Cálculo Avanzado

Pedro Villalba
July 26, 2015

1 Conceptos previos
1.1 n-úplas

Es un conjunto ordenado de n números

Por ejemplo:

(i) An = 1, 12 , 13 , 15 , · · · , 1
2n+1
; para n ∈ Z+

(ii) Bn = 1, 2, 4, 8, · · · , 2n ; con n ∈ Z+

1.2 Sucesiones numéricas

Es la generalización de n-úplas, n → ∞
Por ejemplo:

(i) A = 1, 21 , 13 , 15 , · · ·, donde el n-ésimo término es an = 1

2n+1

(ii) B = 1, 2, 4, 8, · · ·, donde el n-ésimo término es de la forma bn = 2n

1.3 Serie numérica

Es la suma de los términos de una sucesión numérica

Por ejemplo:
∞
ai = 1 + 21 + 13 + 15 + · · ·, donde ai = 1
P
(i) 2i+1
i=1

∞
bi = 1 + 2 + 4 + 8 + · · ·, donde bi = 2i
P
(ii)
i=1

1
1.4 Series trigonométricas

En los primeros años del siglo XIX, el matemático francés J. B. J. Fourier en sus
investigaciones sobre la conducción del calor se encontró con un descubrimiento notable
de ciertas series trigonométricas que llevan ahora su nombre. Desde entonces, las series
de Fourier y generalizaciones de series integrales y ortogonales de Fourier han llegado a
ser una parte integral de los conocimientos básicos de los cientı́ficos.

Las series trigonométricas tienen la siguiente forma:

S = a1 sin x + a2 sin 2x + a3 sin 3x + · · · + an sin nx

escrito de otra forma
X
S= fn (x), donde fn (x) = an sin nx
n

La importancia de las series de Fourier radica en la utilidad para resolver problemas

de valor lı́mite.

2 Series de Fourier y aplicaciones

2.1 Funciones periódicas
Una función f tiene un perı́odo P o es periódica de perı́odo P si

f (x + P ) = f (x), ∀x
donde P es una constante positiva. El menor valor de P > 0 que satisface lo anterior se
llama perı́odo mı́nimo o simplemente el perı́odo de f .

2.1.1 Ejemplos
1) sin x es periódica pues sin(x + 2nπ) = sin x ∀x ∈ R y n ∈ Z, y su perı́odo (mı́nimo)
es 2π

2) cos x es periódica de perı́odo 2π

3) tan x es periódica de perı́odo π

4) Una función constante es una función periódica de perı́odo cualquier número positivo

2.2 Funciones continuas por intervalos

Una función f es continua por intervalos o en trayectos, o a trozos, si:

(i) el trayecto puede ser dividido en un número finito de subintervalos en cada uno de
los cuales f es continua y

2
 (ii) los lı́mites de f en los extremos de los subintervalos son finitos

Otra forma de ver la continuidad por intervalos es la siguiente: Una función f es

continua por intervalos si tiene un número finito de discontinuidades finitas.

2.2.1 Ejemplo
La función parte entera f (x) = [x]

2.3 Series de Fourier

Sea f una función definida en un intervalo (−L, L) y de perı́odo 2L. La serie de Fourier
o desarrollo de Fourier que corresponde a f se define como:
∞
a0 X  nπx nπx 
+ an cos + bn sin (1)
2 n=1
L L
donde los coeficientes de Fourier an y bn se definen como:

1 L
 Z
nπx
an = f (x) cos dx


L −L L



para n = 0, 1, 2, · · · (2)
Z L
1 nπx



 bn =
 f (x) sin dx
L −L L
Como la función f es periódica y de perı́odo 2L, la ecuación 2 se puede expresar,
equivalentemente como:

1 c+2L
 Z
nπx
an = f (x) cos dx




 L c L
para n = 0, 1, 2, · · · (3)
Z c+2L
1 nπx



 bn =
 f (x) sin dx
L c L
Observaciones:

• En la ecuación 3, c es cualquier número real.

