Mtodos Matemticos de la Fsica

OSCAR REULA

1
2
 AGRADECIMIENTOS

En primer lugar quiero agradecer a Gloria Puente, por haberme apoyado

durante todo el tiempo en que escrib estas notas, las cuales tomaron bastante
tiempo de nuestras horas compartidas, en general largas noches. En segundo
lugar a Bernardo Gonzlez Kriegel quien volcara a LATEX las primeras versio-
nes de estas notas, haciendo un gran trabajo con mucho entusiasmo. Tambin
a Bob Geroch, con quien discut varios temas de las notas y de quien tambin
me inspir a travs de sus escritos y libros, no solo en contenido sino tambin
en estilo. Finalmente a varias camadas de estudiantes que asimilaron estoica-
mente una gran cantidad del material de estos cursos en un tiempo demasiado
corto.

3
4
 NDICE GENERAL

1. Conceptos Bsicos de Topologa 15

1.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.1. Terminologa . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2. Conceptos Derivados . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.1. Mapas continuos . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.2. Compacidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2. lgebra Lineal 27
2.1. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.1. Covectores y Tensores . . . . . . . . . . . . . . . . . . . . 29
2.1.2. Complexificacin . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.3. Espacios cociente . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2. Normas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.1. Las normas inducidas en V ? . . . . . . . . . . . . . . . . . 36
2.3. Teora de Operadores Lineales . . . . . . . . . . . . . . . . . . . . 36
2.3.1. Representacin Matricial . . . . . . . . . . . . . . . . . . . 39
2.3.2. Subespacios Invariantes . . . . . . . . . . . . . . . . . . . . 40
2.3.3. Forma Cannica de Jordan . . . . . . . . . . . . . . . . . 49
2.3.4. Relacin de Semejanza . . . . . . . . . . . . . . . . . . . . 52
2.4. Operadores Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.5. Operadores Unitarios . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

3. Geometra 65
3.1. Variedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2. Funciones Diferenciables en M . . . . . . . . . . . . . . . . . . . . 69
3.3. Curvas en M . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.4. Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.5. Campos Vectoriales y Tensoriales . . . . . . . . . . . . . . . . . . 75
3.5.1. El Corchete de Lie . . . . . . . . . . . . . . . . . . . . . . . 75

5
 3.5.2. Difeomorfismos y la Teora de las Ecuaciones Dife-
renciales Ordinarias . . . . . . . . . . . . . . . . . . . . . . 76
3.5.3. Campos de Covectores y Tensores . . . . . . . . . . . . . 77
3.5.4. La Mtrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.5.5. Notacin de ndices Abstractos . . . . . . . . . . . . . . 81
3.6. Derivada Covariante . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

4. Ecuaciones Diferenciales Ordinarias 89

4.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.2. El Caso de una nica Ecuacin Ordinaria de Primer Orden . 90
4.2.1. Ecuacin Autnoma de Primer Orden . . . . . . . . . . 90
4.2.2. Extendiendo la Solucin Local . . . . . . . . . . . . . . . 98
4.2.3. El Caso No-autnomo . . . . . . . . . . . . . . . . . . . . 100
4.3. Reduccin a Sistemas de Primer Orden . . . . . . . . . . . . . . 101
4.4. Sistemas de EDO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.4.1. Integrales Primeras . . . . . . . . . . . . . . . . . . . . . . . 106
4.4.2. Teorema Fundamental de los Sistemas de EDO . . . . 107
4.4.3. Dependencia en Parmetros, Ecuacin de Variaciones 108
4.5. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

5. Sistemas Lineales 115

5.1. Sistema lineal homogneo . . . . . . . . . . . . . . . . . . . . . . . 115
5.2. Sistema Lineal Inhomogeneo Variacin de constantes . . . . 118
5.3. Sistemas lineales homogneos: coeficientes constantes . . . . . 119
5.4. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

6. Estabilidad 131
6.1. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

7. Prueba del Teorema Fundamental 143

7.1. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149

8. Elementos Bsicos de Anlisis Funcional 151

8.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
8.2. Completando un Espacio Normado . . . . . . . . . . . . . . . . . 151
8.3. *Integral de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.4. Espacios de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
8.5. Serie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
8.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
8.7. Problemas de Series de Fourier . . . . . . . . . . . . . . . . . . . . 182

6
9. Distribuciones 185
9.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
9.2. La derivada de una distribucin . . . . . . . . . . . . . . . . . . . . 189
9.3. Nota sobre la completitud de D y su dual D 0 . . . . . . . . . . . 193
9.4. Convergencia y Compacidad Dbil . . . . . . . . . . . . . . . . . 194

10. La Transformacin de Fourier 197

10.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
10.2. *Propiedades bsicas de los Espacios de Sobolev . . . . . . . . . 204

11. Teora de ecuaciones en derivadas parciales 213

11.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
11.2. La ecuacin de primer orden . . . . . . . . . . . . . . . . . . . . . 216
11.2.1. El Problema de Cauchy . . . . . . . . . . . . . . . . . . . . 217
11.3. Clasificacin de ecuaciones en derivadas parciales . . . . . . . . 221

12. Ecuaciones Elpticas 227

12.1. La Ecuacin de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 227
12.1.1. Existencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
12.1.2. *Regularidad de las Soluciones . . . . . . . . . . . . . . . 232
12.2. Teorema Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234

13. Ecuaciones simtricohiperblicas 241

13.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
13.2. Un ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
13.3. Desigualdad de la energa para sistemas simtricohiperblicos 248
13.4. Unicidad de las soluciones . . . . . . . . . . . . . . . . . . . . . . . 251
13.5. Dominio de dependencia . . . . . . . . . . . . . . . . . . . . . . . . 252
13.5.1. Construccin de una superficie caracterstica . . . . . . 253
13.5.2. Dominio de dependencia, ejemplos . . . . . . . . . . . . 257

14. Ecuaciones Parablicas 261

14.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
14.2. Unicidad y el Teorema del Mximo . . . . . . . . . . . . . . . . . 263

15. Grupos 267

15.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
15.2. Isomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
15.3. Subgrupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
15.4. La construccin universal . . . . . . . . . . . . . . . . . . . . . . . 270
15.5. Grupos Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271

7
 15.5.1. El grupo SO(3). . . . . . . . . . . . . . . . . . . . . . . . . 272
15.6. Cosets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
15.6.1. Espacios Homogneos . . . . . . . . . . . . . . . . . . . . 275
15.7. Subgrupos Normales . . . . . . . . . . . . . . . . . . . . . . . . . . 276

16. Preguntas Tericas de Exmen 279

8
 NDICE DE FIGURAS

2.1. Interpretacin geomtrica del espacio cociente. . . . . . . . . . 34

2.2. Diagrama del operador dual. . . . . . . . . . . . . . . . . . . . . . 56
2.3. Diagrama del operador estrella. . . . . . . . . . . . . . . . . . . . 58
2.4. Vectores normales y tangentes a la esfera. . . . . . . . . . . . . 60

3.1. Un atlas de la esfera. . . . . . . . . . . . . . . . . . . . . . . . . . . 66

3.2. Relacin entre cartas. . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3. Sucesiones en M . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.4. Ejemplo de variedad noHausdorff. . . . . . . . . . . . . . . . . 69
3.5. Composicin del mapa de una carta con una funcin. . . . . 70
3.6. La relacin entre las fi . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.7. Diferenciabilidad de curvas en M . . . . . . . . . . . . . . . . . . 71
3.8. Definicin de vector. . . . . . . . . . . . . . . . . . . . . . . . . . . 75

4.1. Interpretacin geomtrica de la ecuacin f (x) = x 1/2 . . . . . 91

4.2. Prueba del Lema 4.1. . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.3. Prueba de la unicidad de la solucin. . . . . . . . . . . . . . . . 94
4.4. Distintas soluciones de la ecuacin de crecimiento bacteriano 97
4.5. Unicidad global. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.6. Extendiendo la solucin. . . . . . . . . . . . . . . . . . . . . . . . 99
4.7. El pndulo Fsico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4.8. La variedad Pndulo Fsico. . . . . . . . . . . . . . . . . . . . . . 105

6.1. Estabilidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

6.2. Pndulo fsico con friccin. . . . . . . . . . . . . . . . . . . . . . 134
6.3. La norma (x, x). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

7.1. Entornos usados en la prueba del Teorema Fundamental. . . 148

8.1. Una sucesin de Cauchy. . . . . . . . . . . . . . . . . . . . . . . . 154

8.2. Otra sucesin de Cauchy. . . . . . . . . . . . . . . . . . . . . . . . 154
8.3. Integral de Lebesgue. . . . . . . . . . . . . . . . . . . . . . . . . . . 156

9
8.4. El espacio perpendicular. . . . . . . . . . . . . . . . . . . . . . . . 165
8.5. Ley del paralelogramo. . . . . . . . . . . . . . . . . . . . . . . . . 166

11.1. Curvas caractersticas. . . . . . . . . . . . . . . . . . . . . . . . . . 217

11.2. Interseccin de soluciones. . . . . . . . . . . . . . . . . . . . . . . 218
11.3. Construyendo la solucin a partir de la curva . . . . . . . . . 219
11.4. Construyendo la solucin local. . . . . . . . . . . . . . . . . . . 223

12.1. La membrana de un tambor. . . . . . . . . . . . . . . . . . . . . . 228

12.2. Problema mixto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

13.1. Sistema coordenado nulo. . . . . . . . . . . . . . . . . . . . . . . . 242

13.2. Propagacin de ondas. . . . . . . . . . . . . . . . . . . . . . . . . . 244
13.3. Solucin general homognea en 1+1 dimensiones. . . . . . . 245
13.4. Solucin general inhomogenea. . . . . . . . . . . . . . . . . . . . 246
13.5. Desigualdad de la energa . . . . . . . . . . . . . . . . . . . . . . . 249
13.6. Desigualdad de la energa, vista en perspectiva. . . . . . . . . . 249
13.7. Regin en forma de ampolla . . . . . . . . . . . . . . . . . . . . . 252
13.8. Cono caracterstico . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
13.9. Construccin de S y una singularidad en S . . . . . . . . . . . 257
13.10. Dominio de dependencia de un fluido . . . . . . . . . . . . . . . 258

14.1. Condiciones de contorno para la ecuacin del calor. . . . . . 261

14.2. Prueba del Lema 14.1 . . . . . . . . . . . . . . . . . . . . . . . . . 265

10
 PREFACIO

Estas notas, ahora devenidas en libro, se originaron como un intento de

condensar en un solo lugar un gran conjunto de ideas, conceptos y herra-
mientas matemticas que considero bsicas para la comprensin y el trabajo
diario de un fsico en nuestros das.
Usualmente sucede que si un problema es formulado desde una necesi-
dad de origen fsico, como por ejemplo la descripcin de algn fenmeno
natural, entonces ste est bien formulado, en el sentido de que una solu-
cin razonable al mismo existe. Esta regla ha sido en general muy fructfera
y en particular les ha servido como gua a muchos matemticos para abrirse
camino en reas desconocidas. Pero tambin ha servido, en particular a mu-
chos fsicos, para trabajar sin preocuparse demasiado por aspectos formales,
ya sean analticos, algebraicos o geomtricos y poder as concentrarse en as-
pectos fsicos y/o computacionales. Si bien esto permite un rpido desarrollo
de algunas investigaciones, a la larga se llega a un estancamiento pues al pro-
ceder de este modo se evita enfrentar problemas que son muy ricos en cuanto
a la conceptualizacin del fenmeno a describir. Es importante constatar que
el problema formulado tiene una solucin matemtica y fsicamente correcta.
Un ejemplo de esto ha sido el desarrollo, a mediados del siglo pasado,
de la teora moderna de las ecuaciones en derivadas parciales. Muchas de es-
tas ecuaciones surgieron debido a que describen fenmenos de fsicos: trans-
misin del calor, propagacin de ondas electromagnticas, ondas cunticas,
gravitacin, etc. Una de las primeras respuestas matemticas al desarrollo de
estas reas fue el teorema de Cauchy-Kowalevski que nos dice que dada una
ecuacin en derivadas parciales, (bajo ciertas circunstancias bastante genera-
les) si una funcin analtica es dada como dato en una hipersuperficie (con
ciertas caractersticas), luego existe una solucin nica en un entorno sufi-
cientemente pequeo de dicha hipersuperficie. Tom mucho tiempo darse
cuenta que este teorema realmente no era relevante desde el punto de vista de
las aplicaciones fsicas: existan ecuaciones admitidas por el teorema tales que
si el dato no era analtico no haba solucin! Y en muchos casos, si stas exis-
tan, no dependan continuamente del dato dado, una pequea variacin del

11
dato produca una solucin totalmente distinta. Recin a mediados del siglo
pasado se logr un avance sustancial al problema, encontrando que haban
distintos tipos de ecuaciones, hiperblicas, elpticas, parablicas, etc. que se
comportaban de manera distinta y esto reflejaba los distintos procesos fsicos
que las mismas simulaban. Debido a su relativa actualidad, este conjunto tan
importante de conceptos no forman parte del conjunto de herramientas con
que cuentan muchos de los fsicos en actividad ni tampoco se encuentran en
los libros de texto usualmente utilizados en las carreras de grado.
Como el anterior hay muchos ejemplos, en particular la teora de ecua-
ciones diferenciales ordinarias y la geometra, sin la cual es imposible com-
prender muchas de las teoras modernas, tales como la relatividad, las teoras
de partculas elementales y muchos fenmenos de la fsica del estado slido.
A medida que avanza nuestra comprensin de los fenmenos bsicos de la
naturaleza ms nos damos cuenta que la herramienta ms importante para su
descripcin es la geometra. sta, entre otras cosas, nos permite manejar una
amplia gama de procesos y teoras sin mucho en comn entre s con un con-
junto muy reducido de conceptos, logrndose as una sntesis. stas sntesis
son las que nos permiten adquirir nuevos conocimientos, ya que mediante
su adopcin dejamos espacio en nuestras mentes para aprender nuevos con-
ceptos, los cuales son a su vez ordenados de manera ms eficiente dentro de
nuestra construccin mental del rea.
Estas notas fueron originalmente pensadas para un curso de cuatro me-
ses de duracin. Pero en realidad se adaptaban ms para un curso anual o dos
semestrales. Luego, a medida que se fueron incorporando ms temas a las mis-
mas, result ms y ms claro que deben darse en dos cursos semestrales o uno
anual. Bsicamente un curso debera contener los primeros captulos que in-
cluyen nociones de topologa, espacios vectoriales, lgebra lineal, finalizando
con la teora de las ecuaciones en derivadas ordinarias. La tarea se simplifica
considerablemente si los estudiantes han tenido previamente un buen curso
de lgebra lineal. La correlacin con las materias de fsica debera ser tal que
el curso sea previo o concurrente con una mecnica avanzada. Haciendo hin-
capi en la misma sobre el hecho de que en definitiva uno est resolviendo
ecuaciones diferenciales ordinarias con cierta estructura especial. Utilizando
los conceptos del lgebra lineal para encontrar modos propios y la estabilidad
de puntos de equilibrio. Y finalmente utilizando la geometra para describir
aunque ms no sea someramente la estructura simplctica subyacente.
El segundo curso consiste en desarrollar las herramientas para poder dis-
cutir aspectos de la teora de ecuaciones en derivadas parciales. Debera dar-
se antes o concurrentemente con un curso avanzado de electromagnetismo,

12
donde se debera hacer hincapi en el tipo de ecuaciones que se resuelven (elp-
ticas, hiperblicas), y el sentido de sus condiciones iniciales o de contorno,
segn corresponda. Usando adems en forma coherente el concepto de dis-
tribucin, que lejos de ser un concepto matemtico abstracto es en realidad
un concepto que aparece naturalmente en la fsica.
Nada del contenido de estas notas es material original, s algunas formas
de presentarlo, por ejemplo algunas pruebas ms simples que las usuales, o
la forma de integrar cada contenido con los anteriores. Mucho del material
debera ser pensado como una primera lectura o una iniciacin al tema y el
lector interesado en profundizar debera leer los libros citados, de los cuales
he extrado mucho material, siendo stos excelentes y difciles de superar.

13
14
 CAPTULO 1

CONCEPTOS BSICOS DE TOPOLOGA

1.1. Introduccin

La nocin de conjunto, si bien nos dice que ciertos objetos los elemen-
tos que lo conforman tienen algo en comn entre s, no nos da ninguna idea
de la cercana de entre estos elementos, mientras que por otro lado si consi-
deramos por ejemplo los nmeros reales esta nocin est presente. Sabemos
por ejemplo que el nmero 2 est mucho ms cercano al 1 que lo que lo est
el 423. El concepto de una topologa en un conjunto que definiremos a con-
tinuacin trata de captar con precisin esta nocin de cercana la cual, como
veremos admite muchas gradaciones.

Definicin: Un espacio topolgico consiste en un par (X , T ), donde X es

un conjunto y T es una coleccin de subconjuntos de X satisfaciendo las
siguientes condiciones:

1. Los subconjuntos ; y X de X estn en T .

2. Sea O , S
I , una familia monoparamtrica de subconjuntos de X en
T , luego I O est tambin en T .

3. Si O y O 0 estn en T , tambin lo est O O 0 .

Los elementos de T , subconjuntos de X , son llamados los subconjuntos

abiertos de X , el conjunto T en s es llamado una topologa de X . La condi-
cin 2) nos dice que infinitas uniones de elementos de T tambin estn en T ,
mientras que la condicin 3) nos dice que en general solo finitas interseccio-
nes siguen estando en T . De los ejemplos siguientes se desprende el porqu
de esta asimetra, ellos tambin nos ilustrarn de cmo dar una topologa es
esencialmente dar una nocin de cercana entre los puntos del conjunto en
cuestin.

15
Ejemplo: a) Sea T = {;, X }, es decir que los nicos subconjuntos abiertos de
X son el subconjunto vaco y el subconjunto X . Es claro que esta coleccin
de subconjuntos es una topologa, ya que satisface las tres condiciones reque-
ridas, a esta topologa se la denomina indiscreta. Podemos decir que en esta
topologa los puntos de X estn arbitrariamente cerca entre s, ya que si un
abierto contiene a uno de ellos los contiene a todos.

