´ lica de Chile

Pontificia Universidad Cato
Escuela de Ingenier´ıa
´ tica (?)
Departamento de Ingenier´ıa Matema


etodos de la F´ısica Matem´
atica II

Mat´ıas L´opez Abukalil

15 de diciembre de 2010

A continuaci´
on se presentan apuntes del curso M´etodos de la F´ısica Matem´atica II (FIZ0313).
El documento completo se encuentra en pleno desarrollo y probablemente contiene muchos
errores (tipeos, signos, etc.) que espero ir arreglando con su ayuda. Luego, en caso de detectar
alguno, por favor informe a milopez@uc.cl.

´Indice general

1. Espacios de dimensi´
on finita

5

1.1. Espacios Eucl´ıdeos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6

1.2. Matrices y funcionales lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

7

1.3. Autovalores y autovectores

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.4. Descomposici´
on Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2. Polinomios Ortogonales

15

2.1. Polinomios de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2. F´ormula de Recurrencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3. F´ormula de Christoffel-Darboux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4. Teorema de Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5. Ceros de los polinomios ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.6. Cuadratura de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.7. Espacios de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3. Polinomios Ortogonales Cl´
asicos

27

3.1. Polinomios de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2. Polinomios de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3. Polinomios de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4. Ecuaciones diferenciales de los polinomios ortogonales . . . . . . . . . . . . . . . 32
3.5. Funciones Generatrices y aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . 33

. . . . . . . . . . . . . . . Ecuaci´ on de Ondas en 1D . . . . . . . . . . . . . . . . . .´ INDICE GENERAL 4 4. .2. . . . .3. . . . . La funci´ on ζ de Riemann . . . . 38 4. Ecuaciones Diferenciales Parciales 43 5. 55 5. . . . . .2. . . .1. . . .2. . . . . . . . . . Membrana Rectangular . . . . . . . . . 59 . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . .2. . . . . . . . La funci´ on Θ de Riemann . . . . Membrana Circular . Series de Fourier 37 4. . . . . . . . . . . . . . . . . M´etodo de Bernoulli . . . 39 5. . Ecuaci´ on de Ondas en 2D . . . . . . .1. . . . . .2. . . . . . . . . . Propiedades de las funciones de Bessel . . . . . . . . . . . . . . . . . . . . .1. . . .4. . 44 5. . . . 47 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . 45 5. . . .1. . . . .1. . . . . 43 5. . M´etodo de D’Alembert . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5. . 49 5. . . . . . . . . . . . . . . Ecuaci´ on de Poisson-Laplace en 3D .2. . . . . . . . . . . . . . . . . Ecuaci´ on de Poisson-Laplace en 2D . 58 5. . .

∀~x ∈ V (Elemento Neutro) (c) α(~x + ~y ) = α~x + α~y . ∀~x. ∀~x. β ∈ C. De ahora en adelante. ∀~x ∈ V (Elemento Neutro) (d) ∀~x ∈ V. ~z ∈ V (Asociatividad) (c) ∃~0 ∈ V : ~x + ~0 = ~x. ∀α. β ∈ C.1 (Espacio vectorial). ∀α. ∃(−~x) ∈ V : ~x + (−~x) = ~0 (Inverso Aditivo) Una operaci´ on externa ponderaci´ on por escalar : C×V α. Observaci´ on 1. Un espacio vectorial sobre C es un conjunto V no vac´ıo. ∀~x ∈ V (Asociatividad) (b) ∃1 ∈ C : 1~x = ~x. ~y . ~x → 7 → V α~x tal que (a) α(β~x) = (αβ)~x. mientras que los de V se llaman vectores. ~y ∈ V (Conmutatividad) (b) ~x + (~y + ~z) = (~x + ~y ) + ~z. ∀~x. ~y → 7 → V ~x + ~y tal que (a) ~x + ~y = ~y + ~x. ∀α ∈ C.Cap´ıtulo 1 Espacios de dimensi´ on finita Definici´ on 1. dotado de dos operaciones: Una operaci´ on interna suma + : V ×V ~x.1. . V es un espacio vectorial sobre C. ∀~x ∈ V (Distributividad sobre escalares) Los elementos de C se llaman escalares. ~y ∈ V (Distributividad sobre vectores) (d) (α + β)u = α~x + β~x.

4 (Base).i. . ~y i|2 . . ~y i = h~y .2 (Independencia Lineal). . . que hay en V . ~zi. Sea n ∈ N tal que dim V = n. ~y i h~x. ~y i tenemos que 0 ≤ h~x. ~y i − |h~x.3 (Dimensi´ on). . ~xi ≥ 0.1 (Desigualdad de Schwarz). ∀~x. ~y i + h~y . ~y i h~x. como el n´ umero m´aximo de vectores l. ~y i h~x. ~y i h~y . =ih~x.i. (c) h~x. ~xi − αh~y . ~y i es decir. se dice que es un espacio eucl´ıdeo. ~xi − αh~x. 1. ·i : V × V → C es un producto interno si satisface que (a) h~x. (b) h~x. Entonces p |h~x. ~xi = 0 ⇐⇒ ~x = ~0. ~xi − h~x. 0 ≤ h~x. ~y i − h~x. Tenemos que 0 ≤ h~x − α~y . Sea V un espacio vectorial sobre C y dotado de un producto interno.5 (Producto Interno). ~y i h~y . Sea V un espacio vectorial sobre C. Lema 1. ~y i . Diremos que B = {x1 . ~xih~y . ~y . ∀i. ~xih~y . xn } ⊆ V es una base de V si B es l. Si V es de dimensi´ on finita y est´ a dotado de un producto interno. ~y ∈ V . ∀~x. ~y i. i=1 Definici´ on 1. h~y . ~z ∈ V. ~y i. Definici´ on 1. denotada dim V . ∀~x ∈ V y h~x. .6 Espacios Eucl´ıdeos Definici´ on 1. ∀α. Demostraci´ on. Se define la dimensi´ on de V . ~y i| ≤ h~x. Un conjunto {~x1 .1. ~y i h~x. ~xi. ~y i + ααh~y . h~y . ~y i. . β ∈ C. Espacios Eucl´ıdeos Definici´ on 1. . . ~x − α~y . α~y + β~zi = αh~x. Tomando α= h~x. ~xn } ⊆ V es linealmente independiente si n X αi ~xi = 0 ⇐⇒ αi = 0. ~y i h~y . ~y i + βh~x. Diremos que una aplicaci´on h·.

(b) αk~xk = |α| k~xk. . Sea V un espacio eucl´ıdeo. . ~en } es una base ortonormal de V si: es una base y h~ei . Proposici´ on 1. . Dados ~x. Este conjunto es un espacio vectorial con las operaciones usuales de R. . y sin θ cos θ y0 . . gi = f (t)g(t)dt. donde k−1 X ~ek = ~xk − h~xk .2. denotado ~x ⊥ ~y . Tambi´en podemos escribir esto matricialmente como      x cos θ − sin θ x0 = . si h~x. Sea C ([−1. Sea V un espacio eucl´ıdeo tal que dim V = n.1 (Proceso de Gram-Schmidt). 1] con valores reales. ~e1 = ~x1 . Sea V un espacio eucl´ıdeo. . (c) k~x + ~y k ≤ k~xk + k~y k. Sea (V. (Desigualdad Triangular) Observaci´ on 1. ~y ∈ V . ∀x ∈ V. . ~ej i = δij . ~y i = 0. . y = x0 sin θ + y 0 cos θ. Diremos que B = {~e1 . .6 (Norma). . . Un producto interno para este espacio es Z 1 hf. Entonces (a) k~xk ≥ 0. eˆn } es una base ortonormal de V .Espacios de dimensi´ on finita 7 Definici´ on 1. Definici´ on 1.7 (Ortogonalidad).1. ∀α ∈ C. Matrices y funcionales lineales Recordemos que una rotaci´ on de los ejes x e y en sentido antihorario en un ´angulo θ hacia los 0 0 ejes x e y est´ a dada por las ecuaciones x = x0 cos θ − y 0 sin θ. i=1 Ejemplo 1. −1 1. Entonces B 0 = {ˆ e1 .1. k · k) es un espacio vectorial normado. Se dice que el par (V. Teorema 1. Definici´ on 1. Sea V un espacio eucl´ıdeo tal que dim V = n y consideremos B = {~x1 . ~y ∈ V diremos que estos son ortogonales. 1]) el espacio de las funciones continuas en [−1. ~ei iˆ ei .8 (Base Ortonormal). Se define una norma k · k : V → R+ 0 como p k~xk = h~x. k · k) es un espacio vectorial normado. ~xi ≥ 0.2. ~xn } una base de V . ∀x ∈ V y k~xk = 0 ⇐⇒ ~x = ~0. La Desigualdad Triangular tambi´en puede escribirse como k~x − ~y k ≥ k~xk − k~y k. . ∀~x.

A~x = A n X ! xi eˆi = i=1 n X xi Aˆ ei . j=1 Con esto hemos mostrado que existe una relaci´on biun´ıvoca entre un operador lineal A y una matriz A de n × n. podemos t´erminos de B. Observaci´ on 1. ∀~x. Sean R(θ).10 (Funcional lineal). R(φ) matrices de rotaci´on en dos dimensiones. ∀α. Entonces (a) R(θ)t = −R(θ) (Antisim´etrica) (b) R(θ)t R(θ) = I (Ortogonal) (c) R(θ)R(φ) = R(θ + φ) (d) R(−θ) = R(θ)t Definici´ on 1. Es decir. ∀α. ~y ∈ V. Diremos que l : V → C es un funcional lineal si l (α~x + β~y ) = αl(~x) + βl(~y ). Diremos que A : V → V es un operador lineal sobre V si se cumple que A (α~x + β~y ) = αA~x + βA~y .2. Sea V un espacio vectorial sobre C. Sea V un espacio euclideo tal que dim V = n. y0 − sin θ cos θ y Finalmente. β ∈ C. ~y ∈ V. .   cos θ − sin θ R(θ) := . Aˆ ei es un nuevo vector de V y por lo tanto.3. .8 Matrices y funcionales lineales o equivalentemente. .9 (Operador lineal). β ∈ C. es decir. entonces cada vector ~x ∈ V puede escribirse como n X ~x = xi eˆi . ∀~x. sin θ cos θ Proposici´ on 1. Si B = {ˆ e1 . . Definici´ on 1. eˆn } es una base ortonormal de V . . denotamos R(θ) a la matriz de rotaci´on en dos dimensiones. Sea V un espacio vectorial sobre C. i=1 Pero. Aˆ ei = n X Aji eˆj . para cada i.  0    x cos θ sin θ x = . i=1 Luego.

