Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Aplicacion de Matematicas, 2006 PDF

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 207

Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 1.

ECUACIONES DIFERENCIALES ORDINARIAS.

Curso 2006-07

1 Ecuaciones diferenciales de primer orden


Descarga de un condensador. Si tenemos un condensador con una capacidad de C faradios
cargado inicialmente con Q0 culombios y lo conectamos en serie con una resistencia de R ohmios,
entonces se produce una corriente eléctrica que descarga el condensador.

i(t)

R C

Puesto que la caída de potencial en el condensador es C1 q(t), donde q(t) representa la carga
eléctrica en el instante t, y la caída de potencial en la resistencia es Ri(t), donde i(t) es la
intensidad de corriente, debe ocurrir Ri(t) + C1 q(t) = 0. Teniendo en cuenta que, como funciones
del tiempo, la intensidad de corriente es la derivada de la carga, i(t) = q 0 (t), esta igualdad queda
1
Rq 0 (t) + q(t) = 0.
C
¿Podemos calcular el valor de la carga q(t) para cada instante t > 0 a partir de esta igualdad?
Esta pregunta plantea un problema en el que el objeto desconocido que deseamos encontrar es
una función, la función q, y no un número, como era lo habitual hasta ahora. La expresión
Rq 0 (t) + C1 q(t) = 0 se llama ecuación diferencial porque en ella aparecen involucradas la función
incógnita q y su derivada q0 .
¿Qué es una ecuación diferencial? Una ecuación diferencial es una igualdad en la que
aparece una incógnita que debemos calcular, sólo que esta incógnita es una función definida en
2 Lección 1. Ecuaciones Diferenciales Ordinarias

un intervalo, no un número, y la igualdad involucra la función y una o varias de sus derivadas.


Las ecuaciones diferenciales son una de las principales herramientas de las matemáticas porque
se usan habitualmente para construir modelos matemáticos de problemas de la ciencia y la
ingeniería; en palabras de S. Lefschetz, las ecuaciones diferenciales son “la piedra angular de las
matemáticas aplicadas”.
Un poco de historia. La historia de las ecuaciones diferenciales comienza a finales del siglo
XVII con los trabajos de I. Newton (1642—1727) y G. Leibniz (1646—1716). Con el desarrollo pos-
terior de la mecánica, la física, y el electromagnetismo, las ecuaciones diferenciales encontraron
uso creciente como instrumentos para la descripción matemática de los fenómenos naturales.
Hasta el siglo XIX la cuestión primordial era encontrar soluciones explícitas para las ecuaciones
diferenciales que surgían en el estudio de problemas en la mecánica y la física. Los trabajos de
L. Euler (1707—1783), los Bernoulli (ocho miembros de esta familia suiza fueron matemáticos
a lo largo del S. XVIII), J. d’Alembert (1717—1783), J.L. Lagrange (1736—1813) y P.S. Laplace
(1749—1827) configuran este período. Se trataba de encontrar métodos de resolución que, para
tipos particulares de ecuaciones, permitieran representar las soluciones mediante fórmulas que in-
volucraran los datos de las ecuaciones, o bien como suma de una serie. Para los casos más simples
la resolución se alcanzaba por integración y de ahí que se denominara integración de ecuaciones
diferenciales al procedimiento general de búsqueda de soluciones. En el período que comentamos
aparecen los primeros intentos de obtener aproximaciones numéricas de las soluciones, como el
método poligonal de Euler. Será a lo largo del siglo XIX cuando las ecuaciones diferenciales
sean objeto de una teoría matemática con pretensiones de rigor y generalidad (en paralelo con lo
sucedido, por la misma época, en otras ramas de las matemáticas). Son matemáticos de ese siglo
los que plantean y abordan los problemas básicos que conformarán la teoría de las ecuaciones
diferenciales hasta nuestros días: existencia y unicidad de soluciones, estudio de propiedades
locales y globales de las soluciones, justificación de los métodos de integración, etc.
Contenido de esta lección. En la asignatura de “Cálculo” de primer curso has podido estudiar
algunas clases de ecuaciones diferenciales de primer orden, que son aquéllas en las que sólo aparece
la derivada primera de la función incógnita, y cómo se resuelven. Por ejemplo, ya sabes que la
ecuación Rq 0 (t) + C1 q(t) = 0, que modela la descarga de un condensador, es una ecuación con las
variables separadas y que para resolverla se procede de la siguiente manera: se escribe la ecuación
0
como qq = − RC 1
y se calcula una primitiva de cada miembro
Z Z
q0 (t) 1 t
dt = − dt ⇒ log(|q(t)|) = − +c ⇒ |q(t)| = ec−t/RC ,
q(t) RC RC

siendo c la constante de integración. Usando que q(t) > 0 y que la carga del condensador en el
instante inicial es Q0 , se tiene Q0 = q(0) = ec con lo que obtenemos la solución de la ecuación
diferencial: q(t) = Q0 e−t/RC .
Aquí vamos a empezar estudiando las ecuaciones lineales de primer orden. Después estudiare-
mos un método numérico, el método de Euler, que nos permitirá resolver ecuaciones de primer
orden de forma aproximada cuando no sea posible hallar su solución mediante una fórmula. El
resto de la lección –lo más importante, con diferencia– lo dedicaremos al estudio de las ecua-
ciones diferenciales lineales de segundo orden: la estructura de sus soluciones y los métodos para
resolver las que tienen coeficientes constantes.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 3

Ecuaciones lineales de primer orden. El tipo más importante de ecuaciones diferenciales lo


constituyen las ecuaciones lineales, que consisten en igualar a una función dada una combinación
lineal de la incógnita y sus derivadas cuyos coeficientes son funciones de la variable independiente.
La ecuación lineal de primer orden se suele escribir como

y 0 + p(t)y = q(t)

donde p y q son funciones continuas en un intervalo I ⊂ R.


Vamos a ver que la solución general de la ecuación diferencial lineal de primer orden viene
dada por la fórmula · Z ¸
1
y(t) = c + q(t)µ(t) dt
µ(t)
donde c es una constante arbitraria y la función µ, que se llama factor integrante de la ecuación,
es la función definida por U
µ(t) := e p(t) dt .
Hay varias formas de probar la fórmula anterior. Una de ellas es usar que, tras multiplicar por
µ(t), el primer miembro de la ecuación se convierte en la derivada de µ(t)y(t) (de ahí el nombre de
factor integrante) y la fórmula se deduce integrando y despejando y. Es mucho más instructivo,
porque procederemos de manera parecida con otras ecuaciones, entender la estructura lineal de
la ecuación.
La ecuación y 0 + p(t)y = q(t) se llama lineal ya que la parte que afecta a la función y actúa
sobre ella de manera lineal; es decir, si llamamos L a la aplicación L(y) = y 0 + p(t)y, entonces L
es una aplicación lineal porque L(a1 y1 + a2 y2 ) = a1 L(y1 ) + a2 L(y2 ). La ecuación, escrita como
L(y) = q(t), es entonces de naturaleza similar a la de un sistema de ecuaciones lineales Ax = b,
donde A es una matriz de orden m×n y x ∈ Rn y b ∈ Rm son vectores. De la misma forma que la
matriz A actúa linealmente sobre el espacio vectorial Rn , nuestra aplicación L actúa linealmente
sobre el espacio vectorial de las funciones derivables en un intervalo. Sabemos que la solución
general de un sistema Ax = b podemos escribirla como x = x(h) + x(p) , donde x(h) es la solución
general del sistema homogéneo asociado Ax = 0 (el núcleo de la matriz, en otros términos) y x(p)
es una solución particular del sistema completo Ax = b. Es muy fácil ver que esta estructura se
traslada prácticamente tal cual a nuestra ecuación L(y) = y 0 + p(x)y = q(t) porque su solución
general viene dada por y(t) = y (h) (t) + y (p) (t), donde y (h) es la solución general de la ecuación
homogénea asociada L(y) = y 0 + p(x)y = 0 e y (p) es una solución particular de la ecuación
completa. Veamos cómo calcular y (h) e y (p) .
La ecuación homogénea asociada y 0 + p(t)y = 0 es de variable separadas.
U Si la resolvemos,
escribiéndola como y 0 /y = −p(t) e integrando, nos queda y (h) = ce− p(t) dt = c/µ(t), donde
c ∈ R es una constante arbitraria. En particular, esto nos dice que las soluciones de la ecuación
homogénea forman un subespacio vectorial de dimensión uno del espacio de las funciones de-
rivables y que dichoU espacio vectorial, el núcleo de la aplicación lineal L, está generado por la
función 1/µ(t) = e− p(t) dt .
Para buscar una solución particular de la ecuación completa emplearemos una técnica que
se conoce como el método de variación de los parámetros y fue inventada por Lagrange. Esta
técnica la volveremos a usar en varias ocasiones por lo que es importante aprenderla bien desde
4 Lección 1. Ecuaciones Diferenciales Ordinarias

el principio. La
U idea central es la siguiente: como la solución general de la ecuación homogénea
(h) − p(t) dt
es y = ce , lo que se hace es buscar una solución particular de la ecuación completa
y (p) que sea de la misma forma salvo que en el lugar de la constante c ponemos una función
v(t) que debemos U determinar. Es decir, buscamos una solución particular que sea de la forma
(p) − p(t) dt
y (t) = v(t)e = v(t)/µ(t). Imponiendo que (y (p) )0 + p(t)y (p) = q(t), nos queda

U ³ U ´ U
(p) 0 (p) 0 − p(t) dt − p(t) dt
q(t) = (y ) + p(t)y =ve + v −p(t)e + p(t)ve− p(t) dt (1)
U v0 (t)
= v0 e− p(t) dt
= . (2)
µ(t)
R
Despejando v0 e integrando nos queda v(t) = q(t)µ(t) dt y, en consecuencia,
Z
(p) 1
y (t) = v(t)/µ(t) = q(t)µ(t) dt.
µ(t)

Finalmente, escribiendo la solución general de la ecuación y 0 + p(t)y = q(t) en la forma y =


y (h) + y (p) , obtenemos la fórmula dada antes
Z · Z ¸
(h) (p) 1 1
y(t) = y (t) + y (t) = c/µ(t) + q(t)µ(t) dt = c + q(t)µ(t) dt .
µ(t) µ(t)

Aplicación a los circuitos RC y LR. Cuando conectamos en serie un condensador con una
capacidad de C faradios y una resistencia de R ohmios a una fuerza electromotriz de e(t) voltios
y cerramos el circuito, se produce una corriente eléctrica.

i (t )

e(t ) C

R
1
Puesto que la caída de potencial en el condensador es C
q(t) y la caída de potencial en la
resistencia es Ri(t) = Rq0 (t), debe ocurrir

1
Rq0 (t) + q(t) = e(t)
C
que es una ecuación diferencial lineal de primer orden. Si la escribimos como

1 e(t)
q 0 (t) + q(t) = ,
RC R
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 5

entonces su solución general viene dada por


· Z ¸
−t/RC e(t) t/RC
q(t) = e c+ e dt .
R
Por ejemplo, para un voltaje constante e(t) = E voltios y condición inicial q(0) = Q0 culombios,
nos queda
q(t) = EC + (Q0 − EC)e−t/RC .
En esta expresión, la parte EC se conoce como régimen permanente del circuito, porque es el
término al que tiende a largo plazo; el resto, (Q0 −EC)e−t/RC se llama régimen transitorio porque
sus efectos sólo son visibles al comienzo (observemos que decrece exponencialmente).
Si lo que conectamos es una inductancia de L henrios con una resistencia de R ohmios a
una fuerza electromotriz de e(t) voltios y cerramos el circuito, también se produce una corriente
eléctrica.

i (t )

e(t ) R

L
Puesto que la caída de potencial en la inductancia es Li0 (t), la ecuación que gobierna este
circuito es
Li0 (t) + Ri(t) = e(t)
que también es una ecuación diferencial lineal de primer orden y puede resolverse de forma similar,
obteniendose · Z ¸
−Rt/L e(t) Rt/L
i(t) = e c+ e dt ,
L
que, en el caso de un voltaje constante e(t) = E voltios y condición inicial i(0) = 0 amperios,
nos queda
E¡ ¢
i(t) = 1 − e−Rt/L ,
R
que, de nuevo, presenta un régimen transitorio y un régimen permanente.
Resuelve, como ejercicio, las correspondientes ecuaciones lineales de los circuitos RC y LR
para el caso en que la fuerza electromotriz es alterna e(t) = E0 sen (ωt).

2 El método de Euler

La ecuación y 0 = sen (ty + y 2 ) no es de ninguno de los tipos que estudiaste el curso anterior
y, de hecho, no hay ningún método que nos permita resolverla y obtener su solución mediante
6 Lección 1. Ecuaciones Diferenciales Ordinarias

una fórmula. Ante ecuaciones como ésta lo que se plantea en la práctica es usar un método que
nos proporcione su solución de manera aproximada; es decir, que dado un punto t nos permita
obtener una aproximación numérica lo suficientemente buena del valor y(t) de la solución en
dicho punto.
El problema de la integración numérica de ecuaciones diferenciales, tanto ordinarias como en
derivadas parciales, es el más importante del cálculo numérico aplicado a las distintas ramas de la
ingeniería. La razón de ello es que, como ya hemos comentado, la mayoría de los procesos físicos
y químicos involucrados en éstas se modelan mediante una o varias ecuaciones diferenciales que,
habitualmente, no se pueden resolver mediante una fórmula. De hecho, los primeros computa-
dores, tanto analógicos como digitales, fueron diseñados con el propósito de resolver este tipo de
problemas.
En esta sección vamos a estudiar un método de resolución numérica de ecuaciones diferenciales
de primer orden, conocido como método de la poligonal de Euler o, simplemente, método de
Euler, que es el más básico y simple de entender y sobre el que se basan métodos más potentes
y sofisticados, cuyo estudio se escapa de los objetivos de esta asignatura.
Planteamiento del problema y notación. Queremos resolver el problema de valor inicial

y 0 = f (t, y) con y(t0 ) = y0

para los valores de t en un intervalo [t0 , tF ] en el que t0 representa el instante inicial de la situación
descrita por la ecuación y tF el instante final hasta el que deseamos llegar. Supondremos que la
función f (t, y) es continua y admite derivadas parciales continuas, con lo cual puede probarse
que el problema de valor inicial tiene solución única en el intervalo de trabajo [t0 , tF ].
El primer objetivo es encontrar los valores aproximados de la solución del problema en un
conjunto prefijado de puntos que, en este contexto, reciben el nombre de nodos

t0 < t1 < t2 < · · · < tn−1 < tn = tF .

Supondremos que los n + 1 nodos en los que vamos a trabajar están igualmente espaciados así
que, tomando h = (tF − t0 )/n, podemos escribir

ti = t0 + ih, i = 0, 1, . . . , n.

La distancia común h entre dos nodos consecutivos se llama tamaño de paso. Una vez encontradas
estas aproximaciones en los nodos, veremos un método que nos permitirá generar aproximaciones
en los demás puntos del intervalo de trabajo [t0 , tF ].
Llamaremos wi a la aproximación del valor exacto y(ti ) que vamos a ir obteniendo en cada
nodo
y(ti ) ≈ wi , i = 0, 1, . . . , n.

El método de Euler. El método de resolución numérica de problemas de valor inicial más


sencillo es el método creado por Euler en 1768. Aunque apenas se utiliza en la práctica debido
a que es poco exacto, es el germen de métodos posteriores más efectivos; además su sencillez
permite estudiar algunos aspectos de interés sobre las causas de los errores inherentes al método,
terreno en el que no entraremos en esta asignatura. El método tiene también importancia teórica
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 7

ya que es la base del primer teorema de existencia y unicidad de soluciones a los problemas de
valor inicial dado por A.L. Cauchy en 1840.
La idea del método es truncar el desarrollo de Taylor de y para quedarnos con su parte lineal.
De acuerdo con el teorema de Taylor, existe un punto ξ i ∈ (ti , ti+1 ) tal que

(ti+1 − ti )2 00
y(ti+1 ) = y(ti ) + (ti+1 − ti )y 0 (ti ) + y (ξ i ).
2

Usando que y satisface la ecuación diferencial y 0 = f (t, y) y escribiendo h en vez de ti+1 − ti nos
queda
h2 00
y(ti+1 ) = y(ti ) + hf (ti , y(ti )) + y (ξ i ).
2
Si disponemos ya de una aproximación wi ≈ y(ti ) y h es pequeño, de manera que podemos
despreciar el término que contiene h2 , la fórmula anterior nos proporciona una aproximación de
y(ti+1 ):
y(ti+1 ) ≈ wi+1 := wi + hf (ti , wi ).

Partiendo del dato inicial y(t0 ) = y0 , podemos ir calculando los valores wi de forma iterativa:

w0 = y0 ,
wi+1 = wi + hf (ti , wi ), i = 0, 1, 2, . . . , n − 1.

Interpolación lineal. Una vez que tenemos las aproximaciones (ti , wi ) para todos los nodos,
podemos aproximar la gráfica de la solución y(t) uniendo dos puntos (ti , wi ) consecutivos mediante
un segmento recto. La gráfica que se obtiene es una línea quebrada, de ahí el nombre de método
poligonal de Euler que recibe este procedimiento. Más concretamente, si queremos hallar una
aproximación del valor y(t) de la solución en un punto t comprendido entre dos nodos ti < t < ti+1 ,
entonces la aproximación viene dada por el valor de la ordenada en t de la línea recta que pasa
por los puntos (ti , wi ) y (ti+1 , wi+1 ), es decir

wi+1 − wi
y(t) ≈ wi + (t − ti ).
h

Esta técnica, una versión sofisticada de la “regla de tres”, se conoce con el nombre de interpolación
lineal a trozos; “lineal” porque se usan segmentos rectos y “a trozos” porque se usan segmentos
distintos en cada subintervalo [ti , ti+1 ].
Veamos un ejemplo. Consideremos el problema de valor inicial lineal

y 0 = −y + t + 1 para 0 ≤ t ≤ 1 con y(0) = 1,

cuya solución exacta es y(t) = t + e−t . Si aplicamos el método de Euler en el intervalo [0, 1] con
8 Lección 1. Ecuaciones Diferenciales Ordinarias

h = 0.1 obtenemos la siguiente tabla, cuya cuarta columna recoge los errores absolutos

ti y(ti ) wi |wi − y(ti )|


0.0 1.0000 1.0000 0.0000
0.1 1.0048 1.0000 0.0048
0.2 1.0187 1.0100 0.0087
0.3 1.0408 1.0290 0.0118
0.4 1.0703 1.0561 0.0142
0.5 1.1065 1.0905 0.0160
0.6 1.1488 1.1314 0.0174
0.7 1.1966 1.1783 0.0183
0.8 1.2493 1.2305 0.0189
0.9 1.3066 1.2874 0.0191
1.0 1.3679 1.3487 0.0192

Interpolando estos valores linealmente obtenemos la correspondiente poligonal de Euler.

1.4

1.35

1.3

1.25

1.2

1.15

1.1

1.05

1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Tal como se esperaba, los valores dados por el método de Euler no coinciden con los valores
exactos de la solución y los errores van aumentando conforme añadimos puntos. Las causas de
los errores son por un lado el error asociado al truncamiento de la serie de Taylor y, por otro, los
redondeos. Para terminar de ilustrar esta técnica, veamos cómo calcularíamos una aproximación
del valor de la solución en el punto t = 0.42 comprendido entre los nodos 0.4 y 0.5
1.0905 − 1.0561
y(0.42) ≈ 1.0561 + (0.42 − 0.4) = 1.0630,
0.1
mientras que el valor exacto es y(0.42) = 1.0770 (aquí y en la tabla sólo se han mostrado los
cuatro primeros decimales).

3 Ecuaciones diferenciales lineales de segundo orden


Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 9

Circuitos LRC. Cuando conectamos en serie una inductancia de L henrios, un condensador


con una capacidad de C faradios y una resistencia de R ohmios a una fuerza electromotriz de
e(t) voltios y cerramos el circuito, se produce una corriente eléctrica gobernada por la ecuación
diferencial
1
Li0 (t) + Ri(t) + q(t) = e(t)
C
donde, como antes, q(t) representa la carga eléctrica en el instante t e i(t) = q0 (t) es la intensidad
de corriente.

i (t ) R
e(t ) L

C
Esta ecuación, escrita como

1
Lq 00 (t) + Rq(t) + q(t) = e(t),
C
es una ecuación diferencial lineal de segundo orden –“lineal” porque actúa de manera lineal sobre
la incógnita y “de segundo orden” porque la derivada de mayor orden que aparece involucrada es
la derivada segunda– y, como hemos dicho, es el tipo más importante de ecuaciones diferenciales
que aparece en las aplicaciones.
Ecuaciones diferenciales lineales de segundo orden. La ecuación lineal de segundo orden
se suele escribir como
y 00 + p(t)y 0 + q(t)y = r(t)
donde p, q y r son funciones continuas en un intervalo I ⊂ R. Diremos que una función y ∈ C 2 (I)
es solución de dicha ecuación cuando y 00 (t) + p(t)y 0 (t) + q(t)y(t) = r(t) para todo t ∈ I.
Si la función r(t) es idénticamente cero en I, se dice que la ecuación es homogénea.
Si las funciones p(t) y q(t) son constantes en I, digamos p(t) = p y q(t) = q para todo t ∈ I,
se dice que la ecuación es de coeficientes constantes.
Se sabe del curso anterior, y hemos visto antes, que para resolver una ecuación diferencial de
primer orden hace falta calcular una primitiva, obteniéndose como solución general una familia
de soluciones que depende de un parámetro, la constante de integración correspondiente. Para
fijar una solución particular de la ecuación debemos dar una condición inicial con la que podemos
determinar el valor de dicha constante. Cabe pensar que para resolver una ecuación diferencial
lineal de segundo orden haga falta calcular dos primitivas, obteniéndose como solución general
una familia de soluciones que depende de dos parámetros y que para fijar una solución particular
de la ecuación debamos dar dos condiciones. Veamos un ejemplo.
10 Lección 1. Ecuaciones Diferenciales Ordinarias

Ejemplo. Consideremos la ecuación y 00 − y 0 = 2e2t en I = [0, 1]. Si hacemos el cambio de


variables y 0 = z, nos queda z 0 − z = 2e2t que es una ecuación lineal de primer orden. Resolviendo
esta ecuación obtenemos z = 2e2t + c1 et , con lo cual y 0 = 2e2t + c1 et , de donde, integrando otra
vez, llegamos a y = e2t + c1 et + c2 solución general que, efectivamente, depende de dos constantes.
Para determinar una solución particular debemos imponer dos condiciones, lo que nos ofrece
varias posibilidades; veamos cuatro ejemplos.

1. Si fijamos y(0) = 0 e y 0 (0) = 1, entonces la solución es única y = e2t − et .

2. Si fijamos y(0) = 0 e y(1) = 0, entonces la solución es única y = e2t − (e + 1)et + e.

3. Si fijamos y 0 (0) = 0 e y 0 (1) = 1, entonces nos queda un sistema incompatible para c1 y c2 ,


así que no hay solución que verifique dichas condiciones.

4. Si fijamos y 0 (0) = 0 e y 0 (1) = 2e(e − 1), entonces la solución no es única ya que para
cualquier c2 ∈ R la función y = e2t − 2et + c2 verifica ambas condiciones.

Las condiciones del caso (1) se llaman condiciones iniciales porque en ellas se fijan el valor de
la función y el de su derivada en un sólo punto de I. Si la función y(t) representa un movimiento
cuya variable independiente t es el tiempo, entonces dar condiciones iniciales en t = 0 no es más
que fijar la posición y la velocidad en el instante inicial.
Las condiciones de los casos (2), (3) y (4) se llaman condiciones de contorno porque en ellas
se fijan los valores de y o de y 0 en los extremos del intervalo I.
Como nos sugiere el ejemplo, la teoría de las ecuaciones lineales de segundo orden con condi-
ciones iniciales es muy distinta de la teoría con condiciones de contorno. Aquí estudiaremos a
fondo la resolución de los problemas de valor inicial para las ecuaciones con coeficientes constan-
tes y para algunas ecuaciones con coeficientes arbitrarios. En la Lección 5 estudiaremos algunos
problemas de contorno especiales ligados a la resolución de ecuaciones en derivadas parciales.
El teorema clave es el que nos dice que los problemas de valor inicial para ecuaciones diferen-
ciales lineales de segundo orden tienen siempre solución única.
Teorema de existencia y unicidad. Sean p(t), q(t) y r(t) funciones continuas en un intervalo
I ⊂ R. Sea t0 ∈ I y sean y0 e y00 dos números reales cualesquiera. Entonces el problema de
valores iniciales

y 00 + p(t)y 0 + q(t)y = r(t), con y(t0 ) = y0 e y 0 (t0 ) = y00

tiene solución única en I. Es decir, existe una única función y ∈ C 2 (I) verificando que y 00 (t) +
p(t)y 0 (t) + q(t)y(t) = r(t) para todo t ∈ I, y(t0 ) = y0 e y 0 (t0 ) = y00 .
En lo que sigue supondremos que p(t), q(t) y r(t) son funciones continuas en un intervalo
I ⊂ R. La linealidad del primer miembro de la ecuación y 00 + p(t)y 0 + q(t)y = r(t) nos permite
hacer un análisis de la estructura de sus soluciones similar al que hicimos para la ecuación
diferencial lineal de primer orden y al de los sistemas de ecuaciones estudiados en “Álgebra”. La
ecuación y 00 +p(t)y 0 +q(t)y = 0 se llamará ecuación homogénea asociada a y 00 +p(t)y 0 +q(t)y = r(t)
que, a su vez, llamaremos ecuación completa.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 11

Estructura algebraica de las soluciones de una ecuación homogénea. Se verifica que si


y1 e y2 son soluciones de la ecuación homogénea y 00 + p(t)y 0 + q(t)y = 0 y c1 , c2 ∈ R, entonces
y = c1 y1 + c2 y2 también es una solución de y 00 + p(t)y 0 + q(t)y = 0. En otras palabras, las
soluciones de la ecuación homogénea forman un espacio vectorial. Además, este espacio vectorial
es de dimensión dos (lo que casa con el comentario de que la solución general de una ecuación
lineal de segundo orden debería depender de dos constantes); más concretamente, si y0,1 es la
solución del problema de valor inicial

y 00 + p(t)y 0 + q(t)y = 0, con y(t0 ) = 0 e y 0 (t0 ) = 1

e y1,0 es la solución del problema de valor inicial

y 00 + p(t)y 0 + q(t)y = 0, con y(t0 ) = 1 e y 0 (t0 ) = 0,

entonces y0,1 e y1,0 son linealmente independientes. Además, si y1 e y2 son dos soluciones lineal-
mente independientes de la ecuación homogénea (las anteriores, por ejemplo), entonces c1 y1 +c2 y2
es la solución general de dicha ecuación, en el sentido de que dada una solución y de la ecuación
homogénea, existen c1 , c2 ∈ R tales que y(t) = c1 y1 (t) + c2 y2 (t) para todo t ∈ I.
Fórmula de Liouville. El teorema de estructura que acabamos de ver nos dice que para
resolver la ecuación homogénea de forma general necesitamos hallar dos soluciones particulares
linealmente independientes. En realidad, basta con calcular una solución, digamos y1 , ya que
una vez que tenemos y1 , podemos adaptar el método de variación de parámetros haciendo lo
siguiente: buscamos una nueva solución y2 como y2 (t) = v(t)y1 (t) donde v(t) es una función que
debemos calcular. Imponiendo que y2 = vy1 sea solución de la ecuación homogénea nos queda
una ecuación para v cuya solución es
Z
1 − U p(t) dt
v(t) = e dt.
y1 (t)2

Hallada esta función v, la función y2 = vy1 es una solución de la ecuación homogénea que es
linealmente independiente de y1 .
En la siguiente sección veremos cómo calcular soluciones linealmente independientes para las
ecuaciones con coeficientes constantes.
¿Qué ocurre con la ecuación completa?
Resolución de la ecuación completa. Sean y1 e y2 dos soluciones linealmente independientes
de la ecuación homogénea y 00 + p(t)y 0 + q(t)y = 0 y sea y0 una solución particular de la ecuación
completa y 00 + p(t)y 0 + q(t)y = r(t). Entonces y0 + c1 y1 + c2 y2 es la solución general de dicha
ecuación, en el sentido de que dada una solución y de la ecuación completa, existen c1 , c2 ∈ R
tales que y = y0 + c1 y1 + c2 y2 .
De acuerdo con esto, para resolver la ecuación completa de forma general, necesitamos hallar
dos soluciones independientes de la ecuación homogénea y una solución particular de la completa.
Veremos ahora como se puede adaptar el método de variación de los parámetros para hallar
soluciones particulares de la ecuación completa a partir de la solución general de la ecuación
homogénea.
12 Lección 1. Ecuaciones Diferenciales Ordinarias

El método de variación de parámetros. Supongamos que conocemos la solución general


c1 y1 (t) + c2 y2 (t) de la ecuación homogénea. La idea central del método de variación de los
parámetros es suponer que los coeficientes c1 y c2 de la solución general c1 y1 (t) + c2 y2 (t) de la
ecuación homogénea pueden variar (de ahí el nombre del método) y buscar una solución particular
de la ecuación completa de la forma

y0 = v1 (t)y1 (t) + v2 (t)y2 (t)

donde v1 (t) y v2 (t) son dos funciones que debemos determinar. Para ello imponemos que y0
verifique la ecuación completa y 00 + p(t)y 0 + q(t) = r(t) y también, por conveniencia, que se
verifique la igualdad v10 y1 + v20 y2 = 0 en I, lo que, tras un par de simplificaciones, nos lleva al
sistema

v10 (t)y1 (t) + v20 (t)y2 (t) = 0,


v10 (t)y10 (t) + v20 (t)y20 (t) = r(t).

Usando la regla de Cramer obtenemos

−y2 (t)r(t) y1 (t)r(t)


v10 (t) = y v20 (t) = ,
W (t) W (t)

donde W (t) = y1 (t)y20 (t) − y2 (t)y10 (t) se llama determinante wronskiano de y1 e y2 . En conse-
cuencia, las funciones v1 y v2 buscadas son
Z Z
−y2 (t)r(t) y1 (t)r(t)
v1 (t) = dt y v2 (t) = dt.
W (t) W (t)

En definitiva, basta calcular una solución de la ecuación homogénea porque podemos calcular
una segunda solución linealmente independiente usando la fórmula de Liouville y, luego, calcular
una solución particular de la completa por el método de variación de parámetros.

4 Ecuaciones diferenciales lineales de segundo orden con


coeficientes constantes
En esta sección veremos cómo se resuelve la ecuación homogénea con coeficientes constantes
y 00 + py 0 + qy = 0 donde p y q son dos números reales. Empezamos construyendo lo que se conoce
como ecuación auxiliar: m2 + pm + q = 0 y resolviéndola. Sus raíces son
p p
−p + p2 − 4q −p − p2 − 4q
m1 = y m2 = .
2 2
Estos números m1 y m2 serán reales y distintos (si p2 > 4q), reales e iguales (si p2 = 4q)
o complejos conjugados distintos (si p2 < 4q), y cada uno de estos casos se trata de manera
diferente.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 13

Raíces reales distintas. Si m1 y m2 son números reales distintos, entonces las funciones y1 (t) =
em1 t e y2 (t) = em2 t son soluciones independientes de la ecuación lineal homogénea y 00 +py 0 +qy = 0
cuya solución general es, entonces,
y(t) = c1 em1 t + c2 em2 t .

Raíces reales iguales. Si la ecuación auxiliar tiene una raíz real doble m1 = m2 , entonces las
funciones y1 (t) = em1 t e y2 (t) = tem1 t son soluciones independientes de la ecuación homogénea
y 00 + py 0 + qy = 0 cuya solución general es, entonces,
y(t) = (c1 + c2 t)em1 t .

Raíces complejas. Si m1 y m2 son números complejos, √ entonces son conjugados, así que
podemos escribir m1 = a + bj y m2 = a − bj, donde j = −1 es la unidad imaginaria. Imitando
lo que ocurre en el caso de raíces reales distintas, podríamos construir las soluciones
em1 t = e(a+bj)t = eat (cos(bt) + jsen (bt))
em2 t = e(a−bj)t = eat (cos(bt) − jsen (bt))
que son soluciones complejas. Como las partes real e imaginaria de estas dos soluciones las
podemos obtener mediante una combinación lineal de ellas mismas, deducimos que las funciones
y1 (t) = Re(em1 t ) = eat cos(bt) e y2 (t) = Im(em1 t ) = eat sen (bt) son soluciones reales e indepen-
dientes de la ecuación homogénea y 00 + py 0 + qy = 0 cuya solución general es, entonces,
y(t) = eat (c1 cos(bt) + c2 sen (bt)),
o bien,
y(t) = k1 eat cos(bt + k2 ),
siendo ahora k1 y k2 las constantes arbitrarias.
El método de los coeficientes indeterminados. Vimos en la sección anterior que si tenemos
dos soluciones linealmente independientes de la ecuación homogénea, podemos hallar una solución
particular de la ecuación completa usando el método de variación de parámetros. Este método
funciona siempre, pero puede conducir a integraciones tediosas. Si la ecuación tiene coeficientes
constantes, existe un método que permite hallar una solución particular de la ecuación completa
y 00 + py 0 + qy = r(t) cuando la función r(t) es un polinomio, una exponencial, un seno, un coseno
o una combinación de sumas y productos de tales funciones. La razón es que las derivadas de
una de estas combinaciones vuelven a ser funciones del mismo tipo, así que lo que se plantea es
buscar como solución particular una combinación adecuada con coeficientes indeterminados que
se calculan imponiendo que la función verifique la ecuación.
Ejemplo. Para hallar una solución particular de
y 00 − y 0 + 2y = 2t2 − 2t,
nos fijamos en que r(t) = 2t2 − 2t es un polinomio de segundo grado, así que buscamos una
solución particular de la forma y0 (t) = at2 + bt + c. Imponiendo que y0 verifique la ecuación
llegamos a
2a − (2at + b) + 2(at2 + bt + c) = 2t2 − 2t para todo t.
14 Lección 1. Ecuaciones Diferenciales Ordinarias

Igualando los coeficientes del polinomio de la izquierda y del polinomio de la derecha, obtenemos

2a = 2, −2a + 2b = −2, 2a − b + 2c = 0

luego a = 1, b = 0 y c = −1, lo que nos da la solución particular y0 (t) = t2 − 1.


Algunas sugerencias. A la vista de r(t) ¿cómo elegimos la forma de y0 (t)? No puede darse una
respuesta general, pero sí podemos dar una relación de los casos más simples; adquirir experiencia
con ellos permitirá abordar casos más complicados con soltura. (En lo que sigue m1 y m2 son
las soluciones de la ecuación auxiliar.)

1. Si r(t) es un polinomio de grado n, entonces se busca como solución particular un polinomio


de grado n (si cero no es raíz de la ecuación auxiliar) o n + 1 (si cero es raíz simple de la
ecuación auxiliar).

2. Si r(t) = eat es una exponencial, entonces se busca como solución particular

(i) y0 = ceat si a 6= m1 y a 6= m2 ,
(ii) y0 = cteat si a = m1 y a 6= m2 ,
(iii) y0 = ct2 eat si a = m1 = m2 .

3. Si r(t) = sen (αt) o r(t) = cos(αt), entonces se busca como solución particular

(i) y0 = a cos(αt) + bsen (αt) si αj 6= m1 y αj 6= m2 ,


(ii) y0 = at cos(αt) + btsen (αt) si αj es una raíz de la ecuación auxiliar.

Otra buena opción en estos casos es trabajar con la exponencial compleja y buscar una
solución particular de la forma (a + jb)ejαt o, respectivamente, (a + jb)tejαt . Una vez calculados
a y b, la parte real de la solución obtenida es la solución particular correspondiente a un segundo
miembro con la función coseno y su parte imaginaria es la solución particular correspondiente a
un segundo miembro con la función seno.

4. Si r(t) es una combinación de las funciones anteriores, entonces se busca como solución
particular la correspondiente combinación de las soluciones particulares propuestas. En el
caso de exponenciales multiplicadas por senos o cosenos, puede merecer la pena escribir
estas últimas en términos de exponenciales complejas.

Aplicación a los circuitos LRC. Hemos visto que cuando conectamos en serie una inductancia
de L henrios, un condensador con una capacidad de C faradios y una resistencia de R ohmios a
una fuerza electromotriz de e(t) voltios y cerramos el circuito, se produce una corriente eléctrica
gobernada por la ecuación diferencial
1
Lq 00 (t) + Rq 0 (t) + q(t) = e(t).
C
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 15

Alternativamente, si elegimos como incógnita la intensidad de corriente i(t), entonces, derivando


la expresión anterior, la ecuación diferencial del circuito nos queda
1
Li00 (t) + Ri0 (t) + i(t) = e0 (t).
C
En ambos casos la ecuación auxiliar es Lm2 + Rm + C1 = 0, cuyas soluciones son
q sµ ¶
−R ± R2 − 4L C R R
2
1
m= =− ± − .
2L 2L 2L LC
Dos problemas importantes son saber si un circuito de este tipo presenta o no una conducta
oscilante –lo que dependerá del signo
p del discriminante de la ecuación auxiliar; es decir, de que
R sea mayor, igual o menor que 2 L/C– y cuál es su conducta a largo plazo, lo que se conoce
como su régimen estacionario.
Ecuaciones de Euler-Cauchy. Una ecuación de la forma

t2 y 00 + pty 0 + qy = r(t)

se llama ecuación de Euler-Cauchy de segundo orden y se reduce a una ecuación lineal con coe-
ficientes constantes mediante el cambio de variable independiente t = es . Para ello, si llamamos
z(s) = y(es ), entonces la función z satisface la ecuación

z 00 + (p − 1)z + qz = r(es )

donde las derivadas que aparecen son derivadas de z con respecto a s. Una vez resuelta, deshace-
mos el cambio de variable para obtener la solución y(t) = z(log(t)).

5 Ejercicios
Ejercicio 1 Resuelve los siguientes problemas de valor inicial.

1. y 0 − 2ty = t con y(0) = 0.


2. y 0 + y = 2et con y(0) = 2.
3. y 0 + y/t = 3t con y(1) = 2.
4. y 0 + ty = cos(2t) con y(0) = 1.

Ejercicio 2 Una inductancia de 2 henrios y una resistencia de 10 ohmios se conectan en serie con
una fuerza electromotriz constante de 100 voltios. Si la corriente es nula cuando t = 0, halla la
corriente en cualquier instante posterior. Repite el ejercicio cuando la fuerza electromotriz vale
E = 100sen (60t) voltios.
Ejercicio 3 Aproxima la solución de cada uno de los problemas de valor inicial siguientes usando
el método de Euler con el tamaño de paso que se indica.
16 Lección 1. Ecuaciones Diferenciales Ordinarias

1. y 0 = 1 + tsen (ty) para 0 ≤ t ≤ 1, con y(0) = 0 y h = 0.1. Interpola los valores obtenidos
para calcular una aproximación al valor de la solución en el punto t = 0.32.

2. y 0 = 1 + t2 y para 0 ≤ t ≤ 2, con y(0) = 0 y h = 0.1. Interpola los valores obtenidos para


calcular una aproximación al valor de la solución en el punto t = 0.32.

3. y 0 = −7(y − t) + 1 para 0 ≤ t ≤ 4, con y(0) = 3 y h = 0.2. Compara los resultados con la


solución exacta.

4. y 0 = y − t2 + 1 para 0 ≤ t ≤ 2, con y(0) = 0.5 y h = 0.2. Compara los resultados con la


solución exacta.

Ejercicio 4 En los siguientes casos, halla la solución general de la ecuación usando la solución y1
de la ecuación homogénea que se da para calcular una segunda solución linealmente independiente
y, en su caso, el método de variación de los parámetros para hallar una solución particular de la
ecuación completa.

1. t2 y 00 + ty 0 − y = 3t2 , con y1 (t) = t.

2. (1 + t)y 00 − 2y 0 + (1 − t)y = 2 − t + t2 , con y1 (t) = et .

3. (t2 + 1)y 00 − 2ty 0 + 2y = 0, con y1 (t) = t2 − 1.

4. t2 y 00 − t(t + 2)y 0 + (t + 2)y = t3 , sabiendo que y1 es un polinomio de primer grado.

Ejercicio 5 Resuelve las siguientes ecuaciones con coeficientes constantes.

1. y 00 − y = t + 4et .

2. y 00 − y 0 = t2 .

3. y 00 − 4y = e2t .

4. y 00 + 2y 0 = 3tet .

5. y 00 + 4y = 8sen (2t).

Ejercicio 6 Resuelve los siguientes problemas de valor inicial.

1. y 00 − y 0 − 2y = 5e−t + t2 − 1, con y(0) = 0 e y 0 (0) = 0.

2. y 00 + y 0 − 2y = 2(1 + t + t2 ), con y(0) = 2 e y 0 (0) = −1.

3. y 00 + 4y 0 + 4y = cos(2t), con y(0) = 1 e y 0 (0) = 0.

4. y 00 − 2y 0 + y = et sen (t), con y(0) = 0 e y 0 (0) = 1.

5. y 00 − 2y 0 + 5y = 5t − 2 + 4et , con y(0) = 1 e y 0 (0) = 4.


Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 17

Ejercicio 7 Resuelve las siguientes ecuaciones de Euler-Cauchy.

1. t2 y 00 − 4ty 0 + 6y = t4 − t2 .

2. t2 y 00 − 3ty 0 − 5y = t2 log(t).

3. t2 y 00 − ty 0 + y = log(t).

4. 4t2 y 00 + 5y = 0.

6 Ejercicios y cuestiones de exámenes de cursos anterio-


res
Ejercicio 8 Se conectan en serie una resistencia de 2000 ohmios y un condensador de 5 · 10−6
faradios con una fuerza electromotriz de 100 voltios. ¿Cuál es la corriente para t = 0.1 segundos
si I(0) = 0.01 amperios?
Ejercicio 9 Se conectan en serie una resistencia de 2000 ohmios, un condensador con una ca-
pacidad de 5 · 10−3 faradios y un generador que proporciona una fuerza electromotriz alterna de
e(t) = 10sen (100πt) voltios. Si en el instante inicial el circuito está descargado, ¿cuál será la
carga en el condensador al cabo de 10 segundos?
Ejercicio 10 Sea g la función g(t) = t2 . Halla todas las funciones f para las que se verifica

(f g)0 = f 0 g 0 .

Ejercicio 11 Resuelve el problema de valor inicial

y 0 = 1 + t + y + ty con y(0) = 0.

Ejercicio 12 Usa el método de Euler para calcular aproximaciones numéricas a la solución del
problema de valor inicial
y 0 = 2 − ty 2 con y(1) = 1
con tamaño de paso h = 0.2 para t ∈ [1, 1.4] y utiliza dichas aproximaciones para interpolar el
valor de la solución en t = 1.25. Escribe los resultados con cuatro cifras decimales.
Ejercicio 13 Construye las aproximaciones a la solución del problema de valor inicial

y 0 = ty 2 + e−y + 1 y(1) = 0

que se obtienen aplicando tres pasos del método de Euler con h = 0.2.
Ejercicio 14 Construye las aproximaciones a la solución del problema de valor inicial

y 0 = sen (y) + ty y(0) = π/2


18 Lección 1. Ecuaciones Diferenciales Ordinarias

que se obtienen aplicando tres pasos del método de Euler con h = 0.3. (Trabaja con dos cifras
decimales).
Ejercicio 15 Usa el método de Euler para calcular aproximaciones numéricas a la solución del
problema de valor inicial
y0 = y2 − t con y(1) = 1
con tamaño de paso h = 0.1 para t ∈ [1, 1.4]. Escribe los resultados con cuatro cifras decimales.
Ejercicio 16 (1) Resuelve la ecuación diferencial
y 0 + y − 2et = 0.

(2) Resuelve la ecuación


ty 00 − (1 + t)y 0 + y = 0
sabiendo que tiene una solución común con la ecuación del apartado (1).
Ejercicio 17 (1) Calcula la solución general de la ecuación
(t2 − 1)y 00 − 2ty 0 + 2y = 0,
sabiendo que y1 (t) = t es una solución de dicha ecuación.
(2) Calcula una solución particular de
(t2 − 1)y 00 − 2ty 0 + 2y = t2 − 1.

Ejercicio 18 Halla la solución general de la ecuación y 00 + y 0 − 2y = 0.


Ejercicio 19 Resuelve el problema de valor inicial
y 00 + 4y = 3 cos(t) con y(0) = 2 e y 0 (0) = −2.

Ejercicio 20 Resuelve el problema de valor inicial


y 00 + 2y 0 + 5y = 5t2 − t con y(0) = 1 e y 0 (0) = −4.

Ejercicio 21 Resuelve el problema de valor inicial


y 00 + y 0 − 2y = 6et con y(0) = 0 e y 0 (0) = 4.

Ejercicio 22 Inventa una ecuación diferencial lineal de segundo orden con coeficientes constantes
ay 00 + by 0 + cy = f (t) cuya solución general sea y(t) = c1 et + c2 e−2t + sen (t).
Ejercicio 23 Los componentes de un circuito eléctrico de tipo LRC tienen los siguientes valores:
R = 18 ohmios, L = 17 henrios y C = 0.05 faradios.
(1) Si cargamos el condensador y no introducimos fuerza electromotriz, ¿se descargará de
forma oscilatoria?
(2) Introducimos una fuerza electromotriz e(t) = 60sen (2t) voltios. ¿Cuál será el régimen
permanente (o estacionario) de la carga? ¿Está la intensidad de salida adelantada, en fase o
retrasada con respecto al voltaje de entrada?
Ejercicio 24 Resuelve el problema de valor inicial
t2 y 00 − 3ty 0 + 3y = 3 log(t) − 4 con y(1) = −2 e y 0 (1) = 9.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2005/06 19

7 Bibliografía

En esta lección hemos extraído lo esencial de la teoría de ecuaciones diferenciales lineales de


primer y segundo orden, algo que en la mayoría de los libros ocupa varios capítulos. En los que
se referencian a continuación está todo lo que hemos visto aquí, pero hay mucha más información
que puedes consultar.
[517,9/2-BRA] M. Braun, Ecuaciones diferenciales y sus aplicaciones, Capítulos 1 y 2.
[517,9/3-EDW] C.H. Edwards y D.E. Penney, Ecuaciones diferenciales elementales, Capítulos
1, 2 y 3.
[517.9/2-SIM] G.F. Simmons, Ecuaciones diferenciales, Capítulos 1, 2, 3, 5 y 8.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 2.

SISTEMAS DE ECUACIONES DIFERENCIALES.

Curso 2006-07

1 Teoría general de los sistemas lineales


Consideremos el circuito de la figura

L = 1H
C = 0.25 F

~ e = 12sen(100t )V R = 4Ω i2 (t )

i1 (t ) R = 6Ω

Aplicando las leyes de Kirchhoff obtenemos que la ecuación que gobierna la intensidad de
corriente i1 (t) que circula por el circuito de la izquierda es
i01 (t) + 4(i1 (t) − i2 (t)) = 12sen (100t)
y que la ecuación que gobierna la intensidad de corriente i2 (t) que circula por el circuito de la
derecha es Z t
1
6i2 (t) + 4(i2 (t) − i1 (t)) + i2 (τ ) dτ = 0.
0.25 0
Derivando esta última ecuación y sustituyendo en ella la expresión de i01 (t) dada en la primera,
nos queda un sistema de ecuaciones diferenciales

i01 (t) = −4i1 (t) + 4i2 (t) + 12sen (100t)


i02 (t) = −1.6i1 (t) + 1.2i2 (t) + 4.8sen (100t)
2 Lección 2. Sistemas de Ecuaciones Diferenciales

que podemos escribir de forma matricial como


· 0 ¸ · ¸· ¸ · ¸
i1 (t) −4 4 i1 (t) 12sen (100t)
= + .
i02 (t) −1.6 1.2 i2 (t) 4.8sen (100t)
Este es un ejemplo típico de un sistema lineal de ecuaciones diferenciales de dimensión dos con
coeficientes
· constantes.
¸ Sus incógnitas
· son i¸1 (t) e i2 (t). Si consideramos
· la función
¸ vectorial
i1 (t) −4 4 12sen (100t)
i(t) = , la matriz A = y el vector f (t) = , entonces el
i2 (t) −1.6 1.2 4.8sen (100t)
sistema se escribe abreviadamente como i0 (t) = Ai(t) + f (t).
Veamos otro ejemplo. Si en la ecuación lineal de segundo orden
y 00 (t) + p(t)y 0 (t) + q(t)y(t) = r(t)
ponemos y1 (t) = y(t) e y2 (t) = y 0 (t), entonces y10 (t) = y2 (t) y resolver la ecuación es equivalente
a resolver el sistema de ecuaciones diferenciales
y10 (t) = y2 (t)
y20 (t) = −q(t)y1 (t) − p(t)y2 (t) + r(t)
cuya forma matricial es
· ¸ · ¸· ¸ · ¸
y10 (t) 0 1 y1 (t) 0
= + .
y20 (t) −q(t) −p(t) y2 (t) r(t)
Observemos que, en este caso, la matriz de los coeficientes no es constante.
En esta lección repasaremos en primer lugar la teoría de los sistemas lineales con coeficientes
constantes, que ya has estudiado en la asignatura de “Álgebra” del curso pasado, completán-
dola con los métodos para resolver sistemas no homogéneos. Después estudiaremos una breve
introducción a la teoría cualitativa de sistemas no lineales.
Definiciones. Un sistema lineal de orden n con coeficientes constantes es un sistema de ecua-
ciones diferenciales de la forma
y10 = a11 y1 + a12 y2 + · · · + a1n yn + f1 (t)
y20 = a21 y1 + a22 y2 + · · · + a2n yn + f2 (t)
..
.
yn0 = an1 y1 + an2 y2 + · · · + ann yn + fn (t)
en el que A = [aij ] es una matriz de números reales cuadrada de orden n que se llama matriz de
los coeficientes y fi : [a, b] → R (i = 1, 2, . . . , n) son funciones continuas dadas. Se dice que el
sistema es homogéneo cuando todas las funciones fi son iguales a la función cero.
Una solución de dicho sistema es una colección y1 , y2 , . . . , yn de funciones de clase C 1 ([a, b])
tales que para cada t ∈ [a, b] se verifica
y10 (t) = a11 y1 (t) + a12 y2 (t) + · · · + a1n yn (t) + f1 (t)
y20 (t) = a21 y1 (t) + a22 y2 (t) + · · · + a2n yn (t) + f2 (t)
..
.
yn0 (t) = an1 y1 (t) + an2 y2 (t) + · · · + ann yn (t) + fn (t).
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

Si introducimos las funciones vectoriales y, f : [a, b] → Rn dadas por


   
y1 (t) f1 (t)
 y2 (t)   f2 (t) 
   
y(t) =  ..  y f (t) =  ..  ,
 .   . 
yn (t) fn (t)

entonces el sistema se escribe de forma abreviada como y 0 (t) = Ay(t) + f (t), cuya estructura
es la misma que la de una ecuación lineal de primer orden. De hecho, la teoría de los sistemas
lineales es, como cabe esperar, una extensión de las teorías de las ecuaciones lineales de primer
y segundo orden. Esto se pone de manifiesto en los siguientes resultados.
Teorema de existencia y unicidad. Sean A = [aij ] una matriz cuadrada de orden n y
f : [a, b] → Rn (i = 1, 2, . . . , n) una función vectorial continua. Dados un punto t0 ∈ [a, b] y un
vector y0 ∈ Rn , entonces el problema de valor inicial

y 0 (t) = Ay(t) + f (t) con y(t0 ) = y0

tiene solución única en [a, b].


Este teorema nos dice, por ejemplo, que la solución general de un sistema lineal de orden n de-
penderá de n constantes que pueden determinarse fijando el valor de cada una de las componentes
de la función vectorial y(t) en un punto dado t0 .
Estructura de las soluciones. Sea A = [aij ] una matriz cuadrada de orden n. Sea f :
[a, b] → Rn (i = 1, 2, . . . , n) una función vectorial continua y consideremos el sistema lineal
y 0 (t) = Ay(t) + f (t). Entonces se verifican:
(1) Las soluciones del sistema homogéneo y 0 (t) = Ay(t) asociado forman un espacio vectorial
de dimensión n. En particular, si {y (1) (t), y (2) (t), . . . , y (n) (t)} es una base de soluciones del sistema
homogéneo, entonces se dice que la función matricial formada columna a columna por estas
soluciones £ ¤
Y (t) = y (1) (t), y (2) (t), . . . , y (n) (t)
es una matriz fundamental de soluciones del sistema y 0 = Ay. En este caso, la solución general
del sistema homogéneo es y(t) = Y (t)c, donde c ∈ Rn es un vector de constantes arbitrarias.
(2) Si y (p) (t) es una solución particular del sistema completo y 0 (t) = Ay(t) + f (t), entonces la
solución general del sistema completo es

y(t) = y (p) (t) + Y (t)c = y (p) (t) + c1 y (1) (t) + c2 y (2) (t) + · · · + cn y (n) (t),

siendo Y (t) una matriz fundamental de soluciones del sistema homogéneo asociado y c ∈ Rn un
vector de constantes arbitrarias.

2 Sistemas con coeficientes constantes


De acuerdo con lo que acabamos de ver, para resolver un sistema lineal y 0 (t) = Ay(t) + f (t),
debemos hallar una matriz fundamental de soluciones del sistema homogéneo asociado y una
4 Lección 2. Sistemas de Ecuaciones Diferenciales

solución particular del sistema completo. Empezaremos recordando cómo se pueden calcular
soluciones de un sistema homogéneo y 0 = Ay, técnicas que debes conocer de la asignatura de
“Álgebra” del curso pasado. Posteriormente veremos métodos para resolver el sistema completo.
La clave de la resolución de los sistemas homogéneos nos la da el siguiente resultado.
Proposición 1. (1) Si u es un autovector real de A con autovalor λ (también real), entonces
y(t) = eλt u es una solución del sistema y 0 = Ay.
(2) Si u = v +jw es un autovector complejo de A con autovalor complejo λ = α+jβ, entonces
y (1) (t) = Re(eλt u) = eαt [v cos(βt) − wsen (βt)]
y (2) (t) = Im(eλt u) = eαt [vsen (βt) + w cos(βt)]
son soluciones linealmente independientes del sistema y 0 = Ay.
Matriz de los coeficientes diagonalizable. Si la matriz de los coeficientes es diagonalizable,
entonces es que existe una base de Cn formada por autovectores y podemos obtener una base
de soluciones del sistema homogéneo usando el resultado anterior con cada pareja autovalor-
autovector de la base.
Teorema 1. Si la matriz A es diagonalizable, entonces existe una base de soluciones reales del
sistema y 0 = Ay formada de la siguiente manera:
(1) Si λ es un autovalor real de multiplicidad m y u1 , u2 , . . . , um son autovectores suyos
linealmente independientes, entonces λ proporciona m soluciones, que son
eλt u1 , eλt u2 , . . . , eλt um .

(2) Si λ = α±jβ es una pareja de autovalores complejos conjugados de multiplicidad m y u1 =


v1 ± jw1 , u2 = v2 ± jw2 , . . . , um = vm ± jwm son autovectores suyos linealmente independientes,
entonces la pareja proporciona 2m soluciones, que son
eαt [v1 cos(βt) − w1 sen (βt)], eαt [v2 cos(βt) − w2 sen (βt)], . . . , eαt [vm cos(βt) − wm sen (βt)],
eαt [v1 sen (βt) + w1 cos(βt)], eαt [v2 sen (βt) + w2 cos(βt)], . . . , eαt [vm sen (βt) + wm cos(βt)].

Matriz de los coeficientes no diagonalizable. Si la matriz de los coeficientes no es diagonali-


zable, entonces es que tiene autovalores defectivos, o sea, autovalores que no proporcionan tantos
autovectores linealmente independientes como indica su multiplicidad como raíz del polinomio
característico; en otras palabras, la multiplicidad algebraica de esos autovalores es estrictamente
mayor que su multiplicidad geométrica. En este caso, se trabaja con los autovectores generaliza-
dos; veamos cómo se hace esto. Supongamos que λ es un autovalor defectivo cuya multiplicidad
algebraica es m; usando este autovalor, debemos ser capaces de encontrar m soluciones lineal-
mente independientes del sistema homogéneo y 0 = Ay. Se sabe del curso pasado que la dimensión
del núcleo de (A − λI)m coincide con la multiplicidad algebraica m y que los elementos del núcleo
de (A − λI)m se llaman autovectores generalizados.
Proposición 2. (1) Si u es un autovector generalizado real de un autovalor real λ de multiplicidad
m, entonces la función vectorial
· ¸
λt (A − λI)2 t2 (A − λI)m−1 tm−1
y(t) = e I + (A − λI)t + + ··· + u
2 (m − 1)!
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

es una solución del sistema homogéneo y 0 = Ay.


(2) Si u es un autovector generalizado complejo de un autovalor complejo λ de multiplicidad
m, entonces las partes real e imaginaria de la función vectorial
· ¸
λt (A − λI)2 t2 (A − λI)m−1 tm−1
y(t) = e I + (A − λI)t + + ··· + u
2 (m − 1)!
son soluciones reales e independientes del sistema homogéneo y 0 = Ay.
Ahora, si {u1 , u2 , . . . , um } es una base de autovectores generalizados de un autovalor defectivo,
entonces, en el caso real la Proposición 2 anterior nos proporciona un método para encontrar m
soluciones linealmente independientes del sistema homogéneo y 0 = Ay. Por otro lado, en el caso
complejo, nos proporciona 2m soluciones (las m con las que debe contribuir λ y las m de su
conjugado).
En la práctica la base de autovectores generalizados se va construyendo paso a paso. Primero
se toman los autovectores linealmente independientes, que formarán una base del núcleo de
A − λI. Después se añaden vectores linealmente independientes del núcleo de (A − λI)2 y así,
sucesivamente, hasta completar la base de m vectores que necesitamos. Este procedimiento tiene
una ventaja a la hora de hacer los cálculos. Así, si u1 es un autovector, entonces en el cálculo de
· ¸
(1) λt (A − λI)2 t2 (A − λI)m−1 tm−1
y (t) = e I + (A − λI)t + + ··· + u1
2 (m − 1)!

todos los sumandos se anulan menos el primero; y (1) (t) = eλt u1 . Si, por ejemplo, u4 lo hemos
añadido tomándolo del núcleo de (A − λI)2 , entonces en el cálculo de
· ¸
(4) λt (A − λI)2 t2 (A − λI)m−1 tm−1
y (t) = e I + (A − λI)t + + ··· + u4
2 (m − 1)!

todos los sumandos se anulan menos los dos primeros; y (4) (t) = eλt [I + (A − λI)t]u4 , aunque m
sea mayor que 2.
El método de variación de los parámetros. El método de variación de los parámetros
que hemos visto para ecuaciones lineales de primer y segundo orden se traslada a los sistemas
y 0 (t) = Ay(t) + f (t) sin mucha dificultad. Supongamos que Y (t) es una matriz fundamental de
soluciones del sistema homogéneo y 0 = Ay. Entonces la solución general del sistema homogéneo
es y(t) = Y (t)c, donde c ∈ Rn es un vector cualquiera de escalares. La idea es buscar una solución
particular del sistema completo de la forma y (p) (t) = Y (t)v(t), donde v(t) es una función vectorial
que debemos determinar. Puesto que

(y (p) )0 (t) = Y 0 (t)v(t) + Y (t)v0 (t),

sustituyendo en la ecuación completa nos queda

Y 0 (t)v(t) + Y (t)v0 (t) = AY (t)v(t) + f (t).

Ahora bien, como Y 0 (t) = AY (t), entonces queda Y (t)v0 (t) = f (t) y, por tanto,

v0 (t) = [Y (t)]−1 f (t)


6 Lección 2. Sistemas de Ecuaciones Diferenciales

con lo que Z
v(t) = [Y (t)]−1 f (t) dt.

En resumen, la función vectorial


Z
(p)
y (t) = Y (t) [Y (t)]−1 f (t) dt

es una solución particular de la ecuación completa y 0 (t) = Ay(t) + f (t) cuya solución general es,
entonces, µZ ¶
−1
y(t) = Y (t) [Y (t)] f (t) dt + c

donde c ∈ Rn es un vector cualquiera de escalares.


