Vous êtes sur la page 1sur 275

Captulo 1

FUNDAMENTOS SOBRE
ANALISIS FUNCIONAL.
Posiblemente el lector no matemtico se pregunte al hojear las pginas siguientes si el tipo y nivel de la matemtica que presentamos le ser de til
en sus propias investigaciones. En verdad, el contenido de lo que encontrar el lector es bsico y fundamental, faltando (desde luego) muchos otros
temas importantes tambin. En nuestro medio tal reflexin es algo natural
de hacerse. Debemos resaltar que, en general, la formacin matemtica de
los estudiantes en algunas universidades no es la adecuada en los tiempos
modernos, tan exigente en las cuestiones bsicas. El campo de las aplicaciones utiliza, desde dcadas atrs, una matemtica cada vez mas elaborada;
en algunos casos se crean nuevas ideas matemticas para inmediatamente ser
aplicadas a problemas puntuales. Por esta razn, los artculos que aparecen
en revistas de ingeniera, de fsica, de medicina, de economa, ... son cada
vez mas tcnicos respecto al lenguaje matemtico. Esto fue, y es, una fuerte
motivacin para escribir este libro y que a su vez pueda motivar al amplio
universo de usuarios de la matemtica.
Sugerimos al lector leer las secciones 1.1, 1.2 y 1.3 como un paquete
integral; existe una intrnseca relacin entre estas secciones. Por ejemplo, las
integrales usadas en 1.1 pueden ser integrales de Lebesgue, vistas recin en
1.3, asi como algunas ideas topolgicas (seccin 1.2) estn latentes en 1.1 y
1.3.
El lector es motivado a no desmayar en el estudio de los temas dados si es
que est convencido de su utilidad en sus propios intereses profesionales. En
los ejercicios dados, puede encontrar cuestiones que le ayuden en su aprendizaje. Asi mismo, en la bibliografa dada el lector encontrar algunos libros
que complementar tal aprendizaje, como, por ejemplo, el libro [BAR].
1

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

1.1

Espacios Normados.

1.1.1

Generalidades.

Sea X un espacio vectorial. la aplicacin


k k:XR
es una norma si:
kxk 0, x X; kxk = 0 x = 0;

kaxk = |a| kxk , a R, x X;

kx + yk kxk + kyk , x, y X.

(X, k k) es llamado un espacio normado.


Nota. El lector que no est familiarizado con los aspectos bsicos de los
espacios vectoriales puede ir directamente a los ejercicios 8, 9 y del 12 al 18.
Ejemplos de espacios normados:
i) n N
lp (n) = {x = (x1 , ..., xn )} , con kxkp =

ii) lp (N) =

x = (x1 , x2 , ..., xn , ...)/

X
i=1

kxkp =

X
i=1

|xi |p

n
X
i=1

kf kp =

, 1 p < .

|xi | < , con

! p1

, 1 p < .

Z
iii) L (R) = f : R R, Lebesgue medibles/
p

|xi |p

! p1

|f (t)| dt < , con


p

p
|f (t)| dt , 1 p < .

iv) < a < b < , C ([a, b]) = {f : [a, b] R, continua}, con


kf k = sup {|f (t)|} , t [a, b] .

1.1. ESPACIOS NORMADOS.

Sea X un espacio vectorial (sobre R). La aplicacin


h, i:X X C
es un producto interno si:
hx, xi 0,

hx, xi = 0 x = 0;

hx, yi = hy, xi;

hx + y, zi = hx, zi + hy, zi , x, y, z X. , C.

(X, h , i) es llamado un espacio producto interno o espacio pre-hilbertiano.


Ejemplos de espacios productos interno:
n
X
i) (C , h , i) donde hx, yi =
xi yi con x = (xi ) , y = (yi ) en Cn .
n

i=1

X
ii) (l (N) , h , i) donde hx, yi =
xi yi .
2

i=1

iii) (L2 [a, b] , h , i) con hf, gi =

f (t) g (t)dt.
a

Observacin. h , i induce una norma va:


1

kxk = hx, xi 2 .
Desigualdad de Cauchy-Schwartz. X espacio producto interno. Entonces, x, y X se tiene
|hx, yi| kxk kyk .
Espacios de Hilbert. Un espacio de Hilbert H es un espacio producto interno el cual es completo, esto es, toda sucesin de Cauchy en H es
convergente (en H).
Remarcamos que H es completo como espacio mtrico, donde la mtrica
o distancia es d (x, y) = kx yk .
Un espacio de Banach es un espacio normado completo.
Todo espacio de Hilbert es de Banach; en general, el recproco no es cierto.
si

Sea X un espacio producto interno. S X es un conjunto ortogonal


hx, yi = 0

x 6= y; x, y S.

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Notacin: x y. Si S es un conjunto enumerable ella es una sucesin


ortogonal. Si kxk = 1, x S, S es un conjunto ortonormal.
Ejemplos de conjuntos ortonormales:
i) {ei } en l2 (n) , ei = (0, 0, ..., 0, 1, 0, ..., 0) , i = 1, ..., n; en la isima
posicin.
{ei } es la base estandar de l2 (n) .
sent cos t sen2t cos 2t
1
ii) , , , , , ... es un conjunto ortonormal en

2
2
L ([, ]) .

1.1.2

Los Espacios de Hilbert l2 (Z) , L2 ([, ]) y L2 (R) .

Sea X un espacio producto interno y x X. Una sucesin (xn )nZ converge


a x si > 0, N N tal que n > N se tiene kxn xk < .
Remarcamos que (xn )nZ es una sucesin de Cauchy en X si >
0, N N tal que m, n, kxn xm k < . Sea H un espacio de Hilbert
y (xn )nZ (xn ) una sucesin en H (Z es el conjunto de los enteros); si
N
X
X
xn , decimos que la serie
xn converge a x en H si (SN ) conSN =
n=N

nZ

verge a x en la norma de H. Diremos que (xn ) es un sistema ortonormal


(s.o.n) completo si (xn ) es ortonormal y si hx, xn i = 0, n Z, entonces
x = 0.

El Espacio l2 (Z).
Por definicin
l2 (Z) =

z = (z (n))nZ z (n) C,

X
nZ

|z (n)|2 <

l2 (Z) es un espacio vectorial; si x, y l2 (Z), cosideramos


hx, yi =

X
nZ

x (n) y (n).

1.1. ESPACIOS NORMADOS.

Si x l2 (Z) ,

kxk =

nZ

|x (n)|2

! 12

l2 (Z) es un espacio normado y un espacio mtrico, con la mtrica d (x, y) =


kx yk .
Se tiene:

X
nZ

|x (n) y (n)|

X
nZ

de Cauchy-Schwarz.

! 12
! 12
X
= kxk kyk ... desigualdad
|x (n)|2
|y (n)|2
nZ

X
1
|x (n) + y (n)|2 2

nZ

triangular.

X
nZ

! 12
! 12
X
... desigualdad
|x (n)|2 +
|y (n)|2
nZ

De un modo mas general, para p, q con p > 1 y

1 1
+ = 1, si xi y yi son
p q

nmeros complejos, i = 1, ..., n, entonces:


X

|xi yi |

n
X
i=1

! p1 n
! 1q
X
.
|xi |p
|yi |q
i=1

(Remarcamos que usamos indistintamente la notacin x (i) xi , x (n) =


xn ).

X
p
q
Adems, si x l (N) , y l (N), entonces
|xi | |yi | < y
i=1

X
i=1

|xi yi |

X
i=1

|xi |

! p1
X
i=1

|yi |

! 1q

desigualdad de Hlder,

l2 (Z) es un espacio de Hilbert, en donde se considera la base estandar


(ei )iZ definida va
ei (j) =

1 ... si j = i
.
0 ... si j =
6 i

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

De esta manera, si x = (x (i)) l2 (Z), entonces


X
x (i) ei .
x=
iZ

Nota. l2 (Z) es un espacio de Hilbert de dimensin infinita, lo que precisaremos en otra oportunidad.
Proposicin 1. Sea H un espacio de Hilbert, (aj )jZ un conjunto ortonormal
X
en H y x = (x (j)) l2 (Z). Entonces, la serie
x (j) aj es convergente
jZ

en H y

2
X

x (j) aj =
|x (j)|2 .

jZ

Prueba. Si

SN =

N
X

jZ

x (j) aj , N = 1, 2, 3, ...,

j=N

para N > M se tiene

2
X

2
=
kSN SM k =
|x
(j)
a
|
|x (j)|2 .
j

M<|j|N

M<|j|N

de Cauchy, esto es, dado


Desde que x l2 (Z) , (SN ) es una sucesin
X
> 0, K N tal que si N > M > K,
|x (j)|2 < .
M<|j|N

De esta manera, (SN ) es convergente en H, esto es, la serie


converge en H.
Finalmente, sean
n
X
x=
x (j) vj ,
j=1

n
X
y=
y (j) vj ,
j=1

donde {v1 , v2 , ..., vn } un conjunto ortonormal. As,


hx, yi =

n
X
x (j) y (j) ,
j=1

kxk2 =

n
X
j=1

|x (j)|2 .

x (j) aj

1.1. ESPACIOS NORMADOS.

Por tanto,
kSN k2 =
Pero, SN S =
norma, se tiene

N
X

j=N

|x (j)|2 .

X
x (j) aj en H, de donde usando la continuidad de la
jZ

lim kSN k = kSk .

Proposicin 2. Sean H espacio


(aj ) o.n. en H y f H.
Xde Hilbert,
2
2
Entonces, (hf, aj i)jZ l (Z) y
|hf, aj i| kf k2 .
jZ

Prueba. Sea

SN =

N
X

j=N

hf, aj i aj , N = 1, 2, ...;

luego,
kf SN k2 = hf, f i hf, SN i hSN , f i + hSN , SN i
y
hf, SN i =

N
X

j=N

hf, aj i hf, aj i =

N
X

j=N

|hf, aj i|2 = hSN , f i .

Adems,
2

kSN k =

N
X

|hf, aj i|2 .

N
X

|hf, aj i|2 +

j=N

Por tanto,
kf SN k2 = kf k2 2

j=N

= kf k2

N
X

j=N

N
X

j=N

|hf, aj i|2 0,

|hf, aj i|2

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

de donde tenemos la tesis.


Bajo que condiciones sobre (aj ), tendremos

hf, aj i aj = f, f H?

Proposicin 3. H espacio de Hilbert, (aj ) o.n. en H. Entonces, (aj ) es


o.n. completo si y solo si
X
f=
hf, aj i aj , f H.
jZ

Prueba.
X

Sea f H;

jZ

hf, aj i aj converge (a g) en H. Entonces,


hg, am i = hf, am i , m Z.

Por lo tanto
hf g, am i = 0, m Z.
Por hiptesis tenemos entonces f = g.
X
f=
hf, aj i aj , f H. Por lo tanto si hf, aj i = 0 j, f = 0.

Proposicin 4. (aj )jZ es o.n. en H. Entonces:


i) (aj ) es completo ii) espacio generado por (aj ) = H

cj aj = 0, donde cj es el coeficiente de Fourier


iii) f H, lim f
k

j=1

asociado a (aj )
2

iv) kf k =

X
j=1

|cj |2 ... identidad de Parseval.

Prueba.
(i) (ii) . M =esp. gen.(aj ) . Si M 6= H, a 6= 0 en H M y existira
b 6= 0 tal que b M; por lo tanto b aj , j. Absurdo.

1.1. ESPACIOS NORMADOS.

j aj <
(ii) (iii) M = H, por lo tanto dado > 0, se tiene f

j=1
para alguna combinacin lineal; pero los coeficientes de Fourier dan la mejor
aproximacin,
la tesis.
de donde
k
k

X
X

2
(iii) (iv) f
cj aj = ... = kf k
|cj |2 . Tome lmite con k .

(iv) (i) kf k2 =

j=1

X
j=1

j=1

|cj |2 =

X
j=1

|hf, aj i|2 . Por lo tanto si hf, aj i = 0, f = 0.

El Espacio L2 ([, ]) .
Asumimos f medible en el sentido de Lebesgue. Por definicin,

Z
2
2
L ([, ]) = f : [, ] C/
|f ()| d < .

L2 ([, ]) es un espacio vectorial producto interno con


Z

1
hf, gi =
2

f () g ()d,

con f, g L2 ([, ]) y la norma


1
kf k =
2
2

|f ()|2 d.

Las desigualdades de Cauchy-Schwarz y triangular


Z

|f ()| |g ()| d

|f () + g ()| d

12

12 Z
|f ()| d .
2

L2 ([, ]) es un espacio de Hilbert.

|f ()| d

12

|g ()| d

12

|g ()| d

12

10

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Definicin. ein nZ es llamado un sistema trigonomtrico; un polinomio trigonomtrico es una funcin de la forma
N
X

n=N

Cn ein , n N,

{Cn } es un conjunto de nmeros complejos.


Corolario. Un sistema trigonmetrico es un conjunto o.n. en L2 ([, ]);
es tambin completo en L2 ([, ]) .
Z
1
Definicin. Sea f L ([, ]), esto es,
|f ()| d < . El n in
simo coeficiente de Fourier de f es f, e
, n Z. La serie
X

f, ein ein
nZ

es llamada la serie de Fourier de f.


Proposicin 5.
i) Si z = (z (n)) l2 (Z) ,
ii) Si f L2 ([, ]) ,

X
z (n) ein converge en L2 ([, ]) .
nZ

in
f, e
l2 (Z) y
nZ

Z
X

f, ein 2 = 1
|f ()|2 d = kf k2
2
nZ

iii) Si f, g L2 ([, ]) ,
X

hf, gi =
f, ein hg, ein i

frmula de Plancherel.

frmula de Parseval.

nZ

iv) f L2 ([, ]) tenemos f () =

f, ein ein , donde


nZ

in
in
f, e
e 0 si N .
f

n=N

1.1. ESPACIOS NORMADOS.

11

El Espacio L2 (R) .
f es medible segn Lebesgue. Por definicin,

Z
2
2
L (R) = f : R C/ |f (x)| dx < .
R

L2 (R) es un espacio vectorial con producto interno


Z
hf, gi =
f (x) g (x)dx
R

y norma
kf k22
Se tienen las desigualdades,
Z

|f (x)|2 dx.

|f (x) g (x)| dx kf k kgk

, k k2 k k
kf + gk kf k + kgk .

Diremos que fn f en L2 (R) si kfn f k 0, n .


El Espacio L1 (R) .
Por definicin,

Z
L (R) = f : R C/ |f (x)| dx < ,
1

en donde consideramos la norma


kf k1 =

|f (x)| dx.

f es integrable si f L1 (R). Si f L1 (R) ,


Z
Z

f (x) dx |f (x)| dx = kf k .
1

Nota. L1 (R) es un espacio vectorial normado que no es espacio producto


interno.

12

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

1.1.3

Convolucin y Dilatacin.

Sean f y g dos funciones definidas sobre R, tal que casi en todas partes (c.t.p)
x R se tiene
Z
|f (x y) g (y)| dy < .
R

Definicin. (f g) (x) =

de f y g.

Nota. Si

f (x y) g (y) dy es llamada la convolucin

|f (x y) g (y)| dy = , (f g) (x) = 0.

Corolario. f g = g f.
Proposicin 6.
i) Si f, g L2 (R) ,
|(f g) (x)| kf k kgk , x R.
Por lo tanto f g L (R), esto es, sup (f g) (x) < .
xR

ii) Si f, g L1 (R) ,
kf gk1 kf k1 kgk1 ;
por lo tanto f g L1 (R) .
iii) Si f L2 (R) , g L1 (R) ,
kf gk kf k kgk1 ;
por lo tanto f g L2 (R) .
Prueba.
i) |(f g) (x)|
x R.
ii) kf gk1

Z
R

|f (x y)| |g (y)| dy

|f (x y)| dy

|f (x y)| |g (y)| dydx =

|g (y)|

12 Z

|g (y)| dy

|f (x y)| dx dy.

12

1.1. ESPACIOS NORMADOS.


iii) |(f g) (x)|

tanto

13
1

|f (y)| |g (x y)| 2 |g (x y)| 2 dy

|f (y)| |g (x y)| dy
2

kgk1

|(f g)|

= kgk1

Z
Z

12 Z

g (x y) dy

12

. Por lo

|f (y)| |g (x y)| dy dx
2

|f (y)| dy

|g (x y)| dx,

de donde,
kf gk kf k kgk1 .

Sea f : R C, y R. Definimos la translacin de f :


Ry f (x) = f (x y) ,
y la reflexin conjugada de f :
fe(x) = f (x)

Corolario. Si f, g L2 (R) , x, y R, entonces


hRx f, Ry gi = hf, Ryx gi ;
hf, Ry gi = (f e
g) (y) .

Definicin. Sea g : R C, t > 0 real. la dilatacin gt : R C, es


definida va
1 x
.
gt (x) = g
t
t
Sea g : R C tal que

|g (x)|
C1 una constante y

C1
, x R,
(1 + |x|)2

g (x) dx = 1. Entonces, {gt }t>0 es llamada una

aproximacin de la identidad.

14

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Sea f L1 (R) ; x R, es llamado un punto de Lebesgue de f si
Z h
1
lim
|f (x y) f (x)| dy = 0.
h0+ 2h h

Proposicin 7. Si f L1 (R), entonces c.t.p. x R es un punto de


Lebesgue de f
Proposicin 8. Sea f L1 (R) y {gt }t>0 una aproximacin de la identidad.
Entonces, para todo punto de Lebesgue de f tenemos c.t.p. x R,
lim (gt f ) (x) = f (x) .

t0+

1.1.4

Espacios de Hilbert.

En un espacio producto interno X vale la identidad del paralelogramo

x + y 2 x y 2 1
2
2

()
2 + 2 = 2 kxk + kyk , x, y X.

De un modo mas general, si B es un espacio de Banach, diremos que B es


uniformemente convexo si > 0, > 0 tal que x, y B con
x + y

kxk 1, kyk 1 y kx yk > , se tiene


2 1 .

Proposicin 9. Si H es un espacio de Hilbert, entonces H es uniformemente convexo.


Prueba.
Sea > 0, x, y H con kxk 1, kyk 1, kx yk > . Luego, por () ,

x + y 2 2 x + y 2 x y 2

2 + 4 < 2 + 2 1

1.1. ESPACIOS NORMADOS.

15

2
x + y 2

1 .
2
4

2
Si (> 0) satisface (1 )2 = 1 , entonces
4

x + y

2 1 .

Proposicin 10. H es un espacio de Hilbert, M H un subconjunto


cerrado, convexo, y vaco. entonces, x H ! x0 H tal que
kx x0 k = min kx yk .
yM

Tal x0 es caracterizado por la propiedad:


x0 M, hx x0 , y x0 i 0, y M

[P]

x0 = PM x es llamado la proyeccin de x sobre M.


Prueba.
Por hiptesis, sea (yn ) en M tal que
dn = kx yn k d = inf kx yk .
yM

(yn ) es una sucesin de Cauchy.


En efecto, aplicando la identidad del paralelogramo a x yn e x ym ,
tenemos

yn ym 2 1 2

y
+
y
n
m
2
x
+
=
d
+
d
.
n
m

2
2
2

y
yn + ym
+
y
n
m
d, y de esta manera
x

M y por tanto,
Adems,

2
2

yn ym 2 1 2

2
2

2 2 dn + dm d ,
luego

lim kyn ym k = 0.

m,n

Desde que yn x0 M tendremos d = kx x0 k .


Probemos ahora la equivalencia:
x H ! x0 H tal que kx x0 k = min kx yk . [P].
yM

16

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Sea x0 M tal que kx x0 k = min kx yk; sea z M, entonces


yM

y = (1 t) x0 + tz con 0 < t 1; luego,

kx x0 k kx ((1 t) x0 + tz)k = k(x x0 ) t (z x0 )k .


De esta manera,
kx x0 k2 k(x x0 ) t (z x0 )k2
= kx x0 k2 2t hx x0 , z x0 i + t2 kz x0 k2 ,
esto es,
2 hx x0 , z x0 i t kz x0 k2 .
Si t 0, se obtiene [P].
Sea x0 satisfaciendo [P]. Entonces, para todo y M tenemos
kx0 xk2 ky x0 k2 = 2 hx x0 , y x0 i kx0 yk2 0,
de donde se obtiene la tesis.
0

Finalmente, veamos la unicidad de x0 . Sea x0 M satisfaciendo


tambin [P]. Entonces,
D
E
0
0
x x0 , y x0 0, y M
(i)
hx x0 , y x0 i 0, y M

(ii)

Escojamos y = x0 en (i), y = x0 en (ii); sumando (i) y (ii) obtenemos


D
E D
E
0
0
0
x x0 , x0 x0 + x0 x, x0 x0 0,

de donde

E
D
0
0
x0 x0 , x0 x0 0,

0
0
esto es, x0 x0 0. Por lo tanto x0 = x0 .

1.1. ESPACIOS NORMADOS.

17

Proposicin 11. H espacio de Hilbert, M H cerrado, convexo, no vaco.


Entonces, PM es un operador continuo. As, si x1 , x2 M entonces
kPM x1 PM x2 k kx1 x2 k

( kPM k 1) .

Prueba.
0
00
Pongamos x = PM x1 , x = PM x2 , entonces
D
E
0
0
x1 x , y x 0, y M
D
E
00
00
x2 x , y x 0, y M
00

(i)

(ii)

Nuevamente, pongamos y = x en (i), y = x en (ii), se obtiene


E
D
0
00
00
0
x1 x + x x2 , x x 0,

de donde

esto es,

0
0
E
D
00
00
00 2
0

x x x1 x2 , x x kx1 x2 k x x ,
0

00

kx1 x2 k .

Proposicin 12. H Hilbert, M H subespacio vectorial cerrado. Sea


x H; entonces: x0 = PM x es caracterizado por:
x0 M
hx x0 , yi = 0 , y M

(P )

Prueba. Probemos [P] (P ). En efecto,


Tenemos hx x0 , y x0 i 0, y M; tambin hx x0 , ty x0 i
0, y M, t R. Por lo tanto
hx x0 , ty x0 i = t hx x0 , yi hx x0 , x0 i 0.
Pero, hx x0 , x0 i = 0. Luego, t hx x0 , yi 0. Si t = hx x0 , yi se
tiene (P ) .

18

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Tenemos x0 M e hx x0 , yi = 0, y M. Luego se tiene


hx x0 , y x0 i = 0, y M.

Remarcamos que si M es un subespacio de un espacio de Hilbert H, x


H, y si = inf {ky xk}, entonces ! x0 M tal que kx0 xk < .
yM

Proposicin 13. Sean M y N subespacios de H tal que M N, M 6= N,


entonces z N, z 6= 0, tal que z M.
Si M es un subespacio de H, entonces H = M M , donde M es
el complemento ortogonal de M. ( Teorema de la proyeccin).

Sumabilidad.
Una familia devectores {x!i } en un espacio de Hilbert H es llamada sumable,
X
xi si dado > 0, conjunto finito J0 de ndices tal
con suma x x =
i

xj < , donde J es un conjunto finito de ndices tal que J0 J.


que x

jJ

Proposicin 14.

{xj } es sumable
en H > 0, conjunto finito J0 de ndices
X

tal que xj < , donde J es un conjunto finito de ndices que es

jJ

disjunto de J0 .

Si {xj } es sumable, entonces el conjunto de aquellos ndices j, para los


cuales xj 6= 0, es enumerable.

Una familia ortogonal {xj } es sumable la familia


X
mable. (Esto es,
kxj k2 < ).
j

kxj k2 es su-

1.1. ESPACIOS NORMADOS.

1.1.5

19

Bases en Espacios Normados.

Sea (X, k k) X un espacio normado (xj )j=1,2,...,N , con N , es llamada


una base de X si x X puede ser escrito de un modo nico en la forma
N
X
j xj , donde j C (R) .
x=
j=1

Si N < , X tiene una base finita.


Si N = , X tiene una base enumerable.
N es llamada la dimensin topolgica de X.

Proposicin 15. Sea X un espacio normado. Entonces,


i) Los elementos de cualquier base de X son linealmente independientes.
ii) Toda base de X es una base total en X. Precisemos, sea A el conjunto
de lmites en X de combinaciones lineales de elementos de B, donde
B es una familia de vectores en X. B es llamada total si A = X.
iii) Si (xj )j=1,2,...,N es una base de X, entonces para cada M, 1 M N
tenemos
h
i h
i
X = (xj )j=1,2,...,M (xj )j=M+1,...,N = X1 X2 ,

donde, respectivamente, X1 es X2 son la cerradura del espacio vectorial


generado por los vectores (xj )j=1,2,...,M y (xj )j=M+1,...,N .

Adems, (xj )j=1,2,...,M y (xj )j=M+1,...,N son bases de X1 y X2 respectivamente.


iv) Todas las bases en X tienen el mismo nmero de elementos.
Prueba.
i) (xj )j=1,2,...,N

N
N
X
X
j xj . Pero 0 =
0xj . Luego
base en X; sea 0 =
j=1

j = 0, j.

j=1

ii) Aplique la definicin de serie y de familia total.


iii) Si y X, se tiene de un modo nico (con M < )
N
M
M
X
X
X
y=
j xj =
j xj +
j xj = y1 + y2 , y1 X1 , y2 X2 .
j=1

j=1

j=M+1

20

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

iv) Sean (xj )j=1,2,...,N e (yi )i=1,2,...,M dos bases de X donde ellas son a lo mas
enumerables. Si M < N, M es un nmero natural y X es un espacio
vectorial en dimensin algebraica finita. Luego habran N vectores
linealmente independientes, una contradiccin.

Un espacio mtrico X, es llamado separable si X tiene un subconjunto


denso, enumerable.
Proposicin 16. Si X es un espacio normado con una base a lo mas
enumerable, entonces X es separable.

1.1.6

Bases en Espacios de Hilbert.

Proposicin 17. Sea (xj ) una base o.n. en un espacio de Hilbert H.


Entonces, H es isomorfo con l2 (N) y existe una equivalencia unitaria U
tal que U (xj ) = ej , j N, donde ej = (0, ..., 1, ..., 0, ...) con 1 ocupando la
i-sima posicin.

X
X
2
Adems, x H se tiene x =
hx, xj i xj y kxk =
|hx, xj i|2 .
j=1

j=1

(Ver proposiciones 3 y 4).


Prueba.
Sea x H y N0 N finito; pongamos
X
xN0 =
hx, xj i xj .
jN0

Se tiene,
0 kx xN0 k2 = kxk2 hxN0 , xi hx, xN0 i + kxN0 k2
X
X
X
= kxk2 +
|hx, xj i|2
hhx, xj i xj , xi
hx, hx, xj i xj i .
jN0

jN0

jN0

Se tiene:
m 2
m
X
X

kxj k2
para x1 , ..., xm tenemos xj =

j=1

hhx, xj i xj , xi =

j=1

hx, hx, xj i xj i =

hx, xj i hx, xj i .

1.1. ESPACIOS NORMADOS.

21

Por tanto,
0 kx xN0 k2 = kxk2 +

jN0

de esta manera,
X
|hx, xj i|2 kxk2

|hx, xj i|2

jN0

|hx, xj i|2

jN0

|hx, xj i|2 .

desigualdad de Bessel.

jN0

De esta manera,
X
jN

y por tanto existe

X
jN

|hx, xj i|2 kxk2

hx, xj i xj

n
2
X

|hx, xj i|2 <


hx, xj i xj 0, m, n .

i=m+1

jN

Si y =

X
jN

hx, xj i xj , probemos que y = x. Ser suficiente probar que

(x y) xj , j, pues siendo (xj ) una base (o.n.), se tendr x y = 0.


En efecto, dado cualquier j, sea N0 N finito tal que j N0 ; entonces
X
X

hx xN0 , xj i = hx, xj i
x, xj 0 xj 0 , xj = hx, xj i
x, xj 0 xj 0 , xj
0

j N0

j N0

= hx, xj i hx, xj i = 0,

esto es, (x xN0 ) xj , j N0 . Por lo tanto x y xj , j.


Sea ahora H0 =espacio generado por {(xj )}; as, H0 = H. Definamos U0
va,
U0 : H0 l2
m
!
m
m
m
X
X
X
X
k xjk U0
k xjk =
k U0 (xjk ) =
k ejk .
k=1

k=1

k=1

k=1

22

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


De esta manera, x, y H0 se tiene
hU0 x, U0 yi = hx, yi ,

y por tanto kU0 xk = kxk. Desde que H0 = H, U0 , tiene una nica extensin
U : H l2 ,
tal que
hU x, Uyi = hx, yi , x, y H,
y kU xk = kxk, lo que implica que el rango de U sea un conjunto cerrado y
que contenga a todos los ejs. De esta manera, rangU = l2 .

Proposicin 18. [Proceso de Gram-Schmidt]. Sea H un espacio prehilbertiano. Sea (xj )j=1,2,... una sucesin de vectores linealmente independientes, finita o infinita enumerable. Entonces existe una sucesin ortonormal
(yj )j=1,2,... en H tal que j N, {x1 , ..., xj } e {y1 , ..., yj } generan el mismo
subespacio de H.
Nota (+). Posteriormente probaremos: un espacio de Hilbert que contiene
una base ortonormal enumerable, es un espacio separable.
Veamos el recproco de la Nota (+).
Proposicin 19. Sea H un espacio de Hilbert separable, entonces H tiene
un sistema (yj )j=1,2,... ortonormal completo (una base).
Prueba.
Sea (xj ) un conjunto enumerable denso en H. Escojamos, z1 es el primer
xj diferente de cero; z2 es el segundo xj diferente de cero y tal que z2 no est
en {z1 } , escalar;...
zj es el j-simo xj diferente de cero tal que zj no est en el espacio generado
por z1 , ..., zj1 ; ...
Sea M el espacio generado por z1 , z2 ..., zj , ... (que son linealmente independientes); entonces M es denso en H y por Gram-Schmidt, (yj )j=1,2,...
ortonormal, el cual tambin genera M. As (yj )j=1,2,... es completo.

Proposicin 20. Todo espacio de Hilbert H 6= {0} tiene alguna base


ortonormal .
Cundo un conjunto ortonormal es una base ortonormal?... La respuesta
la da la proposicin 4, que ahora la completamos con la

1.1. ESPACIOS NORMADOS.

23

Proposicin 40 . Sea S = {xj }jZ un conjunto ortonormal en un espacio de


Hilbert H 6= {0}. Entonces tenemos:
(i) S es una base ortonormal de H (ii) esp.gen. (S) = H
(iii) x xj , j, implica x = 0. Asi, S = {0}
X
hxj , xi xj (serie de Fourier)
(iv) x H, x =
jZ

(v) x, y H, hx, yi =
(vi) x H, kxk2 =

X
jZ

X
jZ

hx, xj i hxj , yi (Plancherel)

|hxj , xi|2 (Parseval).

Prueba.
(i) ii) Si esp.gen. (S) 6= H, entonces existe algn x S con kxk = 1.
Por lo tanto S {x} sera otro conjunto ortonormal, contradiccin con S
maximal.
(ii) (iii) Si S 6= {0} , esp.gen. (S) = S 6= H.
(iii) (iv) (Ver Proposicin 17). Por la desigualdad de Bessel (finita),
X
|hx, xj i|2 kxk , Z0 Z
jZ0

finito; luego

X
jZ

|hx, xj i|2 < y

X
jZ

hx, xj i xj converge (las sumas parciales

es una sucesin de Cauchy); sea x su lmite.


XEntonces x x xj , j Z.
0
Luego, por hiptesis, x x = 0. As, x =
hx, xj i xj .
(iv) (v) hx, yi =

*
X
jZ

jZ

hx, xj i xj ,

(v) (vi) kxk2 = hx, xi =

X
jZ

X
iZ

hy, xi i xi

hx, xj i hxj , xi =

= ... =

X
jZ

X
iZ
2

hx, xi i hxi , yi .

|hx, xj i| .

(vi) (i) Supongamos


x 6= 0 tal que S {x}!sea ortonormal. Por lo tanto

X
x S, absurdo 1 = kxk2 =
|hxj , xi|2 = 0 .
jZ

Probemos ahora la Nota (+).


Proposicin 21. Si el espacio de Hilbert H (6= {0}) tiene una base ortonormal enumerable (finita o infinita enumerable), entonces H es separable.

24

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Prueba. Si H tiene una base ortonormal B = (ej )j=1,2,... , entonces (ii)


implica que esp.gen.(B) es denso en H. Sea M el subconjunto enumerable
del esp.gen.(B) formado por aquellas combinaciones lineales, con coeficientes
racionales, de elementos de B.
n
X
M es denso en H. En efecto, dado x H y > 0 existe w =
j ej en
j=1

esp.gen.(B) tal que kx wk < . La idea ahora es tomar nmeros racionales


n
X

0
rj tal que |j rj | < . Entonces, el vector w =
rj ej satisface
n
j=1

0
0

x w kx wk + w w < 2.

Todas las bases ortonormales de un espacio de Hilbert H tienen el mismo


cardinal.
Este cardinal es llamado la dimensin Hilbertiana de H.
De un modo general, dos bases cualquiera de un subespacio M de H
tienen la misma potencia. La dimensin de M es la potencia comn de
todas las bases de M.

Definicin. Sean H1 y H2 dos espacios de Hilbert. U : H1 H2 es un


isomorfismo si U es una transformacin lineal, inyectiva y sobre tal que
hUx, U yi = hx, yi , x, y H1 .
U : H1 H2 es una isometra si es una transformacin lineal tal que kU xk =
kxk , x H.
Desde que kUx U yk = kx yk, la isometra preserva la distancia. Todo
isomorfismo es una isometra. El recproco no es cierto en general (una
isometra no precisa ser sobre).
Tenemos la
Proposicin 22. Una transformacin lineal U : H1 H2 es un isomorfismo U es una isometra sobre.
Dos espacios de Hilbert son llamados isomorfos si existe un isomorfismo
entre ellos.
Nota. Un isomorfismo preserva toda la estructura del espacio de Hilbert,
esto es, dos espacios de Hilbert isomorfos poseen esencialmente la misma
geometra.
Proposicin 23. Dos espacios de Hilbert son isomorfos ellos tienen la
misma dimensin.

1.1. ESPACIOS NORMADOS.

25

Un espacio de Hilbert H (6= 0) de dimensin finita n es isomorfo a Rn ,


en caso contrario, H es isomorfo a l2 (N) . ( H es un espacio separable).

Ejercicios 1.1
1.

(i) De dos ejemplos de normas.


(ii) El valor absoluto, | |, en R, es una norma?

(iii) En R, cmo definira un producto interno?

(iv) Defina a un espacio de Hilbert, a un espacio de Banach.


(v) R2 = {(x, y)/ x, y R}, es un espacio de Hilbert?, es de Banach? Justifique.
2.

(i) En R3 existe una conocida base ortonormal, cul es?, porqu es


una base?
(ii) Qu diferencia a un espacio de Banach de un espacio de Hilbert,
en general?, qu relacin existe entre ambos espacios?
(iii) Cul es el mensaje de la desigualdad de Cauchy-Schwarz en un
espacio producto interno?

3. Si usted fuera un profesional no matemtico (ingeniero, fsico, economista,...)


exprese su sentimiento sobre la posible utilidad de lo tratado en esta
seccin en su propio campo de investigacin.
4. Va un adecuado grfico interprete a las proposiciones:
(i) Proposicin 10;
5.

(ii)Proposicin 12;

(iii)Proposicin 13.

(i) Cul es el mensaje del Proceso de Gram-Schmidt?


(ii) Cundo un conjunto ortonormal es una base ortonormal? (Existen diversas respuestas).
(iii) De acuerdo a la Proposicin 23, Rn y
Cn = {z = (z1 , ..., zn )/ zi es un nmero complejo, i = 1, ..., n}
son espacios isomorfos? Justifique.

6. Estudie la demostracin de los siguientes resultados (que se encuentran


en la literatura sobre anlisis funcional; ver la Bibliografa):

26

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


(i) Si X es un espacio producto interno, entonces
|hx, yi| kxk kyk , x, y X
(desigualdad de Cauchy-Schwarz).
(ii) Interprete a la desigualdad de Cauchy-Schwarz en el espacio l2 (Z) .
(iii) Pruebe a la desigualdad triangular: si x, y l2 (Z), entonces

X
nZ

|x (n) + y (n)|

! 12

X
nZ

|x (n)|

! 12

X
nZ

|y (n)|

! 12

7. Si f, g L2 (R) , x, y R, pruebe que


(i) hRx f, Ry gi = hf, Ryx gi ;

(ii) hf, Ry gi = (f ge) (y) .

8. Si x = (x1 , x2 ) , y = (y1 , y2 ) estn en R2 , se tiene hx, yi = x1 y1 + x2 y2 .

Si x, y son diferentes de cero, definimos el ngulo entre x e y va


p
hx, yi
cos =
, donde remarcamos que kxk = x21 + x22 .
kxk kyk

Dos vectores x e y en R2 son paralelos si = 0 = . Escribimos


x//y.

x e y son ortogonales o perpendiculares si = . Escribimos


2
x y.

(i) Determine si los vectores dados son ortogonales, paralelos o ninguno


de los dos casos.
x = (3, 5) , y = (6, 10) ;
x = (2, 3) , y = (6, 4)

(ii) Si x = (2, 5) , y = (, 2), determine tal que


x e y sean ortogonales;
x e y sean paralelos.

(iii) Si x 6= 0, y un vector cualquiera y


w=y
pruebe que w x.

hx, yi
x,
kxk2

1.1. ESPACIOS NORMADOS.

27

9. Con la notacin de 8, si x, y son vectores diferentes de cero, la proyeccin de y sobre x es el vector proyx y definido va
proyx y =

hx, yi
x.
kxk2

El grfico adjunto ilustra la idea de proyeccin.

(i) Si x = (1, 1) , y = (2, 3), calcule proyy x.

(ii) Si P = (2, 3) , Q = (5, 7) , R = (2, 3) y S = (1, 2), calcule

proy
RS P Q.
10. Estudie lo expuesto en los ejercicios 8 y 9 en el espacio R3 .
11. Con la notacin del ejercicio 8, pruebe:
(i) Si x 6= 0, y = x con 6= 0 constante x//y.

(ii) x y hx, yi = 0.

12. Espacios Vectoriales. Un espacio vectorial real X es un conjunto


de objetos llamados vectores, asociado con las operaciones de adicin
y de la multiplicacin por un escalar que satisface:
(i) x + y X, x, y X.

(ii) (x + y) + z = x + (y + z) , x, y, z X.

(iii) 0 X tal que x + 0 = 0 + x = x, x X. 0 =cero de X.

(iv) x X, x X tal que x + (x) = 0. x =opuesto de


X.
(v) x + y = y + x, x, y X.

28

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


(vi) Si x X, escalar, entonces x X.
(vii) (x + y) = x + y, x, y X, escalar.
(viii) ( + ) x = x + x, x X, , escalares.
(ix) (x) = () x, x X, , escalares.
(x) 1x = x, x X. 1 identidad multiplicativa.
Pruebe que:
(a) Rn = {x = (x1 , ..., xn )/ xi R, i = 1, ..., n} es un espacio vectorial.
(b) X = {0} es un espacio vectorial.
(c) X = {(x, y)/ y = mx, m real fijo, x R} es un espacio vectorial.
(X es una recta que pasa por el origen).

13. (a) X = {1} , es un espacio vectorial?


(b) X = {(x, y)/ y = 3x + 2, x R} , es un espacio vectorial? (X es
una recta que no pasa por el origen).
14. X es un espacio vectorial. H X es un subespacio vectorial (o
simplemente, subespacio) de X si:
x, y H se tiene x + y H,
x H, x H para todo escalar .
(Todo subespacio contiene al cero 0).
(i) Si X = R2 , es H = {(x, y)/ x = y} un subespacio vectorial de
R2 ?; es H = {(x, y)/ x2 + y 2 1} un subespacio vectorial de
R2 ? Justifique.
(ii) X = R3 . Pruebe que
H = {(x, y, z)/ x = at, y = bt, z = ct, a, b, c, t R}
es un subespacio de R3 . Cmo es el grfico de H?
15. Independencia Lineal. Sea X un espacio vectorial. Los vectores
x1 , x2 , ..., xn en X son linealmente independientes (l.i.), si la ecuacin
1 x1 + 2 x2 + ... + n xn = 0 implica 1 = 2 = ... = n = 0. En caso contrario diremos que x1 , x2 , ..., xn son linealmente dependientes
(l.d.).

1.1. ESPACIOS NORMADOS.

29

(i) Pruebe que x1 y x2 es un espacio vectorial X son linealmente dependientes


x1 = x2 , escalar.
Ejemplo. Determine si los vectores



1
2
0
2 , 2 , 1
3
0
7

en R3 son linealmente dependientes o linealmente independientes.


Solucin. Tenemos,


1
2
0
0
1 2 + 2 2 + 3 1 = 0 ,
3
0
7
0
que implica


1 + 22
0
21 22 + 3 = 0 ,
31 + 73
0

o sea,

= 0
1 + 22
21 22 + 3 = 0 .

31 + 73
= 0

Resolviendo el sistema, 1 = 2 = 3 = 0. Por lo tanto los vectores


dados son linealmente independientes.
(ii) En R3 , determine si los vectores

1
0
1
0 , 1 y 1
1
1
0
son l.d. l.i.

(iii) En R3 , determine si los vectores

1
3
11
3 , 0 y 6
0
4
12
son l.d. l.i.

30

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

16. Decimos que los vectores x1 , x2 , ..., xn en un espacio vectorial X generan a X si para todo x X existen escalares 1 , 2 , ..., n tal que
x = 1 x1 + 2 x2 + ... + n xn .
Ejemplo. En R3 , los vectores



1
0
0

0 , j=
1
0
i=
y k=
0
0
1
generan a R3 .

(i) Determine si los vectores




1
0
0
1 , 1 y 0
1
1
1
generan R3 .

(ii) Determine si los vectores



1
1
0
1 , 1 y 0
2
2
1
generan R3 .

17. X es un espacio vectorial y x1 , x2 , ..., xk k vectores en X. El espacio


generado por x1 , x2 , ..., xk es el conjunto
gen [x1 , x2 , ..., xk ] = {x X/ x = 1 x1 + 2 x2 + ... + k xk , 1 , 2 , k escalares}
(i) Pruebe que gen[x1 , x2 , ..., xk ] es un subespacio de X.
Ejemplo. Sean x1 = (2, 1, 4) y x2 = (4, 1, 6) dos vectores en
R3 . Determine H =gen[x1 , x2 ] .
Solucin. Por definicin,

H = x R3 x = 1 (2, 1, 4) + 2 (4, 1, 6)

1.1. ESPACIOS NORMADOS.


Si x = (w1 , w2 , w3 ) ,

31

w1 = 21 + 42
w2 = 1 + 2

w3 = 41 + 62

(*)

(*) es un sistema de ecuaciones en 1 y 2 ((w1 , w2 , w3 ) es considerado fijo).


El sistema (*) tiene una solucin solo si 5w1 2w2 3w3 = 0, que
representa un plano en R3 que pasa por el origen. Este plano es
H.
(ii) Si y e z estn en gen[x1 , x2 , ..., xk ], pruebe que y+z gen[x1 , x2 , ..., xk ],
escalar.
(iii) Si x1 = ( 1 , 2 , 3 ) y x2 = (1 , 2 , 3 ) estn en R3 y x2 = cx1 , c
constante, pruebe que gen[x1 , x2 ] es una recta que pasa por el
origen.
18. Bases y Dimensin de un Espacio Vectorial. X espacio vectorial.
El conjunto {x1 , x2 , ..., xk } de vectores en X es una base de X si:
{x1 , x2 , ..., xk } es linealmente independiente y

{x1 , x2 , ..., xk } genera X.


Ejemplo.

e1 =

1
0
0
..
.
0

, e2 =

es una base (estandar) de Rn .

0
1
0
..
.
0

, ..., en =

0
0
0
..
.
1

Ejemplo. Determine una base para los vectores que estn en el plano

= y / 2x y + 3z = 0

Solucin.
es
un plano que pasa por el origen y es un espacio vecx
torial. Si y , la idea es elegir x, z en forma arbitraria y
z

32

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


de esta manera

y = 2x + 3z. As, los vectores de tienenla forma

x
1
2x + 3z . Eligiendo x = 1, z = 0 obtendremos v1 = 2 ; si
z
0

0
x = 0, z = 1 se obtiene v2 = 3 . Desde que
1



x
1
0
2x + 3z = 2 x + 3 z
z
0
1

vemos que {v1 , v2 } genera . Adems, v1 y v2 son l.i. (ya que ninguno
es mltiplo del otro). Por lo tanto {v1 , v2 } es una base para .

(i) Determine si {1, 1} es una base para H = {(x, y) R2 / x + y = 0} .


(ii) Halle una base en R3 para el conjunto de vectores que estn en el plano
2x y z = 0.
(iii) Halle una base en R3 para el conjunto de vectores situados en la recta
x y
z
= = .
2
3
4
Dimensin de un Espacio Vectorial.
La dimensin de un espacio vectorial X, que tiene una base finita, es
el nmero de vectores que tiene cualquiera de las bases de X. En este
caso X es un espacio vectorial de dimensin finita. Por ejemplo, Rn
es un espacio de dimensin n.
19. Sea X un espacio vectorial de funciones definidas sobre R, asociado con
X
f (t) g (t).
hf, gi =
tR

Pruebe que X es un espacio producto interno.


20. Pruebe que en un espacio producto interno se tiene
|kxk kyk| kx yk .
Si x, y son vectores 6= 0, pruebe que
kx + yk = kxk + kyk y = x,
donde > 0 real.

1.2. ASPECTOS BSICOS SOBRE TOPOLOGA.

33

21. En un espacio producto interno X, pruebe que si


(i) xn 0 (cero de X), yn es acotado, entonces hxn , yn i 0.

(ii) kxn k kxk y hxn , xi hx, xi, entonces xn x.


22. Si x = (x1 , x2 , ..., xn ) Rn , pruebe que las funciones
kxk1 =

n
X
i=1

|xi | ,

kxk2 =

n
X
i=1

|xi |2

! 12

kxkp =

X
i=1

|xi |p

! p1

, 1 < p < ,

y
kxk = max |xi |
1in

son normas sobre Rn .

1.2
1.2.1

Aspectos Bsicos sobre Topologa.


Motivaciones.

La topologa general es una rama de la matemtica que hace uso frecuente


de la teora de conjuntos, en este contexto la idea de conjunto abierto es vital
(y por dualidad, lo es la idea de conjunto cerrado). En base a estas nociones
podemos dar la de funcin continua y la de convergencia. A un toplogo le
interesa las propiedades cualitativas; para l, los siguientes conjuntos son la
misma cosa.

En cambio

34

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

no son la misma cosa.


La idea es que (i) puede ser transformado en (ii), (iii) en (iv) satisfacindose las dos condiciones:
(a) la deformacin debe hacerse sin romper la figura...condicin de continuidad.
(b) dos puntos distintos no deben coincidir en la transformacin...la transformacin es biunvoca.
Por ello decimos que (i), (ii), (iii) y (iv) son figuras equivalentes o topologicamente equivalentes. (v) y (vi) no son topologicamente equivalentes.
Tampoco lo son

Observemos que en el anlisis de estas figuras, la nocin de medida o de


rea no entra en juego. La topologa (general) estudia las propiedades cualitativas. El nombre de topologa fue introducido por el matemtico Listing
en 1847. En contraste, la geometra euclidiana estudia a las magnitudes que
son invariantes cuando una figura es sometida a un movimiento. Ella es una
geometra mtrica en donde las ideas de longitud, rea, volumen,...son ideas
bsicas. En la geometra proyectiva se estudian a las propiedades que son
invariantes por proyecciones y por secciones. La topologa estudia transformaciones que son mas amplias, incluyendo a la geometra mtrica y a la
proyectiva.

1.2.2

Espacios Mtricos.

Los espacios mtricos fueron introducidos por M. Frchet en 1906 y desarrollados por F. Hausdo, entre otros matemticos de inicios del siglo XX.
Estos espacios generalizan al espacio Rn y son casos particulares de espacios
topolgicos.

1.2. ASPECTOS BSICOS SOBRE TOPOLOGA.

35

Sea M un conjunto no vaco. La funcin


d: M M R
(x, y)
7 d (x, y)
es llamada una mtrica o una distancia si d satisface:
(i) d (x, y) 0; d (x, y) = 0 x = y;
(ii) d (x, y) = d (y, x) ;
(iii) d (x, y) d (x, z) + d (z, y)...desigualdad triangular.
(M, d) es llamado un espacio mtrico.
Ejemplo 1. (Rn , d) es un espacio mtrico, donde
v
u n
uX
d (x, y) = t
(xi yi )2 , x = (x1 , ..., xn ) , y = (y1 , ..., yn ) .
i=1

Ejemplo 2. M 6= 0 es un conjunto arbitrario. Entonces (M, d) es un espacio


mtrico donde

1 ... x 6= y
d (x, y) =
0 ... x = y
Ejemplo 3. Sea f : R R una funcin estrictamente creciente. Si
d : R R R+ ; d (x, y) = |f (x) f (y)| ,
entonces (R, d) es un espacio mtrico.
Ejemplo 4. En Rn , si x = (x1 , ..., xn ) , y = (y1 , ..., yn ) consideremos las
funciones
d1 (x, y) =

n
X
i=1

|xi yi | , d2 (x, y) = sup {|xi yi |}


i

entonces (Rn , d1 ) y (Rn , d2 ) son espacios mtricos.


n
La funcin d del ejemplo 1 nos motiva
s nconsiderar la norma de x R
X
x2i donde x = (x1 , ..., xn ). Es
(longitud o valor absoluto) va, |x| =
i=1

36

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

claro que | | satisface las condiciones que definen a una norma (ver 1.1.1).
Entonces tenemos d (x, y) = |x y| .
Estudiemos Rn como un espacio mtrico.
(xk ) denota una sucesin de puntos de Rn . Si x Rn , diremos que (xk )
converge a x si d (x, xk ) 0 cuando k . Diremos que x es el punto
lmite de (xk ). Escribimos lim xk = x. Sea E un conjunto en Rn . x Rn
k

es llamado un punto lmite (o de acumulacin) de E si x es punto lmite


de alguna sucesin de puntos diferentes de E. x es punto aislado de E si
x no es lmite de cualquier sucesin en E, en donde excluimos la sucesin
(xk ) con xk = x, k. Luego, x es punto aislado de E > 0 tal que
d (x, y) > , y E, y 6= x.

Una sucesin (xk ) en Rn es llamada una sucesin de Cauchy si dado


> 0 (real), N natural tal que d (xk xj ) < para todo k, j N. Toda
sucesin de Cauchy en Rn es una sucesin convergente a un punto de Rn .
Por ello decimos que Rn es un espacio mtrico completo.
Un conjunto A A1 es llamado denso en A1 si para todo x1 A1 y
> 0, x A tal que 0 < d (x, x1 ) < . En otras palabras, A es denso en
A1 si todo punto de A1 es un punto lmite de A. Si A = A1 , A es denso en
si mismo. En R1 , los nmeros racionales es denso en los reales. El conjunto
de puntos en Rn cuyas componentes son nmeros racionales, es denso en Rn .
Asi, Rn tiene un subconjunto enumerable denso; por esto decimos que Rn es
un espacio separable.
Sea A un conjunto en Rn . El dimetro de A es definido va,
(A) = diamA = sup {d (x, y)/ x, y A} .
A es llamado acotado si (A) < 0, esto es, A es acotado si una constante
finita M tal que |x| M, x A.
La distancia entre dos conjuntos A1 y A2 se define va
d (A1 , A2 ) = inf {d (x, y)/ x A1 , y A2 } .

