Sie sind auf Seite 1von 214

Matematica Aplicada

Ecuaciones en Derivadas Parciales


Apunte de las materias
Matematica Aplicada
Ecuaciones en Derivadas Parciales
Posgrados de la Universidad Nacional del Litoral
Hugo Aimar, Bruno Bongioanni, Pedro Morin
6 de junio de 2012
Presentacion
Este apunte contiene las notas del curso Matematica Aplicada, curso de posgrado para
la Facultad de Ingeniera Qumica y la Facultad de Ingeniera y Ciencias Hdricas de la
Universidad Nacional del Litoral. Este curso se dicta en paralelo con el curso Ecuaciones
en Derivadas Parciales, optativa de la Licenciatura en Matem atica Aplicada, y de pos-
grado para el doctorado y la maestra en Matem atica. En la secci on Ejercicios de cada
captulo hay problemas marcados con un asterisco. Estos problemas m as te oricos estan
pensados para los alumnos de estas ultimas carreras. Los problemas marcados con dos
asteriscos son tambien para alumnos de estas carreras, pero son opcionales; si bien estan
relacionados con los contenidos del captulo correspondiente, no son tan importantes para
el objetivo del curso. Los alumnos del doctorado o la maestra en matem atica deberan
hacerlos.
Este apunte fue escrito durante el dictado de los cursos en el primer cuatrimestre
de 2011, y sera actualizado durante el dictado en el primer cuatrimestre de 2012. Cual-
quier sugerencia u observacion sobre errores sera agradecida por los autores del apunte y
tambien por los futuros alumnos del curso.
Santa Fe, marzo de 2012
2

Indice general
1. La integral como un promedio 6
1.1. Desplazamiento y velocidad . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Masa y densidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3. Valor medio en R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Valor medio en R
2
y R
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6. Valor medio generalizado . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2. Integrales de lnea y de supercie 17
2.1. Integrales de lnea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2. Integrales de supercie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3. Algunos resultados del Calculo Vectorial 22
3.1. Denicion de operadores diferenciales . . . . . . . . . . . . . . . . . . . . 22
3.2. Divergencia y ujo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3. Teorema de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.4. Teorema de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4. Coordenadas Generalizadas en el Espacio 33
4.1. Supercies coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2. Curvas coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3. Vectores normales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4. Calculo de longitudes en coordenadas generalizadas . . . . . . . . . . . . 38
4.5. Calculo de areas de supercies coordenadas en coordenadas generalizadas 40
4.6. Calculo de vol umenes de cubos con aristas que sean curvas coordenadas . 40
4.7. Los operadores diferenciales en coordenadas generalizadas . . . . . . . . . 40
4.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5. Leyes de conservaci on. Ecuaciones constitutivas 44
5.1. Leyes de conservacion. Balance . . . . . . . . . . . . . . . . . . . . . . . 44
5.2. Relaciones constitutivas . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.3. Reduccion de dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.4. Condiciones iniciales y de borde . . . . . . . . . . . . . . . . . . . . . . . 49
5.5. La ecuacion de Laplace y la ecuacion de Poisson . . . . . . . . . . . . . . 51
3
5.6. Otras relaciones constitutivas . . . . . . . . . . . . . . . . . . . . . . . . 51
5.7. La ecuacion de ondas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.8. La ecuacion de Schr odinger . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6. Ecuaciones Diferenciales. Una breve introducci on 58
6.1. Ecuaciones diferenciales ordinarias de primer orden . . . . . . . . . . . . 58
6.1.1. EDOs de primer orden separables . . . . . . . . . . . . . . . . . . 58
6.1.2. EDOs lineales de primer orden . . . . . . . . . . . . . . . . . . . . 61
6.2. EDOs lineales de 2do orden con coecientes constantes . . . . . . . . . . 65
6.3. Sistemas especiales de EDOs . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.4. Generalidades sobre Ecuaciones en Derivadas Parciales . . . . . . . . . . 69
6.4.1. EDPs lineales y el principio de superposicion . . . . . . . . . . . . 70
6.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
7. EDPs de primer orden 74
7.1. EDPs de primer orden con coecientes constantes . . . . . . . . . . . . . 74
7.1.1. Condici on lateral . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
7.1.2. Un modelo para analisis de poblaciones o inventarios . . . . . . . 84
7.2. EDPs de primer orden con coecientes variables . . . . . . . . . . . . . . 87
7.2.1. Parametrizaci on preferida . . . . . . . . . . . . . . . . . . . . . . 90
7.2.2. Soluciones en forma parametrica . . . . . . . . . . . . . . . . . . . 92
7.2.3. Consideraciones globales . . . . . . . . . . . . . . . . . . . . . . . 96
7.3. EDPs de primer orden en m as variables . . . . . . . . . . . . . . . . . . . 97
7.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
8. La ecuaci on de difusi on unidimensional 100
8.1. Solucion fundamental de la ecuacion de difusi on . . . . . . . . . . . . . . 100
8.2. Solucion con CB Dirichlet homogeneas . . . . . . . . . . . . . . . . . . . 102
8.2.1. Ecuacion dependiente del tiempo . . . . . . . . . . . . . . . . . . 104
8.2.2. Problema a valores en el borde . . . . . . . . . . . . . . . . . . . 105
8.2.3. Soluciones producto y el principio de superposicion . . . . . . . . 108
8.3. Solucion del problema de conduccion del calor en un anillo circular . . . 113
8.4. Unicidad y el principio del m aximo . . . . . . . . . . . . . . . . . . . . . 118
8.4.1. Metodo de energa . . . . . . . . . . . . . . . . . . . . . . . . . . 118
8.4.2. El principio del m aximo y sus consecuencias . . . . . . . . . . . . 120
8.4.3. Demostracion del principio del m aximo . . . . . . . . . . . . . . . 123
8.5. CB independientes del tiempo . . . . . . . . . . . . . . . . . . . . . . . . 125
8.6. CB dependientes del tiempo . . . . . . . . . . . . . . . . . . . . . . . . . 129
8.7. El principio de Duhamel . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
9. Series de Fourier 141
9.1. Ortogonalidad de funciones . . . . . . . . . . . . . . . . . . . . . . . . . 141
9.2. Serie de Fourier. Denicion y ejemplos . . . . . . . . . . . . . . . . . . . 144
9.3. La convergencia de las series de Fourier . . . . . . . . . . . . . . . . . . . 153
9.3.1. Convergencia puntual . . . . . . . . . . . . . . . . . . . . . . . . . 156
4
9.3.2. Convergencia uniforme . . . . . . . . . . . . . . . . . . . . . . . . 159
9.4. Series de Senos y series de Cosenos . . . . . . . . . . . . . . . . . . . . . 161
9.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
10.La ecuaci on de Laplace 169
10.1. Ecuacion de Laplace en un Rectangulo . . . . . . . . . . . . . . . . . . . 169
10.2. Ecuacion de Laplace en un Disco . . . . . . . . . . . . . . . . . . . . . . 173
10.3. Condici on de Compatibilidad para la Existencia de Soluciones. . . . . . . 177
10.4. Propiedades Cualitativas de la Ecuacion de Laplace . . . . . . . . . . . . 178
10.4.1. Propiedad del Valor Medio. . . . . . . . . . . . . . . . . . . . . . 178
10.4.2. Principios del m aximo . . . . . . . . . . . . . . . . . . . . . . . . 180
10.4.3. Unicidad y estabilidad de soluciones. . . . . . . . . . . . . . . . . 181
10.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
11.La ecuaci on de Ondas en una dimensi on 185
11.1. Solucion en R. Formula de DAlembert . . . . . . . . . . . . . . . . . . . 185
11.2. Cuerda vibrante con extremos jos . . . . . . . . . . . . . . . . . . . . . 188
11.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
12.Ecuaciones en mas variables independientes. 192
12.1. Difusion en dos dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . 192
12.2. Ondas en dos dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . 194
12.3. Problema de autovalores en un rectangulo . . . . . . . . . . . . . . . . . 196
12.4. Problema de autovalores en el disco. Funciones de Bessel . . . . . . . . . 199
12.4.1. El caso general . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
12.4.2. El caso con simetra radial . . . . . . . . . . . . . . . . . . . . . . 204
12.5. Ecuacion de Laplace en un cilindro circular. Funciones de Bessel modicadas205
12.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
5
Captulo 1
La integral como un promedio
1.1. Desplazamiento y velocidad
Si t denota el tiempo, medido por ejemplo en segundos, y x(t) denota la distancia re-
corrida por un vehculo durante el intervalo de tiempo [0, t], digamos en metros, entonces:
x(t)
t
es la velocidad media en el intervalo de tiempo [0, t], en metros por segundo.
x(b) x(a)
b a
(con 0 a < b) es la velocidad media en el intervalo de tiempo [a, b],
en metros por segundo.
x(a + h) x(a)
h
es la velocidad media en el intervalo de tiempo que dura h segundos
y comienza en t = a, tambien en metros por segundo.
lm
h0
x(a + h) x(a)
h
es la velocidad instantanea a tiempo t = a, en metros por
segundo. Si denimos
v(t) = lm
h0
x(t + h) x(t)
h
= x

(t)
entonces v(t) es la velocidad instant anea a tiempo t.
Por el teorema fundamental del c alculo
_
b
a
v(t) dt =
_
b
a
x

(t) dt = x(b) x(a).


Es decir, la integral de la velocidad (entre a y b) es la distancia recorrida (entre los
instantes de tiempo t = a y t = b). Luego
1
b a
_
b
a
v(t) dt =
x(b) x(a)
b a
es la velocidad media en el intervalo de tiempo [a, b]. En otras palabras, la cantidad
1
b a
_
b
a
v(t) dt es el valor medio de v(t) en el intervalo [a, b].
6
1.2. Masa y densidad
Supongamos que tenemos un cuerpo que ocupa una region llamada del espacio
tri-dimensional R
3
. Si la masa de una (sub)region R de es m(R) (en gramos), y su
volumen es vol(R) (en cm
3
), entonces:
El cociente
m(R)
vol(R)
es la densidad media del cuerpo en la region R, en
g
cm
3
.
Si B(P, r) denota la bola con centro P y radio r, entonces la densidad puntual f(P)
se dene como
f(P) = lm
r0
m
_
B(P, r)
_
vol
_
B(P, r)
_,
es decir, la densidad de un punto es el lmite de las densidades de regiones que se
encogen cada vez mas hacia ese punto.
Ahora no resulta tan obvio como en el caso del desplazamiento y la velocidad, pero
en c alculo siempre nos ense naron (por decreto) que si f(x) es la densidad puntual
de un objeto que ocupa una region R, entonces su masa se calcula como
m(R) =
___
R
f(x) dvol,
no es cierto? Para armar que integrando la f(x) que se obtiene como en el punto
anterior se recupera la masa m(R), hara falta un teorema, no les parece?
1.3. Valor medio en R
Supongamos que f(x) es una funci on continua en R. Consideremos el intervalo [a, b]
y observemos que por denicion de mnimo y m aximo
mn
[a,b]
f f(x) m ax
[a,b]
f, para todo x [a, b].
Mas precisamente, si m denota el mnimo valor que toma f en [a, b] y M el m aximo,
entonces
m f(x) M, para todo x [a, b].
Integrando entre a y b, obtenemos que
_
b
a
mdx
_
b
a
f(x) dx
_
b
a
M dx,
o sea,
m(b a)
_
b
a
f(x) dx M(b a),
y por lo tanto
m
1
b a
_
b
a
f(x) dx M.
7
Adem as, si llamamos f =
1
b a
_
b
a
f(x) dx, observemos lo que ocurre al integrar esta
constante f sobre el intervalo [a, b]:
_
b
a
f dx = (b a)f = (b a)
1
b a
_
b
a
f(x) dx =
_
b
a
f(x) dx.
Es decir, el valor f es el valor de la funci on constante cuya integral es igual a la integral
de f sobre el intervalo [a, b].
a b
m
M
f
El area bajo el gr aco de f es
igual al area del rectangulo de
base (ba) y altura f, es decir,
_
b
a
f(x) dx = f(b a).
Por lo tanto, el valor de f hace
que las dos regiones sombrea-
das tengan la misma area.
En base a estas observaciones:
Llamaremos valor medio de f sobre el intervalo [a, b] a la expresion
1
b a
_
b
a
f(x) dx
Si ahora consideramos el valor medio de f en un intervalo [a, a+h] (h > 0), obtenemos
que
m
h
:= mn
[a,a+h]
f
1
h
_
a+h
a
f(x) dx m ax
[a,a+h]
f =: M
h
.
Pero como la funci on es continua, lm
h0
M
h
= f(a) y tambien lm
h0
m
h
= f(a), y por lo
tanto:
lm
h0
+
1
h
_
a+h
a
f(x) dx = f(a).
De manera similar, se puede concluir lo siguiente:
Teorema 1.1. Si f es una funcion continua en x = x
0
entonces
lm
h0
+
1
2h
_
x
0
+h
x
0
h
f(x) dx = f(x
0
).
Teorema 1.2. Si f es una funcion continua en x = x
0
e I
n

n=1
es una sucesi on
de intervalos para la que existe una sucesi on de n umeros positivos h
n

n=1
tales que
I
n
[x
0
h
n
, x
0
+h
n
] y h
n
0, entonces
lm
n
1
longitud(I
n
)
_
I
n
f(x) dx = f(x
0
).
8
En palabras, si una sucesi on de intervalos esta metida en otra sucesi on que se encoge
a un punto entonces la sucesi on de promedios tiende al valor de la funci on en ese
punto.
Las demostraciones rigurosas de estos teoremas quedan como ejercicio (ver 1.5 1.9),
y se sugiere hacerlas utilizando un argumento de tipo . El argumento previo con
m aximos y mnimos fue realizado para ilustraci on del resultado, pero no es un buen
camino para obtener una demostracion rigurosa.
Ejemplos:
1
3h
_
x
0
+h
x
0
2h
f(x) dx f(x
0
) cuando h 0
+
.
1
h
_
x
0
+2h
x
0
+h
f(x) dx f(x
0
) cuando h 0
+
.
1
h h
2
_
x
0
+h
x
0
+h
2
f(x) dx f(x
0
) cuando h 0
+
.
1.4. Valor medio en R
2
y R
3
En esta secci on trabajaremos en R
2
y R
3
, pero los resultados pueden generalizarse
facilmente a R
d
para cualquier d > 1.
Dada una region R en R
d
, denotaremos con [R[ su medida, que sera el area cuando
d = 2 y el volumen cuando d = 3. Si S es una supercie en R
3
, y C una curva en R
2
o
R
3
, tambien denotaremos con [S[ su area y con [C[ su longitud (respectivamente). Con
esta notacion resulta:
vol(R) = [R[ =
___
R
dvol si R es una region del espacio R
3
area(R) = [R[ =
__
R
dA si R es una region del plano R
2
area(S) = [S[ =
__
S
d si S es una supercie en R
3
longitud(C) = [C[ =
_
C
ds si C es una curva en R
2
o R
3
De ahora en adelante utilizaremos la notacion siguiente:
dvol: diferencial de volumen;
dA: diferencial de area en el plano R
2
;
d: diferencial de area de supercie en R
3
;
ds: diferencial de longitud de arco de curva en R
2
o en R
3
.
9
Ejemplos:
Si consideramos el rectangulo R = [a, b] [c, d] = (x, y) R
2
: a x b, c y
d, entonces [R[ = (b a) (d c).
Si consideramos el prisma R = [a, b] [c, d] [e, f] = (x, y, z) R
3
: a x
b, c y d, e z f, entonces [R[ = (b a) (d c) (f e).
Si B(x, r) denota la bola con centro en x y radio r en R
3
, entonces [B(x, r)[ =
4
3
r
3
.
Si D(x, r) denota el disco con centro en x y radio r en R
2
, entonces [D(x, r)[ = r
2
.
Si C(x, r) denota la circunferencia de centro x y radio r en R
2
(borde del disco
D(x, r), C(x, r) = D(x, r)) entonces [C(x, r)[ = 2r.
Si S(x, r) denota la supercie esferica de centro x y radio r en R
3
(c ascara o borde
de la bola B(x, r), S(x, r) = B(x, r)) entonces [S(x, r)[ = 4r
2
.
Haciendo el mismo razonamiento de antes, se cumple que si f es una funci on continua
mn
R
f
___
R
f dvol
[R[
m ax
R
f si R es una region de R
3
mn
R
f
__
R
f dA
[R[
m ax
R
f si R es una region de R
2
mn
S
f
__
S
f d
[S[
m ax
S
f si S es una supercie en R
3
mn
C
f
_
C
f ds
[C[
m ax
C
f si C es una curva en R
2
o en R
3
y m as a un,
Si f :=
___
R
f dvol
[R[
entonces
___
R
f dvol =
___
R
f dvol (R region de R
3
)
Si f :=
__
R
f dA
[R[
entonces
__
R
f dA =
__
R
f dA (R region de R
2
)
Si f :=
__
S
f d
[S[
entonces
__
S
f d =
__
S
f d (S supercie en R
3
)
Si f :=
_
C
f ds
[C[
entonces
_
C
f ds =
_
C
f ds (C curva en R
2
o R
3
)
En todos estos casos diremos que f es el valor medio de f sobre R, S o C seg un corres-
ponda.
Un resultado analogo al Teorema 1.1 en m as dimensiones es el siguiente (lo enunciamos
para R
3
pero lo mismo vale en R
2
cambiando B(x, r) por D(x, r) y dvol por dA).
Teorema 1.3. Si f es una funcion denida en R
3
y es continua en x = x
0
, entonces
1
[B(x
0
, r)[
___
B(x
0
,r)
f dvol f(x
0
) cuando r 0
+
.
10
En otras palabras, si r
n
es una sucesi on de radios (r
n
> 0) que tiende a cero, entonces
1
[B(x
0
, r
n
)[
___
B(x
0
,r
n
)
f dvol f(x
0
) cuando n .
Observaci on 1.4. Este teorema justica ahora la denicion de densidad puntual y la
relaci on con la masa. Mas precisamente, si f(x) es una funci on que cumple que
m(R) =
___
R
f(x) dvol,
entonces necesariamente
f(x) = lm
r0
+
m(B(x, r))
vol(B(x, r))
Resultados analogos al Teorema 1.2 son los siguientes:
Teorema 1.5. Sea f una funcion denida en R
3
, continua en x
0
. Si R
n

n=1
es una
sucesi on de regiones de R
3
tales que R
n
B(x
0
, r
n
) y r
n
0, entonces
1
[R
n
[
___
R
n
f dvol f(x
0
) cuando n .
Ejemplo 1.6. Consideremos la funci on f(x, y, z) = x
2
+ y
2
+ z
2
, calcular el siguiente
lmite
lm
h0
1
h
3
_
1+h
1
_
2+h
2
_
3+h
3
f(x, y, z) dz dy dx.
Las regiones de integraci on son cubos Q
h
de lado h (volumen h
3
) que tienen un vertice en
el punto x
0
= (1, 2, 3). El cubo Q
h
esta entonces contenido en la bola B((1, 2, 3), 2h) de
centro (1, 2, 3) y radio 2h. Al hacer tender h a cero, obtenemos el valor de f en el punto
(1, 2, 3),
f(1, 2, 3) = 1
2
+ 2
2
+ 3
2
= 14.
Teorema 1.7. Sea f una funcion denida en R
3
, continua en x
0
. Si S
n

n=1
es una
sucesi on de supercies de R
3
tales que S
n
B(x
0
, r
n
) y r
n
0, entonces
1
[S
n
[
__
S
n
f d f(x
0
) cuando n .
Ejemplo 1.8. Consideremos la funci on f(x, y, z) = x
2
+ y
2
+ z
2
, calcular el siguiente
lmite
lm
h0
1
h
2
__
Q
h
f(x, y, z) d,
donde Q
h
son los cubos del ejemplo anterior, y Q
h
denota la supercie que recubre a
Q
h
. Como el area de Q
h
es 6h
2
tenemos que
lm
h0
1
h
2
__
Q
h
f(x, y, z) d = 6 lm
h0
1
6h
2
__
Q
h
f(x, y, z) d = 6f(1, 2, 3),
puesto que los cubos Q
h
cumplen las mismas hip otesis que antes.
11
1.5. Aplicaciones
En base a las observaciones de la secci on anterior, podemos demostrar que:
Teorema 1.9. Si f es una funcion continua en una region de R
3
y
___
B(x,r)
f dvol = 0
para toda bola B(x, r) contenida en , entonces f 0.
Demostraci on. Sea x
0
un punto de la region . Entonces
f(x
0
) = lm
r0
1
[B(x
0
, r)[
___
B(x
0
,r)
f dvol = 0.
Teorema 1.10. Si f es una funcion continua en una region de R
3
y
___
Q
f dvol = 0
para todo cubo Q contenido en , entonces f 0.
Demostraci on. Sea x
0
un punto de la region , y denotemos con Q
h
al cubo con centro
x
0
y lado h. Entonces
f(x
0
) = lm
h0
1
[Q
h
[
___
Q
h
f dvol = 0.
Observaci on 1.11. Es importante notar que si uno sabe que
___
Q
f dvol = 0 sobre una
region Q, esto no implica necesariamente que f = 0 en todos los puntos de Q.
Lo que armamos anteriormente es que si
___
Q
f dvol = 0 para todos los cubos Q
contenidos en una region entonces f es cero en todos los puntos de . Por ejemplo,
la funci on f(x, y, z) = xy tiene integral cero sobre el cubo [h, h] [h, h] [h, h] y
sin embargo no es cero en todos los puntos. Tambien la funcion sen(x) tiene integral cero
sobre el intervalo [, ], y sin embargo no es identicamente cero.
Observaci on 1.12. Sin embargo, si uno sabe que
___
Q
f dvol = 0 sobre una region Q, y
tambien sabe que la funci on f no cambia de signo, por ejemplo, si se sabe que f(x) 0
para todo x Q, entonces s se puede concluir que f(x) = 0 para todo x Q.
1.6. Valor medio generalizado
Vimos en la secci on 1.3 que si f es una funci on continua en R, entonces
lm
h0+
1
2h
_
x
0
+h
x
0
h
f(x) dx = f(x
0
).
Si denimos

h
(x) =
_
1
2h
si h x h
0 en c.o.c.
Entonces
1
2h
_
x
0
+h
x
0
h
f(x) dx =
_

f(x)

h
(x
0
x) dx, y luego
lm
h0
_

f(x)

h
(x
0
x) dx = f(x
0
).
12
2 1 0 1 2
1
0
1
2
3
4
5


h = 1/8
h = 1/4
h = 1/2
h = 1
2 1 0 1 2
1
0
1
2
3
4
5


h = 1/8
h = 1/4
h = 1/2
h = 1
Figura 1.1: Gr aco de

h
(x) (izquierda) y de
h
(x) (derecha) para varios valores de h.
La integral
_

f(x)

h
(x
0
x) dx se llama convolucion de f y

h
, y se denota por
f

h
(x
0
), es decir
f

h
(x
0
) =
_

f(x)

h
(x
0
x) dx f(x
0
) (cuando h 0
+
).
Observemos que por un cambio de variables resulta
f

h
(x
0
) =
_

f(x)

h
(x
0
x) dx =
_

f(x
0
x)

h
(x) dx =

h
f (x
0
)
y por lo tanto tambien
_

f(x
0
x)

h
(x) dx f(x
0
) (cuando h 0
+
).
En la Figura 1.1 (izquierda) se muestran algunas funciones

h
(x). Observamos que a
medida que h se hace m as cercano a cero, la funci on

h
se concentra en intervalos m as
peque nos alrededor de cero, pero que el area bajo el gr aco es siempre 1 (
_

h
(x) dx =
1). Otra observacion que podemos hacer es que si denimos

(x) =
_
1
2
si 1 x 1
0 en c.o.c.
entonces resulta que

h
(x) =
1
h

_
x
h
_
.
Puede demostrarse que el mismo resultado se cumple si cambiamos

(x) por cualquier
funci on positiva que tenga integral 1. Por ejemplo, si consideramos la campana de Gauss
(x) =
1

e
x
2
y denimos
h
(x) =
1
h

_
x
h
_
(ver Figura 1.1 derecha), entonces cuando h 0
f
h
(x
0
) =
1
h

f(x) e

(
xx
0
h
)
2
dx =
1
h

f(x x
0
) e

(
x
h
)
2
dx f(x
0
).
13
Las sucesiones de funciones que se concentran alrededor del origen y tienen esta pro-
piedad se denominan aproximaciones de la identidad, pues al hacer la convolucion con
una funci on f y tomar lmite, se recupera el valor de f. Tambien se dice usualmente que
tienden a la delta de Dirac.
1.7. Ejercicios
1.1. Dar ejemplos de funciones continuas que no sean identicamente nulas en el dominio
indicado, y cuyas integrales den cero.
(a) Intervalo [0, 1] de R.
(b) Cuadrado [0, 1] [0, 1] de R
2
.
(c) Cubo [0, 1] [0, 1] [0, 1] de R
3
.
1.2. Calcular los siguientes lmites para f(x, y, z) = 2x + y z
2
(NO calcular ninguna integral, usar los teoremas del Captulo 1).
(a) lm
h0
1
h
3
_
1+h
1
_
1+h
1
_
1+h
1
f(x, y, z) dz dy dx
(b) lm
h0
1
h
3
_
1+h
1h
_
1+h
1h
_
1+h
1h
f(x, y, z) dz dy dx
(c) lm
h0
1
h
2
_
1+h
1
_
1+h
1
_
1+h
1
f(x, y, z) dz dy dx
(d) lm
h0
1
h
3
_
2+2h
2+h
_
1+h
1h
_
h
0
f(x, y, z) dz dy dx
(e) lm
h0
1
h
2
_
1+h
1
_
4+h
4
f(x, y, 0) dy dx
(f ) lm
h0
1
h
2
_
1+h
1
_
4+h
4
f(x, y, 2) dy dx
(g) lm
r0
+
1
r
3
___
B
_
(1,0,1),r
_
f dvol
(h) lm
r0
+
1
r
_
C
r
f ds, donde C
r
denota la circunferencia de radio r y centro (1, 1, 0) conte-
nida en el plano xy.
1.3. Demostrar que si f y g son dos funciones continuas en R
3
y
___
R
f dvol =
___
R
g dvol,
para toda region R del espacio R
3
, entonces f(x
0
) = g(x
0
) para todo x
0
R
3
.
14
1.4. Calcular los siguientes lmites:
(a) lm
h0
+
1
h

cos(

4
x) e

(
x
h
)
2
dx
(b) lm
t0
+
1

t
_

cos(

4
x) e

x
2
t
dx
* 1.5. Sea f una funci on denida en R, integrable sobre todo intervalo acodato. Demos-
trar que si f es continua en x
0
, entonces
lm
h0
+
1
2h
_
x
0
+h
x
0
h
f(x) dx = f(x
0
).
* 1.6. Sea f una funci on denida en R, integrable sobre todo intervalo acodato. De-
mostrar que si f es continua en x
0
, e I
n

n=1
es una sucesion de intervalos para la que
existe una sucesion de n umeros positivos h
n

n=1
tales que I
n
[x
0
h
n
, x
0
+ h
n
] para
n = 1, 2, . . . y h
n
0 cuando n entonces
lm
n
1
longitud(I
n
)
_
I
n
f(x) dx = f(x
0
).
* 1.7. Sea f una funci on denida en R
3
, integrable sobre toda bola. Demostrar que si f
es continua en x
0
, entonces
1
[B(x
0
, r)[
___
B(x
0
,r)
f dvol f(x
0
) cuando r 0.
* 1.8. Sea f una funci on denida en R
3
, integrable sobre todo conjunto abierto acotado y
continua en x
0
. Demostrar que si R
n

n=1
es una sucesion de conjuntos abiertos no-vacos
de R
3
tales que R
n
B(x
0
, r
n
) para n = 1, 2, . . . y r
n
0 cuando n , entonces
lm
n
1
[R
n
[
___
R
n
f dvol = f(x
0
).
* 1.9. Sea f una funci on continua en R
3
. Si S
n

n=1
es una sucesion de supercies
(sucientemente suaves, donde este denida la integral) de R
3
tales que S
n
B(x
0
, r
n
)
para n = 1, 2, . . . y r
n
0 cuando n , entonces
lm
n
1
[S
n
[
__
S
n
f d = f(x
0
).
Interesante: las supercies podran ser bastante raras, y grandes de manera que [S
n
[
y a un as el lmite ser f(x
0
).
* 1.10. Dada una funci on f L
2
(), con un subconjunto medible acotado de R
d
(d N), demostrar que el valor medio de f sobre denido por f =
1
||
_

f es el valor
de t que minimiza la funci on : R R dada por (t) =
_

[f(x) t[
2
dx.
15
* 1.11. Sea un conjunto abierto no vaco de R
d
y sea f una funci on continua en .
Demostrar que si
_

fdx = 0 para toda : R de la forma


(x) =
x
0
,r
(x) = (r [x x
0
[)
+
= m ax0, r [x x
0
[, con B(x
0
, 2r) ,
entonces f 0 en . Gracar algunas funciones de esa forma para ayudarse a entender.
* 1.12. Sea un conjunto abierto no vaco de R
d
y sea f una funci on continua en .
Demostrar que si
_

fdx = 0 para toda : R continua en , entonces f 0 en .


** 1.13. Sea : R
d
R denida por
(x) =
_
e

1
(1|x|
2
)
2
, si [x[ < 1,
0 si [x[ > 1.
Demostrar que:
C

(R
d
),
(x) > 0 para todo x R
d
con [x[ < 1,
(x) = 0 para todo x R
d
con [x[ 1.
** 1.14. Sea un conjunto abierto no vaco de R
d
y sea f una funci on continua en .
Demostrar que si
_

fdx = 0 para toda C

0
() entonces f 0 en .
Aclaraciones y ayuda:
C

0
() denota el espacio de las funciones innitamente diferenciables en que
tienen soporte compacto contenido en .
El soporte de una funci on continua es la clausura del conjunto de puntos donde no
se anula, es decir sop = x : (x) ,= 0).
Ayuda: la funci on del ejercicio anterior es C

0
(R
d
), traslad andola y encogiendola
se la puede hacer C

0
() y se la puede utilizar como a las funciones
x
0
,r
del
ejercicio 1.11 .
16
Captulo 2
Integrales de lnea y de supercie
El objetivo de este captulo es solamente repasar lo que signica integrar sobre una
lnea o sobre una supercie, y cu ales son las formulas que se utilizan.
2.1. Integrales de lnea
Consideremos una curva C parametrizada por una funci on (t), para t [a, b]:
(t) = x
1
(t)i + x
2
(t)j + x
3
(t)k
C
(t)
a b
t
(a)
(b)

(t) = x

1
(t)i + x

2
(t)j + x

3
(t)k
La formula para calcular la longitud de esta curva es la siguiente
longitud(C) =
_
C
ds =
_
b
a
[

(t)[ dt =
_
b
a
_
x

1
(t)
2
+ x

2
(t)
2
+ x

3
(t)
2
dt,
y llamamos diferencial de longitud de arco a
ds = [

(t)[ dt =
_
x

1
(t)
2
+ x

2
(t)
2
+x

3
(t)
2
dt.
La integral de una funci on escalar f denida sobre C se calcula de la siguiente manera:
_
C
f ds =
_
b
a
f((t))[

(t)[ dt =
_
b
a
f(x
1
(t), x
2
(t), x
3
(t))
_
x

1
(t)
2
+ x

2
(t)
2
+ x

3
(t)
2
dt.
Si por ejemplo f representa una densidad lineal, que es la masa por unidad de longitud
de un alambre que ocupa la curva C, entonces dicha integral es la masa del alambre.
17
Cuando se pretende integrar una funci on vectorial F sobre una curva C, en general
se entiende que se quiere integrar la componente de F tangencial a la curva (que es una
funci on escalar), es decir
_
C
F ds =
_
C
F ds,
donde denota un vector tangencial a la curva C con una orientacion elegida. Queda
claro que si cambiamos la orientacion del vector entonces cambia el signo del resultado
de la integral.
Si parametriza la curva dada, entonces una elecci on obvia del vector tangente es
=

[
. Por lo tanto
_
C
F ds =
_
b
a
_
F((t))

(t)
[

(t)[
_
[

(t)[ dt =
_
b
a
F((t))

(t) dt.
Si F es un campo de fuerzas, entonces
_
C
F ds es el trabajo realizado por el campo
de fuerzas F sobre una partcula que recorre la curva C (en la direcci on indicada por la
tangente elegida). Si V es un campo de velocidades y C es una curva cerrada, entonces
_
C
V ds es la circulacion del campo V a lo largo de la curva C.
Observaci on 2.1. En muchos casos no har a falta recurrir a la parametrizaci on ni a es-
cribir integrales complicadas, pues todo se simplica antes de empezar a calcular. Veamos
un par de ejemplos.
Ejemplo 2.2. Consideremos un campo de fuerzas F dado por
F(x
1
, x
2
, x
3
) = x
2
i + x
1
j,
y calculemos el trabajo ejercido por F sobre una partcula que recorre la circunferencia C
de radio uno y centro 0 sobre el plano xy, en sentido antihorario cuando lo vemos desde
el lado en que x
3
> 0. Observamos que si el punto x
1
i +x
2
j pertenece a la circunferencia
entonces el vector x
2
i +x
1
j es tangente a la misma (y es unitario, pues [ x
2
i +x
1
j[ =
[x
1
i + x
2
j[ = x
2
1
+ x
2
2
= 1. Por lo tanto
F(x
1
, x
2
, x
3
) = (x
2
i + x
1
j) (x
2
i + x
1
j) = 1.
Por lo tanto, el trabajo es
_
C
F ds =
_
C
F ds =
_
C
1 ds = longitud(C) = 2.
2.2. Integrales de supercie
Antes de hablar de integrales de supercie conviene recordar la denicion y algunas
propiedades del producto vectorial o producto cruz de vectores. Dados dos vectores X =
x
1
i +x
2
j +x
3
k y Y = y
1
i +y
2
j +y
3
k del espacio tridimensional R
3
, se dene su producto
vectorial por la formula
X Y = det
_
_
i j k
x
1
x
2
x
3
y
1
y
2
y
3
_
_
= (x
2
y
3
x
3
y
2
)i + (x
3
y
1
x
1
y
3
)j + (x
1
y
2
x
2
y
1
)k.
18
Este producto tiene las siguientes propiedades:
X Y = Y X.
Si X y Y son paralelos, entonces X Y = 0.
Si X y Y no son paralelos, entonces
XY es un vector perpendicular a X y a Y , i.e., XY X = XY Y = 0.
[X Y [ es el area del paralelogramo que tiene a X y a Y como lados.
Consideremos ahora una supercie S parametrizada por la funci on vectorial
X(u, v) = x(u, v)i + y(u, v)j + z(u, v)k, a < u < b, c < v < d.
S
a b
c
d
u
v
X(u, v)
X
u
X
v
X
u
X
v
Si X
u
= x
u
i + y
u
j + z
u
k y X
v
= x
v
i + y
v
j + z
v
k (donde los subndices u y v denotan
derivadas con respecto a u y a v respectivamente), la formula para calcular el area de
esta supercie es
area(S) =
__
S
d =
_
b
a
_
d
c
[X
u
X
v
[ dv du
La integral de una funci on escalar f denida sobre S se calcula de la siguiente manera:
__
S
f d =
_
b
a
_
d
c
f
_
X(u, v)
_
[X
u
X
v
[ dv du
=
_
b
a
_
d
c
f(x(u, v), y(u, v), z(u, v))[X
u
X
v
[ dv du
Observaci on 2.3. Si la supercie es un rectangulo en un plano paralelo a uno de los
planos coordenados, entonces las formulas se simplican signicativamente. Por ejemplo,
si la supercie es el rectangulo
S : a x b, c y d, z = z
0
,
entonces, utilizamos directamente x e y como variables en lugar de u y v, y la parame-
trizacion es:
X(x, y) = xi + yj +z
0
k
De manera que X
x
= i, X
y
= j y X
x
X
y
= k y [X
x
X
y
[ = 1, por lo que
__
S
f d =
_
b
a
_
d
c
f(x, y, z
0
) dy dx.
19
Cuando se pretende integrar una funci on vectorial F sobre una supercie S, en general
se entiende que se quiere integrar la componente de F perpendicular a la supercie, es
decir, se quiere calcular
__
S
F nd,
donde n denota el vector normal a la supercie S: perpendicular y de magnitud uno.
En cada punto de la supercie hay dos vectores normales, que apuntan en direcciones
opuestas. El signo de esta integral depende de que vector normal se elige. La elecci on
del vector normal depende de lo que se quiera calcular. Por ejemplo, dado un campo de
velocidades V , si se quiere calcular el ujo de V hacia afuera de la supercie esferica S
de centro 0 y radio 1, deber a calcularse
__
S
V nd eligiendo n de manera que apunte
hacia afuera.
Observaci on 2.4. Al igual que para curvas, tambien suele ocurrir que no haga falta
recurrir a la parametrizaci on, pues todo se simplica antes de comenzar el c alculo. Veamos
un ejemplo.
Ejemplo 2.5. Calcular el ujo del campo vectorial F = x
1
x
2
i +x
3
j + (x
2
1
+x
2
2
+x
2
3
)k a
traves de la supercie
S : x
1
= 3, 2 x
2
4, 1 x
3
6,
en la direcci on en que x
1
crece.
Observamos primero que n = i y que
__
S
F nd =
_
4
2
_
6
1
F(3, x
2
, x
3
) i dx
3
dx
2
,
Luego, como F i = x
1
x
2
tenemos que
__
S
F nd =
_
4
2
_
6
1
3 x
2
dx
3
dx
2
= 15
_
4
2
x
2
dx
2
= 15 6 = 90.
Ejemplo 2.6. Flujo del campo de Newton. El campo de Newton esta dado por la formula
V =
r
r
3
, donde r denota el vector posicion r = xi + yj + zk y r = [r[ es la magnitud
de r, es decir r =
_
x
2
+y
2
+ z
2
. Calculemos el ujo del campo de Newton hacia afuera
de la supercie esferica S de centro 0 y radio 1. Si r esta sobre esta supercie, entonces
r = 1 y adem as, el vector normal exterior es exactamente el radio r. Luego
__
S
V nd =
__
S

r
r
3
r d =
__
S

r r
r
3
d =
__
S
1 d = area(S) = 4.
En el caso en que se requiera calcular la integral de F n sobre una supercie S
utilizando una parametrizaci on, conviene observar lo siguiente: en los puntos donde X
u

X
v
,= 0,
n =
X
u
X
v
[X
u
X
v
[
,
20
donde la elecci on del signo depende de la direcci on del ujo que se quiere calcular. Por
lo tanto:
__
S
F nd =
_
b
a
_
d
c
F
_
X(u, v)
_
n[X
u
X
v
[ dv du
=
_
b
a
_
d
c
F
_
X(u, v)
_

X
u
X
v
[X
u
X
v
[
[X
u
X
v
[ dv du
=
_
b
a
_
d
c
F
_
X(u, v)
_

_
X
u
X
v
_
dv du
2.3. Ejercicios
2.1. Calcular el trabajo ejercido por la fuerza F del Ejemplo 2.2 sobre una partcula que
recorre la circunferencia de centro 0 y radio R que se encuentra sobre el plano xy, en
sentido horario cuando lo vemos desde el lado en que x
3
> 0.
2.2. Sea V (x
1
, x
2
, x
3
) =
0
(x
2
i + x
1
j) con
0
una constante (velocidad angular). Sea
C
R
= (Rcos t, Rsen t, 0) : t [0, 2), R > 0.
Calcular la circulacion de V a lo largo de C
R
.
2.3. Calcular el ujo del campo de Newton hacia afuera de la supercie esferica S de
centro 0 y radio R, con R > 0 jo, arbitrario. Recordar que r r = r
2
y que sobre la
supercie esferica S, se cumple que r = R.
2.4. Hallar la masa y el centro de gravedad de un alambre delgado que tiene la forma
de un cuarto de crculo x
2
1
+ x
2
2
= r
2
(x
1
0, x
2
0, x
3
= 0) si la densidad en el punto
(x
1
, x
2
) del mismo es (x
1
, x
2
) = x
1
+ x
2
. (Nota: La coordenada i-esima del centro de
gravedad esta dada por
_
C
x
i
(x
1
, x
2
) ds
_
C
(x
1
, x
2
) ds
. Oh casualidad! un promedio de la variable x
i
ponderado por .)
2.5. Hallar la masa y el centro de gravedad de una c upula de densidad constante que
ocupa la supercie x
3
= 20 x
2
1
x
2
2
con x
2
1
+ x
2
2
25. (Nota: La coordenada i-esima
del centro de gravedad esta dada por
_
S
x
i
d
_
S
d
.) Dejar expresadas las integrales. No hace
falta calcularlas.
Bibliografa complementaria
[Marsden Tromba] Jerrold E. Marsden, Anthony J. Tromba, C alculo Vectorial, Addison-
Wesley Iberoamericana.
21
Captulo 3
Algunos resultados del Calculo
Vectorial
3.1. Denicion de operadores diferenciales
En esta secci on recordamos la denicion de los operadores diferenciales m as usuales.
Su signicado fsico quedara claro en las secciones siguientes.
El operador nabla se dene por
=

x
i +

y
j +

z
k o por =

x
1
i +

x
2
j +

x
3
k,
dependiendo de si estamos llamando x, y, z o x
1
, x
2
, x
3
a las coordenadas cartesianas
ortogonales usuales del espacio R
3
, respectivamente. En esta secci on usaremos x
1
, x
2
, x
3

a tal efecto.
Recordemos que dada una region y un n umero entero no-negativo, un campo escalar
se dice C
k
() si todas las derivadas parciales de orden menor o igual a k existen y con
continuas en . Diremos que un campo es C
k
cuando se sobreentiende la region a la que
se hace referencia. Un campo vectorial es C
k
si todas sus componentes son C
k
.
Gradiente Dado un campo escalar f, el gradiente se dene por:
grad f = f =
_

x
1
i +

x
2
j +

x
3
k
_
f =
f
x
1
i +
f
x
2
j +
f
x
3
k.
El gradiente de un campo escalar es entonces un campo vectorial.
Divergencia Dado un campo vectorial V = V
1
i + V
2
j + V
3
k, la divergencia se dene
por
div V = V =
_

x
1
i +

x
2
j +

x
3
k
_

_
V
1
i + V
2
j + V
3
k
_
=
V
1
x
1
+
V
2
x
2
+
V
3
x
3
.
La divergencia de un campo vectorial es entonces un campo escalar.
Si un campo vectorial tiene divergencia nula, se dice que es solenoidal.
22
Laplaciano. Dado un campo escalar f se dene el Laplaciano como la divergencia del
gradiente

2
f = div grad f = (f) =
_
f
x
1
i +
f
x
2
j +
f
x
3
k
_
=

2
f
x
2
1
+

2
f
x
2
2
+

2
f
x
2
3
.
Si un campo escalar tiene Laplaciano nulo, se dice que es arm onico.
Rotor. Dado un campo vectorial V = V
1
i + V
2
j + V
3
k, el rotor o rotacional se dene
por
V =

i j k

x
1

x
2

x
3
V
1
V
2
V
3

=
_
V
3
x
2

V
2
x
3
_
i +
_
V
1
x
3

V
3
x
1
_
j +
_
V
2
x
1

V
1
x
2
_
k.
Si un campo vectorial tiene rotor nulo, entonces se dice que es irrotacional.
Observaci on 3.1. Vale la pena recordar algunas identidades utiles:
Si V es un campo vectorial C
2
, entonces la divergencia del rotor es cero, i.e.,
V = 0.
Si f es un campo escalar C
2
, entonces el rotor del gradiente es nulo, i.e.,
f = 0.
Todo campo vectorial C
1
puede escribirse como la suma de un campo vectorial
solenoidal y uno irrotacional. Es decir, si V es un campo vectorial, entonces existen
dos campos vectoriales y tales que
V = + , con = 0 y = 0.
Esto se conoce como descomposicion de Helmholtz.
3.2. Divergencia y ujo
Sea V = V
1
i +V
2
j +V
3
k = (V
1
, V
2
, V
3
) un campo vectorial en el espacio, por ejemplo
el campo de velocidades de un uido en un cierto instante de tiempo, en un sistema de
coordenadas cartesianas ortogonales x
1
, x
2
, x
3
. Tomamos un punto x
0
= (x
0
1
, x
0
2
, x
0
3
) en
el espacio dentro de la region en que V esta bien denido y es C
1
. Sea R un paraleleppedo
con vertice en x
0
, dado por
R = [x
0
1
, x
0
1
+ h
1
] [x
0
2
, x
0
2
+ h
2
] [x
0
3
, x
0
3
+ h
3
]
=
_
(x
1
, x
2
, x
3
) : x
0
1
x
1
x
0
1
+ h
1
; x
0
2
x
2
x
0
2
+ h
2
; x
0
3
x
3
x
0
3
+ h
3
_
.
Sea S = R la frontera de R. La supercie S se descompone en seis caras planas C
i
,
i = 1, 2, . . . , 6.
23
C
1
C
2
C
3
C
4
C
5
C
6
(x
0
1
, x
0
2
, x
0
3
)
Como las aristas tienen area nula, tendremos que
__
S
V nd =
6

i=1
__
C
i
V nd,
todas las integrales son de supercie en los correspondientes dominios y n es la normal
exterior. Hagamos el c alculo para las caras C
1
y C
2
. Puesto que sobre C
1
la normal
exterior es e
1
= i y sobre C
2
la normal exterior es e
1
= i, tenemos que
__
C
1
V nd =
__
C
1
V i d =
__
C
1
V
1
d =
_
x
0
2
+h
2
x
0
2
_
x
0
3
+h
2
x
0
3
V
1
(x
0
1
+h
1
, x
2
, x
3
) dx
3
dx
2
,
__
C
2
V nd =
__
C
2
V (i) d =
__
C
2
V
1
d =
_
x
0
2
+h
2
x
0
2
_
x
0
3
+h
2
x
0
3
V
1
(x
0
1
, x
2
, x
3
) dx
3
dx
2
.
Denamos ahora Q
1
= [x
0
2
, x
0
2
+ h
2
] [x
0
3
, x
0
3
+ h
3
] R
2
(la proyeccion de R sobre el
plano x
2
x
3
). Dividiendo por vol(R) = h
1
h
2
h
3
, tenemos que
1
vol(R)
__
C
1
C
2
V nd =
1
h
2
h
3
__
Q
1
V
1
(x
0
1
+h
1
, x
2
, x
3
) V
1
(x
0
1
, x
2
, x
3
)
h
1
dx
2
dx
3
.
24
C
1
C
2
C
3
C
4
C
5
C
6
(x
0
1
, x
0
2
, x
0
3
)
Q
1
Q
2
Q
3
Si denimos Q
2
= [x
0
1
, x
0
1
+h
1
] [x
0
3
, x
0
3
+h
3
] R
2
y Q
3
= [x
0
1
, x
0
1
+h
1
] [x
0
2
, x
0
2
+h
2
]
R
2
, haciendo cuentas analogas obtenemos
1
vol(R)
__
S
V nd =
1
h
2
h
3
__
Q
1
V
1
(x
0
1
+h
1
, x
2
, x
3
) V
1
(x
0
1
, x
2
, x
3
)
h
1
dx
2
dx
3
+
1
h
1
h
3
__
Q
2
V
2
(x
1
, x
0
2
+ h
2
, x
3
) V
2
(x
1
, x
0
2
, x
3
)
h
2
dx
1
dx
3
+
1
h
1
h
2
__
Q
3
V
3
(x
1
, x
2
, x
0
3
+ h
3
) V
3
(x
1
, x
2
, x
0
3
)
h
3
dx
1
dx
2
.
Tomando ahora lmite cuando (h
1
, h
2
, h
3
) (0, 0, 0) obtenemos que
lm
1
vol(R)
__
R
V nd =
V
1
x
1
(x
0
1
, x
0
2
, x
0
3
) +
V
2
x
2
(x
0
1
, x
0
2
, x
0
3
) +
V
3
x
3
(x
0
1
, x
0
2
, x
0
3
)
= V (x
0
1
, x
0
2
, x
0
3
) = divergencia de V en x
0
.
En palabras, podemos decir que
Si V es el campo de velocidades de un uido, la divergencia de V en x
0
es el ujo
saliente de V por unidad de volumen.
De un modo similar se obtiene que si es un campo escalar, entonces
gradiente de = (x
0
) = lm
1
vol(R)
__
R
nd,
25
donde estamos integrando un campo vectorial n, y entendemos que
__
R
nd =
__
R
(n
1
i + n
2
j + n
3
k) d
=
___
R
n
1
d
_
i +
___
R
n
2
d
_
j +
___
R
n
3
d
_
k.
Tambien se puede demostrar que
rotor de V = V (x
0
) = lm
1
vol(R)
__
R
n V d.
En todos los casos mencionados, el lmite se toma cuando (h
1
, h
2
, h
3
) (0, 0, 0).
Notemos que entonces valen las siguientes relaciones:
V (x
0
) = lm
1
vol(R)
__
R
n V d,
(x
0
) = lm
1
vol(R)
__
R
nd,
V (x
0
) = lm
1
vol(R)
__
R
nV d.
3.3. Teorema de Gauss
Hemos probado que
1
vol(R)
__
R
V nd V (P),
si R es un paraleleppedo rectangular que converge a P (o se encoge a P). La forma
explcita de R para la validez de este resultado es irrelevante. Una demostracion del
teorema de la divergencia de Gauss puede hallarse en muchos libros (por ejemplo en el
Vol. II del Calculus de Apostol [Apostol] o en [Marsden-Tromba]), pero una heurstica
razonable puede obtenerse a partir de esta identidad.
Sea un dominio de R
3
con frontera suave. Sea V un campo vectorial suave en
todo un entorno de = . Partimos el dominio en subdominios
i
muy peque nos
de modo que la aproximacion
1
vol(
i
)
__

i
V nd V (P
i
)
1
vol(
i
)
___

i
V dvol
sea buena (el punto P
i
esta en
i
), digamos con un error menor a .
26
P
i
P
j
Multiplicando por vol(
i
) y sumando para todos los ndices i = 1, 2 . . . , I tendremos
I

i=1
__

i
V nd
I

i=1
V (P
i
) vol(
i
)
___

V dvol,
(siguiendo ahora con un error menor a vol()). En el miembro izquierdo, todos los
trozos de
i
que son interiores a aparecen dos veces y con normales opuestas. No
ocurre lo mismo con las caras de
i
que no son interiores a sino que son parte de
la frontera de . Por consiguiente, en la suma de la izquierda, todas las integrales de
supercie calculadas sobre supercies interiores a se cancelan mutuamente y entonces
esa suma es
__

V nd. En el lmite tenemos


__

V nd =
___

V dvol.
Observaci on 3.2. La igualdad
__

V nd =
___

V dvol. (3.1)
se cumple siempre que V sea diferenciable y sus derivadas sean continuas en = .
Por ejemplo, si V es el campo de Newton
V (r) =
r
r
3
,
con r = (x
1
, x
2
, x
3
) y r =
_
x
2
1
+ x
2
2
+ x
2
3
, que es diferenciable en R
3
0 (tiene una
singularidad en el origen), la igualdad (3.1) vale siempre que sea una region tal que
no toca al origen. Por ejemplo, la igualdad (3.1) vale en la esfera con centro en (1, 1, 1) y
radio 1, pero no vale en la esfera centrada en el origen con radio 1. Tampoco vale en la
esfera centrada en el (1, 0, 0) y radio 1, aunque s vale en la esfera ahuecada (x
1
, x
2
, x
3
)
R
3
: 1 < x
2
1
+ x
2
2
+ x
2
3
< 4 = B
_
(0, 0, 0), 2
_
B
_
(0, 0, 0), 1
_
.
Observaci on 3.3. Si V es un campo vectorial C
1
(R
3
) y V = 0 en R
3
, entonces
__

V nd =
___

V dvol = 0.
27
Es decir, para toda supercie cerrada que encierre una region de R
3
donde V tiene
divergencia nula, se cumple que el ujo de V total saliente/entrante a traves de es nulo.
Esto no nos dice que la velocidad V sea nula, sino que el balance es nulo. Si V representa
la velocidad de un uido, entonces V = 0 indica que el ujo es incompresible.
3.4. Teorema de Stokes
Sea V un campo vectorial suave en el espacio R
3
. Sea C una curva cerrada simple en
el espacio R
3
. La circulacion de V a lo largo de C esta dada por la integral
_
C
V ds =
_
C
V ds,
que es la integral de la componente de V tangencial a la curva C ( denota el vector
tangencial a C orientado en la direcci on en que se recorre la curva C).
El Teorema de Stokes arma que el rotor de V tambien mide la circulacion del
uido con velocidad V . Precisamente, si C es una curva suave en el espacio y S es una
supercie (cualquiera) suave cuyo contorno es C, ambas dentro de la region donde V es
C
1
, entonces
__
S
(V ) nd =
_
C
V ds,
S
C
n

donde la normal n a S y la direcci on de recorrido de C indicada por la elecci on de se


toman de modo que se satisfaga la regla de la mano derecha.
Observaci on 3.4. La primera observacion que se puede hacer de la formula de Stokes,
justica el nombre de rotor o rotacional para el vector V , puesto que la anulacion
del rotor implica la anulacion de la circulacion sobre cualquier curva cerrada.
Las consecuencias m as profundas del teorema de Stokes se dan en la Teora de Poten-
cial.
Dado un campo vectorial V , se dice que el campo escalar es un potencial para V si
satisface
= V .
No es cierto que todo campo vectorial admita un potencial, por ejemplo, es facil ver
que el gradiente de cualquier potencial sucientemente suave es irrotacional. Es decir
= 0.
Esto nos dice que para que un campo vectorial admita un potencial, es necesario que
dicho campo vectorial sea irrotacional:
Si V admite un potencial (V = ) entonces V = 0.
28
Trabajo. Dado un campo vectorial F (pensamos ahora en un campo de fuerzas), se
dene el trabajo realizado por F sobre una partcula que se desplaza por una curva C
como la integral
_
C
F ds =
_
C
F ds
donde denota (como antes) el vector tangencial a la curva C y apunta en la direcci on
que se recorre. Es decir, el trabajo de F sobre C es la integral a lo largo de C de la
componente tangencial a C de F. El signo depender a de la orientacion de la curva.
Campos Conservativos. Se dice que un campo vectorial F (pensamos en fuerzas) es
conservativo si el trabajo realizado por F al desplazar una partcula entre los puntos P
y Q solo depende de los puntos P y Q pero no de la particular trayectoria que los una,
mientras la misma no salga del dominio de suavidad
1
de F. Equivalentemente un campo
es conservativo si el trabajo realizado por el mismo en cualquier circuito cerrado es nulo.
Observemos ahora que si F admite un potencial , y C es una curva, parametrizada
por : [0, 1] C que une P con Q ((0) = P, (1) = Q), entonces
_
C
F ds =
_
1
0
F((t))