El método de los coeficientes indeterminados. El método de los coeficientes indeterminados
que hemos visto para ecuaciones lineales de primer y segundo orden también se traslada a los
sistemas y 0 (t) = Ay(t) + f (t) de forma automática. Por ejemplo, si las funciones componentes
de f (t) son todas polinomios de orden tres, entonces se busca una solución particular y (p) (t)
cuyas funciones componentes sean también polinomios de orden tres cuyos coeficientes debemos
determinar. Imponiendo que esta y (p) (t) sea una solución del sistema completo, nos queda un
sistema de ecuaciones lineales escalares cuyas incógnitas son los oceficientes que buscamos.
Ejemplo. Queremos resolver el problema de valor inicial
· ¸ · ¸ · ¸
0 1 −1 t 0
y = y+ , y(0) = .
−1 1 3−t 7

Para ello, empezaremos resolviendo el sistema homogéneo asociado


· ¸
0 1 −1
y = y.
−1 1

Lo primero es determinar los autovalores y autovectores de la matriz A de los coeficientes. Puesto


que ¯ ¯
¯ 1 − λ −1 ¯
¯ ¯ 2
¯ −1 1 − λ ¯ = (1 − λ) − 1 = λ(λ − 2),

los autovalores son λ = 0 y µ = 2. Calcularemos ahora los autovectores. Para λ = 0


· ¸
1 −1
A − λI =
−1 1
· ¸
1
y está claro que los autovectores asociados son u = y sus múltiplos no nulos. Por otro
1
lado, para µ = 2 · ¸
−1 −1
A − µI =
−1 −1
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

· ¸
1
y está claro que los autovectores asociados son v = y sus múltiplos no nulos. En
−1
consecuencia, la solución general del sistema homogéneo asociado es
· ¸ · ¸
(h) λt µt 1 1
y (t) = c1 ue + c2 ve = c1 + c2 e2t .
1 −1

Para hallar la solución


· general
¸ del sistema completo basta con calcular una solución particu-
t
lar. Como el término sólo contiene polinomios de primer grado, usamos el método de
3−t
los coeficientes indeterminados y buscamos una solución de la forma
· ¸
(p) a + bt
y (t) = .
c + dt
Esta función debe verificar el sistema de ecuaciones, así que
· ¸ · ¸· ¸ · ¸ · ¸
(p) 0 b 1 −1 a + bt t a + bt − c − dt + t
(y ) (t) = = + = .
d −1 1 c + dt 3−t −a − bt + c + dt + 3 − t
Identificando componente a componente los polinomios de los dos miembros nos queda el sistema

a−b−c = 0,
b−d = −1,
−a + c − d = −3,
−b + d = 1

que es compatible indeterminado. Sumando las ecuaciones primera y tercera nos queda −b − d =
−3 que sumada a la cuarta −b + d = 1, nos da b = 1 y d = 2. Con estos valores, la ecuación
para a y c es a − c = 1 y, como sólo necesitamos una solución particular, podemos tomar a = 1
y c = 0. En consecuencia, la solución particular obtenida es
· ¸
(p) 1+t
y (t) =
2t
y, por tanto, la solución general de la ecuación es
· ¸ · ¸ · ¸
(h) (p) 1 1 2t 1+t
y(t) = y (t) + y (t) = c1 + c2 e + .
1 −1 2t
Finalmente, imponemos la condición inicial
· ¸ · ¸ · ¸ · ¸ · ¸
0 1 1 1 c1 + c2 + 1
= y(0) = c1 + c2 + =
7 1 −1 0 c1 − c2
de donde, sumando ambas componentes, obtenemos 7 = 2c1 + 1, con lo cual c1 = 3 y c2 = −4.
La solución del problema es, entonces,
· ¸ · ¸ · ¸ · ¸
(h) (p) 1 1 2t 1+t 4 + t − 4e2t
y(t) = y (t) + y (t) = 3 −4 e + = .
1 −1 2t 3 + 2t + 4e2t
8 Lección 2. Sistemas de Ecuaciones Diferenciales

Otra forma de proceder es, una vez resuelto el sistema homogéneo asociado, aplicar directa-
mente la fórmula del método de variación de los parámetros que nos dice que la solución general
de un sistema y 0 (t) = Ay(t) + f (t) es
µZ ¶
−1
y(t) = Y (t) [Y (t)] f (t) dt + c

donde c es un vector de escalares e Y (t) es una matriz fundamental de soluciones; es decir,


una matriz cuyas columnas forman una base del espacio vectorial de las soluciones del sistema
homogéneo asociado. En nuestro caso tenemos
· ¸ · ¸
1 e2t t
Y (t) = y f (t) = .
1 −e2t 3−t

Entonces, el vector x(t) = [Y (t)]−1 f (t) es la solución del sistema de ecuaciones


· ¸· ¸ · ¸
1 e2t x1 (t) t
=
1 −e2t x2 (t) 3−t

que, aplicando la regla de Cramer o bien el método de eliminación de Gauss, es


· ¸
3/2
x(t) =
−3e−2t /2 + te−2t

Sustituyendo esto en la fórmula e integrando tenemos


· ¸ µZ · ¸ · ¸¶
1 e2t 3/2 c1
y(t) = dt +
1 −e2t (t − 3/2)e2t c2
· ¸ µ· ¸ · ¸¶
1 e2t 3t/2 c1
= 2t 2t +
1 −e e (1 − t)/2 c2
· 2t
¸
t + 1/2 + c1 + c2 e
= .
2t − 1/2 + c1 − c2 e2t

Finalmente, imponemos las condiciones iniciales


· ¸ · ¸
0 1/2 + c1 + c2
= y(0) =
7 −1/2 + c1 − c2

de donde obtenemos c1 = 7/2 y c2 = −4 y, por tanto, la solución


· ¸
4 + t − 4e2t
y(t) = .
3 + 2t + 4e2t

3 El método de Euler
En esta sección vamos a estudiar cómo se puede adaptar el método de Euler para obtener solu-
ciones aproximadas de sistemas de ecuaciones diferenciales cualesquiera.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

Planteamiento del problema y notación. Queremos resolver el problema de valor inicial

y 0 = f (t, y) con y(t0 ) = y0

para los valores de t en un intervalo [t0 , tF ] en el que t0 representa el instante inicial de la situación
descrita por la ecuación y tF el instante final hasta el que deseamos llegar. Ahora y es una función
vectorial y : [t0 , tF ] → Rn y f : Rn × [t0 , tF ] → Rn es un campo vectorial continuo y con derivadas
parciales continuas, con lo cual puede probarse que el problema de valor inicial tiene solución
única en el intervalo de trabajo [t0 , tF ].
Como en el caso de las ecuaciones, fijamos n + 1 nodos igualmente espaciados en el intervalo
de trabajo
ti = t0 + ih, i = 0, 1, . . . , n
donde h = (tF − t0 )/n es el tamaño de paso. Una vez encontradas estas aproximaciones en los
nodos, interpolaremos para generar aproximaciones en los demás puntos del intervalo de trabajo
[t0 , tF ].
Llamaremos wi a la aproximación del valor exacto y(ti ) que vamos a ir obteniendo en cada
nodo
y(ti ) ≈ wi , i = 0, 1, . . . , n;
ahora cada wi es un vector de dimensión n.
El método de Euler. La idea del método sigue siendo truncar el desarrollo de Taylor de y para
quedarnos con su parte lineal. De acuerdo con el teorema de Taylor,

y(ti+1 ) ≈ y(ti ) + (ti+1 − ti )y 0 (ti ).

Usando que y satisface la ecuación diferencial y 0 = f (t, y) y escribiendo h en vez de ti+1 − ti nos
queda
y(ti+1 ) ≈ y(ti ) + hf (ti , y(ti )).
Si disponemos ya de una aproximación wi ≈ y(ti ), la fórmula anterior nos proporciona una
aproximación de y(ti+1 ):
y(ti+1 ) ≈ wi+1 := wi + hf (ti , wi ).
Puesto que y(t0 ) = y0 , podemos ir calculando los valores wi de forma iterativa:

w0 = y0 ,
wi+1 = wi + hf (ti , wi ), i = 0, 1, 2, . . . , n − 1.

Interpolación. Una vez que tenemos las aproximaciones (ti , wi ) para todos los nodos, si quere-
mos hallar una aproximación del valor y(t) de la solución en un punto t comprendido entre dos
nodos ti < t < ti+1 , entonces la aproximación viene dada por
wi+1 − wi
y(t) ≈ wi + (t − ti ),
h
que no es más que una interpolación lineal a trozos hecha coordenada a coordenada.
10 Lección 2. Sistemas de Ecuaciones Diferenciales

Ejemplo. Si aplicamos el método de Euler para resolver el sistema

y10 (t) = ty1 (t) + (y2 (t))2 ,


y20 (t) = t − y1 (t)y2 (t)
· ¸
1
en el intervalo [0, 1] con valores iniciales y(0) = , obtenemos los siguientes resultados
−1

ti y1 (ti ) y2 (ti )
0 1.0000 −1.0000
0.1 1.1000 −0.9000
0.2 1.1920 −0.7910
0.3 1.2784 −0.6767
0.4 1.3626 −0.5602
0.5 1.4484 −0.4439
0.6 1.5406 −0.3296
0.7 1.6439 −0.2188
0.8 1.7637 −0.1128
0.9 1.9061 −0.0129
1.0000 2.0777 0.0795

4 Introducción a la teoría cualitativa de los sistemas au-


tónomos
A finales del Siglo XIX aparece la teoría cualitativa, o geométrica, de las ecuaciones diferenciales,
motivada por cuestiones planteadas en el dominio de la mecánica celeste, donde precisamente
los métodos cuantitativos habían alcanzado sus logros más espectaculares, por ejemplo en la
predicción de los eclipses y de las posiciones de los planetas. En esa época se hizo evidente que las
técnicas de investigación cuantitativas –cálculo de soluciones exactas, resolución mediante desa-
rrollos en serie y métodos aproximados– no eran capaces de dar respuesta a cuestiones planteadas
en mecánica celeste como la estabilidad del sistema solar o el problema de los tres cuerpos. Para
la resolución de estos problemas, H. Poincaré (1854-1912) introduce en su famosa memoria de
1881 Sur les courbes definies par une équation différentielle, el punto de vista cualitativo, ideando
métodos matemáticos completamente nuevos que han sido, y siguen siendo, fuente de continuos
desarrollos de gran importancia en la historia reciente de las matemáticas.
Salvo en muy pocos casos, es imposible resolver explícitamente un sistema de ecuaciones
diferenciales ordinarias no lineales, que son los modelos matemáticos de muchos fenómenos de
evolución temporal. En consecuencia, a falta de soluciones explícitas, se plantean otras preguntas,
que hacen referencia a la existencia de conductas constantes o equilibrios, conductas periódicas
y recurrentes, y conductas a largo plazo o comportamientos asintóticos, junto con problemas de
estabilidad local y global; estos problemas constituyen el campo de investigación de la teoría
cualitativa de los sistemas dinámicos. Brevemente, el análisis cualitativo consiste en deducir
propiedades de las soluciones de un sistema de ecuaciones diferenciales sin necesidad de calcularlas
explícitamente.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

Ejemplos. (1) El problema de los tres cuerpos. Supongamos que tres cuerpos de masas m1 ,
m2 y m3 se mueven sometidos a las interacciones gravitatorias entre ellos. Si representamos por
vi (t) = [xi (t), yi (t), zi (t)] (para i = 1, 2, 3) sus posiciones en un instante t, entonces, de acuerdo
con la Ley de Gravitación de Newton, estos vectores deben verificar el sistema de 9 ecuaciones
diferenciales con 9 incóngitas
X mi mk (vk − vi )
vi00 (t) = G i = 1, 2, 3.
k6=i
kvk − vi k3

Este sistema no es lineal y no se puede resolver explícitamente. Sin embargo, Poincaré probó
que existen soluciones periódicas del mismo. Ésta es una de las cuestiones de interés en la teoría
cualitativa: saber si existen soluciones periódicas de un sistema de ecuaciones diferenciales no
lineal.
(2) El péndulo simple. Si llamamos φ(t) al ángulo que mide el desplazamiento de un péndulo
simple ideal de longitud desde su posición de equilibrio, entonces la función φ(t) verifica la
ecuación diferencial

φ00 (t) + g sen (φ(t)) = 0. φ (t )

De nuevo, no es posible obtener una solución explícita mediante una fórmula que involucre
las funciones elementales o una serie de potencias. Sin embargo, si las oscilaciones φ(t) son
pequeñas, entonces sen (φ(t)) ≈ φ(t) y podemos pensar que el movimiento del péndulo debe
parecerse mucho al descrito por la ecuación diferencial lineal
g
φ00 (t) + φ(t) = 0,

cuya solución general sí sabemos calcular:


p
φ(t) = c1 cos(ωt) + c2 sen (ωt), siendo ω =g/ .
p
Esta solución corresponde a un movimiento oscilatorio de período 2π /g y nuestra experiencia
nos dice que, efectivamente, para oscilaciones pendulares pequeñas, la solución oscilante de la
ecuación aproximada refleja bastante bien el comportamiento real. Éste es uno de los problemas
que se plantea la teoría cualitativa: saber si al cambiar ligeramente un sistema de ecuaciones
diferenciales para pasar a un sistema que sabemos resolver, por ejemplo lineal, entonces la solución
del sistema modificado se parece a la solución del sistema original.
Otra observación pertinente aquí es la siguiente. El péndulo ideal presenta dos posiciones de
equilibrio; es decir, dos posiciones en las que permanece sin moverse a menos que se le perturbe.
12 Lección 2. Sistemas de Ecuaciones Diferenciales

Una es cuando está boca abajo, es decir φ(t) = 0, y otra cuando está boca arriba, es decir
φ(t) = π. Pero hay una diferencia grande entre las dos. Si el péndulo se aparta ligeramente
de su equilibrio φ(t) = 0 entonces oscila ligeramente alrededor de éste, por lo que φ(t) = 0 se
llama equilibrio estable. Sin embargo, si se aparta ligeramente de su equilibrio φ(t) = π entonces
cae y no vuelve a pasar por éste, por lo que φ(t) = π se llama equilibrio inestable. Otro de los
problemas centrales de la teoría cualitativa es el análisis de la estabilidad de los equilibrios de un
sistema.
(3) El oscilador de van der Pol es un circuito LC conectado en paralelo con un dispositivo no
lineal que actúa como una resistencia variable de manera que la ecuación que verifica el voltaje
e(t) es
1
Ce00 (t) + (3Ae2 (t) − B)e0 (t) + e(t) = 0,
L
donde C es la capacidad, L la inductancia y A y B son dos constantes que dependen del dis-
positivo. Esta ecuación no es lineal y no puede resolverse explícitamente. Fue el ingeniero
holandés B. van der Pol (1899—1959) quien construyó este circuito en los años 20 observando
que, independientemente de las condiciones iniciales, el circuito evolucionaba hasta presentar
un movimiento oscilatorio aparentemente periódico. Los métodos cualitativos permiten probar
que, efectivamente, dicha ecuación –y otras parecidas– posee una solución periódica que es
atractiva, en el sentido de que cualquier otra solución tiende a largo plazo a coincidir con la
solución periódica.
(4) El sistema predador-presa de Volterra. Un problema de mucho interés en la ecología es el
análisis de las fluctuaciones en las poblaciones de predadores y presas que conviven en un cierto
hábitat. La primera persona que formuló un modelo para estudiar un problema de este tipo
fue el matemático italiano V. Volterra (1860—1940). Volterra postuló que, si x(t) representa la
población de presas e y(t) la de predadores, entonces

x0 (t) = ax(t) − bx(t)y(t),


y 0 (t) = −cy(t) + dx(t)y(t)

donde a, b, c y d son constantes positivas. Como en el caso anterior, este sistema es no lineal y no
puede resolverse explícitamente. Sin embargo, Volterra probó que las soluciones de este sistema
son periódicas, explicando así las fluctuaciones observadas en la evolución de las poblaciones.
(5) Si tenemos un circuito LRC sin fuente de voltaje, la carga q(t) presenta conducta oscilatoria
si R2 < 4L/C. Es decir, hay un cambio de conducta cualitativa –oscilar o no oscilar– cuando
el parámetro λ = CR2 /L pasa de ser menor que 4 a ser mayor que 4. Esto es lo que se conoce
como una bifurcación y es otro de los problemas que aborda de la teoría cualitativa: el cambio
de conducta de las soluciones (de oscilar a no oscilar, de estable a inestable, de periódica a no
periódica, etc.) en función de los valores de los parámetros de los que depende el sistema en
cuestión.
En esta sección presentamos únicamente las ideas básicas sobre la estabilidad de sistemas
autónomos, desarrollada primeramente para el caso lineal, es decir, para sistemas de coeficientes
constantes y 0 (t) = Ay(t) y después para sistemas no lineales.
Empezamos definiendo los principales elementos que aparecen en la teoría cualitativa.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

Definiciones. Un sistema autónomo de dimensión n es un sistema de n ecuaciones diferenciales

y 0 (t) = f (y(t))

donde f (y) es un campo vectorial de dimensión n con derivadas parciales continuas en una región
del espacio Rn . El sistema se llama autónomo, o invariante en el tiempo, porque el campo f (y) no
depende explícitamente de la variable temporal t. Puede probarse que si fijamos una condición
inicial y(0) = y0 , entonces este sistema tiene solución única.
Si lo que tenemos es, por ejemplo, una ecuación de segundo orden autónoma (como en los
casos del péndulo y del oscilador de van der Pol)

x00 (t) = g(x(t), x0 (t)),

la podemos convertir en un sistema autónomo tomando y1 (t) = x(t) e y2 (t) = x0 (t), con lo que
nos queda el sistema

y10 (t) = y2 (t)


y20 (t) = g(y1 (t), y2 (t)).

Si y0 ∈ Rn es un punto tal que f (y0 ) = 0, entonces la solución del problema de valor inicial

y 0 (t) = f (y(t)) y(0) = y0

es constante: y(t) = y0 para todo t ∈ R; o sea, las variables no se mueven del punto inicial. Se
dice entonces que y0 es un punto o solución de equilibrio del sistema.
Estabilidad. Se dice que la solución del problema de valor inicial

y 0 (t) = f (y(t)) y(0) = y0

es estable si al tomar un punto cercano a y0 como valor inicial, la solución correspondiente se


mantiene cerca de la solución de partida. Si, además, las soluciones que empiezan cerca no sólo
se mantienen cerca, sino que tienden a la solución dada, entonces se dice que es asintóticamente
estable.
Se dice que la solución es inestable cuando no es estable; es decir, cuando hay soluciones que
empiezan tan cerca como queramos pero que se alejan cuando el tiempo avanza.
Clasificación de los puntos de equilibrio. Nosotros nos centraremos en la estabilidad de
las soluciones de equilibrio que son puntos aislados; o sea, suficientemente cerca de ellos no hay
ningún otro punto de equilibrio. Para los puntos de equilibrio es fácil cuantificar las definiciones
anteriores. Si y0 es un punto de equilibrio, entonces
(1) El punto y0 es estable si dado p > 0 existe r > 0 tal que si y(t) es una solución para la
cual ky(0) − y0 k ≤ r, entonces ky(t) − y0 k ≤ p para todo t ≥ 0.
(2) El punto y0 es asintóticamente estable si existe r > 0 tal que si y(t) es una solución para
la cual ky(0) − y0 k ≤ r, entonces limt→∞ y(t) = y0 .
(3) El punto y0 es inestable si no es estable; en particular, si para cada r > 0 existe una
solución y(t) tal que ky(0) − y0 k ≤ r, pero limt→∞ y(t) = ∞.
14 Lección 2. Sistemas de Ecuaciones Diferenciales

En esta introducción a la teoría cualitativa, estudiaremos cómo clasificar los puntos de equi-
librio de un sistema autónomo en estables, asintóticamente estables o inestables; primero para
sistemas lineales y luego para sistemas no lineales. La existencia de soluciones periódicas y
el análisis de las bifurcaciones se escapan de los objetivos de este curso y se abordarán en la
asignatura optativa de quinto curso.
Como hemos dicho, empezaremos estudiando de manera detallada la estabilidad del origen
de coordenadas como punto de equilibrio de un sistema lineal con coeficientes constantes. La
razón es que, según veremos, el procedimiento de linealización de un sistema no lineal permite,
en muchos casos, reducir el estudio de la estabilidad de los puntos de equilibrio de un sistema no
lineal al de la estabilidad del origen en el caso lineal.
Estabilidad de los sistemas lineales autónomos. Es obvio que el origen de coordenadas
es siempre un punto de equilibrio de un sistema lineal autónomo y 0 (t) = Ay(t). Si, además, el
determinante de la matriz de los coeficientes es distinto de cero, entonces el origen es el único
punto de equilibrio del sistema. Si dicho determinante es igual a cero, entonces aparece un
subespacio, el núcleo de A, de puntos de equilibrio; este caso no es de interés en las aplicaciones,
así que no lo estudiaremos. Supondremos, entonces, que la matriz de los coeficientes A es no
singular o, equivalentemente, que sus autovalores son distintos de cero. Pues bien, la estabilidad
depende del signo de la parte real de los autovalores, pudiéndose distinguir los siguientes casos.

1. Si todos los autovalores tienen parte real estrictamente negativa, entonces el origen es un
punto de equilibrio asintóticamente estable.
2. Si todos los autovalores tienen parte real negativa o cero y los que tienen parte real cero son
no defectivos, entonces el origen es un punto de equilibrio estable pero no asintóticamente
estable.
3. Si algún autovalor tiene parte real estrictamente positiva o algún autovalor defectivo tiene
parte real cero, entonces el origen es un punto de equilibrio inestable.

Estabilidad de los puntos de equilibrio de sistemas no lineales autónomos. Sea ahora


y0 un punto de equilibrio de un sistema no lineal y 0 (t) = f (y(t)). Si aplicamos el Teorema de
Taylor, obtenemos que para y ≈ y0 se verifica
f (y) ≈ Df (y0 )(y − y0 )
donde Df (y0 ) es la matriz jacobiana del campo f en el punto y0 , es decir, la matriz de las
derivadas parciales de las componentes de f evaluadas en el punto y0 . Cabe pensar, entonces,
que el comportamiento del sistema no lineal cerca del punto de equilibrio sea parecido al del
sistema lineal y 0 (t) = Df (y0 )(y(t) − y0 ). Si hacemos una traslación en las variables dependientes,
x(t) = y(t) − y0 , entonces este sistema queda x0 (t) = Df (y0 )x(t). Este procedimiento de sustituir
el sistema no lineal por su parte lineal cerca de un punto de equilibrio se llama linealización y
funciona muy bien en muchos casos como pone de manifiesto el siguiente teorema (en el que se
usa la notación recién introducida).
Teorema de Linealización de Liapunov y Poincaré. (1) El punto y0 es un punto de
equilibrio asintóticamente estable de un sistema no lineal autónomo plano si todos los autovalores
de la matriz de jacobiana Df (y0 ) tienen parte real estrictamente negativa.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 15

(2) El punto y0 es un punto de equilibrio inestable de un sistema no lineal autónomo plano si


algún autovalor de la matriz jacobiana Df (y0 ) tiene parte real estrictamente positiva.
Sin embargo, el procedimiento de linealización no funciona si hay autovalores con parte real
cero y los demás tienen parte real negativa.

5 Ejercicios
Ejercicio 1 Resuelve el siguiente problema de valor inicial
· ¸ · ¸ · ¸
0 4 1 0 1
y = y+ t , y(0) = .
−2 1 −2e 0

Ejercicio 2 Resuelve el siguiente problema de valor inicial


· ¸ · ¸ · ¸
0 4 2 15 −2t 1
y = y− te , y(0) = .
3 −1 4 −1

Ejercicio 3 Resuelve el siguiente problema de valor inicial


· ¸ · t ¸ · ¸
0 4 5 4e cos(t) 0
y = y+ , y(0) = .
−2 −2 0 0

Ejercicio 4 Resuelve el siguiente problema de valor inicial


· ¸ · ¸ · ¸
0 −1 −1 2 t 2
y = y+ e, y(0) = .
−4 3 2 2

Ejercicio 5 Resuelve el siguiente problema de valor inicial


· ¸ · ¸ · ¸
0 −3 1 2 −2t 1
y = y+ e , y(0) = .
−1 −1 2 0

Ejercicio 6 Resuelve el siguiente problema de valor inicial


   2   
−1 −1 0 t 6
y 0 =  0 −1 −1  y +  2t  , y(0) =  −2  .
0 0 −1 t 1

Ejercicio 7 Resuelve el siguiente problema de valor inicial


     
2 0 1 1 1
0  
y = 0 2 0 y+ 0 e ,   2t
y(0) = 1  .

0 1 3 1 1
16 Lección 2. Sistemas de Ecuaciones Diferenciales

Ejercicio 8 Resuelve el siguiente problema de valor inicial


   t   
0 1 1 e 1
y0 =  1 0 1  y +  0  , y(0) =  −1  .
1 1 0 0 0

Ejercicio 9 Resuelve el siguiente problema de valor inicial


     
1 1 −1 1 1
0 
y = −3 −3  
3 y+ t ,  y(0) = 0  .

−2 −2 2 0 1

Ejercicio 10 Resuelve el siguiente problema de valor inicial


   −t   
−2 3 3 e 0
0
y =  0 −3 
1 y+  0  , y(0) = 0  .

0 1 −3 0 1

Ejercicio 11 Aproxima la solución del problema de valor inicial

x0 = y(1 + x + y 2 ), x(0) = 1,
y 0 = xy(1 + x2 + 2y 2 ), y(0) = 2

en el intervalo [0, 1] usando el método de Euler con h = 0.2.


Ejercicio 12 Aproxima la solución del problema de valor inicial

x0 = y(1 − x − 2y 2 ), x(0) = −1,


y 0 = x(1 − x + y), y(0) = 0

en el intervalo [0, 1] usando el método de Euler con h = 0.1.


Ejercicio 13 Aproxima la solución del problema de valor inicial

y 00 + ty 0 − t2 y = 1 + t, y(0) = 1, y 0 (0) = −2

en el intervalo [0, 1]. Para ello, transforma la ecuación en un sistema y usa el método de Euler
con h = 0.1.
Ejercicio 14 Aproxima la solución del problema de valor inicial correspondiente al movimiento
de un péndulo de longitud unidad

y 00 + 10sen (y) = 0 con y(0) = π/6, y 0 (0) = 0

en el intervalo [0, 1]. Para ello, transforma la ecuación en un sistema y usa el método de Euler
con h = 0.1. Compara los resultados con lo que se obtiene linealizando la ecuación.
Ejercicio 15 Aproxima la solución del problema de valor inicial
1
y 00 + t2 y 0 − 3ty = con y(0) = −1, y 0 (0) = 0
1 + t2
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 17

en el intervalo [0, 1]. Para ello, transforma la ecuación en un sistema y usa el método de Euler
con h = 0.1.
Ejercicio 16 Determina la estabilidad del origen como punto de equilibrio de los siguientes
sistemas:
x0 = −y x0 = 4x − y x0 = x − 4y
(1) (2) (3)
y 0 = 8x − 6y y 0 = −2x + 5y y 0 = −8x + 4y
x0 = 4x − 2y x0 = 2y x0 = −5x + y
(4) 0 (5) 0 (6) 0
y = 5x + 2y y = −2x − y y = x − 5y.

Ejercicio 17 Determina la estabilidad de los puntos de equilibrio de los siguientes sistemas:

1. x0 = (2 − x − 2y)x, y 0 = (2 − 2x − y)y,

2. x0 = y 2 − 3x + 2, y 0 = x2 − y 2 ,

3. x0 = 4 − 4x2 − y 2 , y 0 = 3xy,

4. x0 = (1 + x)(1 − y), y 0 = x(y 2 − 4).

Ejercicios y cuestiones de exámenes de cursos anteriores.


Ejercicio 18 Resuelve el problema de valor inicial
· ¸ · ¸
0 −2 2 0
y = y, y(0) = .
−2 3 −3

Ejercicio 19 Resuelve el problema de valor inicial


· ¸ · ¸
0 0 −1 1
y = y, y(0) = .
1 2 2

Ejercicio 20 Resuelve el problema de valor inicial


· ¸ · ¸
0 2 −1 1
y = y, y(0) = .
−2 1 0

Ejercicio 21 Resuelve el siguiente problema de valor inicial


· ¸ · ¸ · ¸
0 0 −1 0 2
y = y+ , y(0) = .
2 −3 3sen (t) − cos(t) 4

Ejercicio 22 Resuelve el problema de valor inicial


· ¸ · ¸ · ¸
0 1 −1 t 0
y = y+ , y(0) = .
−1 1 3−t 7
18 Lección 2. Sistemas de Ecuaciones Diferenciales

Ejercicio 23 Resuelve el problema de valor inicial


· ¸ · t ¸ · ¸
0 2 1 2e 1
y = y+ , y(0) = .
0 2 0 2

Ejercicio 24 Resuelve el problema de valor inicial


· ¸ · ¸ · ¸
0 2 1 (1 − t)et 3
y = y+ , y(0) = .
1 2 −tet 1

Ejercicio 25 Resuelve el problema de valor inicial


    
3 0 1 −3et 2
y 0 =  2 −1 3  y +  −5et  , y(0) =  2  .
−1 0 5 −3et 2

Ejercicio 26 Considera la ecuación diferencial


y 00 + ty 0 + ty = 1 − t.
Transfórmala en un sistema de ecuaciones diferenciales y da dos pasos del método de Euler para
resolver el problema de valor inicial correspondiente a y(0) = 1 e y 0 (0) = 1 con tamaño de paso
h = 0.2.
Ejercicio 27 Considera el sistema de ecuaciones diferenciales
x0 = xy + x + y − 3,
y 0 = −x + y.

(1) Da dos pasos del método de Euler para resolver el problema de valor inicial correspondiente
a x(0) = 1 e y(0) = 4 con tamaño de paso h = 0.1.
(2) Determina y clasifica sus puntos de equilibrio.
Ejercicio 28 Determina y, si es posible, clasifica los puntos de equilibrio del sistema
x0 = x − y 2 ,
y 0 = x − y − 2.
Si no es posbile clasificar alguno, indica por qué.
Ejercicio 29 (1) Enuncia el teorema de linealización de Liapunov y Poincaré.
(2) Determina y clasifica los puntos de equilibrio del sistema no lineal
x0 = x2 − y 2 ,
y 0 = (x − 1)(y + 3x + 4).

Ejercicio 30 (1) Enuncia el teorema de linealización de Liapunov y Poincaré.


(2) Determina y clasifica los puntos de equilibrio del sistema no lineal
x0 = (x − 1)(y + 1),
y 0 = x2 y + 4x + 2y + 2.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 19

6 Bibliografía

Para desarrollar esta lección pueden consultarse los siguientes textos, en especial el de Braun. El
de James incluye varias aplicaciones a la ingeniería. El de Simmons tiene muchos ejemplos pero
el tratamiento teórico no se ajusta al nuestro porque no se basa en las técnicas y los resultados
del álgebra lineal.
[517,9/2-BRA] M. Braun, Ecuaciones diferenciales y sus aplicaciones, Capítulos 3 y 4.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Capítulo 6.
[517.9/2-SIM] G.F. Simmons, Ecuaciones diferenciales, Capítulos 10 y 11.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 3.

TRANSFORMACIÓN DE LAPLACE.

Curso 2006-07

1 Definición y propiedades de la transformación de La-


place
En esta lección presentamos un nuevo procedimiento para la resolución de ecuaciones y sistemas
lineales con coeficientes constantes: el método de la transformación de Laplace, que será espe-
cialmente adecuado para el caso no homogéneo con condiciones iniciales en el origen.
El uso del concepto de transformación de Laplace es un elemento central del análisis y el
diseño de sistemas en la ingeniería. Este tipo de métodos, también llamados métodos operacio-
nales, fue propuesto por el ingeniero inglés O. Heaviside (1850—1925) para resolver las ecuaciones
diferenciales que aparecen en el estudio de los circuitos eléctricos ya que permiten pasar de una
ecuación diferencial a una ecuación algebraica. Usando estas ideas, Heaviside fue capaz de resolver
problemas sobre la propagación de la corriente eléctrica a lo largo de cables que no podían ser
resueltos usando los métodos clásicos. Si bien los métodos operacionales demostraron ser muy
potentes en sus aplicaciones, fueron catalogados como poco rigurosos. Ello puede explicar que
el reconocimiento de las aportaciones de Heaviside llegara tardíamente. La transformación de
Laplace, introducida por P.S. Laplace un siglo antes en sus estudios sobre probabilidad, fue
posteriormente utilizada para proporcionar una base matemática sólida al cálculo operacional de
Heaviside.
La idea es trasladar el problema desde el espacio original de las funciones y(t) soluciones de la
ecuación diferencial –el dominio del tiempo– al espacio de sus transformadas Y (s) –el dominio
de la frecuencia– donde el problema se expresa en términos de resolver una ecuación algebraica
lineal, cuya solución deberá ser antitransformada para obtener la solución de la ecuación dife-
rencial original. El método de la transformación de Laplace, en razón de su capacidad para
algebrizar los problemas de ecuaciones diferenciales ordinarias, es ampliamente utilizado en la
teoría de circuitos y en la teoría de sistemas lineales de control. Estas aplicaciones se estudian a
fondo en las asignaturas correspondientes, nosotros daremos una somera introducción al estudio
de los sistemas lineales en ingeniería, presentando el concepto básico de función de transferencia.
2 Lección 3. Transformación de Laplace

Definición. Sea f : [0, ∞) → R una función continua o continua a trozos. La transformada de


Laplace de f es la función F definida por
Z ∞
F (s) = f (t)e−st dt
0

en los valores de s para los que dicha integral impropia es absolutamente convergente. Como los
valores de f (t) para t < 0, si es que existen, no intervienen en la definición de transformada de
Laplace, se suele suponer, simplemente, que f (t) = 0 para t < 0 y se dice, en ese caso, que f es
una función causal.
Ejemplos. Las siguientes funciones f (t) tienen la transformada de Laplace F (s) indicada

f (t) → F (s) f (t) → F (s)


1 n!
(1) 1→ (s > 0) (2) tn → n+1 (s > 0)
s s
Γ(a + 1) 1
(3) ta → (s > 0) (4) at
e → (s > a)
sa+1 s−a
a s
(5) sen (at) → 2 (s > 0) (6) cos(at) → 2 (s > 0)
s + a2 s + a2
a s
(7) senh(at) → 2 (s > |a|) (8) cosh(at) → 2 (s > |a|)
s − a2 s − a2
Observaciones. (1) Vemos en todos estos ejemplos que el conjunto de valores s en los que está
R ∞ de Laplace es un intervalo de la forma (σ f , ∞). Esto es
definida la correspondiente transformada
cierto en general porque si la integral 0 f (t)e−st dt converge absolutamente para un cierto valor
del parámetro s entonces, por el criterio de comparación, también converge para todos los valores
mayores que el dado. El ínfimo σ f de los valores de s para los que está definida la transformada
de Laplace F (s) de una función f (t) se llama abscisa de convergencia y puede probarse que la
función F es continua en (σ f , ∞) y que lims→∞ F (s) = 0.
(2) No hay ningún problema en considerar valores complejos del parámetro s. Si s = σ + jω,
entonces
¯ −st ¯ ¯ −(σ+jω)t ¯ ¯ −σt ¯ ¯ −jωt ¯ ¯ −σt ¯ ¯ ¯
¯e ¯ = ¯e ¯ = ¯e ¯ ¯e ¯ = ¯e ¯ (cos(ωt) − jsen (ωt)) = ¯e−σt ¯ ,
R∞
de manera que, a la hora de estudiar la convergencia absoluta de 0 f (t)e−st dt, sólo influye la
parte real de s, y su región de convergencia será un semiplano del plano complejo de la forma
Re(s) > σ f .
(3) Cuando la variable t representa el tiempo, el parámetro s tiene las dimensiones de una
frecuencia porque en las aplicaciones se exige que e−st sea adimensional. Por ello se dice que f (t)
actúa en el dominio del tiempo y que su transformada de Laplace F (s) actúa en el dominio de
la frecuencia.
(4) La notación dada utiliza las letras minúsculas para las funciones que actúan en el dominio
del tiempo y las correspondientes letras mayúsculas para sus transformadas de Laplace (f (t) ↔
F (s)) y, normalmente, no produce confusiones. Otras notaciones habituales son L{f } o L{f }.
(5) Puede extenderse la noción de transformadaRde Laplace a algunas funciones f (t) que no

son continuas en t = 0 y para las que la integral 0 f (t)e−st dt es impropia y absolutamente
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3


convergente también en
pel extremo inferior. El ejemplo típico es f (t) = 1/ t cuya transformada
de Laplace es F (s) = π/s para s > 0.
(6) Cuando tengamos una función en el dominio de la frecuencia F (s) y calculemos una función
f (t) en el dominio del tiempo cuya transformada de Laplace sea la función F dada, diremos que
f es la transformada de Laplace inversa o, más coloquialmente, la anti-transformada de F , lo que
se suele escribir f = L−1 {F }. Puede probarse que f es única salvo, a efectos prácticos, cambios
de sus valores en un número finito de puntos.
(7) No todas las funciones continuas admiten transformada de Laplace. El ejemplo típico de
2
esta situación es la función f (t) = et .
Definición. La función de Heaviside, o función de salto en el origen,viene dada por
½
0 si t < 0
h0 (t) =
1 si t > 0.

La función de salto en un punto a ≥ 0 se define de la siguiente manera


½
0 si t < a
ha (t) = h0 (t − a) =
1 si t > a.

El valor de ha (t) en el punto t = a no lo hemos definido y, de hecho, en el contexto de la


transformación de Laplace no influye a la hora de calcular las integrales que aparecen. A veces
se pone el valor 0 para que sea continua por la izquierda, a veces se pone 1 para que sea continua
por la derecha y otras veces se pone 1/2.
No existe una notación muy extendida para la función de salto. Nosotros usamos ha (t) (“h”
por Heaviside y minúscula para mantener el convenio de usar letras minúsculas para las funciones
en el dominio del tiempo) pero en otros libros aparece Ha (t) o u(t). Estas funciones son muy
útiles para trabajar con funciones discontinuas; esto lo veremos en especial cuando estudiemos
cómo se aplica la transformación de Laplace a la resolución de ecuaciones diferenciales lineales.
Calculando la correspondiente integral, es muy fácil ver que la transformada de Laplace de la
e−as
función de salto ha (t) = h0 (t − a) es Ha (s) = para s > 0.
s
Propiedades de la transformación de Laplace. Vamos a describir ahora algunas de las
propiedades más importantes de la transformación de Laplace. Éstas nos permitirán construir
nuevas parejas f (t) ↔ F (s) sin necesidad de calcular directamente las integrales impropias.
Linealidad. Si a y b son números reales entonces la transformada de Laplace de af (t) + bg(t)
es aF (s) + bG(s) para s > max{σ f , σ g }. O sea,

L{af + bg} = aL{f } + bL{g}.

Ejemplo. Un pulso rectángular es una función constante y no nula en un cierto intervalo de


tiempo [t1 , t2 ] que vale cero fuera de dicho intervalo, o sea,
½
k si t1 < t < t2 ,
f (t) =
0 en otro caso.
4 Lección 3. Transformación de Laplace

Escribiendo f (t) = k (ht1 (t) − ht2 (t)) = k (h0 (t − t1 ) − h0 (t − t2 )), la propiedad de linealidad nos
k
dice que su transformada de Laplace es F (s) = (e−t1 s − e−t2 s ).
s
Traslación en el dominio de la frecuencia. Si a es un número real entonces la transformada
de Laplace de eat f (t) es F (s − a) para s > a + σ f . O sea,
L{eat f (t)} = L{f }(s − a).

Ejemplos. Aplicando esta propiedad podemos dar los pares (11)—(14) de la lista siguiente.

f (t) → F (s) f (t) → F (s)


√ p e−as
(9) 1/ t → π/s (s > 0) (10) ha (t) → (s > 0)
s
n! Γ(b + 1)
(11) eat tn → (s > a) (12) eat tb → (s > a)
(s − a)n+1 (s − a)b+1
b s−a
(13) eat sen (bt) → (s > a) (14) eat cos(bt) → (s > a)
(s − a)2 + b2 (s − a)2 + b2

Traslación en el dominio del tiempo. Si a ≥ 0 es un número real entonces la transformada


de Laplace de la función trasladada f (t − a)h0 (t − a) es e−as F (s) para s > σ f . En otras palabras,
L{f (t − a)h0 (t − a)} = e−as L{f }.

Transformada de Laplace de una función periódica. Sea f (t) una función periódica de
período T , o sea f (t + T ) = f (t) para todo t ≥ 0. La transformada de Laplace F (s) de f (t) es
Z T
1
L{f } = F (s) = e−st f (t) dt.
1 − e−sT 0

Derivada de la transformada de Laplace. La transformada de Laplace F (s) de una función


f (t) es derivable y se tiene que F 0 (s) es la transformada de Laplace de −tf (t) para s > σ f . De
hecho, por inducción, se tiene que
n
n n d L{f }
L{t f (t)} = (−1) para n = 1, 2, . . . y s > σ f .
dsn

2 Aplicación a las ecuaciones diferenciales lineales de se-


gundo orden.
Supongamos que tenemos el problema de valores iniciales
y 00 (t) + py 0 (t) + qy(t) = r(t) con y(0) = y0 e y 0 (0) = y00 .
El método de la transformación de Laplace para resolver este problema consiste en calcular las
transformadas de Laplace de ambos miembros de esta ecuación. Para ello necesitamos saber qué
relación hay entre las transformadas de Laplace de una función y de su derivada.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

Transformada de Laplace de una derivada y de una integral. La transformada de Laplace


de la derivada f 0 (t) de una función derivable f (t) es sF (s) − f (0) para s > σ f . Es decir,

L{f 0 } = sL{f } − f (0).

Aplicando esto a f 0 tenemos, como consecuencia, la transformada de la derivada segunda

L{f 00 } = s2 L{f } − sf (0) − f 0 (0).


Rt
Análogamente, aplicándolo a la función integral 0 f (τ ) dτ , tenemos
½Z t ¾
1
L f (τ ) dτ = F (s).
0 s

Teoremas del valor inicial y final. (1) Teorema del valor inicial: Si existe lim sF (s), entonces
s→∞

lim sF (s) = lim+ f (t).


s→∞ t→0

(2) Teorema del valor final: Si existe lim f (t) y la abscisa de convergencia es σ f < 0, entonces
t→∞

lim f (t) = lim sF (s).


t→∞ s→0

Aplicación a las ecuaciones diferenciales lineales de segundo orden. Volvamos al pro-


blema de valores iniciales

y 00 (t) + py 0 (t) + qy(t) = r(t) con y(0) = y0 e y 0 (0) = y00

y sean Y (s) = L{y(t)} y R(s) = L{r(t)}. Entonces, calculando las transformadas de Laplace de
ambos miembros de esta ecuación, tenemos

s2 Y (s) − sy(0) − y 0 (0) + p [sY (s) − y(0)] + qY (s) = R(s).

Reordenando y usando las condiciones iniciales, nos queda

(s2 + ps + q)Y (s) = R(s) + (s + p)y0 + y00 ,

de donde
R(s) + (s + p)y0 + y00
Y (s) = .
s2 + ps + q
Esto nos proporciona la transformada de Laplace Y (s) de nuestra solución, así que

y(t) = L−1 {Y (s)}

y la cuestión ahora es calcular la transformada inversa. Veamos un ejemplo.


Ejemplo. Vamos a resolver el problema de valor inicial

y 00 + 5y 0 + 6y = 2e−t con y(0) = 1 e y 0 (0) = 0.


6 Lección 3. Transformación de Laplace

2
Como L{2e−t } = 2L{e−t } = , la transformada de Laplace de la solución y es
s+1
2
+s+5 2 s+5
s
Y (s) = 2+ 1 = + .
s + 5s + 6 (s + 1)(s + 2)(s + 3) (s + 3)(s + 2)

Para hallar la transformada inversa de Y (s), descomponemos en fracciones simples


1 1 1
Y (s) = + − ,
s+1 s+2 s+3
con lo que, de acuerdo con la tabla de transformadas,
½ ¾ ½ ¾ ½ ¾
−1 −1 1 −1 1 −1 1
y(t) = L {Y } = L +L −L = e−t + e−2t − e−3t .
s+1 s+2 s+3

El método de la transformación de Laplace convierte la ecuación diferencial

y 00 (t) + py 0 (t) + qy(t) = r(t) con y(0) = y0 e y 0 (0) = y00

en un problema sin derivadas


R(s) + (s + p)y0 + y00
Y (s) =
s2 + ps + q
que puede resolverse descomponiendo en fracciones simples y, después, calculando la transformada
inversa de cada fracción usando la tabla de pares f (t) ↔ F (s) conocidos.
Una observación importante es que el denominador s2 + ps + q que aparece a la derecha
−1
coincide con la ecuación auxiliar de la ecuación diferencial. La función (s2 + ps + q) , que no
depende del término independiente r(t) de la ecuación diferencial, sino de los coeficientes de y 00 ,
y 0 e y, se llama función de transferencia de la ecuación; volveremos sobre ella en la última sección
de la lección.
Usando la propiedad de la derivada de la transformada de Laplace, podemos emplear este
método para ecuaciones con coeficientes polinómicos.
Ejemplo. La función de Bessel de orden cero J0 (t) es la solución de la ecuación de Bessel
ty 00 + y 0 + ty = 0 tal que y(0) = 1. Es posible construir esta función mediante una serie de
potencias:
t2 t4 t6
J0 (t) = 1 − 2 + 2 2 − 2 2 2 + · · · ,
2 2 ·4 2 ·4 ·6
Veamos cómo calcular su transformada de Laplace. Si aplicamos la transformación de Laplace a
la ecuación nos queda
d ¡ 2 ¢ d
− s Y (s) − s − y 0 (0) + sY (s) − 1 − Y (s) = 0,
ds ds
o sea,
(s2 + 1)Y 0 = −sY.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

c
Separando variables e integrando resulta Y (s) = √ para una cierta constante c. Usando
2
s +1
el teorema del valor inicial puede verse que c = 1, así que
1
L{J0 (t)} = √ .
2
s +1

En la práctica pueden darse ecuaciones que contienen tanto derivadas como integrales de la
función incógnita. Un ejemplo típico es la ecuación de un circuito LRC que puede escribirse con
la intensidad de corriente i(t) como incógnita
Z
0 1 t
Li (t) + Ri(t) + i(τ ) dτ = e(t) con i(0) = i0 .
C 0
Naturalmente, podemos derivar y transformar esta ecuación en una ecuación diferencial con la
carga q(t) como incógnita. Sin embargo, podemos trabajar con la integral usando la fórmula
para la transformada de Laplace de una integral. Llamando I(s) = L{i(t)} nos queda
1
L(sI(s) − i0 ) + RI(s) + I(s) = L{e(t)},
Cs
luego
L{e(t)} + Li0
I(s) = .
1
sL + R +
Cs
Ecuaciones con término independiente discontinuo. Si el segundo miembro r(t) de la
ecuación y 00 (t) + py 0 (t) + qy(t) = r(t) es una función discontinua, por ejemplo una función con un
salto, difícilmente podemos esperar que la ecuación tenga una solución con derivada continua. Los
métodos que vimos en las lecciones anteriores no sirven para hallar una solución. Sin embargo, el
método de la transformación de Laplace sí permite trabajar con este tipo de ecuaciones mediante
las propiedades de las funciones de salto ha (t) y sus transformadas.
Ejemplo. Tenemos un circuito RC (o sea, con L = 0) en reposo (o sea, con i(0) = 0) que se
conecta con una pila de v0 voltios durante t0 segundos. La ecuación que gobierna la intensidad
de corriente en el circuito es
Z ½ ¾
1 t v0 si 0 < t < t0 ,
Ri(t) + i(τ ) dτ = = v0 (h0 (t) − ht0 (t)) = v0 (1 − h0 (t − t0 )) .
C 0 0 si t > t0 .
Llamando I(s) = L{i(t)} y usando la transformación de Laplace nos queda
1 v0 ¡ ¢
RI(s) + I(s) = 1 − e−t0 s ,
Cs s
luego
v0 /R ¡ ¢
I(s) = 1 − e−t0 s .
s + (1/RC)
Usando las propiedades de traslación en el dominio del tiempo y en el dominio de la frecuencia
para calcular la transformada inversa obtenemos, finalmente, la solución
v0 ¡ −t/RC ¢
i(t) = L−1 {I(s)} = e − e−(t−t0 )/RC h0 (t − t0 ) ,
R
8 Lección 3. Transformación de Laplace

o, más cómodamente,
 v0

 e
−t/RC
si 0 < t < t0 ,
R
i(t) = ¡ ¢
 v0 e−t/RC 1 − et0 /RC

si t > t0 .
R

Aplicación de la transformación de Laplace a la resolución de sistemas. Una buena


opción, sobre todo para el caso de un problema de valor inicial (en el origen) de dimensión no
muy alta
y 0 (t) = Ay(t) + f (t) con y(0) = y0 ,
es transformar ambos miembros coordenada a coordenada. Si llamamos
   
L{y1 (t)} L{f1 (t)}
 L{y2 (t)}   L{f2 (t)} 
   
L{y(t)} =  ..  y L{f (t)} =  .. ,
 .   . 
L{yn (t)} L{fn (t)}

entonces L{y 0 (t)} = sL{y(t)} − y0 , con lo que obtenemos

sL{y(t)} − y0 = AL{y(t)} + L{f (t)}.

Es decir, L{y(t)} es la solución del sistema de ecuaciones escalares

(sI − A)L{y(t)} = y0 + L{f (t)},

o bien, L{y(t)} = (sI − A)−1 [y0 + L{f (t)}].


Una vez hallado el vector L{y(t)} de las transformadas de Laplace de las componentes de la
solución y(t) para obtener ésta, basta anti-transformar.
Ejemplo. Consideremos el problema de valor inicial
· ¸ · ¸ · ¸
0 1 −1 t 0
y = y+ con y(0) = .
−1 1 3−t 7

Si llamamos Y1 (s) = L{y1 (t)} e Y2 (s) = L{y2 (t)}, entonces el sistema transformado es
· ¸ · ¸· ¸ · ¸
sY1 (s) 1 −1 Y1 (s) s−2
= + ,
sY2 (s) − 7 −1 1 Y2 (s) 3s−1 − s−2

donde hemos usado que

L{y10 (t)} = sY1 (s) − y1 (0), L{y20 (t)} = sY1 (s) − y2 (0) y L{tn } = (n!)s−n−1 .

Ahora ordenamos el sistema pasando todas las incógnitas al primer miembro y nos queda
· ¸· ¸ · ¸
s−1 1 Y1 (s) s−2
= .
1 s−1 Y2 (s) 7 + 3s−1 − s−2
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

Resolvemos este sistema aplicando la regla de Cramer (o también se podría usar, intercambiando
el orden de las ecuaciones, el método de eliminación de Gauss) obteniendo

(s − 1)s−2 − (7 + 3s−1 − s−2 ) −7 − 2s−1 −7s − 2


Y1 (s) = 2
= = 2
(s − 1) − 1 s(s − 2) s (s − 2)
−1 −2
(s − 1)(7 + 3s − s ) − (s − 2) 7s − 4 − 4s−1 7s2 − 4s − 4
Y2 (s) = = = .
(s − 1)2 − 1 s(s − 2) s2 (s − 2)

Para hallar las anti-transformadas, descomponemos en fracciones simples. Para la primera com-
ponente, tenemos

−7s − 2 a b c a(s − 2) + bs(s − 2) + cs2


Y1 (s) = = + + =
s2 (s − 2) s2 s s − 2 s2 (s − 2)

de donde, identificando los coeficientes de los numeradores,

b + c = 0, a − 2b = −7 y − 2a = −2,

con lo que a = 1, b = 4 y c = −4, así que


½ ¾
−1 1 4 −4
y1 (t) = L 2
+ + = t + 4 − 4e2t .
s s s−2

Para la segunda componente, tenemos

7s2 − 4s − 4 a b c a(s − 2) + bs(s − 2) + cs2


Y2 (s) = = + + =
s2 (s − 2) s2 s s − 2 s2 (s − 2)

de donde, identificando los coeficientes de los numeradores,

b + c = 7, a − 2b = −4 y − 2a = −4,

con lo que a = 2, b = 3 y c = 4, así que


½ ¾
−1 2 3 4
y2 (t) = L 2
+ + = 2t + 3 + 4e2t .
s s s−2

Observación. En los ejemplos de esta sección hemos visto que el último paso en la aplicación
de la transformación de Laplace es el cálculo de una transformada inversa. Las tres ideas básicas
para anti-transformar son, en espíritu, las mismas que las del cálculo de primitivas: conocer las
anti-transformadas de las funciones más usuales, saber aplicar técnicas básicas (específicamente,
la descomposición en fracciones simples) para reducir una transformada complicada a una com-
binación de transformadas más simples y conocer los teoremas sobre transformadas para poder
aplicarlos. De todas formas, existen tablas de transformadas de Laplace que recogen la práctica
totalidad de las que suelen aparecer en las aplicaciones a las diversas ramas de la ingeniería.
10 Lección 3. Transformación de Laplace

3 El producto de convolución.
Producto de convolución. No es cierto que la transformada de Laplace de un producto sea
el producto de las transformadas de Laplace de los factores: L{f g} 6= L{f }L{g} en general.
Sin embargo, el cálculo de la transformada inversa de un producto L{f }L{g} puede hacerse de
manera relativamente simple.
Definición. Dadas dos funciones f, g : [0, ∞) → R, su producto de convolución es la función
f ∗ g definida para t ≥ 0 por
Z t
(f ∗ g)(t) = f (τ )g(t − τ ) dτ .
0

El producto de convolución tiene una serie de propiedades fáciles de probar. Por ejemplo, es
conmutativo, asociativo y distributivo:
f ∗ g = g ∗ f, f ∗ (g ∗ h) = (f ∗ g) ∗ h, y (af + bg) ∗ h = a(f ∗ h) + b(g ∗ h).
La propiedad más importante es la expresión de su transformada de Laplace.
Transformada de Laplace del producto de convolución. Dadas f, g : [0, ∞) → R, se tiene
que
L{f ∗ g} = F (s)G(s) (s ≥ max{σ f , σ g }).

La función delta de Dirac. En muchas situaciones de la ingeniería se busca la respuesta de


un sistema cuando se le aplica una fuerza externa muy intensa pero durante un intervalo muy
corto de tiempo, lo que se conoce como una fuerza impulsiva. Para modelar estas situaciones
se introduce un objeto, la función delta de Dirac δ t0 (t), o función de impulso, mediante las
siguientes propiedades:
½ Z ∞ Z ∞
dht0 (t) 0 si t 6= t0 ,
δ t0 (t) = = δ t0 (t) dt = 1, y δ t0 (t)f (t) dt = f (t0 ).
dt ∞ si t = t0 , −∞ −∞

La función delta de Dirac no es una función en el sentido habitual, pero es un ejemplo de lo que
se conoce como funciones generalizadas o distribuciones para las que existen las correspondientes
nociones de derivada e integral. Manejadas con cuidado, las propiedades que hemos mostrado
proporcionan resultados de contenido práctico que no se pueden obtener por los métodos usuales,
lo que hace de esta función una herramienta muy útil. Como tal, la función delta de Dirac es
físicamente irrealizable, pero podemos aproximarla suficientemente bien de una manera que,
además, nos permite entender de dónde vienen sus propiedades.
Para cada n = 1, 2, . . . , sean dn (t) la función definida por
½
n si t0 ≤ t < t0 + 1/n,
dn (t) =
0 en otro caso,
y gn (t) la función integral de dn (t),

Z t  0 si t < t0 ,
gn (t) = dn (τ ) dτ = n(t − t0 ) si t0 ≤ t ≤ t0 + 1/n,
0 
1 si t ≥ t0 + 1/n.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

Entonces gn0 (t) = dn (t) salvo para t = t0 y t = t0 + 1/n. Si tomamos límite para n → ∞
obtenemos
½ ½
0 si t 6= t0 , 0 si t < t0 ,
lim dn (t) = δ t0 (t) = y lim gn (t) = ht0 (t) =
n→∞ ∞ si t = t0 , n→∞ 1 si t > t0 ,
R∞ R∞
Por otro lado, −∞ dn (τ ) dτ = 1 para todo n = 1, 2, . . . , así que lim −∞ dn (τ ) dτ = 1. Ahora, si
n→∞
f (t) es una función cualquiera continua en t0 , se tiene
Z t0 +1/n Z ∞
min f (t) ≤ f (τ )dn (τ ) dτ = f (τ )dn (τ ) dτ ≤ max f (t).
[t0 ,t0 +1/n] t0 −∞ [t0 ,t0 +1/n]

De nuevo, tomando límite para n → ∞, obtenemos


Z ∞
f (t0 ) = lim dn (τ )f (τ ) dτ .
n→∞ −∞

Calculemos ahora las transformadas de Laplace Dn (s) = L{dn }


¡ ¢ n ¡ ¢
Dn (s) = L{n ht0 (t) − ht0 +1/n (t) } = e−t0 s 1 − e−s/n .
s
Luego
n −t0 s ¡ ¢
lim Dn (s) = lim
e 1 − e−s/n = e−st0 ,
n→∞ n→∞ s

lo que justifica enunciar que la transformada de Laplace de la función delta de Dirac es

L{δ t0 } = e−st0

que, además, enlaza con la propiedad de la transformada de una derivada

L{δ t0 } = sL{ht0 } − ht0 (0).

y afianza la afirmación de que la función delta es la derivada de la función de salto.


Igual que con la función de salto, teniendo en cuenta que δ t0 (t) = δ 0 (t − t0 ), es cómodo usar
sólo la función delta en el origen δ 0 para la que, en particular, se tiene que L{δ 0 } = 1. Así, si f
es causal, podemos escribir
Z ∞ Z t0 Z t0
f (t0 ) = δ t0 (t)f (t) dt = δ 0 (t − t0 )f (t) dt = δ 0 (t0 − t)f (t) dt = (f ∗ δ 0 )(t0 )
−∞ 0 0

lo que se conoce como propiedad de replicación o de cribado.


La función de transferencia. Un circuito LRC o un muelle son ejemplos típicos de lo que en
ingeniería se suele llamar un sistema. Si tenemos el circuito en reposo, continuará así salvo que
le proporcionemos un estímulo externo, una fuerza electromotriz. Ante este estímulo el circuito
responde con una corriente eléctrica. Análogamente, un muelle en reposo continuará así salvo
que apliquemos un estímulo externo, que será una fuerza mecánica en este caso, a la que el muelle
contestará moviéndose. En general, un sistema es un dispositivo que produce respuestas de salida
12 Lección 3. Transformación de Laplace

y(t) a estímulos de entrada u(t). Tanto el circuito como el muelle son sistemas regidos por una
ecuación diferencial lineal de segundo orden con coeficientes constantes

ay 00 (t) + by 0 (t) + cy(t) = u(t)

donde u(t) es el estímulo de entrada e y(t) es la respuesta de salida a dicho estímulo. En esta
ecuación, el miembro izquierdo ay 00 (t) + by 0 (t) + cy(t) es, digamos, lo intrínseco al sistema, lo que
hace que el sistema responda de una determinada manera ante el estímulo externo u(t).
Se dice que un sistema es invariante en el tiempo cuando estímulos iguales, pero aplicados
con una diferencia en el tiempo, producen respuestas iguales pero con la misma separación en
el tiempo. Se dice que un sistema es lineal cuando la respuesta a la suma de dos estímulos es
la suma de las respuestas a cada uno de ellos; esto se conoce como principio de superposición.
Cuando el estímulo se produce en un instante dado, que se toma como t0 = 0, al no tener en
cuenta lo que ocurre antes de ese instante, podemos poner u(t) = 0 si t < 0 y se dice u(t) que
es una función causal. Se dice que el sistema es causal si la respuesta de salida a una función
causal, es también una función causal o, en otras palabras, si la respuesta de salida y(t) en un
instante t depende sólo de los valores del estímulo u(τ ) con τ ≤ t, o sea en ese instante y en
instantes anteriores.
Los sistemas gobernados por ecuaciones diferenciales lineales de segundo (o mayor) orden con
coeficientes constantes y condiciones iniciales dadas en t0 = 0 son ejemplos de sistemas lineales,
causales e invariantes en el tiempo. Dado un sistema lineal, causal e invariante en el tiempo,
se define su función de transferencia como el cociente entre las transformadas de Laplace de la
repuesta de salida y el estímulo de entrada

L{y(t)} Y (s)
G(s) = = .
L{u(t)} U(s)

Las propiedades de linealidad e invariancia en el tiempo permiten probar que esta función sólo
depende de los componentes intrínsecos del sistema, no de la entrada que se tome; es decir, si
y1 (t) e y2 (t) son las respuestas de salida a sendos estímulos u1 (t) y u2 (t) entonces

Y1 (s) Y2 (s)
= = G(s).
U1 (s) U2 (s)

Esto se ve fácilmente en el caso de un sistema gobernado por la ecuación diferencial

ay 00 (t) + by 0 (t) + cy(t) = u(t)

que parte del reposo, es decir, con y(0) = y 0 (0) = 0. Al aplicar la transformación de Laplace
tenemos que
U(s)
Y (s) = 2
as + bs + c
o, en otros términos, su función de transferencia es

1 Y (s)
G(s) = = .
as2 + bs + c U(s)
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

Vemos que, efectivamente, la función de transferencia sólo depende de los componentes intrínsecos
del sistema (a = L, b = R y c = 1/C en el caso de un circuito). Esto es así en muchos casos
de interés y el conocimiento de la función de transferencia permite analizar completamente el
sistema; yendo más lejos, se pueden diseñar sistemas con propiedades específicas, por ejemplo, un
filtro de baja frecuencia o un amplificador, encontrando una función de transferencia adecuada.
Si en la relación Y (s) = G(s)U(s) tomamos como estímulo de entrada la función delta de
Dirac δ0 (t), entonces la transformada de Laplace de la respuesta del sistema será Y (s) = G(s),
la función de transferencia, y su transformada inversa
g(t) = L−1 {G(s)}
se llama respuesta al impulso unidad o función de transferencia en el dominio del tiempo.
Si, en cambio, tomamos como estímulo de entrada la función de Heaviside h0 (t), entonces
la transformada de Laplace de la respuesta del sistema será Y (s) = s−1 G(s) y su transformada
inversa ½ ¾
−1 G(s)
a(t) = L
s
G(S)
se llama admitancia. Puesto que L{a(t)} = , se tiene que la respuesta al impulso unidad
0
s
es la derivada de la admitancia: g(t) = a (t).
Volviendo a la relación Y (s) = G(s)U(s) para un estímulo de entrada general u(t), si cono-
cemos la respuesta al impulso unidad g(t), entonces se tiene que
Z t Z t
−1
y(t) = L {G(s)U (s)} = (g ∗ u)(t) = u(t − τ )g(τ ) dτ = g(t − τ )u(τ ) dτ ,
0 0
o sea, la respuesta de salida es la convolución de la respuesta al impulso unidad con el estímulo
de entrada. Esta igualdad se conoce como primera fórmula de Duhamel y puede interpretarse
de la manera siguiente: Aproximamos el estímulo u(t) como una suma de estímulos impulsivos
u(τ k ) de corta duración ∆τ k ocurridos en instantes anteriores τ k ,
X
u(t) ≈ u(τ k )δ(t − τ k )∆τ k .
k

Ahora aplicamos el principio de superposición, usando que g(t − τ k ) es la respuesta del sistema
al impulso unidad δ(t − τ k ), para obtener
X
y(t) ≈ g(t − τ k )u(τ k )∆τ k
k

que no es más que una suma de Riemann de la integral


Z t Z t X
y(t) = u(t − τ )g(τ ) dτ = g(t − τ )u(τ ) dτ ≈ g(t − τ k )u(τ k )∆τ k .
0 0 k

Si en vez de la respuesta al impulso, lo que conocemos es la admitancia a(t), entonces se tiene


que Y (s) = sL{a(t)}L{u(t)} = sL{a ∗ u}, luego
Z Z t
d d t
y(t) = (a ∗ u)(t) = u(t − τ )a(τ ) dτ = a(t)u(0) + u0 (t − τ )a(τ ) dτ
dt dt 0 0
14 Lección 3. Transformación de Laplace

que se conoce como segunda fórmula de Duhamel. De nuevo vemos que el conocimiento de g(t)
o de a(t) caracterizan el sistema.
Podemos usar la noción de función de transferencia para describir la estabilidad de un sistema.
Si escribimos la ecuación diferencial que gobierna un sistema

y 00 (t) + py 0 (t) + qy(t) = 0

como un sistema de ecuaciones diferenciales lineales


· 0 ¸ · ¸· ¸
y1 (t) 0 1 y1 (t)
= ,
y20 (t) −q −p y2 (t)

los autovalores de la matriz de los coeficientes son las raíces de la ecuación


¯ ¯
¯ −λ 1 ¯
¯ ¯ 2
¯ −q −p − λ ¯ = λ + pλ + q = 0

que coincide con la ecuación auxiliar de y 00 (t) + py 0 (t) + qy(t) = 0 y también con el denomi-
−1
nador de la función de transferencia G(s) = (s2 + ps + q) . Los ceros de este denominador se
llaman polos de la función de transferencia por lo que el teorema de estabilidad de los sistemas de
ecuaciones lineales que vimos en la lección anterior se puede reformular, en este caso particular,
de la siguiente manera.
Teorema de estabilidad. (1) La solución nula de una ecuación lineal de coeficientes constantes
es asintóticamente estable si, y sólo si, todos los polos de la función de transferencia tienen parte
real estrictamente negativa.
(2) La solución nula de una ecuación lineal de coeficientes constantes es inestable si alguno de
los polos de la función de transferencia tienen parte real estrictamente positiva.
Aunque el enunciado de este teorema sólo menciona la estabilidad de la solución de equilibrio,
en el caso lineal puede comprobarse que todas las soluciones tienen el mismo tipo de estabilidad
que la solución nula.