1.2. ASPECTOS BSICOS SOBRE TOPOLOGA.

37

Topologa de los Espacios Mtricos.


Sean x Rn , > 0 real. La bola abierta, con centro x y radio es el
conjunto
B (x, ) = {y/ d (y, x) < } .
Un punto x de un conjunto A es llamado un punto interior de A si > 0
tal que B (x, ) A. Por definicin,

A = interior de A = {x A/ x es punto interior de A} .

Un conjunto A es llamado abierto si A = A. Luego, A es un conjunto


abierto si para todo x A, > 0 tal que B (x, ) A.
Convenio: el conjunto vaco es abierto.
Rn y la bola B (x, ) son conjuntos abiertos. Un conjunto A es llamado
cerrado si su complemento CA es abierto. Luego, y Rn son conjuntos
cerrados.
Por definicin, la cerradura de A es
A = A {puntos lmites de A} .

Proposicin 1.
(i) B (x, ) = {y/ d (y, x) } (bola cerrada)
(ii) A es cerrado A = A ( A contiene a todos sus puntos lmites)
(iii) A es cerrado; A es el mas pequeo conjunto cerrado que contiene a A.

La frontera de A es definida siendo A = A A.


Proposicin 2.
(i) Si {Ai }iI es una familia de conjuntos abiertos en Rn , entonces
es un conjunto abierto.
(ii) Si A1 , ..., Am son conjuntos abiertos, entonces

m
T

Ai es abierto.

i=1

iI

Ai

38

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Por esta proposicin podemos dar la

Definicin. Rn asociado con la familia de todos sus abiertos (que satisfacen


la Proposicin 2), es llamado un espacio topolgico.
Va las leyes de Morgan,
!
!

\
[
\
[
Ai = CAi y C
Ai = CAi
C
i

se obtiene en forma equivalente la


Proposicin 20 .
(i) Si {Fi }iI es una familia de conjuntos cerrados en Rn , entonces
es un conjunto cerrado.
(ii) Si F1 , ..., Fm son conjuntos cerrados en Rn , entonces

m
S

T
Fi
i

Fi es cerra-

i=1

do. Luego, la topologa en Rn puede tambin ser introducida va los


conjuntos cerrados.
Un subconjunto A1 A es llamado relativamente abierto con respecto a A si A1 = A G para algn abierto G.

A1 es relativamente cerrado con respecto a A si A1 = A F para


algn cerrado F.

Proposicin 3. A1 A es relativamente cerrado con respecto a A A1 =


A A1 todo punto lmite de A1 , el cual est en A, est en A1 .
Conjuntos de Tipo A y A .
Sea {Ai } una familia de conjuntos. Diremos que un conjunto A es de tipo
A si A puede ser escrito como una interseccin enumerable de conjuntos Ai
s. A es de tipo A si puede ser escrito como una unin enumerable de Ai
s.
T
Asi, en Rn diremos que un conjunto H es de tipo G si H = Gk , donde
Sk
Gk es un conjunto abierto en Rn ; H es de tipo F si H = Fk , con Fk
k

cerrado.
F es un conjunto perfecto si es cerrado y denso en si mismo. Una
propiedad importante de los conjuntos perfectos es que son enumerables. Los

1.2. ASPECTOS BSICOS SOBRE TOPOLOGA.

39

conjuntos abiertos en Rn admiten descomposiciones en trminos de intervalos.


Veamos.
Caso R1 : todo conjunto abierto en R1 puede ser escrito como una unin
enumerable de intervalos abiertos disjuntos.
Caso Rn : todo abierto en Rn , n 1, pude ser escrito como una unin
enumerable de cubos (generalidades a Rn ) que a lo mas se intersectan en sus
bordes.
Una familia
C = {Ai } de conjuntos es un cubrimiento de un conjunto
S
A si A Ai . Un subcubrimiento C1 de C es un cubrimiento tal que si
i

Ai C1 , Ai C.
Un cubrimiento C es llamado un cubrimiento abierto si cada elemento
de C es abierto.
Definicin. A es un conjunto compacto si todo cubrimiento abierto de
A tiene un subcubrimiento finito.
Proposicin 4. (Teorema de Heine - Borel)
(i) A Rn es compacto A es cerrado y acotado.
(ii) A Rn es compacto toda sucesin de puntos en A tiene una subsucesin la cual converge a un punto de A.

Funciones.
Sea
f : A Rn R
x
7 f (x)
es una funcin de valor real, la que puede tomar los valores . Si |f (x)| <
+, x A, decimos que f es finita. Una funcin finita f es llamada
acotada sobre A si constante M < tal que |f (x)| M, x A.
Una sucesin (fk ) es llamada uniformemente acotada sobre A si
M < tal que |fk (x)| M, x A, k.
Soporte de f sopf = {x/ f (x) 6= 0}, donde como sabemos E es la
cerradura de E. f tiene soporte compacto si f se anula fuera de algn
conjunto acotado.

40

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

(Observe que sopf siempre es un conjunto cerrado).


Sea f definida en una vecindad de x0 Rn . Diremos que f es continua
en x0 si f (x0 ) es finita y lim f (x) = f (x0 ). Sea x0 A Rn y f definida
xx0

sobre A; diremos que f es continua en x0 relativo a A si f (x0 ) es finito y,


x0 es un punto aislado de A x0 es un punto lmite de A y lim f (x) = f (x0 ) .
xx0

Si A1 A, f es llamada continua en A1 relativo a A si f es continua


relativo a A en todo punto de A1 .
Proposicin 5. Sea A Rn un conjunto compacto; f es continua en A
relativo a A. Entonces,

(i) f es acotada sobre A sup |f (x)| < .


xA

(ii) f asume su supremo y su nfimo sobre A ( x1 , x2 A tal que f (x1 ) =


supf (x) , f (x2 ) = inf f (x)).
xA

xA

(iii) f es uniformemente continuo sobre A relativo a A (dado > 0, > 0


tal que si |x y| < , x, y A, entonces
|f (x) f (y)| <

d (f (x) , f (y)) < ).

Sea (fk ) una sucesin de funciones definidas sobre A. Decimos que (fk )
converge uniformemente a f (finito) sobre A si dado > 0, K
(natural) tal que k K se tiene d (fk (x) , f (x)) < , x A.
Proposicin 6. Sea (fk ) una sucesin de funciones definidas sobre A,
continuas en A, relativas a A, y tal que converge uniformemente, sobre A,
a f (finita). Entonces, f es continua sobre A, relativo a A.
Una transformacin T de un conjunto A Rn en Rn es la aplicacin
y = Tx

Precisemos. Si y = (y1 , ..., yn ) entonces T es identificada con el conjunto


de las funciones coordenadas yk = fk (x) , k = 1, ..., n, inducidas por T.

1.2. ASPECTOS BSICOS SOBRE TOPOLOGA.

41

Por definicin, la imagen de A bajo T es


T (A) = {y/ y = T x, algn x A} .
T es continua en x0 A (relativo a A), esto es lim T x = T x0 , cada
xx0

fk es continua en x0 (relativo a A).

Proposicin 7. Sea y = T x una transformacin de Rn , la cual es continua


en A (relativo a A). Si A es compacto, entonces T (A) es compacto.

1.2.3

Espacios Topolgicos.

Para un toplogo las dos figuras siguientes

son topolgicamente equivalentes o iguales. Porqu?... porque suponiendo que ambas figuras estn hechas de un material deformable, podramos
pasar de la figura (a) a la figura (b), y viceversa, sin romper las figuras (continuidad) ni superponer puntos (biunivocidad). En la geometra de Euclides,
las figuras geomtricas son no deformables; el aspecto cuantitativo domina
al cualitativo; la nocin de distancia entre puntos es una idea absoluta. Con
los espacios mtricos, la nocin de distancia se relativiza estos espacios estn,
de alguna manera, entre Euclides y la idea de espacio topolgico, donde lo
cualitativo es lo esencial.

Topologa y Espacios Topolgicos.


Sea X un conjunto. Una familia T de subconjuntos de X es llamada una
topologa de X si:
(i) T , X T ;
(ii) si Ui T , i I (conjunto de ndices), entonces

iI

Ui T ;

42

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

(iii) si U1 , U2 , ..., Um estn en T , entonces

iI

Ui T .

Definicin. (X, T ) es llamado un espacio topolgico. Los elementos


de X son llamados puntos y los elementos de T son llamados conjuntos
abiertos.
Corolario. La familia de conjuntos abiertos en un espacio mtrico satisfacen
los axiomas (i), (ii) y (iii). Porqu?...(ver Proposicin 2). Luego, todo
espacio mtrico es un espacio topolgico. Cmo son los conjuntos abiertos
en el espacio topolgico?
Un espacio topolgico X es llamado metrizable si en X puede ser introducida un mtrica tal que la topologa determinada por la mtrica coincide
con la topologa de X. No todo espacio topolgico es metrizable.
Ejemplos.
1. Todo espacio mtrico (M, d) es un espacio topolgico. Cmo son los
abiertos en el espacio topolgico Rn ?
2. X es un conjunto arbitrario (6= ); entonces T = {X, } es una topologa
en X, llamada topologa trivial o indiscreta. Esta es una topologa
mnima que solo tiene dos elementos.
3. X conjunto arbitrario. Entonces T P (X) = {subconjuntos de X}
es una topologa en X, llamada la topologa discreta y posee el mayor
nmero de conjuntos abiertos.
4. Sea el conjunto X = {a, b, c}. Entonces (X, T ) es un espacio topolgico,
donde
T = {, {a} , {a, b} , {a, c} , X} .
Sea (X, T ) un espacio topolgico. Decimos que F X es un conjunto
cerrado si XF es un conjunto abierto; es decir, un conjunto es cerrado (con
la topologa T ) si su complemento (respecto a X) es abierto. Por ejemplo,
en el plano R2 con la topologa como espacio mtrico, la bola (cerrada)

B ((x0 , y0 ) , r) = (x, y) R2 d ((x, y) , (x0 , y0 )) r


es un conjunto cerrado pues su complemento (respecto al plano) es abierto.

1.2. ASPECTOS BSICOS SOBRE TOPOLOGA.

43

En un espacio topolgico (X, T ), diremos que N X es una vecindad


de x N si U T tal que x U N . En R2 , la bola abierta

B ((x0 , y0 ) , r) = (x, y) R2 d ((x, y) , (x0 , y0 )) < r

es vecindad de su centro (x0 , y0 ) .

La siguiente caracterizacin es til: en un espacio topolgico, U T


x U, una vecindad N de x tal que N U .
Sea E X. Diremos que x0 X es un punto de acumulacin de E
si toda vecindad N de x0 contiene al menos un x E con x 6= x0 . En el
intervalo abierto (a, b) , a y b son puntos de acumulacin del intervalo. El
conjunto de todos los puntos de acumulacin de E, E 0 , se llama elTconjunto
derivado de E. La cerradura, E, de E es definida siendo E = Fi , donde
iI

Fi es cerrado tal que E Fi . La cerradura del intervalo (a, b) es el intervalo


cerrado [a, b]. La cerradura de B ((x0 , y0 ) , r) es B ((x0 , y0 ) , r) .
Funciones Continuas.
Sean (X, T1 ) , (Y, T2 ) dos espacios topolgicos y f : X Y una funcin.
Diremos que f es continua en x0 X si V T2 tal que f (x0 ) V, U
T1 con x0 U , tal que f (U) V.

f es continua en X si lo es en todo elemento de X.


La siguiente caracterizacin es til.
Sean (X, T1 ) y (Y, T2 ) dos espacios topolgicos, f : X Y una funcin;
entonces,
f es continua V T2 , f 1 (V ) T1 .
x0 X, vecindad V de f (x0 ) en Y , existe una
vecindad U de x0 en X tal que f (U) V.

44

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Ejemplo. Sea el espacio topolgico (X, T ), donde X = {a, b, c, d} y T =


{X, , {a} , {b} , {a, b} , {b, c, d}}. Definamos f : X X va el grfico:

Entonces: (i). f no es continua en c; (ii). f es continua en b.


Solucin.
(i). Por hiptesis f (c) = b; sea la vecindad V = {b} de b; existir una
vecindad U de c tal que f (U) V ? ... Veamos, {b, c, d} es una vecindad
de c y toda vecindad U de c es tal que {b, c, d} U. Pero, f ({b, c, d}) 6
ya que f (b) = d 6 {b}. Por tanto, la respuesta es negativa y f no es
continua en c.
(ii). f (b) = d. Si tomamos X como vecindad de d, entonces existe una
vecindad U = {b} de b tal que f (U ) X. La otra vecindad de
d es {b, c, d} y tomamos U = {b} como vecindad de b y tendremos
f (U) = f (b) = {d} V = {b, c, d} .

Homeomorfismos.
Los espacios topolgicos (X, T1 ) y (Y, T2 ) son llamados homeomorfos si
existe una biyeccin h : X Y tal que h y h1 son funciones continuas.
h es llamado un homeomorfismo.
Las figuras (a) y (b) presentadas al inicio de esta seccin, son dos figuras
homeomorfas. Asi, la idea del homeomorfismo es que transforma un espacio
en otro de un modo continuo y sin romper o doblar al espacio. Los
homeomorfismos son llamados tambin transformaciones topolgicas.
Sea S un subconjunto de un espacio topolgico (X, T ). En S se puede
introducir una topologa va la siguiente idea:
U, subconjunto de S, es un conjunto abierto en S si W T tal que
W S = U.

1.2. ASPECTOS BSICOS SOBRE TOPOLOGA.

45

En otras palabras, si j es la inyeccin cannica j : S X, j (y) = y,


entonces la familia: TS = {j 1 (W )/ W T } es una topologa en S.
(S, TS ) es llamdo un subespacio del espacio topolgico (X, T ) .

1.2.4

Qu es la Topologa?

La topologa es una rama de la matemtica que estudia la nocin de funcin


continua en su contexto mas generalizado. Los espacios topolgicos son los
universos en donde se desarrollan las ideas topolgicas. Tales espacios son
muy amplios razn por lo cual es conveniente imponer algunas condiciones
extras para aplicarlas a situaciones particulares. En la topologa surgen diferentes tipos de espacios topolgicos especiales, en funcin a tales condiciones
extras.
En la seccin 1.1. hemos presentado a los espacios normados, en particular
a los espacios de Hilbert. Ellos son casos particulares de espacios topolgicos
en el siguiente sentido.
Sea (X, k k) un espacio normado. Sea la bola (abierta) de centro x0 X
y radio r,
B (x0 , r) = {x X/ kx x0 k < r} .
Un conjunto U X es llamado abierto si para todo x U, B (x, r) tal
que B (x, r) U . La familia de todos los conjuntos abiertos, en tal sentido
es una topologa en el espacio normado X.
Conclusin: El espacio normado X es un espacio topolgico. En particular,
todo espacio de Hilbert es un espacio topolgico; todo espacio de Banach es
un espacio topolgico. An mas, el espacio de Lebesgue L2 (R) es un espacio
topolgico.
La topologa es un amplio sub-universo de la matemtica; ella influy
mucho en el desarrollo de la matemtica contempornea.

46

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Ejercicios 1.2.
1. (i). Dibuje dos figuras que sean topologicamente homeomorfas o equivalentes.
(ii). Dibuje dos figuras que no sean homeomorfas.
(iii). En su entorno fsico, puede descubrir objetos que sean homeomorfos?, que no lo sean?
(iv). Una moneda de 10 centavos y una moneda de un sol, son equivalentes topologicamente?, porqu?
2. (i). En su propia profesin (fsico, matemtico, ingeniero, economista,
... ), Ud. podra precisar algunas situaciones en donde tenga objetos
que sean homeomorfos?, qu no sean homeomorfas?
(ii). Recordando sus estudios de geometra plana, agrupe algunas figuras de modo que ellas sean homeomorfas entre si (con un poco
de paciencia, las puede encontrar)
(iii). Observemos una cmara de llanta de carro completamente inflada.
Ella es homeomorfa a una pelota de futbol, inflada tambin.
3. Pruebe que las funciones d (x, y) dadas en los ejemplos 1, 2, 3 y 4,
seccin 1.2.2; son mtricas, y que por tanto los respectivos espacios,
son espacios mtricos.
4. Dado un espacio mtrico, explique como se puede introducir una topologa
en tal espacio.
Nota. El lector es sugerido a consultar la excelente obra [BAR], seccin
8. pag. 69, para complementar el aprendizaje de algunos aspectos
bsicos de la topologa general, asi como de otros temas del anlisis
real.
5. Pruebe las frmulas dadas en las Leyes de Morgan.
6. Pruebe la proposicin 1, 1.2.2.
7. Pruebe la proposicin 2, 1.2.2.
0

8. Pruebe la proposicin 2 , 1.2.2.


9. Pruebe la proposicin 4, 1.2.2.
10. Pruebe la proposicin 5, 1.2.2.

1.2. ASPECTOS BSICOS SOBRE TOPOLOGA.

47

11. Pruebe la proposicin 6, 1.2.2.


12. Pruebe la proposicin 7, 1.2.2.
13. En los ejemplos 2, 3 y 4, 1.2.3., justifique que las respectivas familias
0
T s son en efecto topologas.
14. En el plano R2 , con la topologa de espacio mtrico, d dos ejemplos
de conjuntos abiertos y de conjuntos cerrados.
15. Cundo dos espacios topolgicos son homeomorfos?
16. Para funciones f : R R, d dos ejemplos de funciones continuas y de
dos funciones que no sean continuas. Justifique.
17. Explique como un espacio de Hilbert puede ser tambin considerado como un espacio topolgico. L2 (R), visto en 1.1., es un espacio
topolgico?, Cmo se definiran las respectivas bolas (abiertas)?; Como definira un conjunto abierto en L2 (R)?
18. Si Ud. fuera un profesional no matemtico, exponga una crtica si lo
que Ud. est aprendiendo sobre topologa (y sobre espacios normados)
le podra servir en las investigaciones tericas en su propia especialidad.
Si Ud. lee revistas especializadas en su campo de inters, los artculos
usan un lenguaje matemtico, similar al que estamos tratando? Si
la respuesta fuera negativa, cree Ud. que vale la pena cultivar un
razonamiento lgico-matemtico como el que est realizando?
19. Qu es la topologa? ... Para mayores comentarios ver, por ejemplo,
[ORT.2]. (En las bibliotecas de la PUCP, UNT y otras bibliotecas de
provincias, existe un ejemplar de esta obra).
20. Sea X 6= un conjunto arbitrario. Definamos

1 ... x 6= y
d (x, y) =
.
0 ... x = y
Pruebe que d es una mtrica.
21. Sea f : R R una funcin estrictamente creciente (si x < y entonces
f (x) < f (y)).
Definamos
d : R R
R
(x, y) d (x, y) = |f (x) f (y)|
Pruebe que d es una mtrica.

48

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

22. Sean x = (x1 , x2 , x3 ) , y = (y1 , y2 , y3 ) dos elementos cualesquiera de


R3 . Definamos
d1 (x, y) =

3
P

i=1

|xi yi |

d2 (x, y) = sup {|xi yi |} .


i=1,2,3

Pruebe que d1 y d2 son dos mtricas en R3 . Recordemos que en R3


tenemos tambin la mtrica
v
u 3
uX
d (x, y) = t
(xi yi )2
i=1

23. Sea X un conjunto infinito. Pongamos T = {, X, U / Uc es finito},


donde Uc significa el complemento de U respecto a X. Pruebe que
(X, T ) es un espacio topolgico.

0
topolgico,
y sea la aplicacin
24. Sea X un conjunto y Y, T un
espacio
0
1
f : X Y . Pruebe que T = f (V )/ V T es una topologa en
X.
25. Sean T1 y T2 dos topologas sobre un conjunto X. Pruebe que T1 T2
es una topologa en X.
26. Sea (X, T ) un espacio topolgico. Pruebe que F X es un conjunto
0
cerrado todo y F (conjunto derivado de F ), est en F . Es
0
decir, F F.
27. (X, T ) es un espacio topolgico; sea E X un conjunto. El interior

S
de E es definido siendo E = Ui , donde Ui T y Ui E.
iI

La frontera de E en X es definida siendo E = E E.

Pruebe.

(i). E es un conjunto abierto E E = .

(ii). E es un conjunto cerrado E E.

(iii). E = E E.

28. E y F son subconjuntos en un espacio topolgico (X, T ). Pruebe que:


0

(i). E F implica E F ;

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.


0

49

(ii). (E F ) = E F .
29. Sean (X, T1 ) , (Y, T
2 ) dos
espacios topolgicos. Pruebe que: f : X Y

es continua f 1 F [f 1 (F )] , para todo F Y.


30. Pruebe que la biyeccin f : X
Y , entre dos espacios topolgicos
X, Y , es un homeomorfismo f A = f (A), para todo A X.

1.3

Aspectos Bsicos Sobre Medida y la Integral.

En esta seccin vamos a considerar una idea fundamental de la matemtica:


la idea de integral. Este concepto lo hemos empleado en la Seccin 1.1.
El camino natural e histrico es el siguiente orden: la integral de Riemann,
la integral de Riemann-Stieltjes y la integral de Lebesgue. Desde que la
integral de Riemann-Stieltjes es una generalizacin natural de la de Riemann,
comenzaremos estudiando brevemente a la integral de Riemann-Stieltjes. El
lector es sugerido a consultar [BAR], [WHE-ZYG] y [ORT.1].
En su evolucin, la idea de integral est relacionada con la idea de rea
o volumen de figuras geomtricas familiares. Desde la poca de los antiguos
griegos ya tal idea estaba en gestacin. La tarea de calcular longitudes,
reas y volmenes llev de un modo natural, a fines del siglo XIX, a la
investigacin de una idea mucho mas general, a la idea de medida de
figuras mas complicadas que las familiares de la geometra bsica.

1.3.1

La Integral de Riemann-Stieltjes.

Rb
Asumimos que el lector est familiarizado con la integral de Riemann a f (x) dx
de una funcin f definida sobre el intervalo [a, b]. Esta es la integral que se
estudia en los cursos bsicos de clculo y que se utiliza en las aplicaciones
mas familiares en ingeniera, fsica y otros campos. Ahora estudiaremos una
generalizacin
de esta integral para considerar a la integral de RiemannRb
Stieltjes a f (x) (x) dx, donde (x) es una adecuada funcin, que en el
caso particular (x) = x, se obtiene a la integral de Riemann.
Sean f y dos funciones de valor real definidas sobre el intervalo cerrado
I = [a, b], tal que f y son acotadas sobre I. Una particin, P , de
I es un conjunto finito de puntos x0 , x1 , x2 , ..., xn1 , xn tal que a =

50

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

x0 < x1 < x2 < ... < xn1 < xn = b. Asi se tienen los subintervalos
[xk1 , xk ] , k = 1, 2, ..., n. El nmero
kP k = max {xi xi1 }
i=1,...,n

se llama la norma de P . Si P y Q son dos particiones de I, decimos que Q


es un refinamiento de P , que Q es mas fino que P , si todo subintervalo
en Q est contenido en algn subintervalo en P . Escribiremos P Q.
Sea P una particin de I. Una suma de Riemann-Stieltjes de f con
respecto a y la particin P (x0 , x1 , ..., xn ) es un nmero real S (P ; f, )
de la forma
n
X
f ( k ) ( (xk ) (xk1 ))
[+]
S (P ; f, ) =
k=1

donde xk1 k xk , k = 1, ..., n. En el caso (x) = x, se obtiene la suma


de Riemann
n
X
f ( k ) (xk xk1 ) .
k=1

Definicin. Decimos que f es integrable con respecto a sobre I si


existe un nmero real A tal que para todo > 0, existe una particin P de
I tal que si P es un refinamiento de P y si S (P ; f, ) es cualquier suma de
Riemann-Stieltjes correspondiente a P , entonces
|S (P ; f, ) A| < .
A es univocamente determinado y escribimos
Z b
Z b
f d =
f (t) d (t) .
A=
a

f d es llamada la integral de Riemann-Stieltjes de f con respecto


a

a sobre I = [a, b] .
Ejemplos.
Si (x) = x,

es la integral de Riemann.

f d =

f dx

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

51

Para x [a, b] , es definida siendo

0 ...
x=a
(x) =
1 ... 0 < x b
Z b
Entonces, existe
f d si y solo si f es continua en a, y se tiene
a

f d = f (a) .

Nota. Mirando [+], la definicin dada la podemos expresar en la forma,


lim S (P ; f, ) = A.

kP k0

Se tienen los siguientes resultados.


(i). Si f es continua sobre [a, b] y es continuamente diferenciable sobre
[a, b], entonces
Z b
Z b
f d =
f 0 dx.
a

En efecto, observemos que, por el teorema del valor medio,


S (P ; f, ) =

n
n
X
X
f ( k ) ( (xk ) (xk1 )) =
f ( k ) 0 ( k ) (xk xk1 ) ,
k=1

k=1

donde xk1 k , k xk . Tomando lmite de S (P ; f, ) cuando


kP k 0 y usando la continuidad uniforme de 0 , se obtiene que
Z b
lim S (P ; f, ) =
f 0 dx.
kP k0

(ii). Sea (x) una funcin escala definida sobre [a, b], esto es, si a =
x0 < x1 < ... < xn = b, entonces es constante sobre cada subintervalo (xk1 , xk ). Sean los lmites laterales, por la derecha e izquierda,
respectivamente,
(xk +) = lim+ (x) , k = 0, 1, ..., n 1
xxk

52

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


y
(xk ) = lim (x) , k = 1, ..., n;
xxk

y sean los saltos de ,


dk = (xk +) (xk ) , k = 1, ..., n 1.
d0 = (x0 +) (x0 )

dn = (xn +) (xn ) .

Si f es continua, se verifica que


Z b
n
X
f d =
f (xk ) dk .
a

k=0

(iii). (a). Si f1 y f2 son funciones integrables con respecto a sobre I,


y si r1 , r2 son nmeros reales, entonces r1 f1 + r2 f2 es integrable con
respecto a sobre I, y se tiene:
Z b
Z b
Z b
(r1 f1 + r2 f2 ) d = r1
f1 d + r2
f2 d.
a

(b). Si f es integrable con respecto a 1 y 2 sobre I y r1 , r2 son


nmeros reales, entonces f es integrable con respecto a = r1 1 +r2 2 ,
y se tiene
Z b
Z b
Z b
f d = r1
f d1 + r2
f d2 .
a

(iv). Si

f d existe y a < c < b, entonces


a

existen y se tiene
Z

f d =

(v). (Integracin por Partes). Si


Z b
df y se tiene:

f d +

f d y
a

f d tambin
c

f d.

f d existe, entonces tambin existe


a

f d = [f (b) (b) f (a) (a)]

df.

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

53

(vi). (Teorema del Valor Medio). Si f es continua sobre [a, b] y es


una funcin acotada y creciente sobre [a, b], entonces existe [a, b]
tal que
Z

f d = f () [ (b) (a)] .

(vii). Sea f continua sobre I y es montona creciente sobre I, entonces


tenemos
Z b
Z b

f d
|f | d kf k ( (b) (a)) ,

donde kf k = sup {|f (x)|} .


xI

Adems, si m f (x) M, x I, entonces


m { (b) (a)}

f d M { (b) (a)} .

(viii). Veamos la siguiente cuestin. Sea (fn ) una sucesin de funciones tal
que cada fn es integrable respecto a una funcin , montona creciente,
y tal que fn f, n , en cada punto de I; tendremos
Z

f d = lim

fn d?

(+)

Veamos el siguiente ejemplo ([BAR], pag. 286). Sea I = [0, 1] y


(x) = x (recuerde que en este caso la integral de Riemann-Stieltjes
es la integral de Riemann).
Para n 2, sea la ecuacin

n2 x
... 0 x

2
2
1
2
fn (x) =
n x
...
x

n
n
n

x1
0
...
n

54

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Observemos que, para cada n, fn tiene el siguiente grfico adjunto.

Adems,
Z

fn d =

fn (x) dx = 1

(el rea del tringulo del grfico es igual a 1); por definicin, fn f
0, n . Luego,
Z 1
Z 1
f d =
f dx = 0.
0

Conclusin:

fn d no converge a
0

f d.
0

Qu condicin extra hay que imponer para que se tenga (+)? ... la
convergencia uniforme. Al respecto se tiene el siguiente resultado.
(ix). Sea (fn ) una sucesin de funciones integrables con respecto a , una
funcin montona creciente sobre I, tal que fn converge uniformemente
a f sobre I. Entonces, f es integrable con respecto a sobre I y adems
Z b
Z b
f d = lim
fn d.
a

Para el caso particular (x) = x se tienen algunos importantes resultados, como son los siguientes.
(x). (Teorema de la Convergencia Limitada). Sea (fn ) una sucesin
de funciones integrables segn Riemann sobre I = [a, b] tal que
kfn k sup {|fn (x)|} < B, n N.
xI

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

55

Si en cada punto de I se tiene que fn f , donde f es integrable segn


Riemann, entonces
Z b
Z b
f dx = lim
fn dx.
n

(xi). (Teorema de la Convergencia Montona). Sea (fn ) una sucesin


montona de funciones integrables segn Riemann tal que, en cada
punto de I = [a, b] , fn f , donde f es una funcin integrable segn
Riemann. Entonces
Z b
Z b
f dx = lim
fn dx.
n

Volvamos a la integral de Riemann-Stieltjes. Sea C (I) el espacio de las


funciones continuas, de valor real, definidas sobre I = [a, b], en donde
consideramos la norma
kf k = sup {|f (x)|} .
xI

La funcin G : C (I) R es llamada una funcional lineal sobre C (I)


si
G (m1 f1 + m2 f2 ) = m1 G (f1 ) + m2 G (f2 ) ,
donde m1 , m2 son nmeros reales y f1 , f2 estn en C (I) .
La funcional lineal G es llamada positiva si para toda f C (I) tal
que f (x) 0, x I, se tiene G (f ) 0. Tal G es acotada si existe
una constante M tal que
|G (f )| M kf k , f C (I) .
(xii). Sea una funcin montona creciente y G : C (I) R definida va
Z b
f d, f C (I) .
G (f ) =
a

Entonces G es una funcional lineal acotada positiva sobre C (I) .


Frederic Riesz fue un famoso matemtico hngaro que contribuy al
desarrollo del anlisis funcional con profundos resultados, uno de los
cuales, puesto en el contexto de lo que estamos tratando, es el siguiente
resultado.

56

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

(xiii). (Teorema de Representacin de Riesz). Si G es una funcional


li-neal acotada positiva sobre C (I), entonces existe una funcin montona creciente sobre I tal que
Z b
G (f ) =
f d, f C (I) .
a

La demostracin de este teorema puede ser encontrada en [BAR], pag.


290; ella es un tanto elaborada pero es una buena oportunidad para
que el lector se entrene en algunas tcnicas que se usan para probar
resultados del anlisis funcional.
Remaracamos que estamos tratando a la integral de Riemann-Stieltjes,
la que es una generalizacin de la integral de Riemann. La teora de
la integral es una rea muy importante del anlisis matemtico y es
til en muchsimas aplicaciones. El lector seguramente en sus estudios
bsicos debe haber estudiado a la integral de Riemann (capaz sin saber
tal nombre) y debe recordar algunos teoremas bsicos, como el teorema
de valor medio, al teorema de diferenciacin y al teorema fundamental
del clculo. Recordemos estos resultados.
(xiv). (Primer) Teorema del Valor Medio. Sea f una funcin continua,
de valor real, definida sobre I = [a, b] y una funcin creciente sobre
I. Entonces existe un nmero c en I tal que:
Z b
Z b
f d = f (c)
d = f (c) ( (b) (a)) .
a

(xv). Teorema de Diferenciacin. Sea f continua sobre I y creciente


sobre I la que tiene derivada en un punto c en I. Entonces, la funcin
Z x
F (x) =
f d, x I,
a

tiene derivada en c y F 0 (c) = f (c) (c) .


(xvi). Teorema Fundamental del Clculo Integral. (Caso Riemann).
Sea f continua sobre I = [a, b]. Una funcin F , definida sobre I,
satisface
Z x
f, x I F 0 = f sobre I.
F (x) F (a) =
a

(xvii). (Segundo) Teorema del Valor Medio.

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

57

(a) Si f es creciente y es continua sobre I = [a, b], entonces existe


un punto c en I tal que:
Z b
Z c
Z b
f d = f (a)
d + f (b)
d.
a

(b) Si f es creciente y h es continua sobre I, entonces existe un punto


c en I tal que
Z c
Z b
Z b
f h = f (a)
h + f (b)
h.
a

(c) Si f es creciente no - negativa y h es continua sobre I, entonces


existe un punto c en I tal que
Z b
Z b
f h = f (b)
h.
a

(xviii). Integracin por Partes. Si f y g tienen derivadas continuas sobre


I = [a, b], entonces
Z

f g = f (b) g (b) f (a) g (a)

f g.

(xix) Teorema de Cambio de Variable. Sea definida sobre [c, d], de


valor real, con primera derivada continua y supongamos que a = (c) <
b = (d). Si f es continua sobre el rango de , entonces
Z

1.3.2

f (x) dx =

f [ (t)] 0 (t) dt.

La Medida de Lebesgue

El Problema de calcular el rea de figuras geomtricas bsicas, como son el


rectngulo, el tringulo, los trapecios, ... preocup a los matemticos desde la antiguedad (Egipto, Babilonia y Grecia); ya en aquellos tiempos se
encontraron frmulas para determinar reas y volmenes de ciertas figuras
y slidos geomtricos. Con el surgimiento del clculo, la idea de la integral estuvo intrnsicamente relacionada con la idea de rea y de volumen.
Con Riemann se logr una definicin de integral satisfactoria para funciones
familiares; sin embargo, aparecieron funciones nada complicadas (como la
funcin de Dirichlet, f (t) = 0 si t es irracional y f (t) = 1 si t es racional,

58

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

t [0, 1]) que no son integrables segn Riemann. El resolver esta dificultad,
y otras, fue un proceso llevado a cabo en la segunda mitad del siglo XIX y
que culmina, de algn modo, con la teora de la medida de H. Lebesgue.
La teora de la medida se funda en la longitud de un intervalo en R, en el
rea de un rectngulo, en el volumen de un paraleleppedo y asi ... para Rn .
En general, dado un conjunto X, la idea es restringirnos a una familia de
subconjuntos de X, llamada -lgebra, sobre la cual se define una medida.
El lector puede consultar [ORT. 1] para una presentacin bastante intuitiva
de medida de un conjunto y cuya exposicin es fuertemente influenciada por
el magistral libro [WHE-ZYG].
-lgebras. Sea X un conjunto y P (X) el conjunto de todos los subconjuntos de X. A P (X) es llamada una -lgebra si:
(i) y X estn en A;
(ii) si E A entonces X E A;
(iii) si E1 , E2 , ... A entonces

Ek A.

k=1

Diremos tambin que A es una familia enumerablemente aditiva de


conjuntos.
Si A fuera la familia de todos los conjuntos abiertos en Rn , A no es una
-lgebra, porqu? (se cumple (ii)?); sin embargo, tal familia engendra una
-lgebra en el siguiente sentido. Sea E P (X). Entonces la interseccin de
todas las -lgebras que contienen a E es una -lgebra (es la mas pequea
-lgebra que contiene E) y se llama la -lgebra engendrada por E, y se
denota con E . Volviendo a la familia de los conjuntos abiertos en Rn , la lgebra engendrada por esta familia se llama la -lgebra de los conjuntos
Borelianos.
Definicin. Sea A una -lgebra sobre X. Los elementos de A se llaman
conjuntos medibles y (X, A) se llama un espacio medible.
Medidas. Sea A una -lgebra sobre X. Una medida sobre A es la aplicacin
: A R+ {+}
tal que:

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

59

(i) () = 0;
(ii) Si En es una sucesin de conjuntos medibles, dos a dos disjuntos, entonces
!

[
X

En =
(En ) .
n=1

n=1

El triple (X, A, ) es llamado un espacio medida.


Ejemplos.
1. Sea X un conjunto, A es una -lgebra sobre X; a X.

1 ... si a E
a (E) =
0 ... si a
/E
es una medida, donde E A.

a es llamada la medida de Dirac.

2. X es un conjunto, A es -lgebra sobre X; E A.

nmero de elementos de E ... si E es finito


d (E) =
+
... si E es infinito
3. En R1 , una medida para un intervalo ]a, b] sobre la recta es definida
va:
(]a, b]) = b a.
Si (x) es una funcin continua de variable real x, una medida para el
intervalo ]a, b] se puede definir tambin va
Z b
(]a, b]) =
(x) dx.
a

4. Sea X = {xk } un conjunto enumerable y {rk } una sucesin de nmeros


reales no-negativos. Sea A la familia de todos los subconjuntos de X.
Definimos
X
(E) (E) =
akj
j


si E = xkj . Entonces es una medida, llamada medida discreta.

60

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Teorema. Sea (X, A, ) un espacio medida y {Ek } una sucesin de conjuntos medibles.
(a). Si Ek % E, entonces lim (Ek ) = (E)
(b). Si Ek & E y (Ek0 ) < para algn k0 , entonces lim (Ek ) =
(E) .
Presentacin Intuitiva de la Medida de Lebesgue.
La presentacin dada sobre la medida abstracta (Lebesgue) de un conjunto es
un tanto elaborada y un lector no familiarizado con este tipo de argumentos
podra perder la idea esencial de medida. Por ello presentamos el siguiente
enfoque, lo que fue enseado por el Prof. A. Zygmund en la Universidad
de Chicago (ver [WHE-ZYG]). Ello es mas intuitivo y podremos comprender
mejor la nocin de medida.

Sea E un conjunto limitado en el plano (R2 ) y sea S = {Ik } una familia


de rectngulos, laPque cubre E. Si |Ik | denota al rea del rectngulo Ik ,
pongamos |S| =
|Ik | 0. Observemos que |S| es mayor que el rea o
k

la medida de E (a ser precisada enseguida). Tomemos el inf |S|, donde el


nfimo es tomado sobre todos los cubrimientos de E.

Definicin. La medida exterior de Lebesgue de E es por definicin,


|E|e = inf |S| ,
S
donde S = {Ik } tal que E Ik .
k

Corolario. Si I es un rectngulo, l se cubre asi mismo, luego |I|e = |I|,


donde |I| denota al rea del rectngulo dado.

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

61

Definicin. Un conjunto E (en R2 ) es llamado medible segn Lebesgue


si para todo > 0, existe un conjunto abierto G tal que E G y |G E|e <
.

Si E es medible-Lebesgue, la medida de Lebesgue de E es, por definicin, |E| = |E|e .


Observemos que 0 |E|e +; en particular, 0 |E| < +.
Corolario.
(a). Todo conjunto abierto E es Lebesgue-medible (basta tomar G = E en
la definicin)
(b). Si E1 E2 , entonces |E1 |e |E2 |e .
(c). Si E1 , ..., En , ... son conjuntos medibles, entonces
bin son medibles. Si E =

En y

n=1

En , entonces |E|

n=1

n=1

En tam-

n=1

|En | .

(d). Un punto tiene medida cero; un conjunto enumerable de puntos tiene


medida cero. La frontera {a, b} del intervalo ]a, b[ tiene medida cero.
(e). Si E es medible, entonces su complemento Ec tambin es medible.
(f). Si {Ek } es una familia enumerable de conjuntos medibles disjuntos,
entonces

[ X

|Ek | .
Ek =

(g). Sean E1 y E2 dos conjuntos medibles tal que E2 E1 y |E2 | < +.


Entonces,
|E1 E2 | = |E1 | |E2 | .

62

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

1.3.3

Funciones Medibles.

Las funciones que consideramos son de valor real, y por conveniencia pueden
asumir los valores + y . Pondremos R = R {+} {}. En
este sentido, si a R entonces a = ; si a > 0, a. () = y
0. () = 0.
Definicin. Sea (X, A) un espacio medible. Entonces,
(a). La funcin f : X R es llamada medible (Lebesgue) si para todo
R,
f 1 (], +]) = {x X/ f (x) > }
est en A, es decir, f 1 (], +]) es un conjunto medible;
(b). La funcin f : X C (nmeros complejos), de la forma f = g + ih,
es llamada medible si g y h son funciones medibles.

Ejemplo. Sea la funcin caracterstica de un conjunto E, XE , definida


por:

1 ... x E
.
XE (x) =
0 ... x
/E
Si E es un conjunto medible, entonces XE es una funcin medible (porqu?).
Proposicin. Sea (X, A) un espacio medible; sean f y g funciones medibles,
entonces tambin son funciones medibles:
mf, m R;
f g;
f + = max (f, 0) , f = max (f, 0) ;

f + g;
max (f, g) , min (f, g) ;
|f | .

En un espacio medida, un conjunto medible E tiene medida cero si


(E) = 0. Diremos que una propiedad P se satisface casi en todas partes
(c.t.p.) en E con respecto a si P se satisface en E, excepto a lo mas en un
conjunto de medida cero.
Por ser de utilidad, vamos a precisar algunos tipos de convergencia de una
sucesin de funciones {fn } , n = 1, 2, ... , la que converge a una funcin f.

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

63

Convergencia Uniforme: diremos que fn f uniformemente si dado


> 0 existe un entero positivo N = N () tal que para todo n N y todo
x, se tiene
|fn (x) f (x)| < .
Convergencia Puntual (o Simple): diremos que fn f puntualmente
en X si dado > 0, existe N = N (, x) tal que n N, se tiene
|fn (x) f (x)| < .
Convergencia Puntual c.t.p.: diremos que fn f puntual c.t.p. si
fn f en todo punto x que est en el exterior de un conjunto de medida
cero.
Convergencia en Medida: dado > 0, sea el conjunto
En = {x/ |fn (x) f (x)| } ,
donde fn , n, y f son medibles (luego En es un conjunto medible, con
medida (En )).
Diremos que fn f en medida si (En ) 0, es decir, , > 0
cualesquiera, N = N (, ) tal que n N, se tiene (En ) .
Ejemplo. Sea el intervalo [0, 1] en donde consideramos la medida de Lebesgue
en R1 y consideremos la sucesin:

1 ... x [0, 1]
1 ... x 0, 12
,
f0 (x) =
,
f1 (x) =
0 ... complemento
0 ... complemento

f2 (x) =


1 ... x 12 , 1
,
0 ... complemento

f4 (x) =

1 ... x 13 , 23
,
0 ... complemento

f3 (x) =


1 ... x 0, 13
,
0 ... complemento

f5 (x) =


1 ... x 23 , 1
;
0 ... complemento

en general,

p
p
+
1

,
1 ... x
n n
,
fk (x) =

0 ... complemento

64

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

donde n es un entero tal que


n (n + 1)
n (n 1)
k
,
2
2

p=k

n (n 1)
.
2

1
0, cuando k , se tiene que
n
fk 0 en medida. Observemos que, por otra parte, {fk } no converge en
punto alguno de [0, 1] .
Veamos ahora la idea particular de funcin medible segn el enfoque
intuitivo de la medida de Lebesgue.
Desde que {x/ |fk (x)| }

Definicin. Sea f : E R2 R, f (x) +, x E, donde E es


un conjunto medible. f es una funcin medible (Lebesgue) si
E () = {x E/ f (x) > }
es un conjunto medible en R2 , para todo R.

Ejemplo. Toda funcin f : E R2 R continua, es medible. [Observe


que E () = f 1 (], [) es un conjunto abierto en R2 ya que f es continua,
y por tanto E () es medible-Lebesgue].

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

65

Teorema 2. f : E R2 R es medible una de las siguientes condiciones se satisface para todo finito:
(a). {x E/ f (x) } es medible;
(b). {x E/ f (x) < } es medible;
(c). {x E/ f (x) } es medible.
Prueba.

1
(a). {x E/ f (x) } =
x E/ f (x) >
, donde cada conn
n=1
junto en la interseccin es medible.

(b). {x E/ f (x) < } =complemento de {x E/ f (x) } (Corolario


2. (e)).
(c). {x E/ f (x) } =complemento {x E/ f (x) > }, el cual es medible (an por corolario 2. (e)).

Teorema 3. Si f y g son funciones medibles, entonces asi lo es f + g.


Prueba.
Si es finito, g es una funcin medible, luego
{x/ f (x) + g (x) > } = {x/ f (x) > g (x)}
es un conjunto medible (ya que: si f y g son medibles, entonces el conjunto
E = {x/ f (x) > g (x)} es medible). Luego, f + g es una funcin medible.

Corolario. Si f1 , f2 , ..., fn son funciones medibles y r1 , r2 , ..., rn son


n
X
nmeros reales, entonces
rk fk es una funcin medible.
k=1

Teorema 4. Sean f y g dos funciones medibles, finitas c.t.p. Entonces f g


es medible.
Prueba.

Se sabe que f 2 = = |f |2 es medible pues f lo es. Entonces, de


(f + g)2 (f g)2
fg =
4

66

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

se concluye que f g es medible.

Teorema 5. Sean f, f1 , f2 , f3 , ..., fk , ... funciones medibles y finitas c.t.p.


en E.
Si lim fk = f c.t.p. sobre E y |E| < , entonces lim fk = f en medida.
k

La clase de los conjuntos medibles segn Lebesgue es muy amplia; incluye


a los conjuntos abiertos bsicamente, asi como a otros conjuntos raros.
Sin embargo, es factible construirse conjuntos los cuales son no medibles
segn Lebesgue. Dado que una funcin medible se define en base a la idea
de conjunto medible, la clase de las funciones medibles segn Lebesgue ser
tambin una clase amplia de funciones. Esto fue un mrito de la teora general
de la medida. Ahora el paso siguiente es integrar funciones medibles, lo que
requiere de un punto de vista un tanto diferente a la usada por Riemann.
Comenzamos con la teora en Rn y luego pasamos al caso general de enfocar
la integral cuando se dispone de un espacio medida (X, A, ) .

1.3.4

La Integral de Lebesgue en Rn .

En general, la teora de funciones tuvo un gran desarrollo a fines del siglo


XIX, lo que estimulado en parte con la creacin de la teora de conjuntos
por G. Cantor y con la formulacin de la teora de la medida de conjuntos,
lo que una culminacin de un proceso en participaron notables matemticos,
entre los que mencionamos a los franceses Borel, Baire y H. Lebesgue. Ya a
mediados del siglo XIX, Dirichlet haba considerado a la funcin

1 ... si x es racional
,
f (x) =

0 ... si x es irracional

x [0, 1]. Esta funcin no es integrable segn Riemann, lo que exigi una
revisin de esta integral. Por otro lado, sea el intervalo I = [0, 1] y consideremos los nmeros racionales r1 , r2 , ..., rm en I. Definamos la sucesin
de funciones {fn (x)}, donde
fn (x) =

1 ... si x = rm , m = 1, 2, ..., n

0 ... para los dems x en I.

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

67

Observemos que, para cada n, fn (x) es integrable segn Riemann, pero


su lmite es la funcin de Dirichlet

1 ... x racional
,
f (x) =

0 ... x irracional

que como sabemos no es integrable segn Riemann. Otra dificultad en la


teora de Riemann es la siguiente. Sobre I = [0, 1], consideremos la sucesin
{fn (x)}, donde

n ... si x 0,
n
fn (x) =

0 ... otros x.
Z 1
Entonces observamos que fn (x) 0 pero
fn (x) dx = 1, para todo
0

n. Luego se tiene

lim

fn (x) dx 6=

lim fn (x) dx,

algo no deseado. La teora de la medida clarifica esas y otras situaciones.


Veamos.
Sea f una funcin (de valor real) medible, definida sobre un conjunto
medible E Rn . Consideremos primero el caso f 0.
El rea de la funcin f es definida siendo el conjunto

A (f, E) = (x, y) Rn+1 x E, 0 y f (x) .

Observemos que en esta interpretacin, el rea es un conjunto y no un


nmero.
El grfico de f es definido siendo el conjunto,

(f, E) = (x, y) Rn+1 x E, y = f (x) .

68

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Definicin. Si A (f, E) es un conjunto medible en Rn+1 , la integral de f


sobre E es por definicin: |A (f, E)|n+1 , la que denotaremos
Z
Z
f (x) dx
f.
E

Corolario. 0

Definicin. f es una funcin integrable segn Lebesgue si |A (f, E)|n+1 <


. En este caso, escribimos f L (E) .
Teorema 6. Sea f una funcin medible sobre un conjunto medible E.
Entonces, A (f, E) y (f, E) son conjuntos medibles en Rn+1 . Adems,
| (f, E)|n+1 = 0.
(Observe que el rea de la curva f (x) , x E, es cero). La prueba de
este importante resultado puede ser encontrado en [WHE-ZYG] en [ORT.
1].
Una funcin s, definida sobre Rn , es llamada simple si existe un nmero
finito de conjuntos medibles E1 , E2 , ..., En y un nmero finito de nmeros
reales 1 , 2 , ..., n , tal que
X
s (x) =
j XEj (x) .
Si s es simple, entonces existe
Z

Rn

Rn

sdx =

n
X
j |Ej | .
j=1

Nota. Remarcamos que XEj es la funcin caracterstica del conjunto Ej .


La Integral de Lebesgue sobre Espacios Medida.
La idea de medida permite generalizar la nocin de integral, dada antes, a
todas las funciones medibles dadas de un modo abstracto. Sea (X, A, ) un
espacio medida; vamos a definir la integral de funciones medibles sobre X,
de valores reales (o complejos).
Las etapas que se sigue para construir la integral (de Lebesgue) de una
funcin medible f (de valor real) son:

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

69

(i). f es una funcin simple positiva;


(ii). f es una funcin positiva;
(iii). f es una funcin arbitraria.
Veamos. Sea (X, A, ) un espacio medida y sea s una funcin simple
n
X
s (x) =
j XEj (x)
j=1

definida sobre X. Definimos la integral (de Lebesgue)


Z de s sobre X con
sd y que puede
respecto a , siendo el nmero positivo, denotado con
X

tomar el valor +, definido va:


Z

Si

n
X
sd =
j (Ej ) .
j=1

sd < , diremos que s es integrable (Lebesgue).

Si E A, definimos la integral de s sobre E va,


Z

sd =

s XE d =

n
X
j (E Ej ) .
j=1

Se tiene, para la funcin caracterstica de E,


Z
Z
d =
XE d = (E) .
E

Veamos ahora el caso de una funcin medible positiva. Sea (X, A, ) un


espacio medida y f : X R+ una funcin medible positiva. Llamamos la
integral de f respecto a la medida
Z siendo el nmero positivo (que puede
tomar el valor +) y denotado con

f d, definido va:

f d = sup

donde s es una funcin simple.

0sf

sd ,

70

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Esta definicin se sustenta en el siguiente resultado: toda funcin medible positiva, de valor real, es el lmite de una sucesin creciente de funciones
simples
Z medibles.
Si
f d < , diremos que f es integrable o sumable.
X

Si E A, definimos:

f d =

f XE d.

Tratemos ahora el caso general cuando f es una funcin (medible) arbitraria, con valores en R. La idea es usar la descomposicin f = f + f ,
donde f + y f son funciones positivas medibles, definidas va:
f + = max (f, 0)

f = max (f, 0) .

Entonces consideramos la siguiente definicin de integral.