• En que caso la ecuación 3 es la ecuación 2

Z L
a0 1
• El término constante de la ecuación 1 es igual a = f (x)dx, que es el valor
2 2L −L
medio de f sobre un perı́odo.

• Si L = π, las ecuaciones 1, 2 y 3 son particularmente sencillas.

• La ecuación o serie 1, representa la correspondiente a f (x). No sabemos si esta serie

converge a f (x), o peor aún, si es convergente.

3
2.4 Condiciones de Dirichlet
Dada la función f tal que:
(i) f (x) está definida y tiene un valor único con excepción posiblemente de un número
finito de puntos en (−L, L)
(ii) f (x) es periódica con perı́odo 2L
(iii) f (x) y f 0 (x) son continuas por intervalos en (−L, L)
Entonces la serie de Fourier 1 correspondiente a f (x) converge a:

1. f (x) si x es un punto de continuidad

f (x+ ) + f (x− )
2. si x es un punto de discontinuidad
2

Obs.: f (x+ ) = lim f (x + ) y f (x− ) = lim f (x − )

→0 →0

De acuerdo con esto, podemos escribir que:

∞
a0 X  nπx nπx 
f (x) = + an cos + bn sin (4)
2 n=1
L L
en cualquier punto x de continuidad. Sin embargo si x es un punto de discontinuidad,
enotonces
∞
f (x+ ) + f (x− ) a0 X  nπx nπx 
= + an cos + bn sin
2 2 n=1
L L
Esto significa que la serie de Fourier converge a f (x) si x es un punto de continuidad,
y si es un punto de discontinuidad converge al valor medio de f (x+ ) y f (x− ).

Las condiciones de Dirichlet (i), (ii) y (iii) son suficientes pero no necesarias, es decir
si las condiciones se satisfacen la convergencia está garantizada, pero si no se satisfacen,
las series pueden converger o no.

2.5 Funciones pares e impares

Una función f (x) se dice que es impar si f (−x) = −f (x), ∀x. Por ejemplo, las funciones
x3 , x5 − 3x3 + 2x, sin x, tan 3x, etc. son funciones impares.

Una función f (x) se dice que par si f (−x) = f (x), ∀x. Por ejemplo, las funciones x4 ,
2x − 4x2 + 5, cos x, ex + e−x son pares.
6

De esta manera, en una serie de Fourier que corresponden a una función par solamente
pueden estar presentes términos de coseno (y posiblemente una constante). En una serie de
Fourier que corresponden a una función impar solamente pueden estar presentes términos
de seno.

4
2.6 Series de Fourier de Seno o Coseno de longitud media

Las series de Fourier de seno o coseno de longitud media son aquellas en las cuales se
presentan únicamente términos de seno o de coseno, respectivamente.

Cuando se desea una serie de longitud media correspondiente a una función, es definida
generalmente en el intervalo (0, L).

Para series de longitud media de seno, tenemos que:

2 L
Z
nπx
an = 0, bn = f (x) sin dx
L 0 L

Para series de longitud media de coseno, tenemos que:

2 L
Z
nπx
bn = 0, an = f (x) cos dx
L 0 L

2.7 La Identidad de Parseval

La identidad de Parseval establece que:

L ∞
a2 X 2
Z
1
{f (x)} dx = 0 +
2
(an + b2n ) (5)
L −L 2 n=1

si an y bn son los coeficientes de Fourier que corresponden a f (x), y si f (x) satisface las
Condiciones de Dirichlet

2.8 Convergencia uniforme

∞
P
Sea la serie infinita Un (x). Se define la suma parcial SR de la serie como la suma
n=1
de los primeros R términos de la serie, esto es:
R
X
SR (x) = Un (x)
n=1

Por definición, la serie converge a f (x) en un intervalo, si ∀  > 0, existe para cualquier
x un número positivo N tal que:

|SR (x) − f (x)| <  siempre que R > N

El número N depende, por lo general, de  y x. f (x) se llama la suma de la serie.

