent] Sean z0 ∈ C. e o En el siguiente resultado se expone el camino de regreso.16 En la f´ rmula o (2. Aqu´ ∂ B(z0 . r) est´ reparametrizada en sentido antihorario. 1 (1 + 3 i)k+1 Universidad de las Fuerzas Armadas . ∑ k=−∞ ck (z − z0 )k .r) (z − z0 ) (2.ESPE ( %o1) c (k) := (%i2) R2: 1/ limit(abs(c(k))ˆ(1/k). de hecho. ck = 1 2πi f (z) dz.10 Series de Laurent 77 (%i1) c(k):= 1/((1+3*%i)ˆ(k+1)).k. r) con cualquier camino antihorario contenido en A. e Teorema 2. para cada k ∈ Z. PhD Figura 2. Consid´ rese la Figura 2. El Teorema 2. 0 ≤ R1 < R2 ≤ ∞ y A = {z ∈ C : R1 < |z − z0 | < R2 }. entonces existen constantes (ck )k∈Z tales que ∞ f (z) = donde. para todo z ∈ A . Si f ∈ H(A ). √ 10 ( %o2) Por tanto la serie de Laurent (2.88) se puede reemplazar ∂ B(z0 . A los n´ meros ck se les refiere como los coeficientes de Laurent de f y rara vez se los calcula mediante u (2. k+1 ∂ B(z0 .88) sino que se los obtiene por manipulaciones algebraicas de expresiones conocidas.2. R2 ). m´ s bien a se utilizan estos coeficientes para evaluar integrales. ı a Juan Mayorga-Zambrano.

intenta calcular la serie de Laurent cuando |s − a| > 0. el comando taylor(f(s).26 Consideramos la funci´ n definida por la f´ rmula o o f (z) = Puesto que para todo z ∈ C se tiene cos(z) = se sigue que f (z) = (−1)n 2n−5 z . N(z) = 1 1 1 − + . Ejemplo 2. 1 1 1 z z3 z5 z7 − 3+ − + − + + . z. La orden ev(expr. var = value) evalua la expresi´n expr cuando la variable var toma el o valor value. La orden partfrac(expr. n=0 (2n)! ∞ ∑ ∑ Calculemos los primeros t´ rminos de la serie de Laurent de f en la regi´ n A = {z ∈ C : |z| > 0}: e o (%i1) ( %o1)/T/ taylor(cos(z)/zˆ5. n=0 (2n)! ∞ cos(z) .n) trata de calcular la serie de Taylor de f (s) en torno al punto s = a...ESPE . z5 (−1)n 2n z . En Maxima. PhD Tip 34. Si esto no es posible..78 2 An´ lisis complejo a Tip 33. Tip 35.s. var) halla las fracciones parciales de la expresi´n expr en la o Ejemplo 2. 0. Calculamos la serie de Laurent de f en la regi´ n A = {z ∈ C : |z| > 0}: o Universidad de las Fuerzas Armadas .a.27 Consideramos la funci´ n definida por la f´ rmula o o f (z) = e1/z . z5 2 z3 24 z z z3 z5 z7 P(z) = − + − + + . variable var.. 7). 5 z 2z 24 z 720 40320 3628800 479001600 En este caso. 720 40320 3628800 479001600 Juan Mayorga-Zambrano.

.10 Series de Laurent 79 (%i1) ( %o1)/T/ (%i2) ( %o2) expr: taylor(%eˆ(w). z+1 ( %o3) P (z) := . 0. 2 6 24 120 720 5040 Universidad de las Fuerzas Armadas . −1 − 3 i (z + 1) (z − 3 i) ( %o1) f (z) := Es claro que f es holomorfa en C \ {−1... PhD √ 10.z).z). 7). w=1/z)..ESPE partfrac(ev(expr. N(z) = 1 1 1 1 1 + + + + . w.2. (%i3) P(z):= -1/(z-3*%i). + z 2 z2 6 z3 24 z4 120 z5 P(z) = 1. 1 1 1 1 1 1 1 + + + + + +1 + z 2 z2 6 z3 24 z4 120 z5 720 z6 5040 z7 En este caso.. Ejemplo 2. 3i}. Hallemos la expansi´ n de Laurent de f en torno a z0 = −1 para z ∈ A: o (%i2) ( %o2) partfrac(f(z). 3i) = Juan Mayorga-Zambrano. donde R2 ≤ dist(−1. −1 z−3i 1 .28 Consideremos la funci´ n definida por la f´ rmula o o (%i1) f(z):= (-1-3*%i)/((z+1)*(z-3*%i)). No es dif´cil constatar que f es holomorfa en el anillo ı A = {z ∈ C : 0 < |z + 1| < R2 < ∞}. 1 1 − z+1 z−3i de manera que N(z) = Ahora. 1+w+ w2 w3 w4 w5 w6 w7 + + + + + + .

. el desarrollo de Laurent no tiene potencias e negativas de (z − z0 ): f (z) = En este caso. la funci´ n f tiene una expansi´ n de Laurent en B(z0 .. la funci´ n o ∑ ck (z − z0 )k . para todo k < 0.3).. z + 1 3 i + 1 6 i − 8 18 i + 26 96 i − 28 2. PhD ∑ k=−∞ ck (z − z0 )k .ESPE por lo cual f (z) = 1 1 z+1 (z + 1)2 (z + 1)3 + + − − + . 2) z0 es un polo de orden m ∈ N si c−m = 0. Bajo la Definici´ n 2. 1) z0 es una singularidad removible si Juan Mayorga-Zambrano. 3 i + 1 6 i − 8 18 i + 26 96 i − 28 Universidad de las Fuerzas Armadas . ck = 0. R) \ {z0 }: o o o ∞ f (z) = Entonces.11.89) A un polo de orden 1 se le conoce como polo simple. c−k = 0.. k=0 ∞ . 3) Si el n´ mero de ´ndices k < 0 para los cuales ck = 0 es infinito y se dice que z0 es una singularidad u ı esencial.z. 1 z+1 (z + 1)2 (z + 1)3 + − − + . Definici´ n 2. Polos y singularidades Para establecer el importante Teorema de los Residuos requerimos del concepto de singularidad aislada. R) \ {z0 } pero no es holomorfa en z0 .28 [Singularidad aislada] o Se dice que la funci´ n compleja f = f (z) tiene una singularidad aislada en z0 ∈ C si existe un radio o R > 0 tal que f es holomorfa en el anillo B(z0 .-1. (2.28. Obs´ rvese que cuando z0 es una singularidads removible de f . para todo k > m.80 2 An´ lisis complejo a (%i4) ( %o4)/T/ taylor(P(z).