Sea (X, A, ) un espacio medida y f : X R una funcin medible.
Diremos que f es integrable sobre un conjunto E A si
Z
Z
+
f d <
y
f d < .
E

La integral de f sobre E es definida va:


Z
Z
Z
+
f d =
f d
f d .
E

Nota. En el caso de que f asuma valores complejos, f = f1 + if2 , se tiene


la definicin
Z
Z
Z
f d =
f1 d + i f2 d .
E

f d
Cuando la medida es la medida de Lebesgue | |, la integral
E
Z
f dx. Es oportuno observar, tambin, que si
es la integral de Lebesgue
E

f fuera la funcin de Dirichlet, hemos ya mencionado que f no es integrable


segn Riemann; sin embargo, en el sentido de la integral de Lebesgue se
tiene,
Z
f dx = |Q| = 0,

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

71

donde Q es el conjunto de los nmeros racionales.


Veamos algunas propiedades de la integral.
Teorema 7. Sea (X, A, ) un espacio medida; f y g son funciones (medibles)
definidas sobre X, con valores en R+ ; E1 y E2 estn en A. Se tiene:
Z

(i). Si 0 f g, entonces 0
(ii). Si E1 E2 , entonces

f d

f d

E1

(iii). Si E1 E2 = , se tiene

E1

(iv). Si f es integrable, entonces

E1

gd;
E1

f d;
E2

f d =
E1 E2

f d +
E1

f d

E1

f d;
E2

|f | d.

Teorema 8. [Convergencia Montona]. Sea (X, A, ) un espacio medida; (fn ) es una sucesin de funciones medibles, fn : X R+ tal que
x X, n N, se tiene 0 fn (x) fn+1 (x). Entonces la funcin f ,
definida por
f (x) = lim fn (x) ,
n

es medible y positiva; adems, para todo E A se tiene


Z
Z
lim
fn d =
f d
n

Teorema 9. Sea (X, A, ) un espacio medida; f y g son funciones medibles


sobre E A. Entonces,
(i).
(ii).

f d =
E

(f + g) d =
E

f d, R.

f d +
E

gd.
E

72

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Teorema 10. Sea (X, A, ) un espacio medida y f : X R una funcin


medible. Entonces, f es integrable |f | es integrable.
Prueba.
Z
Z
+
= . Sea f integrable; entonces,
f d < y
f d < . Luego,
X

|f | d =

f + f d =

f + d +

f d < .

Por tanto, |f | es integrable.

= . Sea |f | integrable. Se tiene 0 f + |f | y 0 f |f |, luego


Z
Z
Z
Z
+

y
f d
f d
|f | d <
|f | d < .
X

Entonces,
Z

f d =

f d

f d < .

Luego, f es integrable.

Teorema 11. Sea (X, A, ) un espacio medida y f : X R+ una funcin


medible, positiva. Entonces,
Z
f d = 0 f = 0 c.t.p.
X

Al inicio de la seccin 1.1.1 hemos considerado al espacio

Z
1
L (R) = f : R R medible Lebesgue /
|f (t)| dt < ,

o an mas en general al espacio de Lebesgue

Z
p
n
n
L (R ) = f : R R medible Lebesgue /

Rn

|f (x)| dx < , 1 p < .


p

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

73

Pues bien, en el contexto de las lgebras se tiene:


Sea (X, A, ) un espacio medida. Definimos L1 (X, A, Z
) L1 (X) sien-

do el espacio vectorial de las funciones medibles f tal que


Z
|f | d es una norma en L1 (X) .
kf kL1 (X) =

|f | d < .

Observemos que si f es integrable sobre X, entonces f L1 (X) .

Teorema 12. Sea (X, A, ) un espacio medida; si fn f uniformemente


sobre E A, donde fn L1 (E) , n = 1, 2, ... y (E) < +, entonces
f L1 (E) y
Z
Z
lim
fn d =
f d.
n

Teorema 13. (Teorema Dominado de Lebesgue). Sea (X, A, ) un


espacio medida y f, g, fk , k = 1, 2, ... , son funciones medibles sobre E A
tal que |fk | g c.t.p. E y g L1 (E). Si fk f c.t.p. E, entonces
Z
Z
fk d =
f d.
lim
k

Nota. El teorema dominado de Lebesgue es uno de los resultados mas importantes en la teora de la medida de Lebesgue; ella permite intercambiar lmites
bajo ciertas condiciones, intercambio que en general no es permitido en la
teora de Riemann. Se sugiere al lector no-matemtico leer todo este conjunto de informacin sobre la medida y la integral generalizada con un sentido
crtico, Las demostraciones pueden ser encontradas en los libros sobre medida e integracin; en particular recomendamos, [WHE-ZYG], [GAS-WIT],
[ROD], [ORT. 1], entre otros libros. Para la integral de Riemann-Stieltjes ver
[BAR]. El lector no-matemtico debe tener una formacin bsica la mejor
posible para comprender lo expuesto anteriormente; en este sentido se recomienda leer algn libro sobre clculo avanzado o algn libro sobre clculo.
Como ejemplo, recomendamos [FUL].
Ejercicios 1.3
1. Hemos mencionado que la idea de integral de una funcin f definida en
un intervalo [a, b] , a y b nmeros reales, est relacionada con la idea del

74

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


rea de la regin limitada por el grfico de la funcin, por el intervalo
[a, b] y las rectas x = a, x = b. La nocin de integral vino a clarificar
el clculo de reas de regiones que no estn en aquellas consideradas
por la geometra bsica. Escriba un breve resumen de las frmulas que
nos dan las reas y los volmenes de las figuras que Ud. aprendi en
el colegio (rea del tringulo, rea del rectngulo, rea del trapecio; ...;
volumen del cono, volumen del cubo, ...).

2. Demos un crculo de radio r. Guiado por su intuicin, trate de calcular


el rea de dicho crculo. Cmo comenzara?, valdra la pena considerar polgonos regulares inscritos (y circunscritos) en la circunferencia
respectiva?; qu observa?

3. Dibuje un exgono regular; localize su centro. Qu obtiene al unir el


centro con cada uno de los vrtices del exgono?; podra hallar el rea
de cada una de las partes en que se dividi el exgono? Si suma las
reas de estas partes, a qu es igual esta suma?
4. Cmo calculara Ud. el rea de la regin mostrada en el grfico adjunto?
Ensaye algunos argumentos.

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

75

5. La Integral de Riemann.
El lector es remitido a leer el inicio de la Seccin 1.3.1 para recordar
algunas ideas. Respecto a la pregunta 4, asumamos que f : [a, b] R
sea una funcin definida y acotada en el intervalo [a, b]. Vamos a usar
una idea, debida al gran matemtico B. Riemann, para calcular el rea
de la regin punteada de la cuestin 4. Qu le sugiere las siguientes
dos figuras?

Veamos. Sea P : x0 = a < x1 < x2 < ... < xn = b una particin de


[a, b]. Sean
Mj =

sup
x[xj1 ,xj ]

{f (x)}

mj =

inf

x[xj1 ,xj ]

{f (x)} ;

formemos las sumas


n
X
mj (xj xj1 )
s (f, P ) =

j=1

n
X
S (f, P ) =
Mj (xj xj1 ) ,
j=1

donde (por supuesto) mj Mj . Por tanto, s (f, P ) S (f, P ). Si


refinramos, ms y ms, la particin P qu observara Ud. en ambas figuras con respecto a las reas sombreadas?, y ambas con respecto al rea que deseamos determinar? Si P1 y P2 son dos particiones de [a, b] tal que P2 es mas fina que P1 , llene los espacios en:
S (f, P2 ) ..... S (f, P1 ) ; s (f, P2 ) ..... s (f, P1 ). Si P1 y P2 fueran dos
particiones cualquiera de [a, b] , qu relacin existe entre s (f, P1 ) y
S (f, P2 )?
S (f, P ) se llama suma superior y s (f, P ) una suma inferior. La
integral superior de f sobre [a, b] es definida siendo
Z

b
a

f dx = inf {S (f, P )}
P

76

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


y la integral inferior es
Z

b
a

f dx = sup {s (f, P )} .
P

Complete:
Z

f dx .......
a

f dx.
a

Entonces, cmo definiramos la integral (de Riemann) de f sobre [a, b]?


.....
Definicin. Una funcin limitada f : [a, b] R es integrable si
Z

f dx =
a

f dx.
a

El valor comn es llamada la integral de f sobre [a, b]. Asi,


Z

f dx =

f dx =
a

f dx.
a

Considere a la funcin de Dirichlet

1 ... x racional
.
D (x) =
0 ... x irracional
Pruebe que D (x) no es integrable segn Riemann. (S (D, P ) =?, s (D, P ) =?) .
6. Usando la definicin de la integral de Riemann, calcule:
Z 1
Z 4
Z 6
(i)
8dx ;
(ii)
xdx ;
(iii)
x2 dx.
0

7. Sean f : [a, b] R y g : [a, b] R dos funciones limitadas e integrables. Pruebe que f + g es integrable y que:
Z

(f + g) dx =

f dx +

Use: sup (f + g) sup f + sup g

gdx.

inf (f + g) inf f + inf g

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

77

8. Sea f : [a, b] R una funcin limitada e integrable; si k es un nmero


real, pruebe que kf es integrable y se tiene
Z b
Z b
kf dx = k
f dx.
a

[Considere los casos k > 0 y k < 0; k = 0 es trivial].


9. Si f : [a, b] R y g : [a, b] R son funciones (limitadas) integrables,
pruebe que el producto f g es integrable.

(f + g)2 (f g)2 .
2
Use: si f es integrable, f tambin lo es; f g =
4
10. Si f : [a, b] R es integrable, pruebe que tambin lo es |f | .

Use: si f es integrable, f + tambin lo es; que relacin existe entre |f | ,


.
f+ y f ?
11. Sea f : [a, b] R una funcin integrable tal que f (x) 0, x [a, b].
Pruebe que
Z b
f dx 0.
a

Si g : [a, b] R fuera integrable en [a, b] y f g, pruebe que


Z

f dx

gdx.

[Observe que g f 0; use la primera parte].


12. Si f : [a, b] R es integrable, pruebe que
Z b
Z b

f dx
|f | dx.

[Use: ejercicio 10; f |f | f y ejercicio 11].

13. Sea f : [a, a] R una funcin integrable. Si f es una funcin impar


(f (x) = f (x) ; por ejemplo, f (x) = sen x), pruebe que
Z a
f dx = 0.
a

78

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Si f es una funcin par (f (x) = f (x) ; por ejemplo, f (x) = cos x),
pruebe que
Z a
Z a
f dx = 2
f dx.
a

14. Sea una funcin definida sobre [0, 1] va,

0 ... 0 x 12
(x) =

1 ... 12 < x 1 .

Pruebe que una funcin limitada f es integrable con respecto a sobre


1
[0, 1] f es continua en (por la derecha).
2
En este caso se tiene

Z 1
1
.
f d = f
2
0

15. Sea una funcin montona creciente fija y definida sobre [a, b] ; sea
f una funcin integrable, arbitraria, con respecto a sobre [a, b]. Definamos,
Z b
|f | d (ver L1 (R) en 1.1.2).
kf k1 =
a

Pruebe que se tiene:


(i) kf k1 0;

(ii) Si f (x) = 0, x [a, b], entonces kf k1 = 0


[kf k1 = 0 no necesariamente implica f = 0 en [a, b]; tome (x) =
x (integral de Riemann)].
(iii) Si k R, entonces kkf k1 = |k| kf k1 .
(iv) kf + gk1 kf k1 +kgk1 (De un modo mas general se tiene |kf k1 kgk1 |
kf gk1 kf k1 + kgk1 ).
Es decir, kf k1 es casi una norma en el espacio de las funciones
integrables respecto a una funcin montona creciente.
16. Convergencia en Media. Definicin. Sea una funcin montona
creciente sobre [a, b] y sean f, fn (n = 1, 2, 3, ...) funciones integrables
con respecto a .
Decimos que la sucesin {fn } converge en media, con respecto a ,
si kfn f k1 0, n .

1.3. ASPECTOS BSICOS SOBRE MEDIDA Y LA INTEGRAL.

79

(i) Pruebe que si {fn } f en media, entonces


Z b
Z b
fn d
f d.
a

(ii) Pruebe que si {fn } f uniformemente sobre [a, b], entonces


kfn f k1 0.

Use: kfn f k1 ( (b) (a)) kfn f k (uniformemente) .

17. Sea una funcin montona creciente, definida sobre [a, b]. Si f, g :
[a, b] R son dos funciones integrables con respecto a , se define el
producto interno de f y g va:
Z b
f (x) g (x) d (x) .
hf, gi =
a

Pruebe que:
(i) hf, fi 0;

(ii) Si f = g = 0, hf, f i = 0; (sin embargo, puede suceder que hf, f i =


0 no implique f = 0 en todo punto de [a, b]);
(iii) hf, gi = hg, f i ;

(iv) hf, g + hi = hf, gi + hf, hi ,

hf + g, hi = hf, hi + hg, hi ;

(v) hkf, gi = k hf, gi = hf, kgi .

18. Si g = f en hf, gi, obtenemos


hf, f i =

f 2 (x) d (x) .

Esto sugiere la definicin:


kf k2 =

12
|f (x)|2 d (x) .

(Ver L2 (R) en (1.1.2)) .

De esta manera, kf k22 = hf, f i. Pruebe:


(i) |hf, gi| kf k2 kgk2 desigualdad de Cauchy - Schwarz ;

(ii) kf k2 0;

(iii) Si f = 0 entonces kf k2 = 0 (puede suceder que kf k2 = 0 pero no


f = 0);

80

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


(iv) kkf k2 = |k| kf k2 ;

(v) |kf k2 kgk2 | kf gk2 kf k2 + kgk2 ;


1

(vi) kf k1 [ (b) (a)] 2 kf k2 .


Nota. Por las condiciones (ii), (iii), (iv), (v), decimos que k k2 es una
semi-norma.
19. Convergencia en la Media Cuadrada. Sean f, fn (n = 1, 2, ...)
funciones integrables, definidas sobre [a, b], con respecto a una funcin
montona creciente . Decimos que la sucesin {fn } converge en
media cuadrada (con respecto a sobre [a, b]) a f si kfn f k2 0
cuando n .
Pruebe:

(i) Si {fn } f uniformemente sobre [a, b], entonces {fn } f en


media cuadrada;
(ii) Si {fn } f en media cuadrada, entonces {fn } f en media.
20. Explique, con detalles, porqu un conjunto abierto en R3 es un conjunto
medible.
21. Segn la idea intuitiva de la medida de Lebesgue, explique porqu las
siguientes figuras geomtricas familiares (en donde estn incluidos los
puntos en la frontera)

son conjuntos medibles en el plano.


22. En el ejercicio 21, ser que las medidas de Lebesgue de tales figuras
geomtricas coinciden con las reas respectivas conocidas?
23. Pruebe cada una de las afirmaciones dadas en el corolario 2, 1.3.2.
24. Si E es un conjunto medible en la recta, pruebe que XE es una funcin
medible.
25. Pruebe el teorema 1, 1.3.3.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.81


26. Pruebe que la funcin de Dirichlet no es integrable segn Riemann,
pero si lo es segn Lebesgue.
27. Pruebe el teorema 7, 1.3.4.
28. Interprete al teorema dominado de Lebesgue (teorema 13). Porqu es
fundamental?
29. Sea f una funcin medible, de signo arbitrario, definida sobre un conjunto medible A. Pruebe que si f L (A), entonces f es finito c.t.p.
30. Va un buscador en Internet, extraiga informacin sobre la vida y obra
(con nfasis en la integral) de B. Riemann y de H. Lebesgue. Elabore
un breve informe sobre estos dos destacados matemticos.

1.4
1.4.1

Operadores y Teora Espectral en Espacios de Hilbert.


Consideraciones Generales.

En esta seccin vamos a inter-relacionar algunos aspectos vistos en las anteriores secciones. El lector, en particular los no matemticos, es invitado
a revisar las secciones 1.1, 1.2 y 1.3, con nfasis en la primera; es sugerido
a recordar lo tratado en Ejercicios 1.1. La idea de espacio vectorial, sus
resultados y temas afines deben ser bien comprendidos.
La idea de funcin se remonta a lejanos tiempos. Los antiguos babilonios
y egipcios, muchos siglos antes que la gloriosa cultura griega, ya conocan
diversas frmulas geomtricas que permitan calcular reas y volmenes. En
tales frmulas estaba implcita la idea de funcin. El rea del cuadrado
es funcin de la longitud de su lado, el rea de un tringulo es funcin de
la longitud de un lado y de la longitud de la altura respectiva, y asi para
las otras frmulas. La evolucin de la nocin de funcin fue un proceso en
que participaron diversos famosos matemticos y abarca muchos siglos de
trabajos y reflexiones.
Nuestro conocimiento del mundo fsico externo e interno a nosotros proviene
de las seales que recibimos de diferentes maneras. De algn modo una seal

82

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

es una funcin f (t), la que es procesada segn el siguiente grfico

Por razones de conveniencia, es deseable que la transformacin L sea


lineal. Los espacios X e Y son asumidos ser espacios vectoriales. En particular, es de particular importancia cuando Y es el espacio vectorial R, es decir,
L toma valores reales. Vamos a considerar espacios vectoriales de seales
(X), a los cuales dotaremos de una estructura vectorial. De esta manera
entramos a estudiar a las funcionales lineales o formas lineales. Con el objeto de que tengamos una definicin general de funcional, asumiremos que L
toma valores complejos; en casos particulares puede tomar valores reales.

1.4.2

Funcionales Lineales.

Sea X un espacio vectorial complejo y C el espacio vectorial de los nmeros


complejos. La aplicacin L : X C es llamada una funcional lineal o
forma lineal si tenemos
L (1 f1 + 2 f2 ) = 1 L (f1 ) + 2 L (f2 ) , 1 , 2 C y f1 , f2 X.
Por ejemplo, si X es un espacio pre-hilbertiano (ver 1.1.1), entonces (si
X) L definido por
L (f ) = hf, i
es una funcional lineal. Adems, si es acotada, es decir, si kk < k,
entonces L es una funcional lineal continua ya que para todo f0 X se
tiene
|L (f ) L (f0 )| = |hf, i hf0 , i| = |hf f0 , i| k kf f0 k ,
de donde se obtiene la continuidad de L .
An mas, si X fuera un espacio de Hilbert entonces toda funcional lineal
continua L sobre X es de la forma:
L (f ) = hf, i ,

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.83


donde X es nico.
Consideremos ahora al conjunto de todas las funcionales lineales, L, sobre
un espacio vectorial X, donde la adicin y el producto por un escalar se
definen puntualmente.
L es un espacio vectorial y en l se considera la norma: L L,
kLk =

sup
{L (f )} .
f X
kf k 1

Es conocido que una forma equivalente de definir kLk es


kLk = inf {k/ |L (f )| k kf k , f X} .
Si este nfimo es acotado, decimos que L es una funcional lineal acotada.
Se tiene que:
L es una funcional lineal continua L es una funcional lineal acotada.
Sea LC el subespacio de L de todas las funcionales lineales continuas
sobre un espacio de Hilbert X. LC es llamado el espacio dual de X, y se
denota con X 0 . Se sabe que X 0 es un espacio de Hilbert. En el caso particular
L (f ) = hf, i, con X, se tiene que L X 0 , y de la correspondencia
uno a uno entre los L X 0 y los X, se tiene
hL , L i = h, i0 = h, i ;
y por tanto:
1

kL k = hL , L i 2 = h, i 2 = kk .


Sea ahora {fj } una base para X (un espacio de Hilbert), entonces Lgj
es una base para X 0 , donde {gj } es la base recproca, hfj , gj i = ij . De esta
manera, si L es una funcional lineal continua sobre X, se tendr
L=

X
L (fj ) Lgj .
j

Nota. Sobre algunos espacios de Hilbert de seales (como L2 ([a, b]), en


algunas aplicaciones se consideran funcionales lineales que no son continuas
(o acotadas).
Ejemplos.

84

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


1. Sea X un espacio normado; consideramos
Lk.k: X R
x 7 kxk
es una funcional, la cual no es lineal (porqu?).

2. Sea X = R3 . Si x = (x1 , x2 , x3 ) y a = (a1 , a2 , a3 ) es fijo, consideramos


el producto interno en R3 ,
L h , i : R3
R
x 7 L (x)
donde L (x) = hx, ai = a1 x1 + a2 x2 + a3 x3 . Entonces, L es una transformacin lineal, la cual es acotada (o continua), ya que:
|L (x)| = |hx, ai| kak kxk ,
de donde kLk kak. An mas, si x = a : |L (a)| kLk kak ; luego,
kLk

kak2
|L (a)|
=
= kak .
kak
kak

Conclusin: kLk = kak .

3. Sea el espacio vectorial C [a, b] de las funciones continuas f definidas


sobre el intervalo I = [a, b], el cual es un espacio de Banach con la
norma
kf k = max {|f (x)|} .
xI

Definamos L : C [a, b] R va
Z b
f (t) dt, f C [a, b] .
L (f ) =
a

(La integral puede ser asumida en el sentido de Riemann). L es una


transformacin lineal, la cual es acotada ya que

Z b

|L (f )| = f (t) dt (b a) max |f (t)| = (b a) kf k .


a

tI

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.85


Por tanto kLk b a.

Adems, se tiene kLk = b a ya que: si f = f0 = 1,


tendremos
Z b
|L (f0 )|
kLk
dt = b a.
= |L (f0 )| =
kf0 k
a

kf0 k = 1,

Luego, kLk = b a.

4. Sea el espacio de Hilbert l2 (ver 1.1.1 (ii)). Si f = (f1 , f2 , ...) l2

X
sabemos que
|fi |2 < . Sea g = (g1 , g2 , ...) l2 fijo; entonces
i=1

definamos:

X
L (f ) =
fi gi .
i=1

Entonces, L es una transformacin lineal, absolutamente convergente


y acotada, ya que

! 12
! 12
X
X
X

= kgk kf k .
|fi |2
|gi |2
|L (f )| = fi gi (Cauchy-Schwarz)

i=1

i=1

i=1

Siendo g fijo, se tiene que L es acotada.

5. Sea

Z
X = L (R) = f medible Lebesgue/
1

|f (x)| dx < ,

el cual es un espacio de Banach. Si g es una funcin medible acotada


definida c.t.p. sobre R, definimos L va,
Z
Lf =
f (x) g (x) dx, f L1 (R) ,

donde la integral es en el sentido de Lebesgue y


Z
kf k =
|f (x)| dx.

Entonces L es una funcional lineal, la cual es acotada.

86

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

1.4.3

Operadores Lineales.

Retomemos la idea de funcin. En la matemtica bsica una funcin luce


segn el siguiente diagrama:

donde en general f est definida en un subconjunto de R, llamado el dominio


de la funcin f ; el conjunto de los valores respectivos es el rango de f . Si
en tal diagrama los R0 s son reemplazados por dos espacios vectoriales, la
aplicacin se llama un operador. El conjunto de los operadores es una
clase muy amplia de aplicaciones, por ello nos restringimos a aquella clase de
operadores que preservan las dos operaciones algebraicas de espacio vectorial.
Asi se tiene la
Definicin. Sean X e Y dos espacios vectoriales. Un operador lineal
T : X Y es un operador tal que:
(i). el dominio D (T ) de T es un subespacio vectorial de X, y el rango
R (T ) est en Y.
(Se asume que los espacios vectoriales estn sobre el mismo cuerpo, R
C);
(ii). para todo f, g D (T ) y R (escalar) se tiene
T (f + g) = T f + T g

T (f ) = T f

equivalentemente,
T (f + g) = T f + T g.
Por esto decimos que T es un homomorfismo entre X e Y.

Si T es un operador lineal, entenderemos


T : D (T ) X R (T ) Y,
T es sobre; tambin T : D (T ) Y, T es en. Si D (T ) = X, escribimos
simplemente T : X Y.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.87


Observacin. Sea T un operador lineal, si = 0, tenemos T (0f ) = 0 T f
T (0) = 0, una propiedad muy til. Pueden haber f 0 s diferentes de cero tales
que T f = 0. El conjunto de estos f 0 s se llama el espacio nulo o el ncleo
de T.
Ejemplos.
1. El operador identidad
I: X
x

X
, x X,
Ix = x

es un operador lineal.
El operador cero
0: X
x

X
, x X,
0x = 0

es un operador lineal.

2. Sea (aij ) una matriz n n; X = Rn . Definimos el operador L : Rn


Rn tal que para todo x = (x1 , ..., xn ) se le asocia T x = y = (y1 , ..., yn ),
donde
n
X
yj =
aij xi ,
j = 1, ..., n.
i=1

T es un operador lineal.

3. Sea el cuadrado unitario 0 x 1, 0 y 1 en el plano. Sea


k (x, y) una funcin continua sobre tal cuadrado y sea g (y) una funcin
continua sobre [0, 1]. Si
Z 1
f (x) =
k (x, y) g (y) dy
0

(f es continua sobre [0, 1]). Definimos T g = f. L es un operador lineal,


llamado operador integral. Una variante de este operador es como
sigue,
T : C [a, b] C [a, b]
f

T f (x) =

f (t) dt.
a

88

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


4. Sea X el espacio vectorial de todos los polinomios p (x) , x [a, b].
Definimos el operador diferenciacin,
T p (x) =

d
p (x) ,
dx

p X.

T : X X es un operador lineal. Este operador puede ser definido en


base a las primeras n derivadas de p (x) .

5. (Versin medida de 3). Sea (X, A, ) un espacio medida y h : X


X C una funcin medible tal que
Z
|h|2 d ( ) <
XX

(esto es, h L2 ()).

Si f L2 (), entonces
T f (s) =

h (s, t) f (t) d (t)

es un operador lineal.

6. Sea
T : L2 [a, b] C
f
Lf (x) = xf (x) .
T es un operador lineal, el cual es acotado. En efecto,
Z b
2
kT f k2 =
|xf (x)|2 dx (max (|a| , |b|))2 kf k22 .
a

Observemos que kT k (max (|a| , |b|)) .

Un operador lineal T : X Y es invertible si existe un operador lineal,


que denotaremos con T 1 , tal que T T 1 = T 1 T = I, donde I es el operador
identidad. Observemos que T 1 : Y X existe si T es biunvoco, es decir,
si se tiene que T f = T g ello implica f = g.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.89


Teorema 1. Sea T : X Y un operador lineal. Entonces, T 1 existe
T f = 0 implica f = 0.
Prueba.
() T 1 existe. Luego T f = 0 = T 0, de donde f = 0.
() Asumamos T f = T g, esto es T (f g) = 0; por hiptesis, f = g.
Por lo tanto existe T 1 .

1.4.4

Tipos de Operadores.

Por conveniencia en lo que sigue, a un operador lineal lo llamaremos simplemente operador. Asumimos que X = H es un espacio de Hilbert en lo
que sigue, en donde la idea de operador adjunto ser esencial.
(i). El Operador Adjunto.
Sea T : H H un operador. Se verifica que existe (ver [HAL]) un nico
operador T tal que:
hT f, gi = hf, T gi , f, g H

[+]

Adems, kT k = kT k, donde en general


kT k =

sup
kf k=kgk=1

{|hT f, gi|} .

T es llamado el operador adjunto de T . Es claro que T queda definido


por la relacin [+]. Algunas propiedades de este operador son:
T = T ;
si es un escalar, (T ) = T ;
si T1 , T2 son dos operadores, entonces
(T1 + T2 ) = T1 + T2 ,
(T1 T2 ) = T2 T1 ;
si T es invertible, entonces T tambin es invertible y se tiene:

(T )1 = T 1 .

90

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

(ii). Operador Hermitiano o Semi-Adjunto.


Un operador T : H H es llamado hermitiano o semi-adjunto si T = T.
Corolario 1.
(a). Si T1 y T2 son hermitianos y R, entonces T1 + T2 y T1 son
tambin hermitianos.
(b). Si T es un operador, entonces T T y T + T son hermitianos.
(c). Si T1 y T2 son hermitianos, entonces T1 T2 es hermitiano T1 T2 =
T2 T1 .
En efecto,
() . T1 T2 es hermitiano, luego T1 T2 = (T1 T2 ) = T2 T1 = T2 T1 .
() . T1 T2 = T2 T1 . Entonces, (T1 T2 ) = T2 T1 = T2 T1 = T1 T2 , luego
T1 T2 es hermitiano.

(d). T es hermitiano hT x, xi es un nmero real, para todo x.


En efecto,
() . T es hermitiano, luego T = T y hT f, gi = hf, T gi = hf, T gi .
En particular, tomando conjugados,
hT f, f i = hf, T f i = hf, T f i = hf, T f i = hT f, f i .
Por tanto, hT f, f i es real para todo f.
() . hT f, f i es real para todo f ; luego,
hT f, f i = hT f, f i = hf, T f i = hT f, f i ;
luego, hT f T f, f i = 0.
Ahora usamos: Sea H un espacio de Hilbert (complejo) y T :
H H es un operador tal que hT f, f i = 0, f . Entonces,
T = 0 , para obtener T f = T f , luego T es hermitiano.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.91


Teorema 2. Si T : H H es un operador hermitiano se tiene,
|hT f, f i|
.
2
kf k1 kf k

kT k = sup

Un operador hermitiano T es positivo si hT f, f i 0, f H.


Si T1 y T2 son hermitianos, diremos que T1 T2 si T2 T1 0. Si
T1 T2 y T2 T1 entonces T1 = T2 . Si T1 T2 y T2 T1 entonces
T1 = T2 .
Teorema 3. Sea T un operador arbitrario, entonces existen operadores hermitianos T1 y T2 tal que T = T1 + iT2 . Necesariamente se tiene
T1 =

1
(T + T )
2

T2 =

1
(T T ) .
2

Sea T un operador arbitrario; su mdulo |T | es definido siendo el


operador
1

|T | = (T T ) 2 .
Corolario 2. (a). |T | 0 (Observe que para todo operador T, T T 0).
(b). |T | = |T | T T = T T.
Nota. En general no se tiene
|T1 + T2 | |T1 | + |T2 |

2 0
1 1
tome T1 =
y T2 =
ni
0 0
1 1
|T1 T2 | = |T1 | |T2 |

0 1
tome T1 =
= T2 .
0 0
(iii). Operador Normal.
Un operador T es llamado normal si
T T = T T.
Corolario 3. (a). Todo operador hermitiano es normal (obvio).
(b). T es normal T es normal (pues T = T ).

92

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

(iv). Operador Unitario.


Un operador T es llamado unitario si
T T = T T = I.
En otras palabras, T es unitario si hT f, T gi = hf, gi .
Corolario 4. T es unitario T es unitario.
(v). Operador Isomtrico.
Un operador T es llamado isomtrico si
kT f T gk = kf gk , f, g H.
Corolario 5. Sea T un operador arbitrario. Entonces, T es isomtrico
T T = I hT f, T gi = hf, gi , f, g H.
Por lo tanto T es isomtrico kT f k = kf k . Por lo tanto si T es
simtrico, T es inyectivo. (Esto es, si T f = 0 entonces f = 0).
(vi). Operador Proyeccin.
Nota. Los tipos de operadores que estamos tratando aparecen en el campo
de las aplicaciones y por tanto es til que conozcamos de sus existencias y
de algunas de sus propiedades. En particular, el operador proyeccin, que
trataremos a seguir, es importante en la teora de ondculas (wavelets) pues
el espacio de Lebesgue L2 (Rn ) es descompuesto en una sucesin de subespacios cerrados, uno contenido en el siguiente. El operador proyeccin va de
L2 a cada uno de estos subespacios y se obtienen sucesivas aproximaciones
de la seal.
Definicin Previa. Sea F un subespacio cerrado de un espacio de Hilbert
H. Si f H, sabemos que f = g + h, donde g F y h F , donde F es
el conjunto de todos los elementos de H que son ortogonales a F . Definimos
PF : H F va: PF f = g.
PF se llama la proyeccin de H sobre el subespacio F.
Convendremos en escribir PF P.
Corolario 6. (a). hP f1 , f2 i = hf1 , P f2 i, esto es, P = P .
En efecto, hP f1 , f2 i = hg1 , g2 + h2 i = hg1 , g2 i + hg1 , h2 i = hg1 , g2 i
= hg1 + h1 , g2 i = hf1 , P f2 i

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.93


(b). Si g F , tenemos P g = g. Si h F , P h = 0. P es lineal.
(c). P P = P 2 = P . En efecto, si f H, P f = g F ; luego, P (P f ) =
P g = g = P f.

(d). hP f, f i = kP f k2 . En efecto, hP f, fi = hg, g + hi = hg, gi + hg, hi =


kgk2 = kP f k2 .

(e). kP f k kf k, luego kP k 1. En efecto, f = g + h; por Pitgoras


kf k2 = kgk2 + khk2 kgk2 = kP f k2 .

Ahora estamos en condiciones de dar la definicin general de operador


proyeccin, lo cual est motivado por las propiedades (a) y (c).
Definicin. El operador T : H H es llamado operador proyeccin si:

T = T = TT = T2 .

Observemos que PF es un operador proyeccin, pues cumple las condiciones de la definicin general. El recproco es cierto.

Teorema 4. Dado un operador proyeccin T , existe un y solo un subespacio


cerrado F de H tal que T = PF .
Corolario 7. (a). Todo operador proyeccin es hermitiano.
(b). Todo operador hermitiano T tal que T 2 = T T = T , es un operador
proyeccin.
La propiedad T 2 = T es llamada idempotente. Luego, P PF es un
operador idempotente y hermitiano. Adems, si F 6= dominio de P, kP k = 1.
En efecto, sabemos ya que kP k 1; si F contiene f 6= 0 tendremos P f = f ,
luego kP k = 1.
Dos operadores proyeccin T1 y T2 son ortogonales si T1 T2 = 0 = T2 T1 .
En este caso escribiremos T1 T2 . Adems se tiene, (T1 T2 ) = T2 T1 =
T2 T1 = 0.
Teorema 5. Sean T1 = PF1 y T2 = PF2 dos operadores proyeccin, entonces
T1 T2 F1 F2 .
Prueba.

94

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

. Tenemos T2 T1 = 0; si g1 F1 , g2 F2 , entonces tendremos


hg1 , g2 i = hT1 g1 , T2 g2 i = hT2 T1 g1 , g2 i = hT2 T1 g1 , g2 i = h0, g2 i = 0.
. Sea F1 F2 y f H, entonces T2 f F2 . Luego T1 T2 f = 0, f H.
Similarmente, T2 T1 f = 0, f H. Por tanto, T1 T2 .

El comportamiento de los operadores proyeccin es dada por el siguiente


resultado.
Teorema 6. Sean T1 y T2 dos operadores proyeccin en H. Entonces,
(a). T1 + T2 es un operador proyeccin T1 T2 = T2 T1 = 0 (esto es, si T1
y T2 son ortogonales).
(b). T1 T2 es un operador proyeccin T1 T2 = T2 T1
(c). T1 T2 es un operador proyeccin T2 T1 .
Prueba.

(a). . T1 + T2 es un operador proyeccin. Si T1 f = f , probemos que


T2 f = 0 pues esto implicara que T2 T1 f = T2 (T1 f ) = T2 f = 0 y por
tanto T2 T1 = 0. Analogamente, si T2 f = f se prueba que T1 f = 0. En
efecto, (es suficiente ver el primer caso), tenemos:
kf k2

((e). Corol. 6) k(T1 + T2 ) f k2 = ((d). Corol. 6)

= hf, (T1 + T2 ) f i = kT1 f k2 + kT2 f k2 = kf k2 + kT2 f k2 ;

luego, kT2 f k 0, esto es, T2 f = 0, f H, como se desea. Similar el


otro caso.
. Tenemos T1 T2 = 0 = T2 T1 , donde T1 y T2 son proyecciones. Tenemos,
(T1 + T2 ) = T1 + T2 = T1 + T2 .
Adems,
(T1 + T2 ) (T1 + T2 ) = T12 + T1 T2 + T2 T1 + T22 = T1 + T2 .
Por lo tanto T1 + T2 es un operador proyeccin.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.95


(b). Ejercicio.

(T1 T2 ) = ...

(T1 T2 ) (T1 T2 ) = ... .

(c). . Sea T1 T2 un operador proyeccin, entonces ((d). Corol. 6)


tenemos:
h(T1 T2 ) f, f i = k(T1 T2 ) f k2 0.
Luego, (T1 T2 ) f 0, f H. Por tanto, T2 T1 .

. Si T2 T1 , se sabe (respecto a los rangos) que R (T2 ) R (T1 ) y


por tanto,
T1 T2 = T2 = T2 T1 .
Es claro que (T1 T2 ) = T1 T2 ; adems,
(T1 T2 ) (T1 T2 ) = T12 2T1 T2 + T22 = T1 2T2 + T2 = T1 T2 ,
como se desea.

(vii) Operador Invariante en el Tiempo.


La teora de filtros es esencial en la teora de comunicaciones. En su desarrollo, los matemticos aplicados usaron ciertos mtodos y tcnicas en donde
estaba la idea de ondcula (wavelet). Un filtro es un ejemplo de operador
lineal, mas concretamente de operador invariante en el tiempo. Concretamente, un filtro es un operador lineal invariante en el tiempo en el
sentido siguiente: si T f (t) = g (t) entonces se tiene
T f (t t0 ) = g (t t0 ) ,
para toda seal f y toda translacin t0 .
De un modo general, un filtro acta sobre vectores entrada f ; el vector
salida g es la convolucin de f con un vector fijo h. En el caso discreto
tenemos
X
g (n) =
h (k) f (n k) = h f (n) .
k

En [STR-NGU], el lector puede encontrar una excelente presentacin sobre la teora de filtros y su relacin con las ondculas. Ah podremos apreciar
el gran valor de la teora matemtica de los filtros y bancos de filtros en
problemas concretos de la actual alta tecnologa.

96

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

(viii). Operadores de Dimensin Finita.


Sea H un espacio de Hilbert. Un operador lineal y continuo T : H H es
llamado un operador de dimensin finita si su rango R (T ) est contenido
en un espacio de dimensin finita, esto es, si dimR (T ) k < .
dimR (T ) es llamado la dimensin del operador T.
La forma general de un operador de dimensin finita est dado en el
siguiente resultado.
Teorema 7. Sean T un operador de dimensin finita y sea {ei }i=1,...,k una
base (finita) para R (T ). Entonces,
(a). T f =

k
X
i=1

hf, ei i ei , f H.

(b). La familia {ei }i=1,...,k es una base (finita) para R (T ). Luego,


dim R (T ) = dim R (T ) .

Adems, T g =

k
X
i=1

hg, ei i ei

Nota. Enfatizamos que el ncleo de un operador T : H H es el conjunto


{f H/ T f = 0} .
Los operadores de dimensin finita permiten una interesante descomposicin del espacio de Hilbert H en sumas directas. Asi se tiene el siguiente
resultado.
Teorema 8. Sea T : H H un operador tal que dimR (T ) < . Entonces,
H = R (T ) N (T ) = R (T ) N (T ) .
Sea {Tn } una sucesin de operadores de dimensin finita tal que ella
converge uniformemente; dnde est el operador lmite? ... en una clase
importante de operadores lineales: los operadores compactos.
(ix). Operadores Compactos.
Definicin. Un operador (lineal) T : H H, H un espacio de Hilbert,
es llamado un operador compacto si existe una sucesin de operadores de
dimensin finita {Tn } (asi, dim R (Tn ) < , n) tal que
lim kT Tn k = 0.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.97


En la literatura respectiva pueden encontrarse otras formas (equivalentes)
de definir a un operador compacto; asi tenemos
T : H H es llamado compacto si dada cualquier sucesin de vectores
{fn } en H tal que la sucesin {kfn k} es acotada, entonces {T fn } posee
una subsucesin convergente.
T : H H es un operador compacto si dado cualquier subconjunto
acotado F en H, entonces T (F ) es un subconjunto precompacto, donde
recordamos que un subconjunto F de un espacio topolgico X es
llamado precompacto (o condicionalmente compacto) si su cerradura
F es un conjunto compacto .
Corolario 8.
(a). Todo operador T de dimensin finita es un operador compacto (tome
Tn = T ).
(b). Si T1 y T2 son compactos y 1 , 2 son escalares, entonces 1 T1 + 2 T2
es compacto. (Ejercicio).
(c). Si (Tn ) es una sucesin de operadores compactos tal que (Tn ) T
uniformemente, entonces T es un operador compacto.
En efecto, por hiptesis, dado > 0, N = N () tal que n > N

se tiene kTn T k < . Siendo cada Tn un operador compacto, un


2

operador Tn de dimensin finita tal que kTn Tn0 k < . Luego,


2
0
0
kT Tn k kT Tn k + kTn Tn k < .
Luego, T es un operador compacto.

(d). Si T es un operador compacto y S es un operador acotado, entonces


T S y ST son operadores compactos.

En efecto, por hiptesis: kT Tn k <


, donde T es de dimensin
kSk
finita. Entonces,
kT S Tn Sk = k(T Tn ) Sk kT Tn k kSk < .
Luego T S es compacto ya que Tn S es de dimensin finita considerando
que S es acotado y dimR (Tn S) dim R (Tn ) < . Anlogo argumento
para ST.

98

CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.

Teorema 9. Un operador T es compacto el operador T es compacto.


Operadores Compactos Sobre Espacios Normados.
La idea es extender el dominio y el rango de un operador compacto a espacios
mas amplios que los espacios de Hilbert, como son los espacios de Banach. De
esta manera tales operadores actuarn sobre espacios en donde no se tenga
la estructura de producto interno.
Sean B1 y B2 dos espacios de Banach (ver 1.1.1) (o en general, dos espacios
normados).
Definicin. El operador (lineal) T : B1 B2 es llamado un operador
compacto si T aplica la bola unitaria cerrada

B (0; 1) = f B1 / kf kB1 1

en un conjunto T (B (0; 1)) B2 , cuya cerradura (en la topologa de B2 ) es


un conjunto compacto.

Equivalentemente: T : B1 B2 es un operador compacto si para cualquier


conjunto F cerrado y acotado en B1 se tiene que T (F ) es un conjunto compacto en B2 , esto es, T (F ) es cerrado y totalmente acotado con respecto a
la norma de B2 .
Nota. Debemos observar que todo operador compacto es un operador continuo, y que adems que los conjuntos compactos son acotados; por esta
razn, a veces a los operadores compactos tambin se les llaman operadores
completamente continuos. Remarcamos que un operador compacto es
continuo ya que por definicin el operador es limitado y por tanto es continuo.
An, T es un operador compacto si para toda sucesin {fn } en B1 , la
que es acotada (kfk k k, k puede ser igual a 1), entonces la sucesin {T fn }
posee una subsucesin convergente en B2 . Es claro que an se tiene,
si T es compacto, entonces T es continua o acotada;
si T1 y T2 son compactos, 1 y 2 son escalares, entonces 1 T1 + 2 T2
es compacto.
Ejemplos.
(a). Si B1 = B2 = H es un espacio de Hilbert y g, h son vectores fijos en
H, entonces el operador T f = hf, gi h es compacto, f H.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.99


En efecto, sea {fn } una sucesin en H tal que kfn k 1; entonces por
la desigualdad de Cauchy-Schwarz se tiene |hfn , gi| kgk, lo que nos
dice que hfn , gi posee una subsucesin convergente, esto es, hfnk , gi
m0 ; entonces,
T fnk = hfnk , gi h m0 h.
Luego T es un operador compacto.

(b). Sea H un espacio de Hilbert, de dimensin infinita (esto es, H posee una
base ortonormal infinita). Entonces el operador identidad I : H H
no es compacto.
En efecto, sea e1 , e2 , ..., en , ... una sucesin ortonormal en H; entonces
kIem Ien k2 = kem en k2 = 2

(por Pitgoras).

Luego {Ien } no puede poseer una subsucesin convergente.

(c). Sea B1 = B2 = C [0, 1] y k (x, y) una funcin continua sobre el cuadrado


0 x 1, 0 y 1; consideremos al operador integral
Z 1
donde
f C [0, 1] .
Af (x) =
k (x, y) f (y) dy ,
0

Entonces, A es un operador compacto.


En efecto, A es lineal. Adems,
Z 1
Z 1
|Af (x)|
|k (x, y)| |f (y)| dy max |k (x, y)|
|f (y)| dy,
0

de donde kAfk kAk kf k; luego A es un operador continuo. Veamos


ahora que A es compacto o completamente continuo. Para ello sea
{fn } una sucesin acotada en C [0, 1] y sea M una cota superior de
sus normas. Desde que k es uniformemente continua sobre el cuadrado
unitario, dado > 0, > 0 tal que si |x1 x2 | < , entonces

. Luego,
|k (x1 , y) k (x2 , y)| <
M
Z 1

Mdy = .
|Afn (x1 ) Afn (x2 )|
0 M

100 CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Luego, {Afn (x)} es una sucesin uniformemente acotada y equicontinua; entonces, por el
Teorema de Ascoli (Sea F una familia infinita de funciones uniformemente acotadas y equicontinuas, definidas sobre [a, b] , a y b
reales finitos. Entonces, de toda sucesin {fn (x)} en F es posible seleccionarse una subsucesin uniformemente convergente) se tiene que
{Afn (x)} posee una subsucesin (uniformemente) convergente. Por lo
tanto, A es un operador compacto.

1.4.5

Introduccin a la Teora Espectral.

La teora espectral para operadores lineales est relacionado con la existencia


de ciertas inversas; interesa el estudio geomtrico de tales operadores. Sea
H un espacio de Hilbert y T : H H un operador (lineal) continuo. Nos
interesa estudiar la existencia del inverso del operador (I T ), donde I es
el operador identidad y es un escalar.
En el caso que H sea un espacio de dimensin finita n (entonces H es
isomorfo con el espacio Cn ) se tiene que (I T )1 existe o no existe. En
el caso que para algn (complejo) no exista tal inverso, entonces es
llamado un valor propio de T . En este caso existir a lo mas n valores
propios. En el caso que H sea de dimensin infinita pueden haber infinitos
escalares tal que (I T )1 no existe; tal conjunto infinito de escalares
podra ser no enumerable (y tener la potencia del continuo). Si (I T )1
existe, este operador es acotado?, el rango R (I T ) es denso en H?, ...
estas cuestiones son estudiadas en la teora espectral de operadores lineales.
El Caso de Dimensin Finito.
Asumimos que el espacio de Hilbert H es de dimensin finito n. Un escalar
C es llamado un valor propio del operador T si existe un vector f 6= 0
tal que T f = f. f es llamado un vector propio correspondiente al valor
propio . (Observemos que es un valor propio de T si (T I) f = 0
(I T ) f = 0). Se tiene que el conjunto
H = {vectores propios correspondientes al valor propio }
es un subespacio de H.
El nmero k = dim H es llamado la multiplicidad del valor propio .
Definicin. El conjunto {/ es valor propio de T } es llamado el espectro
de T.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.101


Corolario. Si i 6= j son dos valores propios de un operador hermitiano
T , entonces Hi Hj .
En efecto, si f Hi , g Hj se tiene T f = i f y T g = T g = j g.

Luego, hT f, gi = hf, T gi, esto es, hi f, gi = f, j g , de donde


i hf, gi = j hf, gi

(i j ) hf, gi = 0.

Desde que i 6= j , se tiene hf, gi = 0. Por tanto, Hi Hj .

Si T es un operador hermitiano y est en el espectro de T , entonces


es un nmero real. (En efecto, hT f, f i = hf, f i = kf k2 . Luego,
hT f, f i
=
. Recordando que hT f, f i es un nmero real (corolario 1,
kf k2
1.4.4 (d)), se tiene que es un nmero real, donde f 6= 0 ).
Los subespacios propios H de H son mutuamente ortogonales y generan al espacio de Hilbert H. Asi tenemos,
H = H1 H2 ... Hm ,
con k1 + k2 + ... + km = n, donde m n.

Los valores propios pueden ser ordenados en la forma 1 < 2 < ... <
m .
Caso General.
Sea X un espacio normado sobre los nmeros complejos C y sea el operador
(lineal) T : D X D. La cuestin de encontrar escalares C tal que
exista f D, f 6= 0, tal que f satisfaga la ecuacin

(T I) f = 0
(I T ) f = 0

se llama un problema de valor propio asociado con el operador T. Cualquier


C tal que se tenga (I T ) f = 0 para cualquier f D, es llamado un
valor propio de T . El correspondiente vector f D, f 6= 0, es llamado un
vector propio de T correspondiente a .
El ncleo, N (I T ), del operador I T es llamado el subespacio
propio correspondiente al valor propio , y la dimensin de este subespacio
es llamado la multiplicidad del valor propio .
Corolario. Un escalar es un valor propio de T el ncleo N (I T )
es no - trivial, es decir, el ncleo contiene elementos diferentes del cero.

102 CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Por definicin, el conjunto resolvente de un operador T es el conjunto

(T ) = C/ existe el inverso (I T )1 , y es continuo ,

y el rango de (I T )1 es denso en H.
El conjunto de los nmeros complejos que no estn en el conjunto resolvente es llamado el espectro de T . Mas exactamente, el espectro de T es el
conjunto
(T ) = { C/ I T no es invertible} .

Corolario. C = (T ) (T ) .
Existen diversas razones por la cual el operador I T puede no ser
invertible:
(i) el operador citado no es 1-1;
(ii) puede ser 1-1 pero no es sobre, o el rango de (I T ) no es denso en
H.
Otra posibilidad es que el inverso exista pero que l no sea acotado. En
funcin a estas circunstancias se tienen distintos tipos de espectros;
espectro puntual o discreto: es el subconjunto, p (T ) de todos
los nmeros complejos 0 s para los cuales (I T ) no es 1-1, es decir,
(I T )1 no existe. Asi, p (T ) es el conjunto de todos los valores
propios de T ;
espectro residual: es el subconjunto, r (T ), de los 0 s para los cuales
(I T ) es 1-1
esto es, el rango de (I T ) no es
h pero no es sobre,
i
denso en H R (I T ) 6= H ;

espectro continuo: es el subconjunto, c (T ), de los 0 s para los


cuales (I T ) es 1-1, es sobre tiene rango denso en H, pero para los
cuales (I T )1 definido sobre su rango, no es un operador continuo
acotado.
Corolario. (T ) = p (T ) r (T ) c (T ) .
Sea B un espacio de Banach y T : B B un operador (lineal). Un
nmero complejo es llamado un valor propio aproximado de T si dado
> 0, existe un vector f B tal que kf k = 1 y k(I T ) f k < . Pongamos,
a (T ) = { C/ es un valor propio aproximado de T } .

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.103


Se tiene, a (T ) > 0, f 6= 0 tal que k(I T ) f k < kf k .
Teorema 1. Si T es un operador (lineal), entonces a (T ) (T ) .
Prueba. Es suficiente probar que si
/ (T ) entonces
/ a (T ). En
efecto, sea
/ (T ), entonces I T es invertible y

kf k = (I T )1 (I T ) f (I T )1 k(I T ) f k , f B.
Luego,

1
kf k .
k(I T ) f k
(I T )1

1
tendriamos, k(I T ) f k kf k. Luego,
Si =
/ a (T ) .
(I T )1

Teorema 2. Si T es un operador normal (T T = T T ), entonces a (T ) =


(T ), donde B = H es un espacio de Hilbert.
Prueba.
Por el teorema 1 solo queda probar, (T ) a (T ). Nuevamente, si

/ a (T ) probemos que
/ (T ). En efecto, si
/ a (T ) existe > 0 tal
que
k(I T ) gk kgk , g H.
Desde que T es normal, I T es tambin normal, pues
(I T ) (I T ) = (I T ) (I T ) ,
donde (I T ) = I T . Adems sabemos que T normal implica kT f k =
kT f k , f H. Luego se tiene


I T g kgk , g H.

