Castillo - Modelos Matemáticos en Ciencia e Ingeniería PDF

Leccion inaugural 2011:Leccin inaugural 2005
11/1/11
09:54
Pgina 1
MODELOS MATEMTICOS EN CIENCIA E INGENIERA
11/1/11
09:54
Pgina 2
REAL ACADEMIA DE INGENIERA
DISCURSO DEL ACADMICO
EXCMO. SR. D. ENRIQUE CASTILLO RON

LEDO EN LA SESIN INAUGURAL DEL AO ACADMICO
EL DA 25 DE ENERO DE 2011
MADRID MMXI
11/1/11
Editado por la Real Academia de Ingeniera

2011, Real Academia de Ingeniera
2011 del texto, Enrique Castillo Ron

ISBN: 978-84-95662-43-9
Depsito legal: M-xxxxx-2011

Impreso en Espaa
09:54
Pgina 4
11/1/11
09:54
Pgina 6
6.3.3. Frmulas alternativas del inters . . . . . . . . . .

6.4. El problema de la declaracin de la renta . . . . . . . . . .
6.4.1. El caso de los matrimonios . . . . . . . . . . . . .
6.4.2. El problema de la declaracin conjunta o separada
6.4.3. Restricciones a imponer a la funcin impositiva . .
6.4.4. Funciones impositivas compatibles con las condiciones anteriores . . . . . . . . . . . . . . . . . .
7. Probabilidad y Estadstica
7.1. Caracterizacin de la distribucin exponencial . . . . . .
7.2. Caracterizacin de la distribucin generalizada de Pareto
7.3. Especificacin condicional de distribuciones . . . . . . .
7.4. Modelos de Markov. Probabilidades de transicin . . . .
.
.
.
.
8. Problemas de fatiga
8.1. Efecto de escala en la vida a fatiga de elementos longitudinales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.1.1. Modelo de independencia . . . . . . . . . . . . .
8.1.2. Modelo de dependencia . . . . . . . . . . . . . .
8.1.3. Modelos varios . . . . . . . . . . . . . . . . . . .
8.2. El modelo S-N de Whler . . . . . . . . . . . . . . . . . .
8.2.1. Modelo para nivel de tensin constante . . . . . .
8.2.2. Modelo S-N para nivel de tensin variable . . . . .
8.2.3. Modelos E-N . . . . . . . . . . . . . . . . . . . .
56
58
58
59
61
64
66
66
67
67
71
73
73
73
74
75
75
76
81
83
9. Curvas de crecimiento de grieta

y constantes .
9.1. Curvas de crecimiento de grieta para m
M
9.1.1. Compatibilidad para cualquier dao inicial. . . . .
9.1.2. Condicin de compatibilidad de N |a y a |N . .
9.1.3. Condiciones lmites estadsticas. . . . . . . . . . .
y variables . . . . . .
9.2. Curvas de crecimiento para m
M
9.2.1. Densidades del dao independientes de la historia
de cargas. Compatibilidad de a |N1 , Q1 y a |N , Q
9.3. Compatibilidad de modelos de crecimiento de grieta y S-N
84
85
85
86
89
89
10. Eplogo
97
11. Bibliografa
98
89
94
11/1/11
09:54
Pgina 8
ENRIQUE C ASTILLO RON
2.
Leyes de la ciencia
La primera idea que trato de trasmitirles es que no toda frmula es vlida para relacionar magnitudes fsicas. En la literatura existente es frecuente
encontrar expresiones que no satisfacen las condiciones exigidas para que
esta relacin sea posible y esta situacin debera evitarse. En un sistema
fsico hay unas variables fundamentales, tales como, por ejemplo, la longitud, el tiempo, el espacio y la temperatura, a partir de las cuales pueden
obtenerse otras variables derivadas, mediante frmulas ms o menos complicadas. En otros casos, las frmulas relacionan diferentes variables, no
necesariamente fundamentales.
Cuando a una variable, como el tiempo, el espacio o la temperatura, se
le permite cambiar de origen y escala (unidades de medida), se dice que es
una variable de localizacin y escala, mientras que aquellas variables, como
la longitud, el rea, el volumen, la velocidad o la aceleracin, a las que slo
se les permite un cambio de escala (unidades) se les llama variables de
escala.
2.1.
Algunas leyes vlidas
Con respecto a la identificacin de las condiciones de validez, hay que

destacar la contribucin de Aczl [7] (vanse las pginas 35-70). Para que
una frmula que relacione magnitudes fsicas sea vlida, debe cumplirse
para cualquier sistema de unidades. Por eso es necesario que si se cambia la
escala o el origen de las variables que intervienen en la frmula se produzca
un cambio anlogo en la variable resultante. Es decir, la estructura de la
frmula debe mantenerse al cambiar los orgenes y las unidades de medida
permitidos en cada variable.
Para comenzar imaginemos un ejemplo muy sencillo en el que intervienen tres variables de escala x1 , x2 y x3 , que estn relacionadas funcionalmente mediante la expresin
x3 = u(x1 , x2 ),
donde u(, ) es una funcin de dos argumentos. Supongamos tambin que
las variables x1 y x2 representan la misma magnitud fsica y la variable x3
representa otra diferente.
Para que esta relacin sea fsicamente vlida debe cumplirse independientemente del sistema de medidas utilizado. Quiere esto decir que si se
cambian las unidades de medida de las variables que intervienen, la frmula
debe seguir siendo la misma.
Como se trata de variables de escala, deber ser

u(rx1 , rx2 ) = R(r)u(x1 , x2 )
(1)
donde r indica el cambio de escala de x1 y x2 , y R(r), el de x3 , que depender del cambio realizado en las otras dos variables.
La ecuacin (1) es una ecuacin funcional en u(x1 , x2 ) y R(r) (funciones incgnitas) que impone condiciones muy fuertes sobre estas funciones,
de modo que no toda funcin cumple dicha ecuacin funcional.
Resolver la ecuacin (1) significa nada menos que obtener la estructura
matemtica de todas las leyes fsicas vlidas que relacionan las tres variables de escala en las hiptesis indicadas, y tambin obtener las frmulas
que dan los cambios de escala correspondientes.
La solucin general de la ecuacin funcional (1) es:
u(x1 , x2 ) = xc1 f (x2 /x1 ) ;
R(r) = rc ,
(2)
donde c es una constante cualquiera y f () es una funcin cualquiera.

Es sorprendente observar que el problema inicial de obtener una funcin u(x1 , x2 ) de dos variables se reduce a obtener una funcin f (x) de
una variable.
Insisto en que la expresin (2) da la forma de todas las frmulas vlidas,
lo que implica obviamente que cualquier otra, no lo es.
Esto nos permite considerar como ejemplo el caso de todas las reas de
familias biparamtricas de superficies.
Ejemplo 1 (Areas de familias biparamtricas de superficies) Sea la frmula u(x1 , x2 ) que da el rea de una familia de superficies que depende
de dos parmetros x1 y x2 que representan longitudes, como, por ejemplo,
una familia de elipses con semi-ejes x1 y x2 , o una familia de rectngulos
con lados x1 y x2 . Si se aplica el mismo cambio de escala r a las dos variables (pues se trata de dos longitudes), se tiene que, segn el resultado
anterior, la nica posibilidad para la funcin u(x1 , x2 ) es que sea de la
forma

x2
c
; R(r) = rc ,
u(x1 , x2 ) = x1 f
x1
pero sabemos que si se multiplican las longitudes por un factor r, las reas
quedarn multiplicadas por R(r) = r2 , por lo que la frmula que da el
rea de esta familia tiene que ser de la forma

x2
2
,
(3)
u(x1 , x2 ) = x1 f
x1
10
11/1/11
09:54
Pgina 10
11
2,7 a
2,9 a
23,1 a
1,2 b
4,1 b
1,5 b
2,4 b
1,5 b
4,4 b
2,7 b
1,8 b
20,4 b
1,8 b
2,7 b
4,4 b
1,5 b
2,7 b
2,7 b
5,4 b
3,0 b
13,8 a
4,5 a
4,2 a
1,8 a
1,2 a
2,4 a
2,4 a
1,5 a
2,4 a
7,7 b
Figura 1: Plano del Palacio Real de Madrid.
donde f es una funcin no-negativa cualquiera. Por tanto, la frmula (3)

es vlida para cualquier familia. En el caso particular de las familias de
elipses y rectngulos resulta
f (x) = x;
y f (x) = x,
es decir,
u(x1 , x2 ) = x1 x2 ;
y u(x1 , x2 ) = x1 x2 ,
respectivamente, que dan las reas de la elipse en funcin de sus semiejes

y del rectngulo en funcin de sus lados.
Lo importante de todo esto es descubrir que una funcin que inicialmente parece depender de dos variables, en realidad queda identificada
mediante una funcin de una sola variable.
Como ejemplo se da a continuacin el caso de la planta del Palacio
Real de Madrid, que se muestra en la figura 1 y cuyas dimensiones se
muestran parametrizadas en funcin de dos parmetros a y b en la parte
superior de la figura 2. Un cambio de la relacin b/a produce una planta
del Palacio diferente, tal como se ilustra en los otros dos planos de la figura
2. Lo curioso es que la frmula de todas reas es la misma y tiene la forma
indicada en (3), es decir, depende de una funcin de un nico argumento
(b/a):
"
2 #
b
b
2
Area = a 1604.7 1528.4 760.8
(4)
a
a
Figura 2: Plano del Palacio Real de Madrid.
La extensin de esta frmula al caso de ms de tres dimensiones es

inmediata y se da en el teorema siguiente.
Teorema 1 (Variables de escala) La funcin ms general que puede representar una variable dependiente real de escala, cuando se supone que
todas las variables independientes son variables de escala idntica, es decir, la solucin general de la ecuacin funcional que refleja esta propiedad
u(rx) = R(r)u(x) ; r, xi IR ++ , (i = 1, 2, . . . , n)
(5)
12
11/1/11
09:54
Pgina 12
es
u(x) = xc1 f
x2 x3
xn
x1 , x1 , . . . , x1
De este teorema resulta el caso particular siguiente.

, R(r) = rc .
(6)
Este resultado tambin puede generalizarse al caso de que la variable

dependiente sea de localizacin y escala.
Teorema 2 (Frmulas de leyes de la ciencia I) La funcin ms general que
representa una variable dependiente real de localizacin y escala, cuando
se supone que todas las variables independientes son variables de escala
idntica, es decir, la solucin general de la ecuacin funcional
Corolario 1 (Caso particular. Variables de escala) La funcin ms general que puede representar una variable dependiente real de escala, cuando
se supone que todas las variables independientes son variables de escala,
no necesariamente idntica, es decir, la solucin general de la ecuacin
funcional
u(rx) = R(r)u(x); r, x IR n++
(14)
es
u(x) = a
n
Q
i=1
u(rx) = R(r)u(x) + P (r); r, xi IR ++ , (i = 1, 2, . . . , n),
(7)
donde r es un escalar no negativo, es

xn
x 2 x3
+ c log(x1 ); R(r) = 1; P (r) = c log(r),
, ,...,
u(x) = f
x1 x1
x1
(8)

x
x
x
2
3
n
u(x) = xc1 f
+ b; R(r) = rc ; P (r) = b[1 rc ] (9)
, ,...,
x1 x1
x1
u(x) = b; R(r) cualquiera ; P (r) = b(1 R(r)).
(10)
Seguidamente se considera el caso de variables de localizacin y escala

que dependen slo de variables de escala, aunque sta pueda ser diferente.
Teorema 3 (Frmulas de las leyes de la ciencia II) La funcin ms general que representa una variable dependiente real de localizacin y escala,
cuando se supone que todas las variables independientes son variables de
escala, no necesariamente idntica, es decir, la solucin general de la ecuacin funcional
u(rx) = R(r)u(x) + P (r); r, x IR n++
(11)
es de la forma
u(x) =
n
P
ci log xi + b;
R(r) = 1;
i=1
P (r) =
n
P
ci log ri ,
(12)
i=1
o de la forma
u(x) = a
n
Q
i=1
xci i
+ b;
R(r) =
n
Q
i=1
rici ;
13
P (r) = b 1
n
Q
i=1
rici
con a 6= 0 y
n
X
n
Q
i=1
rici ,
(15)
c2i 6= 0.
i=1
Esto quiere decir que la inmensa mayora de las frmulas de la fsica

son constantes por productos de variables elevadas a potencias positivas o
negativas.
Ejemplo 2 (Algunas frmulas de la fsica) La inmensa mayora de las frmulas escalares de la fsica son de la forma (15), como las conocidas frmulas
1
1
f = m a;
e = a t2 ;
K = m v2;
(16)
2
2
m1 m2
1 q1 q2
UG =
;
F =
.
(17)
2
r
40 r2
El teorema que sigue muestra otro caso de cierto inters prctico en
algunas aplicaciones.
Teorema 4 (Frmulas de leyes de la ciencia III) La funcin ms general
que puede representar una variable dependiente real de localizacin y escala cuando se supone que todas las variables independientes son variables
de localizacin y escala con escala idntica r, es decir, la solucin general
de la ecuacin funcional
u(rx + p) = R(r, p)u(x) + P (r, p); r, xi , pi IR + , (i = 1, 2, . . . , n)
(18)
es
n
n
X
X
u(x) =
ci xi + b; R(r, p) = r; P (r, p) = b(1 r) +
c i pi .
i=1
(13)
xci i ; R(r) =
i=1
(19)
14
11/1/11
09:54
Pgina 14
Como puede verse ya en este comienzo de mi leccin, las ecuaciones

funcionales surgen de forma muy natural. Sin embargo, a pesar de su enorme importancia, stas son bastante desconocidas, no slo por la generalidad
de los investigadores, sino tambin por muchos matemticos.
Mi descubrimiento del libro de Aczl [1], acadmico de la Academia
de Ciencias de Hungra, que tuvo lugar en la Biblioteca de la Escuela de
Santander, me sorprendi muy favorablemente y supuso para m algo muy
relevante, que tuvo una gran influencia en mi trabajo posterior. Ni en los
estudios de Ingeniera de Caminos, ni en los de Ciencias Matemticas haba
estudiado las ecuaciones funcionales.
Quiero reconocer explcitamente al Profesor Janos Aczl y mostrarle
mi agradecimiento por su trabajo y publicaciones, por su profunda influencia en mi trabajo y por haberme trasmitido la aficin por las ecuaciones
funcionales. Ello me llev en 2001 a escribir los libros Castillo and RuizCobo [53] y Castillo et al. [71] y el trabajo Castillo [40] para La Gaceta
de la Real Sociedad Matemtica Espaola, en los que se resumen algunas
aplicaciones de las ecuaciones funcionales, para divulgarlas y hacer posible
que otros muchos puedan compartir este placer.
De hecho, otros muchos trabajos de Janos Aczl me causaran un gran
impacto, como Aczl et al. [16], Aczl [2], Aczl [3], Aczl and Saaty [15],
Aczl [4], Aczl [5], Aczl [6], Aczl [8], Aczl [7], Aczl [9], Aczl [10],
Aczl and Alsina [11], Aczl and Alsina [12], Aczl and Dhombres [13],
Aczl and Forte [14].
El teorema de Buckingham nos indica principalmente tres cosas:

1. Si puede o no establecerse una relacin fsica entre las variables de
un conjunto dado.
2. El nmero mnimo de variables adimensionales exigibles para reproducir esa relacin fsica, si ello es posible.
3. Qu conjuntos alternativos de variables adimensionales pueden utilizarse.
En resumen, este teorema establece si un conjunto de variables es suficiente o no para describir un problema fsico y tambin si ciertas funciones
de subconjuntos de las variables iniciales son suficientes para analizar el
problema considerado y qu variables pueden utilizarse.
Una de las principales consecuencias es que todos los parmetros resultantes son adimensionales. Ignorar las tcnicas del anlisis dimensional
en la construccin de modelos es un grave error que puede conducir a modelos mucho ms complejos de lo estrictamente necesario e incluso, lo que
es peor, a modelos no vlidos. En particular, es frecuente encontrar modelos en el rea de la fatiga que dependen de parmetros dimensionales
cuyas dimensiones no pueden conocerse hasta haber estimado los valores
de los parmetros. Queremos enfatizar aqu este problema y proporcionar
mtodos que eviten estos errores fundamentales.
2.2.1.
2.2.
15
Un ejemplo de fatiga
Teorema de Buckingham
Para comenzar hay que decir que es muy conveniente desarrollar los
modelos en forma adimensional. La razn es que la consideracin de modelos con variables adimensionales ayuda a descartar modelos errneos, a
identificar relaciones simples entre variables y a obtener modelos sencillos.
Con este objetivo el teorema de Buckingham (vase Buckingham [38])
se convierte en una herramienta esencial, que debe aplicarse sistemticamente.
Para ilustrar cmo puede utilizarse el teorema de Buckingham en un

caso prctico, lo aplicamos a un problema de fatiga que se considerar ms
tarde. La primera etapa para seleccionar un modelo que resuelva un problema de fatiga, consiste en identificar las variables relevantes que influyen en
dicho problema. Por ejemplo, supngase que, por experiencia previa en el
estudio del problema de fatiga, se sabe que las 12 variables implicadas en
dicho problema son las del conjunto:
V {, 0 , ` , N, N0 , K, Kth , Kc , Y, L, L0 , a, a0 , p},
Teorema 5 (Teorema de Buckingham) Si una ecuacin con sentido fsico implica un cierto nmero, v, de variables fsicas y estas variables son
expresables en funcin de k magnitudes fsicas independientes, entonces la
expresin original es equivalente a una ecuacin que slo involucra a un
conjunto de p = v k variables adimensionales construidas a partir de
las variables originales.
donde:
1. N es el nmero de ciclos.
2. p es la probabilidad de fallo a fatiga de una pieza cuando se somete a
N ciclos.
16
11/1/11
09:54
Pgina 16
N N0 0 ` K Kth Kc
M 0 0 1
1
1
1
1
1
L 0 0 1 1 1 -1/2 -1/2 -1/2
T 1 1 2 2 2 -2
-2
-2
3. es el rango de tensin.
4. ` es el nivel de tensin.
5. N0 es el valor umbral de N , es decir el mnimo tiempo posible de
vida a fatiga.
6. 0 es el lmite de fatiga1 , que se define en este libro como el valor
que conduce a un tiempo de vida a fatiga de 1 106 de ciclos
para la curva percentil mediana (p = 0.5) S-N2 .
7. a0 es el tamao inicial de grieta.
L
0
1
0
L0
0
1
0
a
0
1
0
a0
0
1
0
p
0
0
0
Tabla 1: Anlisis dimensional del conjunto de variables inicial implicadas

en el problema de fatiga, y exponentes para definir estas variables en funcin de las magnitudes bsicas M (masa), L (longitud) y T (tiempo).
donde
8. a es el tamao de grieta tras N ciclos.
N = log(N/N0 );
` = ` /0 ; a = a/L0 ;
p
= Kth /(0 L0 ); L = L/L0 ;

Y = Y ; Kth
p
p
K = K/(0 L0 ); Kc = Kc /(0 L0 ),
9. K es el factor de intensidad de tensiones.

10. Kth es el factor de intensidad de tensiones umbral.
11. Kc es el factor de intensidad de tensiones crtico o tenacidad a fractura.
13. L es la longitud de la probeta.
= /0 ;
es decir, cualquier relacin fsica vlida que involucre las 14 variables iniciales es de la forma
12. Y es un parmetro adimensional que depende de la geometra de la

probeta.
, Kc , Y , L , a , a0 , p) = 0.
(N , , ` , K , Kth
Obsrvese que para referirse a las variables adimensionales se utiliza el

asterisco, y que se ha seleccionado log(N/N0 ) en vez de N/N0 porque es
lo habitual en los problemas de fatiga4 .
14. L0 es una longitud de referencia.