Es por la posibilidad de obtener una funci´ n holomorfa mediante esta redefinici´ n o o que se justifica la denominaci´ n “removible” para la singulartidad z0 . z = z0 .ESPE ( %o1) f (z) := tiene expansi´ n de Laurent o (%i2) ( %o2)/T/ taylor(f(z). 1.23 [Caracterizaci´ n de polos] o Sean z0 ∈ C y f una funci´ n holomorfa en el anillo B(z0 . R) \ {z0 }. (−1 + 2 i) sin (z − 2 i) z3 − 6 i z2 + (−12) z + 8 i ( %o1) f (z) := Puesto que ..15).30 Consideremos la funci´ n definida por la f´ rmula o o (%i1) f(z):= (-1+2*%i)*sin(z-2*%i) / (zˆ3-6*%i*zˆ2-12*z+8*%i). la funci´ n o f˜(z) = es holomorfa en C. es finito y distinto de cero. entonces. R). 6 120 5040 362880 39916800 6227020800 1307674368000 Por tanto f tiene una singularidad removible en z0 = 0 y. z = 0.2.. 1− z4 z6 z8 z10 z12 z14 z2 + − + − + − + . Ejemplo 2.z. z = z0 . Juan Mayorga-Zambrano. es holomorfa en B(z0 . z = 0.11 Polos y singularidades 81 f˜(z) = f (z). Teorema 2. c0 . PhD existe. sin (z) z Universidad de las Fuerzas Armadas .0.29 La funci´ n definida por la f´ rmula o o (%i1) f(z):= sin(z) /z. Entonces f tiene un polo de orden o m ∈ N en z0 ssi l´m (z − z0 )m f (z) ı z→z0 f (z). o Ejemplo 2.

limit((z-z0)ˆ2*f(z). z0).12. a una ra´z de orden 1 se le llama ra´z simple.31 Consideremos la funci´ n definida por la f´ rmula o o Juan Mayorga-Zambrano.. Se dice que z0 es una ra´z de orden k ∈ N si ı f (z0 ) = f (z0 ) = . ´ Para establecer el ultimo resultado de esta secci´ n. ı 2. PhD f (z) = (z − 3π/2)6 . El Teorema de los Residuos Supongamos que una funci´ n f tiene una singularidad aislada en z0 ∈ C y que en un anillo B(z0 . . que est´ contenido en este anillo y que se recorre en a sentido antihorario. R)\{z0 } o tiene expansi´ n de Laurent o ∞ f (z) = ∑ k=−∞ ck (z − z0 )k . = f (k−1) (z0 ) = 0. En particular. Consideramos Γ un camino cerrado que encierra a z0 . f (k) (z0 ) = 0.29 [Ra´z de orden k] o ı Sean Ω ⊆ C un dominio. ı ı Teorema 2. Universidad de las Fuerzas Armadas . Si o g tiene una raiz de orden k ∈ N en z0 y h tiene una raiz de orden m ∈ N en z0 . Por tanto. cos8 (z) El numerador de f tiene una raiz de orden 6 en z0 = 3π/2 en tanto que en el mismo punto el denominador tiene una ra´z de orden 8. f tiene un plo de orden 2 en z0 = 3π/2.82 2 An´ lisis complejo a (%i2) ( %o2) 2 i (%i3) z0: 2*%i. entonces f tiene un polo de orden m − k en z0 . Ejemplo 2. necesitamos la siguiente o Definici´ n 2. f ∈ H(Ω ) y z0 ∈ Ω . con m > k. z.ESPE ( %o3) 2 i − 1 z0 = 2i es un polo de orden 2 de f .24 [Polos de un cociente] Sea f = g/h una funci´ n compleja tal que g y h son holomorfas en alguna bola centrada en z0 ∈ C..

92) Juan Mayorga-Zambrano. ı Figura 2.91) f (z) dz.25 [Teorema de los Residuos] Sean Ω ⊆ C un dominio.. j=1 (2..12 El Teorema de los Residuos 83 Figura 2. Entonces.. n Γ f (z) dz = 2πi ∑ Res( f . se tiene inmediatamente el valor de la integral Γ 1 2πi f (z) dz. El Teorema de los Residuos que presentamos a continuaci´ n.. PhD Aqu´ se supone que Γ avanza en sentido antihorario y que no contiene ninguna singularidad de f . extiende la f´ rmula (2.22 se tiene entonces que c−1 = de manera que si se conoce el coeficiente c−1 ≡ Res( f . . Teorema 2. ´ Para el c´ lculo de residuos es util el siguiente a Universidad de las Fuerzas Armadas . referido como residuo de f en z0 .90) (2. z0 ). R) \ {z0 } es un camino cerrado que encierra a z0 .90). zn . f una funci´ n holomorfa en Ω \ {z1 .2.18 Para la demostraci´ n del Teorema de los o Residuos se usa el Corolario 2. z j ).8 junto con la f´ rmula o (2.17 Γ ⊆ B(z0 . Γ (2.. z2 .ESPE .90) para el caso en o o que Γ encierra a varias singularidades. zn } y sea Γ ⊆ Ω una trayectoria o cerrada que encierra a las singularidades aisladas z1 . z2 .. . Por el Teorema 2.

26 [C´ lculo de Residuos] a Supongamos que f tiene un polo de orden m ∈ N en z0 ∈ C. Se tiene por la f´ rmula (2.84 2 An´ lisis complejo a Teorema 2.93) que o (%i4) ( %o4) − R: (1/factorial(m-1))*limit(diff((z-z0)ˆm*f(z). Suponga que una o funci´ n g tiene una ra´z simple y es diferenciable en z0 . (m − 1)! (2.ESPE En particular. en el punto (%i3) ( %o3) −i z0: -%i.m-1).32 La funci´ n determinada por la f´ rmula o o (%i1) f(z):= cos(z)/(z+%i)ˆ3. z0 ) = l´m ı d m−1 z→z0 dzm−1 (z − z0 )m f (z) . cos (z) (z + i)3 ( %o1) f (z) := tiene un polo de orden (%i2) ( %o2) 3 Juan Mayorga-Zambrano. Res( f . PhD m: 3.z0). cosh (1) 2 . Entonces f = h/g tiene un polo simple en z0 y o ı Res( f .93) Universidad de las Fuerzas Armadas . ı z→z0 (2. z0 ) = l´m (z − z0 ) f (z). g (z0 ) (2. Entonces.94) ´ Para el c´ lcuo del residuo de un polo simple tambi´ n es util el siguiente a e Corolario 2. z0 ) = h(z0 ) . z. Sea h una funci´ n continua en z0 tal que h(z0 ) = 0.13 Sea z0 ∈ C.z. si z0 es un polo simple se tiene que Res( f .95) Ejemplo 2.

12 El Teorema de los Residuos 85 de manera que Res( f . Los residuos correspondientes son (%i5) Juan Mayorga-Zambrano. 2 i z − cos (z) z3 + z ( %o1) f (z) := Calculemos I = f (z) dz donde Γ es una trayectoria cerrada que no atraviesa ninguna singularidad.z3). Caso 3. Caso 2. PhD r1: residue(f(z). r3: residue(f(z). Universidad de las Fuerzas Armadas . f tiene polos simples en los puntos (%i2) ( %o2) 0 ( %o3) i ( %o4) −i z1: 0. z0 ). i = 1.z. o .2.z2). Ejemplo 2. 3.z.33 Consideremos la funci´ n determinada por la f´ rmula o o (%i1) f(z):= (2*%i*z-cos(z))/(zˆ3+z). ( %o5) −1 cosh (1) + 2 2 cosh (1) − 2 2 ( %o6) ( %o7) Caso 1.ESPE La orden residue(f(z). Si Γ encierra s´ lo a dos de las singularidades. −i) = − cosh (1) 2 Tip 36. r2: residue(f(z). Si Γ encierra s´ lo a zi . o I = 2πiri .z. z. z2: %i.z0) calcula Res( f (z). z3: -%i. entonces I = 0. 2.z. Si Γ no encierra a ninguna de las singularidades. digamos zi y z j .z1).