(t) dt
=
_
1
0
((t))

(t) dt
=
_
1
0
d
dt
_
((t))
_
dt
= ((1)) ((0))
= (Q) (P).
Por lo tanto, si F admite un potencial, el trabajo depende solamente de los puntos inicial
y nal, y por lo tanto es conservativo.
Si F admite un potencial (F = ) entonces F es conservativo
Por otro lado, si F = F
1
i + F
2
j + F
3
k es un campo vectorial conservativo, entonces
las integrales de lnea nos permiten construir un potencial para F. Es decir, nos permiten
construir (al menos) una funci on escalar tal que F = . Basta jar un punto O en el
dominio de F y denir (O) = 0. Luego, para cada P en el dominio de F (que estamos
suponiendo simplemente conexo) denir
(P) = (P) (O) =
_
C
OP
F ds,
Donde C
OP
es una curva suave (a trozos) que une O con P. Como F es conservativo,
el resultado da lo mismo a traves de cualquier curva C
OP
que se elija. De esta manera
1
El dominio de suavidad de una funcion es el dominio donde la funcion est a denida y es C
1
. Por
ejemplo, el dominio de suavidad del campo de Newton es R
3
0.
29
resulta = F. Veamos como ejemplo que

z
(x, y, z) = F
3
(x, y, z), el resto de las
igualdades se obtiene de manera analoga (utilizando otra curva C).
(0, 0, 0)
(x, 0, 0)
(x, y, 0)
(x, y, z)
C
1
C
2
C
3
Utilicemos como curva C la de la gura, entonces
(x, y, z) =
_
C
F ds
=
_
C
1
F i ds +
_
C
2
F j ds +
_
C
3
F k ds
=
_
C
1
F
1
ds +
_
C
2
F
2
ds +
_
C
3
F
3
ds
=
_
x
0
F
1
(s, 0, 0) ds +
_
y
0
F
2
(x, s, 0) ds +
_
z
0
F
3
(x, y, s) ds.
Luego,

z
(x, y, z) = F
3
(x, y, z).
En conclusi on:
Todo campo conservativo es el gradiente de alg un campo escalar.
Recordando ahora que el rotacional de un gradiente es siempre el vector nulo:
Todo campo conservativo es irrotacional.
El teorema de Stokes nos permite armar la recproca, siempre que estemos en un
dominio simplemente conexo:
Todo campo irrotacional es conservativo, y por consiguiente tiene un potencial .
En efecto, si F es irrotacional, entonces F = 0 y de aqu que
_
C
F ds =
__
S
(F) nd = 0,
30
para toda curva cerrada simple en el dominio. Entonces F es conservativo y por consi-
guiente existe tal que F = . El campo escalar es un potencial para F.
3.5. Ejercicios
3.1. Sea f(r) =
1
r
el potencial Newtoniano cuyo dominio es R
3
0.
(Notaci on: r = x
1
i + x
2
j + x
3
k y r =
_
x
2
1
+x
2
2
+x
2
3
)
(a) Calcular el gradiente de f.
(b) Calcular el Laplaciano de f.
3.2. Demostrar que el gradiente de cualquier funci on escalar que tiene derivadas de
segundo orden continuas, es un campo vectorial irrotacional. Mas precisamente, demostrar
que
= 0,
para cualquier funci on escalar con derivadas de segundo orden continuas.
* 3.3. Sea f una funci on de clase C
1
en R
3
. Demostrar que
lm
1
h
2
h
3
_
x
0
3
+h
3
x
0
3
_
x
0
2
+h
2
x
0
2
f(x
0
1
+h
1
, x
2
, x
3
) f(x
0
1
, x
2
, x
3
)
h
1
dx
2
dx
3
=
f
x
1
(x
0
1
, x
0
2
, x
0
3
),
donde el lmite se toma cuando (h
1
, h
2
, h
3
) (0, 0, 0).
3.4. Calcular el ujo del campo de Newton
V (r) =
r
r
3
,
a traves de una supercie esferica centrada en (1, 1, 1) y de radio uno. (Usar Teorema de
Gauss).
Cu al es el ujo a traves de cualquier supercie cerrada suave que no deje el origen
en el interior?
3.5. Sea V (r) =
r
r
3
. Recuerde que seg un se resolvi o en el ejercicio 2.3, el ujo de V
a traves de la supercie esferica centrada en 0 = (0, 0, 0) y radio R, hacia el innito es
4.
Calcular el ujo de V a traves de cualquier supercie cerrada suave que contenga a 0
en su interior.
3.6. Sea S una supercie cerrada y suave en el espacio, y sea n
i
la i-esima componente
del vector normal exterior a S. Demostrar que entonces
__
S
n
i
d = 0.
31
3.7. Sea S una supercie cerrada y suave en el espacio, sea n el vector normal exterior a
S, y r el vector posicion (o funci on identidad de R
3
). Demostrar que entonces
1
3
__
S
r nd = V,
donde V es el volumen de la region rodeada por S.
3.8. Sea (x
1
, x
2
, x
3
) = ln(x
2
1
+x
2
2
). Determinar su dominio y el de su gradiente V = .
Es V conservativo? Es incompresible? Es armonico?
Bibliografa complementaria
[Apostol] Tom M. Apostol, Calculus, Vol. 2., Editorial Reverte, 2005.
[Arfken-Weber] Arfken, G.B., Weber, H.J., Mathematical Methods For Physicists, HARCOUT-
Academic Press, 2001.
[Marsden-Tromba] Jerrold E. Marsden, Anthony J. Tromba, C alculo Vectorial, Addison-
Wesley Iberoamericana.
32
Captulo 4
Coordenadas Generalizadas en el
Espacio
Las coordenadas cartesianas usuales en R
3
pueden verse tambien como un sistema
de tres familias de supercies en el espacio, de modo que cada punto (fsico) P pueda
describirse como la interseccion de tres supercies: una de cada familia.
T
1
= x
1
= constante = planos frontales (paralelos al plano x
2
x
3
)
T
2
= x
2
= constante = planos verticales (paralelos al plano x
1
x
3
)
T
3
= x
3
= constante = planos horizontales (paralelos al plano x
1
x
2
)
Tomando este punto de vista, dados tres campos escalares Q
1
, Q
2
, Q
3
en el espacio
introducimos tres familias de supercies: las supercies de nivel de cada Q
i
, i = 1,2,3.
Ahora,
T
1
= Q
1
(x
1
, x
2
, x
3
) = constante,
T
2
= Q
2
(x
1
, x
2
, x
3
) = constante,
T
3
= Q
3
(x
1
, x
2
, x
3
) = constante.
Ver por ejemplo la Fig. 4.1.
Si el punto fsico P se representa por (x
1
, x
2
, x
3
) en coordenadas cartesianas, entonces
P se representa por (q
1
, q
2
, q
3
) en coordenadas generalizadas, con
_

_
q
1
= Q
1
(x
1
, x
2
, x
3
),
q
2
= Q
2
(x
1
, x
2
, x
3
),
q
3
= Q
3
(x
1
, x
2
, x
3
),
o inversamente
_

_
x
1
= X
1
(q
1
, q
2
, q
3
),
x
2
= X
2
(q
1
, q
2
, q
3
),
x
3
= X
3
(q
1
, q
2
, q
3
).
(4.1)
33
T
1
T
2
T
3
Figura 4.1: Ejemplo de familias T
1
, T
2
, T
3
Geometricamente, esto signica que el punto P, adem as de ser la interseccion de tres
planos (el frontal por x
1
, el vertical por x
2
y el horizontal por x
3
) tambien es la interseccion
de las supercies de nivel Q
1
(x
1
, x
2
, x
3
) = q
1
, Q
2
(x
1
, x
2
, x
3
) = q
2
, Q
3
(x
1
, x
2
, x
3
) = q
3
:
P
Q1 = q1
Q2 = q2
Q3 = q3
Ejemplo 4.1. Si q
1
= r, q
2
= , q
3
= , con 0 r, 0 < 2 y 0 , dados por
las relaciones
_

_
x
1
= X
1
(r, , ) = r sen cos
x
2
= X
2
(r, , ) = r sen sen
x
3
= X
3
(r, , ) = r cos
(4.2)
tenemos el sistema de coordenadas esfericas.
Ejemplo 4.2. Si q
1
= , q
2
= , q
3
= z, con 0 r, 0 < 2 y z R, dados por las
relaciones
_

_
x
1
= X
1
(, , z) = cos
x
2
= X
2
(, , z) = sen
x
3
= X
3
(, , z) = z
(4.3)
tenemos el sistema de coordenadas cilndricas.
4.1. Supercies coordenadas
Son supercies coordenadas las que se obtienen manteniendo una coordenada ja
y permitiendo variar a las otras dos. Es decir, supercies contenidas en alguna de las
supercies de las familias T
1
, T
2
, T
3
mencionadas antes.
34
En el caso de las coordenadas cartesianas usuales, las supercies coordenadas son
supercies contenidas en un plano paralelo a alguno de los planos coordenados.
Por ejemplo, la supercie
x
1
= 3, 0 < x
2
< 2, 1 < x
3
< 5
es un rectangulo de 2 4 contenido en el plano x
1
= 3, paralelo al plano x
2
x
3
.
Si consideramos las coordenadas esfericas, la supercie
r = 3, 0 < 2, 0 ,
es la esfera de centro en el origen y radio 3. La supercie
0 r < , 0 < 2, =

4
,
es el cono circular con orientacion vertical (eje contenido en eje x
3
) que abre hacia arriba
con un angulo de apertura de /2 radianes (o 90 grados). El angulo con respecto al eje
x
3
es de /4 radiantes o 45 grados.
Si consideramos las coordenadas cilndricas, la supercie
= 5, 0 < 2, 0 < z < 1,
es la cara lateral de un cilindro vertical de base circular de radio 5 y altura 1.
4.2. Curvas coordenadas
Son curvas coordenadas las que se obtienen dejando jas dos coordenadas y permitien-
do variar a la tercera. Por lo tanto estan contenidas en la interseccion de dos supercies
coordenadas.
Consideremos por ejemplo las coordenadas esfericas. La curva
r = 2, =

2
, 0
es la media circunferencia centrada en el origen, de radio 2, que se encuentra en el semi-
plano del plano x
2
x
3
donde x
2
0. Si reemplazamos los valores de las coordenadas jas
en las formulas (4.2), obtenemos una parametrizaci on de la curva:
_

_
x
1
() = 2 sen cos

2
= 0,
x
2
() = 2 sen sen

2
= 2 sen ,
x
3
() = 2 cos = 2 cos ,
0 .
Esta curva resulta un meridiano de la esfera de radio 2.
La curva
r = 1, 0 < 2, =
3
4
,
35
es una circunferencia ubicada en el cono =
3
4
, paralela al plano x
1
x
2
. Veamos su
parametrizaci on
_

_
x
1
() = sen
3
4
cos =

2
2
cos ,
x
2
() = sen
3
4
sen =

2
2
sen ,
x
3
() = cos
3
4
=

2
2
,
0 < 2.
Se ve aqu que la curva en cuesti on es el paralelo de la esfera de radio unitario que
esta contenido en el plano x
3
=

2
2
.
Es interesante observar que por cada punto de coordenadas generalizadas (q
1
, q
2
, q
3
)
pasan tres curvas coordenadas. Que son las que se obtienen de dejar dos coordenadas
jas, y la restante variable. Por ejemplo, la parametrizaci on de la curva coordenada que
resulta de variar q
1
y dejar jos q
2
y q
3
es
X(t, q
2
, q
3
) = X
1
(t, q
2
, q
3
)i + X
2
(t, q
2
, q
3
)j + X
3
(t, q
2
, q
3
)k.
Un vector tangente a esta curva en el punto (q
1
, q
2
, q
3
) (t = q
1
) esta dado por
d
dt
X(t, q
2
, q
3
)
|t=q
1
=
X
q
1
(q
1
, q
2
, q
3
) =
X
1
q
1
(q
1
, q
2
, q
3
)i+
X
2
q
1
(q
1
, q
2
, q
3
)j +
X
3
q
1
(q
1
, q
2
, q
3
)k.
As, los vectores tangentes a las curvas coordenadas que pasan por el punto que tiene
coordenadas (q
1
, q
2
, q
3
) son tres, a saber:
X
q
i
(q
1
, q
2
, q
3
), i = 1, 2, 3.
Cada par de estos vectores (se pueden armar tres pares diferentes) determina el plano
tangente a una de las tres supercies coordenadas que pasan por dicho punto. Mas pre-
cisamente:
El plano paralelo a
X
q
2
y a
X
q
3
que pasa por (q
1
, q
2
, q
3
) es el plano tangente a la
supercie coordenada q
1
= constante que pasa por dicho punto.
El plano paralelo a
X
q
1
y a
X
q
3
que pasa por (q
1
, q
2
, q
3
) es el plano tangente a la
supercie coordenada q
2
= constante que pasa por dicho punto.
El plano paralelo a
X
q
1
y a
X
q
2
que pasa por (q
1
, q
2
, q
3
) es el plano tangente a la
supercie coordenada q
3
= constante que pasa por dicho punto.
X
q
1
X
q
2
Q
3
= constante
36
En los ejemplos de coordenadas esfericas y cilndricas que consideramos resulta que los
vectores
X
q
i
(q
1
, q
2
, q
3
), i = 1, 2, 3, son perpendiculares entre s (ver ejercicio 4.2), y por
lo tanto el vector
X
q
i
que no es paralelo al plano tangente de la supercie coordenada,
es necesariamente perpendicular. Mas precisamente
En cada punto, el vector
X
q
1
es perpendicular al plano tangente a la supercie
coordenada q
1
= constante que pasa por dicho punto.
En cada punto, el vector
X
q
2
es perpendicular al plano tangente a la supercie
coordenada q
2
= constante que pasa por dicho punto.
En cada punto, el vector
X
q
3
es perpendicular al plano tangente a la supercie
coordenada q
3
= constante que pasa por dicho punto.
En general decimos que un vector es perpendicular a una supercie en un punto si es
perpendicular al plano tangente a dicha supercie en ese punto, es por eso que las tres
armaciones anteriores pueden re-escribirse de la siguiente manera (resumida):
El vector
X
q
1
es perpendicular a la supercie q
1
= constante.
El vector
X
q
2
es perpendicular a la supercie q
2
= constante.
El vector
X
q
3
es perpendicular a la supercie q
3
= constante.
Finalmente observamos que el vector
X
q
i
apunta en la direcci on en que q
i
aumenta.
4.3. Vectores normales
Denotaremos con a
i
al vector normal a las supercies de la familia T
i
(perpendicular
a cada supercie y de longitud uno) de manera que su direcci on es la del crecimiento de
q
i
.
Cuando los vectores tangentes a las curvas parametricas
X
q
i
son perpendiculares entre
s, que es el caso de las coordenadas rectangulares usuales, de las esfericas y tambien de las
cilndricas, el c alculo puede hacerse utilizando lo visto en la secci on anterior, normalizando
los vectores
X
q
i
:
a
i
=
X
q
i

X
q
i

=
1
h
i
X
q
i
,
37
donde hemos denido h
i
=

X
q
i

, y como antes
X
q
i
=
X
1
q
i
i +
X
2
q
i
j +
X
3
q
i
k.
Ejemplo 4.3. Consideremos las coordenadas esfericas y calculemos h
2
y a
2
. Para realizar
esto debemos utilizar las formulas (4.2) y derivar con respecto a q
2
= :
X
1

= r sen sen
X
2

= r sen cos
X
3

= 0
=
X

= r sen
_
sen i + cos j
_
Por lo tanto h
2
= r sen y a
2
= sen i + cos j.
4.4. Calculo de longitudes en coordenadas
generalizadas
Sea (t) una curva en el espacio que describe (por ejemplo) la trayectoria de una
partcula. Si representamos la curva en coordenadas cartesianas ortogonales (t) = x
1
(t)i+
x
2
(t)j + x
3
(t)k, para calcular la longitud de un arco cualquiera de la curva, necesitamos
conocer

d
dt
(t)

ya que la longitud del arco que une (a) con (b) esta dada por:
_
C
ds =
_
b
a

dr
dt
(t)

dt =
_
b
a
_
_
dx
1
dt
_
2
+
_
dx
2
dt
_
2
+
_
dx
3
dt
_
2
dt
. .
ds
.
Supongamos ahora que q
j
(t) = Q
j
_
(t)
_
son las coordenadas generalizadas de la
curva, y tratemos de hallar una formula para

d
dt
(t)

2
en terminos de las coordenadas
q
j
(t). Estamos considerando entonces que
(t) = X(q
1
(t), q
2
(t), q
3
(t))
= X
1
(q
1
(t), q
2
(t), q
3
(t))i + X
2
(q
1
(t), q
2
(t), q
3
(t))j +X
3
(q
1
(t), q
2
(t), q
3
(t))k,
y por la regla de la cadena

(t) =
X
q
1
q

1
(t) +
X
q
2
q

2
(t) +
X
q
3
q

3
(t)
= h
1
a
1
q

1
(t) + h
2
a
2
q

2
(t) + h
2
a
3
q

3
(t)
Adem as [

(t)[ =
_

(t)

(t) y como
X
q
i
= h
i
a
i
,

(t)

(t) = h
2
1
(q

1
(t))
2
+ h
2
2
(q

2
(t))
2
+h
2
3
(q

3
(t))
2
,
38
porque a
i
a
j
= 0 cuando i ,= j y a
i
a
i
= 1. Luego
[

(t)[ =
_
h
2
1
(q

1
(t))
2
+ h
2
2
(q

2
(t))
2
+h
2
3
(q

3
(t))
2
.
En forma sintetica, la formula obtenida para calcular longitudes de curvas en las
coordenadas generalizadas puede escribirse
(ds)
2
= (dx
1
)
2
+ (dx
2
)
2
+ (dx
3
)
2
= (h
1
dq
1
)
2
+ (h
2
dq
2
)
2
+ (h
3
dq
3
)
2
,
donde ds representa el diferencial de longitud de arco. Lo que esta formula sintetiza
es el hecho que si pretendemos calcular la longitud de una curva C que se describe por
(q
1
(t), q
2
(t), q
3
(t)) en coordenadas generalizadas, entonces la longitud del camino recorrido
entre los instantes a y b esta dado por
_
C
ds =
_
b
a
_
(h
1
dq
1
dt
)
2
+ (h
2
dq
2
dt
)
2
+ (h
3
dq
3
dt
)
2
dt
con h

X
q

_
3

i=1
_
X
i
q

_
2
.
Algunas curvas son particularmente importantes en un sistema de coordenadas gene-
ralizadas. Por ejemplo, si q
2
y q
3
son constantes, tenemos la curva de interseccion de dos
supercies, una de la familia T
2
y otra de la familia T
3
.
Q
3
= constante
Q
2
= constante
curva interseccion
C
ds
1
= h
1
dq
1
.
Para una curva como C en el dibujo, el diferencial de longitud es ds
1
= h
1
dq
1
. Si q
1
y
q
3
son constantes tenemos ds
2
= h
2
dq
2
, y si q
1
y q
2
son constantes tenemos ds
3
= h
3
dq
3
.
La cantidad h
i
indica cu anto se estira o encoge la longitud de un intervalo cuando
se deforma para describir una curva coordenada.
Ejemplo 4.4. Utilizando las coordenadas esfericas calcular la longitud de un paralelo
cualquiera en la esfera de radio 4 (dado por = constante, 0 2, y r = 4).
Observando que = q
2
, y sabiendo por el Ejemplo 4.3 que h
2
= r sen , calculamos
longitud paralelo de angulo =
_
2
0
h
2
d =
_
2
0
4 sen d = 8 sen .
39
Observaci on 4.5. Notar que para obtener la longitud de cualquier paralelo, se debe
calcular una integral entre 0 y 2. Sin embargo los resultados dependen de q
1
= r y
q
3
= . Aqu queda un poco m as claro lo que signica h
2
: mide cuanto se estira el
segmento [0, 2] cuando se deforma para describir un paralelo de la esfera.
4.5. Calculo de areas de supercies coordenadas en
coordenadas generalizadas
Si q
3
es constante y queremos aproximar el area
de un rectangulo curvilneo como el del dibujo, cons-
truido con curvas coordenadas dentro de la supercie
Q
3
= constante, tendremos
d
12
= ds
1
ds
2
= h
1
h
2
dq
1
dq
2
.
Q
3
= constante
De un modo analogo, si Q
2
= constante, d
13
= ds
1
ds
3
= h
1
h
3
dq
1
dq
3
.
Y si Q
1
= constante, d
23
= ds
2
ds
3
= h
2
h
3
dq
2
dq
3
.
La cantidad
ij
indica cu anto se estira o encoge el area de un rectangulo cuando se
deforma para describir una supercie coordenada.
4.6. Calculo de vol umenes de cubos con aristas que
sean curvas coordenadas
Analogamente a lo anterior, ahora tenemos que
dvol = ds
1
ds
2
ds
3
= h
1
h
2
h
3
dq
1
dq
2
dq
3
.
La cantidad h
1
h
2
h
3
indica cu anto se estira o encoge el
volumen de un cubo cuando se deforma para describir
un cubo coordenado.
4.7. Los operadores diferenciales en coordenadas ge-
neralizadas
Gradiente. La idea es ahora escribir el gradiente de un campo escalar que viene dado
en coordenadas generalizadas, como una combinacion lineal de los vectores normales a
1
,
a
2
, a
3
.
40
Si es un campo escalar en el espacio, entonces
(q
1
, q
2
, q
3
) = a
1
_
(q
1
, q
2
, q
3
) a
1
_
+ a
2
_
(q
1
, q
2
, q
3
) a
2
_
+a
3
_
(q
1
, q
2
, q
3
) a
3
_
= a
1
1
h
1

q
1
+ a
2
1
h
2

q
2
+a
3
1
h
3

q
3
.
En la ultima igualdad hemos usado que (q
1
, q
2
, q
3
) a
i
=
1
h
i

q
i
, i = 1, 2, 3, lo que
puede verse a partir del siguiente razonamiento: La expresion

q
i
mide la variaci on de la
cantidad a medida que uno se mueve por la curva coordenada con velocidad h
i
. Por lo
tanto, la variaci on de la cantidad a medida que uno se mueve con velocidad 1 es
1
h
i

q
i
.
Si no lo convence este argumento, he aqu una demostracion rigurosa: Supongamos que
(q
1
, q
2
, q
3
) y (x
1
, x
2
, x
3
) denotan dos formulas para el campo escalar que coinciden
en cada punto fsico del espacio tridimensional, es decir
(q
1
, q
2
, q
3
) = (x
1
, x
2
, x
3
)
siempre que (q
1
, q
2
, q
3
) y (x
1
, x
2
, x
3
) se relacionen a traves de las formulas (4.1). Mas
precisamente
(q
1
, q
2
, q
3
) =
_
X
1
(q
1
, q
2
, q
3
), X
2
(q
1
, q
2
, q
3
), X
3
(q
1
, q
2
, q
3
)
_
.
Luego, el gradiente del campo escalar es
(x
1
, x
2
, x
3
) =

x
1
(x
1
, x
2
, x
3
) i +

x
2
(x
1
, x
2
, x
3
) j +

x
3
(x
1
, x
2
, x
3
) k.
Por otro lado, por la regla de la cadena,

q
i
=

x
1
X
1
q
i
+

x
2
X
2
q
i
+

x
3
X
3
q
i
=
X
q
i
= (h
i
a
i
),
donde hemos usado que
X
q
i
=
X
1
q
i
i +
X
2
q
i
j +
X
3
q
i
k, y h
i
=

X
q
i

(ver Seccion 4.3).


Finalmente,

q
i
= h
i
a
i
,
o, lo que es lo mismo
a
i
=
1
h
i

q
i
.
Divergencia. Si V es un campo vectorial en el espacio, expresado en terminos de los
vectores normales a
i
,
V = V
1
a
1
+V
2
a
2
+ V
3
a
3
,
entonces
V (q
1
, q
2
, q
3
) =
1
h
1
h
2
h
3
_

q
1
(V
1
h
2
h
3
) +

q
2
(V
2
h
3
h
1
) +

q
3
(V
3
h
1
h
2
).
_
Esto se demuestra usando que V = lm
1
vol R
__
R
V nd, con R cubos coordenados
con lados coordenados tendiendo a cero.
41
Laplaciano. Si es un campo escalar en el espacio, combinando las deniciones de
gradiente y divergencia, recordando que
2
=
_

, obtenemos

2
(q
1
, q
2
, q
3
) =
1
h
1
h
2
h
3
_

q
1
(
h
2
h
3
h
1

q
1
) +

q
2
(
h
3
h
1
h
2

q
2
) +

q
3
(
h
1
h
2
h
3

q
3
)
_
Rotor. Si V es un campo vectorial en el espacio
V (q
1
, q
2
, q
3
) =
1
h
1
h
2
h
3

a
1
h
1
a
2
h
2
a
3
h
3

q
1

q
2

q
3
h
1
V
1
h
2
V
2
h
3
V
3

4.8. Ejercicios
4.1. Considerar las coordenadas esfericas y cilndricas. Para cada caso:
Describir T
1
, T
2
, T
3
;
Calcular h
1
, h
2
, h
3
;
Describir los vectores normales a
1
, a
2
, a
3
.
Calcular d
12
, d
13
, d
23
, y dvol;
4.2. Vericar que para las coordenadas cilndricas y esfericas se cumple que
X
q
i

X
q
j
= 0, si i ,= j.
4.3. Describir todos los tipos de curvas coordenadas en los sistemas cartesianos, esfericos
y cilndricos.
4.4. Utilizando coordenadas cilndricas, calcular la longitud de la helice (t) = t, (t) =
R, z(t) = t, 0 t 2.
4.5. Utilizando coordenadas esfericas. Calcular el area del casquete esferico de apertura
= /4.
4.6. Utilizando coordenadas esfericas, calcular el volumen del cono esferico de apertura
= /4.
4.7. Sea V (x
1
, x
2
, x
3
) =
0
(x
2
i + x
1
j) con
0
una constante (velocidad angular). Sea
C
R
= (Rcos t, Rsen t, 0) : t [0, 2), R > 0.
(a) Calcular el rotor de V .
(b) Calcular directamente la integral de supercie
__
S
V nd sobre un hemisferio
S con ecuador en la curva C
R
y n con tercera coordenada positiva.
42
(c) Comparar el resultado del tem anterior con el resultado del ejercicio 2.2 y explicar
la casualidad usando el teorema de Stokes.
4.8. Escribir gradiente, divergencia y Laplaciano en coordenadas esfericas y cilndricas.
4.9. Estudiar las soluciones de
2
u = 0 que solo dependen de una de las coordenadas
generalizadas q
i
en coordenadas cartesianas, cilndricas y esfericas.
Bibliografa complementaria
[Arfken-Weber] Arfken, G.B., Weber, H.J., Mathematical Methods For Physicists, HARCOUT-
Academic Press, 2001.
43
Captulo 5
Leyes de conservacion. Ecuaciones
constitutivas
5.1. Leyes de conservacion. Balance
Sea una region del espacio R
3
y sea su frontera, que suponemos suave a trozos.
Estamos interesados en describir (cuantitativamente) la evolucion espacio-temporal de
una cantidad E en . Por ejemplo, la energa termica, la masa de un compuesto, etc. La
ley de conservacion basica establece el hecho casi obvio siguiente:
raz on de cambio
temporal de E
=
raz on de inmigracion
menos
raz on de emigracion
a traves de
+
raz on de creacion
menos
raz on de desaparicion
dentro de .
(5.1)
Supondremos, para jar ideas, que E es energa termica. Mas precisamente, supo-
nemos que si E = E(; t) es la energa termica en la region a tiempo t, entonces
la densidad de energa termica e = e(x; t) es la propiedad intensiva asociada a E y se
relacionan de la siguiente manera:
E(; t) =
___

e(x; t) dvol e(x; t) = lm


r0
+
E(B(x, r); t)
vol(B(x, r))
.
La cantidad e(x; t) tambien se denomina energa termica por unidad de volumen en el
punto x de en el instante t. Con esta notacion resulta
raz on de cambio
temporal de U
=
d
dt
E(; t) =
d
dt
___

e(x; t) dvol
Llamemos (x
1
, x
2
, x
3
; t) al campo vectorial de velocidades de desplazamiento de la
energa termica, de manera que:
__
S
(x; t) nd =
cantidad de energa termica
que atraviesa la supercie S
en la direcci on que apunta n
por unidad de tiempo.
44
(x; t) se denomina ujo de energa termica por unidad de area en el punto x a tiempo
t. Por lo tanto, si n es el vector normal a que apunta hacia fuera de ,
raz on de inmigracion
menos
raz on de emigracion
a traves de
=
__

(x; t) nd
La creaci on y aniquilaci on de la cantidad E en (que en el caso de energa termica
puede corresponder a reacciones qumicas exotermicas o endotermicas respectivamente,
o a la circulacion de una corriente electrica) esta dada por una funci on f(x; t) denida
en . La funci on f tiene signo arbitrario. En los puntos e instantes donde sea positiva
tendremos fuentes de energa, mientras que cuando sea negativa tendremos sumideros
de energa. La funci on f es una tasa de creacion/aniquilaci on de energa por unidad de
volumen por unidad de tiempo, de manera que
raz on de creacion
menos
raz on de desaparicion
dentro de
=
___

f(x; t) dvol
Con estas tres magnitudes basicas, la ley de conservaci on y el Teorema de Gauss,
podemos establecer una relaci on cuantitativa precisa entre e, y f.
Sea x
0
= (x
0
1
, x
0
2
, x
0
3
) un punto jo en y sea B = B(x
0
, r) una bolita chica centrada
en x
0
de manera que B(x
0
, r) . Consideremos el balance en B.
raz on de cambio
temporal de E en B
=
d
dt
E(B; t) =
d
dt
___
B
e(x; t) dvol
raz on de inmigracion/emigracion
a traves de B
=
__
B
(x; t) nd
raz on de creacion/desaparicion
dentro de B
=
___
B
f(x; t) dvol
Por el enunciado verbal del balance (5.1) tenemos que
d
dt
___
B
e(x; t) dvol =
__
B
(x; t) nd +
___
B
f(x; t) dvol (5.2)
Por el Teorema de la Divergencia de Gauss, el primer termino en el miembro derecho de
la ecuacion anterior es:

__
B
(x; t) nd =
___
B
(x; t) dvol,
donde es, claro, la divergencia del ujo termico. Si e es una funci on suave, como la
derivacion en el miembro izquierdo de (5.2) es con respecto a la variable tiempo, que no
es la de integraci on, y como estamos considerando una bola B ja que no depende de la
variable temporal, tenemos tambien que
d
dt
___
B
e(x; t) dvol =
___
B

t
e(x; t) dvol.
45
Finalmente, la ecuacion (5.2) se reescribe
___
B
_

t
e(x; t) + (x; t) f(x; t)
_
dvol = 0.
Esta igualdad debe cumplirse para toda bola B tal que B . Si e y son de clase C
1
y si f es continua, entonces la funci on entre corchetes es continua, y por lo visto en el
Captulo 1 se tiene que cumplir que

t
e(x; t) + (x; t) f(x; t) = 0
para todo x y todo instante de tiempo t.
La ley de conservaci on (de la energa) es entonces la ecuacion diferencial en derivadas
parciales de primer orden dada por
e
t
+ = f. (5.3)
Observaci on 5.1. Una ley de conservacion similar se cumple si C representa una con-
centraci on, que es tambien una densidad de masa de una cierta sustancia, por unidad de
volumen:
C
t
+ = f. (5.4)
En este caso es el ujo de masa por unidad de area, y f es un termino fuente de masa
por unidad de volumen por unidad de tiempo.
5.2. Relaciones constitutivas
Supongamos ahora que denotamos con:
u = u(x; t) a la temperatura en el punto x en el instante t;
= (x) a la densidad (de masa) del medio en el punto x de ;
c = c(x) al calor especco del medio en el punto x de . Se denomina calor especco
a la energa termica necesaria para aumentar en un grado de temperatura un gramo
de la sustancia que constituye el medio en el punto x).
Entonces
e = cu.
La ley de conservacion toma pues la forma
c
u
t
+ = f,
donde c, y f son generalmente datos del problema, y u, son las inc ognitas.
Es claro que teniendo una sola ecuacion, el problema de encontrar u y no esta su-
cientemente determinado. Las ecuaciones de balance, o leyes de conservacion tienen que
46
acoplarse con relaciones constitutivas que describen, cuantitativamente relaciones entre
y u. La relaci on constitutiva para la conduccion del calor se llama Ley de Fourier y es
elemental desde el punto de vista heurstico: La energa termica uye desde las regiones
m as calientes hacia las m as fras y la magnitud del ujo es proporcional a la raz on de
cambio (espacial) de la temperatura. En otros terminos (mas concretos),
= Ku,
donde K = K(x) se llama conductividad termica del material y puede ser diferente en
puntos diferentes. Es claro que a mayor K, mayor ujo [[. Notar que el signo menos,
admitiendo que K es positiva, esta para satisfacer el requerimiento de direcci on del ujo:
de altas a bajas temperaturas que es lo opuesto de la direcci on del gradiente de u.
El sistema
_
Ley de Conservacion
Relaci on Constitutiva
nos da
_
_
_
c
u
t
+ = f,
= Ku.
Sustituyendo la segunda en la primera, obtenemos la forma general de la ecuacion de
difusi on o ecuacion del calor en el espacio tridimensional:
c
u
t
(Ku) = f. (5.5)
Recordemos que c, y K son funciones del punto.
Cuando la conductividad termica K es constante, la ecuacion toma la forma
c
u
t
K
2
u = f.
Cuando no hay fuentes (ni sumideros) y tambien el calor especco y la densidad son
constantes, tenemos
u
t
= k
2
u = k
_

2
u
x
2
1
+

2
u
x
2
2
+

2
u
x
2
3
_
con k =
K
c
la difusividad del material.
Observaci on 5.2. Cuando consideramos una concentraci on (de masa) C en lugar de
una temperatura, o densidad de energa termica, la relaci on constitutiva que relaciona C
con el ujo se denomina Ley de Fick:
= kC,
que es igual a la de Fourier. Incorporando esta relaci on constitutiva en la ley de conser-
vacion obtenemos:
C
t
(kC) = f.
Obtuvimos la misma ecuacion para la inc ognita C que habamos obtenido anteriormente
para la inc ognita u. Esta ecuacion se denomina ecuaci on de difusion y modela tanto
difusi on de calor como de masa.
47
5.3. Reduccion de dimensiones
Volvamos a la ecuacion del calor. Cuando hay razones fsicas para predecir la inde-
pendencia de la temperatura de algunas de las variables x
1
, x
2
, x
3
se tienen versiones
de la ecuacion del calor en dimensiones uno (varillas) y dos (placas), pero esto no im-
plica, necesariamente la unidimensionalidad, o bidimensionalidad del medio en el que
esta ocurriendo el proceso de difusi on.
Ecuaci on del calor unidimensional: Si consideramos una varilla de peque no espesor,
aislada lateralmente, y alineada con el eje x
1
, resulta un modelo v alido al suponer que
todas las cantidades son constantes sobre planos paralelos al plano x
2
x
3
. Por lo tanto
obtenemos la ecuacion:
c
u
t


x
1
_
K
u
x
1
_
. .
=(Ku)
= f,
con u = u(x
1
; t) y f = f(x
1
; t). En este caso el ujo =
_
K
u
x
1
, 0, 0
_
= K
u
x
1
i,
y suele denirse directamente el ujo escalar = K
u
x
1
, interpretando que el ujo es
hacia la derecha cuando > 0 y hacia la izquierda cuando < 0.
Llamando x a x
1
(ya que es la unica variable de interes) obtenemos
c
u
t


x
_
K
u
x
_
= f,
que tambien podemos escribir
cu
t
(Ku
x
)
x
= f.
En el caso en que los coecientes c, y K son constantes, y llamando

f a
f
c
u
t
k

2
u
x
2
=

f,
o, lo que es lo mismo
u
t
ku
xx
=

f.
Ecuaci on del calor bidimensional: Si consideramos una placa plana delgada, alinea-
da con el plano x
1
x
2
, aislada en su parte superior e inferior, es v alido suponer que todas
las cantidades son constantes sobre rectas paralelas al eje x
3
y obtenemos la ecuacion:
c
u
t

_

x
1
_
K
u
x
1
_
+

x
2
_
K
u
x
2
_
_
. .
=(Ku)
= f
con u = u(x
1
, x
2
; t) y f = f(x
1
, x
2
; t). En el caso en que los coecientes c, y K son
constantes, y llamando x, y a x
1
, x
2
respectivamente obtenemos
u
t
k
_

2
u
x
2
+

2
u
y
2
_
=

f,
48
o, lo que es lo mismo
u
t
k
_
u
xx
+ u
yy
_
=

f.
5.4. Condiciones iniciales y de borde
Cuando intentemos resolver la ecuacion del calor en una region delimitada, por ejem-
plo, correspondiente a un objeto con una cierta forma y con ciertas propiedades fsicas,
necesitaremos agregar al problema ciertas condiciones iniciales (CI) y de borde (CB).
Consideremos entonces, para jar ideas, que tenemos un objeto conductor del calor
(por ejemplo un metal) que ocupa una region del espacio.
Quisieramos usar la ecuacion del calor para calcular soluciones y predecir temperaturas
futuras, o calcular temperaturas en puntos del objeto donde no podemos medir.
Como la ecuacion del calor tiene una derivada con respecto al tiempo t, debemos
proveer una condici on inicial (CI), usualmente a tiempo t = 0: la temperatura inicial.
Es posible que la temperatura inicial no sea constante, sino que dependa de x. Luego,
debemos proveer una distribucion inicial de temperatura
u(x; 0) = f(x), x .
Esta condicion suele escribirse tambien de la siguiente manera:
u = f, x , t = 0.
Es esta informaci on suciente para predecir la temperatura en el futuro? La respuesta
es no. Sabemos la distribuci on de temperatura inicial y sabemos que la temperatura
cambia acorde a la ecuacion diferencial parcial (5.5). Pero a un nos falta saber que ocurre
en el borde del objeto . Sin esta informaci on, no podemos predecir el futuro.
Los siguientes tipos de condiciones de borde son los m as usuales:
Temperatura prescripta. En ciertas situaciones, puede suponerse que la temperatura
en el borde del objeto (o en parte del borde) se conoce o esta predeterminada y es igual
a u
B
(x; t) en el punto x de en el instante t. En este caso, la condicion de borde se
escribe
u(x; t) = u
B
(x; t), x , t 0. (5.6)
Una situacion fsica que puede representarse con esta CB es el caso en que u
B
(t) es la
temperatura de un ba no de uido con el cual el objeto esta en contacto.
Otra situacion donde esta condicion de borde puede ser util es cuando se conoce la
temperatura de un objeto en todos los puntos de su borde y quiere utilizarse la ecuacion
del calor para (una vez resuelta) conocer la temperatura en todos los puntos interiores.
Por ejemplo, cuando sumergimos un noqui en agua hirviendo, todos los puntos del borde
del noqui estar an a 100
o
C, podemos utilizar la ecuacion del calor para saber cuando las
partes del noqui m as centrales llegan a 99
o
C. En este caso, la condicion de borde sera
u(x; t) = 100, x , t 0.
La condicion de borde en que se prescribe el valor de la inc ognita u se denomina
condicion de borde de tipo Dirichlet.
49
Flujo prescripto. En otras situaciones es posible suponer que se conoce (o esta pres-
cripto) el ujo de calor en lugar de la temperatura, es decir
K(x) u(x; t) n
. .
u
n
= (x; t), x , t 0, (5.7)
donde (x; t) es una funci on conocida o dada, y n es el vector normal exterior a .
El ejemplo m as simple de ujo de calor prescripto en la frontera es cuando el borde
esta perfectamente aislado. En este caso no hay ujo en la frontera ( 0), y la condicion
de borde se escribe
u
n
(x; t) = 0, x , t 0. (5.8)
La condicion de borde en que se prescribe el valor de la derivada normal de la
inc ognita u se denomina condicion de borde de tipo Neumann.
Ley de enfriamiento de Newton. Cuando el objeto esta en contacto con un uido
en movimiento (aire, agua, aceite, etc.), entonces las condiciones hasta ahora vistas no
parecen del todo apropiadas. Por ejemplo, imaginemos un objeto que esta caliente, y en
contacto con aire en movimiento. El calor saldr a del objeto, calentando el aire. Y el aire
se llevar a el calor por el movimiento mismo. Experimentos muestran que el ujo de calor
que sale del objeto es proporcional a la diferencia de temperatura entre el objeto (u(x; t))
y la temperatura del uido exterior (u
B
(x, t)). Esta condicion de frontera se llama Ley
de enfriamiento de Newton. Si la queremos escribir en terminos matem aticos resulta
K(x)
u
n
(x; t) = H[u(x; t) u
B
(x, t)], x , t 0, (5.9)
donde la constante de proporcionalidad H se llama coeciente de transferencia de calor
o coeciente de conveccion. Esta condicion de borde involucra una combinacion lineal de
u y
u
n
.
El coeciente H en la ley de enfriamiento de Newton se determina experimentalmente.
Depende de las propiedades del objeto como as tambien de las del uido (inclusive de
la velocidad con la que el uido se mueve). Si el coeciente es muy peque no, muy poca
energa uye a traves del borde. En el lmite H 0, la ley de enfriamiento de Newton,
se convierte en la condicion de borde aislado. Podemos pensar que la ley de Newton con
H ,= 0 representa la situacion en que el borde no esta perfectamente aislado.
Cuando H es grande, mucha energa uye a traves del extremo. En el lmite H ,
la condicion de borde se transforma la condicion de temperatura prescripta u(x, t) =
u
B
(x, t). Esto puede verse facilmente si dividimos (5.9) por H:

K(x)
H
u
n
(x, t) = u(x, t) u
B
(x, t),
y tomamos lmite cuando H .
50
La condicion de borde en que se relaciona el valor de la derivada normal
u
n
con la
diferencia entre u y un dato u
B
se denomina condicion de borde de tipo Robin.
Observaci on 5.3. Cuando consideramos el ujo de calor unidimensional, por ejemplo
en una barra cilndrica de longitud L, las condiciones de borde se escriben de la siguiente
manera:
x Dirichlet Neumann Robin
0 u(0, t) = u
B
(0, t) K
0
(0)u
x
(0, t) = (0, t) K
0
(0)u
x
(0, t) = H[u(0, t) u
B
(0, t)]
L u(L, t) = u
B
(L, t) K
0
(L)u
x
(L, t) = (L, t) K
0
(L)u
x
(L, t) = H[u(L, t) u
B
(L, t)]
Es importante observar el cambio de signo: el ujo hacia afuera por unidad de area
es K
0
(0)u
x
(0, t) en x = 0 y es K
0
(L)u
x
(L, t) en x = L.
5.5. La ecuaci on de Laplace y la ecuaci on de Poisson
Cuando la conductividad termica del material y la fuente f son independientes del
tiempo en la ecuacion general de conduccion del calor
c
u
t
= Ku + f,
y nos proponemos encontrar soluciones estacionarias (independientes del tiempo) de esa
ecuacion, al hacer u
t
= 0 tenemos la ecuacion de Poisson
Ku = f

2
u =

f si K es constante.
Cuando la fuente es nula tenemos la ecuacion de Laplace
Ku = 0

2
u = 0 si K es constante.
5.6. Otras relaciones constitutivas
La forma general de una ley de conservacion de una cantidad u = u(x; t) es una
relaci on diferencial entre u, el ujo de la cantidad u y las fuentes f que miden la
generacion o desaparicion de la cantidad u en el dominio. Precisamente
u
t
+ = f.
En muchos casos la fuente f es funci on del punto del espacio, del instante t y tambien de
u misma: f = f(x, t, u).
51
Las relaciones constitutivas son las relaciones entre el ujo y la cantidad u. En el
caso de la conduccion del calor, la relaci on constitutiva es la Ley de Fourier = Ku.
Otros modelos fsicos (en sentido amplio) que tienen la misma ley de conservacion estan
dados por otras relaciones constitutivas. En dimension espacial igual a uno, la ley de
conservacion toma la forma
u
t
+

x
= f
o
u
t
+
x
= f.
El car acter vectorial de queda determinado por su signo, entendiendo que cuando
es positivo el ujo es en el sentido creciente de la variable x (hacia la derecha) y
cuando es negativo, el ujo ocurre en el sentido opuesto. As, la ecuacion que da la ley
de conservacion tiene la forma sencilla
u
t
+
x
= f,
u = u(x, t); = (x, t); f = f(x, t, u).
Transporte, adveccion: Relaci on constitutiva el ujo es proporcional a la cantidad
que uye
= cu.
El ujo no depende explcitamente de t ni de x, solo a traves de u. La inc ognita u
satisface la ecuacion diferencial en derivadas parciales de primer orden
u
t
+ cu
x
= f.
Cuando f = 0 se tiene la ecuacion de adveccion:
u
t
+ cu
x
= 0; u = u(x, t).
Esta ecuacion es sencilla porque es esencialmente una ecuacion ordinaria elemental. En
efecto, pensemos el lado izquierdo como el producto escalar del vector (c, 1) con el gra-
diente espacio-temporal (u
x
, u
t
) de u. La ecuacion de adveccion dice entonces que la
derivada direccional de u en la direcci on (c, 1) es nula. Esto signica que u es constante
en la direcci on del vector (c, 1).
t
x
V
c
1
52
En otras palabras, la ecuacion de adveccion dice que u es constante en lneas paralelas
a V = (c, 1). Notar que un vector perpendicular a (c, 1) es (1, c), y por consiguiente u
solo puede depender de la variable perpendicular a cx + t, es decir
u(x, t) = F(x ct)
para alguna funci on F de una variable, de clase C
1
(derivable con derivada continua). En
efecto, por la regla de la cadena
u
t
= F

(x ct)(c), u
x
= F

(x ct)1,
y por lo tanto
u
t
+cu
x
= 0.
Notemos de paso que si u(x, 0) = F(x) es la condicion inicial, entonces necesariamente
tendremos que la unica soluci on del problema
_
u
t
+ cu
x
= 0, (x, t) R
2
,
u(x, 0) = F(x), x R,
esta dada por u(x, t) = F(x ct). Por ejemplo, is F(x) = e
x
2
, la soluci on es una
Gaussiana que se traslada a velocidad c:
u(x, t) = e
(xct)
2
.
Se tiene adveccion con decaimiento cuando el termino fuente f = u con > 0.
Adveccion no lineal: Cuando la relaci on constitutiva = (u) esta dada por una
funci on no lineal de la variable u. La ecuacion diferencial de primer orden toma ahora
la forma
u
t
+

(u)u
x
= f.
5.7. La ecuaci on de ondas
Mas adelante haremos una deduccion de la ecuacion de ondas desde el punto de vista
de vibraciones de una cuerda. Elegimos ahora el punto de vista de las ondas electro-
magneticas porque esto nos lleva a introducir el sistema de las Ecuaciones de Maxwell.
La profunda relaci on entre campos electricos y magneticos, cuya investigacion se inicia
con los experimentos de Faraday, moviendo imanes y haciendo girar corrientes electri-
cas esta expresada en el sistema de ecuaciones diferenciales en derivadas parciales de
primer orden llamado Las Ecuaciones de Maxwell. Denotemos por B = B(x; t) el campo
magnetico en el punto x y en el instante t. Denotemos con E = E(x; t) el campo electrico.
Ambos campos son solenoidales ( B = E = 0) y las variaciones temporales de cada
uno de ellos se traducen en variaciones espaciales del otro. Muchsimo m as precisamente,
53
el sistema de Ecuaciones de Maxwell se escribe:
M :
_

_
B = 0 (M.1) Ley de Gauss para el campo magnetico
E = 0 (M.2) Ley de Gauss
B =
0

0
E
t
(M.3) Ley de Amp`ere
E =
B
t
(M.4) Ley de Faraday
donde
0
es la permisividad del espacio (constante electrica) y
0
es la permeabilidad del
espacio (constante magnetica). A partir de este sistema obtendremos la ecuacion de ondas
electromagneticas. Para ello necesitaremos una formula que es muy util y relaciona tres
operadores de segundo orden obtenidos por iteracion del operador nabla: .
Si V es un campo vectorial de clase C
2
en el espacio, el Laplaciano vectorial de V es el
campo vectorial cuyas componentes son los Laplacianos de cada una de las componentes
de V :
Si V = V
1
i + V
2
j + V
3
k, entonces
2
V =
2
V
1
i +
2
V
2
j +
2
V
3
k.
Por otra parte, puesto que la divergencia de V es un campo escalar, podemos calcular
su gradiente para obtener ( V ). Tambien esta bien denido el rotor del rotor de V :
( V ). La formula que nos interesa es una relaci on entre estos tres operadores
vectoriales, que resumimos en el siguiente lema
Lema 5.4. Si V es un campo vectorial C
2
en el espacio, entonces

2
V = ( V ) (V ).
O sea, el Laplaciano vectorial es el gradiente de la divergencia menos el rotor del rotor.
Demostraci on. Supongamos primero que V = V
1
i, entonces
2
V =
2
V
1
i, y por otro
lado
( V ) (V ) =
_
V
1
x
1
_

i j k

x
1

x
2

x
3
V
1
0 0

=
_
V
1
x
1
_

i j k

x
1

x
2

x
3
0
V
1
x
3

V
1
x
2

=

2
V
1
x
2
1
i +

2
V
1
x
2
x
1
j +

2
V
1
x
3
x
1
k
+
_

2
V
1
x
2
2
+

2
V
1
x
2
3
_
i

2
V
1
x
2
x
1
j

2
V
1
x
3
x
1
k
=
2
V
1
i =
2
V .
54
De la misma manera se prueba la tesis en el caso V = V
2
j y en el caso V = V
3
k. Como
todos los operadores son lineales, se pueden sumar todos los casos y obtener la tesis
deseada. Mas precisamente, si V = V
1
i + V
2
j + V
3
k
( V ) (V ) = ( (V
1
i)) ((V
1
i))
+( (V
2
j)) ((V
2
j))
+( (V
3
k)) ((V
3
k))
=
2
V
1
i +
2
V
2
j +
2
V
3
k =
2
V .
Volvamos ahora al sistema de Maxwell con la formula del lema. Calculamos el rotor
en ambos miembros de (M.4):
(E) =
_
B
t
_
=

t
(B),
Derivamos con respecto a t ambos miembros de (M.3)

t
(B) =
0

2
E
t
2
,
y obtenemos, usando (M.2) que

2
E
t
2
= (E) = (E) +( E).
Luego, por el Lema 5.4
(E) +( E) =
2
E,
y por lo tanto el campo electrico satisface

2
E =
0

2
E
t
2
.
De manera analoga, el campo magnetico B satisface

2
B =
0

2
B
t
2
.
Mas precisamente,
_

2
E
i
=
0

2
E
i
t
2
,

2
B
i
=
0

2
B
i
t
2
,
i = 1, 2, 3,
son las ecuaciones de ondas que deben satisfacer las componentes de los campos electrico
y magnetico.
55
5.8. La ecuaci on de Schrodinger
La funci on de onda de una partcula es un campo escalar (complejo) (P, t) cuyo
m odulo mide la probabilidad de que la partcula, en el instante t, este en una region dada
del espacio. As:
Prob(, t) =
___

[(x; t)[
2
dvol
es la probabilidad de que la partcula este en en el instante t. Necesariamente
___
R
3
[(x; t)[
2
dvol = 1.
La funci on de onda de una partcula bajo la accion de un potencial V tiene que satisfacer
la Ecuacion de Schr odinger que, en forma simplicada luce de la siguiente manera
i

t
+
2
= V.
Esta ecuacion se parece solo en su aspecto exterior a una ecuacion de difusi on, porque el
factor complejo i cambia completamente el comportamiento de las soluciones.
5.9. Ejercicios
* 5.1. Sea un abierto de R
d
, y sea B una bola tal que su clausura esta contenida en
. Demostrar que si u : (0, T) R es C
1
(todas las derivadas parciales de primer
orden son continuas) entonces
d
dt
_
B
u(x, t) dx =
_
B
u
t
(x, t) dx, t (0, T).
5.2. Considerar una barra cilndrica de longitud L alineada con el eje x, ocupando el
intervalo [0, L], suponer que su conductividad termica y temperatura son constantes en
los planos paralelos al plano yz. Llamemos K(x) a la conductividad termica a distancia
x del extremo izquierdo y u(x; t) a la temperatura a distancia x del extremo izquierdo.
Supongamos que el area de la secci on transversal de la barra cilndrica es A.
(a) Escribir sendas formulas para el ujo total de calor hacia fuera de la barra en x = 0
y en x = L.
(b) Escribir sendas formulas para la cantidad total de calor que uy o hacia fuera de la
barra en x = 0 y en x = L por el perodo de tiempo desde t = 0 hasta t = T.
5.3. Supongamos que se unen dos barras cilndricas de la misma forma, pero diferente
material en el plano x = x
0
. Supongamos que la que ocupa el intervalo [0, x
0
] tiene
conductividad termica K
1
y la que ocupa el intervalo [x
0
, L] tiene conductividad termica
K
2
. Se dice que estas dos barras estan en contacto termico perfecto si la temperatura es
continua en x = x
0
:
u(x

0
, t) = u(x
+
0
, t)
56
y no se pierde nada de energa calorica en x = x
0
(es decir, la energa calorica que uye
hacia fuera de una barra uye hacia adentro de la otra). Que ecuacion matem atica
representa la condicion
la energa calorica que uye hacia fuera de una barra uye hacia adentro de la otra
en x = x
0
?
5.4. Considerar un ba no conteniendo un volumen V de aceite, con calor especco c
f
y
densidad de masa
f
, en el que se sumerge un cuerpo de metal con calor especco c
m
,
densidad
m
y conductividad termica K
m
. Suponer que el ba no se agita r apidamente de
modo que la temperatura del ba no es aproximadamente uniforme en todo el recipiente
que lo contiene, y esta es igual a la temperatura del cuerpo de metal en todo su contorno.
Supongamos que el ba no esta termicamente aislado excepto donde esta en perfecto con-
tacto termico con el cuerpo de metal, donde puede enfriarse o calentarse dependiendo de
la temperatura del mismo. El objetivo de este problema es determinar una ecuacion para
la temperatura del ba no, que resultara a su vez una condicion de borde para el cuerpo
de metal. Para hacerlo seguiremos los siguientes pasos.
(a) Llamemos T(t) a la temperatura del aceite. Escribir una formula que represente la
energa termica total del ba no de aceite.
(b) Escribir una formula que represente la raz on de cambio de la energa termica total
del aceite.
(c) Sea la region que ocupa el cuerpo de metal, y sea u(x; t) la temperatura en el
punto x del metal a tiempo t. Escribir una formula que represente el ujo de calor
hacia fuera del cuerpo de metal.
(d) Como la cantidad de calor que uye hacia fuera del cuerpo de metal es la cantidad de
calor que ingresa al uido, igualando las formulas de los tems (b) y (c) obtenemos
una ecuacion diferencial (ordinaria) para T(t) que esta acoplada con la ecuacion del
calor en el metal. Escribirla.
(e) Escribir un sistema de ecuaciones diferenciales para T(t) (la temperatura del aceite)
y u(x; t) (la temperatura del metal).
Bibliografa complementaria
[Haberman 1998] Haberman, R., Elementary Applied Partial Dierential Equations, Pren-
tice Hall, Upper Saddle River, NJ, 1998.
57
Captulo 6
Ecuaciones Diferenciales. Una breve
introducci on
Una ecuacion diferencial es una ecuacion que involucra una funci on inc ognita y al-
gunas de sus derivadas. Si la inc ognita es una funci on de mas de una variable, entonces
la ecuacion se llama ecuaci on en derivadas parciales (EDP) pues las derivadas de la
inc ognita son derivadas parciales. Ejemplos de EDPs son las ecuaciones que aparecieron
en el captulo anterior cuando vimos las leyes de conservacion junto con las ecuaciones
constitutivas, y nuestro objetivo es resolver y comprender propiedades cuantitativas y
cualitativas de las soluciones de estas ecuaciones.
Cuando la funci on inc ognita depende solo de una variable, la ecuacion se llama ecua-
cion diferencial ordinaria (EDO). A continuaci on veremos un breve repaso de algunos
aspectos basicos de EDOs, que seran necesarios para resolver las EDPs, que son la parte
principal de este curso.
6.1. Ecuaciones diferenciales ordinarias de primer or-
den
Una EDO es de primer orden si en su formulacion aparece la derivada de la funci on
inc ognita, y tal vez la funci on inc ognita sin derivar, pero no aparecen derivadas de orden
superior a uno de la inc ognita.
6.1.1. EDOs de primer orden separables
Una EDO de primer orden se dice separable si puede escribirse de la siguiente manera:
f(y)
dy
dx
= g(x), (6.1)
donde y es la funci on inc ognita de la variable independiente x.
Son ejemplos de EDOs de primer orden separables las siguientes ecuaciones en la
funci on inc ognita y = y(x).
58
dy
dx
= 5 ;
dy
dx
= 3y (pues es equivalente a
1
y
dy
dx
= 3);
dy
dx
= xy (pues es equivalente a
1
y
dy
dx
= x);
dy
dx
y
2
= 0 (pues es equivalente a
1
y
2
dy
dx
= 1);
dy
dx
y = x.
Las ecuaciones separables pueden resolverse integrando (cuando es posible) a cada
lado con respecto a x. Integrando el lado izquierdo de (6.1) obtenemos
_
f(y)
dy
dx
dx =
_
f(y) dy = F(y) + C
1
,
donde F(y) es una antiderivada, o primitiva de f(y) (i.e., F

(y) = f(y)) y C
1
es una
constante arbitraria. El smbolo
_
f(y) dy representa la familia de todas las antiderivadas
de f(y) y como sabemos todas ellas dieren entre s en una constante. En este caso, F(y)
es una cualquiera de ellas, y todas se obtienen sumandole una constante.
Si G(x) denota una antiderivada cualquiera de g(x), integrando el lado derecho de (6.1)
obtenemos
F(y) + C
1
= G(x) +C
2
.
Llamando C a C
2
C
1
obtenemos
F(y) = G(x) + C,
y si pudieramos despejar y de F(y) obtendramos una formula para y(x). En otros casos,
la soluci on y queda implcita.
Veamos c omo resolver los ejemplos mencionados arriba:
dy
dx
= 5. Integrando obtenemos que
_
dy
dx
dx =
_
5 dx
_
dy =
_
5 dx
y +C
1
= 5x + C
2
.
Luego y(x) = 5x + C es la solucion general.
59
dy
dx
= 3y. Esta ecuacion es equivalente a
1
y
dy
dx
= 3. Integrando obtenemos que
_
1
y
dy
dx
dx =
_
3 dx
_
1
y
dy =
_
3 dx
ln [y[ + C
1
= 3x + C
2
,
por lo que ln [y[ = 3x + C o [y[ = e
C
e
3x
. La soluci on general es entonces
y(x) =

Ce
3x
.
Notar que en la ultima expresion hemos denotado con

C a e
C
; e
C
es siempre
positivo, pero y puede ser positiva, negativa o cero, aunque no cambia de signo. Es
decir, la soluci on de esta ecuacion puede ser:
positiva para todo x:

C > 0;
negativa para todo x:

C < 0;
constantemente cero (para todo x):

C = 0.
dy
dx
= xy. Notemos que esta ecuacion es equivalente a
1
y
dy
dx
= x, y luego
_
1
y
dy
dx
dx =
_
xdx
ln [y[ + C
1
=
x
2
2
+ C
2
,
por lo que ln [y[ =
x
2
2
+ C o [y[ = e
C
e
x
2
2
. La soluci on general es entonces
y(x) =

Ce
x
2
2
.
Notar que nuevamente hemos denotado con

C a e
C
.
dy
dx
y
2
= 0. Integrando la ecuacion equivalente
1
y
2
dy
dx
= 1, obtenemos
_
1
y
2
dy
dx
dx =
_
1 dx
_
1
y
2
dy =
_
1 dx

1
y
+ C
1
= x + C
2
,
y luego la soluci on general es y =
1
x + C
, que tiene dos ramas. Solo una de
esas ramas sera la soluci on que cumpla la condici on inicial, pues la otra rama
60
esta desconectada. Por ejemplo, si queremos encontrar la soluci on que cumple y(0) =
4, entonces la constante debe ser C =
1
4
y por lo tanto la soluci on es
y(x) =
1
x
1
4
=
4
1 4x
,
que solo esta denida para x ,=
1
4
. Pero la rama de la soluci on que cumple la
condicion inicial esta denida en
_
,
1
4
_
.
dy
dx
y = x. Integrando a ambos lados obtenemos
_
dy
dx
y dx =
_
xdx
_
y dy =
_
xdx
y
2
2
+C
1
=
x
2
2
+ C
2
,
es decir que y
2
+x
2
= C y la soluci on esta implcita. En este caso podemos despejar
y obtener que
y(x) =

C x
2
que solo existe en el intervalo

C x

C y para C > 0.
6.1.2. EDOs lineales de primer orden
Denici on 6.1. Una EDO de primer orden se dice lineal si puede escribirse de la siguiente
manera:
a(x)y

(x) +b(x)y(x) = c(x), (6.2)


donde y es la funci on inc ognita de la variable independiente x y a(x), b(x), c(x) son
funciones dadas.
Suponiendo a(x) ,= 0 en el intervalo de interes, podemos dividir por a(x) y obtenemos
la EDO lineal en forma est andar
y

(x) +p(x)y(x) = q(x). (6.3)


Una manera de resolver este tipo de ecuaciones es recurriendo a lo que se conoce
como factor integrante. La idea consiste en muliplicar ambos lados de (6.3) por una
misma funci on m(x) obteniendo
m(x)y

(x) + m(x)p(x)y(x) = m(x)q(x).