El ejemplo m´ as t´ıpico de un funcional lineal en un espacio eucl´ıdeo es l~y (~x) = h~y . Sea V un espacio vectorial sobre C. . existe ~y 0 ∈ V tal que h~y 0 . eˆn } una base ortonormal de V . tenemos que n n X n X X Aji xi eˆj . A~x = j=1 i=1 i=1 Luego. . Sea V un espacio eucl´ıdeo de dimensi´on finita y tal que h~y .2. A∗ ~y = ~y 0 y se cumple que hA∗ ~y . dado ~x ∈ V y A un operador lineal sobre V . As´ı. ~xi = n X yj x j .Espacios de dimensi´ on finita 9 Ejemplo 1. . . Entonces. por el Teorema 1. Se define el espacio dual de V como el espacio de los funcionales lineales sobre V y lo denotaremos V ∗ . Entonces V es isomorfo a V ∗ . Luego. existe una relaci´ on biun´ıvoca entre los funcionales lineales y los vectores de V . ~xi = h~y . Definici´ on 1. Teorema 1. Es posible mostrar que la aplicaci´ on A∗ : ~y 7→ ~y 0 es lineal. Definici´ on 1. sabemos que l~y (~x) = h~y . es decir. . A~xi. ~x = eˆi . h~y . El operador A∗ se conoce como el operador adjunto a A. donde ~y ∈ V es un vector fijo. ~xi = h~y . ~xi es un funcional lineal al igual que (~y .11 (Espacio Dual). A~x). Notar que A : V ↓ V∗ −→ V ↓ V∗ ←− .12 (Operador Adjunto). j=1 Sea B = {ˆ e1 .2. Sea V un espacio eucl´ıdeo de dimensi´on finita. A~xi. ~xi. Sea V un espacio vectorial eucl´ıdeo de dimensi´on finita. : A∗ Observaci´ on 1. A~xi = n X j=1 yj Aji xi . Dado un vector ~y ∈ V y un operador lineal A sobre V .4.2.

Si A ∈ Mn (R) es ortogonal. Autovalores y autovectores Definici´ on 1. Observaci´ on 1. A~xi ⇐⇒ A∗ij = Aji . hA∗ ~y . entonces hA~x. i=1 j=1 En consecuencia.5.13. Sea A ∈ Mn (C). . 1.3. entonces es normal. A∗ ~y = n X n X A∗ij yj eˆi . Adem´as. Se define la matriz adjunta de A como A∗ = At . ~xi = h~x. (c) herm´ıtica o autoadjunta si A∗ = A.3. Observaci´ on 1. (e) normal si A∗ A = AA∗ . ~xi = h~y . Teorema 1. Sea A ∈ Mn (C) herm´ıtica.6. Sea V un espacio vectorial sobre C de dimensi´on finita. (d) unitaria si A∗ A = I. Entonces (a) A tiene n autovalores y autovectores. (b) Todos los autovalores de A son reales. Sea V un espacio euclideo de dimensi´on finita. i=1 j=1 Entonces ∗ hA ~y . ~xi.10 Autovalores y autovectores An´alogamente. Consideremos A : V → V lineal y tal que A es unitaria.14. A∗ = At . Definici´ on 1. es decir. Dada A ∈ Mn (C). diremos que ~x ∈ V r {0} es un autovector de A con autovalor λ si A~x = λ~x. ~xi = n X n X yj A∗ij xi . A~xi = hA∗ A~x. se dice que A es (a) sim´ etrica si At = A. (b) ortogonal si At A = I.

podemos resolver (A−λI)~x = ~0 para encontrar el correspondiente autovector. Sea λ1 un autovalor encontrado mediante el procedimiento anterior y eˆ1 su autovector asociado. Pero dim V⊥1 = n − 1. se tiene que µh~x. h~y . Pero p(λ) = det(A − λI) ´ es un polinomio tal que ∂p = n. ~y i. ~xi = h~x. podemos encontrar ~x 6= 0 si y s´olo si det(A − λI) = 0. A~y = µ~y . eˆ1 i = h~x. Aˆ e1 = λ1 eˆ1 . A~y i = µh~x. As´ı. Demostraci´ on. A~xi = h~x. Ahora mostraremos que existen n autovalores. eˆ1 i (Herm´ıtica) = hA∗ ~x. por el Teorema Fundamental del Algebra. Finalmente. λ~xi λk~xk2 = λk~xk2 . A~xi = λh~y . ~xi = λh~x. Aˆ e1 i = h~x. Notemos que A~x = λ~x ⇐⇒ (A − λI)~x = ~0. Finalmente. A~y i = hA~x. (c) Sean λ. dado un autovalor λ. ~y i = 0. λ~xi hA~x. Entonces Luego. como A es herm´ıtica. Luego. Notemos que h~x. ~xi = h~x. ~y i = h~x. es decir. sigue que p tiene n ra´ıces complejas. Luego. λ1 eˆ1 i = λ1 h~x. ~y i = λh~y . ~xi = h~x. µ ∈ R y ~x. . ~y i. Repitiendo el primer argumento encontramos un nuevo autovalor y autovector. Sea ~x ∈ V⊥1 = {~x ∈ V : ~x ⊥ eˆ1 }. (a) Primero mostraremos que toda matriz tiene al menos un autovalor y un correspondiente autovector. λ~xi hλ~x.Espacios de dimensi´ on finita 11 (c) Los autovectores son ortogonales con respecto al producto interno usual. ~xi . (b) Sea λ ∈ C y ~x ∈ V r {0} tal que A~x = λ~x. Notemos que hA~x. h~x. ~y ∈ V r {0} tales que A~x = λ~x . podemos considerar A|V 1 cuyo dominio es de dimensi´on ⊥ n − 1 y su imagen a lo m´ as tambi´en. eˆ1 i = 0. λ~xi hA∗ ~x. (α − β) h~x.

para λ ∈ C. . U~xi = hλ~x. . k~xk2 = h~x. Descomposici´ on Espectral Definici´ on 1. nos preguntamos si existe alguna matriz  λ1  D= 0 0 . Notemos que     AQ = A eˆ1 . Adem´as. Luego..12 Descomposici´ on Espectral Teorema 1. Demostraci´ on.15. Entonces todos sus autovalores tiene m´odulo 1. .4. Sea U ∈ Mn (C) unitaria. .4. En efecto. Diremos que A y A˜ son similares si existe Q ∈ Mn (C) invertible tal que A˜ = QAQ−1 . Qt AQ = Q−1 AQ = D. λn similar a A. λ es un autovalor de A˜ si y s´ olo si lo es de A. eˆn = λ1 eˆ1 . .   Escribamos Q = eˆ1 .    det A˜ − λI = det QAQ−1 − λQQ−1 = det Q det (A − λI) det Q−1 = det (A − λI) . 1. Entonces. Sean A. se tiene que Observaci´ on 1.    .  =  . . queremos encontrar Q ∈ Mn (C) invertible tal que D = Q−1 AQ. Es decir. λ~xi = λλh~x. donde eˆj es el j-´esimo autovector de A.8. eˆn . ~xi = hU~x. . Observaci´ on 1. Sean A. . ~xi = |λ| k~xk2 . A˜ ∈ Mn (C)..7. A. ˜ Q ∈ Mn (C) similares. Sea λ ∈ C y ~x ∈ V r {0} tal que U~x = λ~x. eˆtn Luego. Q es ortogonal pues Q−1  t eˆ1  . λn eˆn . Dada A ∈ Mn (C) herm´ıtica.

es decir. . Estas matrices se conocen como matrices de proyecci´ on pues Pj ~x = eˆj hˆ ej .3. Entonces A= n X λ j Pj .10. Teorema 1. dada f : C → C anal´ıtica. sabemos que f (x) = ∞ X ak xk . (b) Pjt = Pj . tenemos que (a) Pj2 = Pj . Sea A ∈ Mn (C) herm´ıtica. Observaci´ on 1. Tomando Pj = eˆj eˆtj y recordando el Teorema 1. Queremos encontrar (Pj )nj=1 ⊆ Mn (C) tales que n X A= λ j Pj . k A = n X λkj Pj . j=1 donde λj es el j-´esimo autovalor de A y Pj son matrices de proyecci´on. Sea A ∈ Mn (C) herm´ıtica. ~xi. k=0 Definiendo f (A) := ∞ X k=0 ak Ak . entonces A2 = n X n X j=1 k=1 λj λk Pj Pk = n X n X λj λk Pj Pk = n X n X j=1 k=1 j=1 k=1 An´alogamente. Sea A ∈ Mn (C) herm´ıtica.5 (Descomposici´ on espectral). λj λk Pj δjk = n X j=1 λ2j Pj .9. j=1 Por otro lado.Espacios de dimensi´ on finita 13 Observaci´ on 1. (c) Pj Pk = 0. j=1 donde λj es el j-´esimo autovalor de A. proyectamos ~x a lo largo de eˆj .

14 Descomposici´ on Espectral con 0 A = n X λ0j Pj j=1 sigue que f (A) = ∞ X n=0 ak n X j=1 λkj Pj = n X Pj = I. j=1 = n X ∞ X j=1 k=0 ak λkj Pj = n X j=1 f (λj )Pj . .

. b] = [−1.Cap´ıtulo 2 Polinomios Ortogonales Considereremos el espacio vectorial C ([a. . giw = b f (x)g(x)w(x)dx. .1. . b]) y w ≥ 0. . x2 . 1] y w(x) = 1. es decir. En C ([a. mediante el procedimiento de Gram-Schmidt. b]).} tal que pn (1) = 1. p2 (x). w ∈ C ([a. A partir de B = 1. ∀n ∈ N. 2.  Observaci´ on 2. x. p1 (x). a donde w(x) es una funci´ on de peso. b] → R : f es continua}. . Polinomios de Legendre  Tomemos [a. Cada elemento de B tiene norma finita. La familia de polinomios (pn )n∈N se conoce como los polinomios de Legendre. x. x3 . constituye una base. generaremos una base ortogonal B 0 = {p0 (x). . el conjunto B = 1. x2 . . Sobre ´el podemos definir un producto interno dado por Z hf. . .1. b]) = {f : [a. . x3 .

. 1 p2 (x) = (3x2 − 1). donde an = kn+1 kn . c0 = 0. 8 . j=0 2. kn con ∂ϕ = n.1 Se deja como ejercicio al esforzado lector verificar que realmente ´estos son los polinomios y todos estos a˜ nos de teor´ıa no est´ an infundados. Luego. Escribamos φn (x) = kn xn + . es decir. .1 p0 (x) = 1. φn (x) = kn xn + . Demostraci´ on. . . an = kn+1 .. Teorema 2. φn+1 (x) = kn+1 xn+1 + .16 F´ ormula de Recurrencia Tenemos que2. . p1 (x) = x. 2 1 p4 (x) = (35x4 − 30x2 + 3). . φn+1 (x) − kn+1 xφn (x) = ϕ(x). ϕ puede escribirse como una combinaci´on lineal de polinomios de orden menor igual que n. 2 1 p3 (x) = (5x3 − x). . es decir. .1. ∀n ∈ N. n X φn+1 (x) − an xφn (x) = αj φj (x). (2.1) F´ ormula de Recurrencia Denotaremos el coeficiente de xn para φn (x) como kn . kn Adem´as. Sea (φn )n∈N una sucesi´on de polinomios ortonormales. .2. . As´ı. cn = an an−1 . entonces φn+1 − (an x + bn ) φn + cn φn−1 = 0. 2.