4 Ejercicios.
Ejercicio 1. ¿Cuál es la transformada de Laplace de la función que a cada número real le asigna
su parte entera?
Ejercicio 2. Prueba la propiedad de homotecia en el tiempo de la transformada de Laplace: Si
F (s/α)
F (s) = L{f (t)} y α > 0, entonces L{f (αt)} = .
α
Ejercicio 3. Comprueba que las siguientes funciones f tienen la transformada de Laplace F que
se indica (h0 es la función de salto.)

6e−2s
1. f (t) = (t − 2)3 h0 (t − 2) → F (s) = .
s4
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 15

e−2πs
2. f (t) = h0 (t − 2π)sen (t) → F (s) = .
s2 + 1
3. f (t) = tsen (at) → F (s) = 2as(s2 + a2 )−2 .
s+7
4. f (t) = e−t cos(2t) + 3e−t sen (2t) → F (s) = .
s2 + 2s + 5

Ejercicio 4. Las siguientes funciones f se definen sobre un intervalo y se extienden periódica-


mente. Dibújalas y halla sus transformadas de Laplace.

1. La función rectangular de período T


½
k, si 0 < t < T /2;
f (t) =
−k, si T /2 < t < T.

2. La función de onda dentada f (t) = t/T para 0 < t < T .

3. La función de onda triangular


½
t/T, si 0 < t < T ;
f (t) =
(2T − t)/T, si T < t < 2T.

4. La función de onda sinusoidal rectificada f (t) = sen (πt/T ) si 0 < t < T .

5. La función de onda sinusoidal semi-rectificada


½
sen(πt/T ), si 0 < t < T ;
f (t) =
0, si T < t < 2T.

Ejercicio 5. Comprueba que las siguientes funciones F (s) tienen la transformada inversa de
Laplace f (t) que se indica.

F (s) → f (t) F (s) → f (t)


1 t4 3s + 5 5
(1) → (2) → 3 cos(2t) + sen (2t)
s5 24 2
s +4 2
1 1 −2t
(3) → t − sen (t) (4) → te
s2 + s4 (s + 2)2
3
(5) e−2s /s → h0 (t − 2) (6) e−2s 2 → 3(t − 2)h0 (t − 2)
s
3 s
(7) e−4s → 3e2(t−4) h0 (t − 4) (8) 2
→ e−2t (cos(t) − 2sen (t))
s−2 s + 4s + 5
a 2
(9) → eat − 1 (10) → (e−t + sen (t) − cos(t)) .
s(s − a) (s + 1)(s2 + 1)

Ejercicio 6. Resuelve los siguientes problemas de valor inicial usando el método de la transfor-
mación de Laplace.
16 Lección 3. Transformación de Laplace

1. y 00 + y = t con y(0) = 1 e y 0 (0) = −2.

2. y 00 − 3y 0 + 2y = 4t − 6 con y(0) = 1 e y 0 (0) = 3.

3. y 00 − 6y 0 + 9y = t2 e3t con y(0) = 2 e y 0 (0) = 6.

4. y 00 + 2y 0 + 2y = e−t sen (t) con y(0) = 1 e y 0 (0) = 1.

5. y 00 − y 0 − 2y = 4t2 con y(0) = 1 e y 0 (0) = 4.

Ejercicio 7. Resuelve los siguientes problemas de valor inicial con término independiente con-
tinuo a trozos
½
t, si 0 < t < 1;
1. y 0 + y = con y(0) = 0.
0, en otro caso,
½
8π − 4t, si 0 < t < 2π;
2. y 00 + 4y = con y(0) = 2, y 0 (0) = 0.
0, en otro caso,
½
00 cos(4t), si 0 < t < π;
3. y + 16y = con y(0) = 0, y 0 (0) = 1.
0, en otro caso,
½
00 0 0, si 0 < t < 2;
4. y + 3y + 2y = con y(0) = 2, y 0 (0) = −3.
e−3t , en otro caso,
½
00 0 1, si 0 < t < 1;
5. y + 3y + 2y = con y(0) = 0, y 0 (0) = 0.
0, en otro caso,

Ejercicio 8. Usando la transformación de Laplace, resuelve el problema de valores iniciales para


un circuito LRC Z
0 1 t
Li (t) + Ri(t) + i(τ ) dτ = e(t) con i(0) = i0
C 0
en los siguientes casos.

1. e(t) = e0 constante.

2. e(t) = e0 cos(ω e t) con ω e 6= 0.

3. e(t) es un pulso de e0 voltios durante t0 segundos.

Ejercicio 9. Aplica la transformación de Laplace para resolver las siguientes ecuaciones íntegro-
diferenciales.
Z t
f (τ )
1. √ dτ = 1.
0 t−τ
Rt
2. y(t) = t2 + 0 sen (t − τ )y(τ ) dτ .
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 17

Rt
3. y 00 (t) + e2(t−τ ) y 0 (τ ) dτ = e2t con y(0) = y 0 (0) = 0.
0
Rt
4. y(t) = 3t2 − e−t − 0 y(τ )et−τ dτ .

Ejercicio 10. Determina las funciones de transferencia y las respuestas al impulso unidad de
los sistemas gobernados por las siguientes ecuaciones diferenciales

1. y 00 + 5y 0 + 6y = u(t).
1 Rt
2. Ri0 (t) + i(τ ) dτ = e(t).
C 0
3. y 00 + 2y 0 + 5y = 3u0 + 2u con u(0) = 0.

4. y 000 + 5y 00 + 17y 0 + 13y = u00 + 5u0 + 6u con u(0) = u0 (0) = 0.

Ejercicio 11. La admitancia de un sistema es a(t) = 1 − 73 e−t + 32 e−2t − 16 e−4t . Determina su


función de transferencia.
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 12. Enuncia y demuestra la propiedad de la transformada de Laplace de una integral
y úsala para calcular la transformada de Laplace de la función definida para t ≥ 0 por
Z t
f (t) = τ 2 e−τ dτ .
0

1 − 2s
Ejercicio 13. Halla la transformada de Laplace inversa de F (s) = .
s(s2 + 1)
Ejercicio 14. Resuelve el problema de valor inicial
½
0 1 − t2 , si 0 < t < 1;
y +y = con y(0) = 1.
0, en otro caso,

Ejercicio 15. Resuelve el problema de valor inicial

y 00 + y 0 − 2y = f (t) con y(0) = 0 e y 0 (0) = 0,

siendo f (t) la función cuya gráfica se representa en la siguiente figura


18 Lección 3. Transformación de Laplace

Ejercicio 16. (1) Resuelve el problema de valor inicial


1
f 0 (t) + tan(t)f (t) = con f (0) = 0.
cos(t)

(2) Resuelve, usando la transformación de Laplace, el problema de valor inicial


½
00 f (t), si 0 < t < 2π;
y (t) + y(t) = con y(0) = 1 e y 0 (0) = 0.
0, en otro caso,

siendo f (t) la solución del apartado anterior. Escribe el valor y(8) con tres cifras decimales.
Ejercicio 17. Resuelve la ecuación integral
Z t
−t
e = y(t) + 2 cos(t − τ )y(τ ) dτ .
0

Ejercicio 18. La función de Bessel de primer orden J1 (t) es la solución del problema de valor
inicial
t2 y 00 + ty 0 + (t2 − 1)y = 0 con y(0) = 0 e y 0 (0) = 1/2.
Calcula la transformada de Laplace de J1 (t).
Ejercicio 19. Resuelve el problema de valor inicial

y0 + y = δ0 + δ3 con y(0) = 1,

siendo δ la función delta de Dirac. Escribe y(4) con dos cifras decimales.
Ejercicio 20. Resuelve el problema de valor inicial

y 00 + y = δ 0 (t) + δ 0 (t − π) con y(0) = 1 e y 0 (0) = 0

y dibuja la gráfica de su solución en el intervalo 0 ≤ t ≤ 2π.

5 Bibliografía.
Para desarrollar esta lección pueden consultarse los siguientes textos, en especial el de Simmons
y el de James (que incluye algunas aplicaciones a la ingeniería).
[517,9/2-BRA] M. Braun, Ecuaciones diferenciales y sus aplicaciones, Capítulo 2.
[517.9/3-EDW] C.H. Edwards y D.E. Penney, Ecuaciones diferenciales elementales, Capítulo 4.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Capítulo 9.
[517.9/2-SIM] G.F. Simmons, Ecuaciones diferenciales, Capítulo 2.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 4.

ANÁLISIS DE FOURIER.

Curso 2006-07

1 La serie de Fourier de una función


El planteamiento central de esta lección es el siguiente. Dada una función periódica f (t), por
ejemplo de período 2π, queremos escribirla como una combinación en la que intervengan única-
mente senos y cosenos, que son las funciones periódicas de período 2π más simples y conocidas:
X

f (t) ¿=? [an cos(nt) + bn sen (nt)] .
n=0

Una serie de este tipo recibe el nombre de serie trigonométrica o serie de Fourier.
El problema de la representación de una función mediante una serie trigonométrica surge,
como veremos en la lección 6, de la resolución de ecuaciones en derivadas parciales. En torno a
1750, J. d’Alembert, D. Bernoulli (1700—1782) y L. Euler estudiaron la ecuación de ondas que
gobierna el problema de la cuerda vibrante, un problema planteado y estudiado por B. Taylor
(1685—1731) que había obtenido soluciones en forma de funciones sinusoidales. D’Alembert dio
una solución muy general y Euler probó que si en el instante inicial la forma de la cuerda es una
combinación finita de senos, entonces ocurrirá lo mismo en cualquier instante posterior, dando
mucho más tarde, en 1777, las fórmulas que permiten calcular los coeficientes de la combinación.
En 1753, D. Bernoulli utilizó esta representación para resolver el problema de la cuerda vibrante
para una posición inicial cualquiera, pero su solución suscitó mucha controversia. Fue J.B. Fourier
(1768—1830) quien, al analizar en una famosa memoria presentada en 1807 la ecuación que go-
bierna la transmisión del calor en una barra, retomó las ideas de Euler y Bernoulli y obtuvo
resultados muy ajustados a los experimentos, colocando el estudio de las series trigonométricas
–que hoy llevan su nombre– en el centro del escenario matemático del S. XIX. La teoría de
las series de Fourier tuvo a lo largo del siglo pasado profundas implicaciones para el análisis
matemático y es hoy en día una herramienta fundamental de la ingeniería de telecomunicación.
En la teoría de la señal y la comunicación, cuando t es la variable temporal se dice que f (t)
es una señal periódica en tiempo continuo y cuando esta representación en serie de funciones
trigonométricas sea correcta, decimos que hemos descompuesto la señal en armónicos o modos
de vibración.
2 Lección 4. Análisis de Fourier

En esta lección estudiaremos bajo qué condiciones puede hacerse esta representación, cómo
calcular los coeficientes, los ejemplos más importantes, algunas propiedades y la forma compleja
de las series de Fourier. Finalmente, para funciones –señales– no periódicas, se introduce la
transformada de Fourier que, aunque es muy similar y comparte muchas propiedades con la
transformada de Laplace, se emplea en contextos muy diferentes.
Funciones periódicas. Recordemos que una función f : R → R es periódica de período T 6= 0
(o T -periódica) cuando existe T > 0 tal que
f (t + T ) = f (t) para cualquier t ∈R.
En ese caso se tiene automáticamente que f (t + nT ) = f (t) para cualesquiera t ∈ R y n ∈ Z.
Esto significa que sus valores se repiten a intervalos regulares y que su gráfica puede dividirse en
segmentos verticales de anchura T que son idénticos. Es obvio que si T es un período de f (t),
entonces también lo son −T, ±2T, ±3T, . . . Salvo las funciones constantes, todas las funciones
periódicas de interés en las aplicaciones, en particular las funciones continuas no constantes,
tienen lo que se conoce como un período fundamental o mínimo; o sea, un período T > 0 tal que
f (t) no es τ -periódica para ningún valor 0 < τ < T .
Los ejemplos típicos de funciones periódicas son las funciones trigonométricas sen (t) y cos(t),
que son periódicas con período mínimo 2π. Las funciones sen (2t) y cos(2t) también tienen
período 2π pero su período mínimo es π. Más generalmente, dados ω > 0, φ y n ∈ N, las

funciones sen (nωt + φ) y cos(nωt + φ) son periódicas de período mínimo T = , porque

sen (nω(t + T ) + φ) = sen (nωt + φ + 2π) = sen (nωt + φ)
e igual con el coseno. Para medir la velocidad de repetición de una función con período mínimo
T , se utiliza la frecuencia, a veces llamada frecuencia angular, definida como
2π 2π
frecuencia = = ,
período T
que se mide en radianes por segundo. En algunos textos se reserva la palabra frecuencia para la
inversa del período, 1/T que se mide en ciclos por segundoo hertzios.
Polinomios trigonométricos. Un polinomio trigonométrico con período T y frecuencia ω =
2π/T es una función de la forma
1 Xn0
f (t) = a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1

(el factor 12 del término independiente es un convenio cuya justificación daremos más adelante).
En otras palabras, un polinomio trigonométrico es una combinación lineal de senos y cosenos que
tienen un período común T . Los coeficientes an y bn de esta combinación se llaman coeficientes
de Fourier del polinomio. El índice n0 se llama grado del polinomio.
La razón del término “polinomio” es que las funciones sen (nωt) y cos(nωt) se pueden escribir
como una combinación de productos de potencias de sen (ωt) y cos(ωt), como en las conocidas
expresiones
sen (2ωt) = 2sen (ωt) cos(ωt) y cos(2ωt) = (cos(ωt))2 − (sen (ωt))2 .
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

Y, viceversa, toda combinación de productos de potencias de sen (ωt) y cos(ωt) es un polinomio


trigonométrico.
La existencia de un período común de las funciones involucradas es importante. La función
f (t) = cos(t) + cos(πt) no es un polinomio trigonométrico porque ni siquiera es periódica.
1 P 0
Sea f (t) = a0 + nn=1 [an cos(nωt) + bn sen (nωt)] un polinomio trigonométrico. Tomando
2
α0 = 12 a0 y, para cada n = 1, 2, . . . ,
p
αn = a2n + b2n y φn = arctan(−bn /an ) ∈ (−π, π],

se tiene
an cos(nωt) + bn sen (nωt) = αn cos(nωt + φn ),
así que podemos escribir el polinomio anterior como una suma de funciones coseno

f (t) = α0 + α1 cos(ωt + φ1 ) + α2 cos(2ωt + φ2 ) + · · · + αn0 cos(n0 ωt + φn0 )

donde el término α1 cos(ωt + φ1 ) se llama primer armónico o modo fundamental de vibración.


Los coeficientes αn de los armónicos se llaman amplitudes y los ángulos φn se llaman ángulos de
fase. En algunas ocasiones puede ser preferible usar funciones seno; ahora bien, puesto que se
verifica cos(nωt + φn ) = sen (nωt + φn + π/2), las amplitudes son iguales y los ángulos de fase
entre la expresión con el seno y la expresión con el coseno difieren en π/2.
La expresión de un polinomio trigonométrico en términos de las amplitudes y las fases de sus
armónicos es muy intuitiva; nos dice que la función resultante consiste en superponer vibraciones
cos(nωt + φn ) cuyas frecuencias son múltiplos enteros de la frecuencia del modo fundamental,
de mayor o menor amplitud y que van en fase (si φn = 0), adelantadas (cuando φn > 0, lo
que corresponde a deslizar la gráfica hacia la izquierda) o retrasadas (cuando φn < 0, lo que
corresponde a deslizar la gráfica hacia la derecha) con respecto al armónico puro de la misma
frecuencia cos(nωt).
Serie de Fourier. Sea ahora f (t) una función periódica de período T . La pregunta que se
plantea es saber si podemos obtener f como una combinación –necesariamente infinita salvo
que f sea un polinomio trigonométrico– de armónicos de frecuencia ω = 2π/T :
1
f (t)¿=? a0 + a1 cos(ωt) + b1 sen (ωt) + a2 cos(2ωt) + b2 sen (2ωt) + · · ·
2
Este problema se desdobla en dos: En primer lugar, determinar los coeficientes a0 , a1 , b1 , . . .
adecuados y, posteriormente, establecer si la serie converge a la propia función f (t).
Con respecto al primer problema, razonamos como sigue. Si es cierto que se da la igualdad
y la convergencia de la serie permite la integración término a término, entonces el coeficiente a0
1 P
de la expresión f (t) = a0 + ∞ n=1 [an cos(nωt) + bn sen (nωt)] es relativamente fácil de calcular:
2
si integramos sobre un período, obtenemos
Z T X∞ · Z T Z T ¸
T T
f (t) dt = a0 + an cos(nωt) dt + bn sen (nωt) dt = a0 ,
0 2 n=1 0 0 2
4 Lección 4. Análisis de Fourier

donde hemos usado que para cada n = 1, 2, . . . se tiene


Z T Z T
cos(nωt) dt = sen (nωt) dt = 0.
0 0

Para calcular los demás coeficientes, Euler había observado que dados un período T y la
frecuencia correspondiente ω = 2π/T , entonces para cada m, n = 1, 2, . . . se tiene
Z T Z T (
0 si m 6= n,
cos(nωt) cos(mωt) dt = sen (nωt)sen (mωt) dt = T
0 0 si m = n
2
y también Z T
cos(nωt)sen (mωt) dt = 0.
0
1 P
Así que, multiplicando la expresión f (t) = a0 + ∞ n=1 [an cos(nωt) + bn sen (nωt)] por cos(mωt)
2
(para m = 1, 2, . . . ) e integrando sobre un período, obtenemos
Z T
f (t) cos(mωt) dt =
0
Z T X∞ · Z T Z T ¸
= a0 cos(mωt) dt + an cos(nωt) cos(mωt) dt + bn sen (nωt) cos(mωt) dt
0 n=1 0 0

T
= am .
2
1 P
Análogamente, multiplicando la expresión f (t) = a0 + ∞n=1 [an cos(nωt) + bn sen (nωt)] por
2
sen (mωt) (para m = 1, 2, . . . ) e integrando sobre un período, obtenemos
Z T
f (t)sen (mωt) dt =
0
Z T X ∞ · Z T Z T ¸
= a0 sen (mωt) dt + an cos(nωt)sen (mωt) dt + bn sen (nωt)sen (mωt) dt
0 n=1 0 0

T
= bm .
2

Puesto que cos(0ωt) = 1, vemos que el valor de a0 se puede obtener admitiendo m = 0 en la


expresión de am ; esto explica por qué el término constante de la serie se suele escribir 12 a0 . En
resumen, los coeficientes buscados son
Z
2 T
am = f (t) cos(mωt) dt para m = 0, 1, 2 . . .
T 0
y Z T
2
bm = f (t)sen (mωt) dt para m = 1, 2, . . .
T 0
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

Estas expresiones nos dicen cómo calcular los coeficientes adecuados.


Definiciones. Sea f : R → R una función continua a trozos y periódica de período T y sea
ω = 2π/T . Los coeficientes de Fourier de f son los números definidos por
Z
2 T
an = f (t) cos(nωt) dt para n = 0, 1, 2 . . . ,
T 0
y Z
2 T
bn = f (t)sen (nωt) dt para n = 1, 2, . . .
T 0
Puesto que la función tiene período T , las integrales anteriores pueden hacerse sobre cualquier
intervalo de longitud T , por ejemplo [−T /2, T /2].
1 P

La serie a0 + [an cos(nωt) + bn sen (nωt)], donde los an y los bn son los correspondientes
2 n=1
coeficientes de Fourier de una función f , se llama desarrollo en serie de Fourier, o simplemente
serie de Fourier, de f . Para indicar que una serie trigonométrica es la serie de Fourier de una
función dada se suele escribir
1 X∞
f (t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] .
2 n=1

Como antes, tomando α0 = 12 a0 y


p
αn = a2n + b2n y φn = arctan(−bn /an ) ∈ (−π, π] para n = 1, 2, . . . ,

se tiene
an cos(nωt) + bn sen (nωt) = αn cos(nωt + φn ),
así que podemos escribir la serie de Fourier de f como una superposición de armónicos en términos
de las amplitudes y las fases de la siguiente manera:
X

f (t) ∼ α0 + αn cos(nωt + φn ).
n=1

Si T es el período mínimo de f , entonces el término α1 cos(ωt + φ1 ) se llama primer armónico


o modo fundamental de vibración. Los términos an cos(nωt) + bn sen (nωt) = αn cos(ωt + φn )
restantes se llaman componentes armónicos de f . Los coeficientes αn de los componentes ar-
mónicos se llaman amplitudes y los ángulos φn se llaman ángulos de fase.
Los coeficientes de Fourier o, alternativamente, las amplitudes y las fases son parámetros muy
importantes a la hora de estudiar una señal. Aparte de la representación habitual de una señal
como una curva situando el tiempo en el eje de abscisas, en la práctica también se utilizan el
espectro discreto de amplitudes, que es la representación de las amplitudes cuando situamos las
frecuencias en el eje de abscisas, y el espectro discreto de fases, que es la representación de las
fases cuando situamos las frecuencias en el eje de abscisas. El adjetivo discreto alude al hecho de
que las frecuencias no varían de forma continua, sino como múltiplos de la frecuencia fundamental
ω, o sea, 0, ω, 2ω, 3ω, . . . , lo que se conoce como el dominio discreto de frecuencias de f .
6 Lección 4. Análisis de Fourier

Naturalmente, aún está pendiente el problema de saber si el desarrollo en serie de Fourier de


una función dada converge y, en ese caso, si su límite es la función. Abordaremos ese problema
en la siguiente sección; ahora vamos a estudiar algunos ejemplos que nos indiquen qué podemos
esperar.
Ejemplos. (1) La serie de Fourier de un polinomio trigonométrico es el propio polinomio.
(2) La serie de Fourier de la función de onda rectangular de período T definida en [−T /2, T /2]
por ½
−1 si −T /2 < t < 0
f (t) =
1 si 0 < t < T /2
y extendida periódicamente a R es
· ¸
4 1 1
f (t) ∼ sen (ωt) + sen (3ωt) + sen (5ωt) + · · · ,
π 3 5

siendo ω = 2π/T . Vemos que no está claro a priori que la serie vaya a ser convergente.
(3) La serie de Fourier de la función dada por f (t) = (π − t)(π + t) para −π ≤ t ≤ π y
extendida periódicamente a R es
· ¸
2π 2 1 1 1
f (t) ∼ + 4 cos(t) − cos(2t) + cos(3t) − cos(4t) + · · · .
3 4 9 16
En este caso sí está claro que la serie converge absolutamente para cada valor de t.
(4) La serie de Fourier de la función de onda dentada definida por f (t) = t/T para 0 < t < T
y extendida periódicamente a R es
· ¸
1 1 1
f (t) ∼ 1/2 − sen (ωt) + sen (2ωt) + sen (3ωt) + · · ·
π 2 3

con ω = 2π/T .
(5) La serie de Fourier de la función de onda dentada definida por f (t) = t/T para −T /2 <
t < T /2 y extendida periódicamente a R es
· ¸
1 1 1 1
f (t) ∼ sen (ωt) − sen (2ωt) + sen (3ωt) − sen (4ωt) + · · ·
π 2 3 4

con ω = 2π/T .
(6) La serie de Fourier de un tren de pulsos rectangulares dado como la extensión periódica
de la función definida en [−T /2, T /2] por
½
1 si 0 < |t| <d/2,
f (t) =
0 si d/2 < |t| < T /2.
es
· ¸
ωd 1 sen (2ωd/2) sen (3ωd/2)
f (t) ∼ + sen (ωd/2) cos(t) + cos(2t) + cos(3t) + · · · .
2π π 2 3
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

con ω = 2π/T .
Series de Fourier de funciones pares e impares. Sea f : [−L, L] → R una función. Se
dice que f es una función par cuando f (−t) = f (t) para cada t ∈ [−L, L]; esto significa que su
gráfica es simétrica respecto del eje de ordenadas. Si f es par e integrable, entonces
Z L Z L
f (t) dt = 2 f (t) dt.
−L 0

Las constantes, los cosenos o las funciones f (t) = tpar son ejemplos de funciones pares.
Se dice que una función f : [−L, L] → R es una función impar cuando f (−t) = −f (t) para
cada t ∈ [−L, L]; esto significa que su gráfica es simétrica respecto del origen de coordenadas. Si
f es impar e integrable, entonces Z L
f (t) dt = 0.
−L

Los senos o las funciones f (t) = timpar son ejemplos de funciones impares.
La suma y el producto de funciones pares o impares sigue la misma regla que los signos (con
“par” en el papel de “positivo” e “impar” en el de “negativo”). Otra propiedad útil es que la
derivada de una función par es impar y viceversa.
Teorema. Sea f (t) una función continua a trozos y periódica de período T .
(1) Si f es una función par, entonces su desarrollo en serie de Fourier sólo tiene funciones
coseno, lo que se conoce como una serie de Fourier en cosenos,

1 X∞
f (t) ∼ a0 + an cos(nωt)
2 n=1

siendo ω = 2π/T y
Z T /2
4
an = f (t) cos(nωt) dt (n = 0, 1, 2, . . . ).
T 0
(Esto lo vemos en los Ejemplos 3 y 6 anteriores.)
(2) Si f es una función impar, entonces su desarrollo en serie de Fourier sólo tiene funciones
seno, lo que se conoce como una serie de Fourier en senos,
X

f (t) ∼ bn sen (nωt)
n=1

siendo ω = 2π/T y
Z T /2
4
bn = f (t)sen (nωt) dt (n = 1, 2, . . . ).
T 0
(Esto lo vemos en los Ejemplos 2 y 5 anteriores.)
Veremos en la Lección 5 que en ocasiones necesitaremos expresar una función como una serie
de Fourier de senos o como una serie de Fourier de cosenos en un intervalo dado. Esto se hace
definiendo la función de manera adecuada fuera de dicho intervalo para que sea par o impar.
8 Lección 4. Análisis de Fourier

Desarrollos de medio intervalo. Sea f : [0, L] → R una función continua a trozos. Sea
T = 2L, entonces la extensión T -periódica y par de f es la función definida en el intervalo
[−L, L] = [−T /2, T /2] por
½
f (−t) si −L ≤ t ≤ 0,
fpar (t) =
f (t) si 0 ≤ t ≤ L,

y extendida periódicamente a toda la recta real R. Obviamente, fpar es una función par, así que
su desarrollo en serie de Fourier es una serie de cosenos que se conoce, en este contexto, como el
desarrollo de f en serie de cosenos en medio intervalo [0, L] y viene dado por

1 X∞
f (t) ∼ a0 + an cos(nωt) en [0, L],
2 n=1

siendo ω = π/L y
Z L
2
an = f (t) cos(nωt) dt (n = 0, 1, 2, . . . ).
L 0

La extensión T -periódica e impar de f es la función definida en [−L, L] = [−T /2, T /2] por
½
−f (−t) si −L ≤ t ≤ 0,
fimpar (t) =
f (t) si 0 ≤ t ≤ L,

y extendida periódicamente a toda la recta real R. Obviamente, fimpar es una función impar, así
que su desarrollo en serie de Fourier es una serie de senos que se conoce, en este contexto, como
el desarrollo de f en serie de senos en medio intervalo [0, L] y viene dado por

X

f (t) ∼ bn sen (nωt) en [0, L],
n=1

siendo ω = π/L y
Z L
2
bn = f (t)sen (nωt) dt (n = 1, 2, . . . ).
L 0

Ejemplo. Sea f (t) = t para t ∈ [0, π]. Entonces, su extensión par y 2π-periódica es la función
dada por fpar (t) = |t| para t ∈ [−π, π] y extendida periódicamente a toda la recta real; el
desarrollo de f en serie de cosenos en [0, π] es
· ¸
π 4 cos(3t) cos(5t)
f (t) ∼ − cos(t) + + + ··· .
2 π 32 52

Para la misma función f , su extensión impar y 2π-periódica viene dada por fimpar (t) = t para
t ∈ [−π, π] y extendida periódicamente a toda la recta real; el desarrollo de f en serie de senos
en [0, π] es · ¸
sen (2t) sen (3t) sen (4t)
f (t) ∼ 2 sen (t) − + − + ··· .
2 3 4
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

2 Convergencia de las series de Fourier


Sea f : R → R una función continua a trozos y periódica de período T y sea

1 X∞
f (t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1

con ω = 2π/T , su serie de Fourier. Hemos comentado que la afirmación de que se da la igualdad
entre f y su serie de Fourier suscitó mucha controversia a lo largo de la segunda mitad del
S. XVIII y comienzos del S. XIX. Esta controversia fue zanjada por P.G.L. Dirichlet (1805—
1859): en 1829 dio la primera demostración satisfactoria de que cierta clase de funciones, que
incluye prácticamente todas las de interés en las aplicaciones, son realmente iguales a las sumas
de sus series de Fourier.
Condiciones de Dirichlet. Sea f : R → R una función periódica de período T . Se dice
que f satisface las condiciones de Dirichlet si en cada período la función f : [0, T ] → R es
continua salvo un número finito de discontinuidades de salto y sólo tiene una cantidad finita
de máximos y mínimos locales estrictos. Puede probarse, en particular, que si una función
periódica es tal que ella y su derivada están definidas y son continuas salvo un número finito
de discontinuidades de salto, entonces dicha función verifica las condiciones de Dirichlet. Como
hemos dicho, prácticamente todas las funciones –señales– de interés en las aplicaciones las
verifican.
Teorema de convergencia de Dirichlet. Sea f : R → R una función periódica de período T
que satisface las condiciones de Dirichlet y sea

1 X∞
f (t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1

con ω = 2π/T , su serie de Fourier.


(1) Si f es continua en un punto t, entonces la serie de Fourier converge en ese punto a f (t),
o sea,
1 X∞
a0 + [an cos(nωt) + bn sen (nωt)] = f (t).
2 n=1

(2) Si f tiene una discontinuad de salto en un punto t, entonces la serie de Fourier converge
en ese punto al punto medio del salto, o sea,

1 X∞
f (t− ) + f (t+ )
a0 + [an cos(nωt) + bn sen (nωt)] = ,
2 n=1
2

donde, como es habitual, f (t− ) = limτ →0,τ >0 f (t − τ ) indica el límite de f en t por la izquierda
y f (t+ ) = limτ →0,τ >0 f (t + τ ) indica el límite de f en t por la derecha.
El teorema nos dice, en particular, que si f satisface las condiciones de Dirichlet y redefinimos
el valor de f en cada punto de discontinuidad como el punto medio del salto, o sea, poniendo
10 Lección 4. Análisis de Fourier

f (t− ) + f (t+ )
f (t) = , entonces la suma de la serie de Fourier coincide con f (t) en cada t ∈ R.
2
Por eso, en lo que sigue, y salvo que se diga lo contrario, supondremos que esto se cumple.
Ejemplo. Hemos visto que la serie de Fourier de la función dada por f (t) = (π − t)(π + t) para
−π ≤ t ≤ π y extendida periódicamente a R es
· ¸
2π 2 1 1 1
f (t) ∼ + 4 cos(t) − cos(2t) + cos(3t) − cos(4t) + · · · .
3 4 9 16

Como f verifica las condiciones de Dirichlet, tenemos de hecho que


· ¸
2π 2 1 1 1
f (t) = + 4 cos(t) − cos(2t) + cos(3t) − cos(4t) + · · ·
3 4 9 16

para todo t ∈ [−π, π]. Si usamos el teorema de Dirichlet en t = π obtenemos


· ¸
2π 2 1 1 1
0= + 4 −1 − − − − ···
3 4 9 16

de donde se deduce que


1 1 1 π2
1+ + + + ··· = ,
4 9 16 6
resultado obtenido por primera vez por Euler en 1736 (usando otro método).
El fenómeno de Gibbs. El teorema de Dirichlet nos dice que, en los puntos de discontinuidad,
la gráfica de la suma de la serie de Fourier pasa por el punto medio del salto. Si se dibujan las
sumas parciales se ve que en las cercanías de los puntos de discontinuidad se reduce la velocidad
de convergencia de la serie y que la gráfica de la suma parcial oscila alrededor de la gráfica de la
función. Cuando se aumenta el número de términos, las oscilaciones se condensan a ambos lados
del punto pero su amplitud no parece decrecer. Esto se conoce como el fenómeno de Gibbs,en
honor de J.W. Gibbs (1839—1903) que lo analizó en 1899 Z probando que la amplitud de la oscilación
π
1 sen (t)
a cada lado de la gráfica de la función tiende a ser dt − 1 ≈ 0.0895 veces el tamaño
2π 0 t
del salto, o sea, aproximadamente el 9% del tamaño del salto. Veamos un ejemplo. Consideremos
la función de de onda rectangular de período 2π definida en [−π, π] por
½
−1 si −π < t < 0
f (t) =
1 si 0 < t <π

y extendida periódicamente a R. Su serie de Fourier es


· ¸
4 1 1
sen (t) + sen (3t) + sen (5t) + · · · .
π 3 5

1 1
Mostramos a continuación las sumas parciales hasta los sumando sen (25t) y sen (35t) donde
25 35
se observa claramente el fenómeno de Gibbs.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

1.5 1.5

1 1

0.5 0.5

0 0

−0.5 −0.5

−1 −1

−1.5 −1.5
−10 −5 0 5 10 15 −10 −5 0 5 10 15

Vamos a ver ahora algunas propiedades de los desarrollos en serie de Fourier.


Derivación de las series de Fourier. La regla de la cadena muestra que la derivada de una
función periódica es periódica y tiene el mismo período. Si f es una función continua y periódica
de período T y su derivada f 0 verifica las condiciones de Dirichlet, entonces, la serie de Fourier
de f puede derivarse término a término de manera que si

1 X∞
f (t) = a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1

entonces
X

0
f (t) ∼ [nbn ω cos(nωt) − nan ωsen (nωt)]
n=1

para cada t ∈ R.
Integración de las series de Fourier. A diferencia de la operación de derivación, la integral
de una función no necesariamente vuelve
R t a ser periódica. Sea f una función periódica con período
T y consideremos la función F (t) = t0 f (τ ) dτ . Entonces la función F es T -periódica si y sólo
2 RT Rt 1
si a0 = 0
f (t) dt = 0. En caso contrario, se tiene que la función t0 f (τ ) dτ − a0 (t − t0 )
T 2
es T -periódica. Si adicionalmente la función f verifica las condiciones de Dirichlet, entonces, la
serie de Fourier de f puede integrarse término a término de manera que si

1 X∞
f (t) = a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1

y t0 , t ∈ [−T /2, T /2], entonces


Z t X∞ · ¸
1 bn (cos(nωt0 ) − cos(nωt)) an (sen (nωt) − sen (nωt0 ))
f (τ ) dτ − a0 (t − t0 ) = + .
t0 2 n=1
nω nω

Igualdad de Parseval. Sea f una función periódica de período T que verifica las condiciones
de Dirichlet y sea
1 X∞
f (t) ∼ a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1
12 Lección 4. Análisis de Fourier

su serie de Fourier. Entonces


Z
1 X£ 2

1 T
2 1 ¤
[f (t)] dt = a20 + an + b2n .
T 0 4 2 n=1
En particular, la serie de los cuadrados de los coeficientes de Fourier es convergente.
Cuando f (t) es una señal periódica de período fundamental T , esta igualdad puede inter-
Z
1 T
pretarse de la siguiente manera. La integral P = [f (t)]2 dt se llama media cuadrática o
T 0
potencia media de f . Por ejemplo, si f (t) representa el voltaje que se aplica a una resistencia de
1 ohmio, entonces la potencia media de f coincide con la potencia eléctrica media (energía por
unidad de tiempo medida en watios) disipada por la resistencia en cada período. Ahora bien, la
potencia media de cada uno de los armónicos presentes en la señal es
Z
1 T 1
P0 = [a0 /2]2 dt = a20 ,
T 0 4
Z T
1 1 1
Pn = [an cos(nωt) + bn sen (nωt)]2 dt = a2n + b2n (n = 1, 2, . . . ),
T 0 2 2
luego la igualdad de Parseval nos dice que la potencia media de la señal es la suma de las potencias
P

medias de sus componentes armónicos, P = Pn .
n=0

Teorema de la mejor aproximación y convergencia en media cuadrática. Sea f una


función periódica de período T que verifica las condiciones de Dirichlet, sea
1 X∞
f (t) ∼ a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1

su serie de Fourier y sea


1 Xm
fm (t) = a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1

el polinomio trigonométrico obtenido como la suma m-ésima de dicha serie. Entonces fm es,
de todos los polinomios trigonométricos de grado m y período T , el que mejor se aproxima a f
en media cuadrática; es decir, si gm es un polinomio trigonométrico de grado m distinto de fm ,
entonces Z Z
1 T 2 1 T
[f (t) − fm (t)] dt < [f (t) − gm (t)]2 dt
T 0 T 0
y, además, Z
1 T
lim [f (t) − fm (t)]2 dt = 0.
m→∞ T 0

Para obtener este resultado aplicamos el teorema de la mejor aproximación estudiado en la


asignatura de Álgebra al espacio vectorial V formado por todas las aplicaciones periódicas de
período T que verifican las condiciones de Dirichlet, dotado del poducto escalar
Z
2 T
hf, gi = f (t)g(t) dt,
T 0
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

y al subespacio M formado por todos los polinomios trigonométricos de grado menor o igual a
n. Una base ortonormal de dicho subespacio está formado por las funciones
½ ¾
1
, cos(ωt), sen (ωt), ..., cos(nωt), sen (nωt) .
2

3 Forma compleja de las series de Fourier


Hemos visto dos formas de expresar la serie de Fourier de una función periódica de período T :
en términos de senos y cosenos
1 X∞
f (t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] .
2 n=1

o en términos de amplitudes y fases


X

f (t) ∼ α0 + αn cos(nωt + φn ),
n=1

donde ω = 2π/T y los coeficientes de estas expresiones están relacionados de la siguiente manera:
α0 = 12 a0 y, para n = 1, 2, . . . ,
p
αn = a2n + b2n y φn = arctan(−bn /an ) ∈ (−π, π]
o bien
an = αn cos(φn ) y bn = −αn sen (φn ).

En muchas aplicaciones, en particular en teoría de la señal y de las comunicaciones, es más útil


una tercera forma de expresión, llamada forma compleja de la serie de Fourier, que consiste en
usar exponenciales complejas ejnωt en vez de cos(nωt) y sen (nωt). Para construirla, sustituimos
las expresiones
ejnωt + e−jnωt ejnωt − e−jnωt
cos(nωt) = y sen (nωt) =
2 2j
P∞
en la serie 12 a0 + n=1 [an cos(nωt) + bn sen (nωt)], obteniendo

1 X£

1 ¤
f (t) ∼ a0 + (an − jbn )ejnωt + (an + jbn )e−jnωt .
2 2 n=1

Escribiendo
1 1 1
c0 = c0 e0 = a0 , cn = (an − jbn ) y c−n = cn = (an + jbn ),
2 2 2
separando los términos con índice negativo de los que tienen índice positivo y reordenando, la
serie de Fourier queda
X

f (t) ∼ cn ejnωt ,
n=−∞
14 Lección 4. Análisis de Fourier

que se llama forma compleja de la serie de Fourier de f . Los números cn se llaman coeficientes
de Fourier de la forma compleja y pueden calcularse de forma directa:
Z
1 T /2
cn = f (t)e−jnωt dt para n = 0, ±1, ±2, . . .
T −T /2

Si lo que tenemos son los coeficientes cn de la forma compleja, entonces los coeficientes de
Fourier an y bn , las amplitudes y las fases vienen dados por

an = 2 Re(cn ), bn = −2 Im(cn ), αn = 2 |cn | y φn = arg(cn ) ∈ (−π, π].

Vemos, entonces, que una función periódica es par cuando sus coeficientes de Fourier complejos
son reales y que es impar cuando sus coeficientes de Fourier complejos son imaginarios puros.
Cuando f (t) es una señal periódica de período fundamental T , las componentes de la forma
compleja se dan en las frecuencias 0, ±ω, ±2ω, . . . Sin embargo, no es posible realizar física-
mente señales de frecuencia negativa, éstas se han introducido por comodidad. Para obtener una
señal real a partir de cada componente cn ejnωt debemos combinarla con c−n e−jnωt para obtener,
teniendo en cuenta que cn y c−n son conjugados,

cn ejnωt + c−n e−jnωt = |cn | ejφn ejnωt + |cn | e−jφn e−jnωt = 2 |cn | cos(nωt + φn ).

En el caso complejo, la representación de los módulos |cn | cuando situamos las frecuencias po-
sitivas y negativas en el eje de abscisas se llama espectro complejo de amplitudes y es simétrico
con respecto al eje de ordenadas. Las amplitudes αn = 2 |cn | = |cn | + |c−n | se obtienen sumando
los valores correspondientes a las frecuencias nω y −nω.
Ejemplo. Los coeficientes de Fourier complejos de un tren de pulsos rectangulares dado como
la extensión periódica de la función definida en [−T /2, T /2] por
½
k si 0 ≤ |t| < d/2,
f (t) =
0 si d/2 ≤ |t| < T /2,
son Z d/2
k kd sen (nωd/2)
cn = e−jnωt dt = .
T −d/2 T nωd/2
Los valores de cn son reales, lo que corresponde al hecho de que la función es par, así que su
espectro de fases es φn = 0 para cada n. La función
(
1 si t = 0,
sa(t) := sen (t)
si t 6= 0,
t
se llama función de muestreo (‘sa’ viene de la palabra inglesa sampling) y es muy importante en
la teoría de la señal precisamente porque los coeficientes de Fourier complejos del tren de pulsos
rectangulares de nuestro ejemplo se pueden expresar como
kd
cn = sa(nωd/2).
T
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 15

A veces, en vez de la función de muestreo se trabaja con una función relacionada, llamada seno
cardinal que se define como
(
1 si t = 0,
sinc(t) := sa(πt) := sen (πt)
si t =
6 0.
πt

Observación. La forma compleja se puede definir para funciones periódicas f (t) que toman
valores complejos y las fórmulas y los resultados que se obtienen son totalmente análogos. Lo
único que hay que tener en cuenta es, simplemente, que a la hora de integrar se integran por
separado las partes real e imaginaria. En lo que sigue, usaremos a veces este hecho sin hacer
mención explícita.
Propiedades de la forma compleja de las series de Fourier. Las propiedades de derivación
e integración vistas en la sección anterior se trasladan al caso complejo sin dificultad alguna. Es
más, hay algunas propiedades que se entienden mucho más claramente en el contexto complejo y
que son útiles a la hora de obtener nuevos desarrollos de Fourier a partir de otros conocidos. En
lo que queda de sección, supondremos que f y g son funciones periódicas de período T (reales
o complejas) que verifican las condiciones de Dirichlet y cuyos desarrollos en serie de Fourier
compleja son, respectivamente,
X
∞ X

jnωt
f (t) = cn e y g(t) = dn ejnωt ,
n=−∞ n=−∞

siendo ω = 2π/T .
Linealidad. Si p y q son números complejos, entonces la serie de Fourier de pf (t) + qg(t) es
X

pf (t) + qg(t) = (pcn + qdn )ejnωt .
n=−∞

Traslación en el tiempo. Si t0 es un número real, entonces la serie de Fourier de la función


trasladada f (t − t0 ) es
X
∞ X

f (t − t0 ) = cn e−jnωt0 ejnωt = cn ejnω(t−t0 ) .
n=−∞ n=−∞

En particular, f (t) y f (t − t0 ) tienen el mismo espectro de amplitudes pero distintas fases.


Escalado en el tiempo. Si p es un número real, entonces la función f (pt) es periódica de
período T /p y frecuencia pω. Su serie de Fourier es
X

f (pt) = cn ejn(pω)t .
n=−∞

O sea, f (t) y f (pt) tienen las mismas amplitudes y fases pero correspondientes a frecuencias
distintas.
16 Lección 4. Análisis de Fourier

P∞
Convolución. Los coeficientes complejos de Fourier de f (t)g(t) = n=−∞ hn ejnωt son
X
∞ X

hn = ck dn−k = cn−k dk .
k=−∞ k=−∞

Multiplicación. Se verifica que


Z T X

1
f (t)g(t) dt = cn dn .
T 0 n=−∞

Forma compleja de la igualdad de Parseval. Se verifica que


Z X∞
1 T 2
|f (t)| dt = |cn |2 .
T 0 n=−∞

En particular, la serie de los cuadrados de los coeficientes complejos de Fourier es convergente.


Cuando f (t) es una señal periódica de período fundamental T , esta igualdad nos dice que
P∞
la potencia media de la señal es P = |cn |2 . Por eso, la representación de los valores |cn |2
n=−∞
cuando situamos las frecuencias en el eje de abscisas se llama espectro discreto de potencias.

4 La transformación de Fourier
La representación integral de Fourier. Hemos visto que la forma compleja de la serie de
Fourier de una función f periódica de período T que verifica las condiciones de Dirichlet es
X

f (t) = cn ejnωt ,
n=−∞

donde ω = 2π/T y los coeficientes de Fourier vienen dados por


Z
1 T /2
cn = f (t)e−jnωt dt para n = 0, ±1, ±2, . . .
T −T /2

Si nuestra señal no es periódica, no podemos esperar que sea posible representarla median-
te una serie de Fourier. Una de las contribuciones decisivas de Fourier fue tratar una función
no periódica como si fuera una función con período infinito, lo que le llevó a la posibilidad de
representarla no como una serie cuyos términos corresponden a múltiplos de la frecuencia fun-
damental 0, ω, 2ω, 3ω, . . . , sino como una integral cuya variable de integración es una frecuencia
que se mueve de manera continua. Veamos cuál fue su razonamiento.
Partiendo de una función periódica y combinando las expresiones anteriores, obtenemos
" Z #
X∞ X∞
1 T /2
f (t) = cn ejnωt = f (t)e−jnωτ dτ ejnωt .
n=−∞ n=−∞
T −T /2
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 17

Sean ω n = nω las frecuencias presentes y llamemos ∆ω n = ω n − ω n−1 = ω = 2π/T a la diferencia


entre dos frecuencias consecutivas. Entonces podemos escribir
" Z #
X∞
1 T /2
f (t) = f (τ )e−jωn τ dτ ejωn t ∆ω n .
n=−∞
2π −T /2

Ahora, para cada ω ∈ R definimos


Z T /2
FT (ω) = f (τ )e−jωτ dτ ,
−T /2

con lo que la igualdad previa puede escribirse como

1 X

f (t) = FT (ω n )ejωn t ∆ωn .
2π n=−∞

Si T es muy grande, podemos interpretar esta suma como una suma de Riemann de la integral
impropia
Z ∞
1 X

1 jωt
FT (ω)e dω ≈ FT (ω n )ejωn t ∆ωn = f (t).
2π −∞ 2π n=−∞
En consecuencia, si hacemos T → ∞ y consideramos la función F dada por
Z ∞
F (ω) = lim FT (ω) = f (τ )e−jωτ dτ ,
T →∞ −∞

entonces cabe esperar que se verifique la igualdad


Z ∞
1
f (t) = F (ω)ejωt dω,
2π −∞
que se llama representación integral de Fourier de la función f .
Este razonamiento no siempre es correcto ya que el paso al límite con T → ∞ puede no
funcionar como se espera. Esto ocurre, por ejemplo, con la función constante f (t) = 1, para la
que la integral que define F (ω) no es convergente. Sin embargo, como en el caso de las series
de Fourier, existe una clase amplia de funciones para las que dicha representación sí es válida.
Esta clase incluye todas las señales de interés en las aplicaciones ya que en la práctica las señales
tienen una duración finita.
Condiciones de Dirichlet para la integral de Fourier. Se dice que una señal real o compleja
f (t), definida para cada t ∈ R, satisface las condiciones de Dirichlet para la integral de Fourier
si f (t) es absolutamente integrable en R, o sea,
Z ∞
|f (t)| dt < ∞,
−∞

y, además, en cada subintervalo finito se verifica que f (t) es continua salvo un número finito de
discontinuidades de salto y que sus partes real e imaginaria sólo tienen una cantidad finita de
máximos y mínimos locales estrictos.
18 Lección 4. Análisis de Fourier

Teorema de convergencia de la integral de Fourier. Si f satisface las condiciones de


Dirichlet para la integral de Fourier, entonces para cada ω ∈ R se tiene que la integral
Z ∞
F (ω) = f (t)e−jωt dt
−∞

es convergente. Además, asumiendo que en las discontinuidades de salto de la función f se tiene


f (t− ) + f (t+ )
que f (t) = , también se verifica la igualdad
2
Z ∞
1
f (t) = F (ω)ejωt dω
2π −∞
que se llama representación integral de Fourier de la función f .
Definiciones. Sea f una función que satisface las condiciones de Dirichlet para la integral de
Fourier. Entonces la función F (ω) definida para cada ω ∈ R por
Z ∞
F (ω) = f (t)e−jωt dt
−∞

se llama transformada de Fourier de f y proporciona la representación en el dominio continuo


de frecuencias de la función f . Como ocurre con la transformada de Laplace, una notación muy
habitual para la transformada de Fourier es F{f }.
Cuando tengamos una función en el dominio de la frecuencia F (ω) y calculemos la función
f (t) en el dominio del tiempo cuya transformada de Fourier es la función F dada, diremos que
f es la transformada de Fourier inversa o, coloquialmente, la anti-transformada de F ; es decir,
Z ∞
−1 1
f (t) = F {F }(t) = F (ω)ejωt dω.
2π −∞

Puesto que el valor de F (ω) para cada variable real ω es un número complejo, suele represen-
tarse usando una gráfica para su módulo |F (ω)| y otra para su argumento principal arg(F (ω)) ∈
(−π, π] que se conocen, respectivamente, como espectro de amplitudes y espectro de fases de f .
Ejemplos. (1) La transformada de Fourier de la función exponencial unilateral
½
−αt 0 si t < 0,
f (t) = h0 (t)e = −αt
e si t > 0,
con Re(α) > 0, es
1
F (ω) = .
α + jω
(2) La transformada de Fourier del pulso rectangular
½
1 si |t| < d/2,
f (t) =
0 si d/2 < |t| ,
es
sen (ωd/2)
F (ω) = dsa(ωd/2) = d sinc(ωd/2π) = 2 .
ω
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 19

5 Propiedades de la transformación de Fourier


Es obvio que formalmente hay una relación estrecha entre la transformación de Fourier y tanto la
transformación de Laplace como las series de Fourier. No es de extrañar, entonces, que muchas
de las propiedades de la transformación de Laplace y de las series de Fourier que hemos visto
sean válidas para la transformación de Fourier. En lo que sigue supondremos que las funciones
que aparecen verifican las condiciones de Dirichlet para la integral de Fourier.
Linealidad. Si a y b son números complejos entonces la transformada de Fourier de la suma
af (t) + bg(t) es aF (ω) + bG(ω). O sea,

F{af + bg} = aF{f } + bF{g}.

Propiedad de simetría o de dualidad. La transformada de Fourier de F (t) es 2πf (−ω)


(esto es simplemente una forma de reescribir la segunda parte del teorema de convergencia de la
integral de Fourier).
Transformadas de funciones pares e impares. Si f es una función par, entonces su trans-
formada de Fourier viene dada por
Z ∞
F (ω) = 2 f (τ ) cos(ωτ ) dτ
0

y, teniendo en cuenta que F vuelve a ser una función par, concluimos que
Z ·Z ∞ ¸
2 ∞
f (t) = f (τ ) cos(ωτ ) cos(ωt) dτ dω.
π 0 0

La función que representa aquí el papel de la transformada de Fourier


Z ∞
Fc {f }(ω) = f (τ ) cos(ωτ ) dτ
0

se llama transformada coseno de f .


Si f es una función impar, entonces su transformada de Fourier viene dada por
Z ∞
F (ω) = −2j f (τ )sen (ωτ ) dτ
0

y, teniendo en cuenta que F vuelve a ser una función impar, concluimos que
Z ·Z ∞ ¸
2 ∞
f (t) = f (τ )sen (ωτ )sen (ωt) dτ dω.
π 0 0

La función que representa aquí el papel de la transformada de Fourier


Z ∞
Fs {f }(ω) = f (τ )sen (ωτ ) dτ
0

se llama transformada seno de f .


20 Lección 4. Análisis de Fourier

Escalado en el dominio del tiempo. La transformada de Fourier de f (at) viene dada por
F (ω/a)
; es decir
|a|
1
F{f (at)} (ω) = F{f } (ω/a) .
|a|

Inversión en el dominio del tiempo. La transformada de Fourier de la función f (−t) es


F (−ω) (observe que esta propiedad no es más que un escalado en el dominio del tiempo con
a = −1).
Desplazamiento, o traslación, en el dominio de la frecuencia. Si ω 0 es un número real
entonces la transformada de Fourier de ejω0 t f (t) es F (ω − ω 0 ). O sea,

F{ejω0 t f (t)} (ω) = F{f }(ω − ω 0 ).

Desplazamiento, o traslación, en el dominio del tiempo. Si t0 es un número real entonces


la transformada de Fourier de la función trasladada f (t − t0 ) es e−jωt0 F (ω). En otras palabras,
F{f (t − t0 )} = e−jωt0 F{f }.
Derivación en el tiempo. Si tanto f (t) como f 0 (t) verifican las condiciones de Dirichlet, se
verifica que la transformada de Fourier de la derivada f 0 (t) de una función derivable f (t) es
(jω)F (ω). Es decir,
F{f 0 } (ω) = (jω)F{f } (ω) .
Aplicando esto a f 0 tenemos, como consecuencia, la transformada de la derivada segunda

F{f 00 } (ω) = −ω 2 F{f } (ω) .

Más generalmente,

F{f (n) } (ω) = (jω)n F{f } (ω) , para n = 1, 2, . . .

(siempre que f (t), f 0 (t), ..., f (n) (t) cumplan las condiciones de Dirichlet).
Derivación en la frecuencia. Si la función tf (t) verifica las condiciones de Dirichlet, entonces
d
la transformada de Fourier de f (t) es derivable y se tiene que la transformada inversa de F (ω)

es −jtf (t). Más generalmente,
½ n ¾
−1 d
F n
F (ω) = (−jt)n f (t), para n = 1, 2, . . .

Producto de convolución en el tiempo. Dadas dos funciones f y g en el dominio del tiempo,


su producto de convolución es la función (f ∗ g) definida para t ∈ R por
Z ∞
(f ∗ g)(t) = f (τ )g(t − τ ) dτ .
−∞

(Es claro que si las funciones f y g son causales, entonces esta definición coincide con la dada
en la lección anterior.) Este producto de convolución también es conmutativo, asociativo y
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 21

distributivo y, como en el caso de la transformada de Laplace, su propiedad más importante es


que su transformada de Fourier es el producto de las transformadas de Fourier de los factores:

F{f ∗ g} (ω) = F (ω)G(ω).

Producto de convolución en la frecuencia (o multiplicación en el tiempo). Dadas dos


transformadas de Fourier F y G, su producto de convolución en el dominio de la frecuencia es la
función (F ∗ G)(ω) definida para ω ∈ R por
Z ∞
(F ∗ G)(ω) = F (τ )G(ω − τ ) dτ .
−∞

Entonces
1
F{f (t)g(t)} (ω) = F (ω) ∗ G(ω).

Teorema de Parseval. La energía total asociada con una función f : R → R se define como
Z ∞
|f (t)|2 dt.
−∞

Si una función tiene energía total finita, entonces su transformada de Fourier también y, de hecho,
se tiene Z ∞ Z ∞
2 1
|f (t)| dt = |F (ω)|2 dω.
−∞ 2π −∞

Transformadas de Fourier generalizadas. Hemos visto que, interpretándola de manera ade-


cuada, la función de impulso o función delta de Dirac permite modelar mediante la transformación
de Laplace algunas situaciones de interés en la práctica. Ocurre lo mismo con la transformación
de Fourier. Usando las propiedades de la función delta tenemos que
Z ∞
F{δt0 (t)}(ω) = δ t0 (t)e−jωt dt = e−jωt0
−∞

y, en particular,
F{δ 0 (t)}(ω) = 1.
Usando la propiedad de dualidad nos quedaría, entonces,

F{1} = 2πδ 0 (ω) y F{ejω0 t } = 2πδω0 (ω)

transformadas que, como se puede comprobar, funcionan bien en la representación integral de


Fourier; es decir, Z ∞
−1 1
F {2πδ ω0 (ω)} = 2πδ ω0 (ω)ejωt dω = ejω0 t .
2π −∞
Se dice entonces que la función ejω0 t admite una transformada de Fourier generalizada que es
F{ejω0 t } = 2πδ ω0 (ω) y, en particular, que la transformada de Fourier generalizada de la función
constante 1 es 2πδ 0 (ω).
22 Lección 4. Análisis de Fourier

Transformada de Fourier generalizada de una función periódica. Si tenemos una función


periódica f (t) de período T0 y frecuencia ω 0 que verifica las condiciones de Dirichlet, entonces su
desarrollo en serie de Fourier es
X∞
f (t) = cn ejnω0 t .
n=−∞

Por tanto, su transformada de Fourier generalizada es un tren de impulsos

X

F (ω) = 2π cn δ 0 (ω − nω 0 )
n=−∞

que ocurren en los valores de su espectro discreto de frecuencias 0, ±ω 0 , ±2ω0 , . . .


Otra forma de expresar el desarrollo en serie de Fourier de una función periódica f (t) es la
siguiente: Sea g(t) un período de f (t), es decir, si denotamos por I un intervalo cualquiera de
longitud T , entonces ½
f (t) si t ∈ I,
g(t) =
0 en otro caso.
En ese caso, podemos expresar f como

X

f (t) = g(t − nT0 ).
n=−∞

Es más, si G(ω) es la transformada de Fourier de g, entonces


Z Z
1 −jnω 0 t 1
cn = f (t)e dt = g(t)e−jnω0 t dt
T I T I
Z
1 ∞ 1
= g(t)e−jnω0 t dt = G(nω0 ),
T −∞ T

lo que nos permite escribir


1 X

f (t) = G(nω0 )ejnω0 t
T n=−∞

que se conoce como suma de Poisson.

6 Ejercicios
Ejercicio 1. ¿Qué relación deben mantener dos frecuencias positivas ω 1 y ω2 para que la función
f (t) = sen (ω1 t) + sen (ω 2 t) sea un polinomio trigonométrico? Cuando eso ocurra, ¿cuál será su
período?
Ejercicio 2. Determina el desarrollo en serie de Fourier de las siguientes funciones, que están
definidas como se indica en el intervalo [−π, π] y se extienden periódicamente a toda la recta
real:
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 23

1. f (t) = t cos(t)
2. f (t) = t2
3. f (t) = |sent|
4. f (t) = et .

Ejercicio 3. Desarrolla en serie de Fourier en el intervalo [−π, π] la función


½
0 si −π < t < 0,
f (t) =
π si 0 < t < π.
A partir de este desarrollo, deduce el de
½
−1 si −π < t < 0,
g(t) =
1 si 0 < t < π.
Dibuja las funciones a las que tienden las series obtenidas en el intervalo [−5π, 5π].
Ejercicio 4. Halla los siguientes desarrollos en serie de Fourier de la función f (t) = t2 .

1. En el intervalo [0, 2π].


2. En el intervalo [−π, π].
3. En serie de senos en el intervalo [0, π].
4. En serie de cosenos en el intervalo [0, π].
5. La serie compleja en [−π, π].