PhD (%i2) z1: %i. rectform.ESPE (%i8) ( %o8) i (2 π cosh (1) − 2 π) Ejemplo 2. 2 ∂ B(0. ( %o1) f (z) := 1 1 + z2 son Juan Mayorga-Zambrano.34 Calculemos las integrales I1 = I2 = 1 dz. ( %o2) i ( %o3) −i z2: -%i. ratsimp. Si Γ encierra a las tres singularidades I: 2*%pi*%i*(r1+r2+r3). Se tiene por el Teorema de los Residuos que (%i4) I1: 2*%pi*%i*(residue(f(z).z1) + residue(f(z). ( %o4) 0 (%i5) I2: 2*%pi*%i*residue(f(z). Universidad de las Fuerzas Armadas .z.z.z2)). ( %o5) π .86 2 An´ lisis complejo a I = 2πi(ri + r j ).2) 1 + z 1 dz.1) Las singularidades de lafunci´ n definida por la f´ rmula o o (%i1) f(z):= 1/(1+zˆ2).z1). Caso 4. 1 + z2 ∂ B(i.z.

o ´ Proposici´ n 2.98)-(2. iz |z|=1 (2. Universidad de las Fuerzas Armadas . Es importante tener en conforme transforma el integrando de I en un cociente de polinomios al cambio de variable z = eiθ se tiene que sin(θ ) = 1 1 z− .100) Ejemplo 2.ESPE . u ı 2.13.2.13 C´ lculo de integrales v´a residuos a ı 87 Una consecuencia del Teorema de los Residuos es la siguiente proposici´ n. Juan Mayorga-Zambrano.13 [Numero de ra´ces] o ı Sean Ω ⊆ C un dominio simplemente conexo. Integrales de funciones trigonom´ tricas e Consideramos la integral 2π I= 0 p(cos(θ ).98) f (z)dz.13.1. 2 z (2. Si f tiene un n´ mero finito de ra´ces al interior o u ı de D y no tiene ra´ces en Γ . PhD dθ = dz . incluyendo multiplicidades. 2 + sin(θ ) Se tiene entonces que I= |z|=1 f (z)dz. C´ lculo de integrales v´a residuos a ı El Teorema de los Residuos se puede utilizar para el c´ lculo de una variedad de integrales. a 2. sin(θ ) (2. entonces ı Ind f (Γ ) (0) = 1 2πi f (z) dz. f ∈ H(Ω ) y Γ una curva simple.97) donde p y q son polinomios.35 Usamos el cambio de variable (2. sin(θ )) dθ . 2i z 1 1 cos(θ ) = z+ .96) Γ y este valor es el n´ mero total de ra´ces de f en D. f (z) (2. cerrada y recorrida en sentido antihorario que encierra una regi´ n D ⊆ Ω . El cambio de variable z = eiθ . q(cos(θ ).99) (2.100) para calcular 2π I= 0 dθ .

ESPE que tiene dos polos simples en los puntos (%i2) z1: (-sqrt(3)-2)*%i. suponemos que R I = l´m ı R→∞ −R f (x)dx. ( %o4) 3. √ ( %o2) − 3−2 i ( %o3) √ 3−2 i z2: (sqrt(3)-2)*%i.732050807568877 (%i5) abs(z2). PhD ( %o6) 2π √ 3 2.13. Integrales impropias sobre dominios no-acotados Queremos calcular I= ∞ f (x)dx.26794919243112 Puesto que z2 ∈ B(0.z2). numer. (2. ( %o1) f (z) := 2 z2 + 4 i z − 1 Universidad de las Fuerzas Armadas .88 2 An´ lisis complejo a con (%i1) f(z):=2/(zˆ2+4*%i*z-1).101) Para ello suponemos que I se puede calcular como el valor principal de Cauchy. 1) y z1 ∈ B(0. numer. 1) se sigue que / (%i6) I: 2*%pi*%i*residue(f(z). con m´ dulos o (%i4) abs(z1).102) . ( %o5) 0. Juan Mayorga-Zambrano. −∞ (2. es decir.z.2.

13 C´ lculo de integrales v´a residuos a ı 89 Como veremos m´ s adelante. (2.2. para calcular I mediante (2.101). En este caso se dice tambi´ n que f es una restricci´ n de g.30 [Extensi´ n de una funci´ n] o o o Se dice que una funci´ n g : V → W es una extensi´ n de la funci´ n f : U → W si se cumplen las o o o siguientes condiciones 1) U ⊆ V . o Obs´ rvese que e x→0+ l´m Γ (x) = l´m Γ (x) = ∞.4 Dada una funci´ n real f . ∞) → R. o Definici´ n 2.37 La extensi´ n natural de la funci´ n f : R → R determinada por la f´ rmula o o o Universidad de las Fuerzas Armadas . Ejemplo 2.ESPE . n ∈ N. ı ı x→∞ Notaci´ n 2. e o Tip 37. se tiene que la funci´ n o (−1. para todo u ∈ U. n · (n − 1)!. pero antes abordar esta tarea. Γ : (0. n = 0. ∞) es una extensi´ n de la funci´ n factorial o o n! = 1. o o a o o Ejemplo 2. aclaremos lo que se entiende por “extensi´ n”. 2) g(u) = f (u). cuando x > 0. β → Γ (β + 1) ∈ R Juan Mayorga-Zambrano.102) usaremos una extensi´ n a C de la funci´ n f : a o o R → R que aparece en (2. PhD Figura 2. El comando gamma(x) calcula Γ (x).36 Se define la funci´ n Gamma.19 La funci´ n Γ .103) Puesto que para cada n ∈ N se tiene que Γ (n) = (n − 1)!. se notar´ f˜ a la extensi´ n natural de f a una funci´ n compleja. mediante la f´ rmula o o ∞ Γ (α) = 0 t α−1 e−t dt.

. / 2) Existen constantes K ≥ 0. i} → C dada por o f˜(z) = 1 . zn } es el o o conjunto de polos de f˜.90 2 An´ lisis complejo a f (x) = es la funci´ n f˜ : C \ {−i. M ≥ 0 y p > 1 tales que | f˜(z)| ≤ Entonces. Puesto que P es finito. π]. donde P = {z1 . Demostraci´ n. Dado R > 0 denotamos por CR al arco parametrizado por o γ(t) = R eit . ∞ Caso I: −∞ f (x)dx cuando f no tiene polos reales El siguiente resultado permite calcular en varias situaciones la integral R I = l´m ı Para ello definimos el conjunto R→∞ −R f (x)dx. PhD 1) R ∩ P = 0. . para R suficientemente grande se tiene que ΓR = CR ∪ [−R.. de manera que Int(H) = {z ∈ C : Im(z) > 0}. R] ⊇ Int(H) ∩ P. H = {z ∈ C : Im(z) ≥ 0}. .. K . ∞ f (x)dx = 2πi −∞ ∑ z∈Int(H)∩P Res( f˜. z). |z| ≥ M. Supongamos que o Juan Mayorga-Zambrano. es decir f˜ no tiene polos reales. t ∈ [0.ESPE Supondremos en lo que resta de este cap´tulo que es v´ lida la siguiente condici´ n: ı a o Hip´ tesis (E). Teorema 2. |z| p para todo z ∈ H. La funci´ n f : R → C es tal que f˜ es holomorfa en C \ P. 1 + x2 1 . 1 + z2 Universidad de las Fuerzas Armadas .27 Sea f : R → R una funci´ n que verifica (E).