φj+1 . Sea (φn )n∈N una sucesi´ on de polinomios ortonormales. ·i sigue que −aN hφj . φn i. Pero  xφn−1 = kn−1 xn + . notemos que cn = an hφn−1 . φn i = 0. se puede escribir como combinaci´on lineal de φ0 . . En consecuencia. αj = 0. j=0 Luego.Polinomios Ortogonales 17 Pero esta base es ortogonal. Finalmente. xφn i = αj . φn i = an−1 an−1 j=0 2. . Por ende. βj φj (x). xφn i = Z 1 tφj (t)φn (t)dt = hxφj . . . xφn i = an hxφn−1 . kj+1 x−y . denotando bn = αn y cn = −αn−1 obtenemos la recurrencia buscada. φj (t)tφn (t)dt = −1 −1 Ahora. φn i. n−1 cn = X an an hφn (x) + . Notemos que Z 1 hφj . F´ ormula de Christoffel-Darboux Lema 2. . Sea Sj = kj φj (y)φj+1 (x) − φj+1 (y)φj (x) . j ≤ n − 2. para obtener la expresi´ on para cn . .) = kn an−1 n−1 X  βj φj (x) . hxφj . . entonces n X φj (x)φj (y) = j=0 kn φn (y)φn+1 (x) − φn+1 (y)φn (x) . j ≤ n − 2. = 1  kn−1 φn (x) + (kn xn + . como xφj es un polinomio de grado j + 1.3. tomando hφj . . por lo tanto.1. Por lo tanto. kn+1 x−y Demostraci´ on.

j=1 Pero S0 = φ0 (x)φ0 (y). b]). f ) = f n j (2. . f ) =   n   X n j f (x) − f xj (1 − x)n−j . Para cada  > 0. 1) − Bn (x. tenemos que kj φj (y) ((aj x + bj ) φj (x) − cj φj−1 (x)) − φj (x) ((aj y + bj ) φj (y) − cj φj−1 (y)) kj+1 x−y kj φj−1 (y)φj (x) − φj−1 (x)φj (y) kj = aj φj (x)φj (t) + cj kj+1 kj+1 x−y kj−1 φj−1 (y)φj (x) − φj−1 (x)φj (y) = φj (x)φj (t) + kj x−y Sj = = φj (x)φj (t) + Sj−1 . Sea    n X n k j x (1 − x)n−j . b] = [0. j=0 2.1. Tenemos que f (x) − Bn (x.4.2. Finalmente.18 Teorema de Weierstrass Usando el Teorema 2. Teorema de Weierstrass Teorema 2. . Sn = n X φj (x)φj (y). Sj − Sj−1 = φj (x)φj (y). n sigue que Sn − S0 = n X φj (x)φj (y). Sea f ∈ C ([a. sumando sobre j = 1. . As´ı. Por simplicidad tomaremos [a. j n j=0 pues Bn (x. f ) = f (x)Bn (x. existe un polinomio p(x) tal que sup |f (x) − p(x)| < . Bn (x.b] Demostraci´ on. . 1]. x∈[a. es decir. .2) j=0 Mostraremos que Bn aproxima a f . 1) = n   X n j=0 j xj (1 − x)n−j = 1.

Polinomios Ortogonales 19 Luego. dado  > 0 existe δ > 0 tal que . Por lo tanto. 1] sigue que f es uniformemente continua. como f es continua en [0.

.

.

 .

.

.

.

.

j .

x − .

< δ ⇒ .

f (x) − f j .

<  . .

.

.

n n .

As´ı. es decir.  . 2 Adem´as. ∃M > 0 tal que |f (x)| < M. 1]. f es acotada en [0. 1]. ∀x ∈ [0.

n  .

X n .

.

j

j
x (1 − x)n−j
|f (x) − Bn (x, f )| ≤
f (x) − f

n .

j j=0  .

 .

X n .

.

X n .

.

j .

.

j j .

.

j n−j n−j .

.

≤ f (x) − f x (1 − x) + f (x) − f .

.

.

.

x (1 − x) j n j n |x− nj |<δ |x− nj |≥δ .

   .

X  n .

.

j .

.

j n−j < + f (x) − f :=  + S. .

.

x (1 − x) x− δ n j j=0 Luego. 1) − 2xBn (x. x) + Bx (x. x2 ) . x) notemos que n   X n j n−j (x + y) = x y . 2 δ Para calcular Bn (x. concluimos que Bn (x. j n j=0 As´ı. desarrollando el cuadrado de binomio y usando (2. x) = x. x (1 − x) 2 j n j |x− n |≥δ Notemos que X S ≤ 2M   n j x (1 − x)n−j j |x− nj |≥δ     2M X n j j 2 n−j ≤ 2 x (1 − x) x− δ j n j ≥δ x− | n|   n   2M X n j j 2 n−j ≤ 2 . j=0 . n ∂x n j n j j=0 Finalmente. sigue que S≤  2M 2 x Bn (x. tomando y = 1 − x. n−1 x(x + y)   n   n X x ∂ xX n j n j n−j n j−1 n−j = ((x + y) ) = jx y = x y .2).

. Notemos que φn (x) = (x − x1 ) . b]. n nδ 2 2 2 Pero. sus ceros complejos deben ser conjugados. .1] 2. x(x + y) = ∂x n j j=0 de lo cual sigue que   n x(x + y)n−1 (n − 1)x2 (x + y)n−2 X j 2 n j n−j x y . Ceros de los polinomios ortogonales Teorema 2. + = n n n2 j j=0 Finalmente. Sean x1 . con ψn > 0. sup |f (x) − Bn (x. (x − zk0 ) (x − zk0 ) = (x − x1 ) . existe n0 > 0 tal que S≤  M < .3. tomando y = 1 − x. n Por lo tanto. ´ Demostraci´ on. Por el Teorema Fundamental del Algebra. x2 ) = x2 + x(1 − x) . concluimos que Bn (x. .5. 2M S≤ 2 δ    x(1 − x) 2M 2 x − 2x + x + = x(1 − x). x∈[0. 2 2nδ 2 ∀n ≥ n0 . . . ∀n ≥ n0 . se tiene que x(1 − x) ≤ 1 4 y por ende. (x − xk ) ψn (x). (x − xk ) (x − z1 ) (x − z1 ) . Finalmente. . x2 ) notemos que n−1 (x + y) + (n − 1)x(x + y) n−2   n  X ∂ j 2 n j−1 n−j n−1 = x y . sabemos que φn tiene n ceros en el plano complejo y adem´ as. f )| < .20 Ceros de los polinomios ortogonales Para calcular Bn (x. xk los ceros reales de φn y supongamos que k < n. . . . Entonces φn tiene n ceros reales en [a. . como φn tiene coeficientes reales. . Sea (φn )n∈N una sucesi´ on de polinomios ortonormales. como 0 ≤ x ≤ 1.

(x − xk ) es un polinomio de grado k y por lo tanto. . (2. sigue que F (xj ) = f (xj ) . . Por el Teorema 2. 2. .3) se conoce como la f´ ormula de interpolaci´ on de Lagrange. . φn (x) (x − xj ) es un polinomio de orden n − 1 y por lo tanto.6. Lo cual nos muestra una contradicci´ on y sigue que k = n. n. a a pues el integrando se anula en una cantidad finita de puntos y (x − x1 )2 . . Cuadratura de Gauss Sea f ∈ C ([a. . .Polinomios Ortogonales 21 Por otro lado. xn tales que φ( xj ) = 0. . . calculando el l´ımite cuando x → xj mediante la Regla de L’Hˆopital. (x − xk )2 ψn (x)w(x)dx > 0. Sea r(x) = F (x) − f (x) . (x − xk )2 ψn (x)w(x) > 0. a pues (x − x1 ) . . sabemos que existen x1 . (x − xk ) w(x)dx = (x − x1 )2 . .3) Como φn es un polinomio de orden n.3) define un polinomio F de grado n − 1. j = 1. . n. b Z φn (x) (x − x1 ) . .3. (x − xk ) w(x)dx = 0. . . . . . (x − xj ) = k X αj φj (x). . La ecuaci´on (2. b]). . Supongamos ahora que f es un polinomio de grado 2n − 1. (x − x1 ) . . Definamos F (x) = n X j = 1. j=0 Pero Z b b Z φn (x) (x − x1 ) . . f (xj ) j=1 φn (x) . . φn (x) . (x − xj ) φ0n (xj ) (2. . Consideremos (φn )k∈N una sucesi´on de polinomios ortogonales. Adem´as.

1) y por ende.j . a es decir. 3+x Como φn usaremos los polinomios de Legendre mostrados en (2. Calculemos Z 1 −1 dx 3+x mediante (2. Z b b Z F (x)w(x)dx = f (x)w(x)dx = a a n X f (xj ). Sabemos que Z 1 −1 dx = log(3 + x)|1−1 = log 4 − log 2 = log 2 ≈ 0. definiendo las funciones de pesos de Christoffel como b Z λn. Z b Z b (F (x) − f (x)) w(x)dx = a a F (x) − f (x) φ( x)  Z φn (x)w(x)dx = b r(x)φn (x)w(x)dx = 0.4) j=1 Ejemplo 2. a (2.6930. w(x) = 1.j = a φn (x)w(x) dx. (x − xj )φ0n (xj ) tenemos la f´ ormula de cuadratura de Gauss: Z b n X f (x)w(x)dx = f (xj )λn. r(x) = n−1 X αj φj (x). 1 6 2 3 −1 x − √3 2√3 1 2 .1. x2 = − √ . 3 3 Luego.4).1 = −1 φ2 (x) dx = (x − x1 )φ0n (x1 ) Z 1 −1  √ Z 1 3x2 − 1 3 1  dx = x + √ dx = 1.22 Cuadratura de Gauss Notemos que r(x) es un polinomio de orden n − 1 y por lo tanto. j=1 Finalmente. j=0 Luego. Tomamos  1 φ2 (x) = P2 (x) = 3x2 − 1 2 y sigue que 1 1 x1 = √ . Z 1 λ2.

φk i = b f (x)φk (x)w(x)dx. dx = − 6 2 −1 3 x + √13 2√ 3 1 2 Por lo tanto. f i y por ende. Z 1 λ2. b]) = Z f : [a. Definici´ on 2. una sucesi´on es convergente si y s´olo si es de Cauchy. m > n0 .  1 √ 3   √ 1 3 + −√ = ≈ 0.1 (Sucesi´ on de Cauchy). Consideremos C[a. Definici´ on 2. gi = f (x)g(x)dx.7. Sea V un espacio vectorial normado. el espacio de las funciones cuadrado integrables. 3 3 Espacios de Hilbert Sea V un espacio vectorial con producto interno. Diremos que una sucesi´on (xn )n∈N ⊆ V es una sucesi´ on de Cauchy si para cada  > 0 existe n0 tal que kxn − xm k < . k · k) es un espacio vectorial normado. a Este no es un espacio de Hilbert pues no es completo. b] → R : b  f (x)dx < ∞ . (V. Z b  f (x)w(x)dx ≈ f a 2. es decir. Ya vimos que existe una norma inducida por el producto interno dada por p kf k = hf. es posible completarlo y a su completaci´ on le se conoce como 2  L ([a.6923.Polinomios Ortogonales 23 An´alogamente.2 = −1 φ2 (x) dx = − (x − x2 )φ0n (x2 ) Z 1 −1  √ Z 1 3x2 − 1 3 1  x − √ dx = 1. Entonces la proyecci´on de f sobre φk est´ a dada por Z ak = hf. a . b] y el producto interno dado por b Z hf. Diremos que V es un espacio de Hilbert si adem´ as es completo. Sea V un espacio vectorial normado.2 (Espacio de Hilbert). b]). Sin embargo. Ejemplo 2. 2 a es decir.2. ∀n. Sean (φn )n∈N una sucesi´ on de polinomios ortonormales y f ∈ L2 ([a.