Si el número N depende sólo de  y no de x, decimos que la serie converge uniforme-

mente o es uniformemente convergente.

5
 ∞
P
Teorema 1 Si cada término de la serie Un (x) es continua en el intervalo (a, b) y la
n=1
serie es es uniformemente convergente a la suma f (x) en este intervalo, entonces:

1. f (x) es también continua en el intevalo, y

2. la serie puede ser integrada término a término, es decir:

∞
Z bnX o ∞ Z b
X
Un (x) dx = Un (x)dx
a n=1 n=1 a

∞
P
Teorema 2 Si cada término de la serie Un (x) tiene una derivada y la serie de derivadas
n=1
es uniformemente convergente, entonces la serie puede ser diferenciada término a término,
es decir
∞
! ∞  
d X X d
Un (x) = Un (x)
dx n=1 n=1
dx

Teorema 3 (Prueba de Weierstrass) Si existe un conjunto de constantes Mn , n =

∞
P
0, 1, 2, · · · de tal manera que para todo x en el intervalo |Un (x)| ≤ Mn y si además Mn
n=1
∞
P
converge, entonces Un (x) converge uniformemente en el intervalo.
n=1

P∞ sin nx
Ejemplo 1 La Serie converge uniformemente en (−π, π) ¿por que?
n=1 n2

3 Integración y diferenciación de Series de Fourier

3.1 Notación compleja para Series de Fourier

Usando la identidad de Euler

e±iθ = cos θ ± i sin θ

podemos escribir le serie de Fourier en la siguiente forma:

6
 ∞
inπx
X
f (x) = Cn e L

n=−∞

donde
ZL
1 inπx
Cn = f (x)e− L dx
2L
−L

Ejercicios 1

1. Dada las siguientes funciones y sus respectivos perı́odos, graficar.


 3 ; si 0 < x < 5
(a) f (x) = Periodo = 10
−3 ; si − 5 < x < 0


 sin x ; si 0 ≤ x ≤ π
(b) g(x) = Periodo = 2π
0 ; si π < x < 2π


 0 ; 0≤x<2
(c) g(x) = 1 ; 2 ≤ x < 4 Periodo = 6
0 ; 4≤x<6


2. Dibujar el gráfico y encontrar la serie de Fourier de


 −x ; −4 < x < 0
(a) f (x) = Perı́odo P = 8
x ; 0<x<4


 2x ; 0 ≤ x ≤ 3
(b) f (x) = Perı́odo 8
0 ; −3 ≤ x ≤ 0


Z L Z L
kπx kπx
3. Probar que sin dx = cos dx si k = 1, 2, · · ·.
−L L −L L
4. Sean m y n dos números enteros positivos, demostrar que:
Z L Z L 
mπx nπx mπx nπx 0 m 6= n
(a) cos cos dx = sin sin dx =
−L L L −L L L L m=n
Z L
mπx nπx
(b) sin cos dx = 0
−L L L
∞
a0 X  nπx nπx 
5. Demostrar que si f (x) = + an cos + bn sin entonces:
2 n=1
L L

7
 ∞
P inπx
a) f (x) = Cn e L
n=−∞

ZL
1 −inπx
b) f (x) = f (x)e L dx
2L
−L

∞ 
P nπx nπx 
6. Si la serie A + an cos
+ bn sin converge uniformemente a f (x) en
n=1 L L
(−L, L), demostrar que para n = 0, 1, 2, · · ·

ZL
1 nπx
a) an = f (x) cos dx
L L
−L

ZL
1 nπx
b) bn = f (x) sin dx
L L
−L
a0
c) A =
2
7. Dada la función 
0 ; −5 < x < 0
f (x) =
3 ; 0<x<5

(a) Encontrar los coeficientes de Fourier que corresponden a la función

(b) Escribir la serie de Fourier correspondiente
(c) Como se debe definir o redefinir f (x) en x = −5, x = 0 y x = 5 de tal manera
que la serie de Fourier converja a f (x) en −5 ≤ x ≤ 5

8. Desarrollar f (x) = x2 , 0 < x < 2π, en una serie de Fourier si el perı́odo es 2π.
1 1 1 π2
9. Usando el resultado del ejercicio 8, probar que 1 + + + + · · · =
22 32 42 6
10. Demostrar que una función par puede no tener términos de “sin” en su desarrollo
de Fourier.