Ejemplo: b) Sea T = P (X ), la coleccin de todos los subconjuntos de X , cla-

ramente esta coleccin tambin satisface las condiciones arriba mencionadas
y por lo tanto tambin es una topologa de X , la llamada discreta. Podemos
decir que en sta todos los puntos estn arbitrariamente separados entre s ya
que por ejemplo, dado cualquier punto de X existe un abierto que separa a
ste de todos los dems, el que consiste de solo el punto en cuestin.

Ejemplo: c) Sea X el conjunto de los nmeros reales, de ahora en ms, lR, y

sea T = {O| s i r O, " > 0 t a l q u e s i |r r 0 | < ", r 0 O}, es decir la
coleccin de abiertos en el sentido usual. Veamos que esta coleccin satisface
las condiciones para ser una topologa. Claramente ; T , (ya que no tiene
0
ningn r ), lo mismo que lR, (ya que contiene S a todos los r ), y as condicin
1) es satisfecha. Veamos la segunda, sea r I O luego r O para algn
y por lo tanto existir S " > 0 tal que todo r 0 con |r r 0 | < " est tambin en
O , y por lo tanto en I O . Veamos finalmente la tercera, sea r O O 0
luego r O y por lo tanto existir " > 0 tal que todo r 0 con |r r 0 | < "
estar en O, como r tambin est en O 0 existir "0 > 0 tal que todo r 0 con
|r r 0 | < "0 estar en O 0 . Sea "00 = mi n{", "0 } luego todo r 0 con |r r 0 | < "00
estar en O y en O 0 y por lo tanto en O O 0 , con lo que concluimos que este
ltimo conjunto tambin est en T . lR con esta topologa es llamada la lnea
real.

Ejercicio: Encuentre usando el ejemplo anterior una interseccin infinita de

abiertos que no es abierta.

Ejemplo: d) Sea X = lRlR lR2 , es decir el producto cartesiano de lRconsigo

mismo el conjunto de todos los pares (x, y), con x, y lR y sea T =
{O| s i (x, y) O, " > 0 t a l q u e s i |x x 0 | + |y y 0 | < ", (x 0 , y 0 ) O}.
Del ejemplo anterior se puede ver que este tambin es un espacio topolgico
y que esta es la topologa que usualmente usamos en lR2

Definicin: Un espacio mtrico, (X , d ) es un par consistente en un conjunto

16
X y un mapa d : X X lR, llamado usualmente distancia, satisfaciendo
las siguientes condiciones:

1. d (x, x 0 ) 0, = 0 x = x 0 .
2. d (x, x 0 ) = d (x 0 , x).
3. d (x, x 0 ) + d (x 0 , x 00 ) d (x, x 00 ).

Ejercicio: Pruebe que este espacio posee una topologa inducida por su mtri-
ca en forma similar a lR en el ejemplo anterior.

Ejercicio: Vea que d (x, y) = 1 si x 6= y, es una distancia. Qu topologa nos

introduce dicha distancia?
Claramente una mtrica nos da una nocin de cercana entre puntos, ya
que nos da un valor numrico de la distancia entre s de estos. Una topologa,
al no darnos en general ningn nmero nos da una nocin de cercana mucho
ms vaga, pero de todos modos en general interesante.

1.1.1. Terminologa
Damos a continuacin un resumen de la terminologa usual en esta rea,
la misma es una generalizacin directa de la usada comnmente.

Definicin: Llamaremos el complemento, O c , del subconjunto O de X al

subconjunto de todos los elementos de X que no estn en O.

Definicin: Diremos que un subconjunto O de X es cerrado si su comple-

mento O c es abierto.

Definicin: Un subconjunto N de X es llamado un entorno de x X si

existe un abierto O x , con x O x , contenido en N .

Definicin: Llamaremos el interior de A X al subconjunto I n t (A) de X

formado por la unin de todos los abiertos contenidos en A.

Definicin: Llamaremos la clausura de A X al subconjunto C l (A) de X

formado por la interseccin de todos los cerrados conteniendo a A.

Definicin: Llamaremos la frontera de A X al subconjunto A de X for-

mado por C l (A) I n t (A) I n t (A)c C l (A).

17
Ejercicio: Sea (X , d ) un espacio vectorial mtrico, pruebe que:
a) C x1 = {x 0 |d (x, x 0 ) 1} es cerrado y es un entorno de x.
b) N x" = {x 0 |d (x, x 0 ) < "}, " > 0 es tambin un entorno de x.
c) I nt (N x" ) = N x"
d) C l (N x" ) = {x 0 |d (x, x 0 ) "}
e) N x" = {x 0 |d (x, x 0 ) = "}.

Ejercicio: Sea (X , T ) un espacio topolgico y A un subconjunto de X . Pruebe

que:
a) A es abierto si y solo si cada x A tiene un entorno contenido en A.
b) A es cerrado si y solo si cada x en Ac (o sea no perteneciente a A) tiene un
entorno que no intersecta a A.

Ejercicio: Sea (X , T ) un espacio topolgico, sea A X y x X . Pruebe que:

a) x I nt (A) si y solo si x tiene un entorno contenido en A.
b) x C l (A) si y solo si todo entorno de x intersecta A.
c) x A si y solo si todo entorno de x contiene puntos en A y puntos en
Ac .

1.2. Conceptos Derivados

En las secciones anteriores hemos visto que el concepto de una topologa

nos lleva a una generalizacin de una serie de ideas y conceptos derivados que
manejbamos en lRn , las cuales no dependan de la mtrica usual usada en es-
tos espacios (la llamada Mtrica Eucldea). Cabe entonces preguntarse si hay
otras generalizaciones posibles todava. En esta y en la prxima subseccin
estudiaremos dos ms de ellas, stas a su vez abren una vasta rea de las mate-
mticas, que no trataremos en este curso pero que es muy importante en lo
que respecta a la fsica moderna.
La primera de ellas es la de continuidad.

1.2.1. Mapas continuos

Definicin: Sea : X Y un mapa entre dos espacios topolgicos. (Ver

recuadro.) Diremos que el mapa es continuo si dado cualquier abierto O
de Y , 1 (O) es un abierto de X .

18
 Definicin: Un mapa : X Y entre un conjunto X y otro Y es una
asignacin a cada elemento de X de un elemento de Y .
Esto generaliza el concepto de funcin usual, note que el mapa est definido
para todo elemento de X , mientras que en general su imagen, es decir el
conjunto (X ) {y Y | x X y (x) = y}, no es todo Y . En el caso
que lo es, es decir que (X ) = Y , diremos que el mapa es suryectivo. Por
otro lado si se cumple que (x) = (x) = x = x diremos que el mapa es
inyectivo. En tal caso existe el mapa inverso a entre el conjunto (X ) Y
y X . Si el mapa es adems suryectivo entonces su inverso est definido en
todo Y y en este caso se denota por 1 : Y X . Es de utilidad considerar
tambin los conjuntos 1 (O) = {x X | (x) O}

Claramente la definicin anterior solo usa conceptos topolgicos Tie-

ne algo que ver con la usual psilon-delta usada en lRn ? La respuesta es afir-
mativa, como veremos ms abajo en nuestro primer teorema, pero primero
veamos algunos ejemplos.

Ejemplo: a) Sean X e Y cualquiera y sea la topologa de X la discreta. Luego

cualquier mapa entre X e Y es continuo. En efecto, para cualquier O abierto
en Y , 1 (O) es algn subconjunto en X , pero en la topologa discreta todo
subconjunto de X es un abierto.

Ejemplo: b) Sean X e Y cualquiera y sea la topologa de Y la indiscreta. Lue-

go tambin cualquier mapa entre X e Y es continuo. En efecto, los nicos
abiertos en Y son ; e Y , pero 1 (;) = ;, mientras que 1 (Y ) = X , pero
cualquiera sea la topologa de X , ; y X son abiertos.
De los ejemplos anteriores parecera ser que nuestra definicin de conti-
nuidad no es muy interesante, eso es debido a que hemos tomado casos con
las topologas extremas, en las topologas intermedias es donde la definicin
se hace ms til.

Ejemplo: c) Sean X e Y lneas reales, y sea (x) = 1 si x 0, (x) = 1

si x < 0. Este mapa no es continuo ya que, por ejemplo, 1 ((1/2, 3/2)) =
{x|x 0}.

Teorema 1.1 El mapa : X Y es continuo si y solo si se cumple que: dado

cualquier punto x X y cualquier entorno M de (x), existe un entorno N de
x tal que (N ) M .

19
 Esta segunda definicin est mucho ms cerca del concepto intuitivo de
continuidad.

Prueba: Supongamos continuo. Sea x un punto de X , y M un entorno de

(x). Luego existe un abierto O en Y contenido en M y conteniendo a (x).
Por continuidad N = 1 (O) es un abierto de X , y como contiene a x, un
entorno de x. Se cumple entonces que (N ) O M . Supongamos ahora
que dado cualquier punto x X y cualquier entorno M de (x), existe un
entorno N de x tal que (N ) M . Sea entonces O un abierto cualquiera de
Y , debemos mostrar ahora que 1 (O) es un abierto de X . Sea x un punto
cualquiera de 1 (O), luego (x) O y por lo tanto O es un entorno de
(x), por lo tanto existe un entorno N de x tal que (N ) O y por lo tanto
N 1 (O). Pero entonces 1 (O) contiene un entorno de cada uno de sus
puntos y por lo tanto es abierto.

Ejercicio: Sea : X Y y : Y Z mapas continuos, pruebe que :

X Z tambin es continuo. (Composicin de mapas preserva continuidad.)

Topologa Inducida:

Sea un mapa entre un conjunto X y un espacio topolgico {Y, T }. Este

mapa proporciona naturalmente, es decir sin la ayuda de ninguna otra estruc-
tura, una topologa en X , denotada por T y llamada la topologa inducida
por en X . El conjunto de sus abiertos est dado por: T = {O X | O =
1 (Q), Q T }, es decir O es un abierto de X si existe un abierto Q de Y
tal que O = 1 (Q).

Ejercicio: Demuestre que esta construccin realmente define una topologa.

No todas las topologas as inducidas son de inters y en general dependen
fuertemente del mapa, como lo demuestra el siguiente ejemplo:

Ejemplo:
a) Sea X = Y = lR con la topologa usual y sea : lR lR la funcin (x) =
17 x lR. Esta funcin es claramente continua con respecto a las topologas
de X e Y , las de la lnea real. Sin embargo T , la topologa inducida en X
por este mapa es la indiscreta!
b) Sea X e Y como en a) y sea (x) un mapa invertible, luego T coincide
con la topologa de la lnea real.

20
1.2.2. Compacidad
La otra generalizacin corresponde al concepto de Compacidad. Para
ello introducimos la siguiente definicin: Sea X un conjunto, A un subcon-
junto de ste y {A } una coleccin de subconjuntos de X parametrizados por
una variable continua o discreta . Diremos que esta coleccin cubre A si
A A .

Definicin: Diremos que A es compacto si dada cualquier coleccin {A } de

abiertos que lo cubren, existe un nmero finito de estos A que tambin lo
cubren.

Ejemplo: a) Sea X un conjunto infinito de puntos con la topologa discreta.

Luego un cubrimiento de X consiste, por ejemplo, en todos los puntos de
ste, considerados cada uno de ellos como un subconjunto del mismo. Pero la
topologa de X es la discreta, por lo tanto este es un cubrimiento de abiertos
y ningn nmero finito de ellos lo cubrir, por lo tanto X no es en este
caso compacto. Claramente si X tuviese solo un nmero finito de elementos
siempre sera compacto, cualquiera fuese su topologa.

Ejemplo: b) Sea X cualquier conjunto con la topologa indiscreta. Luego X es

compacto. Los nicos abiertos de este conjunto son ; y X , por lo tanto cual-
quier cubrimiento tiene a X como uno de sus miembros y ste solo alcanza
para cubrir a X .
Vemos as que esta propiedad depende fuertemente de la topologa del
conjunto. La relacin con el concepto intuitivo de compacidad queda clara
de los siguientes ejemplo y ejercicio.

Ejemplo: c) Sea X la lnea real y A = (0, 1). Este subconjunto no es compacto

pues por ejemplo el siguiente es un cubrimiento de abiertos de A tal que
cualquier subconjunto finito del mismo no lo es. An = ( n1 , n1
n
)

Ejercicio: Sea X la lnea real y A = [0, 1]. Pruebe que A es compacto.

Prueba:
Sea {A } un cubrimiento de [0, 1] y a [0, 1] la menor cota superior de
los x (0, 1] tales que [0, x] est cubierto por un subcubrimiento finito. a
existe pues 0 tiene un A que lo cubre. Sea A0 un elemento del cubrimiento
tal que a A0 . Luego existe b < a tal que b A0 y b ya est cubierto por un
subcubrimiento finito. Tenemos as que a est en un subcubrimiento finito y
por lo tanto, si a 6= 1 tambin algunos elementos mayores al mismo. Lo que

21
constituira una contradiccin.
Veamos ahora la relacin entre los dos conceptos derivados del de To-
pologa, es decir el de la continuidad de mapas entre espacios topolgicos y
el de compacidad. El hecho de que un mapa entre espacios topolgicos sea
continuo implica que este mapa es especial, en el sentido de que tiene o lleva
informacin sobre las respectivas topologas y preserva las propiedades topolgi-
cas de los conjuntos que asocia. Esto se ve en la siguiente propiedad, la cual
como se desprende del ejemplo que sigue es muy importante.
Teorema 1.2 Sean X e Y dos espacios topolgicos y un mapa continuo entre
ellos. Luego si A es un subconjunto compacto de X , (A) es un subconjunto
compacto de Y .

Prueba: Sea O una coleccin de abiertos en Y que cubren a (A). Luego

la coleccin 1 (O ) cubre a A, pero A es compacto y por lo tanto habr
una subcoleccin finita 1 O de la anterior que tambin lo cubre. Por lo
tanto la subcoleccin finita O cubrir tambin a (A). Como esto es cierto
para cualquier coleccin de abiertos cubriendo a (A) concluimos que ste es
compacto.

Ejemplo: Sea A compacto y sea : A lR continuo, es decir un mapa conti-

nuo entre A y la lnea real. (A) es entonces un conjunto compacto de la lnea
real y por lo tanto un conjunto cerrado y acotado, pero entonces este conjun-
to tendr un mximo y un mnimo, es decir el mapa alcanza su mximo y
mnimo en A.
Finalmente otro teorema de fundamental importancia acerca de los con-
juntos compactos, el cual muestra que stos tienen otra propiedad que los
hace muy interesantes. Para ello introducimos las siguientes definiciones, las
cuales tambin solo en conceptos topolgicos. Una sucesin o secuencia en
un conjunto X {xn } = {x1 , x2 , ...}, con xn X , es un mapa de los nmeros
enteros en este conjunto. Dada una sucesin {xn } en un espacio topolgico
X , diremos que x X es un punto de convergencia o lmite de esta sucesin
si dado cualquier abierto O de X conteniendo a x existe un nmero N tal que
para todo n > N xn O. Diremos que x X es un punto de acumulacin
de esta sucesin si dado cualquier abierto O de X conteniendo a x, infinitos
elementos de la sucesin tambin pertenecen a O.

Ejercicio: Encuentre un ejemplo de una sucesin en algn espacio topolgico

con diferentes puntos lmites.

22
Teorema 1.3 Sea A compacto. Luego toda sucesin en A tiene un punto de acu-
mulacin.

Prueba: Supongamos en contradiccin con la afirmacin del teorema que

existe una sucesin {xn } sin ningn punto de acumulacin. Es decir, dado
cualquier punto x de A existe un entorno O x contenindolo y un nmero
N x tal que si n > N x luego xn
/ O x . Como esto es vlido para cualquier x en
A, la coleccin de conjuntos {O x |x A} cubre A, pero A es compacto y por
lo tanto existir una subcoleccin finita de stos que tambin lo cubre. Sea N
el mximo entre los N x de esta coleccin finita. Pero entonces xn / A para
todo n > N lo que es absurdo.

Ejercicio: Pruebe que los conjuntos compactos en la lnea real son los cerra-
dos y acotados.
Nos podemos hacer ahora la pregunta inversa: Si A X es tal que toda
sucesin tiene puntos de acumulacin, es cierto entonces que A es compac-
to? Una respuesta afirmativa nos dara una caracterizacin alternativa de la
compacidad, y sta es afirmativa para el caso de la lnea real. En general la res-
puesta es negativa: hay topologas en las cuales toda sucesin en un conjunto
tiene puntos de acumulacin en l, pero este no es compacto. Sin embargo to-
das las topologas que nosotros veremos son numerables de segunda especie
[Ver recuadro] y en stas la respuesta es afirmativa.
En la lnea real es cierto que si x lR es un punto de acumulacin de
una sucesin {xn } entonces existe una subsucesin, {xn }, es decir una res-
triccin del mapa definiendo la sucesin a un nmero infinito de nmeros
naturales, que tendr a x como punto lmite. Esto tampoco es cierto en la
generalidad de los espacios topolgicos, pero s lo es si consideramos solo
aquellos que son numerables de primera especie [Ver recuadro]. Todos los
espacios que veremos en este curso lo son.

23
*Numerabilidad de espacios topolgicos.

Definicin: Diremos que un espacio topolgico {X , T } es numerable de pri-

mera especie si para cada p X existe una coleccin contable de abiertos
{On } tal que todo abierto conteniendo a p contiene tambin al menos uno de
estos On .

Definicin: Diremos que un espacio topolgico {X , T } es numerable de se-

gunda especie si hay una coleccin numerable de abiertos tal que cualquier
abierto de X puede ser expresado como una unin de conjuntos de esta co-
leccin.

Ejemplo:
a) X con la topologa indiscreta es numerable de primera especie.
b) X con la topologa discreta es numerable de primera especie. Y de segunda
especie si y solo si sus elementos son numerables.

Ejercicio: Demostrar que la lnea real es numerable de primera y segunda

especie. Ayuda: Para el primer caso use los abiertos On = ( p n1 , p + n1 ) y
p p
para el segundo O p q n = ( q n1 , q + n1 )

24
*Separabilidad de espacios topolgicos.

Definicin: Un espacio topolgico X es Hausdorff si dados cualquier par de

puntos de X , x e y, luego existen entornos O x y Oy tales que O x Oy = ;.

Ejemplo:
a) X con la topologa indiscreta es Hausdorff.
b) X con la topologa discreta no es Hausdorff.

Ejercicio: Encontrar una topologa tal que los enteros sean Hausdorff y com-
pactos.

Ejercicio: Pruebe que si un espacio es Hausdorff entonces si una sucesin

tiene un punto lmite este es nico.