1 + x4 Es claro que Universidad de las Fuerzas Armadas . 2πi ∑ z∈Int(H)∩P Res( f˜. q ˜ Ejemplo 2. Si q no tiene ra´ces reales y ı ı grado(q) ≥ grado(p) + 2.38 Queremos calcular ∞ J= 0 x2 dx. Juan Mayorga-Zambrano.104) y el hecho de que p > 1: f (z)dz ≤ L(CR ) · sup | f (z)| z∈CR CR K Rp Kπ = p−1 .ESPE .13 C´ lculo de integrales v´a residuos a ı 91 Entonces. z) = ΓR R f (z)dz = −R f (x)dx + CR f (z)dz. el control (2. por el Teorema de los Residuos.14 Sean p y q dos polinomios primos entre s´. PhD A veces se puede aplicar el siguiente Corolario 2. para concluir la demostraci´ n basta o probar que R→∞ CR l´m ı f (z)dz = 0. ´ Puesto que el lado izquierdo de la ultima igualdad no depende de R.4. es decir. R ≤ πR Notaci´ n 2. Z [ f ] = {u ∈ Dom( f ) : f (u) = 0}. (2.z .5 Dada una funci´ n real o compleja f denotamos por Z [ f ] al conjunto de ra´ces de la funci´ n o o ı o f . entonces ∞ −∞ p(x) dx = 2πi ∑ Res q(x) z∈Z (q)∩Int(H) ˜ p ˜ .104) Para ello usamos el Corolario 2.2.

70710678118655. z = 0. ( %o4) Juan Mayorga-Zambrano.70710678118655 i − 0.70710678118655 i − 0.70710678118655] En Int(H) est´ n a (%i4) z1: %eˆ(%i*%pi/4).z2)).14: (%i6) J: (1/2)*2*%pi*%i*(residue(p(z)/q(z). En efecto. 4 −∞ 1 + x ∞ (2. z = 0.70710678118655 i + 0.70710678118655. z = −0.ESPE ( %o1) p (z) := z2 .14.105) (%i2) q(z):= 1+ zˆ4.z1) +residue(p(z)/q(z). 1 2 x2 dx. rectform. ( %o6) π 22 3 Universidad de las Fuerzas Armadas .70710678118655 − 0. ( %o2) q (z) := 1 + z4 verifican las condiciones del Corolario 2. ( %o5) 1 i √ −√ 2 2 Entonces por el Corolario 2.92 2 An´ lisis complejo a J= Los polinomios complejos (%i1) p(z):= zˆ2.70710678118655 i. ( %o3) [z = 0. se tiene que 4 = grado(q) ≥ grado(p) + 2 = 4 y ninguna de las ra´ces de q cae en el eje real: ı (%i3) allroots(q(z)).z. PhD i 1 √ +√ 2 2 (%i5) z2: %eˆ(%i*3*%pi/4).z.

ESPE .. . donde los a j son polos simples de f˜. ( %o1) p (z) := 3 z + 2 (%i2) q(z):= z*(z-4)*(zˆ2+9).. Si q tiene ra´ces reales simples y ı ı grado(q) ≥ grado(p) + 2.. a j ). f (x) dx = 2πi −∞ ∑ z∈Int(H)∩P Res( f˜. M ≥ 0 y p > 1 tales que | f˜(z)| ≤ Entonces. Supongamos que o 1) R ∩ P = {a1 .15.a . |z| p para todo z ∈ H. se tiene que Universidad de las Fuerzas Armadas . PhD I= −∞ p(x) . entonces ∞ −∞ p(x) dx = 2πi ∑ Res q(x) z∈Z (q)∩Int(H) ˜ p ˜ .13 C´ lculo de integrales v´a residuos a ı 93 ∞ Caso II: −∞ f (x)dx cuando f tiene polos reales Se tiene el siguiente resultado. dx q(x) donde (%i1) p(z):= 3*z+2. j=1 Para una demostraci´ n v´ ase [ADCR05]. Teorema 2. A veces se puede aplicar el siguiente corolario. ( %o2) q (z) := z (z − 4) z2 + 9 Puesto que se verifican las condiciones del Corolario 2. z + πi ∑ Res q ˜ a∈Z [q]∩R ˜ p ˜ .2.39 Queremos calcular ∞ Juan Mayorga-Zambrano. z) + πi ∑ Res( f . 2) Existen constantes K ≥ 0.28 Sea f : R → R una funci´ n que verifica (E). ∞ s K . as }. o e Corolario 2.15 Sean p y q dos polinomios primos entre s´. |z| ≥ M. q ˜ Ejemplo 2.

PhD Para ello se puede utilizar el siguiente teorema.z. |z| p para todo z ∈ H. w). Juan Mayorga-Zambrano.z.a1) + residue(p(z)/q(z). Teorema 2. ı .a2)). f (x)eiαx dx = 2πi ∑ w∈Int(H)∩P Res(eiαz f˜. ( %o3) 3 i (%i4) a1: 0. para todo α > 0. M ≥ 0 y p > 0 tales que | f˜(z)| ≤ Entonces. es decir f˜ no tiene polos reales.106) ∞ I= −∞ f (x) eiαx dx = I1 + i I2 . ( %o4) 0 (%i5) a2: 4.z1)+ %pi*%i*(residue(p(z)/q(z). −∞ I2 = f (x) sin(αx)dx −∞ (2. ∞ −∞ K . / 2) Existen constantes K ≥ 0.29 Sea f : R → R una funci´ n que verifica (E).ESPE ∞ Caso III: −∞ f (x) cos(αx)dx y ∞ −∞ f (x) sin(αx)dx cuando f no tiene polos reales Cuando se quiere calcular una integral como ∞ ∞ I1 = evaluamos en realidad la integral f (x) cos(αx)dx.z.27 donde se reo e quer´a que p > 1. a diferencia del Teorema 2. rectform.16 T´ ngase presente que se exige que p > 0. Supongamos que o 1) R ∩ P = 0.94 2 An´ lisis complejo a (%i3) z1: 3*%i. ( %o5) 4 (%i6) I: 2*%pi*%i*residue(p(z)/q(z). ( %o6) − 14 π 75 Universidad de las Fuerzas Armadas . |z| ≥ M. Observaci´ n 2.