1]. hemos concluido la Desigualdad de Bessel: 2 kf k ≥ n X a2k . φk i + b aj ak j. k=0 lo cual se conoce como el Teorema de Pit´ agoras.3.k=0 k=0 b f (x)w(x)dx − 2 = ak φk (x) + k=0 = Z w(x)dx k=0 = Z n X φk (x)φj (x)w(x)dx a aj ak hφk .3. f es aproximable (en el sentido de la media) por (φn ). k=0 k=0 k=0 n X es decir. Ejemplo 2. dx).k=0 a2k n X + a2k 2 = kf k − a2k . k=0 Esto implica que l´ım kf − n→∞ n X ak φk k2 = 0. k=0 es decir. En un espacio de dimensi´ on infinita Z b 0≤ f (x) − a Z !2 ak φk (x) b  f 2 (x) − 2f (x) a n X b 2 f (x)w(x)dx − 2 a b f 2 (x)w(x)dx − 2 = a Z n X k=0 n X n X 2 a n X  aj ak φk (x)φj (x) w(x)dx j.24 Espacios de Hilbert En un espacio de dimensi´ on finita 2 kf k = n X a2k . Diremos que (φn )n∈N es un conjunto completo cuando l´ım n→∞ n X a2k = kf k2 . (2.k=0 b Z ak f (x)φk (x)w(x)dx + a n X Z n X ak hf. 0 ≤ kf − n X ak φk k2 ≤ kf k2 − k=0 n X a2k . k=0 As´ı. k=0 Definici´ on 2. Pn (x) es un conjunto completo en L2 ([−1.5) . φj i j.

la convergencia uniforme es m´as fuerte que la convergencia en el sentido de la media. b]).Polinomios Ortogonales 25 Observaci´ on 2. 2 Z b 2 2 Z |f (x) − p(x)| w(x)dx <  kf − p(x)k = a b w(x)dx = 2 .2. existe un polinomio p(x) tal que supx∈[a. Luego. . por el Teorema de Weiertrass. a Es decir. Cuando f ∈ C ([a.b] |f (x) − p(x)| < .

26 Espacios de Hilbert .

(3. Ahora veremos un m´etodo de obtenci´on que nos permitir´a deducir los polinomios de Jacobi.1) . Polinomios de Jacobi Consideremos [a. Laguerre y Hermite. 1] y definamos la sucesi´on φn (x) = 1 dn w(x) dxn 1 − x2 n  w(x) . a Como hemos visto. gi = b f (x)g(x)w(x)dx. f ∈ L2 ([a. a 3. w(x)dx) si b Z f 2 (x)w(x)dx < ∞. b]. Esta ecuaci´on se conoce como la f´ ormula de Rodrigues para [−1. w(x)dx). Consideremos el espacio de las funciones cuadrado integrables con respecto a un peso w(x) > 0 en [a.1. b]. este espacio puede ser dotado del producto interno Z hf. es decir. Tchevychev. b] = [−1. 1].Cap´ıtulo 3 Polinomios Ortogonales Cl´ asicos En el cap´ıtulo anterior introducimos una familia de polinomios ortogonales: los polinomios de Legendre. b]: L2 ([a.

1) son ortogonales pues.28 Polinomios de Jacobi En efecto. si k < n. φn i = 1−x w(x) w(x)dx w(x) dxn −1 .   Z 1   1 dn k k 2 n x hx . los polinomios φn encontrados a partir de (3.

Z 1 n−1 n−1  .

1 n  k−1 d k d 2 n .

x =x 1 − x w(x) − k 1 − x2 w(x) dx .

n−k −1 dx pues los t´erminos de borde siempre se anulan al tener un factor (1 − x2 )j . w(x) para algunas constantes a.. n−1 n−1 dx dx −1 −1 . esto s´olo ocurrir´a para un tipo particular de pesos w. es decir. w(x) = (1 − x)α (1 + x)β para α. β > −1. no es evidente que realmente φn sea un polinomio. Luego. de (3. Z 1 n−k n  d k = (−1) k! 1 − x2 w(x) dx = 0. Sin embargo. De hecho. . φn (x) =  dn  1 n+α n+β (1 − x) (1 + x) . imponemos que −2x + (1 − x2 ) w0 (x) = a + bx. b.1) tenemos que φ1 (x) = 1 d w(x) dx   w0 (x) 1 − x2 w(x) = −2x + (1 − x2 ) . w(x) Como queremos que φ1 (x) sea un polinomio de grado 1. Para n = 0. (1 − x)α (1 + x)β dxn Usando la f´ormula de Leibniz podemos escribir n   k n−k X 1 n d n+α d φn (x) = (1 − x) (1 + x)n+β k dxk (1 − x)α (1 + x)β dxn−k k=0 . log w(x) = α log(1 − x) + β log(1 + x). Para n = 1. w(x) 2 1+x 1−x 1−x 1+x Integrando a ambos lados. Reescribamos la restricci´on como   w0 (x) 1 1 1 α β = + ((b + 2)x + a) = − + . de (3.1) tenemos que φ0 (x) = 1.

2n n! (1 − x)α (1 + x)β dxn (3.α. n n 2 n! dx Tn (x) = 3.5) son ortogonales pues. si α = β = − 12 . ∞[. los polinomios φn encontrados a partir de (3. ∞[ y definamos la sucesi´on φn (x) = 1 dn (xn w(x)) . Finalmente.5) Esta ecuaci´on se conoce como la f´ ormula de Rodrigues para [0. En efecto.2) En el caso particular que α = β = 0.Polinomios Ortogonales Cl´ asicos 29 para ver que efectivamente.3) Por otro lado.2. obtenemos los polinomios de Tchebycheff : n− 1 dn (−1)n p 2 2 1 − x2 1 − x . φn (x) es un polinomio de grado n. si k < n.  Z ∞  1 dn k k n hx . n n 2 n! dx (3.β (x) =  1 (−1)n dn  n+α n+β (1 − x) (1 + x) . w(x) dxn (3. (3. φn i = x (x w(x)) w(x)dx w(x) dxn 0 . definimos los polinomios de Jacobi como Jn. b] = [0. aparecen los ya conocidos polinomios de Legendre: Pn (x) = n (−1)n dn 1 − x2 .4) Polinomios de Laguerre Consideremos [a.

∞ Z ∞ n−1 n−1 .

k d k−1 d n .

=x (x w(x)) − k x (xn w(x)) dx .

k ∞ Z = (−1) k! 0 dn−k (xn w(x)) dx = 0. dxn−1 dxn−1 0 0 . Sin embargo..5) tenemos que φ1 (x) = 1 d w0 (x) (xw(x)) = 1 + x .5) tenemos que φ0 (x) = 1. Para n = 1. de (3. . esto s´olo ocurrir´a para un tipo particular de pesos w. w(x) dx w(x) . no es evidente que realmente φn sea un polinomio. dxn−k ya que el t´ermino de borde se anula pues w(x) → 0 r´apidamente cuando x → ∞. de (3. Para n = 0. De hecho.

φn (x) es un polinomio de grado n.8) . w(x) = xα e−x . n n! dx (3. w(x) para algunas constantes a. Reescribamos la restricci´on como w0 (x) a−1 = + b. es decir. obtenemos los polinomios cl´ asicos de Laguerre: Ln (x) = 3. Finalmente. n n! dx (3. definimos los polinomios generalizados de Laguerre como Ln. b] =] − ∞. w(x) x Integrando a ambos lados. w(x) dxn (3. Llamaremos α = a − 1 y para asegurar la convergencia de las integrales exigiremos α > −1.  1 x dn e xn e−x .α (x) =  1 −α x dn x e xn+α e−x .30 Polinomios de Hermite Como queremos que φ1 (x) sea un polinomio de grado 1.7) Polinomios de Hermite Consideremos [a.6) En particular.3. n dx Usando la f´ormula de Leibniz podemos escribir n   k X n d n+α dn−k −x x e φn (x) = x−α ex k dxk dxn−k φn (x) = x−α ex k=0 para ver que efectivamente. cuando α = 0. imponemos que 1+x w0 (x) = a + bx. para que el decaimiento del peso cuando x → ∞ sea efectivamente r´ apido.  dn xn+α e−x . b. Luego. tomaremos b = −1. Finalmente. ∞[ y definamos la sucesi´on φn (x) = 1 dn w(x). La constante k es arbitraria as´ı tomaremos k = 1. w(x) = kxa−1 ebx . As´ı. log w = bx + (a − 1) log x + log k.

los polinomios φn encontrados a partir de (3. En efecto.Polinomios Ortogonales Cl´ asicos 31 Esta ecuaci´on se conoce como la f´ ormula de Rodrigues para ] − ∞. φn i = x w(x) w(x)dx w(x) dxn −∞ . si k < n.   Z ∞ 1 dn k k hx .8) son ortogonales pues. ∞[.