Para ver que


/ (T ) debemos probar que I T es un operador invertible.
Ahora usamos el siguiente resultado un operador T es invertible R (T ) es
denso en H y existe un nmero real > 0 tal que kT f k kf k , f H.
Luego debemos ver que el rango R (I T ) es denso en H y que existe
> 0 real tal que
k(I T ) f k kf k , f H.

104 CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Bien, como
/ a (T ), existe > 0 tal que k(I T ) f k kf k , f .
Entonces basta tomar = para tener una parte de lo deseado; queda por
probar que R (I T ) es denso en H, lo que es equivalente a probar que
el complemento ortogonal de R (I T ) es el subespacio {0}. Veamos esto.
En efecto, si g R (I T ) entonces,


0 = h(I T ) f, gi = f, I T g , f H.

Luego, I T g = 0.


Pero tambin se tiene I T g kgk, de donde g = 0 como se
desea.

Teorema 3. Si (T ), entonces || kT k .
Prueba.

1
1
< 1 o an I I T <
T
Si tuvieramos || > kT k entonces

1. Ahora aplicamos el siguiente resultado:


En un espacio de Hilbert, si T es un operador tal que kI T k < 1,
1
entonces T es invertible, para concluir que el operador I T es invertible.

1
1
1
Luego
/ (T ). Pero tambin, I T = (I T ) es invertible, de donde

/ (T ), lo que es contradiccin con la hiptesis.

Corolario. (T ) es un conjunto acotado.


El Operador Resolvente.
El operador resolvente del operador T es definido siendo:
R = (I T )1 ,
donde (T ) .
Teorema 4. Sea T un operador tal que kT k < 1, entonces
1

(I T )
Prueba.

= I + T + T + ... =

X
n=0

T n.

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.105


Si T1 y T2 son dos operadores sobre un espacio de Hilbert H entonces se
tiene kT1 T2 k kT1 k kT2 k; luego kT 2 k kT k2 . En general, inductivamente,

X
n
n
kT k kT k . Por tanto, la serie
T n es convergente
n=0

X X
1

.
kT kn =
T n
n=0 n=0
1 kT k

pues

X
Llamemos S =
T n ; entonces
n=0

(I T ) S = (I T )
=

X
n=0

T =

n=0

Tn

X
n=1

X
n=0

Tn =

X
n=0

por lo tanto I T es invertible y (I T )

Tn = I

n=1

T n (I T ) = S (I T ) ,

X
=
T n.
n=0

Corolario. 1 (T ) 1
/ (T ) .
En efecto, si I T es invertible, entonces T I es invertible y por tanto
1 (T ) .

Nota. El espectro de un operador T es un subconjunto compacto en el plano


complejo.
En efecto, sabemos ya que (T ) es un conjunto acotado; se verifica que
(T ) es un conjunto abierto, luego su complemento (T ) es un conjunto
cerrado, y por tal dos condiciones, acotado y cerrado en C, (T ) es un
subconjunto compacto.
Teorema 5. Si T es un operador hermitiano (T = T ), entonces (T ) R,
donde R es el conjunto de los nmeros reales.
Prueba.
Usemos la ya conocida estrategia: si
/ R, probemos que
/ (T ).
Pero, siendo T hermitiano, T es normal y por el teorema 2, (T ) = a (T ).

106 CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Luego probemos que
/ a (T ). En efecto, para f H tenemos

0 < kf k2 = hf, fi = f, f

= h(I T ) f, f i I T f, f = |h(I T ) f, fi hf, (I T ) f i|

2 k(I T ) f k kf k .
Es decir, tenemos

1
kf k k(I T ) f k .
2

1
Por tanto, si damos = > 0 ( no es real), no va a existir un f 6= 0
2
que satisfaga k(I T ) f k < .
Por tanto
/ a (T ), como se desea probar.

El siguiente resultado permite calcular la norma de un operador hermitiano va su espectro; asi tenemos el siguiente resultado.
Teorema 6. Si T es un operador hermitiano, entonces kT k = sup {||} .
(T )

Prueba.
Pongamos = sup {||}. Sabemos que || kT k (teorema 3), por
(T )

tanto tenemos tambin kT k. Para tener la tesis, falta probar que kT k


. Para ello probemos que:
kT k2 a (T 2 ) ,

[+]

ya que si [+] fuera cierto, entonces tendramos kT k2 (T 2 ), por el teorema


1. Ahora aplicamos el siguiente resultado:
Sea T un operador y p un polinomio. Pongamos
p ( (T )) = {p ()/ (T )} .
Entonces se tiene (p (T )) p ( (T )); donde p (T ) es un polinomio en T ,
para obtener kT k2 (T 2 ) [ (T )]2 , de donde obtenemos kT k (T ).
Luego, kT k , como se deseaba.
Probemos ahora [+] .

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.107


Desde que T es hermitiano, tenemos
2

T f 2 f 2 = T 2 f 2 f, T 2 f 2 f
2

= kT 2 f k 22 kT f k2 + 4 kf k2 ,

()

f H, R.
Sea ahora una sucesin {fn } , kfn k = 1, n, tal que kT fn k kT k .
Si = kT k , () implica:

2
T fn 2 fn 2 = kT T fn k2 22 kT fn k2 + 4
(kT k kT fn k)2 22 kT fn k2 + 4
= 2 kT fn k2 22 kT fn k2 + 4
= 2 kT fn k2 + 4 .

2
Luego, si n , T 2 fn 2 fn 0 (considerando que kT fn k
kT k = ).

De esta manera, dado > 0, existe fn , kfn k = 1, tal que T 2 fn 2 fn <


. Luego, kT k2 = 2 a (T 2 ) .

108 CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


Ejercicios 1.4
1. Explique en forma concisa la idea de:
(a) funcin f : R R;

(b) funcin f : Rn Rn ;

(c) funcional lineal L : X C, X espacio vectorial;

(d) operador lineal T : X Y, X, Y espacios vectoriales.


2. Si T : H H, H espacio de Hilbert, explique cuando T es un operador:
(a) adjunto ;

(b) hermitiano ;

(c) normal ;

(d) unitario ;

(e) isomtrico ;

(f) proyeccin ;

(g) invariante en el tiempo ; (h) de dimensin finita ; (i) compacto.


3. (a) Qu es una funcional lineal acotada?;
(b) Si X es un espacio vectorial, explique en que consiste el espacio
dual X 0 ;
(c) cuando un operador (lineal) es invertible?;
(d) qu es un filtro?;
(e) cundo C es un valor propio de un operador T ?; cundo f
es un vector propio respecto al valor propio ?;
(f) en qu consiste un problema de valor propio?;
(g) en qu consiste el conjunto resolvente para T ?;
(h) explique en que consiste el espectro (T ) del operador T ;
(i) cundo es un valor propio aproximado de T ?;
(j) defina al operador resolvente asociado a T.
4. Segn el texto, complete:
(a) L es funcional lineal acotada, kLk = ;

(b) T : X Y es un operador lineal; si T f = 0 implica f = 0,


entonces
(c) T es hermitiano hT f, f i

(d) T es un operador lineal, |T | =

(e) Segn (d), siempre es cierto |T1 + T2 | |T1 | + |T2 |?

1.4. OPERADORES Y TEORA ESPECTRAL EN ESPACIOS DE HILBERT.109


(f) T1 , T2 operadores proyeccin, entonces T1 + T2 es un operador
proyeccin

(g) T es compacto T

(h) R =

X
Tn =
(i) T operador tal que kT k < 1, entonces
n=0

(j) T hermitiano, entonces kT k =

5. T, T1 y T2 son operadores sobre H. Pruebe que:


(a) T = T ;
(b) (T ) = T , escalar.
(c) (T1 + T2 ) = T1 + T2
(d) (T1 T2 ) = T2 T1

(e) (T )1 = (T 1 ) .
6. (a) T1 y T2 son hermitianos, escalar. Pruebe que T1 + T2 y T1 son
hermitianos.
(b) T es un operador. Pruebe que T T y T + T son operadores
hermitianos.
7. T : H H es hermitiano. Pruebe que
|hT f, f i|
2 .
kf k1 kf k

kT k = sup

8. T es un operador. Pruebe que: |T | = |T | T T = T T.


9. (a) Pruebe que todo operador hermitiano es normal.
(b) Pruebe que: T es normal T es normal.

(c) Pruebe que: T es unitario T es unitario.

10. (a) Pruebe que: T es isomtrico T T = I

hT f, T gi = hf, gi , f, g H.

(b) Pruebe que todo operador proyeccin es hermitiano.

110 CAPTULO 1. FUNDAMENTOS SOBRE ANALISIS FUNCIONAL.


(c) Pruebe que todo operador hermitiano T tal que T 2 = T T = T es
un operador proyeccin.
11. (a) T1 , T2 son operadores proyeccin. Pruebe que: T1 T2 es un operador
proyeccin T1 T2 = T2 T1 .
(b) T1 , T2 son compactos; 1 , 2 son escalares. Pruebe que 1 T1 +
2 T2 es compacto.
12. Explique porqu se tiene (T ) = p (T ) r (T ) c (T ) .
13. T1 y T2 son operadores isomtricos. Pruebe que T1 T2 es isomtrico.
14. Sobre Rn , pruebe que todo operador isomtrico es unitario.
15. Sean U y V dos subconjuntos de H; T es hermitiano tal que T (U) V.

Pruebe que T V U , donde en general D = {f H/ f g, g D} .

16. Decimos que el operador T1 es unitariamente equivalente al operador T2 si existe un operador unitario U tal que T2 = U T1 U. Escribimos en este caso T1 ' T2 . Pruebe que:
(a) T ' T para todo operador T ;

(b) si T1 ' T2 entonces T2 ' T1 ;

(c) si T1 ' T2 y T2 ' T3 , entonces T1 ' T3 .

(d) si T1 ' T2 entonces T1 ' T2 .

17. Sea T1 un operador proyeccin y T2 ' T1 . Pruebe que T2 es un operador


proyeccin.
18. Sea T1 normal y T2 ' T1 . Pruebe que T2 es normal.

Captulo 2
ECUACIONES
DIFERENCIALES.
2.1

Introduccin.

Las ecuaciones diferenciales es un amplio campo de la matemtica y es,


quizs, la que est mas relacionada con problemas que vienen del rea de
las aplicaciones a problemas que vienen del mundo fsico. Por ello, en el contexto de los objetivos del presente libro, no poda faltar un captulo dedicado
a presentar una visin de los mtodos de las ecuaciones diferenciales, tanto
de las ecuaciones diferenciales ordinarias como de las ecuaciones diferenciales
parciales. La creacin del clculo por Newton y Leibniz (considerando los
trabajos de sus predecesores) fue el inicio de un estudio sistemtico de esta
rea matemtica, siempre en relacin con problemas que surgan en la fsica,
en la astronoma, ... La presentacin que daremos la ubicamos en un nivel intermedio, tal como lo exige el tipo de lector al cual est dirigido esta obra. Es
recomendable una revisin, la mejor posible, de los mtodos encontrados en
los cursos de clculo integral y diferencial. Este captulo puede ser estudiado
independientemente del Captulo 1.
A manera de motivacin consideremos los siguientes ejemplos.
x

(i). Sea la funcin y = e 2 . Derivando esta funcin obtenemos y 0 =


1 x
x
e 2 . Luego, y = e 2 es una solucin de la ecuacin diferencial
2
2y 0 + y = 0.
(ii). Sea
x2

y=e

111

et dt + c1 ex .

112

CAPTULO 2. ECUACIONES DIFERENCIALES.


Derivando obtenemos,
x2

y = 1 2xe

et dt 2c1 xex .

Por lo tanto,
x2

y=e

et dt + c1 ex

es una solucin de la ecuacin diferencial y 0 + 2xy = 1. (Reemplace y e


y 0 por sus respectivas igualdades, y debe salir 1).
(iii). Consideremos la ecuacin diferencial

dy
dx

+ 2x

dy
= 2y + 1.
dx

Decimos que

x =

3
t2
2

y = t3
2

es una solucin de la ecuacin diferencial.


En efecto, tenemos
dy
=
dx

dy
dt
dx
dt

3t2
= t.
3t

Luego, la ecuacin diferencial dada es,

3 2
1
3
3
+1
t + 2 t t = 2 t
2
2

3
que es una identidad. Por tanto, x = t2 ,
2
solucin de la ecuacin dada.

2t3 = 2t3 ,
y = t3

1
es una
2

(iv). Sea la familia de rectas y = c1 x + 5. Derivando, y 0 = c1 , an,


d2 y
d2 y
y 00
=
0.
Conclusin:
= 0 es la ecuacin diferencial de la
dx2
dx2
familia de rectas y = c1 x + 5.

2.1. INTRODUCCIN.

113

(v). Obtener la ecuacin diferencial de la familia y = c1 sen wt + c2 cos wt,


en donde w es una constante que no debe eliminarse.
Solucin. Derivando y = c1 sen wt + c2 cos wt obtenemos
d2 y
= w2 (c1 sen wt + c2 cos wt) = w2 y.
dt2

dy
= c1 w cos wt c2 w sen wt ,
dt

Por tanto la ecuacin diferencial es

d2 y
+ w2 y = 0.
dt2

(vi). Hallar la ecuacin diferencial de la familia


y=

2ce2x
1 + ce2x

(*)

Solucin.
4ce2x (1 + ce2x ) 4c2 e4x
4ce2x
1 4c2 e2x
e2x
dy
=
=
=
.
.
dx
c (1 + ce2x )2 e2x
(1 + ce2x )2
(1 + ce2x )2

Observemos que y 2 =

dy
1 y2
4c2 e4x
=
;
luego,
. De (*) despedx
c e2x
(1 + ce2x )2

jamos c para obtener


c=

ye2x
2y

1
2y
= 2x .
c
ye

Por lo tanto,
dy
2 y y2
= 2x . 2x = y (2 y) .
dx ye
e
Por tanto, la ecuacin diferencial es
dy
y (2 y) = 0.
dx
(vii). Desintegracin del Radio. La ley es: la velocidad de desintegracin
es proporcional a la cantidad inicial de radio.
Supongamos que en el instante t = t0 la cantidad de radio es R0 .
Cuestin: deseamos saber la cantidad de radio que existe en el instante
posterior t.

114

CAPTULO 2. ECUACIONES DIFERENCIALES.


Solucin.
Sea R (t) la cantidad de radio en el tiempo t. Por hiptesis, la velocidad
de desintegracin es dada por

dR
= kR,
dt

()

siendo k una constante. Buscamos R que satisfaga (). Bien, sabemos


dt
dt
1
1
que
= dR , luego
=
, de donde usando la conocida frmula
dR
dR
kR
dt
1
de integracin, obtenemos t = ln R + C; despejando R se obtiene
k
R = ekt+kC = C1 ekt .
Finalmente, si C1 = R0 ekt0 se obtiene, cuando t = t0 , R = R0 , la
cantidad de radio inicial. Observemos que la cantidad de radio decrece
de modo rpido.
(viii). ([ZIL]). Desde la azotea de un edificio arrojemos hacia arriba un objeto,
el que luego cae con una aceleracin constante g. En un instante t,
la altura del objeto es s (la altura del edificio es s0 ). Luego, siendo
la aceleracin la derivada de la velocidad, y sta la derivada de la
distancia, se tiene
d2 s
= g,
dt2

(+)

donde el signo es debido a que la direccin positiva es la direccin


vertical, hacia arriba.

Por tanto, (+) es la ecuacin diferencial que proporciona la direccin


vertical recorrida por el cuerpo que cae. Supongamos que el objeto
es lanzado hacia arriba con una velocidad inicial v0 , lo que nos lleva

2.1. INTRODUCCIN.

115

a resolver el siguiente problema de valor inicial (o problema de


Cauchy):
2
ds

0 < t < t1
dt2 = g ,

s (0) = s0

ds

= v0

dt
donde t = 0 es el instante en que lanzamos el objeto hacia arriba y t1
es el tiempo transcurrido hasta que el objeto cae a tierra.

(ix). ([ALE-KOL-LAU], Vol. I.) Sobre un eje horizontal OX, un punto de


masa m se mueve en un medio resistente (agua, gas, ...) bajo la influencia de una fuerza elstica producida por dos resortes que actan
segn la ley de Hooke, la que afirma:
la fuerza elstica est dirigida hacia la posicin de equilibrio y es
proporcional a la desviacin a partir de dicha posicin de equilibrio.

Es decir, la fuerza de restitucin de un resorte estirado es proporcional a su alargamiento. Si asumimos que la posicin de equilibrio
est en el punto x = 0, la fuerza elstica es igual a bx, donde b es
una constante positiva. Por otro lado, admitimos que la resistencia
del medio es proporcional a la velocidad del movimiento, es decir, es
dx
igual a: a
, donde a es una constante positiva y donde el signo
dt
indica que la fuerza de resistencia acta en sentido contrario al del
movimiento. Ahora estamos en condiciones de aplicar la ley de Newton: (masa)(aceleracin)=suma de las fuerzas que actan sobre el
punto, para concluir que:
dx
d2 x
,
= bx a
2
dt
dt
una interesante ecuacin diferencial.
m

Si x (t) satisface a esta ecuacin, x (t) describe la posicin del punto en


movimiento en el instante t.

116

CAPTULO 2. ECUACIONES DIFERENCIALES.

(x). ([ALE-KOL-LAU], Vol. I.). El Pndulo Matemtico.


Un pndulo matemtico es un punto material de masa m y que est
suspendido en un hilo de longitud, digamos, l. Admitiremos que el
pndulo se mueve siempre sobre el plano del dibujo (adjunto). El peso
mg es la fuerza que acta sobre el punto material y tiende a llevar al
pndulo a la posicin vertical OA. La posicin del pndulo en cualquier
instante t es dada por el ngulo (ver figura).

Convendremos en considerar como direccin positiva de a la contraria


a las agujas de un reloj. Observemos que el arco AA0 = l es la
distancia recorrida por el punto material desde la posicin de equilibrio
A.
La velocidad v del movimiento tiene el valor
d
()
v=l
dt
y est dirigida segn la tangente a la circunferencia. Ahora se descompone el peso mg en las componentes P y Q, la primera en la direccin
segn la tangente al arco AA0 y la segunda en la direccin del radio
OA0 . Se observa que sola la componente P afecta al valor de la velocidad v puesto que la componente Q es contrarrestada por la resistencia
de la suspensin OA0 . P siempre acta hacia la posicin de equilibrio
A, esto es, hacia un decrecimiento de si el ngulo es positivo, y hacia
un crecimiento de cuando el ngulo es negativo.
Observemos que el valor de P es mg sen . Luego la ecuacin del
movimiento del pndulo matemtico es (por Newton, nuevamente):
m

dv
= mg sen
dt

dv
= g sen ,
dt

2.1. INTRODUCCIN.

117

y por () se tiene
g
d2
= sen ,
2
dt
l
que es la ecuacin diferencial del pndulo matemtico.
(xi). Un Circuito. Consideremos un circuito simple, que consta de un
inductor, un resistor y un capacitor.

La Segunda Ley de Kircho dice: la suma de las caidas de voltaje a


travs de cada una de las componentes del circuito es igual a la tensin
E (t) aplicada.
Si llamamos q (t) a la carga del capacitor en un instante cualquiera,
dq
. Por otro lado, se
entonces la corriente i (t) est dada por i =
dt
conoce que las caidas de voltaje son:
di
d2 q
=L 2 ;
dt
dt
1
q;
en un capacitor,
C
dq
en un resistor, iR = R
, donde L, C, R son constantes
dt
llamadas inductancia, capacitancia y resistencia respectivamente.

en un inductor, L

La cuestin es determinar q (t), lo que lleva a resolver a la siguiente


ecuacin diferencial de segundo orden:
L

d2 q
dq
1
+
R
+
q = E (t) .
dt2
dt C

[+]

Remarcamos que las condiciones iniciales q (0) y q 0 (0) representan la


carga del capacitor y la corriente en el circuito para t = 0 respectivamente.

118

CAPTULO 2. ECUACIONES DIFERENCIALES.


Observemos que la ecuacin [+] es del mismo tipo que la ecuacin
encontrada en (ix). La ecuacin [+] ha sido hallada al estudiarse las
oscilaciones elctricas en un circuito oscilante, el que consta (ver dibujo
adjunto) de un condensador de capacidad C en serie con una bobina
de inductancia L y con una resistencia R. Como hemos mencionado,
q (t) representa el voltaje o diferencia de potencial del condensador en
un instante t.

(xii). Crecimiento Poblacional. Una poblacin, con P habitantes en


un instante dado crecer de un modo proporcional a la cantidad de
habitantes que tiene en tal instante. Si indagramos por un modelo matemtico sobre el crecimiento poblacional, la respuesta sera la
ecuacin diferencial
dP
= kP ,
dt
donde k es la constante de proporcionalidad.
(xiii). En una ciudad T surge una epidemia de gripe; x (t) es el nmero de
dx
personas que han contraido el mal; entonces, la rapidez
con la cual
dt
la enfermedad se extiende no solo es proporcional al nmero de personas
x (t) que estn enfermas, sino tambin al nmero de personas y (t) que
dx
an no se han expuesto al contagio. Luego se tiene,
= kxy, donde
dt
k es la constante de proporcionalidad.
Tal ecuacin es la ecuacin diferencial asociada a tal situacin.
Los ejemplos (i) a (xiii) nos conducen a ecuaciones diferenciales ordinarias.
En el campo de las aplicaciones existen muchas otras situaciones que nos
llevan a ecuaciones en derivadas parciales.
La teora de las ecuaciones en derivadas parciales es una central parte de
la matemtica la que fue intensamente investigada en el siglo pasado. En esta
parte nos interesa los aspectos bsicos y su relacin con el campo de las aplicaciones. En el estudio del mundo fsico aparecen con frecuencia ecuaciones
diferenciales en derivadas parciales; ellas surgen en problemas relacionados
con el comportamiento de nuestro cuerpo y de nuestra mente; aparecen en el
estudio de los modelos econmicos, en la psicologa, ... Ubiqumonos en nuestro espacio ordinario R3 en donde un punto es precisado por la terna (x, y, z),
el que con frecuencia no est esttico si no en movimiento y por ello debemos
considerar a la variable tiempo t. Asi aparecen funciones u (x, y, z, t). De

2.1. INTRODUCCIN.

119

un modo general, las derivadas parciales surgen con funciones de dos o mas
variables independientes. Usaremos las notaciones:
ux

u
,
x

uxy

2u
,
xy

ut

u
, .
t

Una ecuacin en derivadas parciales (edp) es una ecuacin que contiene


derivadas parciales de u respecto a sus variables independientes.
El orden de la mas alta derivada es llamado el orden de la ecuacin diferencial. Una edp es lineal si ella es de primer grado en la variable dependiente
2
2u
2 u
y en sus derivadas parciales. Por ejemplo, si u = u (x, t) ,
=
c
es
t2
x2
una edp lineal de segundo orden.
La forma general de una edp lineal de segundo orden, en dos variables,
es:
A

2u
u
2u
u
2u
+
C
+
E
+ Fu = G
+
B
+
D
x2
xy
y 2
x
y

donde (en general) A, B, ..., G son funciones de x e y. Cuando G (x, y) = 0,


diremos que la ecuacin es homognea; caso contrario la ecuacin es no
homognea.
Un problema matemtico (pm) consiste en encontrar una funcin u,
solucin de una edp y que satisface apropiadas condiciones suplementarias.
Estas condiciones pueden ser condiciones iniciales y/o condiciones de contorno (o frontera).
Un ejemplo de pm es: encontrar una funcin u que satisfaga
ut uxx = 0 ,

0 < x < L, t > 0;

con la condicin inicial


u (x, 0) = sen x ,

0 x L;

y las condiciones de contorno


u (0, t) = 0 = u (L, t) ,

t0 .

Un pm es llamado bien puesto si se tiene:


(i) existe al menos una solucin del problema existencia;
(ii) existe a lo mas una solucin del problema unicidad y

120

CAPTULO 2. ECUACIONES DIFERENCIALES.

(iii) la solucin depende continuamente de las condiciones dadas estabilidad.


Teorema Fundamental. Si u1 y u2 son dos soluciones cualquiera de
una edp lineal homognea en alguna regin y c1 y c2 son dos constantes
arbitrarias, entonces u = c1 u1 + c2 u2 es tambin solucin de la edp dada en
aquella regin.
En la fsica-matemtica surgen tres clsicas edp lineales, de segundo orden, y son:
la ecuacin de la onda: utt c2 (uxx + uyy + uzz ) = 0 ecuacin
hiperblica.
la ecuacin del calor: ut k (uxx + uyy + uzz ) = 0 ecuacin
parablica.
la ecuacin de Laplace: uxx + uyy + uzz = 0 ecuacin elptica.
Nota. Es usual usar la notacin, u uxx + uyy + uzz .
Continuemos con los ejemplos, a manera de motivacin.
(xiv). La Cuerda Vibrante.
El problema de la cuerda vibrante es un ejemplo tpico de la fsica matemtica y fue planteado a fines del siglo XVIII. La idea es considerar una cuerda extendida entre dos puntos, digamos x = 0 y x = L,
en donde la cuerda est fija y asumimos que en su estado de reposo,
la cuerda coincide con el eje x. Asumiremos que la cuerda es flexible, esto es, ella no ofrece resistencia al ser extirada. Sea u (x, t) el
desplazamiento de la cuerda para t > 0.

Asumiremos tambin que la cuerda es homognea, esto es, su masa por


unidad de longitud es constante; adems, los desplazamientos u (x, t)
son pequeos comparados con el largo de la cuerda; tambin asumiremos que la tensin de la cuerda es constante, que la tensin es grande

2.1. INTRODUCCIN.

121

en comparacin con la fuerza de gravedad y que no actan otras fuerzas


sobre la cuerda.

Perturbemos a la cuerda, que partiendo de su estado de reposo ella


comienza a vibrar transversalmente. El objetivo ahora es estudiar estas vibraciones de la cuerda, esto es, se determinar la ecuacin del
movimiento que caracterizar a la posicin de un punto sobre la cuerda. Grafiquemos una pequea porcin de la cuerda desplazada; ella la
denotaremos con s, comprendida entre x y x + x; u (x, t) representar el desvo de la partcula en el momento t > 0. Si (x) es la
densidad lineal de masa, s es la masa existente en la porcin s de
la cuerda. T es la tensin de la cuerda en los extremos de s. Por tanto, la fuerza actuando en la direccin vertical ser: T sen T sen .
Aplicando la segunda ley de Newton (fuerza = masa . aceleracin) se
tiene
T sen T sen = (s) utt .
Desde que la pendiente de la cuerda desplazada es muy pequea, podemos asumir que s ' x, y tambin que sen ' tg y sen ' tg .
De esta forma se obtiene
tg tg =

x
utt
T

an,

ux (x + x, t) ux (x, t)
= utt .
x
T
Tomando lmite, cuando x 0, se obtiene
uxx =

utt
T

uxx

utt = 0 ,
T

122

CAPTULO 2. ECUACIONES DIFERENCIALES.


que es la ecuacin diferencial buscada y se llama la ecuacin de la
onda unidimensional.
Nota. La ecuacin encontrada es equivalente a:
T
uxx utt = 0;

si ponemos a2 =
presentada.

T
se obtendr a2 uxx utt = 0, como muchas veces es

Estamos muy cerca de encontrar un primer ejemplo de un problema


mixto: de contorno y de valor inicial. En efecto, desde que la cuerda
tiene sus extremos fijos, tendremos las condiciones de contorno
u (0, t) = 0 ,

u (L, t) = 0 para t 0.

Tambin nos interesa tener el desplazamiento inicial, u (x, 0), que asumimos ser f (x), asi como tambin tener el modo de como la cuerda es
dejada en tal posicin, ut (x, 0) que asumimos es g (x) .
Conclusin: Se tiene el problema
que satisfaga

2u 2u

a2
+ 2 =0
2

x
t

u (0, t) = 0, u (L, t) = 0

u (x, 0) = f (x) , u (x, 0) = g (x)


t

mixto, encontrar u = u (x, t) tal

0 < x < L, t > 0

()

t0

()

0 < x < L.

( )

Observemos que en ( ), si t = 0, f (x) interpreta la configuracin


inicial de cada punto de la cuerda, y g (x) la velocidad inicial de cada
punto. Por el contexto, se asume que f (x) es una funcin continua,
con f (0) = 0 y f (L) = 0.
El siguiente paso es resolver el problema () , () , ( ). Esto haremos enseguida.
(xv). Para resolver el problema en la anterior seccin usaremos el mtodo de
separacin de variables; de esta manera, asumamos que la solucin u
es de la forma
u (x, t) = X (x) T (t) ,

2.1. INTRODUCCIN.

123

la que substituida en la ecuacin de la onda nos lleva a


00

00

X 00 (x)
1 T 00 (t)
= 2
= ,
X (x)
a T (t)

X (x) T (t) = a X (x) T (t)

X (x) 6= 0,
T (t) 6= 0

lo que nos lleva a las ecuaciones diferenciales ordinarias,


X 00 (x) X (x) = 0

T 00 (t) a2 T (t) = 0 .

Considerando las condiciones de contorno () tenemos que, 0 = u (0, t) =


X (0) T (t), lo que implica X (0) = 0; anlogamente X (L) = 0. Luego,
hemos llegado al problema: resolver
X 00 (x) X (x) = 0
X (0) = 0 = X (L) .

(+)

Se analiza los casos: > 0, = 0 y < 0. Este tipo de ecuacin


estudiaremos mas tarde; por ahora aceptemos los siguientes resultados.
si > 0, la solucin de la ecuacin es de la forma

X (x) = a1 e

+ a2 e

donde a1 , a2 son constantes.


Se tiene, 0 = X (0) = a1 + a2 =

L
L
X (L) = a1 e
+ a2 e
, de donde obtenemos a1 = a2 = 0, y
por tanto X (x) = 0 es la solucin del problema (+).
si = 0, X 00 (x) = 0 implica X (x) = a1 + a2 x, de donde
0 = X (0) = a1

0 = X (L) = 0 + a2 L ,

es decir, a2 = 0 y se tiene an X (x) = 0 como la solucin de (+).


Caso < 0. Ahora la solucin de X 00 (x) + X (x) = 0 es de la
forma

X (x) = a1 cos x + a2 sen x,

de donde 0 = X (0) = a1 y 0 = X (L) = a2 sen L. Entonces, si


a2 = 0 la solucin es an X (x) = 0. Pero, si a2 6= 0 tendremos

n
sen L = 0, de donde L = n = . Luego,
L
n
X (x) = a2 sen x, n = 1, 2, ...
L
Por conveniencia escribamos, desde que el lado derecho depende
n
de n, Xn (x) = a2,n sen x.
L

124

CAPTULO 2. ECUACIONES DIFERENCIALES.


Miremos ahora a la otra ecuacin,
T 00 (t) a2 T (t) = 0,
cuya solucin general es de la forma
n
n
Tn (t) = cn cos at + dn sen at,
L
L
donde cn y dn son constantes.
Volviendo a la funcin original u (x, t) se tendr (con la nueva notacin),

n
n
n
un (x, t) = Xn (x) Tn (t) = a2,n cn cos at + a2,n dn sen at sen x.
L
L
L
Por el principio de superposicin de series, sumando obtenemos


P
P
n
n
n
u (x, t) =
a2,n cn cos at + a2,n dn sen at sen x
un (x, t) =
L
L
L
n=1
n=1
=
=

(poniendo an = a2,n cn

bn = a2,n dn


P
n
n
n
an cos at + bn sen at sen x.
L
L
L
n=1

Esta funcin u (x, t) es solucin del problema de contorno


2
2
u

2 u

=0

x2

t
u (0, t) = 0

u (L, t) = 0

Pero, an falta considerar las condiciones de valor inicial:


u (x, 0) = f (x) ,

ut (x, 0) = g (x) ,

0<x<L .

Trabajemos con tales condiciones. Diferenciemos la serie [+] respecto


a t. (Asumimos que ello es posible!). Tendremos,
ut (x, t) =

n
n
n
a an sen at + bn cos at sen x.
L
L
L
L
n=1

X
n

[+]

2.1. INTRODUCCIN.

125

De esta manera se tiene,

X
n
f (x) = u (x, 0) =
an sen x
L
n=1

g (x) = ut (x, 0) =

X
n
n
bn a sen x,
L
L
n=1

de donde (por la teora de las series de Fourier) se obtiene


Z
2 L
n
an =
f (x) sen x dx ,
L 0
L
[++]
Z L
2
n
bn =
g (x) sen x dx.
na 0
L
Conclusin: la funcin u (x, t), dada por [+], es la solucin del problema mixto () , () , ( ), donde los coeficientes de Fourier an
y bn son dados por [++].
Notas.
(a). Se observa que la solucin dada al problema mixto mencionado
requiere de algunos ajustes matemticos, pero lo presentado es la
idea a seguirse.
(b). Es oportuno remarcar como, a partir de un problema concreto,
ha surgido una serie trigonomtrica del tipo serie de Fourier ya
que sus coeficientes son de la forma [++].
(xvi). El Problema de la Membrana.
El problema de la membrana nos conducir a una edp de tipo hiperblico, como tambin lo fue en el caso de la cuerda vibrante; de algn
modo ahora trataremos una generalizacin al caso 2-dimensional de lo
hecho anteriormente. Seguimos de cerca a [MYI]. Una membrana es una
pelcula plana que no ofrece resistencia a la flexin y al desplazamiento (asi, es flexible y elstica). Adems, admitiremos solo vibraciones
transversales (asi el desplazamiento de la membrana es perpendicular
a su plano). El objetivo es estudiar y encontrar la ley matemtica (una
edp) que gobierne a tales vibraciones. Admitiremos, adems, que la

126

CAPTULO 2. ECUACIONES DIFERENCIALES.


pendiente en cualquier punto de la membrana desplazada es pequea
en comparacin con 1. Seleccionemos una pequea porcin de membrana (como la mostrada en la figura adjunta) que llamaremos dM,
y que tiene una rea aproximada igual a x.y . T representa a la
fuerza de resistencia a la tensin por unidad de longitud; asi, T x y
T y representan a las fuerzas que actuan sobre el contorno dM.

Observemos que,
T x sen T x sen + T y sen T y sen
es la fuerza resultante actuando sobre dM en la direccin vertical. Considerando que las pendientes son pequeas localmente, se tiene que
sen ' tg , y aplicando an la segunda ley de Newton, tenemos
T x (tg tg ) + T y (tg tg ) = xy utt
donde es la masa por unidad de rea. Si, x < x1 , x2 < x + x, y <
y1 , y2 < y + y entonces se tiene,
tg = uy (x1 , y) ,

tg = uy (x2 , y + y) ,

tg = ux (x, y1 )

tg = ux (x + x, y2 ).

Luego tendremos,
T x (uy (x2 , y + y) uy (x1 , y)) + T y (ux (x + x, y2 ) ux (x, y1 ))
= x.y utt .

2.1. INTRODUCCIN.

127

De esta manera,

T uy (x2 , y + y) uy (x1 , y) ux (x + x, y2 ) ux (x, y1 )


+
= utt ,

y
x
de donde tomando lmite cuando x 0, y 0, obtendremos
T
(uyy + uxx ) = utt

T
y u = uxx + uyy , a2 u = utt , que es la

ecuacin de la membrana bidimensional (una ecuacin hiperblica).


an, poniendo a2 =

(xvii). El Potencial Gravitacional.


La situacin fsica que vamos a estudiar nos conducir a un edp de
tipo elptico, las que fueron intensamente estudiadas en el siglo XX.
El problema a tratar est relacionado con el potencial de un campo
vectorial, y las ideas provienen de los trabajos de Newton, Laplace y
otros fsicos-matemticos que trabajaron en la mecnica celeste. El
operador laplaciano u = uxx + uyy + uzz mas generalmente =
ux1 x1 + ... + uxn xn jugar un rol central en los siguientes argumentos.
Sean P1 = (x, y, z) y P2 = (X, Y, Z) dos partculas de masas m1 y m2
respectivamente. Por Newton (ley de la gravitacin) tenemos
F = g

m1 m2
,
r2

q
donde r = (X x)2 + (Y y)2 + (Z z)2 , g es la constante de
gravedad, que asumimos igual a 1, y donde el signo significa que la
fuerza es hacia P1 . Asumimos que P1 est fija, de masa m y que ejerce
una fuerza de atraccin sobre P2 , que asumimos de masa 1. Entonces,
m
F = 2 .
r

128

CAPTULO 2. ECUACIONES DIFERENCIALES.


Por definicin, el potencial gravitacional V en P2 , debido a la masa
m en P1 es
Z r
m
m
.dr = .
V =

r
r

El significado del potencial gravitacional V es el trabajo de atraer una


partcula de masa 1, debido a otra partcula de masa m en P1 , desde
el infinito hasta donde est P2 . Observemos que tenemos,
m
V
= 2 = F.
r
r
Adems, desde que V es funcin de X, Y, Z, se tiene
V
V r
X x
=
=F
= F cos = Fx
X
r X
r
(Fx es la proyeccin de F sobre el eje X).
V
V
= Fy e
= Fz .
En forma similar:
Y
Z
Conclusin: V = (FX , FY , FZ ) .
Caso: Mltiples Partculas. Si en vez de una partcula P1 de masa
m tuviramos una distribucin continua de masa, de densidad (x, y, z)
contenida en un dominio D R3 , entonces el potencial gravitacional
es definido siendo
Z
Z

(x, y, z)
q
V =
dxdydz =
dxdydz,
2
2
2
D r
D
(X x) + (Y y) + (Z z)
de donde
V
=
X
V
Y
V
Z

=
=

X x (x, y, z)
dxdydz,
r
r2
Y y (x, y, z)
dxdydz y
r
r2
Z z (x, y, z)
dxdydz.
r
r2

2.1. INTRODUCCIN.
an,
2

V
=
X 2
2V
=
Y 2
2V
=
Z 2

129
Z
D

Z
D

Z
D

3 (X x)
1

3
r
r5

3 (Y y)2
1

r3
r5
3 (Z z)2
1

r3
r5

dxdydz,

dxdydz y

dxdydz.

Por lo tanto,
2V
2V
2V
+
+
= 0.
X 2 Y 2 Z 2
Es decir, la distribucin continua de masa satisface a la ecuacin de
Laplace V = 0. Por esto se dice que el potencial V es una funcin
armnica.
Nota. Existen otros tipos de potenciales, como son el potencial electrosttico, el potencial armnico, el potencial hidrodinmico, Existe
la teora del potencial, el que es un captulo del anlisis matemtico y
es relacionado al anlisis armnico.
(xviii). El Laplaciano u en otras coordenadas.
La teora del potencial es el estudio de la teora de las soluciones
de la ecuacin de Laplace u = 0; u es una funcin armnica si
ella es solucin de la ecuacin de Laplace y tiene derivadas parciales
hasta de segundo orden, las que son continuas. Por ser de conveniencia
en las aplicaciones vamos a presentar a la ecuacin de Laplace u =
0 en coordenadas polares y en coordenadas esfricas. Como hemos
2u 2u
manifestado, el operador laplaciano (en R2 ) u
+
aparece
x2 y 2
en forma natural en conexin con problemas de valor de contorno para
edps, como es en el caso de una membrana circular, cuyo contorno tiene
la simple ecuacin r = constante, donde r proviene de las coordenadas
polares r, las que son definidas va:
x = r cos

y = r sen .

Veamos la forma polar del laplaciano. Usaremos la regla de la cadena: si w = w (x, y) , x = x (u, v) , y = y (u, v), entonces,
w
w x w y
w
w x w y
=
+
,
=
+
,
u
x u y u
v
x v
y v

130

CAPTULO 2. ECUACIONES DIFERENCIALES.


luego, en nuestro caso tendremos
u u r u
=
+
,
x
r x x
de donde:
2u
x2

u r
r x

+
x

u
x


u r u 2 r
u u 2
.
+
.
.
+
.
+
.
r x r x2 x x x2

[*]

Nuevamente por la regla de la cadena,




u
2 u r
u
u
2 u r 2 u
= 2
+
,
=
+
.
x r
r x r x
x
r x 2 x
De x = r cos , y = r sen , obtenemos r =
de donde encontramos
r
x
x
=
=p
,
2
2
x
r
x +y

derivando an, tenemos

p
y
x2 + y 2 e = arctg ,
x

y
y

1
=
y 2 2 = 2 ;
x
x
r
1+ x

r
r x x
2r
1 x2
y2
=
= 3 = 3;
x2
r2
r r
r

2xy
2 r
2
= 4 .
= y 3
2
x
r
x
r

observando que ur = ur pues asumimos que las primeras y segundas derivadas parciales son continuas. Llevando lo obtenido antes a la
igualdad [*] y simplificando, obtenemos
2u
y 2 2 u y 2 u
xy u
x2 2 u 2xy 2 u
+
+2 4
.
=

2 + 3
2
2
2
3
4
x
r r
r r r
r r
r

()

Va un similar argumento, se tiene tambin,


2u y2 2u
xy 2 u
x2 2 u x2 u
xy u
=
+
2
+
2 4
.
2 + 3
2
2
2
3
4
y
r r
r r r
r r
r

()

2.1. INTRODUCCIN.

131

Sumando () y (), el laplaciano en coordenadas polares toma la


forma
u =

2 u 1 u
1 2u
+
.
+
r2 r r r2 2

(xix). Aplicacin. La Membrana Circular.


Sea M una membrana circular de radio R, la cual est fija en su frontera
M (r = R); usando coordenadas polares x = r cos , y = r sen , y
por lo visto en (xviii), se tiene que la ecuacin de la onda
a2 u =
tomar la forma:
2u
= a2
t2

2u
t2

1 2u
2 u 1 u
.
+
+
r2 r r r2 2

(*)

Se indaga por soluciones u (r, t) de (*), que sean radialmente simtricas,


esto es, u es independiente de (*), y por tanto (*) se reduce a la forma,
2

2u
u 1 u
2
.
(*0 )
=a
+
t2
r2 r r
Por hiptesis, la membrana est fija en el contorno r = R y por tanto
se tiene la condicin de contorno
u (R, t) = 0, t 0

()

Remarcamos que se estudia las vibraciones de la membrana causada


por alguna fuerza externa. Por otro lado, u (r, t) no depender de si
las condiciones iniciales no dependern de , esto es, si tenemos
u (r, 0) = f (r)

desviacin inicial

()

132

CAPTULO 2. ECUACIONES DIFERENCIALES.

u
= g (r)
t2 t=0

velocidad inicial.

()

En sntesis, se tiene el problema: encontrar u (r, t) tal que sea solucin de (*0 ) y satisfaga las condiciones () , () y () .
Daremos un bosquejo de la solucin del problema planteado. Para
mayores detalles ver [KRE. 2]. La idea es usar nuevamente el mtodo
de separacin de variables para determinar soluciones de (*0 ) y que en
primer lugar satisfaga la condicin (). Asi, se pondr
u (r, t) = W (r) G (t) ,
y haciendo un argumento similar a lo hecho en (xv) se obtienen las
ecuaciones diferenciales ordinarias,
d2 G
+ 2 G = 0
dt2

()

d2 W
1 dW
+ k2 W = 0.
+
2
dr
r dr

()

Las soluciones generales de () son de la forma,


Gm (t) = am cos m t + bm sen m t
y las de () son de la forma,
Wm (r) = J0
donde J0 es la funcin de Bessel,
J0 (x) =

X
(1)m x2m

m=0

22m (m!)2

Por tanto, las soluciones de la ecuacin (*0 ) satisfaciendo () son de la


forma:

m
r , m = 1, 2, ...
um (r, t) = Wm (r) Gm (t) = (am cos m t + bm sen m t) J0
R
Nota. Las funciones um (r, t) son las funciones propias del problema y
0
los correspondientes valores propios son los m s.

2.1. INTRODUCCIN.

133

Finalmente, se desea una solucin u (r, t) que satisfaga las condiciones


() y () . Nuevamente se procede como en (xv). Sumando en m =
1, 2, ... se obtiene (informalmente),
u (r, t) =

Wm (r) Gm (t) =

m=1

(am cos m t + bm sen m t) J0

m=1

r .

El clculo de los coeficientes de Fourier-Bessel am y bm se hace imponiendo las condiciones iniciales () y () .


(xx). en Coordenadas Cilndricas y en Coordenadas Esfricas.
Coordenadas cilndricas:
p
r = x2 + y 2 ,

= arctg

y
x

z=z .

Se verifica que:
u =

1 2u 2u
2 u 1 u
+
+
+
.
r2 r r r2 2 z 2

Coordenadas esfricas:
x = r cos sen ,

y = r sen sen ,

z = r cos .

134

CAPTULO 2. ECUACIONES DIFERENCIALES.


Se verifica que:
u =

1 2 u cotg u
1
2u
2 u 2 u
+
+
+
+
.
r2 r r r2 2
r2 r2 sen2 2

(xxi). El Teorema de la Divergencia.


Las Identidades de Green.
El teorema de la divergencia, que sirve para obtener a las identidades de
Green, juega un papel importante en las edp0 s; las identidades de Green
son el soporte para establecer diversos resultados, como por ejemplo los
relacionados con el problema de la unicidad de la solucin de problemas
de valor de contorno (como son los problemas de Dirichlet, de Neumann
y de Robin o mixto). Veamos algunas ideas relacionadas con el citado
teorema. Nos ubicamos en el espacio euclidiano R3 (los argumentos
valen, en general, para Rn ). D R3 es llamado un dominio si es un
conjunto abierto y conexo. Recordemos que D es abierto si todo punto
x D posee una vecindad V (x) tal que V (x) D; D es conexo si dos
puntos cualquiera de l pueden ser unidos por una lnea quebrada en
un nmero finito de segmentos.

Una superficie S es representada en la forma f (x, y, z) = 0, donde


(x, y, z) R3 .

f f f
,
,
.
El gradiente de f es el vector f =
x y z
Sea n = (n1 , n2 , n3 ) un vector normal (knk = 1); entonces la derivada
df
direccional, , de un campo escalar f en un punto P en la direccin
ds
dada por el vector unitario n, es el lmite (si existe)

lim

s0

f (P + sn) f (P )
.
s

2.1. INTRODUCCIN.

135

f
f
f
df
= f.n =
n1 +
n2 +
n3 .
ds
x
y
z

i+
j+
k es un operador diferencial (operador nabla)
=
x
y
z
f
se sabe que f es normal a S, siempre que f 6= 0. Luego,
n
|f |
es un vector normal unitario a S.
Se verifica que:

Una superficie S es regular si ella tiene un nico vector normal unitario, cuya direccin depende continuamente sobre los puntos de S.
Una superficie es regular por partes si ella puede ser subdividida en
un nmero finito de porciones, cada una de las cuales es regular.
La divergencia de u, div u, es definida va:
div u (x) =

3
X
ui (x)
i=1

donde u = (u1 , u2 , u3 ) .

xi

Teorema de la Divergencia.
(Gauss). Sea D un dominio regular

3
1
acotado en R , u C D es una funcin vectorial (con derivadas
primeras continuas). Entonces,
Z
Z
div u dx =
hu (q) , nq i d (q)
D

donde q D y nq es el vector normal unitario exterior a D en q (h , i


representa el producto interno).

Sean D un dominio (acotado) en R3 y las funciones u C 0 D

C 1 (D) , v C 1 D C 2 (D). Se tiene,

3
X
v

uv + hu, vi =
u
,
x
x
i
i
i=1
de donde por el teorema de la divergencia,

Z
Z
Z X
3

v
u
dx
uvdx +
hu, vi dx =
xi
D
D
D i=1 xi
Z

3
X
v
=
u
ni d
D i=1 xi
Z
v
u
d.
=
n
D

136

CAPTULO 2. ECUACIONES DIFERENCIALES.


De esta manera hemos llegado a la primera identidad de Green:
Z
Z
v
(uv + hu, vi) dx =
u
d.
(G.1)
n
D
D
Intercambiando el rol de u y v, se obtiene la segunda identidad de
Green:

Z
Z
v
u
u
v
d.
(G.2)
(uv vu) dx =
n
n
D
D

(xxii). Problemas de Valor de Contorno.


Sea D un dominio limitado en R3 ( Rn ), con frontera D suficientemente regular; f C 0 (D) es una funcin dada. Tenemos los siguientes problemas surgidos en la fsica-matemtica.

Problema de Dirichlet. Encontrar u C 0 D tal que

u = 0 en
D
u=f
sobre D.


Problema de Neumann. Encontrar u C 0 D tal que
(

u = 0
u
=f
n

en

sobre D, condicin de flujo.


Problema de Robin o Mixto. Encontrar u C 0 D tal que
(

u = 0

en D

u
a (x) u +
=f
n

en D, condicin de radiacin,

donde a (x) es una funcin positiva en D.


u es una funcin armnica en D si u C 0 (D) y u = 0 en D.
Unicidad.
Si u = v y u es armnica en D, entonces (por (G.1)) se tiene,
Z
Z
u
2
d
u
|u| dx =
n
D
D

(+)

2.1. INTRODUCCIN.

137

Para probar la unicidad de la solucin del problema de Dirichlet (si


existiera) basta asumir que u = 0 sobre D, pues si u1 y u2 fueran
dos soluciones del problema de Dirichlet, entonces u1 u2 = 0 sobre
D y por tanto u1 = u2 . Luego, si u = 0 sobre D, (+) implica
Z

|u|2 dx = 0, de donde |u|2 = 0; es decir, u sera constante en


D

D. Pero, u C 0 D y u = 0 sobre D implicar que u = 0 en D.
u
=0
En el problema de Neumann, si la condicin de contorno fuera
n
sobre D, entonces (+) nos dice que u sera constante en D, y por
tanto, en este caso, tendramos unicidad a menos de una constante.
En el caso del problema de Robin, si la condicin de radiacin fuera
u
a (x) u+
= 0 sobre D, con a (x) > 0, entonces (por (+)) tendremos,
n
Z
Z
2
a (x) u2 d = 0,
|u| dx +
Z

|u|2 dx = 0, lo que implica que u sea constante sobre D.


D
Z
a (x) u2 d = 0, lo que implica u = 0 sobre
Tambin tendremos,
D

D. Como u C 0 D y es constante en D, tendremos que u = 0
sobre D, de donde tenemos la unicidad del problema de Robin.
de donde

Corolario (Teorema de Gauss). Si en (G.1) tenemos u = 1 en D y


v es armnica en D, entonces se tiene
Z
v
d = 0,
D n
es decir la integral de contorno de la derivada normal de una funcin
armnica en D, es cero.
(xxiii). La Conduccin del Calor.
Si tuviramos un dominio D acotado por una superficie cerrada D ,
y u (x, y, z, t) fuera la temperatura en el punto (x, y, z) en el tiempo t,
y si la temperatura fuera no constante se sabe que la razn del flujo es
proporcional al gradiente de la temperatura; esto es, la velocidad del
flujo de calor es: v = ku, donde k es la constante de conductividad
del cuerpo.
Sea D D un subdominio arbitrario acotado por una superficie cerrada D. Se sabe que la cantidad de calor saliendo de D por unidad de

138

CAPTULO 2. ECUACIONES DIFERENCIALES.


tiempo es

hv, ni d (n vector normal unitario exterior). Entonces,

por el teorema de la divergencia tenemos,


Z
Z
Z
u dxdydz.
div (ku) dxdydz = k
hv, ni d =
D

Por otro lado, la cantidad de calor en D es dado por:

u dxdydz,
D

donde es la densidad del material del cuerpo y es el calor especfico.