Si q no tiene ra´ces reales y ı ı Universidad de las Fuerzas Armadas .2.a*%i). 2 2 −∞ x + a ∞ q(z):= zˆ2+aˆ2. s > 0.40 Sean a.13 C´ lculo de integrales v´a residuos a ı 95 La demostraci´ n de este resultado es similar a la prueba del Teorema 2. ( %o3) p (z) := 1 ( %o4) q (z) := z2 + a2 Juan Mayorga-Zambrano.16. ( %o5) π e−a s a de manera que cos(sx) π dx = e− a s .ESPE grado(q) ≥ grado(p) + 1.z. para α > 0. A veces se puede aplicar el o siguiente corolario. Los polinomios p y q verifican las condiciones del Corolario 2.27. 2 + a2 a −∞ x ∞ . ∞ −∞ p(x) iαx e dx = 2πi ∑ Res q(x) z∈Z (q)∩Int(H) ˜ p iαz ˜ e . PhD cos(sx) dx.16 Sean p y q dos polinomios primos entre s´. Se tiene entonces que (%i5) I: 2*%pi*%i*residue(%eˆ(%i*s*z)/q(z). ( %o1) [s > 0] (%i2) assume(a>0). ( %o2) [a > 0] (%i3) p(z):=1. entonces. q ˜ Ejemplo 2. Queremos calcular I= Ponemos (%i1) assume(s>0). Corolario 2.z .

f (x)eisx dx = 2πi ∑ w∈Int(H)∩P Res(eisz f˜.17 Sean p y q dos polinomios primos entre s´. |z| ≥ M. M ≥ 0 y p > 0 tales que | f˜(z)| ≤ Entonces.ESPE .106) cuando f admite polos reales se tiene el siguiente teorema. A veces se puede aplicar el siguiente corolario. q ˜ Juan Mayorga-Zambrano. entonces ∞ −∞ p(x) isx e dx = 2πi ∑ Res q(x) z∈Z (q)∩Int(H) ˜ p isz ˜ e . j=1 Para una demostraci´ n de este teorema v´ ase [ADCR05]. Supongamos que o 1) R ∩ P = {a1 . w) + πi ∑ Res(eisz f˜. PhD Universidad de las Fuerzas Armadas . a j ).30 Sea f : R → R una funci´ n que verifica (E). |z| p para todo z ∈ H. . Si q tiene ra´ces reales simples y ı ı grado(q) ≥ grado(p) + 1. Teorema 2.a . z + πi ∑ Res q ˜ a∈Z [q]∩R ˜ p isz ˜ e . 2) Existen constantes K ≥ 0.96 2 An´ lisis complejo a ∞ Caso IV: −∞ f (x) cos(αx)dx y ∞ −∞ f (x) sin(αx)dx cuando f tiene polos reales Para calcular integrales como I1 e I2 en (2.. as }.. o e Corolario 2. ∞ −∞ s K . donde los a j son polos simples de f˜..

2. ∂ x2 ∂ y2 para todo (x. abierto. y) ∈ Ω .3) pruebe que C es un cuerpo (v´ ase Secci´ n 2. PhD ∂f (z) = 0. Resuelva la ecuaci´ n o zn = α. Para n = 3. Aplique esta herramienta a las funciones del Ejercicio 2. ∂x ∂y 1) Pruebe que f = u + iv satisface las ecuaciones de Cauchy . 2. calcule f (z). e o Universidad de las Fuerzas Armadas .ESPE 2. si es el caso. Sea f : Ω ⊆ C −→ C. Definamos los operadores diferenciales ∂ 1 = ∂z 2 ∂ ∂z y ∂ ∂z mediante las f´ rmulas o ∂ 1 = ∂z 2 ∂ ∂ +i .2). y) + i v(x. Sea n ∈ N y α > 0.1. Pruebe que f ∈ H(Ω ) si f (z) y z f (z) son arm´ nicas en Ω . f1 (z) = tan(z). muestre que para todo z ∈ Ω se tiene que f (z) = ∂f (z). 5. Pongamos z = x + iy = r eiθ y f (z) = u(x. Ω ⊆ C. 2. θ ) + iV (r. y) = U(r. 4. z ∈ C. f6 (z) = (z3 + 1) · e−y (cos(x) − i sin(x)). 2. Sea Ω ⊆ C.2) y (2. . f4 (z) = sin(z) sin(z). ∂z 2) Si f ∈ H(Ω ).13 C´ lculo de integrales v´a residuos a ı 97 Problemas 2. θ ).3. 6. ∂x ∂y ∂ ∂ −i . Tenga presente que una funci´ n compleja es arm´ nica si tanto su parte real como su parte imaginaria o o son arm´ nicas. Sea f : C −→ C. y) + i v(x.3. Escriba una rutina en Maxima que reciba como entrada una funci´ n compleja f (z) = u(x. f2 (z) = z · z. 2. Una funci´ n g : Ω ⊆ R2 → R es arm´ nica en Ω si se cumple que o o o ∂ 2g ∂ 2g + = 0. ∂z 2. Halle el conjunto de puntos Ω ⊆ C donde la funci´ n compleja (definida por la f´ rmula o o indicada) es derivable y. 7 grafique en Maxima el pol´gono que resulta de unir las soluciones de la ecuaci´ n con ı o segmentos en el plano complejo. Usando (2.7. f3 (z) = tanh(z). o Idea.2.5. y) o y que verifique si se cumplen las condiciones C-R.4. f5 (z) = e−x (cos(y) − i sin(y)).Riemann si y s´ lo si se cumple la ecuaci´ n o o Juan Mayorga-Zambrano.1.6.

98 2 An´ lisis complejo a 1) Pruebe que f ∈ H(Ω ) si y s´ lo si se cumplen las condiciones o   1 ∂V = ∂U . 2. PhD cosh(z) = 0.8.Riemann en coordenadas polares. Encuentre el desarrollo en serie de potencias por la f´ rmula o o ∑ ck zk en torno a z0 = 0. Halle en C las soluciones de las ecuaciones Juan Mayorga-Zambrano. sinh(z) = 0. ∑ k k∈N S3 = (z + 2)k ∑ k2 . para la funci´ n determinada k=0 . sinh (z) = cosh(z).9.11. 2. cosh(iz) = cos(z). Sabiendo que la serie S(z) = ∑k∈N ck (z − z0 )k tiene radio de convergencia R0 > 0. cosh (z) = sinh(z). k∈N S2 = (z + 2 − i)k . Determinar el radio de convergencia de las series de potencias S1 = ∑ (z − i)k . cosh (z) − sinh2 (z) = 1. 2) Verifique que si se cumplen estas condiciones entonces f (z) = ∂U ∂V +i ∂r ∂r e−iθ . k∈N ∞ V (z) = ∑ c2 (z − z0 )k .12. Sea z ∈ C.ESPE 2. Calcule L = l´m tan(x + iy). 2 sin(iz) = i sinh(z). ı y−→∞ . Verifique las siguientes propiedades cosh(−z) = cosh(z).  r ∂θ ∂r ∂V  1 ∂U  =− .13.10. sinh(−z) = − sinh(z). determine el radio de convergencia de las series de potencias U(z) = ∑ ck (z − z0 )2k . Universidad de las Fuerzas Armadas . r ∂θ ∂r Estas condiciones se conocen como las ecuaciones de Cauchy . k k∈N 2. sin(z) = sin(z). 2. k∈N 2.