Pero m(x) debe elegirse de manera que el lado izquierdo m(x)y

(x) +m(x)p(x)y(x) sea la


derivada de un solo termino, que sera el producto de y(x) por otra funci on. Ahora bien,
_
m(x)y(x)
_

= m(x)y

(x) + m

(x)y(x)
61
y observamos que lograremos el objetivo deseado si se cumple que
m

(x) = m(x)p(x), o bien


1
m(x)
m

(x) = p(x).
Recordemos que p(x) es una funci on conocida, y que estamos tratando de hallar m(x).
Resulta entonces que esta es una ecuacion de primer orden separable para la inc ognita
m(x). Integrando a ambos lados obtenemos que
m(x) = C exp(P(x)),
con P(x) una primitiva de p(x). Como solo nos interesa hallar una funci on m(x) con
las propiedades dadas, tomamos C = 1, y multiplicamos (6.3) por el factor integrante
m(x) = exp(P(x)), obteniendo
m(x)y

(x) + m(x)p(x)y(x) = m(x)q(x)


exp(P(x))
. .
m(x)
y

(x) + exp(P(x))p(x)
. .
m

(x)
y(x) = exp(P(x))q(x)
_
m(x)y(x)
_

= m(x)q(x).
Por lo tanto,
m(x)y(x) =
_
m(x)q(x) dx + C
y(x) =
1
m(x)
__
m(x)q(x) dx +C
_
.
Lo importante no es recordar la formula nal, sino el procedimiento:
Para resolver
y

(x) + p(x)y(x) = q(x)


hay que elegir el factor integrante m(x) de manera que al multiplicar la ecuacion por
m(x) resulte que el termino de la izquierda sea igual a
_
m(x)y(x)

. Para ello, debe


ser
m

(x) = m(x)p(x).
Veamos unos ejemplos
Ejemplo 6.2. Hallar la soluci on general de (1+x
2
)y

+2 xy = 3 x
2
. Si prestamos suciente
atencion, observamos que 2x (que multiplica a y) es justamente la derivada con respecto
a x de (1 +x
2
) (que multiplica a y

. Por lo tanto, el miembro izquierdo de la ecuacion es


justamente
d
dx
_
(1 + x
2
)y

, y la ecuacion resulta entonces


_
(1 + x
2
)y

= 3 x
2
.
Integrando, obtenemos que (1 + x
2
)y = x
3
+ C, y la soluci on general resulta
y(x) =
x
3
+ C
1 + x
2
.
62
Ejemplo 6.3. Consideremos dos recipientes A y B que contienen un lquido viscoso y
se vacan a una tasa proporcional al volumen V , digamos V

(t) = kV (t), con k > 0


una constante dada. Supongamos que el volumen inicial de lquido del recipiente A es
V
0
A
, mientras que el recipiente B esta inicialmente vaco. Si el recipiente A comienza a
vaciarse hacia el recipiente B a tiempo t = 0, hallar el volumen V
B
(t) de lquido en el
recipiente B a tiempo t.
Por un lado, el volumen de lquido del recipiente A obedece la ecuacion V

A
(t) =
k V
A
(t) y por lo tanto V
A
(t) = Ce
kt
, y como el volumen inicial es V
A
(0) = V
0
A
tenemos
que
V
A
(t) = V
0
A
e
kt
.
Por otro lado, el volumen de lquido V
B
(t) del recipiente B decrece a tasa k V
B
(t), pero
a la vez aumenta a tasa kV
A
(t), es decir
V

B
(t) = k V
B
(t) + kV
A
(t).
Reemplazando lo que se sabe para V
A
(t) obtenemos la siguiente ecuacion para V
B
(t):
V

B
(t) + k V
B
(t) = k V
0
A
e
kt
.
Multipliquemos por el factor integrante m(t) para ver que debe satisfacer.
m(t)V

B
(t) + m(t)k V
B
(t) = m(t)k V
0
A
e
kt
.
Queremos que el miembro izquierdo de la ecuacion sea
_
m(t)V
B
(t)

y para ello debe ser


m

(t) = k m(t). Una soluci on no trivial de esta ecuacion es m(t) = e


kt
. As que la ecuacion
original ahora se transforma en
_
e
kt
V
B
(t)

= e
kt
k V
0
A
e
kt
,
que se simplica en
_
e
kt
V
B
(t)

= k V
0
A
,
es decir e
kt
V
B
(t) = k V
0
A
t + C, y entonces
V
B
(t) = k V
0
A
t e
kt
+C e
kt
.
Usando que V
B
(0) = 0 obtenemos que C = 0 y nalmente, el volumen del lquido en el
recipiente B a tiempo t es
V
B
(t) = k V
0
A
t e
kt
.
Ejemplo 6.4. Consideremos la situacion en que se posee un tanque A con 500 litros de
salmuera, con una concentraci on de 5 gramos de sal por litro. Este tanque A drena 20
litros de salmuera por minuto hacia el tanque B. A su vez, el tanque B, que inicialmente
contiene 100 litros de agua pura, drena 15 litros por minuto, se encuentra siempre bien
mezclado y no rebalsa. Cu anta sal hay, y cu al es la concentraci on en el tanque B despues
de 10 minutos?
Una manera conveniente de modelar este tipo de situaciones es denir la variable S(t)
como la cantidad de sal en el tanque B a tiempo t (en gramos).
63
La cantidad de sal que ingresa al tanque B por minuto es la misma cantidad de sal
que drena desde el tanque A:
20

min
5
g

= 100
g
min
.
Por otro lado, la cantidad de sal que sale del tanque B por minuto es igual a la cantidad
de salmuera que sale por minuto, por la concentraci on, es decir
15

min

S(t) g
V (t)
= 15
S(t)
V (t)
g
min
,
donde V (t) denota el volumen de salmuera en el tanque B, que facilmente vemos es
V (t) = 100 + (20 15)

min
t min = 100 + 5t .
Luego, el problema a valores iniciales (ecuacion diferencial m as condicion inicial) para
S(t) resulta:
S

(t) = 100
15
100 + 5t
S(t)
. .
ecuaci on diferencial
, S(0) = 0
. .
condicion inicial
.
La ecuacion diferencial es lineal de primer orden, que en forma estandar (y simplicando)
se lee
S

(t) +
3
20 + t
S(t) = 100.
El factor integrante debe cumplir m

(t) =
3
20 + t
m(t), de manera que
ln [m(t)[ =
_
3
20 + t
dt = 3 ln(20 + t) = ln(20 +t)
3
,
y entonces m(t) = (20+t)
3
. Multiplicando la ecuacion diferencial por este factor integrante
obtenemos
(20 + t)
3
S

(t) + 3 (20 + t)
2
S(t) = 100 (20 + t)
3
que es lo mismo que
_
(20 + t)
3
S(t)
_

= 100 (20 + t)
3
. Luego
(20 + t)
3
S(t) = 25 (20 + t)
4
+ C,
y la soluci on general de la ecuacion diferencial es S(t) = 25 (20 + t) +
C
(20 + t)
3
. Ahora
imponemos la condicion inicial S(0) = 0 que implica 500 +
C
20
3
= 0 o C = 4 10
6
,
obteniendo como soluci on del PVI a
S(t) = 25 (20 +t)
4 10
6
(20 + t)
3
.
Para saber la cantidad de sal en el recipiente B despues de 10 minutos, recordamos que
estamos midiendo el tiempo en minutos y la cantidad de sal en gramos, por lo que la
respuesta es
S(10) = 25 (20 + 10)
4 10
6
(20 + 10)
3
= 750
4000
27
601,85g.
La concentraci on despues de 10 minutos es
S(10)
V (10)

601,85
150
g

= 4,0123
g

.
64
6.2. EDOs lineales de 2do orden con coecientes cons-
tantes
Para resolver las EDP de los pr oximos captulos, necesitaremos manejar con uidez
la ecuacion homogenea de segundo orden con coecientes constantes:
a y

(x) + b y

(x) +c y(x) = 0, (6.4)


donde los coecientes a, b, c son constantes reales.
Antes de continuar, recordamos que
Teorema 6.5. Si y
1
(x) e y
2
(x) son soluciones linealmente independientes
1
de una EDO
lineal homogenea de segundo orden, entonces todas las soluciones de dicha ecuaci on pue-
den escribirse como
y(x) = C
1
y
1
(x) + C
2
y
2
(x)
eligiendo apropiadamente las constantes C
1
y C
2
. La formula anterior, que engloba a
todas las soluciones, se llama soluci on general de la ecuaci on.
Ademas, dado x
0
R y dos n umeros y
0
, y
1
, existe una unica solucion que satisface
y(x
0
) = y
0
, y

(x
0
) = y
1
.
Observemos ahora que:
Si a = b = c = 0 no hay ecuacion :-)
Si a = b = 0 y c ,= 0 la ecuacion es algebraica con soluci on y 0.
Si a = 0 y b ,= 0, la ecuacion es de primer orden con soluci on general y(x) = Ce

c
b
x
.
Si a ,= 0 la ecuacion es realmente de segundo orden, y procedemos a resolverla a
continuaci on.
De ahora en adelante suponemos a ,= 0. El metodo usual para resolver (6.4) consiste
en buscar soluciones de la forma y(x) = e
rx
con r constante. Para ello reemplazamos esta
formula en la ecuacion y vemos que tiene que satisfacer r. Observemos que
d
n
dx
n
e
rx
= r
n
e
rx
,
y por lo tanto y(x) = e
rx
sera soluci on de (6.4) si
a r
2
e
rx
+ b r e
rx
+ c e
rx
=
_
ar
2
+ br +c) e
rx
= 0 para todo x.
Luego r debe ser soluci on de la ecuacion cuadr atica a r
2
+ b r + c = 0. Esta ecuacion
(algebraica para la variable r) se conoce como ecuacion auxiliar para (6.4). Las soluciones
son
r
1,2
=
b

b
2
4ac
2a
.
Si denimos d = b
2
4ac, podemos distinguir tres casos.
1
Dos funciones son linealmente independientes cuando no es cierto que una es un m ultiplo (constante)
de la otra.
65
Caso 1: d > 0. En este caso hay dos races reales distintas:
r
1
=
b +

d
2a
, r
2
=
b

d
2a
.
Hemos encontrado entonces dos soluciones linealmente independientes
y
1
(x) = e
r
1
x
, y
2
(x) = e
r
2
x
,
y la soluci on general de (6.4) es
d = b
2
4ac > 0 = y(x) = C
1
e
r
1
x
+ C
2
e
r
2
x
, con r
1
=
b +

d
2a
, r
2
=
b

d
2a
.
Caso 2: d = 0. En este caso, la ecuacion cuadr atica tiene una sola raz r =
b
2a
de
multiplicidad doble, que nos provee solo una soluci on y
1
(x) = e
rx
. Podemos vericar que
otra soluci on linealmente independiente a esta primera es y
2
(x) = xe
rx
. Luego, la soluci on
general de (6.4) es
d = b
2
4ac = 0 = y(x) = C
1
e
rx
+ C
2
xe
rx
, con r =
b
2a
.
Caso 3: d < 0. En este caso, las races son complejas:
r
1
=
b + i
_
[d[
2a
, r
2
=
b i
_
[d[
2a
,
donde i es la unidad imaginaria, que satisface i
2
= 1. Si llamamos =
b
2a
y =

|d|
2a
,
entonces
r
1
= + i, r
2
= i,
y la soluci on general resulta (a valores complejos)
y(x) = C
1
e
(+i)x
+ C
2
e
(i)x
= e
x
_
C
1
e
ix
+ C
2
e
ix

.
Recordando que e
ix
= cos x i sen x, vemos que
y(x) = e
x
_
C
1
(cos x + i sen x) + C
2
(cos x i sen x)

= e
x
_
(C
1
+ C
2
)
. .

C
1
cos x + i(C
1
C
2
)
. .

C
2
sen x

.
Luego, la soluci on general de (6.4) es
d = b
2
4ac < 0 = y(x) = e
x
_
C
1
cos x + C
2
sen x

, con =
b
2a
, =
_
[d[
2a
.
66
Ejemplo 6.6. Hallar la soluci on general de y

+ y

= 0. Proponemos una soluci on de la


forma y(x) = e
rx
, que satisface y

(x) = r
2
e
rx
, entonces
y

+ y

= 0
_
r
2
+ r
_
e
rx
= 0,
La ecuacion auxiliar es entonces r
2
+ r = 0 que puede factorizarse como r(r + 1) = 0 y
se ve facilmente que tiene dos soluciones diferentes r = 0, 1. Por lo tanto la soluci on
general es
y(x) = C
1
+C
2
e
x
.
Ejemplo 6.7. Hallar la soluci on general de y

4y = 0. La ecuacion auxiliar es
r
2
4 = 0, con races r = 2.
La soluci on general es entonces
y(x) = C
1
e
2x
+C
2
e
2x
.
Ejemplo 6.8. Hallar la soluci on general de y

+ 4y = 0. La ecuacion auxiliar es
r
2
+ 4 = 0, con races r = 2i.
La soluci on general es entonces
y(x) = C
1
cos(2x) + C
2
sen(2x).
6.3. Sistemas especiales de EDOs
Ocasionalmente nos encontraremos con un sistema de EDOs lineales de esta forma:
x

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


y

(t) = c x(t) + d y(t),


con a, b, c, d constantes dadas y x(t), y(t) las funciones inc ognita. Necesitaremos resolver
este sistema con valores iniciales dados x(0), y(0).
Si b = 0 entonces podemos resolver primero para x(t) y obtener x(t) = x(0)e
at
,
luego reemplazar esta expresion en la segunda ecuacion y resolverla utilizando un factor
integrante adecuado.
Si d = 0 podemos hacer lo mismo, resolviendo primero para y(t) y luego para x(t).
Si b ,= 0 y d ,= 0 entonces se dice que las ecuaciones estan acopladas. En ese caso,
derivamos la primera ecuacion y obtenemos
x

(t) = a x

(t) + b y

(t)
= a x

(t) + b
_
c x(t) + d y(t),

= a x

(t) + b
_
c x(t) + d
1
b
_
x

(t) ax(t)
_
= (a + d)x

(t) + (bc ad)x(t).


Luego x(t) es soluci on de la siguiente EDO lineal de 2do orden
x

(t) (a +d)x

(t) (bc ad)x(t) = 0


que ya sabemos resolver. Una vez hallada x(t) usamos la identidad y(t) =
1
b
_
x

(t)ax(t)
_
para tener una expresion de y(t).
67
Ejemplo 6.9. Resolver
x

(t) = 3 x(t) 4 y(t) x(0) = 1


y

(t) = x(t) y(t) y(0) = 1.


Derivamos la primera ecuacion y obtenemos
x

(t) = 3 x

(t) 4y

(t).
Usamos la segunda ecuacion para reemplazar y

(t) obteniendo
x

(t) = 3 x

(t) 4 x(t) + 4 y(t).


Ahora despejamos y(t) de la primera ecuacion
y(t) =
1
4
x

(t) +
3
4
x(t), (6.5)
y lo reemplazamos, obteniendo
x

(t) = 3 x

(t) 4 x(t) x

(t) + 3x(t),
que resulta
x

(t) 2x

(t) + x(t) = 0.
Proponiendo x(t) = e
rt
deducimos que r
2
2r + 1 = 0, es decir r = 1 es una raz doble,
por lo que la soluci on general es
x(t) = C
1
e
t
+C
2
te
t
.
Utilizando la condicion inicial para x, x(0) = 1 obtenemos que C
1
= 1 y por lo tanto
x(t) = e
t
+ C
2
te
t
.
De (6.5)
y(t) =
1
4
_
e
t
+C
2
e
t
+ C
2
te
t
_
+
3
4
_
e
t
+ C
2
te
t
_
=
_

1
4

1
4
C
2
+
3
4

1
4
C
2
t +
3
4
C
2
t
_
e
t
=
_
1
2

1
4
C
2
+
1
2
C
2
t
_
e
t
.
Forzando la condicion inicial y(0) = 1 obtenemos que C
2
= 2. Finalmente la soluci on
resulta
x(t) = (1 2t)e
t
y(t) = (1 t)e
t
.
68
6.4. Generalidades sobre Ecuaciones en Derivadas Par-
ciales
Dada una funci on u = u(x, y, z, . . . ) de varias variables independientes x, y, z, . . . ,
utilizaremos la siguiente notacion conveniente:
u
x
=
u
x
, u
y
=
u
y
, u
z
=
u
z
, . . . ,
u
xx
=

2
u
x
2
, u
yx
=

2
u
xy
, u
xy
=

2
u
yx
, . . . .
El orden de una derivada parcial es entonces la cantidad de subndices: uno en la primera
lnea de los ejemplos anteriores y dos en la segunda.
Repasemos algunas deniciones
Se dice que una funci on u es C
0
cuando es continua. Dado un entero positivo k, se
dice que una funci on es C
k
si toda derivada parcial de orden menor o igual a k existe
y es continua.
Por ejemplo, si u = u(x, y, z) es una funci on de tres variables, entonces u C
2
si u,
u
x
, u
y
, u
z
, u
xx
, u
xy
, u
xz
, u
yx
, u
yy
, u
yz
, u
zx
, u
zy
, u
zz
son continuas. Vemos aqu que u C
2
implica u C
1
pues u C
1
cuando u, u
x
, u
y
, u
z
son continuas.
Vemos entonces que en general, u C
k
implica que u C
k1
.
Es tambien sabido que si u C
2
entonces u
xy
= u
yx
, u
yz
= u
zy
, etc. Decimos en
general que si u C
k
, las derivadas parciales de orden menor o igual a k conmutan.
Denici on 6.10. Dado un entero positivo k, una ecuacion en derivadas parciales (EDP)
de orden k es una ecuacion que involucra una funci on inc ognita u, tal que k es el mayor
orden de derivada parcial que aparece en la ecuacion.
Ejemplo 6.11. Veamos un par de ejemplos:
La ecuacion del calor
u
t
= ku
xx
u = u(x, t)
es una ecuacion de orden dos.
La ecuacion de transporte
au
x
+bu
y
= f u = u(x, y)
es una ecuacion de orden uno, o de primer orden.
En general, una EDP esta denida sobre un dominio D que es la region de interes
donde las variables estan denidas. Por ejemplo, la ecuacion del calor unidimensional que
modela el ujo de calor en una barra de longitud L se presenta usualmente as:
u
t
= ku
xx
0 < x < L, t > 0.
El dominio donde esta planteada la ecuacion es D = (x, t) : 0 < x < L, t > 0. Este
dominio es un rectangulo espacio-temporal semi-innito.
69
Denici on 6.12. Una funci on u es una soluci on de una EDP de orden k en el dominio
D si es una funci on C
k
en la region D y la EDP se satisface en todos los puntos interiores
a D.
Ejemplo 6.13. La funci on u(x, t) = sen(x)e
t
es soluci on de la ecuacion de difusi on
u
t
= u
xx
en D = (x, t) : 0 < x < 1, t > 0.
En efecto, u
t
= sen(x)e
t
, u
x
= cos(x)e
t
, u
xx
= sen(x)e
t
, luego u
t
= u
xx
para todo
x y para todo t, en particular para (x, t) D.
6.4.1. EDPs lineales y el principio de superposicion
Una EDP es lineal cuando puede escribirse de la siguiente manera:
El lado izquierdo es una combinacion lineal de la funci on inc ognita y sus
derivadas parciales, con coecientes que pueden depender de las variables
independientes, pero no de la funci on inc ognica. El lado derecho es alguna
funci on f que no depende de la inc ognita. Si f 0 la EDP lineal se dice
homogenea.
Ejemplo 6.14. Las siguientes son ecuaciones lineales en la inc ognita u:
u
t
= ku
xx
, pues puede escribirse como u
t
ku
xx
= 0.
3xu
x
+ (x +y)u
y
= e
x
.

2
u + (x
2
+y
2
+ z
2
)u = e
x
2
La parte de la ecuacion que involucra a la funci on inc ognita u y sus derivadas se
denomina operador diferencial aplicado a u, y en este curso lo denotaremos con la letra
/. As, en los ejemplos anteriores
El operador es La ecuacion se escribe como
/[u] = u
t
ku
xx
/[u] = 0
/[u] = 3xu
x
+ (x + y)u
y
/[u] = e
x
/[u] =
2
u + (x
2
+ y
2
+ z
2
)u /[u] = e
x
2
Ejemplo 6.15. Las siguientes ecuaciones no son lineales en la inc ognita u
uu
x
+ u
y
= 1
u
xx
+ u
y
= u
2
70
Cuando la ecuacion involucrada es lineal, el operador diferencial / es lineal, es decir:
/[c
1
u
1
+ c
2
u
2
] = c
1
/[u
1
] + c
2
/[u
2
]
cualesquiera sean las constantes c
1
, c
2
y las funciones suaves u
1
, u
2
.
Principio de superposici on. Si / es un operador diferencial lineal y u
1
, u
2
son
soluciones de
/[u
1
] = f
1
/[u
2
] = f
2
entonces, cualesquiera sean las constantes c
1
, c
2
,
u = c
1
u
1
+ c
2
u
2
es soluci on de
/[u] = c
1
f
1
+ c
2
f
2
.
En particular, tomando f
1
= f
2
= 0 obtenemos que si u
1
, u
2
son soluciones del
problema homogeneo,
/[u
1
] = 0 /[u
2
] = 0
entonces u = c
1
u
1
+ c
2
u
2
es soluci on de /[u] = 0.
6.5. Ejercicios
6.1. La ley de Torricelly dice que (bajo ciertas circunstancias ideales) un recipiente
cilndrico perdera uido por un agujero en la base, a una tasa proporcional a la raz
cuadrada de la altura de la supercie del uido. Supongamos que un contenedor cilndri-
co esta inicialmente lleno a una altura de 25cm. Si le lleva un minuto perder tres cuartos
del total. Cu anto le llevar a perder el total del uido?
6.2. Resolver las siguientes ecuaciones lineales de primer orden, sujetas a las condiciones
iniciales indicadas
(a) y

(x) + 2y(x) = e
x
, y(0) = 1, (b) x

(t) + x(t) cos(t) = 0, x() = 100.


6.3. Hallar la soluci on general y(x) de las siguientes EDO homogeneas de segundo orden
(a) y

= 0 (d) y

+ 5y

+ 4y = 0
(b) y

+ 36y = 0 (e) y

+ 4y

+
25
4
y = 0
(c) y

36y = 0
6.4. Hallar la soluci on particular que cumple las condiciones dadas:
(a) y

= 0, y(0) = 1, y

(0) = 0
(b) y

+ 36y = 0, y(0) = 0, y

(0) = 1
(c) y

36y = 0, y(0) = 1, y

(0) = 1
(d) y

+ 5y

+ 4y = 0, y(0) = 1, y

(0) = 0
71
(e) y

+ 4y

+
25
4
y = 0, y(0) = 0, y

(0) = 1
6.5. Hallar la soluci on particular que cumple las condiciones (homogeneas) dadas:
(a) y

= 0, y(0) = 0, y

(0) = 0
(b) y

+ 36y = 0, y(0) = 0, y

(0) = 0
(c) y

36y = 0, y(0) = 0, y

(0) = 0
(d) y

+ 5y

+ 4y = 0, y(0) = 0, y

(0) = 0
(e) y

+ 4y

+
25
4
y = 0, y(0) = 0, y

(0) = 0
6.6. Hallar todas las soluciones que cumplen las condiciones dadas:
(a) y

= 0, y(0) = 0, y() = 0
(b) y

+ 36y = 0, y(0) = 0, y() = 0


(c) y

36y = 0, y(0) = 0, y() = 0


(d) y

+ 5y

+ 4y = 0, y(0) = 0, y() = 0
(e) y

+ 4y

+
25
4
y = 0, y(0) = 0, y() = 0
6.7. Resolver el siguiente sistema de ecuaciones diferenciales ordinarias
x

(t) = x(t) 4y(t) x(0) = 1


y

(t) = x(t) + y(t) y(0) = 1


6.8. Para x R se denen el seno y coseno hiperb olico de la siguiente manera
senh(x) =
e
x
e
x
2
cosh(x) =
e
x
+ e
x
2
(a) Gracar ambas funciones y determinar el valor de cosh(0), senh(0), cosh

(0) y senh

(0).
(b) Determinar todos los valores de x para los que cosh(x) = 0, y tambien aquellos para
los que senh(x) = 0.
(c) Vericar que cosh
2
(x) senh
2
(x) = 1 para todo x R.
(d) Mostrar que
d
dx
senh(x) = cosh(x) y que
d
dx
cosh(x) = senh(x).
(e) Mostrar que dado un par de n umeros A, B, existe un par de n umeros

A,

B tal que
Ae
x
+ Be
x
=

A cosh(x) +

B senh(x), para todo x R.
(f ) Mostrar que si > 0 entonces toda soluci on de y

y = 0 se puede escribir

Acosh
_

x
_
+

Bsenh
_

x
_
72
(g) Mostrar que si H R esta dado (jo), y > 0 entonces toda soluci on de y

y = 0
se puede escribir
y(x) =

Acosh
_

(x H)
_
+

Bsenh
_

(x H)
_
6.9. Dado > 0 jo, hallar todas las soluciones de y

y = 0 que cumplan
(a) y(0) = 0 (b) y

(0) = 0 (c) y(3) = 0 (d) y

(3) = 0
Ayuda: usar el ejercicio anterior para hallar la formula m as sencilla posible.
6.10. Mostrar que para los siguientes operadores / se cumple que
/[c
1
u
1
+c
2
u
2
] = c
1
/[u
1
] + c
2
/[u
2
]
para todo par de constantes c
1
, c
2
y funciones suaves u
1
, u
2
.
(a) /[u] = u
t
ku
xx
, u = u(x, t)
(b) /[u] = u
xx
+u
yy
+ u
zz
, u = u(x, y, z)
(c) /[u] = (3 + 2x)u
xx
+ u
yy
, u = u(x, y)
(d) /[u] = u
tt

_
e
x
2
u
x
_
x
, u = u(x, t)
Bibliografa complementaria
[Bleecker-Csordas] Bleecker, D., Csordas, G., Basic Partial Dierential Equations, Inter-
national Press, Cambridge, Massachusetts, 1996.
[Edwards-Penney] Edwards, C.H. Jr., David E. Penney, Ecuaciones diferenciales elemen-
tales.
73
Captulo 7
EDPs de primer orden
En este captulo nos dedicaremos a estudiar EDPs de primer orden. Veremos c omo se
resuelven las lineales, y haremos algunas consideraciones sobre la existencia y unicidad
de soluciones.
7.1. EDPs de primer orden con coecientes constan-
tes
Tal vez la EDP m as simple es la lineal de primer orden con coecientes constantes:
a u
x
+ b u
y
+ c u = f(x, y), u = u(x, y), (7.1)
donde a, b, c son constantes dadas tales que a
2
+ b
2
,= 0
1
y f(x, y) es una funci on dada.
Como es usual, no se escriben las variables independientes de la funci on inc ognita u. La
expresion u = u(x, y) a la derecha indica que la funci on u depende de dos variables x e y
y no m as.
Como la ecuacion es de primer orden, buscamos soluciones u = u(x, y) que sean C
1
,
y para que esto sea posible, f(x, y) debe ser continua.
Primer caso: Consideramos el caso sencillo en que b = 0 (por lo tanto a ,= 0) y la
ecuacion es
a u
x
(x, y) + c u(x, y) = f(x, y), u = u(x, y).
Si bien es una ecuacion en derivadas parciales, solo aparece una derivada con respecto a
x y ninguna con respecto a y. Si interpretamos a y como un par ametro esta ecuacion en
realidad resulta una familia de ecuaciones diferenciales ordinarias: una para cada y jo,
que se reescribe as:
u
x
(x, y) +
c
a
u(x, y) =
1
a
f(x, y), u = u(x, y).
El factor integrante de esta ecuacion es m(x) = e
c
a
x
, que multiplicandolo a la ecuacion
da

x
_
e
c
a
x
u(x, y)
_
=
1
a
e
c
a
x
f(x, y).
1
a
2
+b
2
,= 0 quiere decir que a y b no son ambos iguales a cero.
74
Integrando (con respecto a x) obtenemos
e
c
a
x
u(x, y) =
_
1
a
e
c
a
x
f(x, y) dx + C(y),
donde es importante notar que la constante puede ser diferente para cada y, y por eso
escribimos C(y) en lugar de C. La soluci on general entonces resulta
u(x, y) = e

c
a
x
__
1
a
e
c
a
x
f(x, y) dx + C(y)
_
.
Como buscamos soluciones C
1
, pedimos que la funcion C(y) sea C
1
.
El desarrollo realizado hasta aqu debe usarse para comprender el procedimiento, pero
no es aconsejable recordar la formula de la soluci on.
El caso a = 0 (b ,= 0) es similar. Resolvamos directamente un ejemplo:
Ejemplo 7.1. Hallar la soluci on general de
3u
y
2u = x +y, u = u(x, y). (7.2)
Dividimos por 3 y obtenemos la ecuacion u
y

2
3
u =
x +y
3
. Multiplicamos por el factor
integrante m(y) = e

2
3
y
y obtenemos

y
_
e

2
3
y
u(x, y)
_
= e

2
3
y
x + y
3
.
Integrando con respecto a y obtenemos
e

2
3
y
u(x, y) =
x
2
e

2
3
y

_
y
2
+
3
4
_
e

2
3
y
+ C(x),
y multiplicando por e
2
3
y
obtenemos la soluci on general
u(x, y) =
x
2

_
y
2
+
3
4
_
+ C(x) e
2
3
y
=
x +y
2

3
4
+ C(x) e
2
3
y
.
Esto quiere decir que reemplazando C(x) por cualquier funci on C
1
de la variable x obte-
nemos una soluci on de (7.2). As, todas las siguientes son soluciones:
u(x, y) C(x)

x + y
2

3
4
+
x
2
8
e
2
3
y
x
2
8

x +y
2

3
4
+ cos(x) e
2
3
y
cos(x)

x + y
2

3
4
2e
2
3
(x+y)
2e
2
3
x

x + y
2

3
4
+ e
2
3
y
1
75
Est a claro que estas no son todas las soluciones, pues hay innitas. . .
Pasemos ahora al caso m as general en que a ,= 0 ,= b (esto quiere decir que a ,= 0 y
que b ,= 0, es decir, ninguna de las dos constantes es nula). La clave para resolver este
problema es ver que la parte de la ecuacion (7.1) que involucra a las derivadas es:
a u
x
+ b u
y
= u (ai +bj)
es decir, el producto escalar entre el gradiente de u y el vector (a, b). Por lo tanto, a u
x
+b u
y
es una derivada direccional en la direcci on ai +bj, y la ecuacion es entonces una EDO a
lo largo de estas direcciones.
La idea es ahora introducir un cambio de variables de manera que una variable sea
constante a lo largo de las rectas paralelas al vector ai +bj. Estas rectas se llaman rectas
caractersticas y son las de ecuacion
y =
b
a
x + d
o tambien
bx ay = const.
b
x

a
y
=
0
b
x

a
y
=

1
b
x

a
y
=
1
b
x

a
y
=
2
a
i
+
b
j
Usaremos w, z para las nuevas variables. Elegimos w de manera que las caractersticas
sean las rectas w = constante. Elegimos la otra variable z de alguna manera sencilla, pero
que no sea un m ultiplo de w. Por ejemplo
_
w = bx ay
z = y

_
_
_
x =
w +az
b
y = z
Denimos entonces una nueva funci on v = v(w, z) que coincida con u = u(x, y) en
cada punto. Es decir
v(w, z) = u(x, y) = u(
w + az
b
, z) o bien u(x, y) = v(w, z) = v(bx ay, y)
Veamos que EDP satisface v(w, z):
u
x
= v
w
w
x
+v
z
z
x
u
x
= v
w
b + v
z
0
a u
x
= a b v
w
y
u
y
= v
w
w
y
+ v
z
z
y
u
y
= v
w
(a) +v
z
1
b u
y
= a b v
w
+ b v
z
.
Luego la parte principal de la ecuacion (7.1) resulta:
a u
x
+ b u
y
= bv
z
76
y reemplazando en (7.1), vemos que v(w, z) debe ser soluci on de
bv
z
+ cv = g(w, z)
donde g(w, z) = f(
w+az
b
, z). Esta ecuacion es ahora de las sencillas en que aparece una
sola derivada parcial.
Nuevamente, no es bueno recordar esta forma nal de la nueva ecuacion, sino el
procedimiento, que consiste en hacer el cambio de variables adecuado. Veamos un ejemplo
concreto.
Ejemplo 7.2. Hallar la soluci on general de
3u
x
2u
y
+ u = x, u = u(x, y). (7.3)
Las caractersticas son las rectas de pendiente
2
3
, es decir las de ecuacion y =
2
3
x +d,
o tambien
2x + 3y = constante.
Luego hacemos el cambio de variables
_
w = 2x + 3y
z = y

_
_
_
x =
w 3z
2
y = z
Identicando u(x, y) = v(w, z), veamos que EDP satisface v(w, z):
u
x
= v
w
w
x
+ v
z
z
x
u
x
= v
w
2 + v
z
0
3 u
x
= 6 v
w
y
u
y
= v
w
w
y
+ v
z
z
y
u
y
= v
w
3 + v
z
1
2u
y
= 6v
w
+ 2 v
z
.
Por lo tanto 3u
x
2u
y
= 2v
z
. As, la ecuacion (7.3) se transforma en 2v
z
+v =
w 3z
2
,
que es equivalente a
v
z

1
2
v =
w 3z
4
.
El factor integrante es m(z) = e

z
2
que multiplicandolo nos da

z
_
e

z
2
v
_
=
w 3z
4
e

z
2
.
Integrando obtenemos
e

z
2
v =
w
2
e

z
2

3
2
(2 +z)e

z
2
+ C(w),
y nalmente, multiplicando por e
z
2
, resulta
v =
w
2

3
2
(2 + z) + C(w)e
z
2
.
Reemplazando w, z por sus equivalentes en terminos de x, y obtenemos
u(x, y) =
2x + 3y
2

3
2
(2 +y) + C(2x + 3y)e
y
2
77
y simplicando llegamos a que la soluci on general es
u(x, y) = x 3 + C(2x + 3y)e
y
2
. (7.4)
Es importante mencionar aqu que C(2x+3y) indica cualquier funci on C
1
de una variable,
aplicada a la expresion (2x + 3y) como un bloque indivisible. Por ejemplo
C(w) u(x, y)
w
3
x 3 + (2x + 3y)
3
e
y
2
2 + sen(w) x 3 + (2 + sen(2x + 3y)) e
y
2
1
1 + w
2
x 3 +
e
y
2
1 + (2x + 3y)
2
log(10 + w
4
) x 3 + log(10 + (2x + 3y)
4
)e
y
2
Observaci on 7.3. Vemos que el problema tiene innitas soluciones. Si tomamos C 0
tenemos la soluci on particular u
p
(x, y) = x3, que es una soluci on de 3u
x
2u
y
+u = x.
La otra parte de la soluci on general, u
h
(x, y) = C(2x + 3y)e
y
2
es la familia de todas las
soluciones del problema homogeneo 3u
x
2u
y
+ u = 0.
Ejemplo 7.4. Que habra ocurrido en el ejemplo anterior si en lugar de denir z = y
hubieramos intentado z = x? Veamos. Hacemos el cambio de variables
_
w = 2x + 3y
z = x

_
_
_
x = z
y =
w 2z
3
.
Identicando u(x, y) = v(w, z), veamos que EDP satisface v(w, z):
u
x
= v
w
w
x
+ v
z
z
x
u
x
= v
w
2 + v
z
1
3 u
x
= 6 v
w
+ 3v
z
y
u
y
= v
w
w
y
+ v
z
z
y
u
y
= v
w
3 + v
z
0
2u
y
= 6v
w
.
Por lo tanto 3u
x
2u
y
= 3v
z
. As, la ecuacion (7.3) se transforma en 3v
z
+v = z, que es
equivalente a
v
z
+
1
3
v =
z
3
.
Multiplicamos por el factor integrante m(z) = e
z
3
y obtenemos

z
_
e
z
3
v
_
=
z
3
e
z
3
.
Integrando con respecto a z nos queda e
z
3
v = (z 3)e
z
3
+ G(w), o lo que es lo mismo
v(z, w) = z 3 + G(w)e

z
3
.
78
Reemplazando w, z por sus equivalentes en terminos de x, y obtenemos la soluci on general
u(x, y) = x 3 + G(2x + 3y)e

x
3
.
Esta soluci on es aparentemente diferente de la obtenida anteriormente para el mismo pro-
blema (ver (7.4)), pero notemos que reemplazando C(w) = e

w
6
G(w), en (7.2) obtenemos
u(x, y) = x 3 + e

2x+3y
6
G(2x + 3y)e
y
2
= x 3 + G(2x + 3y)e

x
3
,
que es la formula recien obtenida.
Conclusiones:
Uno puede tener soluciones generales aparentemente diferentes pero que en realidad
son la misma familia de soluciones.
La elecci on de la variable z puede hacerse convenientemente a n de simplicar las
cuentas. En el ejemplo anterior usar z = x en lugar de z = y ayuda un poco.
7.1.1. Condici on lateral
En muchas ocasiones, uno esta interesado en encontrar soluciones que cumplen alguna
condici on lateral. Para la ecuacion (7.1) una condicion apropiada puede ser que u(x, y)
tome ciertos valores especcos en los puntos que estan sobre una lnea recta o curva.
Ejemplos de tales condiciones son:
u(x, 0) = g(x), x R se indica el valor de u sobre el eje x.
u(0, y) = g(y), x R se indica el valor de u sobre el eje y.
u(x, 3) = g(x), x R se indica el valor de u sobre la recta y = 3.
u(x, x) = g(x), x R se indica el valor de u sobre la recta y = x.
u(e
s
, s) = g(s), x R se indica el valor de u sobre la gr aca de x = e
y
.
u(5x, x + 1) = g(x), x R se indica el valor de u sobre la recta y =
x
5
+ 1.
Veamos un ejemplo:
Ejemplo 7.5. Hallar la soluci on de
u
x
u
y
+ 2u = 1, u = u(x, y), u(x, 0) = x
2
, x R.
El primer paso consiste en hallar la soluci on general de la ecuacion diferencial, ignorando
por un momento la condicion lateral u(x, 0) = x
2
. Identicamos las caractersticas como
las rectas de ecuacion y = x + d o las de ecuacion x + y = const. Luego hacemos el
cambio de variables
_
w = x + y
z = y

_
x = w z
y = z.
79
Identicando u(x, y) = v(w, z), veamos que EDP satisface v(w, z):
u
x
= v
w
w
x
+v
z
z
x
u
x
= v
w
1 + v
z
0
u
x
= v
w
y
u
y
= v
w
w
y
+ v
z
z
y
u
y
= v
w
1 + v
z
1
u
y
= v
w
+ v
z
.
Por lo tanto u
x
u
y
= v
z
. As, la ecuacion diferencial se transforma en v
z
+ 2v = 1,
que es equivalente a v
z
2v = 1. Multiplicamos por el factor integrante m(z) = e
2z
y
obtenemos

z
_
e
2z
v
_
= e
2z
.
Integrando con respecto a z nos queda e
2z
v =
1
2
e
2z
+ C(w), o lo que es lo mismo,
v =
1
2
+C(w)e
2z
. Reemplazando w y z por sus equivalentes en terminos de x e y obtenemos
la soluci on general
u(x, y) =
1
2
+ C(x + y)e
2y
.
Una vez hallada la soluci on general imponemos la condicion lateral u(x, 0) = x
2
para
todo x R. Esto implica
x
2
= u(x, 0) =
1
2
+ C(x), x R,
es decir C(x) = x
2

1
2
. Luego, la soluci on es
u(x, y) =
1
2
+
_
(x + y)
2

1
2
_
. .
C(x+y)
e
2y
.
Veamos otro ejemplo:
Ejemplo 7.6. Hallar la soluci on de
u
x
+ 2u
y
4u = e
x+y
, u = u(x, y), u(x, 4x + 2) = 0, x R.
Nuevamente, el primer paso consiste en hallar la soluci on general. Las caractersticas son
las rectas de pendiente 2, es decir las rectas de la forma y 2x = const. Viendo que en el
lado derecho de la ecuacion aparece e
x+y
elegimos las variables auxiliares de la siguiente
manera:
_
w = y 2x
z = x + y

_

_
x =
z w
3
y =
2z + w
3
Identicando u(x, y) = v(w, z), veamos que EDP satisface v(w, z):
u
x
= v
w
w
x
+ v
z
z
x
u
x
= v
w
(2) + v
z
1
u
x
= 2 v
w
+v
z
y
u
y
= v
w
w
y
+ v
z
z
y
u
y
= v
w
1 +v
z
1
u
y
= v
w
+ v
z
.
80
Por lo tanto u
x
+ 2 u
y
= 3v
z
. As, la ecuacion diferencial se transforma en 3v
z
4v = e
z
,
que es equivalente a v
z

4
3
v =
e
z
3
. Multiplicamos por el factor integrante m(z) = e

4
3
z
y
obtenemos

z
_
e

4
3
z
v
_
=
e

z
3
3
.
Integrando nos queda e

4
3
z
v = e

z
3
+ C(w), o lo que es lo mismo v = e
z
+ C(w)e
4
3
z
.
Reemplazando w y z por sus equivalentes en terminos de x e y obtenemos la soluci on
general
u(x, y) = e
x+y
+C(y 2x)e
4
3
(x+y)
. (7.5)
Una vez hallada la soluci on general imponemos la condicion lateral u(x, 4x +2) = 0 para
todo x R. Esto implica
0 = u(x, 4x + 2) = e
x+4x+2
+C(4x + 2 2x)e
4
3
(x+4x+2)
, x R,
es decir C(2x + 2) = e
(5x+2)
4
3
(5x+2)
= e

5x+2
3
, x R. Tenemos entonces que denir la
funci on C(r) (usamos una variable generica r) de manera que
C(2x + 2) = e

5x+2
3
. (7.6)
C omo hacemos esto? Denimos r = 2x + 2 (lo que esta como argumento de C), y
despejamos x, es decir x =
r2
2
. Luego reemplazamos esta expresion en todos los lugares
en que aparece x en la igualdad (7.6), es decir:
C(2x + 2) = C(2
r 2
2
+ 2) = C(r) = e

5x+2
3
= e

5
r2
2
+2
3
= e

5
6
r+1
.
Es decir, C(r) = e

5
6
r+1
. La soluci on buscada se obtiene entonces utilizando esta denicion
de C(r) en (7.5). Es decir
u(x, y) = e
x+y
+ C(y 2x)e
4
3
(x+y)
= e
x+y
+ e

5
6
(y2x)+1
e
4
3
(x+y)
= e
x+y
+ e
y
2
+3x+1
.
Hasta ahora no nos hemos encontrado con grandes dicultades, veamos un par de
ejemplos m as.
Ejemplo 7.7. Hallar la soluci on de
u
x
+ 2u
y
4u = e
x+y
, u = u(x, y) u(x, 2x 1) = 0, x R.
Vemos que la ecuacion diferencial es la misma, as que la soluci on general es
u(x, y) = e
x+y
+C(y 2x)e
4
3
(x+y)
.
Cuando intentamos imponer la condicion lateral u(x, 2x 1) = 0, obtenemos
0 = u(x, 2x 1) = e
x+2x1
+C(2x 1 2x)e
4
3
(x+2x1)
= e
3x1
+C(1)e
4
3
(3x1)
,
x R,
81
es decir
C(1) = e

3x1
3
, x R.
Aqu vemos que estamos pidiendo a la funci on C(r) que en r = 1 tome diferentes valores
dependiendo de x. Esto es imposible, por lo que el problema plantedo no tiene soluci on.
La dicultad radica en que la condicion lateral esta dada sobre una caracterstica, la recta
y = 2x 1 que tiene pendiente 2.
Nos preguntamos por que tenemos dicultades cuando la condicion lateral esta dada
sobre una caracterstica. La explicacion es la siguiente. La EDP resulta una EDO a lo largo
de las caractersticas, y por eso el valor de la soluci on a lo largo de ellas esta determinado
por el valor en un solo punto. Como la condicion lateral no cumple la EDO sobre la
caracterstica, el problema no tiene soluci on.
Veamos un ultimo ejemplo:
Ejemplo 7.8. Hallar la soluci on de
u
x
+ 2u
y
4u = e
x+y
, u = u(x, y) u(x, 2x) = e
3x
+ e
4x
, x R.
Vemos que la ecuacion diferencial es la misma, y como ya no somos tan inocentes tambien
detectamos que la condicion lateral esta dada sobre una caracterstica, la recta y = 2x.
Recordamos que la soluci on general es
u(x, y) = e
x+y
+C(y 2x)e
4
3
(x+y)
,
e intentamos imponer la condicion lateral u(x, 2x) = e
3x
+ e
4x
:
e
3x
+ e
4x
= u(x, 2x) = e
x+2x
+ C(2x 2x)e
4
3
(x+2x)
= e
3x
+ C(0)e
4x
,
x R,
es decir
C(0) = 1, x R.
Aqu vemos que estamos pidiendo a la funci on C(r) que en r = 0 tome el valor 1. Esto
s es posible, por lo que el problema plantedo tiene soluci on. Lo extra no aqu es que
existen innitas funciones C(r) que valen 1 en r = 0. Por este motivo, este problema
tiene innitas soluciones. He aqu algunos ejemplos:
C(r) u(x, y)
(r + 1)
3
e
x+y
+ (y 2x + 1)
3
e
4
3
(x+y)
cos(r) e
x+y
+ cos(y 2x) e
4
3
(x+y)
e

4
3
r
e
x+y
+ e

4
3
(y2x)
e
4
3
(x+y)
= e
x+y
+e
4x
ln(e +r
4
) e
x+y
+ ln
_
e + (y 2x)
4
) e
4
3
(x+y)
82
Lo que ocurre en el ejemplo 7.8 es que la condicion lateral esta dada sobre una ca-
racterstica, pero la misma es compatible con la EDO que se cumple sobre esa recta. Por
lo tanto el problema tiene soluci on. Ahora uno se pregunta por que tiene innitas. La
existencia de innitas soluciones se debe a que la condicion lateral no impone ninguna
exigencia sobre ning un punto de las dem as caractersticas.
En base a los ejemplos analizados precedentemente concluimos algo que se puede
demostrar rigurosamente en general, pero cuya demostracion queda fuera del alcance de
este curso:
Al resolver EDP lineales de primer orden con coecientes constantes como (7.1):
Si la condicion lateral esta dada sobre una recta no-caracterstica, el problema
tiene una unica soluci on.
Si la condicion lateral esta dada sobre una caracterstica, ocurre una de las
siguientes posiblidades:
El problema no tiene soluci on.
El problema tiene innitas soluciones.
Como mencionamos al principio de esta Seccion una condicion lateral podra estar
dada sobre una curva, y no necesariamente sobre una lnea recta.
Denici on 7.9. Si para la soluci on u = u(x, y) de (7.1) se requiere que tome valores
especcos sobre una curva, tal curva se llama curva lateral.
Se dice que una curva es regular si tiene vector tangente unitario que vara de manera
continua con respecto a la longitud de arco. Visualmente es una curva que no tiene esqui-
nas. Una forma de saber si una curva es regular consiste en hallar una parametrizaci on
t x(t)i +y(t)j con x

(t), y

(t) continuas y tales que (x

(t))
2
+ (y

(t))
2
> 0 para todo t.
Denici on 7.10. Se dice que una curva regular intersecta a una lnea recta transversal-
mente si en cada punto interseccion la recta no es tangente a la curva.
Teorema 7.11. Consideremos la EDP a u
x
+ b u
y
+ c u = f(x, y), u = u(x, y), y supon-
gamos que la condici on lateral se impone sobre una curva lateral regular que corta cada
recta caracterstica exactamente una vez y lo hace transversalmente. Entonces, si los va-
lores impuestos sobre la curva varan de manera suave (C
1
) el problema tiene solucion
unica.
Este teorema nos dice que para garantizar que el problema tenga soluci on unica, la
condicion lateral debe ser impuesta sobre una curva que satisfaga lo siguiente:
Que corte a todas las caractersticas.
Que corte a cada caracterstica una sola vez.
Que en cada punto de la curva la recta tangente no sea caracterstica.
En la Figura 7.1 se muestran curvas laterales buenas para la imposicion de valores
a la soluci on (izquierda), y tambien se muestran curvas laterales que no garantizan la
existencia de soluci on unica (derecha).
83
Figura 7.1: Curvas laterales adecuadas e inadecuadas. Las curvas de la izquierda son
adecuadas porque cortan todas las rectas caractersticas, cortan a cada caracterstica una
sola vez y lo hacen de manera transversal. Las curvas de la derecha no cumplen estas tres
condiciones a la vez.
7.1.2. Un modelo para analisis de poblaciones o inventarios
Bajo ciertas hip otesis naturales, derivamos a continuaci on una EDP de primer orden
que gobierna la manera en que se distribuye una poblacion de individuos con respecto a
la edad, a medida que transcurre el tiempo. Los individuos pueden ser tanto organismos
biologicos como objetos manufacturados, por ejemplo l amparas, transistores, productos
alimenticios o medicamentos. Nos referiremos entonces a alguna colecci on de objetos simi-
lares que se vuelven defectuosos con la edad, o se vencen, acorde a un patr on establecido
estadsticamente. Utilizaremos el verbo expirar para decir que un individuo deja de exis-
tir, o de funcionar, o se vence. Y utilizaremos el verbo existir para decir que un individuo
esta vivo, o funciona correctamente, o no esta vencido.
Supongamos entonces que la variable P(x, t) denota una densidad de poblacion a
tiempo t de individuos de edad x. Es decir,
_
b
a
P(x, t) dx = cantidad de individuos de edad entre a y b que existen a tiempo t.
Tambien ocurre que
P(x, t)x

= n umero de individuos de edad entre x y x + x que existen a tiempo t.