En vez del par (, ` ), se podra utilizar el par (m , M ), donde m
es la tensin mnima y M la tensin mxima. De hecho, en algunas partes
de este libro se utilizan estas variables alternativas por conveniencia.
Estas 14 variables pueden escribirse en funcin de las magnitudes bsicas M (masa), L (longitud) y T (tiempo), tal como se indica en la Tabla 1.
Puesto que el rango de la matriz en esta tabla es 3, se sabe por el teorema de
Buckingham que cualquier relacin que implique estas 12 variables puede
expresarse en funcin de v k = 14 3 = 11 variables adimensionales,
por ejemplo, las del conjunto3
{N , , ` , K , Kth
, Kc , Y , L , a , a0 , p},
Y
0
0
0
17
2.2.2.
Una frmula general para evaporacin en rgimen turbulento
En el problema de la evaporacin en rgimen turbulento en una superficie libre en presencia de viento, se consideran (vase Kahlig [82]) las
siguientes variables como importantes para el problema (las dimensiones
se dan entre corchetes y expresadas en funcin de la longitud L y el tiempo
T ):
La evaporacin VT bajo condiciones de turbulencia [LT 1 ]
(20)
la diferencia de humedad qs q (dficit de saturacin) donde q es la
humedad especfica del aire y qs es la humedad especfica de saturacin a la temperatura de la superficie del agua (ambas son adimensionales)
Se utiliza el lmite de fatiga en vez del lmite de endurancia porque ste puede ser nulo,
lo que le invalidara como variable de normalizacin.
2
Alternativamente, podran haberse utilizado los 2 106 o 107 ciclos, pero un nmero
menor parece mejor para facilitar su determinacin experimental en laboratorio.
3
Existen diferentes alternativas para seleccionar las variables adimensionales. Aqu se
han elegido N0 , 0 y L0 como variables de normalizacin, pero otras combinaciones son
tambin posibles.
Algunos autores definen = log(/0 ) en vez de /0 , es decir, aplican

tambin una escala logartmica al rango de tensin.
4
18
11/1/11
09:54
Pgina 18
K coeficiente de difusin en rgimen turbulento del vapor de agua

en el aire [L2 T 1 ]
Cuando el viento cesa, no hay evaporacin (turbulenta):

VT = 0 si 2 = 0 f (0, 3 ) = 0 g(0) = 0.
S rea de la superficie mojada [L2 ]
Es razonable postular que la funcin g(2 ) es homognea (de un

cierto grado )
g(k2 ) = k g(2 ),
U velocidad del viento (valor medio) [LT 1 ]
M
L
T
VT
0
1
1
qs q
0
0
0
K
0
2
1
19
S
0
2
0
U
0
1
1
lo que, fsicamente implica la similitud de segundo orden. Pero sta

es la ecuacin funcional de la homogeneidad, por lo que se obtiene
g(x) = x .
Por tanto, el teorema de Buckingham junto con consideraciones fsicas y una aproximacin de primer orden permiten obtener la frmula
de la componente turbulenta de la evaporacin:
Tabla 2: Anlisis dimensional del conjunto de variables inicial implicadas

en el problema de evaporacin en rgimen turbulento en funcin de las
magnitudes bsicas M (masa), L (longitud) y T (tiempo).
VT = U (S 1/2 /K)1 (qs q).
A partir de estas variables, utilizando el teorema de Buckingham se pueden obtener tres coeficientes adimensionales (vase la tabla 2), por ejemplo:
2.2.3.
El nmero de Reynolds evaporativo 1 = VT S 1/2 /K.
El nmero de Reynolds advectivo 2 = U S 1/2 /K.
El dficit de saturacin 3 = qs q.
Segn el teorema , existe una relacin entre todas las variables, que es
equivalente a
En ambiente saturado (q = qs ) no hay evaporacin, es decir, VT = 0

si 3 = 0, por lo que f (2 , 0) = 0.
En general, el dficit de saturacin (q = qs ) es pequeo, por lo que
un desarrollo de Taylor de f (con respecto a 3 ) parece una aproximacin razonable

f
3 + . . . = 0 + g(2 )3 + . . . ,
f (2 , 3 ) = f (2 , 0) +
3 3 =0
donde g es una funcin desconocida. Por ello, como aproximacin
de primer orden resulta 1 = g(2 )3 .
Contraejemplo: la ley de Paris
Resulta sorprendente y lamentable a la vez que este teorema no forme

parte de los contenidos de fsica en el bachillerato y mucho ms, que no
se estudie en algunas universidades que imparten titulaciones de fsica o
ingeniera. Esto lleva a que se encuentre uno con grupos de investigadores
que trabajan con modelos que tienen serias deficiencias. Este es el caso de
la ley de crecimiento de grieta
da
= CK n ,
dN
(1 , 2 , 3 ) = 0 1 = f (2 , 3 ),
donde y f son funciones desconocidas.
Informacin de tipo fsico adicional conduce a:
(21)
(22)
propuesta por Paris et al. [87], en la que C y n son parmetros, que relacionan linealmente la velocidad de crecimiento de grieta da/dN y el rango
del factor de intensidad de tensiones K cuando se consideran escalas logartmicas.
En primer lugar, esta frmula involucra solamente a las variables a, N
y K, que segn el teorema de Buckingham no son suficientes para que
exista una relacin fsica entre ellas5 .
Adems, puesto que el trmino da/dN de la izquierda de esta ecuacin,
y el trmino K de la derecha tienen diferentes dimensiones, la constante C debe tener dimensiones. Sin embargo, stas no pueden determinarse
5
El rango de la matriz resultante es 3, pero entonces v k = 0. Por tanto, se necesita

considerar C como otra variable ms.
20
11/1/11
09:54
Pgina 20
antes de saber el valor del parmetro n. Se deduce que para materiales diferentes, o incluso para el mismo material bajo distintas hiptesis de carga,
las dimensiones de la constante C son diferentes.
Desgraciadamente, la mayora de las versiones modificadas de la ley de
Paris presentan tambin problemas dimensionales.
El lector puede comprobar que desgraciadamente este tipo de modelos no es excepcional, sino la regla (por ejemplo, ninguno de los modelos
revisados en Kohout [83] incluye parmetros adimensionales.).
Sin embargo, hay afortunadamente algunas excepciones, como la ley
de Paris generalizada propuesta por Pellas et al. [88] y utilizada por Agha
et al. [17] y Chantier et al. [78]
n
Kmax
da
= C aM
dN
Kth (a)
,
Kth (a)
Kc
g(R )
(a)g(R )
(23)
donde a es el tamao de grieta, N es el nmero de ciclos, Kmin y Kmax =
Y M a son los factores de intensidad de tensiones mximos y mnimos,

respectivamente, g(R ) = (1 R )/(1 mR ) es una funcin que representa la influencia de la razn de cargas R , m es una constante, a0 y aM
son los tamaos de grieta iniciales y mximo, respectivamente, C es una
constante adimensional, Y es un factor adimensional que tiene en cuenta la geometra de la grieta y Kc y Kth son los factores de intensidad de
tensiones de fallo y umbral, respectivamente.
Ntese que ahora el parmetro C es tambin adimensional.
3.
Matemticas
En esta seccin se comentan algunos modelos de importantes operaciones matemticas, tales como las operaciones asociativas y la de los iteradores.
3.1.
Operaciones asociativas
Todos estamos acostumbrados a utilizar operaciones asociativas, tales

como la suma y el producto de nmeros reales. Esta propiedad, que establece que si se operan tres nmeros x, y y z, da lo mismo operar x con y
y luego el resultado con z, que operar x con el resultado de operar y con
z, garantiza que no pueda manipularse el resultado de la operacin por la
21
forma de realizar los clculos, es decir que el resultado es invariante a la

forma de operar. Si se denomina F (x, y) al resultado de operar x con y, la
propiedad asociativa no es otra cosa que la expresada por la ecuacin
F [F (x, y), z] = F [x, F (y, z)],
(24)
que es la ecuacin funcional de la asociatividad, cuya solucin proporciona

todas las operaciones asociativas.
Podemos hacernos dos preguntas muy interesantes: (a) cmo son las
operaciones asociativas? y (b) es posible identificarlas a todas ellas?
Las respuestas a estas dos preguntas las da el teorema siguiente.
Teorema 6 (Leyes asociativas) La solucin ms general continua e invertible en ambas variables en el rectngulo real de la ecuacin funcional (24)
es
(25)
F (x, y) = f 1 [f (x) + f (y)],
donde f es una funcin continua cualquiera y estrictamente montona, que
puede ser reemplazada slo por cf (x), donde c es cualquier constante.
Por tanto, toda operacin asociativa tiene asociada una funcin continua
y estrictamente montona f (x) y viceversa, lo que nos permitira construir
una mquina con dos entradas x e y y una salida z, tal que al cambiar la
funcin interna cambia tambin la operacin asociativa, de forma tal que si
pudieran reproducirse en su interior todas las funciones continuas y estrictamente montonas, sera una mquina universal de generacin de operaciones asociativas.
A la suma y el producto les corresponden la funcin identidad f (x) = x
y el logaritmo f (x) = log x, respectivamente, pero hay muchas otras.
Corolario 2 (Alternativa a las operaciones asociativas) Cualquier solucin continua e invertible en ambas variables de la ecuacin (24) puede
ser escrita mediante
F (x, y) = g 1 [g(x) g(y)],
donde * denota una operacin asociativa continua y cancelable cualquiera
y g es una funcin continua y estrictamente montona.
Este corolario nos dice que la suma que aparece en (25) puede cambiarse por cualquier otra operacin asociativa.
22
11/1/11
09:54
Pgina 22
3.2.
El iterador
x
Supongamos que se desea aplicar varias veces una cierta funcin f y

conocer el valor que resulta de la n-sima iterada, es decir, consideramos
la funcin f (n) (x), que denotamos F (x, n) = f (n) (x). Entonces, es claro
que debe ser
F (x, m + n) = f (n+m) (x) = f (n) (f (m) (x)) = F (F (x, m), n),
f (2)(x)
f (n)(x)
(a)
g
g-1
(26)
n
lo que prueba que la funcin F (x, n) satisface la ecuacin funcional de la

traslacin, cuya solucin general es:
f (n) (x) = F (x, n) = g 1 [g(x) + n].
f (x)
23
f (n)(x)
(b)
(27)
Figura 3: (a) Ilustracin de la n-sima iterada de g y (b) la red funcional

asociada al iterador.
(28)
que puede escribirse como
Esto implica que

f (x) = F (x, 1) = g 1 [g(x) + 1] g(f (x)) = g(x) + 1.
Por ello, el problema de encontrar la iterada n-sima es meramente una

cuestin de resolver la ecuacin funcional equivalente
log
f (n) (x) = g 1 [g(x) + n];
g(f (x)) = g(x) + 1,
g 1 (x) = CAx +
o
f (g 1 (x)) = g 1 (x + 1),
(30)
que es un caso particular de la ecuacin de Abel (vase Kuczma et al. [85]).

Por tanto, se ha descubierto que existe una correspondencia entre las
funciones g y f . Dada una funcin invertible g(x), puede obtenerse una
funcin f (x) usando (28) y su n-sima iterada mediante (27). Sin embargo, el problema de obtener g(x) cuando f (x) es conocida es mucho ms
complicado.
La importancia prctica de todo esto es que en vez de evaluar la iterada
n-sima de f , que implica la evaluacin de la funcin f n veces, se puede
evaluar (27), que implica slo la evaluacin de dos funciones g y g 1 , con
el consiguiente ahorro computacional.
Ejemplo 3 (Iterada de una funcin lineal) Considrese la funcin
f (x) = Ax + B.
La iterada n-sima f (n) (x) de esta funcin es:
f (n) (x) = An x +
B(1 An )
,
1A
g(x) =
(29)
4.

B + (A 1)x
(A 1)C
;
log(A)
B
.
1A
Ecuaciones diferenciales en Ingeniera
En esta seccin comentamos dos importantes novedades en el campo de

las ecuaciones diferenciales. En particular, analizaremos qu pasa cuando
se cambian condiciones auxiliares fijas por otras de rango. Tambin veremos cmo se pueden plantear problemas de ecuaciones diferenciales mediante ecuaciones funcionales de forma equivalente.
4.1.
Ecuaciones diferenciales con restricciones de rango
Es interesante observar la inercia que existe en el mundo cientfico a

considerar cierto tipo de modelos y la resistencia al cambio, incluso cuando dicho cambio resultara natural y motivado por el problema a resolver.
Este es el caso de las ecuaciones diferenciales que surgen en muchos problemas de ingeniera. Por ejemplo, en el caso de la ecuacin diferencial
de la viga elstica en su versin esttica, las condiciones de contorno, definidas normalmente en trminos de flechas, giros, momentos y cortantes,
24
11/1/11
09:54
Pgina 24
nunca deberan considerarse nicas y fijadas, sino pertenecientes a un cierto

rango. Es conocido que el nmero de condiciones a imponer en el mtodo
clsico es coincidente con el orden de la ecuacin y conduce a solucin nica si stas estn bien elegidas. En el caso del problema de vigas con carga
esttica, al tratarse de una ecuacin de cuarto orden, se necesitan por tanto
cuatro condiciones.
En el trabajo Castillo et al. [72], recientemente publicado en SIAM
Review, abordamos el caso de problemas de ecuaciones diferenciales ordinarias (EDO) en los que las condiciones auxiliares se definen mediante
rangos, es decir, en vez de fijar los valores de la funcin y sus derivadas
en determinados puntos, se fijan solamente sus rangos. Ello da lugar a algunas sorpresas interesantes, como son, por una parte, que el nmero de
condiciones de contorno a imponer pueda ser ilimitado, y, por otra, que
puedan existir infinitas soluciones. Este nuevo paradigma va en contra de
la prctica tradicional, en la que se buscan soluciones nicas mediante un
conjunto finito y muy reducido de condiciones, normalmente coincidente
con el orden de la ecuacin, que en este caso seran cuatro.
En el artculo de SIAM Review se describe el problema de una viga
elstica sometida a carga uniforme y se resuelve, demostrando que el conjunto de soluciones es en general un conjunto polidrico, es decir, la suma
de tres componentes: un espacio vectorial, un cono y un poltopo, pero que
en los casos reales degenera en un poltopo al tratarse normalmente de deformaciones finitas.
En la Figura 4 se muestra el ejemplo de la viga biempotrada en el que
se han relajado las condiciones de borde, es decir, se consideran empotramientos y apoyos imperfectos, dando el conjunto de soluciones generadoras
del poltopo solucin para el caso de una viga cuyas flechas y giros en los
apoyos estn acotados mediante rangos.
Puesto que en la realidad no existen apoyos ni empotramientos perfectos, ni fuerzas ni momentos exactos, en la prctica es mucho ms realista
suponer que flechas, giros, momentos y cortantes oscilan en ciertos rangos. De esta forma se obtienen envolventes de momentos y cortantes que
permiten calcular las armaduras de forma inmediata.
4.2.
Ecuaciones funcionales versus ecuaciones diferenciales
Es de todos sobradamente conocido que muchos problemas fsicos han

sido representados mediante modelos de ecuaciones diferenciales, y tambin que estas ecuaciones son el resultado de imponer el balance o el equilibrio sobre un elemento diferencial (muy pequeo), reflejando el hecho de
x 1
2
1
0
-0.5
Giros
0.5
25
Flechas
-1
-2
-1
-3
-1.5
0.2
0.4
x 10
0.6
0.8
0.2
0.4
0.6
75
0.8
Cortantes
50
25
-5
-10
-25
-15
-20
-50
Momentos
-75
-25
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
Figura 4: Ilustracin de los generadores del poltopo de todas las soluciones

de flechas, giros, momentos y cortantes.
que dicho balance o equilibrio debe satisfacerse para dicho elemento. Una
vez impuesta esta condicin a un conjunto infinito de elementos de un cierto
dominio, se obtiene el conocido modelo tradicional basado en ecuaciones
diferenciales. Si se discretiza, se obtiene un modelo basado en ecuaciones
en diferencias, que normalmente aproxima la solucin del problema inicial.
En esta seccin se propone una alternativa basada en ecuaciones funcionales. Considrese un elemento no diferencial y establzcase el balance
o equilibrio en l, reflejando el hecho de que dicho balance o equilibrio debe satisfacerse en dicho elemento. Si, por el contrario, se supone que dicho
balance debe cumplirse para cualquier elemento de dimensiones cualesquiera de todos los de un cierto dominio, se obtiene una ecuacin funcional
equivalente a la diferencial anterior, y de esta forma se obtiene el mode-
26
11/1/11
09:54
Pgina 26
27
x, respectivamente, y el equilibrio de momentos da
p(x)
p(x)dxdx
m0 (x) = q(x),
(32)
2
donde m(x) es el momento flector en el punto genrico x y m0 (x) su derivada.
Considrese ahora la bien conocida relacin de la resistencia de materiales entre el momento flector y la curvatura de la viga
m(x + dx) = m(x) + q(x)dx +
m(x+dx)
m(x)
q(x+dx)
q(x)
dx
p(x)
m(x) = EIz 00 (x),
(33)
donde z(x) es la flecha de la viga en el punto x.

De (31), (32) y (33) se obtiene la bien conocida ecuacin diferencial
ordinaria de la viga
EIz (IV ) (x) = p(x).
Figura 5: Ilustracin del mtodo clsico basado en el equilibrio de una pieza
diferencial.
lo alternativo, que aparece en forma de ecuacin funcional, es decir, sin

que intervengan derivadas. Este nuevo planteamiento del problema permite
nuevos mtodos numricos y exactos, que pueden ser ms eficientes que
los correspondientes a ecuaciones diferenciales.
Por ello, mostraremos que se pueden plantear los problemas en las dos
formas: diferencial y funcional. En la seccin siguiente se ilustra el mtodo
mediante su aplicacin al problema de la deformacin de una viga esttica.
Se ha elegido este sencillo ejemplo por motivos de simplicidad, pero el
mtodo es igualmente aplicable a casos mucho ms complejos.
Llamando w(x) = z 0 (x) al giro de la viga en el punto x, de las ecuaciones (31), (32) y (33) se obtiene el sistema de ecuaciones diferenciales de
primer orden
q 0 (x) = p(x),
m0 (x) = q(x),
m(x)
w0 (x) =
,
EI
0
z (x) = w(x),
(35)
que es el modelo usual en trminos de ecuaciones diferenciales, cuando se

est interesado en el cortante q, el momento flector m, el giro w y la flecha
z. Es de sobra conocido que el sistema (35) de ecuaciones diferenciales de
primer orden es equivalente a la ecuacin diferencial de cuarto orden (34).
4.2.2.
4.2.1.
(34)
Mtodo alternativo: Ecuaciones funcionales
Mtodo clsico: ecuaciones diferenciales
En el planteamiento clsico, se establece el equilibrio esttico de piezas

diferenciales. En la figura 5 se muestra una de tales piezas.
El equilibrio de fuerzas verticales en la pieza de tamao diferencial
conduce a
En el mtodo alternativo, las ecuaciones de equilibrio se establecen en

piezas discretas. En la figura 6 se muestra una de tales piezas de longitud
u.
El equilibrio de fuerzas verticales en esta pieza conduce a
q(x + u) = q(x) + A(x, u),
q(x + dx) = q(x) + p(x)dx q 0 (x) = p(x),
(31)
donde q(x) y p(x) son el esfuerzo cortante y la carga aplicada en el punto
(36)
donde
A(x, u) =
x+u
Z
p(s)ds.
(37)
28
11/1/11
09:54
Pgina 28
29
Adems se tiene
p(x)
q(x)
q(x+u)
m(x)
m(x+u)
z(x + u) = z(x) +
x+u
Z
w(s)ds
x
x+u
Z
1
[m(x)(s x)
EI
x

(s x)2
+q(x)
+ C(x, s x) ds
2

1
u2
u3
= z(x) + w(x)u +
m(x) + q(x) + D(x, u) ,
EI
2
6
(42)
= z(x) +
p(x)
w(x) +
donde
Figura 6: Ilustracin del equilibrio de una pieza discreta.
x+u
Z
D(x, u) =
C(x, s x)ds.
(43)
Por tanto, se obtiene el sistema de ecuaciones funcionales de primer

orden
y el equilibrio de momentos
m(x + u) = m(x) + uq(x) + B(x, u),
(38)
donde
B(x, u) =
x+u
Z
(x + u s)p(s)ds.
(39)
Usando la ecuacin (33) de la resistencia de materiales se obtiene
q(x + u) = q(x) + A(x, u),

m(x + u) = m(x) + uq(x)
+ B(x, u),

u2
1
m(x)u + q(x) + C(x, u) ,
w(x + u) = w(x) +
EI
2

1
u2
u3
z(x + u) = z(x) + w(x)u+
m(x) +q(x) + D(x, u) ,
EI
2
6
(44)
w(x + u) = w(x) +
= w(x) +
1
EI
1
EI
x+u
Z
donde
m(s)ds
A(x, u)
x
x+u
Z
m(x) + (s x)q(x) + B(x, s x)ds

B(x, u) =
x

1
u2
= w(x) +
m(x)u + q(x) + C(x, u) ,
EI
2
(40)
C(x, u) =
donde
C(x, u) =
x+u
Z
B(x, s x)ds.
(41)
D(x, u) =
x+u
Z
p(s)ds,
x
x+u
Z
(x + u s)p(s)ds,
x
x+u
Z
B(x, s x)ds,
x
x+u
Z
C(x, s x)ds,
(45)
30
11/1/11
09:54
Pgina 30
que es equivalente al sistema de ecuaciones diferenciales (35).

Ntese que las funciones A(x, u), B(x, u), C(x, u), D(x, u), E(x, u)
y F (x, u) resultan conocidas tan pronto se conoce la carga p(x) y que en
algunos casos se puede resolver el problema con 1, 2, 3 o todas las ecuaciones de (44), dependiendo de las condiciones de contorno. Ntese tambin
que el sistema (44) puede ser considerado como un sistema de ecuaciones
en diferencias (hgase simplemente u = x) que da las soluciones exactas
en los puntos de discretizacin para cualquier valor de u = x.
Para obtener una ecuacin funcional equivalente en z(x), se puede escribir la ltima ecuacin de (44) para tres valores diferentes de u y eliminar
w(x), m(x) y q(x). Por ejemplo, si se escribe esta ecuacin para u, 2u, 3u
y 4u, se obtiene la ecuacin funcional de cuarto orden
z(x + 4u) = 4z(x + u) 6z(x + 2u) + 4z(x + 3u) z(x)+
4D(x, u) + 6D(x, 2u) 4D(x, 3u) + D(x, 4u)
+
,
EI
(46)
que es equivalente a la (34).
Mediante un proceso similar, se obtienen las siguientes ecuaciones funcionales de tercero, segundo y primer orden en w(x), m(x) y q(x),
respectivamente:
31
Ejemplo 4 (Vigas con carga uniforme) Supngase una viga con carga uniforme p. Entonces se tiene
A(x, u) = pu,
C(x, u) = pu3 /6,
B(x, u) = pu2 /2,

D(x, u) = pu4 /24,
(50)
y el sistema de ecuaciones funcionales (44) resulta

q(x + u) = q(x) pu,
pu2
,
m(x + u) = m(x) + uq(x)
2

3
1
u
u2
w(x + u) = w(x) +
p + um(x) + q(x)
,
EI
6
2

1
u4
u2
u3
z(x + u) = z(x) + uw(x) +
p + m(x) + q(x)
.
EI
24
2
6
(51)
Considerando los bordes x = 0 y u = s, se analizan los casos siguientes:
1. Viga simplemente apoyada:
m(0) = z(0) = 0,
m(s) = z(s) = 0.
(52)
w(0) = z(0) = 0,
m(s) = q(s) = 0.
(53)
m(s) = z(s) = 0.
(54)
w(s) = z(s) = 0.
(55)
2. Mnsula:
w(x + 3u) = w(x) 3w(x + u) + 3w(x + 2u)
[3C(x, u) 3C(x, 2u) + C(x, 3u)]
+
,
(EI)
(47)
3. Viga empotrada y apoyada:

m(x + 2u) = 2m(x + u) m(x) B(x, u),
(48)
q(x + u) = q(x) + A(x, u),
(49)
que junto con (46) es equivalente al sistema de ecuaciones funcionales de

primer orden (44).
Las ecuaciones (46) a (49) pueden ser interpretadas como ecuaciones
en diferencias finitas, pero hay que indicar que se cumplen para todo valor
de u. En este caso, dan la solucin exacta en los puntos de discretizacin
para cualquier valor de u = x.
w(0) = z(0) = 0,
4. Viga biempotrada:
w(0) = z(0) = 0,
Cada uno de los casos anteriores da lugar a un sistema de 4 ecuaciones en 4 incgnitas en el conjunto {q(0), q(s), m(0), m(s), w(0), w(s),
z(0), z(s)}. Estos sistemas se muestran en la tabla 3. Resolviendo estos
sistemas y sustituyendo sus soluciones en (51) con x = 0 se obtienen las
leyes de cortantes, momentos, giros y flechas que se muestran en la tabla 4.
32
11/1/11
09:54
Pgina 32
Tabla 3: Sistemas de ecuaciones resultantes para diferentes tipos de vigas.