Ejercicio 5. Desarrolla en serie de Fourier en el intervalo [−π, π] la función


½
0 si −π < t < 0,
f (t) =
sen t si 0 < t < π.
Dibuja la función a la que tiende las serie obtenida en el intervalo [−6π, 8π].
Ejercicio 6. Desarrolla en serie de Fourier en el intervalo [−π, π] la función
½
0 si −π < t < 0,
f (t) =
t si 0 < t < π.
Dibuja la función a la que tiende las serie obtenida en el intervalo [−5π, 5π] y aplica el teorema
de Dirichlet para deducir las siguientes igualdades:
X

1 1 1 1 π2
= 1 + + + + · · · =
n=1
(2n − 1)2 32 52 72 8
X∞
1 1 1 1 π2
2
= 1 + 2
+ 2
+ 2
+ · · · = .
n=1
n 2 3 4 6

Ejercicio 7. Halla los desarrollos en serie de Fourier de la función f (t) = 1 − cos2 (t) que se
piden a continuación:
24 Lección 4. Análisis de Fourier

1. En el intervalo [0, 2π].


2. En el intervalo [−π, π].
3. En serie de senos en el intervalo [0, π].
4. En serie de cosenos en el intervalo [0, π].
5. La serie compleja en [−π, π].

Dibuja las correspondientes sumas obtenidas en [−4π, 4π].


Ejercicio 8. Una señal con período T consiste en un pulso de altura a y duración τ < T que
luego decae a 0. Determina sus desarrollos en series de Fourier real y compleja en el intervalo
[0, T ] suponiendo que situamos el origen de tiempos precisamente cuando se produce uno de los
saltos desde 0 hasta a.
Ejercicio 9. ¿Cuál es el desarrollo en serie de Fourier de senos de la función f (t) = 1 en el
intervalo [0, 1]?
Ejercicio 10. Determina el desarrollo en serie de Fourier de senos de la función f (t) = et en el
intervalo [0, 2].
Ejercicio 11. Desarrolla en sendas series de Fourier de senos y de cosenos en el intervalo [0, 1]
la función f (t) = t.
Ejercicio 12. Halla los siguientes desarrollos en serie de Fourier de la función f (t) = |t|.

1. En el intervalo [0, 2] (en senos y cosenos).


2. En el intervalo [−1, 1].
3. En serie de senos en el intervalo [0, 1].
4. En serie de cosenos en el intervalo [0, 1].

Ejercicio 13. Determina la transformada de Fourier de cada una de las siguientes funciones (a
representa un número real positivo).

1. f (t) = e−a|t|
2. f (t) = |t| e−a|t|
3. f (t) = e−a|t| tn para n = 1, 2, . . .
4. f (t) = e−a|t| sen(bt)
5. f (t) = e−a|t| cos(bt).

Ejercicio 14. Determina la transformada de Fourier de cada una de las siguientes funciones (a
representa un número con parte real positiva y h0 es la función de salto de Heaviside).
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 25

1. f (t) = te−at h0 (t)

2. f (t) = tn e−at h0 (t) para n = 1, 2, . . .

3. f (t) = e−at sen (ω 0 t)h0 (t)

4. f (t) = e−at cos(ω0 t)h0 (t).

Ejercicio 15. Calcula la transformada de Fourier de las siguientes funciones

1. El pulso definido por 


 k si −2 < t < 0,
f (t)= −k si 0 < t < 2,

0 en otro caso.

2. La función triangular ½
1 − |t| /T si |t| < T,
f (t)=
0 si |t| > T.

3. El pulso sinusoidal f (t) = sen(πt/T ) si 0 < t < T y f (t) = 0 en otro caso.

Ejercicio 16. Calcula la transformada de Fourier de las siguientes funciones (cosenos vistos a
través de ventanas, “windowed cosines” en inglés).

1. f (t) = cos(ω 0 t) [h0 (t + d) − h0 (t − d)]

2. f (t) = cos(ω 0 t) [h0 (t) − h0 (t − 2d)],

donde d y ω0 son números reales positivos.


Ejercicio 17. Usando la propiedad de dualidad, calcula las transformadas de Fourier de la
función de muestreo sa(t) y de la función seno cardinal sinc(t).
Ejercicio 18. Usa la representación integral de Fourier para hallar la transformada inversa de
la función 
 2 si 0 < ω < 2,
F (ω) = −2 si −2 < ω < 0,

0 en otro caso.
Comprueba el resultado usando la propiedad de dualidad.
Ejercicio 19. Usa la representación integral de Fourier para hallar la función cuyo espectro de
amplitudes es 2 [h0 (ω + 3) − h0 (ω − 3)] y cuyo espectro de fases es π − 32 ω.
Ejercicio 20. Usando las propiedades de la transformada de Fourier, halla, en términos de
la transformada F (ω) de una cierta función f (t), la transformada de Fourier de las siguientes
funciones.

1. f1 (t) = f (t − 1) + f (−t − 1).


26 Lección 4. Análisis de Fourier

2. f2 (t) = f (3t − 6).


3. f3 (t) = f 00 (t − 1).

2
Ejercicio 21. Sabiendo que F{e−|t| } = , halla F{te−|t| } y aplica la propiedad de dualidad
1 + ω2
para calcular F{4t/(1 + t2 )2 }.
Ejercicio 22. Prueba las siguientes afirmaciones.

1. Si f es par y real, entonces F{f (t)} es par y real.


2. Si f es impar y real, entonces F{f (t)} es impar e imaginaria pura.

Ejercicio 23. Halla f (t) sabiendo que la transformada de Fourier de g(t) = f (t) cos(t) es
½
1 si |ω| < 2,
F{g(t)}(ω) =
0 en otro caso.

Ejercicio 24. Halla las transformadas de Fourier generalizadas de las funciones sen(ωt), cos(ωt)
y ej(ωt+φ) .
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 25. Halla la forma compleja de la serie de Fourier de la onda triangular definida en el
intervalo [−1, 1] por
tri(t) = 1 − |t|
y extendida 2-periódicamente.
Ejercicio 26. (1) Sea f (t) la función definida por f (t) = t para 0 ≤ t < 1 y extendida
periódicamente a toda la recta real. Calcula la forma compleja de la serie de Fourier de f y
dibuja la función a la que converge dicha serie en el intervalo [−2, 2].
P

(2) Aplica la forma compleja de la igualdad de Parseval para deducir el valor de n−2 .
n=1

Ejercicio 27. Enuncia y demuestra la igualdad de Parseval para las series de Fourier reales.
Ejercicio 28. Enuncia y demuestra la propiedad de traslación en el tiempo para la transforma-
ción de Fourier.
Ejercicio 29. Enuncia y demuestra la propiedad de convolución en el tiempo para la transfor-
mación de Fourier.
Ejercicio 30. (1) Enuncia las condiciones de Dirichlet para la transformación de Fourier y el
correspondiente Teorema de Convergencia.
(2) Utiliza el teorema mencionado en el apartado anterior para calcular la función continua
cuya transformada de Fourier es la función F (ω) = e−|ω| para ω ∈ R.
Ejercicio 31. Sea f el pulso rectangular dado por f (t) = 1 si |t| Z< 1 y f (t) = 0 si |t| ≥ 1.

sen (x)
Calcula su transformada de Fourier y úsala para deducir el valor de dx.
−∞ x
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 27


Ejercicio 32. La transformada de Fourier de una función f (t) es F (ω) = . Calcula la
cosh(ω)
transformada de Fourier de la función g(t) = f 0 (2t − 1) enunciando las propiedades que utilices.
Ejercicio 33. Aplica la transformación de Fourier al problema de valor inicial

y 0 + 2ty = 0 con y(0) = 1


2
para hallar la transformada de Fourier de la función f (t) = e−t .

7 Bibliografía
Para desarrollar esta lección pueden consultarse los siguientes textos, en especial el de James
(que incluye algunas aplicaciones a la ingeniería).
[517.9/3-EDW] C.H. Edwards y D.E. Penney, Ecuaciones diferenciales elementales, Cap. 8.
[517.9/2-SIM] G.F. Simmons, Ecuaciones diferenciales, Cap. 6.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 4 (secciones 4.1 a 4.6)
y Cap. 5 (secciones 5.1 a 5.5)
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 5.

ANÁLISIS DISCRETO DE FOURIER.

Curso 2006-07

La transformación discreta de Fourier es una herramienta fundamental en el estudio y trata-


miento de las señales digitales. Puede decirse, sin temor a exagerar, que su implementación
computacional, conocida como el algoritmo de la transformada rápida de Fourier o algoritmo
FFT (acrónimo del inglés fast Fourier transform) ha influido en nuestra vida cotidiana más que
cualquier otro concepto matemático en la Historia a través de su utilización en la discretización
y reconstrucción de señales. Su campo de aplicación abarca el funcionamiento de los discos
compactos, la mecánica aplicada, la acústica, la ingeniería biomédica, el análisis sismográfico,
el procesado digital de señales, el rádar o el electromagnetismo aplicado, por citar unas pocas
áreas. Existen ya dispositivos electrónicos –chips– que llevan el algoritmo FFT incorporado y
que se pueden instalar en máquinas controladas por ordenadores.
En este tema veremos este algoritmo, cuyas raíces se encuentran en la obra de K. F. Gauss y
que fue creado en 1965 por J. W. Cooley y J. W. Tukey, y una serie de aplicaciones interesantes,
como la aproximación de los coeficientes de Fourier de una señal periódica o de la transformada
de Fourier de una señal continua no periódica, el análisis de los modos de vibración de los valores
de una onda obtenidos a intervalos iguales y la síntesis de dicha onda, la eliminación de ruidos
aleatorios y el cálculo del producto de polinomios. En asignaturas posteriores de la carrera podrás
estudiar otras aplicaciones más directamente relacionadas con el procesamiento digital de señales
acústicas y visuales.

1 La transformación discreta de Fourier


Para realizar el tratamiento digital de señales continuas es necesario discretizar éstas, tomando
muestras, y trabajar con las señales discretas que se obtienen. En la práctica, sin embargo,
las señales discretas que se pueden manejar deben tener duración finita. Es necesario, entonces,
plantearse lo que podríamos llamar un análisis de Fourier discreto que relacione señales discretas
en el dominio del tiempo con señales discretas en el dominio de la frecuencia o, en término
abstractos, vectores de dimensión finita con vectores de dimensión finita. Puesto que una de las
propiedades más importantes del análisis de Fourier continuo es la linealidad, debemos tratar de
2 Lección 5. Análisis Discreto de Fourier

conservarla en el caso discreto, lo que nos llevará a plantear dicha relación entre vectores como
una aplicación lineal dada por una matriz.
Hay varios problemas cuya resolución acaba en la misma cuestión: una relación entre vectores
de valores en los dominios del tiempo y de la frecuencia definida por una matriz muy especial
que se conoce como matriz de Fourier. Dicha relación y las propiedades de dicha matriz son
la base del análisis discreto de Fourier. Veamos ahora uno de estos problemas, concretamente
el de interpolar datos periódicos mediante un polinomio trigonométrico adecuado; más adelante
estudiaremos otras aplicaciones.
Interpolación trigonométrica. Tomando N muestras de una señal periódica f de período T
en instantes separados por intervalos regulares,

T 2T kT (N − 1)T
t0 = 0, t1 = , t2 = , . . . , tk = , . . . , tN−1 = ,
N N N N
conocemos los valores reales o complejos yk = f (tk ) que toma en estos puntos. Si queremos
reconstruir la señal a partir de dichos valores y no tenemos otra información, lo más sensato es
aproximarla mediante una combinación g(t) de funciones T -periódicas conocidas que tome en
dichos puntos el mismo valor que f , o sea, tal que g(tk ) = yk para k = 0, 1, . . . , N − 1. Este
procedimiento se conoce como interpolación trigonométrica y se dice que g es la función que
interpola los valores de la interpolación yk en los nodos de interpolación tk .

Las funciones T -periódicas que se utilizan son los armónicos complejos ejnωt con ω = y,
T
puesto que hay N puntos, si queremos que el problema tenga solución única debemos combinar
un total de N armónicos. El problema es, entonces, el siguiente: Dados N nodos tk = kT /N,
con k = 0, 1, 2, . . . , N − 1, igualmente espaciados en [0, T ] y sus correspondientes valores de
interpolación y0 , y1 , . . . , yN −1 ∈ C, hallar una función g de la forma:

1 X
N−1
1 ¡ jωt j2ωt j(N −1)ωt
¢
g(t) = β + β 1e + β2e + · · · + β N−1 e = β ejnωt
N 0 N n=0 n

tal que g(tk ) = yk para cada k = 0, 1, . . . , N − 1. El factor 1/N que aparece delante no es más
que un convenio; lo incluimos para seguir la notación habitual en los textos de procesado digital
de señales. Los valores de interpolación (yk ) son valores de la señal en el dominio del tiempo y los
coeficientes (β n ) están en el dominio de la frecuencia; de hecho, los módulos de estos coeficientes
nos dan el espectro de amplitudes de g. Para resolver el problema, imponemos las N condiciones
y nos queda

1 X 1 X 1 X
N−1 N−1 N−1
jnωtk jnk2π/N
yk = β e = β e = β wnk , k = 0, 1, . . . , N − 1;
N n=0 n N n=0 n N n=0 n N

siendo wN = exp(j2π/N) la raíz primitiva N-ésima de la unidad1 . Podemos expresar estas


igualdades en forma matricial (mientras no haya lugar a confusión, suprimiremos el subíndice N
1
En algunos textos se utiliza WN o bien ω N en vez de wN . En otros, se usa WN = exp(−2πj/N ). Hay que
tener un poco de cuidado con esta cuestión.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

de wN y escribiremos w):
    
y0 1 1 1 ... 1 ... 1 β0
 y1   1 w w2 ... wn ... wN−1  β1 
    
 y2   1 w 2
w4 ... w2n ... w2(N−1)  β2 
 .  
1  .. .. .. .. ..  .. 
 .   
 . =  . . . . .  . .
  N k  
 yk   1 w w2k ... wnk ... w(N−1)k   βn 
 .   . .. .. .. ..  . 
 ..   .. . . . .   .. 
yN −1 1 wN−1 w2(N−1) . . . wn(N−1) . . . w(N−1)(N−1) β N−1
£ ¤N−1
Definiciones. La matriz cuadrada que aparece en la igualdad anterior, FN = wnk n,k=0 , se
llama matriz de Fourier de orden N. Si expresamos dicha igualdad como y = N1 FN β, entonces
diremos que el vector β es la transformada discreta de Fourier del vector y, lo que escribiremos
como β = DF T (y) (la notación DF T proviene del inglés Discrete Fourier Transform), y que
el vector y es la transformada inversa del vector β, lo que escribiremos como y = IDF T (β).
Esta notación tiene sentido ya que, como se deduce del teorema que enunciamos a continuación,
la transformada discreta de Fourier goza de existencia y unicidad. El paso de y, valores en el
dominio del tiempo, a β, coeficientes en el dominio de la frecuencia, se suele llamar análisis de
Fourier y el paso de β a y es la síntesis de Fourier. Es interesante observar que DF T (y) es
independiente del período de la función cuyas muestras forman el vector y.
Teorema. Sea FN la matriz de Fourier de orden N, es decir, la matriz cuadrada cuyo elemento
(k, n) es wnk para n, k = 0, 1, . . . , N − 1, siendo w = exp(j2π/N) la raíz primitiva N -ésima de la
unidad. Entonces se verifican:

1. FN es simétrica.

2. Las columnas de FN son ortogonales dos a dos y tienen norma igual a N; es decir, la
1
matriz √ FN es unitaria.
N
1 1 £ ¤N−1
3. La inversa de FN es FN = FN∗ = N1 w−nk n,k=0 (el asterisco indica la matriz traspuesta
N N
y conjugada). Es decir, FN FN∗ = NI.
4. La transformada discreta de Fourier de un vector y ∈ CN existe y es única. Más con-
cretamente, β = DF T (y) se obtiene mediante β = FN y, con lo que sus componentes
son:
X
N−1
βn = w−nk yk n = 0, 1, . . . , N − 1.
k=0

A partir de este teorema pueden deducirse las propiedades de la transformada discreta.


Linealidad. La transformación discreta de Fourier es lineal: Si y, z ∈ CN tienen transformadas
β = DF T (y) y γ = DF T (z) entonces para cualesquiera a, b ∈ C se tiene
DF T (ay + bz) = aβ + bγ.
4 Lección 5. Análisis Discreto de Fourier

Relaciones de Plancherel y Parseval. Sean y, z ∈ CN con transformadas β = DF T (y) y


γ = DF T (z). Entonces se verifica la relación de Plancherel entre los correspondientes productos
escalares:
1
(y, z) = (β, γ).
N
En particular (para z = y) se verifica la igualdad de Parseval:
1 ³ ¯ ¯2 ´
2 2 2
|y0 | + |y1 | + · · · + |yN−1 | = 2 2 ¯
|β 0 | + |β 1 | + · · · + β N−1 ¯ .
N
1
En otras palabras, kyk2 = √ kβk2 (donde k·k2 es la norma euclídea).
N
Convolución. A estas alturas del curso debe haber quedado claro que una de las operaciones
matemáticas avanzadas más importantes es el producto de convolución. Ya se ha visto la con-
volución de señales continuas y veremos más adelante la de señales discretas infinitas. Veremos
aquí la convolución discreta de vectores y su relación con la transformada discreta de Fourier.
Definición. Sean y, z dos vectores de dimensión N. Se define su producto de convolución y ∗ z
como el vector
 
z0 y0 + z1 yN−1 + z2 yN−2 + · · · + zN−2 y2 + zN−1 y1
 z0 y1 + z1 y0 + z2 yN−1 + · · · + zN−2 y3 + zN−1 y2 
 
 z0 y2 + z1 y1 + z2 y0 + · · · + zN−2 y4 + zN−1 y3 
 
y∗z = .. .
 . 
 
 z0 yN−2 + z1 yN−3 + z2 yN−4 + · · · + zN−2 y0 + zN−1 yN −1 
z0 yN−1 + z1 yN −2 + z2 yN−3 + · · · + zN−2 y1 + zN −1 y0

Es decir, la n-ésima componente de y ∗ z viene dada por cualquiera de las siguientes expresiones

(y ∗ z)n = z0 yn + z1 yn−1 + · · · + zn y0 + zn+1 yN−1 + · · · + zN−1 yn+1


Xn X
N−1 X X
= zj yn−j + zj yN+n−j = zj yk + zj yk .
j=0 j=n+1 j+k=n j+k=N+n

Es fácil ver que el producto de convolución es lineal y conmutativo. La forma más sencilla de
analizar el producto de convolución es expresarlo de forma matricial:
  
y0 yN−1 yN−2 . . . y2 y1 z0
 y1 y0 yN−1 . . . y3 y2   
   z1 
 y2 y1 y0 . . . y4 y3   z2 
 
 
y∗z = . .   ..  .
 .  . 
  
 yN−2 yN−3 yN−4 . . . y0 yN−1   zN−2 
yN−1 yN−2 yN−3 . . . y1 y0 zN−1

Una matriz cuadrada como la anterior se llama circulante ya que los elementos de la primera
columna van rotando su posición en las columnas sucesivas. Observemos que tiene diagonales
constantes y que el vector y ocupa su primera columna. Como esta primera columna nos permite
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

reproducir toda la matriz, diremos que es la matriz circulante generada por y. La relación de las
matrices circulantes con la transformada discreta de Fourier viene dada por el siguiente resultado.
Autovalores de las matrices circulantes. Sea Cy la matriz circulante generada por el vector
y ∈ CN . Entonces cada columna de la matriz de Fourier del mismo orden es un autovector de Cy
cuyo autovalor es el correspondiente elemento de la transformada discreta de Fourier de y. En
otras palabras, Cy es diagonalizable con matriz de paso FN :

1
Cy FN = FN Λ ≡ Cy = FN ΛFN−1 ≡ Cy = FN ΛFN
N
siendo Λ la matriz diagonal cuyos elementos diagonales son, en el mismo orden, los de DF T (y).
Este teorema nos permite hallar el producto de convolución usando las transformadas de
Fourier directa e inversa: Sean β = DF T (y), γ = DF T (z). Entonces (con la notación anterior):

1 1
y ∗ z = Cy z = FN ΛFN z = FN Λγ.
N N
Observemos que Λγ es el vector que se obtiene multiplicando β y γ coordenada a coordenada,
(Λγ)n = β n γ n . Este tipo de producto se conoce con el nombre de producto de Hadamard y lo
denotaremos por β · γ. Nos queda:

1
y∗z = FN (β · γ) = IDF T (β · γ).
N
En resumen, para calcular y∗z se hacen las transformadas de y y de z, se multiplican coordenada a
coordenada y se hace la transformada inversa de este vector. De paso hemos probado el siguiente
resultado.
Corolario. Sean y, z ∈ CN . Entonces la transformada discreta de Fourier del producto de
convolución de y ∗ z es el producto de Hadamard de las correspondientes transformadas de y y
de z:
DF T (y ∗ z) = DF T (y) · DF T (z).

Advertencia. La convolución puede usarse para multiplicar polinomios. Si p(x) es un polinomio


de grado m y q(x) es un polinomio de grado n, entonces su producto p(x)q(x) es un polinomio de
grado m + n. Los coeficientes de p(x)q(x) se pueden hallar de la siguiente manera: si escribimos
dos vectores cp y cq que contienen los coeficientes de p y q en potencias decrecientes de x y se
rellenan con ceros hasta tener dimensión m + n + 1, entonces cp ∗ cq es el vector de los coeficientes
de p · q en potencias decrecientes de x.
Observación. Si quisiéramos calcular β = DF T (y) resolviendo por eliminación gaussiana el
sistema y = N1 FN β, necesitaríamos del orden de N 3 /3 multiplicaciones. Sin embargo, la multi-
plicación β = FN y ya sólo requiere unas N 2 , lo que supone un ahorro considerable. Por ejemplo,
si N = 128, pasamos de unas 700.000 multiplicaciones a unas 16.500; el 2.3%. Aun así, N 2 es
un número de operaciones demasiado elevado para ciertas aplicaciones. Veremos en la siguiente
sección el algoritmo de la transformada rápida de Fourier, que nos permitirá reducirnos todavía
más: para N = 128, ¡se nos queda en algo menos de 900!
6 Lección 5. Análisis Discreto de Fourier

2 El algoritmo FFT
El resultado esencial que nos permitirá acelerar el cálculo de la transformada discreta de un
vector es el Teorema de Duplicación que dice lo siguiente:
Teorema de Duplicación. Dado el vector y = (y0 , y1 , . . . , yN−1 )T de dimensión N = 2M, sean

y 0 = (y0 , y2 , . . . , yN−2 )T ,
y 00 = (y1 , y3 , . . . , yN−1 )T ,

donde la T denota el vector transpuesto. Si las transformadas discretas de Fourier de y 0 e y 00 son,


respectivamente,

β 0 = DF T (y 0 ) = (β 00 , β 01 , . . . , β 0M−1 )T ,
β 00 = DF T (y 00 ) = (β 000 , β 001 , . . . , β 00M−1 )T ,

entonces las componentes de la transformada discreta de Fourier de y, β = DF T (y), pueden


obtenerse de la siguiente manera: para n = 0, 1, . . . , M − 1
¡ ¢
β n = β 0n + β 00n w−n ,
¡ ¢
β M+n = β 0n − β 00n w−n ,

donde w = exp(j2π/N) es la raíz primitiva N-ésima de la unidad.


Supongamos, por ejemplo, que N = 8. Para calcular DF T (y) usando el Teorema de Dupli-
cación necesitamos conocer las transformadas de sus mitades y 0 e y 00 que corresponden, respec-
tivamente, a las coordenadas con índice par y a las que lo tienen impar. En la etapa anterior,
para calcular la transformada de y 0 usando el Teorema de Duplicación, necesitamos las transfor-
madas de los vectores [y0 , y4 ]T e [y2 , y6 ]T y algo análogo para hallar la de y 00 . En una primera
etapa necesitamos calcular las de vectores de dimensión 2 como los anteriores a partir de las de
dimensión uno que son triviales: si dim(z) = 1 entonces DF T (z) = z. Esto se representa en el
siguiente esquema: · ¸    
[y0 ] & y0 y0 y0
&    
[y4 ] % · y4 ¸  y2  &  y1 
[y2 ] & y2  y4   y2 
%  
[y6 ] % · y6 ¸  y3 
 y6   
[y1 ] & y1 y1  y4 
&   
[y5 ] % · y5 ¸ y   y5 
 3   
[y3 ] & y3  y5  %  y6 
%
[y7 ] % y7 y7 y7
donde aparecen, en columnas de izquierda a derecha, los vectores cuyas transformadas se calculan
en cada etapa. Las flechas indican qué componentes de las correspondientes transformadas de
una etapa anterior se necesitan para calcular una nueva mediante el Teorema de Duplicación.
Supongamos que N es una potencia de 2, N = 2r . La idea del algoritmo rápido es la siguiente:
empezamos con las componentes sueltas (vectores de dimensión 1) y, durante r etapas, vamos
calculando las transformadas de vectores cada vez el doble de grandes hasta terminar hallando la
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

transformada del vector inicial. Puesto que hay r etapas y en cada etapa se determinan un total
de N coeficientes cuyo cálculo requiere una multiplicación; el número total de multiplicaciones
que hacen falta será Nr = N log2 (N). Para N = 128 nos quedan 896 multiplicaciones.
El Teorema de Duplicación de la transformada discreta de Fourier, que es la base del algoritmo
rápido, podemos interpretarlo matricialmente. La matriz F4 que permite calcular la transformada
de Fourier de orden 4 se puede factorizar de la siguiente manera:
     
1 1 1 1 1 0 1 0 1 1 0 0 1 0 0 0
 1 −j −1 j   0 1 0 −j   1 −1 0 0   0 0 1 0 
F4 =    
 1 −1 1 −1  =  1 0 −1 0   0 0 1 1   0 1 0 0  .
 

1 j −1 −j 0 1 0 j 0 0 1 −1 0 0 0 1

La matriz de la derecha corresponde a la separación de las coordenadas que ocupan posición


par de las que ocupan posición impar, de forma que al aplicarla al vector y lo escribe como
[y 0 , y 00 ]T . La segunda matriz es diagonal por bloques, y cada bloque es F2 ; el efecto de esta
segunda matriz es calcular por separado las transformadas de y 0 e y 00 . Finalmente, la matriz de
la izquierda corresponde al Teorema de Duplicación: usa las transformadas de y 0 e y 00 para hallar
la de y. En general, la aplicación sucesiva del Teorema de Duplicación consiste en una gigantesca
factorización de la matriz FN en matrices que tienen una proporción muy grande de elementos
nulos y es por esto por lo que el ahorro en el número de operaciones es tan grande.
Un aspecto importante de la programación efectiva de este algoritmo es el siguiente: Si
observamos el esquema anterior, resulta que las componentes originales del vector hay que des-
ordenarlas en la etapa inicial para que la aplicación sucesiva del Teorema de Duplicación nos
produzca la transformada deseada. ¿Cómo tenemos que desordenar el vector al comienzo? Tukey
se dio cuenta de que si escribimos en base 2 las posiciones (empezando desde la posición cero)
que ocupan las componentes al principio, entonces hay que desordenarlas haciendo que ocupen
la posición indicada por la expresión en dicha base después de darle la vuelta. Por ejemplo, la
componente y3 pasa a ocupar la posición 6 porque 3 = (011)2 y (110)2 = 6. Podemos observar
esto en el esquema siguiente

· ¸    
(000) → [y0 ] y0 y0 y0 ← (000)
(100) → [y4 ]     ←
· y4 ¸  y2   y1  (001)
(010) → [y2 ] y2  y4   y2  ← (010)
 
(110) → [y6 ] y y6  y3  ← (011)
· 6 ¸    
(001) → [y1 ] y1 y1  y4  ← (100)
 
(101) → [y5 ] y  y3   y5  ← (101)
· 5 ¸    
(011) → [y3 ] y3  y5   y6  ← (110)
(111) → [y7 ] y7 y7 y7 ← (111)
En el caso general, la reordenación se hace mediante lo que se conoce como aplicación de inversión
binaria que es la permutación ρN que intercambia la posición cuyo índice n ∈ {0, 1, . . . , 2r − 1} se
expresa en base 2 como n = (dr−1 dr−2 . . . d1 d0 )2 con la posición cuyo índice es (d0 d1 . . . dr−2 dr−1 )2 .
Otro aspecto interesante de la programación del algoritmo es que se pueden almacenar los
datos intermedios a lo largo del mismo sin ocupar muchas posiciones de memoria. Tal como está
8 Lección 5. Análisis Discreto de Fourier

explicado, necesitamos 2N posiciones para almacenar la columna de una etapa y la de la siguiente.


Podemos reducir este número a un sólo vector de dimensión N si hacemos las operaciones de
duplicación en el siguiente orden:
¡ ¢ ¡ ¢
β M+n = β 0n − β 00n w−n , β n = β 0n + β 00n w−n = 2β 0n − β M+n ;
o sea, calculamos primero β M+n . Una vez que hemos usado β 00n ya no necesitamos más este
número, así que podemos poner β M+n en la posición que ocupaba. Luego calculamos β n =
2β 0n − β M+n . Como β 0n no se vuelve a usar, guardamos β n en dicha posición.
Algoritmo FFT. Para un vector y de dimensión N = 2r , el siguiente algoritmo calcula su
transformada discreta de Fourier. (Notación: y(k) es la componente k-ésima del vector y, ρN es
la aplicación de inversión binaria en el conjunto {0, 1, ..., N − 1}, wn es la raíz primitiva n-ésima
de la unidad y a ← b significa almacenar b en la posición que ocupa a.)

Para n = 0, 1, . . . , N − 1 :
y (ρN (n)) ← yn .
Para m = 1, 2, . . . , r :
q ← 2m−1 ,
Para k = 0, 1, . . . , q − 1.
−k
u ← w2q ,
Para n = 0, 1, . . . , N − 1 con incremento 2q :
y(n + k + q) ← y(n + k) − u · y(n + k + q),
y(n + k) ← 2y(n + k) − y(n + k + q).

Observaciones. (1) Cuando N no es una potencia de 2, existen algoritmos similares que usan
teoremas de duplicación análogos al visto que se basan en la factorización de N en números
primos.
(2) Puesto que la transformada inversa tiene una estructura matricial similar, también existe
un algoritmo rápido de inversión llamado algoritmo IFFT.

3 Algunas aplicaciones de la transformada discreta de


Fourier
Interpolación trigonométrica real. Cuando la función que interpolamos es una función
real de período T , se hace deseable poder expresar el polinomio trigonométrico interpolante de
P 2π
la forma g(t) = n (an cos(nωt) + bn sen (nωt)) con ω = . Es decir, buscamos un polinomio
T
trigonométrico g(t) del menor grado posible tal que g(tk ) = yk para k = 0, 1, ..., N −1, siendo tk =
kT /N e yk valores arbitrarios. Veamos cómo se hace esto. Supondremos que N = 2M es par y
partimos del vector real y = (yk ) cuyas componentes son los valores de interpolación. Calculamos
su transformada discreta de Fourier β = DF T (y) y obtenemos un polinomio interpolador

1 X
N −1
1 ¡ jωt j2ωt j(N−1)ωt
¢
h(t) = β + β 1e + β 2e + · · · + β N −1 e = β ejnωt
N 0 N n=0 n
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

Ahora bien, en este caso es fácil ver que las coordenadas de β verifican: β 0 , β M ∈ R y β n = β N −n
para n = 1, 2, . . . , M − 1. Teniendo esto en cuenta vamos a escribir el polinomio h de la siguiente
manera:
X
M−1 X
2M−1
jnωt jMωt
Nh(t) = β 0 + β ne + βM e + β n ejnωt
n=1 n=M+1

X
M−1 X
M−1
jnωt jMωt
= β0 + β ne + βM e + β N−n ej(N−n)ωt
n=1 n=1
X
M−1 X
M−1
= β0 + β n ejnωt + β M ejMωt + β n e−jnωt ejNωt
n=1 n=1
X
M−1
1 X
M−1
1
= β0 + β n ejnωt + β M ejMωt + β n e−jnωt ejNωt + β M e−jMωt ejNωt .
n=1
2 n=1
2

Construimos una nueva función obtenida de la anterior suprimiendo las exponenciales de la forma
ejNωt del segundo sumatorio y del último sumando aislado. Es decir, sea
X
M−1
1 X
M−1
1
jnωt jMωt
Ng(t) = β 0 + β ne + βM e + β n e−jnωt + β M e−jMωt .
n=1
2 n=1
2

En los nodos de interpolación tk = kT /N, se tiene exp(jNωtk ) = exp(j2kπ) = 1, por tanto g


toma en dichos nodos el mismo valor que h: g(tk ) = h(tk ) = yk (en otros puntos quizás toma un
valor distinto). Vamos a ordenar un poco la expresión de g(t):
X
M−1
¡ ¢ 1 ¡ ¢
Ng(t) = β 0 + β n ejnωt + β n e−jnωt + β M ejMωt + e−jMωt .
n=1
2

Si usamos que ejnωt = cos(nωt) + jsen (nωt) y que e−jnωt = cos(nωt) − jsen (nωt), y escribimos
β n = αn + jδ n , cada sumando queda
β n ejnωt + β n e−jnωt = (αn + jδ n ) (cos(nωt) + jsen (nωt)) + (αn − jδ n ) (cos(nωt) − jsen (nωt))
= 2αn cos(nωt) − 2δn sen (nωt).
Por tanto, obtenemos el polinomio trigonométrico real
X
M−1
N g(t) = β 0 + (2αn cos(nωt) − 2γ n sen (nωt)) + β M cos(Mωt).
n=1

En resumen: si β = DF T (y) y tomamos


β0 2 Re(β n ) −2 Im(β n ) βM
a0 = , an = , bn = (n = 1, 2, . . . M − 1), aM = ,
N N N N
entonces el polinomio trigonométrico
X
M−1
g(t) = a0 + (an cos(nωt) + bn sen (nωt)) + aM cos(Mωt)
n=1
10 Lección 5. Análisis Discreto de Fourier

satisface g(tk ) = yk para k = 0, 1, . . . , N − 1. Un polinomio trigonométrico escrito de la forma


anterior se dice que está equilibrado. La razón de prescindir del término con sen (Mωt) es que
sen (Mωtk ) = sen (Mkπ/M) = 0 con lo que esta función no aporta nada a la interpolación.
Observemos que hemos impuesto 2M condiciones y que tenemos que determinar un total de 2M
coeficientes: a0 , a1 , . . . , aM , por un lado, y b1 , . . . , bM−1 , por otro.
Estimación de los coeficientes de Fourier. Sea f una función periódica de período T que
verifica las condiciones de Dirichlet. Sabemos que, entonces, f puede representarse mediante su
serie de Fourier
X

f (t) = cn ejnωt ,
n=−∞


donde ω = y los coeficientes de Fourier cn vienen dados por
T
Z
1 T
cn = f (t)e−jnωt dt para n = 0, ±1, ±2, . . .
T 0
Para estimar estos coeficientes aplicamos la regla del trapecio: dividimos el intervalo [0, T ] en
kT
N subintervalos del mismo tamaño con extremos en los puntos tk = para k = 0, 1, 2 . . . , N .
N
Entonces, usando que f (0) = f (T ) por la periodicidad, obtenemos
à !
1 T f (0) X 1 X
N−1 N −1
j2πnk/N f (T ) −nk
cn ≈ + f (tk )e + = f (tk )wN .
TN 2 k=1
2 N k=0

En resumen,
1
(c0 , c1 , . . . , cN−1 ) ≈ DF T (f (0), f (T /N), f (2T /N), . . . , f ((N − 1)T /N))
N
nos proporciona una estimación de los primeros N coeficientes de la forma compleja de la serie
de Fourier de f .
Si la función f es real, entonces sabemos que se verifican las relaciones
1 1 1
c0 = c0 e0 = a0 , cn = (an − jbn ) y c−n = cn = (an + jbn ),
2 2 2
con lo cual podemos deducir directamente las estimaciones de los coeficientes de la forma real
2
(a0 , a1 , . . . , aN−1 ) ≈ Re [DF T (f (0), f (T /N), f (2T /N), . . . , f ((N − 1)T /N))]
N
−2
(0, b1 , . . . , bN−1 ) ≈ Im [DF T (f (0), f (T /N), f (2T /N), . . . , f ((N − 1)T /N))] .
N

Estimación de la transformada de Fourier. Sea f : R → R una función que satisface las


condiciones de Dirichlet para la integral de Fourier y sea
Z ∞
F (ω) = f (τ )e−jωτ dτ
−∞
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

su transformada de Fourier. Hay varios procedimientos muy utilizados para estimar el valor de
F (ω) a partir de una colección finita de muestras de la función f . El primer paso es elegir el
intervalo de tiempo [t0 , t1 ] en el que vamos a tomar las muestras, teniendo en cuenta que los
valores de f (t) deben ser suficientemente pequeños antes de t0 y después de t1 . Supongamos que
t0 = 0 (si no fuera así hacemos una traslación, estimamos los valores de la transformada de Fourier
de la función trasladada y usamos la propiedad correspondiente para estimar la transformada de
Fourier de la función de partida) y que dichas muestras están tomadas a intervalos regulares de
duración T segundos, de manera que los valores que tenemos son
y0 = f (0), y1 = f (T ), y2 = f (2T ), . . . , yk = f (kT ), . . . , yN−1 = f ((N − 1)T ).
Ahora aproximamos la integral que define la transformada de Fourier de f (t) mediante una suma
de Riemann en [0, NT ]:
Z ∞ X
N−1 X
N−1
−jωτ −jωkT
F (ω) = f (τ )e dτ ≈ f (kT )e T =T yk e−jωkT .
−∞ k=0 k=0

Para permitir la evaluación computacional de F (ω) se trabaja sólo con estimaciones F (ωn )
obtenidas para un número finito de valores de la frecuencia. Si estos valores los tomamos de la
siguiente manera
2π 4π 2nπ 2(N − 1)π
ω 0 = 0, ω 1 = , ω2 = , . . . , ωn = , . . . , ω N −1 = ,
NT NT NT NT
es decir, separados por una frecuencia constante de (NT )−1 hertzios, entonces para cada n =
0, 1, 2, . . . , N − 1 tenemos
X
N −1 X
N−1 X
N−1
−jωn kT −j2πnk −nk
F (ωn ) ≈ T yk e =T yk e =T yk wN .
k=0 k=0 k=0

Es decir,
(F (ω 0 ), F (ω 1 ), . . . , F (ω N−1 )) ≈ T · DF T (f (0), f (T ), f (2T ), . . . , f (2(N − 1)T )) .

En resumen, la transformada discreta de Fourier nos permite convertir la muestra digital (yk =
f (kT )) en el dominio del tiempo en un conjunto de puntos (F (ωn )) que aproximan el contenido
en frecuencias de f (t). Que estas aproximaciones sean buenas o no depende de la velocidad
de muestreo de la función f (t); a más velocidad, mejor aproximación. De hecho, puesto que los
puntos en los que tomamos muestras están igualmente espaciados en el intervalo temporal [0, NT ],
los coeficientes calculados con la transformada discreta corresponden a frecuencias separadas por
(NT )−1 Hz. La elección de la frecuencia de muestreo para generar una señal digital debe hacerse
con cuidado para evitar aliasing, un problema que aparece cuando se muestrea muy lentamente.
El Teorema del Muestreo de Nyquist y Shannon, nos dice que para reproducir adecuadamente
una señal de frecuencia limitada debemos tomar muestras al menos el doble de rápido que la
frecuencia más alta presente en la propia señal, lo que se conoce como frecuencia de Nyquist 2
2
En algunos textos se reserva el nombre de frecuencia de Nyquist para el doble de la frecuencia más alta
presente en la señal.
12 Lección 5. Análisis Discreto de Fourier

de la señal. Es decir, T −1 debe ser al menos el doble de la frecuencia de Nyquist. Cuando la


señal es real y el número de muestras es par N = 2M, entonces las coordenadas de β = DF T (y)
verifican: β 0 , β M ∈ R y β n = β N −n para n = 1, 2, . . . , M − 1 (prueba esto como ejercicio); eso
quiere decir que la información de la segunda mitad de las coordenadas de β es redundante.
Correlación. Supongamos que una instalación de radar barre una cierta región del espacio
transmitiendo una señal discreta (x[k]) desde su antena. Si dicha señal alcanza un objeto, ésta
rebotará y será recogida por el receptor como un eco débil (y[k]) de la señal original contaminado
con ruido, por ejemplo
y[k] = αx[k − d] + v[k],
donde α es una factor de atenuación, x[k − d] es la señal original afectada por un retraso y v[k]
representa el ruido. Nuestro problema es examinar el parecido entre la señal transmitida (x[k])
y la señal recibida (y[k]) para detectar si ésta es, de verdad, un eco de la primera, en cuyo caso
podemos estimar la distancia del objeto a partir del retraso d y la velocidad de propagación.
Para resolver este problema se utiliza la noción de correlación de dos señales.
Definición. La correlación cruzada (o, simplemente, correlación) de dos vectores x, y ∈ CN es
el vector z definido por
z = (Cx )T y,
donde Cx es la matriz circulante definida por el vector x. En otros términos,
  
x0 x1 x2 . . . xN−2 xN−1 y0
 xN −1 x0 x1 . . . xN−3 xN−2   y1 
  
 xN −2 xN−1 x0 . . . xN−4 xN−3   y2 
  
z= . .   ..  .
 .  . 
  
 x2 x3 x4 . . . x0 x1   yN−2 
x1 x2 x3 . . . xN−1 x0 yN−1

Es decir, la n-ésima componente de z viene dada por cualquiera de las siguientes expresiones

zn = xN−n y0 + xN−n+1 y1 + · · · + xN−1 yn−1 + x0 yn + x1 yn+1 + · · · + xN−n−1 yN−1


X
n−1 X
N−1
= xN−n+k yk + zk−n yk .
k=0 k=n

Transformada Discreta de Fourier de la Correlación. Sean x e y dos vectores de dimensión


N y sea z su correlación. Entonces

DF T (z) = DF T (x) · DF T (y).

Volviendo al problema del rádar: Es posible comprobar que cuando la señal recibida (u[k]) es
un retraso (x[k − d]) de la señal enviada (x[k]), entonces d es la posición en la que se alcanza el
máximo de los módulos de las componentes de la correlación de x e y. Por lo tanto, aunque en
la práctica la señal recibida y puede venir atenuada y afectada por ruido, dicho valor del retraso
(una vez calculada la correlación mediante los algoritmos rápidos) es el que se utiliza para estimar
la distancia del objeto, que vendrá dada por cdT /2, donde c es la velocidad de propagación de
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

la señal, T es el intervalo de tiempo entre dos componentes consecutivas de la señal y el 2 indica


que la señal ha hecho un viaje de ida y vuelta.
Sistemas discretos. Supongamos que tenemos un sistema que recibe y emite señales de forma
discreta en los instantes temporales t = . . . , −2T, −T, 0, T, 2T, . . . , donde T es el intervalo (cons-
tante) entre dos instantes seguidos. El sistema actúa del siguiente modo: cuando recibe una
señal discreta de entrada (input) y = (y[n]), su respuesta es una señal discreta de salida (output)
b = (b[n]) = S(y).
y = (y[n])n∈Z −→ S −→ b = (b[n])n∈Z .

El problema que nos plantearemos es el siguiente: Queremos hallar una señal desconocida
y = (y[n]), conociendo la respuesta de nuestro sistema a dicha señal b = S(y). Analizaremos este
problema haciendo las siguientes hipótesis fundamentales:
(1) El sistema es lineal: las respuestas a señales separadas se suman y la respuesta a una
señal amplificada αy es α veces la respuesta a y.
(2) El sistema es invariante por traslaciones temporales: si dos señales se obtienen una de otra
mediante una traslación en el tiempo, sus respuestas se obtienen una de otra mediante la misma
traslación. O sea, si la señal (y[n]) produce una respuesta b([n]), entonces la señal x definida por
x[n] = y[n − k] produce la respuesta c dada por c[n] = b[n − k].
En muchas ocasiones el sistema es causal: transforma señales causales en señales causales
lo que quiere decir que el efecto no precede a la causa, es decir no hay “respuestas” anteriores.
Nosotros no haremos esta suposición, por ahora.
P
Escribamos la señal y mediante un tren de impulsos: y = ∞ −∞ y[n]δ n y supongamos que
conocemos la respuesta (a[n]) de nuestro sistema a un impulso unidad en el instante cero, es
decir, que la señal δ 0 produce la respuesta a[n] en el instante nT . Esto es, hay una respuesta
inmediata a[0], a la que siguen a[1], a[2], . . . , y también consideraremos la posibilidad de que
existan “respuestas anteriores” a[−1], a[−2], . . . , que aparecen, por ejemplo, en sistemas con
realimentación o con regularización. La invariancia por traslaciones significa, en particular, que
la respuesta a la señal δ k es la señal ak definida por ak [n] = a[n − k]. Entonces, empleando
primero la linealidad y luego la invariancia por traslaciones, tendremos:
X∞
b = S(y) = y[n]S(δ n )
−∞
à ! à !
X
∞ X
∞ X
∞ X

= y[n] a[k − n]δ k = a[k − n]y[n] δ k ,
n=−∞ k=−∞ k=−∞ n=−∞

o sea, el elemento k-ésimo de la respuesta b es:


X∞
b[k] = a[k − n]y[n]
n=−∞

o, en términos de convolución, b = a ∗ y.
En resumen, si tenemos un sistema lineal e invariante en el tiempo cuya respuesta a un
impulso unidad en t = 0 es la señal a = (a[n]), entonces la respuesta a una señal de entrada y es
el producto de convolución y ∗ a.
14 Lección 5. Análisis Discreto de Fourier

Usaremos esto para resolver el problema planteado cuando las señales son periódicas. Es fácil
ver que si la señal de entrada y es periódica con período N, entonces la de salida b también lo
es. En este caso lo que nos interesa de ambas señales es tan sólo el primer bloque de N valores:

y (N) = (y[0], y[1], . . . y[N − 1]) , b(N ) = (b[0], b[1], . . . b[N − 1]) .

Puede probarse que se tiene la siguiente relación b(N) = α ∗ y (N ) , siendo ∗ el producto de con-
volución de vectores de CN y α ∈ CN el vector dado por:

X

αn = a[n + kN], n = 0, 1, 2 . . . , N − 1.
k=−∞

Entonces, usando las propiedades que relacionan la convolución de vectores con la transformada
discreta de Fourier, se tiene:
¡ ¢ ¡ ¢ ¡ ¡ ¢ ¢
DF T b(N ) = DF T (α) · DF T y (N) ⇒ y (N) = IDF T DF T b(N) ÷ DF T (α) .

Donde ÷ representa el cociente coordenada a coordenada.


La igualdad anterior también nos permite resolver de forma análoga el problema de hallar α
conocidos la entrada periódica y y su respuesta b. En este caso, lo que hallamos son los valores
de α pero no los valores de a. Si sabemos que a[n] = 0 para valores grandes (en valor absoluto)
de n, digamos para |n| > M, entonces podemos hallar todos los valores no nulos de a tomando
N > 2M + 1.
Asimismo, si conocemos α e y y queremos hallar b, es mejor usar la expresión
¡ ¡ ¢¢
b(N) = IDF T DF T (α) · DF T y (N )

ya que las tres transformadas que aparecen hechas con el Algoritmo FFT comprenden muchas
menos operaciones que el producto α ∗ y.

4 Ejercicios
Ejercicio 1. Calcula la transformada discreta de Fourier del vector y = [1, 0, 2, 1, 2, 0, 1]T y
esboza el espectro de amplitudes correspondiente.
Ejercicio 2. Enuncia y demuestra el Teorema de Duplicación para la inversa de la transformada
discreta de Fourier.
Ejercicio 3. Prueba que si el vector y es real y de dimensión par N = 2M, entonces las
coordenadas de β = DF T (y) verifican: β 0 , β M ∈ R y β n = β N−n para n = 1, 2, . . . , M − 1.
Ejercicio 4. De una función periódica de período 2π se conocen sus valores en los puntos 0, π/2,
π y 3π/2 que son, respectivamente, 2, 4, 6 y 8. Usando la transformada discreta de Fourier, calcula
el valor aproximado de dicha función en π/4 interpolando mediante un polinomio trigonométrico.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 15

Ejercicio 5. Un cierto día, la marea en Cádiz se comporta de acuerdo con el siguiente esquema
(en el que h y m significan horas y metros, respectivamente):
6 h −→ 4.6 m
10 h −→ 9m
14 h −→ 10.7 m
suponiendo un período de 12 horas, interpola esta tabla mediante la transformada discreta de
Fourier para aproximar el comportamiento de la marea a las 8 h y a las 15 h.
Ejercicio 6. Se ha registrado la siguiente gama de temperaturas en intervalos de 6 horas a partir
de la media noche: 11◦ , 17◦ , 32◦ y 23◦ . Usa la transformada discreta de Fourier para interpolar
la temperatura a las 9 de la mañana y a las 3 de la tarde.
Ejercicio 7. Se ha registrado la siguiente gama de temperaturas en intervalos de 2 horas a partir
de la media noche:
11◦ , 10◦ , 8◦ , 7◦ , 11◦ , 15◦ , 21◦ , 25◦ , 27◦ , 27◦ , 19◦ , 15◦ .
Usa la transformada discreta de Fourier para interpolar la temperatura a las 9 de la mañana, a
las 5 de la tarde y a las 11 de la noche.
Nota. Para los siguientes ejercicios deberías hacer un pequeño programa de ordenador que
te permita calcular transformadas discretas de Fourier directas e inversas. Los paquetes de
programas Maple V y Matlab tienen incorporado tanto el cálculo directo como el inverso,
mediante las instrucciones fft e ifft.
Ejercicio 8. Considera la función f definida en [0, 2] por
f (x) = x(x − 2)ex
y extendida periódicamente a toda la recta real.
(1) Determina el polinomio trigonométrico T8 que interpola a f en los puntos 0, 0.25, 0.5, 0.75,
. . . y 1.75 del intervalo [0, 2].
(2) Determina el polinomio trigonométrico T16 que interpola a f en los puntos 0, 0.125, 0.25,
0.375, . . . y 1.875 del intervalo [0, 2].
(3) ¿Es significativa la diferencia entre T8 y el polinomio que resulta de truncar T16 en su octavo
armónico? Justifica la respuesta y trata de dar una interpretación del resultado.
Ejercicio 9. Se nos envía una señal f (t) que es una combinación de armónicos puros de período
1:
X
7
f (t) = (an cos(2πnt) + bn sen (2πnt)) .
n=0
Sin embargo, la señal llega contaminada por un ruido aleatorio y debemos eliminarlo. Para ello
tomamos 16 muestras de la señal en instantes separados por 1/16 segundos y obtenemos los
siguientes valores que constituyen el vector y (la primera fila son los cuatro primeros, etc.)
−3.9894 4.7119 1.4207 −3.5892
2.0137 −3.5936 1.4349 4.6775
−3.9645 1.0276 −1.4022 −2.0540
6.0159 −2.0187 −1.3816 0.9882
16 Lección 5. Análisis Discreto de Fourier

Limpia la señal interpolando estos valores mediante un polinomio trigonométrico y eliminando


las frecuencias cuyos coeficientes sean suficientemente pequeños.
Ejercicio 10. Considera los polinomios

p(x) = 1 + 3x3 − 8x6 + 2x12 + x20 − x31 ,


q(x) = 1 − x + 2x2 − 3x3 + 4x4 − · · · + 30x30 − 31x31 ,
r(x) = 1 + 2x + 3x2 + 4x3 + · · · + 40x39 .

¿Cuáles son los coeficientes de las potencias 3, 18, 30, 45, 70, 92 y 101 del polinomio que se
obtiene al multiplicar los anteriores, p(x) · q(x) · r(x)?
Ejercicio 11. Toma tres de tus funciones periódicas favoritas y aproxima sus 16 primeros
coeficientes de Fourier complejos mediante la transformada discreta de Fourier.
Ejercicio 12. Toma tres de tus funciones no periódicas favoritas y aproxima su transformada
de Fourier en 16 valores de la frecuencia mediante la transformada discreta de Fourier.
Ejercicio 13. Toma pares de vectores de dimensión 4 arbitrarios y calcula su correlación cruzada.
Ejercicio 14. Tenemos un sistema lineal e invariante en el tiempo que recibe y emite señales
cada segundo y regulariza la señal de entrada dando como salida en un instante un cierto valor
medio ponderado de las 4 entradas anteriores a la del mismo instante (incluida ésta); o sea, un
proceso de smoothing basado sólo en los datos del pasado reciente. Concretamente, la respuesta
a δ 0 es
. . . , 0, 0, 0.4 , 0.3, 0.2, 0.1, 0, 0, . . . ,
donde el recuadro corresponde a la posición cero. Si la salida a una cierta entrada es la siguiente
señal periódica de período 8

1, −1, 4, 3, 2, 2, 7, 3,

¿Cuál es la señal de entrada?


Ejercicio 15. Tenemos un sistema lineal e invariante en el tiempo que recibe y emite señales
digitales. Este sistema actúa como un filtro que se realimenta y regulariza la señal de entrada
promediándola ponderadamente con las dos anteriores y las dos posteriores. Concretamente, la
respuesta al impulso unidad δ 0 es

. . . , 0, 0, 0.1, 0.2, 0.4 , 0.2, 0.1, 0, 0, . . . ,

donde el recuadro corresponde a la posición cero. La salida a una cierta entrada es la siguiente
señal periódica de período 8

..., 1 , 1.7, 1.8, 2.4, 1.6, 1.3, 0.4, 0.8, ... .

(1) ¿Cuál es el vector α que da la relación entre los bloques periódicos de la salida y la entrada?
(2) ¿Cuál es la señal de entrada?
(3) ¿Cuántas operaciones han hecho falta para hallarla?
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 17

Ahora se cambian los coeficientes de ponderación del filtro de manera que de una entrada
periódica de período 8
..., 2 , 1, 0, 2, 3, 1, 1, 1, ...
se obtiene una salida
..., 1.5 , 1.1, 0.8, 1.7, 2.2, 1.3, 1.3, 1.1, ... .
(4) ¿Cuál es la respuesta de este nuevo filtro al impulso unidad δ 0 ?
Ejercicio 16. Consideremos una señal discreta periódica x = (xn ) de período N = 24 cuyo
bloque principal x(N) consiste en 24 muestras de la función
f (t) = 6 cos(2πt) + 3 cos(10πt) + 2 cos(12πt)
tomadas cada T = 1/24 segundos a partir de t = 0.
Luego transformamos la señal x en otra señal y = (yn ) dada por
1 1 1 1 1
yn = xn−2 + xn−1 + xn + xn+1 + xn+2 , n ∈ Z.
8 4 2 4 8
(1) Escribe los primeros 5 valores de la señal x.
(2) Escribe la relación de convolución que existe entre las señales x e y.
(3) ¿Cómo se emplea la transformada discreta de Fourier para pasar de x a y? Escribe los valores
y0 , y1 , . . . , y4 .
(4) ¿Cuáles son los armónicos presentes en la señal y?
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 17. Sabiendo que

 
1 j
 0   j 
DF T (x) =  
 −1  y DF T (y) =  
 0 
3 2
calcula el producto de convolución x ∗ y.
Ejercicio 18. Usa la Transformada Discreta de Fourier para aproximar el valor de la transfor-
mada de Fourier de la señal ½
0 si t < 0
f (t) = 4 −t
te si t ≥ 0,
en las frecuencias ω = 0, 1, 2 y 3.

5 Bibliografía
Para desarrollar esta lección pueden consultarse los siguientes textos.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 3 y 5.
[517.5/WUN] W.A. Wunsch, Variable Compleja con Aplicaciones, Cap. 5.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 6.

ECUACIONES EN DERIVADAS PARCIALES.

Curso 2006-07

Las ecuaciones diferenciales ordinarias y los sistemas de ecuaciones diferenciales que hemos estu-
diado en las Lecciones 1 y 2 se usan para construir modelos matemáticos de problemas científico-
técnicos en los que sólo hay una variable independiente, que suele ser el tiempo. Cuando los
problemas tienen más de una variable independiente, normalmente el tiempo t y una o varias
variables espaciales x, y, z, las relaciones entre las magnitudes presentes se suelen establecer en
términos de sus derivadas con respecto a las variables independientes y el problema se formula
como una ecuación, o un sistema de ecuaciones, donde aparecen involucradas las derivadas par-
ciales de las incógnitas por lo que reciben el nombre de ecuaciones diferenciales en derivadas
parciales o, simplemente, ecuaciones en derivadas parciales.
Hemos visto que para resolver de manera unívoca una ecuación diferencial ordinaria o un
sistema de ecuaciones diferenciales es necesario dar condiciones iniciales. Ocurre lo mismo en el
caso de las ecuaciones en derivadas parciales, sólo que ahora las condiciones que se fijan dependen
de la naturaleza del problema. Así, lo normal es que cuando una de las variables independientes
es el tiempo t, se fijen condiciones iniciales en t = t0 , mientras que para las variables espaciales
x, y, z se fijen condiciones en la frontera de la región espacial en la que estemos trabajando, por
lo que reciben el nombre de condiciones de contorno.
Sólo algunas clases especiales de ecuaciones ordinarias pueden resolverse analíticamente, es
decir, mediante una fórmula explícita, así que no extrañará saber que el número de ecuaciones
en derivadas parciales resolubles analíticamente es aún menor. El estudio de las ecuaciones en
derivadas parciales es un campo muy amplio y muy difícil sobre el que se desarrolla hoy en
día una gran labor investigadora. Sin embargo, aunque somos conscientes de la importancia de
tales ecuaciones, no es posible, dentro de los límites de este curso, dar una visión general de
dicho campo. Nuestro objetivo en esta lección es el proporcionar una introducción al estudio
y la resolución de algunas ecuaciones lineales de segundo orden con coeficientes constantes –la
ecuación de ondas, la ecuación del calor y la ecuación del potencial– que son importantes en las
aplicaciones, constituyen tipos representativos y pueden resolverse mediante una técnica común:
la separación de variables. Más adelante estudiaremos de nuevo la ecuación del potencial usando
técnicas de variable compleja. Lamentablemente, otras técnicas de resolución habituales, como
el uso de las transformaciones de Laplace y Fourier, quedan fuera del alcance de esta asignatura.
2 Lección 6. Ecuaciones en Derivadas Parciales

1 El problema de la cuerda vibrante. La ecuación de


ondas
En la introducción de la lección sobre las series de Fourier comentamos que éstas surgieron al
abordar el problema de la cuerda vibrante, planteado por B. Taylor en 1713, que vamos a describir
ahora. Supongamos que tenemos una cuerda homogénea tensa y de longitud L sujeta por sus
dos extremos, como en una guitarra o un violín. Si la apartamos de su posición de equilibrio
y la soltamos, la cuerda comenzará a vibrar y nos preguntamos cómo es esta vibración, cuál es
su forma en cada instante temporal. Si hacemos algunas hipótesis simplificadoras, como que la
tensión es constante, que la cuerda vibra en un plano y que no se aparta mucho de su posición de
equilibrio, entonces el problema viene modelado por lo que se conoce como la ecuación de ondas
unidimensional, que es
∂2u 2
2∂ u
= c ,
∂t2 ∂x2
p
siendo x un punto de la cuerda (0 ≤ x ≤ L), t ≥ 0 el tiempo, c = τ /ρ una constante positiva
que depende de la densidad de la cuerda ρ y de la tensión τ , y u(x, t) es la incógnita: la función
que representa el desplazamiento vertical desde la posición de equilibrio u = 0 sobre el punto x
y en el instante t.

u ( x, t )

0 L x

La solución del problema de la cuerda vibrante que buscamos u(x, t) no sólo debe cumplir la
ecuación de ondas, también debe cumplir unas condiciones que vienen dadas por la naturaleza
del problema. Por un lado, como la cuerda está fija por sus extremos, tenemos
u(0, t) = u(L, t) = 0 para todo t ≥ 0.
Estas dos condiciones se llaman condiciones de contorno porque afectan a los valores de la variable
espacial x en la frontera de su intervalo de variación 0 ≤ x ≤ L. Por otro lado, debemos suponer
∂u
conocidas la posición inicial de la cuerda u(x, 0) y la velocidad inicial (x, 0), que vendrán
∂t
dadas por sendas funciones f (x) y g(x):
∂u
u(x, 0) = f (x) y (x, 0) = g(x) para 0 ≤ x ≤ L.
∂t
Estas dos condiciones se llaman condiciones iniciales porque fijan las condiciones físicas de par-
tida en el instante inicial t = 0. En esta sección nos centraremos en el caso en que la velocidad
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

inicial g(x) es nula. En resumen, el problema consiste en hallar una función u(x, t) que verifique

∂ 2u 2
2∂ u
la ecuación de ondas: = c para 0 ≤ x ≤ L y t ≥ 0,
∂t2 ∂x2
las condiciones de contorno: u(0, t) = u(L, t) = 0 para t ≥ 0,
y las condiciones iniciales: u(x, 0) = f (x) para 0 ≤ x ≤ L,
∂u
(x, 0) = 0 para 0 ≤ x ≤ L,
∂t
donde c es una constante positiva y f es una función dada.
Ejemplo. La función u(x, t) = asen (πx/L) cos(πct/L) es una solución del problema de la cuerda
vibrante cuando el desplazamiento inicial es f (x) = asen (πx/L). En este caso, la frecuencia de
oscilación de la cuerda es r
πc π τ
ω= =
L L ρ
lo que nos dice que a mayor longitud o mayor densidad el sonido es más grave y que a mayor
tensión el sonido es más agudo. Esta solución también puede escribirse como
a
u(x, t) = (sen (π(x + ct)/L) + sen (π(x − ct)/L))
2
que podemos interpretar como la superposición de dos ondas que viajan en sentido contrario con
velocidad c. Veremos que ésta es la forma, dada por J. D’Alembert, de la solución general.
La solución de D’Alembert. En 1747, J. D’Alembert calculó la solución general de la ecuación
de ondas unidimensional haciendo el siguiente cambio de variables independientes

r = x + ct y s = x − ct.