Asi mismo, la razn de decrecimiento del calor es dado por
Z
Z
d
u

dxdydz
u dxdydz =
dt
t
D

(donde se ha permitido el intercambio de lmites). Desde que la razn


del decrecimiento del calor en D es igual a la cantidad de calor que
sale por D por unidad de tiempo, se tiene que
Z
Z
u
u dxdydz,
dxdydz = k

t
D
D

de donde

Z
u

k u dxdydz = 0,
t
D

para cualquier D D , que asumimos no tiene rea cero. Por un


resultado de la teora de integracin se tiene que

Si c =

u
k u = 0.
t

k
, la ecuacin de la conduccin del calor es de la forma:
p

u
c u = 0,
t
que es la ecuacin del calor, una ecuacin de tipo parablico.
Nota. En el caso que existiera una densidad de calor f = f (x, y, z, t)
producido en D (por una corriente elctrica, por ejemplo) por unidad
de tiempo, la ecuacin del calor ser:
u
c u = f.
t

2.1. INTRODUCCIN.

139

Ejercicios 2.1
1. En cada caso, verifique que la funcin dada es solucin de la ecuacin
diferencial adjunta.
dy
2y = e3x ;
dx
(b) y = 5 tg 5x , y 0 = 25 + y 2 ;
1
1
(c) y = sen x cos x + 10ex , y 0 + y = sen x;
2
2
Z x
2
2
2
et dt + c1 ex , y 0 + 2xy = 1.
(d) y = ex
(a) y = e3x + 10e2x ,

2. Pruebe que las ecuaciones paramtricas dadas es una solucin de la


ecuacin diferencial adjunta.
(a) x = 2t, y = t2 ; y = xy 0 + (y 0 )2 ;
1
(b) x = 2t + , y = t2 ln t + 1; y = xy 0 + (y 0 )2 ln y 0 ;
t
3. Encuentre valores de m de modo que y = emx sea solucin de
y 00 5y 0 + 6y = 0.
4. Obtenga la ecuacin diferencial de la familia dada de curvas.
(a) y = c1 ex ;

(b) y 2 = c1 (x + 1) ;

(c) y = c1 +c2 ex ;

(d) y = c1 sen (wt + c2 ) (w es una constante que


no se debe eliminar)

5. Explique en que consiste un problema matemtico y lo relacionado al


problema.
6. Escriba el laplaciano u en coordenadas polares, cilndricas y esfricas.
7. Escriba las identidades de Green (G.1) y (G.2); discuta sus utilidades.
8. En qu consisten los problemas de Dirichlet, Neumann y Robin?
9. Verifique que las siguientes funciones satisfacen a la ecuacin de Laplace
uxx + uyy = 0.
(a) u (x, y) = x2 y 2 ,

140

CAPTULO 2. ECUACIONES DIFERENCIALES.


(b) u (x, y) = ax + by + c
y
(c) u (x, y) =tg1 .
x

10. Verifique que las siguientes funciones satisfacen a la ecuacin del calor
uxx ut = 0, t > 0.
1
x2
(a) e 4t ,
t
(b) ax + b + c (x2 + 2t) .
(c) et cos x.
11. Encuentre una ecuacin en derivadas parciales satisfecha por,
(a) u (x, y) = sen (x2 y 2 ) ;

(b) u (x, y) = cos (x2 + y 2 ) + x2 .


12. f (x, y) es homognea de grado n si para > 0 (real):
f (x, y) = n f (x, y) . Si f es homognea de grado n, pruebe que
x2 fxx + xyfxy + xyfyx + y 2 fyy = n (n 1) f.
x3
y 2 x, verifique que | |f ||2 = 4 |f | .
3


14. Si u C 0 D C 1 (D) , v C 1 D C 2 (D), pruebe que
13. Si f (x, y) =

n
X

v
u
.
uv + hu, vi =
xi
xi
i=1

15. Si u y v son funciones armnicas sobre D, pruebe que

v
u
u
v
d = 0,
n
n
D

donde n es normal unitaria exterior en D.

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

2.2

141

Ecuaciones Diferenciales Ordinarias.

El objetivo de est seccin es que el lector, posiblemente no matemtico,


aprenda o recuerde algunas tcnicas para resolver algunos tipos de ecuaciones
diferenciales ordinarias.
Esta accin le ser til en sus investigaciones ya que muchos modelos
en el campo de las aplicaciones terminan en una ecuacin diferencial. Por
razones de conveniencia didctica comenzaremos con las ecuaciones mas elementales. El universo de las ecuaciones diferenciales (ordinarias y parciales)
es muy amplio, y desde luego pretendemos en esta oportunidad abarcar solamente los aspectos mas familiares y con un enfoque operativo, dejando para
otra ocasin los bellos y significativos resultados tericos. Los temas que
trataremos son:
ecuaciones lineales de primer orden
ecuaciones lineales con coeficientes constantes
ecuaciones lineales con coeficientes variables.
Seguiremos de cerca a [COD].

2.2.1

Ecuaciones Lineales de Primer Orden.

Qu es una ecuacin diferencial ordinaria? Tenemos la siguiente situacin.


Sea f una funcin de valor complejo, definida para todo x I R y
para todo y S C. De esta manera f (x, y) C.

Problema. Dada f : I S C, encontrar una funcin : I C,


diferenciable en I, tal que para todo x I se tenga,
(a) (x) S

142

CAPTULO 2. ECUACIONES DIFERENCIALES.

(b) 0 (x) = f (x, (x)) .


Este problema se llama una ecuacin diferencial ordinaria de primer
orden.
Si tal funcin existe en tales condiciones, es llamada una solucin
del problema.
Notacin. El problema es denotado con y 0 = f (x, y) .
De un modo mas general, una ecuacin diferencial ordinaria de primer
orden puede estar en la forma F (x, y, y 0 ) = 0, lo que significa encontrar una
funcin tal que F (x, (x) , 0 (x)) = 0. Este problema implica al anterior
problema cuando F (x, y, y 0 ) = y 0 f (x, y) .
Una ecuacin lineal de primer orden, no homognea, es de la forma
y 0 + a (x) y = b (x) ,
donde a (x) y b (x) son funciones definidas sobre I.
Si b (x) = 0, x I, se tiene la ecuacin homognea y 0 + a (x) y = 0.
Estudiemos la ecuacin y 0 + ay = 0 donde a es una constante.
Sea una solucin de esta ecuacin, esto es, 0 + a = 0. Hagamos el
siguiente argumento:
eax (0 + a) = 0 (eax )0 = 0 eax = c , c constante.
Luego se tiene (x) = ceax . De un modo general se tiene el siguiente
resultado.
Teorema 1. Sea la ecuacin homognea y 0 + ay = 0, a constante compleja.
Si c es cualquier nmero complejo, entonces (x) = ceax es una solucin
de la ecuacin. Toda solucin es de esta forma.
Veamos ahora a la ecuacin no homognea y 0 + ay = b (x), donde a es
constante y b (x) es una funcin continua sobre un intervalo I. Si es una
solucin de esta ecuacin, esto es,
0 (x) + a (x) = b (x) ,
entonces
eax (0 + a) = eax b (x) (eax )0 = eax b (x) .

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

143

Sea
B (x) =

eat b (t) dt,

x0

entonces B 0 (x) = eax b (x) .


Luego, (eax )0 = B 0 (x), de donde eax (x) = B (x) + c, c constante; de
donde
(x) = eax B (x) + ceax .
Asi se tiene el
Teorema 2. Sea la ecuacin y 0 + ay = b (x) , donde a es constante y b (x)
es una funcin continua sobre un intervalo I. Sea x0 I y c cualquier
constante, entonces
Z x
ax
eat b (t) dt + ceax
(x) = e
x0

es una solucin de la ecuacin. Toda solucin tiene tal forma.


Ejemplo 1. Sea la ecuacin y 0 + 5y = 2.
(a). Pruebe que (x) =

2
+ce5x es una solucin, donde c es una constante.
5

(b). Asumiendo que toda solucin tiene esta forma, encuentre la solucin
satisfaciendo (1) = 2.
(c). Encuentre la solucin satisfaciendo (1) = 3 (0) .
Solucin.
(a). 5 (x) = 2 + 5ce5x ; 0 (x) = 5ce5x
Por lo tanto

0 (x) + 5 (x) = 5ce5x + 2 + 5ce5x = 2.


2
8
(b). (1) = + ce5 = 2. Luego, c = e5 , entonces la solucin solicitada
5
5
es
(x) =

2 8 5(1x)
+ e
.
5 5

144

CAPTULO 2. ECUACIONES DIFERENCIALES.


2
2
6
6
+ ce5 , 3 (0) = + 3c. Luego, + ce5 = + 3c, de
5
5
5
5
4
1
donde c =
. Por tanto, la solucin es
5 3 e5

(c). (1) =

(x) =

e5x
2 4

5 5 (3 e5 )

Ejemplo 2. Encontrar todas las soluciones de y 0 2y = x2 + x.


Solucin. Por el teorema 2 tenemos,
Z x

2x
e2t t2 + t dt + ce2x .
(x) = e
x0

Pero, en general, (integrando por partes)


!

Z
Z
u=t
, dv = e2t dt
1 2t 1
2t
1
te dt =
= te +
e2t dt
du = dt , v = e2t
2
2
2
1
1
= te2t e2t .
2
4
!

Z
Z
u = t2
, dv = e2t
t2 2t
2 2t
1
= e + te2t dt
t e dt =
du = 2tdt , v = e2t
2
2
t2
t
1
= e2t e2t e2t .
2
2
4
Por tanto (integrando de x0 a x),

1 2x 1 2x x2 2x x 2x 1 2x
2x
xe
+ ce2x
(x) = e
e
e

e
e
2
4
2
2
4
=

1 2
x + 2x + 1 + ce2x ,
2

que es la solucin general de la ecuacin dada.


Consideremos ahora a la ecuacin lineal general de primer orden,
y 0 + a (x) y = b (x)

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

145

donde a (x) y b (x) son funciones continuas en algn intervalo I. El objetivo


es encontrar una solucin de la ecuacin dada. Motivemos la construccin
de . La estrategia es encontrar una funcin u tal que
u (0 + a (x) ) = (u)0 .
Si A (x) fuera una funcin tal que A0 (x) = a (x), como sucede si
Z x
A (x) =
a (t) dt,
x0

con x0 I fijo, entonces u sera dado por u (x) = eA(x) , ya que


A 0
e = eA 0 + a (x) eA = eA (0 + a (x) ) .

Luego,

0
0 + a (x) = b (x) eA = eA b (x) eA = B + C,

donde c es una constante y B 0 (x) = eA b (x); por ejemplo,


Z x
B (x) =
eA(t) b (t) dt
x0

satisface tal condicin.


Luego,
0 + a (x) = b (x) (x) = eA(x) B (x) + ceA(x)

[]

Observemos que si tuviramos la ecuacin homognea y 0 + a (x) y = 0,


entonces B (x) = 0 y tendramos que 1 (x) = eA(x) sera la solucin de esta
ecuacin homognea.
Ejemplo 3. Encontrar todas las soluciones de y 0 + 2xy = x.
Solucin.
Tenemos a (x) = 2x, b (x) = x. Tomemos A (x) tal que A0 (x) = 2x, esto
es, A (x) = x2 .
Veamos B (x) .
Z x
1 2
2
B (x) =
et tdt = ex .
2
x0
Luego, por [], la solucin general de la ecuacin dada es,
(x) =

1
2
+ cex .
2

146

CAPTULO 2. ECUACIONES DIFERENCIALES.

Ejemplo 4. Sea el problema de Dirichlet:


0
iy = ly

y (1) = ei y (0) ,

donde es un real fijo y l es un nmero complejo.


(a). Probar que el problema tiene una solucin no trivial
l = k = 2k , k = 0, 1, 2, ...
(b). Encuentre una solucin k del problema para l = k , la cual satisface
Z 1
|k (x)|2 dx = 1.
0

Solucin.
(a). Tenemos, iy 0 = ly, esto es, y 0 = ily. Luego toda solucin de la
ecuacin dada ser de la forma
(x) = ceilx ,
c constante. Adems, por hiptesis (1) = ceil y ei (0) = ei c.
Luego:
ceil = cei .

(+)

Probemos la equivalencia.
() . Si el problema tiene una solucin no trivial, entonces c 6= 0 y tendramos
de (+), eil = ei , esto es ei(+l) = 1 an cos( + l) +sen( + l) =
1 + 0i.
De esta manera,
cos ( + l) = 1 + l = 2k

()

sen ( + l) = 0

()

+ l = k

kZ

se tiene () y () si + l = 2k, k Z, esto es, si l = 2k ,


k Z.

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

147

() . Si l = 2k , k Z, se obtendr (invirtiendo el argumento anterior): eil = ei y se tiene (+) con c = 1. Luego, si (x) = 1.eilx
se tendr (1) = ei (0), y de esta manera se exhibe una solucin no
trivial del problema dado.
(b). Se trata de encontrar una solucin k (x) del problema para l = k =
2k tal que
Z 1
2
kk kL2 =
|k (x)|2 dx = 1.
0

Bien, k (x) = ceik x ; entonces |k (x)| = ceik x = |c|. Luego,


Z 1
Z 1
2
|k (x)| dx =
|c|2 dx = |c|2 ;
1=
0

esto es, |c| = 1. Como se solicita una solucin, tomemos c = 1, y se


obtendr
k (x) = ei(2k)x ,
la que satisface la condicin pedida.

2.2.2

Ecuaciones Lineales con Coeficientes Constantes.

Daremos atencin a las ecuaciones de segundo orden, con coeficientes


constantes, cuya forma es
y 00 + a1 y 0 + a2 y = b (x)

(+)

donde a1 y a2 son constantes complejas y b (x) es una funcin de valor complejo sobre un intervalo I. De un modo general, una ecuacin diferencial
lineal de orden n, con coeficientes constantes, es un ecuacin de la forma
y (n) + a1 y (n1) + + an y = b (x)

(++)

donde a1 , ..., an son constantes complejas.


Es usual introducir el operador diferencial
L (y) = y (n) + a1 y (n1) + + an y,
de modo que la ecuacin (++) toma la forma L (y) = b (x). Si b (x) =
0, x I, la ecuacin L (y) = 0 se llama una ecuacin homognea y

148

CAPTULO 2. ECUACIONES DIFERENCIALES.

si b (x) 6= 0 para algn x I, L (y) = b (x) se llama una ecuacin nohomognea. Una solucin de L (y) = b (x) es una funcin (x), con n
derivadas sobre I, tal que L () = b (x). En diversas situaciones, b (x) es una
funcin continua, lo que facilita encontrar la solucin .
Estudiemos a la ecuacin homognea de segundo orden:
L (y) y 00 + a1 y 0 + a2 y = 0.
A esta ecuacin le asociamos el polinomio, llamado polinomio caracterstico,
p (r) = r2 + a1 r + a2 ,
el cual surge si en L (y) = 0 tomamos y = erx pues entonces tendremos,

L (erx ) = r2 + a1 r + a2 erx .
Luego, si erx es solucin de L (y) = 0, entonces r2 + a1 r + a2 = 0.

Conclusin: Si r1 y r2 son raices diferentes de p (r) = 0, entonces


1 (x) = er1 x

2 (x) = er2 x

son soluciones de L (y) = 0.


Si r1 es una solucin doble de p (r) = 0, entonces
1 (x) = er1 x

2 (x) = xer1 x

son soluciones de L (y) = 0.


Si 1 y 2 son soluciones de L (y) = 0, entonces = c1 1 +c2 2 es tambin
solucin de L (y) = 0; es la solucin general .
Ejemplo 5. Encontrar todas las soluciones de 3y 00 + 2y 0 = 0.
Solucin.
2
2
Se tiene y 00 + y 0 = 0; luego a1 = , a2 = 0. El polinomio caracterstico
3
3

2
2
2
2
2
es p (r) = r + r y tenemos la ecuacin r + r = 0, r r +
=0
3
3
3
2
que tiene por soluciones r1 = 0, r2 = . Entonces tenemos las soluciones
3
particulares
1 (x) = 1

2 (x) = e 3 x ,
2

y la solucin general es: (x) = c1 + c2 e 3 x .

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

149

Problemas de Valor Inicial para y 00 + a1 y 0 + a2 y = 0.


Sea L (y) y 00 + a1 y 0 + a2 y, a1 , a2 son constantes.

Un problema de valor inicial (pvi) (o problema de Cauchy) para


L (y) = 0 consiste en encontrar una solucin tal que satisfaga las
condiciones,
(x0 ) =

0 (x0 ) =

donde x0 R, , son constantes dadas.


Notacin. pvi :
L (y) = 0 ,

y (x0 ) = ,

y 0 (x0 ) = .

Ejemplo 6. Sea la ecuacin y 00 +a1 y 0 +a2 y = 0, donde a1 , a2 son constantes.


Sea 1 la solucin satisfaciendo

1 (x0 ) = 1
01 (x0 ) = 0
y 2 la solucin satisfaciendo

2 (x0 ) = 0
02 (x0 ) = 1.

1 y 2 son linealmente independientes.


Si es una solucin satisfaciendo:

(x0 ) =
0 (x0 ) = ,
probar que (x) = 1 (x) + 2 (x) ; x.
Solucin.
Precisemos previamente que 1 y 2 son linealmente independientes
(l.i.) si la ecuacin
c1 1 (x) + c2 2 (x) = 0
implica que c1 = c2 = 0.

150

CAPTULO 2. ECUACIONES DIFERENCIALES.

En caso contrario, 1 y 2 son llamados linealmente dependientes


(l.d.). Se tiene el:
Teorema 3. Si 1 y 2 son dos soluciones linealmente independientes de
L (y) = 0 sobre un intervalo I, entonces toda solucin de L (y) = 0 puede
ser escrita unvocamente como
(x) = c1 1 (x) + c2 2 (x) .
Veamos ahora la solucin del Ejemplo 6. En efecto, desde que 1 y 2
son l.i. y es solucin de L (y) = 0, tendremos
(x) = c1 1 (x) + c2 2 (x) .
Pero,
= (x0 ) = c1 1 (x0 ) + c2 2 (x0 ) = c1 + 0 = c1 ,
y
= 0 (x0 ) = c1 01 (x0 ) + c2 02 (x0 ) = 0 + c2 = c2 .
Luego, (x) = 1 (x) + 2 (x) , x I.

Por razones de conveniencia, sigamos exponiendo algunos aspectos relacionados con la independencia lineal de dos o mas funciones. Dadas dos
funciones 1 y 2 , su Wronskiano se define siendo el determinante

1 2
= 1 02 01 2 .
W (1 , 2 ) = 0
1 02
Proposicin 1. Dos soluciones 1 y 2 de L (y) = 0 son linealmente independientes sobre un intervalo I W (1 , 2 ) (x) 6= 0, x I.
Se observa que la condicin W (1 , 2 ) (x) 6= 0 es suficiente tenerse en un
solo punto x0 I.
Asi tenemos la
Proposicin 2. 1 y 2 , soluciones de L (y) = 0, son linealmente independientes W (1 , 2 ) (x0 ) 6= 0, donde x0 es cualquier punto de I.
En esta direccin se tiene la frmula:
si 1 y 2 son soluciones de L (y) = 0 sobre I, conteniendo x0 , entonces
W (1 , 2 ) (x) = ea1 (xx0 ) W (1 , 2 ) (x0 ) .

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

151

La Ecuacin L (y) = y 00 + a1 y 0 + a2 y = b (x) .

Veamos la estrategia para resolver a la ecuacin no-homognea


y 00 + a1 y 0 + a2 y = b (x) ,

donde a1 , a2 son constantes.y b (x) es una funcin continua sobre


I. Supongamos que tuviramos una solucin particular p y que
fuera
otra solucin de L (y) = b (x). Entonces tenemos
cualquier

L p = 0, esto es, p es una solucin de la ecuacin homognea. Luego, si 1 y 2 fueran dos soluciones l.i. de L (y) = 0,
entonces existen nicos c1 y c2 tal que
p = c1 1 + c2 2 .
Luego, cualquier solucin de L (y) = b (x) es de la forma
(x) = p (x) + c1 1 (x) + c2 2 (x) .
La cuestin es entonces resolver L (y) = 0, y calcular una solucin particular p de L (y) = b (x) .
Se verifica que una tal solucin p es dada por
p (x) =

x0

[1 (t) 2 (x) 1 (x) 2 (t)] b (t)


dt.
W (1 , 2 ) (t)

Ejemplo 7. Encuentre todas las soluciones de 4y 00 y = ex .


Solucin.
En primer lugar resolvemos
4y 00 y = 0

y 00

1
y=0 ;
4

1
1
esto es p (r) = r2 = 0, de donde r1 = ,
4
2
soluciones
1

1 (x) = e 2 x

r2 =

1
y se tienen las
2

2 (x) = e 2 x .

Adems,
W (1 , 2 ) (t) = 1 (t) 02 (t) 01 (t) 2 (t) = 1.

152

CAPTULO 2. ECUACIONES DIFERENCIALES.

Luego,
p (x) =

x0

h 1
i
1
1
1
e 2 t .e 2 x e 2 x .e 2 t et dt

12 x

= e

3
t
2

e dt + e

x0

x
2

e 2 t dt =

x0

4 x
e .
3

Entonces, la solucin es
1

(x) = c1 e 2 x + c2 e 2 x +

4 x
e .
3

2.2.3

Ecuaciones Lineales con Coeficientes Variables.

Las ecuaciones diferenciales ordinarias lineales con coeficientes variables es


un amplio universo que tienen sus propias dificultades para obtener las soluciones respectivas. En esta oportunidad solo vamos a estudiar a la ecuacin
homognea de segundo orden de la forma
ax2 y 00 + bxy 0 + cy = 0

()

y algo de la ecuacin no-homognea,


ax2 y 00 + bxy 0 + cy = b (x)

()

Ecuaciones de este tipo se llaman ecuaciones de Cauchy - Euler.


Para resolver estas ecuaciones, la estrategia es considerar soluciones de la
forma y = xm donde m debe ser determinada. Es claro que,
y 0 = mxm1

y 00 = m (m 1) xm2 .

Luego,
ax2 y 00 + bxy 0 + cy = ax2 m (m 1) xm2 + bxmxm1 + cxm
= xm [am (m 1) + bm + c] .
Por tanto, y = xm es solucin de () si:
am (m 1) + bm + c = 0

am2 + (b a) m + c = 0

[+]

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

153

La cuestin es, entonces, resolver [+], que es una ecuacin de grado dos
y por tanto habr tres casos: raices reales distintas, raices reales iguales o
raices complejas conjugadas.
Caso (1). Las raices m1 y m2 de [+] son reales diferentes.
En este caso, 1 (x) = xm1 y 2 (x) = xm2 son dos soluciones de (), y
la solucin general es,
(x) = c1 xm1 + c2 xm2 .

Ejemplo 8. Resolver x2 y 00 2y = 0.
Solucin.
[+] es m2 m 2 = 0, luego m1 = 2 y m2 = 1. Por tanto la solucin
general es
(x) = c1 x2 + c2 x1 .

Caso (2). m1 = m2 .
Ejemplo 9. Resolver 4x2 y 00 + 8xy 0 + y = 0.
Solucin.
1
[+] es: 4m2 + 4m + 1 = 0, cuyas raices son iguales, m1 = m2 = .
2
12
Luego, la solucin es 1 (x) = x . Sin embargo, la teora nos dice [ver
[ZIL], pag. 208] que se puede encontrar otra solucin en este caso, y es de la
forma
1

2 (x) = xm1 ln x = x 2 ln x.
Luego, la solucin general es,
1

(x) = c1 x 2 + c2 x 2 ln x.

Caso (3). m1 y m2 son complejas conjugadas.


Sean m1 = + i y m2 = i, donde y son reales positivos.
Entonces la solucin (formal) es de la forma
(x) = c1 x+i + c2 xi .

154

CAPTULO 2. ECUACIONES DIFERENCIALES.

Cmo escribir esta solucin solamente en trminos de los reales y ?


Luego de algunos clculos (ver [ZIL], pag. 209) se establece que la solucin
general de la ecuacin es de la forma,
(x) = x [c1 cos ( ln x) + c2 sen ( ln x)] .

(*)

Ejemplo 10. Resolver x2 y 00 + xy 0 + 4y = 0.


Solucin. [+] es m2 + 4 = 0, luego m1 = + i2, m2 = i2, con = 0.
Luego la solucin es
(x) = c1 xi2 + c2 xi2 .
Usando (*) se obtiene que
(x) = c1 cos (2 ln x) + c2 sen (2 ln x) .

Ejemplo 11. Resolver la ecuacin de tercer orden


x3 y 000 2x2 y 00 2xy 0 + 8y = 0.
Solucin.
Considerando que y 000 = m (m 1) (m 2) xm3 , tenemos
x3 y 000 2x2 y 00 2xy 0 + 8y = m (m 1) (m 2) xm 2m (m 1) xm
2mxm + 8xm

= xm m3 5m2 + 2m + 8 ,

de donde se obtiene la ecuacin m3 5m2 + 2m + 8 = 0, cuyas soluciones


son: m1 = 1, m2 = 2 y m3 = 4. Luego, la solucin general es
(x) = c1 x1 + c2 x2 + c3 x4 .

Ejemplo 12. Resolver la ecuacin no homognea 2x2 y 00 + 5xy 0 + y = x2 x.


Solucin.
Para resolver ecuaciones de este tipo, usaremos el mtodo de variacin
de parmetros, que podemos resumir en la siguiente forma (para mas detalles ver [ZIL], pag. 155).

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

155

calcular 1 y 2 soluciones de la respectiva ecuacin homognea;


el coeficiente de y 00 debe ser 1;
calcular W, W1 y W2 (segn indicaremos luego);
definir u01 =

W1
W2
, u02 =
;
W
W

calcular u1 y u2 ;
una solucin particular es p (x) = u1 1 + u2 2 ;
la solucin general de la ecuacin dada es:
(x) = c1 1 + c2 2 + p (x) .

Ejecutamos este plan para resolver a la ecuacin dada.


La ecuacin homognea 2x2 y 00 + 5xy 0 + y = 0 nos conduce a
xm (2m2 + 3m + 1) = 0

2m2 + 3m + 1 = 0

1
cuyas soluciones son m1 = 1 y m2 = . Luego
2
1 (x) = x1

2 (x) = x 2 .

Por otro lado, dividiendo por 2x2 ,


y 00 +

1
5 0
1
1
y + 2 y=
.
2x
2x
2 2x

Por otro lado,


1

12
x

3 1

.
W (1 , 2 ) =
=

1
1 3
2 x 52
2
x 2
x
2

0
x 2

1
1 1
1
1 1

12

=
W1 (1 , 2 ) =
= x
1 +
1
1
1 3
2 2x
2 x2
2 x 32

x 2
2 2x
2

x
0

1 1

1
1
1

W2 (1 , 2 ) =

=
2 .
=
1 x 2 2x
1
1

2x 2x

x
2 2x

156

CAPTULO 2. ECUACIONES DIFERENCIALES.

Pongamos

u01 =

1 1
1 1
1 +

1 2
2 x2
2 x 32
x x .
=
3 1
3

2 x 52

x3 x2

.
3
2

1 2 5 2 3
2
2
x x . Luego una solucin particular
Similarmente u2 =
3 5
3
1
Luego u1 =
3

es,

W1
=
W

1
p (x) = u1 1 + u2 2 =
3
=

x3 x2

3
2

1 1
.
x 3

2 5 2 3
x2 x2
5
3

1
1

x2

1 2 x
x
15
6

Luego, la solucin general es


1

(x) = c1 x 2 + c2 x1 +

1 2 1
x x.
15
6

Ejercicios 2.2
1. Verifique las funciones dadas, son soluciones de las ecuaciones diferenciales adjuntas.
(a) (x) = e sen x , . . . , y 0 + (cos x) y = 0;
(b) (x) = ex , . . . , y 00 y 0 = 0;

(c) (x) = c1 cos kx + c2 sen kx, . . . , y 00 + k2 y = 0; k > 0, c1 , c2


constantes.

2. Sea la ecuacin y 00 = 3x + 1.
(a) Encuentre todas las soluciones en 0 x 1;

(b) Encuentre la solucin que satisface (0) = 1, 0 (0) = 2;


(c) Encuentre la solucin que satisface (0) = 0, (1) = 3.
3. Encuentre todas las soluciones de las siguientes ecuaciones.
(a) y 0 + y = ex ;

2.2. ECUACIONES DIFERENCIALES ORDINARIAS.

157

(b) 3y 0 + y = 2ex
4. Sea la ecuacin y 0 + ay = b (x), donde a es constante, b (x) es continua
sobre 0 x < tal que |b (x)| k, k constante positiva.
(a) Encuentre la solucin tal que (0) = 0;
(b) Si Rea 6= 0 (parte real), pruebe que esta solucin satisface
| (x)|

k
1 e(Re a)x .
Re a

5. Encuentre todas las soluciones de las siguientes ecuaciones.


(a) xy 0 + y = 3x3 1 (x > 0) ;

(b) y 0 + ex y = 3ex ;

6. Sea la ecuacin y 0 + (cos x) y = e sen x . Encuentre la solucin , la cual


satisface () = .
7. Encuentre todas las soluciones de las siguientes ecuaciones.
(a) y 00 4y = 0;

(b) y 00 = 0;

(c) y 00 4y 0 + 5y = 0;

(d) y 00 + 16y = 0.

8. Sea la ecuacin y 00 + y 0 6y = 0.
(a) Calcule la solucin satisfaciendo (0) = 1, 0 (0) = 0;
(b) Calcule la solucin satisfaciendo (0) = 0, 0 (0) = 1;
(c) Calcule (1) y (1) .
9. Encuentre las soluciones de los siguientes problemas de valor inicial.
(a) y 00 2y 0 3y = 0, y (0) = 0, y 0 (0) = 1;

(b) y 00 + 10y = 0, y (0) = , y 0 (0) = 2 .

10. Las funciones 1 y 2 estn definidas para < x < . Determine


si ellas son l.i. l.d. ah.
(a) 1 (x) = x, 2 (x) = erx , r complejo, constante.

158

CAPTULO 2. ECUACIONES DIFERENCIALES.


(b) 1 (x) = cos x, 2 (x) = sen x.
(c) 1 (x) = sen x, 2 (x) = eix .
(d) 1 (x) = x, 2 (x) = |x| .

11. Pruebe que las funciones 1 (x) = x2 , 2 (x) = x |x| , < x < ,
son l.i.
Compute el Wronskiano de 1 y 2 . Qu comentario tiene en relacin
a la Proposicin 1?
12. Encuentre todas las soluciones de las siguientes ecuaciones.
(a) y 00 + 4y = cos x;
(b) y 00 + 9y = sen 3x;
(c) 6y 00 + 5y 0 6y = x.
2

13. (a) 1 (x) = ex es solucin de y 00 4xy 0 + (4x2 2) y = 0. Encuentre


una solucin 2 (x) independiente de 1 (x) .
(b) Una solucin de x2 y 00 2y = 0 sobre 0 < x < es 1 (x) = x2 .
Encuentre todas las soluciones de x2 y 00 2y = 2x 1 sobre 0 < x < .
14. Resolver la ecuacin diferencial dada.
(a) 4x2 y 00 + y = 0;
(b) xy 00 + y 0 = 0;
(c) xy 00 y 0 = 0;

(d) x2 y 00 + 5xy 0 + 4y = 0.
15. Use variacin de parmetros para resolver:
(a) xy 00 + y 0 = x;
(b) xy 00 4y 0 = x4 .
16. Sean 1 y 2 dos soluciones l.i. de la ecuacin y 00 + a1 y 0 + a2 y =
0, a1 , a2 son constantes. Pruebe que: W (1 , 2 ) es constante
a1 = 0. (sugerencia: calcule W 0 (1 , 2 )).
17. Una solucin de x2 y 00 xy 0 + y = 0, (x > 0), es 1 (x) = x.
Encuentre la solucin de x2 y 00 xy 0 + y = x2 tal que
(1) = 1, 0 (1) = 0.

[Solucin: (x) = 2x log x + x2 ].

2.3. ECUACIONES EN DERIVADAS PARCIALES.

159

18. Sea la ecuacin y 00 + a1 (x) y 0 + a2 (x) y = 0, donde a1 , a2 son funciones


continuas sobre < x < de perodo > 0 (esto es, a1 (x + ) =
a1 (x) , a2 (x + ) = a2 (x) , x).
(a) Sea una solucin no trivial, y sea (x) = (x + ). Pruebe que
es tambin solucin de la ecuacin dada.
(b) Pruebe que es una solucin peridica, de perodo ,
(0) = () y 0 (0) = 0 () .

2.3

Ecuaciones en Derivadas Parciales.

Las ecuaciones en derivadas parciales son un fundamental instrumento en el


campo de las aplicaciones, en particular en las investigaciones en la moderna
fsica - matemtica. Es un amplio campo de estudio y por las caractersticas
de este escrito daremos una visin, algo detallado en algunos temas, de su
contenido desde un punto de vista clsico. El lector no matemtico es retado
a no desmayar ante algunas dificultades que puedan surgir.

2.3.1

Breve Visin de las Clsicas Ecuaciones en Derivadas


Parciales.

Trabajaremos con funciones definidas sobre Rn . Una ecuacin en


derivadas parciales (edp) es una ecuacin de la forma:
(i)

Au = f

donde f es una funcin conocida (podra ser de valor vectorial) y A es un


operador diferencial lineal definido en ; asi,
X
A=
a (x) D ,
(ii)
||m

donde = (1 , . . . , n ) , j 0 es un nmero entero, D = D11 D22 Dnn ,


con
Dj =

1
i xj

i=

1 ;

|| = 1 + + n .

Los coeficientes a (x) son funciones definidas sobre ; u = u (x) : Rn


es la funcin a ser determinada. El mas pequeo nmero m es llamado el
orden de la ecuacin (i) y del operador (ii) .

160

CAPTULO 2. ECUACIONES DIFERENCIALES.

Ya en 2.1 hemos tenido la oportunidad de estudiar ejemplos concretos,


los que nos condujeron a algunas ecuaciones clsicas. Veamos brevemente
ellas, y otras.
Ejemplos.
La ecuacin de Laplace: u = 0, =

n
X
2
.
2
x
i
i=1

La ecuacin de Poisson: u = f, f : R es dada.


La ecuacin de la onda: u = utt .
La ecuacin del calor: u = ut .
La ecuacin de Korteweg-de-Vries: ut 6u ux +uxxx = 0, ecuacin
que surge en modelos sobre propagacin de ondas en aguas pocas profundas.
La ecuacin de Monge-Ampere: uxx uyy u2xy = f.
Las ecuaciones de Maxwell: sea un campo elctrico E = (E1 , E2 , E3 )
y un campo magntico B = (B1 , B2 , B3 ) los que, como funciones, dependen de (t, x1 , x2 , x3 ). Se tienen las siguientes ecuaciones de Maxwell:
divB = 0; Bt +rotE = 0, donde

e1
e
e
2
3

rotE =
,
x1 x2 x3

E1 E2 E3
siendo e1 , e2 , e3 cargas fijas determinadas por ciertos vectores posiciones;
divE = 4

( densidad de carga);

Et rotE = 4j

(j densidad de corriente).

Las ecuaciones de Maxwell explican, matemticamente, el comportamiento de un campo magntico, lo que es una superposicin entre
campos elctricos y magnticos.

2.3. ECUACIONES EN DERIVADAS PARCIALES.

161

Las ecuaciones de Navier-Stokes: si v (x, t) , x = (x1 , x2 , x3 ), es la


velocidad y p (x, t) es la presin de un fluido incompresible, de densidad
y viscosidad , entonces se tiene las ecuaciones,

3
X

, j = 1, 2, 3;
(vj ) + vi (vj ) vj = (p)
t

xi

xj

i=1

div v = 0

donde v = (v1 , v2 , v3 ) .
La ecuacin de Helmholtz: ( + k2 ) u = 0, donde u = u (x) ,
x Rn , k > 0.

Esta ecuacin aparece en el estudio de la ecuacin de la onda

utt = c2 u, donde la onda tiene la forma especial eiwt u (x), siendo


k
w= .
c
Las ecuaciones de Cauchy-Riemann. Sea C el plano complejo,
z = x + iy C; u C 1 tiene valor complejo y primeras derivadas
parciales continuas en x e y. Su diferencial es
u
u
dz +
dz,
z
z
donde dz = dx + idy, dz = dx idy, y donde

=
+i
.
z
2 x
y
du =

Recordemos que u es holomrfica (o analtica) si ella es expresable


como una serie de Taylor de potencias de z en una vecindad de cada
punto de su dominio. Se tiene que,
u es holomrfica u satisface a la ecuacin de Cauchy-Riemann
Sea u una funcin holomrfica y u = Re (u) + i Im (u). Entonces las
ecuaciones de Cauchy-Riemann (un sistema de ecuaciones diferenciales)
son:

(Re (u)) =
(Im (u))
,
(Re (u)) = (Im (u)) .
x
y
y
x

u
=0 .
z

162

CAPTULO 2. ECUACIONES DIFERENCIALES.


Observemos que estas ecuaciones implican que:
y

Re (u) = 0

Im (u) = 0.

Hemos dicho (seccin 2.1) que un problema matemtico consiste en


encontrar una funcin u, que satisface a una edp y tambin a apropiadas
condiciones extras, que pueden ser de contorno y/o de valor inicial. Las tres
ecuaciones clsicas son las ecuaciones de la onda, del calor y del potencial.
Daremos nfasis a las ecuaciones de segundo orden, las que de un modo
general son de la forma
n
X

Aij uxi xj

i,j=1

n
X
+
Bi uxi + F u = G.
i=1

En el caso de dos variables, x, y, esta ecuacin es de la forma


Auxx + Buxy + Cuyy + Dux + Euy + F u = G

[]

donde, en general, A, B, , G son funciones de x, y.


Si

B 2 4AC

>0

la ecuacin es de tipo hiperblico

B 2 4AC

=0

la ecuacin es de tipo parablico

B 2 4AC

<0

la ecuacin es de tipo elptico.

2.3.2

La Ecuacin de la Onda.

La ecuacin de la onda es una ecuacin lineal de tipo hiperblico, que en el


caso de dos variables es de la forma
uxx uyy = g (x, y) ,

[]

donde g (x, y) es una funcin definida en un cierto dominio del plano. La


respectiva ecuacin homognea es
uxx uyy = 0

[]0

Va el cambio de variables (una aplicacin afn) x = x+y, y = xy, []0


u
toma la forma ux y = 0. Esta ecuacin implica, integrando,
= (x), de
x
donde (an integrando)
Z x
u=
(t) dt + f2 (y) f1 (x) + f2 (y) = f1 (x + y) + f2 (x y) ,
0

2.3. ECUACIONES EN DERIVADAS PARCIALES.

163

donde f1 y f2 son funciones en C 2 () .


Problema de Cauchy I. Encontrar una solucin u = u (x, y) , (x, y)
R R, de la ecuacin uxx uyy = 0 satisfaciendo las condiciones iniciales,
u (x, 0) = p (x)

, xR

uy (x, 0) = q (x) , x R
donde p C 2 (R) y q C 1 (R) .
Nuevamente, usando el cambio de variables x = x + y, y = x y, y
usndose las condiciones iniciales, se obtiene que la solucin del problema es
de la forma
1
1
u (x, y) = (p (x + y) + p (x y)) +
2
2

x+y

q (t) dt.

[]

xy

Adems, tal solucin es nica y depende continuamente de p y q, es decir,


el problema de Cauchy es estable.

Si (x1 , y1 ) R2 , el conjunto
{x R/ x1 y1 x x1 + y1 }
es llamado el dominio de dependencia del problema de Cauchy I respecto
a (x1 , y1 ) .
Ejemplo 1. Resolver uxx uyy = 0, u (x, 0) = x3 , uy (x, 0) = 3x2 .
Solucin.

164

CAPTULO 2. ECUACIONES DIFERENCIALES.

p (x) = x3 , q (x) = 3x2 . Luego,


1
1
u (x, y) =
(x + y)3 + (x y)3 +
2
2

x+y

3t2 dt

xy

1 3 x+y
1
3
3
(x + y) + (x y) +
t xy
=
2
2
=

1
(x + y)3 + (x y)3 +
(x + y)3 (x y)3 = (x + y)3 .
2
2

Es claro que u (x, y) = (x + y)3 es solucin del problema pues


uxx uyy = 0,

u (x, 0) = x3 ,

uy (x, 0) = 3x2 .

Para el punto (4, 7), el dominio de dependencia es 11 x 3.

El Problema de Cauchy II. Dada g C 2 (R2 ), encontrar una solucin


u = u (x, y) , (x, y) R R, de la ecuacin uxx uyy = g (x, y) satisfaciendo
las condiciones de contorno,
u (x, 0) = p (x)

, xR

uy (x, 0) = q (x) , x R
donde p C 2 (R) y q C 1 (R) .
Va un tcnico argumento, similar a lo hecho en el problema de Cauchy
I, se verifica que la solucin (nica) del problema tiene la forma
Z
1
1 x1 +y1
u (x1 , y1 ) = (p (x1 + y1 ) + p (x1 y1 )) +
q (t) dt
2
2 x1 y1
[ ]
Z Z
1
g (x, y) dxdy
2
T
donde T es la unin del interior y el contorno del tringulo de vrtices
(x1 , y1 ) , (x1 y1 , 0) y (x1 + y1 , 0) .
Ejemplo 2. Resolver el problema
uxx uyy = 0,

u (x, 0) = x2 ,

uy (x, 0) = 1.

2.3. ECUACIONES EN DERIVADAS PARCIALES.

165

Solucin.
p (x) = x2 , q (x) = 1, g (x, y) = 4y. Luego,
Z
Z Z
1
1
1 x1 +y1
2
2
(x1 + y1 ) + (x1 y1 ) +
u (x1 , y1 ) =
dt
4ydxdy
2
2 x1 y1
2
Z

y1

= x21 + y12 + y1

1
2

= x21 + y12 + y1

2 3
y .
3 1

4y

y+x1 +y1
dx dy

y+x1 y1

Por lo tanto
u (x, y) = x2 + y 2 + y

2 3
y
3

es la solucin del problema.


Comprobacin.
,

uyy = 2 4y

u (x, 0) = x2 ,

uy (x, 0) = 1.

uxx = 2

uxx uyy = 4y

2.3.3

La Ecuacin del Potencial.

La ecuacin u uxx + uyy = 0 es llamada la ecuacin del potencial


o la ecuacin de Laplace. u = u (x, y) C 2 es llamada una funcin
armnica si u = 0. Sea un dominio acotado en R2 ; es su frontera
o contorno. Pongamos = . Sea g = g (x, y) una funcin continua
dada, definida sobre . Tenemos el
Problema de Dirichlet. Determinar una funcin u = u (x, y) definida y
continua sobre tal que

u = 0 en

(u es armnica)
u=g
sobre
Teorema 1. (Principio del Mximo). Si u (x, y) es armnica en y
continua sobre , entonces u toma su valor mximo sobre .

166

CAPTULO 2. ECUACIONES DIFERENCIALES.

Corolario 1. Si u (x, y) es armnica en y continua sobre , entonces u


toma su valor mnimo sobre . Esto es el Principio del Mnimo.
Prueba. Basta considerar la funcin armnica u (x, y) y aplicar el teorema
1.
Teorema 2. Si u1 y u2 son funciones armnicas en y continuas sobre ,
y si u1 = u2 sobre , entonces u1 = u2 sobre .
Prueba.
La funcin u (x, y) = u1 (x, y) u2 (x, y) es armnica en y continua en
. Luego, u toma su mximo y mnimo valor sobre . Pero, u (x, y) = 0
sobre , y de esta manera u (x, y) = 0 sobre , es decir, u1 (x, y) = u2 (x, y)
en .

Corolario 2. Si el problema de Dirichlet tiene solucin, entonces la solucin


es nica.
Prueba.
Si u1 y u2 fueran dos soluciones del problema de Dirichlet, entonces u1 y
u2 satisfacen la hiptesis del teorema 2, y se tiene la unicidad de la solucin.
Nota. Existen problemas de Dirichlet que no tienen solucin. (Ver [ORT.
3], pag. 250).
Teorema 3. (Estabilidad del Problema de Dirichlet). Si el problema de
Dirichlet tiene solucin, entonces ella depende continuamente de la funcin
contorno g (x, y) .
Esto significa que si g se perturbara a g1 , y si |g (x, y) g1 (x, y)| < ,
entonces |u (x, y) u1 (x, y)| < , donde u1 es la solucin del problema de
Dirichlet respecto a la condicin de contorno g1 .
Determinar la existencia de la solucin del problema de Dirichlet es una
ardua tarea. Esto lo comprobamos cuando estudiamos el problema para un
dominio muy familiar, como es el caso de un disco en el plano.
Ejemplo 3. Sea un disco circular de metal de radio a, que tiene su interior
aislado. El borde del disco (r = a) es mantenido a una temperatura especfica, que depende de su ubicacin, lo que vara con . La temperatura dentro

2.3. ECUACIONES EN DERIVADAS PARCIALES.

167

del disco satisface a la ecuacin de Laplace.

Determine la distribucin de temperatura u (r, ) dentro del disco encontrando la solucin del siguiente problema de Dirichlet:
u

2 u 1 u
1 2u
+
+
= 0 0 r < a, . . .
r2 r r r2 2
u (a, ) = f ()

[+]

. . . [++]

Solucin.
Vamos a usar nuevamente el mtodo de separacin de variables. (Ver
(xv), 2.1).
Pongamos
u (r, ) = R (r) T () , donde 0 r < a, .
Llevando a [+] y separando las variables, se obtiene
T 00 ()
r2 R00 (r) + rR0 (r)
=
= ,
R (r)
T ()
siendo constante. De esto se obtienen las ecuaciones diferenciales ordinarias,
r2 R00 (r) + rR0 (r) R (r) = 0

()

T 00 () + T () = 0

()

A fin de que u (r, ) sea continua en el disco 0 r < a, se necesita que


T () sea 2-peridica; asi (en particular) se impondr
T () = T ()

T 0 () = T 0 ()

( )

168

CAPTULO 2. ECUACIONES DIFERENCIALES.

Veamos ahora al problema

()
( ) .

Caso < 0 [equivalente al caso > 0 en (xv), 2.1, ya que


y

antes usamos
ahora ]. La solucin general T () es de la forma a1 e +a2 e , y por
las condiciones asumidas, se tiene como solucin 2-peridica a la solucin
trivial.
Caso = 0: se tiene T () = a + b como solucin lineal de (), la cual
es peridica solo cuando a = 0, y por tanto T0 () = b es la nica solucin
peridica en este caso.

Caso > 0: la solucin general de () es T () = a cos +


b
sen
, la

que tendr soluciones 2-peridicas no-triviales solo cuando = n, n =


1, 2, 3, ... (Observe la analoga con (xv), 2.1). De esta manera se obtiene las
soluciones 2-peridicas no-triviales:
Tn () = an cos n + bn sen n

donde = n, n = 1, 2, ...
Como = n2 , n = 1, 2, 3, ..., () toma la forma, una ecuacin de Cauchy
Euler (ver 2.2.3),
()0

r2 R00 (r) + rR0 (r) n2 R (r) = 0


Si n = 0, la solucin general es
R0 (r) = c + d ln r.

Observemos que si d 6= 0 sabemos que ln r , r 0+ , lo que significa


que esta solucin no es acotada cerca de r = 0. Esto motiva escoger d = 0 si
u (r, ) debe ser continua en r = 0, y asi, R0 (r) = c y de esta manera
u0 (r, ) = R0 (r) T () = cb

a0
2

(esto ltimo por conveniencia mas tarde).


Ahora observemos que, cuando = n2 , n = 1, 2, ... , la ecuacin ()0
tiene solucin general de la forma,
Rn (r) = cn rn + dn rn .
Pero, rn si n 0+ , lo que sugiere tomar dn = 0 para que u (r, )
sea acotada en r = 0. De esta manera, Rn (r) = cn rn .

2.3. ECUACIONES EN DERIVADAS PARCIALES.

169

Resumiendo, para cada n = 1, 2, 3, ... se tienen las soluciones


un (r, ) = Rn (r) Tn () = cn rn (an cos n + bn sen n) .
Ahora, como es usual, la idea es sumar sobre todas las n0 s, y se consigue
(formalmente):
a0 X n
u (r, ) =
cn r (an cos n + bn sen n) ,
+
2
n=1

serie que se puede escribir mas convenientemente en la forma,

a0 X r n
+
(an cos n + bn sen n)
u (r, ) =
2
a
n=1

(s)

donde a0 , a0n s, b0n s son constantes. Ellas pueden ser determinadas usndose
la condicin de contorno [++]. En este caso, r = a y (s) toma la forma
a0 X
+
(an cos n + bn sen n) .
f () =
2
n=1

Si f () es 2-peridica, se observa que los coeficientes an y bn son los


coeficientes de Fourier (que estudiaremos mas tarde); ellos tiene la forma
Z
1
an =
f () cos n d = hf () , cos ni , n = 0, 1, 2, ...
()

Z
1
bn =
f () sen n d = hf () , sen ni , n = 1, 2, ...
()

Resumen: dado el problema de Dirichlet [+], [++], su solucin u (r, )
(solucin nica) es de la forma (s), donde los coeficientes de Fourier an y bn
son dados por () y () respectivamente.

Es oportuno resaltar que si es el interior del disco unitario (a = 1), la


solucin del problema de Dirichlet es dado por
Z
1
1 r2
(s)0
f () d,
u (r, ) =
2 1 + r2 2r cos ( )
0 r < 1, . ((r, ) y (, ) son coordenadas polares).
(s)0 es conocida como la frmula integral de Poisson.
k (r, ) =

1 r2
es llamado el ncleo de Poisson.
1 + r2 2r cos ( )

170

2.3.4

CAPTULO 2. ECUACIONES DIFERENCIALES.

La Ecuacin del Calor.

En (xxiii), 2.1, se obtuvo la ecuacin de calor ut cu = 0, una ecuacin de


tipo parablico. Ahora tratamos el caso (x, t) R R; de esta manera la
ecuacin ser de la forma
uxx ut = 0.

Sea R el rectngulo con vrtices (0, 0) , (, 0) , (, b) y (0, b) ; R es su


interior. Sean L1 , L2 , L3 y L4 segmentos de rectas segn se muestra en
el grfico adjunto. L4 significa el segmento L4 menos sus puntos extremos.
g1 (t) , g2 (x) y g3 (t) son funciones continuas definidas sobre L1 , L2 y L3
respectivamente, tal que se tenga g1 (0) = g2 (0) , g2 () = g3 (0). Se asume
b > 0.

Problema H. Encontrar una funcin u = u (x, t), continua sobre R = R R


tal que:

(a) u satisface uxx ut = 0 sobre R L4 ,


(b)

u (0, t) = g1 (t) sobre L1


u (x, 0) = g2 (x) sobre L2
u (, t) = g3 (t) sobre L3 .

Para resolver al problema H se usar nuevamente el mtodo de separacin de variables. Previamente veamos algunos resultados relacionados al
problema H.
Teorema 4. Bajo las condiciones dadas sobre el rectngulo R, si u = u (x, t)
es continua sobre R y si u es solucin de uxx ut = 0 sobre R L4 , entonces
u (x, t) toma su mximo valor sobre L1 L2 L3 .