11. Demostrar que una función impar puede no tener términos de “cos” en su desarrollo
de Fourier.

12. Demostrar que si f (x) es par, entonces:

ZL
2 nπx
a) an = f (x) cos dx
L L
0

b) bn = 0

13. Desarrollar f (x) = sin x, 0 < x < π, en una serie de Fourier de coseno.

8
14. Desarrollar f (x) = x, 0 < x < 2 en una serie de longitud media de:

a) seno.
b) coseno.

15. Asumiendo que la serie de Fourier de f (x) converge uniformemente a f (x) en

(−L, L), demostrar la Identidad de Parseval.

2−x ; 0<x<4
16. Desarrollar f (x) = en una serie de Fourier de periódo 8.
x−6 ; 4<x<8

17. Desarrollar f (x) = sin x, 0 < x < π, en una serie de Fourier de Coseno.

18. Desarrollar f (x) = cos x, 0 < x < π, en una serie de Fourier de Seno.

19. Demostrar que para 0 ≤ x ≤ π:

π2
 
cos 2x cos 4x cos 6x
(a) x(π − x) = − + + + ···
6 12 22 32
∞
8 X sin(2n − 1)x
(b) x(π − x) =
π 1 (2n − 1)3

20. Utiliza el ejercicio 19 para demostrar que:

∞ 1
P π2
(a) 2
=
1 n 6
n−1
∞
P (−1) π2
(b) =
1 n2 12

9
4 Funciones ortogonales
Generalizando la idea del ejercicio 4b, definiremos lo que es la ortogonalidad entre dos
funciones.
Zb
Dos funciones A(x) y B(x) definimos como ortogonales en el intervalo (a, b) si A(x)·
a
Zb
B(x)dx = 0. Si además {A(x)}2 dx = 1 decimos que la función A(x) es normal o
a
normalizada en el intervalo (a, b).
Consideremos un conjunto de funciones φk (x); k = 1, 2, · · ·, con las propiedades:

Zb
• φm (x) · φn (x)dx = 0, si m 6= n
a

Zb
• {φm (x)}2 dx = 1, si m = n.
a

Cada uno de los miembros del conjunto {φk (x)} es ortogonal con cada uno de los otros
miembros y es también normalizada. A un conjunto de funciones que cumple con estas
condiciones lo llamamos conjunto ortonormal de funciones en (a, b).
Estas ultimas ecuaciones pueden ser resumidas escribiendo

Zb
φm (x) · φn (x)dx = δmn
a

1 si m 6= n
donde δmn es la función de Kronecker, que se define como δmn =
0 si m = n

4.1 Ortogonalidad con respecto a una función de peso

Zb
Si ψm (x)ψn (x)w(x) = δmn en donde w(x) ≥ 0, decimos que el conjunto de funciones
a
{ψk (x)} es ortogonal con respecto a la función
p de densidad o función de peso w(x). En
este caso el conjunto de funciones φm (x) = w(x)ψm (x), para m = 1, 2, · · · es un conjunto
ortonrmal en (a, b).