∞ Z ∞ n−1 n−1 .

k d k−1 d .

x w(x) − k w(x)dx =x .

w(x) Integrando a ambos lados. Adem´as. Para n = 1. Sin embargo. Z ∞ n−k d k w(x)dx = 0. de (3. ∞[. no es evidente que realmente φn sea un polinomio. Como estamos trabajando en el intervalo ] − ∞. b. dxn−1 dxn−1 −∞ −∞ .. esto s´olo ocurrir´a para un tipo particular de pesos w. 1 2 w(x) = e− 2 x . De hecho. b 2 w(x) = ke 2 x . Luego. imponemos que w0 (x) = a + bx. para que el decaimiento del peso cuando x → ∞ sea efectivamente r´apido. w(x) para algunas constantes a. de (3. As´ı. tomaremos k = 1. La constante k es arbitraria y por lo tanto. dxn . sin p´erdida de generalidad. Para n = 0.8) tenemos que φ0 (x) = 1. = (−1) k! n−k dx −∞ ya que el t´ermino de borde se anula pues w(x) → 0 r´apidamente cuando x → ∞ o x → −∞. 1 2 φn (x) = e 2 x dn  − 1 x2  e 2 . podemos hacer un traslado en las coordenadas y reescribir la restricci´on como w0 (x) = bx. w(x) dx w(x) Como queremos que φ1 (x) sea un polinomio de grado 1. . tomaremos b = −1.8) tenemos que φ1 (x) = 1 d w0 (x) w(x) = .

que pueden ser interpretadas como ecuaciones de valores y funciones propias.4. cuando tomamos w = (1 − x)α (1 + x)β . definimos los polinomios de Hermite como  n  1 2 d − 12 x2 Hn (x) = (−1)n e 2 x e . (3. Este m´etodo se puede usar en forma similar para deducir la ecuaci´on que satisfacen las otras dos familias de polinomios ortogonales que hemos visto: Laguerre generalizado y Hermite. la ecuaci´on se traduce en Lφn (x) = w(x) n X αk φk (x). Finalmente. se tiene que     d 2 dφn w(x)(1 − x ) = w(x) 1 − x2 φ00n (x) + [(β − α) − (α + β + 2) x) φ0n (x) . L (φn ) = dx dx Pero el t´ermino entre par´entesis corresponde a un polinomio de grado n. φn (x) es un polinomio de grado n. Denotemos por φn al n-´esimo polinomio de Jacobi y consideremos el operador diferencial lineal   d 2 d (·) L (·) := w(x)(1 − x ) . φk (x)i = αj . integrando por partes dos veces. Notemos que   d 2 dφj Lφj (x) = w(x)(1 − x ) dx dx (3. es posible demostrar que efectivamente. (3. 1] sigue que   Z 1 Z 1 n n X X d dφn φj (x) w(x)(1 − x2 ) dx = φj w(x) αk φk (x)dx = αk hφj (x).11) k=0 Si pudiesemos mostrar que αk = 0 cuando k < n.9) Ecuaciones diferenciales de los polinomios ortogonales Todas las familias de polinomios ortogonales que hemos visto hasta ahora satisfacen ecuaciones diferenciales lineales de segundo orden. Revisaremos un m´etodo simple para deducir la ecuaci´on que satisfacen los polinomios de Jacobi. dx dx dx dx −1 −1 pues los t´erminos de borde se anulan por la presencia del factor (1 − x2 ). dxn 3. esta ecuaci´on se transformar´ıa en una ecuaci´on diferencial ordinaria de segundo orden para φn . dx dx −1 −1 k=0 k=0 Pero. tenemos que     Z 1 Z 1 dφj d dφn d φj (x) w(x)(1 − x2 ) dx = φn (x) w(x)(1 − x2 ) dx. multiplicando (3.12) . L lleva polinomios de grado n en polinomios de grado n y por lo tanto.11) por φj e integrando en [−1. es decir.32 Ecuaciones diferenciales de los polinomios ortogonales Al igual que antes. En efecto. (3.10) dx dx Luego.

como hemos dicho anteriormente. As´ı si φn (x) = kn xn + . los polinomios de Legendre y los polinomios de Tchebycheff son un caso particular de los polinomios de Jacobi para α = β = 0 y α = β = − 12 . es decir. Funciones Generatrices y aplicaciones Se define la funci´ on generatriz de los polinomios de Hermite como ψ(x. . hφj .14) mientras que los polinomios de Tchebycheff satisfacen  1 − x2 Tn00 (x) − xTn0 (x) + n2 Tn = 0. . es un polinomio de grado j. tenemos que  1 − x2 φ00n (x) + [(β − α) − (α + β + 2) x) φ0n (x) = αn φn (x).13) Adem´as.12) puede ser reescrita como Z 1 Z 1 φj (x)Lφn (x)dx = −1 φn (x)Lφj (x)dx.. φn i. tenemos que [−n(n − 1) − n (α + β + 2)] kn = αn kn . respectivamente.16) .5.Polinomios Ortogonales Cl´ asicos 33 y por lo tanto. Luego. 3. miramos el coeficiente de grado m´as alto del lado izquierdo. (3. Por lo tanto. t) = ∞ X Hn (x) n=0 n! tn . la integral es nula cuando j < n. los polinomios de Jacobi satisfacen ecuaci´on diferencial ordinaria lineal de segundo orden  1 − x2 φ00n (x) + [(β − α) − (α + β + 2) x) φ0n (x) + [n(n − 1) + n (α + β + 2)] φn = 0. Lφn i = hLφj . Por lo tanto. los polinomios de Legendre satisfacen  1 − x2 Pn00 (x) − 2xPn0 (x) + n(n + 1)Pn = 0. αn = − [n(n − 1) + n (α + β + 2)] . Finalmente. Para obtener el valor de αn . Recordando la definici´on de L. (3. la ecuaci´on (3.1. −1 es decir. (3.15) Observaci´ on 3. (3. En conclusi´on. L es un operador herm´ıtico.

34 Funciones Generatrices y aplicaciones donde Hn (x) = (−1)n e x2 2 dn dxn  e− x2 2  . Luego. tenemos que . por el Teorema de Taylor.

.

dn Hn (x) = n ψ(x. t).

.

. t) = ∞ X nt (−1) n=0 n n! e x2 2 dn dxn   2 − x2 e . donde. por el Teorema integral de Cauchy. 2   I − z2 x2 1 e e− 2 = dz 2πi γ (z − x)n+1 1 dn n! dxn . dt t=0 Pero ψ(x.

.

.

t .

As´ı. si . para una curva γ suave a trozos y tal que I(x. γ) = 1.

z−x .

ψ(x. < 1. t) = ∞ X tn (−1) 2πi n I n=0 = 1 2πi I γ γ x2 z2 e2−2 1 dz = (z − x)n+1 2πi 2 x2 − z2 2 e 1 1 dz = t z − x 1 + z−x 2πi 2 I γ 2  z x ∞  e2−2 X −t n dz z−x z−x n=0 2 x2 − z2 2 I γ e dz. (3. Por el otro. 2 ψ(0. t) = ∞ X Hn (x) n=0 Igualando t´ermino a t´ermino. tenemos que   0 k Hn (0) =  (2k)! (−1) k! 2k n! tn . (3. t) = e − t2 = ∞ X (−1)n n=0 2n n! t2n . z − (x − t) De donde. ψ(x. nuevamente por el Teorema integral de Cauchy. sigue que t2 ψ(x.18) .17) Observaci´ on 3. t) = etx− 2 . si n = 2k + 1 si n = 2k . Por un lado.2.

∂x n! (n − 1)! (3. n! (n − 1)! n! es decir. Hm i = t . Z ∞ 2 − u2 e t2 du = e √ 2π = −∞ ∞ X n=0 √ hHn .5. Hn (x)2 e− hHn . Comparando t´ermino a t´ermino. Hn i 2n hHn . ∂t n! n! n! (n − 1)! Pero tambi´en ∞ ∞ n=0 n=0 ∂ψ X nHn (x) n−1 X Hn+1 (x) n = t = t .3. t)2 e− x2 2 ∞ ∞ X X (−1)n+m tn+m hHn .20) . xH0 (x) = H1 (x). Z ∞ . x Hn−1 Hn+1 (x) Hn (x) − = . ∞ X xHn (x) n=0 n! tn − ∞ X Hn−1 (x) n=1 (n − 1)! tn = ∞ X Hn+1 (x) n=0 n! tn . −∞ Luego. Observaci´ on 3. Hn i = x2 2 dx.Polinomios Ortogonales Cl´ asicos 35 Observaci´ on 3. Notemos que ∞ ∞ ∞ ∞ n=0 n=0 n=0 n=1 X Hn (x) X xHn (x) X Hn−1 (x) X xHn (x) t2 ∂ψ = etx− 2 (x − t) = tn − tn+1 = tn − tn . Recordemos que en ] − ∞. ∞[ estamos tomando x2 2 w(x) = e− Por lo tanto.19) Observaci´ on 3. ∂t n! n! Luego. As´ı.m=0 Pero ψ(x. Hn i = n! 2π. Z ∞ ψ(x.4. t)2 e− x2 2 n=0 2 = e2tx−t e− x2 2 = e− (x−2t)2 2 2 et . n! (3. t) e t2 Z ∞ dx = e e − (x−2t)2 2 dx = e t2 −∞ −∞ Finalmente. √ 2π 2n t . Hn+1 (x) − xHn (x) + nHn−1 (x) = 0 . Z ∞ 2 2 − x2 ψ(x. Notemos que ∞ ∞ n=0 n=1 X Hn (x) X Hn−1 (x) ∂ψ = tψ = tn+1 = tn . n!m! (n!)2 dx = −∞ n.

∞ X Hn−1 (x) n=1 Comparando t´ermino (n − 1)! tn = ∞ X H 0 (x) n n=0 n! tn Hn−1 (x) H 0 (x) = n . (3. nHn−1 (x) = dHn (x) dx . H00 (x) = 0.21) .36 Funciones Generatrices y aplicaciones Pero tambi´en ∞ ∂ψ X Hn0 (x) n = t . ∂x n! n=0 Luego. (n − 1)! n! es decir.

0 Z bk = 2 1 0 Luego. B es una base para funciones suaves y peri´odicas de per´ıodo 1. k ≥ 1. Se dice que f tiene borde peri´ odico. k=1 De hecho. Adem´as. 1] → R suave y tal que f (0) = f (1). ∞ Consideremos el conjunto de funciones B = (sin (2πnx))∞ n=1 ∪ (cos (2πnx))n=0 . Z 1 f (x) = l´ım f (y)dy + 2 n→∞ 0 Z 1+2 n→∞ 0 = l´ım n→∞ 0 Z cos(2πkx) k=1 1 = l´ım Z n X n X 1 Z f (y) cos(2πky)dy + sin(2πkx) 0 1 f (y) sin(2πky)dy 0 ! cos(2πkx) cos(2πky) + sin(2πkx) sin(2πky) f (y)dy k=1 1 Dn (x. 0 Z 1 ak = 2 f (x) cos(2πkx)dx. bk podemos proyectar f sobre los elementos de la base y sigue que Z 1 a0 = f (x)dx. Es decir. Se tiene que B es un conjunto ortogonal de funciones seg´ un el producto interno usual sobre [0. f (x) sin(2πkx)dx. 1]. l´ım a0 + n→∞ n X ak cos (2πkx) + bk sin (2πkx) = f (x). la convergencia es uniforme en [0. Copiando y traslandado es posible extender f de forma peri´odica a todo R. 1] con peso w ≡ 1. Para obtener los coeficientes ak .Cap´ıtulo 4 Series de Fourier Sea f : [0. . y)f (y)dy. k ≥ 1.

Luego. es una funci´ on peri´ odica de per´ıodo 1. 2 e−π(n+(y+1)) x . 0 Luego. sin z = eiz − e−iz . mostraremos que lo hace como √1x .3) n=−∞ Notemos que si x → ∞. Mientras que si x → 0+ . La funci´ on Θ de Riemann Se define la funci´ on Θ de Riemann como Θ(x) := ∞ X 2 e−πn x .38 La funci´ on Θ de Riemann donde Dn (x.2) 0 4. La familia e2πinx n∈Z es ortonormal con respecto al producto interno complejo Z 1 hf. ϕx (y) = ∞ X k=−∞ ck e2πiky . gi = f (x)g(x)dx. 1 Z ck = f (x)e−2πikx dx. (4. es decir.1.1. (4. . Sea ∞ X ϕx (y) := 2 e−π(n+y) x .1) k=−∞ lo cual se conoce como la serie de Fourier de f . Θ(x) diverge y de hecho. y) se conoce como el n´ ucleo de Dirichlet y es una aproximaci´on de δ. Recordemos que cos z = eiz + e−iz 2 . 2i Entonces podemos escribir ∞ X f (x) = ck e2πikx . (4.  Observaci´ on 4.4) n=−∞ Como ∞ X n=−∞ e −π(n+y)2 x = ∞ X e −π((n+1)+y)2 x ∞ X = n=−∞ n=−∞ se tiene que ϕx (y) = ϕx (y + 1). (4. entonces Θ(x) → 1.