2.3. ECUACIONES EN DERIVADAS PARCIALES.

171

(Para la prueba de este teorema, ver [GRE], pag. 146).


Corolario 3. Bajo las mismas hiptesis que el teorema 4 se tiene que u =
u (x, t) toma su mnimo valor sobre L1 L2 L3 .
Prueba. Aplicar el teorema 4 a la funcin u (x, t) .
Teorema 5. Si el problema H tiene una solucin, entonces la solucin es
nica.
Prueba. Si u1 (x, t) y u2 (x, t) son dos soluciones del problema H, entonces
u (x, t) = u1 (x, t) u2 (x, t)
es una solucin de uxx ut = 0, y es continua sobre R.
Luego u toma su mximo y mnimo valor sobre L1 L2 L3 ; pero u (x, t) =
0 sobre L1 L2 L3 , entonces se tendr que u (x, t) = 0 sobre R, es decir,
u1 = u2 sobre R.

Teorema 6. Si el problema H tiene una solucin u (x, t), entonces u depende


continuamente sobre g1 (t) , g2 (x) y g3 (t). Es decir, el problema H es estable.
Solucin del Problema H.
Consideraremos lo mencionado anteriormente. Esta vez solo tenemos una
funcin g (x), definida y continua sobre [0, ] tal que g (0) = g () = 0. Asi el
problema H toma la forma: encontrar una funcin u = u (x, t), continua
sobre R, tal que
(a) u satisface uxx ut = 0
(b) u satisface

u (0, t) = 0

u (x, 0) = g (x)
u (, t) = 0

en R L4 ,
sobre L1 ,
sobre L2
sobre L3 .

(+)
()
()
( ) .

Solucin. Nuevamente escribamos la solucin en la forma u (x, t) =


X (x) T (t), lo que llamamos a (+) para producir las ecuaciones diferenciales
ordinarias:
T 0 (t) T (t) = 0

(+)

y
X 00 (x) X (x) = 0

00

(+)

172

CAPTULO 2. ECUACIONES DIFERENCIALES.

donde es constante.
Si g (x) = 0, 0 x , entonces u (x, t) = 0 sera la nica solucin del
problema. Asumamos, entonces, que g (x) 6= 0, x [0, ]; esto implica
00
que X (x) 6 0, 0 x , y T (t) 6 0, 0 t b. Veamos (+) . Desde que
se debe tener () y ( ), entonces X (0) = X () = 0. La solucin general

X (x) = c1 sen x + c2 cos x,

sujeta a la condiciones X (0) = X () = 0, nos lleva a: c1 sen = 0 y


c2 = 0.
Pero, desde que X (x) 6 0, se tiene = n2 , n = 1, 2, 3, ... Entonces, la
00
solucin Xn (x) de (+) , con la condicin X (0) = X () = 0, es de la forma
Xn (x) = an sen nx.
0
0
Veamos (+) . Desde que = n2 , n = 1, 2, ... , la solucin de (+) es de
la forma
2

Tn (t) = bn en t , n = 1, 2, ...
donde bn es constante.
Resumiendo lo obtenido, tendremos
2t

un (x, t) = Xn (x) Tn (t) = an bn (sen nx) en

como una solucin de uxx ut = 0 satisfaciendo () , () y ( ) .


Por conveniencia pongamos bn = an bn , y de esta manera tenemos
2

un (x, t) = bn (sen nx) en t .


Como es usual, ahora sumamos sobre todas las n0 s para obtener

X
2
bn (sen nx) en t
u (x, t) =

(s)

n=1

Finalmente falta determinar bn . Bien, u (x, t) debe satisfacer (), esto


es,
g (x) = u (x, 0) =

X
bn (sen nx) ,
n=1

y por lo tanto los bns estn bien determinados pues son los coeficientes de la
serie seno-Fourier de la funcin g (x) .
Asi, u (x, t), dada por (s), es la solucin del problema H.

2.3. ECUACIONES EN DERIVADAS PARCIALES.

173

Ejercicios 2.3.
1. Resolver la ecuacin en derivadas parciales,
(a) ux = y sen x ;

(b) uxx = x

(c) uy = 0 ;

(d) uxxy = 1.

2. Si es constante, verifique que

0 0 t < x
u (x, t) =

t>x
es solucin del problema:

uxx utt = 0 , x > 0, t > 0

u (0, t) =
u (x, 0) = 0

ut (x, 0) = 0

3. Pruebe que u (x, y) = log (x2 + y 2 ) es solucin de la ecuacin de Laplace


uxx + uyy = 0, (x > 0, y > 0).
4. Clasifique las siguientes ecuaciones, como hiperblicas, elpticas o parablicas
(a) uxx + uxy + uyy = 0 ;

(b) uxx + 2uxy + uyy = 0

(c) uxx + uxy uyy = 0 ;

(d) uxx + 4uxy + uyy = 0

5. En R2 , encuentre la solucin de los siguientes problemas de Cauchy.


Verifique cada respuesta.
(a) uxx uyy = 0,

u (x, 0) = x2 ,

uy (x, 0) = 1

(b) uxx uyy = 0,

u (x, 0) = x,

(c) uxx uyy = 0,

u (x, 0) = sen x,

(d) uxx uyy = 0,

u (x, 0) = ex ,

uy (x, 0) = x
uy (x, 0) = cos x
1
uy (x, 0) =
.
1 + x2

6. En R2 , encuentre la solucin de los siguientes problemas de Cauchy.


Verifique cada respuesta.
(a) uxx uyy = 1,

(b) uxx uyy = xy,

u (x, 0) = 1,

uy (x, 0) = 0

u (x, 0) = cos x,

uy (x, 0) = sen x

174

CAPTULO 2. ECUACIONES DIFERENCIALES.


(c) uxx uyy = 2x,

u (x, 0) = 0,

uy (x, 0) = 1.

7. Sea un dominio acotado; u = u (x, y) es armnica sobre y continua


sobre . Si existe un punto (x0 , y0 ) tal que
u (x0 , y0 ) = max {u (x, y)} ,
(x,y)

pruebe que u es identicamente constante sobre .


8. Ejemplo. Resolver
(*)

uxy + uy = 1
Solucin.

La idea es usar la substitucin v = uy , y por tanto la ecuacin se transforma en vx + v = 1, la que se maneja como una ecuacin diferencial
ordinaria de primer orden. Procedemos como es usual: ex vx +ex v = ex ,
luego (ex v)x = ex . Integrando se obtiene ex v = ex + F (y), donde F (y)
es una funcin arbitraria. Por tanto, v = 1+F (y) ex . De esta manera,
uy = 1 + F (y) ex . Integrando con respecto a y obtenemos,
Z
x
u=y+e
F (y) dy + g (x) .
Poniendo f (y) =

F (y) dy, se obtiene la solucin

u (x, y) = y + f (y) ex + g (x) .

(*)0

Tarea: Verifique directamente que (*)0 es solucin de (*).


Resolver uxy uy = 6xex

(Rpta. u (x, y) = 3x2 yex + f (y) ex + g (x)).

9. Resolver ux = uy . (Podra usar el mtodo de separacin de variables).


(Rpta. u (x, y) = c1 ec2 (x+y) , donde c1 y c2 son constantes).
10. Redacte un breve informe sobre el problema H.

2.4. SERIES Y ANLISIS DE FOURIER.

2.4

175

Series y Anlisis de Fourier.

Posiblemente el anlisis de Fourier sea la rama de la matemtica que mas


ha influido, en los siglos XIX y XX, en el desarrollo de la matemtica pura y de la matemtica aplicada. La obra fsico-matemtica de J. Fourier
(1768-1830) fue de una profundidad tal que los problemas surgidos de ella
permiti la creacin de nuevas y fecundas teoras matemticas que permitieron a su vez desarrollar nuevas aplicaciones en pro del desarrollo de la
ciencia y de la tecnologa. Este tipo de anlisis es un bello captulo de la
matemtica, el que debe formar parte de la cultura de todo investigador que
trabaje en problemas de la ingeniera, de la fsica, y otros campos. En esta
oportunidad solo trataremos algunas ideas, motivaciones, algunos mtodos y
resultados. El anlisis de Fourier est ntimamente relacionado con la teora
de las ecuaciones en derivadas parciales y del anlisis matemtico, como ya
hemos tenido oportunidad de verificar.

2.4.1

Seales.

La teora de la seal es un campo muy amplio, con diversas ideas y tcnicas,


las que son fundamentales en la investigacin, en la ingeniera, en las comunicaciones, en la astronutica y en general en diversas reas de la ciencia y
de la tecnologa. Seal, una palabra fundamental en los seres humanos, y en
los animales en general. Va seales se enva informacin, las que son procesadas por un adecuado sistema. Las seales existen dentro y fuera de nuestro
cuerpo. Un dolor en la espalda es una seal de que algo est pasando dentro
de nuestro organismo, lo que es procesado por el cerebro. Estamos rodeados
de seales. La teora de la seal tiene por objetivo estudiar a las seales y a
los sistemas que los transmiten. Son seales, por ejemplo, la intensidad de
una corriente elctrica, las ondas luminosas de un semforo, los niveles del
gris de los puntos de una imagen g (i, j), etc ...

Una seal analgica es una funcin x = x (t). Por ejemplo, es una


seal analgica la seal sinusoidal x (t) = cos (wt + ), donde || =
2
max |x (t)| es la amplitud de la seal, w es la pulsacin, a =
es
w

176

CAPTULO 2. ECUACIONES DIFERENCIALES.


el perodo, =

1
es la frecuencia y es la fase inicial.
a

una seal discreta es una sucesin x = (xn )nZ .

Cuando a una seal analgica se la discretiza, se obtiene una seal


discreta. El recproco tambin es factible realizarse.

Un sistema de transmisin es un aparato en donde se distingue a


una seal de entrada y a una seal de salida.

Matemticamente, un sistema de transmisin es un operador A; de esta


manera, y = Ax, donde x X, y Y , siendo
X = {seales de entrada}

Y = {seales de salida} .

Por ejemplo, el telfono y un amplificador son sistemas de transmisin.

2.4. SERIES Y ANLISIS DE FOURIER.

177

Un sistema analgico transforma una seal analgica en una seal


analgica.

Un sistema discreto transforma una seal discreta en una seal discreta.

Una histrica seal es la seal unitaria de Heaviside.

0 t < 0
u (t) =
1 t > 0

La teora de la seal hace uso de los recursos del anlisis funcional, y


de un modo general de la matemtica que le fuera til. Veamos.
El sistema A : X Y es lineal si
y

x1 , x2 X

, A (x1 + x2 ) = A (x1 ) + A (x2 )

x X, R , A (x) = A (x) .
A es causal (o realizable) si para t < t0 , x1 (t) = x2 (t) implica que
para t < t0 , Ax1 (t) = Ax2 (t). Esto significa que la respuesta en un

178

CAPTULO 2. ECUACIONES DIFERENCIALES.


instante t no depende de lo que pas antes de t; en otras palabras, si
para dos seales de entrada que coinciden en el tiempo t = t0 , las seales
de salida coinciden al menos en el tiempo t0 . La causalidad es una
condicin (necesaria) para que un sistema sea (fsicamente) realizable.

A es invariante si x (t) y (t), entonces x (t a) y (t a) , a R.


El operador retardo Ra es definido va: Ra x (t) = x (t a) .
Si A es invariante, entonces x X, a R se tiene
A (Ra x) = Ra (Ax) ,

a R , ARa = Ra A

A : X Y es continua si (xn ) x, entonces yn = Axn y = Ax.


Remarcamos que X e Y son dos espacios vectoriales en donde se consideran normas. Asi, xn x significa que kxn xkH 0. Algunas normas
que son utilizadas son:
- norma de la convergencia uniforme:
kxk = sup {|x (t)| , t I} ,
donde I es un determinado intervalo;
- norma en la convergencia L1 (promedio):
Z
kxk1 = |x (t)| dt;
I

- norma en la convergencia L2 (en energa):


Z
kxk2 = |x (t)|2 dt.
I

Para seales discretas se tiene, respectivamente:


kxk = sup {|xn | , n Z} .
kxk1 =

n=

|xn |

kxk2 =

n=

|xn |2

! 12

2.4. SERIES Y ANLISIS DE FOURIER.

179

- Convergencia Simple: si (xn ) = (xnk )kZ y x = (xk ), se dice que


(xn ) x k Z, xnk xk , cuando n +.
Dadas dos seales u1 y u2 , su convolucin u1 u2 es definida va:
Z
(u1 u2 ) (t) =
u1 (s) u2 (t s) ds caso analgico

(u1 u2 ) (n) =

X
u1 (k) u2 (n k)
kZ

caso discreto.

Decimos que una seal u es:


peridica, de perodo T, si u (t + T ) = u (t) , t R;
acotada si C > 0 real tal que |u (t)| C, t R;
Z
de energa limitada si C > 0 tal que
|u (t)|2 dt C;

de duracin limitada si u (t) = 0 para |t| > T ;


de banda limitada si su transformada de Fourier u satisface u () =
0, || > , donde
Z
u () =
eit u (t) dt

y es dada (frecuencia).
La discretizacin de la seal unitaria de Heaviside es la seal escaln

1 n 0
u (n) =
0 n < 0.

Otra seal discreta que es til en las aplicaciones es la seal delta (Dirac)

1 n = 0
(n) =
0 n 6= 0.

180

CAPTULO 2. ECUACIONES DIFERENCIALES.

Corolario 4. (i). (n k) =
(ii). u (n) =

1
0

n=k
n 6= k, k Z.

X
u (k) (n k) = (u ) (n) , n Z.
kZ

Es decir, u = u.

2.4.2

Filtros y Banco de Filtros.

Las seales son procesadas usando filtros o banco de filtros; para ello vamos
a necesitar de un adecuado lenguaje matemtico, como son los espacios de
Hilbert l2 (Z) , L2 ([0, 2]) , ... De ser necesario, el lector debe revisar la
seccin 1.1.
La idea intuitiva de filtro es aquella que nosotros tenemos de filtrar un
lquido va un colador, por ejemplo. La idea es retener lo que no sirva y
solo pase lo til a nuestros objetivos; es decir, retener la basura o lo que
perturbe al mensaje que deseamos conocer.
Sea el espacio de Hilbert L2 ([0, 2]). Una funcin filtro es una funcin
H en L2 ([0, 2]), y de esta manera existe (h (k))kZ l2 (Z) tal que
X
H () =
h (k) eik
(*)
kZ

Esto es una caracterizacin, es decir, para toda (h (k)) l2 (Z) , H


definido va (*) es una funcin en L2 ([0, 2]). La sucesin (h (k)) es llamada
la respuesta impulso de la funcin filtro H, y H es llamada la funcin
de transferencia de (h (k)). Sea H una funcin filtro acotada, esto es,
H L ([0, 2]), con respuesta (h (k))kZ .
Definicin. Un filtro F es un operador definido va
F : l2 (Z) l2 (Z)
(x (k)) F (x (k)) = (yk )
donde,
y (k) =

X
h (n) x (k n)
kZ

convolucin discreta.

2.4. SERIES Y ANLISIS DE FOURIER.

181

Decimos que F es el filtro asociado a la funcin filtro H, o que H es la


representacin del filtro F . Asi tenemos las asociaciones
(h (k)) H () , (x (k)) X () y (y (k)) Y () ,
donde X () , Y () se definen de un modo similar a (*). Asi, un filtro, un
operador lineal, invariante por translaciones (dado que es una convolucin),
es representado por el siguiente grfico

De un modo general, un filtro es un operador F : X Y , que es


lineal, continuo e invariante por translaciones, donde X e Y son los espacios
vectoriales (normados) de las seales de entrada y salida respectivamente.
Si F es un filtro, entonces para una seal discreta (u (n)) se tiene
!

X
X
cn u (n) =
cn F (u (n)) .
F
nZ

nZ

En el caso de una seal peridica se tiene


X n
u (t) =
cn eit
(donde cn es el producto interno de u (t) con eit )
nZ

X
cn en (t),

donde e (t) = eit .

nZ

Luego,
F (u (t)) =

X
cn F en (t) .
n

Observando que e (t1 + t2 ) = e (t1 ) e (t2 ) y considerando t1 como un parmetro


y t2 como variable, tendremos 2 ,
F (e (t1 ) e (t2 )) = F (e (t1 ) e ) (t2 ) = e (t1 ) F e (t2 )
Poniendo F e (t) = u (t), se tiene
(i)

u (t1 + t2 ) = F (e (t1 + t2 )) = F (e (t1 ) e (t2 )) = e (t1 ) F e (t2 )


= e (t1 ) u (t2 ) .

(i)

182

CAPTULO 2. ECUACIONES DIFERENCIALES.

Si t1 = t, t2 = 0, se obtiene
u (t) = e (t) u (0) H () e (t) ,
donde se tom H () = u (0). De esta manera se ha obtenido F e = H () e .
Observamos, nuevamente, que F y H estn relacionados entre s; adems
vemos que e (t) = eit es una funcin propia de todo filtro F.
H: R C
H ()
es llamada la funcin de transferencia del filtro F.
La naturaleza de H () define al tipo de filtro o del sistema que consideremos. Asi tenemos,
Si
H () =

aeit0
0

|| 1
complemento,

el filtro asociado F se llama filtro pasa - bajo, donde 1 se llama la


frecuencia de corte.
Si
H () =

aeit0
0

|| 1
complemento,

1 || 2
complemento,

F se llama filtro pasa - alto.


Si
H () =

aeit0
0

F se llama filtro paso de banda.


Una seal u (t) es escalada va la aplicacin u (t) u (at) , a > 0.
Se tiene una contraccin si a > 1 y una expansin si a < 1. La resolucin
de una seal est relacionada a su contenido frecuencial. Asi, por ejemplo,
un filtro pasa bajo conserva su escala pero reduce su resolucin. La idea es
trabajar con el filtro pasa alto.
Volvamos al caso l2 (Z) , L2 ([0, 2]) ,

2.4. SERIES Y ANLISIS DE FOURIER.

183

Algoritmo de Descomposicin (Anlisis).


La seal (x (k))kZ entra al procesamiento de filtramiento va dos funciones
filtros H0 y H1 , obtenindose dos subseales (y0 (k))kZ y (y1 (k))kZ , las que
a su vez se les aplica un operador submuestreo que selecciona los ndices
pares, obtenindose las subseales (y0 (2k))kZ y (y1 (2k))kZ , a las que se les
asocia las series
X
X
y0 (2k) ei2k
y1 (2k) ei2k ,
Y0 () =
y
Y1 () =
kZ

kZ

funciones que satisfacen,


Y0 () =

1
[H0 () X () + H0 ( + ) X ( + )] ,
2

Y1 () =

1
[H1 () X () + H1 ( + ) X ( + )] ,
2

donde X () =

X
x (k) eik .
k

Las dos seales

=
y0 (2k) eik ,
Y0
2
k

y1 (2k) eik
=
Y1
2
k

constituyen la salida de la etapa del anlisis. Y0 es la seal de bajas


frecuencias y Y1 es la seal de altas frecuencias.
Algoritmo de Reconstruccin (Sntesis).

y Y1
son codificadas y transmitidas, las que al ser
Las seales Y0
2
2
recepcionadas son descodificadas e interpoladas ponindose cero entre dos
muestras. Asi recuperamos Y0 () y Y1 () en el caso ideal de que no tengamos
prdidas (caso ideal). El xito de la operacin consiste en recuperar la seal
de entrada (x (k))kZ en su mejor aproximacin. A continuacin, el canal
de baja frecuencia es filtrado por una funcin filtro G0 y el canal de alta
frecuencia por el filtro G1 .

184

CAPTULO 2. ECUACIONES DIFERENCIALES.

La accin resultante es la suma de tales dos canales filtrados. Sea X la


transformada de Fourier de tal seal resultante. Se obtiene,

X () =

1
[(H0 () G0 () + H1 () G1 ()) X () +
2
(H0 ( + ) G0 () + H1 ( + ) G1 ()) X ( + )] .

Por razones tcnicas se impone la condicin,


H0 ( + ) G0 () + H1 ( + ) G1 () = 0,
lo que implica
1
(H0 () G0 () + H1 () G1 ()) X () .
2
La teora de la seal nos dice que se tendr reconstruccin exacta si

X () =

H0 () G0 () + H1 () G1 () = 2eik , k Z.
Para mayores referencias sobre filtros y banco de filtros, el lector puede
consultar [STR-NGU], en donde se puede encontrar, adems, una excelente
conexin con la teora de ondculas (wavelets).
Las investigaciones en la teora del procesamiento de la seal llev a la
creacin de algunos algoritmos y mtodos para optimizar la informacin que
la seal contiene.
Alrededor de estas ideas estn los llamados filtros espejos en cuadratura. Esta familia de bancos de filtros (FEC) fueron introducidos por Esteban y
Galland en 1977. La idea es introducir ciertas condiciones sobre H0 , H1 , G0
y G1 con el objetivo de optimizar la etapa de la sntesis, es decir, asegurar
que se tenga la condicin:
H0 ( + ) G0 () + H1 ( + ) G1 () = 0.

()

Las condiciones que se introdujeron fueron,


H1 () = H0 ( + )

(i)

G0 () = H0 ()

(ii)

G1 () = H0 ( + )

(iii)

Si se tienen (i), (ii) y (iii) entonces se tiene (()). Adems, la condicin


de reconstruccin exacta toma la forma,
H02 () H02 ( + ) = 2eik

, k Z.

2.4. SERIES Y ANLISIS DE FOURIER.

185

Las condiciones (i), (ii) y (iii) definen a los filtros espejos en cuadratura.

Sea H0 (z) la transformada en z de H0 , esto es, H0 ei = H0 (). Similarmente, H1 ei = H1 (). Estos operadores, H0 y H1 , se extienden como
funciones holomorfas (o analticas) dentro de la corona de convergencia de
las series que definen a H0 y H1 ; asi se tiene H0 (z) y H1 (z). Esteban Galand usaron filtros causales, de respuesta impulso finito (FIR, los que
son filtros que tienen solamente un nmero finito de coeficientes diferentes
de cero) y simtricos, y que son de la forma
2p+1

H0 () =

h (k) eik ,

k=0

donde se tiene h (p k + 1) = h (p k) , 0 k p.
Bajo esta hiptesis se tiene, H1 (z) = H0 (z); de esta manera, un filtro
es obtenido del otro va una isometra del tipo espejo z z.
Los FEC son filtros lineales y son relativamente simples desde el punto
de vista tecnolgico y fueron usados en diversas investigaciones, pero tienen
algunos inconvenientes pues si bien permiten una buena reconstruccin, no es
posible tener FEC que sean FIR y que a la vez proporcionen reconstruccin
exacta. Con el objeto de remediar esta situacin, Smith - Barnwell, 1984-86,
propusieron otras relaciones, diferentes a (i), (ii), (iii) pero que an permiten
tener (()). En esta direccin se introdujeron los filtros conjugados en
cuadratura (FCC). La idea es la siguiente.
Si H0 es una funcin filtro, con respuesta impulso real, el modelo de los
FCC considera las condiciones,
H1 () = H0 ( + ) eik

, k impar

G0 () = H1 ( + )
G1 () = H0 ( + ) .
Con estas condiciones se tiene nuevamente (()) y la relacin
H0 () G0 () + H1 () G1 () = 2eik
toma la forma
|H0 ()|2 + |H0 ( + )|2 = 2,

186

CAPTULO 2. ECUACIONES DIFERENCIALES.

una relacin pitagrica, la que implica H0 (0) = 2. Si bien ciertos FCC permiten obtener una reconstruccin exacta con los filtros FIR, sin embargo,
no es posible sintetizar un banco FCC que sea simtrico y a la vez FIR.
El siguiente teorema proporciona el fundamento de la teora l2 de los
filtros discretos; este resultado permite definir matemticamente a un filtro.
Teorema 7. Sea F : l2 (Z) l2 (Z) un operador lineal continuo, que conmuta con translaciones, entonces existe una sucesin (h (k))kZ l2 (Z) tal
que
X
(F x) (k) =
h (k n) x (n)
((+))
nZ

para todo x = (x (k))kZ l2 (Z). Adems, la funcin


H () =

X
h (k) eik
kZ

est en L ([0, 2]) y kF k = kHkL .


Recprocamente, si (h (k))kZ l2 (Z) es tal que H L ([0, 2]), entonces
((+)) define un operador lineal continuo, que conmuta con translaciones, y
se tiene kF k = kHkL .
Nota. De algn modo ya hemos estado usando al teorema 7.
Un esquema del banco de filtro con dos canales (pueden haber de n
canales) luce como sigue,

donde 2 significa sub muestreo y 2 super muestreo.


Es oportuno mencionar que por el canal del filtro paso bajo H0 se llega,
de algn modo, a la funcin escala (x) (aproximacin de la seal), y por
el canal del filtro paso alto se llega a la funcin ondcula (wavelet) (x),
que mide el error cometido al procesar la seal.

2.4. SERIES Y ANLISIS DE FOURIER.

2.4.3

187

Series y Anlisis de Fourier.

Diversos fenmenos en la naturaleza son peridicos; en este contexto el anlisis introducido por Fourier, a inicios del siglo XIX fue fundamental en el campo de las aplicaciones. Las series de Fourier ya fueron introducidas en 1.1.2;
en esta oportunidad comenzamos desarrollando algunos aspectos bsicos de
las series de Fourier al estilo de como ellas son usadas en aplicaciones en la
ingeniera, por ejemplo. Posteriormente veremos algo del anlisis de Fourier,
siempre desde un punto de vista bsico. Recordamos que en 1.1.2 y en 1.1.6
vimos algunos resultados fundamentales, como son la frmula de Plancherel
y la frmula de Parseval.
Hemos dicho que una seal o funcin f es peridica, de periodo T (T > 0)
2int
si f (t + T ) = f (t) , t R. Se tiene que en (t) = e T es peridica, de
periodo T ; lo mismo lo es la suma finita
p (t) =

N
X

cn e

2int
T

n=N

suma que se llama un polinomio trigonomtrico. Va un adecuado cambio


de notacin, este polinomio se puede escribir en la forma

N
2nt
2nt
a0 X
an cos
+
+ bn sen
.
p (t) =
2
T
T
n=1
Si T = 2,
a0 X
(an cos nt + bn sen nt) .
+
p (t) =
2
n=1
N

Problema. Si f : R C es una arbitraria funcin peridica, de periodo T ,


f puede descomponerse en la forma
f (t) =

X
2int
cn e T ?
n=1

Fourier dijo s. Sin embargo, en general, la respuesta es negativa.


Obsrvese que ahora tenemos una serie, una serie trigonomtrica. El
estudio de este problema llev al desarrollo de nuevas e interesantes ideas
sobre la convergencia de series. Por razones de notacin, pongamos T = 2L.
Consideremos al espacio Cp ([L, L]) de las funciones continuas peridicas, definidas en el intervalo [L, L]. En este espacio, las familias:

188

CAPTULO 2. ECUACIONES DIFERENCIALES.

n
n o
x
,
(i) cos
L
n=0,1,...
n
n o
,
x
(ii) sen
L
n=1,2,...
n
n
n o
n o
(iii) cos
x
x
son conjuntos ortogonales con
sen
L
L
n=0,1,...
n=1,2,...
el producto interno
Z L
hf, gi =
f (x) g (x) dx.
L

Veamos la ortonormalizacin de la familia (iii). En efecto. (normas en


L ([L, L]) ,
2

cos 0

x = k1k =

x =
cos
L
=

12

dx
= 2L ,

L
L

Z
n 12
1
1
2
x dx
cos
= usando
cos xdx = x + sen 2x
L
2
4
L
L

L , n 6= 0

Z
n 12
1
1
2
2
sen xdx = x sen 2x
sen
= usando
x dx
L
2
4
L

x =
sen
L

= L , n 6= 0.
Luego, el conjunto ortonormal es:

cos n x
1

2L
L

n=1,2,...

n
sen
x
L

n=1,2,...

Algunas veces es necesario considerar productos internos pesados, respecto a una funcin peso w (x) > 0. Asi se tendr (en general),
Z b
f (x) g (x) w (x) dx;
hf, gi =
a

la respectiva norma es

kf k =

12
|f (x)| w (x) dx .
2

2.4. SERIES Y ANLISIS DE FOURIER.

189

De esta manera, la familia {fn }n=1,2,... es ortogonal sobre [a, b] respecto a


w (x) si
Z b
fm (x) fn (x) w (x) dx = 0 para m 6= n .
a

Remarcamos que {fn } f en la media - L2 sobre [a, b] si


lim kf fn k = lim

12
= 0.
|f (x) fn (x)| dx
2

Decimos que {fn } f puntualmente si


lim |f (x) fn (x)| = 0

para cada x [a, b] .

Por ejemplo, sobre [0, 1], la sucesin {xn } converge puntualmente a


cero sobre [0, 1) y a uno para x = 1. Grafique x1 , x2 , x3 , x4 , ... sobre
[0, 1] .
Qu observa para x [0, 1)?, y en x = 1? Adems, en la norma L2 se
tiene
12
12

Z 1
1
2n
n
k0 x k =
x dx
= =
0, n .
2n + 1
0
Luego, {xn } 0 en L2 ([0, 1]) .
Observemos que la contribucin en x = 1 es intranscendente en el clculo
de la integral.

En 1.1.5 hemos tenido oportunidad de considerar bases en espacios normados. En tal contexto diremos que un conjunto ortonormal {en }n=1,2,... es
una base para el espacio Cp ([a, b]) si toda f Cp ([a, b]) puede ser escrito
unvocamente en la forma

X
cn en ,
f=
n=1

donde la igualdad es en el sentido de la convergencia L2 .

X
cn en es llamada la serie de Fourier de f respecto a la base
La serie
n=1

{en } .

190

CAPTULO 2. ECUACIONES DIFERENCIALES.

Ejemplo. La familia (iii) es una base para el espacio Cp ([L, L]) .


En particular, toda funcin continua por partes (es decir, no es continua
en un conjunto finito de puntos, en donde tiene saltos no complicados)
tiene una expansin en serie de Fourier, la cual converge en la norma L2 a la
funcin dada.

Asumiendo que estemos permitidos integrar trmino a trmino en una


serie, tendremos el siguiente argumento. Sea

X
f=
ck ek

(serie de Fourier),

k=1

entonces se tiene,
E X
D X
ck hen , ek i .
ck ek =
hen , f i = en ,

Pero {en } es ortogonal, esto es, hen , ek i = 0 si n 6= k. Luego,


hen , f i = cn hen , en i = cn ken k2 ,
de donde,
cn =

hen , f i
.
ken k2

en

Si {en } es ortonormal en =
, se tendr cn = hen , f i .
ken k
Estos coeficientes cn son llamados los coeficientes de Fourier de f
respecto a la base ortonormal {en } .

X
X
Notacin. Si
cn en es la serie de Fourier de f , escribiremos f
cn en .
n=1

n=1

Sabemos que la familia trigonomtrica completa


n
n
n o
n o
x
x
cos
sen
L
L
n=0,1,...
n=1,2,...
es una base para el espacio Cp ([L, L]); luego, para f Cp ([L, L]) se
tiene

X
X
n
n
x+
x.
an cos
bn sen
f
L
L
n=0
n=1

2.4. SERIES Y ANLISIS DE FOURIER.

191

Sabemos que
Z L
h1, f i
1
a0 =
=
f (x) dx ,
2L L
k1k2
D
E
n
Z
cos
x, f
1 L
n
L
an =
=
f (x) cos
xdx , n 6= 0.

2
n

L L
L
x
cos
L
D
E
n
Z
sen
x, f
1 L
n
L
xdx.
=
f (x) sen
bn =

2
n

L L
L
x
sen
L

Si L = , se tienen las conocidas frmulas,

X
X
f
an cos nx +
bn sen nx ,
n=0

n=1

donde
1
a0 =
2
1
bn =

f (x) dx

1
an =

f (x) cos nxdx, n 6= 0, y

f (x) sen nxdx.

En otras palabras,

X
a0 X
+
an cos nx +
bn sen nx.
2
n=1
n=1

Ejemplo 1. Encontrar la serie de Fourier de

f (x) =

2 x < 0
1 0 x ,

192

CAPTULO 2. ECUACIONES DIFERENCIALES.

respecto a la base (iii).

Solucin.
1
a0 =
2
1
an =

1
bn =

1
f (x) dx =
2

1
2 cos nxdx +

1
2 sen nxdx +

1
2xdx +
2

1dx =
0

3
,
2

cos nxdx = . . . = 0, n 1 ,

cos n 1
(1)n 1
sen nxdx = . . . =
=
.
n
n
0

Luego,
3 2
f (x)
2

sen 3x sen 5x
+
+ ... .
sen x +
3
5

Aprovechamos la oportunidad para mencionar que en este argumento est


latente la idea de aproximacin, es decir, en el caso de la funcin (o seal)
f (x) dada en el ejemplo 1, cmo aproximar f va sumas finitas de funciones
trigonomtricas?
Veamos, pongamos
S1 (x) =

2
3
3 2
3 2
, S2 (x) = sen x , S3 (x) = sen x
sen 3x , . . . ,
2
2
2
3

N
3 2 X sen (2n + 1) x

.
SN (x) =
2 n=0
2n + 1

La idea es que se tiene kf (x) SN (x)kL2 0, si N . La idea de


esta aproximacin se confirma si graficamos S1 , S2 , S3 , . . . , y se observa que
se tiene tal convergencia.

2.4. SERIES Y ANLISIS DE FOURIER.

193

Ejemplo 2. Encontrar la serie de Fourier de

0
< x < 0
f (x) =
x 0 < x < .

Solucin.
1
a0 =
2

( x) dx =

;
4

Z
sen nx 1
1
( x)
( x) cos nxdx =
+

n 0 n
0

1 cos nx
cos n + 1
1 (1)n
=
=
=
.
n
n 0
n2
n2

1
an =

1
bn =

Luego,

( x) sen nxdx = . . . =

sen nxdx

1
.
n


X 1 (1)n
1
f (x) +
cos nx + sen nx .
4 n=1
n2
n

Convergencia de Series de Fourier.


Teorema 8. Sean f (x) y f 0 (x) continuas por partes en L < x < L, esto
es, f (x) y f 0 (x) son continuas excepto en un nmero finito de puntos en
tal intervalo, en los cuales las funciones tienen solamente discontinuidades
finitas. Entonces, en un punto de continuidad, la serie de Fourier de f
converge a f . En un punto de discontinuidad, la serie de Fourier converge

194

CAPTULO 2. ECUACIONES DIFERENCIALES.

f (x+) + f (x)
, donde f (x+) denota el lmite de f en x por
2
la derecha, y f (x) denota al lmite de f en x por la izquierda.
al promedio

Asi, en el ejemplo 2, si x 6= 0 se tendr


X 1 (1)n
1
f (x) = +
cos nx + sen nx .
4 n=1
n2
n
En x = 0,
f (0) =

+0
f (0+) + f (0)
=
= .
2
2
2

Sea f una funcin impar, esto es, f (x) = f (x). Entonces se verifica
Z L
f (x) dx = 0.
que
L

Teorema 9. Si f es una funcin impar, entonces an = 0, n.


Si f es una funcin par, esto es, f (x) = f (x), entonces bn = 0, n.
Ejemplo 3. Encontrar la serie de Fourier de f (x) = x en [, ] .
Solucin. f es impar, luego an = 0, n. Adems,

Z
Z

1
1
2
2 x
cos nx + 2 sen nx
x sen nxdx =
x sen nxdx =
bn =

0
n
n
0
= (1)n+1

2
.
n

Por tanto,

X
(1)n+1
x2
sen nx.
n
n=1

Nota. Se sugiere al lector graficar las sumas parciales,


S1 (x) = 2 sen x , S2 (x) = 2 sen x sen 2x , S3 (x) = 2 sen x sen 2x +

2
sen 3x .
3

Compare estos grficos con el de f (x) = x. Qu observa? que los


SN (x)0 s se aproximan a f (x) = x.

2.4. SERIES Y ANLISIS DE FOURIER.

195

Ejemplo 4. Encontrar la serie de Fourier de f (x) = 3x + sen x en [, ] .


Solucin.
Observemos que 3x y sen x son funciones impares, luego f es impar y por
tanto an = 0, n. Por
otro lado, los coeficientes de Fourier de f1 (x) =
6
(ver ejemplo 3). Los coeficientes de Fourier de
3x son bn = (1)n+1
n
f2 (x) = sen x son b1 = 1 y bn = 0 para n 6= 1. Por tanto,
3x + sen x 7 sen x +

X
6

n
n=2

(1)n+1 sen nx .

Retomando el teorema 8, si f fuera continua en todo punto de [L, L],


entonces la serie de Fourier converge uniformemente a f , y se tiene la estimativa
Z
12
1
1
2
0
|f (x) SN (x)|

[]
|f (t)| dt
N

Nota. El teorema 8 es el famoso Teorema de Fourier (publicado en


1822) y fue establecido sin las hiptesis apropiadas para f . Fourier us su
genial intuicin para establecer su resultado. El mensaje de tal teorema est
en que nos dice que una amplia clase de funciones pueden ser descompuestas
en una suma de funciones elementales, atomos, como son las funciones seno
y coseno.
Miremos [] bajo la hiptesis de que f es una funcin continua y que, por
tanto, la serie de Fourier converge uniformemente a f . Deseamos tener,
|f (x) SN (x)|

para > 0 dado.

Para ello basta escoger N tal que


1
1

N

12

|f (t)| dt

de donde se obtiene

|f 0 (t)|2 dt
2

[]0

[]0 nos da un valor para N, el cual puede ser usado para todas las funciones satisfaciendo las hiptesis del teorema 8. La idea es obtener una buena

196

CAPTULO 2. ECUACIONES DIFERENCIALES.

aproximacin usando los mas pequeos valores de N. El siguiente resultado


est en esta direccin.
Teorema 10. Sea f continua, diferenciable por partes, 2-peridica, con
coeficientes de Fourier an y bn . Entonces,
|f (x) SN (x)|

n=N +1

(|an | + |bn |) , x R .

[]00

Prueba.

(an cos nx + bn sen nx)


|an cos nx + bn sen nx|
|f (x) SN (x)| =

n=N+1

n=N+1

n=N +1

(|an | + |bn |)

Ejemplo 5. Hallar la serie de Fourier de la funcin 2peridica f (x) =


|x| , x < . Discutir las estimativas [] con []00 .
Solucin.
f (x) = |x| es una funcin par, la cual es extendida peridicamente, con
periodo 2, a toda la recta. Se tiene,

2 X (1)n 1
|x|
cos nx = cambio de variable n 2n + 1
+
2
2 n=1
n

1
4 X
cos (2n + 1) x .
=

2 n=0 (2n + 1)2

Dados, por ejemplo, = 0.1 y = 0.01, se desea encontrar estimativas


para N (natural) tal que:
(i) |f (x) SN (x)| 0.1, x R,
(ii) |f (x) SN (x)| 0.01, x R.
Si escribimos S1 (x) y S2 (x), y graficamos estas funciones, observaramos
que estos grficos estn bien pegados al grfico de |x|, es decir, tendramos
nuevamente la idea de aproximacin. Obsrvese que la serie de Fourier de
f converge uniformemente a f.

2.4. SERIES Y ANLISIS DE FOURIER.

197

Bien, con el objetivo de encontrar al nmero natural N que satisfaga (i),


|f (x) SN (x)| 0.1, aplicamos []0 para obtener
Z
0 2
|t| dt
2
=
= 200.
N 2
(0.1)
(0.1)2
Similarmente, respecto a (ii), se obtiene N 20 000.
Ahora trabajemos con []00 . Se tiene

4 X
1
.
|f (x) SN (x)|
n=N+1 (2n + 1)2

1
Se sabe que,
2
(2n
+
1)
n=N +1
De esta manera,
4
|f (x) SN (x)|

1
1
+
4N + 6 (2N + 3)2

1
1
+
4N + 6 (2N + 3)2

, N natural.

En el caso (i) se desea |f (x) SN (x)| 0.1, entonces se impondr la


condicin

4
1
1
0.1,
+
4N + 6 (2N + 3)2
de donde se obtiene que (i) es satisfecha si N 3.
Procediendo en similar camino, se tendr que (ii) es satisfecha si N 32.
Conclusin: para f (x) = |x| , []00 nos lleva a un mejor resultado que usar
[] []0 .
Remarcamos que esta optimizacin depende de la funcin f dada.

Anlisis de la Seal.
El anlisis de Fourier es de vital importancia en el anlisis de la seal; la idea
es extraer informacin de una seal dada usando los mtodos introducidos
por Fourier, cuyo resultado fundamental nos dice:
La serie de Fourier de una funcin continua, diferenciable por partes,
2peridica, converge puntualmente a la funcin dada.

198

CAPTULO 2. ECUACIONES DIFERENCIALES.

Es decir, para todo x R se tiene


a0 X
+
(an cos nx + bn sen nx)
f (x) =
2
n=1

(F)

Qu significa esta representacin?


Si x representa el tiempo (t), los trminos de la serie son oscilaciones
con frecuencias variables; asi, dado n natural, cos nx y sen nx corren a
n
en un intervalo de tiempo de longitud 1. Asi, cos nx y
travs de perodos
2
n
. Por tanto, dada
sen nx corresponden a oscilaciones con frecuencias =
2
f , la representacin (F) indica que f es una superposicin de oscilaciones
armnicas (senos y cosenos) de variadas frecuencias; an y bn nos indican que
oscilaciones estn en la funcin f ; y como son las amplitudes (magnitudes
de las oscilaciones).
Retomemos a la seal sinusoidad de la forma x (t) = cos (wt + ), que
vimos a inicios de 2.4.1, seal que representa una oscilacin armnica.
200
100
w
=
=
.
Si asumimos w = 200, entonces la frecuencia ser
2
2

Como mencionamos en aquella ocasin, || = max |x (t)| es la amplitud de


la seal (asumamos > 0) y es la fase (que nos dice cuando la oscilacin
comienza).
Podemos pensar, por ejemplo, que la seal x (t) es un tono producido
por un instrumento musical. Usando una identidad trigonomtrica, se puede
escribir
x (t) = cos . cos (200t) sen . sen (200t) .
Pero x (t) es tambin igual a su serie de Fourier; luego, por la igualdad
de las sumas, se tiene que
a200 = cos ,

b200 = sen

an = bn = 0 si n 6= 200.

100
Asi, la serie de Fourier nos dice que solo la frecuencia
est presente

en la seal.
Aproximacin SN .
En las secciones 1.1.4, 1.1.5 y 1.1.6 hemos tenido la oportunidad de ver algunos temas, que ahora nos servirn para establecer otros resultados sobre

2.4. SERIES Y ANLISIS DE FOURIER.

199

las series de Fourier en el contexto del anlisis funcional. Comenzamos precisando algunas ideas y resultados. El lector es sugerido a tener presente las
definiciones y resultados establecidos en la seccin 1.1 (espacios normados).
Recordemos a la familia (iii) vista a inicios de esta seccin, con L = ,

1
1
1

cos nx
,
sen nx

2
n=1,2,...
n=1,2,...
la que es una familia ortonormal.
Esta familia es una base ortonormal
para el espacio de Lebesgue L2 ([, ]).
P
Usando la representacin f =
hf, ek i ek , donde {ek } es una base ortonormal para un espacio de Hilbert, tendremos que:



X
X
1
1
1
1
1
1
+
f, cos n cos nx +
f, sen n sen nx,
f = f,

2
2 n=1
n=1
donde observamos que los coeficientes, son los coeficientes de Fourier a0 , an
y bn respectivamente.
Por conveniencia en lo que sigue, consideremos una serie de Fourier en su
forma compleja. Sabemos que ei = cos + i sen , R; considerando el
cambio , se obtiene
ei + ei
2
Luego, para n = 1, 2, ... se tiene
cos =

sen =

ei ei
.
2i

an cos nx + bn sen nx =
1
=

inx
e + einx
f (x) cos nxdx
2

1
+

1
2

f (x) (cos nx i sen nx) dx einx

1
+
2
=

1
2

inx
e einx
f (x) sen nxdx
2i

inx

f (x) e

f (x) (cos nx + i sen nx) dx einx

Z
1
inx
dx e +
2

inx

f (x) e

dx einx .

200

CAPTULO 2. ECUACIONES DIFERENCIALES.

Se tiene tambin,
a0
1
=
2
2

f (x) dx.

Para n Z, definamos los nmeros


Z
1
f (x) einx dx.
cn =
2

[cn ]

Conclusin: la N-suma parcial de la serie de Fourier se puede escribir en


la forma,
N
N
X
a0 X
Sn (x) =
(an cos nx + bn sen nx) =
cn einx .
+
2
n=1
n=N

Luego, si f L2 ([, )) podemos escribir


f

cn einx

n=

donde cn es dado por [cn ]. Por lo expuesto se tiene el siguiente resultado.

1
inx
Teorema 11. La familia e
constituye una base ortonormal
2
nZ
para L2 ([, )) .
En relacin a la aproximacin va SN , vemos que la serie de Fourier es
un buen camino para aproximar funciones. Tambin las series de Fourier
sirven para determinar algunas sumas infinitas. El siguiente resultado es til.
Teorema 12. (Teorema de Parseval). [Ver teorema 4 0 (vi) 1.1.6].
Sea f L2 ([, )) con coeficientes de Fourier an , bn cn . Entonces,
Z

X
1
1
1 X
2
2
2
2
|f (x)| dx = |a0 | +
|cn |2 . [P]
|an | + |bn | =
2
4
2 n=1
n=
Observemos que, en este caso,

n=

bin verdadero: si

n=
2

|cn |2 < . El recproco es tam-

|cn | < y f es definida va f (x) =

entonces f L ([, )).

cn einx ,

n=

2.4. SERIES Y ANLISIS DE FOURIER.

201

De esta manera observamos que existe una correspondencia biunvoca


entre el espacio
L2 ([, )) y el espacio discreto l2 de las sucesiones {cn }
P
2
tales que
|cn | < .
Ejemplo 6. Encontrar la serie de Fourier de

1 < x < 0
0
x=0
f (x) =

1 0 < x < ,

la que es extendida como funcin 2-peridica a toda la recta.

Va el teorema de Parseval, pruebe que

1
2
=
.
2
8
(2n

1)
n=1

Solucin.
Observemos que f es una funcin impar (sen nx tambin es impar); luego
an = 0, n. Adems,
(
Z
Z
0
n es par
2
2
4
bn =
f (x) sen nxdx =
sen nxdx =
n es impar.
0
0
n
Por tanto,

X 4
a0 X
f
+
sen nx
(an cos nx + bn sen nx) =
2
n
n=1
n impar

1
1
4
sen x + sen 3x + sen 5x +
=

3
5

4 X 1
sen (2n 1) x.
n=1 2n 1

202

CAPTULO 2. ECUACIONES DIFERENCIALES.

Para la segunda parte, viendo [P], se tiene

|f (x)|2 dx = 2.

4
tenemos
Considerando que an = 0 y que bn =
n
2

1
1
4
1 X
1X
8X
2
2
2
|a0 | +
|an | + |bn | =
= 2
.
4
2 n=1
2 n impar n
n=1 (2n 1)2
Luego [P] es:

1
8 X
1
2 = 2
,
2
n=1 (2n 1)2

esto es,
2 X
1
=
.
8
(2n 1)2
n=1

Observemos que

n=

|cn |2 < , donde los cn s son los coeficientes de

Fourier de una funcin f L2 ([, )). De esto se tiene que limcn = 0


si n . Por otro lado, si tuviramos este lmite y si tal convergencia
P
fuera muy lenta, entonces no tendramos necesariamente que la serie
cn
sea convergente. Por lo tanto interesa saber cual rpido cn converge a 0. Una
forma de medir tal velocidad sera si pudiramos encontrar constantes C > 0
y p nmero natural tal que
|cn |

C
, n 6= 0.
|n|p

En este caso se dice que los coeficientes de Fourier cn s decaen polinomicamente. En esta direccin se tiene el siguiente resultado.
Teorema 13. Sea f una funcin 2-peridica, continua y diferenciable por
partes. Asumamos que f es p veces diferenciable para algn p N, y que
f (p) fuera acotada ( una constante K > 0 tal que f (p) (x) K, x).
Entonces existe una constante C > 0 tal que
|cn |

C
, n entero 6= 0.
|n|p

2.4. SERIES Y ANLISIS DE FOURIER.

203

Continuemos con algunas ideas de como encontrar una buena N-aproximacin para una funcin f , la que es representada por su serie de Fourier.
Observemos nuevamente a la desigualdad []0 , la que nos informa como escoger N para que SN aproxime f de un modo satisfactorio, pero ... N podra
ser muy grande numricamente para obtener tal buena aproximacin y la
labor de clculo computacional puede ser muy ardua. La idea de evitar esta
dificultad operativa puede ser reemplazar las sumas parciales SN por otras
sumas finitas que aproximen f tambin de un modo ptimo. Estas sumas
finitas deberan tener pocos sumandos. Por este camino se llega a la aproximacin no lineal. Un caso especial de este mtodo es la llamada mejor
N aproximacin. Asi, dada una funcin f y teniendo SN a la vista,
se trata de seleccionar aquellos coeficientes an y bn ( cn ) que contribuyan
realmente a la buena aproximacin (y rechazar aquellos coeficientes muy
pequeos). La idea es reordenar los coeficientes siempre que esto no afecte
la convergencia de la serie; este peligro se evita si

X
n=1

(|an | + |bn |) <

n=

|cn | <

pues en este caso la serie de Fourier converge incondicionalmente.


(Dejamos para otra oportunidad el desarrollar estas ideas).

2.4.4

La Transformada Discreta de Fourier.

De algn modo, la idea de la transformada discreta de Fourier est latente en


algunos argumentos realizados en secciones anteriores. Consideremos algunas
notaciones y definiciones.
j = 0, 1, 2, . . . , N 1 ; zj = z (j)

z = (z (0) , z (1) , . . . , z (N 1)) .

Sea el conjunto
l2 (ZN ) = {z = (z (0) , z (1) , . . . , z (N 1))/ z (j) C, j = 0, 1, . . . , N 1} ,
el que es un espacio vectorial (sobre C), de dimensin N. Definamos,
ej (n) =

1 n = j
0 n =
6 j

204

CAPTULO 2. ECUACIONES DIFERENCIALES.

Entonces E = {e0 , e1 , . . . , eN1 } es una base para l2 (ZN ). Si z, w


l2 (ZN ), definimos
hz, wi =

N
1
X

z (k) w (k) ,

k=0

y por tanto
kzk =

N1
X
k=0

|z (k)|2

! 12

Diremos que z w si hz, wi = 0.


Remarcamos que ZN = {0, 1, . . . , N 1} .
Va una periodicidad N, z l2 (ZN ) es extendido a todos los enteros
va, z (j + N) = z (j) , j Z. Esto significa que si deseamos encontrar z (j) con j 6= {0, 1, . . . , N 1} , entonces se considera un mltiplo de
N, mN (m Z) y lo agregamos a j hasta que j + mN {0, 1, . . . , N 1}.
Entonces se define z (j) va: z (j) = z (j + mN) .
Por ejemplo, si N = 12 y z (3) = 5i, encontrar z (2) .
Solucin. Tenemos {0, 1, . . . , 11}, entonces
z (21) = z (21 + (2) (12)) = z (3) = 5i.
Definamos
1
1
Em (n) = e2imn N , m = 0, 1, . . . , N 1, n = 0, 1, . . . , N 1.
N

Es decir,
1
E0 (n) = , n = 0, 1, . . . , N 1,
N
1
1
E1 (n) = e2in N , n = 0, 1, . . . , N 1,
N
.................................................................
1
1
EN 1 (n) = e2i(N1)n N , n = 0, 1, . . . , N 1.
N
Se verifica el siguiente resultado.