4.2 Expansión de funciones en Series Ortonormales

Consideramos la posibilidad de desarrollar una función f (x) en un conjunto de funciones
ortonormales, esto es,
∞
X
f (x) = Cn φn (x); con a≤x≤b
n=1

10
 Estas series, llamadas series ortonormales, son generalizaciones de las series de Fourier.
Si multiplicamos ambos miembros de la igualdad por φm (x) e integramos en (a, b) obten-
emos que:Z
b
Cm = f (x)φm (x)dx que se llaman coeficientes generalizados de Fourier.
a

4.3 Aproximaciones en el sentido de los mı́nimos cuadrados

Supongamos f (x) y f 0 (x) continuas por intervalo en (a, b) y φm (x) para m = 1, 2, · · ·
ortonormales en (a, b). Ahora, si consideramos las suma finita
M
X
SM (x) = αn φn (x)
n=1

como una aproximación a f (x), en donde αn , n = 1, 2, · · · son constantes, entonces el

error cuadrático promedio de esta aproximación es:

Rb
[f (x) − SM (x)]2 dx
a
Error cuadrático promedio =
b−a
y la raı́z del error cuadrático promedio está dado por
v
Zb
u
u 1
u
E=t [f (x) − SM (x)]2 dx
b−a
a

Buscamos ahora determinar las constantes αn que producirán la mı́nima raiz cuadrada
del error cuadrático promedio.

Teorema 4 La raı́z cuadrada del error cuadrático promedio es mı́nima cuando los coefi-
cientes son iguales a los coeficientes generalizados de Fourier.

Decimos que SM , con los coeficientes Cn , es una aproximación por mı́nimos cuadrados
de f (x).

4.4 Sistemas de Sturm-Liouville. Valores Eigen y Funciones

Eigen
Un problema de valor lı́mite que tenga la forma
d dy
[p(x) ] + [q(x) + λr(x)]y = 0, a ≤ x ≤ b
dx dx
α1 y(a) + α2 y 0 (a) = 0, β1 y(b) + β2 y 0 (b) = 0
en donde α1 , α2 , β1 y β2 son constantes dadas, p(x), q(x) y r(x) son funciones dadas que
asumimos derivables y λ es un parámetro indefinido independiente de x, se llama un
problema de valor lı́mite de Sturm-Liouville o simplemente sistema de Sturm-Liouville.

11
 Existe en general solamente una solución no despreciable de este sistema, esto es, una
que no es exactamente igual a cero, para un conjunto de valores particulares del parámetro
λ. Estos valores se denominan valores caracterı́sticos o más frecuentemente valores Eigen
del sistema; las soluciones correspondientes se denominan funciones carasterı́sticas o fun-
ciones Eigen. En general, para cada valor Eigen hay una función Eigen.

4.5 Proceso de Ortogonalización de Gram-Schmidt

Considerando un conjunto finito o infinito de funciones linealmente independientes ψ1 (x),
ψ2 (x), ψ3 (x), · · ·, definido en un intervalo (a, b) es posible desarrollar de estas funciones
un conjunto de funciones ortonormales en (a, b). Para hacer esto consideramos primero
un nuevo conjunto de funciones obtenidas de ψk (x) y dadas por:

c11 ψ1 (x), c21 ψ1 (x) + c22 ψ2 (x), c31 ψ1 (x) + c32 ψ2 (x) + c33 ψ3 (x), ···
en donde las c son constantes a determinar. A estas nuevas funciones las denotamos por
φ1 (x), φ2 (x), φ3 (x), · · ·.

Lo siguiente es determinar las constantes c11 , c21 , c22 , · · · de tal manera que las funciones
φ1 (x), φ2 (x), φ3 (x), · · · sean mutuamente ortogonales y también ortonormales en (a, b).
Este proceso es conocido como el proceso de ortonormalización de Gram-Schmidt

Ejercicios 2

1. Dado el siguiente conjunto de funciones:

πx πx 2πx 2πx 3πx 3πx

1, sin , cos , sin , cos , sin , cos , ···
L L L L L L
a) Demostrar que es un conjunto ortogonal en (−L, L).
b) Determinar las constantes correspondientes de normalización para que el con-
junto sea ortonrmal.