Z ck = 1 ∞ X −π(n+y)2 x −2πik(n+y) e e 0 n=−∞ ∞ Z n+1 X = dy = =e Z 1 2 e−π(n+y) x e−2πik(n+y) dy n=−∞ 0 2 e−πu x e−2πiku du = Z ∞ 2 e−πu x e−2πiku du −∞ n=−∞ n 2 −π kx ∞ Z X ∞ e −πx(u+ xi k) 2 2 du = e −π kx Z −∞ ∞ k2 1 2 e−πxu du = √ e−π x . As´ı. As´ı.7) . l´ım xΘ(x) = l´ım Θ + + x→∞ x x→0 x→0 Por lo tanto.   √ 1 = l´ım Θ (x) = 1. x La funci´ on ζ de Riemann Se define la funci´ on ζ de Riemann como ∞ X 1 . √1 . Θ(x) = ϕx (0) = ∞ X k=−∞ ∞ k2 1 1 X −π k2 √ e−π x = √ e x. x x k=−∞ es decir. x (4. (4. Θ(x) diverge como 4. x (4.Series de Fourier 39 donde 1 Z ck = ϕx (y)e −2πiky ∞ X 1 Z dy = 0 0 ! −π(n+y)2 x e e−2πiky dy.2. x −∞ Finalmente. 1 Θ(x) = √ Θ x   1 . ζ(z) := nz n=1 Notemos que ζ(z) converge si y s´ olo si <z > 1. ϕx (y) = ∞ X k=−∞ k2 1 √ e−π x e2πiky .6) lo cual se conoce como la Identidad de Jacobi. n=−∞ Pero e−2πikt(y+n) = e−2πikty .5) Luego.

por un lado. 2 Z kf k = 1 2 f 2 (x)dx = 1. 21 . Entonces.40 La funci´ on ζ de Riemann Usando la continuaci´ on anal´ıtica es posible extender ζ a una funci´on meromorfa en C con un u ´nico polo en z = 1.8) n=1 lo cual se conoce como la Identidad de Parseval. usando que Z Z 1 cos (2πnx) cos (2πmx) dx = 0 0 1 1 sin (2πnx) sin (2πmx) dx = δnm . Z a0 = 1 2 Z an = 2 1 2 f (x) cos(2πnx)dx = 0 − 12 Z bn = 2 f (x)dx = 0 − 12 1 2 − 12 Z f (x) sin(2πnx)dx = 4 0 1 2 f (x) sin(2πnx)dx = 4 (1 − cos πn) 2 (1 − (−1)n ) = . 2 Mostraremos un resultado m´ as simple que ´este. ζ(2) = n2 n=1 Para ello usaremos que si f (x) = a0 + ∞ X an cos (2πnx) + bn sin (2πnx) . se plantea la conjetura de Riemann: 1 ζ(z) = 0 ⇐⇒ <z = . Estamos interesados en calcular ∞ X 1 . Hecho esto.   Todo esto se puede trasladar a − 12 . 2 se tiene que kf k2 = Z 0 1 1 f (x)2 dx = a20 + 2 ∞ X a2n + n=1 ∞ X ! b2n . (4. 2πn πn . n=1 entonces. Sea    −1 si − 1 ≤ x < 0 2 f (x) = 1   1 si 0 ≤ x ≤ 2 . − 12 Mientras que por el otro.

ζ(2) = π2 . π(2n + 1) Luego. ∞ X n=0 As´ı. ζ(2) = ∞ X n=1  4 π(2n + 1) 2 . tenemos que ∞ 1X 1= 2 n=0 es decir. (2n + 1)2 8 ∞ ∞ n=0 n=1 X 1 1 1X 1 π2 1 π2 + = + = ζ(2) + (2n)2 (2n + 1)2 4 n2 8 4 8 y por ende. b2n = 0 .8).Series de Fourier 41 es decir. usando (4. b2n+1 = 4 . π2 1 = . 6 .

42 La funci´ on ζ de Riemann .

Notemos que si g ≡ 0. ∀x ∈ R C 2 ∂t2 ∂x2 u(x. 0) = f (x) ut (x. ∂t (5. (5.4) .3) (c) La ecuaci´ on del Calor (parab´ olica): 5.1. Ecuaci´ on de Ondas en 1D La ecuaci´on est´ a dada por 1 ∂2u ∂2u = ∀t ≥ 0. (5.2) ∂u = 4u.1) (b) La ecuaci´ on de Poisson-Laplace (el´ıptica): − 4u = f.Cap´ıtulo 5 Ecuaciones Diferenciales Parciales En este cap´ıtulo estudiaremos tres tipos de ecuaciones: (a) La ecuaci´ on de Ondas (hiperb´ olica): 1 ∂2u = 4u. entonces u(x. t) = f (x ± Ct) es una soluci´ on de (5.4). C 2 ∂t2 (5. 0) = g(x) Las ecuaciones dos u ´ltimas ecuaciones se denominan condiciones iniciales.

5) x−Ct la cual se conoce como la soluci´ on de D’Alembert. L]. 2 Verifiquemos las condiciones de borde: u(0. 5. 0) = f (x) ut (x. (5. Para resolver (5. t).5) pero para ello es necesario extender el problema a todo R. por ejemplo.6) hay dos alternativas: el m´ etodo de D’Alembert y el m´ etodo de Bernoulli. t) = 0 u(L. 2 2 pues f es impar y an´ alogo para u(L. es decir. t) = 1 1 (f (x + Ct) + f (x − Ct)) + 2 2C Z x+Ct g(s)ds. definamos f (−x) := −f (x). es decir. Supongamos que. Consideremos u(x. f se extiende como una funci´on impar a [−L. el problema se transforma en ∂2u 1 ∂2u = ∀t ≥ 0. ∀x ∈ R C 2 ∂t2 ∂x2 u(x. extendemos a R en forma peri´odica con per´ıodo 2L. t) = 1 1 (f (Ct) + f (−Ct)) = (f (Ct) − f (Ct)) = 0. Dejamos pendiente c´ omo extender g.4) est´ a dada por u(x.1. L].1.4) no tiene condiciones de borde. no hay condiciones para x fijo y t libre. t) = 0 Este tipo de condiciones de borde se denominan del tipo Dirichlet. la cuerda es finita de largo L y est´a fija en sus extremos.44 Ecuaci´ on de Ondas en 1D La soluci´on general de (5. Luego. 0) = g(x) (5. . L]. M´ etodo de D’Alembert Queremos usar la soluci´ on (5.6) u(0. Para ello extenderemos f y g a todo R de forma sensata. t) = 1 (f (x + Ct) + f (x − Ct)) . La funci´on f est´ a definida sobre [0. Dado x ∈ [0. es decir. es decir. eliminar las condiciones de borde. Notemos que (5.

(5.8) depende s´olo del tiempo mientras que el lado derecho depende s´olo del espacio. 1 p00 h00 = . h satisface d2 h = λh dx2 h(0) = 0 − (5. si imponemos las condiciones de borde. Supongamos una soluci´on de la forma u(x. (5. t) = h(x)p(t). tenemos que para todo t ≥ 0.Ecuaciones Diferenciales Parciales 5. Pero sabemos que h es de la forma √  √  h(x) = a sin λx + b sin λx . u(0. ∂2u d2 h = p = ph00 . t) = h(0)p(t) = 0 ⇒ h(0) = 0. es decir.1. u(L. t) = h(L)p(t) = 0 ⇒ h(L) = 0. C2 es decir. C2 p h (5.7) Tenemos que ∂2u d2 p = h = hp00 ∂t2 dt2 Como u resuelve (5. tenemos que . Luego.8) Notemos que el lado izquierdo de (5.2. C2 p h donde λ se conoce como una constante de separaci´ on. es decir. 1 p00 h00 = −λ = .9) h(L) = 0 Consideremos el operador diferencial lineal L : Cn → Cn−2 definido sobre las funciones cuadrado integrables que satisfacen las condiciones de borde y dado por L=− d2 . ∂x2 dx2 1 hp00 = h00 p. Luego. 45 M´ etodo de Bernoulli Usaremos el m´etodo de separaci´ on de variables. ambos lados deben ser constantes. dx2 Con esto.12) se traduce en buscar autovalores y autovectores de L. Por otro lado. h satisface Lh = λh.6).

tenemos una frecuencia asociada dada por p ωn = c λn . integrando por partes. cuando h es tal que Lh = λh. Finalmente. Z hf. el espectro del operador L est´a dado por n2 π 2 L2  Λ = {λn : Lh = λn h} =  . n ∈ N. p(t) = a cos (ωt − φ) . p satisface p00 + c2 λp = 0.1. L L n ∈ N. hi ≥ 0. Observaci´ on 5. √ con ω = c λ.10) Luego. para cada valor propio λn . Como λ > 0 (por (5. Li = hh. dx dx 0 dx dx 0 es decir. Sean f. (5. h(L) = a sin √  λx = 0. p(t) es de per´ıodo 2π ω . tenemos que autovalores de L son n2 π 2 . Lf i = 0 L ∂f ∂x 2 dx ≥ 0. los (5. (5. λhi = λhh. por lo tanto. hi.46 Ecuaci´ on de Ondas en 1D y como h(0) = 0 ⇒ b = 0.12) As´ı. L]) y tales que satisfacen las condiciones de borde. los autovectores (normalizados) de L son r hn (x) =  nπx  2 sin .10)). . y como hh. As´ı. 0 ≤ hh. Entonces. L es positivo definido. Lgi = 0 L  2  Z L Z L 2  d g df dg d f f (x) − 2 dx = dx = − 2 g(x)dx = hLf. Z hf. L es herm´ıtico y por lo tanto.11) Adem´as. Adem´as. tenemos que ω ∈ R y por lo tanto. sus valores propios son reales. Tambi´en. Como a 6= 0 (pues si no la soluci´ on ser´ıa u ≡ 0). sigue que λ ≥ 0. gi. λn = L2 √ λL = nπ y por lo tanto. n∈N Por otro lado. g ∈ L2 ([0.