∂ 2u 2
2∂ u
Con este cambio de variables, la ecuación = c se transforma en
∂t2 ∂x2

∂2u
4c2 = 0.
∂r∂s

Integrando con respecto a r y a s, obtenemos que u(r, s) = φ(r) + ψ(s), o sea,

u(x, t) = φ(x + ct) + ψ(x − ct)

donde φ y ψ son funciones cualesquiera de una variable. Observemos que, como no hemos
impuesto ninguna condición, ésta es la solución general de la ecuación de ondas; éste es uno de
los pocos casos en los que puede hallarse una solución general explícita. Observemos también que
la gráfica de ψ(x − ct) se obtiene desplazando la gráfica de ψ(x) hacia la derecha con velocidad
c y que la gráfica de φ(x + ct) se obtiene desplazando la gráfica de φ(x) hacia la izquierda
con velocidad c. En otras palabras, la solución general de la ecuación de ondas consiste en la
superposición de dos ondas que viajan a la misma velocidad pero en sentido contrario.
4 Lección 6. Ecuaciones en Derivadas Parciales

Si ahora imponemos ciertas condiciones iniciales, podemos obtener de forma explícita las
funciones φ y ψ. Por ejemplo, la solución del problema
∂2u 2
2∂ u
la ecuación de ondas: = c para 0 ≤ x ≤ L y t ≥ 0,
∂t2 ∂x2
las condiciones de contorno: u(0, t) = u(L, t) = 0 para t ≥ 0,
y las condiciones iniciales: u(x, 0) = f (x) para 0 ≤ x ≤ L,
∂u
(x, 0) = g(x) para 0 ≤ x ≤ L,
∂t
es de la forma u(x, t) = φ(x + ct) + ψ(x − ct) siendo
Z x
1
φ(x) = fe(x) + ge(τ )dτ ,
2c 0
Z
e 1 x
ψ(x) = f (x) − e
g(τ )dτ ,
2c 0
donde fe y e
g son las extensiones 2L-periódicas e impares de las funciones f y g, respectivamente.
Esta expresión se conoce como solución de D’Alembert al problema de la cuerda vibrante.

2 El método de separación de variables


Volvamos al problema de la cuerda vibrante en el caso en que la velocidad inicial es cero: Hallar
u(x, t) que cumpla
∂2u 2
2∂ u
la ecuación de ondas: = c para 0 ≤ x ≤ L y t ≥ 0,
∂t2 ∂x2
las condiciones de contorno: u(0, t) = u(L, t) = 0 para t ≥ 0,
y las condiciones iniciales: u(x, 0) = f (x) para 0 ≤ x ≤ L,
∂u
(x, 0) = 0 para 0 ≤ x ≤ L,
∂t
donde c es una constante positiva y f es una función dada: la posición inicial de la cuerda.
La idea clave del método de separación de variables, propuesto por D. Bernoulli en 1753, es
∂2u ∂2u
buscar soluciones de la ecuación de ondas 2 = c2 2 que sean de la forma
∂t ∂x
u(x, t) = v(x)z(t)
donde v(x) y z(t) son funciones de una variable (no nulas salvo para el caso trivial en que f sea
la función cero). Si u(x, t) = v(x)z(t), entonces
∂ 2u ∂2u
= v(x)z 00 (t) y = v00 (x)z(t),
∂t2 ∂x2
así que la ecuación de ondas queda
v(x)z 00 (t) = c2 v00 (x)z(t),
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

es decir,
v 00 (x) 1 z 00 (t)
= 2 .
v(x) c z(t)
Como el miembro derecho de esta ecuación es función sólo de la variable t y el izquierdo lo es
sólo de la variable x, ambos deben ser constantes. Si denotamos por −λ el valor de esa constante
(el signo menos es un convenio bien establecido), la ecuación se desdobla en sendas ecuaciones
diferenciales de segundo orden para v(x) y z(t):

v00 (x) + λv(x) = 0 y z 00 (t) + λc2 z(t) = 0,

cuyas soluciones dependen del signo de λ.


El siguiente paso es imponer las condiciones de contorno

0 = u(0, t) = v(0)z(t) y 0 = u(L, t) = v(L)z(t).

Como z(t) no es la función nula, debe ocurrir v(0) = v(L) = 0. En consecuencia, la función v(x)
es la solución del problema de contorno

v 00 (x) + λv(x) = 0 con v(0) = 0 y v(L) = 0.

Vimos en la primera lección que este tipo de problemas, a diferencia de los problemas de valor
inicial, no siempre tienen solución o, si la tienen, no tiene por qué ser única. Veamos lo que
ocurre en este caso según sea el signo de λ.

1. Si λ = −α2 es un número negativo, entonces la solución general de v00 (x) + λv(x) = 0 es


v(x) = c1 eαx + c2 e−αx y, al imponer v(0) = v(L) = 0, nos queda únicamente la solución
trivial v(x) = 0.

2. Si λ = 0, entonces la solución general de v00 (x) + λv(x) = 0 es v(x) = c1 + c2 x y, al imponer


v(0) = v(L) = 0, de nuevo nos queda únicamente la solución trivial v(x) = 0.

3. Si λ = α2 es un número positivo, entonces la solución general de v00 (x) + λv(x) = 0


es v(x) = c1 sen (αx) + c2 cos(αx). Ahora, al imponer la condición v(0) = 0, nos queda
v(x) = c1 sen (αx) y al imponer v(L) = 0 nos queda c1 sen (αL) = 0. Esto nos vuelve a dar
la solución trivial salvo que αL sea un múltiplo entero de π; es decir salvo para

α = π/L, 2π/L, 3π/L, . . .

En resumen, el problema de contorno

v 00 (x) + λv(x) = 0 con v(0) = 0 y v(L) = 0

únicamente tiene solución no trivial para una sucesión de valores de λ que son λn = n2 π 2 /L2 con
n = 1, 2, . . . ; dichas soluciones son

vn (x) = sen (nπx/L) (n = 1, 2, . . . ).


6 Lección 6. Ecuaciones en Derivadas Parciales

(ésta es una situación común a muchos problemas de contorno con ecuaciones diferenciales or-
dinarias de segundo orden; los valores del parámetro λ para los que existe solución no trivial
forman una sucesión creciente y divergente λn → ∞ que se llaman autovalores del problema,
mientras que las soluciones correspondientes se llaman autofunciones del problema; veremos más
ejemplos en lo que sigue.) Al sustituir estos valores de λ en la ecuación que verifica z(t), ésta
nos queda
00 n2 π 2 c2
z (t) + z(t) = 0
L2
cuya solución general es
c1 sen (nπct/L) + c2 cos(nπct/L).

Hasta ahora, el método de separación de variables nos ha proporcionado una colección de


funciones
sen (nπx/L) [c1 sen (nπct/L) + c2 cos(nπct/L)] (n = 1, 2, . . . )
que verifican la ecuación de ondas y las condiciones de contorno. Si imponemos la segunda
∂u
condición inicial (x, 0) = 0, entonces debe ser c1 = 0, con lo cual nos quedamos con la
∂t
colección de soluciones
un (x, t) = sen (nπx/L) cos(nπct/L) (n = 1, 2, . . . ),
a la que falta por imponer la primera condición inicial u(x, 0) = f (x). Está claro que si f (x) es
una de las funciones sen (nπx/L) o una combinación lineal de éstas
X
m
f (x) = bn sen (nπx/L),
n=1

entonces la correspondiente combinación lineal


X
m
u(x, t) = bn sen (nπx/L) cos(nπct/L)
n=1

es la solución buscada. La segunda idea clave de D. Bernoulli fue postular que cualquiera que
fuera la posición inicial f (x), ésta se podía escribir como una superposición infinita de sinusoidales
X

f (x) = bn sen (nπx/L),
n=1

con cuyos coeficientes se puede construir la solución del problema


X

u(x, t) = bn sen (nπx/L) cos(nπct/L).
n=1

Por lo que hemos estudiado en la Lección 4, sabemos que esto es posible si la función f (x) verifica
las condiciones de Dirichlet, en cuyo caso
X

f (x) = bn sen (nπx/L),
n=1
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

es el desarrollo de f (x) en serie de senos en medio intervalo [0, L]; es decir, la serie de Fourier de
la extensión 2L-periódica impar de f (x) cuyos coeficientes vienen dados por
Z L
2
bn = f (x)sen (nπx/L) dx (n = 1, 2, . . . ).
L 0

Una vez calculados estos coeficientes, la solución del problema de la cuerda vibrante viene dada,
efectivamente, por
X∞
u(x, t) = bn sen (nπx/L) cos(nπct/L),
n=1

que se llama solución de Bernoulli.


Desde el punto de vista musical, podemos ver esta solución como una superposición de ar-
mónicos, el primero de los cuales nos da la frecuencia fundamental de vibración
r r
π τ 1 τ
ω= rad/s o ϕ= hertzios
L ρ 2L ρ

en términos de la longitud de la cuerda L, la tensión τ y la densidad ρ. Los siguientes, de


frecuencias 2ω, 3ω, . . . , nos proporcionan lo que en música se conoce como la octava, la dominante,
etc., y explican la razón del postulado pitagórico de que para conseguir sonidos armónicos al
pulsar a la vez varias cuerdas iguales (en tensión y densidad), sus longitudes deben estar en
proporciones numéricas sencillas (1/2, 1/3, 2/3, 1/4, 3/4, . . . ).
Ejemplo. Si el desplazamiento inicial de la cuerda viene dado por
½
0.01x si 0 ≤ x ≤ L/2
f (x) =
0.01(L − x) si L/2 ≤ x ≤ L,

entonces
Z L
2 0.04L
bn = f (x)sen (nπx/L) dx = sen (nπ/2) para n = 1, 2, . . .
L 0 π 2 n2

así que la solución es


· ¸
0.04L 1
u(x, t) = cos(cπt/L)sen (πx/L) − cos(3cπt/L)sen (3πx/L) + · · · .
π2 9

∂2u 2
2∂ u
Hemos visto que la solución general de la ecuación de ondas = c es
∂t2 ∂x2
u(x, t) = φ(x + ct) + ψ(x − ct)

donde φ y ψ son funciones cualesquiera de una variable. La ecuación recibe su nombre debido a
que, aparte de la cuerda vibrante, son muchos los fenómenos de tipo ondulatorio que se pueden
modelar con ella o con una variante suya.
8 Lección 6. Ecuaciones en Derivadas Parciales

La cuerda vibrante con velocidad inicial. El problema consiste en hallar una función u(x, t)
que verifique
∂2u 2
2∂ u
la ecuación de ondas: = c para 0 ≤ x ≤ L y t ≥ 0,
∂t2 ∂x2
las condiciones de contorno: u(0, t) = u(L, t) = 0 para t ≥ 0,
y las condiciones iniciales: u(x, 0) = f (x) para 0 ≤ x ≤ L,
∂u
(x, 0) = g(x) para 0 ≤ x ≤ L,
∂t
donde c es una constante positiva y f y g son funciones dadas. Aunque es posible dar su
solución usando el método de D’Alembert, nos restringiremos al uso del método de separación de
variables. Para ello, se empieza como hemos hecho antes hasta llegar al punto en que obtenemos
una colección de funciones
un (x, t) = sen (nπx/L) [an sen (nπct/L) + bn cos(nπct/L)] (n = 1, 2, . . . ).
que verifican la ecuación de ondas y las condiciones de contorno. Ahora buscamos la solución del
problema como una combinación de éstas
X

u(x, t) = sen (nπx/L) [an sen (nπct/L) + bn cos(nπct/L)]
n=1

lo que, al imponer las condiciones iniciales nos lleva a


X

f (x) = u(x, 0) = bn sen (nπx/L),
n=1

∂u X

g(x) = (x, 0) = [nπc/L]an sen (nπx/L),
∂t n=1

que son los desarrollos de f (x) y g(x) en serie de senos en medio intervalo [0, L]. En consecuencia,
los coeficientes vienen dados, para n = 1, 2, . . . , por
Z L
2
an = g(x)sen (nπx/L) dx,
nπc 0
Z
2 L
bn = f (x)sen (nπx/L) dx.
L 0

La ecuación de ondas bidimensional. Si en vez de la vibración de una cuerda queremos


estudiar la vibración de una membrana, como la de un tambor, el modelo viene dado por la
ecuación de ondas bidimensional
µ 2 ¶
∂ 2u 2 ∂ u ∂2u
=c +
∂t2 ∂x2 ∂y 2
donde u(x, y, t) es una función que depende del tiempo t ≥ 0 y de dos variables espaciales x e y
que se mueven en una región del plano Ω definida por la forma de la membrana; un círculo, por
ejemplo, si es la membrana de un tambor.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

Las condiciones iniciales fijan el desplazamiento de la posición de equilibrio (u = 0) y la


velocidad de la membrana en el instante inicial t = 0 y son de la forma
∂u
u(x, y, 0) = f (x, y) y (x, y, 0) = g(x, y),
∂t
donde f y g son funciones dadas. Las condiciones de contorno se dan sobre los puntos de la
frontera de Ω; por ejemplo, en el caso del tambor circular la membrana está fija a la caja del
tambor, así que u(x, y, t) = 0 para (x, y) en la frontera del círculo.
Ahora el método de separación de variables consiste en buscar soluciones de la forma u(x, y, t) =
h(t)v(x, y) que, al sustituirla en la ecuación de ondas, nos da
µ 2 ¶
∂ v ∂2v
00 2
h (t)v(x, y) = c h(t) 2
+ 2 = c2 h(t)∇2 v,
∂x ∂y
es decir,
h00 (t) ∇2 v
= ,
c2 h(t) v(x, y)
donde el miembro izquierdo depende sólo de t y el derecho sólo de x e y, por lo que debe ser
constante y la ecuación se desdobla en h00 (t) + λc2 h(t) = 0 y la ecuación de Helmholtz:

∂2v ∂2v
∇2 v = −λv ≡ + + λv = 0.
∂x2 ∂y 2
Un caso particular de esta ecuación es cuando λ = 0, es decir,
∂2v ∂2v
∇2 v = + =0
∂x2 ∂y 2
que se llama ecuación de Laplace o ecuación del potencial y que estudiaremos más adelante.

3 La ecuación del calor


Consideramos ahora la ecuación de la difusión o ecuación del calor que surge en diversos campos
de la física y la ingeniería. Aparece en relación con fenómenos de difusión en un medio homogéneo
y el ejemplo típico es el de la conducción del calor en una varilla homogénea de longitud L que
está aislada, salvo quizás en sus extremos. Si denotamos por u(x, t) la temperatura en la posición
x de la varilla (0 ≤ x ≤ L) en el instante t, entonces el calor pasa de las partes más calientes a
las más frías y, tras algunas consideraciones físicas, se postula que u verifica la ecuación del calor
unidimensional
2
∂u 2∂ u
=κ ,
∂t ∂x2
donde κ es una constante positiva que depende de la composición de la varilla. Es fácil ver
2 2 2 2
que las funciones u(x, t) = e−κ ω t cos(ωx) y u(x, t) = e−κ ω t sen (ωx) son soluciones de esta
ecuación para cualquier valor de ω y, en cierto modo, son las componentes fundamentales con
las que se pueden reconstruir todas las soluciones; ésta es la consecuencia fundamental de la
10 Lección 6. Ecuaciones en Derivadas Parciales

aplicación del método de separación de variables para resolver la ecuación del calor cuando se
fijan condiciones iniciales y de contorno. Fue J. Fourier quien, a principios del Siglo XIX y en
sus investigaciones sobre la teoría del calor, aplicó dicho método, aparecido en el siglo anterior
en conexión con el problema de la cuerda vibrante, a la ecuación unidimensional de la difusión.
Para este problema no se conocen soluciones tipo D’Alembert, así que los buenos resultados
obtenidos por Fourier situaron las series trigonométricas, que hoy llevan su nombre, en el centro
de la escena matemática.
El método de separación de variables. Las condiciones iniciales y de contorno que se
imponen dependen de la situación concreta que queramos estudiar. Como ejemplo veamos el
caso en que ambos extremos de la varilla están permanentemente a cero grados de temperatura
y el caso en que ambos extremos están aislados.
Ejemplo. El modelo del problema de la difusión del calor en una varilla cuyos extremos están
permanentemente a cero grados viene dado por

∂u ∂2u
la ecuación del calor: = κ2 2 para 0 ≤ x ≤ L y t ≥ 0,
∂t ∂x
las condiciones de contorno: u(0, t) = u(L, t) = 0 para t ≥ 0,
y la condición inicial: u(x, 0) = f (x) para 0 ≤ x ≤ L,

donde f es una función dada, la distribución inicial de la temperatura, y κ2 es una constante


positiva, llamada difusividad térmica, que depende del material de la varilla; concretamente
k
κ2 = , donde k es la conductividad térmica del material, c su calor específico y δ su densidad.

∂u ∂2u
De nuevo, buscamos soluciones de la ecuación del calor = κ2 2 que sean de la forma
∂t ∂x
u(x, t) = v(x)z(t)

donde v(x) y z(t) son funciones de una variable (no nulas salvo para el caso trivial en que f sea
la función cero). Si u(x, t) = v(x)z(t), entonces

∂u ∂2u
= v(x)z 0 (t) y 2
= v 00 (x)z(t),
∂t ∂x
así que la ecuación del calor queda

v(x)z 0 (t) = κ2 v00 (x)z(t),

es decir,
v00 (x) 1 z 0 (t)
= 2 .
v(x) κ z(t)
Como el miembro derecho de esta ecuación es función sólo de la variable t y el izquierdo lo es sólo
de la variable x, ambos deben ser constantes. Si denotamos por −λ el valor de esa constante, la
ecuación se desdobla en sendas ecuaciones diferenciales; de segundo orden para v(x) y de primer
orden para z(t):
v 00 (x) + λv(x) = 0 y z 0 (t) + λκ2 z(t) = 0.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

Como antes, el siguiente paso es imponer las condiciones de contorno


0 = u(0, t) = v(0)z(t) y 0 = u(L, t) = v(L)z(t).
Como z(t) no es la función nula, debe ocurrir v(0) = v(L) = 0. En consecuencia, la función v(x)
es la solución del problema de contorno
v 00 (x) + λv(x) = 0 con v(0) = 0 y v(L) = 0.
Este problema de contorno es el mismo que obtuvimos para la ecuación de ondas, así que ya
sabemos que únicamente tiene solución no trivial para la sucesión λn = n2 π 2 /L2 con n = 1, 2, . . .
y que dichas soluciones son
vn (x) = sen (nπx/L) (n = 1, 2, . . . ).
Al sustituir estos valores de λ en la ecuación que verifica z(t), ésta nos queda
n2 π 2 κ2
z 0 (t) + z(t) = 0
L2
cuya solución general es
2 π 2 κ2 t/L2
z(t) = ae−n ,
donde a es una constante cualquiera.
Hasta aquí, el método de separación de variables nos ha proporcionado una colección de
soluciones
2 2 2 2
un (x, t) = e−n π κ t/L sen (nπx/L) (n = 1, 2, . . . ),
que verifican la ecuación del calor y las condiciones de contorno; falta por imponer la condición
inicial u(x, 0) = f (x). Como antes, si la función f (x) verifica las condiciones de Dirichlet y
calculamos su desarrollo de f (x) en serie de senos en medio intervalo [0, L]
X

f (x) = bn sen (nπx/L),
n=1

entonces la temperatura viene dada por


X

2 π 2 κ2 t/L2
u(x, t) = bn sen (nπx/L)e−n .
n=1

Observemos que la presencia de las exponenciales hace que la serie converja muy rápidamente y
que la temperatura tienda a ser igual a cero en toda la varilla.
Ejemplo. El modelo del problema de la difusión del calor en una varilla cuyos extremos están
aislados viene dado por
∂u ∂2u
la ecuación del calor: = κ2 2 para 0 ≤ x ≤ L y t ≥ 0,
∂t ∂x
∂u ∂u
las condiciones de contorno: (0, t) = (L, t) = 0 para t ≥ 0,
∂x ∂x
y la condición inicial: u(x, 0) = f (x) para 0 ≤ x ≤ L,
12 Lección 6. Ecuaciones en Derivadas Parciales

donde κ es una constante positiva y f es una función dada, la distribución inicial de la tempera-
tura.
∂u ∂2u
De nuevo, buscamos soluciones de la ecuación del calor = κ2 2 que sean de la forma
∂t ∂x
u(x, t) = v(x)z(t). Entonces la ecuación se desdobla en

v 00 (x) + λv(x) = 0 y z 0 (t) + λκ2 z(t) = 0.

Como antes, el siguiente paso es imponer las condiciones de contorno


∂u ∂u
0= (0, t) = v 0 (0)z(t) y 0= (L, t) = v0 (L)z(t).
∂x ∂x
En consecuencia, la función v(x) es la solución del problema de contorno

v 00 (x) + λv(x) = 0 con v 0 (0) = 0 y v 0 (L) = 0.

Este problema de contorno es distinto al que obtuvimos para la ecuación de ondas. Separando
en los casos correspondientes a que λ sea positivo, cero o negativo, se prueba análogamente que
únicamente tiene solución no trivial para la sucesión λn = n2 π2 /L2 con n = 0, 1, 2, . . . y que
dichas soluciones son
vn (x) = cos(nπx/L) (n = 0, 1, 2, . . . ).
Observemos que, en este caso, para λ = 0 sí aparece una solución constante no trivial. Al sustituir
estos valores de λ en la ecuación que verifica z(t), ésta nos queda

n2 π 2 κ2
z 0 (t) + z(t) = 0
L2
cuya solución general es
2 π 2 κ2 t/L2
z(t) = ae−n ,
donde a es una constante cualquiera.
Hasta aquí, el método de separación de variables nos ha proporcionado una colección de
soluciones
2 2 2 2
un (x, t) = e−n π κ t/L cos(nπx/L) (n = 0, 1, 2, . . . ),
que verifican la ecuación del calor y las condiciones de contorno; falta por imponer la condición
inicial u(x, 0) = f (x). Como antes, si la función f (x) verifica las condiciones de Dirichlet y
calculamos su desarrollo de f (x) en serie de cosenos en medio intervalo [0, L]

a0 X

f (x) = + an cos(nπx/L),
2 n=1

entonces la temperatura viene dada por

a0 X

2 2 2 2
u(x, t) = + an cos(nπx/L)e−n π κ t/L .
2 n=1
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

Observemos que la presencia de las exponenciales hace que la serie converja muy rápidamente
y que la temperatura tienda a ser igual a a0 /2 grados en toda la varilla. Esta temperatura en
régimen permanente es, precisamente, el promedio de la distribución inicial de la temperatura
ya que Z
1 L
a0 /2 = f (x) dx,
L 0
Régimen permanente de la temperatura. En los fenómenos de difusión del calor en una
varilla aislada (salvo, quizás, por sus extremos) se observa que la distribución de temperaturas
tiende a largo plazo a un estado en el que prácticamente no hay variaciones apreciables, que se
llama, como hemos mencionado en el ejemplo anterior, régimen permanente de la temperatura
y denotaremos por u∞ . Como este régimen sólo depende de la posición x y no del tiempo, la
ecuación que verifica es, simplemente, u00∞ (x) = 0 cuya solución es de la forma u∞ (x) = ax + b.
Así, si suponemos que el extremo x = 0 está permanentemente a 10 grados y el extremo x = L
40
está permanentemente a 50 grados, entonces u∞ (x) = 10+ x. Si queremos estudiar la evolución
L
de la temperatura desde una distribución inicial f (x) hasta u∞ (x), entonces el modelo es
∂u ∂2u
la ecuación del calor: = κ2 2 para 0 ≤ x ≤ L y t ≥ 0,
∂t ∂x
las condiciones de contorno: u(0, t) = 10 y u(L, t) = 50 para t ≥ 0,
y la condición inicial: u(x, 0) = f (x) para 0 ≤ x ≤ L.

Para resolver este problema, escribimos u(x, t) = u∞ (x) + v(x, t), con lo que v cumplirá la
ecuación del calor pero con condiciones de contorno homogéneas. Esta idea de calcular el régimen
permanente de temperaturas y, después, reducir el problema a uno con condiciones de contorno
homogéneas, puede adaptarse a situaciones más complicadas como las que se muestran en los
ejercicios de esta lección.
La ecuación del calor bidimensional. Si queremos estudiar la distribución del calor en una
placa plana, entonces hay que resolver la ecuación del calor bidimensional
µ 2 ¶
∂u 2 ∂ u ∂2u
=κ +
∂t ∂x2 ∂y 2
donde u(x, y, t) es una función que depende del tiempo t ≥ 0 y de dos variables espaciales x e
y que se mueven en una región del plano Ω definida por la forma de la placa. El método de
separación de variables nos llevaría de nuevo a la ecuación de Helmholtz.
En el caso bidimensional, la ecuación que gobierna el régimen permanente es la ecuación de
∂ 2u ∂ 2u
Laplace + = 0, que estudiaremos a continuación.
∂x2 ∂y 2

4 Funciones armónicas
En esta sección y las siguientes vamos a estudiar una tercera ecuación en derivadas parciales que
es también esencial en las aplicaciones y se conoce como ecuación bidimensional de Laplace o
14 Lección 6. Ecuaciones en Derivadas Parciales

ecuación del potencial :


∂2u ∂2u
∇2 u = + = 0,
∂x2 ∂y 2
donde u(x, y) es una función que depende de dos variables espaciales x e y que se mueven en una
región plana Ω y ∇2 es el operador laplaciano.
Las soluciones de la ecuación de Laplace se llaman funciones armónicas y los ejemplos más
conocidos son
u(x, y) = ax + by + c, u(x, y) = x(x2 + y 2 )−1 , u(x, y) = y(x2 + y 2 )−1 ,
2 2
u(x, y) = x − y , u(x, y) = xy, u(x, y) = log(x2 + y 2 ),
u(x, y) = ex cos(y), u(x, y) = ex sen(y), u(x, y) = (x2 − y 2 ) (x2 + y 2 )−2 .

La ecuación de Laplace es un caso particular tanto de la ecuación de Helmholtz


∇2 u + λu = 0,
como de la ecuación de Poisson
∇2 u = g(x, y)
donde g(x, y) es una función dada.
A diferencia de la ecuación de ondas y de la ecuación del calor, el tiempo no aparece como
variable independiente en las ecuaciones de Laplace, Helmholtz y Poisson; de hecho, estas ecua-
ciones se usan para hacer modelos matemáticos de fenómenos de tipo estacionario en los que el
tiempo no interviene.
Para resolver estas ecuaciones de manera unívoca hay que establecer condiciones de contorno
en la frontera de la región Ω. Estas condiciones se llaman condiciones de Dirichlet cuando se
prescriben los valores de la función en la frontera de Ω, condiciones de Neumann cuando se
prescriben los valores de la derivada normal de la función en la frontera de Ω y condiciones
mixtas cuando se imponen condiciones de Dirichlet y de Neumann en trozos diferentes de la
frontera de Ω.

5 Problemas de Dirichlet y Neumann en rectángulos


El problema de Dirichlet en un rectángulo. Supongamos que Ω es el rectángulo definido
por los puntos (x, y) tales que 0 ≤ x ≤ L y 0 ≤ y ≤ M y que este rectángulo representa una
placa cuyas caras laterales están aisladas, cuyos lados verticales se mantienen a cero grados y
cuyos lados horizontales se mantienen a una distribución fija de temperaturas, f (x) en el lado
inferior y g(x) en el superior. ¿Cuál es la distribución de la temperatura en régimen permanente?
El modelo de este problema es
∂2u ∂2u
la ecuación de Laplace: + = 0 para 0 ≤ x ≤ L y 0 ≤ y ≤ M,
∂x2 ∂y 2


 u(x, 0) = f (x) para 0 < x < L,

u(x, M) = g(x) para 0 < x < L,
con condiciones de contorno:

 u(0, y) = 0 para 0 < y < M,

u(L, y) = 0 para 0 < y < M.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 15

Separamos las variables buscando soluciones de la forma u(x, y) = v(x)z(y) con lo que la ecuación
de Laplace queda
v(x)z 00 (y) + v00 (x)z(y) = 0,
es decir,
v 00 (x) z 00 (y)
=− .
v(x) z(y)
Como el miembro derecho de esta ecuación es función sólo de la variable y y el izquierdo lo es
sólo de la variable x, ambos deben ser constantes. Si denotamos por −λ el valor de esa constante,
la ecuación se desdobla en sendas ecuaciones diferenciales de segundo orden para v(x) y z(y):

v00 (x) + λv(x) = 0 y z 00 (y) − λz(y) = 0.

Ahora imponemos las condiciones de contorno en los lados verticales

0 = u(0, y) = v(0)z(y) y 0 = u(L, y) = v(L)z(y).

Como z(y) no es la función nula, debe ocurrir v(0) = v(L) = 0. En consecuencia, la función v(x)
es la solución del problema de contorno

v 00 (x) + λv(x) = 0 con v(0) = 0 y v(L) = 0.

Este problema de contorno es el mismo que obtuvimos para la ecuación de ondas, así que ya
sabemos que únicamente tiene solución no trivial para la sucesión λn = n2 π 2 /L2 con n = 1, 2, . . .
y que dichas soluciones son

vn (x) = sen (nπx/L) (n = 1, 2, . . . ).

Al sustituir estos valores de λ en la ecuación que verifica z(y), ésta nos queda

n2 π 2
z 00 (y) − z(y) = 0
L2
cuya solución general es
z(y) = ce−nπy/L + denπy/L
siendo c y d constantes arbitrarias.
Hasta aquí, el método de separación de variables nos ha proporcionado una colección de
soluciones
¡ ¢
un (x, y) = cn e−nπy/L + dn enπy/L sen (nπx/L) (n = 1, 2, . . . ),
que verifican la ecuación de Laplace y las condiciones de contorno en los lados verticales. Con
estas soluciones podemos construir una solución de la forma

X

¡ −nπy/L ¢
u(x, y) = cn e + dn enπy/L sen (nπx/L)
n=1
16 Lección 6. Ecuaciones en Derivadas Parciales

a la que ahora tenemos que imponer las condiciones de contorno en ambos lados horizontales
u(x, 0) = f (x) y u(x, M) = g(x). Si las funciones f (x) y g(x) verifican las condiciones de
Dirichlet y calculamos sus desarrollos en series de senos en medio intervalo [0, L]
X
∞ X

f (x) = an sen (nπx/L) y g(x) = bn sen (nπx/L)
n=1 n=1

entonces, sustituyendo y = 0 e y = M en la expresión de u(x, y) e identificando los coeficientes


de los desarrollos en series de senos obtenemos, para cada n = 1, 2, . . . ,

cn + dn = an
−nπM/L
cn e + dn enπM/L = bn

cuya solución es

an enπM/L − bn
cn =
enπM/L − e−nπM/L
bn − an e−nπM/L
dn = nπM/L .
e − e−nπM/L
Para obtener la solución del problema basta sustituir estos valores en la expresión
X

¡ −nπy/L ¢
u(x, y) = cn e + dn enπy/L sen (nπx/L).
n=1

Si las condiciones de contorno fueran nulas en los lados horizontales y generales en los verti-
cales

u(x, 0) = 0 para 0 < x < L,


u(x, M) = 0 para 0 < x < L,
u(0, y) = f (y) para 0 < y < M,
u(L, y) = g(y) para 0 < y < M,

el método permite obtener, análogamente, una solución de la forma


X

¡ −nπx/M ¢
u(x, y) = cn e + dn enπx/M sen (nπy/M).
n=1

Si tenemos condiciones de contorno generales en los cuatro lados, entonces se divide el proble-
ma en dos problemas: uno con condiciones nulas en los lados horizontales y otro con condiciones
nulas en los lados verticales; la suma de las soluciones será la solución del problema original.
El problema de Neumann en un rectángulo. Supongamos que Ω es el rectángulo
definido por los puntos (x, y) tales que 0 ≤ x ≤ L y 0 ≤ y ≤ M y que este rectángulo representa
una placa cuyas caras laterales están aisladas, cuyos lados verticales y horizontal inferior también
están aislados, con lo que no hay flujo de calor a lo largo de ellos, y en cuyo lado horizontal superior
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 17

∂u
hay un flujo de calor fijo de manera que (x, M) = f (x) en cada punto (x, M) de dicho lado
∂y
¿Cuál es la distribución de la temperatura en régimen permanente? El modelo de este problema
es
∂ 2u ∂ 2u
la ecuación de Laplace : + = 0 para 0 ≤ x ≤ L y 0 ≤ y ≤ M,
∂x2 ∂y 2

 ∂u

 (x, 0) = 0 para 0 < x < L,

 ∂y


 ∂u (x, M) = f (x) para 0 < x < L,

con condiciones de contorno : ∂y

 ∂u

 (0, y) = 0 para 0 < y < M,

 ∂x


 ∂u (L, y) = 0 para 0 < y < M,
∂x
que es un problema con condiciones de Neumann porque en los lados verticales derecho e izquierdo
la derivada normal respectiva de u(x, y) es la derivada en la dirección del vector (±1, 0), que es
∂u
± , y en los horizontales superior e inferior es la derivada en la dirección del vector (0, ±1),
∂x
∂u
que es ± .
∂y
Separamos las variables buscando soluciones de la forma u(x, y) = v(x)z(y) con lo que la
ecuación de Laplace se desdobla en
v00 (x) + λv(x) = 0 y z 00 (y) − λz(y) = 0.

Ahora imponemos las condiciones de contorno en los lados verticales


∂u ∂u
0= (0, y) = v0 (0)z(y) y 0= (L, y) = v 0 (L)z(y).
∂x ∂x
Como z(y) no es la función nula, debe ocurrir v (0) = v 0 (L) = 0. En consecuencia, la función
0

v(x) es la solución del problema de contorno


v00 (x) + λv(x) = 0 con v0 (0) = 0 y v0 (L) = 0.
Este problema de contorno es el mismo que obtuvimos para la ecuación del calor con los extremos
aislados, así que ya sabemos que únicamente tiene solución no trivial para la sucesión λn =
n2 π 2 /L2 con n = 0, 1, 2, . . . y que dichas soluciones son
vn (x) = cos(nπx/L) (n = 0, 1, 2, . . . ).
Al sustituir estos valores de λ en la ecuación que verifica z(y), ésta nos queda
n2 π 2
z 00 (y) − z(y) = 0.
L2
∂u
Si aplicamos ahora la condición en el lado horizontal inferior (x, 0) = v(x)z 0 (0) = 0, es decir
∂y
z 0 (0) = 0, las soluciones que se obtienen, salvo un factor constante, son
zn (y) = cosh(nπy/L) (n = 0, 1, 2, . . . ).
18 Lección 6. Ecuaciones en Derivadas Parciales

Obtenemos pues una colección de soluciones

un (x, y) = cos(nπx/L) cosh(nπy/L) (n = 0, 1, 2, . . . ).

que verifican la ecuación de Laplace y las condiciones de contorno en los lados verticales y el
horizontal inferior. Con estas soluciones podemos construir una solución de la forma

X

u(x, y) = cn cos(nπx/L) cosh(nπy/L)
n=0

∂u
a la que nos falta imponer la condición (x, M) = f (x). Ahora bien,
∂y

∂u X nπcn

(x, M) = senh(nπM/L) cos(nπx/L).
∂y n=1
L

Si f (x) verifica las condiciones de Dirichlet y calculamos su desarrollo en serie de cosenos en


medio intervalo [0, L]
a0 X

f (x) = + an cos(nπx/L).
2 n=1

∂u
Comparando estas series, vemos que (x, M) = f (x) si tomamos
∂y

an L
cn = para n = 1, 2, . . .
nπsenh(nπM/L)

y, esto es importante, el coeficiente a0 de la serie de cosenos de f es cero, es decir, f debe cumplir


que
Z L
f (x) dx = 0.
0

Puede probarse que esta condición es necesaria para que la ecuación de Laplace con condiciones
de Neumann tenga solución. En términos físicos, esto significa que el promedio del flujo de calor
en el borde superior de la placa debe ser cero, o sea, debe salir tanto calor como entra; si no
ocurre esto, entonces no se alcanza un régimen permanente de temperaturas.
Cuando tengamos un problema con condiciones de Neumann generales en los cuatro lados, lo
que podemos hacer es separarlo en cuatro problemas adecuados con tres condiciones nulas. La
solución del problema original será la suma de las soluciones de los problemas particulares.

6 El problema de Dirichlet en el círculo unidad


Si Ω es el círculo unidad, el problema de Dirichlet es hallar una función u(x, y) armónica en
el interior del círculo conociendo sus valores en la circunferencia x2 + y 2 = 1. La geometría
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 19

del problema sugiere trabajar en coordenadas polares, de manera que el problema es hallar una
función u(r, θ) tal que

∂ 2 u 1 ∂u 1 ∂2u
∇2 u = + + =0 para 0 ≤ r < 1 y 0 ≤ θ ≤ 2π
∂r2 r ∂r r2 ∂θ2
con la condición
u(1, θ) = φ(θ) para 0 ≤ θ ≤ 2π
donde φ(θ) es una función dada que podemos suponer periódica y de período 2π.
Veremos dos formas de tratar este problema: mediante separación de variables y, en la si-
guiente lección, usando funciones analíticas.
Resolución mediante el método de separación de variables. Como ya hemos visto en
otros ejemplos, empezamos buscando soluciones que sean de la forma u(r, θ) = v(r)w(θ) donde
v(r) debe ser continua en el interior de Ω y w(θ) debe ser periódica y de período 2π. Derivando
y sustituyendo en la ecuación, obtenemos
1 1
v 00 (r)w(θ) + v 0 (r)w(θ) + 2 v(r)w00 (θ) = 0
r r
o, equivalentemente,
r2 v00 (r) + rv 0 (r) w00 (θ)
=− .
v(r) w(θ)
Como el miembro derecho sólo depende del ángulo y el izquierdo del radio, ambos deben ser
constantes, lo que nos desdobla la ecuación en dos ecuaciones de segundo orden

r2 v00 (r) + rv 0 (r) − λv(r) = 0 y w00 (θ) + λw(θ) = 0.

Como la función w(θ) debe ser periódica y de período 2π, los valores admisibles de λ son los de
la sucesión λ = 0, 1, 4, 9, . . . , n2 , . . . , para los que se obtienen las soluciones

wn (θ) = cn cos(nθ) + dn sen (nθ).

Sustituyendo λ = n2 en la ecuación que verifica v(r)

r2 v00 (r) + rv 0 (r) − n2 v(r) = 0

tenemos una ecuación de Euler-Cauchy cuya solución general para n = 0 es

v0 (r) = α0 + β 0 log(r)

y para n = 1, 2, . . . es
vn (r) = αn rn + β n r−n .
Como las v(r) adecuadas deben ser continuas en r = 0, las constantes β n deben ser todas cero.
Esto nos proporciona una colección de soluciones

un (r, θ) = rn [cn cos(nθ) + dn sen (nθ)] (n = 0, 1, 2 . . . )


20 Lección 6. Ecuaciones en Derivadas Parciales

de la ecuación del potencial con las que podemos construir


X

u(r, θ) = rn [cn cos(nθ) + dn sen (nθ)] .
n=0

Si φ(θ) verifica las condiciones de Dirichlet y la desarrollamos en serie de Fourier en [−π, π]


a0 X

φ(θ) = + [an cos(nθ) + bn sen (nθ)]
2 n=1
a0
entonces u(r, θ) verificará la condición de contorno u(1, θ) = φ(θ) tomando c0 = , d0 = 0 y
2
cn = an , dn = bn para n = 1, 2, . . . En resumen, la solución es
a0 X n

u(r, θ) = + r [an cos(nθ) + bn sen (nθ)] .
2 n=1
Observemos que cuando r = 0 obtenemos
Z π
1 a0
u(0, 0) = φ(t) dt = ,
2π −π 2
fórmula que se conoce como teorema del valor medio de Gauss.
La Fórmula Integral de Poisson. Si escribimos las fórmulas de los coeficientes
Z Z
1 π 1 π
an = φ(t) cos(nt) dt y bn = φ(t)sen (nt) dt
π −π π −π
en la expresión de u(r, θ) y tenemos en cuenta que
cos(nθ) cos(nt) + sen (nθ)sen (nt) = cos(nθ − nt),
entonces obtenemos
Z " #
1 π
1 X

u(r, θ) = φ(t) + rn cos(nθ − nt) dt.
π −π 2 n=1
Para sumar la serie que aparece en el integrando observemos lo siguiente: si llamamos α = θ − t
y tomamos ζ = rejα = r [cos(α) + jsen (α)], entonces
ζ n = rn ejnα = rn [cos(nα) + jsen (nα)] ,
de manera que
à !
1 X n 1 X n 1 X n
∞ ∞ ∞
+ r cos(nθ − nt) = + r cos(nα) = Re + ζ
2 n=1 2 n=1 2 n=1
µ ¶
1 ζ 1 − r2
= Re + =
2 1−ζ 2(1 − 2r cos(α) + r2 )
luego Z π
1 1 − r2
u(r, θ) = φ(t) dt
2π −π 1 − 2r cos(θ − t) + r2
que se llama Fórmula Integral de Poisson o, más bien Fórmula Integral de Poisson para fun-
ciones armónicas en el círculo unidad porque, como veremos en la siguiente lección, existen
otras fórmulas análogas.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 21

7 Ejercicios
∂2u ∂2u
Ejercicio 1. Resuelve la ecuación de ondas 2 = 2 en el intervalo [0, π] con las condiciones
∂t ∂x
de contorno e iniciales que se indican

u(0, t) = u(π, t) = 0 para t ≥ 0,


u(x, 0) = sen (x) − 2sen (3x) para 0 < x < π,
∂u
(x, 0) = 3sen (2x) para 0 < x < π.
∂t

∂2u ∂2u
Ejercicio 2. Resuelve la ecuación de ondas 2 = 16 2 en el intervalo [0, 1] con las condiciones
∂t ∂x
de contorno e iniciales que se indican

u(0, t) = u(1, t) = 0 para t ≥ 0,


u(x, 0) = 0 para 0 < x < 1,

∂u  0 si 0 ≤ x < 0.25,
(x, 0) = 1 si 0.25 ≤ x < 0.3,
∂t 
0 si 0.3 ≤ x ≤ 1.

Este modelo corresponde al golpe del macillo de un piano contra una de las cuerdas.
∂2u ∂2u
Ejercicio 3. Resuelve la ecuación de ondas 2 = c2 2 en el intervalo [0, L] con las condiciones
∂t ∂x
de contorno e iniciales que se indican

u(0, t) = u(L, t) = 0 para t ≥ 0,


u(x, 0) = 0 para 0 < x < L,
∂u
(x, 0) = δ 0 (x − L/4) para 0 < x < L,
∂t

donde δ 0 es la función delta de Dirac. Este modelo corresponde a un golpe seco sobre un punto
de la cuerda en reposo.
Ejercicio 4. Resuelve el problema de ecuaciones en derivadas parciales

∂2u ∂2u
= c2 para 0 < x < L y t > 0,
∂t2 ∂x2
u(0, t) = u(L, t) = 0 para t > 0,
u(x, 0) = sen (πx/L) para 0 < x < L,
½
∂u c si L/4 < x < 3L/4
(x, 0) =
∂t 0 en otro caso.

Ejercicio 5. Resuelve, usando el método de separación de variables la ecuación de ondas en el


22 Lección 6. Ecuaciones en Derivadas Parciales

intervalo [0, π] con las condiciones de contorno e iniciales que se indican

∂2u ∂2u
=
∂t2 ∂x2
∂u ∂u
(0, t) = (π, t) = 0 para t ≥ 0,
∂x ∂x
u(x, 0) = 0 para 0 < x < π,
∂u
(x, 0) = ex para 0 < x < π.
∂t

Ejercicio 6. Mediante la ecuación de ondas se pueden modelar las vibraciones en el tubo de un


órgano suponiendo que su sección es despreciable frente a su longitud L. El modelo es
∂2u ∂2u
= c2
∂t2 ∂x2
u(0, t) = 0 para t ≥ 0: el extremo x = 0 está fijo,
∂u
(L, t) = 0 para t ≥ 0: el extremo x = L está libre,
∂x
u(x, 0) = 0 para 0 < x < L: el tubo está en reposo,
∂u
(x, 0) = a para 0 < x < L: al principio, el aire entra uniformemente.
∂t
Resuelve este modelo usando el método de separación de variables.
Ejercicio 7. Resuelve, usando tanto el método de Bernoulli como el de D’Alembert, la ecuación
∂2u ∂2u
de ondas 2 = 16 2 en el intervalo [0, 4] con las condiciones de contorno e iniciales que se
∂t ∂x
indican

u(0, t) = u(4, t) = 0 para t ≥ 0,


∂u
(x, 0) = 0 para 0 < x < 4,
∂t 
 x si 0 ≤ x < 1,
u(x, 0) = 1 si 1 ≤ x < 3,

4−x si 3 ≤ x ≤ 4.

Ejercicio 8. Resuelve la ecuación de ondas no homogénea


∂2u ∂2u
− 2 = 2(1 − x) cos(2t)
∂t2 ∂x
con las condiciones de contorno e iniciales nulas en el intervalo [0, 1]. Para ello, escribe u(x, t) =
v(x, t) + φ(x) cos(2t), donde v cumple la ecuación de ondas homogénea y φ(x) sólo depende de
la variable x.
Ejercicio 9. Resuelve la siguiente variante de la ecuación de ondas en la que se tiene en cuenta
la acción de la gravedad:
∂ 2u 2
2∂ u
= c − g,
∂t2 ∂x2
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 23

con condiciones de contorno e iniciales homogéneas en el intervalo [0, L]. Para ello, escribe
u(x, t) = v(x, t) + ψ(x) eligiendo ψ de forma que v satisfaga la ecuación de ondas usual.
Ejercicio 10. Resuelve el siguiente problema usando el método de separación de variables
∂ 2u ∂ 2u
− 2 = 6x
∂t2 ∂x
con las siguientes condiciones de contorno dadas en la banda 0 < x < 1, t > 0
∂u
u(0, t) = u(1, t) = u(x, 0) = (x, 0) = 0.
∂t
Indicación: busca una solución particular que sólo dependa de x.
Ejercicio 11. Resuelve la siguiente ecuación de ondas no homogénea
∂2u ∂2u
2
− 2 + 4π 2 cos(2πx) = 0, 0 < x < 1, t > 0,
∂x ∂t
con condiciones iniciales y de contorno
u(x, 0) = sen (3πx) (0 < x < 1),
∂u
(x, 0) = 0 (0 < x < 1),
∂t
u(0, t) = u(1, t) = 0 (t > 0).
Para ello escribe u(x, t) = v(x, t)+φ(x) donde v es la solución de la ecuación de ondas homogénea
y φ(x) es una solución particular de la ecuación dada que sólo depende de x.
Ejercicio 12. Resuelve la siguiente ecuación de ondas no homogénea
∂2u ∂2u
9 − 2 = 9 cos(3x)sen (t),
∂t2 ∂x
con condiciones iniciales y de contorno
∂u
u(x, 0) = (x, 0) = 0 (0 < x < π/2),
∂t
∂u ∂u
(0, t) = (π/2, t) = 0 (t > 0).
∂x ∂x
Para ello escribe u(x, t) = v(x, t) + φ(x)sen (t) donde v es la solución de la ecuación de ondas
homogénea y φ(x) es una función que sólo depende de x.
Ejercicio 13. La ecuación de la transmisión telegráfica es
∂ 2 u ∂ 2 u ∂u
c2 = 2 + + u.
∂x2 ∂t ∂t
Usa el método de separación de variables para resolverla con las siguientes condiciones de contorno
e iniciales
u(0, t) = u(1, t) = 0 para t > 0,
u(x, 0) = 0 para 0 < x < 1,
∂u
(x, 0) = x(1 − x) para 0 < x < 1.
∂t
24 Lección 6. Ecuaciones en Derivadas Parciales

Ejercicio 14. Usa el método de separación de variables para resolver el problema

∂2u ∂2u ∂u
= +2
∂x2 ∂t2 ∂t
u(0, t) = u(π, t) = 0 para t > 0,
u(x, 0) = 0 para 0 < x < π,
½
∂u x si 0 < x < π/2,
(x, 0) =
∂t π−x si π/2 < x < π.

Ejercicio 15. Las ecuaciones de una línea de transmisión son


∂E ∂I
+ L + RI = 0,
∂x ∂t
∂I ∂E
+C + GE = 0,
∂x ∂t
siendo E(x, t) e I(x, t) la tensión y la intensidad, respectivamente, y L, C, R y G constantes que
caracterizan los parámetros físicos del sistema.

1. Prueba que la tensión satisface la siguiente ecuación:

∂2E 1 ∂ 2E ∂E
2
− 2 2
− (τ 0 + τ 1 ) − ρE = 0,
∂x ω ∂t ∂t
siendo ω 2 = (LC)−1 , τ 0 = RC, τ 1 = LG y ρ = RG.

2. Mediante un cambio de variable de la forma

Φ(x, t) = eax+bt E(x, t)

(con a y b constantes que tendrás que elegir), transforma la ecuación de segundo orden para
E en una para Φ que no contenga derivadas de primer orden:

∂2Φ 1 ∂ 2Φ
− + kΦ = 0.
∂x2 ω 2 ∂t2
En particular, prueba que si τ 0 = τ 1 , entonces k = 0.

3. Encuentra E(x, t) para una línea de transmisión con L = C = R = G = 1 y condiciones


iniciales
1 ∂E −1
E(x, 0) = (x), (x, 0) = (x), −∞ < x < ∞,
cosh ∂t cosh
resolviendo la correspondiente ecuación de ondas que satisface Φ.

Ejercicio 16. Una barra cilíndrica de aluminio (κ2 = 0.86), que tiene 2m de longitud y está a
10 grados se encuentra térmicamente aislada. En el instante t = 0, sus extremos se enfrían hasta
0 grados y se mantienen así. Determina la distribución de temperaturas u(x, t) (en el punto x
de la barra y en el instante t).
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 25

Ejercicio 17. Resuelve el problema anterior pero suponiendo ahora que el extremo x = 0 se
mantiene a cero grados y el extremo x = 2 se mantiene a 100 grados.
Ejercicio 18. Utiliza el método de separación de variables para resolver el siguiente problema:
∂u ∂2u
= para 0 < x < π, t > 0,
∂t ∂x2
u(0, t) = u(π, t) = 0 para t > 0,
u(x, 0) = 4sen (3x) para 0 < x < π.

Ejercicio 19. Resuelve el problema anterior pero suponiendo ahora que el extremo x = 0 se
mantiene a 10 grados y el extremo x = π se mantiene a 20 grados.
Ejercicio 20. Utiliza el método de separación de variables para resolver el siguiente problema
de transmisión de calor en una barra:
∂u ∂2u
= κ2 2 para 0 < x < 4, t > 0,
∂t ∂x
u(0, t) = u(4, t) = 0 para t > 0,
u(x, 0) = x(x − 4) para 0 < x < 4.

Ejercicio 21. Complicamos ahora un poco la situación ideal de la transmisión del calor en una
varilla: Suponemos que la varilla puede irradiar calor libremente hacia el medio que la rodea,
que se mantiene a temperatura constante. En este caso la ecuación queda:
∂u ∂2u
= κ2 2 − βu para 0 < x < L, t > 0.
∂t ∂x
Mediante el cambio u(x, t) = v(x, t)w(t), reduce esta ecuación a la ecuación del calor usual.
Ejercicio 22. Resuelve la ecuación del calor en una varilla de cobre (κ2 = 1.14) de un metro de
longitud para las siguientes condiciones de contorno e iniciales
u(x, 0) = 1 + x,
∂u ∂u
(0, t) = (L, t) = 0 para t > 0.
∂x ∂x
Ejercicio 23. Resuelve el siguiente problema usando el método de separación de variables
∂u ∂2u
= + 2u,
∂t ∂x2
u(x, 0) = sen (πx) para 0 < x < 1,
u(0, t) = u(1, t) = 0 para t > 0.

Ejercicio 24. Resuelve el siguiente problema


∂u ∂2u
= − 4u,
∂t ∂x2
u(x, 0) = cos(x) para 0 < x < π,
u(0, t) = 0 para t > 0,
u(π, t) = 1 para t > 0.
26 Lección 6. Ecuaciones en Derivadas Parciales

Para ello, procede de la siguiente manera: escribe u(x, t) = v(x, t)e−4t + ψ(x) eligiendo ψ de
forma que v satisfaga la ecuación del calor con condiciones de contorno homogéneas.
Ejercicio 25. Resuelve el siguiente problema mediante el método de separación de variables
2
∂u 2∂ u
= t − u,
∂t ∂x2
u(0, t) = u(π, t) = 0 para t > 0,
u(x, 0) = cos(x) para 0 < x < π.

Ejercicio 26. Resuelve el siguiente problema –la difusión del calor en una varilla cuyos extremos
están aislados– mediante el método de separación de variables
∂2u ∂u
4 2
= ,
∂x ∂t
∂u ∂u
(0, t) = (π, t) = 0 para todo t > 0,
∂x ∂x
½
0 si 0 < x < π/2,
u(x, 0) =
1 si π/2 < x < π.

Ejercicio 27. Resuelve la ecuación del calor no homogénea


∂ 2u ∂u
4 2
= − 16e−2x ,
∂x ∂t
u(0, t) = u(1, t) = −1 para t > 0,
u(x, 0) = 4sen (6πx) − e−2x para 0 < x < 1.
Para ello, escribe u(x, t) = v(x, t) + φ(x), donde v(x, t) verifica la ecuación del calor homogénea.
Ejercicio 28. Resuelve la ecuación
∂u ∂ 2u
=4 2 +8
∂t ∂x
bajo las condiciones
u(0, t) = u(2, t) = 0 para t > 0,
u(x, 0) = 0 para 0 < x < 2.

Ejercicio 29. Prueba que la ecuación


∂u ∂2u
= κ2 2 − ν(u − u0 )
∂t ∂x
se reduce a la ecuación del calor unidimensional mediante el cambio v = eνt (u − u0 ). ¿Qué
significa el término ν(u − u0 )?
Ejercicio 30. Resuelve el siguiente problema de Dirichlet en el cuadrado de lado π
∂ 2u ∂ 2u
+ = 0,
∂x2 ∂y 2
u(x, 0) = πx − x2 para 0 < x < π,
u(x, π) = 0 para 0 < x < π,
u(0, y) = u(π, y) = 0 para 0 < y < π.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 27

Ejercicio 31. Resuelve el siguiente problema de Dirichlet en el cuadrado de lado π

∂2u ∂2u
+ = 0,
∂x2 ∂y 2
u(x, 0) = 0 para 0 < x < π,
u(x, π) = sen (x) para 0 < x < π,
u(0, y) = 0 para 0 < y < π,
u(π, y) = sen (y) para 0 < y < π.

Ejercicio 32. Resuelve el siguiente problema de Neumann en el cuadrado de lado π

∂2u ∂2u
+ = 0,
∂x2 ∂y 2
∂u
(x, 0) = 0 para 0 < x < π,
∂y
∂u
(x, π) = cos(x) para 0 < x < π,
∂y
∂u ∂u
(0, y) = (π, y) = 0 para 0 < y < π.
∂x ∂x

Ejercicio 33. Resuelve el siguiente problema de Neumann en el cuadrado de lado 1

∂2u ∂2u
+ = 0,
∂x2 ∂y 2
∂u
(x, 0) = 0 para 0 < x < 1,
∂y
∂u
(x, 1) = sen (2π) para 0 < x < 1,
∂y
∂u
(0, y) = 0 para 0 < y < 1,
∂x
∂u
(1, y) = 2y − 1 para 0 < y < 1.
∂x

Ejercicio 34. Resuelve el siguiente problema por el método de separación de variables

∂ 2 u ∂ 2 u ∂u
+ + = 0,
∂x2 ∂y 2 ∂x
u(x, 0) = u(x, π) = 0 para 0 < x < π,
u(0, y) = 0 para 0 < y < π,
u(π, y) = sen (y) para 0 < y < π.

Ejercicio 35. Resuelve el siguiente problema por el método de separación de variables y calcula
28 Lección 6. Ecuaciones en Derivadas Parciales

el valor de u(0.5, 0.5) usando tres términos de la serie obtenida.


∂ 2u ∂ 2u
+ = u,
∂x2 ∂y 2
u(x, 0) = 0 para 0 < x < 1,
u(x, 1) = sen (x) para 0 < x < 1,
u(0, y) = 0 para 0 < y < 1,
u(1, y) = y para 0 < y < 1.

Ejercicio 36. Resuelve el siguiente problema de Poisson en el rectángulo [0, π/2] × [0, 2]
∂2u ∂2u
+ = sen (x)
∂x2 ∂y 2
con las condiciones de contorno
∂u ∂u
(x, 0) = (x, 2) = 0 para 0 < x < π/2,
∂y ∂y
u(0, y) = 0 para 0 < y < 2,
∂u
(π/2, y) = 1 − y para 0 < y < 2.
∂y
Para ello, haz el cambio u(x, y) = v(x, y) + u(p) (x), donde u(p) (x) es una solución particular que
sólo depende de x y que deberás determinar de forma que v(x, y) sea una función armónica en
[0, π/2] × [0, 2] con condiciones de contorno lo más sencillas posible.
Ejercicio 37. Resuelve el siguiente problema de Poisson en el rectángulo [0, π] × [0, 1]
∂2u ∂2u
+ = y(1 − y)sen (x)
∂x2 ∂y 2
con condiciones de contorno homogéneas, sabiendo que admite una solución particular de la
forma sen (x)p(y), donde p es un polinomio.
Ejercicio 38. Resuelve el siguiente problema de contorno en el cuadrado [0, π] × [0, π] usando
el método de separación de variables
∂2u ∂2u
+ = cos(x), 0 < x < π, 0 < y < π,
∂x2 ∂y 2
u (frontera) = 0.

Para ello, haz el cambio u(x, y) = v(x, y) + u(p) (x), donde u(p) (x) es una solución particular que
sólo depende de x y que deberás determinar de forma que v(x, y) sea una función armónica en
[0, π] × [0, π] con condiciones de contorno lo más sencillas posible.
Ejercicio 39. Resuelve el problema de Dirichlet para el círculo unidad si la función de contorno
φ(θ) se define como:

1. φ(θ) = cos(θ/2) para θ ∈ [−π, π].


Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 29

2. φ(θ) = θ para θ ∈ (−π, π).

3. φ(θ) = sen (θ) para θ ∈ [0, π] y cero en otro caso.

4. φ(θ) = 1 para θ ∈ [0, π] y cero en otro caso.

Ejercicio 40. Resuelve el problema de Dirichlet en el círculo unidad para la función dada en la
frontera por
φ(x, y) = A (x cos(α) − ysen (α)) ,
siendo A y α constantes reales positivas.
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 41. Resuelve el problema de valores iniciales

∂ 2u ∂2u
= 4 para 0 < x < π y t > 0,
∂t2 ∂x2
u(0, t) = 0 para t > 0,
u(π, t) = 0 para t > 0,
u(x, 0) = sen (x) para 0 < x < π,
∂u
(x, 0) = 1 para 0 < x < π.
∂t

Ejercicio 42. Resuelve la ecuación de ondas no homogénea

∂ 2u ∂ 2u
4 − 2 = 4(x2 + 2)sen (2t) para 0 < x < π/2 y t > 0
∂x2 ∂t
con las siguientes condiciones de contorno e iniciales

u(0, t) = u(π/2, t) = 0 para t > 0


u(x, 0) = 0 para 0 < x < π/2
∂u
(x, 0) = 2x2 para 0 < x < π/2.
∂t
Para ello, escribe u(x, t) = v(x, t) + f (x)sen (2t) siendo v(x, t) una solución de la ecuación de
ondas homogénea.
Ejercicio 43. Resuelve el siguiente problema de transmisión del calor

∂u ∂2u
= 3 2, para 0 < x < 2 y t > 0,
∂t ∂x
con condiciones iniciales y de contorno
½
−x si 0 < x < 1,
u(x, 0) =
2−x si 1 < x < 2.
∂u ∂u
(0, t) = (2, t) = 0 (t > 0).
∂x ∂x
30 Lección 6. Ecuaciones en Derivadas Parciales

Ejercicio 44. Resuelve la ecuación del calor


∂u ∂ 2 u
= 2 para x ∈ [0, π] y t > 0
∂t ∂x
con las siguientes condiciones de contorno e iniciales
½
∂u ∂u 0 si 0 < x < π/2,
(0, t) = (π, t) = 0 y u(x, 0) =
∂x ∂x 1 si π/2 < x < π.

Ejercicio 45. Resuelve la ecuación del calor


∂u ∂ 2u
4 = 2
∂t ∂x
con las condiciones de contorno

u(0, t) = u(50, t) = 0 para t > 0

y la condición inicial
u(x, 0) = 100 para x ∈ (0, 50)
Calcula aproximadamente el valor de u(25, 1800).
Ejercicio 46. Halla la solución de
∂u ∂2u
=4 2 con 0 < x < π y t > 0
∂t ∂x
con las condiciones de contorno

u(0, t) = u(π, t) = 0 para t > 0

y la condición inicial ½
x si 0 < x < π/2,
u(x, 0) =
π−x si π/2 < x < π.
Calcula, de manera aproximada, u( π2 , 1).
Ejercicio 47. Resuelve el problema de valores iniciales
∂u ∂ 2u
5 = para 0 < x < 10 y t > 0,
∂t ∂x2
∂u
(0, t) = 0 para t > 0,
∂x
∂u
(10, t) = 0 para t > 0,
∂x
u(x, 0) = 4x para 0 < x < 10.

Ejercicio 48. Resuelve el problema de transmisión de calor


∂u ∂2u
=9 2 para 0 < x < 1 y t > 0,
∂t ∂x
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 31

con condiciones iniciales y de contorno

u(x, 0) = sen (2πx) − 2sen (3πx) para 0 < x < 1,


u(0, t) = u(1, t) = 0 para t > 0.

Ejercicio 49. Halla la solución del siguiente problema


∂u ∂ 2u
la ecuación del calor: = 2 2 para 0 ≤ x ≤ 1 y t ≥ 0,
∂t ∂x
∂u ∂u
con las condiciones de contorno: (0, t) = (1, t) = 0 para t ≥ 0,
∂x ∂x
y la condición inicial: u(x, 0) = 2 − cos(3πx) para 0 ≤ x ≤ 1.