Esto es cierto porque para x peque no, P(x, t)x

=
_
x+x
x
P(y, t) dy.
Supongamos ahora que D(x, t) es la tasa de expiracion. Mas precisamente,
_
b
a
D(x, t)P(x, t) dx =
n umero de individuos de edad entre a y b
que expiran, por unidad de tiempo.
Lo que implica que
D(x, t)P(x, t)xt

=
n umero de individuos de edad entre x y x + x
que expiran en el intervalo de tiempo [t, t + t]
Si los individuos no expiraran (D 0), tendramos que P(x, t + t) = P(x t, t).
Es decir, la densidad de individuos de edad x a tiempo t +t es la misma que la densidad
de individuos de edad x t a tiempo t.
84
Pero si expiran a tasa D(x, t) tenemos que
P(x, t + t)

= P(x t, t) D(x, t)P(x, t)t.


Restando P(x, t) a ambos miembros y dividiendo por t obtenemos
P(x, t + t) P(x, t)
t

=
P(x t, t) P(x, t)
t
D(x, t)P(x, t).
Tomando lmite cuando t 0, y teniendo en cuenta que la aproximacion implcita en

= tiende a una igualdad cuando t 0, obtenemos


P
t
(x, t) = P
x
(x, t) D(x, t)P(x, t) o P
t
(x, t) + P
x
(x, t) + D(x, t)P(x, t) = 0.
Observaci on 7.12. Si no le convence la deduccion de la ecuacion usando

=, he aqu una
deduccion alternativa. Si los individuos expiran a tasa D(x, t) tenemos que
P(x, t + t) = P(x t, t)
_
t
0
D(x t +s, t +s)P(y t + s, t + s) ds,
y escribiendo r en lugar de t tenemos
P(x, t + r) = P(x r, t)
_
r
0
D(x r +s, t +s)P(y r +s, t +s) ds.
Derivando esta ultima expresion con respecto a r tenemos
P
t
(x, t + r) = P
x
(x r, t) D(x r + r, t + r)P(x r + r, t + r)
+
_
r
0
D
x
(x r + s, t + s)P(y r + s, t + s) ds
+
_
r
0
D(x r + s, t + s)P
x
(y r + s, t + s) ds.
Tomando lmite cuando r 0 obtenemos
P
t
(x, t) = P
x
(x, t) D(x, t)P(x, t) o P
t
(x, t) + P
x
(x, t) + D(x, t)P(x, t) = 0.
(Fin de la deduccion alternativa).
Analicemos un poco esta ecuacion, que es (casi) una de las que hemos aprendido a
resolver en esta secci on. Los coecientes frente a P
x
y a P
t
son constantes (iguales a
1), pero el coeciente frente a P es D(x, t) que es variable. Sin embargo, toda la teora
desarrollada en esta secci on se puede utilizar. Veamos: las caractersticas son las rectas
de pendiente 1, es decir las de ecuacion x t = const. Hacemos entonces el cambio de
variables
_
w = x t
z = x

_
x = z
t = z w.
Identicando P(x, t) = Q(w, z), veamos que EDP satisface Q(w, z):
P
x
= Q
w
w
x
+Q
z
z
x
P
x
= Q
w
1 + Q
z
1
P
x
= Q
w
+ Q
z
y
P
t
= Q
w
w
t
+ Q
z
z
t
P
t
= Q
w
(1) + Q
z
0
P
t
= Q
w
.
85
Por lo tanto P
t
+P
x
= Q
z
. As, la ecuacion diferencial se transforma en
Q
z
+D(z, z w)Q = 0,
donde hemos reemplazado x por z, y t por z w. El factor integrante es ahora m(z) =
e

D(z,zw) dz
. Multiplicamos y obtenemos

z
_
e

D(z,zw) dz
Q
_
= 0.
Integrando con respecto a z nos queda e

D(z,zw) dz
Q = C(w). Eligiendo una primitiva
en particular obtenemos
Q(w, z) = C(w) exp
_

_
z
w
D(, w) d
_
.
Reemplazando w y z por sus equivalentes en terminos de x e y obtenemos la soluci on
general
P(x, t) = C(x t) exp
_

_
x
xt
D(, x + t) d
_
.
Haciendo el cambio de variables = x + t en la integral dentro de la exponencial la
formula de la soluci on general resulta
P(x, t) = C(x t) exp
_

_
t
0
D(x t + , ) d
_
.
Tomando t = 0 obtenemos P(x, 0) = C(x), por lo que C(x) indica la densidad inicial de
poblacion con respecto a la edad, al menos para x 0. Es decir
P(x, t) = P(x t, 0) exp
_

_
t
0
D(x t + , ) d
_
.
Como P(x, 0) no esta denido para x < 0, resulta que P(x, t) no esta denido para x < t
(ver Figura 7.2). Es entonces conveniente denir, para x < 0, P(x, 0) como el n umero
de nacimientos por unidad de tiempo que se produciran a tiempo [x[, deniendo a la vez
D(x, t) = 0 para x < 0.
Consideremos el caso de produccion constante C, es decir P(x, 0) = C para todo
x < 0 y tasa de expiracion independiente del tiempo, o sea D(x, t) = D(x) (recordando
que D(x) = 0 si x < 0). Analicemos que ocurre a medida que pasa mucho tiempo. Mas
precisamente, calculemos la densidad de poblacion en estado estacionario:
P

(x) = lm
t+
P(x, t) = lm
t+
P(x t, 0) exp
_

_
t
0
D(x t + ) d
_
.
Ahora bien, para t > x, x t < 0 y entonces P(x t, 0) = C por lo que
lm
t+
P(x t, 0) = C;
86
x = t
x < t
x > t
x
t
P es constante
sobre estas lneas
D 0 D > 0
Figura 7.2: Diferentes regiones para el problema del inventario
adem as
_
t
0
D(x t + ) d =
_
x
xt
D(s) ds =
_
0
xt
D(s) ds
. .
=0
+
_
x
0
D(s) ds =
_
x
0
D(s) ds.
Por lo que nalmente
P

(x) = lm
t+
P(x, t) = C exp
_

_
x
0
D(s) ds
_
.
Mas a un, la densidad estacionaria P

(x) coincide con la densidad P(x, t) cuando t > x.


Mas precisamente
P

(x) = P(x, t), si x > t.


Esto es cierto solo cuando hay produccion constante.
7.2. EDPs de primer orden con coecientes variables
En muchas aplicaciones aparecen ecuaciones de la forma
a(x, y) u
x
+ b(x, y) u
y
+ c(x, y) u = f(x, y), u = u(x, y). (7.7)
Es decir, los coecientes a, b, c pueden depender del punto (x, y). Esta EDP sigue siendo
lineal, pues el operador /[u] = a(x, y) u
x
+ b(x, y) u
y
+ c(x, y) u es lineal. La ecuacion
dejara de ser lineal si los coecientes dependieran de u o alguna de sus derivadas.
Para resolverla, observemos primero que el termino a(x, y) u
x
+b(x, y) u
y
es la derivada
direccional de u en la direcci on del vector a(x, y)i + b(x, y)j =: g(x, y). Como a y b
dependen del punto (x, y) tenemos que en cada punto estaremos mirando una derivada
direccional, pero no siempre en la misma direcci on. En la gura 7.3 podemos ver el campo
de direcciones ai+bj en un caso en que a y b son constantes y en otro donde son variables.
Vemos entonces que las caractersticas no seran siempre rectas, y establecemos la
siguiente denicion.
87
Figura 7.3: Campos de direcciones constante (izquierda) y variable (derecha) y algunas
curvas caractersticas
Denici on 7.13. Una curva en el plano xy se llama curva caracterstica para la EDP (7.7)
si en cada punto (x
0
, y
0
) de la curva el vector g(x
0
, y
0
) = a(x
0
, y
0
)i +b(x
0
, y
0
)j es tangente
a la curva.
Si la curva caracterstica es el gr aco de una funci on y(x), entonces la denicion nos
dice que
dy
dx
..
pendiente de la
recta tangente
=
b(x, y)
a(x, y)
. .
pendiente del
vector g(x, y)
.
La ecuacion
dy
dx
=
b(x, y)
a(x, y)
(7.8)
se llama ecuaci on caracterstica de (7.7) y los gr acos de las soluciones son las curvas
caractersticas de (7.7).
La EDP (7.7) resulta una EDO sobre las curvas caractersticas.
En el caso a, b constante, las caractersticas son las rectas y =
b
a
x + d o tambien
bxay = const. En ese caso denamos la variable w como una variable auxiliar que nos
ayudara a resolver el problema. Ahora haremos algo parecido.
Supongamos que ya pudimos resolver (7.8) y que las curvas caractersticas son de la
forma
h(x, y) = const.
Por ejemplo h(x, y) = y x
2
o h(x, y) = x
2
+ y
2
(ver gura 7.4)
Entonces hacemos el cambio de variables y la identicaci on
_
w = h(x, y)
z = y
v(w, z) = u(x, y)
La idea es que w sera constante en cada caracterstica y entonces la EDP se transfor-
mara en una EDO de la variable z. Veamos si esto ocurre
u
x
= v
w
w
x
+ v
z
z
x
u
x
= v
w
h
x
+ v
z
0
a u
x
= ah
x
v
w
y
u
y
= v
w
w
y
+ v
z
z
y
u
y
= v
w
h
y
+ v
z
1
b u
y
= bh
y
v
w
+ b v
z
.
88
Figura 7.4: Curvas caractersticas de la forma h(x, y) = y x
2
= const. (izquierda) y
h(x, y) = x
2
+y
2
= const. (derecha)
Por lo tanto
a u
x
+b u
y
= (a h
x
+ b h
y
) v
w
+ b v
z
.
Observemos ahora que a h
x
+ b h
y
= (ai + bj) h, y ai + bj es tangente a las curvas de
nivel de h, por lo tanto ai +bj es perpendicular a h. Es decir
a h
x
+ b h
y
= (ai +bj) h = 0,
y resulta que la parte principal de la ecuacion es a u
x
+b u
y
= b v
z
, por lo que la ecuacion
en v resulta
b v
z
+ c v = f,
que es una EDO en la variable z.
Veamos un ejemplo.
Ejemplo 7.14. Hallar la soluci on general de
y u
x
+ xu
y
= 0, u = u(x, y).
El primer paso consiste, como antes, en encontrar las curvas caractersticas. Las mismas
deben satisfacer
dy
dx
=
x
y
,
que es una EDO de primer orden separable. Multiplicamos por y e integramos a ambos
lados, obteniendo
y
dy
dx
= x
_
y dy =
_
xdx
y
2
2
=
x
2
2
+ C
x
2
+ y
2
= const.
89
Realizamos entonces el cambio de variables
_
w = x
2
+ y
2
z = y

_
x =

w z
2
y = z
Identicando u(x, y) = v(w, z), veamos que EDP satisface v(w, z):
u
x
= v
w
w
x
+ v
z
z
x
u
x
= v
w
2x + v
z
0
yu
x
= 2xy v
w
y
u
y
= v
w
w
y
+ v
z
z
y
u
y
= v
w
2y + v
z
1
xu
y
= 2xy v
w
+ xv
z
.
Por lo tanto yu
x
+ xu
y
= xv
z
, y la ecuacion resulta xv
z
= 0. Por lo tanto v
z
debe ser
cero en todos los puntos donde x ,= 0, pero como buscamos soluciones C
1
, v
z
debe ser
continua y por lo tanto v
z
0. Es decir
v(w, z) = C(w),
y la soluci on general resulta
u(x, y) = C(x
2
+y
2
).
En otras palabras, las soluciones son todas las funciones radiales, o sea, las que son
constantes a lo largo de las circunferencias centradas en el origen. Por ejemplo
C(w) u(x, y)
w
3
(x
2
+ y
2
)
3
e
w
e
(x
2
+y
2
)
1
1 + w
1
1 + x
2
+ y
2
7.2.1. Parametrizaci on preferida
Otra forma de resolver EDPs lineales de primer orden con coecientes variables se
obtiene parametrizando las curvas caractersticas con un parametro t, como cuando cal-
cul abamos integrales sobre curvas.
Sea x(t)i + y(t)j la parametrizaci on de una curva caracterstica. Entonces
x

(t)i + y

(t)j debe ser paralelo a a(x(t), y(t))i + b(x(t), y(t))j.


La forma m as facil de lograr esto es eligiendo la parametrizaci on de manera que
x

(t) = a
_
x(t), y(t)
_
,
y

(t) = b
_
x(t), y(t)
_
.
(7.9)
El sistema (7.9) se llama sistema caracterstico de (7.7).
90
Si x(t), y(t) son soluciones del sistema caracterstico (7.9) entonces la parametrizaci on
x(t)i + y(t)j se llama parametrizacion preferida de la caracterstica.
Si tenemos una parametrizaci on preferida de una caracterstica, denimos
U(t) = u(x(t), y(t)),
es decir, U(t) denota los valores de la soluci on u(x, y) a lo largo de la caracterstica. Al
derivar U(t) con respecto a t, usando la regla de la cadena, obtenemos:
U

(t) = u
x
(x(t), y(t))x

(t) + u
y
(x(t), y(t))y

(t)
= u
x
(x(t), y(t))a(x(t), y(t)) + u
y
(x(t), y(t))b(x(t), y(t))
que es la parte principal de la ecuacion diferencial. Si ahora denimos C(t) = c(x(t), y(t))
y F(t) = f(x(t), y(t)), U(t) debe satisfacer
U

(t) + C(t)U(t) = F(t),


que es una EDO lineal de primer orden. En otras palabras, los valores de u(x, y) sobre la
caracterstica satisfacen una EDO lineal de primer orden a lo largo de la caracterstica.
Venimos diciendo esto desde que comenzamos este captulo, pero aqu queda m as claro
que nunca.
Resolvamos nuevamente el ejemplo anterior utilizando la parametrizaci on preferida:
Ejemplo 7.15. Utilizando las parametrizaciones preferidas hallar la soluci on general de
y u
x
+ xu
y
= 0, u = u(x, y).
Hallamos ahora las parametrizaciones preferidas de las caractersticas. Para ello plantea-
mos el sistema caracterstico correspondiente:
x

(t) = y(t), y

(t) = x(t),
que es como los estudiados en la Seccion 6.3. Para resolverlo derivamos la primera ecuacion
y reemplazamos y

(t) por x(t) obteniendo


x

(t) = x(t),
con soluci on general
x(t) = C
1
cos t + C
2
sen t, y(t) = x

(t) = C
1
sen t C
2
cos t.
Observamos que x(t)
2
+y(t)
2
= C
2
1
+C
2
2
, as que las caractersticas son crculos centrados
en el origen, y la misma familia de curvas se obtiene tomando C
2
= 0 y C
1
constante
arbitraria; pero con una formula m as simple. Ahora, si u(x, y) es soluci on de la ecuacion
planteada, U(t) = u(x(t), y(t)) debe satisfacer
U

(t) = u
x
x

+ u
y
y

= u
x
(y) + u
y
x = 0,
por lo que U(t) debe ser constante, o lo que es lo mismo, u(x, y) es constante sobre crculos
centrados en el origen. En consecuencia, la soluci on general es:
u(x, y) = f(x
2
+ y
2
), f C
1
.
Observaci on 7.16. Es interesante notar que el problema anterior no tiene soluci on
cuando imponemos la condicion lateral u(x, 0) = 3x, x R. Esto ocurre porque el eje
x corta cada caracterstica dos veces. Si impusieramos u(x, 0) = 3x, x > 0 entonces el
problema s tendra soluci on, y unica: u(x, y) = 3
_
x
2
+y
2
.
91
7.2.2. Soluciones en forma parametrica
Es conveniente en algunas situaciones parametrizar las curvas caractersticas en la
forma X(s, t)i + Y (s, t)j de manera que para s jo y t variable tengamos una parame-
trizacion preferida de una caracterstica, y para t = 0 (y s variable) estemos en la curva
lateral.
Ejemplo 7.17. Consideremos el ejemplo de la secci on anterior, con condicion lateral
sobre el eje x positivo:
y u
x
+xu
y
= 0, u = u(x, y), u(s, 0) = s
3
, s > 0.
En este caso, tomaremos las parametrizaciones:
X(s, t) = s cos t
Y (s, t) = s sen t
s > 0, 0 t < 2.
De manera que para cada s
0
> 0 jo la curva X(s
0
, t)i +Y (s
0
, t)j = s
0
cos t i +s
0
sen t j,
0 t < 2 describe la circunferencia de radio x
0
centrada en el origen. Y para t = 0,
X(s, 0)i +Y (s, 0)j = s cos 0i +s sen 0j = si describe la curva lateral, que en este caso es
el eje x > 0.
Consideremos entonces, en general, la EDP
a(x, y)u
x
+ b(x, y)u
y
+c(x, y)u = f(x, y), u = u(x, y),
con condicion lateral
u(
1
(s),
2
(s)) = g(s), s I,
para alg un intervalo I. Es decir, la condicion lateral esta dada sobre la curva
1
(s)i +

2
(s)j, s I. En el ejemplo anterior,
1
(s) = s,
2
(s) = 0 e I = (0, +).
curvas caractersticas
t variable, s jo
curva lateral
t = 0,
s variable
Figura 7.5: La curva lateral s
X(0, s), corresponde a t = 0 y s
variable. Las curvas caractersti-
cas t X(t, s) son las que se ob-
tienen dejando variar t y mante-
niendo s jo.
Buscamos entonces una familia de parametrizaciones preferidas X(s, t)i +Y (s, t)j de
las curvas caractersticas, de manera que para t = 0 estemos sobre la curva lateral (ver
92
Figura 7.5). Luego, se debe cumplir que
X
t
(s, t) = a(X(t, s), Y (t, s)), X(s, 0) =
1
(s),
Y
t
(s, t) = b(X(t, s), Y (t, s)), Y (s, 0) =
2
(s).
Denimos
U(s, t) = u(X(s, t), Y (s, t))
y vemos que

t
U(s, t) = u
x
(X(s, t), Y (s, t))
X
t
(s, t) +u
y
(X(s, t), Y (s, t))
Y
t
(s, t)
o m as brevemente
U
t
= u
x
X
t
+ u
y
Y
t
.
Utilizando que las parametrizaciones son preferidas, tenemos que U
t
es la parte principal
de la EDP. Mas precisamente, si u(x, y) es soluci on de la EDP, U(s, t) debe satisfacer
U
t
+ c(X(s, t), Y (s, t))U = f(X(s, t), Y (s, t)).
Si denimos C(s, t) = c(X(s, t), Y (s, t)) y F(s, t) = f(X(s, t), Y (s, t)), U(s, t) debe cum-
plir
U
t
(s, t) + C(s, t)U(s, t) = F(s, t), U(s, 0) = g(s), s I.
Esta ultima ecuacion es entonces una familia de ecuaciones diferenciales ordinarias lineales
de primer orden, una para cada s I, que sabemos resolver. Veamos un ejemplo concreto:
Ejemplo 7.18. Hallar la soluci on en forma parametrica de
(y + x)u
x
+ (y x)u
y
u = 0, u = u(x, y), u(cos(s), sen(s)) = 1, 0 s < 2.
Planteamos la ecuacion de las parametrizaciones preferidas:
X
t
(s, t) = X(t, s) + Y (t, s), X(s, 0) = cos(s),
Y
t
(s, t) = Y (t, s) X(t, s), Y (s, 0) = sen(s).
Resolvemos como en la Seccion 6.3:
X
tt
= X
t
+ Y
t
..
Y X
= X
t
+ Y
..
X
t
X
X = X
t
+ X
t
X X = 2X
t
2X,
por lo que
X
tt
2X
t
+ 2X = 0.
Proponiendo X = e
rt
obtenemos r
2
2r +2 = 0 que tiene soluciones complejas r = 1 i.
La soluci on es entonces X(s, t) = C
1
(s)e
t
cos(t) + C
2
(s)e
t
sen t; notar que las constantes
pueden depender de la variable s. Las curvas caractersticas estan entonces dadas por:
X(s, t) = e
t
_
C
1
(s) cos t + C
2
(s) sen t
_
Y (s, t) = e
t
_
C
1
(s) sen t + C
2
(s) cos t
_
93
Imponiendo las condiciones iniciales X(s, 0) = cos s, Y (s, 0) = sen s tenemos que C
1
(s) =
cos s y C
2
(s) = sen(s), por lo que
X(s, t) = e
t
_
cos s cos t + sen s sen t
_
= e
t
cos(s t)
Y (s, t) = e
t
(cos s sen t + sen s cos t
_
= e
t
sen(s t)
Deniendo U(s, t) = u(X(s, t), Y (s, t)), con u(x, y) la soluci on buscada,
U
t
= u
x
X
t
+ u
y
Y
t
= u
x
(X + Y ) + u
y
(Y X) = u = U,
es decir, U
t
U = 0. Resolviendo y usando la condicion lateral
U(s, t) = C(s)e
t
, U(s, 0) = 1 =U(s, t) = e
t
.
La soluci on parametrica esta entonces dada por
X(s, t) = e
t
cos(s t),
Y (s, t) = e
t
sen(s t),
U(s, t) = e
t
,
t R, 0 s < 2. (7.10)
As es como queda expresada la soluci on parametrica.
A veces, muy pocas veces, puede deducirse la formula de u(x, y) en base a la formu-
lacion parametrica. En el ejemplo anterior por ejemplo, es facil ver que
e
t
= U(s, t) =
_
X(s, t)
2
+ Y (s, t)
2
y entonces u(x, y) =
_
x
2
+y
2
.
Pero en general no es tan facil hallar la formula de u(x, y) aunque la forma parametri-
ca (7.10) es igualmente util. Veamos otro ejemplo con la misma ecuacion, pero diferente
condicion lateral, dada sobre la misma curva lateral.
Ejemplo 7.19. Hallar la soluci on de
(y+x)u
x
+(yx)u
y
u = 0, u = u(x, y), u(cos(s), sen(s)) = cos(2s), 0 s < 2.
Las parametrizaciones preferidas son las mismas, y U(t, s) = C(s)e
t
, pero ahora la condi-
cion lateral nos dice que U(0, s) = cos(2s), as que C(s) = cos(2s) y la soluci on en forma
parametrica es:
X(s, t) = e
t
cos(s t),
Y (s, t) = e
t
sen(s t),
U(s, t) = cos(2s)e
t
,
t R, 0 s < 2. (7.11)
Ya no es tan facil despejar u en terminos de x e y, pero s es facil por ejemplo, gracar
la soluci on usando un software como MATLAB u OCTAVE; ver Figura 7.6.
94
% lineas para graficar la solucion
% en forma parametrica
% correspondiente al Ejemplo 7.18
% x = e^t cos(s-t)
% y = e^t sen(s-t)
% u = e^t
s = [0:0.1:2*pi];
t = [-1:0.05:1];
[s, t] = meshgrid(s, t);
x = exp(t) .* cos(s-t);
y = exp(t) .* sin(s-t);
u = exp(t);
mesh(x,y,u)
% lineas para graficar la solucion
% en forma parametrica
% correspondiente al Ejemplo 7.19
% x = e^t cos(s-t)
% y = e^t sen(s-t)
% u = sen(2s) e^t
s = [0:0.1:2*pi];
t = [-1:0.05:1];
[s, t] = meshgrid(s, t);
x = exp(t) .* cos(s-t);
y = exp(t) .* sin(s-t);
u = cos(2*s) .* exp(t);
mesh(x,y,u)
-3
-2
-1
0
1
2
3
-3
-2
-1
0
1
2
3 0
0.5
1
1.5
2
2.5
3
-3
-2
-1
0
1
2
3
-3
-2
-1
0
1
2
3 -3
-2
-1
0
1
2
3
Figura 7.6: Como gracar en MATLAB/OCTAVE soluciones dadas en forma parametrica.
95
10 5 0 5 10
10
5
0
5
10
10 5 0 5 10
10
5
0
5
10
Figura 7.7: Curvas caractersticas y curvas laterales de los problemas (7.12) y (7.13). En
el problema 7.12 la curva lateral determina la solucion en el primer y el tercer cuadrante
(izquierda), mientras que en el problema 7.13 la curva lateral determina la solucion en el
primer y el segundo cuadrante (derecha).
7.2.3. Consideraciones globales
Cuando los valores de u se prescriben sobre una curva regular que intersecta cada
caracterstica una sola vez de manera transversal, entonces tenemos una manera de en-
contrar la soluci on u en todo el plano. Sin embargo, como veremos en el siguiente ejemplo,
puede ocurrir que no existe una curva que corte a todas las caractersticas. En tales ca-
sos, no sera posible hallar la soluci on en todo el plano, sino en algunas regiones, a menos
que impongamos condiciones laterales sobre m as de una curva. Esto no es en general
un problema, dado que en muchas ocasiones la region de interes sera la cubierta por las
caractersticas que cortan a la curva lateral indicada. Veamos un ejemplo.
Consideremos el problema
xu
x
yu
y
+ yu = 0, u = u(x, y), u(x, x) = 1. (7.12)
y el problema
xu
x
yu
y
+ yu = 0, u = u(x, y), u(x, 2 + x
2
/10) = e
x
. (7.13)
Para ambos problemas, las caractersticas son las curvas que cumplen
dy
dx
=
y
x
o
1
y
dy
dx
=
1
x
. Integrando obtenemos ln [y[ = ln [x[ + C, o ln [y[ + ln [x[ = C, que es
equivalente a
xy = const.
Las curvas caractersticas son entonces las hiperbolas que se ven en la Figura 7.7. Al
intentar resolver cada uno de los problemas planteados vemos que la condicion lateral no
podr a determinar la soluci on en todo el plano xy sino solamente en un par de cuadrantes;
ver Figura 7.7.
Observaci on 7.20. Es importante notar que esta particularidad de que ocurra que
una curva no pueda cortar a todas las caractersticas, solo puede suceder cuando los
96
coecientes a(x, y) y b(x, y) son variables. Cuando los coecientes son constantes las
caractersticas son todas rectas paralelas entre s.
7.3. EDPs de primer orden en mas variables
El metodo de las caractersticas tambien se aplica al caso de EDP lineales de primer
orden en m as dimensiones. Por ejemplo, en dimension 3, la EDP lineal de primer orden
es
a(x, y, z)u
x
+ b(x, y, z)u
y
+ c(x, y, z)u
z
+ d(x, y, z)u = f(x, y, z), u = u(x, y, z),
para funciones dadas a, b, c, d y f. Las curvas caractersticas x(t)i + y(t)j + z(t)k para-
metrizadas de la manera preferida son las soluciones del sistema
dx
dt
= a(x(t), y(t), z(t)),
dy
dt
= b(x(t), y(t), z(t)),
dz
dt
= c(x(t), y(t), z(t)).
En la pr actica es usualmente m as conveniente tratar a x como un par ametro en lugar
de t, en cuyo caso el sistema anterior se transforma en un sistema de dos ecuaciones (si
suponemos que a(x, y, z) ,= 0)
dy
dx
=
b(x, y(x), z(x))
a(x, y(x), z(x))
,
dz
dx
=
c(x, y(x), z(x))
a(x, y(x), z(x))
,
para las inc ognitas y = y(x) y z = z(x).
Veamos un ejemplo con coecientes constantes.
Ejemplo 7.21. Hallar la soluci on general de
2u
x
+ 3u
y
+ 5u
z
u = 0, u = u(x, y, z). (7.14)
Las curvas caractersticas se encuentran resolviendo el sistema
dy
dx
=
3
2
,
dz
dx
=
5
2
.
Obtenemos y =
3
2
x+, z =
5
2
x+ con , constantes arbitrarias. Las caractersticas son
entonces las lneas dadas por la interseccion de dos planos de la forma 2y 3x = const
1
y 2z 5x = const
2
. Hacemos entonces el siguiente cambio de variables:
_

_
x = 2y 3x
y = 2z 5x
z = z

_
x =
y + 2 z
5
y =
5 x 3 y + 6 z
10
z = z.
Identicando u(x, y, z) = u( x, y, z), veamos que EDP satisface u( x, y, z):
u
x
= u
x
x
x
+ u
y
y
x
+ u
z
z
x
u
x
= u
x
(3) + u
y
(5) + u
z
0
2 u
x
= 6 u
x
10 u
y
u
y
= u
x
x
y
+ u
y
y
y
+ u
z
z
y
u
y
= u
x
2 + u
y
0 + u
z
0
3u
y
= 6 u
x
.
97
y
u
z
= u
x
x
z
+ u
y
y
z
+ u
z
z
z
u
z
= u
x
0 + u
y
2 + u
z
1
5u
z
= 10 u
y
+ 5 u
z
.
Por lo tanto 2u
x
+3u
y
+5u
z
= 5 u
z
. As, la ecuacion (7.14) se transforma en 5 u
z
u = 0,
que tiene soluci on
u( x, y, z) = C( x, y) e
z/5
.
Reemplazando x, y y z por sus equivalentes en terminos de x, y y z obtenemos la soluci on
general
u(x, y, z) = C(2y 3x, 2z 5x) e
z/5
.
La funci on de dos variables C( x, y) se determina imponiendo una condicion lateral
sobre una supercie que debe cortar a cada recta caracterstica de manera transversal
una sola vez.
Ejemplo 7.22. Hallar la soluci on de
2u
x
+ 3u
y
+ 5u
z
u = 0, u = u(x, y, z), u(x, y, 0) = x
2
sen y, x R, y R.
Ya sabemos que la soluci on general es u(x, y, z) = C(2y 3x, 2z 5x)e
z/5
. Debemos im-
poner la condicion lateral u(x, y, 0) = x
2
sen y para determinar la funci on C. La condicion
lateral implica
C(2y 3x, 5x) = x
2
sen y.
Tomemos r = 2y 3x y s = 5x, entonces x =
s
5
, y =
1
2
(r
3
5
s), y entonces
C(r, s) =
_
s
5
_
2
sen
_
1
2
(r
3
5
s)
_
=
_
s
5
_
2
sen
_
r
2

3
10
s
_
.
La soluci on deseada es entonces
u(x, y, z) =
_
2z 5x
5
_
2
sen
_
2y 3x
2

3
10
(2z 5x)
_
e
z
5
=
_
2
5
z x
_
2
sen
_
y
3
5
z
_
e
z
5
.
7.4. Ejercicios
7.1. Encontrar la soluci on general de cada una de las siguientes ecuaciones lineales de
primer orden con coecientes constantes:
(a) 2 u
x
3 u
y
= x (b) u
x
+ u
y
u = 0.
7.2. Consideremos la ecuacion diferencial siguiente: 5u
x
u
y
+u = 0, u = u(x, y).
(a) Hallar la soluci on general, y decir cu ales son las curvas caractersticas.
98
En cada uno de los siguientes casos hallar (si es posible) una soluci on de la ecuacion
resuelta en (a) que cumpla la condicion lateral indicada. Si no hay, indicar por que. Si
hay m as de una, indicar tres soluciones diferentes.
(b) u(5x, x) = 3e
x
, (c) u(x,
x + 5
5
) = x(1 x), (d) u(x, x) = x
2
.
7.3. Que forma debe tener la funci on g(x) para que el siguiente problema tenga soluci on?
_
u
x
+ 3 u
y
u = 1 (x, y) R
2
u(x, 3 x) = g(x) x R.
Si g cumple tal condicion. Tiene el problema soluci on unica?
* 7.4. Dar un ejemplo de ecuacion lineal de primer orden con coecientes constantes (en
R
2
), y condicion lateral dada sobre una curva lateral que corte todas las caractersticas,
pero que no tenga soluci on. Explicar por que no tiene soluci on.
7.5. Encontrar la soluci on general, en los dominios indicados, de cada una de las siguientes
ecuaciones lineales de primer orden con coecientes variables:
(a) xu
x
+ 2 y u
y
= 0, x > 0, y > 0.
(b) y u
x
4 xu
y
= 2 xy, (x, y) R
2
.
7.6. Encontrar la forma parametrica de la soluci on de cada uno de los siguientes proble-
mas:
(a)
_
xu
x
+ 2 y u
y
= 0, x > 0, y > 0
u(s, e
s
) = sen s, s > 0.
(b)
_
y u
x
4 xu
y
= 2 xy, (x, y) R
2
u(s, s
3
) = 1, s R
Gracar (usando MATLAB) en una parte del dominio para ver c omo lucen las soluciones.
7.7. Resolver el problema
u
x
+ u
y
+ u
z
= u, u = u(x, y, z), u(x, y, 0) = x
2
+ y
2
.
7.8. Hallar la soluci on general de la EDP u
x
u
y
+ u = z, u = u(x, y, z).
(a) Hallar la soluci on que cumple con la condicion lateral u(0, y, z) = y
2
e
z
.
(b) Mostrar que no hay ninguna soluci on que satisfaga u(x, y, x + y) = 0.
(c) Hallar tres soluciones que satisfagan u(x, y, x +y) = x + y + e
y
.
(d) Explicar lo ocurrido en (b) y (c) relacionando las rectas caractersticas de la EDP
con el plano z = x + y donde se dan las condiciones laterales.
(e) Que relaci on existe entre el plano x = 0 donde se da la condicion lateral del item
(a) y las rectas caractersticas?
Bibliografa complementaria
[Bleecker-Csordas 1996] Bleecker, D., Csordas, G., Basic Partial Dierential Equations,
International Press, Cambridge, Massachusetts, 1996.
99
Captulo 8
La ecuaci on de difusi on
unidimensional
Vimos en la Seccion 5.3 que la ecuacion de difusi on unidimensional cuando los coe-
cientes son constantes resulta
u
t
ku
xx
= f, u = u(x, t), (8.1)
donde f(x, t) denota un termino fuente.
En este captulo buscaremos soluciones de esta ecuacion con diferentes condiciones
iniciales, y diferentes condiciones de borde. En las primeras secciones consideraremos
f 0 y en la ultima secci on veremos c omo tratar el termino fuente f , 0 a traves del
principio de Duhamel.
8.1. Solucion fundamental de la ecuaci on de difusion
Comenzamos estudiando la ecuacion de difusi on cuando el dominio de la variable x
es toda la recta real. Una soluci on muy importante de la ecuacion de difusi on homogenea
esta dada por la formula
(x, t) =
1

4kt
e

x
2
4kt
, x R, t > 0. (8.2)
En efecto, es facil vericar que
t
= k
xx
para todo x R, t > 0. Luego (x, t) es
soluci on de (8.1) cuando f 0.
Analicemos brevemente las propiedades de esta soluci on.
Para cada t
0
> 0 jo, la funci on (x, t
0
) es una Gaussiana en la variable x. Su
gr aca es m as aplanada cuando t
0
es m as grande, y esta m as concentrada en el
origen cuando t
0
esta m as cerca de cero; ver Figura 8.1 (izquierda).
(x, t) no esta denida para t = 0, pero vemos que (x, t) se aproxima a la Delta
de Dirac cuando t 0
+
.
_

(x, t) dx = 1, para cualquier t > 0.


100
Denimos ahora, para una funci on g : R R dada, la funci on
u(x, t) =
_

g(y)(x y, t) dy, x R, t > 0. (8.3)


Si g es continua y acotada, entonces se puede ver que las derivadas con respecto a
x y a t se pueden meter dentro de la integral y
u
x
(x, t) =
_

g(y)
x
(x y, t) dy,
u
xx
(x, t) =
_

g(y)
xx
(x y, t) dy,
u
t
(x, t) =
_

g(y)
t
(x y, t)
. .
=k
xx
(x,t)
dy.
Entonces u
t
= ku
xx
, y u tambien es soluci on de la ecuacion de difusi on homogenea.
Ya vemos que u(x, t) no esta denida para t = 0, y entonces nos preguntamos
que ocurre con lm
t0
+ u(x, t). Veamos:
u(x, t) =
_

g(y)(x y, t) dy =
_

g(x y)(y, t) dy
=
1

4kt
_

g(x y)e

y
2
kt
dy
Pero el lmite de esta ultima formula es g(x) cuando t 0
+
por lo visto en la
Seccion 1.6 (ver tambien ejercicio 1.4).
Por lo tanto, si extendemos la denicion de u(x, t) a x R, 0 t < de la
siguiente manera:
u(x, t) =
_
_
_
_

g(y)(x y, t) dy, si t > 0,


g(x), si t = 0,
obtenemos una soluci on del problema
u
t
= ku
xx
, x R, t > 0
u(x, 0) = g(x), x R (t = 0).
La soluci on dada por esta formula para el dato inicial
g(x) =
_
1, si 1 x 1
0, en c.o.c.
(8.4)
puede visualizarse en la Figura 8.1 (derecha).
Como las soluciones del problema de difusi on homogeneo se pueden obtener haciendo
convolucion del dato inicial con (x, t) de la formula (8.2), esta funci on (x, t) se
denomina solucion fundamental de la ecuacion de difusi on en 1d.
101
3 2 1 0 1 2 3
0
0.5
1
1.5
2
2.5


t = 1/4
t = 1
t = 4
t = 16
3 2 1 0 1 2 3
0
0.2
0.4
0.6
0.8
1


t = 0
t = 1/4
t = 1
t = 4
t = 16
Figura 8.1: Gr aco de la solucion fundamental de la ecuaci on de difusion u
t
= ku
xx
, x R,
t > 0 para k = 1/16 y distintos valores de t (izquierda). Solucion dada por la convolucion
con la solucion fundamental del problema con dato inicial u = g, x R, t = 0, con g
de (8.4)
8.2. Solucion con CB Dirichlet homogeneas
Consideramos el siguiente problema
EDP:
u
t
= k

2
u
x
2
, 0 < x < L, t > 0,
CB:
_
u(0, t) = 0,
u(L, t) = 0,
t > 0,
CI: u(x, 0) = f(x), 0 < x < L.
(8.5)
Estamos interesados en poder predecir c omo cambia la propiedad intensiva u(x, t)
(temperatura o densidad de masa de un compuesto), representada en el dato inicial f(x),
a medida que transcurre el tiempo.
El metodo de separacion de variables, consiste esencialmente en buscar soluciones
del problema que tengan forma de producto
u(x, t) = (x)G(t), (8.6)
donde (x) es funci on solo de la variable x y G(t) es funci on solo de la variable t. La
funci on u(x, t), que es la candidata a soluci on, dada en (8.6) debe satisfacer la ecuacion
en derivadas parciales lineal homogenea EDP y las condiciones de borde CB de (8.5). Por
el momento ignoraremos la condicion inicial, pues veremos que en general la soluci on
producto (8.6) no satisface la condicion inicial. Mas adelante veremos que se debe hacer
para encontrar una soluci on que la satisfaga. En principio:
Buscamos todas las soluciones posibles que sean producto de una funci on de x y una
de t y que satisfagan la ecuacion diferencial y las condiciones de borde homogeneas.
102
Es claro que la funci on u 0 es soluci on de la ecuacion diferencial y satisface las con-
diciones de borde. Esta soluci on se conoce como solucion trivial, y esta siempre presente.
Tengamos pues en mente que estamos buscando soluciones producto no-triviales.
Seamos francos desde el comienzo, no existe ninguna raz on clara por la que elegimos
la forma (8.6). Daniel Bernoulli invent o esta tecnica en los 1700s, y funciona, como ya
veremos.
Supongamos entonces que u(x, t) = (x)G(t) ya es una soluci on de la ecuacion dife-
rencial que tambien satisface las condiciones de borde. Veamos que deben satisfacer y
G para que esto sea posible. Observemos que usando la forma (8.6) se tiene que
u
t
(x, t) = (x)
dG(t)
dt
,

2
u
x
2
(x, t) =
d
2
(x)
dx
2
G(t).
En consecuencia la ecuacion de difusi on (8.5) implica que
(x)
dG(t)
dt
= k
d
2
(x)
dx
2
G(t). (8.7)
Ahora nos damos cuenta de que podemos separar variables dividiendo ambos miembros
de (8.7) por el producto (x)G(t):
1
G(t)
dG(t)
dt
= k
1
(x)
d
2
(x)
dx
2
.
Se ve que las variables han sido separadas en el sentido que el lado izquierdo es solo
funci on de la variable t y el lado derecho es solo funci on de la variable x. Podemos
continuar trabajando con esta expresion, pero es conveniente dividir tambien por k, y
luego
1
kG
dG
dt
. .
funcion de t
=
1

d
2

dx
2
. .
funcion de x
. (8.8)
C omo es posible que una funci on solamente dependiente de t sea igual a una funci on que
depende solamente de x? La unica posibilidad es que ambas expresiones sean constantes
e independientes tanto de x como de t. Y por la igualdad deben ser iguales a la misma
constante:
1
kG
dG
dt
=
1

d
2

dx
2
= , (8.9)
donde es una constante arbitraria conocida como constante de separacion. En un
momento explicaremos la aparici on del misterioso signo menos, que fue introducido solo
por conveniencia.
La ecuacion (8.9) equivale a dos ecuaciones diferenciales ordinarias, una para G(t) y
otra para (x):
d
2

dx
2
= (8.10)
dG
dt
= kG. (8.11)
103
Tenemos ahora tres inc ognitas: , G, y . Para hallar las soluciones producto (8.6)
debemos resolver las dos ecuaciones diferenciales ordinarias que acabamos de deducir, y
ver para que constantes estas soluciones no dan la solucion trivial.
Repetimos que es constante, y es la misma en ambas ecuaciones (8.10) y (8.9). Las
soluciones producto tambien deben satisfacer las dos condiciones de borde. Por ejemplo,
u(0, t) = 0 implica que (0)G(t) = 0. Hay aqu dos posibilidades. O bien G(t) 0, o
(0) = 0. Si G(t) 0, entonces u 0 y obtuvimos la soluci on trivial. Como estamos
buscando soluciones no-triviales, descartamos este caso y suponemos G(t) , 0. Si G(t) ,
0, es necesario que
(0) = 0. (8.12)
Del mismo modo, observando la condicion de borde u(L, t) = 0, obtenemos que
(L) = 0. (8.13)
Los factores y G intervinientes en las soluciones producto, adem as de satisfacer dos
ecuaciones diferenciales ordinarias (8.10) y (8.11), deben satisfacer las condiciones de
borde (8.12) y (8.13).
Conclusion: para encontrar las soluciones de variables separables u(x, t) =
(x)G(t), debemos encontrar las ternas (, G, ) para las cuales se satisfagan las
siguientes ecuaciones simultaneamente:
d
2

dx
2
= , (0) = 0, (L) = 0,
dG
dt
= kG.
8.2.1. Ecuaci on dependiente del tiempo
La ventaja del metodo de separaci on de variables es que transforma una ecuacion en
derivadas parciales, que no sabemos resolver, en dos ecuaciones diferenciales ordinarias.
Las condiciones de borde imponen dos condiciones en la ecuacion diferencial ordinaria
que depende de x. La ecuacion que depende del tiempo (8.11) no tiene (a un) ninguna
condicion. Solo
dG
dt
= kG. Resolvamosla antes de resolver la otra. Esta ecuacion es
una ecuacion de primer orden con coecientes constantes, cuya soluci on general es
G(t) = c e
kt
. (8.14)
Recordemos que es la constante de separaci on, que por el momento pareciera que puede
tomar cualquier valor. Veremos a continuaci on que solo puede tomar ciertos valores.
104
8.2.2. Problema a valores en el borde
La parte dependiente de la variable espacial x de la soluci on producto, (x), satisface
una ecuacion diferencial ordinaria (EDO) con dos condiciones de borde homogeneas:
d
2

dx
2
=
(0) = 0
(L) = 0.
(8.15)
Llamamos a (8.15) problema a valores en el borde para ecuaciones diferenciales
ordinarias. En los cursos donde se ense na ecuaciones diferenciales ordinarias, solo se
estudian problemas a valores iniciales. Por ejemplo (pensando en la segunda ley de
Newton), resolvemos ecuaciones diferenciales ordinarias de segundo orden (m
d
2
y
dt
2
= F)
sujetas a dos condiciones iniciales (y(0) y
dy
dt
(0) dadas) ambas en el mismo instante de
tiempo (t = 0). Pero (8.15) es muy diferente. Es un problema a valores en el borde, pues
las condiciones no se dan en el mismo lugar, sino en dos lugares diferentes, x = 0 y x = L.
No hay ninguna teora simple que garantice que la soluci on existe o es unica para este tipo
de problemas. En particular, notamos que (x) 0 satisface la EDO y ambas condiciones
de borde homogeneas, sin importar el valor de , a un para < 0. Esta soluci on se conoce
con el nombre de soluci on trivial del problema a valores de borde. Como u(x, t) =
(x)G(t), corresponde a u(x, t) 0, si las soluciones de (8.15) fueran unicas, (x) 0
sera la unica soluci on; y no podramos obtener soluciones no-triviales de una EDP lineal
homogenea por el metodo de separaci on de variables. Afortunadamente s existen otras
soluciones de (8.15), aunque no para cualquier valor de sino s olo para algunos. Veremos
a continuaci on que hay ciertos valores de , llamados autovalores de (8.15), para los
cuales existen soluciones no-triviales (x). Una (x) no-trivial, correspondiente a alg un
valor de se llama autofunci on correspondiente al autovalor .
Un n umero se llama autovalor de la ecuacion
d
2

dx
2
= , (0) = 0, (L) = 0, (8.16)
si y solo si existe una funci on , 0 que satisface (8.16). Dicha funci on se llama
autofunci on correspondiente a .
Tratemos de determinar los autovalores y sus correspondientes autofunciones. En
otras palabras, para que valores de existe soluci on no-trivial de (8.15)? Resolva-
mos (8.15) directamente. La ecuacion es de segundo orden y homogenea con coecientes
constantes: usualmente se obtienen dos soluciones independientes en forma de exponen-
ciales (x) = e
rx
. Sustituyendo esta exponencial en la ecuacion diferencial obtenemos el
polinomio caracterstico r
2
= . Las soluciones correspondientes a las dos races tienen
diferentes propiedades dependiendo del valor de . Existen tres casos:
1. > 0: las dos races son puramente imaginarias y son los n umeros complejos r =
i

.
105
2. = 0: las dos races son nulas r = 0.
3. < 0: las dos races son reales y opuestas r =

.
Autovalores y autofunciones para > 0. Consideremos primero el caso > 0. El
problema a valores de frontera tiene entonces las soluciones exponenciales con exponentes
imaginarios e
i

x
. En este caso las soluciones son oscilantes, y si queremos soluciones
reales linealmente independientes, estas son cos

x y sen

x. Entonces, la soluci on
general de (8.15) en el caso > 0 es
(x) = c
1
cos

x + c
2
sen

x. (8.17)
Si exigimos a la soluci on general, que cumpla las condiciones de borde, obtenemos
0 = (0) = c
1
cos

0 + c
2
sen

0 = c
1
.
Luego c
1
= 0 y (x) = c
2
sen

x. Para satisfacer la condicion de frontera en x = L, es


necesario que
0 = c
2
sen

L.
Si c
2
= 0, obtenemos la soluci on trivial (x) 0 que no nos interesa. Si c
2
,= 0 entonces
tenemos que buscar todos los valores de para los que
sen

L = 0.
En otras palabras,

L debe ser un cero de la funci on seno, es decir un m ultiplo entero de


:

L = n. Como hemos supuesto > 0, n toma los valores 1, 2, . . . . Los autovalores


son entonces
=
_
n
L
_
2
, n = 1, 2, 3 . . . . (8.18)
La autofunci on correspondiente al autovalor =
_
n
L
_
2
es
(x) = c
2
sen

x = c
2
sen
nx
L
(8.19)
donde c
2
es una constante arbitraria. A menudo elegimos una autofunci on seleccionando
un valor no-nulo para c
2
, por ejemplo c
2
= 1. Debemos observar que cualquier autofunci on
puede ser multiplicada por una constante arbitraria y seguir siendo autofunci on del
mismo autovalor pues la ecuacion es lineal y homogenea.
Autovalores y autofunciones para = 0. Ahora determinaremos si = 0 es un
autovalor de (8.15). El caso = 0 es especial, la soluci on general en este caso es
(x) = c
1
+ c
2
x.
Para determinar si = 0 es un autovalor, debemos aplicar las condiciones de borde a la
soluci on general . La condicion (0) = 0 implica c
1
= 0 y luego (x) = c
2
x. La condicion
(L) = 0 implica c
2
L = 0. Como la longitud L es positiva, c
2
= 0 y por lo tanto (x) 0,
la soluci on trivial. En este caso, decimos que = 0 no es un autovalor. Debemos estar
atentos pues = 0 no es un autovalor en este caso, pero s puede serlo en otros casos,
por ejemplo cuando consideremos CB de tipo Neumann (ver ejercicio 8.7).
106
Autovalores y autofunciones para < 0. Existen autovalores negativos? Si < 0,
la soluci on de
d
2

dx
2
=
no es difcil, pero debemos ser cuidadosos. Las races del polinomio caracterstico son
r =

, y por lo tanto las soluciones son e

x
y e

x
. La soluci on general es
(x) = c
1
e

x
+c
2
e

x
. (8.20)
A menudo, se utilizan tambien las funciones hiperb olicas en lugar de estas exponenciales.
Como repaso, las deniciones de las funciones hiperb olicas son
cosh z =
e
z
+ e
z
2
senh z =
e
z
e
z
2
,
simplemente combinaciones lineales de exponenciales. Notemos que senh 0 = 0 y cosh 0 =
1 (an alogo a lo que ocurre con las funciones trigonometricas). Tambien notemos que
d
dz
cosh z = senh z
d
dz
senh z = cosh z,
similarmente a lo que ocurre con las trigonometricas, pero m as faciles de recordar porque
no cambia el signo al derivar. Otras propiedades importantes son las siguientes:
cosh z ,= 0 para todo z;
senh z = 0 solo si z = 0.
Como ambas funciones hiperb olicas son sumas de exponenciales y son independientes,
la soluci on general tambien se puede expresar como
(x) = c
1
cosh

x + c
2
senh

x, (8.21)
una forma equivalente a (8.20). Aplicamos ahora las condiciones de borde a la soluci on
general (8.21). La condicion (0) = 0 implica c
1
= 0 y luego (x) = c
2
senh

x.
La condicion (L) = 0 implica c
2
senh

L = 0. Pero senh z = 0 solo para z = 0 y


entonces, como ,= 0 y L > 0, obtenemos c
2
= 0 qued andonos nuevamente la soluci on
trivial. Por lo tanto no hay autovalores negativos para este problema.
Autofunciones - Resumen. Resumimos ahora lo que hemos concluido acerca de los
autovalores y autofunciones del problema
d
2

dx
2
=
(0) = 0
(L) = 0.
Los autovalores son todos positivos y dados por

n
=
_
n
L
_
2
, n = 1, 2, 3, . . .
y las correspondientes autofunciones son

n
(x) = sen
nx
L
.
107
8.2.3. Soluciones producto y el principio de superposicion
Juntando lo que hemos obtenido en las dos ultimas secciones, vemos que:
Si u(x, t) = (x)G(t) satisface
u
t
= k

2
u
x
2
, u(0, t) = 0, u(L, t) = 0,
entonces
(x) = c
2
sen

x, G(t) = ce
kt
, y =
_
n
L
_
2
, n = 1, 2, 3, . . . .
Escrito de otra forma,
(x) = c
2
sen
nx
L
, G(t) = ce

(
n
L
)
2
kt
, n = 1, 2, 3, . . . .
Por lo tanto, todas las soluciones producto de la ecuacion de difusi on (8.5) que cumplen
las CB son
u(x, t) = b sen
nx
L
e

(
n
L
)
2
kt
, n = 1, 2, 3, . . .
donde b es una constante arbitraria. Es decir, para cada n umero real b y cada entero
positivo n, la expresion anterior es una soluci on de la ecuacion de difusi on con condiciones
de borde de tipo Dirichlet homogeneas.
Ejemplo 8.1. Las siguientes funciones son soluciones de la ecuacion de difusi on con
condiciones de borde de u prescripta igual a cero:
u
1
(x, t) = sen
3x
L
e

9
2
L
2
kt
u
2
(x, t) = 4,5 sen
x
L
e

2
L
2
kt
.
Y como la ecuacion y las condiciones de borde que estamos considerando son lineales y
homogeneas, tambien
u
3
(x, t) = sen
3x
L
e