2. Supongamos que {φn (x)} es un conjunto de funciones que son mutuamente ortonor-
∞
P
males en (a, b). Demostrar que si Cn φn (x) converge uniformemente a f (x) en
n=1
(a, b), entonces
Z b
Cn = f (x)φn (x)dx
a

3. Dado el sistema y 00 + λy = 0, y(0) = 0, y(1) = 0:

a) Probar que es un sistema de Sturm-Liouville.

b) Encontrar los valores Eigen y funciones Eigen.
c) Probar que las funciones Eigen son ortogonales en (0, 1).
d) Determinar el conjunto correspondiente de funciones Eigen normalizadas.

12
 e) Desarrollar la función f (x) = 1 en una serie de estas funciones ortonormales.

4. Generar un conjunto de polinomios ortonormales en el intervalo (−1, 1) de la se-

cuencia

1, x, x2 , x3 , · · ·

5. Dadas las funciones 1, 1 − x, 2 − 4x + x2 :

a) Demostrar que son mutuamente ortogonales en (0, ∞) con respecto a la función

de densidad e−x .
b) Obtener un conjunto mutuamente ortonormal.

6. Dado el conjunto 1, x, x2 , x3 , · · · obtener de estos un conjunto de funciones que sea

mutuamente ortonormal con respecto a una función de peso:

a) w(x) = x en (−1, 1)
b) w(x) = x2 en (−1, 1)
c) w(x) = e−x en (0, ∞). Los polinomios que se obtienen de esta forma se llaman
Polinomios de Laguerre.

7. Dadas las funciones a0 , a1 + a2 x, a3 + a4 x + a5 x2 en donde a0 , a1 , a2 , a3 , a4 , a5 son

constantes. Determinar los valores de las constantes de manera que estas funciones
sean mutuamente ortogonales en el intervalo (0, 1).

8. Dadas las funciones x, 1 − x, 3 + 2x. ¿Es posible usar el Proceso de Gram-Schmitdt

para obtener a partir de este conjunto de funciones otro conjunto de funciones que
sea ortonormal en (0, 1)? Explicar

13
5 Funciones Gamma, Beta

5.1 Función Gamma

La función Gamma, denotada por Γ(n), está definida como:

Z∞
Γ(n) = xn−1 e−n dx
0

que es convergente para n > 0.

5.1.1 Fórmula recurrente

La función Gamma tiene una fórmula resolvente:

Γ(n + 1) = nΓ(n)
para n = 1, 2, 3, · · ·
Γ(n + 1) = n!

llamada algunas veces función factorial.

5.1.2 Función asintótica

La función asintótica de la función Gamma viene dada por:

√ θ
Γ(n + 1) = 2πnnn e−2 e 12(n+1) , 0 < θ < 1

Observe que el último factor es muy proximo a 1 para valores muy grandes de n. Si n
es un entero, podemos escribir:
√
n! ≈ 2πnnn e−n

algunas veces llamada aproximación factorial de Stirling

14
5.2 Función Beta

La función Beta, denotada por B(m, n), se define por:

Z 1
B(m, n) = xm−1 (1 − x)n−1 dx
0

que es convergente para m > 0, n > 0.

La función Beta está estrechamente relacionada con la función Gamma mediante la

ecuación:

Γ(m) · Γ(n)
B(m, n) =
Γ(m + n)

Se pueden calcular muchas integrales en términos de estas dos funciones. Un resultado

inmediato pero no menos útil es:
π
Γ(m) · Γ(n)
Z
2 1
sin2m−1 θ cos2n−1 θ dθ = B(m, n) =
0 2 2Γ(m + n)

Ejercicios 3

1. Calcular

Γ(7) Γ(3) · Γ( 32 )
a) b)
2Γ(4)Γ(3) Γ( 29 ) c) Γ( 12 )Γ( 32 )Γ( 52 )
d) Γ(− 72 ) e) Γ(− 13 )