Tipo de viga
=
Viga simplemente apoyada w(s)
q(0) ps
ps2
sq(0)
2

s3
s2
1
p + q(0)
w(0) +
EI
2
6 4

s
s3
1
p + q(0)
+sw(0) +
EI
24
6
q(0) ps
2
0
w(s)
z(s)
q(s)
Mnsula
Cortante
p(s 2u)
2
p(s u)
Momento
pu(s u)
2
p(u s)2
2
Giro
p(s 2u)(s2 2su + 2u2 )

24EI
pu(3s2 + 3su u2 )
6EI
Flecha
pu(u s)(s2 + su u2 )
24EI
pu2 (6s2 + 4su u2 )

24EI
Viga empotrada y apoyada
Viga biempotrada
Cortante
p(5s 8u)
8
p(s 2u)
2
Momento
p(s 4u)(u s)
8
p(s2 + 6su 6u2 )

12
Giro
pu(6s2 + 15su 8u2 )

48EI
p(s 2u)u(u s)
12EI
Flecha
p(s u)u2 (2u 3s)

48EI
pu2 (u s)2
24EI
q(0) ps
ps2
m(0) + sq(0)
2

s3
s2
1
p + sm(0) + q(0)
=
EI
6
2
s4
s2
s3
1
p + m(0) + q(0)
=
EI
24
2
6
=
m(s)
5.
ps
m(0) + sq(0)
2

1
s3
s2
=
p + sm(0) + q(0)
EI
6
2
1
s4
s2
s3
=
p + m(0) + q(0)
EI
24
2
6
Viga simplemente apoyada
q(s)
Viga empotrada y apoyada w(s)
Viga biempotrada
Tabla 4: Leyes de cortantes, momentos, giros y flechas para diferentes tipos

de vigas.
Sistema de ecuaciones
q(s)
Mnsula
33
q(0) ps
ps2
m(0) + sq(0)
2

1
s3
s2
p + sm(0) + q(0)
EI
6
2
1
s4
s2
s3
p + m(0) + q(0)
EI
24
2
6
Geometra
Una de las primeras sorpresas que me llev con las ecuaciones funcionales fue al descubrir que si se plantea mediante un sistema de dos ecua-
ciones funcionales, la frmula del rea de un rectngulo en funcin de la

longitud de su base b y su altura a, resulta Area = c b a con c cualquier
constante, y no Area = b a, que era lo que nos ensearon de nios en
la escuela. El hecho de que las ecuaciones funcionales me hicieran darme
34
11/1/11
09:54
Pgina 34
f(a1+a2, b)
f(a, b1+b2)
b1
b
a2
f(a1, b)
f(a2, b) f(a, b1)
dos ecuaciones funcionales

f (a1 + a2 , b) = f (a1 , b) + f (a2 , b)
b2
f (a, b1 + b2 ) = f (a, b1 ) + f (a, b2 ),
(56)
en el que la incgnita es la funcin f .

Puesto que b es constante en la primera ecuacin y a es constante en la
segunda, ambas ecuaciones son las ecuaciones de Cauchy, por lo que
a1
35
f (a, b) = c1 (b)a = c2 (a)b,
f(a, b2)
donde c1 (b) y c2 (a) son funciones inicialmente desconocidas, pero debido

a la segunda identidad, deben satisfacer la condicin
Figura 7: Rectn
Rectngulos
ngulos bsicos.
c1 (b)
c2 (a)
=
= c,
b
a
cuenta de que si la base est en pies, la
l altura en metros y se desea
deseea el rea
en hectreas,
hectreeas, la formula aprendida enn la escuela debe corregirse
corregirse mediante
m
una constante
constaante c,
c, que sirve
sirve para corregir
corregir
g las unidades empleadas,
empleadas me
m llam
mucho la atencin, pues no me habaa parado a pensar en que la frmula
ms general
generral del rea del rectngulo fuera
fuuera otra que la que todos sabamos
sab
bamos y
utilizbamos.
utilizbam
mos.
Seguidamente
Seguiddamente se muestra cmo
cmo obtener
ob
btener estos resultados y se extienden
extienden
stos al caso
caaso del trapecio.
5.1. Ar
Area
rea de un rrectngulo
ectngulo (Legendre
(Leggendre (1791))
Supongamos
Supon
p nggamos que
q no se conoce la frmula f (a,
(a,, b)
b) que
q da el rea
rrea de un
eamos que medi
a proante
rectnguloo en funcin de su altura a y su base bb.. V
Veamos
mediante
piedades que
q deben cumplir los rectn
ngulos, puede obtenerse esta frmula.
rectngulos,
En la partee izquie
rda de la figura 7 se muestra
m
un rectngulo de bas
se b y cuizquierda
base
ya altura a se ha dividido
dividido horizontalmente
horizontalmente para formar dos rectngulos
rectnggulos con
la misma base
b b y alturas a1 y a2 , respectivamente.
respeectivamente. Aunque no pode
podemos
emos segn nuestr
ra hiptesis calcular las rea
as de los tres rectngulos, s podemos
p
nuestra
reas
eexpresarlas
xpresarlaas mediante la funcin f com
mo f (a
(a1 , bb),
), f ((a
a2 , bb),
), y f ((a
a1 + a2 , bb),
),
como
respecti
vamente.
a
Anlog
amente, pode
emos di
vidir el rectngulo ini
icial vvererrespectivamente.
Anlogamente,
podemos
dividir
inicial
ticalmentee en otros dos rectngulos
g
((vase la pparte derecha de llaa misma
figura) y escribir
e
sus reas mediante f (a,
(a, b1 )),, f ((a,
a, b2 )),, y f ((a,
a, b1 + b2 )),, respecti
vameente.
pectivamente.
Establleciendo que el rea del primer
primer rectngulo debe ser igual a la suma
Estableciendo
de las rea
as de los subrectngulos en ambos
a
casos, se obtiene el sis
stema de
reas
sistema
que implica
f (a, b) = cab,
(57)
donde c es una constante positiva cualquiera, lo que prueba que el rea del
rectngulo no es la conocida frmula base altura", sino una constante
base altura". La constante tiene en cuenta las unidades utilizadas para
la base, la altura y el rea resultante. Esto significa que si b se mide en
pulgadas, h en pies, y se desea el rea en metros cuadrados, la constante no
es la unidad.
Resulta interesante comprobar cmo las ecuaciones funcionales nos ponen de manifiesto esta posibilidad en la que posiblemente no hubiramos
pensado. Sin embargo, para los sumerios, que no saban ecuaciones funcionales, el rea de un campo rectangular fue un resultado emprico usado
para calcular la cantidad de grano G necesario para sembrar su campo de
lados a y b: G = cab, donde en este caso la constante c era la densidad de
siembra.
5.2.
Area de un trapecio
Seguidamente se deduce la frmula del rea del trapecio, en la que aparecen dos constantes arbitrarias, ya que el rea depende de las longitudes
de las dos bases y de la altura, es decir de una variable ms, resultando la
frmula
Area = f (b1 , b2 , a) = (k1 b1 + k2 b2 ) a,
que para k1 = k2 = 1/2 resulta la conocida frmula:
36
11/1/11
09:54
Pgina 36
base ms base partida por dos y multiplicada por la altura.
Area = f (b1, b2, a)
Para deducirla, puede utilizarse el sistema de ecuaciones

f (b1 +
b01 , b2
b02 , a)
= f (b1 , b2 , a) +
f (b01 , b02 , a)
f (b, b, a1 + a2 ) = f (b, b, a1 ) + f (b, b, a2 )

f (sb1 , sb2 , sa) = s2 f (b1 , b2 , a),
(58)
b2
(59)
(60)
que corresponden a dividir un trapecio en dos verticalmente, a considerar

el caso de un rectngulo como caso particular de trapecio, y a cambiar de
escala un trapecio como muestra la figura 8. Estas tres ecuaciones (propiedades) juntas caracterizan el rea de un trapecio.
5.3.
Las funciones homogneas: Areas y volmenes de figuras

geomtricas
Las funciones homogneas juegan un importante papel en Fsica e Ingeniera y surgen muy frecuentemente en las aplicaciones.
Teorema 7 (Funciones homogneas) La solucin ms general de la ecuacin funcional de la homogeneidad
k
f (yx) = y f (x) ; x, y IR +
37
(61)
b2
b1
b1
f (b1 + b1, b2 + b2, a) = f (b1, b2, a) + f (b1, b2, a)

b
a1
a2
f (b, b, a1 + a2) = f (b, b, a1) + f (b, b, a2)

sb2
b2
sa
a
b1
sb1
f (sb1 + sb2 + sa) = s f (b1, b2 , a)

2
es
k
f (x) = cx ,
(62)
donde c es cualquier constante.
Figura 8: Bases para deducir la frmula general del rea de un trapecio.
Seguidamente se ilustra la homogeneidad con un sencillo ejemplo.

Ejemplo 5 (Areas y volmenes de figuras geomtricas) Dada una figura geomtrica dependiente de un nico parmetro x (radio, longitud del
lado, etc.), como es el caso de un crculo o un polgono regular, denotamos
por f (x) a la funcin que da su rea. Basndose en anlisis dimensional
es fcil observar que estas frmulas deben satisfacer la ecuacin funcional
f (rx) = r2 f (x), es decir, el rea de una figura con parmetro r veces x
debe ser r2 veces el rea de una figura con parmetro x. Por ello, segn
(62), f (x) debe ser de la forma f (x) = cx2 . Ntese que c = para el
crculo si x es el radio, c = 1 para el cuadrado si x es el lado y c = 6 para
el rea lateral del cubo, si x es la longitud de la arista.
La tabla 5 muestra los valores de la constante c para el caso particular

de polgonos regulares de diferente nmero de lados. De hecho, la funcin
f (x) = es
np
f (x) = x2
cosec2 (/n) 1,
(63)
4
donde n es el nmero de lados del polgono regular.
Este resultado sale tambin si se aplica el teorema , ya que al analizar
la relacin existente entre el rea y x se tiene un nico parmetro adimensional rea/x2 , por lo que tiene que ser constante para cada caso. As para
np
la familia de los polgonos regulares la constante es
cosec2 (/n) 1.
4
Anlogamente, el volumen de una familia de figuras que dependen de
38
11/1/11
09:54
Pgina 38
RAMN ARGELLES LVAREZ
Tabla 5: Areas de polgonos regulares en funcin de la longitud del lado.

Nmero de lados
39
Tabla 6: Areas laterales y volmenes de diferentes poliedros en funcin de

la longitud de sus aristas.
Area
0.433 x2
Elemento
Area lateral
Volumen
1.000 x2
Tetrahedron
1.7321a2
0.11785a3
1.721 x2
Octahedron
3.4641a2
0.471404a3
2.598 x2
Dodecahedron
20.6458a2
7.663119a3
3.634 x2
Icosahedron
8.6603a2
2.181695a3
4.828 x2
6.182 x2
10
7.694 x2
11
9.366 x2
12
11.19 x2
donde h y g son funciones arbitrarias.
5.4.
un nico parmetro (esfera, poliedro regular, etc.) es tal que f (yx) =

y 3 f (x). Por ello, se puede escribir como f (x) = Cx3 , donde C es una
constante que depende de la familia considerada. Como ejemplo, C =
4/3 para la esfera de radio x.
La tabla 6 muestra las reas laterales y los volmenes de algunos poliedros regulares.
Teorema 8 (Funciones homogneas (caso bidimensional)) La solucin general de la ecuacin funcional de la homogeneidad en el caso bidimensional
f (xz, yz) = z k f (x, y); x, y IR + , z IR ++ ,
(64)
donde f es una funcin real de variable real es

x
x
k
( xy) h
ox g
si
y
y
axk
si
f (x, y) =
si
by
c(ck = 0)
si
x 6= 0, y 6= 0,
y = 0, x 6= 0,
x = 0, y 6= 0,
x = y = 0,
(65)
La ecuacin funcional suma de productos nula: Cubiertas

con secciones paralelas a los ejes pertenecientes a ciertas
familias
En esta seccin se trata de las ecuaciones funcionales de la forma

n
X
fk (x)gk (y) = 0,
k=1
que aparecen muy frecuentemente en las aplicaciones.

Teorema 9 (Ecuacin de la suma de productos nula) Todas las soluciones de la ecuacin funcional
n
X
fk (x)gk (y) = 0
(66)
k=1
pueden ser escritas en la forma

f1 (x)
a11 a12
f2 (x) a21 a22

... = ... ...
an1 an2
fn (x)

g1 (y)
b1r+1
g2 (y) b2r+1

... = ...
bnr+1
gn (y)
...
...
...
...
b1r+2
b2r+2
...
bnr+2
a1r
a2r
...
anr
...
...
...
...
1 (x)
2 (x)
... ,
r (x)
b1n
r+1 (y)
b2n
r+2 (y) ,
...
...
bnn
n (y)
(67)
40
11/1/11
09:55
Pgina 40
donde r es un entero entre 0 y n, y {1 (x), 2 (x), . . . , r (x)} por una

parte, y {r+1 (x), r+2 (x), . . . , n (x)} por otra, son sistemas arbitrarios
de funciones mutuamente linealmente independientes, y las constantes aij
y bij satisfacen
b1r+1 b1r+2 . . . b1n

a11 a21 . . . an1
a12 a22 . . . an2 b2r+1 b2r+2 . . . b2n
= 0.
(68)
... ... ... ... ...
...
... ...
a1r a2r . . . anr
bnr+1 bnr+2 . . . bnn
41
y (68) conduce a
1 0 0 a41 a51 a61
0 1 0 a42 a52 a62
0 0 1 a43 a53 a63
b14
b24
b34
1
0
0
b15
b25
b35
0
1
0
b16
b26
b36
0
0
1
= 0,
(73)
b14 = a41 ; b15 = a51 ; b16 = a61 ; b24 = a42 ; b25 = a52 ;
b26 = a62 ; b34 = a43 ; b35 = a53 ; b36 = a63 .
(74)
lo que es equivalente al sistema

Ejemplo 6 (Cubiertas con secciones en ciertas familias) Se desea disear una cubierta de un pabelln deportivo o edificio de congresos tal que
su proceso de construccin resulte sencillo en su proceso de replanteo y
encofrado. Con tal objetivo, se busca una cubierta cuyas secciones paralelas a los ejes coordenados sean polinomios de segundo grado. En otras
palabras, se quiere encontrar la superficie ms general cuyas secciones
paralelas a los ejes sean tales que:
a(y)x2
+ b(y)x + c(y),
z(x, y) =
z(x, y) = d(x)y 2 + e(x)y + f (x).
Por ello, con una nueva reparametrizacin se puede escribir

a(y) = A + By + Cy 2 ;
c(y) = G + Hy + Iy 2 ;
e(x) = H + Ex + Bx2 ;
(69)
b(y) = D + Ey + F y 2 ;
d(x) = I + F x + Cx2 ;
f (x) = G + Dx + Ax2 ,
(75)
con lo que se obtiene finalmente
Las expresiones (69) implican

2
z(x, y) = Cx2 y 2 +Bx2 y +F xy 2 +Ax2 +Exy+Iy 2 +Dx+Hy+G, (76)
a(y)x + b(y)x + c(y) d(x)y e(x)y f (x) = 0,
(70)
que es una ecuacin funcional en seis funciones incgnitas de la forma

(66).
Segn el teorema 9, y puesto que el conjunto de funciones {x2 , x, 1} y
2
{y , y, 1} son linealmente independientes, resulta r = 3 y (67) se convierte
en
2
x
1
0
0
x 0
2
1
0

x
1 0
0
1
=
x ,
(71)
d(x) a41 a42 a43

1
e(x) a51 a52 a53
f (x)
a(y)
b(y)
c(y)
y 2
y
1
donde A, B, C, D, E, F, G, H e I son constantes arbitrarias, que dan la

superficie general deseada.
Un ejemplo de este tipo de cubiertas se da en la figura 9.
Es interesante notar que la demostracin anterior no cambia si se
sustituyen las funciones {x2 , x, 1} por {h1 (x), h2 (x), 1} y {y 2 , y, 1} por
{h1 (y), h2 (y), 1}, con lo que la superficie (76) resultara
z(x, y) = Ch1 (x)h1 (y) + Bh1 (x)h2 (y) + F h2 (x)h1 (y)
+Ah1 (x) + Eh2 (x)h2 (y)
+Ih1 (y) + Dh2 (x) + Hh2 (y) + G.
(77)
a61 a62 a63
b14
b24
b34
1
0
0
b15
b25
b35
0
1
0
b16
b26
b36
0
0
1
y ,
5.5.
(72)
Caracterizacin de familias de superficies
En Castillo and Iglesias [52] se caracterizan las familias de superficies

definidas implcitamente cuyas secciones paralelas a los planos coordenados pertenecen a ciertas familias. Un ejemplo se muestra en el teorema
siguiente.
42
11/1/11
09:55
Pgina 42
43
donde (x), (y) y (z) son vectores de funciones arbitrarias y Cijk son
constantes arbitrarias.
Adems, las funciones U, V y W no pueden ser arbitrarias, sino de la
forma
6
ui (y, z) =
4
2
0
0.2
vj (z, x) =
0.4
0.4
0.6
0.6
wk (x, y) =
0.8
0.8
[Cijk j (y)k (z)] ; i = 1, . . . , I,
(80)
[Cijk i (x)k (z)] ; j = 1, . . . , J,
(81)
[Cijk i (x)j (y)] ; k = 1, . . . , K.
(82)
j=1 k=1
0
0.2
K
J X
X
I X
K
X
i=1 k=1
J
I X
X
i=1 j=1
1 1
Otros ejemplos de caracterizacin de superficies mediante ecuaciones

funcionales se dan en Castillo and Iglesias [51]. Un ejemplo grfico se
muestra en la figura 10.
Figura 9: Cubierta con secciones polinmicas de segundo grado.
Teorema 10 (Superficies en forma implcita) La familia ms general de

superficies en forma implcita f (x, y, z) = 0, tales que sus intersecciones
con los planos z = z0 , y = y0 , y x = x0 son combinaciones lineales de los
conjuntos
U = {u1 (y, z), u2 (y, z), . . . , uI (y, z)},
V = {v1 (z, x), v2 (z, x), . . . , vJ (z, x)}
y
W = {w1 (x, y), w2 (x, y), . . . , wK (x, y)},
de funciones de las otras dos variables, es decir, tales que
f (x, y, z)
I
P
f (x, y, z)
i=1
J
P
i (x)ui (y, z) =
J
P
j (y)vj (z, x) =
j=1
K
P
j=1
f (x, y, z) =
i=1 j=1 k=1
Suma de los ngulos internos de un polgono
Sea f (x) la funcin que da la suma de los ngulos internos de un polgono con x lados. Para obtener esta funcin se considera el siguiente hecho:
si se divide uno de los lados de un polgono de x lados, en dos lados, la suma de los ngulos internos del polgono resultante es la suma de la de los
ngulos internos del polgono inicial ms la suma de los ngulos internos
de un tringulo (vase la figura 11).
Por tanto, se tiene
f (x + 1) = f (x) + + + = f (x) + f (3),
(83)
que es una ecuacin en diferencias, cuya solucin general es:
j (y)vj (z, x),

(78)
f (x) = f (3)(x 2).
k (z)wk (x, y),
(84)
k=1
donde, sin prdida de generalidad, los conjuntos {i (x); i = 1, . . . , I},

{j (y); j = 1, . . . , J} y {k (z); k = 1, . . . , K} pueden suponerse conjuntos de funciones linealmente independientes, es de la forma
I X
J X
K
X
5.6.
Por tanto, se ha obtenido f como funcin del nmero de lados, x, y un

valor inicial correspondiente al caso del tringulo. Si se supone conocido
ste, que es , la expresin (84) conduce a la bien conocida frmula
f (x) = (x 2).
[Cijk i (x)j (y)k (z)] ,
(79)
44
11/1/11
09:55
Pgina 44
41
45
f (x)
Y
1
Figura 11: Perturbacin elemental de un polgono para obtener la suma de

sus ngulos internos.
4
2
0
Para simplificar, supondremos que la funcin de consenso f es separable,

es decir, que se satisface la condicin
2
3
4
Figura 10: Ejemplo de superficie cuyas secciones paralelas a los planos

coordenados son combinaciones lineales de curvas dadas.
6.
Economa y Sociologa
La Economa y la Sociologa son ciencias en las que la Matemtica juega un papel muy relevante. Por ello, tambin he dedicado un cierto tiempo
a problemas y modelos en Economa y Sociologa.
6.1.
Sntesis de juicios y consenso
Supngase que n miembros de un tribunal emiten calificaciones x1 , . . .,

xn para un cierto candidato, y que se desea sintetizar dichas calificaciones
en una de consenso f (x1 , x2 , . . . , xn ) (vase Aczl [7], pp. 122-125).
f (x1 , x2 , . . . , xn ) = g1 (x1 )g2 (x2 ) . . . gn (xn ),

donde se utiliza para referirse a una operacin asociativa cualquiera, conmutativa y cancelable.
La asociatividad y conmutatividad de la operacin se impone para
evitar cualquier tipo de manipulacin en el juicio final. Ntese que si no
fuese asociativa y conmutativa, el orden utilizado en la evaluacin influira
en el resultado final. De esta forma el resultado ser independiente del orden
de evaluacin.
La propiedad cancelativa garantiza que todos los jueces influyen en el
resultado consensuado.
La asociatividad implica que puede escribirse como
y1 y2 = 1 [(y1 ) + (y2 )],
y entonces se tiene
f (x1 , x2 , . . . , xn ) =
n
X
i=1
[gi (xi )] .
46
11/1/11
09:55
Pgina 46
Aadimos adems algunas condiciones a la funcin f tales como la unanimidad, que se expresa mediante la condicin
)
( n
X
1
[gi (x)] = x.
f (x, x, . . . , x) = x
s1
i=1
Si, adems a todos los jueces se les da el mismo peso, entonces gi (x) =
g(x) para todo i = 1, 2, . . . , n y se obtiene

1
1 (x)
f (x, x, . . . , x) = x {n[g(x)]} = x g(x) =
,
n
con lo que, finalmente, f resulta
f (x1 , x2 , . . . , xn ) = 1
n
P
(x
)
i
i=1
que nos da todas las frmulas de consenso que cumplen las condiciones
establecidas.
Algunos casos particulares interesantes son:
47
s2
sn
Figura 12: Ilustracin de la hiptesis de independencia.
En el pasado se han dado muchos modelos para resolver el problema de fatiga de elementos longitudinales, pero desafortunadamente, la mayora de
ellos se basan en la hiptesis de independencia de las resistencias a fatiga
de las diferentes piezas. Esta hiptesis establece que si un elemento de longitud s, tal como el mostrado en la figura 12, se divide hipotticamente en
varias piezas de longitudes s1 , s2 , ..., sn , entonces, la funcin de supervivencia S(s, t) del elemento satisface la ecuacin siguiente
S(s, t) =
n
Y
S(si , t),
i=1
1. La media aritmtica, que corresponde a (x) = x.