2.4. SERIES Y ANLISIS DE FOURIER.

205

Teorema 14. {E0 , E1 , . . . EN 1 } es una base ortonormal para l2 (ZN ) .


Mayores detalles pueden ser encontrados en [FRA].
Ejemplo 7. Si N = 2, tenemos

1
= (1, 1) ;
2

1
1 2i0 1 1 2i 1
E1 = (E1 (0) , E2 (1)) = e 2 , e 2 = (1, 1) .
2
2
2

1
1
Luego, (1, 1) , (1, 1) es una base para l2 (Z2 ) .
2
2
E0 = (E0 (0) , E0 (1)) =

1 1
,
2 2

Teorema 15. Para todo z l2 (ZN ) se tiene,


z=

N1
X
m=0

hz, Em i Em

(por el teorema 14).

si w l2 (ZN ) , hz, wi =
2

kzk =

N1
X
m=0

N1
X
m=0

hz, Em i hw, Em i,

|hz, Em i|2 .

Observemos que,
hz, Em i =

N1
X
n=0

1
1
1 X
1
z (n) e2imn N =
z (n) e2imn N
N
N n=0

N1

(mirar a la sumatoria !).


Esto motiva la,
Definicin. Sea z = (z (0) , . . . , z (N 1)) l2 (ZN ). Para
0, 1, ..., N 1, definimos

z (m) =

N1
X
n=0

z (n) e2imn N ,

m =

206

CAPTULO 2. ECUACIONES DIFERENCIALES.

y pongamos z = z (0) , z (1) , . . . , z (N 1) . Luego, si z l2 (ZN ) se tiene

tambin z l2 (ZN ). La aplicacin

: l2 (ZN ) l2 (ZN )

z
z

se llama la transformada discreta de Fourier, (TDF).


Se tiene,

z (m + N) =

N1
X

1
2i(m+N)n N

z (n) e

n=0

N1
X

z (n) e2imn N e2in = z (m) .

n=0

Es decir, z es peridica, con periodo N.


Teorema 16. Sean z = (z (0) , . . . , z (N 1)) y w = (w (0) , . . . , w (N 1))
dos elementos en l2 (ZN ). Entonces,
N1
1 X
1
z (m) e2imn N , . . . , n = 0, 1, ..., N 1.
(i). z (n) =
N m=0

Esta es la frmula de inversin de Fourier.

N1
1 X
1 D E

(ii). hz, wi =
z (m) w (m) =
z, w . . . frmula de Parseval.
N m=0
N
N 1
2

1 X
1
2

(iii). kzk =
z .
z (m) =
N m=0
N
2

Prueba.

(i). z (n) =

N1
X
m=0

(ii). hz, wi =

N
1
X
m=0

hz, Em i Em =

N
1
X

m=0 N

1
2

z (m)

1
N

1
2

e2imn N

N1
1 X
1
z (m) e2imn N , n = 0, 1, ..., N 1.
N m=0

hz, Em i hw, Em i =

N1
X

m=0 N

1 z (m)
2

1 w (m) =

N2

1 D E
z, w .
N

2.4. SERIES Y ANLISIS DE FOURIER.

207

(iii). Tome w = z.

1
1
Recordemos que Em (n) = e2imn N . Ahora se define
N
Fm (n) =

1 2imn 1
N , n = 0, 1, . . . , N 1, m = 0, 1, . . . , N 1.
e
N

F = {F0 , F1 , . . . , FN 1 } es llamada la base de Fourier para l2 (ZN ). Es


N1
X
1
claro que Fm = Em ; adems, z =
z (m) Fm , esto es, el coeficiente
N
m=0

de Fm es z (m) .

Desde que z z es una transformacin lineal, la transformada discreta


de Fourier puede ser representada por una matriz. Veamos. Pongamos wN =
1
1
1
mn
mn
e2i N ; luego, wN
= e2imn N y wN
= e2imn N . Entonces se tendr

z (m) =

N1
X

mn
z (n) wN
,

n=0

mn
].
y se tiene la matriz WN = [wN

Corolario. z = WN z.
Casos Particulares.

W2 =

1 1
1 1

1 1
1
1
1 i 1 i

W4 =
1 1 1 1 .
1 i 1 i

Ejemplo 8. Si z = (3, 4) l2 (Z2 ), encontrar z.


Solucin.

1 1
3
1
z=
=
;
1 1
4
7

luego z = (1, 7) .

Observemos que la TDF es una transformacin lineal unvoca, es decir,

si z 1 = z 2 entonces z1 = z2 , y por tanto ser invertible.

208

CAPTULO 2. ECUACIONES DIFERENCIALES.

Definicin. Si w = (w (0) , . . . , w (N 1)) l2 (ZN ), se define w va:


N 1
1
1 X
w (n) =
w (m) e2imn N , n = 0, 1, ..., N 1.
N m=0

La transformacin

: l2 (ZN ) l2 (ZN )

es llamada la transformada inversa discreta de Fourier, (TIDF).

Corolario. z (n) = z (n), esto es, z = z.


Este argumento nos dice que tambin la matriz WN es invertible y por

tanto tenemos z = WN1 z. En particular se tiene

1 1 1
1
.
W2 =
2 1 1

w es tambin peridica, con periodo N. Adems, w (n) =

1
w (n) .
N

Veamos algunas operaciones con la TDF. Si z l2 (ZN ) se define Rk , k


Z, va
(Rk z) (n) = z (n k) , n N.
/ ZN ; por ello z es
Debe observarse que si n, k ZN se podra tener n k
extendido a todo Z, con periodo N.
Ejemplo 9. Sea N = 4, k = 2 y z = (3, i, 0, 2 + i). Calcular R2 z.
Solucin.
Tenemos Z4 = {0, 1, 2, 3}. Entonces,
(R2 z) (0) = z (2) = z (2) = 0,
(R2 z) (1) = z (1) = z (3) = 2 + i,
(R2 z) (2) = z (0) = 3,
(R2 z) (3) = z (1) = i.

Luego, R2 z = (0, 2 + i, 3, i). Observemos que se ha producido una 2rotacin.

2.4. SERIES Y ANLISIS DE FOURIER.

209

Teorema 17. Sea z l2 (ZN ) , k Z; entonces para cualquier m Z se


tiene

(Rk z) (m) = e2imk z (m) .


Si z = (z (0) , z (1) , . . . , z (N 1)) l2 (ZN ), se define

z = z (0), z (1), . . . , z (N 1) .

Teorema 18. Sea z l2 (ZN ), entonces:

(i) (z) (m) = z (m) = z (N m), m.

(ii) z es real z (m) = z (N m), m.

2.4.5

La Transformada Rpida de Fourier.

El nmero de las componentes de una funcin o seal puede ser muy grande
y por tanto los clculos numricos o computacionales pueden ser muy arduos
y tediosos. La idea fue procurar un algoritmo que permitiera procesar a
la seal de un modo mas rpido y ptimo. Tal algoritmo se encontr y se
llama la transformada rpida de Fourier, TRF. Precisemos esta idea.
Supongamos que z l2 (ZN ) y que B es una cierta base en l2 (ZN ); por
ejemplo, ya conocemos a la base E (ver Teorema 14), la que es conocida
como base euclideana. Se sabe que las componentes [z]B de z respecto a B
se pueden calcular de las componentes de la base E va: [z]B = A [z]E = Az,
donde A es la matriz de cambio de base de E a B. Ahora se hace el siguiente
argumento.
La m-componente de Az es
Az (m) =

N1
X

amn z (n) ,

n=0

lo que nos indica que necesitamos N multiplicaciones complejas para computar cada componente de Az. Pero, Az tiene N componentes; por tanto se
necesitan hacer N 2 multiplicaciones para computar Az = [z]B .

De igual manera, respecto a la base de Fourier F , se tiene z = [z]F =

WN z; para computar z se necesitar N 2 multiplicaciones complejas (no


olvidemos que cada nmero complejo tiene dos componentes reales!). Adems,

210

CAPTULO 2. ECUACIONES DIFERENCIALES.

se debe contar tambin el nmero de sumas. En la teora de la seal, y de


imgenes, los vectores (seales) pueden tener un nmero muy grande de componentes, por ejemplo, del orden de los 10 millones de valores por segundo a
fin de obtenerse una buena informacin. Tal es el caso de la TV.
Estos voluminosos clculos est, muchas veces, mas all de la capacidad
humana. As, se requiere de un algoritmo rpido.
Asumamos que N sea un nmero par, N = 2M. El principio de la TRF
est contenido en el siguiente resultado.
Teorema 19. Sea z l2 (ZN ) , N = 2M. Definamos u, v l2 (ZM ) va:
u (k) = z (2k) , k = 0, 1, ..., M 1

v (k) = z (2k + 1) , k = 0, 1, ..., M 1.

(De esta manera, n = (z (0) , z (2) , . . . , z (N 2)) , v = (z (1) , z (3)


, . . . , z(N 1)) .
N

Sean u = WM u y v = WM v, dos funciones definidas sobre M =


2
puntos.
Entonces, para m = 0, 1, ..., M 1 se tiene

z (m) = u (m) + e2im N v (m) .

()

Tambin, para m = M, M + 1, M + 2, ..., N 1, sea l = m M (asi,


l = 0, 1, ..., M 1).
Entonces,

z (m) = z (l + M) = u (l) e2il N v (l) .

(*)

Prueba. ([FRA]).
Para m = 0, 1, ..., N 1 tenemos:

z (m) =

N1
X

z (n) e2imn N

n=0

M1
X

1
2i2km N

z (2k) e

k=0

M1
X

M1
X

z (2k + 1) e2i(2k+1)m N

k=0

2ikm N1/2

u (k) e

1
2im N

+e

k=0

M1
X

v (k) e2ikm N /2

k=0

u (k) e2ikm M + e2im N

k=0

M1
X

M1
X
k=0

= u (m) + e2im N v (m) ,

v (k) e2ikm M

2.4. SERIES Y ANLISIS DE FOURIER.

211

lo que prueba () .
Por otra parte, para m = M, M + 1, ..., N 1, poniendo m = l + M y
sustituyendo se obtiene,

z (m) =

M1
X

u (k) e2ik(l+M) M + e2i(l+M) N

k=0

M1
X

v (k) e2ik(l+M) M

k=0

M1
X

1
2ikl M

u (k) e

k=0

1
2il N

= u (l) e2il N v (l)

M1
X

v (k) e2ikl M

k=0

(donde hemos usado ei = 1).

Ejemplo 10. ([FRA]). Si z = (1, 1, 1, i, 1, 1, 1, i), encontrar z.


Solucin.
N = 8, sean u = (1, 1, 1, 1) y v = (1, i, 1, i). Volviendo a la base
euclideana, si M = 4 se tiene:
E0 =

1
(1, 1, 1, 1) ,
2

E3 =

1
(1, i, 1, i) ;
2

E1 =

1
(1, i, 1, i) ,
2

E2 =

1
(1, 1, 1, 1)
2

E = {E0 , E1 , E2 , E3 } es una base ortonormal para l2 (Z4 ). Tambin recorde1


mos que Fm = Em . Luego,
N
1
1 1
F0 = E0 = . (1, 1, 1, 1) ;
2 2
4
esto es, u = 4F0 . Anlogamente se verifica que v = 4F1 . Calculando se tiene

1 1
1
1
1
1 i 1 i 1

u = W4 u =
1 1 1 1 1
1 i 1 i
1

De un modo similar, v = W4 v = (0, 4, 0, 0) .


Luego,

4
0
= .
0
0

212

CAPTULO 2. ECUACIONES DIFERENCIALES.

z (0) = u (0) + 1v (0) = 4 + 0 = 4,

1
1

z (1) = u (1) + e2i 8 v (1) = 0 + 4ei 4 = 2 2 2 2i,

z (2) = u (2) + e2i 8 v (2) = 0 + 0 = 0,


z (3) = u (3) + e2i 8 v (3) = 0 + 0 = 0.
Entonces, por (*). Teorema 19, tenemos

z (4) = u (0) 1v (0) = 4 0 = 4,

1
1

z (5) = u (1) e2i 8 v (1) = 0 4ei 4 = 2 2 + 2 2i,

z (6) = u (2) e2i 8 v (2) = 0 0 = 0,


z (7) = u (3) e2i 8 v (3) = 0 0 = 0.
Por tanto,

z = 4, 2 2 2 2i, 0, 0, 4, 2 2 + 2 2i, 0, 0 .

(Z
Qu conseguimos con este algoritmo? Veamos. Dado z l
N ),
N

primero se computa u y v; cada uno tiene longitud M = . Cada una de


2
ellas se computan directamente con M 2 multiplicaciones complejas; luego,
1
se necesita computar M multiplicaciones adicionales: e2im N v (m) , m =
0, 1, ..., M 1. Queda an por contabilizar las sumas y restas, lo que no se
toma en cuenta.
2

Conclusin: el nmero total de multiplicaciones complejas que se requiere

realizar para calcular z, es a lo mas:


2
N2
1 2
N
N
2
=
N +N
,
2M + M = 2
+
2
2
2
2
donde N es muy grande.

En tanto, si z se calculara directamente, sin este algoritmo, se necesitaran


N 2 multiplicaciones complejas, es decir, es el doble de computos. Si N fuera
un nmero muy grande, entonces se apreciara el gran ahorro de clculos por
hacer.

2.4. SERIES Y ANLISIS DE FOURIER.

2.4.6

213

La Transformada de Fourier.

Informalmente consideremos el producto interno


Z
Z
ix
ix
f, e
f (x) e dx =
f (x) eix dx.
=
R

Si f L1 (R) (ver 1.1.1), es decir, si


ix
f, e

|f (x)| dx < , se tendr que

|f (x)| dx = kf k1 .

Esto permite dar la siguiente definicin.

Si f L1 (R) y R, la transformada de Fourier (TF) f de f es


definida va
Z

f () =
f (x) eix dx .
R

Nota. Algunas veces se define f va:


Z

f () =
f (x) e2ix dx .
R

Recalcamos que estamos trabajando en la recta R; cuando se considera


Rn , x es el producto interno x. de los vectores x y .
Tambin se tiene la definicin:

Si g L1 (R) , x R, la transformada inversa de Fourier (TIF) g


de g se define va:
Z
1

g (x) =
g () eix d .
2 R
Se tendr la frmula:

Z

1
(x) =
f (x) = f
2

f () eix d ?
R

En R se tiene en general el grfico

[+]

214

CAPTULO 2. ECUACIONES DIFERENCIALES.

Por razones tcnicas, para tener [+] se exige que f y f estn en L1 (R).
Recalcamos que se est definiendo la TF para f L1 , pero an no para
f L2 . Se tiene el siguiente resultado.

Teorema 20. Sea f L1 (R) tal que f L1 (R); entonces


Z
1
f (x) =
f () eix d,
2
R

en casi todo punto x R.


Corolario [U]. ( Unicidad de la TF en L1 (R)). Sean f y g funciones en

L1 (R) tal que f = g en casi todo punto, entonces f = g en casi todo punto.
Prueba.

Por el teorema 20, f g = f g


= 0 en casi todo punto.

Observemos
que el teorema 20 nos dice que para f, f L (R) se tiene:

f = f
en casi todo punto. Bajo tales condiciones tambin se tiene

1
f
= f . En efecto, f (x) = f (x), y desde que f L1 (R) , f
2
L1 (R). Entonces,


Z
Z

1
ix
f
() =
f (x) e
dx =
f (x) eix dx
2

Z

1
ix
=
f (x) e dx = f
() = f () ,
2
en casi todo punto.

Ahora se desea definir f para f L2 (R) .

Idea: f = lim f n , donde fn , f n L1 (R) .


Veamos sucintamente los resultados que conducen a tal definicin.

Teorema 21. Sean f, g L1 (R) tal que f y g estn en L1 (R). Entonces,

(a) f, g, f y g estn en L2 (R) .

2.4. SERIES Y ANLISIS DE FOURIER.

215


(b) f , g = 2 hf, gi identidad de Parseval.

(c)
f = 2 kf k2 identidad de Plancherel.
2

Teorema 22. Sean f L2 (R) y {fn }n=1,2,... una sucesin tal que fn , f n
L1 (R) para cada n, y fn f en L2 (R) , n . Entonces,

(a) f n F en L2 (R), para algn F L2 (R) ;

(b) Sea {gn }n=1,2,... otra sucesin tal que gn , g n L1 (R) para cada n, y

gn f en L2 (R). Por (a), g n G en L2 (R), donde G L2 (R).


Entonces G = F , donde F es como en (a);

(c) Sea f L1 (R) L2 (R) y F como en (a). Entonces, F = f .


Prueba.

(a) Por teorema 21, (a), f n L2 (R) , n; tambin observamos que {fn }
es una sucesin de Cauchy en L2 (R). Adems se tiene ((c) teorema
21),

f n f m = 2 kfn fm k ,
2

luego f n es Cauchy en L2 (R), y por tanto existe F L2 (R) tal que

f n F en L2 (R) .

(b) Tenemos,

+
g
kF Gk2 F f n + f n gn

.
n

2
2

Solo queda por examinar,


f n g n = 2 kfn gn k 2 (kfn f k + kf gn k ) 0, n .
2
2
2

Luego se tiene que kF Gk2 < , para > 0 arbitrario. Por tanto,
F = G casi en todas partes.

216

CAPTULO 2. ECUACIONES DIFERENCIALES.

(c) Para f L1 (R) L2 (R) se sabe que existe una sucesin {gn } en

L1 (R), con g n L1 (R) , n, tal que gn f en L2 (R) y kgn f k1


0, n .
Para cada R tenemos,
Z

g n () f () = (gn (x) f (x)) eix dx


|gn (x) f (x)| dx

= kgn f k1 0, n .

De esto se concluye que g n f uniformemente. Pero sabemos ((b)) que

g n F en L2 (R). Por otra parte, para todo N > 0 natural tenemos,

2 ! 12
Z

F () f () d

2 12

F () g n () d
+

2 ! 12

gn () f () d

F gn + 2Nsup g n () f () , n,
2

Por lo tanto
Z

esto es,
Z

F () f () d 0, n ,

F () f () d = 0, N.

Luego, F = f casi en todas partes.


2

Si f L (R), ahora podemos definir f .

Definicin. Sea f L2 (R) y {fn }n=1,2,... una sucesin tal que fn , f n


L1 (R) , n y tal que fn f en L2 (R). La transformada de
Fourier,

f , de f es definida siendo el lmite, en L2 (R), de la sucesin

fn

n=1,2,...

2.4. SERIES Y ANLISIS DE FOURIER.

217

f , la
transformada
inversa de Fourier de f , es el L2 -lmite de la

sucesin f n
.
n=1,2,...

Nota. Si f L2 (R) , f es definida como una funcin en L2 (R) y no

puntualmente, como fue en el caso f L1 (R). De este modo f es solo


determinado en casi todo punto.
Se tiene

: L2 (R) L2 (R)

: L2 (R) L2 (R) .

Los siguientes resultados resumen las propiedades bsicas de la transformada de Fourier en L2 (R) .
Teorema 23. Si f, g L2 (R), entonces

= 2 kf k ,
(a) f , g = 2 hf, gi ,
(b)
f
2

2

(d)
f = 2 kf k2 .
2


1
hf, gi ,
(c) f , g =
2

Teorema 24. Sean f L2 (R) y {fn } en L2 (R) tal que fn f en L2 (R) .

Entonces, f n f en L2 (R) y f n f en L2 (R) .

Teorema 25. [Principal resultado].



2
.
y f= f
(a). Si f L (R), entonces f = f
(b).

: L2 (R) L2 (R) es un operador biyectivo, con inversa


L2 (R)

: L2 (R)

Prueba.

Es suficiente probar (a). En efecto, sea {fn } una sucesin con fn , f n

L1 (R) tal que fn f en L2 (R). Por


definicin
de f se tiene f n f en

L2 (R). Por teorema 24 tenemos f n


en L2 (R). Pero, tambin
f

2
fn
= fn f en L (R). Por tanto, por la unicidad del lmite, f
= f.

218

CAPTULO 2. ECUACIONES DIFERENCIALES.

= lim f n
= lim fn = f en L2 (R) .
Tambin por teorema 24, f

Apndice. En algunas aplicaciones puede ser til el siguiente resultado que


relaciona a la transformada de Fourier con la nocin de convolucin (ver
1.1.3).
Sean f L1 (R) f L2 (R), y g L1 (R). Entonces

(f g) = f g .
Ejercicios 2.4.
1. (a). Dentro de su entorno familiar, incluyendo su cuerpo y su mente,
describa algunas seales; explique porqu son seales.
(b). En la historia de la evolucin del hombre se han encontrado algunas seales sobre su desarrollo; podra citar algunas de tales
seales?
(c). D dos ejemplos de seales analgicas y dos de seales discretas.
(d). D una interpretacin de la seal unitaria de Heaviside.
(e). Qu es un filtro? Procure dar una discusin de esta idea.
(f). Qu es un filtro pasa - bajo?; qu es un filtro pasa - alto?; qu
es un filtro paso de banda?
(g). Va un grfico, explique en que consiste un banco de filtros, con
dos canales.
2. (a). Escriba un polinomio trigonomtrico.
(b). Explique en que consiste una serie de Fourier.
(c). Cmo se relacionan los coeficientes de Fourier con la idea de la
integral?
(d). Dada una serie de Fourier, cmo la idea de aproximacin est
latente en tal serie?

(e). Dada f L1 (R), explique como se define f ; d algunas propiedades


de la TF.

Dada f L2 (R), explique como se define f ; cul es el resultado


fundamental?

2.4. SERIES Y ANLISIS DE FOURIER.

219

3. Complete,
2
es .... , es
(a). En x (t) = cos (wt + ) , || es .... , w es .... ,
w
.... .
(b). Un sistema A es: causal si .... , invariante si ....
(c). Una seal u es de banda limitada si ....
(d). En un filtro espejo en cuadratura se impone:
H1 () = .... ,

G0 () = .... ,

G1 () = ....

4. Si la seal u (t) tiene el grfico mostrado en la figura adjunta, grafique


u (t 3) .

5. La seal v
(t) posee el grfico exhibido en la figura adjunta. Grafique
1
v
t+1 .
2

6. Sean u (t) y v (t) las dos seales de los ejercicios 4 y 5 respectivamente.


Graficar:

1
t+1
u (t 3) + v
2
2u (t + 2) v (2t 1) .

220

CAPTULO 2. ECUACIONES DIFERENCIALES.

n
nx o
es un conjunto ortogonal en
7. Pruebe que la familia sen
L n=1,2,...
[0, L]. Encuentre el correspondiente conjunto ortonormal.
8. Pruebe que x2 y x4 son ortogonales sobre [1, 1] con respecto a la
funcin peso x.
9. Pruebe que las funciones pares son siempre ortogonales a las funciones
impares sobre un intervalo simtrico [L, L] .
10. En forma exponencial compleja, encuentre la serie de Fourier de la
funcin:

1 < x < 0
(a) f (x) =
;
2 0 < x <
(b) f (x) = |cos x| sobre [, ] ;
h i
(c) f (x) = sen x sobre ,
.
2 2

11. Sea {n (x)} una familia ortogonal de funciones en a x b tal que


0 (x) = 1. Pruebe que
Z

n (x) dx = 0

para n = 1, 2, ...

12. (Pitgoras). Sea {n (x)} una familia ortogonal de funciones en


a x b. Pruebe que

km (x) + n (x)k2 = km (x)k2 + kn (x)k2


13. Encuentre la serie de Fourier de

1
f (x) =
x
14. Encuentre la serie de Fourier de

f (x) =
sen x

si m 6= n .

1 < x < 0
.
0x<1

< x < 0
.
0x<

15. Desarrolle la funcin f (x) = |x| , < x < , en serie de senos o


cosenos.

2.4. SERIES Y ANLISIS DE FOURIER.


16. Desarrolle la funcin f (x) = x,
cosenos.

221

< x < , en serie de senos o

17. Encuentre la serie de Fourier de f (x) = x2 respecto a la familia ortogonal {sen nx}n=1,2,... en [, ]; luego, encuentre la serie de Fourier
respecto a {cos nx}n=1,2,... sobre [, ]. Cul es la serie de Fourier
de f (x) = x2 sobre [, ] con respecto al conjunto trigonomtrico
completo?
18. Interprete el mensaje del teorema de Parseval (teorema 12).
19. Segn su experiencia en el campo de las aplicaciones, exponga algunos
argumentos sobre la importancia del anlisis de Fourier en la teora de
la seal.
20. Pruebe que:
(a). el producto de dos funciones impares es un funcin par;
(b). el producto de dos funciones pares es una funcin par;
(c). el producto de una funcion par con una funcin impar, es una
funcin impar.
21. Bosqueje el grfico de la funcin al cual la serie de Fourier de f , donde

1 < x < 0
,
f (x) =
2 0 < x <
converge sobre [3, 3] si el intervalo de partida es [, ] .
22. Usando f (x) = x2 , < x < , pruebe que

X
1
4
.
=
n4
90
n=1

23. Pruebe el teorema 14.


24. Pruebe el teorema 15.

25. Sea z = (1, 3) l2 (Z2 ). Encontrar z. (Use W2 ).


26. Sea z = (1, i, 2 + i, 3) l2 (Z4 ) .

(a). Calcular z,

222

CAPTULO 2. ECUACIONES DIFERENCIALES.

(b). Calcule directamente z y verifique que se obtiene z.

27. Pruebe el teorema 17.


28. Pruebe el teorema 18.

29. Explique el contenido del teorema 19.


30. Pruebe el teorema 21.
31. Pruebe el teorema 23.
32. Pruebe el teorema 24.

33. Si f L2 (R) y g L1 (R), pruebe que (f g) = f g.


34. Si z l1 (R) pruebe que:
(a). sup |z (n)| < + ;
nZ

(b).

X
nZ

|z (n)|2 sup |z (n)|


nZ

(c). l1 (Z) l2 (Z) .

X
nZ

|z (n)| ;

35. Sea f L1 (R) una funcin diferenciable tal que f 0 L1 (R), y


lim f (x) = 0 si x . Pruebe que

(f 0 ) () = i f () .

36. Sea f L (R). Pruebe que f es una funcin acotada.


f () ?

37. Sea f L1 (R) una funcin continua tal que xf (x) L1 (R). Pruebe

que f es diferenciable en todo punto de R y que se tiene


0

f () = i (xf (x)) () .
38. Si f, g L2 (R), pruebe que
Z
Z

f (y) g (y) dy =
f (y) g (y) dy.
R

Captulo 3
APROXIMACIN Y
ONDCULAS.

En este breve captulo vamos a motivar algunas ideas que provienen de la


teora de la aproximacin y del anlisis de ondculas. Alrededor de estas ideas
existen diversas otras ideas, algunas de las cuales tambin presentaremos de
un modo breve; asi el lector, en general, podr tener una visin de un universo
mas amplio de la matemtica clasica y de algunas teoras mas recientes. Los
temas que presentaremos son un reto para un lector no matemtico; los tpicos tratados en los anteriores captulos de algn modo, han servido, adems,
para adecuar nuestra mente a un ejercicio mental abstracto. Creemos que
con la dedicacin y f necesarias, el lector puede enfrentar tal reto.
La teora de la aproximacin y la de las ondculas (wavelets) son amplios campos de estudio y de investigacin; son reas activas en nuestros das;
en particular las ondculas es una teora relativamente nueva (19800 s). El objetivo general es que el lector poco familiarizado con estas reas matemticas adquiera, en principio, una cultura matemtica que le permita tener la
confianza para leer artculos y libros especializados en donde se requieran
pre-requisitos como los presentados ahora. Por la naturaleza de los temas a
ser presentados es difcil evitar la abstraccin matemtica, tan til y esencial,
lo que al final ello debe ser el modelo de pensamiento que todo profesional
debe cultivar; esto es una caracterstica de la ciencia y de la tecnologa en
nuestra poca.
223

224

3.1
3.1.1

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Espacios de Distribuciones.
Las Distribuciones. Operaciones con Distribuciones.

La idea de distribucin est ligada con algunas ramas de la fsica. Veamos


algunas motivaciones ([ROD], [GAS-WIT]). En electrosttica se consideran
las cargas puntuales qi , las densidades de cargas superficiales (por unidad
de superficie) sobre conductores de densidad de carga volumtrica (por
unidad de volumen). El potencial V0 , creado en el entorno del origen por una
distribucin de cargas arbitrarias, es dada por:

!
Z Z Z
X qi Z Z (r)
1
(r)
ds +
dv ,
(*)
V0 =
+
40
r
r
r
i
S
V
i
donde r es la distancia de los puntos (carga) al origen; S y V son, respectivamente, la superficie y el volumen cargados.
Observemos que en (*), el primer sumando es puntual, el segundo es
superficial y el tercero es volumtrico. As, podemos pensar que una distribucin puntual o superficial de cargas se obtienen como el lmite de una
distribucin volumtrica, cuando el volumen tiende a cero, siendo la carga
constante.
El punto de partida es la funcin (en el plano)

0 |x| > 12

1
|x| = 12
P (x) =
2

1 |x| < 12

Observemos que

P (x) dx = 1. Ahora consideremos la familia de con-

tracciones y estiramientos de P (x) dadas por:


k (x) = kP (kx) , k = 1, 2, 3, ...

3.1. ESPACIOS DE DISTRIBUCIONES.

225

Se tiene el siguiente sugestivo grfico ([ROD], pag. 22). Observemos que


an
Z
k (x) dx = 1.

Por lo mencionado se observa que la carga total es independiente de k y


siempre es igual a 1. La idea intuitiva es que si k , entonces la carga
total estar concentrada en el origen, obtenindose una carga puntual en el
origen, con masa total 1. Esta carga es denotada con (x), y se llama la
delta de Dirac. Se observa que

Z
0 x 6= 0
y
(x) dx = 1 ,
(x) =
+ x = 0
una definicin que contradice a la teora de la integral (de Lebesgue); sin
embargo, ella es consistente desde el punto de vista fsico.
Dada una funcin , definimos el soporte de siendo el conjunto cerrado
sop = {x Rn / (x) 6= 0},
(A = cerradura de A). Si sop es acotado, diremos que tiene soporte
compacto.
Precisemos que C (Rn ) es el espacio vectorial de las funciones tal que
si = (1 , ..., n ) Nn , entonces existe
D (x) =

1
n
.
.
.
(x)
x1 1
x1 n

226

CAPTULO 3. APROXIMACIN Y ONDCULAS.

y es continua para todo , donde x = (x1 , ..., xn ) .


Definamos:

C0 (Rn ) = : Rn C/ C (Rn ) y tiene soporte compacto .

D (Rn ) = (C0 (Rn ) , ), donde es la topologa de la convergencia uniforme sobre compactos K Rn , esto es, j en D (Rn ) si D j D
uniformemente sobre K.
Si K es un compacto fijo,

(Rn ) = { C0 (Rn )/ (x) = 0, x


/ K} .
CK

Pongamos
kkm,K = sup sup |D (x)| , m N.
xK ||m

Diremos que j 0 en CK
(Rn ) si j m,K 0, m.

T : D (Rn ) C (complejos) es llamada una distribu


T () hT, i
cin si T es lineal y continua.
T continua significa: K Rn compacto, c > 0 (constante) y m Z+
tal que
Definicin.

|hT, i| c kkm,K , D (Rn ) .


El espacio dual D0 (Rn ) es llamado el espacio de las distribuciones.
Nota. En la actualidad existen diversos libros sobre distribuciones, incluyendo el escrito por L. Schwartz, el creador de la teora de las distribuciones
(1950-51). Ver por ejemplo, [ROD], [GAS-WIT], [ORT.4].
Diremos que Tj T en D0 (Rn ) si lim hTj , i = hT, i , D (Rn ) .
j

Ejemplos de Distribuciones.
(a). Sea f L1loc (Rn ), esto es,
Z
|f (x)| dx < , K Rn compacto.
K

Definamos Tf va:
hTf , i =

Rn

f (x) (x) dx , D (Rn ) .

Entonces, Tf es una distribucin.

3.1. ESPACIOS DE DISTRIBUCIONES.

227

(b). Si a R, definamos a va
a : D (Rn ) C

a () h a , i = (a) .
Si a = 0, h 0 , i h, i = (0). Se verifica que a es una distribucin, conocida como la distribucin de Dirac.
Nota. Tf es una distribucin que proviene o se identifica con una
funcin de L1loc ; a es una distribucin que no proviene de una funcin
L1loc .
Definicin. Si T D0 (Rn ) y = (1 , ..., n ) Nn , se define D T va
hD T, i = (1)|| hT, D i , D (Rn ) .
D T es an una distribucin.
En R1 , sea la funcin de Heaviside

0
H (x) =
1

x0
x > 0.

Vemos que H L1loc (R) y por tanto H se identifica con una distribucin,
d
que an llamaremos H. Si DH (x) =
H (x), se tiene,
dx
Z
Z
0
H (x) (x) dx =
0 (x) dx
hDH, i = hH, Di =

= (x)|
0 = (0) = h, i .
Conclusin:

d
H = .
dx

Proposicin 1.
(a). Si f C (Rn ) y D (Rn ) (y por tanto f C0 (Rn )), entonces
D (f ) =

!
D f D
!
(

)!

donde ! = 1 !...n !,
i i , i = 1, ..., n.

frmula de Leibniz

= (1 1 , ..., n n ) ;

si

228

CAPTULO 3. APROXIMACIN Y ONDCULAS.

(b). Si f C (Rn ) y T D0 (Rn ) , f T se define va


hf T, i = hT, f i , D (Rn ) .
Entonces f T D0 (Rn ) y
D (f T ) =

!
D f D T
! ( )!

frmula generalizada
de Leibniz.

Nota. Remarcamos que D0 (Rn ) es un espacio vectorial, en donde se introduce una estructura topolgica.
Sucesiones Regularizantes.
Una sucesin de funciones (m )m1 es llamada una sucesin regularizante
si:
(a). m C0 (Rn ) ,

1
1
(b). sopm B 0,
(bola de centro 0 y radio ),
m
m
R
(c). m (x) dx = 1,

(d). m 0 sobre Rn .

Una sucesin regularizante puede ser construida vaR la siguiente ruta:


tomemos C0 (Rn ) tal que sop B (0, 1) , 0 y > 0.
Por ejemplo, sea
(
1
|x|2 1
|x| < 1
e
(x) =
0
|x| 1.
1
Definamos m (x) = cmn (mx), donde c = R . Entonces, {m } es una

sucesin regularizante.
La utilidad de este tipo de sucesiones se muestra en los siguientes resultados.
Proposicin 2.
(a). Sea f C 0 (Rn ), entonces f m f, m , uniformemente sobre
todo compacto en Rn .

3.1. ESPACIOS DE DISTRIBUCIONES.

229

(b). Si 1 p < y f Lp (Rn ), entonces f m f, m , en la


topologa de Lp (Rn ) .
(c). Usando (b) se tiene que C0 (Rn ) es denso en Lp (Rn ) , 1 p < .
Definamos

C m (Rn ) = f : Rn R/ D f continua, || m

En C m (Rn ) se considera una topologa, la que es introducida por la familia de semi-normas


m,K (f ) = sup sup |D f (x)| .
xK ||m

De esta manera, fj f en C m (Rn ) si y solo si D fj (x) D f (x)


uniformemente sobre cada compacto K, || m.
Por definicin,

C0m (Rn ) = f C m (Rn )/ f tiene soporte compacto


Proposicin 3. Si f C0m (Rn ) y g L1loc (Rn ), entonces
f g C m (Rn )

Dm (f g) = (Dm f ) g.

En particular, si f C0 (Rn ) y g L1loc (Rn ), entonces f g C (Rn ).


El Espacio de Schwartz S.
Por simplicidad tratemos el caso R1 . : R1 C es llamada rpidamente
decreciente (r.d) si entero 0, x (x) 0, |x| . De esta
manera, es r.d si N, x (x) es acotada en el infinito.
2
Como ejemplos decimos que e|x| y ex son r.d; tambin lo es cualquier
funcin que es igual a cero fuera de cualquier intervalo.
Corolario 1. Si P (x) es un polinomio y es r.d, entonces P (x) (x)
tambin es r.d.
Proposicin 4. Sea continua y r.d, entonces L1 (R1 ) .
Prueba. Tomemos P (x) = 1 + x2 ; luego P (x) (x) es acotada, esto es,
M
M > 0 tal que |P (x) (x)| M. De esta manera, | (x)|
. Basta
1 + x2
1
L1 (R1 ) .
observar ahora que
1 + x2

230

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Definicin. Definimos al espacio S va:

S = : R C/ C (R) tal que y D son r.d .


Corolario 2.
(a). S C (R1 ) , (, ) N2 , x D (x) 0, |x| .

C (R1 ) , (, ) N2 , , () = sup x D (x) < C <


xR
.

(b). Si S, entonces L1 (R1 ) y x D (x) L1 (R1 ) .


(c). Si S, entonces D S y x S, , N.
x2

Observemos que D (R1 ) S (R1 ) y que (x) = e 2 S (R1 ) pero

/ D (R1 ). En S se considera una topologa introducida por la mtrica: si


, S,
X 1
, ( )
d (, ) =
.
+ 1 +
2
(

)
,
,N
Teorema 1. D (R1 ) es denso en S (R1 ) .
(La idea de la prueba es: dada S, se debe construir n en D tal que
d (n , ) 0, n ).

El Espacio de las Distribuciones Temperadas S 0 .


Definicin.

S 0 (Rn ) S 0 = T D0 (Rn )/ T es continua en la topologa inducida por S (Rn ) .

donde remarcamos que T es continua sobre S significa:


|hT, i| c, () , S;
y que:
n

S (R ) =

: Rn C/ C (Rn ) , = (1 , ..., n ) , = ( 1 , ..., n ) Nn ,


lim x D (x) = 0

donde x = x1 1 ... xnn .


Asi, T S 0 , espacio de las distribuciones temperadas, si:

3.1. ESPACIOS DE DISTRIBUCIONES.

231

hT, 1 + 2 i = hT, 1 i + hT, 2 i ,


Si m en S, entonces hT, m i hT, i en C.
Proposicin 5. S 0 es un subespacio de distribuciones; esto es, si T S 0
entonces T D0 . El recproco es falso.

Prueba.
Sea T S 0 (Rn ), luego c > 0, m Z+ tal que

|hT, i| c sup sup x D (x) , S.


||m ||m

Luego, si K Rn es compacto y D (K) S, se tendr

|hT, i| csup sup {|x |} .sup sup D (x) = c1 m,K () .


xK ||m

xK ||m

Por tanto, T D0 (Rn ) .


2
Finalmente, observamos que f (x) = ex L1loc (R1 ) y por tanto f Tf
D0 (R1 ) .
2
Tambin se tiene, (x) = ex S (R1 ). Luego,
Z
Z
hf, i =
f (x) (x) dx =
dx = .

Por tanto, f
/ S 0 (R1 ) .

Notas.
(a). No toda funcional lineal continua sobre D (Rn ) tiene una extensin
lineal continua sobre S (Rn ) .
(b). Diferentes funcionales lineales continuas sobre S (Rn ), definen diferentes distribuciones.

232

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Proposicin 6. Sea f L1loc (Rn ) tal que para algn k N, k > 0, se tiene
Z
|f (x)|
C =
dx < .

2 k
Rn 1 + |x|
Entonces, f S 0 (Rn ) .
Prueba. Para S tenemos,
Z
Z
k
|f (x)|
1 + |x|2 | (x)| dx
|hf, i|
|f (x)| | (x)| dx =

k
1 + |x|2
Z
|f (x)|
k ()
k dx = C k () .
1 + |x|2
Por lo tanto, f S 0 (Rn ) .

Corolario 3. Si 1 p , entonces Lp (Rn ) S 0 (Rn ) .


Prueba.
Sea f Lp y K compacto en Rn . Entonces,
Z
Z
|f |
|f |p < ;
K

L1loc .

esto es, f
Tomemos k = 1 en la proposicin 6; entonces
Z
! 1q
Z
1
1
|f (x)|

q dx ,
2 dx kf kp
1 + |x|
1 + |x|2

1 1
+ = 1 y asi 1 q y la ltima integral es convergente. Por
p q
tanto, f S 0 (Rn ) por proposicin 6.

0
0
n
n
En S (R ) consideramos la topologa: dada la sucesin (Tm ) en S (R ),
diremos que Tm 0 en S 0 (Rn ) si S, se tiene hTm , i 0.
En general, Tm T en S 0 (Rn ) si Tm T 0 en S 0 (Rn ) .
donde

Corolario 4. La aplicacin f Lp (Rn ) Tf S 0 (Rn ) es continua.


Prueba.
Si S (Rn ) ,
Z
1
1
+ 0 = 1.
|hTf , i| |f (x)| | (x)| dx kf kp kkp0 ,
p p
Luego, si fm f en Lp (Rn ), tenemos Tfm Tf en S 0 (Rn ) .

3.1. ESPACIOS DE DISTRIBUCIONES.

3.1.2

233

La Transformada de Fourier en S y en S 0 .

Sea definida sobre Rn ; recordemos que su transformada de Fourier es definida va:


Z

() =
(x) eix. dx.
Rn

Remarcamos que S (Rn ) L1 (Rn ) y por tanto si S, est bien


definida.
Proposicin 7. Si S (Rn ) entonces,

(a). C (Rn ) y D () = (i)|| [ ] () ;

(b). [D ] () = (i)|| () ;

(c). S (Rn ) (esto es, el espacio S es estable bajo la transformada de


Fourier).

Corolario 5. ( Riemann-Lebesgue). Si L1 (Rn ), entonces es continua y se anula en el infinito.


Teorema 2. [Inversin]. Para todo S se tiene
Z

(x) = eix. () d.
Corolario 6. La aplicacin

: S

es un isomorfismo sobre.
Teorema 3. Si , S, entonces:
Z
Z
Z
Z

frmula de
(a).
dx = dx ;
(b). dx = dx
Plancherel;

(c). ( ) () = () () ;
(c). () () = () .

234

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Observacin. Si D (Rn ) puede suceder que


/ D (Rn ). Sin embargo,

por proposicin 7, (c), si S (Rn ) entonces S (Rn ). Esto motiva la


definicin siguiente.

Definicin. Si T S 0 (Rn ), su transformada de Fourier T es definida va

D
E

T , = T, , S.

Corolario 7. Si T S 0 (Rn ), entonces T S 0 (Rn ) D0 (Rn ); asi T es una


distribucin temperada.

Corolario 8. Si Tn T en S 0 (Rn ), entonces T n T en S 0 (Rn ) .


Definicin. Si T S 0 (Rn ), se define su transformada inversa de

Fourier T va:

1
donde (x) =
2

D
E

T , = T, , S,
eix. () d.

Teorema 4. Si F T T y F T T , la aplicacin
F : S 0 (Rn ) S 0 (Rn )

es un isomorfismo vectorial topolgico, cuyo inverso es F .


Prueba.

Veamos que F F T = T y que F F T = T . En efecto, S tenemos


* +


D
E D
E

F F T, = F T, F = F T, = T, F = T, = hT, i .

Por tanto, F F T = T.

De un modo similar se tiene, F F T = T . Adems, respecto a la topologa,


tenemos que F es continua ya que si Tm 0 en S 0 (Rn ), entonces
S (Rn ) se tiene
D
E

hF Tm , i = hTm , F i Tm , 0

3.1. ESPACIOS DE DISTRIBUCIONES.

235

en C, lo que significa F Tm T m 0 en S 0 (Rn ). De un modo anlogo,

F Tm T m 0 en S 0 (Rn ) .

3.1.3

Espacios de Sobolev.

La idea de espacio de Sobolev es muy til en el anlisis, en las ecuaciones en


derivadas parciales y en las aplicaciones. Por simplicidad trataremos solo el
caso n = 1. Sea I = (a, b) un intervalo, el que puede ser acotado o no serlo.
Recordemos al espacio de Lebesgue

p
p
|u (x)| dx < , 1 p < .
L (I) = u medible
I

L (I) es el espacio de las funciones (o distribuciones) acotadas sobre I.

Definicin. El espacio de Sobolev. W 1,p (I) Lp1 (I) es definido va,

Z
Z
1,p
1
0
p
p
W (I) = u L (I)/ g L (I) tal que
u = g, C0 (I) W 1,p .
I

Notas.
Z
Z
0

u = g es equivalente a hu, 0 i = hg, i; pero, hu, 0 i =

hu0 , i. Luego, hu0 , i = hg, i. Por lo tanto, g = u0 en el


sentido de las distribuciones.

g es nica.
Notacin. Si p = 2 (L2 es un espacio de Hilbert), escribiremos W 1,2 H 1 .
En W 1,p se introduce una topologa va la norma,
kuk1,p = kukp + ku0 kp .
En particular, en H 1 se tiene el producto interno,
hu, viH 1 = hu, vi2 + hu0 , v0 i2 .
Proposicin 8. W 1,p (I) es un espacio de Banach, 1 p . En particular, H 1 (I) es un espacio de Hilbert.
Prueba.

236

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Sea (un ) una sucesin de Cauchy en W 1,p . Por definicin de k k1,p , ello
implica que (un ) y (u0n ) son sucesiones de Cauchy en Lp , el cual es un espacio
completo; por lo tanto, un u en Lp y u0n g en Lp , donde u y g estn en
Lp . Pero,
Z
Z
0
un = g, C01 (I) ;
luego,

u =

Luego,

g y desde que g es nica, se tiene g = u0 .

kun uk1,p = kun ukp + ku0n u0 kp 0; n .

Conclusin: un u en W 1,p , con u W 1,p . W 1,p (I) es un espacio de


Banach.

Proposicin 9. Sea u Lp (I) , 1 < p < . Entonces, u W 1,p (I)


C > 0 constante tal que
Z

0
u C kk 0 , C0 (I) , 1 + 1 = 1.
p

p p0
I

Prueba.

. Se tiene,

Z
Z

0
0
u = u ku0 k kk 0 = C kk 0 .
p
p
p

. Por hiptesis, la aplicacin lineal

f : C0 (I) R

hf, i =

u0

es continua. Siendo C0 (I) denso en Lp (I) , f puede ser extendida


0
a una aplicacin lineal continua definida sobre Lp (I). Entonces, por
el teorema de representacin de F. Riesz Sea 1 Z< p < y
0

Lp ; entonces existe un nico u Lp tal que h, fi =

uf, f

3.1. ESPACIOS DE DISTRIBUCIONES.

237

Lp . Adems, kukp = kkp0 , se tiene que existe g Lp (I) tal que


Z
0
hF, i = g, Lp .

En particular, si restringimos F a C0 (I) se tendr


Z
Z
Z
0
u = g = (g) , C0 (I) ,
lo que implica u W 1,p (I) .

Nota. La prueba del teorema de representacin de Riesz puede ser encontrada en [BRE], pgina 61.
Proposicin 10. Si 1 p , se tiene W 1,p (I) L (I), siendo la
inclusin continua. Esto es, existe C > 0 constante tal que kuk C kuk1,p .
Corolario 9. Si I no es acotada y u W 1,p (I) , 1 p < , entonces
lim u (x) = 0, x I.

|x|

Prueba.
La tesis equivale a probar que sup |u (x)| < . En efecto, por el resultado:
x

Sea u W 1,p (I) , 1 p < . Entonces {un } en C0 (R) tal que


un |I u en la topologa de W 1,p (I) , se tiene que existe {un } en C01 (R)
tal que un |I u en W 1,p (I). Pero, por la proposicin 10 se tiene
kuk C kuk1,p ,

de donde kun uk C kun uk1,p 0. Por tanto, dado > 0 escogemos


n suficientemente grande tal que kun uk < ; de donde, sup |un (x) u (x)| <
x

. Desde que un C01 (I) se tendr que un (x) = 0 para |x| grande. Por lo
tanto |x| < y kuk = sup |u (x)| < , como se desea.

Los Espacios de Sobolev W m,p (I) .


Sea m 2 un entero, 1 p un nmero real. Por definicin,

W m,p (I) = u W m1,p (I) u0 W m1,p (I) ,


=

u Lp (I)/ Dj u Lp (I) , j m .

238

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Se tiene, u W m,p (I) m funciones g1 , ..., gm Lp (I) tal que


Z
Z
j
j
uD = (1)
gj . . . C0 (I) , j = 1, ..., m.
I

Corolario 10. Si u W m,p (I), entonces u0 = g1 , (u0 )0 = g2 , . . . , u(m) =


gm .
Notacin. W m,2 (I) H m (I) .
La topologa en W m,p (I) puede ser introducida por la norma,
kukm,p = kukp +
En H m se tiene el producto interno:
hu, viH m = hu, vi2 +

m
X
=1

m
X
=1

kD ukp .

hD u, D vi2 .

Proposicin 11. Si I es acotada, entonces



W m,p (I) C (m1) I ,

donde la inclusin es continua.

Nota. Mayores detalles sobre los espacios de Sobolev, al estilo de lo presentado en esta ocasin, pueden ser encontrados en [BRE]; en [ORT.4] el lector
puede encontrar una presentacin detallada sobre estos espacios.
El Espacio W01,p (I) .
Sea 1 p < . Por definicin,

W01,p (I) C01 (I) ,

donde la cerradura es tomada en la topologa de W 1,p (I) .


Notacin. H01 (I) W01,2 (I), donde la topologa es inducida por la topologa
en H 1 (I) .
Proposicin 12. Si 1 p < , W01,p (I) es un espacio de Banach.
H01 (I) es un espacio de Hilbert.
Se tiene que W01,p (R) = W 1,p (R) y que C0 (I) es denso en W01,p (I) .
Teorema 5. Sea u W 1,p (I). Entonces, u W01,p (I) u = 0 sobre I.
Prueba.

3.1. ESPACIOS DE DISTRIBUCIONES.

239

. Sea u W01,p (I), entonces (por densidad) existe {un } en C01 (I) tal que
un u en W 1,p (I). Luego
sup |un (x) u (x)| < ,
xI

/
esto es, un u uniformemente sobre I. Por tanto, si x sopu
n , se
tiene |u (x)| < . Entonces, sobre la frontera de I se tendr u = 0.
Para la prueba de . el lector puede consultar [BRE], pag. 133.

Proposicin 13. (Desigualdad de Poincar) Sea I acotado. Entonces


existe C = C (|I|) constante tal que
kuk1,p C ku0 kp , u W01,p (I) .
En otras palabras, sobre W01,p (I) se tiene: ku0 kp ' kuk1,p .
Prueba.
Desde que I es acotado, se tiene L (I) Lp (I), esto es, k kp k k .
Luego,
kuk1,p = kukp + ku0 kp kuk + ku0 kp .
Pero, u W01,p (I) implica

|u (x)| = |u (x) u (a)| =

por lo tanto kuk ku0 k1 .


De esta manera,

u0 (t) dt ku0 k1 ;

kuk1,p ku0 k1 + ku0 kp ku0 kp + ku0 kp = 2 ku0 kp .