0) = f (~r) (5. a]×[0. Supongamos una soluci´on de la forma u(x. r an = hf. r 2 L Z L g(x) sin 0  nπx  L dx.15) ut (~r. (5. ut (x. 5. t) = sin (an cos (ωn t) + bn sin (ωn t)) . hn i = An´alogamente. u(x.16) . y.2. Membrana Rectangular Consideremos el rect´ angulo Ω = [0. tenemos que ∞ r  nπx  X 2 u(x. b]. t) = h(x. 0) = an sin = f (x).14) Ecuaci´ on de Ondas en 2D Estudiaremos el problema 1 ∂2u = 4u C 2 ∂t2 u(~r. hn i cos (ωn t) + hg. y)p(t). Ahora impondremos las condiciones iniciales y con ello. ωn (5. Queremos resolver el problema (5. t) = ∞ X n=1 5. u s´ olo satisface las ecuaciones de borde. encontraremos los valores de an y bn . 1 1 hg. hn i sin (ωn t) .2.13) L L n=1 Pero con esto. (5.Ecuaciones Diferenciales Parciales 47 Como el conjunto (hn )n∈N es completo para las funciones en L2 que satisfacen las condiciones de borde. 0) = g(~r) u|∂Ω = 0 Es decir.   1 hn (x) hf. la membrana se encuentra fija en sus bordes.1. L L Por ende. 0) = ∞ X 2 L L Z f (x) sin  nπx  0 r bn ωn n=1 L dx. hn i = bn = ωn ωn As´ı.  nπx  2 sin = g(x).15). L L n=1 Por lo tanto. Notemos que r ∞  nπx  X 2 u(x.

F G Como el lado izquierdo s´ olo depende de x.19) . concluimos que F (0) = F (a) = 0. y) = h(a.48 Ecuaci´ on de Ondas en 2D Llamando L = −4 y repitiendo el argumento visto en la secci´on anterior. (5. tenemos que Lh = λh (5. b2 As´ı.  − F 00 G + F G00 = λF G. Adem´as. los autovalores de L est´ an dados por  2  m2 2 n λnm = π + 2 . concluimos que √ F (x) = a1 sin  √  αx + b1 cos αx . α= An´alogamente. An´ alogamente. Pero G(0) = 0 ⇒ b2 = 0 y G(b) = 0 ⇒ a2 sin √  √ m2 π 2 λ − αb = 0 ⇒ λ − αb = mπ ⇒ λ − α = . G(0) = G(b) = 0. y) = 0. a2 n ∈ N. F 00 G00 = −λ − . G(y) = a2 sin n2 π 2 .18) G00 + (λ − α) G = 0 para una nueva constante de separaci´ on α. Resolviendo. concluimos que F 00 + αF = 0 (5. a2 b n. Pero F (0) = 0 ⇒ b1 = 0 y F (a) = 0 ⇒ a1 sin √  √ αa = 0 ⇒ αa = nπ. como h(0. mientras que el derecho s´olo depende de y. es decir. y) = F (x)G(y) y por lo tanto. es decir. Suponemos una soluci´on de la forma h(x. m ∈ N.  √  √ λ − αy + b2 cos λ − αx .17) h|∂Ω = 0 lo cual se conoce como la ecuaci´ on de Helmholtz.

y)hnm (x. reemplazando en (5. tenemos que u(x.20) (5. (5.16). p(t) = anm sin  p  p λnm ct + bnm cos λnm ct .23) r r Supongamos una soluci´ on de la forma h(r.Ecuaciones Diferenciales Parciales 49 mientras que los correspondientes autovectores son  nπx   mπy  2 hnm (x. y)dxdy Ω y bn = 5. y)g(x. Entonces es decir.15). y)hnm (x. r r F 00 F0 G00 = −λr2 − −r . Finalmente.m=1 (5.16) y sumando. θ) = F (r)G(θ). √ ∞ X  mπy   nπx  2 sin . Ω Membrana Circular Consideremos el c´ırculo Ω = {(x. anm 2 = hf. m ∈ N. Queremos resolver el problema (5. n. p resuelve p00 + λc2 p = 0. (5. Los coeficientes. 1 1 F 00 G + F 0 G + 2 F G00 = −λF G. son obtenidos al proyectar sobre la base.2. gi = f (x. Debemos resolver (5. Supongamos una soluci´ on de la forma (5. anm sin (ωnm t) + bnm cos (ωnm t) √ sin a b ab n. y) ∈ R2 : x2 + y 2 = R}. a b ab n. hnm i = √ ab ZZ f (x. t) = con ωnm = es decir. G F F .21) Ω Por otro lado. y) = √ sin sin . y)dxdy. y. y)dxdy.2. m ∈ N. 1 ωnm c hg.18).22) λnm c. hnm i = 2 √ ωnm ab ZZ g(x. Desarrollamos el laplaciano en polares 1 1 4h = hrr + hr + 2 hθθ . Luego. Estos autovectores forman una base ortonormal en L2 (Ω) bajo el producto ZZ hf. al igual que antes.

necesitamos el siguiente: Teorema 5.50 Ecuaci´ on de Ondas en 2D Concluimos que G00 = −α G r2 (5. G(θ) = a cos √ G(θ) = a cos (nθ) + b sin (nθ) . podemos escribir G00 + αG = 0. .24) F 00 F0 +r − α = −λr2 F F Por un lado. Para resolver esta ecuaci´ on y encontrar el primer tipo. r r (5. (5. x x2 donde p0 .28) lo cual se conoce como el polinomio caracter´ıstico de la ecuaci´on. (b) Funciones de Neumann de primera especie: F (r) = Yn √  λr . Adem´as.25) lo cual se conoce como la ecuaci´ on de Bessel. √ Como G debe ser de per´ıodo 2π. tenemos que  r2 F 00 + rF 0 + λr2 − n2 F = 0 (5. Consideremos la ecuaci´on y 00 + p0 (x) 0 p1 (x) y + y = 0. cuya soluci´on es  √  αθ + b sin αθ . p1 son funciones anal´ıticas en torno a cero. Las soluciones obtenidas mediante el m´etodo de Frobenius son linealmente independientes para α1 y α2 si y s´ olo si |α1 − α2 | 6∈ Z. p1 lo sean a la vez. Observaci´ on 5. Por ende. Entonces y(x) = xα ϕ(x).26) Esta ecuaci´on tiene dos tipos de soluciones linealmente independientes: (a) Funciones de Bessel de primera especie: F (r) = Jn √  λr . α es resuelve α(α − 1) + αp0 (0) + p1 (0) = 0. (5. n ∈ N.2. concluimos que α = n. Escribamos   1 0 n2 00 F + F + λ − 2 F = 0. Por el otro.1 (Frobenius).27) con ϕ anal´ıtica en torno a cero y donde p0 .

Supongamos que n = 0. ∞ X   (k + 2)2 ck+2 + ck rk = 0. r (5. r r 00 (5. ∀k. k=0 es decir. Como ϕ es entera. Usamos Frobenius y = rα ϕ(r).Ecuaciones Diferenciales Parciales 51 Volvamos a nuestra ecuaci´ on. Tenemos que α resuelve α(α − 1) + α = 0. es decir. r Igualando coeficientes concluimos que c1 = 0. ∞ X y(r) = r0 ϕ(r) = ck rk . con ϕ entera.30). entonces y 00 + y0 + y = 0. como c0 es arbitrario. k 2 k!2 . (5. α = 0. Luego. tenemos que ∞ X k(k − 1)ck r k−2 + k=2 ∞ X kck r k−2 (k + 2)(k + 1)ck+2 rk + ∞ X (k + 2)(k + 1)ck+2 rk + ∞ X (k + 2)ck+2 rk + (k + 2)ck+2 rk + k=0 ∞ X ck rk = 0 k=0 k=−1 k=0 + k=1 k=0 ∞ X ∞ X ∞ X ck rk = 0 k=0 ∞ X k=0 ck rk + c1 1 = 0. (k + 2)2 Como c1 = 0. tenemos que c2k+1 = 0.30) y sigue que p0 (r) = 1 y p1 (r) = r2 las cuales son funciones enteras. Por otro lado. s´ olo hay una soluci´on por este m´etodo.29) lo cual se conoce como la ecuaci´ on de Bessel normalizada. ck+2 = − ck . c2k = (−1)k c0 . Hagamos F (r) = y √  λr y la ecuaci´on se transforma en   y0 n2 y + + 1 − 2 y = 0. Por lo tanto.31) k=0 Reemplazando en (5.

. si tiene sentido si el tambor es realmente una corona. Sus ceros positivos se denotan j0. θ) = 0.m r . pero como difieren en un entero. sin embargo.  λ0.m . y(x) = x n ∞ X ck xk . obtenemos J0 (x) = ∞ X 1 2  x 2k . y(x) = c0 ∞ X 1  x 2k (−1)k 2 . α(α − 1) + αp0 (0) + p1 (0) = 0. (−1)k k! 2 (5. k! 2 k=0 Si tomamos c0 = 1. ∀θ ∈ [0. La otra soluci´ on. k=0 Por conveniencia tomamos c0 = 1 2n n! . es decir. Y0 λr .3. tenemos que λR = j0. Volvamos a   y0 n2 y + + 1 − 2 y = 0. θ) = J0 λr √ y como h(R.m R Escribimos h0. α = ±n. Luego. F´ısicamente no tiene mucho sentido un tambor circular que diverge en su centro.32) k=0 la cual se conoce como la funci´ on de Bessel de primera especie de orden cero. 2π[. las soluciones que entregan son linealmente dependientes. x x 00 Tenemos que p0 (x) = 1 y p1 (x) = x2 − n2 . es decir.m = j0. p  λ0. √  Observaci´ on 5. aquella proveniente de las funciones de Neumann. As´ı. diverge logar´ıtmicamente en r = 0. As´ı. Por lo tanto.m .52 Ecuaci´ on de Ondas en 2D Finalmente. α2 − n2 = 0.m = J0 2 m ∈ N. √  h(r.

35) .m r cos(nθ) donde  λn.m = jn. y2 dos soluciones tales que y10 + y1 =0 x y0 y200 + 2 + y2 =0.m es el m-´esimo cero positivo de la funci´on de Bessel Jn (x). (xW )0 = 0. Ahora resolveremos la ecuaci´ on de otra forma para encontrar las funciones de Neumann. Al igual que antes.m cambia de signo se les conocen como l´ıneas nodales. 2 x y12 y1 Notando que el lado izquierdo corresponde a la derivada del cuociente.35) se transforma en W0 + 1 W = 0. x y100 + Multiplicando la primera ecuaci´ on por y2 . Supongamos n = 0. la segunda por y1 y luego rest´andolas.m = Jn . Usaremos el m´ etodo del Wronskiano: a partir de una soluci´on encontraremos otra. m ∈ N.33) Adem´as. ( p  sin(nθ) hn. y1 x y12 (5. x es decir.m R 2 . entonces (5. escribimos  0 y2 C 1 = . k!(n + k)! 2 (5.4. xW ≡ C y sigue que y20 y1 − y10 y2 C 1 = . A los lugares geom´etricos al interior del c´ırculo donde la funci´on hn. Sean y1 . tenemos que  1 0  y100 y2 − y200 y1 + y1 y2 − y20 y1 = 0. λ0. x Definamos W = y20 y1 − y1 y2 .Ecuaciones Diferenciales Parciales y al resolver obtenemos Jn (x) = 53 ∞ X (−1)k k=0  x 2k+n 1 . Por lo tanto. jn.34) Observaci´ on 5. (5.

u ≈ cos (x + φ). πx 4 donde p(x) es el t´ermino de error. πx 4 (5. como y1 = J0 resuelve nuestro problema cuando n = 0. Observaci´ on 5. Como habiamos dicho antes. u00 + u = 0. 4x 00 As´ı. π π (5. 2 a sJ0 (s) (5.5. Por lo tanto. x Finalmente. r  2 h  π J0 (x) = sin x − + q(x) .37) donde γ es la constante de Euler-Mascheroni dada por γ = l´ım 1 + n→∞ 1 1 1 + + . + − log n.36) la cual corresponde a la funci´ on de Bessel de segunda especie de orden cero. Es decir. . Reemplazando concluimos que u satisface   1 u + u 1 + 2 = 0.39) . Ya sabemos que estas funciones satisfacen 1 y 00 + y 0 + y = 0. tenemos que y2 es Z x ds Y0 (x) = J0 (x) . Miremos el comportamiento de J0 (x) e Y0 (x) cuando x  1.6.54 Ecuaci´ on de Ondas en 2D As´ı. A partir de las funciones de Bessel. cuando x  1. 2 3 n Observaci´ on 5. Z y2 (x) = y1 (x) a x C ds. . Y0 (x) diverge logar´ıtmicamente cuando x → + 0 . y≈ cos (x + φ) √ . r J0 (x) =   2 h π cos x − + p(x) . definimos la funci´ on de Weber como 2 2 Y0 (x) = − (log 2 − γ) J0 (x) + Y0 (x). x u √ Tomemos y = x .38) (5. Adem´as. sy1 (s)2 Luego.