2. La media geomtrica, que corresponde a (x) = log x.
3. La media Lp , que corresponde a (x) = xp .
6.2.
Construccin consensuada de un modelo de fatiga para

elementos longitudinales
Uno de los problemas tpicos de los modelos de fatiga es el llamado

problema del efecto de escala, es decir, el que estudia la influencia de la
longitud en la funcin de supervivencia de elementos longitudinales.
Por elemento longitudinal entendemos un elemento que satisface las
siguientes condiciones:
En el comportamiento del elemento hay una nica dimensin que
juega un papel relevante en el problema de la fatiga.
Si el elemento se considera dividido longitudinalmente en muchas
piezas imaginarias (vase la figura 12), todas ellas estn sometidas a
la misma accin externa (tensin, fuerza, etc.).
donde t es el tiempo.
Aqu abandonaremos esta hiptesis y haremos uso de las ecuaciones
funcionales para plantear el problema de una forma diferente.
Supondremos que se ha requerido a un equipo de tres personas disear
por consenso un modelo de fatiga para elementos longitudinales. Sin embargo, se requiere que den propuestas iniciales separadas e independientes
antes de reunirse para adoptar una solucin de consenso. Las tres propuestas asociadas a los tres miembros se denotaran como modelos 1, 2 y 3,
respectivamente.
Modelo 1
El primer experto supone que si un elemento de longitud x+y se divide
en dos piezas no solapadas de longitudes x e y, su funcin de supervivencia
S(x + y, t) que da la probabilidad de supervivencia en t para una pieza de
longitud x + y, puede ser calculada en funcin de las funciones de supervivencia de las dos piezas, es decir, supone que S(x, t) satisface la ecuacin
funcional
S(x + y, t) = H[S(x, t), S(y, t)],
(85)
48
11/1/11
09:55
Pgina 48
49
donde la funcin H indica cmo la funcin de supervivencia del elemento

puede obtenerse a partir de las de las dos piezas.
Es importante sealar que la ecuacin (85) implica la asociatividad y
conmutatividad de la funcin H y la dependencia de la funcin S de la
longitud total del elemento. De hecho, se puede escribir
S(x + y + z, t) =
=
=
=
H[S(x + y, t), S(z, t)]

H[H[S(x, t), S(y, t)], S(z, t)]
H[S(x, t), S(y + z, t)]
H[S(x, t), H[S(y, t), S(z, t)]]
30
60
S(x + y, t) = H[S(x, t), S(y, t)] = S(y + x, t) = H[S(y, t), S(x, t)],
90
que prueban la asociatividad y la conmutatividad de la funcin H.

Por ello, la funcin de supervivencia de un elemento de longitud s es
independiente del nmero y de los tamaos de los sub-elementos en los que
se puede dividir el elemento inicial.
Modelo 1: La solucin general de (85) es:
S(x, t) = w[f (t)x]; H(x, y) = w[w1 (x) + w1 (y)],
(86)
donde f es una funcin cualquiera y w es una funcin invertible cualquiera.

Debido al principio del eslabn ms dbil y puesto que S(x, t) es una
funcin de supervivencia, sta debe ser no-creciente en t y x, por lo que
debe ser
[f (0) = 0 ; w(0) = 1], o

S(x, 0) = 1 w[f (0)x] = 1 [f (0) = ; w() = 1], o .
[f (0) = ; w() = 1]
[f () = 0 ; w(0) = 0], o
S(x, ) = 0 w[f ()x] = 0 [f () = ; w() = 0], o
[f () = ; w() = 0].
Si w(x) = exp(Dx) se obtiene el caso particular del modelo de independencia.
La estructura de la funcin H en (86) revela claramente el carcter asociativo y conmutativo de esta funcin.
Longitud del elemento

Figura 13: Funciones de supervivencia experimentales para elementos de
longitudes 30, 60 y 90 cm. (de Bogdanoff and Kozin [37]).
Modelo 2
El segundo miembro del equipo desea comenzar con un modelo recomendado por Bogdanoff and Kozin [37]: Basndose en resultados experimentales de Picciotto [89], estos dos autores sugieren el modelo
S(x, t) = S(y, t)N (y,x) ,
(87)
donde S(x, t) y S(y, t) son las funciones de supervivencia de dos elementos

de longitudes x e y, respectivamente, y N (y, x) es una funcin desconocida.
La figura 13 muestra las funciones de supervivencia experimentales y
las asociadas al modelo (87) (vase Bogdanoff and Kozin [37]), observndose un buen ajuste.
La relacin (87) es una ecuacin funcional en S(x, t) y N (y, x), por
lo que debe ser resuelta para conocer realmente cul es la propuesta de
Bogdanoff y Kozin. Castillo et al. [65] demostraron que las nicas formas
50
11/1/11
09:55
Pgina 50
posibles de N (y, x) son las de la forma N (y, x) =
q(x)
, por lo que resulta
q(y)
el
Modelo 2 : S(x, t) = p(t)q(x) ; N (y, x) =
q(x)
.
q(y)
(88)
para que S(x, t) sea una funcin de supervivencia debe ser no-creciente en
t y adems debe ser
S(x, 0) = 1 p(0)q(x) = 1 p(0) = 1,
S(x, ) = 0 p()q(x) = 0 p() = 0.
51
no-creciente en t y adems debe ser
[l(1) = p(0) = ], o
S(x, 0) = l1 [p(0) + r(x)] = 1 [l(1) = p(0) = ], o
[r(x) = l(1) p(0)].
[l(0) = p() = ], o
S(x, ) = l1 [p() + r(x)] = 0
[l(0) = p() = ], o
[r(x) = l(0) p()].

En el caso particular de que l1 (x) = exp[D exp(Cx)] se obtiene el
modelo de independencia.
Si q(x) = x, se obtiene el modelo de independencia.

Puesto que
Alcanzando un consenso
p0 (t)
h(x, t) =
q(x) = [log p(t)]0 q(x) = s(t)q(x),
p(t)
queda probado que el modelo 2 es el conocido modelo de los riesgos proporcionales de Cox. (vase Cox [79]). Por ello, la ecuacin funcional (87)
caracteriza dicho modelo.
Modelo 3
El tercer miembro, basado en la expresin (87), supone que la funcin
de supervivencia de un elemento de longitud x puede obtenerse a partir
de la funcin de supervivencia de un elemento de longitud y y un cierta
funcin desconocida de x e y. En otras palabras, supone que la funcin de
supervivencia satisface la ecuacin funcional
S(x, t) = K[S(y, t), N (x, y)],
(89)
cuya solucin conduce al modelo:

Modelo 3 : S(x, t) = l1 [p(t) + r(x)],
K(x, y) = l1 [l(x) + m(y)],
N (x, y) = m1 [r(x) r(y)],
En la etapa final, se requiere del equipo una solucin de consenso.

Normalmente, se entiende como solucin de consenso una combinacin lineal convexa de los juicios de varios individuos. Sin embargo, esta
combinacin tiene la desventaja de que el resultado, es decir, la solucin
consensuada por este mtodo pierde todas las propiedades de las soluciones particulares dadas por los miembros, lo que hace que muchos de ellos
queden insatisfechos (vase Genest and Zidek [81]).
Este hecho es irrelevante cuando se trata de usar el modelo resultante para calcular probabilidades, pero es un inconveniente serio cuando se
utiliza el modelo para modelar un sistema fsico y aprender sobre su estructura. De hecho, las ecuaciones funcionales (85), (87) y (89), utilizadas para
obtener los tres modelos, establecen algunas propiedades que los expertos
consideran que deben tener. Por ello, algunos miembros podran no aceptar
modelos que las violen. En consecuencia, entenderemos aqu por consenso
la interseccin de las tres familias de modelos, si sta existe, es decir, los
modelos que satisfacen todas y cada una de las propiedades exigidas por
los diferentes expertos. Empezaremos por obtener la parte comn de los
modelos 1 y 2 (vanse las ecuaciones correspondientes).
(90)
donde p y r son funciones arbitrarias y m y l son funciones invertibles

arbitrarias. Para que S(x, z) sea una funcin de supervivencia, debe ser
S(x, t) = w[f (t)x] = p(t)q(x) ,

lo que implica

S(x, t) = exp AB[f (t)x]C ; w(x) = exp ABxC ;
q(x) = AxC ,
p(t)
= exp[Bf C (t)];
(91)
52
11/1/11
09:55
Pgina 52
mostrando que los modelos 1 y 2 no son coincidentes, pero comparten el

modelo comn
C
(92)
S(x, t) = exp[f (t)x]C = (t)x ,
donde (t) es cualquier funcin positiva.
Haciendo C = 1 en (92) se obtiene el modelo de independencia.
Si se busca la parte comn a los modelos 1 y 3, se obtiene la ecuacin
funcional
S(x, t) = l1 [p(t) + r(x)] = w[f (t)x],
que, mediante el cambio de variable u = f (t), se transforma en la ecuacin
de Pexiders
l[w(ux)] = p[f 1 (u)] + r(x),
cuya solucin general continua en un punto es:
l[w(x)] = A log(BCx); p[f 1 (x)] = A log(Bx); r(x) = A log(Cx),
con lo que finalmente se obtiene
w(x) = l1 [A log(BCx)]; f 1 (x) = p1 [A log(Bx)]; r(x) = A log(Cx),
lo que muestra que el modelo 1 es un caso particular del modelo 3.
Finalmente, comparando los modelos 2 y 3 se obtiene
S(x, t) = l1 [p1 (t) + r(x)] = p(t)q(x) ,
que conduce a
l1 (x) = exp [exp(x/A)/(BC)] ,
q(x) = exp (r(x)/A) /B,
p(t) = exp [exp (p1 (t)/A) /C] ,
mostrando que el modelo 2 es un caso particular del modelo 1.
Por ello, podemos concluir que el modelo de consenso es el modelo
(92), que no es otra cosa que el modelo comn a las tres propuestas.
La figura 14 ilustra las tres propuestas y la de consenso.
6.3.
Frmulas del inters bancario
En esta seccin se discuten algunas frmulas del inters bancario, tratando de ilustrar qu hay tras cada una de ellas.
53
54
11/1/11
09:55
Pgina 54
Hacemos notar que el banco debe actuar de forma tal que
x
t
x+y
f (x + y, t) f (x, t) + f (y, t),
f (x, t + u) f (x, t) + f (x, u),

Figura 15:
15: Ilustracin del problema del
deel inters simple. Partiendo
Partiendo el
e capital
en dos par
rtes.
partes.
tt+u
+u
(98)
pues, en caso contrario, estar invitando a los clientes a depositar su dinero

en muchas cuentas con una cantidad muy baja en cada una.
Adems, debe ser
55
x
u
Figura 16:
166: Ilustracin del problema del
d inters simple. P
Partiendo
artiendo la duracin en do
os partes.
dos
eccuaciones (93) y (94) son ecuaciones

ecu
uaciones de Cauchy,
Cauchy, cuyas soluciones
so
oluciones
Las ecuaciones
son
(99)
pues, en caso contrario, estar invitando a los clientes a sacar su dinero y

volver a meterlo muchas veces.
Consecuentemente, el inters simple es la forma de mantener estable el
proceso dando el mnimo inters.
Afortunadamente, las polticas bancarias actuales no siguen esta ley.
Una comparacin del sistema de ecuaciones funcionales (56) que rigen
la frmula del rea del rectngulo y el sistema (93)-(94) que rige el caso del
inters simple lleva a la conclusin de que son los mismos. Esto significa
que estamos ante dos problemas diferentes pero que matemticamente son
el mismo.
Es interesante observar que la conmutatividad de a y b en (57) resulta
como consecuencia de las hiptesis (56), pero no es axiomtica. Esto implica que el rectngulo puede ser rotado un ngulo de 90 grados (intercambiar
la base y la altura) sin que se altere su rea.
La conmutatividad tambin se cumple para el caso del inters simple;
es decir, se obtiene el mismo inters si se deposita la cantidad x durante el
periodo de duracin t que si se deposita la cantidad t durante el periodo de
duracin x.
f ((x,
x,, t)
t) = c(t)x,
c(t)x,,
( )
(95)
(x, t)
t) = h(x)t,
h(x)t,
f (x,
(96)
6.3.2.
(97)
Si se mantiene la hiptesis (93) y se sustituye la hiptesis (94) por la

siguiente
f (x, t + u) = f [f (x, t), u],
(100)
y
de donde resulta finalmente la frmulaa
f (x,
(x, t)
t) = kxt,
k xt,
innters. La expresin
expresin (97) ess la bien
donde la constante k es la tasa de inters.
f
Por tanto, la frmula del inters
inters simple
conocida frmula
del inters simple. Por
q
caraacterizada por
p las dos propiedades
ppropie
p edades anteriores.
queda
caracterizada
im
mportante observar
observar que las hiptesis
hiiptesis anteriores no se cumplen
cum
mplen en
Es importante
realidadd. Se puede comprobar que los
l bancos aumentan el inters
inters con la
la realidad.
d
tiene una influencia
influenccia en el
cantidad depositada
y que la duracinn tambin tiene
au
unque sta no es tan clara como
com
mo la anterior.
anterior.
inters, aunque
Inters compuesto
que establece que al final del periodo t + u, se recibe el mismo inters si:
1. se deposita la cantidad x durante un periodo de duracin t + u, o
2. se deposita la cantidad x primero durante un periodo de duracin t
y luego se deposita todo lo recibido f (x, t) durante un periodo de
duracin u.
56
11/1/11
09:55
Pgina 56
La ecuacin (100) es la ecuacin de la traslacin, que tiene como solucin general

(101)
f (x, t) = g[g 1 (x) + t].
57
donde se supone que h(x, 0) = 1 y que h es continua y creciente en los dos

argumentos. La ecuacin (103) es una ecuacin de Cauchy, con solucin
h(x, t) = exp[C(x)t] = p(x)t f (x, t) = xp(x)t ,
(104)
Sustituyendo (95) en (100) conduce a

f (x, t + u) = c(t + u)x
f [f (x, t), u] = f [c(t)x, u] = c(u)c(t)x
c(t + u) = c(u)c(t),
(102)
que es una de las ecuaciones de Cauchy, cuya solucin es

f (x, t) = Qt x,
donde Q es una constante cualquiera mayor que la unidad, por lo que puede
escribirse
f (x, t) = xQt f (x, t) = x(1 + r)t ; Q = 1 + r ; r > 0,
que es la bien conocida frmula del inters compuesto, que queda caracterizada por las dos propiedades (93) y (100).
Es interesante notar que si f (x, t + u) < f [f (x, t), u] se obtiene mayor
inters si se cancela la cuenta y se abre otra nueva reinvirtiendo el total,
por lo que desde este punto de vista el banco hace la oferta ptima para sus
intereses.
Finalmente hacemos notar que la funcin g(x) en (101) es en este caso
g(x) = (1 + r)x .
donde p(x) es cualquier funcin creciente y no-negativa. Hacemos notar

que:
los casos de inters compuesto e inters continuo son casos particulares de ste, con p(x) = 1 + x y p(x) = exp(x), respectivamente,
el caso f (x, t) = x[1 + r(x)]t , es decir, con inters dependiente de
la cantidad depositada est incluido en (104),
el caso de inters simple no est incluido en (104).
Caso 2: El rdito acumulado recibido por un depsito de x es el rdito
acumulado por un periodo de duracin y elevado a una potencia que es
funcin de y y de x, es decir,
h(x, t) = h(y, t)k(y,x) ; t, x, y IR ++ ,
(105)
que es la ecuacin (87), cuya solucin es (vase (88))

h(x, t) = p(t)q(x) = m(x)n(t) ; k(y, x) =
log m(x)
q(x)
=
.
q(y)
log m(y)
(106)
Por tanto, se llega al modelo

6.3.3.
Frmulas alternativas del inters
f (x, t) = xm(x)n(t) ,
En las secciones anteriores se han caracterizado los casos del inters

simple y compuesto mediante propiedades, que ilustran muy bien las hiptesis realizadas y que se han escrito como ecuaciones funcionales. Sin
embargo, las polticas actuales de los bancos distan bastante de estos dos
casos. De hecho, el rdito recibido depende del periodo de imposicin y de
la cantidad depositada. Esto motiva la bsqueda de otras frmulas alternativas, que es el objetivo de esta seccin.
f (x, t)
Sea h(x, t) =
el rdito acumulado. Consideramos tres casos:
x
Caso 1: El rdito acumulado correspondiente a la suma de dos periodos
de depsito es el producto de los rditos acumulados de cada periodo. Esta
propiedad escrita como una ecuacin funcional resulta ser
h(x, t1 + t2 ) = h(x, t1 )h(x, t2 ); x, t IR + ,
(103)
(107)
que generaliza la frmula (104).

Caso 3: El rdito acumulado en el periodo de duracin t1 + t2 puede obtenerse a partir del rdito acumulado correspondiente al periodo de duracin
t1 y al de duracin t2 , es decir,
h(x, t1 + t2 ) = U [h(x, t1 ), h(x, t2 )],
(108)
que es la ecuacin funcional con solucin

h(x, t) = w[tp(x)]; U (x, y) = w[w1 (x) + w1 (y)],
(109)
donde w(x) y p(x) son funciones arbitrarias y w(x) es invertible, lo que

conduce al modelo
f (x, t) = xw[tp(x)],
(110)
58
11/1/11
09:55
Pgina 58
que tambin generaliza la frmula del inters (104). De hecho, (103) es la

ecuacin (108) con U (x, y) = xy. Por tanto, la segunda ecuacin de (109)
conduce a w(x) = exp(cx), que reduce (109) y (110) a (104).
Un caso particular interesante es el correspondiente a p(x) = x, es
decir, f (x, t) = xw(tx). Ntese que el producto tx mide la capacidad operativa del depsito.
6.4.
El problema de la declaracin de la renta
En los ltimos aos ha surgido en varios pases un problema con la

declaracin de la renta de las personas fsicas, al considerarse diferentes
los casos de parejas y personas solteras. En esta seccin se discute este
problema.
6.4.1.
El caso de los matrimonios
En algunos pases, como Alemania, el impuesto aplicado a las parejas

casadas se basa en la idea de las mitades. Esto significa que el ingreso total
de la pareja se divide por dos y cada uno de sus miembros paga por la mitad.
En este ejemplo trata de responderse a la pregunta de si habr una funcin
impositiva que elimine esta divisin de ingresos. Si existe esta frmula,
debe satisfacer la ecuacin funcional

x+y
= f (x) + f (y),
2f
2
que establece que la pareja paga lo mismo si se utiliza la frmula de las
mitades o la declaracin separada de ambos miembros. Pero esta ecuacin
no es otra que la ecuacin de Jensen, por lo que la nica solucin posible
para f (x) es la funcin lineal f (x) = Cx + A.
Desgraciadamente, esta solucin no es aceptable socialmente, ya que
los que ms ganan deben ser penalizados por encima de una ley lineal.
Este resultado puede completarse considerando ingresos por capital x y
por trabajo y. Si se desea que la pareja pague lo mismo independientemente
de si la declaracin es conjunta o separada, deber ser
F (x1 + x2 , y1 + y2 ) = G(x1 , y1 ) + H(x2 , y2 ), xi , yi IR + , (i = 1, 2),
(111)
donde se ha supuesto inicialmente frmulas diferentes para esposa(G), marido (H) y pareja (F ).
59
La solucin de la ecuacin funcional (111) es