Ejercicio: Sea X compacto, Y Hausdorff y : X Y continuo. Pruebe

que las imgenes de conjuntos cerrados son cerradas. Encuentre un contra-
ejemplo si Y no es Hausdorff.

Notas bibliogrficas: Este captulo es esencialmente un condensado de los

captulos 26,27,28,29 y 30 de [1], ver tambin [2], [6] y [21]. La topologa es
una de las ms apasionantes ramas de las matemticas, si profundiza quedar
atrapado! De particular inters en fsica en la nocin de Homotopa un buen
lugar para entender estas ideas es el captulo 34 de [1].

25
26
 CAPTULO 2

LGEBRA LINEAL

2.1. Espacios Vectoriales

Definicin: Un Espacio Vectorial Real consiste de tres cosas i ) Un con-

junto, V , cuyos elementos sern llamados vectores. i i ) Una regla que asigna
a cada par de vectores, v, u, un tercer vector que denotaremos por v + u y
que llamaremos su suma. i i i ) Una regla que asigna a cada vector, v y a ca-
da nmero real a, un vector que denotaremos por av y que llamaremos el
producto de v con a. sujetas a las siguientes condiciones:

1.a) Para cualquier par de vectores u, v V se cumple que,

u+v =v+u (2.1)

1.b) Existe en V un nico elemento llamado cero y denotado por 0, tal que

0 + v = v v V . (2.2)

1.c) Para cualquier vector u V existe un nico vector en V , denotado

u, tal que,
u + (u) = 0 (2.3)

2.a) Para cualquier par de nmeros reales a y a 0 y cualquier vector v se

cumple que,
a(a 0 v) = (aa 0 )v.

2.b) Para cualquier vector v se cumple que,

1v = v.

27
 3.a) Para cualquier par de nmeros reales a y a 0 y cualquier vector v se
cumple que,
(a + a 0 )v = av + a 0 v.

3.b) Para cualquier nmero real a y cualquier par de vectores v y v 0 se

cumple que,
a(v + v 0 ) = av + av 0 .

Las primeras son condiciones que involucran solo la regla de la suma. Las
siguientes solo involucran a la regla del producto, mientras que las dos ltimas
tratan de la relacin entre estas dos operaciones.

Ejemplo: El conjunto de todas las ntuplas de nmeros reales con las ope-
raciones usuales de suma y multiplicacin tupla por tupla. Este espacio se
denomina lRn .

Ejemplo: Sea S cualquier conjunto y sea V el conjunto de todas las funcio-

nes de S en los reales, v : S lR, con las siguientes operaciones de suma y
producto: La suma de la funcin v con la funcin v 0 es la funcin (elemento
de V ) que al elemento s de S le asigna el valor v(s) + v 0 (s). El producto de
a lR con la funcin v es la funcin que a s S le asigna el valor av(s). Este
ejemplo aparecer muy a menudo en los captulos siguientes.

Definicin: diremos que un conjunto de vectores {v i } i = 1, . . . , n son li-

nealmente independientes si i a i v i = 0 a i lR, i = 1, . . . , n = a i = 0,
P
i = 1, . . . , n, es decir si cualquier combinacin lineal no trivial de estos vecto-
res nos da un vector no trivial. Si un nmero finito de vectores linealmente
independientes, n, son suficientes para expandir V , [es decir si cualquier
vector en V puede ser obtenido como una combinacin lineal de estos n vec-
tores], entonces diremos que estos forman una base de V y que la dimensin
de V es n, dimV = n.

Ejercicio: Muestre que la dimensin de V es nica, es decir que no depende

de la base empleada para definirla.
Note que si en el ejemplo anterior S consta de un nmero finito de ele-
mentos, luego la dimensin de V es finita.1 En el caso de que S tuviese un
nmero infinito de elementos diramos que la dimensin de V sera infinita.
1
Es decir un nmero finito de vectores linealmente independientes expanden V .

28
En lo que sigue de este captulo solo consideraremos espacios vectoriales de
dimensin finita.

Problema 2.1 Sea S un conjunto finito, S = {s1 , s2 , . . . , sn }, encuentre una base

del espacio vectorial de todas las funciones de S en lR. Encuentre la dimensin de
este espacio.

2.1.1. Covectores y Tensores

Sea V un espacio vectorial de dimensin n. Asociado con este espacio
vectorial consideremos el conjunto, V = { el espacio de mapas lineales f :
V lR}. Este es tambin un espacio vectorial, llamado el espacio dual a
V , o espacio de covectores, con suma y producto dados por: ( f + g )(v) =
f (v)+ g (v) v V con f , g V , lR. Cul es su dimensin? Note
que si {v i } i = 1, . . . , n es una base de V , es decir un conjunto linealmente
independiente de vectores que expanden V , podemos definir n elementos de
V (llamados co-vectores) por la relacin

i (v j ) = ij . (2.4)

Es decir definimos la accin de i sobre los {v j } como en la ecuacin de

arriba y luego extendemos su accin a cualquier elemento de V escribiendo a
este elemento en la base {v i } y usando el hecho que la accin debe ser lineal.
Se puede ver fcilmente que cualquier V se puede obtener como
combinacin lineal de los covectores { j }, j = 1, . . . , n y que estos son li-
nealmente independientes, por lo tanto forman una base y por lo tanto la
dimensin de V es tambin n.

Ejercicio: Vea que V es un espacio vectorial y que las { i } forman realmente

una base.
Como V y V tienen la misma dimensin son, como espacios vectoria-
les, la misma cosa, pero como no existe ningn mapa que los identifique los
tenemos que tomar como distintos.
Qu pasa si ahora tomamos el dual de V ? Obtendremos as ms copias
de V ? La respuesta es no, ya que existe una identificacin natural entre V y
su doble dual V .
En efecto a cada v V le podemos asociar un elemento x v de V ,
es decir una funcional lineal de V en lR, de la siguiente forma: x v () =
(v) V . Es decir el elemento x v de V asociado a v V es aquel

29
que al actuar sobre un covector cualquiera da el nmero (v). Note que
x v acta linealmente en los elementos de V y por lo tanto es un elemento de
V . Hay elementos de V que no provengan de algn vector en V ? La res-
puesta es no, ya que el mapa x v : V V es inyectivo [x v () = 0 =
v = 0] y por lo tanto 2 dim x V = dimV . Por otro lado dimV = dimV
ya que V es el dual de V y as dimV = dimV = dimV , lo que indica
que el mapa en cuestin es tambin suryectivo y por lo tanto invertible. Es-
to nos permite identificar V y V y concluir que dualizando no podremos
construir ms espacios vectoriales interesantes.

Ejercicio: Vea que efectivamente dim x V = dimV .

Sin embargo nada nos impide considerar tambin mapas multilineales 3
de V
| V {z V} en lR, o ms generalmente,
k veces

V V} V
| {z | {z V } lR.
k veces l veces

El conjunto de estos mapas (para cada par (k, l ) dado) es tambin un espacio
vectorial, con las operaciones obvias y sus elementos son llamados tensores
de tipo (k, l ) .

Ejercicio: Cul es la dimensin de estos espacios como funcin del par (k, l )?
Nota: En dimensin finita se puede demostrar que cualquier tensor de tipo
(k, l ) se puede escribir como combinacin lineal de elementos del producto
cartesiano de k copias de V y l copias de V donde hemos identificado a V
con V . Por ejemplo si t es de tipo (0, 2), o sea un mapa que tiene como
argumentos a dos covectores, entonces dada una base {v i } de V habr n n
nmeros reales t i j , i = 1, . . . , n tales que
n
X
t (, ) = t i j v i ()v j (), , V . (2.5)
i, j =1

Pero el producto de combinaciones lineales de productos cartesianos de k

copias de V y l copias de V es tambin un espacio vectorial, se lo llama
producto externo de k copias de V y l copias de V y se lo denota por
2
Denotando por x V la imagen por x () de V .
3
O sea mapas separadamente lineales en cada uno de sus argumentos.

30

V
| V {z V } V V} .
| {z
k veces l veces

Por lo tanto tambin se los puede considerar a los tensores como elementos
de estos productos externos.

Ejemplo: a) Sea t de tipo (2, 0), o sea t V V . Este es un mapa bilineal de

V V en lR, t (v, u) lR. Sea t simtrico [t (v, u) = t (u, v)] y no degenerado
[ t (v, ) = 0 V = v = 0]. Como t es no degenerado define un mapa
invertible entre V y su dual.

Ejemplo: b) Sea " un elemento de (n, 0) tal que

"(. . . , |{z} u , . . .) = "(. . . , |{z}

v , . . . , |{z} u , . . . , |{z}
v , . . .) (2.6)
i j i j

cualquiera sea la casilla i y j , es decir un tensor totalmente antisimtrico.

Sea {u i } una base de V y "123...n = "(u 1 , u 2 , . . . , u n ), luego cualquier otra
componente de " en esta base ser o bien cero o "123...n o "123...n de acuerdo
a que algn u i se repita o sea una permutacin par de la de arriba o una impar.
Por lo tanto basta un nmero, "123...n , para determinar el tensor " y dado y
otro tensor " no idnticamente cero con las propiedades arriba mencionadas
luego existir un nmero tal que " = ".

Ejercicio: Sea " no idnticamente cero y {u i } un conjunto de n = dimV

vectores de V . Muestre que estos forman una base si y solo si

"(u1 , . . . , un ) 6= 0. (2.7)

Ejemplo: c) Sea A un elemento de (1, 1),

u V , v V A(u, v ) lR. (2.8)

Esto implica que A(u, ) es tambin un vector (identificando V con V ,

aquel que toma una forma V y da el nmero A(u, )). Tenemos as un
mapa lineal de V en V , o sea un operador lineal en V .

Ejercicio: Sea {u i } una base de V y sean a i los vectores A(ui , ), luego

"(a1 , . . . , an ) = "(A(u1 , ), . . . , A(un , ))

31
es totalmente antisimtrico en los {ui } y por lo tanto proporcional a s mis-
mo;

"(A(u1 , ), . . . , A(un , )) "(u1 . . . . , un ).

La constante de proporcionalidad se llama determinante del operador A,

det(A).

Problema 2.2 Muestre que esta definicin no depende del " empleado ni de la
base y por lo tanto es realmente una funcin del espacio de operadores de V en
lR.

Ejercicio: Si A y B son dos operadores de V , luego A B(v) A(B(v)).

Muestre que det(AB) = det(A) det(B).

2.1.2. Complexificacin
Otra manera de obtener campos vectoriales a partir de uno dado, diga-
mos V , es extendiendo el campo donde est definida la operacin de multi-
plicacin, si esto es posible. El caso ms comn es la complexificacin de un
espacio vectorial real en ese caso simplemente se extiende el producto a los
nmeros complejos resultando un campo vectorial de la misma dimensin.
Una manera de obtenerlo, por ejemplo es tomando un conjunto de vectores
linealmente independientes del espacio inicial, es decir una base, y conside-
rando todas las combinaciones lineales con coeficientes complejos arbitrarios.
El espacio as obtenido se denota por V C . Si las componentes de los vectores
en V en la base original eran n-tuplas de nmeros reales, ahora son n-tuplas
de nmeros complejos. Como la base es la misma, la dimensin tambin es
la misma. Estas extensiones de espacios vectoriales aparecen a menudo y ms
adelante veremos otras.

Ejemplo: Considere el espacio vectorial Q n consistente de todas las n-tuplas

de nmeros racionales. En este espacio el campo es tambin el conjunto de
los racionales. Si extendemos el campo a los reales obtenemos lRn .

2.1.3. Espacios cociente

La ltima forma que veremos de obtener espacios vectoriales a partir de
otros espacios vectoriales es la de tomar cocientes. Sea V un espacio vectorial
y sea W V un subespacio del mismo. Llamaremos espacio cociente al

32
conjunto de clases equivalentes en V , donde diremos que dos vectores de V
son equivalentes si su diferencia es un vector en W . Este espacio se denota
como V /W .

Ejercicio: Probar que esta es una relacin de equivalencia.

Veamos que este es un espacio vectorial. Los elementos de V /W son cla-

ses equivalentes, las cuales denotamos como {v}, dos elementos de V , v y
v 0 pertenecen a la misma clase equivalente si v v 0 W . Sean y 0 dos
elementos de V /W , es decir dos clases equivalentes de elementos de V . De-
finiremos las operaciones propias en los espacios vectoriales de la siguiente
forma: + 0 ser la clase equivalente correspondiente un elemento v ob-
tenido tomando un elemento de V en , digamos v, otro de 0 , digamos v 0 ,
y definiendo v = v + v 0 , tenemos {v} = + 0 .

Ejercicio: Vea que esta definicin no depende de la eleccin de elementos

en la clase equivalente tomados para hacer la operacin. Es decir, considere
otros dos elementos en y 0 , digamos v y v 0 y vea que con ellos obtiene un
elemento en la misma clase que v = v + v 0 .

Ejemplo: Sea V = lR2 , es decir el espacio de 2-tuplas de nmeros reales. Sea

v un elemento cualquiera. Este elemento genera el espacio unidimensional
Wv que consiste en todos los vectores de la forma v, para lR. El espacio
cociente V /Wv es el espacio compuesto por las lneas paralelas a v. Es decir,
cada lnea es un elemento del espacio cociente y entre ellas existe una nocin
de suma y multiplicacin por un escalar.

2.2. Normas

Definicin: Una norma en un espacio vectorial V es un mapa kxk : V lR+ ,

satisfaciendo para todo x, y V , lR ,
i) kxk 0 (= x = 0)
i i ) kxk = || kxk
i i i ) kx + yk kxk + kyk

Ejemplos: En lR2 :

33
 2v Wv 0
v

v0
Wv

Figura 2.1: Interpretacin geomtrica del espacio cociente.

a) k(x, y)k := max{|x|, |y|};

b) k(x, y)k2 := x 2 + y 2 , norma Eucldea;
c) k(x, y)k1 := |x| + |y|;
1
d) k(x, y)k p := (|x| p + |y| p ) p p 1;
e) En V cualquiera sea t un tensor simtrico positivo definido de tipo (0,2),
es decir t (u, v) = t (v, u), t (u, u) 0 (= u = 0). La funcin kuk t =
t (u, u) es una norma. Cada tensor de este tipo genera una norma, pero
p

hay muchas normas que no provienen de ningn tensor de este tipo. D un

ejemplo.

Ejercicio: Pruebe que |t (u, v)|2 ||u|| t ||v|| t . Ayuda: Considere el polino-
mio: P () := t (u + v, u + v).

Ejercicio: Pruebe que los ejemplos dados son en realidad normas. Grafique
las curvas de nivel de las cuatro primeras normas, es decir los conjuntos Sa =
{(x, y) lR2 / k(x, y)k = a} y las bolas de radio a", es decir Ba = {(x, y)
lR2 /k(x, y)k a}.

Ejercicio: Pruebe que el mapa d : V V lR+ dado por d (x, y) = kx yk

es una mtrica.

Qu es, geomtricamente una norma? Dado un vector x 6= 0 de V y

34
un nmero positivo cualquiera, a, existe un nico nmero > 0 tal que
kxk = a. Esto indica que las superficies de nivel de la norma, es decir las
hiper-superficies Sa = {x V /kxk = a}, a > 0 forman una familia suave de
capas una dentro de la otra y cada una de ellas divide a V en tres conjuntos
disjuntos, el interior4 de Sa conteniendo el elemento x = 0 , Sa y el exterior
de Sa . El interior de Sa es un conjunto convexo, es decir si x e y pertenecen
al interior de Sa luego x + (1 )y, [0, 1] tambin pertenece [ya que
kx + (1 )yk kxk + (1 )kyk a + (1 )a = a]. Una curva
de nivel caracteriza completamente una norma en el sentido que si damos
un subconjunto N de V , tal que N tiene la propiedad radial, es decir dado
x 6= 0 existe > 0 tal que x N , y su interior es convexo, luego existe una
nica norma tal que N es la superficie de nivel S1 . Esta norma se define de la
siguiente forma: dado x habr un > 0 tal que x N y entonces la norma
de x ser kxk = 1 .

Ejercicio: Pruebe que esta es una norma.

De esta imagen se ve que dadas dos normas de un espacio vectorial de

dimensin finita y una superficie de nivel de una, habr superficies de nivel
de la otra que tendrn la primera en su interior o en su exterior. En las normas
a) y b) del ejemplo anterior vemos que dado un cuadrado conteniendo al cero,
habr dos crculos conteniendo al cero, uno conteniendo el cuadrado y otro
contenido por ste. Esto nos lleva al siguiente Teorema.

Teorema 2.1 Sea V un espacio vectorial de dimensin finita. Luego todas sus
normas son equivalentes entre s, en el sentido que dadas k k y k k0 existen
constantes positivas M1 y M2 tal que para todo x V se cumple M1 kxk
kxk0 M2 kxk.

Prueba: Mostraremos que todas son equivalentes a la norma kxk1 = ni=m |a i |,

P

donde los a i son las componentes de x, con respecto a una base {e i } que su-
pondremos dada, x = a i ei . Sea y = b i ei y k k otra norma cualquiera, luego

| kxk kyk | kx yk = k(a i b i ) ei k

|a i b i | kei k (ma xi=1,n kei k) ni=n |a i b i |
P
(2.9)
= (ma xi=1,n kei k) kx yk1
4
No confundir con el interior de un conjunto que definimos en el captulo anterior, que
en este caso sera Sa .

35
 Esto demuestra que la norma k k es una funcin continua con respecto a
la norma kk1 . Sea S1 la superficie de nivel de radio 1 con respecto a la mtrica
k k1 . S1 es un conjunto cerrado y acotado y por lo tanto compacto5 . Por lo
tanto, por continuidad, k k tiene un valor mximo, M2 , y un mnimo, M1 ,
que dan la desigualdad buscada.
Notas:
i) En esta prueba es crucial el hecho de que S1 es compacto. Si V es de dimen-
sin infinita esto no es as y hay muchas normas no equivalentes.
i i ) Para nuestros propsitos cualquier norma es suficiente ya que si por
ejemplo, f : V lR es diferenciable con respecto a una norma lo es tam-
bin con respecto a cualquier otra equivalente a sta y por simplicidad de
ahora en ms usaremos la Eucldea.
i i i ) En este sentido las normas de espacios vectoriales son equivalentes a la
generada por cualquier elemento simtrico-positivo del producto exterior de
su dual consigo mismo.
i v) Como normas equivalentes generan una misma topologa, vemos que en
los espacios vectoriales de dimensin finita existe una nica topologa asocia-
da con todas sus posibles normas. Esta usualmente se denomina la topologa
fuerte .