9
2
L
2
kt
+ 4,5 sen
x
L
e

2
L
2
kt
es una soluci on.
Que condicion inicial satisfacen estas tres soluciones? Basta reemplazar t por cero
para ver que
u
1
(x, 0) = sen
3x
L
u
2
(x, 0) = 4,5 sen
x
L
u
3
(x, 0) = sen
3x
L
+ 4,5 sen
x
L
.
No parece haber mucha libertad para elegir condiciones iniciales generales. Nos ocupare-
mos de este tema a continuaci on.
108
Problema a valores iniciales. Supongamos como ejemplo que queremos resolver el
siguiente problema a valores iniciales:
EDP:
u
t
= k

2
u
x
2
CB: u(0, t) = 0
u(L, t) = 0
CI: u(x, 0) = 4 sen
3x
L
.
La soluci on producto u(x, t) = b sen
nx
L
e

(
n
L
)
2
kt
satisface la condicion inicial u(x, 0) =
b sen
nx
L
. Por lo tanto, eligiendo n = 3 y b = 4, se satisface la condicion inicial, y luego
la soluci on es
u(x, t) = 4 sen
3x
L
e

(
3
L
)
2
kt
.
Se puede demostrar que este problema fsico tiene una unica soluci on, por lo que no
importa el metodo utilizado para resolverlo. Siempre obtendramos la misma.
Principio de superposici on. Las soluciones producto son soluciones muy particu-
lares, pues solo sirven cuando la condicion inicial tiene la forma apropiada u(x, 0) =
b sen
nx
L
. Sin embargo, este tipo de soluciones es muy util tambien en muchas otras si-
tuaciones. Consideremos la misma EDP con las mismas condiciones de borde pero con la
condicion inicial
u(x, 0) = 4 sen
3x
L
+ 1,7 sen
8x
L
.
La soluci on de este problema puede obtenerse sumando dos soluciones producto:
u(x, t) = 4 sen
3x
L
e

(
3
L
)
2
kt
+ 1,7 sen
8x
L
e

(
8
L
)
2
kt
.
Inmediatamente vemos que esta funci on resuelve la EDP, las CB y tambien la CI.
Superposici on (extendida). El principio de superposicion puede extenderse para
mostrar que si u
1
, u
2
,. . . ,u
M
son soluciones de un problema lineal homogeneo, enton-
ces cualquier combinacion lineal de ellas:
c
1
u
1
+ c
2
u
2
+ + c
M
u
M
=
M

n=1
c
n
u
n
es tambien una soluci on. Como sabemos del metodo de separaci on de variables que la
funci on sen
nx
L
e

(
n
L
)
2
kt
es soluci on de la ecuacion de difusi on para todo entero n positivo,
entonces cualquier combinacion lineal de estas soluciones es tambien soluci on de la misma
ecuacion de difusi on con las mismas condiciones de borde homogeneas. Por lo tanto
u(x, t) =
M

n=1
b
n
sen
nx
L
e

(
n
L
)
2
kt
(8.22)
109
es soluci on de la ecuacion de difusi on (con condiciones de borde de tipo Dirichlet nulas)
para cualquier M y cualesquiera valores de b
n
. Entonces hemos ahora extendido la familia
de soluciones. De soluciones producto, hemos pasado a combinaciones lineales de
soluciones producto. Si en (8.22) tomamos t = 0 vemos que
u(x, 0) =
M

n=1
b
n
sen
nx
L
.
Por lo que podemos resolver la ecuacion de difusi on para cualquier condicion inicial de
la forma
u(x, 0) = f(x) =
M

n=1
b
n
sen
nx
L
.
Que hacemos si tenemos que resolver la ecuacion de difusi on con un dato inicial f(x)
que no es de esta forma? La teora de las series de Fourier (Captulo 9) dice que:
1. Cualquier funci on f(x) (con algunas restricciones razonables) puede ser aproximada
(en alg un sentido) por combinaciones lineales de sen
nx
L
.
2. La aproximacion tal vez no sera buena para M peque no, pero mejora a medida que
M crece.
3. Mas a un, si consideramos el lmite cuando M , entonces la serie innita converge
a f(x).
Armamos entonces que cualquier dato inicial f(x) se puede escribir como una com-
binacion lineal innita de sen
nx
L
, conocida como serie de Fourier:
f(x) =

n=1
b
n
sen
nx
L
. (8.23)
Lo que es m as importante es que la serie innita correspondiente
u(x, t) =

n=1
b
n
sen
nx
L
e

(
n
L
)
2
kt
(8.24)
es soluci on de nuestra ecuacion de difusi on.
Por lo tanto, si queremos resolver la ecuacion de difusi on (8.5) para una funci on f
dada, hace falta calcular los coecientes b
n
que hacen posible la igualdad (8.23). Dichos
coecientes b
n
se denominan coecientes de Fourier de f.
El c alculo de los coecientes de Fourier en la serie se senos de f se basa en la siguiente
observacion:
Para n, m enteros positivos
_
L
0
sen
nx
L
sen
mx
L
dx =
_
0 si n ,= m,
L
2
si n = m.
110
Observemos ahora que
_
L
0
f(x) sen
mx
L
dx =
_
L
0
_

n=1
b
n
sen
nx
L
_
sen
mx
L
dx
=
_
L
0

n=1
_
b
n
sen
nx
L
sen
mx
L
_
dx
=

n=1
b
n
_
L
0
sen
nx
L
sen
mx
L
dx.
Haciendo uso de la observacion anterior vemos que todos los terminos de esta serie son
nulos excepto uno, aquel para el que n = m. Por lo tanto
_
L
0
f(x) sen
mx
L
dx = b
m
_
L
0
sen
mx
L
sen
mx
L
dx = b
m
L
2
.
De esta manera, hemos podido despejar b
m
de la formula (8.23) obteniendo que
b
m
=
2
L
_
L
0
f(x) sen
mx
L
dx, m = 1, 2, 3, . . . . (8.25)
Ejemplo 8.2. Hallar la soluci on de
_

_
u
t
= ku
xx
, 0 < x < L, t > 0,
u(0, t) = 0, u(L, t) = 0, t > 0,
u(x, 0) = 1, 0 < x < L,
(8.26)
La soluci on de este problema esta dada por
u(x, t) =

n=1
b
n
e

(
n
L
)
2
kt
sen
nx
L
,
siempre que los coecientes b
n
se elijan de modo que
1 =

n=1
b
n
sen
nx
L
, 0 x L,
pues (8.26) es la ecuacion de difusi on (8.5) con f(x) 1.
Veamos entonces cu anto valen los coecientes de Fourier de la funci on constante
f(x) 1. Seg un la formula (8.25)
b
n
=
2
L
_
L
0
sen
nx
L
dx =
2
L
(cos
nx
L
)
n
L

L
0
=
2
L
L
n
_
cos
nL
L
cos 0
_
=
2
n
[cos n 1] =
2
n
_
0 si n es par
2 si n es impar
=
_
0 si n es par,
4
n
si n es impar.
111
Por lo tanto, la soluci on de (8.26) es
u(x, t) =

n=1
b
n
e

(
n
L
)
2
kt
sen
nx
L
, con b
n
=
_
0 si n es par,
4
n
si n es impar.
Utilizando un programa como el MATLAB u OCTAVE, o cualquier otro podemos gracar
algunas curvas para entender un poco mejor.
Para gracar y ver un poco que ocurre consideramos k = 1 y L = 1.
0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
1.2
1.4


y=f
y=f
1
y=f
3
y=f
30
0 0.1 0.2 0.3 0.4 0.5 0.6
0
0.2
0.4
0.6
0.8
1
Figura 8.2: Gr aco de f 1 y su aproximacion por la suma de 1, 3 y 30 terminos de
su serie de Fourier de senos (izquierda). Gr aco de la solucion aproximada u
30
(x, t) en
x = 0,125, x = 0,25, 0,375 y x = 0,5 para 0 < t < 0,6.
En la Figura 8.2 (izquierda) vemos la funci on f (constantemente 1) y la aproximacion
de f que se obtiene sumando 1, 3 y 30 terminos de la serie de Fourier de f. Es decir,
gracamos
f(x) = 1, f
1
(x) =
1

n=1
b
n
sen nx = b
1
sen x,
f
3
(x) =
3

n=1
b
n
sen nx, f
30
(x) =
30

n=1
b
n
sen nx.
La aproximacion es bastante mala porque las condiciones de borde implican que
lm
t0
+
u(0, t) = 0 ,= lm
x0
+
u(x, 0) = 1 y lm
t0
+
u(L, t) = 0 ,= lm
xL

u(x, 0) = 1.
Cuando esto ocurre suele decirse que las CI y las CB son incompatibles. Sin embargo, si
gracamos la soluci on para diferentes valores de t, a partir de f
30
, vemos que se observa
lo que se espera de la soluci on con condicion inical constantemente igual a 1.
En la Figura 8.3 (izquierda) vemos el gr aco de
u
30
(x, t) =
30

n=1
b
n
e
(n)
2
t
sen nx,
112
como funci on de x para t = 0,01, 0,03, 0,05, 0,07, 0,09 (tambien se graca f(x) 1 para
referencia, y no se graca u
30
(x, 0)). Se ve que la evolucion es muy r apida en el intervalo
de tiempo [0, 0,01] as que gracamos u(x, t) para t = 0,002, 0,004, 0,006, 0,008, 0,01 en el
gr aco de la derecha.
0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
Figura 8.3: Gr aco de u(x, t) para 0 < x < 1 y t = 0,01, 0,03, 0,05, 0,07, 0,09 (izquierda).
Gr aco de u(x, t) para 0 < x < 1 y t = 0,002, 0,004, 0,006, 0,008, 0,01 (derecha).
En los problemas se pide que usted haga lo mismo para diferentes funciones f y
problemas con otras condiciones de borde.
8.3. Solucion del problema de conducci on del calor
en un anillo circular
Hemos investigado un problema de difusi on cuyas autofunciones son senos y en los
problemas se ver an ejemplos cuyas autofunciones son cosenos. En esta secci on ilustrare-
mos un problema de difusi on cuyas autofunciones son senos y cosenos.
x = 0
x = L
x = L
Figura 8.4: Anillo circular de longitud
2L
Supongamos que un alambre delgado se curva para formar una circunferencia, como
en la Figura 8.4. Por cuestiones de conveniencia supongamos que el alambre tiene longitud
2L, es decir, L es la mitad de la longitud del alambre. Como la circunferencia tiene una
longitud de 2r, el radio es r =
2L
2
=
L

. Si el alambre es sucientemente delgado y


113
esta termicamente aislado, es razonable suponer que la temperatura es constante en cada
secci on transversal del alambre curvo. En esta situacion la temperatura del alambre debe
satisfacer una ecuacion del calor unidimensional, donde x representa la longitud de arco
a lo largo del alambre:
u
t
= k

2
u
x
2
. (8.27)
Nuevamente suponemos que el alambre tiene propiedades termicas constantes y no hay
fuentes de calor. Es conveniente para simplicar algunos calculos, suponer que la longitud
de arco x vara de L a L (en lugar de variar de 0 a 2L).
Supongamos que el alambre esta perfectamente conectado a s mismo en los extremos
(x = L a x = L). All deberan cumplirse las condiciones de contacto termico perfecto:
La temperatura u(x, t) debera ser continua
u(L, t) = u(L, t). (8.28)
Tambien el ujo de calor debera ser continuo, y como la conductividad termica es cons-
tante, esto implica que la derivada con respecto a x de la temperatura es continua:
u
x
(L, t) =
u
x
(L, t). (8.29)
Las dos condiciones de borde para la ecuacion en derivadas parciales son entonces (8.28)
y (8.29). La condicion inicial es una funci on dada
u(x, 0) = f(x). (8.30)
El problema matem atico consiste luego en la EDP lineal homogenea (8.27), con condicio-
nes de borde lineales y homogeneas (8.28) y (8.29). Es por lo tanto plausible la utilizaci on
del metodo de separaci on de variables.
Proponemos una soluci on producto u(x, t) = (x)G(t). Luego obtenemos para y G
las ecuaciones diferenciales ordinarias
dG
dt
= kG
d
2

dx
2
= .
Las condiciones de borde que nos interesan ahora implican que la funci on debe satisfacer
(L) = (L) y
d
dx
(L) =
d
dx
(L). La constante de separaci on se determina entonces
encontrando todos los para los que el problema a valores en el borde:
d
2

dx
2
= , (L) = (L)
d
dx
(L) =
d
dx
(L),
tiene soluci on no-trivial. Las condiciones de borde con que nos encontramos se denominan
com unmente condiciones de borde peri odicas porque aunque el problema se piensa
denido en L < x < L, se puede pensar que esta denido periodicamente para todo
x R; la temperatura sera periodica (x = x
0
es el mismo punto fsico que x = x
0
+ 2L,
y por lo tanto tendr a la misma temperatura). Si > 0, la soluci on general del problema
para es
(x) = c
1
cos

x + c
2
sen

x.
114
La condicion de borde (L) = (L) implica que
c
1
cos

(L) +c
2
sen

(L) = c
1
cos

L + c
2
sen

L
Como el coseno es una funci on par, cos

(L) = cos

L, y como el seno es impar


sen

(L) = sen

L. Se sigue entonces que (L) = (L) se satisface cuando


c
1
cos

L c
2
sen

L = c
1
cos

L + c
2
sen

L
y esta igualdad es v alida si y solo si
c
2
sen

L = 0. (8.31)
Antes de resolver esta ecuacion, analicemos la segunda condicion de borde, que involucra
a la derivada,
d
dx
(x) =

_
c
1
sen

x + c
2
cos

x
_
.
Luego
d
dx
(L) =
d
dx
(L) se cumple si

_
c
1
sen

(L) + c
2
cos

(L)
_
=

_
c
1
sen

L + c
2
cos

L
_
Usando nuevamente las propiedades de las funciones trigonometricas (que el coseno es
par y el seno impar) obtenemos que
d
dx
(L) =
d
dx
(L) si y solo si
c
1

sen

L = 0. (8.32)
Ahora veamos que implican las ecuaciones (8.31) y (8.32). Si sen

L ,= 0 entonces
por (8.31) c
2
= 0 y por (8.32) c
1
= 0, obteniendo la soluci on trivial. Luego, para obtener
soluciones no-triviales debe cumplirse que
sen

L = 0,
lo que determina los autovalores . Nuevamente obtenemos que
=
_
n
L
_
2
, n = 1, 2, 3, . . . .
Los autovalores obtenidos son los mismos que los de los casos anteriores (para eso he-
mos tomado el alambre de longitud 2L). Sin embargo, en este caso no hay restricciones
adicionales sobre c
1
ni c
2
. Ambas constantes pueden tomar cualquier valor. Decimos en
este caso que ambas funciones sen
nx
L
y cos
nx
L
son autofunciones correspondientes al
autovalor = (n/L)
2
,
(x) = cos
nx
L
, sen
nx
L
, n = 1, 2, 3 . . . .
En realidad, cualquier combinacion lineal de estas funciones (para el mismo n) es una
autofunci on del autovalor = (n/L)
2
. Pero debe entenderse siempre que las dos son
115
autofunciones independientes. En conclusi on, tenemos dos familias innitas de soluciones
producto de la ecuacion diferencial:
u(x, t) = cos
nx
L
e

(
n
L
)
2
kt
y u(x, t) = sen
nx
L
e

(
n
L
)
2
kt
, n = 1, 2, 3, . . . .
Todas estas soluciones producto corresponden a > 0.
Analicemos el caso = 0: La soluci on general es (x) = c
1
+ c
2
x. La condicion
(L) = (L) implica que
c
1
c
2
L = c
1
+c
2
L,
lo que a su vez implica que c
2
= 0. Luego (x) = c
1
y
d
dx
(x) 0, de modo que la segunda
condicion de borde
d
dx
(0) =
d
dx
(L) se cumple automaticamente. Vemos entonces que
(x) = c
1
,
cualquier constante, es una autofunci on correspondiente al autovalor = 0. Las solucio-
nes producto tambien son constantes en este caso pues e
0
= 1. Notemos que para = 0
hay solo una autofunci on linealmente independiente (todas las otras se obtienen mul-
tiplicandola por una constante). En cambio para cada autovalor positivo = (n/L)
2
hay dos autofunciones linealmente independientes, sen
nx
L
y cos
nx
L
. Nuevamente, no hay
ning un autovalor < 0 (por que?).
Conclusion: Las soluciones producto para la conduccion del calor en un
alambre circular de longitud 2L son:
u
a
n
(x, t) = a
n
cos
nx
L
e

(
n
L
)
2
kt
n = 1, 2, . . . ,
u
b
n
(x, t) = b
n
sen
nx
L
e

(
n
L
)
2
kt
n = 1, 2, . . . ,
u
0
(x, t) = a
0
,
donde a
0
, a
1
, . . . , b
1
, b
2
, . . . son constantes arbitrarias.
Para lograr que se cumpla la condicion inicial es necesario aplicar el principio de
superposicion. La soluci on m as general que se obtiene por el metodo de separaci on de
variables consiste de una combinacion lineal arbitraria de las soluciones producto:
u(x, t) = a
0
+

n=1
a
n
cos
nx
L
e

(
n
L
)
2
kt
+

n=1
b
n
sen
nx
L
e

(
n
L
)
2
kt
. (8.33)
La constante a
0
es la soluci on producto correspondiente a = 0, mientras que dos
familias de coecientes arbitrarios a
n
y b
n
son necesarios para las soluciones producto
correspondientes a > 0. La condicion inicial u(x, 0) = f(x) se satisface si
f(x) = a
0
+

n=1
a
n
cos
nx
L
+

n=1
b
n
sen
nx
L
=

n=0
a
n
cos
nx
L
+

n=1
b
n
sen
nx
L
. (8.34)
Aqu la funci on f(x) es una combinacion lineal de senos y de cosenos. Otra diferencia
crucial es que (8.34) es v alida para L < x < L, mientras que para las series de senos
del ejemplo de la Seccion 8.2 la igualdad era v alida para 0 x L.
116
Ahora queremos determinar los coecientes a
0
, a
n
, b
n
(n 1) a partir de (8.34).
Nuevamente, las autofunciones satisfacen las siguientes propiedades integrales (notar que
ahora son diferentes pues estamos considerando el intervalo [L, L] que es simetrico
respecto al origen):
_
L
L
cos
nx
L
cos
mx
L
dx =
_

_
0 si n ,= m
L si n = m ,= 0
2L si n = m = 0
_
L
L
sen
nx
L
sen
mx
L
dx =
_
0 si n ,= m
L si n = m ,= 0
_
L
L
sen
nx
L
cos
mx
L
dx = 0 (siempre),
(8.35)
donde n y m son enteros no negativos arbitrarios. La autofunci on constante corresponde
a n = 0 o m = 0. La ultima de estas integrales es particularmente simple de derivar,
pues el seno es una funci on impar y el coseno es par, entonces el producto es una funci on
impar y la integral en un intervalo simetrico con respecto al origen es cero.
Los coecientes se obtienen de forma similar a como se hizo antes. Si multiplica-
mos (8.34) por cos
mx
L
y/o por sen
mx
L
(hacemos las dos cuentas a la vez) y luego inte-
gramos de x = L a x = L, obtenemos
_
L
L
f(x)
_

_
cos
mx
L
sen
mx
L
_

_
dx =

n=0
a
n
_
L
L
cos
nx
L
_

_
cos
mx
L
sen
mx
L
_

_
dx
+

n=1
b
n
_
L
L
sen
nx
L
.
_

_
cos
mx
L
sen
mx
L
_

_
dx.
Ahora utilizamos las propiedades integrales (8.35) y obtenemos
_
L
L
f(x) cos
mx
L
dx = a
m
_
L
L
_
cos
mx
L
_
2
dx
_
L
L
f(x) sen
mx
L
dx = b
m
_
L
L
_
sen
mx
L
_
2
dx
Despejando obtenemos
a
0
=
1
2L
_
L
L
f(x) dx
a
m
=
1
L
_
L
L
f(x) cos
mx
L
dx
b
m
=
1
L
_
L
L
f(x) sen
mx
L
dx
donde las dos ultimas formulas valen para m = 1, 2, 3, . . . .
117
8.4. Unicidad y el principio del maximo
Si escribimos, en base a un problema de palabras, que
_
x + y +z = 3,
x + y = 3,
podramos decir que x = 1, y = 2, z = 0. Pero podemos observar tambien que hay
m as soluciones. Esto indica que el problema est a mal planteado, o faltan condiciones que
determinen una unica soluci on.
En EDP no es tan obvio darse cuenta si hay innitas soluciones, o unica. La unicidad
de soluciones, adem as de decirnos que el problema esta bien planteado, nos permite
armar que si hemos hallado una formula para una soluci on (por ejemplo por el metodo
de separaci on de variables), entonces esa formula representa la soluci on.
En esta secci on veremos la unicidad de soluciones del problema de difusi on en un
intervalo con condiciones de Dirichlet de dos maneras diferentes:
Utilizando el metodo de energa.
A traves del principio del m aximo.
8.4.1. Metodo de energa
El siguiente teorema dice que la ecuacion de difusi on con CB de tipo Dirichlet en
un intervalo acotado [0, L] tiene unica soluci on. Su demostracion se har a utilizando el
llamado metodo de energa.
Teorema 8.3. Consideremos el problema de difusion en un intervalo acotado con condi-
ciones de borde Dirichlet siguiente:
_

_
u
t
ku
xx
= g(x, t), 0 < x < L, 0 < t < T
u(0, t) = a(t), u(L, t) = b(t) 0 < t < T
u(x, 0) = f(x), 0 < x < L,
(8.36)
donde g(x, t), f(x), a(t), b(t) son funciones dadas en [0, L] y en [0, T], respectivamente.
Si u
1
(x, t) y u
2
(x, t) son soluciones de (8.36), entonces u
1
(x, t) = u
2
(x, t) para todo
0 x L, t 0.
Demostraci on. Sea v(x, t) = u
1
(x, t) u
2
(x, t). La demostracion consiste en mostrar que
v(x, t) 0, lo que implicara que u
1
(x, t) u
2
(x, t). Que podemos deducir que cumple
v(x, t)? Claramente
_

_
v
t
= kv
xx
, 0 < x < L, t > 0
v(0, t) = 0, v(L, t) = 0 t > 0
v(x, 0) = 0, 0 < x < L.
(8.37)
Aqu hay que tener cuidado con la l ogica. Es claro que si tomamos v 0 obtenemos una
soluci on de (8.37). Lo que queremos demostrar es que existe una unica solucion de (8.37),
y es la v 0.
118
Sea entonces v(x, t) una soluci on de (8.37) y denamos
F(t) =
_
L
0
_
v(x, t)

2
dx, t 0.
Esta funci on F(t) que depende solo de t se llama energa de la soluci on v(x, t) a tiempo
t. Veamos que propiedades cumple F(t).
F(0) =
_
L
0
_
v(x, 0)

2
dx =
_
L
0
0 dx = 0.
F(t) 0 para todo t 0.
Observemos F

(t)
F

(t) =
d
dt
_
L
0
_
v(x, t)

2
dx
=
_
L
0

t
_
v(x, t)

2
dx
=
_
L
0
2v(x, t) v
t
(x, t) dx = 2
_
L
0
v(x, t) kv
xx
(x, t) dx por (8.37)
= 2k
_
L
0
2v(x, t) v
xx
(x, t) dx
= 2k
_
v(x, t) v
x
(x, t)

x=L
x=0

_
L
0
v
x
(x, t) v
x
(x, t) dx
_
int. por partes
= 2k
_
v(L, t) v
x
(L, t) v(0, t)v
x
(0, t)
_
. .
=0 por CB
2k
_
L
0
_
v
x
(x, t)

2
dx
. .
0
. .
0
.
Por lo tanto F

(t) 0 y F(t) es decreciente.


Poniendo todo junto
0 F(t) F(0) = 0 = F(t) 0, t 0.
Luego
_
L
0
_
v(x, t)

2
dx = 0, t 0 lo que implica que v(x, t) 0, 0 x L, t 0.
Observaci on 8.4. El metodo del Teorema 8.3 puede usarse para todas las condiciones
de borde que hemos visto hasta ahora. Basta ver que siempre da menor o igual a cero el
termino
_
v(L, t) v
x
(L, t) v(0, t)v
x
(0, t)
_
cuando v = u
1
u
2
es la resta entre dos soluciones con las mismas condiciones de borde.
Ver ejercicio 8.13
119
Observaci on 8.5. El metodo del Teorema 8.3 puede usarse para comparar dos soluciones
con diferentes condiciones iniciales. Si u
1
, u
2
son soluciones de (8.36) con condicion inicial
f
1
, f
2
, respectivamente, entonces denimos v := u
1
u
2
y F(t) =
_
L
0
_
v(x, t)

2
dx como
antes. Luego F

(t) 0 y F(t) F(0), es decir


_
L
0
_
u
1
(x, t) u
2
(x, t)

2
dx = F(t)
F(0) =
_
L
0
_
u
1
(x, 0) u
2
(x, 0)

2
dx
=
_
L
0
_
f
1
(x) f
2
(x)

2
dx.
En palabras, el error cuadr atico medio entre u
1
(, t) y u
2
(, t) es decreciente y nunca excede
el error cuadr atico medio inicial.
Observaci on 8.6. La observacion anterior nos dice que el error que se comete al apro-
ximar el dato inicial verdadero por uno medido, o por uno dado por una suma nita
de senos (por ejemplo) no crece cuando lo medimos como la integral de la diferencia al
cuadrado. Esto no nos dice que el m aximo error no crezca, sino que en promedio no crece.
Un resultado m as preciso se presenta en la pr oxima secci on.
8.4.2. El principio del maximo y sus consecuencias
Teorema 8.7 (Principio del m aximo). Sea u(x, t) una solucion del problema
_

_
u
t
ku
xx
= 0, 0 < x < L, 0 < t < T
u(0, t) = a(t), u(L, t) = b(t) 0 < t < T
u(x, 0) = f(x), 0 < x < L,
(8.38)
con a(t), b(t) y f(x) funciones continuas dadas en [0, T] y [0, L], respectivamente, para
un tiempo nal T > 0 dado. Denimos
f = m ax
0xL
f(x) = maximo valor de u en t = 0
a = m ax
0tT
a(t) = maximo valor de u en x = 0
b = m ax
0tT
b(t) = maximo valor de u en x = L
y
M = m axf, a, b = maximo valor de u en .
Aqu = 0 x L, t = 0 x = 0, 0 t T x = L, 0 t T es lo que se
denomina frontera parab olica del problema (8.38) (ver Figura 8.5). Entonces
u(x, t) M, 0 < x < L, 0 < t T.
O lo que es lo mismo
m ax
0xL
0tT
u(x, t) = m ax
(x,t)
u(x, t), o m ax
[0,T]
u = m ax

u.
120
x
t
L
T
(0, T]
(0, T]
= (0, L) = [0, L]
= frontera parab olica
Figura 8.5: Gr aco de , [0, T], (0, T], y .
Observaci on 8.8. Desde el punto de vista fsico, si u denota temperatura, el principio
del m aximo nos dice que, en ausencia de fuentes volumetricas de calor, la temperatura
en un punto x a tiempo t es siempre menor o igual a la m axima temperatura alcanzada
entre el tiempo inicial y el borde en el intervalo de tiempo considerado.
Postponemos la demostracion del Teorema 8.7 hasta la pr oxima secci on y nos dedi-
camos ahora a ver algunas consecuencias que se desprenden del principio del m aximo.
Corolario 8.9 (Principio del mnimo). Sea u una solucion de (8.38) y denamos
f = mn
0xL
f(x) = mnimo valor de u en t = 0
a = mn
0tT
a(t) = mnimo valor de u en x = 0
b = mn
0tT
b(t) = mnimo valor de u en x = L
y
m = mnf, a, b = mnimo valor de u en .
Entonces
u(x, t) m, 0 < x < L, 0 < t T.
O lo que es lo mismo
mn
0xL
0tT
u(x, t) = mn
(x,t)
u(x, t), o mn
[0,T]
u = mn

u.
Este corolario se demuestra aplicando el principio del m aximo a u, observando que
m ax(u) = mn u, m ax(a) = mn a, etc.
121
Ejemplo 8.10. Los principios del m aximo y del mnimo se pueden utilizar para deducir
cotas ajustadas de la soluci on a un cuando la misma no pueda calcularse exactamente.
Por ejemplo, si u(x, t) es la soluci on de
_

_
u
t
= 9u
xx
, 0 < x < 3, t > 0
u(0, t) = 0, u(3, t) = 0 t > 0
u(x, 0) =
x
4
(x 3)
4
100
, 0 < x < 3,
entonces u(x, t) es siempre un n umero entre 0 y el m aximo del dato inicial. Observemos
que el dato inicial
x
4
(x3)
4
100
es simetrico en el intervalo [0, 3] y positivo, y que su m aximo se
alcanza en el punto medio del intervalo. Reemplazando x = 1,5 en la formula obtenemos
que el m aximo del dato inicial es
1,5
8
100
0,25629. Por lo tanto, deducimos que
0 u(x, t) 0,25629, 0 < x < 3, t > 0.
Una consecuencia importante de los principios del m aximo y del mnimo es el siguiente
teorema.
Teorema 8.11 (Dependencia continua de las CI y las CB). Sean u
1
y u
2
soluciones de
los problemas
_

_
u
i
t
ku
i
xx
= 0, 0 < x < L, 0 < t < T
u
i
(0, t) = a
i
(t), u
i
(L, t) = b
i
(t) 0 < t < T
u
i
(x, 0) = f
i
(x), 0 < x < L,
, i = 1, 2.
Si para alg un error > 0 se cumple que
[f
1
(x) f
2
(x)[ , 0 < x < L
[a
1
(t) a
2
(t)[ , 0 < t < T
[b
1
(t) b
2
(t)[ , 0 < t < T
entonces
[u
1
(x, t) u
2
(x, t)[ , 0 < x < L, 0 < t < T.
Demostraci on. La demostracion consiste en aplicar los principios del m aximo y mnimo
a v(x, t) = u
1
(x, t) u
2
(x, t). La funci on v(x, t) as denida es soluci on de
v
t
kv
xx
= 0, 0 < x < L, 0 < t < T
v(0, t) = a
1
(t) a
2
(t), v(L, t) = b
1
(t) b
2
(t) 0 < t < T
v(x, 0) = f
1
(x) f
2
(x), 0 < x < L.
Por otro lado, las hip otesis sobre f
i
, a
i
, b
i
implican que
mn
0xL
f
1
(x) f
2
(x) m ax f
1
(x) f
2
(x) ,
mn
0tT
a
1
(t) a
2
(t) m ax a
1
(t) a
2
(t) ,
mn
0tT
b
1
(t) b
2
(t) m ax b
1
(t) b
2
(t) .
122
Por lo tanto, aplicando los principios del m aximo y del mnimo a v(x, t) obtenemos
v(x, t) = u
1
(x, t) u
2
(x, t) , 0 < x < T, 0 < t < T.
Observaci on 8.12. El ultimo teorema es muy importante, pues nos dice que si dispo-
nemos de datos iniciales y de borde aproximados (como los obtenidos por medici on),
entonces la soluci on del problema esta igualmente aproximada a la soluci on con los datos
exactos.
Observaci on 8.13. Por otro lado, nos permite saber que las soluciones u
N
, calculadas
con una aproximacion f
N
del dato inicial f (por ejemplo la obtenida con una suma de N
de funciones trigonometricas), estan tan aproximadas a la soluci on exacta u(x, t) como
f
N
lo esta de f.
8.4.3. Demostraci on del principio del maximo
En esta secci on procedemos a demostrar el Teorema 8.7, conocido como Principio del
Maximo. Si bien el resultado es obvio si uno piensa en temperaturas y desde el punto de
vista fsico, es interesante ver que propiedades de la fsica observables u obvias pueden
deducirse del modelo matem atico.
Demostremos primero la siguiente proposicion, que nos da el principio del m aximo en
un caso particular en el que hay una fuente constantemente negativa.
Proposici on 8.14. Sea v(x, t) una solucion del problema
v
t
kv
xx
= c, 0 < x < L, 0 < t < T (8.39)
con c una constante positiva y un tiempo nal T > 0 dado. Entonces
m ax
(x,t)[0,T]
v(x, t) = m ax
(x,t)
v(x, t),
donde es la frontera parab olica (ver Figura 8.5).
Demostraci on. Sea M = m ax
(x,t)
v(x, t) y sea M
0
= m ax
(x,t)[0,T]
v(x, t). Es obvio que M
M
0
porque [0, T]. Para probar el teorema debemos concluir que M
0
M.
Supongamos entonces que M
0
> M y veamos que esto no es posible.
Sea (x
0
, t
0
) el punto del dominio espacio temporal [0, T] donde se alcanza el
m aximo M
0
. Como este m aximo es mayor estricto que el m aximo M que se alcanza sobre
resulta que (x
0
, t
0
) / , es decir,
0 < x
0
< L, y 0 < t
0
T.
Observamos ahora que M
0
es tambien el m aximo de v a lo largo de los segmentos (coor-
denados) H = (x, t
0
) : 0 < x < L y V = (x
0
, t) : 0 < t T; ver Figura 8.6.
Como el m aximo sobre el segmento H se da en un punto interior (que no es extremo)
resulta que v
x
(x
0
, t
0
) = 0 y v
xx
(x
0
, t
0
) 0. Por otro lado, como el m aximo sobre el
123
x
x
t
t
0 0
x
0
x
0
t
0
t
0
(x
0
, t
0
)
v v
L
L
T
T
(0, T]
Figura 8.6: Si el m aximo de v esta en (x
0
, t
0
) entonces v tiene un m aximo en x
0
sobre el
segmento horizontal t = t
0
y un m aximo en t
0
sobre el segmento vertical x = x
0
. Luego
v
x
(x
0
, t
0
) = 0, v
xx
(x
0
, t
0
) 0 y v
t
(x
0
, t
0
) 0.
segmento V se da en un t
0
que podra ser igual a T, solo podemos decir que v
t
(x
0
, t
0
) 0,
pero entonces
v
t
(x
0
, t
0
) kv
xx
(x
0
, t
0
) 0,
lo cual contradice la hip otesis de que v es soluci on de (8.39). Esta contradiccion nos dice
que no es posible que M
0
> M, y luego M
0
M. Como ya sabamos que M M
0
concluimos que M = M
0
.
Demostraci on del Teorema 8.7. Supongamos ahora que u(x, t) satisface las hip otesis del
Teorema 8.7. Para c > 0 (arbitrario) denimos v(x, t) = u(x, t) c t. Entonces v
t
=
k v
xx
c o, lo que es lo mismo
v
t
(x, t) kv
xx
(x, t) = c.
Por la Proposicion 8.14, para cada (x, t) (0, T]
u(x, t) c t = v(x, t) m ax

v m ax

u,
porque v(x, t) = u(x, t) ct u(x, t). Tomando lmite cuando c 0
+
a la izquierda de
la ultima expresion obtenemos que para cada (x, t) (0, T]
u(x, t) m ax

u.
El Teorema 8.7 se conoce tambien como Principio del maximo debil. Existe un prin-
cipio del m aximo fuerte que enunciamos a continuaci on, cuya demostracion queda fuera
del alcance de este curso (puede encontrarse en [Bleecker-Csordas 1996, Chapter 3].
Teorema 8.15 (Principio del m aximo fuerte). Bajo las hip otesis del Teorema 8.7, no
existe ning un (x
0
, t
0
) (0, T] tal que u(x
0
, t
0
) = M := m ax

u, a menos que u sea


constante en [0, L] [0, t
0
], y en ese caso f a b u M para 0 x L y
0 t t
0
.
124
8.5. CB independientes del tiempo
Hasta ahora hemos resuelto problemas con condiciones de borde homogeneas, por
ejemplo u(0, t) = 0, u(L, t) u(L, t) = 0, u
x
(L, t) +u(L, t) = 0, etc.; ver Secciones 8.2,
8.3 y ejercicios 8.58.11. En esta secci on nos ocuparemos de condiciones de borde no-
homogeneas pero constantes en el tiempo.
La idea es hallar primero una soluci on particular que cumpla la Ecuacion Diferencial
(ED) y las Condiciones de Borde (CB), ignorando la Condici on Inicial (CI). Luego
hallar una que cumpla la ED y las CB homogeneas correspondientes de manera que
sumada a la anterior cumpla todo: la ED, las CB y la CI.
Veamos directamente un ejemplo:
Ejemplo 8.16. Hallar la soluci on de
u
t
ku
xx
= 0, 0 < x < L, t > 0
u(0, t) = a, u(L, t) = b, t > 0,
u(x, 0) = g(x), 0 < x < L,
(8.40)
con a y b dos constantes y g(x) una funci on dada. Descomponemos este problema de la
siguiente manera. Primero resolveremos el problema:
u
p,t
ku
p,xx
= 0, 0 < x < L, t > 0,
u
p
(0, t) = a, u
p
(L, t) = b, t > 0,
u
p
(x, 0) = lo que sea, 0 < x < L.
Una vez resuelto, resolvemos este:
v
t
kv
xx
= 0, 0 < x < L, t > 0,
v(0, t) = 0, v(L, t) = 0, t > 0,
v(x, 0) = g(x) u
p
(x, 0), 0 < x < L.
De esta manera, la funci on u(x, t) = u
p
(x, t) + v(x, t) sera soluci on de (8.40). En efecto:
u
t
ku
xx
= (u
p
+ v)
t
k (u
p
+ v)
xx
= u
p,t
+v
t
ku
p,xx
kv
xx
0 < x < L, t > 0,
= u
p,t
ku
p,xx
+ v
t
kv
xx
= 0,
u(0, t) = u
p
(0, t) + v(0, t) = a + 0 = a, t > 0,
u(L, t) = u
p
(L, t) + v(L, t) = b + 0 = b, t > 0,
u(x, 0) = u
p
(x, 0) + v(x, 0)
= u
p
(x, 0) + (g(x) u
p
(x, 0)) = g(x), 0 < x < L.
Ahora nos resta resolver los dos (sub)problemas. Para hallar u
p
conviene intentar primero
buscar una soluci on estacionaria, es decir una que satisfaga u
p,t
= 0. Reemplazando u
p,t
por 0 en la ED nos da u
p,xx
= 0, o sea que u
p
es lineal en x. Imponiendo las CB obtenemos
u
p
(x, t) =
b a
L
x + a,
125
que satisface la ED y las CB. Ahora debemos resolver
v
t
kv
xx
= 0, 0 < x < L, t > 0,
v(0, t) = 0, v(L, t) = 0, t > 0,
v(x, 0) = g(x)
_
b a
L
x + a
_
, 0 < x < L,
cuya soluci on hemos encontrado en la Seccion 8.2, y esta dada por
v(x, t) =

n=1
b
n
sen
nx
L
e

(
n
L
)
2
kt
,
con
b
n
=
2
L
_
L
0
_
g(x)
_
b a
L
x + a
__
sen
nx
L
dx, n = 1, 2, . . . .
La soluci on u(x, t) de (8.40) es entonces
u(x, t) =
b a
L
x +a +

n=1
b
n
sen
nx
L
e

(
n
L
)
2
kt
,
con b
n
=
2
L
_
L
0
_
g(x)
_
ba
L
x +a
_
sen
nx
L
dx, n = 1, 2, . . . . Es importante notar que
los coecientes b
n
no se calculan con respecto a la g(x) original, sino con respecto a la
condicion inicial que satisface v(x, t), que es el dato inicial original g(x) menos lo que vale
u
p
en t = 0.
Resolvamos un ejemplo m as concreto
Ejemplo 8.17. Hallar la soluci on de
u
t
2u
xx
= 0, 0 < x < 3, t > 0,
u(0, t) = 2, u(3, t) = 1, t > 0,
u(x, 0) = 2 +
1
10
sen(

3
x) x, 0 < x < 3,
(8.41)
Buscamos una soluci on estacionaria u
p
= u
p
(x) que cumpla las CB: u
p
= C
1
x + C
2
, con
u
p
(0) = 2 y u
p
(3) = 1, es decir
u
p
(x) = 2 x.
Ahora buscamos una soluci on v(x, t) del problema con CB homogeneas y dato inicial
2 +
1
10
sen(

3
x) x
_
2 x
_
=
1
10
sen(

3
x),
v
t
2v
xx
= 0, 0 < x < 3, t > 0,
v(0, t) = 0, v(3, t) = 0, t > 0,
v(x, 0) =
1
10
sen(

3
x), 0 < x < 3.
Por lo visto en la Seccion 8.2 la soluci on de este problema es
v(x, t) =
1
10
sen(

3
x)e

3
)
2
2t
,
126
y nalmente
u(x, t) = u
p
(x, t) + v(x, t) = 2 x +
1
10
sen(

3
x)e

2
2
9
t
.
Observamos que
lm
t
u(x, t) = 2 x = u
p
(x, t).
Veamos otro ejemplo, con condiciones de borde de diferente tipo en cada extremo:
Ejemplo 8.18. Hallar la soluci on de
u
t
3u
xx
= 0, 0 < x < 1, t > 0,
u
x
(0, t) = 1, u(1, t) = 1, t > 0,
u(x, 0) = x + cos
2
_
3
4
x
_

5
2
, 0 < x < 1.
(8.42)
Buscamos, como antes, una soluci on particular estacionaria u
p
= u
p
(x), que debe ser por
lo tanto lineal: u
p
(x) = C
1
x +C
2
. Para que satisfaga las CB debe ser C
1
= 0 y C
2
= 1,
es decir,
u
p
(x) = x 2.
Ahora buscamos una soluci on v(x, t) del problema con CB homogeneas y dato inicial
x + cos
2
_
3
4
x
_

5
2
(x 2) =
1
2
+ cos
2
_
3
4
x
_
=
1
2
cos
_
3
2
x
_
,
donde hemos usado la identidad trigonometrica cos
2
() =
1
2
+
1
2
cos(2). Es decir, busca-
mos v(x, t) soluci on de
v
t
3v
xx
= 0, 0 < x < 1, t > 0
v
x
(0, t) = 0, v(1, t) = 0, t > 0,
v(x, 0) =
1
2
cos
_
3
2
x
_
, 0 < x < 3.
Por lo visto en el Problema 8.9 la soluci on de este problema es
v(x, t) =
1
2
cos(
3
2
x)e

(
3
2
)
2
3t
,
y nalmente
u(x, t) = u
p
(x, t) + v(x, t) = x 2 +
1
2
cos(
3
2
x)e

27
2
4
t
.
Observamos que
lm
t
u(x, t) = x 2 = u
p
(x, t).
El truco consiste entonces en hallar la soluci on de estado estacionario que cumple las
condiciones de borde para u
p
y luego el problema se transforma en uno de los conocidos
con CB homogeneas. Esto funciona bien con cualquier combinacion de CB constantes en
el tiempo, excepto cuando las dos condiciones son de tipo Neumann. Veamos un ejemplo
semi-abstracto que ilustra la situacion.
127
Ejemplo 8.19. Hallar la soluci on de
u
t
ku
xx
= 0, 0 < x < L, t > 0
u
x
(0, t) = a, u
x
(L, t) = b, t > 0,
u(x, 0) = g(x), 0 < x < L,
(8.43)
Buscamos, como antes, una soluci on particular estacionaria u
p
= u
p
(x), que debe ser por
lo tanto lineal: u
p
(x) = C
1
x + C
2
. Para que satisfaga las CB debe ser C
1
= a y C
1
= b.
Tal soluci on estacionaria existe solo cuando a = b, y en este caso se procede como en
los ejemplos anteriores. Si a ,= b tal soluci on estacionaria no existe, y para entender por
que, basta interpretar la ecuacion cuando modela una temperatura u(x, t) en una barra
unidimensional de longitud L. En este caso u
x
(0, t) = a indica que la cantidad de calor
que sale de la barra en x = 0 proporcional a a, y u
x
(L, t) = b indica que la cantidad de
calor que entra a la barra en x = L proporcional a b, y adem as en la ecuacion no guran
terminos fuente o sumidero. Por lo tanto, cuando a ,= b no podr a existir un estado
estacionario, dado que la cantidad de calor que entra/sale de la barra no es nula. Este
analisis fsico nos hace pensar que la cantidad de calor en la barra tiene que aumentar
o disminuir linealmente con el tiempo, por eso proponemos una soluci on particular de la
siguiente forma
u
p
(x, t) = h(x) + c t.
Veamos si hallamos una soluci on de esta forma que cumpla la ED y las CB:
u
p,t
(x, t) = c,
u
p,xx
(x, t) = h

(x),
u
p,t
(x, t) ku
p,xx
(x, t) = c kh

(x),
u
p,x
(0, t) = h

(0),
u
p,x
(L, t) = h

(L).
La ED y las CB impuestas a u
p
implican una EDO con CB para h(x):
h

(x) =
c
k
, 0 < x < L, h

(0) = a, h

(L) = b.
Intentemos resolverla:
h

(x) =
c
k
= h(x) =
c
2k
x
2
+ C
1
x +C
2
h

(x) =
c
k
x + C
1
h

(0) = a = C
1
= a = h(x) =
c
2k
x
2
+ a x + C
2
h

(x) =
c
k
x + a
h

(L) = b =
c
k
L +a = b = c =
b a
L
k
y nos qued o C
2
con libertad de elecci on. Para simplicar elegimos C
2
= 0 y nos queda
u
p
(x, t) =
b a
2L
. .
c
2k
x
2
+ a
..
C
1
x +
b a
L
k
. .
c
t
128
Luego nos falta hallar la soluci on v(x, t) del problema correspondiente, con condicion
inicial g(x) u
p
(x, 0), que en este caso resulta
v
t
kv
xx
= 0, 0 < x < L, t > 0
v
x
(0, t) = 0, v
x
(L, t) = 0, t > 0,
v(x, 0) = g(x)
_
b a
2L
x
2
+ ax
_
, 0 < x < L.
La soluci on de este problema esta dada por
v(x, t) = a
0
+

n=1
a
n
cos
nx
L
e

(
n
L
)
2
kt
,
con
a
0
=
1
L
_
L
0
g(x)
_
b a
2L
x
2
+ ax
_
, a
n
=
2
L
_
L
0
_
g(x)
_
b a
2L
x
2
+ ax
__
cos
nx
L
dx, n = 1, 2, . .
(8.44)
Finalmente, la soluci on u(x, t) del problema (8.43) es u(x, t) = u
p
(x, t) + v(x, t), o sea
u(x, t) =
b a
2L
x
2
+ ax +
b a
L
k t + a
0
+

n=1
a
n
cos
nx
L
e

(
n
L
)
2
kt
,
con a
n
, n = 0, 1, 2, . . . dados por (8.44).
8.6. CB dependientes del tiempo
Ya hemos visto que el problema
_

_
u
t
ku
xx
= 0, 0 < x < L, 0 < t < T,
u(0, t) = a(t), u(L, t) = b(t), 0 < t < T,
u(x, 0) = f(x), 0 < x < L,
(8.45)
tiene soluci on unica, y tambien sabemos c omo resolverlo si a y b son constantes. Queremos
ver ahora c omo resolverlo si a(t) y b(t) no son constantes, sino que varan con t.
Podemos intentar algo similar a lo hecho antes, deniendo w(x, t) =
b(t)a(t)
L
x + a(t).
Esta funci on cumple las CB pero
w
t
kw
xx
=
b

(t) a

(t)
L
x + a

(t),
que no es cero a menos que a y b sean constantes. Igualmente podemos seguir con el
razonamiento, y buscar una funci on v que sumada a w sea la soluci on u = v + w que
estamos buscando. Nos preguntamos: que debe cumplir dicha funci on v? La respuesta
es simple, dada la linealidad de la ecuacion, v(x, t) debe ser soluci on de
_

_
v
t
kv
xx
=
_
b

(t) a

(t)
L
x + a

(t)
_
, 0 < x < L, 0 < t < T,
v(0, t) = 0, v(L, t) = 0, 0 < t < T,
v(x, 0) = f(x)
_
b(0) a(0)
L
x + a(0)
_
, 0 < x < L,
129
Aparece entonces la necesidad de estudiar problemas con terminos fuente no-nulos
como el siguiente:
_

_
u
t
ku
xx
= h(x, t), 0 < x < L, 0 < t < T,
u(0, t) = 0, u(L, t) = 0, 0 < t < T,
u(x, 0) = g(x), 0 < x < L.
Este problema puede a su vez desdoblarse en dos (sub)problemas
_

_
u
1,t
ku
1,xx
= 0, 0 < x < L, 0 < t < T,
u
1
(0, t) = 0, u
1
(L, t) = 0, 0 < t < T,
u
1
(x, 0) = g(x), 0 < x < L,
(8.46a)
_

_
u
2,t
ku
2,xx
= h(x, t), 0 < x < L, 0 < t < T,
u
2
(0, t) = 0, u
2
(L, t) = 0, 0 < t < T,
u
2
(x, 0) = 0, 0 < x < L.
(8.46b)
Llegamos entonces a la siguiente proposicion:
Proposici on 8.20. La solucion de (8.45) est a dada por
u(x, t) = w(x, t) + u
1
(x, t) + u
2
(x, t),
con w(x, t) =
b(t) a(t)
L
x + a(t), u
1
(x, t) y u
2
(x, t) soluciones de (8.46a) y (8.46b),
respectivamente, con
g(x) = f(x) w(x, 0) = f(x)
_
b(0) a(0)
L
x +a(0)
_
en (8.46a),
h(x, t) = (w
t
kw
xx
) =
_
b

(t) a

(t)
L
x + a

(t)
_
en (8.46b).
La demostracion de esta proposicion es sencilla, y se deja como ejercicio.
8.7. El principio de Duhamel
Vimos en la secci on anterior la necesidad de resolver problemas con un termino fuente
no nulo, de la forma
_

_
u
t
ku
xx
= h(x, t), 0 < x < L, 0 < t < T
u(0, t) = 0, u(L, t) = 0 0 < t < T
u(x, 0) = 0, 0 < x < L.
(8.47)
El objetivo de esta secci on es presentar el Principio de Duhamel que provee una forma de
resolver este tipo de problemas resolviendo una familia de problemas sin termino fuente,
pero con dato inicial no-homogeneo.
130
Veamos una derivacion heurstica de la formula. Consideremos t peque no, digamos
t =
t

n
con t

> 0 jo y n grande, y la siguiente sucesion de instantes de tiempo:


t
0
= 0 < t
1
= t < t
2
= 2t < . . . < t
n
= nt = t

< . . . .
Como t es peque no, podemos pensar que la difusi on es despreciable en el primer intervalo
de tiempo, y luego
u(x, t
1
)

=
_
t
1
0
h(x, t) dt

= t h(x, t
1
).
En el segundo intervalo de tiempo (entre t
1
y t
2
) pensamos que hay difusi on del calor que
ingres o durante el primer intervalo, pero es despreciable la difusi on del calor que ingresa
durante el segundo intervalo, as:
u(x, t
2
)

= v
1
(x, t
2
) +
_
t
2
t
1
h(x, t) dt

= v
1
(x, t
2
) + t h(x, t
2
),
con v
1
(x, t) soluci on de la ecuacion de difusi on
_

_
v
1,t
kv
1,xx
= 0, 0 < x < L, t > t
1
,
v
1
(0, t) = 0, v
1
(L, t) = 0 t > t
1
,
v
1
(x, t
1
) = t h(x, t
1
), 0 < x < L, (t = t
1
).
En el tercer intervalo de tiempo (entre t
2
y t
3
) pensamos que hay difusi on del calor que
ingres o durante los dos primeros intervalos, pero es despreciable la difusi on del calor que
ingresa durante el ultimo intervalo, as:
u(x, t
3
)

= v
1
(x, t
3
) + v
2
(x, t
3
) +
_
t
3
t
2
h(x, t) dt

= v
1
(x, t
3
) + v
2
(x, t
3
) + t h(x, t
3
),
con v
1
(x, t) como antes y v
2
(x, t) soluci on de la ecuacion de difusi on
_

_
v
2,t
kv
2,xx
= 0, 0 < x < L, t > t
2
,
v
2
(0, t) = 0, v
2
(L, t) = 0, t > t
2
,
v
2
(x, t
2
) = t h(x, t
2
), 0 < x < L, (t = t
2
).
Si continuamos con este razonamiento llegamos a que en t = t
n
= t

,
u(x, t

= v
1
(x, t

) + v
2
(x, t

) + v
3
(x, t

) + + v
n1
(x, t

) + t h(x, t
n
), (8.48)
con v
i
(x, t), i = 1, 2 . . . , n 1 soluci on de la ecuacion de difusi on
_

_
v
i,t
kv
i,xx
= 0, 0 < x < L, t > t
i
,
v
i
(0, t) = 0, v
i
(L, t) = 0, t > t
i
,
v
i
(x, t
i
) = t h(x, t
i
), 0 < x < L, (t = t
i
).
Para entender mejor la suma (8.48) denimos la funci on w(x, t; s) como soluci on de los
siguientes problemas de difusi on
_

_
w
t
(x, t; s) = w
xx
(x, t; s), 0 < x < L, t > s,
w(0, t; s) = 0, w(L, t; s) = 0, t > s,
w(x, s; s) = h(x, s), 0 < x < L.
131
Es decir que v
n
(x, t) = t w(x, t; t
n
). As, la suma (8.48) resulta
u(x, t

= w(x, t

; t
1
) t +w(x, t

; t
2
) t + + w(x, t

; t
n1
) t + t h(x, t
n
)
=
n1

i=1
w(x, t

; t
i
)t + t h(x, t
n
).
Cuando t tiende a cero, la ultima suma tiende a
_
t

0
w(x, t

; t) dt. Como la aproximacion


debera ser mejor cuanto menor es t, esta heurstica nos induce a creer que esta ultima
integral es u(x, t

). Esto es cierto, como demostramos a continuaci on de manera rigurosa.