1/2 f5 (z) = f7 (z) = 1 z · ln z + (1 + z2 )1/2 . 2.13 C´ lculo de integrales v´a residuos a ı 99 f (z) = 1 . 0] y que en ese caso se tiene que o ı 1 ln (z) = . mediante o pλ (z) = eλ ln(z) .15. . PhD 2. El valor de la funci´ n pλ se denota habitualmente como zλ . µ ∈ C. (1 + z) (1 − z − z2 )1/2 2. donde se supone que λ = 0. Juan Mayorga-Zambrano. z4 + 1 z1/2 − 2z2/3 + 1 . 1. o 1) Muestre que ii = e−π/2 . 4) Determine el dominio donde pλ es holomorfa y pruebe que en dicho dominio se cumple que (zλ ) = λ · zλ −1 . (1 + z2 )1/2 . ez + 1 senh(z) cosh(z) f4 (z) = . z Idea. Universidad de las Fuerzas Armadas . 2. ck+2 = ck + ck+1 .. π]. t ∈ [0.. pruebe que para todo t > 0 real. f8 (z) = z2 (z2 + z − 1)1/2 z . Puede usar el resultado establecido en el Ejercicio 2. 2) Dado λ = α + iβ . 1 − z − z2 Pruebe que la sucesi´ n (ck )k∈N es la serie de Fibonacci: o c0 = c1 = 1. Manualmente y usando Maxima encuentre primitivas de las siguientes funciones f1 (z) = f3 (z) = z2 + 1 . se define la funci´ n potencia λ .16.ESPE .14. 2. k = 0. z1/4 e3z + 1 .17.7. verifique que zλ +µ = zλ · zµ . t λ = t α [cos(β ln(t)) + i sin(β ln(t))]. Dado λ ∈ C. Calcule manualmente la longitud de las curvas γ(t) = t cos(t) + it sin(t). 3) Dados λ . Pruebe que la funci´ n logar´tmica es holomorfa para z ∈ C \ (−∞.2. 1/2 sinh4 (z) + cosh4 (z) f2 (z) = f6 (z) = ez . pλ : C \ {0} −→ C.

20 A γ1 se le conoce como la curva de la mariposa. t ∈ [0. ε ∈ (0. π/2 − ε]. t ∈ [−π/2 + ε. γ1 (t) = sin(t) ecos(t) − 2 cos(4t) − sin5 t t + i · cos(t) ecos(t) − 2 cos(4t) − sin5 . t ∈ [−2π. b]. Figura 2.100 2 An´ lisis complejo a 2.21 A γ2 se le conoce como la involuta. Figura 2.18. PhD Figura 2. 2π]. Escriba en Maxima una rutina que reciba como entrada una curva compleja γ(t) = x(t) + i y(t). 2π].3. Aqu´ se ı ha tomado ε = 0. π/2). Universidad de las Fuerzas Armadas . √ 2 γ3 (t) = 2 2 tan(t) + i · 2 cos (t).ESPE . t ∈ [a.22 A γ3 se le conoce como la Bruja o curva de Agnesi. 12 12 γ2 (t) = [cos(t) + t sin(t)] + i · [sin(t) − t cos(t)] . Aplique esta rutina a la curva del Ejercicio 2.17 y a las siguientes curvas. Juan Mayorga-Zambrano. que la grafique y que calcule su longitud.

25.13 C´ lculo de integrales v´a residuos a ı 101 2. R)). Sea f ∈ H(B(z0 . cosh(z) sinh(z)dz.20. −S+i] z + 1 2.4+i] 0 2. 1) Pruebe que para todo r ∈]0. 1] −→ C t −→ γ(t) = e2πit . PhD I3 = (2z2 − z + 1)ez dz. 2 Universidad de las Fuerzas Armadas . [−1+i. Calcule manualmente y usando Maxima. 0]. Sea S ∈ R. Calcule las siguientes integrales 3+4i I1 = 1+i sin(z)dz.22.i] z ln(z)dz. Γ 2. Calcule L = l´m ı S−→∞ z2 ez dz. [2−i. Calcule valor de I = . [0.ESPE 2. y o o calcule el valor de la integral I= [2. 1 + z2 2.19.2. 2. la longitud del arco de circunferencia de radio r > 0 com´ prendido entre los angulos θ1 y θ2 . Calcule directamente el valor de las siguientes integrales I1 = (z3 − z2 − z + 1)ez dz. R[ se tiene que f (z0 ) = 2) Deduzca que para 0 < r < 1. donde Γ es el camino definido por la curva cosh(ln(z)) γ(t) : [0. Pruebe que la funci´ n definida por la f´ rmula f (z) = z ln(z) tiene una primitiva en C \ (−∞.1+i] I2 = |z|=1/2 dz .23.21. se cumple que 2π 0 1 2π 2π 0 f (z0 + reiθ )dθ . ln(1 + reiθ )dθ = 0. donde 0 ≤ θ1 ≤ θ2 ≤ 2π. sin(z) ln(z2 − 5) dz. 0 I2 = I4 = ln(z)dz. y que como consecuencia π/2 0 π ln(sin(x)) = − ln(2).24.3+4i] Juan Mayorga-Zambrano. [−S.

26. Concluya que R→∞ Γ2 l´m ı f (z)dz = 0 Indicaci´ n. Pruebe que para todo k ∈ R. . PhD π/4 f (z)dz ≤ R Γ2 0 e−R 2 sin(2t) dt.Puede usar el hecho que o sin(α) ≥ 5) Pruebe que ∞ 0 2α . cos(x2 ) dx = 0 ∞ sin(x2 ) dx = 1 2 π 2 y deduzca las f´ rmulas de Fresnel. o 2. Calcule Γ1 f (z) dz. 3) Pruebe que 0 f (z)dz = Γ3 R exp it 2 eiπ/2 eiπ/4 dt y concluya que R→∞ Γ3 l´m ı f (z)dz = − 1 2 π +i 2 π 2 .27.ESPE 1) Pruebe que la serie de Taylor correspondiente a la funci´ n definida por la f´ rmula f (z) = exp(iz2 ) tiene o o radio de convergencia infinito. El objetivo de este ejercicio es probar las f´ rmulas de Fresnel: o ∞ −∞ cos(x2 ) dx = ∞ −∞ sin(x2 ) dx = π . 4) Pruebe que π/4 f (z)dz = Γ2 0 exp iR2 e2 it Rieit dt de manera que Juan Mayorga-Zambrano. Universidad de las Fuerzas Armadas .. 2 2) Tomemos R > 0 y consideremos el camino ΓR = Γ1 ∪ Γ2 ∪ Γ3 . π para todo α ∈ [0. π/2].102 2 An´ lisis complejo a 2.