2.2.1. Las normas inducidas en V ?

Las normas definidas en V inducen naturalmente normas en su dual, V ? .
Esta viene dada por:

kk := ma xkv k=1 {|(v)|}. (2.10)

Ejercicio: Vea que esta es una norma y que |(v)| kkkvk.

2.3. Teora de Operadores Lineales

Un operador lineal A de un espacio vectorial V es un mapa continuo6

de V en V tal que x, y V , lR, A(x + y) = A(x) + A(y) , es decir
un tensor de tipo (1,1).
El conjunto de los operadores lineales L es un lgebra, es decir un espacio
vectorial con producto. En efecto, si A, B L , lR, luego A + B L
5
Con respecto a la topologa generada por k k1 .
6
Con respecto a la topologa inducida por cualquiera de las normas equivalentes de V .

36
y adems A B (el operador que a x V lo enva a A(B(x)) V ) tambin
pertenece a L . Debido a esta propiedad podemos adems definir funciones
no lineales de L en lR y mapas de L en L . Para estudiar la continuidad
y diferenciabilidad de estos mapas introduciremos una norma en L , la ms
conveniente es la siguiente norma inducida de la usada en V ,

kAkL = maxk x kV =1 kA(x)kV . (2.11)

Si V es de dimensin finita (lo que asumiremos de ahora en ms), el espacio

vectorial L es tambin de dimensin finita y por lo tanto todas sus normas
son equivalentes. El hecho que la norma de A sea finita usa nuevamente que
A : V V es continua y que {x V /kxkV = 1} es compacto, en el caso
de dimensin infinita ninguna de estas cosas es necesariamente cierta y den-
tro de L tenemos solo un subespacio de operadores lineales de norma finita
(acotados).

Ejercicio: Muestre que k kL : L lR+ es una norma.

Ejercicio: Muestre que

kA(v)k kAkL kvk.

Ejercicio: Usando el resultado del ejercicio anterior muestre que

kABkL kAkL kBkL .

Estudiamos a continuacin varias funciones en el espacio de operadores.

El determinante de un operador, introducido en la seccin anterior es un

polinomio de grado n = dimV en A y por lo tanto diferenciable. Usando la
regla de la cadena se ve que d e t (I + "A) es diferenciable en ", y de hecho un
polinomio de grado n en ". Cada uno de los coeficientes de este polinomio es
una funcin de A. De importancia en lo que sigue es el coeficiente lineal en A
que se obtiene usando la frmula

d "(A(u1 ), u2 , . . . , un ) + + "(u1 , . . . ,A(un ))

d e t (I + "A)|"=0 = (2.12)
d" "(u1 , . . . , un )

37
esta funcin se llama la traza de A y se denota t r (A).
Entre los mapas de L en L consideremos el mapa exponencial, definido
como,
Ai A2
eA =
X
= I +A+ + (2.13)
i =0 i! 2

Teorema 2.2 e A L si A L y e t A es infinitamente diferenciable con res-

pecto a t .

n Ai
Prueba: Considere la sucesin de Cauchy {enA}, donde enA
X
. Esta
i=0 i!
sucesin es de Cauchy ya que, tomando m > n, tenemos

A e Ak Am1 Am2 An+1

ke m n L
= k + + ... + k
(m 1)! (m 2)! (n + 1)! L
Am1 Am2 An+1
k kL + k kL + . . . + k k
(m 1)! (m 2)! (n + 1)! L
kAk m1 kAk m2 kAkn+1
L + L + ... + L
(m 1)! (m 2)! (n + 1)!
kAk kAk
= |e m L en L | 0. (2.14)

kAk n kAi k
Donde e m L
X L y la ltima implicacin sigue del hecho que
i=0 i!
kAk
la serie numrica e L converge. Pero por completitud 7 de L toda su-
cesin de Cauchy converge a algn elemento de L que llamaremos e A. La
diferenciabilidad de e t A sigue del hecho de que si una serie f (t ) es con-
P
i =0 i
d f i
vergente y es uniformemente convergente, luego ddt f (t ) =
P P
i=0 i=0 i
P d dt
f (t )
i=0 d t i

Ejercicio: Muestre que

7
Todo espacio vectorial real de dimensin finita es completo.

38
a) e (t +s)A = e t A e s A,
b) Si A y B conmutan, es decir si AB = BA, luego e A+B = e A e B .
c) d e t (e A) = e t r (A)
d
d) e t A = Ae t A.
dt
Ayuda: Para el punto c) use que e A se puede definir tambin como,

A
e A = lm (I + )m .
m m

2.3.1. Representacin Matricial

Para describir ciertos aspectos de los operadores lineales es conveniente

introducir la siguiente representacin matricial.
Sea {u i }, i = 1, . . . , n una base
Pde V , es decir un conjunto de vectores li-
nealmente independientes de V [ ni=1 c i u i = 0 = c i = 0] que lo expanden
[si v V , existen nmeros {v i }, i = 1, . . . , n tal que v = ni=1 v i u i )]. Apli-
P
cando el operador A a un miembro de la base u i obtenemos Pn un vector A(u i )
que a su vez puede ser expandido en la base, A(u i ) = j =1 A j i u j . La matriz
as construida, A j i , es una representacin del operador A en esa base. En este
lenguaje vemos que la matriz A j i transforma el vector de componentes {v i }
en el vector de componentes {A j i v i }. Dada una base, {u i }, y una matriz A j i
podemos construir un operador lineal de la siguiente forma: Dada la base de-
finimos su co-base, es decir una base en V como { i }, i = 1, . . . , n, tal que
i (u j ) = ji , luego A = ni, j =1 A j i u j i .
P

Si cambiamos de base las matrices representando los operadores cambia-

rn. En efecto, si tomamos otra base {u i } y escribimos sus componentes con
respecto a la base anterior como u i = P k i u k , y por lo tanto, j = (P 1 ) j l l ,
entonces la relacin entre las componentes del operador A en ambas bases
est dado por

A j i = A( j , u i ) = (P 1 ) j l Al k P k i o A = P 1 AP (2.15)

es decir que A y A son matrices semejantes.

Pn
Ejercicio: Ver, a partir de su definicin (ecuacin (2.12)), que t r A = i=1
Ai i .

39
2.3.2. Subespacios Invariantes

Definicin: Sea A : V V un operador y sea W un subespacio de V . Dire-

mos que W es un subespacio invariante de A si AW W .
Los subespacios invariantes de un operador son importantes pues nos per-
miten entender cual es su accin. Note que dado cualquier operador A siem-
pre existen al menos dos espacios invariantes, V y {0} y en realidad muchos
ms. Por ejemplo, y como veremos ms adelante, dado cualquier nmero en-
tre 1 y n (=dimV ) existe un subespacio invariante con ese nmero como
dimensin. Los que verdaderamente codifican la accin del operador son sus
subespacios invariantes irreducibles, es decir aquellos que no pueden ser a su
vez descompuestos en subespacios invariantes.

Ejercicio: Sea el V el espacio de pares de nmeros, es decir con elementos de

la forma v = (a, b ), a, b lR y sea A dado por A(a, b ) = (b , 0). Encuentre sus
subespacios invariantes irreducibles.
Estudiaremos en detalle los subespacios invariantes de dimensin 1, note
que los mismos son irreducibles. Para estudiar los espacios invariantes resul-
ta conveniente estudiar los subespacios invariantes del operador cuando su
accin se extiende a V C , es decir la complexificacin de V .
Veamos a continuacin que un operador siempre tiene al menos un subes-
pacio invariante de dimensin 1 (y por lo tanto que siempre tiene un subes-
pacio invariante irreducible no trivial).

Lema 2.1 Dado A : V C V C , siempre existe un u V C y un C tal que,

(A I )u = 0 (2.16)

Prueba:
Una solucin de esta ecuacin consiste as de un escalar , llamado au-
tovalor del operador A y de un vector u, llamado autovector del operador
A. El subespacio de V C dado por {u | C } es el subespacio invariante
buscado.
Es claro que el sistema tiene solucin si y solo si det(A I ) = 0. Pero
este es un polinomio en de orden igual a la dimensin de V y por lo tanto,
por el Teorema Fundamental del lgebra tiene al menos una solucin o raz,
(en general complejas), 1 , y por lo tanto habr, asociada a ella, al menos un
u 1 solucin de (2.16) con = 1

40
 La necesidad de considerar todas estas soluciones es lo que nos lleva a
tratar el problema para espacios vectoriales complejos.

Aplicacin: Lema de triangulacin de Schur

Definicin: Una matriz n n A j i tiene forma triangular superior si A j i =

0 j > i, j , i = 1, . . . , n. Es decir es una matriz de la forma,
1
A 1 A1 2 A1 n

0 A2 2 A2 n

.. ..

A= 0 0 . . A3 n . (2.17)

. .. .. .. ..
. . . .
. .

0 0 An n
Como veremos ms adelante, en el captulo 5, esta es una forma muy con-
veniente para poder entender cmo son las soluciones a sistemas de ecuacio-
nes diferenciales ordinarias. Y lo ms atractivo de la misma es que cualquier
operador tiene una representacin matricial con forma diagonal superior! Es
ms, si un producto escalar est presente, la base para esta representacin pue-
de ser elegida en forma orto-normal.

Lema 2.2 (Schur) Sea A : V V un operador lineal actuando en un espacio

vectorial complejo V de dimensin finita, n y sea (, ) un producto escalar en V .
Luego, existe una base orto-normal {u i }, i = 1, . . . , n con respecto a la cual la
representacin matricial de A es triangular superior.

Prueba: Consideremos el problema de autovalores-autovectores para A,

(A I )u = 0. (2.18)

Como ya vimos este problema siempre tiene al menos una solucin no trivial
y por lo tanto tenemos un par (1 , u 1 ) solucin del problema. Tomamos u 1
de norma unidad y como primer elemento de la base a determinar. Tenemos
entonces A j 1 = j (A(u 1 )) = j (1 u 1 ) = 1 j 1 .
Consideremos ahora el espacio

Vn1 = {u
1
} := {u V |(u 1 , u) = 0}

y el operador de Vn1 Vn1 dado por (I u 1 1 )A. Note que como forma-
remos una base orto-normal conocemos ya el primer miembro de la co-base,

41
1 = (u 1 , ). Para este operador, en este espacio, podemos plantear tambin la
ecuacin de autovalores-autovectores,
((I u 1 1 )A I )u = 0. (2.19)
Obtenemos as un nuevo par (2 , u 2 ), con u 2 perpendicular a u 1 y ade-
ms, Au 2 = 2 u 2 + u 1 1 (A(u 2 )). Por lo tanto

A j 2 = j (A(u 2 )) = j (2 u 2 + u 1 1 (A(u 2 ))) = 2 j 2 + j 1 A1 2 .

El prximo paso es considerar ahora el subespacio Vn2 = {u 1
} {u
2
} :=
{u V |(u 1 , u) = (u 2 , u) = 0} y all la ecuacin de autovalores-autovectores
para el operador (I u 1 1 u 2 2 )A. Prosiguiendo de esta forma generamos
toda la base

Problema 2.3 : Pruebe el teorema anterior usando ahora la nocin de espacio

cociente y prescindiendo as del producto escalar. Ayuda: en vez de usar los es-
pacios perpendiculares a los autovectores que vaya obteniendo, use los espacios
cociente por estos autovectores. Vea que un operador lineal induce una accin
natural en un espacio cociente.

Continuamos ahora con el estudio de los subespacios invariantes. Si det(A

I ) tiene 1 m n races distintas, {i }, i = 1, . . . , m habr entonces al me-
nos un autovector complejo u i asociado a cada una de ellas. Veamos que estos
conforman subespacios invariantes distintos.

Lema 2.3 Sea {(i , u i )} i = 1 . . . m un conjunto de pares de autovalores au-

tovectores. Si i 6= j i 6= j , i , j = 1 . . . m entonces estos autovectores son
linealmente independientes.

Prueba: Supongamos por contradiccin que no y por lo tanto que existen

constantes c i C, i = 1, . . . , m 1 , tales que
m1
X
um = ci ui (2.20)
i=1

Aplicando A en ambos lados obtenemos

m1
X
Au m = m u m = c i i u i (2.21)
i=1

42
o sea,
m1
X
0= c i ( m i ) u i . (2.22)
i=1

Concluimos as que {u i } i = 1, . . . , m 1 son linealmente dependientes. De-

bido a 2.20 y a la hiptesis que los autovalores son distintos, al menos uno de
los coeficientes tiene que ser distinto de cero y por lo tanto podemos despejar
uno de los restantes autovectores en funcin de funcin otros m2. Repitien-
do este procedimiento (m 1) veces llegamos a que necesariamente u 1 = 0 lo
que es una contradiccin ya que, como hemos visto, la ecuacin de autovec-
tores siempre tiene una solucin no-trivial para cada autovalor distinto

Si por cada autovalor existe ms de un autovector entonces stos forman

un subespacio vectorial invariante de mayor dimensin (reducible). Dentro
de cada uno de estos subespacios podemos tomar una base compuesta por
autovectores. El lema anterior nos asegurar entonces que todos estos auto-
vectores as elegidos, para todos los autovalores, forman un gran conjunto
linealmente independiente.

Ejercicio: Convnzase de que el conjunto de autovectores con un mismo au-

tovalor forman un subespacio vectorial.
Si un dado operador A tiene todos sus autovalores distintos entonces te-
nemos que los correspondientes autovectores son linealmente independientes
e igualan en nmero a la dimensin de V , es decir generan una base de V C .
En esa base la representacin matricial de A es diagonal, es decir A j i = j i i .
Cada uno de sus autovectores genera un subespacio invariante irreducible y
en su conjunto generan V C . En cada uno de ellos el operador A acta mera-
mente por multiplicacin por i . Note que los i son en general complejos
y por lo tanto tal multiplicacin es en realidad una rotacin ms una dilata-
cin. Note, que a diferencia con la base del Lema de triangulacin de Schur,
sta no es en general ortogonal con respecto a algn producto escalar dado de
antemano. 8

Ejemplo: Sea V el conjunto de 2-tuplas de nmeros reales con elemento gen-

rico (a, b ) y sea A dado por A(a, b ) = (b , a). Esta es una rotacin de /2
en el plano. Tomando una base, e 1 = (1, 0), e 2 = (0, 1) vemos que
8
NotePsin embargo que se puede declarar ortogonal definiendo como producto escalar
(u, v) = ni=1 i (u) i (v)

43
 det(A I ) = "((A I )e 1 , (A I )e 2 )/"(e 1 , e 2 )
= "(e 2 e 1 , e 1 e 2 )/"(e 1 , e 2 )
= 1 + 2 . (2.23)

y por lo tanto los autovalores son 1 = , 1 2 = . Los autovectores son

u 1 = (1, ) y u 2 = (1, ) = u 1 . Vemos entonces que la accin de A en estos
subespacios es multiplicacin por y que ambos subespacios invariantes
son genuinamente complejos. En esta nueva base el espacio V es generado
por todas las combinaciones lineales de la forma z u 1 + z u 2 y la accin de A
es simplemente multiplicacin por de z.

Si la multiplicidad de alguna de las races det(A I ) = 0 es mayor que

uno habr menos autovalores que la dimensin del espacio y por tanto no ten-
dremos garanta de que habr suficientes autovectores como para formar una
base, ya que solo podemos garantizar la existencia de uno por cada autovalor.
Debemos analizar por lo tanto qu pasa en estos casos. Para ello definamos,
dado i un autovalor de A, los siguientes subespacios:

Wi p = {u V | (A i I ) p u = 0} (2.24)

Note que estos son espacios invariantes: AWi p Wi p . Adems Wi p

Wi p+1 y por lo tanto, para un p suficientemente grande ( p n) tendremos
que Wi p = Wi p+1 tomando el mnimo entre los ps donde esto ocurre
definimos Wi := Wi p . Note que si para algn i , p = 1 entonces el subes-
pacio Wi est compuesto por autovectores. Estos son los mximos espacios
invariantes asociados con el autovalor i , en efecto tenemos:

Lema 2.4 El nico autovalor de A en Wi es i .

Prueba: Sea un autovalor de A en Wi . Veamos que = i . Como ya hemos

visto habr entonces un autovector Wi con como autovalor. Como
esta en Wi habr algn p 1 tal que (A i I ) p = 0 pero como es un
autovector tenemos que ( i ) p = 0, y por lo tanto que = i
Veamos ahora que estos subespacios son linealmente independientes y
generan todo V C . Probaremos nuevamente este teorema en el Captulo 5.

44
Teorema 2.3 (Ver captulo 5, Teorema 5.3) Dado un operador A : V V ,
con autovectores {i }, i = 1...m el espacio V C admite una descomposicin di-
recta en subespacios invariantes Wi , donde en cada uno de ellos A tiene solo a
i como autovalor.

Prueba:
Los Wi son independientes. Sea v 1 + . . . + v s = 0, con v i Wi , luego
debemos probar que cada v i = 0. Aplicando (A 2 I ) p2 . . . (A s I ) ps a la
suma anterior obtenemos, (A 2 I ) p2 . . . (A s I ) ps v 1 = 0, pero como i ,
i 6= 1 no es un autovalor de A en W1 el operador (A 2 I ) p2 . . . (A s I ) ps
es invertible 9 es ese subespacio y por lo tanto v 1 = 0. Continuando de esa
forma vemos que todos los v i se deben anular.
Los Wi generan todo V C . Supongamos por contradiccin que este no es
el caso, y consideremos V C /W , donde W es el espacio generado por todos
los Wi , es decir el espacio de todas las combinaciones lineales de elementos
en los Wi . El operador A acta en V C /W [A{u} = {Au}] y por lo tanto
tiene all un par autovalor-autovector. Esto implica, que para algn elemento
de V C en alguna clase equivalente de V C /W se cumple:

A = + u 1 + . . . + u s (2.25)

donde los u i pertenecen a cada Wi . Supongamos ahora que 6= i i =

1..s, luego A I es invertible en cada Wi y por lo tanto existen vectores
i = (AI )1 u i Wi . Pero entonces := 1 . . . s es un autovalor
de A! Esto es imposible pues no es una raz del polinomio caracterstico
ni = 0, pues al pertenecer a V C /W no es una combinacin lineal de
elementos en los Wi . Tenemos as una contradiccin. Supongamos ahora
que = j para algn j {1..s}. Todava podemos definir los vectores i =
(A j I )1 u i para todo i 6= j y , donde solo sustraemos a todos los i
con i 6= j , por lo tanto tenemos que

(A j I ) = u i (2.26)

Pero aplicando (A j I ) p j a esta ecuacin, con p j el mnimo valor para el

cual W j p j = W j p j +1 obtenemos que W j y as otra contradiccin, por
9
Note que (A i I ) s |W es invertible si su determinante es distinto de cero. Pero det(A
j
s dim(W )
i I ) s = (det(A i I )) s = ( j i ) j 6= 0

45
lo tanto solo puede ser que V C /W sea el espacio trivial y los Wi generan
todo V C
Vemos as que solo necesitamos estudiar ahora cada uno de estos subes-
pacios Wi para encontrar todas sus partes irreducibles (de ahora en ms su-
primiremos el subndice i). Pero en estos subespacios el operador A acta en
forma muy sencilla!
En efecto, sea : W W definido por := A|W I |W , luego
tiene solo al 0 como autovalor y por lo tanto es nilpotente , es decir, existe
un entero m n tal que m = 0.