Teorema 8.21 (Principio de Duhamel). Sea h(x, t) una funcion C
2
y para cada s > 0
consideremos el problema
1
_

_
w
t
(x, t; s) = w
xx
(x, t; s) 0 < x < L, t > s,
w(0, t; s) = 0, w(L, t; s) = 0, t > s,
w(x, s; s) = h(x, s), 0 < x < L.
(8.49)
Entonces la unica solucion de
_

_
u
t
ku
xx
= h(x, t), 0 < x < L, 0 < t < T,
u(0, t) = 0, u(L, t) = 0, 0 < t < T,
u(x, 0) = 0, 0 < x < L.
est a dada por la formula
u(x, t) =
_
t
0
w(x, t; s) ds.
La demostracion es sencilla, pero para hacerla debemos ver antes el siguiente lema.
Lema 8.22. Dada una funcion g(t, s) de dos variables tal que g(t, s) y g
t
(t, s) son con-
tinuas, se cumple que
d
dt
__
t
0
g(t, s) ds
_
= g(t, t) +
_
t
0
g
t
(t, s) ds
Demostraci on. Para demostrar este lema denimos G(r, y) =
_
y
0
g(r, s) ds y vemos que
_
t
0
g(t, s) ds = G(t, t).
Adem as
G
r
(r, y) =
_
y
0
g
t
(r, s) ds y G
y
(r, y) = g(r, y).
Ahora bien,
d
dt
G(t, t) = G
r
(t, t) + G
y
(t, t) = G
r
(r, y)

r=t
y=t
+ G
y
(r, y)

r=t
y=t
=
_
t
0
g
t
(t, s) ds + g(t, t).
1
Notemos que la condici on inicial est a dada en t = s y es all donde entra la funcion h(x, t).
132
Ahora s, podemos demostrar el principio de Duhamel.
Demostraci on del Teorema 8.21. Es claro que u(0, t) =
_
t
0
w(0, t; s) ds =
_
t
0
0 ds = 0 y
analogamente u(L, t) = 0. Tambien u(x, 0) =
_
0
0
w(x, 0; 0) ds = 0. Hemos visto entonces
que se cumplen las condiciones de borde y la condicion inicial. Veamos que se cumple la
ecuacion diferencial:
u
t
(x, t) =

t
__
t
0
w(x, t; s) ds
_
= w(x, t; t) +
_
t
0
w
t
(x, t; s) ds por el lema anterior
= h(x, t) +
_
t
0
kw
xx
(x, t; s) ds por denicion de w(x, t; s)
= h(x, t) + k

2
x
2
__
t
0
w(x, t; s) ds
_
= h(x, t) + ku
xx
(x, t).
Es decir, u
t
(x, t) ku
xx
(x, t) = h(x, t).
La formula puede ser bastante complicada, pero veamos un ejemplo cuando resolvemos
en R usando la soluci on fundamental.
Ejemplo 8.23. Hallar la soluci on de
u
t
ku
xx
= h(x, t), x R, t > 0
u(x, 0) = 0, x R (t = 0).
Seg un el principio de Duhamel, la soluci on esta dada por
u(x, t) =
_
t
0
w(x, t; s) ds
donde w(x, t; s) debe ser la soluci on de
w
t
(x, t; s) kw
xx
(x, t; s) = 0, x R, t > s
w(x, s; s) = h(x, s), x R (t = s).
Seg un la formula dada en la Seccion 8.1
w(x, t; s) =
_

h(y, s)(x y, t s) dy, x R, t > s.


Entonces
u(x, t) =
_
t
0
_

h(y, s)(x y, t s) dy ds, x R, t > 0.


133
Si quisieramos resolver la ecuacion de difusi on en R con termino fuente h(x, t) y dato
inicial g(x) tendramos que sumar la soluci on del ultimo ejemplo con la soluci on dada
por (8.3). As, la soluci on de
u
t
ku
xx
= h(x, t), x R, t > 0
u(x, 0) = g(x), x R (t = 0).
es
u(x, t) =
_

g(y)(x y, t) dy +
_
t
0
_

h(y, s)(x y, t s) dy ds, x R, t > 0.


8.8. Ejercicios
8.1. Demostrar que la solucion fundamental de la ecuaci on de difusion en una dimension
dada por (8.2) es soluci on de u
t
= ku
xx
en R (0, ).
* 8.2. Consideremos la solucion fundamental de la ecuaci on de difusion en una dimension
dada por (8.2). Demostrar que si g : R R es acotada y de soporte compacto (es decir,
existe M > 0 tal que [g(x)[ M, x R; y g(x) = 0 si [x[ > M), entonces la funci on
u(x, t) denida por (8.3) cumple lo siguiente:
(a) u C
2
(R (0, )) (Demostrarlo primero para y ver que bajo la hip otesis de g
acotada y de soporte compacto se puede meter la derivada en la integral);
(b) u
t
= ku
xx
para (x, t) R (0, ); (Usar que es soluci on y usarnuevamente
que se puede meter la derivada en la integral);
(c) Si x
0
es un punto de continuidad de g, entonces lm
t0
+
u(x
0
, t) = g(x
0
).
Ayuda: Seguir los siguientes pasos:
(i) Demostrar que
_
R
e
x
2
dx =

. Para esto usar que


_
R
e
x
2
dx =
_
_
R
2
e
|x|
2
dx
_
1/2
y calcular
la integral de R
2
usando coordenadas polares.
(ii) Demostrar que
_
R
(x, t) dx = 1 para todo t > 0.
(iii) Demostrar que
_
|x|<
(x, t) dx 1 cuando t 0
+
, para cualquier > 0 jo.
(iv) Usar que
g(x
0
) u(x
0
, t) =
_

[g(x
0
) g(x
0
y)](y, t) dy
=
_
|y|<
[g(x
0
) g(x
0
y)](y, t) dx +
_
|y|>
[g(x
0
) g(x
0
y)](y, t) dy.
Comentario: Se puede demostrar que la ecuaci on de difusion en R tiene una unica solucion
acotada para cada dato inicial g. Este problema nos dice que la formula para dicha solucion
esta dada por (8.3).
134
8.3. Las siguientes integrales indenidas son v alidas cuando a ,= b,
_
sen(ax) sen(bx) dx =
1
2
_
sen((a b)x)
a b

sen((a + b)x)
a +b
_
_
cos(ax) cos(bx) dx =
1
2
_
sen((a b)x)
a b
+
sen((a + b)x)
a + b
_
Usandolas, y usando tambien que
sen
2
() =
1
2

1
2
cos(2), cos
2
() =
1
2
+
1
2
cos(2).
Calcular las siguientes integrales (deben quedar expresadas en terminos de L, n, m):
(a)
_
L
0
sen(
nx
L
) sen(
mx
L
) dx, para n, m = 1, 2, 3, . . . .
(b)
_
L
0
cos(
nx
L
) cos(
mx
L
) dx, para n, m = 0, 1, 2, 3, . . . .
(c)
_
L
0
sen(
(n
1
2
)x
L
) sen(
(m
1
2
)x
L
) dx, para n, m = 1, 2, 3, . . . .
(d)
_
L
0
cos(
(n
1
2
)x
L
) cos(
(m
1
2
)x
L
) dx, para n, m = 1, 2, 3, . . . .
8.4. En base al problema anterior, decir c omo deben calcularse los coecientes a
n
, b
n
(en
terminos de f) si se sabe que se cumplen las igualdades siguientes para f denida en
[0, L]:
(a) f(x) =
N

n=1
b
n
sen(
nx
L
). (c) f(x) =
N

n=1
c
n
sen(
(n
1
2
)x
L
).
(b) f(x) = a
0
+
N

n=1
a
n
cos(
nx
L
). (d) f(x) =
N

n=1
d
n
cos(
(n
1
2
)x
L
).
8.5. Decir cu al es la soluci on del siguiente problema
_

_
u
t
= 2u
xx
, 0 < x < 3, t > 0,
u(0, t) = 0, u(3, t) = 0, t > 0,
u(x, 0) = f(x), 0 < x < 3,
en cada uno de los siguientes casos
(a) f(x) = 4 sen(
2x
3
) sen(
5x
3
);
(b) f(x) = 5 sen(4x) + 2 sen(10x);
(c) f(x) = x(3 x).
135
8.6. Decir cu al es la soluci on del siguiente problema
_

_
u
t
= u
xx
, 1 < x < 1, t > 0,
u(1, t) = u(1, t), u
x
(1, t) = u
x
(1, t), t > 0,
u(x, 0) = f(x), 1 < x < 1,
en cada uno de los siguientes casos
(a) f(x) = 10 + 2 cos(x) 0,1 sen(8x); (b) f(x) = 4 +
x
3
x
2
.
8.7. Hallar todas las soluciones u(x, t) = (x)G(t) de variables separadas del problema:
u
t
= ku
xx
, 0 < x < L, t > 0,
u
x
(0, t) = 0, u
x
(L, t) = 0, t > 0.
Que situacion fsica representan las condiciones de borde?
8.8. Decir cu al es la soluci on del siguiente problema
_

_
u
t
= 5u
xx
, 0 < x < 10, t > 0,
u
x
(0, t) = 0, u
x
(10, t) = 0, t > 0.
u(x, 0) = f(x), 0 < x < 10,
en cada uno de los siguientes casos
(a) f(x) = 10; (b) f(x) = 10 cos
_

10
x
_
; (c) f(x) = 4 +
10x x
2
2
.
8.9. Hallar todas las soluciones u(x, t) = (x)G(t) de variables separadas del problema:
u
t
= ku
xx
, 0 < x < L, t > 0,
u
x
(0, t) = 0, u(L, t) = 0, t > 0.
Que situacion fsica representan las condiciones de borde?
8.10. Decir cu al es la soluci on del siguiente problema
_

_
u
t
= 3u
xx
, 0 < x < 5, t > 0,
u
x
(0, t) = 0, u(5, t) = 0, t > 0.
u(x, 0) = f(x), 0 < x < 5,
en cada uno de los siguientes casos
(a) f(x) = cos
_

10
x
_
; (b) f(x) = 5
x
2
5
.
8.11. Hallar todas las soluciones u(x, t) = (x)G(t) de variables separadas del problema:
u
t
= ku
xx
, 0 < x < L, t > 0,
u(0, t) = 0, u
x
(L, t) = u(L, t), t > 0.
Que situacion fsica representan las condiciones de borde?
136
8.12. Supongamos que v(x, t) es una funci on C
2
que satisface
(ED) v
t
= kv
xx
0 < x < L, t > 0;
(CB) v(0, t) = 0 v(L, t) = 0, t > 0.
Demostrar que si 0 t
1
t
2
, entonces
_
L
0
[v(x, t
2
)]
2
dx
_
L
0
[v(x, t
1
)]
2
dx. (8.50)
(Ayuda: proceder como en el Teorema 8.3).
8.13. Demostrar el mismo resultado del ejercicio anterior cuando las condiciones de borde
se cambian por
(a)
_
v
x
(0, t) = 0
v
x
(L, t) = 0
(b)
_
v
x
(0, t) = 0
v(L, t) = 0
(c)
_
v
x
(0, t) = hv(0, t) (h > 0)
v(L, t) = 0
8.14. Usar los principios del m aximo/mnimo para deducir cotas para la soluci on de
u
t
= ku
xx
, 0 < x < 5, t > 0,
u(0, t) = 0, u(5, t) = 0, t > 0,
u(x, 0) = x(5 x), 0 < x < 5.
8.15. Considerar la misma ecuacion del calor del ejercicio anterior:
u
t
= ku
xx
, 0 < x < 5, t > 0,
u(0, t) = 0, u(5, t) = 0, t > 0,
u(x, 0) = f(x), 0 < x < 5.
Considerar f
e
(x) = x(5 x) y f
1
(x) =
200

3
sen
_
x
5
_
; f
e
es la condicion inicial exacta y f
1
una aproximada.
(a) Utilizando una computadora/calculadora, superponer los gr acos de las funciones f
e
y f
1
en el intervalo [0, 5]. En MATLAB se puede hacer de la siguiente manera
>> x = [0:.01:5];
>> fe = x .* (5-x);
>> f1 = 200/pi^3*sin(pi/5*x);
>> plot(x, fe, x, f1);
>> legend(exacta, aproximada)
(b) Gracar el error f
e
(x) f
1
(x). En MATLAB:
>> plot(x, fe - f1);
>> legend(error)
137
(c) Tomando una grilla de aproximadamente 500 puntos, calcular el m aximo error entre
f
e
y f
1
(usar valor absoluto). En MATLAB: >> max(abs(fe-f1))
Tambien se puede hallar el maximo y el mnimo de f
e
(x) f
1
(x) analticamente, pero no vale la
pena en este caso.
(d) Cu al es la soluci on u
1
(x, t) del problema tomando como condicion inicial la funci on
f
1
(x)?
(e) Si se toma u
1
(x, t) como aproximacion de la soluci on exacta u
e
(x, t). Cual es el error
entre u
e
(x, t) y u
1
(x, t) para 0 x 5 y t 0? Sirve u
1
(x, t) como aproximacion
de u
e
(x, t)?
(f ) Gracar el perl de temperaturas dado por la aproximacion u
1
(x, t) para t = 0, 1, 2.
(g) Gracar la temperatura en el punto medio del intervalo [0, 5] para t en el intervalo
[0, 7], usando la aproximacion u
1
(x, t).
8.16. Repetir el ejercicio anterior con f
3
(x) =
200

3
sen
_
x
5
_
+
200
27
3
sen
_
3x
5
_
.
* 8.17. Sea u una soluci on C
2
([0, L] [0, T]) del problema
u
t
= ku
xx
, 0 < x < L, 0 < t < T,
u(0, t) = a(t), u
x
(L, t) = 0, 0 < t < T,
u(x, 0) = f(x), 0 x L.
Demostrar que si
M = m ax
_
m ax
t[0,T]
a(t), m ax
x[0,L]
f(x)
_
entonces se cumple que u(x, t) M, para todo 0 x L y 0 t T.
* 8.18. Sea u una soluci on C
2
del problema
u
t
= ku
xx
, L < x < L, t > 0,
u(L, t) = u(L, t), u
x
(L, t) = u
x
(L, t), t > 0,
u(x, 0) = f(x), L < x < L.
Demostrar que si
M = m ax
_
m ax
x[0,L]
f(x)
_
entonces se cumple que u(x, t) M, para todo L x L y t 0.
* 8.19. Sea un dominio de R
d
(d 2), y supongamos que u = u(x, t) es una soluci on
C
2
( [0, T]) del problema
u
t
= k
2
u, x , 0 < t < T,
u(x, t) = a(x, t), x , t > 0,
u(x, 0) = f(x), x .
138
Demostrar que si
M = m ax
_
m ax
x,t[0,T]
a(x, t), m ax
x
f(x)
_
se cumple que u(x, t) M, para todo x y 0 t T.
8.20. Resolver el siguiente problema
u
t
= 2u
xx
, 0 < x < 1, t > 0,
u(0, t) = 1, u
x
(1, t) = 1, t > 0,
u(x, 0) = x + sen(
3x
2
) 1, 0 < x < 1.
8.21. Resolver el siguiente problema
u
t
= 5u
xx
, 0 < x < 10, t > 0,
u
x
(0, t) = 2, u
x
(10, t) = 3, t > 0,
u(x, 0) =
1
20
x
2
+ 2x + cos(x), 0 < x < 10.
8.22. Demostrar la Proposicion 8.20.
8.23. Considerar el problema siguiente:
u
t
= ku
xx
, 0 x L, t 0,
u
x
(0, t) = a(t), u
x
(L, t) = b(t), t 0,
u(x, 0) = f(x), 0 x L.
(8.51)
(a) Que situacion fsica representa?
(b) Dar una formula para una funci on w(x, t) que cumpla las condiciones de borde.
(c) Que problema debe resolver v(x, t) para que u(x, t) = v(x, t) + w(x, t) sea soluci on
de (8.51)?
(d) Realizar una descomposicion del problema descripto en el tem anterior en dos sub-
problemas m as sencillos, analogos a (8.46a) y (8.46b). Dar las formulas precisas
para los datos no-homogeneos de los problemas resultantes (g(x) y h(x, t) de (8.46a)
y (8.46b) respectivamente).
(e) Demostrar que la suma de w(x, t) y las soluciones u
1
(x, t), u
2
(x, t) de los subproble-
mas del tem anterior, es soluci on del problema original.
8.24. Repetir los cinco tems el ejercicio anterior para la siguiente situacion:
u
t
= ku
xx
+q(x, t), 0 x L, t 0,
u
x
(0, t) = a(t), u
x
(L, t) + Hu(L, t) = Hb(t), t 0,
u(x, 0) = f(x), 0 x L.
139
Bibliografa complementaria
[Bleecker-Csordas 1996] Bleecker, D., Csordas, G., Basic Partial Dierential Equations,
International Press, Cambridge, Massachusetts, 1996.
[Haberman 1998] Haberman, R., Elementary Applied Partial Dierential Equations, Pren-
tice Hall, Upper Saddle River, NJ, 1998.
140
Captulo 9
Series de Fourier
En el captulo anterior vimos que las soluciones de ecuaciones de difusi on (con coe-
cientes constantes) sobre intervalos acotados se escriben como combinaciones lineales
de senos y cosenos, multiplicadas por exponenciales. Al tomar t = 0 para vericar la
condicion inicial, las exponenciales dan todas igual a uno y desaparecen de la expresion.
Armamos en ese momento que haba una forma de determinar los coecientes a
n
o b
n
pa-
ra que la suma de senos o cosenos aproximase al dato inicial f(x) tanto como desearamos.
Junto con el principio del m aximo, vimos que la suma correspondiente una vez vueltas
a incorporar las exponenciales, sera una soluci on igualmente aproximada de la soluci on
exacta para todo x y para todo t > 0. Nos proponemos ahora estudiar un poco m as en
detalle la aproximacion de funciones por series de senos y/o de cosenos.
El objetivo de este captulo es estudiar c omo aproximar funciones f(x) por sumas de
alguna de las siguientes formas:
a
0
+
N

n=1
a
n
cos
nx
L
,
N

n=1
b
n
sen
nx
L
, a
0
+
N

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
.
Estudiaremos primero el caso m as general (que engloba de alguna manera a los otros
dos) que consiste en aproximar una funci on f denida en [L, L] por una suma de la
forma
a
0
+
N

n=1
a
n
cos
nx
L
+b
n
sen
nx
L
. (9.1)
Estas sumas se denominan polinomios trigonometricos.
9.1. Ortogonalidad de funciones
El producto escalar natural de vectores R
N
es el dado por x y =

N
i=1
x
i
y
i
, es decir,
la suma del producto de sus componentes correspondientes. Como ya vimos desde el
primer captulo, la generalizacion de suma (por ejemplo para calcular promedios) cuando
se trata de funciones denidas sobre un intervalo, es la integral. As, denimos para
funciones denidas sobre el intervalo [L, L] los siguientes conceptos analogos a los del
espacio de dimension nita R
N
.
141
Espacio R
N
Espacio de funciones sobre [L, L]
Producto escalar, producto interno, o producto punto
x y =
N

i=1
x
i
y
i
f, g =
_
L
L
f(x)g(x) dx
Norma, magnitud, tama no
[ x[ =

x x =
_
N

i=1
x
2
i
_1
2
|f| =
_
f, f =
__
L
L
f(x)
2
dx
_1
2
Distancia
[ x y[ =
_
N

i=1
(x
i
y
i
)
2
_1
2
|f g| =
__
L
L
[f(x) g(x)]
2
dx
_1
2
Ortogonalidad o perpendicularidad
x y x y = 0
f g f, g = 0

_
L
L
f(x)g(x) dx = 0
Desigualdad de Cauchy-Schwarz
[ x y[ [ x[ [ y[
[f, g[ |f| |g|
_
L
L
f(x)g(x) dx
__
L
L
f(x)
2
dx
_1
2
__
L
L
g(x)
2
dx
_1
2
Recordamos tambien que si a es un vector unitario, entonces x a es la componente
de x en la direcci on de a. Mas a un, si a
i
, i = 1, 2, . . . , N es una base ortonormal
1
de R
N
,
entonces
x =
N

i=1
( x a
i
) a
i
. (9.2)
Algo parecido ocurre cuando tomamos una sucesion de funciones ortogonales.
1
a
i

N
i=1
es una base ortonormal de R
N
si a
i
a
j
=
ij
=
_
0 si i ,= j
1 si i = j
. Es decir, a
i
a
j
si i ,= j y
[a
i
[ = 1.
142
Retomemos el estudio de las funciones senos y cosenos del captulo anterior, es decir,
consideremos la sucesion
1
..
c
0
, cos
x
L
. .
c
1
(x)
, sen
x
L
. .
s
1
(x)
, cos
2x
L
. .
c
2
(x)
, sen
2x
L
. .
s
2
(x)
, cos
3x
L
. .
c
3
(x)
, sen
3x
L
. .
s
3
(x)
, . . .
Vimos en ese captulo que se cumplen las siguientes relaciones (ver (8.35))
c
n
, c
m
=
n,m
L =
_
0 si n ,= m
L si n = m
, n, m = 1, 2, 3, . . . ,
s
n
, s
m
=
n,m
L, n, m = 1, 2, 3, . . . ,
c
n
, s
m
= 0, n, m = 1, 2, 3, . . . ,
c
0
, s
n
= 0, n = 1, 2, 3, . . . ,
c
0
, c
n
= 0, n = 1, 2, 3, . . . ,
c
0
, c
0
= 2L.
En palabras:
Las funciones de la familia c
1
, c
1
, s
1
, c
2
, s
2
, . . . , son ortogonales y
|c
0
|
2
= 2L, |c
n
|
2
= L, |s
n
|
2
= L, n = 1, 2, 3, . . . .
Como consecuencia de estas identidades se tiene el siguiente teorema.
Teorema 9.1. Si
f(x) = a
0
+
N

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
, (9.3)
entonces los coecientes a
0
, a
n
, b
n
cumplen:
a
0
=
1
2L
_
L
L
f(x) dx =
1
2L
f, c
0

a
n
=
1
L
_
L
L
f(x) cos
nx
L
dx =
1
L
f, c
n
, n = 1, 2, . . . , N,
b
n
=
1
L
_
L
L
f(x) sen
nx
L
dx =
1
L
f, s
n
, n = 1, 2, . . . , N.
La demostracion de este teorema fue hecha en la pagina 117, a continuaci on de las
identidades (8.35).
Observaci on 9.2. Si escribimos la formula para los coecientes dentro de (9.3) obtene-
mos
f(x) =
f, c
0

|c
o
|
2
c
0
(x) +
N

n=1
f, c
n

|c
n
|
2
c
n
(x) +
N

n=1
f, s
n

|s
n
|
2
s
n
(x)
143
Si denimos
c
0
=
c
0
|c
0
|
, c
n
=
c
n
|c
n
|
, s
n
=
s
n
|s
n
|
, n = 1, 2, 3, . . . ,
entonces la formula anterior puede reescribirse como
f(x) = f, c
0
c
0
(x) +
N

n=1
f, c
n
c
n
(x) +
N

n=1
f, s
n
s
n
(x),
que es analoga a (9.2).
9.2. Serie de Fourier. Denicion y ejemplos
Es claro que no toda funci on es de la forma (9.3), pues estas son siempre C

[L, L]
y existen funciones no tan suaves, u otras suaves pero que no coinciden con una suma
nita de senos y cosenos. Las funciones cuyas gr acas se observan en la Figura 9.1 son
ejemplos de tales funciones.
L L L L
Figura 9.1: Gr acas de funciones que no son de la forma (9.3).
Sin embargo, casi siempre podemos denir los coecientes de Fourier, y su correspon-
diente serie.
Denici on 9.3 (Serie de Fourier). Sea f(x) denida sobre el intervalo [L, L] tal que
las siguientes integrales estan bien denidas:
a
0
=
1
2L
_
L
L
f(x) dx =
1
2L
f, c
0
,
a
n
=
1
L
_
L
L
f(x) cos
nx
L
dx =
1
L
f, c
n
, n = 1, 2, . . . , N,
b
n
=
1
L
_
L
L
f(x) sen
nx
L
dx =
1
L
f, s
n
, n = 1, 2, . . . , N.
Denimos entonces la serie de Fourier de f por
SFf(x) = a
0
+

n=1
a
n
cos
nx
L
+b
n
sen
nx
L
,
y los coecientes a
0
, a
1
, b
1
, a
2
, b
2
, . . . , se llaman coecientes de Fourier de f.
144
Observaci on 9.4. Si denimos la suma parcial de orden N de SFf por
SF
N
f(x) = a
0
+
N

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
,
entonces por denicion de serie, o suma innita, resulta
SFf(x) = lm
N
SF
N
f(x).
Observaci on 9.5. Como veremos en las secciones siguientes, y como mencionamos en el
captulo anterior, para una gran familia de funciones se cumple que
lm
N
SF
N
f(x) = f(x),
o lo que es lo mismo
SFf(x) = f(x),
o tambien
f(x) = a
0
+

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
.
Lo que tambien es interesante es poder medir el error entre SF
N
f(x) y f(x), que tambien
estudiaremos en esta secci on y en las que siguen.
El primer resultado de aproximacion de SF
N
f a f, usando la norma integral | |
denida al principio de esta secci on esta dado en la siguiente proposicion.
Proposici on 9.6. Sea V
N
el conjunto de todas las funciones que pueden escribirse como
combinacion lineal de c
0
, c
1
, s
1
, c
2
, s
2
, . . . , c
N
, s
N
, entonces
|f SF
N
f| |f g|, para toda funcion g V
N
.
Observaci on 9.7. La proposicion anterior dice, en palabras, que SF
N
f es la mejor
aproximaci on a f desde el espacio V
N
(midiendo el error con la norma | |), o lo que es
lo mismo:
|f SF
N
f| = mn
gV
N
|f g|.
Demostraci on de la Proposicion 9.6. Observemos primero que el error f SF
N
f es or-
togonal a cualquier funci on de V
N
. Primero lo vemos para todas las de la base c
0
, c
1
, s
1
,
c
2
, s
2
, . . . , c
N
, s
N
:
f SF
N
f, c
0
..
=1
= f, c
0
SF
N
f, c
0

= f, c
0
a
0
c
0
, c
0

. .
=2L
+
N

n=1
a
n
c
n
, c
0

. .
=0
+b
n
s
n
, c
0

. .
=0
= f, c
0
a
0
2L = f, c
0

f, c
0

2L
2L = 0.
145
Para m = 1, 2, . . . , N,
f SF
N
f, c
m
= f, c
m
SF
N
f, c
m

= f, c
m

_
a
0
c
0
, c
m

. .
=0
+
N

n=1
a
n
c
n
, c
m

. .
=
n,m
L
+b
n
s
n
, c
m

. .
=0
_
= f, c
m
a
m
L = f, c
m

f, c
m

L
L = 0,
y analogamente,
f SF
N
f, s
m
= f, s
m
SF
N
f, s
m

= f, s
m

_
a
0
c
0
, s
m

. .
=0
+
N

n=1
a
n
c
n
, s
m

. .
=0
+b
n
s
n
, s
m

. .
=
n,m
L
_
= f, s
m
b
m
L = f, s
m

f, s
m

L
L = 0.
Resumiendo, f SF
N
f, c
n
= 0, f SF
N
f, c
n
, y f SF
N
f, s
n
, para n = 1, 2, . . . , N.
Si ahora v es cualquier funci on del conjunto V
N
, entonces se escribe como v = a
0
c
0
+

N
n=1
a
n
c
n
+

b
n
s
n
, y por lo tanto
f SFf, v = a
0
f SFf, c
0
+
N

n=1
a
n
f SFf, c
n
+

b
n
f SFf, s
n
= 0.
Finalmente, recordando la denicion de norma dada en la tabla del principio de este
captulo, dada g V
N
|f SF
N
f|
2
= f SF
N
f, f SF
N
f denicion de norma
= f SF
N
f, f g + g SF
N
f sumamos y restamos g V
N
= f SF
N
f, f g +f SF
N
f, g SF
N
f
. .
=vV
N
linealidad del producto escalar
= f SF
N
f, f g f SF
N
f v V
N
|f SF
N
f| |f g|. Cauchy-Schwarz (ver tabla)
Luego |f SF
N
f|
2
|f SF
N
f| |f g|, lo cual implica que
|f SF
N
f| |f g|,
para cualquier g V
N
.
A continuaci on calcularemos los coecientes de Fourier para algunas funciones f(x)
a n de comprender en base a experimentos de que manera las sumas parciales SF
N
f
aproximan a f.
146
Ejemplo 9.8. Hallar la serie de Fourier de f(x) = x en [L, L]. Lo que debemos hacer
es calcular los coecientes de Fourier a
0
, a
1
, b
1
, a
2
, b
2
, . . .
a
0
=
1
2L
_
L
L
xdx = 0,
a
n
=
1
L
_
L
L
xcos
nx
L
dx = 0, n = 1, 2, . . . (funcion par por impar es impar)
b
n
=
1
L
_
L
L
xsen
nx
L
dx =
2L
n
cos(n) =
2L
n
(1)
n+1
, n = 1, 2, 3, . . . .
Para el c alculo de a
0
y a
n
, n = 1, 2, . . . hemos usado que la integral de una funci on impar
en un intervalo simetrico respecto del origen es cero, y que el producto de una funci on par
por una impar es impar (ver ejercicio 9.4). Para el c alculo de los b
n
se us o el programa
wxMaxima, disponible de manera gratuita en Internet. En la gura 9.2 se muestra el
gr aco de SF
N
f(x) para N = 1, 3, 5, 10, 25, y tambien el de SFf, comparado con f sobre
el intervalo [L, L], tomando L = 2. Notar que para la denicion de SFf(x) solo se
2 1 0 1 2
2
1.5
1
0.5
0
0.5
1
1.5
2
2 1 0 1 2
2
1.5
1
0.5
0
0.5
1
1.5
2
2 1 0 1 2
2
1.5
1
0.5
0
0.5
1
1.5
2
2 1 0 1 2
2
1.5
1
0.5
0
0.5
1
1.5
2
2 1 0 1 2
2
1.5
1
0.5
0
0.5
1
1.5
2
2 1 0 1 2
2
1.5
1
0.5
0
0.5
1
1.5
2
Figura 9.2: Gr acas de SF
N
f(x) para N = 1, 3, 5, 10 y SFf para f(x) = x en [L, L]
(usamos L = 2).
usaron los valores de f(x) para 2 x 2 y que sin embargo las funciones SF
N
f(x) y
SFf(x) estan denidas en todo R. En la gura 9.3 se muestra el gr aco de SF
25
f(x) y
tambien el de SFf, comparado con f sobre el intervalo [6, 6]. El fenomeno de oscilaci on
de magnitud grande de SF
N
f(x) en los extremos del intervalo se denomina Fen omeno de
Gibbs, y se debe a que para las condiciones que satisface f(x) = x son de alguna manera
incompatibles con las condiciones periodicas que cumplen los senos y cosenos.
Ejemplo 9.9. Consideremos ahora la funci on f(x) = 3 + (x L)
2
(x + L)
2
, cuyos coe-
147
6 4 2 0 2 4 6
6
4
2
0
2
4
6
6 4 2 0 2 4 6
6
4
2
0
2
4
6
Figura 9.3: Gr acas de SF
25
f(x) (izquierda) y SFf (derecha) para f(x) = x en [2, 2],
pero gracadas sobre el intervalo [6, 6].
cientes de Fourier son
a
0
=
1
15
(8L
4
+ 45),
a
n
=
48
n
4

4
cos(n) =
48
n
4

4
(1)
n+1
, n = 1, 2, . . . ,
b
n
= 0, n = 1, 2, . . . .
En la gura 9.4 se muestra el gr aco de SF
N
f(x) para N = 1, 3, 5, y tambien el de SFf,
comparado con f sobre el intervalo [1, 1]. Notar nuevamente que para la denicion de
SFf(x) solo se usaron los valores de f(x) para L x L y que sin embargo las
funciones SF
N
f(x) y SFf(x) estan denidas en todo R. En la gura 9.5 se muestra el
gr aco de SF
25
f(x) y tambien el de SFf, comparado con f sobre el intervalo [3L, 3L].
148
1 0.5 0 0.5 1
3
3.2
3.4
3.6
3.8
4
1 0.5 0 0.5 1
3
3.2
3.4
3.6
3.8
4
1 0.5 0 0.5 1
3
3.2
3.4
3.6
3.8
4
1 0.5 0 0.5 1
3
3.2
3.4
3.6
3.8
4
Figura 9.4: Gr acas de SF
N
f(x) para N = 1, 3, 5 y SFf para f(x) = 3 +(xL)
2
(x+L),
con L = 1.
3 2 1 0 1 2 3
3
4
5
6
7
8
9
10
3 2 1 0 1 2 3
3
4
5
6
7
8
9
10
Figura 9.5: Gr acas de SF
10
f(x) (izquierda) y SFf (derecha) para f(x) = 3+(xL)
2
(x+
L) en [1, 1] (L = 1), pero gracadas sobre el intervalo [3, 3].
149
Ejemplo 9.10. Consideremos ahora la funci on f(x) = [x[, cuyos coecientes de Fourier
son
a
0
=
L
2
a
n
=
2L
n
2

2
_
cos n 1
_
=
2L
n
2

2
_
(1)
n
1
_
, n = 1, 2, . . . ,
b
n
= 0, n = 1, 2, . . . .
En la gura 9.6 se muestra el gr aco de SF
N
f(x) para N = 1, 3, 5, y tambien el de SFf,
comparado con f sobre el intervalo [1, 1]. Notar nuevamente que para la denicion de
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
Figura 9.6: Gr acas de SF
N
f(x) para N = 1, 3, 5 y SFf para f(x) = [x[, con L = 1.
SFf(x) solo se usaron los valores de f(x) para L x L y que sin embargo las
funciones SF
N
f(x) y SFf(x) estan denidas en todo R. En la gura 9.7 se muestra el
gr aco de SF
5
f(x) y tambien el de SFf, comparado con f sobre el intervalo [3, 3].
Ejemplo 9.11. Consideremos ahora la funci on
f(x) = (x)
+
:=
_
x, si x > 0,
0, si x 0,
150
3 2 1 0 1 2 3
0
0.5
1
1.5
2
2.5
3
3 2 1 0 1 2 3
0
0.5
1
1.5
2
2.5
3
Figura 9.7: Gr acas de SF
10
f(x) (izquierda) y SFf (derecha) para f(x) = [x[ en [1, 1]
(L = 1), pero gracadas sobre el intervalo [3, 3].
cuyos coecientes de Fourier son
a
0
=
L
4
a
n
=
L
n
2

2
(cos n 1) =
L
n
2

2
((1)
n
1), n = 1, 2, . . . ,
b
n
=
L
n
cos n =
L
n
(1)
n
, n = 1, 2, . . . .
En la gura 9.8 se muestra el gr aco de SF
N
f(x) para N = 1, 5, 15, y tambien el de SFf,
comparado con f sobre el intervalo [1, 1]. Notar nuevamente que para la denicion de
SFf(x) solo se usaron los valores de f(x) para L x L y que sin embargo las
funciones SF
N
f(x) y SFf(x) estan denidas en todo R. En la gura 9.9 se muestra el
gr aco de SF
15
f(x) y tambien el de SFf, comparado con f sobre el intervalo [3, 3].
151
1 0.5 0 0.5 1
0.2
0
0.2
0.4
0.6
0.8
1
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
Figura 9.8: Gr acas de SF
N
f(x) para N = 1, 5, 15 y SFf para f(x) = (x)
+
, con L = 1.
3 2 1 0 1 2 3
0
0.5
1
1.5
2
2.5
3
3 2 1 0 1 2 3
0
0.5
1
1.5
2
2.5
3
Figura 9.9: Gr acas de SF
15
f(x) (izquierda) y SFf (derecha) para f(x) = (x)
+
en [1, 1]
(L = 1), pero gracadas sobre el intervalo [3, 3].
152
Ejemplo 9.12. Consideremos el ultimo ejemplo dado por la funci on
f(x) =
_
1, si x > 0,
0, si x 0,
cuyos coecientes de Fourier son
a
0
=
1
2
a
n
= 0, n = 1, 2, . . . ,
b
n
=
1
n
(1 cos n) =
1
n
(1 (1)
n
), n = 1, 2, . . . .
En la gura 9.10 se muestra el gr aco de SF
N
f(x) para N = 1, 5, 15, y tambien el de
SFf sobre el intervalo [1, 1]. Notar nuevamente que para la denicion de SFf(x) solo
1 0.5 0 0.5 1
0.2
0
0.2
0.4
0.6
0.8
1
1.2
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
Figura 9.10: Gr acas de SF
N
f(x) para N = 1, 5, 15 y SFf para f(x) = 1 si x > 0 y
f(x) = 0 si x 0, con L = 1.
se usaron los valores de f(x) para L x L y que sin embargo las funciones SF
N
f(x)
y SFf(x) estan denidas en todo R. En la gura 9.11 se muestra el gr aco de SF
15
f(x)
y tambien el de SFf, comparado con f sobre el intervalo [3, 3].
9.3. La convergencia de las series de Fourier
En esta secci on veremos algunos resultados de convergencia de las series de Fourier.
153
3 2 1 0 1 2 3
0
0.2
0.4
0.6
0.8
1
3 2 1 0 1 2 3
0
0.2
0.4
0.6
0.8
1
Figura 9.11: Gr acas de SF
15
f(x) (izquierda) y SFf (derecha) para f(x) = (x)
+
en [1, 1]
(L = 1), pero gracadas sobre el intervalo [3, 3].
Observemos primero que dada una funci on f(x) denida en [L, L] la suma parcial
de N terminos de su serie de Fourier es
SF
N
f(x
0
) = a
0
+
N

n=1
a
n
cos
nx
0
L
+ b
n
sen
nx
0
L
=
_
L
L
1
2L
f(x) dx
+
N

n=1
_
L
L
1
L
f(x) cos
nx
L
dx cos
nx
0
L
+
_
L
L
1
L
f(x) sen
nx
L
dx sen
nx
0
L
=
1
L
_
L
L
f(x)
_
1
2
+
N

n=1
cos
nx
L
cos
nx
0
L
+ sen
nx
L
sen
nx
0
L
_
dx
=
1
L
_
L
L
f(x)
_
1
2
+
N

n=1
cos
n(x x
0
)
L
_
. .
D
N
(xx
0
)
dx.
Es decir, la suma parcial de orden N se puede expresar de manera compacta como una
integral involucrando al llamado n ucleo de Dirichlet D
N
:
SF
N
f(x
0
) =
1
L
_
L
L
f(x)D
N
(x x
0
) dx,
con
D
N
(x) =
1
2
+
N

n=1
cos
nx
L
.
La primera propiedad que podemos ver que satisface el n ucleo de Dirichlet es que
D
N
(x) es periodica de perodo 2L, es decir, D
N
(x +2L) = D
N
(x) para todo x R y por
lo tanto su gr aca se repite en intervalos consecutivos de longitud 2L. Otra propiedad es
154
la siguiente:
_
L
L
D
N
(x) dx =
_
L
L
1
2
dx +
N

n=1
_
L
L
cos
nx
L
dx = L,
y por lo tanto
1
L
_
L
L
D
N
(x) dy = 1, N = 1, 2, 3 . . . .
Usando m as identidades trigonometricas puede verse que
D
N
(x) =
_

_
sen
_
(n+
1
2
)x
L
_
2 sen
_
x
2L
_ , si sen
_
x
2L
_
,= 0,
n +
1
2
, si sen
_
x
2L
_
= 0.
A partir de esta nueva formula elaboramos la gr aca de D
N
sobre [L, L] para diferentes
valores de N, que puede observarse en la Figura 9.12. Vemos en la gr aca que la funci on
1 0.5 0 0.5 1
5
0
5
10
15
20
1 0.5 0 0.5 1
5
0
5
10
15
20
1 0.5 0 0.5 1
5
0
5
10
15
20
1 0.5 0 0.5 1
5
0
5
10
15
20
Figura 9.12: Gr acas de D
N
(x) para N = 1, 5, 10, 15 y L = 1 en el intervalo [L, L].
D
N
(x) es m as oscilante para N m as grande, pero se concentra alrededor del origen. Uno
tendera entonces a pensar que lm
N
1
L
_
L
L
f(x)D
N
(x) dx = f(0) siempre que f(x).
Debido a las oscilaciones de D
N
(x), esta armaci on es cierta cuando adem as de continua,
f es C
1
a trozos, como lo establece la siguiente proposicion.
155
Proposici on 9.13. Sea f(x) una funcion C
1
a trozos y continua en [L, L]. Entonces
lm
N
1
L
_
L
L
f(x)D
N
(x) dx = f(0).
La demostracion de esta proposicion escapa al interes de este apunte; los interesados
pueden encontrarla en el Captulo 4 del libro [Bleecker-Csordas 1996]. Como consecuencia
de este resultado, solo trasladando el n ucleo de Dirichlet, y usando que es periodico de
perodo 2L obtenemos el siguiente corolario.
Corolario 9.14. Sea f(x) una funcion C
1
a trozos y continua en [L, L], que satisface
f(L) = f(L). Entonces
lm
N
1
L
_
L
L
f(x)D
N
(x x
0
) dx = f(x
0
), para cada x
0
[L, L].
Ahora s, dado que
1
L
_
L
L
f(x)D
N
(x x
0
) dx = SF
N
f(x
0
), tenemos que
Teorema 9.15. Sea f(x) una funcion C
1
a trozos y continua en [L, L], que satisface
f(L) = f(L). Entonces
lm
N
SF
N
f(x) = f(x), para cada x [L, L].
Equivalentemente podemos escribir:
lm
N
a
0
+
N

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
= f(x), para cada x [L, L].
o tambien
SFf(x) = f(x), para cada x [L, L],
que es lo mismo que decir
a
0
+

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
= f(x), para cada x [L, L].
9.3.1. Convergencia puntual
Concluimos, en base a los ejemplos vistos en la Seccion 9.2 que cuando f es discontinua
o cuando f(L) ,= f(L) la serie de Fourier converge en esos puntos de discontinuidad al
valor medio de los lmites laterales. Eso se debe a que
1
L
_
L
L
f(x)D
N
(x) dx =
1
L
__
0
L
f(x)D
N
(x) dx +
_
L
0
f(x)D
N
(x) dx
_
,
y las integrales del lado derecho, multiplicadas por
1
L
convergen a
f(0

)
2
y
f(0
+
)
2
respec-
tivamente, donde f(0

) = lm
x0
f(x) y f(0
+
) = lm
x0
+ f(x).
Motivados por esta observacion hacemos la siguiente denicion.
156
Denici on 9.16. Sea f(x) una funci on C
1
a trozos en [L, L]. Cambiando los valores
de f(x) en algunos puntos obtenemos la funcion arreglada

f(x) que se dene como sigue:

f(x) =
_

_
f(x
+
) + f(x

)
2
, si L < x < L,
f(L
+
) + f(L

)
2
, si x = L,
(9.4)
donde f(x
+
0
) = lm
xx
+
0
f(x) y f(x

0
) = lm
xx

0
f(x).
Observaci on 9.17. Si f(x) es continua en [L, L] entonces

f(x) = f(x) para todo
x (L, L) (L < x < L) y

f(L) =
f(L
+
) + f(L

)
2
.
Si f(x) es continua y adem as f(L) = f(L), entonces

f(x) = f(x) para todo x
[L, L] (L x L).
En la Figura 9.13 vemos algunos ejemplos gr acos de funciones f y sus correspon-
dientes funciones arregladas

f.
L L L
L L L
L L L
L L L
Figura 9.13: Ejemplos gr acos de funciones f (arriba) y sus correspondientes funciones
arregladas

f (abajo).
Enunciamos a continuaci on un segundo resultado de convergencia de series de Fourier,
cuya demostracion puede encontrarse en el Captulo 4 del libro [Bleecker-Csordas 1996].
Teorema 9.18. Sea f(x) una funcion C
1
a trozos en [L, L] y sea

f(x) la funci on
arreglada de f seg un (9.4). Entonces
SFf(x) =

f(x), para cada x [L, L],
es decir,
lm
N
a
0
+
N

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
=

f(x), para cada x [L, L].
157
Mas a un, si

f es la extensi on periodica de

f, entonces
SFf(x) =

f(x), para cada x R,


o,
lm
N
a
0
+
N

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
=

f(x), para cada x R.


En la Figura 9.14 se pueden ver las extensiones periodicas de las funciones arregladas
de la Figura 9.13.
L
L
L
3L
3L
3L
3L
3L
3L
L
L
L
Figura 9.14: Gr acos de las extensiones peri odicas de las funciones arregladas de la Figu-
ra 9.13, sobre el intervalo [3L, 3L].
Observaci on 9.19. El Teorema 9.18 nos dice que para cada x [L, L] (jo) se cumple
que lm
N
SF
N
f(x) =

f(x). Notemos que si f es discontinua en alg un punto, o si no se
cumple que f(L) = f(L), entonces no es cierto que m ax
LxL
[ SF
N
f(x)

f(x)[ 0.
Esta convergencia es la que se conoce como convergencia uniforme, y se sabe que si una
sucesion de funciones continuas converge uniformemente a otra, entonces la funci on lmite
es tambien continua. Por lo tanto como las funciones SF
N
f(x) son continuas y valen lo
mismo en L y L, si se cumpliera que m ax
LxL
[ SF
N
f(x)

f(x)[ 0, resultara
necesariamente que f es continua y f(L) = f(L).
Observaci on 9.20 (Fen omeno de Gibbs). Cuando la funci on f tiene una discontinuidad
esencial (no evitable) o cuando f(L

) ,= f(L
+
), al aproximarla con su serie de Fourier
ocurre el llamado Fen omeno de Gibbs, por el que las sumas parciales de las series de
158
Fourier aproximan mal a la funci on en un entorno de la discontinuidad. A medida que su-
mamos m as terminos de la serie, el entorno se achica, pero el overshooting/undershooting
no disminuye por debajo de un cierto umbral (Ver Figuras 9.2, 9.8, 9.10).
9.3.2. Convergencia uniforme
El Teorema 9.15 nos dice que para cada x [L, L] se cumple que lm
N
SF
N
f(x) =
f(x), pero bajo esas hip otesis se cumple un resultado un poco mas fuerte, que es el
siguiente:
Teorema 9.21. Sea f(x) una funcion continua y C
1
a trozos en [L, L] tal que f(L) =
f(L) entonces
m ax
LxL
[f(x) SF
N
f(x)[ 0, cuando N .
Observaci on 9.22. Este ultimo teorema nos dice que si f es continua en [L, L] y C
1
a trozos, y adem as cumple la condicion de periodicidad f(L) = f(L) entonces su serie
de Fourier converge a f uniformemente. El m aximo error entre SF
N
f(x) y f(x) tiende
a cero cuando N . Vimos que esto no ocurre cuando f es discontinua o cuando
f(L) ,= f(L) debido al fenomeno de Gibbs.
A continuaci on vemos un teorema que bajo hip otesis m as fuertes sobre f estable-
ce la convergencia uniforme de la serie de Fourier pero ademas presenta un orden de
convergencia.
Teorema 9.23. Sea f(x) una funcion de clase C
2
en el intervalo [L, L] tal que
f(L) = f(L) y f

(L) = f

(L).
Sean a
0
, a
n
, b
n
, n = 1, 2, 3 . . . sus coecientes de Fourier y sea M = m ax
[L,L]
[f

[.
Entonces, para cada N 1 se tiene que
[f(x) SF
N
f(x)[
4L
2
M

2
1
N
, para todo x [L, L].
Observaci on 9.24. La armaci on precedente nos dice que si f tiene derivadas primeras
y segundas continuas en [L, L] y adem as cumple las condiciones de compatibilidad
(periodicidad) de igualdad de f y tambien de f

en los extremos, entonces el error entre


f(x) y la suma de N terminos de su serie de Fourier es menor que una constante por
1
N
. Esto nos dice que dicho error tiende a cero uniformemente, tan r apido como
1
N
, y
tambien nos da una manera de elegir N para aproximar con una tolerancia dada.
Demostraci on del Teorema 9.23. Por el Teorema 9.21 se cumple que SFf(x) = f(x) para
159
todo x [L, L] y por lo tanto, para cada N 1,
f(x) SF
N
f(x) = SFf(x) SF
N
f(x)
=
_
a
0
+

n=1
a
n
cos
nx
L
+ b
n
sen
nx
L
_

_
a
0
+
N

n=1
a
n
cos
nx
L
+b
n
sen
nx
L
_
=
_

n=N+1
a
n
cos
nx
L
+ b
n
sen
nx
L
_
.
Por lo tanto, como [ cos
nx
L
[ 1 y [ sen
nx
L
[ 1 se tiene que
[f(x) SF
N
f(x)[

n=N+1
_
[a
n
[ +[b
n
[
_
.
Veamos ahora si podemos acotar el tama no de los coecientes a
n
, b
n
. Recordemos que
c
n
(x) = cos
nx
L
y que entonces c
n
(x) =
_
L
n
_
2
c

n
(x). Luego, integrando por partes
obtenemos
a
n
=
1
L
_
L
L
f(x)c
n
(x) dx =
L
n
2

2
_
L
L
f(x)c

n
(x) dx
=
L
n
2

2
_
f(x)c

n
(x)

x=L
x=L

_
L
L
f

(x)c

n
(x) dx
_
.
Como c

n
(x) =
n
L
s
n
(x), resulta que c

n
(L) = c

n
(L) = 0, entonces f(x)c

n
(x)

x=L
x=L
= 0
y luego
a
n
=
L
n
2

2
_
_
L
L
f

(x)c

n
(x) dx
_
=
L
n
2

2
_
f

(x)c
n
(x)

x=L
x=L

_
L
L
f

(x)c
n
(x) dx
_
.
Como f

(L) = f

(L) resulta f

(x)c
n
(x)

x=L
x=L
= 0 y
a
n
=
L
n
2

2
_
L
L
f

(x)c
n
(x) dx.
Analogamente,
b
n
=
L
n
2

2
_
L
L
f

(x)s
n
(x) dx,
con s
n
(x) = sen
nx
L
. Como [f

(x)[ M tenemos que


[c
n
(x)f

(x)[ M y [s
n
(x)f

(x)[ M,
160
por lo tanto
[a
n
[
L
n
2

2
_
L
L
M dx =
2L
2
M
n
2

2
,
[b
n
[
L
n
2

2
_
L
L
M dx =
2L
2
M
n
2

2
,
por lo que nalmente
[f(x) SF
N
f(x)[

n=N+1
_
[a
n
[ +[b
n
[
_

4L
2
M

n=N+1
1
n
2

4L
2
M

2
1
N
.
Donde hemos usado que

n=N+1
1
n
2

1
N
, lo que puede verse comparando la suma

n=N+1
1
n
2
con la integral
_

N
1
x
2
dx.
Como dijimos en el comentario anterior a la demostracion, este ultimo teorema nos
sirve, adem as, para saber cu antos terminos de la serie de Fourier se deben sumar para
garantizar una aproximacion con una tolerancia dada. Veamos un ejemplo.
Ejemplo 9.25. Dada f(x) = x
3
x y L = 1. Determinar N para asegurar que [ SF
N
f(x)
f(x)[ 0,01. Al ser f un polinomio es de clase C

y por lo tanto tambien C


2
. Adem as
f(1) = f(1) = 0 y f

(x) = 3x
2
1 por lo que f

(1) = f

(1) = 2. Luego se cumplen


las hip otesis de f para que valga la armaci on del teorema anterior. Necesitamos saber
M = m ax
[1,1]
[f

[. Veamos, f

(x) = 6x, y luego M = 6. Queremos saber para que N N


se cumple que
4L
2
M

2
1
N
0,01
4 6

2
1
N
0,01
24
0,01
2
= 243,17 . . . < N.
Luego, para N 244, se cumple que [f(x) SF
N
f(x)[ 0,01 para todo x [1, 1].
9.4. Series de Senos y series de Cosenos
Hasta aqu hemos estado trabajando con series de Fourier que involucran senos y
tambien cosenos sobre el intervalo [L, L]. En los problemas de difusi on sobre el intervalo
[0, L] con condiciones de Dirichlet y de Neumann aparecen las series de Fourier de senos
y las series de Fourier de cosenos por separado:
a
0
+
N

n=1
a
n
cos
nx
L
,
N

n=1
b
n
sen
nx
L
.
Queremos utilizar lo aprendido en la secci on anterior para ver si es cierto lo que arma-
mos en el Captulo 8, que una gran familia de funciones denidas sobre el intervalo [0, L]
se puede aproximar por series de cosenos (para resolver problemas con CB Neumann) y
tambien por series de senos (para resolver problemas con CB Dirichlet).
Recordemos las siguiente denicion.
161
Denici on 9.26. Una funci on f(x) se llama par si f(x) = f(x) para todo x, y una
funci on f(x) se llama impar si f(x) = f(x) para todo x.
La demostracion de la siguiente proposicion es una consecuencia inmediata del ejer-
cicio 9.4.
Proposici on 9.27. Sea f(x) denida en el intervalo [L, L] con coecientes de Fourier
a
0
=
1
2L
_
L
L
f(x) dx, a
n
=
1
L
_
L
L
f(x) cos
nx
L
dx, n = 1, 2, . . . ,
b
n
=
1
L
_
L
L
f(x) sen
nx
L
dx, n = 1, 2, . . . .
Si f(x) es una funcion par, entonces
a
0
=
1
L
_
L
0
f(x) dx, a
n
=
2
L
_
L
0
f(x) cos
nx
L
dx, n = 1, 2, . . . ,
b
n
= 0, n = 1, 2, . . . .
Si f(x) es una funcion impar, entonces
a
0
= 0, a
n
= 0, n = 1, 2, . . . ,
b
n
=
2
L
_
L
0
f(x) sen
nx
L
dx, n = 1, 2, . . . .
En base a las observaciones escritas en la proposicion anterior establecemos la siguiente
denicion.
Denici on 9.28. Sea f denida en [0, L] tal que las integrales de (9.6) y (9.5) existen.
La serie de Fourier de senos de f(x) es
SF
s
f(x) =

n=1
b
n
sen
nx
L
,
con b
n
=
2
L
_
L
0
f(x) sen
nx
L
dx, n = 1, 2, . . . . (9.5)
La serie de Fourier de cosenos de f(x) es
SF
c
f(x) = a
0
+

n=1
a
n
cos
nx
L
,
con a
0
=
1
L
_
L
0
f(x), a
n
=
2
L
_
L
0
f(x) cos
nx
L
dx, n = 1, 2, . . . . (9.6)
Y al pensar en los lmites de estas series de Fourier de senos y de cosenos, aparece
naturalmente la necesidad de hacer las siguientes deniciones:
Denici on 9.29. Sea f una funci on denida en [0, L].
162
La extensi on par de f es la funci on
f
p
(x) =
_
f(x), si 0 x L,
f(x), si L x < 0.
La extensi on impar de f es la funci on
f
i
(x) =
_