z0 = i.33. z4 f3 (z) = t ∈ [0. Encuentre las singularidades de la funci´ n e indique de qu´ tipo son. p) + Res(h. z0 = 0.2. ¿Qu´ puede decirse e sobre las singularidades de f + g. z2 ez f4 (z) = . e 2.36. entonces todos los t´ rminos pares en su o e expansi´ n de Laurent sobre z0 = 0 son iguales a 0.30. 2. f · g en z0 ? 2. a f1 (z) = cos(z) . z0 = 0. f2 (z) = sin(z) . respectivamente. donde Γ est´ parametrizada por γ(t) = eit .35. 2.32. PhD Res(g + h. Muestre que si f es una funci´ n impar y holomorfa en z = 0. z3 f2 (z) = 1 − e2z . Calcule I = 2. 1 1/z2 f8 (z) = e . f3 (z) = z2 f1 (z) = sin(z) . Pruebe que Juan Mayorga-Zambrano. f6 (z) = e1/z(z+1) . p) = Res(g. sinh(z) f4 (z) = cotg(z). 2π]. z−1 f7 (z) = cosec(z). p).29. Suponga que f (z) y g(z) tienen polos en z0 ∈ C de orden m y n. Universidad de las Fuerzas Armadas . Γ 2. Sea p ∈ C un polo de las funciones g y h.37. Halle la serie de Taylor de sinh en torno al punto z0 = πi. Halle la serie de Laurent para fi (z) en torno a z0 en el anillo m´ s grande posible a 2z .34.28. Usando el Teorema del Residuo calcule Ik = Γk f (z)dz. 2(z − 1/2)2 2. 2. ez . z0 = 0. o e f1 (z) = 4 sin(z + 2) . 1 + z2 1 − cos(2z) . 2 + 1) z(z f2 (z) = 2.ESPE 2. (z + i)2 (z − i) 1 f3 (z) = 4 2 .13 C´ lculo de integrales v´a residuos a ı 103 π 0 ek cos(θ ) cos(k sin(θ ))dθ = π. z +z f5 (z) = tan(z).31. Calcular Ii = Γ fi (z)dz. . Explique por qu´ el residuo en un polo simple no puede tomar el valor 0. o e1/z dz donde Γ es cualquier trayectoria cerrada que no pase por el origen.

1. z(z − 4i) 1) f1 (z) = . 2 2 0 x(x + a ) ∞ I2 = 2. 6 −∞ 1 + x ∞ I3 = 0 ln(x) dx..ESPE 1 + z2 .104 2 An´ lisis complejo a 2. Sea a ∈ (0. x4 + β 4 Universidad de las Fuerzas Armadas . Calcule ∞ I= 0 x sin(αx) dx.38.41. ı (z − 1)2 (z + 2i) ez 2) f2 (z) = . Γ1 es el c´rculo de radio 7 alrededor de z0 = −i. cosh(a) + cos(θ ) 0 2. 1) y n = 0. 1 + x2 x sin(x) dx. 1 − 2a cos(2θ ) + a2 0 2π cos(nθ ) I3 = dθ . Γ3 es el cuadrado de lado de longitud 8 y lados paralelos a los ejes. Γ4 es cualquier trayectoria cerrada que encierra a 0 y a 4i. 2 2 0 x +a ∞ ln(x) I4 = dx. Sean a ∈ (0. Γ2 es el c´rculo de radio 2 alrededor de z0 = −3i. Calcule I1 = ∞ Juan Mayorga-Zambrano.. con centro en el z +6 origen.. Sean α. 1 + a2 − 2a cos(x) 2. ı z z+i 3) f3 (z) = 2 . a + cos(θ ) cos2 (3θ ) I2 = dθ . 1) Sobre el c´rculo unitario integre la funci´ n determinada por la f´ rmula ı o o f (z) = zn + 2) Calcule 2π 1 zn · 1 1 − z − a z − 1/a I= 0 cos(nx) dx.40. β > 0. Calcule 2π I1 = 2π 0 dθ . Sea a > 0. . PhD 1 dx. 1) y n ∈ N. e2z 4) f4 (z) = . 2 2 0 (1 + x ) ∞ sin(x) I5 = dx.39. 2.

g. para dise˜ ar un sistema de control autom´ tico (v´ ase e. mejorar la protecci´ n al medio ambiente. [Ni˜ 10]). Introducci´ n o Hoy en d´a. o o ı A grosso modo. ´ De hecho. As´. etc. sistemas de transporı a a te. etc.ESPE 3.Cap´tulo 3 ı Transformada de Laplace Universidad de las Fuerzas Armadas . finalmente se o aplica L −1 para recuperar la soluci´ n del problema o original.1 Para resolver un problema por medio de L empieza por transformar el problema complicado en uno simple. Esto habitualmente involucra un modelo din´ mico a tiempo continuo a e a (v´ ase el Ap´ ndice A). reducir costos de producci´ n. sistemas de potencia. en Econom´a tiene una interpretaci´ n simple: es el valor presente de un flujo efecı ı o 105 . a Controlar apropiadamente un proceso permite incrementar la productividad. [Ni˜ 10].g. ı ı e n particularmente cuando se aplican sus t´ cnicas a proyectos de desarrollo tecnol´ gico y en la industr´a.g. control de m´ quinas-heramienta. sistemas de armas. e. a n Juan Mayorga-Zambrano. de manera que el rango o o de aplicaciones de los sistemas de control es grande y “una herramienta que se utiliza en el dise˜ o de control n cl´ sico es precisamente la transformada de Laplace”. por ejemplo. la transformada de Laplace tiene aplicaciones mucho m´ s all´ del ambito de los sistemas de a a control. es decir una ecuaci´ n diferencial que permite dise˜ ar un controlador de manera e e o n que se cumplan los objetivos del proceso (habitualmente representados por un conjunto de restricciones matem´ ticas). mejorar la calidad y la seguridad. e o ı l´neas de ensamblaje autom´ tico. concentraci´ n de productos en un reactor qu´mico. este problema se resuelve obteni´ ndose la e transformada de Laplace de la soluci´ n. [DB10]) se debe modelar man a e tem´ ticamente el proceso de inter´ s. los sistemas de control juegan un papel muy importante en Ingenier´a (v´ ase e.1. rob´ tica. PhD Figura 3.

etc. 0 ≤ t < π/2 cos(t).ESPE .1) es claro que o ∞ 0 G(s) = L [g] (s). ı 3.g. PhD y en particular ∞ f (t)dt = F(0).1) es claro que L [·] es una aplicaci´ n lineal sobre un espacio vectorial de funciones o o definidas sobre [0. suele denotarse por sus e correspondientes may´ sculas: u F(s) = L [ f ] (s). T´ ngase presente que la transformada de funciones f = f (t). Por la definici´ n (3. (3. En efecto. En la Secci´ n 3.2) f (t)e−at dt = F(a). Ejemplo 3. si α ∈ R y f = f (t) y g = g(t) son funciones con transformadas de Laplace.2. ecuaciones integrodiferenciales. ∞) −→ R t −→ f (t) se define formalmente su transformada de Laplace mediante L [ f ] (s) = ∞ 0 e−st f (t)dt. 0 (3. ∞).1) Observaci´ n 3. g = g(t). (3.1 A lo largo de esta secci´ n.3) Juan Mayorga-Zambrano.8 aplicamos la transformada de Laplace para abordar problemas e o de valor inicial. si no se menciona expl´citamente el dominio de una funci´ n o o ı o f = f (t) debe asumirse que es [0.106 3 Transformada de Laplace tivo (v´ ase e. sistemas de ecuaciones diferenciales ordinarias y algunos problemas en Econom´a. [LR03]). etc. ∞).1 Calculemos la transformada de Laplace de f (t) = 1. Definiciones y f´ rmulas b´ sicas o a Dada una funci´ n o f : [0.5) Universidad de las Fuerzas Armadas . (3. t ≥ π/2 (3. entonces α f + g tambi´ n tiene transformada de Laplace y se cumple que e L [α f + g] = αL [ f ] + L [g] .4) Por la definici´ n (3.