F (x, y) = C1 x + C2 y + a + b,
G(x, y) = C1 x + C2 y + a,
H(x, y) = C1 x + C2 y + b.
(112)
si se aade la condicin de que esposa y marido sean tratados por igual,

se obtiene a = b. Finalmente, si el impuesto es nulo cuando el ingreso es
nulo, resulta a = b = 0, es decir, se vuelve a la funcin lineal F (x, y) =
C1 x + C2 y.
6.4.2.
El problema de la declaracin conjunta o separada
Otro trabajo interesante de ecuaciones funcionales fue el relacionado

con la declaracin de la renta de las personas fsicas. Estaba yo indignado
por lo absurdo del sistema impositivo que haca posible que las personas
trabajadoras fueran castigadas frente a los vagos por un clculo absurdo de
la base imponible cuando se me ocurri abordar el problema de la declaracin de la renta. En el trabajo Castillo et al. [68] presentamos un ejemplo
muy llamativo en el que dos hermanos heredaban de sus padres dos pisos anlogos, uno cada uno, pero uno de ellos cometi el error de trabajar,
mientras que el otro se dedic a vivir de las rentas. El resultado final fue
que el que trabaj al final del proceso tena dos millones de pesetas menos
que el otro, es decir, pagaba de impuestos todo lo obtenido de su trabajo
y adems lo que pagaba su hermano y casi dos millones ms, y esto era
el resultado de aplicar escrupulosamente la legislacin vigente en materia
impositiva (declaracin de la renta de las personas fsicas).
Tambin me preocupaba el tener que hacer dos declaraciones cada ao,
la conjunta y la separada, y se me ocurri estudiar cmo debera ser la
normativa a aplicar para que siempre la declaracin conjunta diera lugar a
un impuesto menor o igual que la separada. Para ello, diseamos con Reyes
Ruiz y Claudi Alsina (vase Castillo et al. [68]) un sistema de 15 ecuaciones
e inecuaciones funcionales que hicieran que ciertas condiciones de sentido
comn fueran satisfechas. Este trabajo es el que expongo a continuacin.
Uno de los problemas tpicos de algunos pases y de la Comunidad Europea en su conjunto es el de la racionalizacin y unificacin de sus tasas.
Es de sobra conocido que stas son diferentes en diferentes pases y que
algunas de ellas tienen notables defectos, dndose algunas situaciones absurdas. De hecho para el caso de algunas funciones impositivas, el ingreso
neto de una persona A puede ser menor que el de una persona B en el caso
de que el ingreso bruto de A sea mayor que el de B y haya coincidencia de
60
11/1/11
09:55
Pgina 60
10
10
C
U
O
T
A
I
N
T
E
G
R
A
C
U
O
T
A
46%
8
6
I
N
T
E
G
R
A
2
4
1985
0
10
56 %
8
6
4
2
1988
0
12,2
5,5
61
10
20
BASE IMPONIBLE
20
BASE IMPONIBLE
Figura 17: Curva ingreso bruto-impuesto vigente en 1985 en Espaa.
las fuentes de ingreso. Otro problema grave es el de las parejas en el que el

impuesto a pagar depende mucho de si ste se evala conjuntamente o por
separado. Por ello, lo normal es evaluar los dos y elegir el ms bajo.
Otro defecto muy serio es el de la progresividad. Para tener un impuesto
progresivo, en sentido fuerte, no es suficiente legislar que quien gana ms
pague ms, sino que cada unidad adicional de ingreso debe pagar ms que
la anterior. En otras palabras, la funcin debe ser convexa. Hay que sealar
que una funcin creciente no implica progresividad en sentido fuerte. La
figura 17 muestra la funcin utilizada en Espaa en 1985, que pone de
manifiesto este defecto, ya que el tramo entre 5.5 y 12.2 millones de pesetas
era penalizado hasta el 56 %, es decir, mucho ms que el tramo superior, al
que se le penalizaba con un 46 %. Los polticos de entonces corrigieron este
defecto tal como se muestra en la figura 18, es decir, aumentando hasta el
56 % a partir de 5.5 millones de pesetas.
Todo lo anterior implica que la eleccin de las funciones impositivas debe hacerse cuidadosamente y por personas entendidas, si se quieren evitar
situaciones desagradables. En esta seccin mostramos cmo pueden utilizarse las ecuaciones funcionales para realizar esta tarea con un cierto rigor.
La tcnica de las ecuaciones funcionales se ha utilizado anteriormente
para resolver este problema (vase, por ejemplo, Young [93, 94], Aczl [7],
Aczl [8], etc.). Sin embargo, algunos de los problemas fueron planteados
Figura 18: Curva ingreso bruto-impuesto vigente en 1988 en Espaa (correccin a la falta de convexidad).
mucho antes, como en Mill [86] o Stuart [92] pp. 48-71), aunque no fueron
formulados mediante ecuaciones funcionales. El trabajo de Aczl [8] llama
la atencin de los expertos en ecuaciones funcionales sobre esta interesante
aplicacin.
6.4.3.
Restricciones a imponer a la funcin impositiva
Para evitar los problemas anteriores, el legislador debe establecer muy

claramente las condiciones que deben cumplir las funciones impositivas.
Estas condiciones son una mezcla del sentido comn y de decisiones polticas, sociales y econmicas. El sentido comn es necesario para evitar
situaciones injustas y ridculas como las indicadas anteriormente. Las decisiones polticas y sociales establecen criterios a utilizar con respecto a
ciertos aspectos polticos y sociales, que incluyen el nmero de miembros
de la familia, la fuente de los ingresos, la progresividad del impuesto, etc.
Finalmente, las condiciones econmicas deben garantizar que los ingresos
son suficientes y que el impuesto no penaliza el ingreso total, es decir, que
deben optimizarse los impuestos, en el sentido de maximizar los ingresos
(no es cierto que a mayor impuesto mayor ingreso total, error cometido por
muchos polticos).
Sin embargo, es necesario decir que un excesivo nmero de condiciones
o condiciones muy fuertes pueden conducir a la ausencia de solucin.
62
11/1/11
09:55
Pgina 62
Seguidamente se presenta una metodologa para obtener funciones impositivas, que consiste en las etapas siguientes:
1. Planteamiento de las propiedades que se requieren de la funcin impositiva.
2. Solucin matemtica del sistema de ecuaciones e inecuaciones funcionales.
3. Seleccin de los restantes grados de libertad para satisfacer las necesidades impositivas.
el impuesto asociado a cada unidad de ingreso debe ser mayor que el asociado a la anterior. La condicin (117) establece que el impuesto, a igualdad
de ingresos totales, no debe crecer con el nmero de miembros.
Independencia del tipo de declaracin (conjunta o separada).
!
m
m
m
X
X
X
s
xi ,
yi , m, p, q
=
s(xi , yi , 1, p, q),
s
i=1
m
X
i=1
Sea s(x, y, m, p, q) La funcin impositiva que da el impuesto a pagar

por una familia o persona fsica que tiene un ingreso bruto por salarios, x,
obtenido durante un periodo de p aos, y un ingreso bruto del capital, y,
obtenido durante un periodo de q aos, suponiendo que tiene m miembros
(m = 1 2, dependiendo de si se trata de declaracin separada o conjunta,
respectivamente. Sin embargo, se supone aqu que m es un nmero real que
permitir incluir tambin los hijos o personas dependientes). Los periodos
correspondientes a los ingresos p y q se utilizan para representar ingresos
irregulares, tales como los recibidos en periodos de varios aos. Se supone
adems la continuidad de la funcin s con respecto a sus parmetros y que
sta est definida en el conjunto
D = {(x, y, m, p, q) IR 5 | x, y 0, m, p, q 1}.
Como ejemplo, podran imponerse las siguientes condiciones a la funcin
impositiva s(x, y, m, p, q):
Progresividad.
s(x, y, m, p, q) es creciente con respecto a x,
(113)
s(x, y, m, p, q) es creciente con respecto a y,
(114)
s(x, y, m, p, q) es convexa con respecto a x,
(115)
s(x, y, m, p, q) es convexa con respecto a y,
(116)
s(x, y, m, p, q) es no-creciente con respecto a m.
(117)
Estas primeras condiciones se refieren a la progresividad. Las condiciones (113) y (114) establecen que a mayor ingreso, proceda ste del capital o
del trabajo, mayor impuesto. Las condiciones (115) y (116) establecen que
63
xi ,
i=1
m
X
yi , m, p, q
i=1
i=1
m
X
s(xi , yi , 1, p, q),
(118)
(119)
i=1

x y
, , 1, p, q .
(120)
m m
Las condiciones (118),(119) y (120) se refieren a la declaracin de las
parejas casadas. La ecuacin (118) expresa la coincidencia de impuesto
cuando coinciden los ingresos totales de la unidad familiar. La desigualdad (119) fuerza a que la declaracin conjunta (como pareja) sea menor o
igual que la separada. Debe entenderse que la igualdad debe ser alcanzable,
es decir, debe existir un caso particular (cuando ambos cnyuges ganen lo
mismo) en el que ambas declaraciones coincidan. Finalmente, la ecuacin
(120) fuerza la coincidencia slo en el caso de idnticos ingresos para todos los miembros de la unidad. Esta condicin, junto con las (115), (116) y
(123) se ver que son equivalentes a la condicin (119).
s(x, y, m, p, q) = ms
Monotona del ingreso neto.

si y1 > y2 , x1 + y1 s(x1 , y1 , m, p, q) > x1 + y2 s(x1 , y2 , m, p, q),
(121)
si x1 > x2 , x1 + y1 s(x1 , y1 , m, p, q) > x2 + y1 s(x2 , y1 , m, p, q).
(122)
las desigualdades (121) y (122) implican la monotona del ingreso neto. Establecen que cuanto mayor sea el ingreso bruto mayor debe ser el ingreso
neto, independientemente de si stos proceden del salario o del capital.
Independencia del nmero de declaraciones
s(x, 0, m, p, q) + s(0, y, m, p, q) = s(x, y, m, p, q),

x
, 0, m, 1, q2 q1 , q2 ,
s(x, 0, m, p, q1 ) = ps
p

y
s(0, y, m, p1 , q) = qs 0, , m, p2 , 1 p1 , p2 .
q
(123)
(124)
(125)
64
11/1/11
09:55
Pgina 64
La ecuacin (123) se refiere a la independencia del nmero de declaraciones y establece que el impuesto debe depender slo del ingreso total y
no de si ste se declara en uno o en varios aos.
Las ecuaciones (124) y (125) establecen la independencia del tiempo de
generacin de los ingresos, es decir, el impuesto pagado debe ser funcin
slo del ingreso total y no de cmo se ha generado en el tiempo.
s(x, y, m, p, q) = s(y, x, m, q, p),
(126)
s(x, y, m, p, p) = s(z, x + y z, m, p, p), x + y z.
(127)
Finalmente, la ecuacin (126) fuerza a no diferenciar entre ingresos del

capital e ingresos del trabajo y la ecuacin (127) establece la identidad del
impuesto independientemente de su procedencia (capital o trabajo).
Funciones impositivas compatibles con las condiciones anteriores
En esta seccin se estudian dos casos particulares importantes:

Caso 1: Mismo impuesto para los casos de declaracin conjunta y
separada.
Caso 2: Declaracin conjunta con menor o idntico impuesto que la
declaracin separada.
Caso 1: Mismo impuesto para los casos de declaracin conjunta y separada. En este caso se deduce la funcin impositiva ms general que satisface
las restricciones (113) a (118) y (121) a (125) y seguidamente se aade la
condicin (126) o la condicin (127).
Teorema 11 (Mismo impuesto para ambas declaraciones) La funcin impositiva continua en x e y ms general que satisface las condiciones (113)
a (118) y (121) a (125) es
s(x, y, m, p, q) = Ax + By, 0 < A < 1, 0 < B < 1.
Corolario 3 Caso particular si adems se impone la condicin (126) o la

(127) resulta
s(x, y, m, p, q) = A(x + y),
(129)
que implica tasas idnticas para ingresos procedentes del capital y del trabajo.
Puesto que esta funcin impositiva es socialmente insatisfactoria (no es progresiva en sentido fuerte), seguidamente se resuelve el caso 2.
Tratamiento idntico para ingresos del capital y del trabajo
6.4.4.
65
(128)
Esto muestra que la igualdad del impuesto para declaraciones conjunta y

separadas implican tasa constantes para los ingresos del capital y del trabajo.
Caso 2: Declaracin conjunta con menor o idntico impuesto que la declaracin separada. En esta seccin se obtiene la funcin impositiva ms
general que satisface las condiciones (113) a (117) y (121) a (125) con
(119) o (120) y posteriormente se aade la condicin (126) o la (127).
Se tiene el teorema siguiente.
Teorema 12 (Declaracin conjunta con impuesto inferior) La funcin impositiva ms general que satisface las condiciones (113) a (117) y (121) a
(125) con (119) o (120) es

y
x
+ qv
,
(130)
s(x, y, m, p, q) = m pu
pm
qm
donde u y v son funciones tales que
u(0) = v(0) = 0,
u(x) y x u(x) son crecientes,
v(y) y y v(y) son crecientes,
u(x) es continua y convexa,
v(x)es
continua
yy convexa,

x
y mv
son no crecientes en m,
mu
m
m
(131)
pero por otra parte arbitrarias.

La interpretacin fsica de la funcin impositiva (130) es como sigue.
Los ingresos brutos procedentes del salario y del capital deben separarse
cuando se calcula el impuesto. Adems, ambos conducen a funciones impositivas u y v progresivas. El carcter progresivo de las funciones u(x) y
v(y) est limitado solamente por las condiciones (131). Por otra parte, el
impuesto asociado a cada miembro de la unidad familiar es el valor medio
(ingreso bruto por individuo y ao).
66
11/1/11
09:55
Pgina 66
Esta funcin impositiva puede tambin utilizarse para primar la natalidad, teniendo en cuenta el nmero de hijos de la unidad familiar (incrementando el parmetro m). En otras palabras, m puede ser la suma de personas
que declaran en la unidad familiar ms una fraccin por hijo o persona dependiente.
Corolario 4 (Caso particular) Si adems se impone la condicin (126) a
la funcin impositiva (130) se obtiene

x
y
s(x, y, m, p, q) = m pu
+ qu
; u(0) = v(0) = 0.
pm
qm
(132)
Una vez establecida la estructura de las funciones impositivas, quedan
por definir los valores de sus parmetros y de sus funciones arbitrarias pra
tener una frmula aplicable en la prctica.
A la luz de todo lo anterior puede decirse que la funcin impositiva
(130) es utilizada en algunos pases de la comunidad europea no por mera
casualidad sino porque resulta de condiciones dictadas por el sentido comn, la justicia y consideraciones sociales, polticas y econmicas.
7.
Probabilidad y Estadstica
En esta seccin se discuten algunos modelos de teora de la probabilidad y estadstica
7.1.
Caracterizacin de la distribucin exponencial
Para determinar la funcin de distribucin continua que verifica la propiedad de no envejecimiento, resulta la ecuacin funcional
P (X > s + t|X > t) = P (X > s) for all s, t 0,
donde FX (x) es la funcin de distribucin de X. Entonces, se obtiene

1FX (s+t) = [1FX (s)][1FX (t)] G(s+t) = G(s)G(t) (133)
donde G(x) es la funcin de supervivencia.
La ecuacin (133) es una ecuacin funcional de Cauchy, con solucin
G(x) = exp(cx) F (x) = 1 exp(cx),
donde c < 0 para que F (x) sea una funcin de distribucin. Por tanto, slo
la distribucin exponencial satisface esta propiedad.
7.2.
Caracterizacin de la distribucin generalizada de Pareto
Por el hecho de ser ingeniero de caminos, me di muy pronto cuenta de

la importancia de los valores extremos, ya que en la ingeniera las obras fallan cuando las solicitaciones alcanzan valores muy altos o las resistencias,
valores muy bajos, por lo que son los extremos los que determinan el diseo. Los extremos en estadstica tienen un trato muy diferente a los valores
medios, por lo que necesitan mtodos especiales.
En esta seccin se trata de caracterizar las distribuciones tales que son
estables frente a sus excedencias (excesos sobre un cierto umbral). El mtodo est justificado en un muy importante resultado de Pickands [90], segn el cual la distribucin de las excedencias de un cierto umbral es un
distribucin generalizada de Pareto, independientemente de la distribucin
poblacional.
Sea G(x; , ) la funcin de supervivencia de una cierta familia biparamtrica con parmetros y . La funcin de supervivencia de sus excedencias del valor u viene dada por la condicin
G(x; h(u, , ), ) = 1
G(u; , ) G(x + u; , )
G(x + u; , )
=
,
G(u; , )
G(u; , )
(134)
con solucin

x 1/
h(u, , ) = u.
es decir, se ha impuesto que la funcin de supervivencia no cambie con el

paso del tiempo.
Entonces resulta
1 FX (s) = P (X > s) = P (X > s + t/X > t) =
P (X > s + t)
1 FX (s + t)
P (X > s + t y|X > t)
=
=
=
P (X > t)
P (X > t)
1 FX (t)
67
G(x; , ) =
7.3.
(135)
Especificacin condicional de distribuciones
Mi primer contacto con la especificacin condicional de distribuciones

surgi estando de ao sabtico en la Universidad de Temple en Filadelfia,
68
11/1/11
09:55
Pgina 68
trabajando con el Profesor Janos Galambos. Haba un congreso en la Penn

State University y me invit a presentar un trabajo. El problema que me
plante fue el siguiente. Puesto que es sabido que las distribuciones condicionales de una distribucin normal bivariada son todas normales, me
pregunt si habra otras distribuciones bivariadas que cumpliesen esa condicin. Para ello, proced como sigue.
Supongamos una distribucin bivariada absolutamente continua cuyas
funciones de densidad conjunta marginales y condicionales son, respectivamente, f(X,Y ) (x, y), g(x), h(y), fX|Y (x|y) y fY |X (y|x). Es evidente que
f(X,Y ) (x, y) = fX|Y (x|y)h(y) = fY |X (y|x)g(x).
(136)
Si se suponen todas las distribuciones condicionales normales resulta

(

)
y a(x) 2
1
exp 2
b(x)
g(x)
fY |X (y|x)g(x) =
b(x)
(
2 )

x
d(y)
h(y)
exp 12
c(y)
= fX/Y (x|y)h(y) =
,
c(y)
(137)
donde b(x) > 0, c(y) > 0 y a(x) y d(y) definen las lneas de regresin
y b(x) y c(y) las correspondientes desviaciones tpicas. Resolviendo esta
ecuacin funcional en seis funciones incgnitas se obtiene:
a(x) =
d(y) =
b2 (x) =
c2 (y) =
u(x) =
v(y) =
(A + Bx + Cx2 )
;
(D + 2Ex + F x2 )
(H + By + Ey 2 )
;
(J + 2Cy + F y 2 )
1
;
(D + 2Ex + F x2 )
1
;
(J + 2Cy + F y 2 )

(A + Bx + Cx2 )2
1
2
;
G + 2Hx + Jx
2
(D + 2Ex + F x2 )

(H + By + Ey 2 )2
1
;
G + 2Ay + Dy 2
2
(J + 2Cy + F y 2 )
g(x) = (D + 2Ex + F x2 )1/2
(138)
(139)
(140)
(141)
(142)
(143)
G + 2Hx + Jx2
exp
2
h(y) = (J + 2Cy + F y 2 )1/2
G + 2Ay + Dy 2
exp
69
(A+Bx+Cx2 )2
(D+2Ex+F x2 )
; (144)
; (145)
(H+By+Ey 2 )2
(J+2Cy+F y 2 )

1
G
1
2
2
exp [2Hx+2Ay+Jx +Dy ]
f (x, y) = exp
2
2
2

1
2
2
2 2
exp [+2Bxy+2Cx y+2Exy +F x y ] . (146)
2
Para que la funcin f (x, y) sea una funcin de densidad, las constantes
{A, B, C, D, E, F, G, H, J} deben satisfacer las condiciones:
(i) F = E = C = 0, D > 0, J > 0, B 2 < DJ,
(ii) F > 0, F D > E 2 , JF > C 2 .
El modelo (i) es el modelo bivariado normal, y el modelo (ii) tiene las
siguientes propiedades:
Las lneas de regresin no son lneas rectas
las distribuciones marginales no son normales.
La moda o modas estn en la interseccin de las lneas de regresin.
La figura 19 muestra tres ejemplos de distribuciones con condicionales normales mostrando las funciones de densidad conjuntas, las marginales, como
proyecciones horizontales, y las lneas de regresin en proyeccin vertical.
La figura superior corresponde al caso normal. Las otras dos no son normales, siendo una unimodal y la otra un ejemplo interesante de distribucin
bimodal.
Estos resultados fueron publicados en ese congreso (Castillo and Galambos [46]). El Profesor Barry Arnold de la Universidad de California
estaba en esa conferencia y poco tiempo despus nos escribi solicitando
permiso para publicar un artculo inspirado en el nuestro, en el que haca
lo mismo pero con la distribucin exponencial (vase Arnold and Strauss
[23]). Tambin publicamos estos resultados en otro congreso en El Cairo
70
11/1/11
09:55
Pgina 70
Figura 19: Ejemplos de distribuciones con condicionales normales mostrando las funciones de densidad conjuntas, las marginales, como proyecciones horizontales, y las lneas de regresin en proyeccin vertical. La
figura superior corresponde al caso normal. Las otras dos no son normales, siendo una unimodal y la otra un ejemplo interesante de distribucin
bimodal.
71
(Castillo and Galambos [48]) y una extensin a caracterizacin de distribuciones normales en Castillo and Galambos [49]. Poco despus resolvimos
el caso de la distribucin de Weibull en Castillo and Galambos [50], de la
gamma en Castillo et al. [67], la beta tipo dos en Castillo and Sarabia [54]
y la lognormal Sarabia et al. [91].
Puesto que el profesor Barry Arnold estaba trabajando en el mismo tema que nosotros, Jos Mara Sarabia y yo decidimos ponernos en contacto
con l y proponerle escribir una monografa sobre el tema, a lo que accedi
gustoso y tras varias reuniones en Santander, sali a la luz una monografa
de 150 pginas en la serie Lecture Notes in Statistics Castillo and Sarabia
[55] que se agot en poco tiempo. Durante ese periodo publicamos con l
una larga serie de trabajos que incluyen la familia de Pareto generalizada
Arnold et al. [18] y otras (Arnold et al. [28], Arnold et al. [30], Arnold et al.
[32], etc.). A ellas siguieron otras publicaciones relacionadas con la caracterizacin de distribuciones, especialmente la normal, tales como Arnold
et al. [19], Arnold et al. [20], Arnold et al. [21], Arnold et al. [24], Arnold
et al. [27] y Arnold et al. [31].
Puesto que dos familias de distribuciones condicionales no son en general compatibles, estudiamos en varios trabajos las condiciones de compatibilidad, como en Arnold et al. [25] y Arnold et al. [29].
Tambin nos interesamos por la especificacin de distribuciones mediante combinaciones de marginales y condicionales (Arnold et al. [22]), o
una familia de condicionales y los percentiles o las modas de la otra (Arnold
et al. [33]), y tambin de distribuciones multivariadas definidas en funcin
de sus curvas de nivel (Arnold et al. [34]).
Todos estos trabajos, aparte de la ya mencionada monografa, dieron
lugar al libro Arnold et al. [35], publicado por Springer, y a un artculo
invitado en Statistical Science (Arnold et al. [26]), que tuvieron una gran
resonancia.
Tengo que decir que todo este trabajo fue posible por mi descubrimiento de las ecuaciones funcionales, por lo que debo reconocer de nuevo la
contribucin del profesor Janos Aczl, que lo hizo posible.
7.4.
Modelos de Markov. Probabilidades de transicin
Considrese un sistema con n estados posibles y sea fij (s, t) la probabilidad de que el sistema cambie del estado i-simo al estado j-simo
durante el periodo (s, t) (Vase Aczl [1], pp. 363)).
Definir este problema supone definir una matriz de funciones de dos
variables fij (s, t), lo que inicialmente supone una gran complejidad.
72
11/1/11
09:55
Pgina 72
Sin embargo, bajo la hiptesis de independencia de Markov, debe cumplirse la ecuacin de Chapman-Kolmogorov
fij (s, t) =
n
X
fik (s, u) fkj (u, t) with
n
X
fij (s, t) = 1, i,
j=1
k=1
pero esto es equivalente a la ecuacin funcional matricial
73
y entonces
F(s, t) = G(t s) = exp[C(t s)] = B exp[J(t s)]B1 ,
donde C = BJB1 es la forma cannica de Jordan de la matrix C.
El resultado final interesante es que hemos pasado de tener que definir
una matriz funcional de dos variables F(s, t) a tener que definir slo las
dos matrices numricas B y J.
F(s, t) = F(s, u)F(u, t),
8.
Problemas de fatiga
que es la ecuacin matricial de Sincov, con solucin