_
f(x), si 0 < x L,
0, si x = 0,
f(x), si L x < 0.
Proposici on 9.30. Sea f(x) denida en el intervalo [0, L] tal que existen las integrales
de (9.5) y (9.6). Entonces la serie de Fourier de senos de f coincide con la serie de
Fourier de su extensi on impar f
i
y la serie de Fourier de cosenos de f coincide con la
serie de Fourier de su extensi on par f
p
. O sea,
SF
s
f = SFf
i
, SF
c
f = SFf
p
.
Demostraci on. Veamos que la primera armaci on es cierta, la segunda es analoga. La
serie de Fourier de senos de f es
SF
s
f(x) =

n=1
b
n
sen
nx
L
, con b
n
=
2
L
_
L
0
f(x) sen
nx
L
dx.
Por otro lado, si consideramos la extension impar f
i
de f, resulta que por la Proposi-
cion 9.27, sus coecientes de Fourier (de la serie de senos y cosenos) son
a
0
= 0, a
n
= 0, n = 1, 2, . . . ,
b
n
=
2
L
_
L
0
f
i
(x) sen
nx
L
dx =
2
L
_
L
0
f(x) sen
nx
L
dx, n = 1, 2, . . . .
Y por lo tanto, la serie de Fourier de f
i
es
SFf
i
=

n=1
b
n
sen
nx
L
, con b
n
=
2
L
_
L
0
f(x) sen
nx
L
dx,
es decir SF
s
f = SFf
i
.
Con lo visto en la ultima proposicion podemos adaptar los resultados de convergencia
de series de Fourier (de senos y cosenos) para obtener resultados de convergencia de las
series de Fourier de senos y de las de cosenos.
Teorema 9.31 (Convergencia de la serie de Fourier de senos). Sea f una funci on C
1
a
trozos en [0, L]. Entonces las sumas parciales SF
s
N
f de la serie de Fourier de senos de f
convergen puntualmente (en cada x) a
SF
s
f(x) =
_
_
_
f(x
+
) + f(x

)
2
, si 0 < x < L,
0, si x = 0 o x = L.
163
Si f(x) es ademas continua en [0, L] y f(0) = 0, f(L) = 0, entonces la suma parcial
SF
s
N
f converge uniformemente (no hay fen omeno de Gibbs) a f(x) en [0, L], es decir,
m ax
0xL
[f(x) SF
s
N
(x)[ 0, cuando N .
Demostraci on. Para demostrar las dos armaciones de este teorema basta ver que si f(x)
cumple las hip otesis del mismo, entonces su extension impar f
i
cumple las hip otesis de
los Teoremas 9.18 y 9.21, respectivamente.
Teorema 9.32 (Convergencia de la serie de Fourier de cosenos). Sea f una funci on C
1
a trozos en [0, L]. Entonces las sumas parciales SF
c
N
f de la serie de Fourier de cosenos
de f convergen puntualmente (en cada x) a
SF
c
f(x) =
_

_
f(x
+
) + f(x

)
2
, si 0 < x < L,
f(0
+
), si x = 0,
f(L

), si x = L.
Si f(x) es ademas continua en [0, L], entonces la suma parcial SF
c
N
f converge uniforme-
mente (no hay fen omeno de Gibbs) a f(x) en [0, L], es decir,
m ax
0xL
[f(x) SF
c
N
(x)[ 0, cuando N .
Demostraci on. Para demostrar las dos armaciones de este teorema basta ver que si f(x)
cumple las hip otesis del mismo, entonces su extension impar f
p
cumple las hip otesis de
los Teoremas 9.18 y 9.21, respectivamente.
Tambien se puede aplicar el Teorema 9.23 a las extensiones par e impar de una funci on
f denida en [0, L] para obtener los siguientes teoremas.
Teorema 9.33 (Convergencia con orden de la serie de Fourier de senos). Sea f(x) una
funcion de clase C
2
en el intervalo [0, L], tal que f(0) = 0 y f(L) = 0, y sea M = m ax
[0,L]
[f

[.
Entonces, para cada N 1 se tiene que
[f(x) SF
s
N
f(x)[
4L
2
M

2
1
N
, para todo x [0, L].
Demostraci on. Si f es C
2
en [0, L] y f(0) = f(L) = 0 entonces su extension impar f
i
es
C
2
en [L, L], f
i
(L) = f
i
(L) y f

i
(L) = f

i
(L) (pues la derivada de una funci on impar
es una funci on par). Aplicamos entonces el Teorema 9.23 a f
i
y obtenemos que
[f
i
(x) SF
N
f
i
(x)[
4L
2
M

2
1
N
, para todo x [L, L].
Por un lado f
i
(x) = f(x) en [0, L], y por la Proposicion 9.30 SF
N
f
i
(x) = SF
s
N
f(x) para
todo x [0, L] y todo N N. Por lo tanto [f(x) SF
s
N
f(x)[
4L
2
M

2
1
N
para todo
x [0, L].
164
Teorema 9.34 (Convergencia con orden de la serie de Fourier de cosenos). Sea f(x)
una funcion de clase C
2
en el intervalo [0, L], tal que f

(0) = 0 y f

(L) = 0, y sea
M = m ax
[0,L]
[f

[. Entonces, para cada N 1 se tiene que


[f(x) SF
c
N
f(x)[
4L
2
M

2
1
N
, para todo x [0, L].
Demostraci on. Si f es C
2
en [0, L] y f

(0) = f

(L) = 0 entonces su extension par f


p
es
C
2
en [L, L], f
p
(L) = f
p
(L) y f

p
(L) = f

p
(L). Aplicamos entonces el Teorema 9.23 a
f
p
y obtenemos que
[f
p
(x) SF
N
f
p
(x)[
4L
2
M

2
1
N
, para todo x [L, L].
Por un lado f
p
(x) = f(x) en [0, L], y por la Proposicion 9.30 SF
N
f
p
(x) = SF
c
N
f(x) para
todo x [0, L] y todo N N. Por lo tanto [f(x) SF
c
N
f(x)[
4L
2
M

2
1
N
para todo
x [0, L].
Los ultimos teoremas son de aplicaci on directa para el c alculo aproximado de solucio-
nes de problemas de difusi on. Veamos un ejemplo.
Ejemplo 9.35. Considerar el problema
_

_
u
t
= u
xx
, 0 < x < 1, t > 0,
u(0, t) = 0, u(1, t) = 0, t > 0.
u(x, 0) = x
3
x, 0 < x < 1,
Hallar una soluci on aproximada u
N
(x, t) que cumple [u
N
(x, t) u(x, t)[ 0,01 para todo
x [0, L] y todo t 0. Las soluciones exactas que conocemos de este problema son de la
forma
u
N
(x, t) =
N

n=1
b
n
sen(nx)e
n
2

2
t
.
Por el principio del m aximo, dado que u(x, t) = u
N
(x, t) = 0 para x = 0 y x = L (t > 0),
sabemos que
m ax
0x1
t0
[u(x, t) u
N
(x, t)[ m ax
0x1
[u(x, 0) u
N
(x, 0)[.
Ahora bien, u(x, 0) = x
3
x = f(x) es C
2
en [0, 1] y f(0) = f(1) = 0, es decir, cumple
las hip otesis del Teorema 9.33 (para L = 1), y por lo tanto, si b
n
se eligen como los
coecientes de la serie de Fourier de senos de f(x) resulta
m ax
0x1
[f(x) SF
s
N
f(x)[
4M

2
1
N
,
con M = m ax
[0,1]
[f

[. Como ya vimos en el Ejemplo 9.25, M = 6 y basta elegir N 244


para que
4M

2
1
N
0,01. Por lo tanto, la soluci on deseada es
u
N
(x, t) =
244

n=1
b
n
sen(nx)e
n
2

2
t
,
165
con b
n
= 2
_
1
0
(x
3
x) sen(nx) dx =
12
n
3

3
cos(n) =
12
n
3

3
(1)
n
. De esta manera, la
soluci on buscada resulta
u
N
(x, t) = 12
244

n=1
(1)
n
n
3

3
sen(nx)e
n
2

2
t
.
9.5. Ejercicios
9.1. Para L = 1 y la funci on f(x) =
_
1 si x > 0
0 si x 0
gracar con la computadora SF
N
f(x)
en [1, 1], para N = 1, 3, 5, 7, 9, . . . , 101, y vericar que siempre m ax
x[0,1]
SF
N
f(x) 1,089
(mientras que m ax
xR
f(x) = 1). Para hacerlo, tomar x=[-1:.001:1] y evaluar SF
N
f
en esa grilla, luego tomar el m aximo valor. Este fenomeno, observado experimentalmente
en la computadora, puede demostrarse para todo N N. Nos dice que la discontinuidad
de f en x = 0 causa un overshooting debido al fenomeno de Gibbs mayor al 8 % del salto
en la discontinuidad.
9.2. Para cada una de las siguientes funciones, denir y gracar (a mano) la funci on
arreglada en [L, L], con L = 1 y gracar su extension periodica en [3L, 3L].
(a) f(x) = 1, (b) f(x) = x
3
, (c) f(x) = 1 x
2
,
(d) f(x) = cos(x), (e) f(x) = sen(x).
* 9.3. Sea f(x) una funci on C
3
en el intervalo [L, L] tal que f(L) = f(L), f

(L) =
f

(L), y f

(L) = f

(L). Demostrar que si M = m ax


x[L,L]
[f

(x)[, entonces
(a) m ax
x[L,L]
[f(x) SF
N
f(x)[
4L
3
M

3
1
N
2
,
(b) (SF
N
f)

(x) = SF
N
f

(x),
(c) m ax
x[L,L]
[f

(x) SF
N
f

(x)[
4L
2
M

2
1
N
.
9.4. Vericar (demostrar) las siguientes armaciones:
(a) El producto de dos funciones pares es par.
(b) El producto de dos funciones impares es par.
(c) El producto de una funci on par y una impar es impar.
(d) Si f(x) es impar, entonces
_
L
L
f(x) dx = 0.
(e) Si f(x) es par, entonces
_
L
L
f(x) dx = 2
_
L
0
f(x) dx.
166
9.5. Mostrar que cualquier funci on f(x) denida en [L, L] se puede escribir como suma
de una funci on par y una impar. Ayuda: f(x) =
f(x) + f(x)
2
+
f(x) f(x)
2
.
9.6. Para cada una de las siguientes funciones denidas en [0, L], denir y gracar (a
mano) su extension par y su extension impar a [L, L], la funci on arreglada de la extension
par y de la impar en [L, L] y gracar su extension periodica en [3L, 3L] (considerar
L = 1).
(a) f(x) = 1, (b) f(x) = x
3
, (c) f(x) = 1 x
2
,
(d) f(x) = cos(x), (e) f(x) = sen(x).
9.7. Consideremos L = 1 y la funci on f(x) denida sobre el intervalo [0, 1] cuyo gr aco
es el de la gura.
y = f(x)
1
y = f(x)
1
y = f(x)
1
(a) (b) (c)
En cada caso por separado, gracar (a mano, aproximadamente) sobre el intervalo
[3, 3]
SF
s
10
f(x), SF
s
f(x). Es decir, la suma de diez terminos de la serie de Fourier de
senos de f y el lmite de las sumas parciales, o la serie total de senos.
SF
c
10
f(x), SF
c
f(x). Es decir, la suma de diez terminos de la serie de Fourier de
cosenos de f y el lmite de las sumas parciales, o la serie total de cosenos.
Decir en que casos se observa el fenomeno de Gibbs y en que casos la convergencia es
uniforme.
9.8. Considerar el problema
_

_
u
t
= u
xx
, 0 < x < 1, t > 0,
u(0, t) = 0, u(1, t) = 0, t > 0.
u(x, 0) = x(1 x), 0 < x < 1,
Usando el principio del m aximo determinar una soluci on aproximada u
N
(x, t) que cumpla
[u(x, t) u
N
(x, t)[ 0,005, 0 x L, t > 0.
167
9.9. Considerar el problema
_

_
u
t
= u
xx
, 0 < x < 1, t > 0,
u(0, t) = 1, u(1, t) = 2, t > 0.
u(x, 0) = x + 1 + x(1 x), 0 < x < 1,
(a) Usando el principio del m aximo determinar una soluci on aproximada u
N
(x, t) que
cumpla
[u(x, t) u
N
(x, t)[ 0,005, 0 x L, t > 0.
(b) Usando (la computadora y) la soluci on aproximada del item anterior, determinar
(aproximadamente) el valor de t
0
a partir del cual u(x, t) 2 para todo t t
0
.
9.10. Considerar el problema
_

_
u
t
= 5u
xx
, 0 < x < 1, t > 0,
u(0, t) = 1, u
x
(1, t) = 0, t > 0.
u(x, 0) = (x 1)
2
, 0 < x < 1,
(a) Usando el principio del m aximo (enunciado en el Problema 8.17) y el Teorema 9.23
determinar una soluci on aproximada u
N
(x, t) que cumpla
[u(x, t) u
N
(x, t)[ 0,005, 0 x 1, t > 0.
(b) Usando (la computadora y) la soluci on aproximada del item anterior, determinar
(aproximadamente) el valor de t
0
a partir del cual u(x, t) 0,5 para todo t t
0
.
Bibliografa complementaria
[Bleecker-Csordas 1996] Bleecker, D., Csordas, G., Basic Partial Dierential Equations,
International Press, Cambridge, Massachusetts, 1996.
[Haberman 1998] Haberman, R., Elementary Applied Partial Dierential Equations, Pren-
tice Hall, Upper Saddle River, NJ, 1998.
168
Captulo 10
La ecuaci on de Laplace
Cuando consideramos la ecuacion de difusi on sin termino fuente, y con condiciones de
borde independientes del tiempo, el lmite de las soluciones cuando t es la soluci on
de la ecuacion de estado estacionario. En el caso de coecientes constantes resulta la
ecuacion de Laplace
2
u = 0 con las condiciones de borde que provienen de la ecuacion de
difusi on original. Cuando el dominio espacial es unidimensional (un intervalo) la ecuacion
de Laplace resulta u
xx
= 0 cuyas soluciones son las funciones lineales u(x) = c
1
x + c
2
.
Imponer condiciones de borde es sencillo en esta situacion, y salvo el caso en que ambos
extremos tengan condiciones de borde de ujo prescripto, pueden hallarse siempre las
constantes c
1
y c
2
para que las condiciones de borde se cumplan, ver Seccion 8.5. En
este captulo estudiaremos c omo resolver la ecuacion de Laplace en diferentes regiones del
plano y del espacio, y tambien veremos algunas propiedades cualitativas de las soluciones,
como el principio del m aximo y la propiedad del valor medio.
10.1. Ecuacion de Laplace en un Rectangulo
Comenzamos resolviendo la ecuacion de Laplace en un rectangulo (0 x L, 0
y H) cuando la temperatura esta prescripta en la frontera (borde) del mismo:
EDP:

2
u
x
2
+

2
u
y
2
= 0 0 < x < L, 0 < y < H.
Consideraremos primero el caso de condiciones de borde de tipo Dirichlet. Como el borde
del rectangulo esta compuesto por cuatro segmentos, escribimos las condiciones de borde
de la siguiente manera:
CB1: u(0, y) = g
1
(y) 0 < y < H
CB2: u(L, y) = g
2
(y) 0 < y < H
CB3: u(x, 0) = f
1
(x) 0 < x < L
CB4: u(x, H) = f
2
(x) 0 < x < L
donde g
1
(y), g
2
(y), f
1
(x) y f
2
(x) son funciones dadas. Otras condiciones de borde seran
presentadas en los ejercicios. En este caso, la EDP es lineal y homogenea pero las condi-
ciones de borde, aunque lineales, no son homogeneas. No podremos aplicar el metodo de
169
separaci on de variables a este problema tal como esta. La raz on de esto es que al separar
variables, el problema a valores de borde que determina las constantes de separaci on po-
sibles o autovalores debe tener condiciones de borde homogeneas. En este ejemplo, todas
las condiciones de borde son no-homogeneas.
Podemos superar esta dicultad dandonos cuenta de que el problema original es no-
homogeneo debido a las cuatro condiciones de borde no-homogeneas. Utilizaremos el
principio de superposicion para desglosar nuestro problema en cuatro subproblemas, cada
uno de los cuales tiene solo una condicion no-homogenea. Escribimos
u(x, t) = u
1
(x, t) + u
2
(x, t) + u
3
(x, t) + u
4
(x, t),
donde cada una de las funciones u
i
(x, y) (i = 1, 2, 3, 4) satisface la ecuacion de Laplace con
una condicion de borde no-homogenea y las otras tres condiciones de borde homogeneas,
como se muestra en la Figura 10.1.

2
u = 0
2
u
1
= 0
2
u
2
= 0
2
u
3
= 0
2
u
4
= 0 = + + +
u = f
1
(x)
u = f
2
(x)
u = g
1
(y)
u = g
2
(y)
u
1
= 0
u
1
= 0
u
1
= 0
u
2
= 0
u
2
= 0
u
2
= 0
u
3
= 0
u
3
= 0
u
3
= 0
u
4
= 0
u
4
= 0
u
4
= 0 u
1
= f
1
(x)
u
2
= g
2
(y)
u
3
= f
2
(x)
u
4
= g
1
(y)
Figura 10.1: Ecuacion de Laplace dentro de un rectangulo
El metodo para hallar cualquiera de las u
i
(x, y) es el mismo; solo algunos detalles
dieren. Haremos la resolucion para encontrar u
4
(x, y), y dejaremos los otros casos para
los ejercicios:
EDP:

2
u
4
x
2
+

2
u
4
y
2
= 0 0 < x < L, 0 < y < H
CB1: u
4
(0, y) = g
1
(y) 0 < y < H
CB2: u
4
(L, y) = 0 0 < y < H
CB3: u
4
(x, 0) = 0 0 < x < L
CB4: u
4
(x, H) = 0 0 < x < L.
170
Nos proponemos resolver este problema por el metodo de separaci on de variables. Comen-
zamos ignorando la condicion no-homogenea u
4
(0, y) = g
1
(y). Eventualmente sumaremos
soluciones producto para obtener esta condicion, pero por ahora la ignoraremos. Busca-
mos soluciones producto
u
4
(x, y) = h(x)(y),
que satisfagan las condiciones de borde homogeneas CB2, CB3 y CB4.

Estas nos dicen
que
h(L) = 0, (0) = 0, (H) = 0.
Luego, la parte de la soluci on dependiente de y, (y) tiene dos condiciones de borde
homogeneas, mientras que la parte dependiente de x solo tiene una. Si sustituimos la
soluci on producto en la ecuacion de Laplace obtenemos
(y)h

(x) + h(x)

(y) = 0.
Las variables pueden separarse dividiendo por h(x)(y), obteniendo
1
h(x)
h

(x) =
1
(y)

(y). (10.1)
El lado izquierdo es solo funci on de la variable x, mientras que el lado derecho depende
solo de y. Por lo tanto, ambos deben ser iguales a una constante de separaci on. Que usa-
mos? o ? Una de ellas es m as conveniente. Si la constante de separaci on fuera
negativa (como lo era antes), la ecuacion (10.1) implicara que h(x) oscila (trigonometri-
ca) y (y) es una combinacion de exponenciales. Pero las condiciones de borde para (y)
indican que este caso no es posible. Por otro lado, si la constante de separaci on fuera po-
sitiva, (10.1) implicara que h(x) es combinacion de exponenciales y (y) es combinacion
de senos y cosenos. Esto parece m as razonable dadas las condiciones de borde y entonces
introducimos la variable de separaci on (aunque no suponemos 0):
1
h(x)
h

(x) =
1
(y)

(y) = .
Obtenemos entonces dos ecuaciones diferenciales ordinarias:
h

(x) = h(x)

(y) = (y).
El problema dependiente de la variable x no es un problema a valores en la frontera pues
no tiene dos condiciones homogeneas:
h

(x) = h(x) h(L) = 0.


En cambio, el problema dependiente de la variable y s lo es y sera utilizado para deter-
minar los autovalores

(y) = (y) (0) = 0 (H) = 0.


Este problema a valores en la frontera es el mismo que hemos estudiado anteriormente,
con la unica diferencia dada por la longitud del intervalo, que en este caso es H en lugar de
171
L. Todos los autovalores son positivos > 0. Las autofunciones son senos pues (0) = 0.
Mas a un, la condicion (H) = 0 implica que
=
_
n
H
_
2
, (y) = sen
ny
H
, n = 1, 2, 3, . . . .
Para obtener soluciones producto, debemos ahora resolver la EDO para h(x) con la con-
dicion de borde homogenea correspondiente y con un autovalor de los ya encontrados.
Como = (n/H)
2
, la ecuacion resulta
h

(x) =
_
n
H
_
2
h(x). (10.2)
La soluci on general es una combinacion lineal de exponenciales, que tambien puede ex-
presarse como una combinacion lineal de funciones hiperbolicas. Podramos utilizar cual-
quiera de estas dos expresiones de la soluci on general, pero ninguna de estas es la m as
apropiada para la condicion de borde h(L) = 0. Podemos encontrar la soluci on que bus-
camos de un modo m as r apido y sencillo si observamos que las funciones trasladadas
cosh
n(x L)
H
y senh
n(x L)
H
son soluciones linealmente independientes de (10.2). Por lo que la soluci on general tambien
puede escribirse como (ver Ejercicios 6.86.9)
h(x) = a
1
cosh
n(x L)
H
+ a
2
senh
n(x L)
H
.
Resulta natural preguntarse ahora por que es m as conveniente esta expresion de la solu-
cion general. Bien, si queremos forzar la condicion de borde h(L) = 0 obtenemos
0 = h(L) = a
1
cosh
n(L L)
H
+ a
2
senh
n(L L)
H
= a
1
cosh 0 +a
2
senh 0 = a
1
.
De esto resulta a
1
= 0 y h(x) = a
2
senh
n(xL)
H
, una expresion sencilla de la soluci on.
Las soluciones producto resultan entonces
u
4
(x, y) = b
n
sen
ny
H
senh
n(x L)
H
, n = 1, 2, . . . .
Ahora queremos encontrar una soluci on m as general, para lo cual utilizamos el prin-
cipio de superposicion, obteniendo
u
4
(x, y) =

n=1
b
n
sen
ny
H
senh
n(x L)
H
.
Una vez que tenemos esta soluci on general, imponemos la condicion de borde no-homogenea
u
4
(0, y) = g
1
(y):
u
4
(0, y) =

n=1
b
n
sen
ny
H
senh
n(L)
H
= g
1
(y).
172
Este es el mismo tipo de serie de senos que ya hemos discutido con una sola diferencia:
Antes tenamos los coecientes b
n
multiplicando a las funciones seno, pero ahora tenemos
que b
n
senh
n(L)
H
multiplica a las funciones seno (notar que b
n
senh
n(L)
H
no depende
de la variable y). Por ende, si llamamos B
n
= b
n
senh
n(L)
H
nuestro problema consiste
en hallar B
n
tal que

n=1
B
n
sen
ny
H
= g
1
(y).
Luego, por lo que ya hemos visto en secciones anteriores
B
n
=
2
H
_
H
0
g
1
(y) sen
ny
H
dy,
y despejando b
n
obtenemos
b
n
=
B
n
senh
n(L)
H
=
2
H senh
n(L)
H
_
H
0
g
1
(y) sen
ny
H
dy.
Es importante notar aqu que senh
n(L)
H
,= 0 y por ende b
n
esta bien denido para todo
n.
Por lo tanto, la soluci on u
4
(x, y) es la serie
u
4
(x, y) =

n=1
b
n
sen
ny
H
senh
n(x L)
H
.
con sus coecientes b
n
dados por
b
n
=
2
H senh
n(L)
H
_
H
0
g
1
(y) sen
ny
H
dy.
10.2. Ecuacion de Laplace en un Disco
Consideramos ahora la ecuacion de Laplace en un disco de radio a con condiciones
de Dirichlet en el borde como se ilustra en la Figura 10.2. La geometra (forma) de
este problema sugiere el uso de coordenadas polares, es decir, escribir u = u(r, ). En
particular, en la circunferencia de radio r = a la distribuci on de temperatura es una
funci on dada de la variable , u(a, ) = f().
Para intentar resolver este problema es necesario primero encontrar una expresion de

2
u =

2
u
x
2
+

2
u
y
2
en coordenadas polares, para ello, recordamos que debemos escribir
u(r, ) = u(r(x, y), (x, y)) ,
x = r cos ,
y = r sen .
Las coordenadas polares coinciden con las coordenadas cilndricas (ignorando la variable
z, y llamando r a ) y entonces

2
u =
1
r
_

r
_
r
u
r
_
+

_
1
r
u

__
=

2
u
r
2
+
1
r
u
r
+
1
r
2

2
u

2
.
173
a
u(a, ) = f()

2
u = 0
Figura 10.2: Ecuacion de Laplace dentro
de un disco
El problema que queremos resolver es entonces
EDP:

2
u
r
2
+
1
r
u
r
+
1
r
2

2
u

2
= 0 0 < r < a < <
CB: u(a, ) = f(), < < .
A primera vista parecera que no podemos utilizar el metodo de separaci on de variables
porque no tenemos ninguna condicion de borde homogenea. Sin embargo, el utilizar coor-
denadas polares requiere una discusion acerca del metodo de separaci on de variables que
nos ayudara a comprenderlo un poco mejor. Si resolvemos la ecuacion de Laplace en un
rectangulo, entonces se necesitan condiciones en los extremos de denicion de las varia-
bles, x = 0, x = L, y = 0, y = H. Estos extremos coinciden con los bordes fsicos de la
placa rectangular que se considera. Por otro lado, para coordenadas polares, 0 r a,
. Matem aticamente, se necesitan dos condiciones en los extremos r = 0,
r = a, y = , = . La unica condicion que corresponde a una frontera fsica es en
r = a. Por lo tanto todava nos hace falta determinar condiciones de borde en r = 0 y
en = . Para hallarlas utilizaremos consideraciones del problema fsico. Las coorde-
nadas polares son singulares en r = 0; por razones fsicas, pediremos que la inc ognita u
(temperatura, densidad) sea nita, o acotada all:
acotacion de u en el origen: [u(0, )[ < .
A un nos falta denir condiciones en = . Esto es similar a lo que ocurre en la situacion
del anillo circular. El extremo = corresponde al mismo punto de la placa circular que
= . Aunque all no hay realmente un borde de la placa, el hecho de que la temperatura
o densidad sea continua all y que el ujo de calor o de masa en la direcci on de tambien
sea continuo, implica las siguientes condiciones de borde:
u(r, ) = u(r, )
u

(r, ) =
u

(r, ).
Notamos que estas condiciones de borde son tambien lineales y homogeneas. De este
modo, el problema luce similar a la ecuacion de Laplace en un rectangulo: Hay cuatro
condiciones, de las cuales solo una es no-homogenea: u(a, ) = f(). Aplicaremos entonces
el metodo de separaci on de variables.
174
Buscaremos soluciones producto
u(r, ) = ()G(r),
que satisfagan la EDP y las tres condiciones de borde homogeneas (nuevamente ignoramos
moment aneamente la condicion no-homogenea). Las condiciones periodicas implican
() = ()

() =

().
Si la funci on producto satisface la EDP se tiene que
()G

(r) +
1
r
()G

(r) +
1
r
2
G(r)

() = 0
Multiplicando por
r
2
()G(r)
obtenemos
r
2
G

(r) + rG

(r)
G(r)
=

()
()
= .
Hemos introducido la constante de separaci on como (en lugar de ) porque hay dos
condiciones homogeneas para la funci on de la variable . El problema que determi-
nar a los autovalores es

() = (), () = (),

() =

().
Los autovalores se determinan del modo usual. En efecto, este es uno de los problemas
estandar que ya hemos resuelto, el del alambre circular, con L = . Por lo tanto los
autovalores son
=
_
n
L
_
2
= n
2
,
con las autofunciones correspondientes
sen n y cos n.
El caso n = 0 debe tambien considerarse pues da la funci on constante.
El problema dependiente de la variable r es entonces
r
2
G

(r) + rG

(r) = n
2
G(r)
o
r
2
G

(r) + rG

(r) n
2
G(r) = 0. (10.3)
La ecuacion (10.3) es lineal y homogenea pero tiene coecientes no-constantes. Sin
embargo se puede resolver facilmente. La forma m as sencilla de resolver esta ecuacion,
es dandose cuenta de que para el operador diferencial en (10.3) la funci on G(r) = r
p
se
reproduce a s misma. Esto quiere decir que si reemplazamos r
p
en el lugar de G(r) en la
ecuacion (10.3) obtenemos un m ultiplo de r
p
. En efecto
r
2
d
2
dr
2
(r
p
) + r
d
dr
(r
p
) n
2
r
p
= r
2
p (p 1) r
p2
+ r p r
p1
n
2
r
p
=
_
p (p 1) + p n
2
_
r
p
.
175
Luego nuestro problema se transforma en encontrar las potencias p para las cuales
p(p 1) + p n
2
= 0.
Pero
p(p 1) + p n
2
= p
2
p + p n
2
= p
2
n
2
y esta ultima expresion es igual a cero cuando p = n o p = n. Si n ,= 0 estas races son
distintas y las funciones r
n
y r
n
son linealmente independientes, por lo que la soluci on
general resulta
G(r) = c
1
r
n
+ c
2
r
n
.
El caso n = 0 es diferente, e igualmente importante porque = 0 tambien es un autovalor.
Si n = 0 la ecuacion (10.3) resulta
r
2
G

(r) +rG

(r) = 0
que es equivalente a
rG

(r) + G

(r) = 0
y tambien a
d
dr
(rG

(r)) = 0
lo que a su vez equivale a decir que rG

(r) es constante. Luego G

(r) = const/r, integrando


obtenemos
G(r) = c
1
+ c
2
ln r.
Ya hemos discutido la condicion en r = 0 y hemos dicho que requeriremos [u(0, )[ <
, lo que implica para la soluci on producto que
[G(0)[ < .
Si ahora observamos las soluciones generales obtenidas, vemos que la parte multiplicada
por c
2
tiende a cuando r 0. Esto nos dice que c
2
= 0 y luego la soluci on general de
la parte dependiente de r es
G(r) = c
1
r
n
, n 0,
donde para n = 0 esta expresion se reduce a la constante c
1
.
Concluyendo, las soluciones producto que satisfacen las condiciones homogeneas son
r
n
cos n (n 1) y r
n
sen n (n 0).
Por el principio de superposicion, la soluci on general de la ecuacion de Laplace en el
crculo es
u(r, ) = A
0
+

n=1
A
n
r
n
cos n +

n=1
B
n
r
n
sen n.
Para resolver la condicion de borde no-homogenea u(a, ) = f() los coecientes A
n
,
B
n
tienen que ser determinados para que se satisfaga la igualdad
f() = A
0
+

n=1
A
n
a
n
cos n +

n=1
B
n
a
n
sen n, .
176
Este problema es similar al que resolvimos en la Seccion 8.3. La unica diferencia es que
aqu el papel de los coecientes a
n
y b
n
es jugado por A
n
a
n
y por B
n
a
n
, respectivamente.
Usando las mismas formulas integrales de esa secci on, obtenemos
A
0
=
1
2
_

f() d
A
n
a
n
=
1

f() cos n d, n 1
B
n
a
n
=
1

f() sen n d, n 1.
Como a
n
,= 0, la soluci on de la ecuacion del calor en el disco de radio a con temperatura
prescripta u(a, ) = f() en la frontera es
u(r, ) = A
0
+

n=1
A
n
r
n
cos n +

n=1
B
n
r
n
sen n,
donde los coecientes A
n
y B
n
estan dados por
A
0
=
1
2
_

f() d
A
n
=
1
a
n
_

f() cos n d, n 1
B
n
=
1
a
n
_

f() sen n d, n 1.
10.3. Condicion de Compatibilidad para la Existen-
cia de Soluciones.
Podra present arsenos el caso de querer resolver la ecuacion de Laplace con condiciones
de borde de ujo prescripto. En cuyo caso se indica el ujo Ku n, en lugar de la
temperatura u. Vimos en la Seccion 8.5 (en una dimension) que si se prescribe el ujo en
ambos extremos podra no existir soluci on estacionaria (cuando u
x
(0) ,= u
x
(L)). Veamos
que si se prescribe el ujo en la frontera, este debe satisfacer una condicion necesaria
para que exista soluci on: Supongamos que u es soluci on de la ecuacion de Laplace en una
region bidimensional . Luego
2
u = 0 sobre toda esta region, integrando obtenemos
0 =
__

2
udA =
__

(u) dA.
Por el teorema de la divergencia se tiene que
__

(u) dA =
_

u nds, donde
denota la curva cerrada que rodea a y n el vector normal exterior a . Luego
_

u nds = 0. (10.4)
177
Esto nos dice que si u es soluci on de la ecuacion de Laplace (ecuacion de difusi on estacio-
naria), el ujo de calor neto a traves de la frontera debe ser cero. Esto tambien esta claro
desde el punto de vista fsico si pensamos en difusi on de calor. Si el ujo de calor neto
a traves de la frontera no fuera cero, habra cambio (en el tiempo) de la energa termica
total dentro de la region, violando la condicion de estado estacionario. La condicion (10.4)
se denomina condicion de compatibilidad para la ecuacion de Laplace.
Ejemplo 10.1. Consideremos la ecuacion de Laplace
2
u = 0 en el rectangulo [0, L]
[0, H] con las siguientes condiciones de borde
u
x
(0, y) = f(y), u
x
(L, y) = 0, u
y
(x, 0) = 0, u
y
(x, H) = g(x),
para 0 < x < L, 0 < y < H. Es decir, el ujo esta prescripto en el lado izquierdo (x = 0)
y en el lado superior (y = H). La condicion de compatibilidad (10.4) nos dice que
0 =
_

u nds
=
_
L
0
u(x, 0) (j) dx +
_
H
0
u(L, y) i dy
+
_
L
0
u(x, H) j dx +
_
H
0
u(0, y) (i) dy
=
_
L
0
u
y
(x, 0) dx +
_
H
0
u
x
(L, y) dy +
_
L
0
u
y
(x, H) dx +
_
H
0
u
x
(0, y) dy.
Usando las condiciones de borde, obtenemos que la condicion de compatibilidad resulta
0 =
_
L
0
g(x) dx +
_
H
0
f(y) dy.
Es decir, el problema tiene soluci on s olo si
_
L
0
g(x) dx =
_
H
0
f(y) dy.
Observaci on 10.2. Notemos que si se cumple la condicion de compatibilidad en un
problema donde la condicion de borde sobre todo el borde es de tipo Neumann, entonces
el problema tiene innitas soluciones. Todas ellas se obtienen sumando una constante a
una soluci on dada.
10.4. Propiedades Cualitativas de la Ecuacion de La-
place
10.4.1. Propiedad del Valor Medio.
La soluci on obtenida de la ecuacion de Laplace dentro de un crculo por el metodo
de separaci on de variables nos permite observar un resultado importante. Si evaluamos
la funci on u en el origen (r = 0), vemos que
u(0) = A
0
=
1
2
_

f() d;
178
es decir, la funci on u en el centro es igual al promedio de la temperatura en el borde del
crculo. Esta propiedad se conoce como propiedad del valor medio para la ecuacion
de Laplace y se cumple en general en el siguiente sentido.
Teorema 10.3 (Propiedad del valor medio). Sea u una funcion C
2
y arm onica (
2
u = 0)
en una region de R
2
. Si el disco centrado en (x
0
, y
0
) de radio R est a completamente
(con borde) contenido en (ver Figura 10.3), y si denotamos con C
R
a la circunferencia
de radio R, entonces
u(x
0
, y
0
) =
1
2R
_
C
R
uds =
1
longitud(C
R
)
_
C
R
uds
=
1
2
_
2
0
u(x
0
+ Rcos , y
0
+ Rsen ) d.
Es decir, el valor de u(x
0
, y
0
) es igual al promedio de u sobre la circunferencia centrada
en (x
0
, y
0
) y radio R.
(x
0
, y
0
)
R
Figura 10.3: Crculo dentro de una regi on
general. La circunferencia no toca el borde
de la regi on.
Demostraci on. Observemos primero que por el teorema de la divergencia, si 0 < r R,
entonces
_
C
r
u nds =
__
D
r
udA =
__
D
r

2
udA = 0,
donde D
r
denota el disco de centro (x
0
, y
0
) y radio r.
Denimos la funci on V (r) para 0 < r R como el promedio de u sobre la circunfe-
rencia de centro (x
0
, y
0
) y radio r. Es decir
V (r) =
1
2r
_
C
r
uds =
1
2
_
2
0
u(x
0
+ r cos , y
0
+ r sen ) d. (10.5)
179
Entonces,
d
dr
V (r) =
1
2
_
2
0

r
u(x
0
+ r cos , y
0
+ r sen ) d
=
1
2
_
2
0
u
x
(x
0
+r cos , y
0
+ r sen ) cos + u
y
(x
0
+r cos , y
0
+ r sen ) sen d
=
1
2
_
2
0
u(x
0
+r cos , y
0
+ r sen ) (cos i + sen j
. .
n
) d
=
1
2r
_
C
r
u nds = 0,
por (10.5). Por lo tanto V (r) es constante para 0 < r R y resulta que
V (R) =
1
2R
_
C
R
uds =
1
longitud(C
R
)
_
C
R
uds
= lm
r0
+
V (r) = lm
r0
+
1
2r
_
C
r
uds = lm
r0
+
1
longitud(C
r
)
_
C
r
uds.
Por otro lado, como los promedios sobre circunferencias que se encogen a un punto con-
vergen al valor de la funci on en ese punto
lm
r0
+
1
longitud(C
r
)
_
C
r
uds = u(x
0
, y
0
),
y por lo tanto
1
2R
_
C
R
uds = u(x
0
, y
0
).
Aplicando la propiedad del valor medio a una temperatura en estado de equilibrio
obtenemos la siguiente armaci on:
En estado de equilibrio (estacionario) la temperatura en cualquier punto interior a
es igual al promedio de la temperatura alrededor de cualquier crculo (contenido
en ) centrado en ese mismo punto.
10.4.2. Principios del maximo
Como consecuencia de la propiedad del valor medio se obtiene el siguiente principio
del m aximo.
Teorema 10.4 (Principio del m aximo fuerte). Sea u una funcion C
2
y arm onica en un
dominio conexo . Si alcanza su maximo en un punto interior (que no est a en el borde),
entonces u es constante.
180
Demostraci on. Sea M = m ax

u y sea (x
0
, y
0
) tal que u(x
0
, y
0
) = M. Sea ahora R
tal que el disco D
R
con centro (x
0
, y
0
) y radio R esta completamente contenido en ,
entonces
u(x
0
, y
0
) = M =
1
2R
_
C
R
uds = promedio de u sobre C
R
.
Si existiera un punto sobre C
R
donde u < M, entonces para que el promedio sea M,
debera haber otros puntos sobre C
R
donde u > M, pero esto es imposible pues M es el
m aximo de u. Por lo tanto u = M en todos los puntos de C
R
y esto se cumple para todo
radio R tal que D
R
. En otras palabras, u = M en todo disco centrado en (x
0
, y
0
)
contenido en .
Ahora, si tomamos (x
1
, y
1
) contenido en un disco de estos, resulta que tambien
u(x
1
, y
1
) = M y por lo tanto, u = M en todo disco contenido centrado en (x
1
, y
1
) y
contenido en . Repitiendo este argumento cubrimos con discos donde u = M y resul-
ta que u M en .
Observaci on 10.5. La prueba matem atica rigurosa del principio del m aximo fuerte para
funciones armonicas puede hacerse demostrando que el conjunto de puntos de donde
u = M es abierto y cerrado en , y no vaco. Usando que es conexo resulta que el
conjunto es todo .
Como consecuencia inmediata del principio del m aximo fuerte obtenemos el principio
del m aximo debil.
Teorema 10.6 (Principio del m aximo debil). Sea una region acotada de R
2
. Si u es
una funcion C
2
en y armonica (
2
u = 0) en y es continua en := entonces
m ax

u = m ax

u,
es decir, el maximo se alcanza siempre en un punto del borde de .
10.4.3. Unicidad y estabilidad de soluciones.
El principio del m aximo es una herramienta muy importante para el analisis de ecua-
ciones en derivadas parciales, especialmente al establecer propiedades cualitativas.
El primer resultado esta dado en la siguiente proposicion.
Proposici on 10.7 (Unicidad de soluciones). El problema de Dirichlet para la ecuaci on
de Poisson

2
u = f en
u = g en
(10.6)
tiene solucion unica.
Observaci on 10.8. La ecuacion de Laplace es tambien una ecuacion de Poisson, con
termino fuente f 0.
Demostraci on. Sean u
1
y u
2
soluciones del problema (10.6). Denimos entonces v =
u
1
u
2
y resulta que v es soluci on del problema de Laplace

2
v = 0 en , v = 0 en .
181
Por el principio del m aximo, m ax

v = m ax

v = 0 y por lo tanto
v(x) 0, para todo x .
Por otro lado, v = u
2
u
1
tambien es soluci on del mismo problema de Laplace y luego
v(x) 0, para todo x ,
o lo que es lo mismo
v(x) 0, para todo x .
Por lo tanto v(x) 0 en , o sea u
1
u
2
en .
De manera analoga puede demostrarse el siguiente teorema de estabilidad con respecto
a los valores de borde.
Teorema 10.9 (Estabilidad con respecto al dato de borde). Sean u
1
, u
2
soluciones de
la ecuaci on de Poisson con el mismo termino fuente, pero diferente valor de borde:

2
u
1
= f en ,
u
1
= g
1
en ,

2
u
2
= f en ,
u
2
= g
2
en .
(10.7)
Entonces
m ax

[u
1
u
2
[ m ax

[g
1
g
2
[
Antes de proceder a la demostracion vale la pena interpretar lo que este principio del
m aximo signica en la pr actica. Supongamos que g
1
es el valor medido de la temperatura
en el borde de una region y g
2
es el valor real o exacto (g
1
es una aproximacion de g
2
).
Sea ahora u
1
la soluci on de la ecuacion de Poisson con dato g
1
en el borde. Si u
2
denota
la temperatura real en la region, entonces u
2
es la soluci on de la ecuacion de Laplace
con dato g
2
en el borde. Pregunta: Cu an bien aproxima u
1
(solucion calculada) a u
2
(temperatura real desconocida)? Respuesta: tan bien como g
1
aproxime a g
2
.
Demostraci on del Teorema 10.9. Denamos (como en la demostracion de la proposicion
anterior) v = u
1
u
2
. Entonces v es soluci on de la ecuacion de Laplace con dato de borde
g
1
g
2
. Mas precisamente

2
v = 0 en , v = g
1
g
2
en .
Por el principio del m aximo
m ax

v = m ax

v = m ax

g
1
g
2
m ax

[g
1
g
2
[,
y por lo tanto
v(x) m ax

[g
1
g
2
[, para todo x .
Analogamente,
v(x) m ax

[g
1
g
2
[, para todo x .
Luego
m ax

[g
1
g
2
[ v(x) = u
1
(x) u
2
(x) m ax

[g
1
g
2
[, para todo x .
Por lo tanto m ax

[u
1
u
2
[ m ax

[g
1
g
2
[.
182
10.5. Ejercicios
10.1. Hallar la soluci on de la ecuacion de Laplace dentro de un rectangulo 0 x L,
0 y H con las siguientes condiciones de borde (para 0 < x < L, 0 < y < H):
(a)
u
x
(0, y) = 0,
u
x
(L, y) = 0, u(x, 0) = 0, u(x, H) = f(x).
(b)
u
x
(0, y) = g(y),
u
x
(L, y) = 0, u(x, 0) = 0, u(x, H) = 0.
10.2. Supongamos que u(x, y) es la soluci on de la ecuacion de Laplace dentro del rectangu-
lo 0 x L, 0 y H con las condiciones de borde:
u
x
(0, y) = 0, u
x
(L, y) = 0, u
y
(x, 0) = 0, u
y
(x, H) = f(x).
(a) Sin resolver el problema, explicar la condicion de compatibilidad (sobre la funci on
f) para que este problema tenga soluci on. Interpretar fsicamente.
(b) Resolver el problema por el metodo de separaci on de variables. Mostrar que el metodo
solo funciona bajo la condicion de la parte (a). Notar que queda una constante sin
determinar, es decir que puede tomar cualquier valor.
(c) Considerar la ecuacion del calor dependiente del tiempo v
t
= k(v
xx
+v
yy
) con condi-
cion inicial v(x, y, 0) = g(x, y) y condiciones de borde
v
x
(0, y, t) = 0, v
x
(L, y, t) = 0, v
y
(x, 0, t) = 0, v
y
(x, H, t) = f(x),
para 0 < x < L, 0 < y < H, t > 0, (las mismas que u). Demostrar que si v es una
soluci on C
2
, entonces la energa
E(t) =
_
L
0
_
H
0
v(x, y, t) dy dx
se mantiene constantemente igual a
_
L
0
_
H
0
g(x, y) dy dx para todo t > 0.
(d) Como dijimos antes, la soluci on del tem (b) tiene una constante arbitraria que queda
sin determinar. Determinarla considerando que u(x, y) es el estado estacionario de
la ecuacion (del calor) dependiente del tiempo del tem (c). Es decir, suponer que
u(x, y) = lm
t
v(x, y, t). (lmite uniforme)
(Ayuda: la constante a determinar tiene que ver con la condicion inicial g(x, y).)
10.3. Resolver la ecuacion de Laplace dentro de un cuarto de crculo de radio 1 (0 < <
/2, 0 < r < 1), sujeto a las condiciones de borde
(a)
u

(r, 0) = 0, u(r, /2) = 0, u(1, ) = f()


(b)
u

(r, 0) = 0,
u

(r, /2) = 0,
u
r
(1, ) = g().
Mostrar que esta ultima soluci on existe solo si
_
/2
0
g() d = 0. Hay soluci on unica?
183
10.4. Resolver la ecuacion de Laplace fuera de un crculo de radio a sujeto a la condicion
de borde (en coord. polares) u(a, ) = f() (para ). Para este problema hace
falta imponer que u(r, ) permanece acotado cuando r .
10.5. Resolver la ecuacion de Laplace en un anillo circular a < r < b sujeto a las
condiciones de borde
(a) u(a, ) = f(), u(b, ) = 0
(b)
u
r
(a, ) = 0, u(b, ) = f()
10.6. Considerar la ecuacion de Laplace dentro de un rectangulo 0 < x < L, 0 < y < H,
con las condiciones de borde
u
x
(0, y) = 0,
u
x
(L, y) = g(y),
u
y
(x, 0) = 0,
u
y
(x, H) = f(x).
Cu al es la condicion de compatibilidad (sobre f y g) para que exista soluci on y cual es
su interpretacion fsica?
* 10.7. Demostrar rigurosamente el principio del m aximo fuerte del Teorema 10.4 si-
guiendo la sugerencia de la Observacion 10.5.
* 10.8. Demostrar con un contraejemplo que si no es acotado, entonces no vale el
principio del m aximo debil (Teorema 10.6). Mas precisamente, hallar un dominio y
una funci on armonica que valga cero en y resulte no acotada en .
Bibliografa complementaria
[Haberman 1998] Haberman, R., Elementary Applied Partial Dierential Equations, Pren-
tice Hall, Upper Saddle River, NJ, 1998.
[Pinchover-Rubinstein 2005] Pinchover, Y., Rubinstein, J., An Introduction to Partial Dif-
ferential Equations, Cambridge Univbersity Press, New Yotk, 2005.
184
Captulo 11
La ecuaci on de Ondas en una
dimensi on
Dada una cuerda elastica de densidad lineal constante a tensi on constante T
0
, ali-
neada con el eje x, el desplazamiento vertical u(x, t) del punto a distancia x del origen,
satisface la ecuacion
u
tt
(x, t) = T
0
u
xx
(x, t).
Esta ecuacion se conoce como ecuaci on de ondas unidimensional, y se obtiene despues
de algunas simplicaciones que resultan de suponer peque nos desplazamientos y que
no hay desplazamiento horizontal. Los detalles pueden encontrarse en [Haberman 1998,
Weinberger 1995]. Usualmente se reemplaza
T
0

por c
2
con c > 0 y la ecuacion resulta:
u
tt
(x, t) = c
2
u
xx
(x, t).
Dado que la ecuacion es de segundo orden en el tiempo, deben imponerse dos condi-
ciones iniciales: la posicion inicial y la velocidad inicial:
u(x, 0) = f(x), u
t
(x, 0) = g(x).
En las siguientes secciones hallaremos la soluci on de esta ecuacion en un intervalo
innito y en un intervalo acotado.
11.1. Solucion en R. F ormula de DAlembert
Si bien no existe una cuerda innita, es tambien de interes resolver la ecuacion de
ondas en toda la recta real. Planteamos el problema con condiciones iniciales:
u
tt
(x, t) = c
2
u
xx
(x, t), x R, t > 0,
u(x, 0) = f(x), x R, (t = 0),
u
t
(x, 0) = g(x), x R, (t = 0).
(11.1)
Una manera de encontrar la soluci on de este problema es a traves del cambio de
variables
w = x + c t, z = x c t.
185
Buscamos entonces una soluci on v(z, w) que satisfaga:
v(w, z) = v(x + c t, x c t) = u(x, t).
Procedemos como en el Captulo 7, cuando resolvamos ecuaciones de primer orden:
Hallamos primero u
xx
en terminos de v, w, z:
u
x
= v
w
w
x
+ v
z
z
x
u
x
= v
w
1 + v
z
1
u
x
= v
w
+ v
z
u
xx
= v
ww
w
x
+ v
wz
z
x
+ v
zw
w
x
+ v
zz
z
x
u
xx
= v
ww
1 + v
wz
1 + v
zw
1 +v
zz
1
u
xx
= v
ww
+ 2v
wz
+v
zz
.
Hallamos ahora u
tt
:
u
t
= v
w
w
t
+ v
z
z
t
u
t
= v
w
c + v
z
(c)
u
t
= c v
w
c v
z
u
tt
= c v
ww
w
t
+ c v
wz
z
t
c v
zw
w
t
c v
zz
z
t
u
tt
= c v
ww
c + c v
wz
(c) c v
zw
c c v
zz
(c)
u
tt
= c
2
v
ww
c
2
v
wz
c
2
v
zw
+ c
2
v
zz
u
tt
= c
2
v
ww
2 c
2
v
wz
+c
2
v
zz
.
La ecuacion u
tt
c
2
u
xx
= 0 se transforma en 4c
2
v
wz
= 0, que es equivalente a
v
wz
= 0.
Integrando primero respecto de z obtenemos
v
w
(w, z) = C
1
(w),
con C
1
(w) una funci on de la variable w. Integrando esta ultima expresion respecto de w
obtenemos
v(w, z) = C
2
(z) +C
1
(w),
donde C
1
es una primitiva o antiderivada de C
1
. En sntesis, v(w, z) es la suma de dos
funciones, una que depende de w = x + c t y otra que depende de z = x c t. Podemos
decir entonces que
u(x, t) = F(x + c t) + G(x c t).
Imponemos ahora las condiciones iniciales: La primera u(x, 0) = f(x) implica que
f(x) = F(x) + G(x).
La segunda involucra a u
t
, entonces vemos primero que
u
t
(x, t) = F

(x +c t)c + G

(x c t)(c) = cF

(x + c t) cG

(x c t),
186
luego debe cumplirse que
g(x) = u
t
(x, 0) = cF

(x) cG

(x) = c(F

(x) G

(x)),
que se cumple cuando
_
x
0
g(s) ds = c(F(x) G(x)).
Por lo tanto, F(x) y G(x) deben cumplir el siguiente sistema de dos ecuaciones con dos
inc ognitas (f(x) y g(x) son datos conocidos):
F(x) + G(x) = f(x)
F(x) G(x) =
1
c
_
x
0
g(s) ds.
Sumando las ecuaciones obtenemos que
F(x) =
1
2
_
f(x) +
1
c
_
x
0
g(s) ds
_
,
y rest andolas obtenemos que
G(x) =
1
2
_
f(x)
1
c
_
x
0
g(s) ds
_
.
Luego, la soluci on u(x, t) = F(x + c t) +G(x c t) resulta
u(x, t) =
1
2
_
f(x + c t) +
1
c
_
x+c t
0
g(s) ds
_
+
1
2
_
f(x c t)
1
c
_
xc t
0
g(s) ds
_
=
f(x + c t) +f(x c t)
2
+
1
2c
__
x+c t
0
g(s) ds
_
xc t
0
g(s) ds
_
.
Como
_
x+c t
0
g(s) ds
_
xc t
0
g(s) ds =
_
x+c t
xc t
g(x) ds resulta
u(x, t) =
f(x + c t) + f(x c t)
2
+
1
2c
_
x+c t
xc t
g(s) ds..
Esta formula da la soluci on de la ecuacion de ondas (11.1) y se conoce como Formula
de DAlembert.
Dominio de dependencia y dominio de inuencia. Adem as de decir cual es la
soluci on de la ecuacion de ondas en R, la formula de DAlembert nos permite determinar
lo que se conoce como dominio de dependencia y dominio de inuencia de las condiciones
iniciales. Observemos que para determinar el valor de u(x
0
, t
0
) solo se usa el valor de f(x)
en x = x
0
+c t
0
y en x = x
0
c t
0
, y de la funci on g(x) se usa su valor sobre el intervalo
[x
0
c t
0
, x
0
+ c t
0
]. Es decir:
187
(x
0
, t
0
)
x
0
c t
0
x
0
+ c t
0
a b
x
=
a

c
t
x
=
b
+
c
t
Figura 11.1: Dominio de dependencia y de inuencia para la ecuaci on de ondas.
El valor de u(x
0
, t
0
) depende de los datos iniciales en [x
0
c t
0
, x
0
+c t
0
]. El intervalo
[x
0
c t
0
, x
0
+ c t
0
] se denomina dominio de dependencia de la soluci on en (x
0
, t
0
).
Por otro lado, los valores de los datos iniciales f(x) y g(x) sobre el intervalo [a, b] solo
inuiran sobre los puntos (x, t) que esten sobre el cono de inuencia:
(
[a,b]
= (x, t) : a c t x b + c t, t > 0.
11.2. Cuerda vibrante con extremos jos
Planteamos ahora la ecuacion de ondas en un intervalo, que modela el desplazamiento
vertical de una cuerda elastica de longitud L, sujetada en ambos extremos, como la cuerda
de una guitarra:
u
tt
(x, t) = c
2
u
xx
(x, t), 0 < x < L, t > 0,
u(0, t) = 0, t > 0,
u(L, t) = 0, t > 0,
u(x, 0) = f(x), 0 < x < L, (t = 0),
u
t
(x, 0) = g(x), 0 < x < L, (t = 0).
(11.2)
Intentamos resolverla por el metodo de separaci on de variables. Para ello, ignoramos
moment aneamente las condiciones iniciales y buscamos soluciones de la forma u(x, t) =
(x)h(t). La ecuacion diferencial u
tt
= c
2
u
xx
implica
(x)h

(t) = c
2

(x)h(t),
que es equivalente a
1
c
2
h

(t)
h(t)
=

(x)
(x)
= ,
y se cumple siempre que ambos lados sean iguales a la misma constante . Las condicio-
nes de borde u(0, t) = 0 y u(L, t) = 0 implican que (0) = 0, y (L) = 0 pues queremos
soluciones no triviales.
188
Los autovalores se determinan hallando todas las soluciones no triviales de

(x) = (x), 0 < x < L, (0) = 0, (L) = 0.