1 [Orden Exponencial] o Se dice que f = f (t) tiene un oden exponencial si existen c.0.t. En la siguiente definici´ n establecemos una de ellas.ESPE . T > 0 tales que | f (t)| ≤ Mect .t. ( %o2) g (t) := 1 ( %o3) h (t) := cos (t) (%i4) F: integrate(g(t)*exp(-s*t). ( %o4) e− 2 e− 2 1 − 2 − + s +1 s s πs πs Existencia de la transformada de Laplace Existe una variedad de condiciones para f = f (t) bajo las cuales uno puede establecer la existencia de la transformada de Laplace L [ f ].3. Teorema 3. ( %o1) [s > 0] (%i2) g(t):= 1.2 La funci´ n o f (t) = 2.6). M = 1 y T = 0.6) Figura 3.2 sin(4πt) es de orden exponencial.1 [Existencia de la transformada de Laplace] Si f = f (t) es continua por trozos y verifica (3. Juan Mayorga-Zambrano. Se puede tomar c = 1.%pi/2) +integrate(h(t)*exp(-s*t).2 Definiciones y f´ rmulas b´ sicas o a 107 (%i1) assume(s>0). Universidad de las Fuerzas Armadas . M. (3.5337079. PhD para todo t > T.%pi/2. entonces L [ f ] (s) existe para s > c.inf). o Definici´ n 3. h(t):= cos(t).

2 En la demostraci´ n anterior. s + k2 s L [cos(kt)] (s) = 2 . ( %o1) [k > 0] Universidad de las Fuerzas Armadas .12) (3.2 Para obtener las f´ rmulas (3.11) (3. PhD Ejemplo 3.2 [F´ rmulas b´ sicas] o a Se tiene que 1 L [1] (s) = .7) (3.9) (3.1). para s > a. F´ rmulas b´ sicas o a Introducimos aqu´ las f´ rmulas para las transformadas de funciones importantes. Observaci´ n 3. para s > 0.108 3 Transformada de Laplace Demostraci´ n. (3. la continuidad por trozos de f sirve para asegurar que la o o e o integral 0T | f (t)|dt sea finita. s 1 L eat (s) = .ESPE . ı o Teorema 3. s−a k L [sin(kt)] (s) = 2 .8) (3. para s > |k|. Podemos cambiar este requerimiento por f ∈ L1 (0. s + k2 k L [sinh(kt)] (s) = 2 . s − k2 s L [cosh(kt)] (s) = 2 . s n! L [t n ] (s) = n+1 .6.13) Juan Mayorga-Zambrano. para s > 0. para s > |k|. Obtengamos la o o f´ rmula (3.10) (3.13): o (%i1) assume(k>0). para s > 0.13) basta aplicar la definici´ n (3. para todo s > c.7)-(3.1). T ) (v´ ase la Secci´ n 5. s − k2 para s > 0. Se tiene que o ∞ |L [ f ] (s)| = 0 ∞ est f (t) ≤ 0 T e−st | f (t)|dt e−st | f (t)|dt + M | f (t)|dt + ∞ T ≤ 0 T e−t(s−c) dt ≤ 0 M · e−T (s−c) s−c de manera que L [ f ] (s) ∈ R.

o .14) Se puede observar en el Teorema 3.sinh(2*t).3. se sigue que la transformada inversa de Laplace tambi´ n es lineal: e L −1 [αF + G] = αL −1 [F] + L −1 [G] .0.2 que todas las transformadas se anulan cuando s tiende a ∞.inf). En si el o o caso se dice que f = f (t) es la transformada inversa de Laplace de F = F(s) y se escribe L −1 [F] (t) = f (t). ( %o1) f (t) := cos (π t) − sinh (2t) Se tiene que (%i2) F: laplace(f(t).t.x. La orden laplace(f(x).s).ESPE Tip 38. Por (3. ( %o3) [s > k] (%i4) F: integrate(f(t)*exp(-s*t). Esto no es casualidad pues de hecho se cumple la siguiente proposici´ n.t. ( %o2) f (t) := cosh (k t) (%i3) assume(s>abs(k)).y) permite calcular L [ f (x)] (y). Ejemplo 3. s ( %o4) 2 s − k2 Universidad de las Fuerzas Armadas . ( %o2) 2 s − s2 + π 2 s2 − 4 Juan Mayorga-Zambrano. (3.2 Definiciones y f´ rmulas b´ sicas o a 109 (%i2) f(t):= cosh(k*t). PhD Transformada inversa de Laplace Dada una funci´ n F = F(s) uno se pregunta si existe una funci´ n f = f (t) tal que L [ f ] = F.5).3 Calculemos la transformada de Laplace de (%i1) f(t):= cos(%pi*t) .

16) Universidad de las Fuerzas Armadas . s = t n.1) deben grabarse en la memoria o del estudiante.110 3 Transformada de Laplace Proposici´ n 3. Para t ≥ 0 se tiene que L −1 L −1 L −1 L −1 L −1 Juan Mayorga-Zambrano.1 [Propiedades asint´ ticas de L [ f ]] o o Si f = f (t) es continua por trozos y de orden exponencial. 3.17) Observaci´ n 3. k ∈ R. k s2 + k2 s s2 + k 2 k s2 − k2 s s2 − k2 L −1 L −1 Las siete f´ rmulas del Teorema 3. . = cos(kt).18) (3. o El Teorema 3.21) (3. Teoremas de traslaci´ n o corrimiento o Los teoremas de traslaci´ n (tambi´ n conocidos como teoremas de corrimiento) que a continuaci´ n se o e o presentan permiten ampliar el espectro de funciones a las que se puede aplicar L [·] o L −1 [·].ESPE l´m s F (s) = 0. ı s→∞ l´m s F(s) = l´m f (t).2 (equivalentemente del Corolario 3.3.24) n! sn+1 1 = eat . = sinh(kt). = cosh(kt). ı ı t→0+ (3.1 se sigue que una funci´ n F = F(s) que no satisface o o o s→∞ l´m F(s) = 0 ı no puede ser la transformada de Laplace de una funci´ n f = f (t).23) (3. PhD 1 = 1. s−a = sin(kt). ı (3. entonces s→∞ s→∞ l´m F(s) = 0.3 De la Proposici´ n 3.22) (3.2 se puede reescribir como Corolario 3.15) (3.20) (3. (3.19) (3.1 [F´ rmulas b´ sicas] o a Sean a.

x.3 como a ´ L −1 [F(s) |s→s−a ] = eat f (t).s).t).1.4 A veces es bueno poner la f´ rmula (3. Por la f´ rmula (3.t. ( %o3) emt sin (π t) .s.3 Teoremas de traslaci´ n o corrimiento o 111 3.25) en la forma o o L eat f (t) = L [ f ]s→s−a . La orden ilt(f(x). Para el c´ lculo de transformadas inversas es util escribir el Teorema 3.3 [Primer teorema de traslaci´ n] o Sea a ∈ R.3.3) se tiene que o o L eat f (t) (s) = = 0 ∞ 0 ∞ eat f (t) e−st dt f (t) e−t(s−a) dt = F(s − a).27) (3.y) permite calcular L −1 [ f (x)] (y). Si se cumple que F(s) = L [ f ] (s). PhD ( %o1) f (t) := exp (mt) sin (π t) Se tiene que (%i2) F: laplace(f(t).26) Tip 39. Observaci´ n 3.4 Calculemos la transformada de Laplace de (%i1) f(t):= exp(m*t)*sin(%pi*t).25) Universidad de las Fuerzas Armadas .3. De