F(s, t) = M(s) M(t)1 ,
donde M es una matrix invertible cualquiera, pero para que F sea una man
P
triz de transicin, M debe ser tal que
Mij = C , i y C es una consj=1
tante.
Esto supone una notable simplificacin, ya que slo hay que definir
n
P
una matrix funcional M(s) que cumpla las condiciones
Mij = C , i.
j=1
Ntese que en caso de no cumplirlas, no sera una matriz de transicin

vlida por violar las condiciones de Chapman-Kolmogorov.
Si adems se desea homogeneidad, es decir, que F(s, t) dependa slo
de (t s), debe ser
F(s, t) = G(t s) = M(s) M(t)1 ,
8.1.
que es una ecuacin multiplicativa de Pexider, puesto que con u = t

s, H(t) = M(t)1 se obtiene H(s + u) = H(s)G(u).
Haciendo v = s y tomando logaritmos se obtiene
G(t + v) = M(v) M(t)1 ,
que implica
log[G(t + v)] = log[M(v)] + log[M(t)1 ],
que es la ecuacin de Pexider. Por ello, se puede escribir

G(t)
= exp(Ct + a + b)
a
=
M(t) = exp(Ct + a)
G(t)
=
M(t)1 = exp(Ct + b)
En noviembre de 1982 tuvo lugar otro hecho importante en mi vida cientfica: el profesor Alfonso Fernndez-Canteli de la Universidad de
Oviedo, se present en mi despacho una maana pidiendo ayuda para resolver un problema estadstico de fatiga de materiales. Esa entrevista que
tuvimos fue el comienzo de una colaboracin muy fructfera que dura hasta
hoy. El haba realizado la tesis doctoral en la ETH de Zrich y comenzaba su investigacin en la Escuela de Ingenieros Industriales de Gijn. Tras
algunos trabajos previos, me sugiri que pasase un verano en la ETH para trabajar juntos y con el Profesor Bruno Thrlimann, acadmico de la
Academia de Ingeniera estadounidense (NAE). All nos surgi la primera
ecuacin funcional al formular una condicin de compatibilidad.
En esta seccin se tratan varios modelos de fatiga surgidos de esta colaboracin, que van desde modelos muy sencillos a modelos muy complejos.
8.1.1.
Efecto de escala en la vida a fatiga de elementos longitudinales

Modelo de independencia
Supongamos un elemento longitudinal dividido en un conjunto de piezas imaginarias no solapadas (vase la figura 20).
Sea G(x, a) la funcin de supervivencia de la pieza longitudinal de longitud a y supngase que las resistencia de todas las piezas son variables
aleatorias independientes. Entonces, la funcin de supervivencia G(x, s) de
un elemento de longitud s debe satisfacer la ecuacin funcional:
G(x, s) = G(x, y + z) = G(x, y)G(x, z) ; s = y + z
b
exp(Ct)
que es simplemente una de las ecuaciones de Cauchy para toda constante

x. Por ello, resulta
G(x, s) = exp[c(x)s] = {exp[c(x)]}s = [g(x)]s ,
74
11/1/11
09:55
Pgina 74
s1
s2
donde p(x) es una funcin de supervivencia cualquiera, que puede asociarse con una longitud de referencia y0 , es decir, el valor de y0 tal que
q(y0 ) = 1. Una conclusin notable es que la funcin k(x, y) no puede
elegirse arbitrariamente como uno pudiera pensar al observar la ecuacin
(147).
sn
Figura 20: Elemento longitudinal dividido en piezas elementales.
donde g(x) debe ser no-negativa, no-creciente y adems satisfacer las condiciones g(0) = 1 y lm g(x) = 0, para que sea una funcin de supervix
vencia, pero libre en el resto.
8.1.2.
Modelo de dependencia
Un importante modelo de fatiga de elementos longitudinales establece

la siguiente forma funcional para la relacin de la funcin de supervivencia
de un elemento en funcin de las funciones de supervivencia de sus dos
sub-elementos de longitudes x e y:
G(t, x) = G(t, y)k(x,y) ,
(147)
donde t es la vida a fatiga y k(x, y) es una funcin positiva.

Si se aplica la expresin anterior a tres elementos de longitudes x, y y
z, de todas las formas posibles, se llega a
G(t, x) = G(t, y)k(x,y)

k(x, z) = k(x, y)k(y, z).
(148)
G(t, x) = G(t, z)k(x,z)
G(t, y) = G(t, z)k(y,z)

Tomando logaritmos y llamando f (x, y) = log k(x, y), se obtiene
f (x, z) = f (x, y) + f (y, z).
(149)
su solucin general es:

f (x, y) = g(y) g(x) k(x, y) =
exp[g(y)]
m(y)
=
,
exp[g(x)]
m(x)
(150)
donde m es cualquier funcin positiva.

Con esto, el modelo (147) se transforma en
m(y)
m(y0 )
m(x)
G(t, x) = G(t, y)
= G(t, y0 ) m(x) = p(t)q(x) ,
75
(151)
8.1.3.
Modelos varios
Estos trabajos se han completado con otros. En Castillo et al. [73] se

demuestra que la longitud tiene influencia slo en los parmetros de escala y se dan algunos contrastes de independencia. En Castillo et al. [66] se
presenta un modelo de Poisson para estudiar esta dependencia. En Castillo
and Fernndez-Canteli [42] se utiliza una ecuacin funcional para obtener
un modelo de dependencia. En Castillo et al. [57] se analiza la combinacin
de las tensiones variables y el efecto de la longitud en la vida a fatiga. El
caso de fatiga de tendones lo hemos tratado en Castillo et al. [56], Castillo
et al. [58], Castillo et al. [62], Castillo et al. [58] y Castillo et al. [60]. Finalmente, otros trabajos que tratan la fatiga son Castillo et al. [64] y Castillo
et al. [59].
8.2.
El modelo S-N de Whler
El problema de fatiga que se analiza en esta seccin consiste en obtener

un modelo para analizar la influencia del rango de tensin y el nivel
de tensin en la vida a fatiga N al someter una probeta a ciclos alternantes
de tensin, tales como los que se muestran en la figura 21. Si se ensayan
varias probetas a diferentes rangos de tensiones hasta rotura, se obtienen los
puntos representados por cruces en la figura, por lo que la experimentacin
en laboratorio pone de manifiesto que la vida a fatiga decrece con .
Ello indica que si pudiera someterse una misma probeta a ensayos con
diferentes rangos de tensiones pero el mismo nivel de tensin (m o M ), se
obtendran para las diferentes probetas curvas como las de la figura 22, que
muestran el carcter aleatorio del problema ya que a pesar de estar sometidas a las mismas cargas, conducen a curvas diferentes. Conviene destacar
que las curvas ms a la derecha corresponden a probetas ms resistentes
que las asociadas a curvas ms a la izquierda.
Como la consideracin conjunta de los efectos del rango y del nivel
de tensiones es muy compleja, los analizamos por separado en secciones
sucesivas.
76
11/1/11
09:55
Pgina 76
el rango de tensiones, . El problema consiste en desarrollar un modelo

aleatorio para describir el campo S N de la figura 22. En esta seccin
seguiremos el modelo desarrollado en Castillo et al. [63, 69], o en Castillo
and Fernndez-Canteli [43, 45], que es un modelo de Weibull para el anlisis de los resultados de ensayos de fatiga. La seleccin del modelo no es
arbitraria, sino que se basa en las hiptesis siguientes (vase Castillo et al.
[5]):
'V
p = 0.95
500
VM
'V
Vm
400
300
pP (media)
200
100
0
probetas
supervivientes
p = 0.05
10
103
10
10
10
10
Figura 21: Un ejemplo tpico de datos tensin-tiempo de vida a fatiga para

nivel de tensin constante con sus correspondientes curvas percentiles.
V*M
'V *
V m*
N*
Figura 22: Ilustracin del carcter aleatorio de las curvas S N .
Modelo para nivel de tensin constante
En esta seccin suponemos que el nivel de tensin6 ` es constante,

por lo que el campo S N relaciona dos variables: la vida a fatiga, N , y
6
1. Principio del eslabn ms dbil. Si un elemento longitudinal se divide en n sub-elementos, su vida a fatiga deber ser la vida a fatiga de
su elemento ms dbil, es decir la mnima vida de todos ellos.
2. Independencia. La vida a fatiga de dos sub-elementos no solapados
son variables aleatorias independientes.
3. Estabilidad. La familia elegida para la funcin de distribucin de la
vida a fatiga deber ser vlida para cualquier longitud, pero con parmetros diferentes.
4. Valor lmite. La familia anterior debe incluir el caso lmite de longitud
infinita. Por ello, deber ser una familia asinttica.
'V*
8.2.1.
77
Como nivel de tensin puede considerarse m , M o mean = (m + M )/2.
5. Rango limitado de las variables aleatorias. las variables y N

tiene rango finito, que deber coincidir con el terico de la familia
elegida.
6. Compatibilidad. Tras analizar el problema, nos dimos cuenta de que
podan considerarse dos familias de variables aleatorias, la N |
y la |N , es decir, N para fijo y viceversa. Sin embargo, descubrimos que tena que cumplirse una condicin de compatibilidad entre las funciones de distribucin de las dos variables, ya
que estas dos funciones de densidad provenan de las mismas curvas
percentiles y no eran independientes. Si una curva atraviesa la lnea
horizontal griscea, tambin debe atravesar la lnea vertical griscea.
Esto implica que las reas sombreadas en la figura deben ser iguales.
Por ello, dichas curvas deben satisfacer una condicin de compatibilidad, que se ilustra en la figura 23 mediante las reas sombreadas,
que deben ser iguales para cualquier punto que se considere del campo S-N. Por tanto, la funcin de distribucin, G(N ; ), de la vida
a fatiga dado un rango de tensiones debe ser compatible con la funcin de distribucin del rango de tensiones dado un tiempo de vida,
F ( ; N ). Aunque en los ensayos usuales est fijado y se
78
11/1/11
09:55
Pgina 78
V*M
que es una ecuacin funcional en cuatro funciones incgnitas 1 ( ),

2 (N ), 1 ( ) y 2 (N ), cuya solucin conduce a las dos familias de
modelos con los percentiles siguientes (vase Castillo et al. [62] y Castillo
and Fernndez-Canteli [41]):

(N B )( C )
Modelo 1 :
p=h
, (154)
Modelo 2 :
p = h (A N + B + C ) ,
(155)
'V*
Vm*
'V*
Trayectorias
que entran por
Trayectorias
que salen por
N*
Figura 23: Ilustracin de la condicin de compatibilidad de las curvas SN

mostrando las dos funciones de densidad, cuyas reas deben ser iguales.
determina la vida a fatiga N , aqu debe interpretarse como el

rango de tensin aleatoria que necesita aplicarse para producir el fallo
en N .
8.2.1.1. Condicin de compatibilidad. Curvas percentiles. Dado que,

como se muestra en la Figura 23, la media y la varianza de N dependen
de y la media y la varianza de dependen de N , si se supone la
misma familia de distribuciones de localizacin y escala h para ambas, la
condicin de compatibilidad puede escribirse como

N 1 ( )
2 (N )
=h
,
(152)
p=h
1 ( )
2 (N )
donde 1 ( ), 1 ( ) y 2 (N ), 2 (N ) son, respectivamente, los parmetros de localizacin y escala de N dado y de dado N , o,
equivalentemente,
N
1 ( )
1 ( )
2 (N )
,
2 (N )
79
(153)
donde y son los parmetros de localizacin y escala, respectivamente,

y A , B y C son tambin parmetros. Esto ocurre independientemente de
cul sea la funcin h , por lo que las funciones 1 , 1 , 2 y 2 no pueden
darse en forma arbitraria si debe satisfacerse la relacin (153).
Obsrvese que las curvas percentiles en el Modelo 1 son hiprbolas con
asntotas comunes N = B y = C , y que las curvas percentiles
en el Modelo 2 son rectas paralelas, como consecuencia de la condicin
de compatibilidad y la coincidencia de las familias de localizacin y escala
elegidas.
Es importante darse cuenta de que estas curvas son as, independientemente de las hiptesis distribucionales que se hagan para N dado y
para dado N .
8.2.1.2. Consideraciones estadsticas de valores extremos. Consideraciones adicionales, tales como propiedades lmites o asintticas, y el principio del eslabn ms dbil, que establece que el tiempo de vida de un sistema en serie de n elementos es el tiempo de vida de su elemento con vida
mnima, conducen a las distribuciones de Weibull o Gumbel para h cuando
n es grande, y finalmente a la familia siguiente de curvas S-N de Weibull:
"
#
(N B )( C )
,
p = 1 exp
(156)
siendo N = log(N/N0 ), o al modelo de Gumbel asociado

(N B )( C )
p = 1 exp exp
.
(157)
donde N es la vida a fatiga medida en ciclos, es el rango de tensiones, p = F (N ; k ) es la probabilidad de rotura y , B y C son los
parmetros del modelo con el significado siguiente:
80
11/1/11
09:55
Pgina 80
parmetro de forma de la distribucin de Weibull,
81
B valor umbral de N o nmero lmite de ciclos,
[47]), resultando que la funcin de distribucin en (158) debe ser una de las
dos familias
i
h
(159)
1 exp D(Ex + F )C log(Ay+B)
C valor umbral de o lmite de endurancia del material,
parmetro de escala del modelo de Weibull,

parmetro que determina la posicin de la curva asociada al percentil
cero.
8.2.1.3. Una ecuacin funcional que surgi en los modelos de fatiga

Inicialmente, los modelos de Weibull y Gumbel (156) y (157) no surgieron
tal como se ha explicado, sino que se impusieron todas las condiciones a la
vez, surgiendo la ecuacin funcional
n
o
n
o
1exp [a(x)y + b(x)]c(x) = 1exp [d(y)x + e(y)]f (y) ; x, y.
(158)
Esto ocurri estando en la ETH de Zrich investigando con el profesor
Alfonso Fernndez Canteli de la Universidad de Oviedo y tuvo lugar tras
descubrir la condicin de compatibilidad. La ecuacin (158) es equivalente
a la ecuacin funcional en seis funciones incgnitas
[a(x)y + b(x)]c(x) = [d(y)x + e(y)]f (y) .
Para resolver esta ecuacin recordamos el libro de Janos Aczl, y lo buscamos en la biblioteca de la ETH, pero desgraciadamente no la encontramos
resuelta. All se puede decir que se inici una nueva etapa de nuestra investigacin, en la que empezamos a ver ecuaciones funcionales por doquier,
donde antes no veamos ninguna. Fue entonces cuando tomamos conciencia de las ecuaciones funcionales y de su importancia.
Esta aparentemente simple, pero compleja ecuacin funcional, la resolveramos para el caso de que (158) fuese una funcin de distribucin como
funcin de y para todo x y, a la vez, una funcin de distribucin como funcin de x para todo y algn tiempo despus (Vase Castillo and Galambos
(160)
donde A, B, C, D, E y F son constantes.

8.2.2.
En resumen, la condicin de compatibilidad (153) junto con el principio

del eslabn ms dbil y algunas consideraciones estadsticas y fsicas nos
permiten obtener la forma funcional de los modelos de las curvas S-N dados
en (156) y (157). Ntese que para deducir estos modelos no se han hecho
hiptesis arbitrarias.
o
n
1 exp [C(x A)(y B) + D]E ,
Modelo S-N para nivel de tensin variable
El procedimiento habitual para caracterizar un material a fatiga consiste

constante
en ensayar muestras a un nivel de tensin constante, es decir, a m
o M constante y mantener constante en cada ensayo. Esto permite

ajustar dos modelos de la forma (156) o (157) para los correspondientes
y constante ).
niveles de tensin de referencia (constante m
M
Para ilustrar mejor estas ideas, en la figura 24 se muestran las curvas
percentiles que resultan de cuatro combinaciones de ensayos, dos para m
constante (lneas a trazos), y dos para M constante (lneas continuas). Esto

supondra ajustar cuatro modelos del tipo (156) o (157), uno para cada una.
Sin embargo, hay que destacar una condicin de compatibilidad importante:
las cuatro familias de curvas deben intersecarse, dos a dos, segn lneas
horizontales (vase la figura), puesto que las correspondientes funciones de
densidad deben ser coincidentes. Esto es cierto porque a cada interseccin
comn de valores de le corresponde un ensayo que puede entenderse
fijo o a un ensayo para fijo. Como se ver, esta
como un ensayo para M
m
condicin de compatibilidad va a jugar un papel relevante en la deduccin
del modelo general de fatiga para niveles y rangos de tensin arbitrarios.
8.2.2.1. Condicin de compatibilidad. Curvas percentiles. Para establecer la condicin de compatibilidad resulta ms conveniente reemplazar
, }, que
el conjunto { , ` } de la ecuacin (154) por el conjunto {m
M
es equivalente pues = M m . Tras el reemplazo, de (154) se obtiene

C )
(N B )(m
M
p = h
,
(161)
o , dependiendo de que sea o la tensin

donde ` ser ahora m
m
M
M
que se mantiene constante.
82
11/1/11
09:55
Pgina 82
Es importante resaltar que resolver la ecuacin funcional (162) equivale a descubrir la estructura funcional de las funciones implicadas, lo que
conduce al modelo (163) con (164) y (165).
VM* ! VM*
2
VM* = VM*
Vm* ! Vm*
8.2.2.2. Consideraciones estadsticas de valores extremos. Finalmente, teniendo en cuenta el principio del eslabn ms dbil y las distribuciones
de extremos de Weibull y Gumbel, se obtienen los dos modelos siguientes:
'V
83
Vm*= Vm*
Vm*= Vm*
i
h
, ) + s ( , )N )
Modelo 1 : p = 1 exp (r (m
m M
M
(166)
VM= VM*
*
y
N*
, ) + s ( , )N ]} .
Modelo 2 : p = 1 exp { exp [r (m
m M
M
Figura 24: Representacin esquemtica de las curvas percentiles S-N

constante (
{0.01, 0.05, 0.5, 0.95, 0.99} para M

M1 < M2 lneas conti constante ( < lneas de trazos), ilustrando la condicin
nuas) o m
m1
m2
de compatibilidad.
En consecuencia, la condicin de compatibilidad, independientemente

de cul sea la funcin de distribucin h , viene dada por la relacin

(N Bm (m ))(m M Cm (m )) m (m )
=
h
( )
m
m

(N BM (M ))(m M CM (M )) M (M )
h
, (162)
( )
M
M
o , segn se
Los parmetros B , C , y son ahora funciones de m
M
indica mediante los correspondientes subndices. La ecuacin (162) es una
ecuacin funcional, cuya solucin conduce a (vase Castillo et al. [75])
, M
) + s (m
, M
)N ) ,
p = h (r (m
(163)

, M
) = C0 + C1 m
+ C2 M
+ C3 m
M ,
r (m
(164)
donde
s
C0
C7
(m
, M
)
son constantes, y
C4
N
C5 m
C6 M
= log(N/N0 ).

C7 m
M ,
(167)
Obsrvese que los modelos (166) y (167) permiten predecir estadsti y
camente el comportamiento a fatiga para cualquier combinacin de m
, con lo que se ha resuelto el problema inicial de determinar el campo
M
y .
S N para cualesquiera valores de m
M
Una conclusin importante que se deduce de lo anterior, es que la funcin trilineal7 que se obtiene de sustituir (164) y (165) en (166) y (167) no
ha sido elegida arbitrariamente, sino que surge como resultado de la condicin de compatibilidad. Ms importante an es que una seleccin de una
funcin que no sea trilineal conducir a una situacin de incompatibilidad.
Estos modelos se han publicado en Castillo and Fernndez-Canteli [44]
y Castillo et al. [76], habiendo sido validados experimentalmente en el EMPA (Dbendorf (Switzerland) by Koller et al. [84], y extendido para el caso
de distribuciones exponenciales en Balakrishnan et al. [36].
8.2.3.
Modelos E-N
Los modelos E-N (deformacin-vida a fatiga) se han desarrollado tradicionalmente mediante la descomposicin de las deformaciones en sus
componentes elstica y plstica, lo cual supone una gran complicacin y
requiere hiptesis adicionales, que son realmente innecesarias. Nosotros en
Castillo and Fernndez-Canteli [43] y con un grupo portugus en De Jesus
et al. [80] hemos extendido los modelos S-N a este caso, mostrando que
(165)
7
Lineal en las tres variables N , m

y M
.
84
11/1/11
09:55
Pgina 84
son mucho ms simples y eficientes, habindolo aplicado a la reparacin

de puentes metlicos antiguos en Portugal.
La figura 25 muestra el modelo usado descomponiendo los dos tramos
rectilneos y el modelo que hemos propuesto.
85
2. Seguidamente, estudiaremos cmo a depende de m y M .