Ya hemos resuelto este problema de autovalores antes, y hemos hallado que

n
=
_
n
L
_
2
,
n
(x) = sen
nx
L
, n = 1, 2, 3, . . . .
Debemos ahora hallar las funciones h
n
(t) correspondientes a cada
n
. La ecuacion que
debe resolver h
n
(t) es
h

n
(t) =
n
c
2
h
n
(t),
o, reemplazando el valor de
n
,
h

n
(t) =
_
nc
L
_
2
h
n
(t),
cuya soluci on general es
h
n
(t) = a
n
cos
nct
L
+ b
n
sen
nct
L
.
Las soluciones de variables separables son entonces
u
n
(x, t) = sen
nx
L
_
a
n
cos
nct
L
+ b
n
sen
nct
L
_
, n = 1, 2, 3 . . . .
Superponiendo soluciones obtenemos la soluci on m as general
u(x, t) =

n=1
sen
nx
L
_
a
n
cos
nct
L
+b
n
sen
nct
L
_
.
Observamos ahora que a diferencia de la ecuacion de difusion, las soluciones son ahora
oscilantes, y dados los coecientes a
n
, b
n
, nunca existir a lm
t
u(x, t).
Al imponer las condiciones iniciales quedaran determinados los coecientes a
n
, b
n
,
dependiendo del desplazamiento inicial f(x) y de la velocidad inicial g(x). Por un lado,
u(x, 0) =

n=1
sen
nx
L
_
a
n
cos
nc0
L
. .
1
+b
n
sen
nc0
L
. .
0
_
=

n=1
a
n
sen
nx
L
.
Por lo tanto, debe cumplirse que
f(x) =

n=1
a
n
sen
nx
L
,
lo que se logra tomando a
n
=
2
L
_
L
0
f(x) sen
nx
L
. Por otro lado,
u
t
(x, t) =

n=1
sen
nx
L
_
a
n
ncLsen
nct
L
+ b
n
ncLcos
nct
L
_
,
189
y entonces
u
t
(x, 0) =

n=1
sen
nx
L
_
a
n
nc
L
sen
nc0
L
. .
0
+b
n
nc
L
cos
nc0
L
. .
1
_
=

n=1
b
n
nc
L
sen
nx
L
.
La segunda condicion inicial se cumple entonces cuando
g(x) =

n=1
b
n
nc
L
sen
nx
L
,
y esto se logra tomando
b
n
nc
L
=
2
L
_
L
0
g(x) sen
nx
L
dx,
o, lo que es lo mismo
b
n
=
2
nc
_
L
0
g(x) sen
nx
L
dx, n = 1, 2, 3, . . . .
Resumiendo:
La soluci on de (11.2) es
u(x, t) =

n=1
sen
nx
L
_
a
n
cos
nct
L
+b
n
sen
nct
L
_
.
con
a
n
=
2
L
_
L
0
f(x) sen
nx
L
, b
n
=
2
nc
_
L
0
g(x) sen
nx
L
dx, n = 1, 2, 3, . . . .
Observaci on 11.1. Las frecuencias de oscilaci on
nc
L
, n = 1, 2, . . . , se llaman modos de
vibracion de la cuerda. La primera frecuencia de oscilacion (que se obtiene con n = 1) es
c
L
=

L

T
0

,
y se llama modo principal de vibraci on de la cuerda. En el caso de una cuerda amortiguada
como las reales de una guitarra por ejemplo, este primer modo de vibracion es muy
aproximado a la frecuencia de vibracion que m as perdura en el tiempo.
Notemos que el modo principal de vibracion aumenta cuando aumenta la tensi on T
0
,
lo que equivale a un sonido m as agudo de una cuerda de guitarra al aumentar la tensi on
por medio de las clavijas.
Tambien se escucha un sonido m as agudo cuando se disminuye la longitud de las
cuerdas por ejemplo apoyando los dedos en los trastes de la guitarra, esto equivale a
disminuir L, lo que tambien aumenta el modo principal de vibracion.
En una guitarra, la densidad de las cuerdas es mayor cuanto mas arriba se encuentran,
vemos que el modo principal de vibracion disminuye al aumentar la densidad. Esto se
corresponde con un sonido m as grave de las cuerdas superiores.
190
11.3. Ejercicios
11.1. Considerar la ecuacion de ondas
u
tt
(x, t) = c
2
u
xx
(x, t), x R, t R.
(a) Mostrar que si F y G son funciones C
2
denidas en R, entonces
u(x, t) = F(x + ct) + G(x ct), x R, t R,
es soluci on. Se dice entonces que u(x, t) es una superposicion de ondas viajeras. Por
que?
(b) Hallar formulas para F y G para que la soluci on u(x, t) cumpla con las condiciones
iniciales
u(x, 0) = e
x
2
u
t
(x, 0) = 0, x R.
(c) Para c = 3, gracar aproximadamente la soluci on u(x, t) como funci on de x para
t = 1, t = 2 y t = 3.
(d) Que diferencia se observara en los gr acos si c fuera 6 en lugar de 3?
11.2. Consideremos una cuerda vibrante levemente amortiguada que satisface
u
tt
= T
0
u
xx
u
t
, 0 x L, t 0,
con el par ametro de rozamiento sucientemente peque no (que cumple 0 <
2
<
4T
0

2
/L
2
). Hallar la soluci on que satisface las siguientes condiciones de borde y condi-
ciones iniciales
u(0, t) = 0 u(L, t) = 0, t 0, u(x, 0) = f(x), u
t
(x, 0) = g(x), 0 < x < L.
Ayuda: Al proponer la solucion por variables separadas se obtiene
h

(t) +h

(t)
T
0
h(t)
=

(x)
(x)
.
Las autofunciones
n
(x) y los autovalores
n
son los mismos que antes, y las soluciones h deben
satisfacer
h

(t) +h

(t) =
_
n
L
_
2
T
0
h(t).
Resolver esta ecuaci on ordinaria proponiendo h(t) = e
rt
. La condici on dada sobre en el
enunciado implicara que las soluciones r
1
, r
2
de la ecuaci on caracterstica son complejas.
Bibliografa complementaria
[Haberman 1998] Haberman, R., Elementary Applied Partial Dierential Equations, Pren-
tice Hall, Upper Saddle River, NJ, 1998.
[Weinberger 1995] Weinberger, H.F., A First Course in Partial Dierential Equations:
with Complex Variables and Transform Methods, Dover Publications Inc., 1995.
191
Captulo 12
Ecuaciones en mas variables
independientes.
12.1. Difusion en dos dimensiones
La ecuacion de difusi on en un dominio bidimensional (de forma arbitraria) es
(ED) u
t
(x, y; t) = k
2
u(x, y; t) (x, y) , t > 0
(CB) u(x, y; t) = 0 (x, y) , t > 0
(CI) u(x, y; 0) = f(x, y) (x, y) , (t = 0).
(12.1)
Hemos considerado aqu condiciones de borde (CB) de tipo Dirichlet o de valor prescripto,
y recordemos que
2
u(x, y; t) = u
xx
(x, y; t) + u
yy
(x, y; t).
Separaci on de la variable tiempo. Si procedemos con el metodo de separaci on, pero
solo separando la variable tiempo, dejando las variables espaciales en una misma funci on,
proponemos una soluci on de la siguiente forma:
u(x, y; t) = h(t) (x, y).
Si esta u(x, y; t) es soluci on de la ecuacion de difusi on (12.1), entonces debe ocurrir que
h

(t) (x, y) = k h(t)


2
(x, y) =
1
k
h

(t)
h(t)
=

2
(x, y)
(x, y)
.
Como los miembros izquierdo y derecho de la ultima igualdad dependen de diferentes
variables independientes, deben igualar a una misma constante . Es decir
h

(t) = k h(t),
2
(x, y) = (x, y).
Para que u(x, y; t) cumpla la condicion de borde (CB) y no sea la soluci on trivial, debe
cumplirse que
h(t)(x, y) = 0, (x, y) , t > 0 = (x, y) = 0, (x, y) .
Arribamos entonces al siguiente problema de autovalores para el Laplaciano:
192
Hallar R y (x, y) , 0 tal que

2
= , en ,
= 0 en .
En las siguientes secciones resolveremos este problema de autovalores para algunas
formas concretas simples. Lo que se cumple en general para geometras arbitrarias (con
borde suave a trozos) es el siguiente teorema, cuya demostracion queda fuera del alcance
de este curso.
Teorema 12.1. Dado un dominio , existe una sucesi on de autovalores
0 <
1
<
2

3

4
,
y correspondientes autofunciones

1
,
2
,
3
,
4
, . . . ,
que satisfacen lo siguiente:
__

m
dA =
_
0, si n ,= m,
|
n
|
2
,= 0, si n = m,
n, m = 1, 2, 3, . . . .
Para cada f continua en y C
1
a trozos sobre , se cumple que
f(x, y) =

n=1
a
n

n
(x, y),
si a
n
=
1
|
n
|
2
__

f(x, y)
n
(x, y) dA, n = 1, 2, 3, . . . .
En el teorema anterior hemos usado la notacion |
n
|
2
=
__

[
n
(x)]
2
dA.
Observaci on 12.2. En el caso unidimensional = (0, L), las autofunciones
n
(x) y los
autovalores
n
son

n
=
_
n
L
_
2
,
n
(x) = sen
nx
L
, n = 1, 2, . . . .
En este caso sencillo, sabemos que |
n
|
2
=
L
2
, y por eso la formula para el c alculo de los
coecientes de Fourier de senos es a
n
=
2
L
_
L
0
f(x) sen
nL
x
dx.
El teorema garantiza la existencia de autovalores y autofunciones para el Laplaciano.
Adem as, cualquier funci on continua y C
1
a trozos se puede aproximar por combinaciones
193
lineales de autofunciones. En las siguientes secciones veremos ejemplos de autovalores y
autofunciones para diferentes geometras. Ahora continuemos con la ecuacion de difusi on.
Para cada autovalor
n
deberemos luego resolver la ecuacion
h

n
(t) =
n
k h
n
(t), t > 0.
Las soluciones de este problema son
h
n
(t) = a
n
e
k
n
t
.
As, aunque no conozcamos los autovalores
n
y sus autofunciones
n
sabemos que las
soluciones de variables separables son
u
n
(x, y; t) = a
n

n
(x, y)e
k
n
t
, n = 1, 2, 3, . . . .
Una soluci on m as general se obtiene sumando las de variables separables, es decir
u(x, y; t) =

n=1
a
n

n
(x, y)e
k
n
t
.
La condicion inicial u(x, y; 0) = f(x, y) equivale a

n=1
a
n

n
(x, y) = f(x, y), (x, y) ,
que acorde al Teorema 12.1 se cumplir a si elegimos a
n
=
1
|
n
|
2
__

f(x, y)
n
(x, y) dA,
n = 1, 2, 3, . . . .
Resumiendo:
La soluci on de (12.1) es
u(x, y; t) =

n=1
a
n

n
(x, y)e
k
n
t
.
con a
n
=
1
|
n
|
2
__

f(x, y)
n
(x, y) dA, n = 1, 2, 3, . . . .
12.2. Ondas en dos dimensiones
La ecuacion de ondas en un dominio bidimensional (de forma arbitraria) es
(ED) u
tt
(x, y; t) = c
2

2
u(x, y; t) (x, y) , t > 0
(CB) u(x, y; t) = 0 (x, y) , t > 0
(CI
1
) u(x, y; 0) = f(x, y) (x, y) , (t = 0).
(CI
2
) u
t
(x, y; 0) = g(x, y) (x, y) , (t = 0).
(12.2)
Esta ecuacion modela por ejemplo la vibracion de una membrana en posicion horizontal
(alineada con el plano xy), donde u(x, y; t) denota el desplazamiento vertical (en direcci on
al eje z).
194
Separaci on de la variable tiempo Si procedemoscomo en la secci on anteriorcon
el metodo de separaci on, pero solo separando la variable tiempo, dejando las variables
espaciales en una misma funci on, proponemos una soluci on u(x, y; t) = h(t) (x, y) para
la ecuacion de ondas (12.2). Entonces debe ocurrir que
h

(t) (x, y) = c
2
h(t)
2
(x, y) =
1
c
2
h

(t)
h(t)
=

2
(x, y)
(x, y)
.
Como los miembros izquierdo y derecho de la igualdad anterior dependen de diferentes
variables independientes, deben igualar ambos a una misma constante . Es decir
h

(t) = c
2
h(t),
2
(x, y) = (x, y).
Para que u(x, y; t) cumpla la condicion de borde (CB) y no sea la soluci on trivial, debe
cumplirse que
h(t)(x, y) = 0, (x, y) , t > 0 = (x, y) = 0, (x, y) .
Arribamos entonces al siguiente problema de autovalores para el Laplaciano:
Hallar R y (x, y) , 0 tal que

2
= , en ,
= 0 en .
Este es el mismo problema de autovalores al que llegamos en la secci on anterior, y
por lo tanto sigue valiendo el Teorema 12.1
Para cada autovalor
n
deberemos luego resolver la ecuacion
h

n
(t) =
n
c
2
h
n
(t), t > 0.
Como los autovalores
n
son todos positivos, las soluciones de este problema son
h
n
(t) = a
n
cos(c
_

n
t) + b
n
sen(c
_

n
t).
As, aunque no conozcamos los autovalores
n
y sus autofunciones
n
sabemos que las
soluciones de variables separables son
u
n
(x, y; t) =
n
(x, y)
_
a
n
cos(c
_

n
t) + b
n
sen(c
_

n
t)
_
, n = 1, 2, 3, . . . .
Obtenemos una soluci on m as general sumando las de variables separables, es decir
u(x, y; t) =

n=1

n
(x, y)
_
a
n
cos(c
_

n
t) +b
n
sen(c
_

n
t)
_
.
La ecuacion de ondas tiene dos condiciones iniciales:
u(x, y; 0) = f(x, y) y u
t
(x, y; 0) = g(x, y).
195
Al imponer la primera, recordando que cos 0 = 1 y que sen 0 = 0, obtenemos

n=1
a
n

n
(x, y) = f(x, y), (x, y) ,
que acorde al Teorema 12.1 se cumplir a si elegimos a
n
=
1
|
n
|
2
__

f(x, y)
n
(x, y) dA,
n = 1, 2, 3, . . . .
Para imponer la segunda necesitamos primero calcular u
t
(x, y; t)
u
t
(x, y; t) =

n=1

n
(x, y)
_
a
n
c
_

n
sen(c
_

n
t) + b
n
c
_

n
cos(c
_

n
t)
_
.
Ahora s, la condicion inicial u(x, y; 0) = g(x, y) se lee

n=1

n
(x, y)b
n
c
_

n
= g(x, y), (x, y) ,
que acorde al Teorema 12.1 se cumplir a si elegimos b
n
=
1
|
n
|
2
1
c

n
__

g(x, y)
n
(x, y) dA,
n = 1, 2, 3, . . . .
Resumiendo:
La soluci on de (12.2) es
u(x, y; t) =

n=1

n
(x, y)
_
a
n
cos(c
_

n
t) +b
n
sen(c
_

n
t)
_
,
con
a
n
=
1
|
n
|
2
__

f(x, y)
n
(x, y) dA y b
n
=
1
|
n
|
2
1
c

n
__

g(x, y)
n
(x, y) dA,
n = 1, 2, 3, . . . .
12.3. Problema de autovalores en un rectangulo
Consideremos en esta secci on el problema de autovalores que aparecio en las secciones
anteriores, pero considerando el dominio concreto y simple = (0, L) (0, H). Es decir,
consideramos el problema de hallar R y (x, y) no trivial que satisfagan

xx
+
yy
= , 0 < x < L, 0 < y < H,
(0, y) = 0, 0 < y < H,
(L, y) = 0, 0 < y < H,
(x, 0) = 0, 0 < x < L,
(x, H) = 0, 0 < x < L.
(12.3)
196
Recordemos que tanto como (x, y) son inc ognitas de este problema, y dada la
simplicidad de las condiciones de borde, tratemos de encontrar soluciones con (x, y) de
variables separables. Es decir, buscamos soluciones de la forma
(x, y) = f(x) g(y).
Como
2
(x, y) =
xx
(x, y)+
yy
(x, y) = f

(x)g(y)+f(x)g

(y), resulta que queremos


hallar f(x), g(y) no triviales y R que satisfagan
f

(x)g(y) + f(x)g

(y) = f(x)g(y),
es decir,
f

(x)
f(x)
+
g

(y)
g(y)
= , =
f

(x)
f(x)
=
g

(y)
g(y)
.
Los miembros derecho e izquierdo de la ultima igualdad son funciones de diferentes va-
riables, y por lo tanto, ambos miembros deben ser iguales a una misma constante de
separaci on que llamaremos . Por otro lado, las condiciones de borde implican que
f(0) = f(L) = 0 y g(0) = g(H) = 0. El problema de hallar autovalores y autofunciones
de variables separables para el rectangulo (0, L) (0, H) resulta entonces:
Hallar funciones f(x), g(y) y valores R, y R que satisfagan:
f

(x)
f(x)
= , 0 < x < L, f(0) = f(L) = 0,
g

(y)
g(y)
= ( ), 0 < y < H, g(0) = g(H) = 0.
(12.4)
La ecuacion para f(x) resulta
f

(x) = f(x), 0 < x < L, f(0) = f(L) = 0,


que tiene soluci on no trivial f(x) = sen
nx
L
para =
_
n
L
_
2
, n = 1, 2, . . . .
Para cada uno de estos valores de
n
=
_
n
L
_
2
debemos hallar todos los n umeros y
funciones no nulas g(y) tales que
g

(y) =
_

_
n
L
_
2
_
g(y), 0 < y < H, g(0) = g(H) = 0.
Este problema es del mismo tipo que el anterior, y tendr a soluci on no trivial g
m
(y) =
sen
my
H
siempre que
_

_
n
L
_
2
_
=
_
m
H
_
2
, m = 1, 2, . . . .
Por lo tanto, los valores para los que el problema (12.3) tiene soluci on no trivial (x, y) =
f(x)g(y) son los de la forma

nm
=
_
n
L
_
2
+
_
m
H
_
2
, n, m = 1, 2, 3, . . . ,
197
y sus correspondientes autofunciones son

nm
(x, y) = sen
nx
L
sen
my
H
.
Es facil ver que
__

nm
(x, y)
k
(x, y) dA =
_
_
_
|
nm
|
2
=
L
2
H
2
si k = n y = m,
0 en c.o.c.
A diferencia del Teorema 12.1 los autovalores estan indexados por dos ndices n y m,
en lugar de uno. Podramos ordenarlos y numerarlos con un solo ndice de ser necesario,
pero esto no hace falta en la pr actica, adem as el orden depender a de cuanto valgan L y
H. Veamos lo que ocurre en el problema de difusi on y en el de ondas.
Difusi on en una placa rectangular. Si consideramos el problema (12.1) en =
(0, L) (0, H), lo visto en la secci on anterior nos permite decir que la soluci on es
u(x, y; t) =

n=1

m=1
a
nm
sen
nx
L
sen
my
H
e
k

(
n
L
)
2
+
(
m
H
)
2

t
con
a
nm
=
4
LH
_
L
0
_
H
0
f(x, y) sen
nx
L
sen
my
H
dy dx, n, m = 1, 2, . . . .
Vibracion de una membrana rectangular. Si consideramos el problema (12.2) en
= (0, L) (0, H), lo visto en la secci on anterior nos permite decir que la soluci on es
u(x, y; t) =

n=1

m=1
sen
nx
L
sen
my
H
[a
nm
cos(c
nm
t) + b
nm
sen(c
nm
t)]
con
nm
=

nm
=
_
_
n
L
_
2
+
_
m
H
_
2
,
a
nm
=
4
LH
_
L
0
_
H
0
f(x, y) sen
nx
L
sen
my
H
dy dx,
y
b
nm
=
1
c
nm
4
LH
_
L
0
_
H
0
g(x, y) sen
nx
L
sen
my
H
dy dx,
para n, m = 1, 2, . . . .
198
12.4. Problema de autovalores en el disco. Funciones
de Bessel
12.4.1. El caso general
Consideremos en esta secci on el problema de autovalores para el Laplaciano con con-
diciones de borde Dirichlet en el crculo de radio R. Si utilizamos coordenadas polares
(r, ), el problema resulta: Hallar R y (r, ) no trivial que satisfagan

r
2
+
1
r

r
+
1
r
2

2
= , 0 < r < R, < < ,
(r, ) = (r, ) 0 < r < R,

(r, ) =

(r, ) 0 < r < R,


(R, ) = 0 < < ,
[(0, )[ < < < .
(12.5)
Busquemos nuevamente autofunciones de variables separables (r, ) = f(r)g().
Deseamos entonces hallar funciones no triviales f(r), g() y n umeros que satisfagan:
f

(r)g() +
1
r
f

(r)g() +
1
r
2
f(r)g

() = f(r)g().
Multiplicando por
r
2
f(r)g()
, obtenemos
r
2
f

(r) +rf

(r)
f(r)
+
g

()
g()
= r
2
, =
r
2
f

(r) + rf

(r) +r
2
f(r)
f(r)
=
g

()
g()
.
Los miembros derecho e izquierdo de la ultima igualdad son funciones de diferentes
variables, y por lo tanto, ambos miembros deben ser iguales a una misma constante
de separaci on que llamaremos . Por otro lado, las condiciones de borde implican que
[f(0)[ < , f(R) = 0, g() = g() y g

() = g

(). El problema de hallar autovalores


y autofunciones de variables separables para el disco de radio R resulta entonces:
Hallar funciones no nulas f(r), g() y valores R, y R que satisfagan:
r
2
f

(x) +rf

(x) + r
2
f(r)
f(r)
= , 0 < r < R, [f(0)[ < , f(R) = 0,
g

()
g()
= , < < , g() = g() g

() = g

().
Una de estas ecuaciones ya hemos resuelto anteriormente, y es la ecuacion para g(),
que determina los valores = n
2
, n = 0, 1, 2, . . . con correspondientes autofunciones
g
0
() = 1, g
1
n
() = cos n, g
1
n
() = sen n, n = 1, 2, 3, . . . .
199
Para cada valor de = n
2
, n = 0, 1, 2, . . . , debemos hallar todos los valores R y
funciones no nulas f(r) tales que
r
2
f

(r) + rf

(r) + r
2
f(r) = f(r), 0 < r < R, [f(0)[ < , f(R) = 0,
o bien, reemplazando por n
2
, n = 0, 1, 2, . . . ,
r
2
f

(r) +rf

(r) +(r
2
n
2
)f(r) = 0, 0 < r < R, [f(0)[ < , f(R) = 0. (12.6)
Para resolver este problema a valores de borde hacemos el cambio de variables z =

r
y la identicaci on F(z) = f(r), o sea F(z) = F(

r) y f(r) = f(a/

), entonces
f

(r) = f
r
(r) = F
z
(z)z
r
= F

(z)

, y analogamente f

(r) = F

(z).
Luego, la ecuacion para f(r) se transforma en
z
2
F

(z) + z F

(z) + (z
2
n
2
)F(z) = 0, (12.7)
que se conoce como Ecuaci on Diferencial de Bessel de orden n. Las soluciones de esta
ecuacion se llaman funciones de Bessel, y se describen a continuaci on.
Funciones de Bessel. La ecuacion de Bessel de orden n es una ecuacion de segundo
grado, y para cada n = 0, 1, 2, . . . tiene dos soluciones linealmente independientes, usual-
mente denotadas por J
n
(z) y Y
n
(z). La funci on J
n
(z) se denomina funci on de Bessel de
primera especie de orden n, y la funci on Y
n
(z) se denomina funci on de Bessel de segunda
especie de orden n. Hay varias deniciones equivalentes, pero a efectos de conocerlas un
poco escribimos las siguientes, v alidas para n = 0, 1, 2, . . . :
J
n
(z) =
1

_

0
cos(nt z sen t) dt,
Y
n
(z) =
1

_

0
sen(z sen t nt) dt
1

_

0
[e
nt
+ (1)
n
e
nt
]e
z senht
dt.
(12.8)
Su denicion precisa no es tan importante para este curso, dado que vienen implementadas
en diferentes bibliotecas de software
1
. Lo importante es saber algunas de sus propiedades:
lm
z0
+
J
n
(z) =
_
1, si n = 0,
0, si n = 1, 2, . . . .
lm
z0
+
Y
n
(z) = , n = 0, 1, 2, . . . .
lm
z+
J
n
(z) = lm
z+
Y
n
(z) = 0, n = 0, 1, 2, . . . .
J
n
(z) y Y
n
(z) son funciones oscilatorias, y oscilan indenidamente a medida que z
crece (ver Figura 12.1).
200
0 2 4 6 8 10
1
0.5
0
0.5
1


J
0
J
1
J
2
J
3
0 2 4 6 8 10
1
0.5
0
0.5
1


Y
0
Y
1
Y
2
Y
3
Figura 12.1: Gr aco de las funciones de Bessel de primera especie J
n
(z) (izquierda) y de
segunda especie Y
n
(z) (derecha) para n = 0, 1, 2, 3.
Teniendo las funciones de Bessel de primera y segunda especie, llegamos a que la
soluci on general de la ecuacion de Bessel de orden n (12.7) es
F(z) = a J
n
(z) + b Y
n
(z), 0 < z < ,
con a, b constantes arbitrarias. Luego, la soluci on general de la ecuacion diferencial
en (12.6) es
f(r) = a J
n
(

r) +b Y
n
(

r).
La condicion de borde [f(0)[ < implica b = 0 pues lm
r0
+
Y
n
(

r) = . Luego la
soluci on de (12.6) que cumple la condicion de borde [f(0)[ < es
f(r) = a J
n
(

r),
y la condicion de borde f(R) = 0 se cumplir a (con soluci on no trivial) siempre que
J
n
(

R) = 0,
es decir, siempre que

R sea un cero de J
n
(z). Para escribir lo que sigue m as preci-
samente, denotemos con z
nm
al m-esimo cero positivo de la funci on de Bessel J
n
, que
acorde a lo que dijimos anteriormente son innitos (ver Figura 12.2). Entonces para cada
n = 0, 1, 2, . . . existen innitos autovalores
nm
, que son

nm
=
_
z
nm
R
_
2
,
con correspondientes autofunciones
f
nm
(r) = J
n
(
z
nm
R
r), m = 1, 2, . . . . (12.9)
1
En MATLAB y en Mathematica se llaman besselj y bessely; en wxMaxima se llaman bessel j y
bessel y.
201
0 2 4 6 8 10 12
1
0.5
0
0.5
1


J
0
z
0 1
z
0 2
z
0 3
z
0 4
0 2 4 6 8 10 12
1
0.5
0
0.5
1


J
1
z
1 1
z
1 2
z
1 3
Figura 12.2: Gr aco de las funciones de Bessel de primera especie J
0
(z) (izquierda) y J
1
(z)
(derecha) y de los ceros z
0 m
, z
1 m
, m = 1, 2, . . . .
0 0.2 0.4 0.6 0.8 1
1
0.5
0
0.5
1


J
0
(z
01
r)
J
0
(z
02
r)
J
0
(z
03
r)
0 0.2 0.4 0.6 0.8 1
1
0.5
0
0.5
1


J
1
(z
11
r)
J
1
(z
12
r)
J
1
(z
13
r)
Figura 12.3: Gr aco de funciones de Bessel de primera especie escaladas f
0 m
(r) =
J
0
(z
0 m
r) (izquierda) y f
1 m
(r) = J
1
(z
1 m
r) (derecha) para m = 1, 2, 3, tomando R = 1.
202
Es importante destacar que jado el n, las funciones f
nm
resultan ortogonales con el
peso r sobre el intervalo [0, R], m as precisamente (ver Ejercicio 12.5)
_
R
0
f
nm
1
(r)f
nm
2
(r) r dr = 0, si m
1
,= m
2
. (12.10)
Resumiendo, tenemos el siguiente resultado:
Los autovalores y las autofunciones de (12.5) estan dados por
n = 0:

0 m
=
_
z
0 m
R
_
2
,
0 m
= J
0
(
z
0 m
R
r), m = 1, 2, 3 . . . .
n = 1, 2, 3, . . . :

nm
=
_
z
nm
R
_
2
,

1
nm
(r, ) = J
n
(
z
nm
R
r) cos n,

2
nm
(r, ) = J
n
(
z
nm
R
r) sen n, m = 1, 2, 3, . . . ,
donde J
n
es la funci on de Bessel de orden n de primera especie, y z
nm
es el m-esimo
cero positivo de J
n
.
Como consecuencia de la ortogonalidad que ya conocemos de los senos y cosenos, y
la ortogonalidad de las funciones de Bessel (12.10) obtenemos la ortogonalidad de las
autofunciones de (12.5) (ver ejercicio 12.6)
__
D
R

i
nm

j
k
dA =
_

_
R
0

i
nm
(r, )
j
k
(r, ) r dr d = 0, si i ,= j o n ,= k o m ,= .
(12.11)
Difusi on en el disco. Si consideramos el problema (12.1) en = D
R
, lo visto en la
secci on anterior nos permite decir que la soluci on es
u(r, ; t) =

m=1
a
0 m
J
0
(
z
0 m
R
r)e

(
z
0 m
R
)
2
kt
+

n=0

m=1
J
n
(
z
nm
R
r) (a
nm
cos n + b
nm
sen n) e

(
z
nm
R
)
2
kt
,
203
con
a
0 m
=
__
D
R
f(r, )J
n
(
z
0 m
R
r) dA
__
D
R
_
J
n
(
z
0 m
R
r)

2
dA
, m = 1, 2, . . . ,
a
nm
=
__
D
R
f(r, )J
n
(
z
nm
R
r) cos n dA
__
D
R
_
J
n
(
z
nm
R
r) cos n

2
dA
, n = 1, 2, . . . , m = 1, 2, . . . ,
b
nm
=
__
D
R
f(r, )J
n
(
z
nm
R
r) sen n dA
__
D
R
_
J
n
(
z
nm
R
r) sen n

2
dA
n = 1, 2, . . . , m = 1, 2, . . . .
Para simplicar, suele denotarse con = (n, m, i) en el conjunto de ndices
= (0, m, 0) : m = 1, 2, . . . (n, m, i) : n = 1, . . . , m = 1, 2, . . . , i = 1, 2,
y para = (n, m, i)

(r, ) =
i
nm
(r, ) =
_

_
J
0
(
z

R
r), si n = 0,
J
n
(
z

R
r) cos n, si n > 0 e i = 1,
J
n
(
z

R
r) sen n, si n > 0 e i = 2,
con z

= z
nm
.
Luego, la soluci on del problema de difusi on puede escribirse simplicada de la siguiente
manera:
u(r, ; t) =

(r, )e

(
z

R
)
2
kt
,
con
a

=
__
D
R
f

dA
__
D
R
[

]
2
dA
.
Vibracion de una membrana circular. Si consideramos el problema (12.2) en =
D
R
, lo visto en la secci on anterior nos permite decir que la soluci on es
u(r, ; t) =

(r, )
_
a

cos(
z

R
ct) + b

sen(
z

R
ct)
_
con
a

=
__
D
R
f

dA
__
D
R

dA
,
y
b

=
R
c z

__
D
R
g

dA
__
D
R

dA
.
12.4.2. El caso con simetra radial
Cuando las funciones dato de las condiciones iniciales tienen simetra radial, f = f(r)
y g = g(r), todas las integrales de los numeradores que denen a
nm
y b
nm
para n =
204
1, 2, . . . dan cero, y solo sobreviven los coecientes con ndice n = 0. Por lo tanto, la
soluci on de la ecuacion de difusi on resulta
u(r, t) =

m=1
a
0m
J
0
(
z
0 m
R
r)e

(
z
0 m
R
)
2
kt
,
con
a
0m
=
_
R
0
f(r)J
0
(
z
0 m
R
r) r dr
_
R
0
_
J
0
(
z
0 m
R
r)

2
r dr
, m = 1, 2, 3, . . . .
Por otro lado, la soluci on de la ecuacion de ondas, bajo la hip otesis de simetra radial,
resulta
u(r, t) =

m=1
J
0
(
z
0 m
R
r)
_
a
0m
cos(
z
0 m
R
ct) + b
0m
sen(
z
0 m
R
ct)
_
,
con
a
0m
=
_
R
0
f(r)J
0
(
z
0 m
R
r) r dr
_
R
0
_
J
0
(
z
0 m
R
r)

2
r dr
, y b
0m
=
R
cz
0 m
_
R
0
g(r)J
0
(
z
0 m
R
r) r dr
_
R
0
_
J
0
(
z
0 m
R
r)

2
r dr
, m = 1, 2, 3, . . . .
12.5. Ecuacion de Laplace en un cilindro circular.
Funciones de Bessel modicadas
Como ya hemos visto, la ecuacion de Laplace
2
u = 0 modela el estado estacionario
de la ecuacion de difusi on en ausencia de terminos fuente. Hemos resuelto la ecuacion de
Laplace en un rectangulo y en un crculo. La ecuacion de Laplace en un prisma rectangular
tambien puede resolverse por el metodo de separaci on de variables (ver Ejercicio 12.7).
Como puede verse en los ejercicios al nal del captulo, las tres variables independientes
dan dos problemas de autovalores con soluciones oscilatorias, y el restante problema tiene
soluciones no-oscilatorias.
Un problema m as desaante presenta la ecuacion de Laplace en un cilindro de radio
R y altura H. Utilizando las coordenadas cilndricas
x = r cos , y = r sen , z = z,
el dominio tridimensional se describe por
: 0 r < R, , 0 < z < H,
y la ecuacion de Laplace es:

2
u
r
2
+
1
r
u
r
+
1
r
2

2
u

2
+

2
u
z
2
= 0, u = u(r, , z).
Para jar ideas imponemos condiciones de borde de tipo Dirichlet, en las tres caras del
cilindro:
(cara plana inferior) u(r, , 0) = (r, ), 0 < r < R, < < ,
(cara plana superior) u(r, , H) = (r, ), 0 < r < R, < < ,
(cara curva lateral) u(R, , z) = (, z), < < , 0 < z < H.
205
En la frontera articial = , = tenemos las condiciones de borde periodicas ya
vistas:
u(r, , z) = u(r, , z), u

(r, , z) = u

(r, , z), 0 < r < R, 0 < z < H. (12.12)


Nos encontramos frente a tres condiciones de borde no homogeneas. Como antes, podemos
dividir este problema en tres subproblemas, cada uno de los cuales involucra resolver
la ecuacion de Laplace, pero tiene condicion de borde no-homogenea en una cara, y
homogenea en las otras dos. Mas precisamente,
u = u
1
+ u
2
+ u
3
,
con
_

2
u
1
= 0
u
1
(r, , 0) = (r, ),
u
1
(r, , H) = 0,
u
1
(R, , z) = 0,
_

2
u
2
= 0
u
2
(r, , 0) = 0,
u
2
(r, , H) = (r, ),
u
2
(R, , z) = 0,
_

2
u
3
= 0
u
3
(r, , 0) = 0,
u
3
(r, , H) = 0,
u
3
(R, , z) = (, z),
adem as de las condiciones de periodicidad (12.12).
A continuaci on, comenzamos a resolver por el metodo de separaci on de variables una
sola vez, y luego tratamos los diferentes casos individualmente.
Separaci on de variables. Buscamos soluciones de la ecuacion de Laplace
2
u = 0 de
la forma u(r, , z) = f(r)g()h(z). Entonces f(r), g() y h(z) deben satisfacer
f

(r)g()h(z) +
1
r
f

(r)g()h(z) +
1
r
2
f(r)g

()h(z) + f(r)g()h

(z) = 0.
Dividiendo por f(r)g()h(z) obtenemos
f

(r)
f(r)
+
f

(r)
r f(r)
+
g

()
r
2
g()
+
h

(z)
h(z)
= 0.
La suma de los tres primeros terminos depende de las variables r, y el cuarto termino
depende solo de z, por lo que concluimos que para alguna constante de separaci on ,
h

(z)
h(z)
= ,
f

(r)
f(r)
+
f

(r)
r f(r)
+
g

()
r
2
g()
= .
Multiplicando la segunda de estas ecuaciones por r
2
obtenemos que
r
2
f

(r)
f(r)
+
r f

(r)
f(r)
+ r
2
=
g

()
g()
,
que a su vez implica que
r
2
f

(r)
f(r)
+
r f

(r)
f(r)
+r
2
= ,
g

()
g()
= .
206
Las condiciones de borde periodicas (12.12) deben cumplirse en los tres casos, y se tra-
ducen en g() = g(), g

() = g

(). Esto implica que los autovalores son n


2
,
n = 0, 1, 2, . . . , con autofunciones:
n = 0 g() = 1,
N = 1, 2, 3 . . . , g() = cos n, sen n.
Para cada n = 0, 1, 2, 3 . . . deberemos hallar los valores de para los cuales las siguientes
funciones tienen soluci on no trivial, y satisfacen las CB correspondientes (en cada caso):
h

(z)
h(z)
= , r
2
f

(r) + r f

(r) + (r
2
n
2
)f(r) = 0.
Para saber cu al de estas dos ecuaciones determina los autovalores , hace falta considerar
las condiciones de borde homogeneas.

Estas dependen de si estamos buscando u
1
, u
2
o u
3
.
Valor prescripto en la cara plana inferior z = 0. Consideremos el problema

2
u
1
= 0
u
1
(r, , 0) = (r, ),
u
1
(r, , H) = 0,
u
1
(R, , z) = 0.
La condicion de borde u
1
(r, , H) = 0 en la cara plana superior z = H implica
h(H) = 0,
y la condicion de borde u
1
(R, , 0) = 0 en la cara curva lateral r = R implica
f(R) = 0.
Una condicion de borde que debemos considerar se debe a la singularidad creada por
el cambio de variables en r = 0, que como en el caso de coordenadas polares debemos
imponer
[f(0)[ < .
Los autovalores estar an determinados por el problema que tiene dos condiciones de
borde homogeneas, que en este caso es el siguiente:
r
2
f

(r) +r f

(r) + (r
2
n
2
)f(r) = 0, 0 < r < R, [f(0)[ < , f(R) = 0.
Las autofunciones de este problema estan dadas por las funciones de Bessel de primera
especie, y resultan, para cada n = 0, 1, 2, . . . , las funciones (ver Figuras 12.212.3)
f
nm
(r) = J
n
(
z
nm
R
r), donde z
nm
es el m-esimo cero positivo de J
n
, m = 1, 2, 3 . . . ,
y los autovalores son
nm
=
_
z
nm
R
_
2
. Ahora, para estos valores de
nm
debemos ha-
llar las funciones h(z) correspondientes. Como
nm
=
_
z
nm
R
_
2
> 0 resulta que h(z) =
207
C
1
cosh
z
nm
R
z + C
2
senh
z
nm
R
z. Para imponer la condicion inicial conviene trasladar las
funciones en H, escribiendo
h(z) = C
1
cosh
z
nm
R
(z H) + C
2
senh
z
nm
R
(z H).
As h(H) = 0 implica C
1
= 0 y luego h(z) = C
2
senh
z
nm
R
(z H).
Resumiendo, las soluciones de variables separables que cumplen las mismas condicio-
nes de borde homogeneas que u
1
son:
n = 0, a
0 m
f
0 m
(r) senh(
z
0 m
R
(z H)), m = 1, 2, . . . ,
n = 1, 2, . . . , f
nm
(r) senh(
z
nm
R
(z H)) (a
nm
cos n + b
nm
sen n) , m = 1, 2, . . . ,
y una soluci on m as general se obtiene sumandolas:
u
1
(r, , z) =

m=1
a
0 m
f
0 m
(r) senh
_
z
0 m
R
(z H)
_
+

n=1

m=1
f
nm
(r) senh
_
z
nm
R
(z H)
_
(a
nm
cos n + b
nm
sen n) .
Al imponer la condicion de borde u
1
(r, , 0) = (r, ) se requiere que
(r, ) =

m=1
a
0 m
f
0 m
(r) senh
_
z
0 m
R
(H)
_
+

n=1

m=1
f
nm
(r) senh
_
z
nm
R
(H)
_
(a
nm
cos n + b
nm
sen n) ,
y acorde a lo visto en la secci on anterior esto se logra eligiendo
a
0 m
=
__
D
R
(r, )f
0, m
(r) dA
senh
_
z
0 m
R
H
_ __
D
R
_
f
0, m
(r)

2
dA
, m = 1, 2, . . . ,
a
nm
=
__
D
R
(r, )f
nm
(r) cos n dA
senh
_
z
nm
R
H
_ __
D
R
_
f
nm
(r) cos n

2
dA
, n = 1, 2, . . . , m = 1, 2, . . . ,
b
nm
=
__
D
R
(r, )f
nm
(r) sen n dA
senh
_
z
nm
R
H
_ __
D
R
_
f
nm
(r) sen n

2
dA
, n = 1, 2, . . . , m = 1, 2, . . . .
Usando que
__
D
R
v(r, ) dA =
_
R
0
_

v(r, )r d dr y que adem as


_

cos
2
n d =
_

sen
2
n d = , n = 1, 2, . . .
208
obtenemos las formulas m as precisas siguientes
a
0 m
=
_

_
R
0
(r, )f
0, m
(r) r dr d
2 senh
_
z
0 m
R
H
_ _
R
0
_
f
0, m
(r)

2
r dr
, m = 1, 2, . . . ,
a
nm
=
_

_
R
0
(r, )f
nm
(r) cos n r dr d
senh
_
z
nm
R
H
_ _
R
0
_
f
nm
(r)

2
r dr
, n = 1, 2, . . . , m = 1, 2, . . . ,
b
nm
=
_

_
R
0
(r, )f
nm
(r) sen n r dr d
senh
_
z
nm
R
H
_ _
R
0
_
f
nm
(r)

2
r dr
, n = 1, 2, . . . , m = 1, 2, . . . .
Valor prescripto en la cara plana superior z = H. El c alculo de u
2
, soluci on de

2
u
2
= 0
u
2
(r, , 0) = 0,
u
2
(r, , H) = (r, ),
u
2
(R, , z) = 0,
es similar al de u
1
y se deja como ejercicio (ver Ejercicio 12.9).
Valor prescripto en la cara lateral r = R. Consideremos ahora el problema para u
3
:

2
u
3
= 0
u
3
(r, , 0) = 0,
u
3
(r, , H) = 0,
u
3
(R, , z) = (, z).
Las condiciones de borde homogeneas implican que los autovalores estar an determinados
por el problema
h

(z) = h(z), 0 < z < H, h(0) = 0, h(H) = 0.


Ya tenemos experiencia con este problema de autovalores y sabemos que las soluciones
son:
=
_
m
H
_
2
, h(z) = sen
mz
H
, m = 1, 2, 3, . . . .
Ahora bien, para cada n = 0, 1, 2, . . . , y m = 1, 2, 3 . . . debemos resolver la siguiente
ecuacion para f(r):
r
2
f

(r) +r f

(r) +
_

_
m
H
_
2
r
2
n
2
_
f(r) = 0, 0 < r < R, [f(0)[ < . (12.13)
Para resolver este problema hacemos el cambio de variables w =
m
H
r y la identicaci on
F(w) = f(r), entonces:
w
2
F

(w) + wF

(w) +
_
w
2
n
2

F(w) = 0, (12.14)
que es similar a (12.7), pero con un signo cambiado. Esta ecuacion (12.14) se llama
ecuaci on de Bessel modicada de orden n y los pares de soluciones canonicas se llaman
funciones de Bessel modicadas y se describen a continuaci on.
209
Funciones de Bessel modicadas. La ecuacion de Bessel modicada de orden n
presentada en (12.14) es una ecuacion de segundo grado, y para cada n = 0, 1, 2, . . . tiene
dos soluciones linealmente independientes denotadas por I
n
(w) y K
n
(w). La funci on I
n
(w)
se denomina funci on de Bessel modicada de orden n de primera especie, y la funci on
K
n
(w) se denomina funci on de Bessel modicada de orden n de segunda especie. Su
denicion precisa no es necesaria en este contexto, dado que vienen implementadas en
diferentes bibliotecas de software
2
. Lo importante es saber algunas de sus propiedades:
lm
w0
+
I
n
(w) =
_
1, si n = 0,
0, si n = 1, 2, . . . .
lm
w0
+
K
n
(w) = , n = 0, 1, 2, . . . .
lm
w+
I
n
(w) = +, n = 0, 1, 2, . . . .
lm
w+
K
n
(z) = 0, n = 0, 1, 2, . . . .
I
n
(w) y K
n
(w) son funciones que no oscilan y m as a un, son positivas para todo
w > 0; ver Figura 12.4.
0 2 4 6 8 10
0
2
4
6
8
10


I
0
I
1
I
2
I
3
0 2 4 6 8 10
0
2
4
6
8
10


K
0
K
1
K
2
K
3
Figura 12.4: Gr aco de las funciones de Bessel modicadas de primera especie I
n
(w)
(izquierda) y de segunda especie K
n
(w) (derecha) para n = 0, 1, 2, 3.
Teniendo las funciones de Bessel modicadas de primera y segunda especie, llegamos
a que la soluci on general de la ecuacion de Bessel modicada de orden n (12.14) es
F(w) = aI
n
(w) + bK
n
(w), 0 < w < ,
con a, b constantes arbitrarias. Luego, la soluci on general de la ecuacion diferencial
en (12.13) es
f(r) = a I
n
(
m
H
r) + b K
n
(
m
H
r).
2
En MATLAB y en Mathematica se llaman besseli y besselk; en wxMaxima se llaman bessel i y
bessel k.
210
La condicion de borde [f(0)[ < implica b = 0 pues lm
r0
+
K
n
(
m
H
r) = +. Luego la
soluci on de (12.13) que cumple la condicion de borde [f(0)[ < es
f(r) = a I
n
(
m
H
r).
Resumiendo, las soluciones de variables separables que cumplen las mismas condicio-
nes de borde homogeneas que u
3
son:
n = 0, a
0 m
I
0
(
m
H
r) sen
mz
H
, m = 1, 2, . . . ,
n = 1, 2, . . . , I
n
(
m
H
r) sen
mz
H
(a
nm
cos n +b
nm
sen n) , m = 1, 2, . . . ,
y una soluci on m as general se obtiene sumandolas:
u
3
(r, , z) =

m=1
a
0 m
I
0
(
m
H
r) sen
mz
H
+

n=1

m=1
I
n
(
m
H
r) sen
mz
H
(a
nm
cos n + b
nm
sen n) .
Al imponer la condicion de borde u
3
(R, , z) = (, z) se requiere que
(, z) =

m=1
a
0 m
I
0
(
m
H
R) sen
mz
H
+

n=1

m=1
I
n
(
m
H
R) sen
mz
H
(a
nm
cos n + b
nm
sen n) .
(12.15)
Si llamamos C
R
a la pared curva lateral del cilindro, resulta la siguiente propiedad de
ortogonalidad (ver ejercicio 12.8):
__
C
R
sen
mz
H
cos n sen
kz
H
cos dA = 0 si m ,= k o n ,= ,
__
C
R
sen
mz
H
sen n sen
kz
H
sen dA = 0 si m ,= k o n ,= ,
(12.16)
para m, k = 1, 2, . . . y n, = 0, 1, 2, . . . . Por lo tanto, la condicion de borde (12.15) se
logra eligiendo:
a
0 m
=
__
C
R
(, z) sen
mz
H
dA
I
0
(
m
H
R)
__
C
R
_
sen
mz
H

2
dA
, m = 1, 2, . . . ,
a
nm
=
__
C
R
(, z) sen
mz
H
cos n dA
I
n
_
m
H
R
_ __
C
R
_
sen
mz
H
cos n

2
dA
, n = 1, 2, . . . , m = 1, 2, . . . ,
b
nm
=
__
C
R
(, z) sen
mz
H
sen n dA
I
n
_
m
H
R
_ __
C
R
_
sen
mz
H
sen n

2
dA
, n = 1, 2, . . . , m = 1, 2, . . . .
211
Usando que
__
C
R
v(, z) dA =
_

_
H
0
v(, z) Rdz d, y que entonces
__
C
R
_
sen
mz
H
_
2
dA = R
_

d
_
H
0
sen
2
mz
H
dz = R2
H
2
= RH,
__
C
R
_
sen
mz
H
cos n

2
dA = R
_

cos
2
n d
_
H
0
sen
2
mz
H
dz =
RH
2
,
__
C
R
_
sen
mz
H
sen n

2
dA =
_

sen
2
n d
_
H
0
sen
2
mz
H
dz =
RH
2
,
obtenemos las formulas m as precisas siguientes
a
0 m
=
_

_
H
0
(, z) sen
mz
H
dz d
I
0
(
m
H
R)H
, m = 1, 2, . . . ,
a
nm
=
2
_

_
H
0
(, z) sen
mz
H
cos n dz d
I
n
_
m
H
R
_
H
, n = 1, 2, . . . , m = 1, 2, . . . ,
b
nm
=
2
_

_
H
0
(, z) sen
mz
H
sen n dz d
I
n
_
m
H
R
_
H
, n = 1, 2, . . . , m = 1, 2, . . . .
12.6. Ejercicios
12.1. Consideremos una membrana vibrante de forma generica levemente amortiguada
que satisface
u
tt
= T
0
(u
xx
+ u
yy
) u
t
, (x, y) , t > 0,
u = 0, (x, y) , t > 0,
u(x, y, 0) = f(x, y), (x, y) ,
u
t
(x, y, 0) = 0, (x, y) .
Hallar la soluci on (separando solo la variable tiempo) suponiendo 0 < < 2

T
0

1
,
con
1
el primer autovalor del Laplaciano en . Dicha soluci on debe quedar expresada
en terminos de las funciones
n
(x, y) aludidas en el Teorema 12.1.
12.2. Demostrar que para
nm
(x, y) = sen
nx
L
sen
my
H
, y = (0, L)(0, H) se cumple
que
__

nm
(x, y)
k
(x, y) dA =
_
_
_
L
2
H
2
si k = n y = m,
0 en c.o.c.,
si n, m, j, N.
12.3. Decir cu ales son los primeros 6 autovalores del Laplaciano y sus correspondientes
autofunciones en = (0, ) (0, 2) (L = , H = 2). Notar que algunos autovalores
se repiten con autofunciones ortogonales. Decir cu ales son las 6 frecuencias principales
de vibracion de una membrana elastica (con T
0
= 2 y = 1) que ocupa el rectangulo
= (0, ) (0, 2).
212
12.4. Decir cu ales son (aproximadamente) los primeros 6 autovalores del Laplaciano y sus
correspondientes autofunciones en = D
1
es decir, el disco de radio 1. Notar que algunos
autovalores se repiten con autofunciones ortogonales. Decir cu ales son las 6 frecuencias
principales de vibracion de una membrana elastica (con T
0
= 2 y = 1) que ocupa el disco
unitario = D
1
. Para este ejercicio deber a hallar de manera aproximada el valor de los
ceros de las primeras funciones de Bessel de primera especie. Puede hacerlo, por ejemplo,
mediante la aplicaci on de zoom en los gr acos de las funciones de Bessel, o buscando en
alguna tabla. Puede resultarle util saber que z
n
1
1
< z
n
2
1
siempre que n
1
< n
2
.
* 12.5. Demostrar que si n = 0, 1, 2, . . . , m = 1, 2, . . . y f
nm
(r) = J
n
(
z
nm
R
r) entonces
vale (12.10), es decir
_
R
0
f
nm
1
(r)f
nm
2
(r) r dr = 0, si m
1
,= m
2
.
Ayuda: Usar que r
2
f

nm
(r)+rf

nm
(r)+(
nm
r
2
n
2
)f
nm
= 0, para
nm
=
_
z
nm
R
_
2
, y demostrar
que

nm
f
nm
(r)r =
n
2
r
f
nm
(r)
_
rf

nm
(r)
_

.
Multiplicar esta igualdad para m = m
1
por f
nm
2
, integrar por partes dos veces, usar la condici on
de borde f
nm
(R) = 0 para arribar a

nm
1
_
R
0
f
nm
1
(r)f
nm
2
(r) r dr =
nm
2
_
R
0
f
nm
1
(r)f
nm
2
(r) r dr.
12.6. Demostrar la propiedad de ortogonalidad (12.11). (Ayuda: usar la propiedad de
ortogonalidad (12.10)).
12.7. Hallar la soluci on de la ecuacion de Laplace
2
u = 0 en el prisma (0, L) (0, H)
(0, W) con las siguientes condiciones de borde:
(a)
u(x, y, 0) = 0, u(x, y, W) = 0, 0 < x < L, 0 < y < H,
u(x, 0, z) = f(x, z), u(x, H, z) = 0, 0 < x < L, 0 < z < W,
u(0, y, z) = 0, u(L, y, z) = 0 0 < y < H, 0 < z < W.
(b)
u(x, y, 0) = 0, u(x, y, W) = 0, 0 < x < L, 0 < y < H,
u
y
(x, 0, z) = 0, u
y
(x, H, z) = 0, 0 < x < L, 0 < z < W,
u(0, y, z) = 0, u(L, y, z) = f(y, z) 0 < y < H, 0 < z < W.
(c) C omo resulta la soluci on del item anterior si f(y, z) solo depende de z, es decir
f(y, z) = f(z)?
12.8. Demostrar la propiedad de ortogonalidad (12.16).
12.9. Calcular la soluci on de la ecuacion de Laplace
2
u en el cilindro de radio R y
altura H con las siguientes condiciones de borde:
213
(a)
u(r, , 0) = 0, 0 < r < R, < < ,
u(r, , H) = (r, ), 0 < r < R, < < ,
u(R, , z) = 0, < < , 0 < z < H.
(b) (Notar que las condiciones de borde son de tipo Neumann sobre las caras planas)
u
z
(r, , 0) = 0, 0 < r < R, < < ,
u
z
(r, , H) = 0, 0 < r < R, < < ,
u(R, , z) = f(, z), < < , 0 < z < H.
(c) C omo resulta la soluci on del tem anterior si f(, z) solo depende de , es decir
f(, z) = f()? Que relaci on guarda con la soluci on del problema de Laplace en el
disco?
Bibliografa complementaria
[Bleecker-Csordas 1996] Bleecker, D., Csordas, G., Basic Partial Dierential Equations,
International Press, Cambridge, Massachusetts, 1996.
[Haberman 1998] Haberman, R., Elementary Applied Partial Dierential Equations, Pren-
tice Hall, Upper Saddle River, NJ, 1998.
214

Das könnte Ihnen auch gefallen