Lema 2.5 Sea : W W tal que su nico autovalor es 0, luego es nilpoten-

te.

Prueba: Sea W p := p W , luego tenemos que W p W q si p q. Como la

dimensin de W es finita deber suceder que para algn p entero tendremos
que W p = W p+1 vemos entonces que p acta inyectivamente en W p y
por lo tanto no puede tener al 0 como autovalor. Pero hemos visto que todo
operador tiene algn autovalor y por lo tanto tenemos una contradiccin a
menos que W p = {0}. Es decir p = 0
Los operadores nilpotentes tienen la importante propiedad de generar
una base del espacio en que actan a partir de su aplicacin repetidas veces
sobre conjunto menor de vectores linealmente independiente.

Lema 2.6 Sea : W W nilpotente, luego existe una base de W constituida

por elementos de la forma:

{{v 1 , v 1 , . . . , p1 v 1 }, . . . , {{v d , v d , . . . , pd v d }}

donde pi es tal que pi +1 v i = 0

Note que si n = dimW luego n = di=1 pi . Cada uno de estos conjuntos

P
formados por repetidas aplicaciones de un operador se llama un ciclo . En
este caso la base est formada por los elementos de d ciclos. Note que no
necesariamente los ciclos son entes nicos, en efecto, si tenemos dos ciclos
con el mismo nmero de elementos, entonces cualquier combinacin lineal
de los mismos ser tambin un ciclo. Note que cada ciclo contiene un solo
autovector.

46
Prueba: Lo probaremos por induccin en la dimensin de W . Si n = 1 toma-
mos cualquier vector para generar la base, ya que en este caso = 0. Supo-
nemos ahora que es cierto para toda dimensin menor que n. En particular,
como tiene un autovalor nulo dim(ker ) 1 y por lo tanto tenemos que
W 0 (= (W )) tiene dimensin menor que n, digamos n 0 y por la hiptesis
inductiva una base de la forma
0 p0 0
{{v 01 , v 01 , . . . , p1 v 01 }, . . . , {{v 0d 0 , v 0d 0 , . . . , d v 0d 0 }}.

Para formar una base de W agregaremos a estos vectores d 0 vectores v i tales

que v i = v 0i , i = 1, . . . , d 0 . Esto siempre se puede hacer pues v 0i W 0 =
W . Vemos as que hemos incrementado el conjunto de vectores a

p 0 0 +1
{{v 1 , v 1 , . . . , p1 +1 v 1 }, . . . , {{v d 0 , v d 0 , . . . ,
0
d v d 0 }},
P 0
es decir tenemos ahora r = di =1 ( pi0 + 1) = n 0 + d 0 vectores. Para obtener
una base debemos entonces incrementar este conjunto con n n 0 d 0 vecto-
res. Note que este nmero es no-negativo, en efecto, n n 0 = dim(ker )
dim(ker W 0 ) = d 0 y es precisamente la dimensin del subespacio de ker
que no est en W 0 . Completamos entonces la base propuesta para W incor-
porando al conjunto ya obtenido n n 0 d 0 vectores {z i }, i = 1, ..n n 0 d 0
del espacio nulo de que sean linealmente independientes entre s y con los
otros elementos de ker en W y que adems no estn en W 0 . Hemos obte-
nido as un conjunto de d = d 0 + n n 0 d 0 = n n 0 ciclos. Veamos que
el conjunto as obtenido es una base. Como son n en nmero solo tenemos
que ver que son linealmente independientes. Debemos entonces probar que
si tenemos constantes {Ci, j }, i = 1..d , j = 0.. pi0 + 1 tales que

d pX
i
+1 0
X
0= C i j pi v i (2.27)
i=1 j =0

entonces Ci j = 0. Aplicando a esta relacin obtenemos,

d pX
i
+1 0
X
0 = C i j pi v i
i=1 j =0
pi 0
d0 X
X 0
= Ci j pi v 0i , (2.28)
i=1 j =0

47
donde hemos usado que pi +1 v 0i = 0. Pero esta es la relacin de ortogonali-
0

dad de la base de W 0 y por lo tanto concluimos que Ci j = 0 i d 0 , j pi0 .

La relacin inicial queda entonces reducida a
d
Ci p 0 +1 pi +1 v i
X 0
0 =
i
i=1
d0 d
X 0 X
= Ci p 0 pi v 0i + Ci1 z i , (2.29)
i
0
i=1 i=d +1

pero los miembros de la primera sumatoria son parte de la base de W 0 y por lo

tanto linealmente independientes entre s, mientras que los de la segunda son
un conjunto de elementos fuera de W 0 elegidos de forma que sean linealmente
independientes entre s y con los de la primera sumatoria, y por lo tanto
concluimos que todos los Ci j se anulan

Prueba alternativa: Alternativamente el lema anterior se puede probar

en forma constructiva. En efecto, si m +1 es la potencia para la cual se anu-
la, podemos tomar el espacio W m = m (W ) y una base {v im }, del mismo.
Luego considerar el espacio W m1 = m1 (W ). Como W m = (W ) m1
por cada vector v im de la base {v im } de W m habr un vector v im1 tal que
v im1 = v im . Como W m W m1 el conjunto {v im } {v im1 } est con-
tenido en W m1 . Note que dimW m = dim ker W m , y dimW m1
dimW m = dim(ker W m1 ) Por lo tanto,
dimW m1 = dimW m + dim(ker W m1 )
= 2 dimW m + dim(ker W m1 ) dimW m
= 2 dimW m + dim(ker W m1 ) dim ker W m
(2.30)

Agregando entonces al conjunto anterior un conjunto {z i } de dim(ker

W m1 ) dim(ker W m ) vectores del espacio nulo de en W n1 , tales que
sean linealmente independientes entre s y con los elementos de la base de
W m , obtenemos un conjunto de dimW m1 vectores. Note que la mencio-
nada eleccin de los elementos {z i } se puede hacer pues es meramente una
extensin de la base {v im } de W m a una base de ker W m1 . Probemos
ahora que son linealmente independientes y por lo tanto que forman una base
de W m1 . Para ello habr que probar que si
X X X
0= Cim v im + Cim1 v im1 + C jz z j (2.31)
i i j

48
entonces cada uno de los coeficientes Cim , Cim1 , C j debe anularse. Multi-
plicando la expresin anterior por obtenemos,
X X
0= Cim1 v im1 = Cim1 v im , (2.32)
i i

pero entonces la independencia lineal de la base de W m nos asegura que los

{Cim1 } son todos nulos. Tenemos entonces que,
X X
0= Cim v im + C jz z j . (2.33)
i j

Pero estos vectores fueron elegidos linealmente independientes entre s y por

lo tanto todos los coeficientes en esta suma deben anularse. Vemos as que
el conjunto {v im } {v im1 } {z i } forman una base cclica de W m1 . Conti-
nuando con W m2 y as sucesivamente obtenemos una base cclica para todo
W.
Vemos as que los subespacios invariantes irreducibles de un operador es-
tn constituidos por ciclos dentro de subespacios invariantes asociados a con
un dado autovector. Cada ciclo contiene un nico autovalor del operador.
Denotaremos a los subespacios generados por estos ciclos (y usualmente lla-
mados tambin ciclos) por Ck , donde el ndice inferior se refiere al autovalor
i
del ciclo y el superior indexa los distintos ciclos dentro de cada Wi .

Ejercicio: Muestre que los ciclos obtenidos son subespacios invariantes irre-
ducibles de A.

2.3.3. Forma Cannica de Jordan

Definicin: Sea A : V V un operador lineal. Diremos que A es de tipo

Jordan con autovalor si existe una base {u i } de V tal que 10

n
X n
X
A= u i i + u i i1 I + (2.34)
i =1 i =2

donde { i } es la co-base de la base {u i }.

u i i (v) + u i i 1 (v) v V
Pn Pn
10
En el sentido que A(v) = i=1 i=2

49
 Es decir, en esta base las componentes de A forman una matriz A j i dada
por
1 0 0

0 . . . . . . . . . ...

A=

1 0

(2.35)
0 1



Note que la matriz es n-nilpotente, es decir n = 0.
No es cierto que todo operador sea del tipo Jordan encuentre uno que
no lo sea pero es claro que la restriccin de cualquier operador a uno de sus
subespacios invariantes irreducibles (ciclos) lo es. Esto se puede ver numeran-
do los elementos de la base generada por el ciclo convenientemente.

Ejercicio: Encuentre dicho ordenamiento de los elementos de la base.

Por lo tanto podemos resumir los resultados hallados anteriormente en
el siguiente teorema sobre las representaciones matriciales de un operador
cualquiera actuando en un espacio de dimensin finita.

Teorema 2.4 de Jordan Sea A : V V un operador lineal actuando en un

espacio vectorial complejo V . Luego, existe una nica descomposicin en suma
k k
directa 11 de V en subespacios Ck , V = C1 C i C1 C d , d
i 1 1 d d
n tal que
i) Los Ck son invariantes bajo la accin de A, es decir , ACk Ck
i i i
ii) Los Ck son irreducibles, es decir no existen subespacios invariantes de Ck
i i
tales que sus sumas sea todo Ck .
i
iii) Debido a la propiedad i) el operador A induce en cada Ck un operador
i
Ai : Ck Ck , este es del tipo de Jordan con i una de las races del polinomio
i i
de grado ni ,
d e t (Ai i I ) = 0. (2.36)

Este teorema nos dice que dado A existe una base, en general compleja,
tal que la matriz de sus componentes tiene forma de bloques diagonales cua-
drados de ni ni , donde ni es la dimensin del subespacio Ck , cada uno con
i

11
Recordemos que un espacio vectorial V se dice que es suma directa de dos espacios vecto-
riales W y Z, y lo denotamos como V = W Z si cada vector en V puede ser obtenido de
una nica manera como la suma de un elemento en W y otro de Z.

50
la forma dada en 2.35. Esta forma de la matriz se llama forma cannica de
Jordan.

Ejercicio: Muestre que las races, i , que aparecen en los operadores Ai son
invariantes ante transformaciones de semejanza, es decir i (A) = i (PAP 1 ).

Ejemplo: Sea A : C 3 C 3 , luego d e t (A I ) es un polinomio de 3er gra-

do, y por lo tanto tiene tres races. Si stas son distintas habr al menos tres
subespacios invariantes e irreducibles de C 3 , pero d i mC 3 = 3 y por lo tanto
cada uno de ellos tiene ni = 1. La forma cannica de Jordan es entonces,

1 0 0

0 2 0 (2.37)

0 0 3

Si dos de ellas coinciden tenemos dos posibilidades, o tenemos tres subespa-

cios, en cuyo caso la forma C. de J. ser

1 0 0

0 0 (2.38)

0 0

o, tenemos dos subespacios, uno necesariamente de dimensin 2, la forma C.

de J. ser
1 0 0

0 1 (2.39)

0 0
Si las tres races coinciden entonces habr tres posibilidades,

0 0 0 0 1 0

0 0 , 0 1 y 0 1 (2.40)

0 0 0 0 0 0

Ejemplo: Ilustraremos ahora el caso de autovalores coincidentes en dos di-

mensiones. Este caso no es genrico, en el sentido que cualquier perturbacin
en el sistema es decir cualquier cambio mnimo en las ecuaciones separa las
races hacindolas distintas.

51
 Sea A : C 2 C 2 . En este caso el polinomio caracterstico d e t (A I )
tiene solo dos races las que supondremos coincidentes, 1 = 2 = . Nos en-
contramos aqu ante dos posibilidades, o existen dos autovectores linealmen-
te independientes u 1 y u 2 , en cuyo caso V = B1 B2 y A es diagonalizable
(A = d ia g (, ) = I ), o existe solo un autovector u 1 . En tal caso sea u 2
cualquier vector linealmente independiente de u 1 , luego Au 2 = c 1 u 1 + c 2 u 2
para algunos escalares c 1 y c 2 en C. Calculando el determinante de A I en
esta base obtenemos ( )(c 2 ), pero es una raz doble y por lo tanto
c 2 = .
Reordenando y re-escaleando las bases u 1 = u 1 , u 2 = c 1 u 2 obtenemos

Au 1 = u 1 + y
(2.41)
Au 2 = u 2 + u 1 ,

y por lo tanto
A = (u 1 1 + u 2 2 ) + u 1 2 , (2.42)

donde { i } es la co-base de la base {u i }.

Note que (A I ) u 2 = u 1 y (A I )u 1 = 0 o sea 2 = (A I )2 = 0.
Como veremos ms adelante en las aplicaciones fsicas los subespacios in-
variantes tienen un significado fsico claro, son los llamados modos normales
caso unidimensional y ciclos en los otros casos.

2.3.4. Relacin de Semejanza

En las aplicaciones en fsica es frecuente la siguiente relacin de equiva-

lencia: [Ver recuadro al final del captulo.] Diremos que el operador A es
semejante al operador B si existe otro operador P, invertible, tal que

A = P BP 1 . (2.43)

Es decir, si a V lo rotamos con un operador invertible P y luego le aplicamos

A, obtenemos la misma accin a que si primero aplicamos B y luego rotamos
con P.

Ejercicio:
a) Probar qu semejanza es una relacin de equivalencia.
b) Probar que las funciones y los mapas definidos anteriormente lo son en las

52
distintas clases equivalentes, es decir,

d e t (PAP 1 ) = d e t (A)
t r (PAP 1 ) = t r (A) (2.44)
1
e PAP = P e AP 1 .

53
Relaciones de Equivalencia.

Definicin: Una relacin de equivalencia, , entre elementos de un conjun-

to X es una relacin que satisface las siguientes condiciones:

1. Reflexiva: Si x X , luego x x.
2. Simtrica: Si x, x 0 X y x x 0 , luego x 0 x.
3. Transitiva: Si x, x 0 , x 00 X , x x 0 y x 0 x 00 , luego x x 00 .

Note que la primer propiedad nos asegura que cada elemento de X cumple
una relacin de equivalencia con algn elemento de X , en este caso consigo
mismo. Relaciones de equivalencia aparecen muy a menudo en fsica, esencial-
mente cuando usamos para describir algn proceso fsico un ente matemtico
que tiene partes superfluas en lo que respecta a este proceso y que por lo tan-
to querramos ignorarlas. Esto se logra declarando dos entes que describen el
mismo fenmeno entes equivalentes.

Ejemplo: Sea X el conjunto de los nmeros reales y sea x y si y solo si existe

un entero n tal que x = n + y, esta claramente es una relacin de equivalencia.
Esta se usa cuando interesa describir algo usando la lnea recta pero que en
realidad se debera describir usando un crculo de circunferencia unitaria.
Dada una relacin de equivalencia en un conjunto podemos agrupar los ele-
mentos de ste en clases equivalentes de elementos, es decir en subconjuntos
donde todos sus elementos son equivalentes entre s y no hay ningn ele-
mento que no est en este subconjunto que sea equivalente a alguno de los
elementos del subconjunto. (Si X es el conjunto, Y X es una de sus clases
equivalentes, y si y Y , luego y y 0 y 0 Y .)

54
 La propiedad fundamental de las relaciones de equivalencia es la siguiente.

Teorema 2.5 Una relacin de equivalencia en un conjunto X permite re-

agrupar sus elementos en clases equivalentes de modo que cada elemento de X
est en una y solo en una de stas.

Prueba: Sea x X e Y el subconjunto de todos los elementos de X equiva-

lentes a x. Veamos que este subconjunto es una clase equivalente. Sean y e y 0
dos elementos de Y , es decir y x e y 0 x, pero por la propiedad de transiti-
/ Y entonces y /z, ya que de otro modo
vidad entonces y y 0 . Si y Y y z
z sera equivalente a x y por lo tanto estara en Y . Por ltimo note que por
reflexividad x tambin est en Y . Solo resta ver que si y est en Y y tambin
en otra clase equivalente, digamos Z, luego Y = Z. Como y Y luego y es
equivalente a todo elemento de Y , como y Z luego y es equivalente a todo
elemento de Z, pero por transitividad entonces todo elemento de Y es equiva-
lente a todo elemento de Z, pero al ser estas clases equivalentes y por lo tanto
cada una contener todos sus elementos equivalentes ambas deben coincidir.

Ejercicio: Cules son las clases equivalentes del ejemplo anterior?

2.4. Operadores Adjuntos

Sea A un operador lineal entre dos espacios vectoriales, A : V W ,

es decir A L (V ,W ). Debido a que V y W tienen espacios duales este
operador induce naturalmente un operador lineal de W 0 a V 0 llamado su
dual ,
A0 ()(v) := (A(v)) W 0 , v V . (2.45)
Es decir el operador que al aplicarlo a un elemento W 0 nos da el elemento
A0 () de V 0 que cuando acta en v V da el nmero (A(v)). Ver figura.

Notemos que ste es un operador lineal ya que,

A0 ( + )(v) = ( + )(A(v))
= (A(v)) + (A(v))
= A0 ()(v) + A0 ()(v). (2.46)

En la representacin matricial este operador est representado meramen-

te por la misma matriz que el original, pero ahora actuando por izquierda,
A0 (w)i = w j A j i , es decir, A0i j = A j i .

55
 A (A(v))

V W

A0
V0 W0

A ()(v)
0

Figura 2.2: Diagrama del operador dual.