2. Carcular las siguientes integrales:

Z ∞ Z ∞
4 −x 2
a) x e dx b) x2 e−2x dx ∞ √
Z √
0 0
Z ∞ Z ∞ c) 4
xe− x
dx
0
d) x6 e−3x dx e) e−3x dx
0 0

∞
e−st
Z r
π
3. Demostrar que √ dt = ,s>o
0 t s
Z 1
1
4. Probar que Γ(x) = (ln )n−1 dx, n > 0
0 x

5. Calcular las integrales:

15
 Z 1
(a) (ln x)4 dx
0
Z 1
(b) (x ln x)3 dx
0
Z 1
r
3 1
(c) ln dx
0 x

6. Calcular

a) β(3, 5) b) β( 32 , 2) c) β( 13 , 23 )
Z 1 Z 1r Z 2
1−x 3
d) x2 (1 − x)3 dx e) dx f) (4 − x2 ) 2 dx
0 0 x 0

6 Integrales de Fourier
Dada la función f con las siguientes propiedades:
1. f (x) y f 0 (x) son continuas por intervalos en cada intervalo finito
Z +∞
2. |f (x)|dx converge, esto es, f (x) es absolutamente integrable en (−∞, +∞)
−∞

Entonces el Teorema de la integral de Fourier estable que:

Z ∞ n o
f (x) = A(α) cos αx + B(α) sin αx dα (6)
0

donde

1 +∞
 Z
A(α) = f (x) cos α xdx


π −∞



(7)
1 +∞

 Z
 B(α) = f (x) sin α xdx


π −∞
En la igualdad (6), x es un punto de continuidad de f (x). Si x es un punto de
f (x+ ) + f (x− )
discontinuidad, f (x) debemos reemplarla por la expresión
2
Las condiciones 1.) y 2.) de arriba, son suficientes pero no necesarias. La igualdad
(6) suele denominarse como el desarrollo de la integral de Fourier.

16
6.1 Formas equivalentes de la Integral de Fourier

El teorema de la Integral de Fourier puede escribirse de las siguientes formas:

Z ∞ Z ∞
f (x) = f (u) cos α(x − u) dudα (8)
α=0 u=−∞
Z ∞ Z ∞
1
f (x) = f (u)etα(x−u) dudα
2π −∞ −∞
Z ∞ Z ∞
1
f (x) = tαx
e dα f (u)e−tαu du (9)
2π −∞ −∞

Si f (x) es una función par o impar, estos resultados se reducen a:

Z ∞ Z ∞
2
4. f (x) = sin αx dα f (u) sin αu du, si f es impar
π 0 0
Z ∞ Z ∞
2
5. f (x) = cos αx dα f (u) cos αu du, si f es par
π 0 0

6.2 Transformaciones de Fourier

De la ecuación (9), obtenemos que:
Z ∞
F (α) = f (u)e−tαu du (10)
−∞
entonces
Z ∞
1
f (x) = F (α)e−tαx dα (11)
2π −∞

La función F (α) se llama la transformación de Fourier de f (x) y la función f (x) es la

transformación inversa de Fourier de F (α).

6.3 Transformación de Fourier de seno y coseno

Si f (x) es una función impar, entonces el teorema de la integral de Fourier se reduce

a:
Z ∞
Fs (α) = f (u) sin αu du (12)
0
y

17
 Z ∞
2
f (x) = Fs (α) sin αx dα (13)
π 0

Igualmente si f (x) es par

Z ∞
Fc (α) = f (u) cos αu du (14)
0
y
Z ∞
2
f (x) = Fc (α) cos αx dα (15)
π 0

Llamamos a Fs (α) la transformación de seno de Fourier de f (x) si f es impar, y a

Fc (α) la transformación de coseno de Fourier de f (x) si f es par.