Sea m 2 un nmero entero y 1 p < un nmero real. Por definicin tenemos

(m)
W0m,p (I) = C0 (I) = u W m,p (I)/ u = Du = = Dm1 u = 0 sobre I
donde la cerradura es en la topologa de W m,p (I) .
1
1
+ 0 = 1; ( )0 denota el espacio dual. Usamos la
Sea 1 p < ,
p p
notacin:
1,p 0
0
0
W0 (I) = W 1,p (I)
y
(H01 (I)) = H 1 (I) .

240

3.2
3.2.1

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Introduccin a la Teora de la Aproximacin.


Aproximacin Va Polinomios.

En algunas situaciones concretas se tiene que trabajar con funciones (o


seales) que son bastantes complejas o difciles de manipular, que las conocemos implicitamente o por sus grficos. Por ejemplo, esto sucede en ciertas
reas de la fsica, como es la electricidad. Como una seal es una funcin f y
si sta es complicada de conocer, entonces ser tambin complicado extraer la
informacin que ella contiene. En estos casos puede ser suficiente aproximar
f con alguna funcin g mas familiar y manejable computacionalmente.
Adems, g debe ser muy prximo a f en cierto sentido; es decir, conociendo la informacin de g podramos tener una buena aproximacin de la
informacin contenida en f.
Analticamente, se desea tener kf gk < con una adecuada norma; es
decir, dada una funcin (o seal) f , el problema es encontrar funciones g 0 s
tal que el error kf gk sea suficientemente pequeo.
En esta seccin trabajaremos con polinomios, esto es, g (x) = p (x),
donde en general p (x) es un polinomio de orden m. Los polinomios desempearon un papel fundamental en la teora de la aproximacin por muchos
aos. Entre otros argumentos, la razn es que los polinomios son funciones
regulares (suaves); son fcilmente manipulables, manual y computacionalmente; adems, la derivada y la integral de un polinomio es otro polinomio,
cuyos coeficientes se pueden calcular algebraicamente.
La familia de los polinomios de orden m ser denotada con,
(
)
m
X
Pm = p (x)/ p (x) =
ai xi , a0 , ..., am , x reales .
i=0

Es oportuno remarcar que los polinomios trabajan bien (en el proceso de


aproximar) sobre intervalos suficientemente pequeos (en longitud), pero en
intervalos muy grandes pueden surgir agudas oscilaciones; tal es el caso para
polinomios de orden mayor que 4. Por ello, la idea es dividir estos intervalos
en intervalos suficientemente pequeos.
De esta manera surgen los polinomios regulares por piezas y estamos en la
ruta hacia los splines polinomiales. Sea el intervalo [a, b] y la particin a =
x0 < x1 < x2 < < xk < xk+1 = b. Pongamos = {x0 , x1 , , xk , xk+1 } .
Observemos que tenemos k + 1 subintervalos, Ii = [xi , xi+1 ) , i =
0, 1, ..., k 1, y Ik = [xk , xk+1 ] .

3.2. INTRODUCCIN A LA TEORA DE LA APROXIMACIN.

241

Sea m un entero positivo; por definicin

f / p0 , p1 , , pk en Pm tal que f (x) = pi (x) , x Ii ,


P Pm () =
.
i = 0, 1, ..., k
P Pm es el espacio de los polinomios regulares por piezas de orden
m, con nudos x1 , , xk .

La funcin f , definida segn el grfico adjunto, es un polinomio regular


por piezas. Observemos que esta funcin f no es regular en [a, b] pues posee
discontinuidad en x1 pero si es regular en cada sub intervalo. Esta observacin vale en general. Con la finalidad de tener cierta regularidad global se
introduce la clase de los polinomios splines.
Nota. Usaremos la palabra spline a falta de una traduccin adecuada.
Definicin. Splines Polinomiales con Nudos Simples. Sea
= {x0 , x1 , , xk , xk+1 }
una particin del intervalo [a, b] y m un entero positivo.
El espacio de los splines polinomiales de orden m, con nudos simples
en x1 , , xk , es por definicin
Sm () = P Pm () C (m2) [a, b] .
Observemos que el papel del espacio C (m2) [a, b] es regularizar a los
splines polinomiales. Se tiene que, el espacio Sm () es de dimensin finita,
y las derivadas e integrales de elementos de Sm () siguen estando en tal
espacio. Adems, toda funcin continua sobre [a, b] puede ser arbitrariamente
aproximada con splines polinomiales, con un orden m fijado, en donde se
considera un nmero suficiente de nudos con tal fin.
Hagamos el siguiente motivador argumento. Sea el intervalo [0, 1) y consideremos su funcin caracterstica X[0,1) (x), la que llamaremos N1 (x). Por

242

CAPTULO 3. APROXIMACIN Y ONDCULAS.

definicin,

N2 (x) = (N1 N2 ) (x) = (1 |x 1|) X[0,2) (x)


(se sugiere al lector graficar a esta funcin sombrero N2 (x)). En general,
se define
Nm (x) = (Nm1 N1 ) (x) = (N1 N1 ) (x)
m veces.
N1 es llamado un spline bsico y Nm , m 2, un spline bsico
de orden m. Enfatizamos que C (m) (R) es el espacio de las funciones mcontinuamente diferenciables sobre R; C (0) (R) es el espacio de las funciones
continuas sobre R y C (1) (R) el espacio de las funciones medibles sobre R.
Como hemos dicho Pm es el espacio de los polinomios p (x) de grado m
(grp m). En este contexto se re-define el espacio Sm , donde [a, b] R, va:
n
o

(m2)
Sm Sm (R) = f C
(R) f |[k,k+1] Pm1 , k Z .
Veamos el caso particular m = 2. Si f S2 entonces f es continua y
sobre cada intervalo [k, k + 1] coincide con un segmento de recta; asi mismo,
las dilataciones y translaciones de la funcin sombrero
f (x) = (1 |x 1|) X[0,2) (x)
estn an en S2 .
Algunas propiedades de los splines Nm s son:
Z x
Nm (t) dt.
(a). Nm+1 (x) =
x1

(b). sopNm = [0, m] ; Nm (x) > 0 para x (0, m) .


(c). Nm Sm , entero positivo m.
X
Nm (x k) = 1, x R.
(d). Para todo m entero positivo,
kZ

3.2. INTRODUCCIN A LA TEORA DE LA APROXIMACIN.

243

sen
1 ei
= ei 2 2 ;
i
2

!m

sen

1 ei
2
N m () =
= eim 2
.

i
2

(e). N 1 () =

Como hemos mencionado los splines son tiles para aproximar apropiadas
funciones; ellos estn, tambin, en la ruta de las ondculas. La idea de la
funcin aproximante g es proporcionar un clculo mas manejable cuando
Z se
tienen funciones f mas complicadas. Supongamos que el clculo de
f
Z
fuera muy laborioso, el siguiente resultado nos dice que si el clculo de g

fuera relativamente
simple, entonces se puede obtener una aproximacin o
Z
estimacin de f . Veamos.
Proposicin 1. Sea I R un intervalo con longitud finita L; sean f y g
dos funciones definidas sobre I, en donde ambas funciones son integrables.
Asumamos que para algn > 0, se tenga
|f (x) g (x)| < , x I.
Entonces,
L +

g (x) dx

f (x) dx L +

g (x) dx.

El Teorema de Weierstrass.
En la proposicin 1, la condicin |f (x) g (x)| < nos da la idea de
aproximar f va la funcin g. La cuestin es saber si, en general, g puede
ser escogido siendo un polinomio. Debemos remarcar que > 0 es dado
arbitrariamente. Por ejemplo, ([CHR-CHR]) sea la funcin

1 1 < x < 0
f (x) =
0 0 x < 1.
Demos = 0.1

244

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Existir un polinomio p (x) tal que |f (x) p (x)| < 0.1, x (1, 1)?
Supongamos que existiera tal polinomio p (x). Si x (1, 0), se tiene
f (x) p (x) 0.1, esto es, p (x) f (x) 0.1 = 0.9. Tomemos lmite cuando
x 0 (p (x) es una funcin continua) tendramos p (0) 0.9. Pero f (0) = 0,
luego |f (0) p (0)| = |p (0)| 0.9, es decir, para x = 0 (un punto en (1, 1)
no se tiene |f (0) p (0)| < 0.1.
Conclusin: para tal funcin f , no existe algn polinomio p (x) tal que
|f (x) p (x)| < cuando damos = 0.1.
En esta situacin, la idea clave es que f es discontinua (en x = 0); asi, en
general, cualquier funcin discontinua no puede ser aproximada por ningn
polinomio. Entonces debemos considerar funciones continuas. Cmo es, en
este caso, la respuesta a la cuestin planteada? Karl Weierstrass (1815-1897),
notable matemtico alemn, encontr un fundamental resultado cuando la
funcin continua es definida sobre un intervalo cerrado y acotado.
Teorema 1. (Teorema de Weierstrass). Sea I R un intervalo cerrado
y acotado (es decir, es un intervalo compacto) y f es una funcin continua
definida sobre I. Entonces, para todo dado > 0, existe un polinomio p tal
que
|f (x) p (x)| < ,

xI .

Prueba. ([CHR-CHR])
Recordemos que, en general, un polinomio p se escribe en la forma
m
X
2
m
m1
p (x) = am x + am1 x
+ + a2 x + a1 x + a0 =
ai xi .
i=0

Si am 6= 0, el polinomio es de grado m.
Por simplicidad asumamos que I = [0, 1] (va una cierta transformacin
topolgica podemos pasar al caso general I).
Sea la sucesin de polinomios {fm } , m N, donde


m
X
i
m
xi (1 x)mi
f
fm (x) =
i
m
i=0

m!
m
=
. La idea ahora
donde se tiene el nmero combinatorio
i
i! (m i)!
es usar la frmula del binomio de Newton. Veamos.

m
X
m
m
1 = (x + (1 x)) =
xi (1 x)mi .
i
i=0

3.2. INTRODUCCIN A LA TEORA DE LA APROXIMACIN.

245

Luego tenemos,

m
X
m
xi (1 x)mi
f (x) = f (x) (x + (1 x)) = f (x)
i
m

i=0

m
X
=
f (x)
i=0

m
i

xi (1 x)mi .

Por lo tanto,


m
m
X
X
i
m
m
mi
i
xi (1 x)mi
x (1 x)
f (x) fm (x) =
f (x)
f

i
i
m
i=0

i=0

m
X
i
m
f (x) f
=
xi (1 x)mi .
i
m
i=0

Ahora la tarea es ver que para cada > 0 se puede escoger el grado del
polinomio de modo que tengamos |f (x) fm (x)| < , x [0, 1]. Bien,
sabemos que f es uniformemente continua sobre [0, 1], lo que significa que
para tal > 0 podemos encontrar > 0 tal que x, y [0, 1] tal que

|x y| < se tiene entonces |f (x) f (y)| < .


2

(Por razones de conveniencia hemos considerado en vez de ).


2
Por otro lado,

X
i
f (x) fm (x) =
f (x) f
m
|x mi |<

X
i
f (x) f
m
|x mi |

m
i

xi (1 x)mi +

m
i

xi (1 x)mi .

246

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Respecto al primer sumando, tenemos

i
m

mi
i
f (x) f
x (1 x)

i
i

m
|x m |<

f (x) f i m xi (1 x)mi

i
m
|x mi |<

m
X m
X
m
mi
i
x (1 x)
xi (1 x)mi =

i
i
2
2
i=0
|x mi |<

(x + (1 x))m = .
2
2
Veamos ahora al segundo sumando. Observemos que se tiene

f (x) f i |f (x)| + f i 2M,

m
m

donde M = max |f (x)| .


x[0,1]

Luego,

X
i
m

xi (1 x)mi
f (x) f

i
m

|x m |
X

(x mi )
2

2M

f (x) f i m xi (1 x)mi 2M

i
m

(x mi )
2

(x mi )
2

m
i

xi (1 x)mi

2
2

m
X
x mi
x mi
m
m
mi
i
x (1 x)
xi (1 x)mi
2M
2
i
i
2

i=0

m
2M X
x
2
i=0

i 2
m

m
i

xi (1 x)mi

= []

3.2. INTRODUCCIN A LA TEORA DE LA APROXIMACIN.

247

Un tcnico argumento, que omitimos, prueba que


m
X
i=0

(i mx)

m
i

xi (1 x)mi = mx (1 x) ,

i
(i mx)2
=
, se tendr que
y desde que x
m
m2

2
m
X
i
1
m
xi (1 x)mi =
x
x (1 x) .
i
m
m
i=0
Luego continuando con el segundo sumando, tenemos [] =
como x [0, 1], se tendr

2M
x (1 x) ,y
m 2

M
2M
.
2 x (1 x)
m
2m 2
Resumiendo se ha obtenido,

M
i
m

f (x) f
xi (1 x)mi
.

i
i
2m 2
m
|x m |

En conclusin,

|f (x) fm (x)|

M
+
, x [0, 1] .
2 2m 2

Finalmente, es suficiente escoger m tal que


para obtener

M
, es decir, m > 2 ,
2 <
2
2m

|f (x) fm (x)| < , x [0, 1] .

Nota. Para el citado argumento tcnico, el lector puede consultar [CHRCHR], pgina 141.

248

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Comentario. Imagine el lector una funcin continua f (x) definida sobre


un intervalo cerrado, acotado, [a, b] .

Dado > 0, dibuje una faja de ancho 2, con centro f. El teorema de


Weierstrass nos dice que es factible construir un polinomio p (x), cuyo grfico
est dentro de tal faja.
Si usted lector graficara una funcin continua con muchas oscilaciones, es
factible imaginar que la naturaleza del polinomio tambin exigir que tenga
muchas oscilaciones, es decir, el polinomio ser de alto grado. Por otro lado,
si la longitud del intervalo [a, b] fuera muy grande, tambin esta situacin
exigir que el grado del polinomio aproximante sea grande.
Nota. El clsico teorema de Weierstrass fue generalizado por M. Stone, y
constituye el ya tambin clsico teorema de Stone-Weierstrass, el que es
puesto en el contexto de la topologa general y del anlisis funcional. Este
tipo de resultados sobre aproximacin es una rea de actual investigacin.

3.2.2

La Mejor Aproximacin.

Ya en la seccin 2.4.3 hemos tenido la oportunidad de dar una idea de la


mejor N aproximacin en el contexto de las series de Fourier. La nocin de aproximar es muy antigua; por ejemplo, un nmero real puede ser
aproximado va nmeros racionales. Retomemos a los espacios normados,
estudiados en la seccin 1.1.
Sea X un espacio normado y M un subespacio vectorial de X; sea x X
tal que x
/ M. Decimos que m0 M es la mejor aproximacin para x,
desde M, si
kx m0 k = inf {kx mk} = d (x, M) .
mM

3.2. INTRODUCCIN A LA TEORA DE LA APROXIMACIN.

249

De esta manera, kx m0 k kx mk , m M.

m0 puede no existir. Si x = 2, no existe la mejor aproximacin racional;


y si existe, no necesita ser nica.
Por ejemplo, sea X = R3 ,

M = x R3 kxk = 1

y x = 0. En este caso no tenemos la unicidad.


Un subespacio M de un espacio normado X es llamado un subespacio de
Chebyshev si existe una nica (mejor) aproximacin para cualquier x X.
Proposicin 2. Sea X un espacio producto interno (pre-hilbertiano) y
{x1 , ..., xn } un conjunto ortonormal en X. Entonces,
n
X
i=1

hx, xi i xi

es la mejor aproximacin para cualquier x X desde M =esp. gen.{x1 , x2 , ..., xn } .


Qu sucede si M es un subespacio completo de X? Se tiene el siguiente
resultado.
Proposicin 3. Sea M un subespacio vectorial completo de un espacio
producto interno X y sea x X. Entonces,
(a). existe una nica mejor aproximacin m0 M para x.
(b). x m0 M; m0 es el nico punto en M tal que x m0 M.
En la seccin 1.4.4 hemos tenido la oportunidad de presentar al operador
proyeccin. Veamos su relacin con la mejor aproximacin.
Proposicin 4. Sea H un espacio de Hilbert y M un subespacio vectorial
cerrado de H. Sea P la proyeccin (ortogonal) sobre M y x H. Entonces,
P x es la mejor aproximacin para x desde M, es decir, tenemos
kx P xk < kx mk ,

x M , m 6= P x.

250

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Respecto a los espacios de Lebesgue Lq ([a, b]) se tiene la siguiente versin


del teorema de Weierstrass.
Teorema 2. Sea 1 q < , entonces para todo f Lq ([a, b]) existe una
sucesin de polinomios pm,f Pm tal que kf pm,f k 0, cuando m .
En otras palabras, la sucesin de espacios P1 , P2 , ... es denso en Lq ([a, b]) .
Si q = , se tiene un similar resultado para f continua sobre [a, b] .

3.2.3

Aproximacin en Espacios Topolgicos.

Sea (X, T) un espacio topolgico. Diremos que (X, T) es un espacio compacto si todo cubrimiento abierto de X contiene un subcubrimiento finito. Ejemplo: todo espacio topolgico finito es compacto. En esta oportunidad daremos una breve visin de la aproximacin uniforme sobre espacios
topolgicos compactos. Sea C (X, R) ( C (X, C)) de las funciones reales (o
complejas) continuas sobre un espacio compacto X, en donde consideramos
la norma
kf k kf k = sup {|f (x)|} .
xX

El problema topolgico de la aproximacin en (C (X, R) , k k ) est


fuertemente influenciado por la estructura algebraica de C (X, R). Veamos.
Sea H C (X, R) .
Se tienen las siguientes cuestiones.
Cundo es posible aproximar uniformemente una funcin f , que pertenece
a H? En otras palabras, cundo f H en la topologa de C (X, R)?
Cundo es posible aproximar uniformemente una funcin f por combinaciones lineales de funciones en H? En otras palabras, cundo
f L (H), con la topologa de C (X, R), donde L (H) es un subespacio
vectorial de C (X, R)?
Cundo es posible aproximar uniformemente una funcin f con polinomios en funciones de H? En otras palabras, cundo f A (H) en
la topologa de C (X, R), donde A (H) es el lgebra generada por H en
C (X, R)?
Nota. En general decimos que E es una algebra (sobre R C) si es un
espacio vectorial que admite una multiplicacin que es, asociativa x (yz) =

3.2. INTRODUCCIN A LA TEORA DE LA APROXIMACIN.

251

(xy) z, y es bilineal
x (y + z) = (xy) + (xz)
(x + y) z = (xz) + (yz) .
Si (X, T) es un espacio topolgico, entonces C (X, R) es un lgebra (real), que cumple adems:
si f C (X, R), entonces |f | C (X, R) ;
si f, g C (X, R), entonces max(f, g) C (X, R); min(f, g) C (X, R) .
En relacin a la cuestin se tiene el siguiente resultado.
Teorema 3. (Stone). Sea (X, T) un espacio compacto y H un subespacio
vectorial de C (X, R) tal que
(a) las funciones constantes pertenecen a H,
(b) si g H, entonces |g| H,
(c) H separa los puntos de X, esto es, si (x, y) X X, existe g H tal
que g (x) 6= g (y) .
Entonces, cada funcin continua f : X R puede aproximarse uniformemente con funciones de H.
Respecto a la cuestin se tiene el famoso siguiente resultado.
Teorema 4. (Stone-Weierstrass). Sea (X, T) un espacio compacto y A
un sub lgebra de C (X, R) que separa los puntos de X, y contiene para todo
punto x X una funcin que no se anula en x.
Entonces, A = C (X, R), es decir, todo elemento de C (X, R) puede aproximarse uniformemente con elementos de A.
Otra versin del teorema de Stone-Weierstrass es el siguiente teorema.
Teorema 40 . Sea (X, T) un espacio compacto y H un subconjunto separante
de C (X, R). Entonces, cada funcin continua f : X R puede aproximarse
uniformemente con polinomios de funciones de H.
Comentarios. La teora de la aproximacin es fundamental en el campo
de las aplicaciones (ingeniera, economa, fsica, medicina, astronoma, ...).
Como es sabido, en el mundo fsico es usual encontrar situaciones en donde es
difcil obtenerse informaciones que sean rigurosamente exactas, esto debido
a diversos factores, entre ellos a la condicin humana. En consecuencia fue
una tarea muy deseada el encontrar mtodos que permitan obtener aproximaciones ptimas, lo que puede ser suficiente conocer en muchas investigaciones.

252

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Desde el punto de vista terico, la teora de la aproximacin sigue siendo una


rea en plena actividad y que es investigada en sus fundamentos.
El tema que trataremos en la siguiente seccin, las ondculas, es de algn
modo, un camino para obtener buenas aproximaciones en muchas situaciones
del mundo fsico.

3.3
3.3.1

Introduccin a la Teora de Ondculas.


Consideraciones Generales.

Qu es una ondcula? una ondcula (o wavelet) es una funcin , de la que


partimos y que es sometida a encogimientos, alargamientos y a translaciones,
para dar origen a un familia de funciones que constituye una base ortonormal
en un espacio de funciones, L2 (R) por ejemplo. es considerada la ondcula
generadora y est concentrada en un cierto intervalo, pero es capaz de
trasladarse convenientemente en toda la recta.
Por ejemplo, son ondculas las funciones cuyos grficos damos a continuacin.

ONDCULA de A. Haar

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.


ONDCULA de Morlet

ONDCULA de Marr

ONDCULA de Bessel

253

254

CAPTULO 3. APROXIMACIN Y ONDCULAS.


ONDCULA de Cauchy

ONDCULA de Poisson

Las ondculas fueron creadas por el geofsico francs Jean Morlet a inicios
de los aos 19800 s; relacionado con esta creacin estn las investigaciones de
los ingenieros en el tratamiento de la seal. Las ondculas permiten en muchos
casos, un anlisis cuidadoso, una codificacin eficaz, una transmisin rpida
y una reconstruccin ptima de las seales recibidas. En el caso de Morlet,
sus ondculas (ver el grfico correspondiente) fueron creadas para analizar
sismgrafos. La introduccin de este recurso matemtico e instrumento en
las aplicaciones ha permitido abrir nuevas e importantes aplicaciones en la
moderna tecnologa de las comunicaciones, como en la telefona, TV, entre
otras reas.
En el tratamiento de la seal se utiliza un anlisis tiempo-escala (o
espacio-escala en el caso del tratamiento de la imagen), el que consiste
en considerar un conjunto amplio de escalas para estudiar a la seal. Tal

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

255

anlisis se realiza determinando lo que se difiere de una escala a otra; esto es,
se trata de optimizar las aproximaciones. En otras palabras, de mejorar
una informacin tosca en otra de mejor calidad. Esto se puede comprobar
al observar las imgenes que se recibian en la TV hace 20 aos atrs, las
que no eran muy ntidas, en tanto que ahora se reciben imgenes bastantes
limpias. Cmo ser de ac a 20 aos?
Despus de un proceso de maduracin, los matemticos llegaron (segunda
mitad de la dcada de los 800 s) al algoritmo llamado anlisis multiresolucin, idea que fue introducida por el joven ingeniero S. Mallat y que fue
motivada por los trabajos de Morlet y del fsico terico A. Grossmann, y con
el apoyo matemtico del analista armnico Y. Meyer.
Definicin. Un anlisis multiresolucin para el espacio L2 (R) es una
sucesin creciente {Vj }jZ de subespacios vectoriales cerrados de L2 (R) tal
que:
(i)

+
T

Vj = {0} ,

j=

Vj = L2 (R) .

jZ

(ii) f (x) Vj f (2x) Vj+1 , f L2 (R) , j Z.


Esto es, f (x) Vj f (2j x) V0 .

(iii) f (x) V0 f (x k) V0 , f L2 (R) , k Z.


Esto es, V0 es estable bajo translaciones por enteros.

(iv) Existe una funcin g V0 tal que la sucesin {g (x k)}kZ es una


base de Riesz de V0 .
Nota. Una sucesin {en }nN es una base de Riesz en un espacio de
Hilbert H si existen dos constantes C1 y C2 tal que para cualquier sucesin
de escalares {n }nN , se tiene
C1

|n |

12

X
X
1

2 2
|n |
,

n en C2
H

y si el espacio vectorial de las sumas finitas

n en es denso en H.

Regularidad. Un anlisis multiresolucin {Vj }jZ de L2 (R) es r-regular,


donde r N, si g en (iv) es tal que las derivadas D g, || r, son
rpidamente decrecientes en el infinito, esto es,
|(1 + |x|)m D g (x)| Cm , m N, || r.

256

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Precisemos an mas la idea de ondcula, y luego veremos su relacin con


el anlisis multiresolucin.
Definicin. Sea m N. La funcin (de variable real) es llamada una
ondcula generadora, de clase m si se tiene:
(a). D (x) L (R) para || m, m 0. Esta es la condicin de
regularidad de la ondcula .
(b). D (x) , || m, es de decrecimiento rpido en el infinito. Esta es
la condicin de localizacin de .
Z
(c). es oscilante, esto es,
xk (x) dx = 0, 0 k m.

(d). La familia 2 2 (2j x k) , j, k Z, es una base ortonormal de


j
L2 (R). Las funciones 2 2 (2j x k) son llamadas las ondculas engendradas por (x) .
Cuestin. Dado un anlisis multiresolucin {Vj }jZ , r-regular, de L2 (R),
Cmo construir una ondcula ?
En primer lugar decimos que dado un anlisis multiresolucin {Vj }jZ de
2
L (R), es factible construirse una base ortonormal para V0 .
La idea es la siguiente. Se verifica que existen dos constantes positivas
C1 y C2 tales que, para casi todo R, se tiene
! 1

2 2
X

C1
C2 <
g ( + 2k)
kZ

(donde estamos considerando g () =


L2 (R) va,

e2it g (t) dt). Ahora se define

! 1

2 2
X

() =
g () .
g ( + 2k)

kZ

Proposicin 1. { (x k)}kZ es una base ortonormal para V0 . Si {Vj }jZ


es r-regular, entonces es rpidamente decreciente en el infinito.
La existencia de la funcin es el punto de partida para la construccin
de la ondcula . Para ello se observa que el subespacio cerrado Vj+1 se puede
escribir en la forma
Vj+1 = Vj Wj

(suma directa),

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

257

donde Wj es el complemento ortogonal de Vj en Vj+1 . Entonces se tiene el


fundamental resultado siguiente.
Teorema 1. (Mallat-Meyer). Dado un anlisis multiresolucin {Vj }jZ ,
r-regular, existe una funcin en W0 (la ondcula generadora) tal que las
funciones D (x) son rpidamente decrecientes en el infinito para || r,
y tal que { (x k)}kZ es una base ortonormal
para W0 .o
n
j

Va un cambio de escala, la sucesin 2 2 (2j x k)


es una base
kZ
ortonormal para Wj , para j fijo.
o
n j
Conclusin. 2 2 (2j x k)
es una base ortonormal para L2 (R) .
j,kZ

Caminos que condujeron a las ondculas ...


En la historia de la ciencia, y de la matemtica en particular, se han dado casos de descubrimientos simultneos, o hechos en perodos de tiempo
diferentes pero de forma independiente. En la historia de las ondculas diversos cientficos usaban, de algn modo, el lenguaje ondcula cuando an
la teora no exista. El siguiente cuadro, debido a Y. Meyer nos da una idea
de lo ocurrido antes de que aparezca la revolucin-ondcula.

Del anterior cuadro, posiblemente para el lector le sea mas familiar la


teora de Fourier. En efecto, en esta teora est el germen de la idea de
ondcula. An cuando las ondas (seno y coseno) no son ondculas, ellas son
ondas que fueron (y son) tiles herramientas para los ingenieros, los fsicos,
entre otros profesionales. La representacin de una seal (funcin) f en su
serie de Fourier fue fundamental en la teora y en las aplicaciones. El dominio
R de la seal f es llamado el dominio tiempo-continuo; su transformada de

258

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Fourier f describe el comportamiento espectral de la seal f , y su dominio


R es llamado dominio frecuencial.
Como hemos mencionado, estamos trabajando con el espacio de Hilbert
L2 ((0, 2)), el cual se extiende peridicamente a toda la recta R va, f (x) =
f (x 2) , x R. Sabemos que si f L2 ((0, 2)) entonces f (x) =
Z 2

X
1
inx
cn e , con los coeficientes de Fourier cn =
f (x) einx dx, donde
2
0
n=
consideramos la topologa de L2 ((0, 2)) .
Sea la funcin bsica w (x) = eix y sus dilataciones wn (x) = einx . Se
observa que
Z 2
1
hwm , wn i =
wm (x) wn (x)dx = 0, si m 6= n.
2 0
De esta manera se observa que f es descompuesto como suma de los wn s,
los que son mutuamente ortogonales.
Conclusin: la representacin en serie de Fourier es hecha teniendo como
tomo a la funcin bsica w (x) = eix .
Se tiene a la identidad de Parseval
Z 2

X
1
2
|f (x)| dx =
|cn |2 ,
2 0
n=
la que permite intercomunicar, isometricamente, a los espacios L2 ((0, 2)) y
(
)

X
l2 = (cn )/
|cn |2 < .
n=

Asi, si f L2 ((0, 2)), extendida peridicamente -2, entonces ella es


una composicin de ondas con frecuencias diversas, donde n es la frecuencia
de la onda.
Existe algo anlogo para L2 (R)?
Observemos que si f L2 (R) entonces lim f (x) = 0, y por tanto
|x|

wn
/ L2 (R) .
Por lo tanto, los wn s no son tomos adecuados para representar a elementos de L2 (R). Es claro que el requisito fundamental es que las ondas
deban tender a cero en el infinito; asi, debemos buscar ondas que, de alguna manera, sean pequeas, es decir, que sean ondculas! Estas ondculas

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

259

son las que generarn al espacio de Hilbert L2 (R). Denotemos con a tal
funcin tomo, la ondcula, la que generar una familia de ondculas en
L2 (R) ; debe satisfacer: lim (x) = 0; es decir, debe tener un
|x|

decrecimiento rpido. A fin de cubrir a la recta, es trasladada a lo largo de


la recta; por ello consideramos (x z) , k Z. Pero adems es sometida
a dilataciones binarias de la forma 2j , j Z, y de esta manera se considera
ondas, de tipo ondcula de la forma (2j x k) ,
j, k Z. Por comodidad se
desea kk2 = 1; para ello se considera la familia j,k j,kZ , donde

j
j,k (x) = 2 2 2j x k .

()

Nuevamente enfatizamos la nocin de ondcula.

L2 (R) es llamada una ondcula (ortonormal) si la familia j,k j,kZ ,


definida va () es una base ortonormal de L2 (R), lo que significa:

j,k , l,m = j,l k,m , j, k, l, m Z, donde

1 j = k
j,k =
0 j 6= k
Para todo f L2 (R) se tiene,
f (x) =

cj,k j,k (x) ,

j,k=

donde la convergencia es en el sentido de L2 (R), esto es,

f P P cj,k j,k < , con j [N1 , N1 ] , k [N2 , N2 ] .


2

3.3.2

La Transformada de Gabor.

Sea f una seal analgica en L2 (R), con energa finita. Sabemos que su

transformada de Fourier, f , nos proporciona la informacin espectral de la


seal, informacin que depende del conocimiento global de f en la recta
(dominio-tiempo). Luego, cualquier perturbacin de la seal en una pequea
vecindad de x R afectar a la informacin espectral de la seal, lo que no
es deseable cuando se estudia casos concretos. Este defecto fue observado por
D. Gabor, quien en 1946 introduce una funcin ventana g (x b), donde el
parmetro b sirve para transladar a la ventana g por todo el dominio-tiempo

(espacio), y as, va este corte se obtiene una informacin local de f ().

260

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Gabor us a la funcin gaussiana como funcin ventana g. Asi, sea la funcin


gaussiana
t2
1
e 4 , > 0 real fijo .
g (x) =
2

es un parmetro y podemos considerar g como una familia conforme vara


.
Definicin. La transformada de Gabor de f L2 (R) es definida va
Z

ix
(Gb, f ) () =
f (x) g (x b) dx.
e

Observemos que Gb, f localiza f alrededor de x = b.

Se verifica que el ancho de la ventana g es igual a 2 .


Si gb,, (x) = eix g (x b) entonces se tiene
Z
(Gb, f ) () = hf, gb,, i =
f (x) gb,, (x)dx

De un modo general, w L2 (R) es una ventana si xw (x) L2 (R) .


1

Si w y w fueran ventanas, entonces el rea la ventana producto es ; se


2
tiene = cuando w (x) = ceiax g (x b) , c 6= 0, a, b R. Este resultado es
conocido como el principio de incertidumbre.

Mas concretamente, si


x
f L2 (R), entonces kf k22 4 kxf (x)k2
f
(x)

3.3.3

Ondculas, Algoritmos Rpidos.

El objetivo de esta seccin es dar un breve panorama de la relacin entre la


teora de ondculas y ciertos algoritmos para procesar seales. El punto de
partida es la nocin de anlisis multiresolucin, en donde remarcamos
que

en la condicin (iv) se considera la existencia de V0 tal que 0,k kZ es


una base ortonormal en V0 (ver proposicin 1). Conociendo a la funcin
veamos, sucintamente, como se construye a la ondcula .
Sabemos que V0 = V1 W1 y de esta manera en V0 disponemos de
dos bases ortonormales, que son: { (x k)}kZ y
n 1
o
2 2 21 x k

kZ

n 1
o
2 2 21 x k

kZ

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

261

Remarcamos que asumimos f V0 y por tanto tenemos


X
f (x) =
0,k (x k) .
kZ

Respecto a la otra base se tiene

X
21 21 x =
h (k) (x k)

kZ

X
21 21 x =
g (k) (x k) .
kZ

De esta manera se tiene:


X
X

1
1
0,k (x k) =
1,l 2 2 21 x l +
1,l 2 2 21 x l .
f (x) =
k

Adems, siendo la descomposicin ortonormal, se tiene


D
D

E X

E
1
1
0,k (x k) , 2 2 21 x l .
1,l = f, 2 2 21 x l =
k

Considerando que h (k) = h (x k) , 21 (21 x)i, se verifica que


X
1
1,l = 2 2
0,k h (k 2l) .
k

De un modo similar se tiene,


1

1,l = 2 2

X
0,k g (k 2l) .
k

Observacin. Viendo estas representaciones para 1,l y 1,l , observamos


que ellas son convoluciones, asi:
1,l = (0 h) (2l)

1,l = (0 g) (2l) .

De esta manera podemos interpretar a los coeficientes 1,l y 1,l como


filtros, pasa bajo y pasa alto, respectivamente. Observemos que solo aparecen
enteros pares.
Conclusin. Se ha obtenido una descomposicin de f V0 L2 (R) sobre
V1 y W1 , donde se usa 0,k para construir 1,l y 1,l .
Desde que V1 = V2 W2 , de un modo similar se puede usar 1,l para
obtener una descomposicin de f sobre V2 y W2 . La idea puede continuar

262

CAPTULO 3. APROXIMACIN Y ONDCULAS.

para V2 , V3 , . . . De un modo general, si (por conveniencia escribimos fj )


fj Vj , entonces Vj = Vj1 Wj1 permite escribir (univocamente)
fj (x) =

X
j,k j,k (x) = fj1 (x) + gj1 (x)
k

X
X
j1,l j1,l (x) +
j1,l j1,l (x) ,
=
l

donde fj1 Vj1 y gj1 Wj1 .


Usando la idea de biortogonalidad, si disponemos de un anlisis multiresolucin {Vj }jZ la idea es considerar una funcin (escala) dual
e y una
n o
e las que generan otro anlisis multiresolucin Vej
ondcula dual ,
, donde
jZ

fj es definido de un modo similar a Wj . Las condiciones son: Vej Wj y


W
fj . Luego, W
fj Wj 0 si j 6= j 0 . Es decir, estas condiciones significan
Vj W
que:
D
E
e (. l) = 0
he
, (. l)i = ,
y

he
, (. l)i = l =

0 l 6= 0
1 l = 0

D
E
e (. l) = l .
,

n o
Desde que Vej es una anlisis multiresolucin, se tiene
X

e (x) = 2 e
h (k)
e (2x k)

e (x) =

X
g (k)
e
e (2x k) .
k

Retornando al argumento inicial, tendremos


*
+
X

1
e
j1,l = fj ,
h (k 2l)
e j,k
e j1,l = 2 2 fj ,
k

X
e
h (k 2l) j,k .
= 2
1
2

De un modo similar,

j1,l = 2 2

X
ge (k 2l) j,k .
k

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

263

El argumento hecho lo podemos resumir en el siguiente grfico, que representa a la etapa del anlisis o descomposicin de la seal.

Discutamos ahora a la etapa


de lasntesis o recuperacin de la seal.
La idea es ir de {j+1,l } y j+1,l a {j,k }. Para ello se debe invertir los
pasos hechos en la etapa del anlisis. Nuevamente, como modelo de trabajo
pasemos de la descomposicin sobre V1 y W1 a la descomposicin sobre
V0 . Con tal fin utilizamos las dos bases ortonormales de V0 :
n 1
o
2
1
2 2 xk

{ (x k)}kZ

kZ

n 1
o
2
1
2 2 xk

para obtener la representacin de f V0 en la forma,


f (x) =

1
1
1,l 2 2 21 x l +
1,l 2 2 21 x l ,
l

de donde se obtiene,
0,k = hf, (x k)i =

D
E
X
1
1,l (x k) , 2 2 (21 x l) +
l

D
E
X
1
1,l (x k) , 2 2 (21 x l) ,
l

de donde, an obtenemos
1

0,k = 2 2

X
X
1
1,l h (k 2l) + 2 2
1,l g (k 2l) .
l

En general, si f Vj entonces
1

j,k = 2 2

X
X
1
j+1,l h (k 2l) + 2 2
j+1,l g (k 2l) .
l

kZ

264

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Nuevamente, tenemos el siguiente grfico, el que nos visualiza a la sntesis,

3.3.4

Ejemplos.

Va los siguientes ejemplos, ilustremos algunas ideas sobre la naturaleza de las


ondculas, en donde aprovecharemos la ocasin para complementar algunos
aspectos tericos.
Las Ondculas de Haar. Sea (x) = X[0,1) (x) la funcin caracterstica del intervalo [0, 1).

Observemos que
h (x) , (x k)i =

(x) (x k) dx = 0, k 6= 0, k Z.

n j
o
2 2 (2j x k)
, j Z, y sea Vj el
S kZ
espacio generado por ella. Se verifica que Vj es denso en L2 (R), esto

Consideremos a la familia

jZ

es, todo f L2 (R) puede ser aproximado por funciones fj , que son
constantes en sub intervalos, pudiendo tener saltos.

j,k j,kZ es una sucesin completa en L2 (R). Sin embargo, esta


sucesin no es ortogonal desde que, por ejemplo, (x) y (2x) no son
ortogonales (verificar esta afirmacin haciendo los grficos de (x) y
(2x)). Entonces, la idea es considerar (x) = (2x) (2x 1); en
este caso, la familia { (x k)}kZ es ortonormal en W0 . An mas,
n j

j,k (x) j,kZ = 2 2 2j x k


j,kZ

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

265

es un sistema ortonormal completo en L2 (R). Esta familia se llama el


sistema de Haar.
Luego, si f L2 (R) entonces,
XX

f (x) =
f, j,k j,k (x) .
jZ kZ

Al nivel j, la aproximacin fj de f es dada por


j1
X
X

fj (x) =
f, m,k m,k (x) .
m= kZ

fj es la proyeccin de f sobre Vj , fj Vj , y la serie converge a una


funcin constante por piezas (subintervalos), con saltos (a lo mas) en
k
, k Z.
2j
El sistema de Haar fue el primer ejemplo de un sistema de ondculas.
es llamada la funcin escala y la ondcula bsica. Se tiene que
{Vj }jZ es un anlisis multiresolucin para L2 (R) .

Splines de Orden m.

Este ejemplo es una regularizacin del sistema de Haar. Sea

1 0 x < 1
.
g0 (x) = X[0,1) (x) =
0 complemento

Pongamos gm = gm1 g0 , m 1 entero.

gm es llamada la funcin B-spline, de orden m.


Tenemos,
gm (x) =

gm1 (x t) dt.

Sea la familia {gm (x k)}kZ y sea V0m el espacio generado por esta
familia (el que es la cerradura, en L2 (R), de todas las combinaciones
lineales finitas de elementos de esa familia).
Definimos Vjm va:

f (x) Vjm f 2j x V0m .

266

CAPTULO 3. APROXIMACIN Y ONDCULAS.


Sea m 1 entero. Por definicin,
n
o

Sm = f C m2 f |[k,k+1) es un polinomio de grado m 1 .


En particular,
S1 = {f / f es constante sobre [k, k + 1) , k Z} ,
en donde se considera la base {g0 (x k)}kZ .
Proposicin 2. V0m = Sm L2 (R), donde la cerradura es en la
topologa de L2 (R) .
Proposicin 3. (a) gm Sm , m 1 entero;
(b) sopgm = [0, m] ;
(c) gm (x) > 0, 0 < x < m;
X
gm (x k) = 1, x.
(d)
kZ

j
es el espacio de los splines con puntos nudos 2j Z, j
En general, Sm
Z.

Asi, Sm es el espacio de los splines con nudos en Z. Pondremos, Sm =


0
Sm
.
j
Definicin. Vjm = Sm
L2 (R), con la topologa de L2 (R) .

Vjm es un subespacio cerrado de splines en L2 (R) .


0
1
1
Corolario. (a) Sm
Sm
Sm

m
V0m V1m
(b) V1

(c) Vjm jZ es un anlisis multiresolucin de L2 (R), donde {gm (x k)}kZ
es una base de Riesz de V0m , lo que significa (recordando) que existen dos constante C1 , C2 , 0 < C1 < C2 < tal que, {Ck } l2 ,
se tiene

2
C1 k{Ck }kl2 Ck gm (x k) C2 k{Ck }k2l2 ,

kZ

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

267

condicin que es equivalente a:


2
X

C1
g m (x + 2k) B,
kZ

casi en todas partes.


o
n j
En general, 2 2 gm (2j x k)
es una base de Riesz de Vjm .
kZ

Siendo Vjm un anlisis multiresolucin, la funcin escala se construye va la frmula

g m ()

() =
!1 .
2 2
X

gm ( + 2k)
kZ

La familia { (x k)}kZ es una base ortonormal para V0m .


Las ondculas-splines son obtenidas va la frmula:
X
1
C1k (1)k (2x k) .
(x) = 2 2
kZ

Estas ondculas son conocidas como las ondculas de Battle-Lemarie.

El Sistema de Shannon.
Sea definida va

() =

1
0

<
.
complemento

Luego,
1
(x) =
2

ix

() e

1
d =
2

eix d =

sen x
.
x

Se tiene, (x) (x k) , k =
6 0. En efecto,
Z
Z
1

(x) (x k)dx =
() ()eik d
2

Z
sen k
1
= 0, k 6= 0.
eik d =
=
2
k

268

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Sea f L2 (R) tal que f () = 0 si || > ; luego f () =


Z
1
f () eik d. Desde que
|| , donde Ck =
2
1
f (x) =
2

X
Ck eik si
k

f () eix d, x R,

observamos que Ck = f (k). Por tanto,

f () =

X
f (k) eik .
k

Luego,
1
f (x) =
2

ix

f () e

Z
X
1
d =
f (k)
eik eix d,
2

de donde
f (x) =

X
sen (x + k)
,
f (k)

(x
+
k)
k

lo que constituye el teorema de muestreo de Shannon.


Pongamos,
V0 =

f L (R) f () = 0, || >
2

sen (x + k)
f (k)
f L2 (R) f (x) =
(x + k)
k

Si f V0 , f es llamada una funcin de banda limitada. El teorema


de muestreo nos permite recobrar estas funciones conociendo sus valores
sobre los nmeros enteros. En el campo de las aplicaciones esto permite
convertir una seal digital en una analgica.
La idea ahora es considerar el espacio

2
V1 = f L (R) f () = 0, || > 2 .

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

269

De esta manera, si f V1 entonces sopf = [2, 2]. De un modo


general se construye la familia {Vj }jZ , la que satisface
Vj V1 V0 V1 Vj
Se tiene, (a)

Vj = {0} ; (b) si f L2 (R), entonces f puede ser

jZ

aproximado por un fj Vj , para j grande.


Proposicin 4. {Vj }jZ es un anlisis multiresolucin asociado a
(x) .
La ondcula es definida va, (x) = 2 (2x) (x) .

Se tiene, V1 , (x) (x k). Tambin,

() =

()

sop [2, ] [, 2] .

Los grficos dados en 3.3.1 nos muestran a otras ondculas; en los ltimos aos se han construido otras ondculas conforme sus necesidades en
el campo de las aplicaciones. Actualmente existe una amplia literatura
sobre ondculas. Ver [BEC] para algunas otras fuentes bibliogrficas.

270

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Ejercicios 3.
1. Complete:
(a) sop = ............
(b) D (Rn ) = ...........
(c) T es una distribucin si .....
(d) a () = .............
(e) si T D0 (Rn ) , hD T, i = .......

(f) si f C (Rn ) y D (Rn ) , D (f ) = ......

(g) S = ............

(h) W 1,p (I) = ..........


2. Defina que es:
(a) una sucesin regularizante;

(b) el espacio S 0 ;

(c) T si T S 0 ;

(d) el espacio W01,p (I);

(g) la mejor aproximacin;

(h) una ondcula;

(e) el espacio P Pm ;

(f) el espacio Sm ();

(i) un anlisis multiresolucin.


3. Porqu:
(a) (x) no es una funcin?
(b) P (x) (x) es r.d. si P (x) es un polinomio y es r.d.?
(c) no toda funcin lineal continua sobre D (Rn ) tiene una extensin
lineal, continua sobre S (Rn )?
(d) sobre W01,p (I) se tiene ku0 kp ' kuk1,p ?

(e) las funciones seno y coseno no son ondculas?

4. D una interpretacin al teorema de muestreo de Shannon.


5. Si f L1loc (Rn ), pruebe que Tf es una distribucin.
6. Pruebe que a es una distribucin (ver [BRE]).
7. Interprete

d
H = , pues H es una funcin pero no lo es.
dx

3.3. INTRODUCCIN A LA TEORA DE ONDCULAS.

271

8. Si f C 0 (Rn ) y {m } es una sucesin regularizante, pruebe que


f m f, m , uniformemente sobre compactos.
9. Pruebe (a), (b) y (c) del corolario 2.

10. Si S (Rn ), pruebe que C (Rn ) y que D () = (i)|| [ ] () .

11. Si T S 0 (Rn ), pruebe que T S 0 (Rn ) .

12. Si Tn T en S 0 (Rn ), pruebe que T n T en S 0 (Rn ) .


13. En la definicin de W 1,p (I), pruebe que la funcin g es nica.
14. En W 1,p (I), pruebe que kuk1,p = kukp + ku0 kp es una norma.
15. Pruebe que H 1 (I) es un espacio de Hilbert.
16. Interprete (analticamente) al teorema de Weierstrass.
17. Interprete al teorema de Stone-Weierstrass.
18. Interprete al teorema 3 (Stone).
19. Si (x) es la ondcula de Haar, grafique (2x) y (2x 1) . Ahora
grafique (2x) (2x 1). Qu obtiene?
20. Redacte un breve informe sobre la
(a) teora de la aproximacin;
(b) teora de ondculas.

272

CAPTULO 3. APROXIMACIN Y ONDCULAS.

Bibliografa
[ALE-KOL-LAU] Aleksandrov, A.D. - Kolmogorov, A. N. - Laurentiev, M.
A.: La matemtica: su contenido, mtodos y significados. Vols. I, II y III. Alianza Editorial. 1981
[BAR]

Bartle, Robert G.: The Elements of Real Analysis. John


Wiley. 1964.

[BEC]

Beckenstein, Edward: Fourier and Wavelet Analysis.


Springer. 2000.

[BRE]

Brezis, Han: Analyse Fonctionnelle. Thorie et Appllications. Masson. Paris. 1983.

[COD]

Coddington, Earl. A.: An Introduction to Ordinary Dierential Equations. Prentice - Hall. 1961.

[COH]

Cohen, Albert: Wavelet Methods in Numerical Simulation. Concepcin. 1998.

[COU-ROB]

Courant, R. - Robbins, H.:Qu son las Matemticas.


Prefacio y Avances Recientes por I. Stewart. Fondo Cultural Econmica. 2002.

[COU-HIL]

Courant, R. - Hilbert, D.: Methods of Mathematical


Physics. 2 Vols. Wiley - Intersciencse. 1953, 1962.

[CHE]

Cheney, E. W.: Introduction to Approximation Theory.


Mc Graw-Hill. 1966.

[CHR-CHR]

Christensen, O. - Christensen, K. L.:Approximation Theory; From Taylor Polynomials to Wavelets. Birkhuser.


2004.

[FRA]

Franks, L. E.:Teora de la Seal. Revert, S.A. 1975.


273

274

BIBLIOGRAFA

[FRA]

Frazier, M.: An Introduction to Wavelets through linear


algebra. Springer. 1999.

[FUL]

Fulks, Watson: Advanced Calculus. John Wiley. 1962.

[GAS-WIT]

Gasquet, C. - Witomski, P.: Analyse de Fourier et Applications. Masson. 1990.

[GRE]

Greenspan, D.: Introduction to Partial Dierential Equations. Mc Graw-Hill. 1961.

[HAL]

Halmos, P. R.: Introduction to Hilbert Spaces. Chelsea.


Pub. 1957.

[IRA]

Irarrzaval, Pablo: Anlisis de Seales. Mc. Graw-Hill


Interamericana. 1999.

[KRE.1]

Kreyszig, E.: Introductory Functional Analysis with Applications. John Wiley. 1978.

[KRE.2]

Kreyszig, E.: Advanced Engineering Mathematics. (4Ta


Edicin). John Wiley. 1979.

[MEI]

Meinardus, Gnter: Approximation of Functions: Theory


and Numerical Methods. Springer - Verlag. 1967.

[MYI]

Myint - U, Tyn: Partial Dierential Equations of Mathematical Physics. Elsevier. 1973.

[NAG-SAF-SNI] Nagle, R. K. - Sa, E. B. - Snider, A. D.: Fundamentals


of Dierential Equations and Boundary Value Problems.
Addison - Wesley. 2000.
[ODE]

Oden, Tinsley: Applied Functional Analysis. Prentice Hall. 1979.

[ORT.1]

Ortiz, Alejandro: Anlisis Real - Funcional. UNT. (1334). 1986.

[ORT.2]

Ortiz, Alejandro: Introduccin a la Topologa. UNT. (1390). 1987.

[ORT.3]

Ortiz, Alejandro: Aspectos Bsicos en Ecuaciones en


Derivadas Parciales. UNT. (1-341). 1988.

BIBLIOGRAFA

275

[ORT.4]

Ortiz, Alejandro: Topicos sobre Ecuaciones en Derivadas


Parciales. UNT-PUCP. (1-328). 2004.

[ROD]

Rodier, Franois: Distributions et Transformation de


Fourier. Ediscience. 1971.

[SCH]

Schumaker, Larry: Spline Functions: Basic Theory.


Krieger Publ. Comp. 1993.

[STR-NGU]

Strang, G. - Nguyen, T.: Wavelets and Filter Banks.


Wallesley - Cambridge Press. 1996.

[WHE-ZYG]

Wheeden, R. L. - Zygmund, A.: Measure and Integral.


An Introduction to Real Analysis. Marcel. Dekker, Inc.
1977.

[WOU]

Wouk, Arthur: A Course of Applied Functional Analysis. John Wiley. 1979.

[ZIL]

Zill, Dennis: Ecuaciones Diferenciales con Aplicaciones. Grupo Editorial Iberoamricana. 1988.