J0 (αx) y J0 (βx) son ortogonales en [0. Volvamos a (5. la segunda por y1 y rest´andolas. es decir. x Por lo tanto. Z 0 1 (α2 − β 2 )xy1 y2 dx = −xW |10 = −W (1). donde W = y10 y2 − y20 y1 . 1] con respecto al peso w(x) = x y satisfacen las condiciones de borde en x = 1. (5. Es decir.40). xy200 + y20 + β 2 xy2 = 0.2. Sabemos que J0 (x) resuelve y 00 + 1 0 y + y = 0. entonces W (1) = 0 y sigue que Z 1 J0 (αx)J0 (βx)xdx = 0. Multiplicando la primera por y2 . J0 (αx) resuelve y 00 + 1 0 y + α2 y = 0. J0 (αx)|x=1 = J0 (α) = 0. Luego. tenemos que (xW )0 + (α2 − β 2 )xy1 y2 = 0. x cuando α es una constante.3. Si α y β son ceros de J0 . si y1 (x) = J0 (αx) e y2 (x) = J0 (βx).40) . Supongamos que y1 e y2 resuelven xy100 + y10 + α2 xy1 = 0.2. entonces Z 1 J0 (αx)J0 (βx)xdx = 0   0 1  J1 (α)2 2 si α 6= β si α=β . Notemos que la primera ecuaci´on puede escribirse 0 xy10 + α2 xy1 = 0. 0 cuando α 6= β.Ecuaciones Diferenciales Parciales 5. As´ı. Demostraci´ on. 55 Propiedades de las funciones de Bessel Teorema 5.

es decir. entonces Z Z 1 .56 Ecuaci´ on de Ondas en 2D Multiplicando por 2xy10 sigue que 0 2xy10 xy10 + 2α2 x2 y1 y10 = 0.  xy10  2 0 + α2 x2 y12 Pero si y1 (1) = 0.

 2 2 2 0 2 2 2 .

0 0 0 2 Adem´as.1 2 α x y1 (x) dx = α x y1 (x) 0 − 2α 0 = 0. 1 2 xy1 (x) dx = −2α Z 1 xy1 (x)2 dx. 1 Z 2 .

.

1 2  0 dx = xy10 (x) .

= y10 (1)2 . xy10 (x) 0 0 En consecuencia. tenemos que Z 0 1 1 xJ0 (αx)2 dx = 2α2 Pero  dJ0 (αx) dx 2 . poniendo y1 (x) = J0 (αx).

.

.

.

.

. es decir. (5.2.n ) 0 Proposici´ on 5.n x) xdx. Toda funci´ on f suave definida en [0.42) J1 (j0. 1] con condici´on de borde en x = 1 se puede expandir en (J0 (j0. Jn (x)tn . x=1 dJ0 (x) = −J1 (x).41) n=1 Esta expansi´ on se conoce como la expansi´ on de Fourier-Bessel.1. tenemos que Z 1 2 an = 2 f (x)J0 (j0. 2 Observaci´ on 5. (5.n x) .7. La funci´ on generatriz de (Jn )n∈N est´a dada por x 2 1 e (t− t ) = ∞ X n=−∞ con J−n (x) = (−1)n Jn (x). . dx Por lo tanto. 1 Z 0 1 xJ0 (αx)2 dx = J1 (α)2 . Usando el Teorema 5.n x))n∈N . f (x) = ∞ X an J0 (j0.

45) 2n Jn (x) = Jn−1 (x) − Jn+1 (x) x (5.44) 0 Proposici´ on 5.47) Pero tambi´en.1.46) Jn0 (x) = y Observaci´ on 5. tenemos que n Jn + Jn0 . tenemos que e ix sin θ ∞ X = Jn (x)einθ . Entonces t− 1 = eiθ − e−iθ = 2i sin θ. n=1 es decir.46). (5.Ecuaciones Diferenciales Parciales 57 Observaci´ on 5. Sea t = eiθ . La familia (Jn )n∈N satisface 1 (Jn−1 (x) − Jn+1 (x)) 2 (5. Combinando (5.2.46) para obtener Jn+1 (x) = n − Jn0 (x). podemos combinar (5. obtenemos la relaci´ on de subida x−n Jn+1 (x) = −  d x−n Jn (x) . dx (5. t As´ı.45) y (5. x Jn−1 (x) = Multiplicando por xn y reconociendo la derivada. obtenemos la relaci´ on de bajada xn Jn−1 (x) = d (xn Jn (x)) .8. J0 (x) = 1 2π y 1 Jn (x) = π Z Z 2π cos (x sin θ) dθ (5. (J2n )n∈N son los coeficientes de la expansi´ on de Bessel de cos (x sin θ) . Por ende. n=−∞ Tomando la parte real sigue que cos (x sin θ) = J0 + 2 ∞ X J2n (x) cos (2nθ) . x Multiplicando por x−n y reconociendo la derivada. dx (5. usando la Proposici´ on 5.43) 0 π cos (nθ − x sin θ) dθ.9.45) y (5.48) .

52) Ecuaci´ on de Poisson-Laplace en 2D En R2 . consideremos Ω = B (0. definimos la funci´ on de Bessel compleja como Jz (w) = ∞ X k=0 (−1)k  w 2k+z 1 .53) Dada la geometr´ıa del problema. G satisface G00 + α2 G = 0.55) . (5.3.54) donde 4S 1 φ = φθθ . Sea z ∈ C tal que <z > 0. Como queremos que G(θ) = G(θ + 2π) imponemos α = n. (5. Se define la funci´ on Gamma como Z ∞ tz−1 e−t dt. Usamos separaci´ on de variables: supongamos una soluci´on de la forma φ(r.1. r r (5. (5. G(θ) = a sin αθ + b cos αθ. (5. a). Γ(z) = (5. dado V (θ) en ∂Ω. entonces   1 0 r2 G00 00 F + F + = 0.50) Luego. r F G Por lo tanto. w ∈ C. es decir. θ) = F (r)G(θ).58 Ecuaci´ on de Poisson-Laplace en 2D Definici´ on 5. Para ello resolveremos la ecuaci´ on de Laplace 4φ = 0 φ|∂Ω = V (θ) (5. k!Γ(k + z + 1) 2 z. la funci´ on de Bessel modificada es In (x) = Jn (ix).51) mientras que la funci´ on de Neumann modificada est´a dada por Kn (x) = Yn (ix). <z > 0. Queremos encontrar un potencial electroest´atico Ω. 5.49) 0 Notar que Γ(n + 1) = n!. usaremos el laplaciano en coordenadas polares 1 1 4φ = φrr + φr + 2 4S 1 φ. A partir de ella.

θ) = ∞ X rn (an sin nθ + bn cos nθ) .10.58) . y)dxdy = v(x. y))2 dxdy ≥ 0. y)) dxdy = Lv(x. bn . −4 es positivo y herm´ıtico. 1 n2 F 00 + F 0 − 2 F = 0.57) u|∂u = 0 Consideremos el producto interno ZZ hf. entonces ZZ ZZ ZZ v(x. y) (λu(x. Queremos encontrar un potencial electroest´atico Ω. dado V (θ) en ∂Ω. φ (r. 5. Observaci´ on 5. F (r) = crn + dr−n . hu. ϕ) (5. F satisface   1 0 r2 00 F + F = n2 . (5. Suponemos una soluci´on de la forma F (r) = rβ y al reemplazar se tiene que β = ±n. r r Esta no es una ecuaci´ on de Bessel. y)dxdy. y)g(x.56) n=0 Para imponer la condici´ on de borde φ(a. θ) = V (θ) aprovechamos la ortogonalidad y encontramos an . consideremos Ω = B (0. En consecuencia. Lui = Ω Por lo tanto. gi = f (x.Ecuaciones Diferenciales Parciales 59 Luego. Ω Definamos L = −4. y)Lu(x. a). r F es decir. Consideremos el espacio de todas las funciones u ∈ L2 (Ω) que satisfacen −4u = λu (5.58). Como no queremos que F tenga singularidades en r = 0. Notemos que si u y v resuelven (5. Por lo tanto. Ecuaci´ on de Poisson-Laplace en 3D En R3 . Para ello resolveremos la ecuaci´ on de Laplace 4φ = 0 φ|∂Ω = V (θ. y)u(x. imponemos d = 0.4. y)dxdy Ω Ω Ω y ZZ (∇u(x.

En general. Por lo tanto. Los valores de α quedan determinados por el siguiente problema espectral − 4S 2 G = α 2 G cuya soluci´on es α2 = n(n + 1).11.60)   2 0 r2 4S 2 G 00 F + F + = 0. F (r) = arn + br−(n+1) . 2 r r (5. usaremos el laplaciano en coordenadas esf´ericas 4φ = donde 4S 2 φ = 1 2  1 r φr r + 2 4S 2 φ.61) . Finalmente. β = n ´ o β = −(n + 1). reemplazando concluimos que β satisface β(β − 1) + 2β − n(n + 1) = 0. (5. ϕ). es decir.60 Ecuaci´ on de Poisson-Laplace en 3D Dada la geometr´ıa del problema. Observaci´ on 5. sin ϕ Usamos separaci´ on de variables: supongamos una soluci´on de la forma φ(r. θ) = F (r)G(θ.59) 1 1 2 φθθ + sin ϕ (sin ϕφϕ )ϕ . para −4S d G = α2 G la soluci´on es α2 = n(n + (d − 1)). r r cuyas soluciones son de la forma F (r) = rβ . entonces (5. F satisface α 2 F 00 + F 0 − 2 F = 0. r F G Por ende.

Dover Pubs. 1986 . NY. The Functions of Mathematical Physics.Bibliograf´ıa [1] H. Hochstadt..