Ejercicios 4

1 si |x| < a
1. Dada la función f (x) =
0 si |x| > a

(a) Encontrar la transformación de Fourier de f (x)

(b) Dibujar la gráfica de f (x) y su transformación para a = 3


 0 si − ∞ < x < −1
2. Calcular la integral de Fourier de f (x) = 1 si − 1 < x < 1
0 si 1 < x < ∞


3. Determinar las integrales de Fourier de seno y coseno de f (x) = e−kx , k > 0 y

establecer a que converge.

1


 si |x| ≤ 
4. Encontrar la transformación de Fourier de f (x) = 2

0 si |x| > 


1 − x2 si |x| < 1
5. Determinar la transformación de Fourier de f (x) =
0 si |x| > 1

18
7 Funciones de Bessel

Las funciones de Bessel son soluciones de la ecuación diferencial x2 y 00 +xy 0 +(x2 −n2 )y =
0, n ≥ 0 la cual se llama ecuación diferencial de Bessel.
La solución general de esta ecuación esta dada por

y = c1 Jn (x) + c2 Yn (x)
La solución Jn (x), que tiene un lı́mite finito cuando x se aproxima a cero, se llama función
de Bessel de la primera clase de orden n. La solución Yn (x), que no tiene lı́mite
finito (o sea, es ilimitado) cuando x se aproxima a cero, es llamada función de Bessel
de la segunda clase de orden n o función de Neumann

7.1 Método de Frobenius

Es un procedimiento analı́tico para obtener soluciones de ecuaciones diferenciales, tales

como la ecuación de Bessel. Este método asume una solución de la forma:
∞
X
y= Ck xk+B
k=−∞

donde Ck = 0 si k < 0 de tal manera que dicha solución empieza con C0 6= 0.

7.2 Funciones de Bessel de primera clase

Definimos la función de Bessel de la primera clase como:

∞
X (−1)k ( x2 )n+2k
Jn (x) =
k=0
Γ(n + k + 1)k!

7.3 Propiedades

• Si n ∈ Z, entonces J−n (x) = (−1)n Jn (x), para n > 0.

• Si n ∈
/ Z, entonces Jn (x) y J−n (x) son linealmente independientes.
0 d
• J0 (x) = [J0 (x)] = −J1 (x)
dx

19
7.4 Funciones de Bessel de la segunda clase

Jn (x) cos nπ − J−n (x)



 si n ∈
/Z

 sin nπ
Yn (x) =
 J (x) cos pπ − J−p (x)
 lim p

 si n ∈ Z
p→n sin pπ

7.5 Funciones operativas para Jn (x)

∞
t 1
X
e 2 (x− x ) = Jn (t)xn
n=−∞

7.6 Fórmulas de recurrencia (∀n)

2n
1. Jn+1 (x) = Jn (x) − Jn−1 (x)
x
0 1
2. Jn (x) = [Jn−1 (x) − Jn+1 (x)]
2
0
3. xJn (x) = nJn (x) − xJn+1 (x)
0
4. xJn (x) = xJn−1 (x) − nJn (x)
d n
5. x Jn (x) = xn Jn−1 (x)
dx
d −n
6. x Jn (x) = −x−n Jn+1 (x)
dx

Ejercicios 5

1. Calcular en términos de seno y coseno

a) J 5 (x)
2

b) J− 5 (x)
2

0
2. Demostrar que J0 (x) = −J1 (x)

20
3. Encontrar J3 (x) en términos de J0 (x) y J1 (x)

4. Probar que:

00 1
a) Jn (x) = [Jn−2 (x) − 2Jn (x) + Jn+2 (x)]
4
000 1
b) Jn (x) = [Jn−3 (x) − 3Jn−1 (x) + 3Jn+1 (x) − Jn+3 (x)]
8

5. Calcular:
1 √
Z Z Z Z
a) x3 J2 (x)dx b) 3
x J0 (x)dx c) 2
x J0 (x)dx d) J1 ( 3 x)dx
0

6. Aplicando el método de Frobenius hallar la solución de la ecuación diferencial

2x2 y 00 − xy 0 + (1 + x)y = 0.

21