Ejercicio 50. Resuelve el siguiente problema de difusión del calor calculando previamente el
régimen permanente de temperaturas
∂u ∂2u
la ecuación del calor: = 10−4 2 para 0 ≤ x ≤ 5 y t ≥ 0,
∂t ∂x
con las condiciones de contorno: u(0, t) = 5 para t ≥ 0, u(5, t) = 20 para t ≥ 0,
y la condición inicial: u(x, 0) = 3sen (πx) para 0 ≤ x ≤ 5.

Ejercicio 51. Resuelve la ecuación en derivadas parciales


∂u ∂ 2 u
= 2 +2
∂t ∂x
con las condiciones de contorno

u(0, t) = u(π, t) = 0 para t > 0,

y la condición inicial
u(x, 0) = 0 para x ∈ (0, π).
Se recomienda efectuar el cambio de variable dependiente u(x, t) = v(x, t) + h(x).
Ejercicio 52. Resuelve el siguiente problema de difusión.
∂u ∂2u ∂u
la ecuación: = 2 −2 para 0 ≤ x ≤ 1 y t ≥ 0,
∂t ∂x ∂x
con las condiciones de contorno: u(0, t) = 1 para t ≥ 0, u(1, t) = e2 para t ≥ 0,
∂u
y la condición inicial: (x, 0) = 1 para 0 ≤ x ≤ 1.
∂t
Escribe una aproximación del valor u(0.4, 0.1) con dos cifras decimales.
Ejercicio 53. Calcula, usando un cambio de variables de la forma u(x, t) = eat v(x, t) la solución
de la ecuación en derivadas parciales
∂u ∂ 2 u
= 2 +u con 0 < x < L y t > 0
∂t ∂x
32 Lección 6. Ecuaciones en Derivadas Parciales

con las condiciones de contorno

u(0, t) = u(L, t) = 0 para t > 0

y la condición inicial

u(x, 0) = sen (πx/L) − sen (2πx/L) para 0 < x < L.

Calcula, además, lim u(x, t) en los casos L < π, L = π y L > π.


t→∞

Ejercicio 54. Utiliza el método de separación de variables para resolver el siguiente problema
de Poisson
∂2u ∂2u π
2
+ 2 = sen (x) para 0 < x < y 0 < y < 2,
∂x ∂y 2
con las condiciones de contorno
∂u ∂u π
(x, 0) = (x, 2) = 0 para 0 < x < ,
∂y ∂y 2
u(0, y) = 0 para 0 < y < 2,
∂u ³ π ´
, y = y para 0 < y < 2.
∂x 2
Indicación: escribe u(x, y) = v(x, y) + f (x), donde v es una función armónica.
Ejercicio 55. (1) Halla el desarrollo en serie de Fourier de la función f (x) = sen (πx) en el
intervalo [0, 1].
(2) Determina, según los valores de λ ∈ R, las soluciones del problema

y 00 + λy = 0, con y(0) = y(1) e y 0 (0) = 0.

(3) Resuelve la siguiente ecuación del calor no homogénea.

∂u ∂ 2u 2
= 2 − 4π cos(πx)e−π t , para 0 < x < 1 y t > 0,
∂t ∂x
con condiciones iniciales y de contorno

u(x, 0) = (1 + 2x)sen (πx) (0 < x < 1),


u(0, t) = u(1, t) (t > 0),
∂u
(0, t) = 0 (t > 0).
∂x
2
Indiciación: Haz el cambio de variable independiente u(x, t) = v(x, t) + ϕ(x)e−π t , eligiendo ϕ
de manera que v verifique la correspondiente ecuación del calor homogénea.
Ejercicio 56. Calcula la solución de la ecuación en derivadas parciales

∂u ∂ 2 u
= 2 +u con 0 < x < π y t > 0
∂t ∂x
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 33

que satisface las condiciones de contorno

u(0, t) = u(π, t) = 0 para t > 0

y la condición inicial
u(x, 0) = 1 para 0 < x < π.
Calcula, asimismo, lim u(x, t).
t→∞

8 Bibliografía
Para desarrollar esta lección pueden consultarse los siguientes textos. El de James incluye varias
aplicaciones interesantes a la ingeniería y muchos ejercicios adicionales.
[517.9/2-BRA] M. Braun, Ecuaciones diferenciales y sus aplicaciones, Cap. 5.
[517.9/3-EDW] C.H. Edwards y D.E. Penney, Ecuaciones diferenciales elementales, Cap. 8.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 9.
[517.9/2-SIM] G.F. Simmons, Ecuaciones diferenciales, Cap. 7.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 7.

FUNCIONES ANALÍTICAS.

Curso 2006-07

La teoría de funciones de una variable compleja, o teoría de funciones analíticas, no sólo es una
de las teorías matemáticas más hermosas, sino que además es bien conocida su aplicación en
varias ramas de la ciencia y la técnica. Muchos problemas interesantes en matemática aplicada,
que aparecen en la teoría del calor, la dinámica de fluidos y la electrostática, encuentran su
marco adecuado en la teoría de funciones analíticas. Tras el establecimiento por L. Euler de
la definición y las propiedades de las funciones elementales (la exponencial, los logaritmos y
las funciones trigonométricas) a mediados del siglo XVIII, fueron A. L. Cauchy (1789—1857) y
C. F. Gauss (1777—1855) los que dieron a la teoría de funciones de variable compleja su primer
gran impulso, a comienzos del siglo XIX, convirtiéndola en una de las líneas de investigación
capitales a lo largo de todo el siglo. Sus trabajos fueron continuados, entre otros, por B. Riemann
(1826—1866), en sus aspectos geométricos, y por J. Liouville (1809—1882) y K. Weierstrass (1815—
1897), en sus aspectos analíticos. Durante el siglo XX la teoría de funciones de variable compleja
ha continuado siendo uno de los campos de investigación más activos, no sólo en sus aspectos
más teóricos; también se han descubierto nuevas aplicaciones a otras ramas de la ciencia y de la
técnica.

1 Funciones de variable compleja


En la asignatura de “Álgebra” se han estudiado la noción de número complejo y sus formas de
expresión (partes real e imaginaria, módulo y argumento), su aritmética (suma, resta, multipli-
cación, división, extracción de raíces y conjugación) y una introducción a la geometría del plano
complejo (identificación de los números complejos con los puntos del plano y de la expresión polar
con las coordenadas polares). En la parte de esta asignatura dedicada a los números complejos
estudiaremos las funciones que dependen de una variable compleja y toman valores complejos.
Definiciones. Una función de variable compleja f : z ∈ Ω ⊂ C → w = f (z) ∈ C es una regla
que a cada número complejo z de una cierta región Ω del plano complejo C le asigna otro número
complejo w = f (z). La región Ω se llama dominio de definición de f y w se llama imagen de
z por f . En los ejemplos más importantes el dominio de definición es un conjunto abierto (no
incluye a su frontera) y conexo (dos puntos cualesquiera de Ω pueden unirse mediante una curva
2 Lección 7. Funciones Analíticas

contenida en Ω) del plano. Puesto que éste es el marco de trabajo habitual, las regiones abiertas
y conexas del plano complejo reciben el nombre genérico de dominios.
Al identificar los números complejos con los puntos del plano y escribir w = f (z) en términos
de sus expresiones en parte real e imaginaria, z = x + jy y w = u + jv = f (x + jy) vemos
que tanto la parte real u como la imaginaria v dependen de x e y, lo que nos permite escribir
f (x + jy) = u(x, y) + jv(x, y). Es decir, una función de variable compleja consiste en un par
de funciones reales de dos variables reales; con lo que podemos identificar f como función de la
variable compleja z,
f : z ∈ Ω ⊂ C → w = f (z) ∈ C,
con f como función de las variables reales x e y,

f : (x, y) ∈ Ω ⊂ R2 → (u(x, y), v(x, y)) = f (x, y) ∈ R2 .

A veces se utilizan coordenadas polares en vez de cartesianas. Si expresamos un número complejo


z = x + jy en su forma polar

z = r (cos(θ) + jsen (θ)) = rejθ = |z| ejArg (z) ,


p √
donde r = |z| = x2 + y 2 = zz es su módulo, θ = Arg (z) = arctan(y/x) ∈ (−π, π] es su
argumento principal y ejθ = cos(θ) + jsen (θ) es la exponencial con exponente imaginario puro,
entonces f (z) se escribe como
f (rejθ ) = u(r, θ) + jv(r, θ).

Una primera consecuencia de esta identificación de las funciones de variable compleja con
los pares de funciones de dos variables reales (o campos vectoriales bidimensionales) es que no
es posible hacer la gráfica de una función compleja; necesitaríamos saber dibujar superficies en
R4 . Sin embargo, sí hay algunas representaciones visuales que pueden resultar de ayuda, como
representar el módulo y el argumento de f (z) por separado, al igual que se hace con los espectros
de amplitudes y de fases en el análisis de Fourier. Otra opción, más común, es estudiar cómo
transforma la función f ciertas clases especiales de curvas (por ejemplo, rectas horizontales, rectas
verticales, rectas cualesquiera, circunferencias), o de regiones (bandas, semi-bandas y círculos).
Puesto que, al fin y al cabo, una función compleja es una transformación del plano en sí mismo,
saber cómo transforma ciertas regiones nos ayudará a entender mejor las propiedades de la
función.
Veamos algunos ejemplos muy simples que nos permitirán ilustrar algunos aspectos de interés
en el estudio de las funciones de variable compleja.
Ejemplos. (1) La función f (z) = az + b, donde a 6= 0 y b son constantes complejas, se
llama función lineal. Si b = 0, entonces la acción de f (z) = az la podemos estudiar mejor en
coordenadas polares. Si |a| es el módulo de a y α = Arg (a) es su argumento principal, entonces

f (rejθ ) = |a| ejα rejθ = |a| rej(θ+α)

luego f consiste en un giro de ángulo α seguido de una homotecia (cambio de escala) de factor
|a| que será una contracción si |a| < 1 o una dilatación si |a| > 1. Esta función transforma líneas
rectas en líneas rectas y circunferencias en circunferencias.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

Si b 6= 0, entonces la transformación f (z) = az + b consiste en añadir una traslación, en la


que el origen de coordenadas pasa a situarse sobre el punto b, al efecto del giro y la homotecia
dados por az. También en este caso las rectas se transforman en rectas y las circunferencias en
circunferencias.
(2) La función f (z) = 1/z se llama inversión y está definida para z 6= 0. Esta función trans-
forma rectas o circunferencias en rectas o circunferencias de acuerdo con el siguiente esquema:

1. Las circunferencias que no pasan por el origen se transforman en circunferencias que no


pasan por el origen.
2. Las circunferencias que sí pasan por el origen se transforman en rectas que no pasan por el
origen.
3. Las rectas que sí pasan por el origen se transforman en rectas que sí pasan por el origen.
4. Las rectas que no pasan por el origen se transforman en circunferencias que sí pasan por el
origen.

Una forma cómoda de entender este comportamiento es considerar el plano complejo extendido

C que consiste en añadir al plano complejo C un punto, llamado punto del infinito, que se
representa por ∞. Entonces, podemos extender la definición de f (z) = 1/z a C∗ poniendo
f (0) = ∞ y f (∞) = 0. El punto del infinito puede visualizarse mediante la representación
conocida como la esfera de Riemann que consiste en situar sobre el origen una esfera e identificar
cada punto z del plano complejo con el punto de la esfera que se obtiene al cortar ésta con la
línea recta que une el polo norte con el punto z dado. De esa manera tenemos que

1. el origen se identifica con el polo sur de la esfera,


2. el punto del infinito se identifica con el polo norte,
3. las líneas rectas que pasan por el origen corresponden a meridianos que pasan por los polos,
4. las líneas rectas que no pasan por el origen corresponden a circunferencias sobre la esfera
que pasan por el polo norte pero no por el polo sur,
5. las circunferencias que pasan por el origen corresponden a circunferencias que pasan por el
polo sur pero no por el polo norte y, finalmente,
6. las circunferencias que no pasan por el origen corresponden a circunferencias que no pasan
por ninguno de los polos.

En resumen, las rectas y circunferencias del plano complejo corresponden a circunferencias


en la esfera de Riemann y la inversión transforma circunferencias en la esfera de Riemann en
circunferencias en la esfera de Riemann.
(3) Las funciones bilineales son las de la forma
az + b
f (z) =
cz + d
4 Lección 7. Funciones Analíticas

siendo a, b, c, d ∈ C con c 6= 0 y ad − bc 6= 0 (si fuera ad − bc = 0, entonces f (z) sería constante),


y están definidas en todo C salvo en el punto −d/c. Escribiendo

a bc − ad
f (z) = + 2
c c z + cd

entonces vemos que f consiste en una aplicación lineal c2 z + cd seguida de una inversión más otra
aplicación lineal. En consecuencia, f transforma la familia de todas las rectas y circunferencias
del plano en ella misma.
(4) Si escribimos z = x + jy, entonces la función f (z) = z 2 = (x2 − y 2 ) + j2xy se identifica
con la función de R2 en R2 dada por (x, y) → (x2 − y 2 , 2xy). Esta función transforma la familia
de todas las rectas verticales y la familia de todas las rectas horizontales en familias de parábolas
cuyo eje es el eje de abscisas pero que se cortan perpendicularmente. Observemos también que
las curvas de ecuación u(x, y) = constante, que en este caso son hipérbolas, son ortogonales a las
curvas de ecuación v(x, y) = constante que, en este caso, también son hipérbolas. En términos
de las coordenadas polares, la función z 2 eleva al cuadrado el módulo y multiplica por dos el
argumento,
z = r (cos(θ) + jsen (θ)) → z 2 = r2 (cos(2θ) + jsen (2θ)) .
En particular, esto significa que transforma la circunferencia unidad en sí misma conservando su
exterior y su interior.
(5) Si escribimos z = x + jy, entonces z = x − jy, así que la conjugación se identifica con
la función de R2 en R2 dada por (x, y) → (x, −y) que es la reflexión en el eje de abscisas. En
coordenadas polares, lo que hacemos es tomar el opuesto del argumento principal,

z = r (cos(θ) + jsen (θ)) → z = r (cos(θ) − jsen (θ)) .

En particular, esta función tambien transforma la circunferencia unidad en sí misma conservando


su exterior y su interior.
Una ventaja de la identificación de una función de variable compleja

f : z ∈ Ω ⊂ C → w = f (z) ∈ C

con un par de funciones reales de dos variables reales

f : (x, y) ∈ Ω ⊂ R2 → (u(x, y), v(x, y)) = f (x, y) ∈ R2

es que las nociones de límite y continuidad se trasladan de forma inmediata. Sin embargo, como
veremos, esto no será así con la derivabilidad.
Definiciones. Sea f : Ω ⊂ C → C una función de variable compleja y sea z0 un punto de Ω o
de su frontera. Se dice que el límite de f (z) cuando z tiende a z0 existe y vale w0 si dada una
cota ε > 0 de la aproximación, existe un radio δ > 0 tal que |f (z) − w0 | < ε siempre que z esté
en Ω y 0 < |z − w0 | < δ, lo que se escribe

lim f (z) = w0 .
z→z0
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

Si z0 = x0 + jy0 y w0 = u0 + jv0 , entonces es fácil ver que lim f (z) = w0 si, y sólo si,
z→z0

lim u(x, y) = u0 y lim v(x, y) = v0 .


(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )

Si z0 ∈ Ω, entonces se dice que f es continua en z0 si

lim f (z) = f (z0 ).


z→z0

De nuevo, es fácil ver que f es continua en z0 si, y sólo si, u(x, y) y v(x, y) son ambas continuas
en (x0 , y0 ) como funciones de dos variables. Diremos que f es continua en Ω si es continua en
cada punto de Ω.
Por consiguiente, para saber si una función de variable compleja es continua, basta con
determinar si lo son su parte real y su parte imaginaria como funciones de dos variables reales, lo
que se ha estudiado en la asignatura de “Cálculo” de primer curso. De todas formas, las funciones
que vamos a considerar serán continuas salvo en algunos casos especiales que precisaremos.
Ejercicio. La noción de límite que hemos visto se puede ampliar hasta considerar funciones
que tienden a infinito, lim f (z) = ∞, y límites cuando la variable tiende a infinito, lim f (z).
z→z0 z→∞
Dejamos como ejercicio formular de manera precisa las definiciones correspondientes y establecer
las propiedades habituales. Una advertencia: a diferencia de la recta real que tiene dos puntos del
infinito, según nos alejemos por la derecha (+∞) o por la izquierda (−∞), en el plano complejo
sólo hay un punto del infinito.

2 Funciones elementales
Al igual que en el caso de las funciones de variable real, hay algunas funciones complejas (poli-
nomios, raíces, exponenciales, etc.) que, por su importancia en la teoría y en las aplicaciones,
hay que conocer y saber usar con soltura. Naturalmente, estas funciones se extienden al campo
complejo a partir de sus conocidas en el campo real; algunas de manera obvia, otras con más
dificultad. Se conocen con el nombre genérico de funciones elementales.
Polinomios. Dados los números complejos a0 , a1 , a2 , . . . , an , con an 6= 0, la función p(z) definida
en el plano complejo C por

p(z) = a0 + a1 z + a2 z 2 + · · · + an z n

se llama polinomio complejo de grado n con coeficientes a0 , a1 , a2 , . . . , an . Tanto la parte real


como la parte imaginaria de p(z) son polinomios de grado menor o igual que n en las variables
x e y, que son funciones continuas, así que p(z) es una función continua en todo el plano. El
Teorema Fundamental del Álgebra afirma que todo polinomio complejo de grado n se anula en
n puntos del plano complejo z1 , z2 , . . . , zn (contados tantas veces como indica su multiplicidad),
que se llaman raíces del polinomio. Conocidas las raíces, el polinomio se factoriza como

p(z) = an (z − z1 )(z − z2 ) · · · (z − zn ).
6 Lección 7. Funciones Analíticas

En coordenadas polares z = rejθ , el polinomio viene dado por

p(rejθ ) = a0 + a1 rejθ + a2 r2 ej2θ + · · · + an rn ejnθ .

Funciones racionales. Una función racional compleja es un cociente de dos polinomios com-
plejos sin raíces comunes r(z) = p(z)/q(z), así que está definida en todo el plano C salvo en las
raíces del denominador q(z) y es continua en su dominio de definición.
Raíces n-ésimas. Cuando escribimos un número complejo z = x + jy en su forma polar

z = |z| [cos (Arg (z)) + jsen (Arg (z))] = r (cos(θ) + jsen (θ)) = rejθ ,

el módulo r = |z| es una función continua en el plano mientras que el argumento θ = Arg (z)
es continua salvo en z = 0, donde no está definida, y en el semieje real negativo, donde sí está
definida pero no es continua. A veces se toma el argumento principal en el intervalo [0, 2π) con
lo que sí sería continua en el semieje real negativo pero no en el semieje real positivo.
Veamos ahora que si n es un número natural y z 6= 0, entonces z tiene exactamente n raíces
n-ésimas, es decir n números complejos distintos z0 , z1 , . . . , zn−1 tales que zkn = z para cada
k = 0, 1, . . . , n − 1. Estas raíces se obtienen de la siguiente manera: todas tienen el mismo
módulo |zk | = |z|1/n = r1/n donde el exponente 1/n indica aquí la raíz n-ésima real de un número
real positivo (que sí es única). Por otro lado, si empezamos en θ/n = Arg (z)/n, sus argumentos
están separados por un ángulo de 2π/n
θ θ + 2kπ θ + 2(n − 1)π
Arg (z0 ) = , . . . , Arg (zk ) = , . . . , Arg (zn−1 ) = ,
n n n
Así pues, las n raíces n-ésimas de un número complejo vienen dadas por
· µ ¶ µ ¶¸
1/n θ + 2kπ θ + 2kπ
zk = r cos + jsen = r1/n ej(θ+2kπ)/n (k = 0, 1, . . . , n − 1).
n n
Geométricamente, estas raíces están todas situadas en los vértices de un polígono regular de n
lados inscrito en la circunferencia de radio |z|1/n . Puesto que todo complejo no nulo admite
n raíces n-ésimas, para definir una función raíz n-ésima hay que especificar cuál tomamos. Lo
habitual es definir la función raíz n-ésima principal como z0 , o sea,

z 1/n = r1/n ejArg (z)/n

donde Arg (z) indica el argumento principal. Esta función está definida en todo el plano pero es
discontinua en el cero y en el semieje real negativo.
Con respecto a la raíz principal, los valores de las demas raíces forman lo que se conoce como
las ramas de la función multivaluada raíz n-ésima.
Son especialmente importantes las raíces n-ésimas de la unidad

wk = cos(2kπ/n) + jsen (2kπ/n) = ej2kπ/n , para k = 0, 1, . . . , n − 1

que forman los vértices de un poligono regular de n-lados sobre la circunferencia unidad. La
raíz principal es w0 = 1. Sin embargo, veremos que en algunas aplicaciones es más útil usar la
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

raíz w1 = cos(2π/n) + jsen (2π/n) = ej2π/n que se denomina raíz primitiva n-ésima de la unidad
porque con sus potencias consecutivas podemos conseguir todas las demás:
1 = w0 = w10 , w1 = w11 , w2 = w12 , . . . , wk = w1k , . . . , wn−1 = w1n−1 .

Exponenciales. Hasta ahora las funciones exponenciales que se han utilizado son la exponencial
real, ex con x ∈ R, y la exponencial imaginaria pura, ejω = cos(ω) + jsen (ω) con ω ∈ R, que
se obtiene al separar en partes real e imaginaria el desarrollo en serie de potencias de la función
exponencial real evaluada en jω.
¿Cómo definiríamos la exponencial compleja ez = ex+jy de manera que coincida con las
anteriores si, respectivamente, z es real o imaginario puro? Si queremos que, además, se mantenga
la propiedad de que ea+b = ea eb , entonces, pondríamos
exp(z) = ez = ex+jy = ex ejy = ex (cos(y) + jsen (y)) ,
expresión que define la función exponencial compleja. Observemos que para z = x+jy su imagen
ez es un número complejo con módulo ex y argumento y; en particular, ez nunca es cero. Puesto
que las partes real e imaginaria de ez son funciones continuas de x e y, la función exponencial
es continua en todo el plano y, como en el caso real, verifica que ez+w = ez ew para z, w ∈ C.
Además, es periódica de período 2πj, ya que ez+2πj = ez e2πj = ez .
Otra manera de definir la exponencial compleja sería extender la expresión de ex como serie
de potencias al campo complejo, es decir, definir
X

zn
z
e = .
n=0
n!

Puede comprobarse que ambas definiciones son equivalentes, esto lo veremos más adelante.
Logaritmos complejos. Si z es un número complejo, se dice que otro número complejo w es un
logaritmo complejo de z si ew = z. Veamos cómo podemos hallar los logaritmos de z = x + jy (si
es que hay; por ejemplo, ya sabemos que z = 0 no tiene logaritmos). Si w = u+jv debe ser tal que
ew = z, entonces, como hemos visto antes, eu debe ser el módulo de z y v debe ser un argumento
de z. De eu = |z|, que es una igualdad con la exponencial real, obtenemos que u = log(|z|),
donde log(·) indica el logaritmo neperiano de un número real y positivo. Por otro lado, si Arg (z)
denota el argumento principal de z, entonces v debe ser de la forma v = Arg (z) + 2kπ para algún
número entero k. En definitiva, todo número complejo no nulo z tiene infinitos logaritmos wk ,
dados por
wk = log(|z|) + j (Arg (z) + 2kπ) , para k = 0, ±1, ±2, . . .
Todos estos logaritmos tienen la misma parte real y sus partes imaginarias difieren en un múltiplo
entero de 2π, así que están todos situados sobre una línea recta vertical, habiendo el mismo espacio
entre dos de ellos consecutivos. El logaritmo w0 = log(|z|) + jArg (z) correspondiente a k = 0,
que es el que está situado en la banda −π < Im(w) ≤ π se llama logaritmo principal y se denota
por
Log(z) = log(|z|) + jArg (z).
La función logaritmo principal está definida en todo el plano salvo en el origen y es continua
salvo en el semieje real negativo. Observemos que el logaritmo principal de ez puede no ser z
8 Lección 7. Funciones Analíticas

y que el logaritmo principal de un número real y positivo coincide con su logaritmo neperiano
habitual. Al igual que ocurre con las raíces n-ésimas, el conjunto de todos los logaritmos de un
número complejo constituye una función multivaluada con diversas ramas.
Potencias. Cuando a > 0 y b son números reales, entonces la potencia ab se define como
ab = eb log(a) . Esta definición se extiende al campo complejo usando la función logaritmo principal:
Dados z 6= 0 y w, se define la potencia compleja (principal) z w como

z w = ewLog(z) .

Si w = 1/n, entonces la potencia principal z 1/n nos proporciona la raíz n-ésima principal z0 =
|z|1/n ejArg (z)/n definida antes.
Funciones trigonométricas e hiperbólicas. Las fórmulas de Euler

ejx + e−jx ejx − e−jx


cos(x) = y sen (x) =
2 2j

se extienden al campo complejo para definir las funciones coseno y seno complejos como

ejz + e−jz ejz − e−jz


cos(z) = y sen (z) = .
2 2j

Si escribimos z = x + jy, hacemos los cálculos y separamos las fórmulas anteriores en partes real
e imaginaria, obtenemos expresiones alternativas

cos(x + jy) = cos(x) cosh(y) − jsen (x)senh(y)


sen (x + jy) = sen (x) cosh(y) + j cos(x)senh(y)

de las que deducimos, por ejemplo, su continuidad en C. Puede comprobarse fácilmente que estas
funciones tienen las mismas propiedades que las correspondientes funciones reales en cuanto se
refiere a fórmulas como las del seno y coseno de una suma, etc. No así en cuanto a su acotación;
de hecho se tiene que

|cos(z)|2 = |cos(x)|2 + |senh(y)|2


|sen(z)|2 = |sen(x)|2 + |senh(y)|2

así que |cos(z)|2 +|sen(z)|2 = 1+2 |senh(y)|2 que puede tomar valores tan grandes como queramos
tomando y suficientemente grande. Sí se sigue verificando, en cambio, la igualdad cos2 (z) +
sen2 (z) = 1.
Para definir las funciones hiperbólicas también extendemos al campo complejo las definiciones
reales
ez + e−z ez − e−z
cosh(z) = y senh(z) = .
2 2
Observemos que, entonces, cos(z) = cosh(jz) y sen (z) = −jsenh(jz).
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

3 Funciones analíticas
Definiciones. Sean Ω un dominio en C y f : Ω → C una función de variable compleja. Sea z0
un punto de Ω. Diremos que f es derivable en z0 si existe el límite
f (z) − f (z0 )
f 0 (z0 ) = lim
z→z0 z − z0
que, en ese caso, se llama derivada de f en z0 .
Diremos que f es analítica en Ω cuando es derivable en todos los puntos de Ω; otros términos
muy utilizados son diferenciable, holomorfa o regular. En particular, una función analítica en
todo el plano C se llama entera.
Si f es analítica en Ω, entonces podemos definir la función

f 0 : z ∈ Ω → f 0 (z) ∈ C

que se llama función derivada o, simplemente, derivada de f .


Está claro que toda función derivable es continua. Por otro lado, se puede comprobar que
las reglas de derivación de las funciones reales (suma, producto, cociente, regla de la cadena,
regla de L’Hôpital, etc.) se trasladan sin dificultad a la derivación de funciones complejas. En
particular, trabajando como en el caso real podemos obtener que si n es un número natural,
entonces f (z) = z n es analítica en C y que su derivada es f 0 (z) = nz n−1 .
Sin embargo, la noción de derivabilidad en el campo complejo es un concepto mucho más
exigente que en el campo real. La razón es que en el caso real la variable se mueve en un
intervalo así que sólo hay dos formas de aproximarse al punto en el que tomamos límite: por
su izquierda o por su derecha. En el caso complejo la variable se mueve en un disco centrado
en el punto hacia el que nos acercamos, pero esta aproximación puede hacerse a lo largo de un
número ilimitado de curvas. La potencia del concepto de función analítica se pone de manifiesto
en el hecho, que demostraremos en la siguiente lección, de que si una función f es analítica en
un dominio Ω, entonces su derivada f 0 también es analítica en Ω. Por contra, sabes bien que en
el caso real existen funciones que son derivables pero cuya derivada no es derivable.
Interpretación geométrica de la derivada. Sea f una función analítica en un dominio Ω ⊂ C
y sea z0 ∈ Ω. Si ponemos
f (z) − f (z0 ) ≈ f 0 (z0 ) · (z − z0 ),
entonces cuando f 0 (z0 ) 6= 0 la derivada puede interpretarse geométricamente de la siguiente
manera: El módulo |f 0 (z0 )| es un factor de escala de las distancias entre las imágenes de los
puntos,
|f (z) − f (z0 )| ≈ |f 0 (z0 )| · |z − z0 | para z ≈ z0 ,
y el argumento Arg (f 0 (z0 )) es una rotación,

Arg (f (z) − f (z0 )) ≈ Arg (z − z0 ) + Arg (f 0 (z0 ))

De aquí se deduce una propiedad geométrica muy importante: las funciones analíticas con-
servan los ángulos en los puntos en los que f 0 6= 0. Concretamente se tiene el siguiente resultado.
10 Lección 7. Funciones Analíticas

Teorema 1. Sea f una función analítica en un dominio Ω ⊂ C. Sea z0 ∈ Ω y sean Γ1 y Γ2


dos curvas paramétricas regulares que se cortan en z0 . Si f 0 (z0 ) 6= 0, entonces las curvas f (Γ1 ) y
f (Γ2 ) se cortan en f (z0 ) con el mismo ángulo con el que Γ1 y Γ2 se cortan en z0 .
Las funciones analíticas con la propiedad de conservación de ángulos descrita se llaman trans-
formaciones conformes.

4 Las ecuaciones de Cauchy-Riemann


Volvamos a la identificación de una función de variable compleja

f : z ∈ Ω ⊂ C → w = f (z) ∈ C

con una función de dos variables reales

f : (x, y) ∈ Ω ⊂ R2 → (u(x, y), v(x, y)) = f (x, y) ∈ R2 .

¿Cuál es la relación entre la analiticidad de f y la diferenciabilidad de las funciones u y v? La


respuesta nos la dan los siguientes teoremas.
Teorema 2. Si f es analítica en Ω, entonces las funciones u y v son diferenciables en Ω y se
verifican las siguientes expresiones
∂u ∂v ∂v ∂u
f 0 (x + jy) = (x, y) + j (x, y) = (x, y) − j (x, y).
∂x ∂x ∂y ∂y
En particular, u y v verifican
∂u ∂v ∂u ∂v
= y =− en Ω,
∂x ∂y ∂y ∂x
que se conocen como ecuaciones de Cauchy-Riemann.
Teorema 3. Si las funciones u y v son diferenciables en Ω y se verifican las ecuaciones de
Cauchy-Riemann, entonces f es analítica en Ω.
Si se trabaja en coordenadas polares en vez de cartesianas, de manera que escribimos f (rejθ ) =
u(r, θ) + jv(r, θ), entonces
µ ¶ µ ¶
0 jθ −jθ ∂u ∂v e−jθ ∂v ∂u
f (re ) = e +j = −j
∂r ∂r r ∂θ ∂θ

cuando f es analítica. Las ecuaciones de Cauchy-Riemann en coordenadas polares son, entonces,


∂u 1 ∂v 1 ∂u ∂v
= y =− .
∂r r ∂θ r ∂θ ∂r

Corolario. Si la derivada f 0 de una función f analítica en un domino Ω es cero, entonces f es


constante en Ω.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

Ejemplo. Si f (z) = z, entonces u(x, y) = x y v(x, y) = −y que, aunque son funciones di-
ferenciables, no verifican las ecuaciones de Cauchy-Riemann. Es decir, como funciones de dos
variables u y v son diferenciables en C pero como función compleja f no es analítica en ningún
punto; esto nos dice que el nexo que habíamos establecido para la continuidad no se extiende a
la diferenciabilidad que, a partir de ahora, deberá seguir una ruta propia, más rica que el estudio
de la diferenciabilidad de funciones reales de dos variables. La mayoría de las propiedades y
aplicaciones que veremos en las siguientes lecciones dependen de esta característica especial.
Ortogonalidad de las curvas de nivel. Si f = u + jv es analítica en Ω entonces, aplicando
las ecuaciones de Cauchy-Riemann, tenemos que los gradientes de u y v son ortogonales:
∂u ∂v ∂u ∂v ∂u ∂u ∂u ∂u
∇u · ∇v = + = (− ) + = 0.
∂x ∂x ∂y ∂y ∂x ∂y ∂y ∂x
En consecuencia, si dos curvas de nivel u(x, y) = c1 y v(x, y) = c2 se cortan en un punto (x, y) tal
que f 0 (x + jy) 6= 0, entonces se cortan ortogonalmente en dicho punto (si f 0 (z) = 0, esto no tiene
por qué ocurrir). Debido a esto, las curvas de nivel u(x, y) = c y v(x, y) = c forman lo que se
conoce como dos familias de trayectorias ortogonales. Esta propiedad es crucial en la aplicación
de la teoría de funciones de variable compleja al electromagnetismo y a la mecánica de fluidos ya
que dichas familias de curvas de nivel desempeñan el papel de las líneas equipotenciales y de las
líneas de corriente.
Derivadas de las funciones elementales. Para terminar la lección, usaremos las ecuaciones
de Cauchy-Riemann junto con las reglas de derivación, para dar la lista de las derivadas de las
funciones elementales.

1. Todo polinomio
p(z) = a0 + a1 z + a2 z 2 + · · · + an z n
es una función entera y se tiene
p0 (z) = a1 + 2a2 z + 3a3 z 3 + · · · + nan z n−1 .

2. Toda función racional r(z) = p(z)/q(z) es analítica en su dominio de definición (el plano
C salvo los puntos que anulan el denominador) y se tiene
p0 (z)q(z) − p(z)q 0 (z)
r0 (z) = .
(q(z))2

3. La función raíz cuadrada principal f (z) = z 1/2 es analítica en todo el plano salvo el origen
1
y el semieje real negativo, y su derivada es f 0 (z) = 1/2 .
2z
4. La función exponencial ez es entera y su derivada es ella misma.
5. La función logaritmo principal f (z) = Log(z) es analítica en todo el plano salvo el origen
1
y el semieje real negativo, y su derivada es f 0 (z) = .
z
6. Los senos y cosenos trigonométricos e hiperbólicos son funciones enteras y sus derivadas
son
cos0 (z) = −sen (z), sen 0 (z) = cos(z), cosh0 (z) = senh (z), senh0 (z) = cosh(z).
12 Lección 7. Funciones Analíticas

5 Ejercicios
Ejercicio 1. Representa geométricamente los conjuntos de números complejos dados por las
siguientes condiciones:
(1) Re(z) > 0. (2) z = z.
(3) − θ < Arg (z) < θ. (4) |Arg (z) − π/2| < π/2.
(5) |z + 1| < 1. (6) |z + j| ≤ 2.
(7) |z + 2j| + |z − 2j| < 6. (8) Im (z 2 ) > 4.
(9) 1 < |z + j| ≤ 2. (10) Im(z) > 4 y 1 < Re(z) < 3.
(11) Im(1/z) = 4. (12) Re (zµ2 ) = −1¶ y 1 < Re(z) < 3.
¯ ¯ z−1
(13) ¯ z−1
z+1
¯ = 2. (14) Arg = π/4.
z+1
(15) |z − z1 | = |z − z2 | . (16) 0 < Re(jz) < 1.

¿Cuáles de ellos son dominios?


Ejercicio 2. Determina, en términos de una variable compleja, la ecuación de las siguientes
curvas:

1. La recta que pasa por los puntos (0, 1) y (−2, −1).


2. La circunferencia con centro en (−2, 1) y radio 4.
3. La elipse con focos (−3, 0) y (3, 0) cuyo eje mayor tiene longitud 10.

Ejercicio 3. Prueba que la ecuación

azz + bz + bz + c = 0, donde a, c ∈ R, b ∈ C y |b|2 > ac

representa una circunferencia o una recta en el plano complejo. ¿Es cierto el recíproco?; es decir,
¿podemos escribir siempre la ecuación de una recta o de una circunferencia en la forma descrita?
Ejercicio 4. Sean z y w dos números complejos. Prueba que se verifica la ley del paralelogramo:
¡ ¢
|z + w|2 + |z − w|2 = 2 |z|2 + |w|2 .

¿Por qué crees que esta igualdad recibe ese nombre?


1 z−1
Ejercicio 5. Expresa las funciones complejas f (z) = z 3 , f (z) = y f (z) = en la
1−z z+1
forma f (x + jy) = u(x, y) + jv(x, y).
Ejercicio 6. ¿En qué regiones se transforma el sector angular 0 ≤ r ≤ 1, 0 ≤ θ ≤ π/4 bajo las
aplicaciones f (z) = z 2 , g(z) = z 3 y h(z) = z 4 ?
Ejercicio 7. ¿En qué región se transforma el triángulo limitado por las rectas y = ±x y x = 1
bajo la aplicación f (z) = z 2 ?
Ejercicio 8. ¿En qué región se transforma la mitad superior del anillo 1 ≤ r ≤ R bajo la
aplicación f (z) = z + z −1 ? Indicación: usa la expresión polar.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

Ejercicio 9. Prueba que |exp(z)| < 1 si y sólo si Re(z) < 0.


Ejercicio 10. Prueba la fórmula de De Moivre: si n es un número entero, entonces

(cos(θ) + jsen (θ))n = cos(nθ) + jsen (nθ).

Usa la fórmula de De Moivre para probar las siguientes igualdades

1. sen 3 (θ) = 34 sen (θ) − 14 sen (3θ).

2. cos(5θ) = 16 cos5 (θ) − 20 cos3 (θ) + 5 cos(θ).

Ejercicio 11. Sea z un número complejo. Prueba que si z 6= 1, entonces

1 − z n+1
1 + z + z2 + · · · + zn = .
1−z
Usa esta igualdad para deducir que si x es un número real tal que 0 < x < 2π, entonces se
verifican las siguientes igualdades:

sen (nx/2)
1 + cos(x) + cos(2x) + · · · + cos((n − 1)x) = cos ((n − 1)x/2) ,
sen (x/2)
sen (nx/2)
sen (x) + sen (2x) + · · · + sen ((n − 1)x) = sen ((n − 1)x/2) .
sen (x/2)

Ejercicio 12. Calcula los logaritmos, señalando el principal, de los números 1, j, 1 + j, 1 − j,


3 + 4j y −2.
Ejercicio 13. Calcula los logaritmos principales de los siguientes números: exp(2−3j), exp((2+
π)j/4) y exp (Log(2 − 9j)).
Ejercicio 14. Resuelve las siguientes ecuaciones:

1 + j − ez = 0, e−1 − ez = 0, cos(z) = 2, sen (z) = cosh(4), cosh(z) = 0,


cos(z) = sen (z), sen (z) = 8 + j, cos(z) = −jsen (z), y senh (z) = 0.

Ejercicio 15. En general las funciones complejas en las que intervienen los logaritmos no tienen
las mismas propiedades que las correspondientes funciones reales elementales. Inventa un ejemplo
para probar que Log(ab) 6= Log(a) + Log(b) en general.
Ejercicio 16. Calcula la parte principal de los siguientes números complejos:

1j , (−1)j , j j y j Log(1+j) .

Ejercicio 17. Halla todos los valores de

arcsen(2), arccos(1 + j) y arctan(1 + j).


14 Lección 7. Funciones Analíticas

Ejercicio 18. Prueba que las únicas funciones complejas derivables que son de la forma f (x +
jy) = u(x) + jv(y) están dadas por f (z) = az + b, con a ∈ R, b ∈ C.
Ejercicio 19. Prueba que la única función entera f (z) que satisface f 0 (z) = f (z) y f (0) = 1 es
la función exponencial.
Ejercicio 20. Sea f una función analítica en un dominio Ω. Prueba que f debe ser constante
en Ω si se cumple que f (z) es real para todo z ∈ Ω.
Ejercicio 21. Sea f una función analítica en un dominio Ω. Prueba que si f (z) es analítica en
Ω, entonces f debe ser constante en Ω.
Ejercicio 22. Describe las familias de trayectorias ortogonales que se obtienen a partir de las
funciones analíticas

f (z) = z, f (z) = 2z − 2 + j, f (z) = z 2 , f (z) = z 2 − 2z − 1, f (z) = ez y f (z) = Log(z).

Log(z + 4)
Ejercicio 23. Describe el mayor dominio en el que f (z) = es analítica.
z2 + j
Ejercicio 24. Halla el mayor dominio en el que f (z) = Log (Log(z)) es analítica.
Ejercicio 25. Halla el mayor dominio en el que f (z) = Log (z 2 − 2 + 3j) es analítica.
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 26. ¿En qué región se transforma el círculo |z − 1| ≤ 1 mediante la función bilineal
z
w= ?
z−2
Ejercicio 27. Las ecuaciones de Cauchy-Riemann: ¿qué son?, ¿qué relación tienen con la
analiticidad?, ¿para qué sirven?
Ejercicio 28. Determina la función entera f = u + jv cuya parte real viene dada por u(x, y) =
y 2 − x2 + 2x − y y cumple f (j) = j.
Ejercicio 29. Dibuja, explicando cómo lo hallas, el dominio más grande que contiene al punto
1+j y en el que la función f (z) = Log(z 3 ) es analítica, donde Log(w) indica el logaritmo principal
de w cuando el argumento principal de w se toma en [0, 2π).

6 Bibliografía
Para desarrollar esta lección pueden consultarse los siguientes textos. El de James incluye varias
aplicaciones interesantes a la ingeniería y muchos ejercicios adicionales. El de Churchill y Brown
es un libro excelente para complementar las explicaciones teóricas.
[517.5/2-CHU] R.V. Churchill, J.W. Brown, Variable compleja y aplicaciones, Cap. 1, 2 y 3.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 1.
[517.5/WUN] W.A. Wunsch, Variable compleja con aplicaciones, Cap. 1, 2 y 3.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 8.

INTEGRACIÓN COMPLEJA.

Curso 2006-07

Un aspecto esencial de la teoría de las funciones analíticas es la forma en que la integral compleja
interviene en ella. Como ya hemos comentado, fueron C. F. Gauss, que no publicó sus resultados,
y A. L. Cauchy quienes, a comienzos del siglo XIX, desarrollaron la teoría de la integración
compleja y la utilizaron para demostrar que la analiticidad de una función en un dominio implica
la existencia de todas las derivadas superiores en un entorno de dicho dominio.
Definiremos la integral de una función compleja continua sobre una curva del plano, mostrando
su relación con las integrales de línea en R2 estudiadas en la asignatura “Cálculo” del curso ante-
rior. En este contexto y haciendo uso del teorema de Green probaremos el resultado fundamental
de esta lección: el Teorema de la Integral de Cauchy para funciones analíticas que nos dice que
si f es analítica en un dominio Ω simplemente conexo, entonces la integral de f sobre una curva
cerrada contenida en Ω es cero. El resto de los resultados de esta lección serán, esencialmente,
consecuencias de éste.
Esta lección es muy teórica, pero los resultados que presentaremos son esenciales en las
aplicaciones que estudiaremos en las siguientes lecciones.

1 Integrales de funciones de variable compleja.


Si Ω es un dominio en el plano complejo y f : Ω → C es una función de variable R z2 compleja, ¿cómo
podríamos definir la integral de f entre dos puntos z1 y z2 de Ω, digamos z1 f (z) dz?
Rx
Cuando se define la integral x12 f (x) dx de una función de variable real, nos valemos de la
noción intuitiva de área construyendo aproximaciones cada vez mejores del área de la región
comprendida entre la curva P de ecuación y = f (x) y el intervalo [x1 , x2 ] del eje OX mediante
sumas finitas de la forma n f (xn )∆xn cada una de las cuales corresponde a una partición del
intervalo [x1 , x2 ]. Para extender este proceso a integrales de funciones complejas nos encontramos
con dos dificultades. La primera es que ahora no tenemos la noción intuitiva de integral como
área y la segunda es que para ir de z1 a z2 podemos seguir muchas curvas (sin salirnos del dominio
Ω) y cada curva podría proporcionar (tras el proceso de hacer particiones, construir las sumas y
tomar límites) un valor diferente de la integral.
2 Lección 8. Integración Compleja

Sabemos que la integral de línea de un campo vectorial real plano F (x, y) entre dos puntos
(x1 , y1 ) y (x2 , y2 ) no depende del camino utilizado para ir desde el primer punto hasta el segundo
cuando el campo es conservativo. En consecuencia, podremos definir integrales de funciones de
variable compleja que sólo dependan de los puntos entre los que integremos, y no del camino
usado para ir de uno a otro, cuando, al realizar la identificación de una función de variable
compleja con un par de funciones reales de dos variables, el campo vectorial que aparezca en la
integral de línea sea conservativo. Fueron C. F. Gauss y A. L. Cauchy quienes descubrieron que
las funciones de variable compleja que cumplen esta condición son, precisamente, las funciones
analíticas.
Curvas en el plano complejo. Una curva parametrizada en el plano complejo C es la imagen
de una función continua con valores complejos z(t) = x(t) + jy(t) definida para los puntos t de
un intervalo [t1 , t2 ] ⊂ R. La variable independiente t de la función z(t) se llama parámetro de
la curva y la propia función z(t) recibe el nombre de parametrización de la curva. Los puntos
z1 = z(t1 ) y z2 = z(t2 ) se llaman extremos de la curva; z1 es el extremo de partida y z2 es el
extremo de llegada (por eso en algunos textos no se habla de curvas en el plano complejo, sino
de caminos). Naturalmente, una curva z(t) en el plano complejo C se identifica con la curva
(x(t), y(t)) en el plano real, lo que nos permite trasladar de manera obvia a curvas complejas
algunos conceptos dados para curvas planas como los de curva simple (la que no se cruza consigo
misma salvo, quizás, en los extremos), curva cerrada (cuando sus extremos coinciden), curva
regular o suave (cuando las funciones x(t) e y(t) son derivables con derivada continua en [t1 , t2 ],
en cuyo caso se define z 0 (t) = x0 (t) + jy 0 (t)), curva regular o suave a trozos (cuando las funciones
x(t) e y(t) son derivables con derivada continua en [t1 , t2 ] salvo en un número finito de valores
del parámetro que corresponden a esquinas de la curva) o curva de Jordan (una curva regular a
trozos, cerrada y simple).
Definición. Sea Ω un dominio en el plano complejo y sea f : Ω → C una función continua.
Sea C una curva regular a trozos contenida en Ω y parametrizada por z(t) = x(t) + jy(t) para
t1 ≤ t ≤ t2 . Se define la integral de f sobre C como
Z Z t2
f (z) dz = f (z(t)) z 0 (t) dt.
C t1
H
Cuando la curva C es cerrada entonces habitualmente se escribe C
f (z) dz.
Una propiedad importante que utilizaremos a menudo es la siguiente.
Proposición. Sea Ω un dominio en el plano complejo y sea f : Ω → C una función continua.
Sea C una curva regular a trozos de longitud L contenida en Ω. Sea M > 0 tal que |f (z)| ≤ M
para todo z ∈ C. Entonces ¯Z ¯
¯ ¯
¯ f (z) dz ¯ ≤ ML.
¯ ¯
C

Observación. Si no imponemos condiciones adicionales a la función f , entonces la integral


definida anteriormente sí puede depender del camino C que hayamosR fijado; en otras palabras,
si denotamos por z1 y z2 los extremos de la curva C, entonces C f (z) dz no sirve para definir la
integral de f entre z1 y z2 porque puede cambiar de valor si cambiamos el camino elegido para
ir desde z1 hasta z2 . Por ejemplo, sean z1 = 0, z2 = 1 y f (z) = z. Si C1 es el segmento z(t) = t
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

para 0 ≤ t ≤ 1 que une z1 con z2 , entonces

Z Z 1 Z 1
0 1
f (z) dz = f (z(t)) z (t) dt = t dt = ,
C1 0 0 2

1
Mientras que si C2 es el arco de circunferencia z(t) = (1 + ejt ) para −π ≤ t ≤ 0 que también
2
une z1 con z2 , entonces

Z Z Z
0
0
0
1¡ ¢j 1 π
f (z) dz = f (z(t) z (t) dt = 1 + e−jt ejt dt = + j .
C2 −π −π 2 2 2 4

Independencia del camino. Sea Ω un dominio en el plano complejo. Se dice que las integrales
de una función continua f : Ω → C son independientes del camino seguido en Ω si dados dos
puntos cualesquiera z1 y z2 del dominio y dadas dos curvas regularesR a trozos C1 yR C2 contenidas
en Ω y tales que ambas empiezan en z1 y terminan en z2 entonces C1 f (z) dz = C2 f (z) dz. En
Rz
ese caso dicha integral se escribe z12 f (z) dz, notación que pone el énfasis en el hecho de que la
integral sólo depende de los puntos z1 y z2 y no del camino usado para ir de uno a otro dentro
de Ω.
Es fácil ver que las integrales de una función continua f son independientes del camino seguido
en Ω si, y sólo si, la integral de f sobre cualquier curva de Jordan contenida en Ω es cero.
Primitivas. Se sabe que la condición necesaria y suficiente para que las integrales de línea de
un campo vectorial real sean independientes del camino es que dicho campo admita una función
potencial. En el caso de las funciones de variable compleja, esto se traduce en el concepto más
familiar de función primitiva. Se dice que F es una función primitiva de f en un dominio Ω si
F es analítica en Ω y F 0 (z) = f (z) para cada z ∈ Ω.
La Regla de Barrow para integrales complejas. Sea Ω un dominio en C y sea f : Ω → C
una función continua que tiene una función primitiva
R z F en Ω. Entonces las integrales de f son
independientes del camino seguido en Ω y se tiene z12 f (z) dz = F (z2 ) − F (z1 ) para cualesquiera
z1 , z2 ∈ Ω.
El Teorema Fundamental del Cálculo para integrales complejas. Sea Ω un dominio en
C y sea f : Ω → C una función continua cuyas integrales son independientes del camino seguido
en Ω. Entonces f tiene una función primitiva F en Ω.

2 El Teorema de la Integral de Cauchy.

Si escribimos f (x + jy) = u(x, y) + jv(x, y) y z 0 (t) = x0 (t) + jy 0 (t), entonces podemos obtener
la expresión de la integral de f sobre una curva C como un par de integrales de línea en R2 (las
4 Lección 8. Integración Compleja

R
parte real e imaginaria del número C f (z) dz):
Z Z t2
f (z) dz = f (z(t)) z 0 (t) dt
C t
Z 1t2
= [u (x(t), y(t)) + jv (x(t), y(t))] [x0 (t) + jy 0 (t)] dt
t
Z 1t2
= [u (x(t), y(t)) x0 (t) − v (x(t), y(t)) y 0 (t)] dt +
t1
Z t2
+j [u (x(t), y(t)) y 0 (t) + v (x(t), y(t)) x0 (t)] dt
t1
Z Z
= u(x, y) dx − v(x, y) dy + j v(x, y) dx + u(x, y) dy.
C C

En resumen, usando la notación habitual para integrales de línea de campos vectoriales, si r(t) =
(x(t), y(t)) denota una parametrización de la curva C como curva en R2 , entonces tenemos
µZ ¶ Z
Re f (z) dz = (u, −v) · d−
→r,
C C
µZ ¶ Z
Im f (z) dz = (v, u) · d−

r.
C C

Ahora, usando el Teorema de Green, estudiado en la asignatura “Cálculo”, y las ecuaciones


de Cauchy-Riemann obtenemos el resultado fundamental de esta lección.
Teorema de la Integral de Cauchy. Sea Ω un dominio en C y sea f : Ω → C una función
analítica en Ω tal que f 0 es continua en Ω. Sea C una curva de Jordan tal que ella y su región
interior están contenidas en Ω. Entonces
I
f (z) dz = 0.
C

Corolario 1. Sean Ω un dominio simplemente conexo y f una función analítica en Ω tal que f 0
es continua en Ω. Entonces las integrales de f son independientes del camino seguido en Ω.
Corolario 2. Sean Ω un dominio simplemente conexo y f una función analítica en Ω tal que f 0
es continua en Ω. Entonces f tiene funciones primitivas en Ω.
La hipótesis de que la derivada de la función f sea continua en Ω, que se usa para poder
aplicar el Teorema de Green, no es realmente necesaria; basta con que f 0 exista para que la
tesis del teorema se mantenga (y entonces se conoce como Teorema de Cauchy-Goursat, cuya
demostración es mucho más complicada).
La hipótesis de que Hla región interior a la curva C esté contenida en Ω sí es esencial. En
principio, para calcular C f (z) dz sólo necesitamos que f esté definida y sea continua en C, por
lo que los valores de f en la región interior a C no desempeñan un papel visible; éste se pone
de manifiesto cuando, al usar el Teorema de Green, escribimos las integrales de línea reales que
aparecen como integrales dobles sobre dicha región. Veamos un ejemplo de que dicha hipótesis
no puede eliminarse.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

Ejemplo. La función f (z) = 1/z es analítica en Ω = C r {0}. Para calcular su integral sobre la
circunferencia unidad C usamos la parametrización z(t) = ejt con 0 ≤ t ≤ 2π, que la recorre en
el sentido positivo, obteniendo
I Z 2π Z 2π Z 2π
1 0 −jt jt
f (z) dz = z (t) dt = e je dt = j 1 dt = 2πj.
C 0 z(t) 0 0

Sin embargo, el que la región interior a la curva C no esté contenida en Ω no tiene por qué
implicar que las integrales sean distintas de cero; veamos un ejemplo de esta situación.
Ejemplo. Para n = 2, 3, 4, . . . , la función f (z) = 1/z n es analítica en Ω = Cr{0}. Para calcular
su integral sobre la circunferencia unidad C usamos otra vez la parametrización z(t) = ejt con
0 ≤ t ≤ 2π obteniendo
I Z 2π Z 2π
−n 0
f (z) dz = (z(t)) z (t) dt = e−jnt jejt dt
C 0 0
Z 2π
1 ¡ j(n−1)2π ¢
= j ej(1−n)t dt = e − e0 = 0.
0 1−n

Observación. El dominio Ω = C r {0} de f (z) = 1/z, visto en el ejemplo anterior, no es


simplemente conexo. Podemos restringir el dominio de definición dando un corte a lo largo,
por ejemplo, del eje real negativo. De esa manera f (z) = 1/z es una función analítica en
C r {ejeZ real negativo} que sí es simplemente conexo y, por tanto, en este dominio sí podemos
z2
1
definir dz, obteniendo
z1 z
Z z2
1
dz = Log(z2 ) − Log(z1 ).
z1 z

Esto nos muestra, entonces, que la elección del dominio en el que vayamos a trabajar es esencial
a la hora de aplicar los teoremas sobre funciones de variable compleja.
Teorema de la Integral de Cauchy para Dominios Múltiplemente Conexos. Sea Ω un
dominio en el plano complejo y sea f : Ω → C una función analítica en Ω tal que f 0 es continua
en Ω. Sean C0 , C1 , . . . , Cn una familia de curvas de Jordan contenidas en Ω tales que

1. las curvas C1 , C2 , . . . , Cn son todas interiores a C0 ,


2. las curvas C1 , C2 , . . . , Cn son todas exteriores entre sí,
3. la región que es interior a C0 y exterior a todas las curvas C1 , C2 , . . . , Cn está contenida en
Ω.

Entonces se verifica I n I
X
f (z) dz = f (z) dz
C0 k=1 Ck

cuando todas las curvas se recorren en el mismo sentido.


6 Lección 8. Integración Compleja

Ejemplo. Combinando el caso en que f (z) = z n es entera (n = 0, 1, 2, . . . ) y los ejemplos


anteriores con este corolario, obtenemos la siguiente conclusión, que aplicaremos algunas veces.
Sea C una curva de Jordan que no pasa por el origen y recorremos en el sentido positivo. Entonces
I
z n dz = 0
C

para todo n = 0, ±1, ±2, . . . , salvo que C rodee al origen y n = −1, en cuyo caso
I
z −1 dz = 2πj.
C

3 Las Fórmulas Integrales de Cauchy.


La Fórmula Integral de Cauchy para una función analítica muestra que el valor de dicha función
en una región está determinada en toda ella por los valores sobre su frontera.
La Fórmula Integral de Cauchy. Sea Ω un dominio en el plano complejo y sea f : Ω → C
una función analítica en Ω. Sean z0 un punto de Ω y C una curva de Jordan que rodea a z0 y
tal que ella y su región interior están contenidas en Ω. Entonces
I
1 f (z)
f (z0 ) = dz,
2πj C z − z0
cuando la curva C se recorre en sentido positivo. En particular, si C es una circunferencia
con centro z0 y radio r parametrizada por z(t) = z0 + rejt para 0 ≤ t ≤ 2π, de forma que
z 0 (t) = jrejt = j (z(t) − z0 ), entonces
I Z 2π
1 f (z) 1
f (z0 ) = dz = f (z0 + rejt ) dt
2πj |z−z0 |=r z − z0 2π 0

fórmula que se conoce como Teorema del Valor Medio de Gauss.


La integral de la fórmula anterior
I
1 f (z)
f (z0 ) = dz,
2πj C z − z0
podemos interpretarla como una integral que depende de un parámetro z0 . Puesto que el inte-
grando es derivable con respecto a z0 en la curva C, ya que z0 no está en C, entonces podemos
derivar con respecto a z0 , obteniendo
I
0 1 f (z)
f (z0 ) = dz,
2πj C (z − z0 )2
I
00 1 2f (z)
f (z0 ) = dz,
2πj C (z − z0 )3
I
000 1 6f (z)
f (z0 ) = dz,
2πj C (z − z0 )4
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

y así sucesivamente. Esto garantiza que f es derivable de todos los órdenes y nos proporciona
fórmulas para calcular sus derivadas seucesivas en z0 .
La Fórmula Integral de Cauchy para las Derivadas. Sea Ω un dominio en el plano complejo
y sea f : Ω → C una función analítica en Ω. Entonces f admite derivadas de todos los órdenes
en Ω que, a su vez, serán funciones analíticas. Además, sean z0 un punto de Ω y C una curva
de Jordan que rodea a z0 y tal que ella y su región interior están contenidas en Ω. Entonces la
derivada de orden n de f en z0 viene dada por
I
(n) n! f (z)
f (z0 ) = dz,
2πj C (z − z0 )n+1

cuando la curva C se recorre en sentido positivo.


Del teorema anterior se deduce que el crecimiento de las derivadas de f en un punto z0 está
controlado por el crecimiento de la propia f .

4 Funciones analíticas y funciones armónicas.


Ya sabemos que si una función f es analítica en un dominio Ω, entonces su derivada f 0 también
es analítica en Ω. En particular, esto implica que f 00 existe y es analítica en Ω o, en otros
términos, que u(x, y) y v(x, y) son dos veces diferenciables en Ω. Derivando en las ecuaciones
de Cauchy-Riemann y usando el teorema de Schwarz de igualdad de las derivadas cruzadas,
obtenemos
∂ 2u ∂2v ∂2u ∂2v
= , =− 2
∂x2 ∂x∂y ∂x∂y ∂x
∂2u ∂2v 2
∂ u ∂ 2v
= 2, = −
∂x∂y ∂y ∂y 2 ∂x∂y
con lo cual
∂ 2u ∂ 2u ∂2v ∂2v
+ =0 y + = 0;
∂x2 ∂y 2 ∂x2 ∂y 2
es decir, u y v son funciones armónicas en Ω. Como hemos comentado antes, este hecho pro-
porciona una conexión muy importante entre el estudio de las funciones de variable compleja
y la resolución de la ecuación de Laplace. Naturalmente, en coordenadas polares f (rejθ ) =
u(r, θ) + jv(r, θ), las funciones u y v verifican la ecuación de Laplace en coordenadas polares

∂2u 1 ∂ 2 u 1 ∂u
+ + =0
∂r2 r2 ∂θ2 r ∂r
e igual para v.
Esto muestra que hay una relación estrecha entre las partes real e imaginaria de una función
analítica f (x + jy) = u(x, y) + jv(x, y) y se dice que v es la función armónica conjugada de u.
Dos advertencias: primera, la palabra conjugada no tiene relación con la conjugación de números
complejos; segunda, que v sea armónica conjugada de u no quiere decir que u sea armónica
8 Lección 8. Integración Compleja

conjugada de v porque las ecuaciones de Cauchy-Riemann no son simétricas; de hecho lo que se


cumple es que −u es armónica conjugada de v porque la función definida por −jf (x + jy) =
v(x, y) − ju(x, y) es analítica.
Dada una función armónica u, para encontrar una función v que sea armónica conjugada de
u basta con resolver el sistema planteado por las ecuaciones de Cauchy-Riemann: Integrando
∂u ∂v
= con respecto a y obtenemos
∂x ∂y
Z
∂u
v(x, y) = dy + φ(x)
∂x
donde φ(x) es una constante de la integración con respecto a y que puede depender de x. Para
∂u ∂v
hallar φ(x) usamos la otra ecuación = − , a partir de la cual obtenemos una ecuación
∂y ∂x
diferencial de primer orden para φ(x) que debemos resolver. Veamos un ejemplo.
Ejemplo. La función u(x, y) = y 3 − 3x2 y es armónica en todo el plano. Para hallar la armónica
∂v ∂u
conjugada de u integramos la ecuación = = −6xy con respecto a y
∂y ∂x
Z
v(x, y) = (−6xy) dy = −3xy 2 + φ(x).