3. Finalmente, impondremos la compatibilidad con el campo de tensiones S N .
Estas etapas se describen en las secciones siguientes.
9.1.
0.007
El objetivo consiste en obtener un modelo a = h (a0 , N , Q ) que

proporcione el tamao de grieta a en funcin del tamao inicial de grieta
a0 y del nmero de ciclos N , suponiendo que el proceso es determinista
y son constantes durante todo el ensayo, es decir, Q es
y que m
M
constante (vase Castillo et al. [74]).
Deformacin
0.005
Total
0.003
Curvas de crecimiento de grieta para m

y M
constantes
Plstica
0.002
0.0015
9.1.1.
Elstica
10000
50000 100000
500000 1000000
3000000
Para obtener cmo depende la funcin a = h (a0 , N , Q ) de a0 y

se aplica una ecuacin funcional que se formula considerando la siguiente condicin de consistencia que debe satisfacer esta funcin:
Tiempo de vida a fatiga (ciclos)
N ,
Figura 25: Ilustracin del modelo basado en descomponer las deformaciones en sus componentes elstica y plstica, junto con el modelo conjunto.
9.
Curvas de crecimiento de grieta
En esta seccin nos proponemos obtener cmo cambia el tamao de

grieta a a partir del tamao inicial de grieta, a0 , al crecer el nmero de
ciclos, N , cuando las tensiones oscilan cclicamente entre m y M , es
decir, se pretende obtener la funcin
, M
) = h(a0 , N , Q ),
a = h(a0 , N , m
Compatibilidad para cualquier dao inicial.
Si un elemento con un tamao inicial de grieta a0 se somete a

N = N1 + N2 ciclos, el tamao final de grieta, segn la definicin de la funcin h (), ser a = h (a0 , N1 + N2 , Q ).
Sin embargo, este valor a puede ser obtenido tambin en
dos etapas: en primer lugar, aplicando N1 ciclos al elemento,
con lo que el tamao de grieta aumenta hasta h (a0 , N1 , Q ),
y despus, aplicndole otros N2 ciclos, de modo que recurriendo a la misma funcin h (), el tamao final resulta ser
h (h (a0 , N1 , Q ), N2 , Q ). Puesto que ambos valores tienen
que coincidir, independientemente de los valores de N1 y N2 ,
se debe satisfacer la ecuacin funcional siguiente:
(168)
, ) para
donde por simplicidad de notacin hemos denotado Q = (m
M
englobar las variables m y M .
Puesto que la deduccin de esta relacin, que involucra cinco variables,
es compleja, la dividiremos en varias etapas:
1. Inicialmente deduciremos cmo depende el tamao de grieta a del

tamao de grieta inicial a0 y del numero de ciclos N , suponiendo
m y M constantes.
a = h (a0 , N1 + N2 , Q ) = h (h (a0 , N1 , Q ) , N2 , Q ) .
(169)
Esta expresin es la conocida ecuacin de traslacin (vase Aczl [1],

Aczl [4], Castillo and Ruiz-Cobo [53] y Castillo et al. [71]), cuya solucin
general es:

a = h (a0 , N , Q ) = 1 (a0 , Q ) + N , Q ;
a0 , N ,
(170)
09:55
Pgina 86
N = 1 (a , Q ) 1 (a0 , Q ) .
9.1.2.
87
en la que (, ) es cualquier funcin invertible con respecto a su primer

argumento. Esta solucin, que tiene un gran inters prctico, demuestra que
no se puede elegir una funcin cualquiera de tres argumentos h (, , ) para
representar el problema del crecimiento de grieta, sino que el margen de
libertad se reduce a una funcin de dos argumentos (, ), invertible con
respecto a su primer argumento.
Por otro lado, de (170) se obtiene N en funcin de los tamaos de
grieta a y a0 , mediante la expresin
Trayectorias que salen por

Trayectorias que entran por
a*1
(171)
Condicin de compatibilidad de N |a y a |N .
Seguidamente, se estudia cmo depende a de m y M . Para analizar esta dependencia hay que considerar que la curva de crecimiento es un
proceso aleatorio, que depende de la probeta elegida. En la figura 26 se
muestran varias curvas de crecimiento asociadas a probetas diferentes, de
forma que las curvas de la parte baja representan probetas ms resistentes
que las situadas en la parte alta.
Si se considera un punto cualquiera (N1 , a1 ) y se trazan por l una recta
horizontal y una vertical, se observa que toda curva que pasa por el tramo
horizontal izquierdo debe pasar tambin por el tramo vertical superior, lo
que implica que las funciones de densidad de estas dos variables no son
independientes, sino relacionadas, tal como se muestra en la figura 26, en
la que las reas sombreadas deben ser complementarias, es decir, sumar
la unidad. Por tanto, las funciones de distribucin de las variables a |N
tamao de grieta, dado el nmero de ciclos, y el nmero de ciclos, N |a ,
dado el tamao de grieta deben tomar valores que suman la unidad (vase
Castillo et al. [74]).
Esta condicin es muy similar a la ilustrada en la figura 23, pero hay
una diferencia importante: en el caso de la figura 23 se trata de dos leyes
de mnimo, una para N | y otra para |N , que estn asociadas al
principio del eslabn ms dbil, mientras que aqu se trata de una ley de
mnimo N |a , y una de mximo a |N , puesto que a es el mayor tamao
de grieta existente en la pieza considerada. Por ello, se debe considerar
una ley de mximos en vez de una de mnimos para a , y la condicin de
compatibilidad correspondiente se puede escribir como

a 1 (N )
N 2 (a )
p = qmax
= 1 qmin
, (172)
1 (N )
2 (a )
N 1*
N*
7*
86
11/1/11
p
p
p
N*
Figura 26: Ilustracin de la condicin de compatibilidad basada en la funcin de densidad de a condicionada a N y de la funcin de densidad
de N condicionada a a , para una carga Q constante, mostrando que las
reas (probabilidades) de las dos funciones de densidad, deben ser iguales.
donde qmax y qmin son distribuciones para mximos y mnimos, respectivamente. Teniendo en cuenta que estas distribuciones deben satisfacer la
condicin (ver Castillo [39] y Castillo et al. [70])
qmax (x) = 1 qmin (x) ,
(173)
88
11/1/11
09:55
Pgina 88
de (172) y (173) se obtiene

a 1 (N )
2 (a ) N
qmax
= qmax
1 (N )
2 (a )
9.1.3.
(174)
que es equivalente a
a 1 (N )
2 (a ) N
=
,
1 (N )
2 (a )
(175)
que representa una ecuacin funcional, cuya solucin conduce a

2 (a )
2 (a ) =
1 (N )
1 (N ) =
qmax (x) = exp [ exp (x)] ,
Fa |N ,Q
(178)
(179)
(180)
que reparametrizando da lugar a dos posibles modelos:

a + N
,
Modelo 1 : p = qmax
(181)
cuyas curvas de crecimiento de grieta son familias de rectas

a
a0
(182)
(183)
1 (p)
+ qmax
M N

1
1
1
,
= + qmax (p)
+
a0 ath a ath
a = ath +
(184)
(185)
"
#
a + N
= exp
,
(188)
"
#
N )(a a )
(M
th
Fa |N ,Q (a , N ) = exp
(189)
donde los parmetros , , , , M y ath dependen del factor de carga
Q .
Curvas de crecimiento para m

y M
variables
En la subseccin anterior se obtuvo la forma ms general de las curvas

de crecimiento de grieta para rango de tensin y nivel de tensin `
y constantes. En esta subseccin se
constantes, o lo que es igual m
M
y 8.
analiza cmo estas curvas cambian cuando varan m
M
9.2.1.
cuyas curvas de crecimiento de grieta son familias de hiprbolas
(a , N )
y el Modelo 2:
9.2.
donde , y son parmetros, y

(M N )(a ath )
Modelo 2 : p = qmax
,
donde M , ath , y son parmetros.
(187)
que hay que sustituir en (181) y (183). Dos de ellos son el Modelo 1:
(177)
p = qmax (a N + a N + ) ,
N =
El principio del eslabn ms dbil justifica una distribucin minimal de

extremos de Weibull o de Gumbel. Razones similares justifican aqu una
distribucin maximal de extremos de Weibull o de Gumbel, puesto que las
grietas que dan lugar a la rotura son las grietas de mayor tamao. Por ello,
los modelos resultantes son (181) y (183), donde
h
i
(186)
qmax (x) = exp (x)
(176)
y tambin a
Condiciones lmites estadsticas.
+ a
+ a
1
+ a
1
N
N
1
(p)
a = N + + qmax
89
Densidades del dao independientes de la historia de cargas.

Compatibilidad de a |N1 , Q1 y a |N , Q
Adems de la condicin de compatibilidad anterior, puede establecerse

otra condicin de independencia de la funcin de densidad del dao acumulado a la historia de cargas, es decir, suponer que idnticas funciones de
8
Obsrvese que = M
m
mientras que ` puede significar ` = m
, ` =
M
, ` = (m
+ M
)/2 o R = m /M .
90
11/1/11
09:55
Pgina 90
p
p
p
p
a
a
a
p
p
p
N1
p
p
N = q (N 1,Q )
Q , N
lo que fuerza a las funciones de densidad de a para un par particular N1

y Q1 y para un par genrico N y Q a coincidir (Vanse las funciones de
densidad sombreadas en la figura 27).
Esto significa que, tomando como referencia el factor de carga Q1 , debe
existir una funcin N1 = q(N , Q ) que permita obtener el nmero de
ciclos N1 respecto al nivel de referencia Q1 , correspondiente a N para el
factor de carga Q para que las funciones de densidad coincidan. Por tanto,
los tamaos de grieta obtenidos de (183) y de (190)
a (Q1 ) = ath1 +
1 (p)
1 + 1 qmax
M1 q(N , Q )
(191)
y
a (Q ) = ath (Q ) +
Esta condicin de compatibilidad permite contabilizar la acumulacin

de dao de forma sencilla para una historia de tensiones dada, y puede
formularse matemticamente como:
p = qmax (a , N1 |Q1 ) = qmax (a , N |Q ),
N2
Figura 27: Ilustracin de la condicin de compatibilidad basada en la funcin de densidad de a para tres valores diferentes del factor de carga Q .
Esto conduce a la siguiente

Condicin de compatibilidad probabilstica: Dado cualquier
par de factores de carga Q1 y Q , para cualquier valor del
tiempo N = t, debe existir otro nmero de ciclos N1 =
t1 = q(N , Q ), para el que las funciones de densidad de
los tamaos de grieta asociados a N1 ciclos y Q1 y a los N
ciclos y Q coincidan.
Q
La distribucin del crecimiento de grieta depende del dao,

pero no depende de la historia de cargas.
Q

densidad del tamao de grieta pueden alcanzarse mediante diferentes historias de carga. Esta hiptesis, que es muy conveniente para acumulacin
de dao, se ilustra en la figura 27, en la que se ven ejemplos de densidades
idnticas para tres historias de carga, y en la que se representan tres niveles de dao (tamaos de grieta) a , a1 y a2 , y tres factores diferentes de
carga Q1 > Q > Q2 junto con los correspondientes nmeros de ciclos
necesarios N , N1 y N2 para alcanzar un idntico nivel de dao.
En la figura se ve que si se tiene una carga fija, por ejemplo Q1 =
, ), las funciones de densidad de a al aumentar el nmero de ci(m
M1
1
clos N , van evolucionando de la misma forma que si se tiene una carga
, ), o una carga cualquiera Q = ( , ), pero a un ritmo
Q2 = (m
m M
M2
2
diferente.
Por tanto, si se elige una carga de referencia Q1 y se obtienen las funciones de densidad para un N1 cualquiera, pueden utilizarse stas para obtener
las correspondientes a una carga cualquiera Q , sin ms que determinar una
funcin N1 = q(N , Q ), que nos diga qu valor de N1 hay que utilizar en
el nivel de referencia para obtener la correspondiente funcin de densidad
asociada a un nmero de ciclos N para la carga Q . En consecuencia, si
se conoce la evolucin de las funciones de densidad de a para una carga
de referencia Q1 y la funcin q(N , Q ), tenemos resuelto el problema de
determinar la funcin de densidad de a asociada a cualquier N y Q .
En resumen, para predecir el crecimiento aleatorio de grieta que tiene
lugar para una historia de cargas dada, es preciso introducir la siguiente
hiptesis simplificativa:
91
(190)
1 (p)
(Q ) + (Q )qmax
M (Q ) N
(192)
deben coincidir para todo p, por lo que, igualando coeficientes de la parte

constante respecto a p y de la parte dependiente de p, se obtiene, respectivamente,
ath1 ath (Q ) +
(Q )
1
= 0;
M1 q(N , Q ) M (Q ) N
Q , N
(193)
92
11/1/11
09:55
Pgina 92
1
(Q )
= 0;
M1 q(N , Q ) M (Q ) N
Q , N ,
Q1*
(194)
1 (M (Q ) N )
(Q )
0.0008
a*
1 (Q ) 1 (Q )
1 (M (Q ) N )
0.001
(195)
y
ath (Q ) ath1 =
0.0006
(196)
0.0004
y sustituyendo en (192) queda

a (Q ) = ath1 +
1 (p)
1 (Q )/1 + (Q )qmax
;
M (Q ) N
0.0002
p, Q , N , (197)
2.10
e identificando (192) y (197) resulta que, sin prdida de generalidad, puede

tomarse:
(Q ) =
ath1
1 (Q )
.
1
(198)
N*
6.10
8.10
Q2*
1.10
Q3*
0.0012
(199)
Finalmente, sustituyendo (198)(199) en (192) y despejando p, se obtiene el modelo

1 (M (Q ) N )(a ath1 )
1 .
Fa |N ,Q (a , N ) = qmax
1
(Q )
(200)
La funcin M (Q ), que muestra cmo cambian las asntotas de la

familia de hiprbolas con el factor de carga Q , y la funcin (Q ), que
representa el parmetro de escala del modelo de Weibull o Gumbel, deben
determinarse experimentalmente.
Este modelo garantiza la compatibilidad de las distribuciones estadsticas de los tamaos de grieta a |N1 tras N1 ciclos en un ensayo de fatiga con
el factor de carga Q1 y a |N tras N ciclos en un ensayo de fatiga con el
factor de carga Q , mientras que (195), que da la funcin N1 = q(N , Q )
buscada, proporciona la relacin entre N1 y N .
Como ya se ha indicado, esta propiedad tiene una gran trascendencia
al tratar con cargas variables, ya que la funcin de densidad del tamao de
grieta no depende del camino seguido durante el proceso de carga, sino del
tamao de grieta que haya sido alcanzado. Esto permite considerar cualquier historia de carga porque las funciones de densidad siempre se mantienen en los cambios de los ciclos de carga (vase la figura 28), en la que
4.10
Q1*
0.001
0.0008
a*
ath (Q )
Q3*
0.0012
de donde
N1 = q(N , Q ) = M1
Q2*
0.0006
0.0004
0.0002
2.10
4.10
6.10
N*
8.10
1.10
Figura 28: Ilustracin del crecimiento de grieta (a) cuando la historia de

cargas cambia de Q1 , a Q2 , y finalmente a Q3 , y (b) la inversa, es decir,
cuando la carga cambia de Q3 , a Q2 , y finalmente a Q1 .
puede verse que al coincidir las funciones de densidad, basta trasladar horizontalmente las curvas para tener en cuenta diferentes cargas en periodos
diferentes.
94
11/1/11
09:55
Pgina 94
9.3.
Compatibilidad de modelos de crecimiento de grieta y S-N
An se puede dar un paso ms, si se considera que los modelos S-N y

los de crecimiento de grieta mencionados no son independientes, sino que
puede pasarse de uno a otro y viceversa. Esta idea la hemos desarrollado
en varios trabajos. El pionero fue Castillo et al. [61] en 1984 y luego se ha
extendido, bastantes aos despus, en Castillo et al. [77].
El modelo de fatiga para las curvas S-N, deducido en la seccin 8.2.2.2,
y el modelo de fatiga obtenido en la seccin 9.2.1 mediante las curvas de
crecimiento de grieta, son dos manifestaciones de un mismo fenmeno. Por
ello, en esta seccin se analiza la compatibilidad entre los modelos de crecimiento de grieta y los modelos del campo S-N. La figura 29 ilustra esta
condicin de compatibilidad. En la parte superior se muestran las curvas SN y en la inferior las curvas de crecimiento de grieta dadas por sus percentiles. Puesto que, como ya se ha indicado, una probeta puede identificarse
con un percentil, tanto en las curvas S N como en las de crecimiento de
grieta, existe una correspondencia entre percentiles, que se ilustra mediante
las lneas de trazos verticales, haciendo visible esta correspondencia entre
los puntos de ambas curvas.
Sea a = h (Q ) el tamao de grieta en rotura expresado en funcin
del factor de carga Q , donde la funcin h (Q ), que es la que une los
puntos de rotura en la parte baja de la figura 29, debe determinarse experimentalmente. Debe tenerse presente que los tamaos de grieta en rotura son
dependientes del factor de carga Q . Puesto que la rotura puede obtenerse,
bien a partir del modelo de crecimiento de grieta (200) o bien a partir del
modelo S-N (163) con (164) y (165), y ambos deben coincidir en rotura, se
obtiene la condicin de compatibilidad siguiente:

, )N )(h ( , ) a )
1 (M (m
m M
M
th1
1
(201)
, )
1
(m
M
, M
) + N s (m
, M
),
(202)
= r (m
, ) y s ( , ) estn dadas por (164) y (165), respecdonde r (m
m M
M
tivamente. Obsrvese que (201) es una ecuacin funcional, que resulta de
, ),
esta condicin de compatibilidad, con funciones incgnitas M (m
M
, ) y ( , ).
h (m
m M
M
Seguidamente, se resuelve la ecuacin funcional (201). Con este fin, se
identifican los coeficientes que multiplican a la variable N y los trminos
independientes de ambos miembros, obtenindose
, ) a
1 h (m
M
th1
, )
1
(m
M
= s (m
, M
) (203)
95

, ) a
h (m
1
M
th1

1
= r (m
M
(
,
)
, M
), (204)
m M
, )
1
(m
M
que conducen a
, ) a )
1 (h (m
M
th1
,
, )
1 s (m
M
r ( , ) +
M (m
, M
) = 1 m M 1 .
1 s (m , M )
(m
, M
) =
(205)
(206)
Finalmente, sustituyendo (205) y (206) en (200) resulta el modelo

!
, ) + r ( , ) + / )(a a )
(N s (m
m
1
1
M
M
th1
p = qmax
1 ,
, ) a
h (m
1
M
th1
(207)
en el que qmax es una de las funciones que aparecen en (186) (187).
, ) por
Ntese que en el modelo (207) slo queda una funcin h (m
M
, )
determinar, mientras que en el modelo (200) haba dos funciones M (m
M
, ), por lo que de nuevo la condicin de compatibilidad junto
y (m
M
con condiciones fsicas y estadsticas permiten obtener la estructura funcional del modelo de crecimiento de grieta.
Para que quede claro lo que se gana con la consideracin de las diferentes condiciones, las curvas de crecimiento de grieta han evolucionado como
sigue:
1. Inicialmente, se expresaba a como
a = h (a0 , N , m
, M
),
es decir, como una funcin de cuatro variables.