Si hay normas definidas en V y W y definimos la norma de A : V W

de la manera usual,

kAk := sup {kA(v)kW } (2.47)

k v kV =1

Entonces vemos que

kA0 k := sup {kA0 ()kV 0 }

k kW 0 =1

= sup { sup {|A0 ()(v)|}}

k kW 0 =1 k v kV =1

= sup { sup {|(A(v))|}}

k kW 0 =1 k v kV =1

sup { sup {kkW 0 k(A(v))kW }}

k kW 0 =1 k v kV =1

= sup {k(A(v))kW }
k v kV =1
= kAk. (2.48)

Vemos as que si un operador es acotado, luego su dual tambin lo es.

Veamos cuales son las componentes del dual de un operador en trmino
de las componentes del operador original. Sea entonces {u i }, { i }, i = 1, ..n
i
una base, respectivamente una co-base de V y sea {u i }, { }, i = 1, ..m un par
base-co-base de W . Tenemos entonces que las componentes de A con respecto
i
a estas bases son: Ai j := (A(u j )), es decir, A(v) = im=1 nj=1 Ai j u i j (v).
P P

Por lo tanto, si v tiene componentes (v 1 , v 2 , . . . , v n ) en la base {u i }, A(v)

56
tiene componentes

Xn n
X n
X
1 i 2 i
( A iv , A iv ,..., Am i v i )
i=1 i =1 i=1

en la base {u i }
Veamos ahora las componentes de A0 . Por definicin tenemos,
i i
(A0 )i j := A0 ( )(u j ) = (A(u j )) = Ai j .

O sea las mismas componentes, pero ahora la matriz acta por izquierda en
las componentes (1 , 2 , . . . , m ) de un elemento de W 0 en la co-base
i
{ }. Las componentes de A0 () en la co-base { i } son,

Xm m
X m
X
( Ai 1 i , Ai 2 i , . . . , Ai n i ).
i=1 i=1 i=1

Un caso particularmente interesante de esta construccin es cuando W = V

y este es un espacio con producto interno, es decir un espacio de Hilbert. En
tal caso el producto interno nos da un mapa cannico entre V y su dual V 0 :

: V V 0 , (v) := (v, ), (2.49)

y por lo tanto si A : V V luego A0 : V 0 V 0 puede tambin ser considera-

do como un operador entre V y V que llamaremos A? .
Note que 1 : V 0 V est definido por (1 (), u) = (u), ya que

((1 ((v)), u) = ((1 ((v, )), u) = (v, u) u V .

Con la ayuda de este mapa definimos A? : V V dado por: (Ver figura)

A? (v) := 1 (A0 ((v))). (2.50)

En trmino del producto escalar esto es:

(A? (v), u) = (1 (A0 ((v, )), u) = A0 ((v, )), (u) = (v,A(u)). (2.51)

En su representacin matricial este operador es,

A? j i = ti l Al k (t 1 )k j ,

57
 A
V V

( , )1 (, )

A?

V0 V0

0
A

Figura 2.3: Diagrama del operador estrella.

donde t l i es la representacin del producto escalar y (t 1 ) j k el de su inversa

(ti l (t 1 ) l k = k i ). En el caso de que ti k = i k , la delta de Kronecker, la
representacin matricial del adjunto es simplemente la matriz transpuesta,
A? j i = A j i = Ai j ,
Un subconjunto de operadores particularmente interesante es aquel para
el cual se cumple A = A? . Estos operadores se llaman Hermitianos o Auto-
adjuntos . 12
Los operadores autoadjuntos tienen importantes propiedades:

Lema 2.7 Sea M = S pan{u, u 2 , . . . , u m }, donde {u i } son un conjunto de auto-

valores de A, un operador autoadjunto. Luego M y M son espacios invariantes
de A.

Prueba: La primera afirmacin es clara y general, la segunda depende de la

Hermiticidad de A. Sea v M cualquiera, veamos que A(v) M . Sea
u M arbitrario, luego

(u,A(v)) = (A(u), v) = 0, (2.52)

ya que A(u) M si u M Esta propiedad tiene el siguiente corolario:

Corolario 2.1 Sea A : H H autoadjunto. Luego los autovalores de A forman

una base ortonormal de H .

Prueba: A : H H tiene al menos un autovector, digamos u 1 . Consideremos

ahora su restriccin al espacio perpendicular a u 1 que denotamos tambin
con A pues por el lema anterior este es un espacio invariante, A : {u 1 }
{u 1 } . Este operador tambin tiene un autovector, digamos u 2 y u 1 u 2 .
12
En el caso de dimensin infinita estos nombres dejan de coincidir para algunos autores.

58
Consideremos ahora la restriccin de A a S pan{u 1 , u 2 } all tambin tene-
mos A : S pan{u 1 , u 2 } S pan{u 1 , u 2 } y por lo tanto un autovector de
A, u 3 con u 3 u 1 , u 3 u 2 . Continuando de esta manera llegamos a tener
n = dim H autovectores todos ortogonales entre s
Este teorema tiene varias extensiones al caso donde el espacio vectorial es
de dimensin infinita. Ms adelante en el captulo 12 veremos una de ellas.
Notemos que en esta base A es diagonal y por lo tanto tenemos
Corolario 2.2 Todo operador autoadjunto es diagonalizable
Notemos tambin que si u es un autovector de A autoadjunto, con autovalor
luego,
(u, u) = (A(u), u) = (u,A(u)) = (u, u) (2.53)
y por lo tanto = , es decir,

Lema 2.8 Los autovalores de un operador autoadjunto son reales

Veamos qu quiere decir la condicin de hermiticidad en trmino de las

componentes del operador en una base ortonormal. Sea entonces A un ope-
rador autoadjunto y sea {e i }, i = 1, . . . , n una base ortonormal del espacio
donde ste acta. Tenemos que (A(e i ), e j ) = (e i ,A(e j )) y por lo tanto, notan-
do que I = ni=1 e i i , obtenemos,
P

n
X n
X
k
0 = ( e k (A(e i ), e j ) (e i , e l l (A(e j ))
k=1 l =1
n
X n
X
= Ak i (e k , e j ) Al j (e i , e l )
k=1 l =1
n
X n
X
= Ak i k j Al j l i . (2.54)
k=1 l =1

de lo que concluimos que

A j i = Ai j (2.55)
o sea que la matriz transpuesta es la complejo conjugada de la original. En el
caso de matrices reales vemos que la condicin es que en esa base la matriz
sea igual a su transpuesta, lo que usualmente se denota diciendo que la matriz
es simtrica.
Una propiedad interesante de los operadores autoadjuntos es que su nor-
ma es igual al supremo de los mdulos de sus autovalores. Como la cuenta

59
demostrando esto ser usada ms adelante en el curso damos una demostra-
cin de este hecho a continuacin.
Lema 2.9 Si A es autoadjunto luego kAk = sup{|i |}.
Prueba: Sea F (u) := (A(u),A(u)) definida en la esfera kuk = 1. Como dicho
conjunto es compacto (aqu estamos usando el hecho que el espacio es de
dimensin finita) tiene un mximo que denotaremos u 0 . Notemos entonces
que F (u 0 ) := kAk2 . Como F (u) es diferenciable en la esfera se debe cumplir
que
d
F (u 0 + u)|=0 = 0, (2.56)
d
a lo largo de toda curva tangente a la esfera en el punto u 0 , es decir, para todo
u tal que (u 0 , u) = 0. Ver figura.

u0

Figura 2.4: Vectores normales y tangentes a la esfera.

Pero
d d
F (u 0 + u)|=0 = (A(u 0 + u),A(u 0 + u))|=0
d d
= (A(u),A(u 0 )) + (A(u 0 ),A(u))
= 2(A?Au 0 , u)
= 0 u, (u 0 , u) = 0 (2.57)
Como u es arbitrario en {u 0 } esto simplemente implica
A?A(u 0 ) {u} = {u 0 } = {u0 }. (2.58)

60
y por lo tanto que existir C tal que

A?A(u 0 ) = u 0 . (2.59)

Tomando producto escalar con u 0 obtenemos,

(A?A(u 0 ), u 0 ) = (u 0 , u 0 )
= (A(u 0 ),A(u 0 ))
= kAk2 (2.60)

y por lo tanto tenemos que = = kAk2 .

Sea ahora v := Au 0 kAku 0 , luego, usando ahora que A es autoadjunto
tenemos,

A(v) = AA(u 0 ) kAkA(u 0 )

= A?A(u 0 ) kAkA(u 0 )
= kAk2 u 0 kAkA(u 0 )
= kAk(kAku 0 A(u 0 ))
= kAkv, (2.61)

por lo tanto o v es un autovector de A, con autovalor = kAk, o v = 0, en

cuyo caso u 0 es un autovector de A con autovector = kAk

2.5. Operadores Unitarios

Otra subclase de operadores lineales que aparece muy a menudo en fsica

cuando hay un producto interno privilegiado es la de los operadores unita-
rios , es decir aquellos tales que su accin preserva el producto escalar,

(U (u), U (v)) = (u, v), u, v H . (2.62)

El caso ms tpico de operador unitario es una transformacin que enva una

base ortonormal en otra. Ejemplos usuales son las rotaciones en lRn .
Observemos tambin que kU k = supkv k=1 {kU (v)k} = 1.
Notemos que

(U (u), U (v)) = (U ? U (u), v) = (u, v), u, v H , (2.63)

o sea,
U ?U = I (2.64)

61
y por lo tanto,
U 1 = U ? . (2.65)
Veamos cmo son los autovalores de un operador unitario U . Sea v 1 un
autovector de U (sabemos que al menos tiene uno), luego,

(U (v 1 ), U (v 1 )) = 1 1 (v 1 , v 1 )
= (v 1 , v 1 ) (2.66)

y por lo tanto 1 = e i1 para algn ngulo 1 .

Si el operador U representa una rotacin entonces habr solo un autovec-
tor real, correspondiente al eje que queda fijo en una rotacin. Si tenemos ms
de un autovalor, luego sus correspondientes autovectores son ortogonales, en
efecto, sean v 1 y v 2 dos autovectores luego

(U (v 1 ), U (v 2 )) = 1 2 (v 1 , v 2 )
= (v 1 , v 2 ) (2.67)

y por lo tanto si 1 6= 2 debemos tener (v 1 , v 2 ) = 0.

Ejercicio: Muestre que si A es un operador autoadjunto, luego U := e i A es

un operador unitario.

2.6. Problemas

Problema 2.4 Sea el operador A : V V donde dimV = n, tal que Ax = x.

Calcule detA y t r A.

Problema 2.5 Sea V = lR3 y x un vector no nulo cualquiera. Encuentre geom-

tricamente y analticamente el espacio cociente V /W x , donde W x es el espacio
generado por x. Tome otro vector, x 0 , linealmente independiente con el primero
y calcule ahora V /W( x , x 0 ) .

Problema 2.6 La norma sobre operadores se define como:

kAkL = maxk x kV =1 kA(x)kV . (2.68)

Encuentre las normas de los siguientes operadores, dados por su representa-

cin matricial con respecto a una base y donde la norma en el espacio vectorial
es la eucldea con respecto a dicha base.

62
 a)
 
3 5
(2.69)
4 1
b)

3 5 2
4 1 7 (2.70)

8 3 2

Problema 2.7 Sea V un espacio vectorial cualquiera y sea kk una norma Eucl-
dea en dicho espacio. La norma H i l b e r t S c h mi d t de un operador se define
como:
X n
kAk2H S = |A j i |2 . (2.71)
i, j =1

donde la base empleada ha sido la ortonormal con respecto a la norma Eucldea.

a) Muestre que esta es una norma.
b) Muestre que kAkL kAkH S .
c) Muestre que nj=1 |A j k |2 kAk2 para cada k. Por lo tanto kAk2H S
P
L
nkAk2 , y las dos normas son equivalentes.
L
Ayuda: use que j (A(u)) = j (A)(u) y luego que |(u)| kkkuk.

Problema 2.8 Calcule los autovalores-vectores de las siguientes matrices:

a)
 
3 6
(2.72)
4 1
b)
 
3 6
(2.73)
0 1
c)

2 4 2
4 1 0 (2.74)

3 3 1

Problema 2.9 Lleve a forma triangular superior las siguientes matrices: Nota:
De la transformacin de las bases.
a)
 
3 4
(2.75)
2 1

63
 b)
2 4 2
4 1 0 (2.76)

3 3 1
c)
1 4 3
4 4 0 (2.77)

3 3 1

Problema 2.10 Muestre nuevamente que det e A = e t r A. Ayuda: exprese la re-

presentacin matricial de A en una base donde tenga la forma cannica de Jor-
dan. Alternativamente use una base donde A sea diagonal superior y vea que el
producto de matrices diagonal superior da una matriz diagonal superior y por lo
tanto que la exponencial de una matriz diagonal superior es tambin diagonal
superior.

Notas bibliogrficas: Este captulo est basado en los siguientes libros: [1],
[3], [5] y [18]. Tambin son de inters los siguientes, [11] y [12]. El lgebra
lineal es una de las reas ms grandes y ms prolfica de las matemticas, so-
bre todo cuando trata de espacios de dimensin infinita, lo que usualmente
se llama anlisis real y teora de operadores. En mi experiencia personal la
mayora de los problemas terminan reducindose a un problema algebraico y
uno siente que ha hecho un avance cuando puede resolver dicho problema.

64
 CAPTULO 3

GEOMETRA

3.1. Variedades

Hay dos motivos principales que justifican el estudio del concepto de va-
riedad, o ms generalmente de la geometra diferencial por parte de los fsicos.
Uno es que en fsica aparecen naturalmente las variedades y por lo tanto no
las podemos eludir. Solo en los cursos elementales se logra esquivar a stas
por medio del clculo vectorial en lRn . As es que, por ejemplo, para estudiar
el movimiento de una partcula restringida a moverse en una esfera la imagi-
namos a esta ltima embebida en lR3 y usamos las coordenadas naturales de
lR3 para describir sus movimientos.
El segundo motivo es que el concepto de variedad es de gran utilidad
conceptual, ya que por ejemplo en el caso de una partcula movindose en lR3
este nos permite discernir claramente entre la posicin de una partcula y su
vector velocidad como entes matemticos de naturaleza diferente. Este hecho
se enmascara en lR3 ya que este tipo especial de variedad tiene la estructura
de un espacio vectorial.
Una variedad es una generalizacin de los espacios Eucldeos lRn en la
cual uno preserva el concepto de continuo, es decir su topologa en el sentido
local pero descarta su carcter de espacio vectorial. Una variedad de dimen-
sin n es en trminos imprecisos un conjunto de puntos que localmente es
como lRn , pero que no lo es necesariamente en su forma global.
Un ejemplo de una variedad en dos dimensiones es la esfera, S 2 . Si mira-
mos un entorno suficientemente pequeo, Up , de un punto cualquiera de S 2
vemos que es similar a un entorno del plano, lR2 , en el sentido que podemos
definir un mapa continuo e invertible entre ambos entornos. Globalmente
el plano y la esfera son topolgicamente distintos, ya que no existe ningn
mapa continuo e invertible entre ellos. [Ver figura 3.1.]
Como dijimos antes, se podra objetar la necesidad, en el ejemplo ante-

65
 Figura 3.1: Un atlas de la esfera.

rior, de introducir el concepto de variedad, ya que uno podra considerar S 2

como el subconjunto de lR3 tal que x12 + x22 + x32 = 1. La respuesta a esta
objecin es que en fsica uno debe seguir la regla de la economa de concep-
tos y objetos y descartar todo lo que no sea fundamental a la descripcin de
un fenmeno: si queremos describir cosas sucediendo en la esfera, para qu
necesitamos un espacio de ms dimensiones?
Esta regla de economa nos fuerza a precisar los conceptos y descartar
todo lo superfluo.
Damos a continuacin una serie de definiciones para desembocar finalmente
en la definicin de variedad de dimensin n.

Definicin: Sea M un conjunto. Una carta de M es un par (U , ) donde U

es un subconjunto de M y un mapa inyectivo entre U y lRn , tal que su
imagen, (U ) es abierta en lRn .

Definicin: Un atlas de M es una coleccin de cartas {(Ui , i )} satisfaciendo

las siguientes condiciones: [Ver figura 3.2.]

[
1. Los Ui cubren M , (M = Ui ).
i

2. Si dos cartas se superponen entonces i (Ui Uj ) es tambin un abierto

de lRn .
3. El mapa j 1
i
: i (Ui Uj ) j (Ui Uj ) es continuo, inyectivo y
suryectivo.
La condicin 1 nos da una nocin de cercana en M inducida de la nocin
anloga en lRn . En efecto, podemos decir que una secuencia de puntos { pk }

66
 j (Uj ) j (Ui Uj ) i (Ui Uj )
lRn
lRn

j 1
i

i (Ui )

j i

Uj Ui

Figura 3.2: Relacin entre cartas.

en M convergen a p en Ui si existe k0 tal que k > k0 , pk Ui y la secuencia

{ i ( pk )} converge a i ( p)}. Otra manera de ver esto es que si luego de esta
construccin de una variedad imponemos que los mapas i sean continuos
entonces inducimos de forma unvoca una topologa en M . [Ver figura 3.3.]

i
lRn

pk Ui

p
i ( p)

Figura 3.3: Sucesiones en M .

La condicin 2 simplemente nos asegura que esta nocin es consistente.

Si p Ui Uj luego el hecho de que la secuencia converja es independiente
de que usemos la carta (Ui , j ) o la (Uj , j ).
La condicin 3 nos permite codificar en los mapas j 1
i
de lRn en lRn
la informacin topolgica global necesaria para distinguir, por ejemplo, si M
es una esfera o un plano o un toro. All est, por ejemplo la informacin de
que no existe ningn mapa continuo e invertible entre S 2 y lR2 . Pero tam-
bin, si pedimos que estos mapas sean diferenciables, es lo que nos permitir
formular el clculo diferencial en M . En efecto, note que en la condicin 3
hablamos de la continuidad del mapa j 1
i
, la cual est bien definida debi-
do a que este es un mapa entre lRn y lRn . Anlogamente podemos hablar de

67
la diferenciabilidad de estos mapas.
Diremos que un atlas {(Ui , i )}, es C p si los mapas j 1
i
son p-veces
diferenciables y su p-sima derivada es continua.
Uno estara tentado a definir la variedad M como el par que consiste del
conjunto M y un atlas {(Ui , i )}, pero esto nos llevara a considerar como
distintas variedades, por ejemplo, el plano con un atlas dado por la carta
(lR2 , (x, y) (x, y)) y el plano con un atlas dado por la carta (lR2 , (x, y)
(x, y)).
Para subsanar este inconveniente introducimos el concepto de equivalen-
cia entre atlas.