∂u ∂v
Como debe cumplirse = − , tenemos
∂y ∂x
¡ ¢
3y 2 − 3x2 = − −3y 2 + φ0 (x)
luego φ0 (x) = 3x2 y φ(x) = x3 + c donde c ∈ R es una constante de integración. En definitiva
v(x, y) = −3xy 2 + x3 + c es la armónica conjugada de u y
f (z) = f (x + jy) = y 3 − 3x2 y + j(−3xy 2 x3 + c) = j(x + jy)3 + jc = jz 3 + jc
es la función analítica compleja correspondiente.
Resolución del problema de Dirichlet en el círculo unidad mediante la teoría de
funciones analíticas. Vamos a empezar construyendo la Fórmula Integral de Poisson para
funciones analíticas en el disco unidad. Esta fórmula es una extensión de la que vimos en la
Lección 6, en el sentido de que la fórmula para funciones armónicas se obtendrá tomando parte
real en la versión para funciones analíticas, y se deduce a partir de la Fórmula Integral de Cauchy.
Si f es una función analítica en un dominio que contiene al círculo unidad, entonces la Fórmula
Integral de Cauchy nos dice que para un punto de dicho círculo z0 6= 0 se tiene
Z
1 f (z)
f (z0 ) = dz.
2πj C z − z0
Sea r = |z0 | y consideremos el punto z1 = 1/z0 = z0 /r2 exterior al círculo unidad. El Teorema
de la Integral de Cauchy nos dice que
Z
1 f (z)
dz = 0.
2πj C z − z1
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

Restando estas expresiones obtenemos


Z µ ¶
1 1 1
f (z0 ) = − f (z) dz.
2πj C z − z0 z − z1

Ahora parametrizamos C mediante z(t) = ejt con 0 ≤ t ≤ 2π, con lo que obtenemos
Z 2π µ ¶
1 ejt ejt
f (z0 ) = − f (ejt ) dt.
2π 0 ejt − z0 ejt − z1

Ahora, escribiendo z0 = rejθ , z1 = r−1 ejθ y operando, nos queda


Z 2π
jθ 1 (1 − r2 )f (ejt )
f (re ) = dt,
2π 0 |ejt − rejθ |2

fórmula que también es válida para r = 0 (que es el Teorema del Valor Medio de Gauss). Final-
mente, separando en partes real e imaginaria obtenemos, como hemos dicho antes, la Fórmula
Integral de Poisson para funciones armónicas que vimos antes
Z 2π
1 (1 − r2 )u(1, t)
u(r, θ) = dt.
2π 0 1 − 2r cos(θ − t) + r2

5 Transformaciones de regiones.
Otra propiedad de las funciones analíticas es que cuando son transformaciones conformes, es
decir, con derivada no nula, conservan la ecuación de Laplace. Concretamente, supongamos que
w = f (z) = u(x, y) + jv(x, y) es una función analítica en un dominio Ω1 que se transforma
mediante f de manera conforme y biyectiva sobre el dominio Ω2 . Si φ(u, v) es una función
armónica en Ω2 , entonces la composición ψ(x, y) = φ (u(x, y), v(x, y)) es también una función
armónica en Ω1 . En efecto, usando la regla de la cadena y las ecuaciones de Cauchy-Riemann,
o bien pasando a las correspondientes funciones analíticas y tomando parte real, es fácil probar
que µ 2 ¶
∂2ψ ∂2ψ ∂ φ ∂2φ 2
+ 2 = + |f 0 (z)| = 0,
∂x2 ∂y ∂u2 ∂v 2
de manera que ψ es armónica en Ω2 .
En la práctica, esto nos dice que si tenemos el problema de Dirichlet planteado en un dominio
Ω1 y podemos transformar conformemente este dominio en un dominio Ω2 en el que sí sabemos
resolver el problema de Dirichlet, entonces la solución obtenida en Ω2 se convierte, mediante la
transformación conforme, en una solución del problema original.
Ejemplo. La circunferencia C1 de ecuación |z − 1/4| = 1/4 se mantiene a 100◦ mientras que
la circunferencia C2 de ecuación |z − 1/2| = 1/2 se mantiene a cero grados. Para hallar la
distribución estacionaria de temperaturas en la región comprendida entre ambas circunferencias,
debemos calcular una función armónica φ(x, y) tal que φ = 100 en C1 y φ = 0 en C2 . Si
1−z
usamos la transformación conforme bilineal w = , podemos comprobar que transforma
z
10 Lección 8. Integración Compleja

la circunferencia C1 en la recta Re(w) = 1 y la circunferencia C2 en la recta Re(w) = 0, con


lo cual el problema ahora es hallar una función armónica ψ(u, v) en la banda comprendida
entre estas dos rectas tal que ψ = 0 en Re(w) = 0 y ψ = 100 en Re(w) = 1. Es fácil ver que
1−z
ψ(u, v) = 100u = Re(100w) es la solución. Haciendo los cálculos en la transformación w = ,
z
obtenemos
x −y
u= 2 2
−1 y v= 2
x +y x + y2
µ ¶
x
con lo que la solución del problema buscado es φ(x, y) = 100 −1 .
x2 + y 2
j−z
El problema de Dirichlet en el semiplano superior. La función bilineal w =
j+z
transforma el eje real Im(z) = 0 en la circunferencia unidad |w| = 1 de forma que el semiplano
superior del plano z se transforma de manera conforme en el interior del círculo unidad del plano
w. Si queremos hallar una función u(x, y) armónica en el semiplano superior a partir de sus
valores u(x, 0) en el eje real, podemos usar la transformación bilineal para llevarnos el problema
al círculo unidad, usar ahí la fórmula de Poisson y deshacer la transformación. Haciendo las
operaciones con cuidado se obtiene la solución, que además es acotada,
Z ∞
y u(s, 0)
u(x, y) = ds,
π −∞ (x − s)2 + y 2

expresión que se conoce como Fórmula Integral de Schwartz.


Aplicaciones a la Electrostática. Cuando tenemos un dominio plano Ω simplemente conexo


(sin agujeros) en el que no existen cargas eléctricas, las ecuaciones del campo eléctrico E =
(Ex , Ey ) se reducen a
³−
→´ →
− ³−
→´ →

div E = ∇ · E = 0 y rot E = ∇ ∧ E = 0


− →

de las que se deduce que E admite un potencial escalar Φ en Ω, es decir grad(Φ) = ∇Φ = E ,
que es armónico, o sea ∆(Φ) = 0. Sea Ψ la función armónica conjugada de Φ en Ω. La función


analítica W (z) = Φ(x, y) + jΨ(x, y) se llama potencial complejo de E . Observemos que de las
ecuaciones de Cauchy-Riemann se deduce que la función Ψ, que se llama función de Stokes,
verifica grad(Ψ) = (−Ey , Ex ).
Las curvas de nivel Φ(x, y) = c se llaman líneas equipotenciales y forman una familia uni-
paramétrica de curvas cuya familia ortogonal viene dada, según hemos visto, por las curvas de


nivel Ψ(x, y) = c de la función de Stokes. Puesto que el campo E es tangente a estas curvas,
reciben el nombre de líneas de corriente del campo eléctrico.
Según lo que acabamos de describir, los problemas de cálculo de potenciales y campos eléc-
tricos planos se reducen a la determinación del potencial complejo, lo que exige conocer las
componentes Ex y Ey del campo o bien una cualquiera de las funciones Φ y Ψ. Veamos un par
de casos interesantes que pueden usarse, mediante el principio de superposición y las transfor-
maciones conformes, para estudiar casos más generales.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11



Ejemplo. El potencial de un campo uniforme E 0 que forma un ángulo α con el eje de abscisas,


o sea E 0 = (−E0 cos(α), −E0 sen (α)), viene dado, imponiendo W (0) = 0, por

W (z) = E0 ej(π−α) z

así que las líneas de corriente son la familia de rectas de pendiente tan(α) y las líneas equipoten-
ciales son la familia de rectas de pendiente −1/ tan(α).
Ejemplo. Para calcular el potencial de una línea cargada perpendicular al plano en el origen
se observa que las líneas equipotenciales sólo dependen de la distancia r de un punto z = rejθ
al origen, es decir Φ = Φ(r). Como Φ debe ser armónica, se cumple ∆(Φ) = 0, con lo que
d
(rΦ0 (r)) = 0. Con lo cual obtenemos
dr
Φ(r) = k log(r)

para alguna constante k. Entonces, usando las ecuaciones de Cauchy-Riemann en polares, la


función de Stokes es, en este caso,
Ψ(rejθ ) = kθ
con lo que el potencial complejo es

W (rejθ ) = k log(r) + jkθ ≡ W (z) = kLog(z),

o sea, la rama principal de la función logaritmo (salvo la constante de proporcionalidad k que,


q
como puede probarse es k = , siendo q la densidad lineal de carga y ε0 la constante dieléctrica
2πε0
del medio). Las líneas de corriente son la familia de rectas que pasan por el origen y las líneas
equipotenciales son la familia de las circunferencias con centro en el origen.
Ejemplo. Si tenemos una línea cargada, con densidad lineal de carga q, perpendicular al plano
en el punto x = a del eje real y otra, con densidad lineal de carga −q perpendicular al plano en
el punto x = −a del eje real, entonces los potenciales debidos a estas líneas son, respectivamente,
q q
W1 (z) = Log(z − a) y W2 (z) = − Log(z + a),
2πε0 2πε0
así que el potencial complejo total es
µ ¶
q z+a
W (z) = W1 (z) + W2 (z) = − Log (±2πj) .
2πε0 z−a
En este caso, las líneas de corriente son arcos de circunferencias que tienen su centro en el eje de
ordenadas y pasan por los puntos (a, 0) y (−a, 0).

6 Ejercicios.
Notación. En lo que sigue, denotaremos por [z1 , z2 ] el segmento rectilíneo que une z1 con z2 y
por C(z0 , r) la circunferencia con centro en el punto z0 del plano complejo y radio r > 0.
12 Lección 8. Integración Compleja

R R
Ejercicio 1. Calcula las integrales C1 z dz y C2 z dz, donde C1 es el segmento [1, j] y C2 es la
quebrada que une estos dos puntos pasando por 1 + j.
Ejercicio 2. Calcula las integrales de las funciones z(z − 1) y Re(z) a lo largo de los segmentos
[0, 1 + j], [0, 1] y [1, 1 + j].
R
Ejercicio 3. Calcula la integral C z dz, a lo largo de las siguientes curvas:

1. La semicircunferencia de radio uno, desde −1 a 1, en el semiplano superior.

2. La semicircunferencia de radio uno, desde −1 a 1, en el semiplano inferior.

3. La circunferencia C(0, 1), recorrida en sentido positivo.

R
Ejercicio 4. Calcula la integral C
z 2 dz, a lo largo de los siguientes caminos:

1. El segmento [0, 2 + j].

2. La quebrada que pasa por los puntos 0, 2 y 2 + j.

3. El perímetro del triángulo formado por los vértices de la quebrada anterior.

Ejercicio 5. Calcula las integrales


Z Z Z
dz √
2
, Log(z) dz y z dz
C z C C

para las semicircunferencias C1 y C2 parametrizadas, respectivamente, por z1 (t) = ejt y z2 (t) =


e−jt , con 0 ≤ t ≤ π en ambos casos.
H
Ejercicio 6. Calcula C Log(z) dz, siendo C la circunferencia unidad.
Ejercicio 7. Sea α un número real no nulo. Tomando la rama principal del integrando, calcula
I
(z − z0 )α dz.
C(z0 ,r)

Ejercicio 8. Calcula las siguientes integrales para un camino arbitrario entre los límites de
integración:
Z j/2 Z π+2j Z 3
πz
e dz, cos(z/2) dz, (z − 2)3 dz.
j 0 1

Ejercicio 9. En los siguientes casos, comprueba la igualdad, e indica qué hipótesis del Teorema
de la Integral de Cauchy no se verifica:
I I
dz
= 2πj, Re(z) dz = r2 πj.
C(0,r) z C(0,r)
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

Ejercicio 10. Calcula las siguientes integrales usando, en cada caso, alguno de los teoremas
sobre integrales de funciones analíticas:
I I I
ez ezt ez
2
dz, 2
dz, 3
dz,
C(0,1) z + 4 C(0,3) z + 1 C(0,1/2) z(1 − z)
I I I
ez cos(z) z(ez − 1)
3
dz, 2
dz, 2
dz,
C(1,1/2) z(1 − z) C(0,1/3) z (z − 1) C(1,2) (z − a)
I I I
ez dz z
dz, 2
, 4
dz (r > 0),
C(0,1) z C(0,2) z + 1 C(0,r) z − 1
I I I
ez dz cos(z)
2 2
dz (r > 0), 2
, dz,
C(0,2r) z + r x2 +4y2 =1 z + 1 C(1,2) z − 1
I I I
sen (z) sen (z) sen (z)
2
dz, 2
dz, dz,
C(1,2) z + 1 C(1,2) z − z C(π,π) z − π
I I I
ez sen (z) sen (z)
2
dz, 3
dz, dz,
C(1,2) z C(1,2) (z − 1) C(0,1) z2
I I I
ez 1
2
dz, Log(z + 6) dz, 2 3
dz.
|x|+|y|=2 1 + z C(0,4) C(j,2) (z + 4)

Ejercicio 11. Integra la función exp(−z 2 ) en la frontera del rectángulo dado por las desigual-
dades |Re(z)| ≤ a y 0 ≤ Im(z) ≤ b y toma límite cuando a → ∞ para deducir
Z ∞
2 √ 2
e−x cos(2bx)dx = πe−b .
−∞

R+z
Ejercicio 12. Integrando la función f (z) = sobre la circunferencia C(0, r), siendo
z(R − z)
0 < r < R, deduce que Z 2π
R2 − r 2
dθ = 2π.
0 R2 − 2Rr cos(θ) + r2

Ejercicio 13. Sea z una rama de la función raíz cuadrada analítica en el semiplano superior
Im(z) ≥ 0 (salvo en z = 0).

1. Calcula I √
z
2
dz
C z +1
sobre la curva C que es la frontera del semianillo contenido en el semiplano superior dado
por 0 < r < |z| < R.

2. Usa el resultado anterior para, tomando límites cuando r → 0 y R → ∞, calcular el valor


de Z ∞ √
x
2
dx.
0 x +1
14 Lección 8. Integración Compleja

Ejercicio 14. Calcula, según los valores de a, la integral


I
z(ez − 1)
2
dz.
C(1,2) (z − a)

Ejercicio 15. Demuestra la Desigualdad de Cauchy, que afirma lo siguiente: Sea f una función
analítica en un dominio que contiene el círculo D con centro z0 y radio r. Sea M tal que
|f (z)| ≤ M para cada z ∈ D. Entonces
M
|f 0 (z0 )| ≤ .
r
(Indicación: Usa la Fórmula Integral de Cauchy para la derivada primera.)
Ejercicio 16. Demuestra el Teorema de Liouville, que afirma lo siguiente: Si f es una función
entera y acotada, entonces f es constante. (Indicación: Usa la Desigualdad de Cauchy.)
Ejercicio 17. Demuestra el Teorema Fundamental del Álgebra, que afirma lo siguiente: Todo
polinomio complejo p(z) de grado n se anula en n puntos del plano complejo z1 , z2 , . . . , zn , con-
tados tantas veces como indica su multiplicidad. (Indicación: Supón que p(z) no se anula en
ningún punto y aplica el Teorema de Liouville a 1/p(z).)
Ejercicio 18. Sea u(x, y) una función armónica y acotada en todo el plano R2 . Prueba que u
debe ser constante.
Ejercicio 19. Dada u(x, y) = e−x (xsen (y) − y cos(y)) prueba que es armónica y encuentra su
armónica conjugada.
Ejercicio 20. Sea f (z) la función entera tal que Im (f 0 (z)) = 6x(2y − 1), f (0) = 3 − 2j y
f (1) = 6 − 5j. Calcula f (1 + j).
Ejercicio 21. Halla la función analítica f (z) = u(x, y) + jv(x, y) cuya parte imaginaria es
v(x, y) = log(x2 + y 2 ) + x − 2y y verifica f (1) = 3 + j.
Ejercicio 22. (1) Resuelve el problema de Dirichlet siguiente:
∂ 2u ∂ 2u
la ecuación de Laplace : + = 0 para 0 ≤ x ≤ 4 y 0 ≤ y ≤ 2,
∂x2 ∂y 2
u(x, 0) = 0 para 0 ≤ x ≤ 4
u(x, 2) = 0 para 0 ≤ x ≤ 4
con las condiciones de contorno :
u(0, y) = 0 para 0 ≤ y ≤ 2
u(4, y) = sen (πy) para 0 ≤ y ≤ 2.

(2) Halla la función entera f (z) cuya parte real es la solución u(x, y) del problema de Dirichlet
anterior y tal que I
f (z)
dz = 0,
C z
siendo C la circunferencia unidad del plano complejo.
(3) Para dicha función calcula I
f (z)
dz,
R (z − 2 − j)2
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 15

siendo R la frontera del rectángulo del apartado (1) recorrida en sentido positivo.
Ejercicio 23. Resuelve el problema de Dirichlet en el semiplano superior para la función dada
en el eje real por φ(x) = 1 si |x| < 1 y φ(x) = 0 si |x| > 1.
Ejercicio 24. Sea Ω el dominio formado por los puntos z del semiplano superior que son
exteriores al círculo unidad.
(1) Prueba que la función f (z) = z + z −1 transforma Ω en el semiplano superior de forma
biyectiva, halla su inversa y estudia si dicha función inversa es analítica.
(2) Usa la transformación dada y la Fórmula Integral de Schwartz para resolver el problema
de Dirichlet en Ω si los valores de la función armónica u que se busca están dados en la frontera
por u = 0 sobre el eje real y u(ejθ ) = cos(θ) para 0 ≤ θ ≤ π.
Ejercicio 25. La función w = Log(z) transforma el primer cuadrante en la banda definida por
0 < Im(w) < π. Utiliza esta transformación para resolver el problema de Dirichlet en el primer
cuadrante para la función dada que vale 0 en el eje real y 1 en el eje imaginario.
Ejercicio 26. (1) Determina la correspondiente fórmula de Schwartz que resuelve el problema
z−1
de Dirichlet en el semiplano derecho Re(z) > 0 usando la transformación w = .
z+1
(2) Usa esta fórmula para resolver el problema de Dirichlet en dicho semiplano para los valores
inciales u(0, y) = 1 si y > 0 y u(y, 0) = −1 si y < 0.
Ejercicio 27. Resuelve el problema de Dirichlet en el primer cuadrante para la función dada
en la frontera por φ(0, y) = −sen (y 2 ) y φ(x, 0) = sen (x2 ). Indicación: utiliza la transformación
w = z 2 que lleva el primer cuadrante de forma biyectiva sobre el semiplano superior.
Ejercicio 28. Resuelve el problema de Dirichlet en la semibanda dada por |x| < π/2 e y > 0
para la función dada en la frontera por

φ(−π/2, y) = φ(π/2, y) = 0 (y > 0); φ(x, 0) = 1, (|x| < π/2


).

Para ello utiliza la transformación w = sen (z) que lleva dicha semibanda de forma biyectiva
sobre el semiplano superior.
Ejercicio 29. La función w = ez transforma la banda log(r) < Re(z) < log(R) en el anillo
r < |z| < R. Utiliza esto para resolver el problema de Dirichlet en este anillo para la función φ
que vale αr en la circunferencia interior y αR en la circunferencia exterior.
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 30. Enuncia y demuestra el Teorema de la Integral de Cauchy.
Ejercicio 31. Enuncia y demuestra la Fórmula Integral de Cauchy.
I
1
Ejercicio 32. Calcula 2 2
dz siendo C la circunferencia con centro en el punto j y
C (z + 4)
radio igual a 2.
Ejercicio 33. Prueba que si f = u + jv es una función analítica en un dominio Ω, entonces la
16 Lección 8. Integración Compleja

función u verifica
∂ 2u ∂ 2u
+ =0 en Ω.
∂x2 ∂y 2

Ejercicio 34. Determina la función entera f = u + jv cuya parte real viene dada por u(x, y) =
y 2 − x2 + 2x − y y cumple f (j) = j.
Ejercicio 35. Dada la función armónica v(x, y) = x3 − 3xy 2 , halla una función analítica f de
manera que v = Im(f ).
Ejercicio 36. Encuentra la función f (z) = u(x, y) + iv(x, y) (con z = x + iy) sabiendo que es
una función entera tal que u = v2 y f (i) = 4 − 2i.
Ejercicio 37. Halla la función analítica f = u + jv cuya parte real es

u(x, y) = ex (x cos(y) − ysen (y))

y satisface f (0) = j. Utiliza esto para resolver el problema de Dirichlet en la banda 0 < y < π
de R2 con condiciones de contorno 0 en la frontera inferior y ex en la frontera superior.
Ejercicio 38. Sea Ω la semibanda del plano definida por
© ª
Ω := (x, y) ∈ R2 : x > 0 y 0 < y < π .

1. Aplica el método de separación de variables para hallar la función u que es armónica en Ω


y verifica las siguientes condiciones:

u(x, 0) = 0 para x > 0,


u(x, π) = 0 para x > 0,
u(0, y) = sen (y) + sen (2y) para 0 < y < π,
lim u(x, y) = 0 para 0 < y < π.
x→∞

2. Halla la función v que es armónica conjugada de u en Ω y cumple v(0, 0) = 2.

3. Haz un dibujo aproximado de la imagen del dominio Ω por la función f = u + jv.

Ejercicio 39. (1) Halla la función u(r, θ) que es armónica en el interior del círculo unidad r < 1
(donde r y θ denotan las coordenadas polares) y cuyos valores en la circunferencia unidad r = 1
son
u(1, θ) = 2 cos(2θ) − sen (3θ), para 0 ≤ θ ≤ 2π.

(2) Halla la función f que es analítica en el círculo unidad, cuya parte real es u y tal que
f (0) = j.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 17

7 Bibliografía
Para desarrollar esta lección pueden consultarse los siguientes textos, principalmente el de Churchill
y Brown que, además, es un libro excelente para complementar las explicaciones teóricas.
[517.5/2-CHU] R.V. Churchill, J.W. Brown, Variable compleja y aplicaciones, Cap. 4, 9 y 11.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 1.
[517.5/WUN] W.A. Wunsch, Variable compleja con aplicaciones, Cap. 4 y 8.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 9.

SERIES DE POTENCIAS.

Curso 2006-07

Las series de potencias son una de las herramientas más útiles de la matemática aplicada. Se
han utilizado en el estudio de las funciones de una variable real para poder trabajar con re-
presentaciones alternativas y buenas aproximaciones de las funciones más habituales y también
pueden utilizarse para obtener nuevas funciones, como las funciones de Bessel. No es de extrañar,
entonces, que nos planteemos el estudio de las series de potencias de una variable compleja.
En esta lección veremos que las funciones de variable compleja que pueden definirse median-
te series de potencias son precisamente, en un sentido que habrá que concretar, las funciones
analíticas. El primer teorema importante que estudiaremos es el de Taylor que establece que una
función analítica en un círculo puede representarse como una serie de potencias, que será su serie
de Taylor, dentro de dicho círculo.
Cuando una función f deja de ser derivable en un punto z0 pero lo es en todos los puntos que lo
rodean, se dice que z0 es una singularidad aislada de f . En ese caso, f no puede ser representada
por una serie de potencias de (z − z0 ) porque no es derivable en dicho punto. Sin embargo,
P. Laurent (1813—1854) descubrió en 1842 que si una función es analítica en un anillo centrado
en una singularidad aislada z0 , entonces sí puede representarse por medio de dos series, una de
las cuales es una serie de potencias de (z − z0 ) y la otra una serie de potencias de (z − z0 )−1 , esta
serie bilateral se llama serie de Laurent de f en z0 . Las singularidades aisladas de una función
se pueden clasificar como singularidades evitables, polos o singularidades esenciales según que,
respectivamente, la parte de potencias negativas de la serie de Laurent contenga cero, un número
finito o infinito de términos.

1 Series de potencias complejas.


Series complejas. Dada una sucesión de números complejos z0 , z1 , z2 , . . . , zn , . . . , se define la
suma parcial n-ésima de dicha sucesión como
P sn = z0 + z1 + z2 + · · · + zn y se dice que la serie
de término general zn , que se denota por zn , es convergente cuando la sucesión (sn ) de sus
sumas parciales converge a un número complejo s = lim sn que se llama suma de la serie. Esto
n→∞
2 Lección 9. Series de Potencias

se representa como
X

s = z0 + z1 + z2 + · · · + zn + · · · o bien como s= zn .
n=0

Cuando (sn ) no es convergente, se dice que la serie es divergente.


P
Si descomponemos los términos de una serie zn en sus partes real e imaginaria, digamos
zn = xn + jyn para n = 0, 1, 2, . . . , entonces su suma parcial n-ésima es

sn = z0 + z1 + z2 + · · · + zn = (x0 + x1 + x2 + · · · + xn ) + j (y0 + y1 + y2 + · · · + yn )
P
de donde
P se deduce
P que una serie compleja (xn + jyn ) converge si, y sólo si, convergen las series
reales xn y yn ; en ese caso, la suma de la serie es
X
∞ X
∞ X
∞ X

zn = (xn + jyn ) = xn + j yn .
n=0 n=0 n=0 n=0

En P
consecuencia, para determinar la convergencia o divergencia de una serie de términos comple-
jos zn , debemos estudiar la convergencia o divergencia de las series de términos reales formadas
por las partes real e imaginaria
P de los términos zn . En particular, utilizaremos a menudo el si-
guiente criterio: si la serie zn converge, entonces lim zn = 0.
n→∞
P
Convergencia absoluta. Se dice que una P serie de términos complejos zn converge absolu-
tamente cuando la serie de sus módulos |zn |, que es una ¯serie de
¯ términos reales positivos, es
P ¯P∞ ¯ P ∞
convergente. En ese caso, la serie zn converge y se tiene ¯¯ zn ¯¯ ≤ |zn |.
n=0 n=0

La serie geométrica. Dado un número complejo z consideremos la serie


X

zn = 1 + z + z2 + · · · + zn + · · ·
n=0

Esta serie se conoce como serie geométrica de razón z y es una serie convergente si, y sólo si,
|z| < 1, en cuyo caso su suma es
X

1 − z n+1 1
z n = lim = .
n→∞ 1 − z 1−z
n=0

Series de potencias. En el apartado P anterior nhemos estudiado las series numéricas. Ahora
vamos a considerar series de la forma an (z − z0 ) donde z es una variable, z0 un punto dado de
antemano y an es constante (respecto de z). Como en el caso real, estas series se llaman series de
potencias y, grosso modo, no son más que “polinomios infinitos”. Para estas series estudiaremos
primero el conjunto de los valores de z para los que la serie converge. En dicho conjunto, que
resultará ser un círculo, la serie de potencias define una función, la suma de la serie, de la cual
estudiaremos después algunas de sus propiedades, como la continuidad, la derivabilidad, etc. En
la siguiente sección estudiaremos el problema de saber cuándo se puede representar una función
f (z) como la suma de una serie de potencias.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

Definiciones. Dados un punto z0 ∈ C y una sucesión a0 , a1 , . . . , an , . . ., la serie

X

an (z − z0 )n = a0 + a1 (z − z0 ) + a2 (z − z0 )2 + · · · + an (z − z0 )n + · · ·
n=0

se llama serie de potencias centrada en z0 o, simplemente, serie de potencias. El punto z0 se


llama centro de la serie y los elementos de la sucesión a0 , a1 , . . . , an , . . . se llaman coeficientes de
la serie.
Lo primero que vamos a plantearnos es saber para qué valores de la variable z converge una
serie de potencias. Veremos que el intervalo de convergencia en el caso real pasa a ser aquí un
círculo de convergencia.
P
Teorema de Cauchy-Hadamard. Para cada serie de potencias an (z − z0 )n se da uno, y
sólo uno, de los tres casos siguientes:

1. La serie sólo converge para z = z0 .

2. La serie converge absolutamente para todo z ∈ C.

3. Existe un número ρ > 0 tal que para |z − z0 | < ρ la serie converge absolutamente y para
|z − z0 | > ρ la serie diverge.

Radio de convergencia. En el caso (3) del Teorema de Cauchy-Hadamard, el número ρ se


llama radio de convergencia de la serie y el círculo abierto (o sea, sin incluir la frontera) de
centro z0 y radio ρ se llama círculo de convergencia de la serie. Como una extensión lógica de
esta nomenclatura, en el caso (1) se dice que el radio de convergencia es cero y en el caso (2) se
dice que el radio de convergencia es infinito y que el círculo de convergencia es todo el plano.
Como en el caso real, el radio de convergencia puede calcularse, en muchas ocasiones, de la
siguiente manera: Si alguno
P de los dosn siguientes límites existe, entonces el radio de convergencia
de la serie de potencias an (z − z0 ) viene dado por:

1 |an |
ρ = lim p o bien ρ = lim .
n→∞ n
|an | n→∞ |an+1 |

El Teorema de Cauchy-Hadamard no dice qué pasa en la frontera del círculo de convergencia


|z − z0 | = ρ cuando el radio de convergencia es finito. En el caso real pueden darse todas las
combinaciones posibles: converger en los dos extremos del intervalo de convergencia, sólo en uno
o en ninguno. En el caso complejo la situación es más complicada porque no hay dos puntos sino
toda una circunferencia que analizar. Sin embargo, sí puede probarse que en dicha circunferencia
hay por lo menos un punto en el que la serie no converge; volveremos sobre esto más adelante.
El siguiente teorema pone de manifiesto que las funciones definidas mediante series de po-
tencias se comportan muy bien y que pueden ser consideradas genuinamente como polinomios
infinitos ya que se derivan e integran con la misma facilidad.
4 Lección 9. Series de Potencias

P
Función suma de una serie de potencias. Sea an (z −z0 )n una serie de potencias con radio
de convergencia ρ tal que 0 < ρ ≤ ∞ y sea Ω su círculo (abierto) de convergencia. Definimos la
función suma de la serie s : Ω → C por
X

s(z) = an (z − z0 )n para cada z ∈ Ω.
n=0

Entonces la función s(z) es una función analítica en Ω que puede derivarse e integrarse término
a término en Ω; o sea, la derivada de s es
X

0
s (z) = nan (z − z0 )n−1 para cada z ∈ Ω
n=1

y la función
X∞
an
S(z) = (z − z0 )n+1
n=0
n + 1
es una primitiva de s en Ω.
Corolario. En las condiciones del teorema se tiene, de hecho, que los coeficientes de la serie de
potencias están unívocamente determinados por los valores de la función suma y de sus derivadas
sucesivas en el centro de la serie. Concretamente, para cada n ≥ 0 se tiene
I
s(n) (z0 ) 1 s(z)
an = = dz,
n! 2πj C (z − z0 )n+1
donde C es una curva de Jordan que rodea a z0 , está contenida en el círculo de convergencia de
la serie y recorrida en sentido positivo. En otras palabras, para cada z ∈ Ω se tiene
X

s(n) (z0 )
s(z) = (z − z0 )n .
n=0
n!

2 Series de Taylor.
P

s(n) (z0 )
La expresión s(z) = n!
(z − z0 )n obtenida en el último párrafo es, en el caso real, la serie
n=0
de Taylor de la función s en z0 . Para una función real arbitraria la serie de Taylor en un punto
no siempre se puede obtener; la función debe poderse derivar todas las veces que uno quiera en
un intervalo que contenga dicho punto e, incluso así, no tiene por qué converger a la función de
2
partida (el ejemplo típico es la función e−1/t cuya serie de Taylor en el origen tiene todos sus
coeficientes nulos). En el caso complejo la situación es mucho mejor, como pone de manifiesto el
Teorema de Taylor que vemos ahora.
Teorema de Taylor. Sea f : Ω → C una función analítica en un dominio Ω del plano complejo
y sea z0 un punto de Ω. Sea ∆ un círculo abierto centrado en z0 y contenido en Ω. Entonces
para cada z ∈ ∆ se verifica que
X

f (n) (z0 )
f (z) = (z − z0 )n .
n=0
n!
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

Esta serie se llama serie de Taylor de f en z0 (o, en el caso particular en que z0 = 0, serie de
Maclaurin de f ).
P
∞ (n)
f (z0 )
Puesto que la serie de Taylor n!
(z − z0 )n de la función analítica f en z0 es la misma
n=0
independientemente del radio del círculo ∆, deducimos que converge en el mayor círculo centrado
en z0 y contenido en Ω, es decir, que su radio de convergencia es la distancia desde z0 hasta la
frontera de Ω. Habitualmente, el dominio Ω que se considera suele ser el dominio más grande
posible en el que la función es analítica, como hemos visto en la definición de las funciones
elementales, de manera que la frontera de Ω está formada, normalmente, por singularidades, que
es el nombre que reciben los puntos en los que f no es derivable. En consecuencia, el radio
de convergencia de la serie de Taylor de f en z0 debe coincidir (puede probarse, de hecho, que
coincide) con la distancia de z0 a la singularidad de f más cercana a dicho punto. Esto explica
por qué a pesar de ser f (x) = 1/(1 + x2 ) una función indefinidamente derivable en toda la recta
real, su serie de Maclaurin tiene, sin embargo, radio de convergencia igual a 1 y no infinito: las
singularidades más cercanas al origen son ±j, que están a distancia 1.
Series de Maclaurin de las funciones elementales. Los desarrollos en serie de potencias de
las funciones elementales son los mismos que en el caso real por la unicidad de los coeficientes.
Damos los más útiles a continuación (junto con el círculo de convergencia correspondiente).

1. Para la función exponencial:


X

zn z z2 z3 zn
z
e = =1+ + + + ··· + + ··· para todo z ∈ C.
n=0
n! 1! 2! 3! n!

2. Para la función seno:


X

(−1)k z 2k+1 z3 z5 (−1)k z 2k+1
sen (z) = =z− + ··· + + ··· para todo z ∈ C.
k=0
(2k + 1)! 3! 5! (2k + 1)!

3. Para la función coseno,


X

(−1)k z 2k z2 z4 (−1)k z 2k
cos(z) = =1− + − ··· + + ··· para todo z ∈ C.
k=0
(2k)! 2! 4! (2k)!

4. Para la función Log(1 + z), tomando el argumento principal en (−π, π],


X

(−1)n−1 z n z2 z3 (−1)n−1 z n
Log(1 + z) = =z− + − ··· + + ··· para |z| < 1.
n=1
n 2 3 n

5. Para la función binomial (1 + z)α , tomando el argumento principal en (−π, π],


X∞ µ ¶ µ ¶ µ ¶ µ ¶
α α n α α 2 α n
(1 + z) = z =1+ z+ z + ··· + z + ··· para |z| < 1.
n=0
n 1 2 n
6 Lección 9. Series de Potencias

Podemos obtener los desarrollos en serie de Taylor de combinaciones (sumas, productos,


cocientes, composiciones, etc.) de las funciones elementales aplicando las mismas técnicas que
en el caso real.
Ceros. Sea f : Ω → C una función analítica en un dominio Ω del plano complejo y sea z0 un
punto de Ω. Se dice que z0 es un cero de la función f cuando f (z0 ) = 0. Si z0 es un cero de f
pero no de f 0 , entonces se dice que es un cero simple y si z0 es un cero de f y de f 0 pero no de
f 00 , entonces se dice que es un cero doble. Más generalmente, si

f (z0 ) = f 0 (z0 ) = f 00 (z0 ) = · · · = f (N−1) (z0 ) = 0 pero f (N) (z0 ) 6= 0,

entonces se dice que z0 es un cero de orden N de f ; esto corresponde precisamente a que la


serie de Taylor de f en z0 empiece en (z − z0 )N o, en otras palabras, a que podamos escribir
f (z) = (z − z0 )N g(z), donde g es una función analítica en Ω tal que g(z0 ) 6= 0.

3 Series de Laurent. Singularidades de las funciones analíti-


cas.
1
La función f (z) = 3 deja de ser derivable en los puntos z = 0 y z = −1. Sin embargo,
z (1 + z)
como
1
= 1 − z + z2 − z3 + z4 − z5 + · · · para |z| < 1,
1+z
entonces podemos escribir

f (z) = z −3 − z −2 + z −1 − 1 + z − z 2 + · · · para 0 < |z| < 1.

Esto nos da una expresión de f como una serie en la que aparecen, además de las potencias
positivas de la variable, también potencias negativas. Dicha serie converge alrededor de z = 0,
que es una de sus singularidades. Lo mismo ocurre con la función
1 1 1 1
e1/z = 1 + + 2+ 3
+ + · · · para |z| > 0.
z 2z 3!z 4!z 4
Estos ejemplos ilustran una situación que se da con mucha generalidad.
Teorema de Laurent. Sea f una función analítica en el anillo Ω de centro z0 , radio interior
ρ1 y radio exterior ρ2 con 0 ≤ ρ1 < ρ2 ≤ ∞. Entonces existe una sucesión de números complejos
{cn : n ∈ Z} tal que para cada z ∈ Ω se tiene
X

c−2 c−1
f (z) = cn (z − z0 )n = · · · + 2
+ + c0 + c1 (z − z0 ) + c2 (z − z0 )2 + · · ·
n=−∞
(z − z0 ) z − z0

Esta expresión se llama desarrollo en serie de Laurent de f en Ω. Los números {cn : n ∈ Z} se


llaman coeficientes del desarrollo y vienen dados por
I
1 f (z)
cn = dz para cada n = 0, ±1, ±2, . . . ,
2πj C (z − z0 )n+1
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

donde C es cualquier curva de Jordan contenida en Ω, que rodee a z0 y recorrida en sentido


positivo.
Observaciones. (1) La parte que contiene las potencias positivas del desarrollo en serie de
Laurent de una función f en un anillo Ω
X

cn (z − z0 )n = c0 + c1 (z − z0 ) + c2 (z − z0 )2 + c3 (z − z0 )3 + · · ·
n=0

se llama parte analítica del desarrollo y converge en el interior del círculo de centro z0 y radio
ρ2 , donde define una función analítica.
(2) La parte que contiene las potencias negativas del desarrollo en serie de Laurent de una
función f en un anillo Ω
X
−1
c−3 c−2 c−1
cn (z − z0 )n = · · · + 3
+ 2
+ ···
n=−∞
(z − z0 ) (z − z0 ) z − z0
se llama parte principal del desarrollo y converge en el exterior del círculo de centro z0 y radio
ρ1 , donde define una función analítica.
(3) Una misma función puede ser analítica en diversas regiones anulares concéntricas y no
tener el mismo desarrollo en serie de Laurent en cada anillo. Veamos un ejemplo: la función
1
f (z) =
z(z − 2)2
es analítica en las regiones Ω1 dada por 0 < |z| < 2 y Ω2 dada por |z| > 2. Para hallar sus
correspondientes desarrollos en series de Laurent, la clave está en desarrollar el factor 1/(z − 2)2
adecuadamente. Empezamos derivando la serie geométrica correspondiente a 1/(z −2): si z ∈ Ω1 ,
entonces se tiene
µ ¶
1 −1/2 −1 z z2 z3 z n z n+1
= = 1+ + + + · · · + n + n+1 + · · · .
z−2 1 − (z/2) 2 2 4 8 2 2
Ahora derivamos:
µ ¶
−1 −1 1 2z 3z 2 nz n−1 (n + 1)z n
2
= + + ··· + + + ··· .
(z − 2) 2 2 4 8 2n 2n+1
Finalmente, cambiando de signo y dividiendo por z, obtenemos el desarrollo en serie de f en el
disco perforado Ω1 :
µ ¶
1 1 1 1 2z 3z 2 nz n−1 (n + 1)z n
f (z) = = + + + ··· + + + ···
z(z − 2)2 z2 2 4 8 2n 2n+1
1 1 3z nz n−2 (n + 1)z n−1 (n + 2)z n
= + + + · · · + n+1 + + + ···
4z 4 16 2 2n+2 2n+3
Por otro lado, si z ∈ Ω2 , entonces se tiene, en cambio,
µ ¶
1 1/z 1 2 4 8 2n−1 2n
= = 1 + + 2 + 3 + · · · + n−1 + n + · · ·
z−2 1 − (2/z) z z z z z z
1 2 4 8 2n−1 2n
= + 2 + 3 + 4 + · · · + n + n+1 + · · ·
z z z z z z
8 Lección 9. Series de Potencias

y, derivando,

−1 1 4 12 32 n2n−1 (n + 1)2n
= − − − − − · · · − − − ···
(z − 2)2 z2 z3 z4 z5 z n+1 z n+2

Cambiando el signo y dividiendo por z obtenemos el desarrollo de Laurent de f en Ω2 :

1 4 12 32 (n − 2)2n−3
f (z) = + + + + · · · + + ···
z3 z4 z5 z6 zn

Singularidades aisladas. El caso ρ1 = 0 del Teorema de Laurent es especialmente interesante:


Partimos de una función f analítica en un dominio que es el círculo perforado definido por
0 < |z − z0 | < ρ, en cuyo caso se dice que z0 es una singularidad aislada de f , y obtenemos que
f puede representarse en dicho dominio mediante una serie de Laurent
X

c−2 c−1
f (z) = cn (z − z0 )n = · · · + 2
+ + c0 + c1 (z − z0 ) + c2 (z − z0 )2 + · · ·
n=−∞
(z − z0 ) z − z0

que se llama desarrollo en serie de Laurent de f en z0 .


Cuando la parte principal de este desarrollo es cero, entonces definiendo f (z0 ) := c0 en el
centro, obtenemos que f es, de hecho, analítica en todo el círculo |z − z0 | < ρ y su serie de Laurent
coincide con su serie de Taylor. El punto z0 no debería considerarse entonces, propiamente
hablando, una singularidad y se dice que es una singularidad evitable. Un ejemplo típico de esta
situación es la función definida por f (z) = sen (z)/z para z 6= 0. Tal y como está definida, f es
analítica en todo el plano complejo salvo el origen. Sin embargo, en dicho dominio se tiene

z3 z5 (−1)k z 2k+1
z− + ··· + +···
sen (z) 3! 5! (2k + 1)! z2 z4 (−1)k z 2k
f (z) = = =1− + ··· + + ···
z z 3! 5! (2k + 1)!

Esto nos dice que, definiendo f (0) := 1, la función f es, de hecho, una función entera. El criterio
para detectar que z0 es una singularidad evitable de f es probar que existe y es finito el límite
de f cuando z tiende a z0 .
Singularidades esenciales y polos. Cuando la parte principal

X
−1
c−3 c−2 c−1
cn (z − z0 )n = · · · + 3
+ 2
+ ···
n=−∞
(z − z0 ) (z − z0 ) z − z0

del desarrollo en serie de Laurent de f en z0 no es cero, entonces estamos ante una singularidad
propiamente dicha. Sin embargo, el comportamiento de f alrededor de z0 es muy diferente según
que haya o no un número finito de términos no nulos en la parte principal. Por ejemplo, la
función f (z) = z −1 converge a infinito cuando z tiende a 0; sin embargo, la función f (z) = e1/z
toma cerca del origen cualquier valor complejo salvo el cero.
Se dice que una singularidad aislada z0 de una función f es una singularidad esencial cuando
la parte principal del desarrollo en serie de Laurent de f en z0 contiene infinitos coeficientes no
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

nulos. Puede probarse que si z0 es una singularidad esencial de f , entonces f toma cerca de z0
todos los valores complejos salvo, como mucho, uno.
Se dice que una singularidad aislada z0 de una función f es un polo cuando la parte principal
del desarrollo en serie de Laurent de f en z0 contiene un número positivo pero finito de coeficientes
no nulos. En ese caso el número natural N tal que c−N 6= 0 y cn = 0 para n < −N se llama
orden del polo z0 . Cuando el orden es 1 se dice que z0 es un polo simple, cuando el orden es 2 se
dice que z0 es un polo doble, etc. En otras palabras, f tiene un polo de orden N en z0 cuando
podemos escribir
g(z)
f (z) =
(z − z0 )N
donde g es una función analítica en |z − z0 | < ρ tal que g(z0 ) 6= 0. En consecuencia, el cri-
terio para reconocer que una singularidad de una función f es un polo de orden N, y no una
singularidad esencial, es probar que el límite
lim (z − z0 )N f (z)
z→z0

existe y no vale cero ni infinito.


Las singularidades aisladas de la gran mayoría de las funciones que aparecen en las aplicaciones
de la variable compleja a la ingeniería son polos; más concretamente, estas funciones suelen ser
cocientes de funciones analíticas de manera que los ceros del denominador son, normalmente, los
correspondientes polos del cociente como se pone de manifiesto en el siguiente resultado.
Proposición. Sean g y h dos funciones analíticas en un dominio Ω. Sea z0 un punto de Ω que
g(z)
es un cero de orden N de la función h. Para la función f definida por f (z) = se tiene:
h(z)

1. Si g(z0 ) 6= 0, entonces z0 es un polo de orden N de f .


2. Si z0 es un cero de g de orden M < N, entonces z0 es un polo de f de orden N − M.
3. Si z0 es un cero de g de orden N, entonces z0 es una singularidad evitable de la función f
y f (z0 ) 6= 0.
4. Si z0 es un cero de g de orden M > N, entonces z0 es una singularidad evitable de f que,
además, es un cero de orden M − N de dicha función.

Combinando este resultado con los desarrollos en serie de las funciones elementales y las
propiedades de las series de potencias se pueden calcular los desarrollos en serie de Laurent de
funciones más complicadas (o, al menos, algunos de sus términos). Veamos un ejemplo.
Ejemplo. Tomando el argumento principal en (−π, π], la función
Log(1 − z)sen (πz)
f (z) =
z 2 (ez − 1)
tiene una singularidad en el origen z0 = 0. Para clasificarla y hallar algunos de los términos de
su desarrollo en serie de Laurent empezamos estudiando cada uno de los factores del cociente por
separado.
10 Lección 9. Series de Potencias

La función Log(1−z) es analítica en el origen y su desarrollo en serie de Maclaurin lo podemos


obtener integrando el de la serie geométrica. Si escribimos
1
= 1 + z + z2 + z3 + · · · ,
1−z
integramos término a término, cambiamos de signo y usamos que Log(1) = 0, nos queda
z2 z3 z4
Log(1 − z) = −z − − − − ···
2 3 4
Luego el origen es un cero simple de Log(1 − z).
Sabemos que la función sen (πz) también tiene un cero simple en el origen:
π3z3
sen (πz) = πz − +···
6
Finalmente,
z2 z3 z4
ez − 1 = z + + + + ···
2 6 24
también tiene un cero simple en z = 0.
Combinando los resultados anteriores tenemos que la función
Log(1 − z)sen (πz)
f (z) =
z 2 (ez − 1)
tiene un polo simple en el origen porque el numerador tiene ahí un cero de orden 2 y el deno-
minador tiene un cero de orden 3. El desarrollo en serie de Laurent de f en z0 = 0 será de la
forma:
Log(1 − z)sen (πz) c−1
f (z) = 2 z
= + c0 + c1 z + · · ·
z (e − 1) z
Escribiendo los primeros términos de los desarrollos anteriores, debe verificarse para un punto
z 6= 0 que esté cerca de cero lo siguiente:
µ ¶µ ¶
z2 z3 z4 π3z 3
−z − − − − ··· πz − + ··· =
2 3 4 6
µ ¶³ ´
2 z2 z3 z4 c−1
=z z+ + + + ··· + c0 + c1 z + · · · .
2 6 24 z
Multiplicamos y vamos identificando coeficientes:
coeficiente de z 2 : −π = c−1 ,
−π c−1
coeficiente de z 3 = + c0 ,
3
2 2
π π c−1 c0
coeficiente de z 4 : − = + + c1 .
6 3 6 2
Por tanto, c−1 = −π, c0 = 0 y c1 = (π 3 − π)/6, con lo que
−π π 3 − π
f (z) = + z + ···
z 6
es el desarrollo pedido.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

4 Ejercicios.
Ejercicio 1. Aplicando los teoremas de integración y derivación de una serie de potencias a la
serie geométrica, halla la función suma de las series de potencias
X
∞ X

zn
n
nz y .
n=1 n=1
n

Ejercicio 2. Desarrolla las siguientes funciones en serie de Maclaurin:

z 1 ez − 1 z 1 Log(z + 1)
, , , , , Log(1 + z 2 ), ,
z 2 − 3z + 2 1 − z + z2 z z4 + 9 az + b z
donde el argumento principal se toma en (−π, π].
Ejercicio 3. Desarrolla las funciones f (z) = 1 + ez , g(z) = ez/3 y h(z) = senh(z) en serie de
Taylor alrededor de punto z0 = πj.
Ejercicio 4. Prueba que ejz = cos(z) + jsen (z) para todo z ∈ C.
Ejercicio 5. Determina los ceros de las siguientes funciones y su orden

sen (z)
ez − 1, zez , sen (πz), cos(z), , 1 − cos(z), Log(1 + z 2 ),
z
sen (z) − j, zLog(1 − z), z n sen (z), sen (z 2 ), Log(cos(z)),

donde el argumento principal se toma en (−π, π].


1
Ejercicio 6. Desarrolla en serie de Laurent la función f (z) = en cada uno de los
− 3z + 2 z2
siguientes dominios: Ω1 ≡ 1 < |z| < 2, Ω2 ≡ |z| > 2, Ω3 ≡ |z| < 1 y Ω4 ≡ 0 < |z − 1| < 1.
Ejercicio 7. Desarrolla las funciones

1 2 cot(z)
cos(z)/z 2 , , e1/z ,
z 2 (z − 1) z2

en serie de Laurent alrededor del origen.


Ejercicio 8. Halla la parte principal del desarrollo en serie de Laurent de la función

8z 3
(z + 1)(z − 1)2

en los puntos z = 1 y z = −1.


Ejercicio 9. Desarrolla en serie de Laurent las siguientes funciones en las regiones que se indican:

1. z m e1/z en |z| > 0, para m ∈ N.

2. exp (1/(1 − z)) en 0 < |z − 1|.


12 Lección 9. Series de Potencias

3. 3z/(z 2 − z − 2) en 1 < |z| < 2.


4. 1/(z − z 2 ) en 0 < |z| < 1, 0 < |z − 1| < 1 y |z| > 1.
5. exp ((z 2 + 1)/z) en 0 < |z| < ∞.
6. 1/[z(z 2 + 1)] en 0 < |z| < 1 y en |z| > 1.
7. (z − 1)/(z + 1) alrededor de z0 = 12 .
8. (z 4 − 1)/(z 3 + 2jz 2 − z) en 0 < |z| < 1, |z| > 1 y 0 < |z + j| < 1.
¯ ¯
9. (z 3 + 3)/(z 3 − 3z 2 + 2z) en 0 < |z| < 1, 1 < |z| < 2, |z| > 2 y ¯z − 32 ¯ > 5.
10. (z 2 − 1)/[(z + 2)(z + 3)] en |z| < 2, 2 < |z| < 3 y |z| > 3.
11. 1/[z(z − 2)] en 0 < |z| < 2 y en |z| > 2.
12. z 2 /[(z − 1)2 (z − 2)] alrededor de z0 = 1.
13. (z − 1)/z 2 en |z − 1| > 1.
14. z/[(z + 2)(1 − z)] en |z| < 1, 1 < |z| < 2, |z| > 2, |z − 1| > 3 y 0 < |z + 2| < 3.
15. ez /z 5 en |z| > 0.
16. sen (z)/(z − 2π)2 alrededor de z0 = 2π.
17. z 6 /(1 − z)3 en torno a z0 = 1.
18. 1/[z 2 (z − 3)2 ] en torno a z0 = 3.

Ejercicio 10. Clasifica las singularidades aisladas de las siguientes funciones:


µ ¶
1 2 sen (z) 1
(1) + (2) (3) exp z +
z2 z2 + 1 z z
1 z
(4) (5) (6) csc(z)
exp(z 2 ) − 1 z2 + z
1 cos z ez − 1
(7) (8) (9)
z (ez − 1) z z(z − 1)
z5 cos (1/z 2 ) ez Log(z 2 + 1)
(10) (11) (12)
z3 + z z2 z(z − 1)
donde el argumento principal se toma en (−π, π].
Ejercicio 11. Construye una función que tenga una singularidad evitable en z = −1, un polo
de orden 3 en z = 0, y una singularidad esencial en z = 1. Encuentra su serie de Laurent en la
corona 0 < |z| < 1.
Ejercicio 12. Considera la función
(2 cos(z) + z 2 − 2) Log(1 − jz)
f (z) = ,
z5
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

donde el argumento principal se toma en (−π, π].


(1) Determina el dominio más grande en el que es analítica.
(2) Encuentra y clasifica sus singularidades aisladas.
(3) Halla tres términos de su desarrollo en serie de Laurent alrededor del origen.
Ejercicios y cuestiones de exámenes de cursos anteriores.
1
Ejercicio 13. Determina los desarrollos en serie de Laurent de f (z) = en todos los
z(z 2
+ 4)
dominios anulares centrados en el origen en los que dichos desarrollos existan.
Ejercicio 14. Considera la función

z+3
f (z) = .
(z − 1)2

(1) Determina y clasifica sus singularidades.


(2) Halla la parte principal del desarrollo en serie de Laurent de f en el punto z0 = 1.
Ejercicio 15. (1) Halla el dominio de analiticidad y clasifica las singularidades aisladas de la
función
Log (1 + z −1 )
f (z) = e1/(z−3) +
z−4
donde Log(w) denota el logaritmo principal de un número complejo w cuando se toma su argu-
mento principal en el intervalo (−π, π].
(2) Determina el dominio de convergencia del desarrollo en serie de Laurent de f en el punto
z0 = 3 y calcula la parte principal de dicho desarrollo.

5 Bibliografía.
Para desarrollar esta lección pueden consultarse los siguientes textos, principalmente el de Churchill
y Brown.
[517.5/2-CHU] R.V. Churchill, J.W. Brown, Variable compleja y aplicaciones, Cap. 5.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 1
[517.5/WUN] W.A. Wunsch, Variable compleja con aplicaciones, Cap. 5, 6 y 7
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 10.

EL TEOREMA DE LOS RESIDUOS.

Curso 2006-07

Puede afirmarse que, de alguna manera, el comportamiento de una función analítica cerca de
sus singularidades aisladas determina cómo es la propia función globalmente. Esto se pone de
manifiesto en el Teorema de los Residuos de Cauchy, uno de los teoremas más importantes de la
teoría de funciones de variable compleja. El residuo de una función analítica en una
P singularidad
aislada es el valor del coeficiente c−1 en su correspondiente desarrollo de Laurent n cn (z − z0 )n .
El Teorema de los Residuos generaliza el Teorema de la Integral de Cauchy a funciones que son
analíticas salvo en un conjunto finito de singularidades, y establece que la integral de una tal
función sobre una curva de Jordan recorrida en sentido positivo es igual al producto de 2πj por
la suma de sus residuos en las singularidades interiores a la curva. Veremos algunas aplicaciones
del Teorema de los Residuos al cálculo de integrales reales impropias.
En la última sección veremos el Principio de Variación del Argumento que relaciona el número
de ceros y el número de polos de una función f (z) interiores a una curva cerrada C con la variación
del argumento de f (z) al recorrer el punto z la curva C en dirección positiva. Como aplicación
del Principio de Variación del Argumento obtendremos el Teorema de Rouché, que relaciona el
número de ceros de dos funciones analíticas en la misma región, y el Criterio de Nyquist, que sirve
para determinar si hay polos de la función de transferencia con parte real positiva en el análisis
de la estabilidad de los sistemas de control. De forma adicional, y aunque esto no corresponde
estrictamente a la teoría de funciones de variable compleja, veremos otro criterio de estabilidad,
llamado Criterio de Routh-Hurwitz.

1 El Teorema de los Residuos


Residuo en una singularidad aislada. Sea z0 una singularidad aislada de una función f .
Entonces, según hemos estudiado en la lección anterior, existe un disco perforado Ω con centro en
z0 , digamos 0 < |z − z0 | < ρ, en el que f es analítica y admite un desarrollo en serie de Laurent

X

c−2 c−1
f (z) = cn (z − z0 )n = · · · + 2
+ + c0 + c1 (z − z0 ) + c2 (z − z0 )2 + · · ·
n=−∞
(z − z0 ) z − z0
2 Lección 10. El Teorema de los Residuos

donde los coeficientes del desarrollo vienen dados por


I
1 f (z)
cn = dz para cada n = 0, ±1, ±2, . . . ,
2πj C (z − z0 )n+1

siendo C cualquier curva de Jordan contenida en Ω, que rodea a z0 y recorremos en sentido


positivo. El coeficiente c−1 tiene un carácter especial ya que, salvo un factor constante, es igual
a la integral de f en C:
I I
1 f (z) 1
c−1 = dz = f (z) dz.
2πj C (z − z0 )(−1)+1 2πj C

Veremos enseguida que esta relación de c−1 con las integrales de f sobre curvas que rodean a
z0 tiene aplicaciones muy interesantes, por eso recibe un nombre especial: el coeficiente c−1 de
la potencia (z − z0 )−1 del desarrollo en serie de Laurent de una función f en una singularidad
aislada z0 se llama residuo de f en z0 y se denota por Res(f, z0 ).
Teorema de los Residuos. Sea f una función analítica en un dominio Ω y sea C una curva de
Jordan contenida en Ω tal que f es analítica en la región interior a C salvo en un número finito
de singularidades aisladas. Entonces la integral de f sobre C es igual a la suma de los residuos
de f en dichas singularidades multiplicada por el factor 2πj. O sea,
I X
m
f (z) dz = 2πj Res(f, zk )
C k=1

donde z1 , z2 , . . . , zm son todas las singularidades aisladas de f rodeadas por C y C se recorre en


sentido positivo.

2 Cálculo de los residuos en los polos


Residuos en los polos simples. Naturalmente, la utilidad del Teorema de los Residuos reside
en la posibilidad de calcular los residuos sin integrar, así que apenas tiene interés práctico si
no se dispone de algún procedimiento sencillo para determinar los residuos. Para singularidades
esenciales no existe ningún método que pueda emplearse de manera sistemática más que usar las
series de potencias de las funciones elementales. La situación es por completo diferente para los
polos, en los que los residuos pueden calcularse mediante derivación. El caso más sencillo es el
de los polos simples.
g(z)
Si f tiene un polo simple en z0 , entonces podemos escribir f (z) = siendo g una función
z − z0
analítica en un círculo centrado en z0 tal que g(z0 ) 6= 0. Entonces, aplicando la Fórmula Integral
de Cauchy, I I
1 1 g(z)
Res(f, z0 ) = f (z) dz = dz = g(z0 )
2πj C 2πj C z − z0
donde C es una curva de Jordan, orientada positivamente, que rodea a z0 tal que g es analítica
en su región interior.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

Alternativamente, desarrollando g en serie de Taylor en z0 obtenemos


g 00 (z0 ) g 000 (z0 )
g(z) g(z0 ) + g 0 (z0 )(z − z0 ) + (z − z0 )2 + (z − z0 )3 + · · ·
f (z) = = 2 3
z − z0 z − z0
00 000
g(z0 ) g (z0 ) g (z0 )
= + g 0 (z0 ) + (z − z0 ) + (z − z0 )2 + · · ·
z − z0 2 3
que es la serie de Laurent de f en z0 . En consecuencia, el residuo de f en z0 es

Res(f, z0 ) = g(z0 ).

Habitualmente sabemos que una función f tiene un polo simple en un punto z0 porque es de
g(z)
la forma f (z) = , donde g y h son dos funciones analíticas en un círculo centrado en z0 tales
h(z)
que z0 es un cero simple de h(z) y g(z0 ) 6= 0. Para usar la fórmula anterior debemos escribir
g(z)/q(z)
h(z) = (z − z0 )q(z), siendo q derivable en z0 con q(z0 ) 6= 0. Entonces f (z) = , con lo
z − z0
cual
g(z0 )
Res(f, z0 ) = .
q(z0 )
h(z)
Ahora bien, como q(z) = siempre que z esté cerca de z0 pero z 6= z0 y q es continua en
z − z0
z0 , obtenemos
h(z)
q(z0 ) = lim q(z) = lim = h0 (z0 ).
z→z0 z→z0 z − z0
En definitiva,
g(z0 )
Res(f, z0 ) = ,
h0 (z0 )
fórmula que sólo depende de las funciones g y h de partida y no requiere calcular previamente la
función q. Debemos resaltar aquí, para ayudar a evitar un error muy común, que esta fórmula
sólo vale cuando z0 es un cero simple de h(z) y g(z0 ) 6= 0. Si, por ejemplo, z0 es un cero doble
de h(z) y un cero simple de g(z), entonces z0 es un polo simple de h(z)/g(z) pero su residuo no
puede calcularse mediante la fórmula g(z0 )/h0 (z0 ) (sí es verdad que hay una fórmula alternativa,
pero algo más complicada).
Ejemplo. Vamos a calcular la integral
I
ez
dz,
C ez + 1
siendo C la circunferencia con centro en el origen y radio 10, usando el Teorema de los Residuos.
Para ello debemos determinar las singularidades del integrando. Tanto el numerador ez como el
denominador ez + 1 son funciones enteras, así que las singularidades del cociente son los ceros
del denominador, es decir, los logaritmos de −1. Puesto que −1 tiene módulo 1 y argumento π,
sus logaritmos son los puntos de la forma

zn = Log(1) + j (arg(−1) + 2nπ) = (2n + 1)πj, con n ∈ Z.