2. Tras considerar la compatibilidad del tamao de grieta inicial a0 y
N se obtena el modelo
a = h (a0 , N , m
, M
) = 1 (a0 , Q ) + N , Q ; (208)
y
que contiene una funcin h dependiente de tres variables N , m
, pues Q = ( , ).
M
m M
3. Tras considerar la compatibilidad de a |N1 , Q1 y a |N , Q se obtuvo el modelo
a = ath (m
, M
)+
, ) + ( , )q 1 (p)
(m
m M max
M
, (209)
, ) N
M (m
M
96
11/1/11
09:55
Pgina 96
'V
p
'V
p p
5. Finalmente, tras considerar la compatibilidad con el modelo S N ,

el modelo final fue

, ) a
h (m
1
M
th1
1
+ qmax (p) ,
a = ath1+
, )+ /
N s (m , M )+r (m
1
1
1
M
(211)
, ) de dos variables y
que depende slo de la funcin h (m
m
M
, pues las funciones r ( , ) y s ( , ) vienen dadas por
M
m M
m M
(164) y (165), respectivamente.
Curvas S-N
Q 'V V l
'V V l
Q 'V V l
'V
97
Ntese que los grados de libertad han ido disminuyendo mucho.
10.
p
p
p
p
p
p

p
p
p
'V
'V
'V
Rotura
Curvas de crecimiento de grieta
N
a
a
a
Figura 29: Ilustracin de la condicin de compatibilidad (201) mostrando

la correspondencia entre las curvas percentiles del campo de Whler y las
curvas percentiles del modelo de crecimiento de grieta.
, ), ( , ), ( , )
que depende de 4 funciones ath (m
m M
m M
M
, ) de dos variables y .
y M (m
m
M
M
4. Tras considerar la independencia de la historia de cargas, se obtuvo

el modelo
a = ath1 +
, ) + ( , )q 1 (p)/
(m
m M max
1
1
M
,
, ) N
M (m
M
(210)
, ) y M ( , ) de dos
que depende de dos funciones (m
m M
M
variables m y M .
Eplogo
Llega ya el momento de concluir este discurso tras el repaso a mis incursiones en el mundo de la modelizacin matemtica y sus aplicaciones.
He tratado de describir cmo surgi cada uno de los trabajos realizados
y qu hay detrs de cada una de las condiciones establecidas, y creo ha quedado patente la importancia, por un lado de las personas que aparecen en
la vida de un estudioso e investigador, que motivan y producen cambios de
rumbo en su trayectoria investigadora convirtindose en verdaderos maestros. He indicado ya que muchos de ellos fueron acadmicos de diferentes
academias, lo que considero que no es una casualidad, sino el resultado
de la excelencia, que debe ser cuidada.Tambin he destacado el papel de
los libros que hacen posible que los conocimientos que uno tiene lleguen a
muchos, produciendo un efecto que el autor, cuando escribe, no puede ni
siquiera imaginar.
Concluyo ya agradeciendo a todos ellos por esta labor tan beneficiosa
para nuestra sociedad, e invitando a que surjan nuevos maestros y escritores que arrastren a los jvenes a dedicarse al maravilloso mundo de la
Matemtica.
Tengo tambin que decir que todo este trabajo no hubiese sido posible
sin la dedicacin de mis padres a mi educacin, el apoyo de mi familia, y
la paciencia de mi esposa Mary Carmen y mis hijos, a los que he restado
mucho tiempo para poder dedicarlo a la enseanza y la investigacin. Vaya
para todos ellos, mi agradecimiento y reconocimiento.
Slo me queda ya insistir una vez ms en mi gratitud, expresada al
comienzo de este discurso, por mi nombramiento como Acadmico de Nmero de la Real Academia de Ingeniera y a todos ustedes por su presencia
en este acto.
Muchas gracias.
98
11/1/11
09:55
Pgina 98
11.
Bibliografa
Referencias
[1] J. Aczl. Lectures on functional equations and their applications. Vol.
19, Mathematics in Science and Engineering. Academic Press, 1966.
[2] J. Aczl. Some recent applications of functional equations to geometry. J. Geometry, 1:127142, 1971.
[3] J. Aczl. Some recent applications of functional equations to combinatorics, probability distributions, information measures and to the
theory of index numbers in mathematical economics. In Theory
and applications of economic indices (Proc. Internat. Sympos., Univ.
Karlsruhe, Karlsruhe, 1976), pages 565590. Physica-Verlag, Wrzburg, 1978.
[4] J. Aczl. On history, applications and theory of functional equations. In Functional equations: history, applications and theory,
Math. Appl., pages 312. Reidel, Dordrecht, 1984.
[5] J. Aczl. On weighted synthesis of judgements. Aequationes Math.,
27(3):288307, 1984.
99
[11] J. Aczl and C. Alsina. Short Communications: Characterizations of

some classes of quasilinear functions with applications to triangular
norms and to synthesizing judgements. Aequationes Math., 25(1):
313315, 1982.
[12] J. Aczl and C. Alsina. Synthesizing judgements: a functional equations approach. Math. Modelling, 9(3-5):311320, 1987. The analytic
hierarchy process.
[13] J. Aczl and J. Dhombres. Functional equations in several variables, volume 31 of Encyclopedia of Mathematics and its Applications.
Cambridge University Press, Cambridge, 1989. ISBN 0-521-352762. With applications to mathematics, information theory and to the
natural and social sciences.
[14] J. Aczl and B. Forte. Generalized entropies and the maximum entropy principle. In Maximum entropy and Bayesian methods in applied statistics (Calgary, Alta., 1984), pages 95100. Cambridge Univ.
Press, Cambridge, 1986.
[15] J. Aczl and T. L. Saaty. Procedures for synthesizing ratio judgements.
J. Math. Psych., 27(1):93102, 1983.
[6] J. Aczl. On the general form of the laws of science without dimensional constants. Rend. Sem. Mat. Fis. Milano, 55:2335 (1988), 1985.
[16] J. Aczl, M. Hossz, and E. G. Straus. Functional equations for products and compositions of functions. Publ. Math. Debrecen, 8:218
224, 1961.
[7] J. Aczl. A Short Course on Functional Equations Based upon Recent

Applications to the Social and Behavioral Sciences. Reidel Publishing
Company, 1987.
[17] H. Yaacoub Agha, A. S. Branger, R. Billardon, and F. Hild. Highcycle fatigue behaviour of spheroidal graphite cast iron. 21:287296,
1998.
[8] J. Aczl. Scale-invariant equal sacrifice in taxation and conditional

functional equations. Aequationes Math., 32(2-3):336349, 1987.
[18] B. Arnold, E. Castillo, and J.M. Sarabia. Multivariate distributions

with generalized Pareto conditionals. Statistics and Probability Letters, 17:361368, 1993.
[9] J. Aczl. Basics of functional equations arising from recent applications to economics and to other sciences. In XII Symposium on Operations Research (Passau, 1987), volume 59 of Methods Oper. Res.,
pages 314. Athenum/Hain/Hanstein, Knigstein, 1989.
[19] B. Arnold, E. Castillo, and J. M. Sarabia. Conditional characterization

of the Mardia multivariate Pareto distribution. Pakistan Journal of
Statistics, 10:143145, 1994.
[10] J. Aczl. Some recent applications of functional equations to the social and behavioral sciences. Further problems. Aequationes Math.,
50(1-2):3849, 1995.
[20] B. Arnold, E. Castillo, and J.M. Sarabia. A conditional characterization of the multivariate normal distribution. Statistics and Probability
Letters, 19:313315, 1994.
100
11/1/11
09:55
Pgina 100
[21] B. Arnold, E. Castillo, and J.M. Sarabia. Multivariate normality via

conditional specification. Statistics and Probability Letters, 20:353
354, 1994.
[22] B. Arnold, E. Castillo, and J.M. Sarabia. Specification of distributions
by combinations of marginal and conditional distributions. Statistics
and Probability Letters), 26:153157, 1996.
[23] B. C. Arnold and D. Strauss. Bivariate distributions with exponential conditionals. Journal of the American Statistical Association, 83
(402):522527, 1988.
[24] B. C. Arnold, E. Castillo, J. M. Sarabia, and L. Gonzlez-Vega. Multiple modes in densities with normal conditionals. Statistics and Probability Letters, 49(4):355363, 2000.
[25] B. C. Arnold, E. Castillo, and J. M. Sarabia. Quantification of incompatibility of conditional and marginal information. Communications
in Statistics - Theory and Methods, 30(3):381395, 2001.
[26] B. C. Arnold, E. Castillo, and J. Mara Sarabia. Conditionally specified distributions: an introduction. Statist. Sci., 16(3):249274, 2001.
With comments and a rejoinder by the authors.
[27] B. C. Arnold, E. Castillo, and J. Mara Sarabia. Compatibility and near
compatibility in multiple assessment of Bayesian networks. Journal
of Propagations in Probability and Statistics, 2:161176, 2002.
[28] B. C. Arnold, E. Castillo, and J. Mara Sarabia. Conditionally specified multivariate skewed distributions. Sankhya, 64:206226, 2002.
[29] B. C. Arnold, E. Castillo, and J. M. Sarabia. Compatibility of partial or
complete conditional probability specifications. Journal of Statistical
Planning and Inference, 123(1):133159, 2004.
[30] B. C. Arnold, E. Castillo, and J. M. Sarabia. Distributions with conditionals in truncated weighted families. Statistics, 39(2):133147,
2005.
[31] B. C. Arnold, E. Castillo, and J. Mara Sarabia. Variations on the
classical multivariate normal theme. Journal of Statistical Planning
and Inference, 137(11):32493260, 2007.
101
[32] B. C. Arnold, E. Castillo, and J. M. Sarabia. Distributions with generalized skewed conditionals and mixtures of such distributions. Communications in Statistics - Theory and Methods, 36(8):14931503,
2007.
[33] B. C. Arnold, E. Castillo, and J. M. Sarabia. Bivariate distributions
characterized by one family of conditionals and conditional percentile
or mode functions. Journal of Multivariate Analysis, pages 1383
1392, 2008.
[34] B. C. Arnold, E. Castillo, and J. M. Sarabia. Multivariate distributions
defined in terms of contours. Journal of Statistical Planning and Inference, 138(12):41584171, 2008.
[35] B.C. Arnold, E. Castillo, and J.M. Sarabia. Conditional Specification
of Statistical Models. Springer Verlag, New York, 1999.
[36] N. Balakrishnan, E. Castillo, A. Fernndez-Canteli, and M. Kateri.
An exponential model for damage accumulation. Communications in
Statistics: Simulation and Computation, 38(2):215232, 2009.
[37] J.L. Bogdanoff and F. Kozin. Effect of length on fatigue life of cables.
113:925940, 1987.
[38] E. Buckingham. The principle of similitude. Nature, 96:396397,
1915.
[39] E. Castillo. Extreme value theory in Engineering. Academic Press,
San Diego, California, 1988.
[40] E. Castillo. Constructing models and solving problems with functional equations. Gac. R. Soc. Mat. Esp., 4(1):2766, 2001.
[41] E. Castillo and A. Fernndez-Canteli. A statistical model for lifetime
analysis. Elektrika, 84:521, 1986.
[42] E. Castillo and A. Fernndez-Canteli. Statistical models for fatigue
analysis of long elements. In International Association for Bridge and
Structural Engineering, editors, Proceedings of the IABSE Workshop,
pages 1532, El Paular, Madrid, 1992.
[43] E. Castillo and A. Fernndez-Canteli. A general regression model for
lifetime evaluation and prediction. International Journal of Fracture,
107(2):117137, 2001.
102
11/1/11
09:55
Pgina 102
[44] E. Castillo and A. Fernndez-Canteli. A parametric lifetime model for

the prediction of high-cycle fatigue based on stress level and amplitude. Fatigue and Fracture of Engineering Materials and Structures, 29
(12):10311038, 2006.
[45] E. Castillo and A. Fernndez-Canteli. A parametric lifetime model
for the prediction of high cycle fatigue based on stress level and amplitude. 29:10311038, 2006.
[46] E. Castillo and J. Galambos. Modeling and estimation of bivariate
distributions with normal conditionals based on their marginals. In
Conference on weighted distributions, Penn State University, 1985.
103
[55] E. Castillo and J.M. Sarabia. Engineering analysis of extreme value

data. Journal of Waterway, Port, Coastal, and Ocean Engineering,
118(2):129146, 1992.
[56] E. Castillo, A. Ascorbe, and A. Fernndez-Canteli. Static progressive
failure in multiple tendons. A statistical approach. In 44th Session of
ISI, Madrid, 1983.
[57] E. Castillo, A. Fernndez-Canteli, A. Ascorbe, and E. Mora. Influence
of stress distribution on the strength of wires, statistical analysis. In
44th Session of ISI, Madrid, 1983.
[47] E. Castillo and J. Galambos. Lifetime regression models based on a

functional equation of physical nature. Journal of Applied Probability,
24:160169, 1987.
[58] E. Castillo, A. Fernndez-Canteli, A. Ascorbe, and E. Mora. The

Box-Jenkins model and the progressive fatigue failure of large parallel elements stay-tendons. In ASI-NATO, Statistical extremes and
applications, Vimeiro, Lisbon, 1983.
[48] E. Castillo and J. Galambos. Bivariate distributions with normal conditionals. In Proceedings of the IASTED International Symposium:
Simulation, Modelling and Development - SMD 87, pages 5962,
Cairo, 1987. ACTA Press.
[59] E. Castillo, A. Fernndez-Canteli, A. Ascorbe, and E. Mora. Aplicacin de los modelos de series temporales al anlisis estadstico de la
resistencia de tendones de puentes atirantados. Anales de Ingeniera
Mecnica, 2:379382, 1984.
[49] E. Castillo and J. Galambos. Conditional distributions and the bivariate normal distribution. Metrika, International Journal for Theoretical
and Applied Statistics, 36(3):209214, 1989.
[60] E. Castillo, A. Fernndez-Canteli, E. Mora, and A. Ascorbe. Influencia de la longitud en la resistencia a fatiga de tendones de puentes
atirantados. Anales de Ingeniera Mecnica, 2:383389, 1984.
[50] E. Castillo and J. Galambos. Bivariate distributions with Weibull conditionals. Analysis Mathematica, 16(1):39, 1990.
[51] E. Castillo and A. Iglesias. Some applications of functional equations
to the characterization of families of surfaces. In D. Lasser, editor,
CAGD94 1st Peruvian Workshop on Computer Aided Geometric Design, pages 153169, Aachen, 1994. Verlag Shaker.
[52] E. Castillo and A. Iglesias. A package for symbolic solution of real
functional equations of real variables. Aequationes Math, 54(1-2):
181198, 1997.
[53] E. Castillo and R. Ruiz-Cobo. Functional Equations in Science and
Engineering. Marcel Dekker, New York, 1992.
[54] E. Castillo and J.M. Sarabia. Bivariate distributions with second kind
beta conditionals. Communications in Statistics, Theory and Methods,
19(9):34333445, 1990.
[61] E. Castillo, A.V. Unzu Prez, F. Gutirrez-Solana, and Fernndez

Canteli. Estudio de la relacin existente entre dos mtodos clsicos del anlisis de la resistencia a fatiga de elementos estructurales.
Anales de Ingenieria Mecnica, 2(1):150156, 1984.
[62] E. Castillo, A. Fernndez-Canteli, V. Esslinger, and B. Thurliman.
Statistical model for fatigue analysis of wires, strands and cables. IABSE Proceedings P-82/85, pages 140, 1985.
[63] E. Castillo, A. Fernndez-Canteli, V. Esslinger, and Thurlimann.

Statistical models for fatigue analysis of wires, strands and cables. In
IABSE Proceedings, volume 82, pages 1140, 1985.
[64] E. Castillo, A. Luce no, A. Montalbn, and A. Fernndez-Canteli.
A dependent fatigue lifetime model. Communications in Statistics,
Theory and Methods, 16(4):11811194, 1987.
104
11/1/11
09:55
Pgina 104
105
[65] E. Castillo, A. Fernndez, J. R. Ruiz, and J. M. Sarabia. Statistical

models for analysis of fatigue life of long elements. 116:10361049,
1990.
[76] E. Castillo, A. Fernndez-Canteli, and M. L. Ruiz-Ripoll. A general model for fatigue damage due to any stress history. International
Journal of Fatigue, 30(1):150164, 2008.
[66] E. Castillo, A. Fernndez-Canteli, J.R. Ruiz-Tolosa, and J.M. Sarabia.

Statistical models for analysis of fatigue life of long elements. Journal
of Engineering Mechanics (ASCE), 116(5):10361049, 1990.
[77] E. Castillo, A. Fernndez-Canteli, and C. Mozos. A new probabilistic

model for crack propagation under fatigue loads and its connection
with Whler fields. International Journal of Fatigue, 32:744753,
2010.
[67] E. Castillo, J. Galambos, and J.M. Sarabia. Caracterizacin de modelos bivariantes con distribuciones condicionadas tipo gamma. Estadstica Espaola, 32(124):439450, 1990.
[78] I. Chantier, V. Bobet, R. Billardon, and F. Hild. A probabilistic approach to predict the very high-cycle fatigue behaviour of spheroidal
graphite cast iron structures. 23:173180, 2000.
[68] E. Castillo, R. Ruiz-Cobo, and C.Alsina. Una metodologa para la

obtencin de tarifas impositivas congruentes. Hacienda Pblica Espaola, 122:2736, 1992.
[79] D. R. Cox. Regression models and life-tables. 2:187202, 1972.
[69] E. Castillo, A. Fernndez Canteli, and A.S. Hadi. On fitting a fatigue

model to data. International Journal of Fatigue, 21:97106, 1999.
[80] A.M.P. De Jesus, H. Pinto, A. Fernndez-Canteli, Castillo, E., and

J.A.F.O. Correia. Fatigue assessment of a riveted shear splice based
on a probabilistic model. International Journal of Fatigue, 32(2):453
462, 2010.
[70] E. Castillo, A. S. Hadi, N. Balakrishnan, and J. M. Sarabia. Extreme Value and Related Models with Applications in Engineering and
Science. Wiley, New York, 2005.
[71] E. Castillo, A. Iglesias, and R. Ruiz-Cobo. Functional Equations in
Applied Sciences. Mathematics in Science and Engineering Elsevier,
Madrid, 2005.
[72] E. Castillo, A. J. Conejo, C. Castillo, and R. Mnguez. Solving ordinary differential equations with range conditions. Applications. SIAM
Review, 48(2):307317, 2006.
[73] E. Castillo, M. Lpez-Aenlle, A. Ramos, A. Fernndez-Canteli,
R. Kieselbach, and V. Esslinger. Specimen length effect on parameter estimation in modelling fatigue strength by Weibull distribution.
International Journal of Fatigue, 28(9):10471058, 2006.
[74] E. Castillo, A. Fernndez-Canteli, H. Pinto, and M. L. Ruiz-Ripoll. A
statistical model for crack growth based on tension and compression
Whler fields. Engineering Fracture Mechanics, 75(15):44394449,
2008.
[75] E. Castillo, A. Fernndez-Canteli, and M. L. Ruiz-Ripoll. A general
model for fatigue damage due to any stress history. 30:150164, 2008.
[81] G. Genest and J. V. Zidek. Combining probability distributions: a

critique and an annotated bibliography. 1:114148, 1986.
[82] P. Kahlig. A general evaporation formula derived by dimensional
analysis. 8:167170, 1990.
[83] J. Kohout. A new function discribing fatigue crack growth curves. 21:
813821, 1999.
[84] R. Koller, M. L. Ruiz-Ripoll, A. Garca, A. Fernndez-Canteli, and
E. Castillo. Experimental validation of a statistical model for the
Whler field corresponding to any stress level and amplitude. International Journal of Fatigue, 31(2):231241, 2009.
[85] M. Kuczma, B. Choczewski, and R. Ger. Iterative functional equation. Encyclopedia of Mathematics and its applications, Cambridge
Univ. Press, 1990.
[86] J. S. Mill. Principles of political economy. J. W. parker, West Strand,
London, 1848, Second Edition, A. M. Kelley, Clifton, 1973.
[87] P.C. Paris, M.P. Gmez, and W.P. Anderson. A rational analytic theory
of fatigue. 13:914, 1961.
106
11/1/11
09:55
Pgina 106
[88] J. Pellas, G. Baudin, and M. Robert. Mesure et calcul du seuil de

fissuration aprs surcharge. 3:191201, 1977.
[89] R. Picciotto. Tensile fatigue characteristics of sized polyester/viscose
yarn and their effect on weaving performance. Masters Thesis, North
Carolina State Univ., 1970.
[90] J. Pickands. Statistical inference using extreme order statistics. Annals of Statistics, 3:119131, 1975.
[91] J. M. Sarabia, E. Castillo, M. Pascual, and M. Sarabia. Bivariate income distributions with lognormal conditionals. Journal of Economic
Inequality, 5(3):371383, 2007.
[92] A. J. Cohen Stuart. On progressive taxation. La Hague, 1889. English
translation in Classics in the theory of public finance, Macmillan,
London-New York, 1958.
[93] H. P. Young. Progressive taxation and the equal sacrifice principle.
32, 1987.
[94] H. P. Young. On certain related functional equations. 44:321335,
1988.

Castillo - Modelos Matemáticos en Ciencia e Ingeniería PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Castillo - Modelos Matemáticos en Ciencia e Ingeniería PDF

Загружено:

Авторское право:

Доступные форматы

Leccion inaugural 2011:Leccin inaugural 2005

MODELOS MATEMTICOS EN CIENCIA E INGENIERA

Leccion inaugural 2011:Leccin inaugural 2005

REAL ACADEMIA DE INGENIERA

MODELOS MATEMTICOS EN CIENCIA E INGENIERA

DISCURSO DEL ACADMICO

EXCMO. SR. D. ENRIQUE CASTILLO RON

Leccion inaugural 2011:Leccin inaugural 2005

Editado por la Real Academia de Ingeniera

2011 del texto, Enrique Castillo Ron

Depsito legal: M-xxxxx-2011

Leccion inaugural 2011:Leccin inaugural 2005

6.3.3. Frmulas alternativas del inters . . . . . . . . . .

9. Curvas de crecimiento de grieta

Leccion inaugural 2011:Leccin inaugural 2005

MODELOS MATEMTICOS EN CIENCIA E INGENIERA

ENRIQUE C ASTILLO RON

Algunas leyes vlidas

Con respecto a la identificacin de las condiciones de validez, hay que

Como se trata de variables de escala, deber ser

donde c es una constante cualquiera y f () es una funcin cualquiera.

Leccion inaugural 2011:Leccin inaugural 2005

MODELOS MATEMTICOS EN CIENCIA E INGENIERA

ENRIQUE C ASTILLO RON

Figura 1: Plano del Palacio Real de Madrid.

donde f es una funcin no-negativa cualquiera. Por tanto, la frmula (3)

respectivamente, que dan las reas de la elipse en funcin de sus semiejes

Figura 2: Plano del Palacio Real de Madrid.

La extensin de esta frmula al caso de ms de tres dimensiones es

Leccion inaugural 2011:Leccin inaugural 2005

MODELOS MATEMTICOS EN CIENCIA E INGENIERA

ENRIQUE C ASTILLO RON

De este teorema resulta el caso particular siguiente.

Este resultado tambin puede generalizarse al caso de que la variable

u(rx) = R(r)u(x) + P (r); r, xi IR ++ , (i = 1, 2, . . . , n),

donde r es un escalar no negativo, es

Seguidamente se considera el caso de variables de localizacin y escala

Esto quiere decir que la inmensa mayora de las frmulas de la fsica

Leccion inaugural 2011:Leccin inaugural 2005

MODELOS MATEMTICOS EN CIENCIA E INGENIERA

ENRIQUE C ASTILLO RON

Como puede verse ya en este comienzo de mi leccin, las ecuaciones

El teorema de Buckingham nos indica principalmente tres cosas:

Para ilustrar cmo puede utilizarse el teorema de Buckingham en un

Leccion inaugural 2011:Leccin inaugural 2005

MODELOS MATEMTICOS EN CIENCIA E INGENIERA

ENRIQUE C ASTILLO RON

Tabla 1: Anlisis dimensional del conjunto de variables inicial implicadas

8. a es el tamao de grieta tras N ciclos.

= Kth /(0 L0 ); L = L/L0 ;

9. K es el factor de intensidad de tensiones.

13. L es la longitud de la probeta.

12. Y es un parmetro adimensional que depende de la geometra de la

Obsrvese que para referirse a las variables adimensionales se utiliza el

14. L0 es una longitud de referencia.

Una frmula general para evaporacin en rgimen turbulento

Algunos autores definen = log(/0 ) en vez de /0 , es decir, aplican

Leccion inaugural 2011:Leccin inaugural 2005

MODELOS MATEMTICOS EN CIENCIA E INGENIERA

ENRIQUE C ASTILLO RON

K coeficiente de difusin en rgimen turbulento del vapor de agua

Cuando el viento cesa, no hay evaporacin (turbulenta):

S rea de la superficie mojada [L2 ]