Definicin: Diremos que dos atlas son equivalentes si su unin es tambin

un atlas.

Ejercicio: Demuestre que esta es realmente una relacin de equivalencia , es

decir que cumple:
i) A A
i i ) A B = B A
i i i ) A B , B C = A C .
Con esta relacin de equivalencia podemos dividir el conjunto de atlas de
M en distintas clases equivalentes. [Recuerde que cada clase equivalente es
un conjunto donde todos sus elementos son equivalentes entre s y tal que no
hay ningn elemento equivalente a estos que no est en l.]

Definicin: Llamaremos variedad M de dimensin n y diferenciabilidad

p al par que consiste del conjunto M y de una clase equivalente de atlas,
{ i : Ui lRn } , en C p .
Se puede demostrar que para caracterizar la variedad M unvocamente es
suficiente dar el conjunto M y un atlas. Si tenemos dos atlas de M , luego, o
bien estos son equivalentes y as representan la misma variedad, o no lo son
y entonces representan variedades distintas.
La definicin de variedad que hemos introducido es todava demasiado
general para las aplicaciones fsicas usuales, en el sentido de que la topologas
permitidas pueden an ser patolgicas desde el punto de vista de la fsica. Por
ello en este curso impondremos a las variedades una condicin extra. Supon-
dremos que stas son separables o Hausdorff. Eso es si p y q M luego:
o pertenecen al dominio de una misma carta Ui (en cuyo caso existen entor-
nos W p de i ( p) y Wq de i (q) tales que 1
i
(W p ) 1
i
(Wq ) = ;, o sea
los puntos tienen entornos disjuntos) o bien existen Ui y Uj con p Ui ,

68
q Uj y Ui Uj = ;, lo que tambin implica que tienen entornos disjun-
tos. Esta es una propiedad en la topologa de M que esencialmente dice que
podemos separar puntos de M . Un ejemplo de una variedad noHausdorff es
el siguiente.

Ejemplo: M , como conjunto, consta de tres intervalos de la recta I1 = (, 0],

I2 = (, 0] y I3 = (0, +).
Un atlas de M es {(U1 = I1 I3 , 1 = i d ) , (U2 = I2 I3 , 2 = i d )}. [Ver
figura 3.4.]

I1 p

I3

I2

Figura 3.4: Ejemplo de variedad noHausdorff.

Ejercicio: Pruebe que es un atlas.

Note que dado cualquier entorno W1 de 1 (0) en lR y cualquier entorno W2
de 2 (0) tenemos necesariamente que
1
1
(W1 ) 1
2
(W2 ) 6= ;.

3.2. Funciones Diferenciables en M

De ahora en ms asumiremos que M es una variedad C , o sea que todos

sus mapas i 1
j
son infinitamente diferenciables. Si bien matemticamente
esto es una restriccin, no lo es en las aplicaciones fsicas. En estas M es gene-
ralmente el espacio de posibles estados del sistema y por lo tanto sus puntos
no pueden ser determinados con absoluta certeza, ya que toda medicin invo-
lucra cierto error. Esto indica que por medio de mediciones nunca podramos
saber el grado de diferenciabilidad de M . Por conveniencia supondremos que
es C .
Una funcin en M es un mapa f : M lR, o sea un mapa que asigna un
nmero real a cada punto de M . La informacin codificada en el atlas sobre
M nos permite decir cuan suave es f .

69
Definicin: Diremos que f es p-veces continuamente diferenciable en el
p
punto q M , f Cq si dada (Ui , i ) con q Ui , f 1
i
: i (Ui )
lRn lR es p-veces continuamente diferenciable en i (q).
Note que esta propiedad es independiente de la carta empleada [ mientras
consideremos solo cartas de la clase compatible de atlas ]. Diremos que f
p
C p (M ) si f Cq q M . [Ver figura 3.5.]

f 1
i
n
lR
lR

q
Ui M

Figura 3.5: Composicin del mapa de una carta con una funcin.

En la prctica uno define una funcin particular f C p (M ) introdu-

ciendo funciones fi : i (Ui ) lRn lR ( o sea fi (x j ) donde x j son las
coordenadas cartesianas en i (Ui ) lRn ) que sean C p en i (Ui ) y tales que
fi = f j j 1
i
en i (Ui Uj ). Esto garantiza que el conjunto de las fi
determinan una nica funcin f C p (M ). El conjunto de las fi (= f 1 i
)
forman una representacin de f en el atlas {(Ui , i )}. [Ver figura 3.6.]

Ejercicio: El crculo, S 1 , se puede pensar como el intervalo [0,1] con sus ex-
tremos identificados. Cules son las funciones en C 2 (S 1 )?

Usando la construccin anterior tambin se pueden definir mapas de M

en lR m que sean p-veces diferenciables. Ahora realizamos la construccin in-
versa es decir definiremos la diferenciabilidad de un mapa de lR m en M . Ha-
remos el caso lR M , en cuyo caso el mapa as obtenido se llama curva. El
caso general es obvio.

70
 M i
lR
fi

Ui

j 1
i

Uj
j fj

Figura 3.6: La relacin entre las fi .

3.3. Curvas en M

Definicin: Una curva en M es un mapa entre un intervalo I lR y M ,

: I M.
Note que la curva es el mapa y no su grfico en M , es decir el conjunto
(I ). Se puede as tener dos curvas distintas con el mismo grfico. Esto no es
un capricho matemtico sino una necesidad fsica : no es lo mismo que un
auto recorra el camino CrdobaCarlos Paz a 10 km/h que a 100 km/h, o lo
recorra en sentido contrario.
p
Definicin: Diremos que C t si dada una carta (Ui , i ) tal que (t0 ) Ui
0
el mapa i (t ) : I t0 I lRn es p-veces continuamente diferenciable en
t0 . [Ver figura 3.7.]

lRn

i
i (Ui )

I
t0
i
I t0

Ui
M
(t0 )

Figura 3.7: Diferenciabilidad de curvas en M .

71
Ejercicio: Demuestre que la definicin anterior no depende de la carta usada.

Esta vez hemos usado el concepto de diferenciabilidad entre mapas de lR

en lRn .
p
Definicin: Una curva (t ) C p (I ) si (t ) C t t I .

Ejercicio: Cmo definira el concepto de diferenciabilidad de mapas entre

dos variedades?

De particular importancia entre estos son los mapas de M en s mismo

g : M M que son continuamente diferenciables e invertible. Se llaman
Difeomorfismos. De ahora en ms supondremos que todas las variedades,
curvas, difeomorfismos y funciones son suaves, es decir, son C .

3.4. Vectores

Para definir vectores en puntos de M utilizaremos el concepto de derivada

direccional en puntos de lRn , es decir, explotaremos el hecho de que en lRn
hay una correspondencia uno a uno entre vectores (v 1 , . . . , v n ) x y derivadas
 0

direccionales v( f )| x = v i i f  .

0 x x0
Como hemos definido funciones diferenciables en M podemos definir
derivaciones, o sea derivadas direccionales, en sus puntos e identificar con
ellos a los vectores tangentes.

Definicin:Un vector tangente v en p M es un mapa

v : C (M ) lR

satisfaciendo: f , g C (M ) , a, b lR
i) Linealidad; v(a f + b g )| p = a v( f )| p + b v(g )| p .
i i ) Leibnitz; v( f g )| p = f ( p) v(g )| p + g ( p) v( f )| p .

Note que si h C (M ) es la funcin constante, h(q) = c q M , lue-

go v(h) = 0. [ i) = v(h 2 ) = v(c h) = c v(h) mientras que i i ) = v(h 2 ) =
2 h( p) v(h) = 2 c v(h) ]. Estas propiedades muestran asimismo que v( f ) de-
pende solo del comportamiento de f en p.

Ejercicio: Pruebe esta ltima afirmacin.

72
 Sea T p el conjunto de todos los vectores en p. Este conjunto tiene la
estructura de un espacio vectorial y es llamado el espacio tangente al punto
p. En efecto, podemos definir la suma de dos vectores v 1 , v 2 como el vector,
es decir el mapa, satisfaciendo i) y i i ), (v 1 + v 2 )( f ) = v 1 ( f ) + v 2 ( f ) y el
producto del vector v por el nmero a como el mapa (av)( f ) = a v( f ).
Como en lRn , la dimensin del espacio vectorial T p , (es decir el nmero
mximo de vectores linealmente independientes), es n.

Teorema 3.1 dim T p = d i mM .

Prueba: Esta consistir en encontrar una base para T p . Sea d i m M = n y

(U , ) tal que p U y f C (M ) cualquiera. Para i = 1, . . . , n definimos
los vectores x i : C (M ) lR dados por,


1 
xi(f ) = ( f ) . (3.1)
xi

( p)


Note que estos mapas satisfacen i) y i i ) y por lo tanto las x i son real-
mente vectores. Note adems que el lado derecho de 3.1 est bien definido ya
que tenemos las derivadas parciales usuales de mapas entre lRn y lR. Estos x i
dependen de la carta (U , ) pero esto no importa en la prueba ya que T p no
depende de P carta alguna. Estos vectores son linealmente independientes, es
decir si x = ni=1 c i x i = 0 luego c i = 0 i = 1, . . . , n. Esto se ve fcilmente
considerando las funciones (en rigor definidas solamente en U ), f j = x j ,
j
ya que x i ( f j ) = i y por lo tanto 0 = x( f j ) = c j . Solo resta mostrar que
cualquier vector v puede ser expresado como combinacin lineal de los x i .
Para ello usaremos el siguiente resultado cuya prueba dejamos como ejercicio.

Lema 3.1 Sea F : lRn lR, F C (lRn ) luego para cada x0 lRn existen
funciones Hi : lRn lR C (lRn ) tales que x lRn se cumple
n
X
F (x) = F (x0 ) + (x i x0i ) Hi (x) y (3.2)
i=1

adems, F 
= Hi (x0 ). (3.3)
xi 

x=x0

73
 Continuamos ahora la prueba del Teorema anterior. Sea F = f 1 y
x0 = ( p), luego q U tenemos
n
X
f (q) = f ( p) + (x i (q) x i ( p)) Hi (q) (3.4)
i=1

Usando i) y i i ) obtenemos,

v( f ) = v( f ( p)) + ni=1 (x i (q) x i ( p)) v(Hi )
P 
 q= p
Pn
+ i=1 (Hi ) v(x i x i ( p))

 p (3.5)
Pn
= i=1 (Hi ) v(x i )

p
= ni=1 v i x i ( f )
P

donde v i v(x i ), y por lo tanto hemos expresado v como combinacin

lineal de los x i , finalizando as la prueba.
La base {x i } se llama una base coordenada y los {v i }, las componentes
de v en esa base.

Ejercicio: Si (U , ) es otra carta tal que p U , entonces sta definir otra

base coordenada { x i }. Muestre que

n x i
X
xj = x i
i =1 xj

donde x i es la i-sima componente del mapa 1 . Muestre tambin que

Xn x i
la relacin entre las componentes es v i = j
vj.
i=1 x

Ejemplo: Sea : I M una curva en M . En cada punto (t0 ), t0 I , de M

podemos definir un vector de la siguiente forma, [Ver figura 3.8.]

d
t(f ) = ( f )| t =t . (3.6)
dt 0

Sus componentes en una base coordenada se obtienen por medio de las

funciones
x i (t ) = (t ) (3.7)

74
 lR lR
f

Figura 3.8: Definicin de vector.

d d
(f ) = ( f 1 )
dt dt
d
= ( f 1 (x i (t )))
dt
Xn d xi
= ( i ( f 1 ))
i=1 x dt
Xn d xi
= xi(f ) (3.8)
i=1 d t

3.5. Campos Vectoriales y Tensoriales

Si a cada punto q de M le asignamos un vector v|q Tq tendremos un

campo vectorial. Este estar en C (M ) si dada cualquier f C (M ) la fun-
cin v( f ), que en cada punto p de M le asigna el valor v | p ( f ), esta tambin
en C (M ) . Al conjunto de los campos vectoriales C lo denotaremos T M
y obviamente es un espacio vectorial, de dimensin infinita.

3.5.1. El Corchete de Lie

Consideremos ahora la operacin en el conjunto T M de campos vecto-

riales, [, ] : T M T M T M . Esta operacin se llama corchete de Lie y

75
dados dos campos vectoriales (C ) nos da un tercero:

[x, y] ( f ) := x (y( f )) y (x( f )). (3.9)

Ejercicio:
1) Muestre que [x, y] es en realidad un campo vectorial.
2) Vea que se satisface la identidad de Jacobi:

[[x, y] , z ] + [[z , x] , y] + [[y, z , x] = 0 (3.10)

3) Sean x i y x j dos campos vectoriales provenientes de un sistema coor-

f

denado, es decir x i ( f ) = i , etc. Muestre que x i , x j = 0.
x
4) Dadas las componentes de x e y en una base coordenada, cules son
las de [x, y]?
Con esta operacin T M adquiere el carcter de un lgebra, llamada lge-
bra de Lie.

3.5.2. Difeomorfismos y la Teora de las Ecuaciones Diferenciales Or-

dinarias

Definicin: Un grupo monoparamtrica de difeomorfismos g t es un mapa

lR M M tal que:
1) Para cada t fijo es un difeomorfismo 1 M M
2) Para todo par de reales, t , s lR tenemos g t g s = g t +s (en particular
g 0 = i d ).

Podemos asociar con g t un campo vectorial de la siguiente manera : Para

un p fijo g t ( p) : lR M es una curva que en t = 0 pasa por p y por lo tanto
define un vector tangente en p, v | p . Repitiendo el proceso para todo punto
de M tenemos un campo vectorial en M . Note que debido a la propiedad de
grupo que satisface g t el vector tangente a la curva g t ( p) es tambin tangente
a la curva g s (g t ( p)) en s = 0.
Podemos hacernos la pregunta inversa: Dado un campo vectorial suave
v en M existir un grupo monoparamtrico de difeomorfismos que lo defi-
na? La respuesta a esta pregunta, que consiste en encontrar todas las curvas
integrables g t ( p) que pasan por cada p M es la teora de las ecuaciones
1
Es decir un mapa suave con inversa tambin suave.

76
diferenciales ordinarias, que ser el objeto de nuestro estudio en los captu-
i
los siguientes ya que consiste en resolver las ecuaciones ddxt = v i (x j ) con
condiciones iniciales x i (0) = i ( p) p M . Como veremos la respues-
ta es afirmativa pero solo localmente, es decir podremos encontrar solo g t
definidos en I ( lR) U ( M ) M .

Ejemplo: En lR1 sea el vector con componente coordenada x 2 , es decir V (x) =

x 2 ddx . La ecuacin diferencial ordinaria asociada con este vector es dd xt = x 2 ,
cuya solucin es
1 1 1
t t0 = + x(t ) = (3.11)
x x0 1
t
x0
1
donde hemos tomado t0 = 0. O sea g t (x0 ) = . Note que cualquiera sea
t x1
0
t este mapa no est definido para todo lR y por lo tanto no es un difeomor-
fismo.

Ejemplo: Sea g t un difeomorfismo lineal en lR, es decir g t (x +y) = g t (x) +

g t (y). Luego tiene la forma g t (x) = f (t ) x. La propiedad de grupo implica
f (t ) f (s) = f (t + s) o f (t ) = c ek t = ek t , ya que g 0 = i d . Por lo tanto
g t (x) = ek t x. La ecuacin diferencial asociada es: x(t ) = ek t x0 = x =
k ek t x0 = k x = x .

Ejercicio: Grafique en un entorno del origen lR2 las curvas integrales y por lo
tanto g t de los siguientes sistemas lineales.
    
x 1 0 x
= (3.12)
y 0 k y

a) k > 1 b) k = 1 c) 0 < k < 1, d) k = 0, e) k < 0

3.5.3. Campos de Covectores y Tensores

As como introdujimos la nocin de campo vectorial podemos tambin
introducir la de campo de co-vectores, es decir un mapa suave de M en T p .
Este actuar en campos vectoriales dando como resultado funciones en M .
En el ejemplo que sigue vemos cmo se define el campo diferencial de f .

77
Ejemplo: Sea f C p . Un vector en p M es una derivacin sobre funciones
en C p , v( f ) lR. Pero dados v 1 y v 2 T p (v 1 + v 2 )( f ) = v 1 ( f ) +
v 2 ( f ) y por lo tanto f define una funcional lineal d f | p : T p lR, llamada
la diferencial de f , es decir un elemento de T p . De esta forma la diferencial
de una funcin d f es un co-vector que al actuar sobre un vector v nos da el
nmero la derivada de f en el punto p en la direccin de v.
Considere el subconjunto S de M tal que f (M ) = cte. Esta ser una sub-
variedad de M , es decir superficies embebidas en M , de dimensin n 1. La
condicin d f | p (v) = 0 en vectores de T p con p S significa que estos son en
realidad vectores tangentes a S, es decir elementos de T p (S). Por el contrario,
si d f (v)| p 6= 0 entonces en ese punto v pincha a S.

Ejemplo: La funcin f (x, y, z) = x 2 + y 2 + z 2 en lR3 .

S = {(x, y, z) lR3 / f (x, y, z) = a 2 , a 2 > 0} es la esfera de radio a, y como
ya hemos visto una variedad. Sea (v x , vy , v z ) un vector en (x, y, z) lR, luego
la condicin d f (v) = 2(x v x + y vy + z v z ) = 0 implica que v es tangente a S.
Similarmente definimos campos tensoriales como los mapas multilinea-
les que al actuar sobre campos vectoriales y co-vectoriales dan funciones de
la variedad en los reales y que en cada punto de la variedad slo dependen
de los vectores y co-vectores definidos en ese punto. Esta ltima aclaracin
es necesaria pues de lo contrario incluiremos entre los tensores, por ejemplo,
integrales lineales sobre los campos vectoriales.