4 Lección 10. El Teorema de los Residuos

En cada uno de estos puntos, tanto el numerador como la derivada del denominador valen ambas
ezn = −1, luego todas son polos simples del integrando y el residuo en todas ellas es 1. Dentro
de la circunferencia C sólo hay cuatro de ellas: −3πj, −πj, πj y 3πj. Por tanto la integral vale:
I
ez
z
dz = 2πj(1 + 1 + 1 + 1) = 8πj.
C e +1

Residuos en los polos múltiples. Para un polo de orden N > 1 la situación es un poco más
complicada. En ese caso podemos escribir f (z) = (z − z0 )−N g(z) siendo g una función analítica
en un círculo centrado en z0 . Entonces, aplicando la Fórmula Integral de Cauchy para la derivada
(N − 1)-ésima
I I
1 1 g(z) g (N−1) (z0 )
Res(f, z0 ) = f (z) dz = dz = .
2πj C 2πj C (z − z0 )N (N − 1)!
donde C es una curva de Jordan, orientada positivamente, que rodea a z0 tal que g es analítica
en su región interior.
Alternativamente, desarrollando g en serie de Taylor en z0 obtenemos

g(z) X g (n) (z0 )


∞ X g (n) (z0 )

−N n
f (z) = = (z − z0 ) (z − z0 ) = (z − z0 )n−N
(z − z0 )N n=0
n! n=0
n!

que es la serie de Laurent de f en z0 . Por tanto, el residuo de f en z0 se obtiene tomando


n = N − 1 en el sumatorio y vale
g (N−1) (z0 )
Res(f, z0 ) = .
(N − 1)!
Para usar esta fórmula en la práctica, necesitamos expresar g en términos de f , lo que se hace
poniendo g(z) = (z − z0 )N f (z). Entonces,

1 dN−1 ¡ ¢
Res(f, z0 ) = lim N−1 (z − z0 )N f (z)
(N − 1)! z→z0 dz
En particular, para un polo doble nos queda
¡ ¢0
Res(f, z0 ) = lim (z − z0 )2 f (z)
z→z0

Hay que tener en cuenta, sin embargo, que en general resulta más comodo usar las propiedades
de las series de potencias, sobre todo la regla para dividir, que la fórmula cuando el polo es triple
o de mayor orden.
Ejemplo. Consideremos la función
cot(πz) cos(πz)
f (z) = 2
= 2 .
z z sen (πz)
Entonces las singularidades de f (z) son z0 = 0 y los ceros de la función sen (πz) que son los
puntos zn = n con n ∈ Z. Puesto que cos(πzn ) = cos(nπ) = (−1)n , tenemos que z0 = 0 es un
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

polo triple de f y cada entero zn = n 6= 0 es un polo simple de f . Calculamos ahora los residuos
correspondientes. Para n 6= 0:

cos(πz)/z 2 (−1)n /n2 1


Res(f, zn ) = 0 (z = n) = n
= .
(sen (πz)) π(−1) πn2

Por otro lado, para n = 0 tendríamos que calcular


µ ¶00 µ ¶00
1 3 cos(πz) 1 cos(πz)
Res(f, z0 ) = lim z 2 = lim z .
2 z→0 z sen (πz) 2 z→0 sen (πz)

Podemos derivar las dos veces requeridas y tomar límite comprobando que el residuo es −π/3.
Sin embargo, es más fácil obtener el valor del residuo a partir del desarrollo en serie de Laurent
c−3 c−2 c−1
f (z) = + 2 + + c0 + c1 z + · · ·
z3 z z
Imponiendo
z 2 sen (πz)f (z) = cos(πz)
y escribiendo los correspondientes desarrollos queda:
µ ¶³ ´
2 (πz)3 c−3 c−2 c−1 (πz)2 (πz)4
z πz − +··· + + + · · · = 1 − + − ··· .
6 z3 z2 z 2 4!
Si ahora simplificamos,
µ ¶
π3 z 2 ¡ ¢ π2z 2 π4z4
π− + ··· c−3 + c−2 z + c−1 z 2 + · · · = 1 − + − ··· .
6 2 4!
Multiplicamos e identificamos los coeficientes:
1
πc−3 = 1 ⇒ ,
c−3 =
π
πc−2 = 0 ⇒ c−2 = 0,
π 3 c−3 −π 2 −π 2 π 2 −π
πc−1 − = ⇒ πc−1 = + ⇒ c−1 = .
6 2 2 6 3
La parte principal del desarrollo de f en z0 es, entonces,
1 π
3
− .
πz 3z
En particular, el residuo de f en 0 es −π/3.

3 Cálculo de integrales impropias


Una de las primeras aplicaciones del Teorema de los Residuos fue el cálculo de algunas integrales
reales impropias cuyo integrando admite una primitiva que es muy difícil de calcular o ni siquiera
6 Lección 10. El Teorema de los Residuos

es expresable en términos de funciones elementales. La idea es interpretar el integrando como


una función de variable compleja, integrar esta función sobre una curva de Jordan adecuada,
usando el Teorema de los Residuos, y tomar límites de manera que una parte de la curva tienda
al trozo del eje real donde esté definida nuestra integral de partida y el límite de la integral en el
resto de la curva pueda ser estimado fácilmente. Veremos algunos casos simples que no agotan,
ni mucho menos, el catálogo de integrales que pueden evaluarse de esta manera.
Integrales de funciones racionales sin polos en el eje real.
Sean p y q dos polinomios tales que q no tiene raíces reales. Si gr(p) + 2 ≤ gr(q), entonces la
integral impropia de p/q en R converge y se tiene
Z ∞ X
p(x)
dx = 2πj Res(p/q, z)
−∞ q(x) Im(z)>0

donde la suma está extendida a todas las raíces del polinomio q situadas en el semiplano superior.
Z ∞
1
Ejemplo. Para calcular la integral 4
dx, observemos que los polos de la función f (z) =
−∞ 1 + x
1
son las raíces cuartas de −1; a saber, ejπ/4 , e3jπ/4 , e5jπ/4 y e7jπ/4 . De éstas, únicamente
1 + z4
las dos primeras se encuentran en el semiplano superior y los residuos correspondientes son

1 e−3jπ/4
Res(f, ejπ/4 ) = (z = ejπ/4
) = ,
4z 3 4
1 e−jπ/4
Res(f, e3jπ/4 ) = 3 (z = e3jπ/4 ) = .
4z 4
Por tanto, Z ∞
1 2πj ¡ −3jπ/4 −jπ/4
¢ 2πj √ π
4
dx = e + e = (−j 2) = √ .
−∞ 1+x 4 4 2
Integrales de Fourier. Las integrales que aparecen en la teoría de la Transformada de Fourier
son del tipo Z ∞ Z ∞
−jωt
f (t)e dt o bien F (ω)ejωx dω.
−∞ −∞

Como ambas tienen la misma estructura, bastará con que veamos cómo se aplica el teorema de
los residuos para calcular una integral de la forma
Z ∞
f (x)e−jax dx
−∞

donde a > 0 y y f (x) es la restricción al eje real de una función de variable compleja f (z). Si
f (z) es analítica en el semiplano superior, salvo un número finito de singularidades aisladas, y
tal que lim f (z) = 0, entonces
z→∞
Z ∞ X
f (x)ejax dx = 2πj Res(f (z)ejaz , z)
−∞ Im(z)>0
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

donde la suma está extendida a todas las singularidades de f situadas en el semiplano superior.
Separando la igualdad anterior en partes real e imaginaria obtenemos
 
Z ∞ X
f (x) cos(ax) dx = Re 2πj Res(f (z)ejaz , z) ,
−∞ Im(z)>0
 
Z ∞ X
f (x)sen (ax) dx = Im 2πj Res(f (z)ejaz , z) .
−∞ Im(z)>0

Existen fórmulas similares cuando a < 0, en cuyo caso se usan las singularidades del semiplano
inferior. Sin embargo, el caso a < 0 también puede tratarse haciendo el cambio de variables
u = −x en la integral.
Ejemplo. Vamos a calcular el valor de la siguiente integral real
Z ∞ 2
x cos(3x)
dx.
0 (x2 + 1)2
Esta integral es absolutamente convergente ya que
¯ 2 ¯
¯ x cos(3x) ¯ 1
¯ ¯
¯ (1 + x2 )2 ¯ 6 1 + x2 , para todo x ∈ R.

Puesto que las funciones que aparecen son pares, podemos escribir
Z ∞ 2 Z Z ∞
x cos(3x) 1 ∞ x2 cos(3x) 1 x2 e3jx
dx = dx = Re dx.
0 (x2 + 1)2 2 −∞ (x2 + 1)2 2 2
−∞ (x + 1)
2

Esta última es una integral de Fourier que no tiene singularidades en el eje real, así que, si
consideramos la función
z 2 e3jz
f (z) = 2 ,
(z + 1)2
entonces la integral pedida es igual a la parte real de 2πj veces la suma de los residuos de f en
las singularidades que tenga en el semiplano superior. Puesto que las únicas singularidades de f
son los puntos ±j, que son polos dobles, obtenemos
Z ∞
x2 e3jx
2 2
dx = 2πj Res(f, z = j).
−∞ (x + 1)

Para hallar el residuo, como se trata de un polo doble, calculamos


µ 2 3jz
¶0
2 z e
Res(f, j) = lim (z − j) 2
z→j (z + 1)2
µ 2 3jz ¶0
z e (2z + 3jz 2 )e3jz (z + j)2 − 2(z + j)z 2 e3jz
= lim = lim
z→j (z + j)2 z→j (z + j)4
(2j − 3j)e−3 (−4) − 2(2j)(−1)e−3 1
= = je−3 .
16 2
8 Lección 10. El Teorema de los Residuos

Entonces Z ∞
x2 e3jx 1
2 2
dx = 2πj je−3 = −πe−3 ,
−∞ (x + 1) 2
luego Z ∞
x2 cos(3x) π
2 2
dx = − e−3 .
0 (x + 1) 2
Integrales con polos en el eje real. Existen integrales de Fourier, como la integral
Z ∞ jωz Z ∞ Z ∞
e cos(ωz) sen (ωz)
dz = dz + j dz,
−∞ z −∞ z −∞ z
que poseen singularidades en el eje real y que, sin embargo, convergen (como la parte imaginaria
de la anterior) o, al menos, tienen valor principal de Cauchy (como la parte real de la anterior).
Veamos cómo podemos usar el teorema de los residuos para calcularlas.
Sea f una función analítica en el semiplano superior, incluyendo el eje real, excepto en una
cantidad finita de puntos, algunos de los cuales pueden ser reales. Supongamos que todos los
polos reales de f son simples y que
Z
lim f (z) dz = 0,
R→∞ CR

donde CR es la mitad superior de la circunferencia con centro en 0 y radio R. Entonces el valor


principal de Cauchy de la integral de f en la recta real existe y vale
Z ∞ X X
V PC f (z) dz = 2πj Res(f, z) + πj Res(f, z),
−∞ Im(z)>0 Im(z)=0

donde el primer sumatorio se extiende a las singularidades de f en el semiplano superior y el


segundo a los polos reales.
Podemos aplicar esta fórmula en los siguientes casos: (a) cuando f es una función racional
cuyos polos reales son simples y en la que el grado del denominador es, al menos, dos unidades
más grande que el del numerador y (b) cuando f es de la forma f (z) = g(z)ejωz donde ω > 0 y g
es una función racional cuyos polos reales son simples y en la que el grado del denominador es, al
menos, una unidad más grande que el del numerador. Por otro lado, es importante observar que
este resultado no garantiza la convergencia de la integral impropia, sino únicamente la existencia
del valor principal de Cauchy.
Lema. Si f (z) tiene un polo simple en z = z0 y Cr es la mitad superior de la circunferencia de
radio r dada por z(t) = z0 + rejt con 0 6 t 6 π, entonces se verifica
Z
lim f (z) dz = πj Res(f, z0 ).
r→0 Cr

Ejemplo. Calcularemos la integral


Z ∞
xsen (πx)
dx
−∞ x4 − 1
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

que se trata de una integral real con ceros reales en el denominador, los puntos −1 y 1, que
coinciden con sendos ceros del numerador ya que sen (−π) = sen (π) = 0. Como la función está
acotada para x grande por una del tipo x−3 , la integral converge. Para hallar su valor escribimos
Z ∞ Z ∞
xsen (πx) xejπx
4
dx = Im 4
dx.
−∞ x − 1 −∞ x − 1

Consideremos la función compleja


zejπz
f (z) =.
z4 − 1
Esta función tiene como singularidades los ceros de su denominador, que son los puntos −1, 1,
−j y j. Entonces, sabemos que el valor principal de Cauchy de la última integral anterior vale
Z ∞
xejπx
V PC 4
dx = 2πj Res(f, z = j) + πj Res(f, z = −1) + πj Res(f, z = 1).
−∞ x − 1

Calculemos estos residuos. Las cuatro singularidades son polos simples, así que si z0 denota una
cualquiera de ellas, entonces
zejπz z0 ejπz0
Res(f, z0 ) = (z = z0 ) = .
(z 4 − 1)0 4z03
Por tanto
jejπj −e−π
Res(f, j) = = ,
4j 3 4
−e−πj −1
Res(f, −1) = = ,
−4 4
eπj −1
Res(f, 1) = = .
4 4
Luego tenemos
Z ∞
xejπx −e−π −1 −1 πj(−e−π − 1)
V PC dx = 2πj + πj + πj = .
−∞ x4 − 1 4 4 4 2
Finalmente: Z ∞ µ ¶
xsen (πx) πj(−e−π − 1) π −π
dx = Im = − (e + 1).
−∞ x4 − 1 2 2

Integrales de Poisson. En la Lección 8 hemos estudiado la Fórmula Integral de Poisson para


resolver un problema de Dirichlet en el círculo unidad.RCuando la función dada en la frontera es

una función racional, aparecerá una integral del tipo 0 Φ (sen (t), cos(t)) dt, donde Φ(x, y) es
un cociente de polinomios de dos variables. Podemos ver esta integral como la que se obtiene al
calcular una integral de variable compleja sobre la circunferencia unidad C parametrizando ésta
mediante z(t) = ejt con 0 ≤ t ≤ 2π. Concretamente,
Z 2π I
¡ ¢ dz
Φ (sen (t), cos(t)) dt = Φ (z − z −1 )/(2j), (z + z −1 )/2
0 C jz
10 Lección 10. El Teorema de los Residuos

integral que podemos calcular aplicando el teorema de los residuos a la función


Φ ((z − z −1 )/(2j), (z + z −1 )/2)
f (z) = .
jz
Z 2π
dt 1
Ejemplo. Para calcular , ponemos z = ejt , con lo que cos(t) = (z + z −1 ) y
0 2 + cos(t) 2
dz
dt = y, entonces,
jz
Z 2π I I
dt dz 2 dz
= £ 1
¤= ,
0 2 + cos(t) C jz 2 + 2 (z + z −1 ) j C z 2 + 4z + 1

donde C es la circunferencia unidad.


√ Las singularidades del integrando son√las soluciones de
z 2 + 4z + 1 = 0, que son −2 ± 3. De éstas, la única interior a C es −2 + 3 que es un polo
1
simple de f (z) = 2 con residuo
z + 4z + 1
√ 1 √ 1
Res(f, −2 + 3) = (z = −2 + 3) = √ .
2z + 4 2 3
En consecuencia,
Z 2π I √
dt 2 dz 2 2π
= 2
= 2πj Res(f, −2 + 3) = √ .
0 2 + cos(t) j C z + 4z + 1 j 3

4 El Principio del Argumento


Número de ceros y polos encerrados por una curva. Sea f una función analítica en un
dominio Ω y sea C una curva de Jordan contenida en Ω tal que f no se anula en ninguno de
sus puntos. Sea N el número de ceros de f en la región interior a la curva C contados tantas
veces como indica su multiplicidad. Supongamos que las únicas singularidades de f en la región
interior a la curva C son polos y sea P el número de polos de f en dicha región contados tantas
veces como indica su multiplicidad. Entonces
I 0
1 f (z)
dz = N − P.
2πj C f (z)

Existe una interpretación geométrica de este resultado que es de interés en algunas aplica-
ciones. Para ello estudiamos cómo es la imagen Γ de la curva C bajo la transformación w = f (z).
Sabemos que Γ = f (C) será una curva en el plano de la variable w que no pasa por el origen
de coordenadas porque f (z) 6= 0 sobre C y la pregunta que nos planteamos es ¿cuántas vueltas
da Γ alrededor del origen? Para calcular este número de vueltas, fijemos un punto w0 = f (z0 )
y una rama inicial del argumento, digamos arg(w0 ) = θ0 ∈ [0, 2π). Al recorrer la curva C en
sentido positivo partiendo de z0 , recorremos la curva Γ, pero vamos a hacerlo de manera que
los valores del argumento de w = f (z) varíen de forma continua; es decir, si damos una vuelta
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

alrededor del origen, no damos un salto en el valor del argumento. Al terminar volvemos a w0
pero el argumento, que ha variado de forma continua, será un valor θ1 tal que θ1 − θ0 = 2πn
para algún número entero n que es, precisamente, el número de vueltas que da Γ alrededor del
origen. Entonces 2πn se denomina variación del argumento de f en la curva C, será positivo o
negativo según que las vueltas se den en el sentido positivo o negativo, y se suele representar por
∆C arg(f ). Pues bien, la variación del argumento coincide con 2π(N − P ).
Principio de Variación del Argumento. Sea f una función analítica en un dominio Ω y sea
C una curva de Jordan contenida en Ω tal que f no se anula en ninguno de sus puntos. Sea N
el número de ceros de f en la región interior a la curva C contados tantas veces como indica su
multiplicidad. Supongamos que las únicas singularidades de f en la región interior a la curva C
son polos y sea P el número de polos de f en dicha región contados tantas veces como indica su
multiplicidad. Entonces la variación del argumento de f en la curva C es

I I
1 1 dw 1 f 0 (z)
∆C arg(f ) = = dz = N − P.
2π 2πj Γ w 2πj C f (z)

Teorema de Rouché. Sea C una curva de Jordan y sean f y g dos funciones analíticas en un
dominio que incluye la curva C y la región interior de dicha curva. Si |f (z)| > |g(z)| para todo
z ∈ C, entonces las funciones f y f + g tienen el mismo número de ceros, contados tantas veces
como indiquen sus multiplicidades, en la región interior a la curva C.
El Criterio de Estabilidad de Nyquist. El ingeniero americano H. Nyquist (1889—1976)
introdujo en 1932 una forma práctica de determinar la estabilidad de un sistema usando el
Principio de Variación del Argumento. Para que el sistema sea estable, los polos de la función de
transferencia G(s) deben tener parte real negativa. Supongamos que la función de transferencia es
una función racional de la forma G(s) = 1/q(s) (que es el caso más habitual). Entonces los polos
de G(s) son las raíces de q(s) y la estabilidad depende del signo de la parte real de dichas raíces.
Para hallar el número de raíces de q(s) con parte real positiva, consideremos la semicircunferencia
C de radio R, situada en el semiplano derecho, cuyo centro es el origen de coordenadas y cuyo
diámetro es el segmento [−jR, jR] del eje imaginario. Tomando R suficientemente grande, la
curva C encerrará en su interior todos las raíces de q con parte real positiva. Por el Principio de
Variación del Argumento, el número de dichas raíces coincidirá con la variación del argumento de
q al recorrer la curva C, es decir, con el número de vueltas que da la curva imagen q(C) alrededor
del origen. Esta curva imagen q(C) consta de dos trozos: la imagen del arco semicircular de C y
la imagen del segmento [−jR, jR]. Como q es un polinomio y R es grande, la imagen del trozo
semicircular es aproximadamente un arco circular que no hace falta trazar con mucho detalle.
La imagen del segmento [−jR, jR] sí hay que dibujarla con detalle y, al unirla con la anterior,
nos proporciona la curva imagen q(C). El interés práctico reside en que la imagen del segmento
es relativamente fácil de visualizar en un osciloscopio porque los puntos del segmento[−jR, jR]
son de la forma jω para −R ≤ ω ≤ R, con lo que sus imágenes son q(jω) = 1/G(jω), es decir,
inversos de los valores de la respuesta frecuencial del sistema.
El Criterio de Estabilidad de Routh-Hurwitz. Este criterio sirve para determinar la
estabilidad de un sistema en el que la función de transferencia es una función racional cuyo
denominador es un polinomio q(s) = sn + a1 sn−1 + a2 sn−2 + · · · + an−1 s + an con coeficientes
12 Lección 10. El Teorema de los Residuos

reales. Para ello, construimos la matriz


 
a1 a3 a5 ··· 0
 1 a2 a4 ··· 0 
 
 0 a1 a3 ··· 0 
 
H= 0 1 a2 ··· 0 
 
 .. .. .. .. 
 . . . . 
0 0 0 · · · an

y se verifica que todas las raíces de q tienen parte real negativa si, y sólo si, todos los coeficientes
a1 , a2 , . . . , an y todos los menores principales de la matriz H son positivos; es decir
¯ ¯
¯ a1 a3 a5 · · · 0 ¯
¯ ¯
¯ ¯ ¯ 1 a2 a4 · · · 0 ¯
¯ ¯ ¯ a1 a3 a5 ¯ ¯ ¯
¯ a1 a3 ¯ ¯ ¯ ¯ 0 a1 a3 · · · 0 ¯
a1 > 0, ¯¯ ¯ > 0, ¯ 1 a2 a4 ¯ > 0, . . . , ¯¯ ¯
¯ > 0.
1 a2 ¯ ¯
¯ 0 a1 a3 ¯
¯ ¯ 0 1 a2 · · · 0 ¯
¯ .. .. .. .. ¯¯
¯ . . . . ¯
¯
¯ 0 0 0 · · · an ¯

Observemos que con este criterio obtenemos, directamente, la estabilidad asintótica del sistema;
no el número de ceros a cada lado del eje imaginario.

5 Ejercicios
Ejercicio 1. (1) Estudia las singularidades aisladas de la función
Log(1 + jz)
f (z) =
(z 3
− z 2 )(e2z + 1)
donde el argumento principal se toma en (−π, π].
(2) Halla los tres primeros términos del desarrollo en serie de f (z) alrededor del origen y
determina el disco perforado en el que dicho desarrollo es válido.
(3) Calcula la integral de f sobre la circunferencia centrada en 1/2 y de radio unidad recorrida
en sentido positivo.
Ejercicio 2. Escribe una función f que tenga un polo doble en z = 0 con residuo 1, un polo
simple en z = j con residuo 2j y que sea analítica en el resto del plano complejo. ¿Cuánto vale
la integral de f 0 (z)/f (z) a lo largo de la circunferencia con centro en el punto 1 y radio 4?
1 + Log(z 2 )
Ejercicio 3. Determina y clasifica las singularidades de la función f (z) = , donde
Log(z + 2)
el argumento principal se toma en (−π, π]. ¿Cuánto vale el residuo de f en −1?
I
dz
Ejercicio 4. Calcula, aplicando el teorema de los residuos, 2
sobre las circunferencias
C z +1
C(j, 1), C(−j, 1) y C(0, 2).
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 13

Ejercicio 5. Calcula los residuos en las singularidades aisladas de las siguientes funciones:

z3 + z2 + 2 sen (2z) ez
(1) (2) (3)
z 3 (z 2 − 1)2 1+z z(1 − z)
ez 1 1
(4) 2 2 (5) z (6)
z (z + 4) e −1 sen (z)
z n−1 z 2 − 2z
(7) tan(z) (8) n (n ∈ N) (9)
z + an (z + 1)2 (z 2 + 4)
1 z2 1
(10) (11) (12) .
z4 +1 (z − 2)(z 2 + 1) z(z + 2)3

Ejercicio 6. En los siguientes casos, calcula la integral de la función f (z) que se da a lo largo
de la curva que se indica:

(1) f (z) = z n e2/z en C(0, 5).


z 2 e−1/z
(2) f (z) = en |z| + |z + 3j| = 4.
1 + z2
1
(3) f (z) = en ρ = 2 |sen (θ/2)| (en polares).
1 + z4
1
(4) f (z) = en 2x2 + y 2 = 4.
1 + z3
¡ ¢
(5) f (z) = (1 + z + z 2 ) e1/z + e1/z−1 + e1/z−2 en C(0, 3).
z
(6) f (z) = en C(0, 5).
sen (z) (1 − cos(z))
z
(7) f (z) = e1/z en |z| + |z − 3| = 4.
1 − z2
3(z − 1)2 − 1
(8) f (z) = 3 en el rectángulo de lados z = 0, z = 2, y = ±2.
z − 3z 2 + 4z − 2
cosh(z)
(9) f (z) = en el cuadrado de vértices ±2 ± 2j.
z3
ez
(10) f (z) = en el rectángulo de lados x = ±1, y = a, y = a + 4.
z(z 2 + π 2 )
z
(11) f (z) = z2 en el cuadrado de vértices ±2 ± 2j.
e −1

2 cos(z) + z 2 − 2
Ejercicio 7. Considera la función f (z) = , donde el argumento principal
z 2 (ez − 1)Log(1 − jz 2 )
se toma en (−π, π].
(1) Determina dónde es analítica y clasifica sus singularidades aisladas
(2) Determina los tres primeros términos del desarrollo en serie de Laurent de la función f
alrededor del origen.
(3) Si
I C es el rectángulo cuyos vértices son los puntos (0.2, 9), (−0.2, 9), (−0.2, −9) y (0.2, −9),
calcula f (z) dz.
C
14 Lección 10. El Teorema de los Residuos

1
Ejercicio 8. Considera la función f (z) = .
z 2 senh(z)
(1) Estudia y clasifica sus singularidades aisladas.
(2) Determina la parte principal de su desarrollo en serie de Laurent alrededor del origen.
I
(3) Calcula f (z) dz, siendo C la circunferencia con centro en el origen y radio 4.
C
Ejercicio 9. (1) Halla y clasifica las singularidades de la función

1
f (z) = .
z (3sen (z) + j cos(z))

(2) Halla los tres primeros términos del desarrollo en serie de Laurent de f en el origen,
indicando en qué disco perforado es válido dicho desarrollo.
(3) Calcula la integral de f sobre a circunferencia unidad recorrida en sentido positivo.
Ejercicio 10. (1) Prueba que si x es un número real y positivo, entonces

Log(x + j) + Log(−x + j) = log(x2 + 1) + πj,

donde el argumento principal se toma en (−π, π] y log(·) es el logaritmo neperiano real usual.
Log(z + j)
(2) ¿Dónde es analítica la función f (z) = ?
z2 + 1
I
(3) Calcula la integral f (z) dz, siendo CR la curva cerrada formada por la mitad superior
CR
de la circunferencia con centro en el origen y radio R, y el trozo del eje real comprendido entre
−R y R.
Z ∞
log(x2 + 1)
(4) Tomando límites cuando R → ∞ en el apartado anterior, calcula dx.
0 x2 + 1
Ejercicio 11. Comprueba los siguientes resultados. (Los parámetros que aparecen se supone
que son reales).
Z ∞ Z ∞
x2 π dx π(2n − 2)!
(1) dx = (2) = (n ∈ N)
2 2
−∞ (x + a )
2 2a 0
2
(1 + x )n
((n − 1)!)2 22n−2
Z ∞
√ Z ∞
x2 + 1 π 2 dx π
(3) dx = (4) =
0 x4 + 1 2 2
−∞ (x + 4x + 5)
2 2
Z ∞ Z ∞
dx dx
(5) 2
=π (6) 2
= π.
−∞ x + 2x + 2 −∞ (x − a) + 1

Ejercicio 12. Comprueba que las siguientes integrales valen lo que se indica. (Los parámetros
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 15

que aparecen se supone que son reales).


Z ∞ Z ∞
x cos(x) π cos(x) π
(1) 2
dx = e−3 (cos(1) − 3sen (1)) (2) 2
dx =
−∞ x − 2x + 10 3 −∞ 1 + x e
Z Z

sen 2 (kx) π ¡ −2ka
¢ ∞
xsen (πx) π
(3) dx = 1 − e (a, k > 0) (4) dx = 2π
0 x2 + a2 4a 2
−∞ x − 4x + 8 e
Z ∞ Z ∞
xsen (ax) π xsen (x)
(5) 4
dx = e−a sen (a) (a > 0) (6) 2 2
dx = πe−a .
−∞ x +4 2 −∞ x + a

Ejercicio 13. Prueba las siguientes igualdades (los parámetros que aparecen se supone que son
reales):
Z 2π Z π
1 2π cos(2t) πa2
(1) dt = √ 2 (a > 1) (2) dt = (|a| < 1)
0 a + cos(t) a −1 0 1 − 2a cos(t) + a2 1 − a2
Z 2π Z 2π
dt 5π dt 2π
(3) 2 dt = (4) = (a, b > 0)
0 (5 − 3sen (t)) 32 0 a2 cos2 (t) + b2 sen 2 (t) ab
Z 2π Z 2π
sen (3t) dt 2π
(5) dt = 0 (6) 2
= .
0 5 − 3 cos(t) 0 1 − 2a cos(t) + a 1 − a2

Ejercicio 14. Halla el número de raíces de z 4 + 5z + 1 = 0 en los círculos de centro 0 y radios


1 y 2, respectivamente, aplicando el Teorema de Rouché.
Ejercicio 15. Prueba que z − ez + a = 0 (a > 1) tiene sólo una raíz en el semiplano izquierdo.
Ejercicio 16. Determina el número de raíces de las siguientes ecuaciones en el interior del disco
unidad.

(1) z 5 + 8z + 10 = 0.
(2) z 8 − 2z 5 + z 3 − 8z 2 + 3 = 0.
(3) z 6 + 3z 5 − 2z 2 + 2z − 9 = 0.
(4) z 7 − 7z 6 + 4z 3 − 1 = 0.

Ejercicio 17. Determina el número de raíces con parte real positiva de los siguientes polinomios
aplicando el criterio de Nyquist.

x2 + 2x − 3, x3 + 2x2 + 2x + 1, x3 + 2x2 + 2x + 1, x3 + x2 + 9x + 4.

Ejercicio 18. Prueba que el polinomio p(z) = z 3 + z 2 + 9z + 4 no tiene raíces en el semiplano


derecho aplicando tanto el Criterio de Nyquist como el de Routh-Hurwitz.
Ejercicio 19. Determina la estabilidad de los sistemas cuyas funciones de transferencia vienen
16 Lección 10. El Teorema de los Residuos

dadas por
1
G1 (s) = ,
+ s4 8s2
+ 24s2 + 32s − 65
1
G2 (s) = 4 ,
s + 6s3 + 5s2 − 2s − 10
1
G3 (s) = 4 ,
s + s + s3 + s + 1
3

usando tanto el Criterio de Nyquist como el de Routh-Hurwitz.


Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 20. Enuncia y demuestra el Teorema de los Residuos.
Ejercicio 21. (1) Sean f y g dos funciones analíticas en un dominio Ω y sea z0 ∈ Ω un cero
simple de g en el que f (z0 ) 6= 0. Prueba que
µ ¶
f (z) f 0 (z0 )g 0 (z0 ) − f (z0 )g00 (z0 )
Res , z0 = .
[g(z)]2 [g0 (z0 )]3

ez
(2) Aplica esta fórmula para hallar el residuo de la función en el origen.
[sen (z)]2
I
1
Ejercicio 22. Calcula dz siendo C la circunferencia con centro en el punto j y
C (z 2 + 4)2
radio igual a 2.
Ejercicio 23. Sea f la función compleja dada por
µ ¶
zj
Log 1 −

f (z) := 2 jz
z (e + 1 − 2 cos(z))

donde Log(w) indica el logaritmo principal de un número complejo w cuando el argumento


principal de w es el que pertenece al intervalo (−π, π].
(1) Halla el dominio de analiticidad de f y clasifica sus singularidades aisladas.
(2) Halla la parte principal del desarrollo en serie de Laurent de f en z0 = 0 e indica en qué
dominio es válido dicho desarrollo.
(3) Calcula las integrales
I I
f 0 (z)
f (z) dz y dz
C C f (z)

siendo C la elipse de ecuación |z| + |z − 2π| = 4π.


z
Ejercicio 24. (1) Halla los desarrollos de la función f (z) = en serie de Laurent en
z2 − 3z + 2
todos los dominios anulares centrados en el punto z1 = 1.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 17

(2) Sea C elI triángulo de vértices M = 1/2, N = 3 + j y P = 3 − j recorridos en el orden


dado. Calcula f (z) dz.
C
Ejercicio 25. (1) Halla el dominio de analiticidad y clasifica las singularidades aisladas de la
función
Log (1 + z −1 )
f (z) = e1/(z−3) +
z−4
donde Log(w) denota el logaritmo principal de un número complejo w cuando se toma su argu-
mento principal en el intervalo (−π, π].
(2) Determina el dominio de convergencia del desarrollo en serie de Laurent de f en el punto
z0 = 3 y calcula la parte principal de dicho desarrollo.
(3) Calcula la integral de f sobre la circunferencia con centro en z1 = 3 y radio 2.
Ejercicio 26. Usa la aplicación del Teorema de los Residuos al cálculo de integrales de Fourier
1
para hallar la transformada de Fourier inversa de la función F (ω) = .

Ejercicio 27. Calcula Z ∞
sen (2x)
2
dx.
−∞ x + 2x + 5

Ejercicio 28. Calcula la integral


Z ∞
cos(x)
dx.
−∞ x2 − 2x + 10

1
Ejercicio 29. Calcula la transformada de Fourier de la señal f (t) = .
t2− 6t + 10
Ejercicio 30. Sea z0 un polo triple de una función f (z). ¿Qué tipo de singularidad tiene en z0
la función f 0 (z)/f (z)? ¿cuánto vale su residuo? Razona tus respuestas.
Ejercicio 31. (1) Enuncia el Teorema de Rouché.
(2) Determina el número de ceros de la función h(z) = ez − 6z 3 en el interior del círculo
unidad.
Ejercicio 32. (1) Halla y clasifica las singularidades de la función
Log(z 2 + 1) − z 2
f (z) = .
z 3 (sen (πz))2

(2) Halla los tres primeros términos del desarrollo en serie de Laurent de f alrededor de
z0 = 0.
(3) Usando el Teorema de Rouché, determina el número de raíces del polinomio p dado por
p(z) = z 6 + z 5 + z 2 en el interior del círculo C(0, 3/4) con centro en el origen y radio 3/4.
(4) Sea C la frontera del conjunto
Ω = {z ∈ C : |Re z| ≤ 1/2, |Im z| ≤ 1/2} .
18 Lección 10. El Teorema de los Residuos

Calcula I µ ¶
1
f (z) + dz.
C z + z5 + z2
6

Ejercicio 33. El dibujo muestra el diagrama de Nyquist de un polinomio f (z) de grado 5;


es decir, la imagen por f (z) del segmento [−jR, jR] del eje imaginario, con R suficientemente
grande, recorrida en el sentido que se indica. ¿Cuántos ceros de f (z) tienen parte real positiva?
Razona tu respuesta.

f ( jR )

f ( − jR )

Ejercicio 34. Aplica el criterio de Nyquist para determinar el número de ceros con parte real
positiva de p(x) = x4 − 6x − 1.

6 Bibliografía.
[517.5/2-CHU] R.V. Churchill, J.W. Brown, Variable compleja y aplicaciones, Cap. 6.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 1.
[517.5/WUN] W.A. Wunsch, Variable compleja con aplicaciones, Cap. 5, 6 y 7.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 1

Curso 2o . Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 11.

LA TRANSFORMACIÓN Z.

Curso 2006-07

Dedicamos esta una lección a introducir una herramienta –la transformación Z– muy útil para
el análisis de sistemas discretos; es decir, sistemas en los que se trabaja con señales cuyos valores
han sido obtenidos a intervalos regulares de tiempo.
La transformación Z es, hablando sin mucha precisión, la versión discreta de la transformada
de Laplace y se usa, entre otras aplicaciones, para resolver ecuaciones en diferencias de modo
análogo a como se usa la transformada de Laplace para resolver las ecuacionesP diferenciales. Si
y = (y[n]) es una señal discreta, su transformada Z es la serie de Laurent n y[n]z −n . La teoría
estudiada nos permitirá obtener las principales propiedades de la transformada Z que se refieren
a su linealidad, la influencia de las traslaciones en el tiempo y la multiplicación por la variable
temporal. Luego estudiaremos su aplicación a los sistemas lineales discretos y, en particular, a
las ecuaciones en diferencias.

1 Señales en tiempo discreto


Una señal en tiempo continuo (señal continua o señal analógica) es una colección y(t) de valores
representativos de un fenómeno temporal que se miden de manera continua en el tiempo t, por
ejemplo un registro musical. Desde el punto de vista matemático, una señal continua no es más
que una función continua de la variable temporal t ∈ R → y(t) ∈ R y a este tipo de señales
hemos dedicado ya una parte de esta asignatura.
Una señal en tiempo discreto (señal discreta o señal digital) es una secuencia (y[n]) de valores
representativos de un fenómeno temporal que se miden en instantes de tiempo discretos, por
ejemplo el índice semanal de un mercado de valores. Desde el punto de vista matemático, una
señal en tiempo discreto es una sucesión de números reales o complejos.
En muchos de los problemas que se plantean en la Ingeniería de Telecomunicación el objetivo
es tratar las señales continuas mediante un computador, lo cual requiere, al menos, discretizarlas
y, tras el tratamiento adecuado (limpieza de ruidos, filtrado, etc,) construir, a partir de la señal
discreta obtenida, una nueva señal continua. Supongamos que partimos de una señal continua
y(t). Para procesar esta señal con un computador, la discretizamos de manera que cada T
2 Lección 11. La Transformación Z

segundos tomamos una muestra de la señal hasta obtener un total de, digamos, N muestras.
Puesto que tomamos muestras cada T segundos, hay T −1 muestras por segundo y, se dice,
entonces, que la frecuencia de muestreo es de T −1 Hz.
De esta forma generamos una señal discreta que es una secuencia finita de valores de la señal
original. Podemos representar esta secuencia con la siguiente notación: Si, como es habitual,
tomamos la primera muestra en el instante t = 0, entonces el n-ésimo valor de la muestra es
y[n] = y(nT ) para n = 0, 1, . . . , N − 1.
Como tantas veces en Matemáticas, resulta más simple hacer un tratamiento unificado su-
poniendo que la señal discreta es infinita, rellenando con ceros cuando queramos aplicar los
resultados a una señal finita como la anterior. Por eso representaremos a partir de ahora una
señal discreta mediante una sucesión bilateral real o compleja
³ ´
y = . . . , y[−2], y[−1], y[0] , y[1], y[2], . . . = (y[n])n∈Z ,
donde el cuadro indica la posición cero. De todas formas, es conveniente que pensemos en una
señal discreta (y[n]) como la muestra de una señal continua y(t) tomada a intervalos temporales
de T segundos, de forma que y[n] = y(nT ) para cada n ∈ Z.
Cuando los valores de una señal discreta (y[n]) son cero para n < 0, se dice que la señal es
causal y aparecen, en particular, cuando se muestrea una señal continua causal.
Una señal muy importante es la señal impulsiva δ 0 que consiste en un impulso unidad en
el instante cero: δ 0 = (. . . , 0, 0, 1 , 0, 0, . . . ), o sea, δ 0 [0] = 1 y δ 0 [n] = 0 para n 6= 0. La
señal trasladada δ k [n] := δ 0 [n − k] consiste en un impulso unidad en el instante k, o sea, δ k =
(. . . , 0 , 0, . . . , 0, 1, 0, 0, . . . ), donde el 1 ocupa ahora la posición k-ésima. Esto nos permite re-
presentar una señal discreta y mediante lo que se conoce como un tren de impulsos:
X∞
y[n] = y[k]δ 0 [n − k] para cada n ∈Z,
k=−∞

o bien
X

y= y[k]δ k
k=−∞
que es la expresión de una señal discreta arbitraria como una combinación lineal de impulsos
desplazados cuyos coeficientes son los valores de la señal.

2 La transformación Z
P
Supongamos que una señal discreta causal (y[n]) = ( ∞ k=0 y[k]δ k [n]) es la muestra que se obtiene
tomando los valores de una señal continua y causal y(t) a intervalos de duración T de manera
que y[n] = y(nT ) para n = 0, 1, 2, . . . La idea sobre la que se basa la noción de transformación
Z, inventada por W. Hurewicz en 1947, es asociar la P señal impulsiva (δ k [n]) con la función de
Dirac δ kT (t) y calcular la transformada de Laplace de ∞ k=0 y(kT )δ kT (t):
(∞ )
X X∞ X ∞
L y(kT )δ kT (t) = y(kT )L {δ kT (t)} = y(kT )e−skT .
k=0 k=0 k=0
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 3

Si pensamos en s como un parámetro complejo y tomamos z = esT , entonces


(∞ )
X X
∞ X∞
−k
L y(kT )δ kT (t) = y(kT )z = y[k]z −k
k=0 k=0 k=0

que es una serie de Laurent convergente en el exterior de un círculo centrado en el origen.


P
Este razonamiento nos indica que la serie ∞ k=0 y[k]z
−k
podrá representar para señales discre-
tas causales un papel similar al de la transformada de Laplace para señales continuas causales.
Veremos que, efectivamente, esta
P∞ idea funciona bien; es más, para señales no causales podemos
−k
plantearnos la serie bilateral k=−∞ y[k]z , que será una serie de Laurent convergente en un
anillo centrado en el origen.
³ ´
Definición. Sea y = . . . , y[−2], y[−1], y[0] , y[1], y[2], . . . = (y[n])n∈Z una señal discreta.
Entonces, su transformada Z es la serie de Laurent definida por
X

y[n]z −n .
k=−∞

El dominio más grande en el que esta serie converge (si es que P


lo hace) es un anillo de la
forma ρ1 < |z| < ρ2 donde define una función analítica Y (z) = ∞ k=−∞ yk z
−k
que se denota
por Y (z) = Z{y} (como en la transformación de Laplace, usaremos indistintamente ambas
notaciones).
Cuando el anillo de convergencia de Y (z) = Z{(y[n])} incluye la circunferencia unidad,
entonces podemos calcular su valor para los puntos z = ejω de dicha circunferencia
X


Y (e ) = y[n]e−jnω
k=−∞

expresión que se conoce como transformada de Fourier en tiempo discreto y que no debe con-
fundirse con la transformada discreta de Fourier que veremos en la siguiente lección. Desde el
punto de vista de las Matemáticas, la transformación de Fourier en tiempo discreto es un caso
particular de transformación Z, así que no la estudiaremos aparte.
Ejemplos. Las transformadas Z de las señales discretas más habituales junto con sus anillos de
convergencia, así como algunos ejemplos que delimitan las situaciones que pueden darse, vienen
recogidas a continuación
(1) Si una señal discreta (y[n]) tiene sólo un número finito de términos no nulos. entonces
se dice que es de duración finita y el dominio de convergencia de su transformada Z es todo el
plano menos el origen (si y[n] 6= 0 para algún n > 0), o bien todo el plano (si y[n] = 0 para todo
n > 0).
(2) La transformada Z de la señal impulsiva δ 0 es Z{δ 0 } = 1 y converge en todo C.
(3) La transformada Z de la señal impulsiva desplazada δ k es Z{δ k } = z −k y converge en
todo el plano si k ≤ 0 o en todo el plano complejo menos el origen si k > 0.
(4) La transformada Z de la señal escalón definida por h0 [n] = 1 para n ≥ 0 y h0 [n] = 0 para
z
n < 0 es Z{h0 } = y converge para |z| > 1.
z−1
4 Lección 11. La Transformación Z

(5) La transformada Z de la señal causal y = (1, a, a2 , a3 , . . . ), o sea y[n] = an h0 [n], es


z
Y (z) = para |z|> |a|.
z−a

(6) La transformada Z de la señal anti-causal y = (. . . , −a−3 , −a−2 , −a−1 , 0 , 0, . . . ), o sea,


y[n] = −an si n < 0 e y[n] = 0 si n ≥ 0, es
z
Y (z) = para |z|< |a|.
z−a
Observemos que la fórmula de la transformada Z es la misma en ambos casos, lo que difiere es
el anillo de convergencia. Esto nos dice que es muy importante, a la hora de manipular diversas
transformadas Z, tener en cuenta el anillo de convergencia en el que estemos trabajando. De
estos dos ejemplos se deduce, además, que la transformada Z de la señal discreta (bilateral)
definida por y[n] = an (con a 6= 0) no converge en ningún anillo.
(7) Si 0 < |a| < 1, entonces la transformada Z de la señal dada por y[n] = a|n| , es
(a2 − 1)z z az 1
Y (z) = −1
= + para |a|< |z| < .
a(z − a)(z − a ) z − a 1 − az |a|
(Si |a| ≥ 1, entonces la transformada Z de dicha señal no converge en ningún anillo.)
(8) La transformada Z de la señal causal y = (0, 1, 2, 3, . . . ), o sea y[n] = nh0 [n], es
z
Y (z) = para |z|> 1.
(z − 1)2

(9) La transformada Z de la señal y = (0, a, 2a2 , 3a3 , . . . ), o sea y[n] = nan h0 [n], es
az
Y (z) = para |z|>|a|.
(z − a)2

(10) Dados ω, T > 0, la transformada Z de la señal causal y[n] = sen (nωT )h0 [n] es
zsen (ωT )
Y (z) = para |z|> 1.
z2 − 2z cos(ωT ) + 1

(11) Dados ω, T > 0, la transformada Z de la señal causal y[n] = cos(nωT )h0 [n] es
z (z − cos(ωT ))
Y (z) = para |z|> 1.
z 2 − 2z cos(ωT ) + 1

Inversa de una transformada Z. Si Y (z) es una función analítica en un anillo Ω dado por
ρ1 < |z| < ρ2 , entonces el Teorema de Laurent nos dice que podemos escribir Y (z) como una
serie de Laurent
X

c−2 c−1
Y (z) = cn z n = · · · + + + c0 + c1 z + c2 z 2 + · · ·
n=−∞
z2 z
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 5

Donde los coeficientes del desarrollo vienen dados por


I
1 Y (z)
cn = dz para cada n = 0, ±1, ±2, . . . ,
2πj C z n+1

siendo C cualquier curva de Jordan contenida en Ω y que rodee al origen recorrida en sentido
positivo.
A la vista del desarrollo, obtenemos que Y (z) es la transformada Z de la señal discreta definida
por y[n] = c−n para cada n ∈ Z. Esta señal discreta se llama transformada inversa de Y (z) en el
anillo Ω (ya hemos visto que es imprescindible indicar en qué anillo estamos trabajando) y sus
valores pueden calcularse a partir de
I
1
y[n] = z n−1 Y (z) dz para cada n = 0, ±1, ±2, . . . ,
2πj C

siendo C cualquier curva de Jordan contenida en Ω y que rodee al origen recorrida en sentido
positivo.
Sin embargo, como ocurre con las transformaciones de Laplace o Fourier, el proceso de invertir
una transformada Z es, normalmente, más simple usando transformadas ya conocidas, como las
citadas antes, y las propiedades de la transformación Z que vemos a continuación.

3 Propiedades de la transformación Z
Como hemos dicho, vamos a describir ahora algunas de las propiedades más importantes de la
transformación Z. Usaremos la siguiente notación: X(z) e Y (z) denotarán, respectivamente,
las transformadas Z de dos señales discretas (x[n]) e (y[n]) y supondremos que X(z) e Y (z)
convergen en sendos anillos Ωx y Ωy centrados en el origen cuya intersección Ω := Ωx ∩ Ωy es no
vacía.
Linealidad. Si a y b son números complejos entonces la transformada Z de a(x[n]) + b(y[n]) es
aX(z) + bY (z) para z ∈ Ω.
Derivada de una transformada Z. La transformada Z de la señal (nx[n]) es −zX 0 (z) para
z ∈ Ωx .
Traslación en el dominio del tiempo de una señal bilateral. Si k es un número entero
positivo entonces, a partir de una señal bilateral x, podemos definir dos nuevas señales trasladando
los valores de x. Si trasladamos estos valores k posiciones hacia la derecha, entonces obtenemos
la señal
³ ´
u = . . . , x[−k − 2], x[−k − 1], x[−k] , x[−k + 1], x[−k + 2], . . . = (x[n − k])n∈Z ;

sin embargo, si los trasladamos k posiciones hacia la izquierda, entonces obtenemos la señal
³ ´
v = . . . , x[k − 2], x[k − 1], x[k] , x[k + 1], x[k + 2], . . . = (x[n + k])n∈Z .
6 Lección 11. La Transformación Z

Las transformadas Z de estas señales trasladadas vienen dadas, respectivamente, por

U(z) = z −k X(z) y V (z) = z k X(z) para z ∈ Ωx tal que z 6= 0.

Sin embargo, los anillos de convergencia de z ±k X(z) podrían ser distintos de Ωx .


Traslación en el dominio del tiempo de una señal causal. Si k es un número entero
positivo entonces, al trasladar k posiciones hacia la derecha los valores de una señal causal x,
obtenemos la señal
u = (0, 0, . . . , 0, x[0], x[1], . . . )
donde x[0] ocupa la posición k-ésima. Entonces, como en el caso bilateral, la transformada Z de
u es U (z) = z −k X(z) para z ∈ Ωx tal que z 6= 0.
Si trasladamos k posiciones hacia la izquierda, entonces la señal que obtenemos es

v = (x[k], x[k + 1], x[k + 2], . . . ) = (x[n + k]) .

Sin embargo, en este caso la situación es distinta a la del caso bilateral; la transformada Z de v
es
V (z) = z k X(z) − z k x[0] − z k−1 x[1] − z k−2 x[2] − · · · − zx[k − 1] para z ∈ Ωx .
Es importante tener en cuenta esta diferencia, sobre todo porque este último es el caso que
aparece en las ecuaciones en diferencias.
Transformada racional. Cuando X(z) es una función racional, se descompone en fracciones
simples y, aplicando la linealidad, la propiedad de la derivada y las transformadas de las señales
potenciales del tipo (an ), podemos hallar la transformada inversa de X(z) que será una combi-
nación de señales potenciales cuyos coeficientes son polinomios en n.
Escalado en el dominio de la frecuencia. Si a ∈ C es un número complejo no nulo, entonces
la transformada Z de la señal escalada (an x[n]) es X(z/a) para z ∈ |a| · Ωx . En particular, si ω
es un número real, entonces la transformada Z de la señal escalada (ejωn x[n]) es X(e−jω z) para
z ∈ Ωx .
Inversión en el dominio del tiempo. La transformada Z de la señal (x[−n]) es X(z −1 ) para
z en el anillo formado por los inversos de los puntos del anillo Ωx .
Teorema del valor inicial. Si (x[n]) es causal, entonces x[0] = lim X(z).
z→∞

Convolución de señales discretas. Se llama producto de convolución de dos señales discretas


x = (x[n]) e y = (y[n]) a la señal discreta x ∗ y definida por
X
∞ X
(x ∗ y)[n] = x[n − k]y[k] = x[m]y[k].
k=−∞ k+m=n

El producto de convolución de señales discretas es lineal y conmutativo y, como en el caso


de las señales continuas, su propiedad esencial es su relación con la transformación Z porque se
verifica que la transformada del producto de convolución es el producto de las correspondientes
transformadas
Z{x ∗ y} = X(z)Y (z) para z ∈ Ω.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 7

Es fácil ver que la convolución de señales causales es también una señal causal y, en este caso,
la suma que aparece es una suma finita

X
n X
(x ∗ y)[n] = x[n − k]y[k] = x[m]y[k]
k=0 k+m=n

que es, precisamente, el coeficiente de la potencia z −n en la serie de Laurent del producto


X(z)Y (z).
Hay productos de convolución especiales que aparecen a menudo en las aplicaciones, vamos
a ver tres de ellos.
Primera diferencia. La primera diferencia de la señal x = (x[n]) es la señal ∆x cuyos términos
se obtienen restando términos sucesivos de x, o sea, ∆x[n] = x[n] − x[n − 1]. Es fácil ver que
∆x = (δ 0 − δ 1 ) ∗ x, así que

z−1
Z{∆x} = X(z) para z ∈ Ωx y, quizás, z 6= 0.
z

Acumulación. La señal de acumulación de la señal x P= (x[n]) es la señal Σx que se obtiene al


sumar todos los términos precedentes, o sea, Σx[n] = nk=−∞ x[k] (si la serie converge). En este
caso, se tiene que Σx = x ∗ h0 , así que
z
Z{Σx} = X(z) para z ∈ Ωx y |z|> 1.
z−1

Observemos que ∆(Σx) = Σ(∆x) = x y, también, que si x es causal entonces la suma es finita y
Σx está bien definida.
Regularización. En varias aplicaciones interesa sustituir los valores de una señal por una
media ponderada de los valores cercanos; este procedimiento se llama regularización o, en inglés,
“smoothing”. Por ejemplo, podemos regularizar una señal x[n] generando la señal

u[n] = 0.3x[n − 1] + 0.4x[n] + 0.3x[n + 1].

En general, P
hay que fijar una colección (normalmente finita) de pesos p0 , p±1 , p±2 , . . . no negativos
y tales que k pk = 1. Entonces la señal regularizada viene dada por

X

u[n] = pk x[n + k].
k=−∞

En términos
³ de convolución, la´ señal regularizada u es la convolución de x con la señal
p = . . . , p2 , p1 , p0 , p−1 , p−2 , . . . . Observemos que el orden de los pesos no es el habitual.
Sin embargo, si la sucesión de pesos es simétrica alrededor del origen, lo que corresponde a que
valores igualmente alejados influyen lo mismo en la regularización, entonces no suele haber peligro
de confusión.
8 Lección 11. La Transformación Z

4 Ecuaciones en diferencias
Las ecuaciones en diferencias son para los sistemas discretos lo que las ecuaciones diferenciales
para los sistemas continuos. La ecuación en diferencias más importante de la historia de las
matemáticas es la ecuación de Fibonacci:
y[n + 2] = y[n] + y[n + 1] para n = 0, 1, 2, . . . ,
y el problema es determinar los valores y[0], y[1], y[2], y[3], . . . de manera que satisfagan la ecuación
anterior. Naturalmente, debemos fijar los dos primeros valores, digamos y[0] = 0 e y[1] = 1 que,
al sustituirlos en la ecuación con n = 0 nos proporcionan y[2] = 1. Ahora sustituimos con n = 1
y obtenemos y[3] = 2. Continuando de esta manera vamos obteniendo la sucesión de Fibonacci:
0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ...
Haciendo un número suficiente de operaciones podemos determinar cualquier término de la suce-
sión; sin embargo, el objetivo real, en éste y en otros problemas similares, es obtener una fórmula
que nos proporcione cualquier término que deseemos sin más que sustituir el valor de n en dicha
fórmula. Vamos a estudiar cómo se resuelven las ecuaciones en diferencias usando la transforma-
ción Z que, en términos de la analogía entre sistemas continuos y discretos, correspondería en
los sistemas continuos a resolver una ecuación diferencial mediante la transformación de Laplace.
Definiciones. Una colección de ecuaciones
y[n + k] + αk−1 y[n + k − 1] + · · · + α2 y[n + 2] + α1 y[n + 1] + α0 y[n] = u[n],
para n = 0, 1, 2 . . . , en la que α0 6= 0 se dice que es una ecuación en diferencias lineal, de orden
k y de coeficientes constantes. Los números complejos α0 , α1 , . . . , αk−1 se llaman coeficientes de
la ecuación y la sucesión (u[n]) es el término independiente y debe ser un dato de la ecuación.
Una solución de la ecuación es una señal discreta causal (y[n]) cuyos términos verifican todas las
igualdades de la colección. Para que la solución quede definida unívocamente hay que fijar sus
primeros k valores y[0], y[1], . . . , y[k − 1]; como hemos indicado, los demás se pueden obtener por
recurrencia usando la ecuación.
Para mostrar el uso de la transformación Z lo haremos con una ecuación de orden 2
y[n + 2] + α1 y[n + 1] + α0 y[n] = u[n] para n = 0, 1, 2 . . .
donde los coeficientes α0 y α1 , el término independiente (u[n]) y los valores iniciales y[0] = y0 e
y[1] = y1 son conocidos.
Llamemos Y (z) y U(z) a las transformadas Z de (y[n]) y (u[n]), respectivamente. De acuerdo
con la propiedad de traslación hacia la izquierda de una señal causal, sabemos que las transfor-
madas de y[n + 2] e y[n + 1] son, respectivamente,
Z (y[n + 1]) = zY (z) − zy0 y Z (y[n + 2]) = z 2 Y (z) − z 2 y0 − zy1 .
Entonces, tomando transformadas en la ecuación en diferencias y usando la propiedad de linea-
lidad, obtenemos:
z 2 Y (z) − z 2 y0 − zy1 + α1 (zY (z) − zy0 ) + α0 Y (z) = U(z),
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 9

de donde, despajando Y ,
U (z) + z 2 y0 + z(y1 + αy0 )
Y (z) = ,
z 2 + α1 z + α0
cuya transformada Z inversa es la solución (y[n]) buscada. No obstante, para hallar la transfor-
mada inversa hay que tener en cuenta lo siguiente: la solución que buscamos es causal, así que la
región de convergencia de Y (z) debe ser todo el exterior de un círculo. Por tanto, de los posibles
anillos donde Y (z) defina una serie de Laurent, debemos quedarnos con el más exterior.
Ejemplo. Volviendo a la ecuación de Fibonacci

y[n + 2] − y[n + 1] − y[n] = 0 con y[0] = 0 e y[1] = 1,

la transformada Z de la solución verifica


z
Y (z) =
z2 −z−1
√ √
1 + 5 1 − 5
cuyos polos son las soluciones de z 2 − z − 1 = 0, que son ξ 1 = y ξ2 = . Ahora
2 2
descomponemos en fracciones simples, obteniendo
· ¸
z 1 ξ1 ξ2
=√ − .
z2 − z − 1 5 z − ξ1 z − ξ2
z
Sabemos que la transformada Z inversa de es la sucesión causal (1, a, a2 , a3 , . . . ). Escribien-
z−a
1 −1 z
do =z , podemos usar la propiedad de traslación en el tiempo para deducir que la
z−a z−a
1
transformada Z inversa de en el dominio |z| > |a| es la sucesión causal (0, 1, a, a2 , a3 , . . . ).
z−a
Finalmente, usando la propiedad de linealidad, obtenemos que la transformada Z inversa de
z
2
es la sucesión
z −z−1
1 £ ¤
√ ξ 1 (0, 1, ξ 1 , ξ 21 , . . . ) − ξ 2 (0, 1, ξ 2 , ξ 22 , . . . )
5
cuyo término general es
"à √ !n à √ !n #
1 1+ 5 1− 5
y[n] = √ − , para n = 0, 1, 2, . . .
5 2 2

5 Ejercicios.
Ejercicio 1. Calcula la transformada Z de la señal definida por y[n] = 5−n h0 [n−3] especificando
su anillo de convergencia.
Ejercicio 2. Calcula la transformada Z de la señal causal de duración finita x dada por x[n] = an
si 0 ≤ n ≤ m y x[n] = 0 en otro caso, siendo a un número complejo y m un número natural.
Especifica el dominio de convergencia.
10 Lección 11. La Transformación Z

Ejercicio 3. Calcula la transformada Z de la señal discreta obtenida al tomar muestras de la


señal continua y(t) = ejωt a una velocidad de 10 muestras por segundo.
Ejercicio 4. Calcula la transformada Z inversa de la función definida por

X(z) = 4z 2 − z + 2 + 3z −1 para 0 <|z|.

Ejercicio 5. Calcula la transformada Z inversa de la función definida por


z+1
X(z) = para 0 <|z|.
z2

Ejercicio 6. Calcula la transformada Z inversa de la función definida por


z+1
X(z) =
z−1
según los dominios anulares donde X(z) define una función analítica.
Ejercicio 7. Calcula la transformada Z inversa de la función definida por
1
X(z) =
z2 + 1
según los dominios anulares donde X(z) define una función analítica.
Ejercicio 8. Calcula la transformada Z inversa de la función definida por
1
X(z) =
z+3
según los dominios anulares donde X(z) define una función analítica.
Ejercicio 9. Calcula las transformadas Z inversas de la función

1 + z −1
X(z) =
1 + z −1 /3

según los dominios anulares donde X(z) define una función analítica.
Ejercicio 10. Calcula las transformadas Z inversas de la función

36z 2 − 10z
X(z) =
(12z − 3)(12z − 4)

según los distintos anillos donde X(z) define una función analítica.
Ejercicio 11. Calcula la transformada Z inversa de la función definida por

X(z) = Log(1 + az −1 ) para |a|<|z|,

donde a es un número complejo no nulo.


Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2006/07 11

Ejercicio 12. Calcula la transformada Z inversa de la función definida por

X(z) = e1/z para 0 <|z|.

Ejercicio 13. Halla una fórmula para expresar la transformada Z de una señal de la forma
(n2 x[n]) a partir de la transformada Z de la señal (x[n]).
Ejercicio 14. Sea X(z) la transformada Z de una señal (x[n]). Prueba que si los polos de
(1 − z −1 )X(z) están dentro del círculo unidad, entonces se cumple

lim x[n] = lim(1 − z −1 )X(z),


n→∞ z→1

igualdad que se conoce como teorema del valor final.


Ejercicio 15. Resuelve las siguientes ecuaciones en diferencias usando la transformada Z
(1) y[n + 2] − 2y[n + 1] + y[n] = 0 con y[0] = 0 e y[1] = 1.
(2) y[n + 2] + 8y[n + 1] + 15y[n] = 0 con y[0] = 0 e y[1] = 1.
(3) 8y[n + 2] − 6y[n + 1] + y[n] = 9 con y[0] = 1 e y[1] = 3/2.
(4) y[n + 2] + 8y[n + 1] + 15y[n] = 2n con y[0] = 0 e y[1] = 1.
(5) y[n + 1] − y[n] = n + 1 con y[0] = 0.
(6) y[n + 1] − y[n] = (n + 1)2 con y[0] = 0.
(7) y[n + 2] − 3y[n + 1] + 2y[n] = 0 con y[0] = 1 e y[1] = 0.
(8) y[n + 2] + 2y[n] = 2n + 1 con y[0] = 0 e y[1] = 1.
(0) y[n + 2] + y[n + 1] − 2y[n] = 2−n con y[0] = 0 e y[1] = 2.
(10) y[n + 2] − 2y[n + 1] + y[n] = n2 con y[0] = 0 e y[1] = 0.
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 16. Resuelve la ecuación en diferencias

2y[n + 2] − 3y[n + 1] − 2y[n] = 6n + 1 con y[0] = 1 e y[1] = 2.

Ejercicio 17. (1) Resuelve la ecuación en diferencias

y[n + 2] − 2y[n + 1] + y[n] = n con y[0] = 0 e y[1] = 1.

(2) Sea Y (z) la transformada Z de la solución del apartado anterior. Calcula la integral
I
sen (πz)Y (z) dz
C

donde C es el rectángulo de vértices 2 ± j y −1 ± j.


12 Lección 11. La Transformación Z

6 Bibliografía.
Para desarrollar esta lección puede consultarse el siguiente texto.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 3 y 5.

También podría gustarte