3.5.4. La Mtrica
Sea M una variedad n-dimensional. Hemos definido anteriormente en M
las nociones de curvas, campos vectoriales y co-vectoriales, etc. pero no una
nocin de distancia entre sus puntos, es decir una funcin d : M M lR
que toma dos puntos cualquiera, p y q de M y nos da un nmero d ( p, q)
satisfaciendo,
1. d ( p, q) 0.
2. d ( p, q) = 0 p = q.
3. d ( p, q) = d (q, p).
4. d ( p, q) d ( p, r ) + d (r, q).
Esta, y en algunos casos una nocin de pseudo-distancia [donde 1) y 2)
no se cumplen], es fundamental si queremos tener una estructura matemti-
ca que sea til para la descripcin de fenmenos fsicos. Por ejemplo la ley

78
de Hooke, que nos dice que la fuerza aplicada a un resorte es proporcional
a la elongacin (una distancia) de ste, claramente necesita de este ente. A
continuacin introduciremos una nocin de distancia infinitesimal, es decir
entre dos puntos infinitesimalmente separados, la cual responde a la nocin
Eucldea de distancia y permite desarrollar una nocin de distancia global, es
decir entre dos puntos cualesquiera de M .
La idea es entonces tener un concepto de distancia (o seudo-distancia) en-
tre dos puntos infinitesimalmente cercanos, es decir dos puntos conectados
por un desplazamiento infinitesimal, es decir conectados por un vector. La
nocin que necesitamos es entonces la de norma de un vector. Como una
variedad es localmente como lRn , en el sentido de que el espacio de vectores
tangentes a un punto p, T p M es lRn , es razonable considerar all la nocin
de distancia Eucldea, es decir que la distancia entre dos puntos x0 y x1 lRn
es la raz cuadrada de la suma de los cuadrados de las componentes (en algn
sistema de coordenadas) del vector conectando estos dos puntos. El inconve-
niente con esto es que dicha nocin depende del sistema coordenado que se
est usando y por lo tanto habr tantas distancias como sistemas coordenados
cubriendo el punto p. Esto no es ms que una indicacin que la estructura
que hasta este momento tenemos no contiene una nocin de distancia privi-
legiada o natural. Esta debe ser introducida como una estructura adicional.
Una manera de obtener distancias infinitesimales independientes del sistema
coordenado (es decir geomtricas) es introduciendo en cada punto p M un
tensor de tipo (2,0), simtrico [g(u, v) = g(v, u)u, v T p M ] y no degene-
rado [g(u, v) = 0v T p M u = 0]. Si adems pedimos que este tensor sea
definido positivo [g(u, u) 0(= u = 0)] se puede ver fcilmente que es-
te define un producto escalar en T p M (o seudoescalar si g(u, u) = 0 para algn
u 6= 0 T p M ). 2 Si hacemos una eleccin para este tensor en cada punto de
M de forma suave obtendremos un campo tensorial suave que se denomina la
mtrica de M . Esta estructura extra, un campo tensorial con ciertas propieda-
des es lo que nos permite construir las bases matemticas para luego edificar
gran parte de la fsica sobre ella.
Sea g una mtrica en M , dado un punto cualquiera p de M existe un
sistema coordenado en que sus componentes son
gi j = i j

y por lo tanto da origen al producto escalar Eucldeo, sin embargo en general

este resultado no se puede extender a un entorno del punto y en general sus
2
Posteriormente veremos que un producto escalar da origen a una distancia, correspon-
dientemente un producto seudo-escalar da origen a una seudo-distancia.

79
componentes dependern all de las coordenadas. Note que esto es lo que
queramos hacer en un comienzo, pero ahora al definir esta norma va un
vector le hemos dado un carcter invariante.
Restringindonos ahora a mtricasp definidas positivas definiremos la nor-
ma de un vector v T p como |v| = | g (v, v)|, es decir como la distancia
infinitesimal dividida por entre el p y el punto () donde (t ) es una curva
d (t )
tal que (0) = p, d t | t =0 = v. Anlogamente podemos definir la longitud
de una curva suave (t ) : [0, 1] M por la frmula,
Z 1
L() = g(v, v) d t , (3.13)
0

d (t )
donde v(t ) = d t . Vemos entonces que definimos la longitud de una curva
midiendo las longitudes infinitesimales entre puntos cercanos de sta y luego
integramos con respecto a t.

Ejercicio: Pruebe que la distancia L( ) es independiente del parmetro elegi-

do.
Definimos la distancia entre dos puntos p, q M como,

d g ( p, q) = in f |L( )| (3.14)
{ (t ) : (0)= p, (1)=q}

Es decir como el nfimo de la longitud de todas las curvas conectando p con

q.

Ejercicio: Encuentre un ejemplo de una variedad con dos puntos tales que el
nfimo de la definicin anterior no es un mnimo. Es decir en la que no haya
ninguna curva conectando los dos puntos con la mnima distancia entre ellos.

Ejercicio: a) La mtrica Eucldea en lR2 es (d x)2 +(d y)2 , donde {d x, d y} es la

co-base asociada con { x, y}. Cul es la distancia entre dos puntos en este
caso?

Ejercicio: b) Cul es la forma de la mtrica Eucldea de lR3 en coordenadas

esfricas? Y en cilndricas?

80
Ejercicio: c) La mtrica de la esfera es (d )2 +sin2 (d )2 . Cul es la distancia
en este caso? Para qu puntos p, q existen varias curvas i con L( i ) =
d ( p, q)?

Ejercicio: d) La mtrica (d x)2 + (d y)2 + (d z)2 (d t )2 en lR4 es la mtrica de

Minkowski de la relatividad especial. Cul es la distancia entre el punto de
coordenadas (0, 0, 0, 0) y (1, 0, 0, 1)?
Una mtrica nos da un mapa privilegiado entre el espacio de vectores
tangentes a p, T p y su dual T p para cada p en M , es decir el mapa que a
cada vector v T p le asigna el co-vector g (v, ) T p . Como esto es vlido
para cada p obtenemos as un mapa entre campos vectoriales y co-vectoriales.
Como g es no degenerada este mapa es invertible, es decir existe un tensor de
tipo (2, 0) simtrico g 1 tal que

g (g 1 (, ), ) = (3.15)

para todo campo co-vectorial . Esto indica que cuando tenemos una varie-
dad con una mtrica se hace irrelevante distinguir entre vectores y co-vectores
o por ejemplo entre tensores tipo (0,2), (2,0) o (1,1).

3.5.5. Notacin de ndices Abstractos

Cuando se trabaja con objetos tensoriales la notacin hasta ahora usada
no es la ms conveniente pues es difcil recordar cul es el tipo de cada tensor,
en qu casilla come otros objetos, etc. Una solucin es introducir un siste-
ma de coordenadas y trabajar con las componentes de los tensores, donde al
haber ndices es fcil saber de qu objetos se trata o introducir bases genera-

les. De esta forma, por ejemplo representamos al vector l = l i por sus
xi
componentes {l i }. Una conveniencia de esta notacin es que comer pasa a
ser contraer, ya que por ejemplo representamos al vector l comindose a una
funcin f , por la contraccin de las componentes coordenadas del vector y
de la diferencial de f :
Xn f
l(f ) = li .
i=1 xi
Pero un inconveniente grave de esta representacin es que en principio de-
pende del sistema coordenado y por lo tanto todas las expresiones que cons-
truyamos con ella tienen el potencial peligro de depender de tal sistema.
Remediaremos esto introduciendo ndices abstractos (que sern letras
latinas) que indican donde iran los ndices coordenados pero nada ms, es

81
decir no dependen del sistema de coordenadas y ni siquiera toman valores
numricos, es decir l a no significa la ntupla, (l 1 , l 2 , . . . , l n ) como si fuesen
ndices. De esa forma l a denotar al vector l , a al co-vector y ga b a la
mtrica g . Una contraccin como por ejemplo g (v, ) se denotar ga b v a y a
este covector lo denotaremos por v b , es decir la accin de ga b es la de bajar
el ndice a v a y dar el covector v b v a ga b . Del mismo modo denotaremos a
g 1 (la inversa de g ) como g a b , es decir g con los ndices subidos.
La simetra de g es entonces el equivalente a ga b = g b a .

Ejercicio: Cmo denotara un tensor de tipo (2, 0) antisimtrico?

Usando ndices repetidos para la contraccin vemos que l ( f ) se puede

denotar por l a a f donde a f denota el co-vector diferencial de f , mientras
el vector a f := g a b b f es llamado el gradiente de f y vemos que ste no
solo depende de f sino tambin de g .

3.6. Derivada Covariante

Hemos visto que en M existe la nocin de la derivada de un campo es-

calar f , sta es el co-vector diferencial de f que denotamos a f . Existir
la nocin de la derivada de un campo tensorial? Por ejemplo, existir una
extensin del operador a a vectores tal que si l a es un vector diferenciable
luego a l b sea un tensor del tipo (1,1)? Para fijar ideas definamos a esta exten-
sin del diferencial a , llamada derivada covariante, pidiendo que satisfaga las
siguientes propiedades: 3
a a a a
i) Linealidad: Si Ab1 ...bk , B b 1...bk son tensores de tipo (k, l ) y lR luego
1 l 1 l

 
a a a a a a a a
c Ab1 ...bk + B b 1...bk = c Ab1 ...bk + c B b 1...bk (3.16)
1 l 1 l 1 l 1 l

i i ) Leibnitz:
     
a a c ...c a a c ...c a a c ...c
e Ab1 ...bk Bd1 ...dm = Ab1 ...bk e Bd1 ...dm + e Ab1 ...bk Bd1 ...dm (3.17)
1 l 1 n 1 l 1 n 1 l 1 n

i i i ) Conmutatividad con contracciones:

 
a ..., j ,...,a a ..., j ,...,a
e i j Ab1 ...,i,...,bk = i j e Ab1 ...,i,...,bk (3.18)
1 k 1 k

3
Note que son una extensin de las que se pide para definir derivaciones.

82
Es decir si primero contraemos algunos ndices de un tensor y luego tomamos
su derivada obtenemos el mismo tensor que si tomamos primero la derivada
y luego contraemos.
i v) Consistencia con la diferencial: Si l a es un campo vectorial y f un campo
escalar, luego
l a a f = l ( f ) (3.19)
v) Torsin cero: Si f es un campo escalar luego

a b f = b a f (3.20)

Ejemplo: Sea {x i } un sistema coordenado global en lRn y sea c el operador

a a
que cuando acta en Ab1 ...bk general el campo tensorial que en estas coordena-
1 l
das tiene componentes.
i ...i
j A j1 ... jk (3.21)
1 l

Por definicin es un tensor y claramente satisface todas las condiciones de

la definicin, ya que las satisface en este sistema de coordenadas por lo
tanto es una derivada covariante. Si tomamos otro sistema de coordenadas
obtendremos otra derivada covariante, en general distinta de la anterior. Por
ejemplo, hagamos actuar c en el vector l a luego

i
c l a j
= j l i. (3.22)

En otro sistema de coordenadas {x i } este tensor tiene componentes

n x l x j l i

l X
c l a k
= (3.23)
i, j =1 x i x k x j

las cuales no son, en general, las componentes de la derivada covariante c
que estas nuevas coordenadas definen, en efecto

ll
l   Pn  x l 
la xj
Pn
c = j =1
l i
=
k x k x k xj i=1 x i

    
Pn x l xj li Pn xj 2 x l
= i , j =1
+ i, j =1 x k
li (3.24)
xi x k xj x j xi
 

i Pn xj 2 x l
= c l a + i, j =1 x k
li,
j x j xi

83
lo que muestra claramente que son dos tensores distintos y que su diferencia
es un tensor que depende linealmente y no diferencialmente de l a . Es esto
, es su diferencia
cierto en general? Es decir, dada dos conexiones, c y c
un tensor (y no un operador diferencial)? Veremos que esto es cierto.

Teorema 3.2 La diferencia entre dos conexiones es un tensor.

Prueba: Note que por propiedad i i i) y i v) de la definicin, si sabemos cmo

acta c en co-vectores sabemos cmo acta en vectores y as por i) y i i )
en cualquier tensor. En efecto, si conocemos c wa para cualquier wa luego
c l a es el tensor de tipo (1,1) tal que cuando contrado con un wa arbitrario
nos da el co-vector

c l a wa = c wa l a l a c wa ,




(3.25)

el cual conocemos ya que por i v) tambin sabemos cmo acta c en escala-

res. Por lo tanto es suficiente ver que
w =Cb w

c c a ca b (3.26)

b
algntensor C ca . Probemos primero que dado cualquier p M ,
para
w | depende solo de w | y no de su derivada. Sea w 0 cualquier
c c a p a p a
otro co-vector tal que en p coinciden, es decir (wa wa0 )| p = 0. Luego da-
da una co-base suave {ai } en un entorno de p tendremos que wa wa0 =
i f a con f funciones suaves que se anulan en p. En p tenemos entonces
P i i i

w w0 w w0 P i i P

c a c a = f f
i i
a a Pi ic ai i c a
= f f i =0
i a c c
(3.27)
ya que por iv) y deben actuar del mismo modo en escalares y en
c c
particular en las f i . Esto muestra que
w0 = w

c c a c c a (3.28)

w depende de solo w | y obviamente en for-

y por lo tanto que c c a a p


ma lineal. Pero entonces c c debe ser un tensor de tipo (1,2) que est
w .

esperando comerse una forma para darnos el tensor de tipo (0,2) c c a
w = C b w , lo que prueba el teorema.

Es decir c c a ca b

84
 Note que condicin v) nos dice que a b f = b a f , tomando wa =
a f obtenemos

= f
a bf a b
= w
a b
(3.29)
= a w b + Cacb c f
= a b f + Cacb c f .

Como c f | p puede ser un co-vector cualquiera vemos que la condicin de

que no haya torsin implica que C c a b es simtrico en los ndices inferiores,
C c ab = C c ba.

en vectores?

Ejercicio: Cmo acta c c

Ejercicio: Exprese el corchete de Lie en trminos de una conexin cualquiera

y luego pruebe explcitamente que no depende de la conexin empleada.

Ejercicio: Sea Ab ,...,z un tensor totalmente antisimtrico. Muestre que [a Ab ,...,z] ,

es decir la antisimetrizacin total de a Ab ,...,z , no depende de la derivada co-
variante empleada.

La diferencia entre una conexin cualquiera c y una proveniente de un

sistema de coordenadas {x i } es un tensor llamado smbolo de Christoffel de
c con respecto a las coordenadas {x i }, ca
b
,

b
c wa = c wa + ca wb . (3.30)

El conocimiento de este tensor es muy til en la prctica, pues nos permite

expresar c en trmino de la conexin coordenada correspondiente, c .
Como hemos visto en una variedad M existen infinitas formas de tomar
la derivada de un tensor. Hay alguna natural o privilegiada? La respuesta es
no, a menos que pongamos ms estructura en M . Intuitivamente la razn de
esto es que en M no sabemos comparar l a | p con l a |q si p y q son dos puntos
distintos. 4
Es suficiente la presencia de una mtrica en M para poder realizar esta
comparacin? La respuesta es s!
4
Note que una manera de comparar vectores infinitesimalmente cercanos, dado un campo
vectorial m a , es con el corchete de Lie de m a con l a , [m, l ]a . Esto no es lo apropiado ya que
[m, l ]a | p depende de la derivada de m a en p.

85
Teorema 3.3 Sea ga b una mtrica (suave) en M , luego existe una nica derivada
covariante c tal que c ga b = 0.

Prueba: Sea una conexin cualquiera y sea tal que g = 0, es sufi-

c c c ab
ciente mostrar que esta condicin determina unvocamente el tensor diferen-
cia, C d ca . Pero,
g Cd g Cd g
0 = a g b c = (3.31)
a bc ab d c ac b d

o sea
g
Cca b + C b ac = (3.32)
a bc

pero tambin
ab Cc b a + Ca b c g
= b ac (3.33)
cb C b ca + Cac b g .
= c ab

Sumando estos dos ltimos, sustrayendo la primera y usando la simetra de

los dos ltimos ndices obtenemos
g +
2Ca b c = g g (3.34)
b ac c ab a bc

o
1
Cabc = g +
g ad { g g } (3.35)
b dc c db d bc
2
Ntese que la existencia de una mtrica no es equivalente a la existencia de
una conexin. Hay conexiones c para las cuales no existe ninguna mtrica
ga b tal que a g b c = 0, es decir hay tensores C a b c para los cuales no hay
ninguna ga b que satisfaga (3.35).

es una derivada correspondiente a un sistema de coordenadas

Ejercicio: Si c
= el smbolo de Christoffel correspondiente es
c c

1
a b c = g ad { b gd c + c gd b d g b c }. (3.36)
2
Muestre que sus componentes en ese sistema de coordenadas estn dadas por,
1
i j k = g i l { j g l k + k g l j l g j k }, (3.37)
2
donde gi j son las componentes de la mtrica en el mismo sistema de coorde-
nadas.

86
Ejercicio: La mtrica Eucldea de lR3 en coordenadas esfricas es

d s 2 = (d r )2 + r 2 ((d )2 + s e n 2 (d )2 ).

Calcule el Laplaciano = g a b a b en estas coordenadas.

*El tensor de Riemann

Dada una derivada covariante en una variedad, es posible definir campos ten-
soriales que solo dependan de ella y por lo tanto que nos den informacin
sobre sta?
La respuesta es s! El siguiente tensor se denomina tensor de Riemann o de
Curvatura y solo depende de la conexin:

2[a b ] l c := a b b a l c := Rc d a b l d l c T M .

Ejercicio: Muestre que la definicin de arriba tiene sentido, es decir que el

lado izquierdo, evaluado en un punto p cualquiera de M solo depende de l c | p
y por lo tanto podemos escribir el lado derecho para algn tensor Rc d a b .

otra derivada covariante. Calcule la diferencia entre los res-

Ejercicio: Sea a
pectivos tensores de Riemann en trminos del tensor que aparece como dife-
rencia de las dos conexiones.

Notas bibliogrficas: Recomiendo el libro de Wald [6], sobre todo por su

notacin moderna, ver tambin [21]. El lenguaje de la intuicin es la geo-
metra, es la herramienta que nos permite visualizar los problemas, tocarlos,
darlos vuelta a nuestro gusto y luego reducirlos al lgebra. Entender la geome-
tra es la forma ms eficiente de entender la fsica ya que sta solo se entiende
cabalmente cuando es traducida a un lenguaje geomtrico. No abuse de ella,
es un rea muy vasta y es fcil perderse, aprenda bien lo bsico y luego solo
lo que le sea relevante.

87
88
 CAPTULO 4

ECUACIONES DIFERENCIALES ORDINARIAS

4.1. Introduccin

En este captulo comenzaremos el estudio de los sistemas de ecuaciones

diferenciales en derivadas ordinarias EDO de ahora en ms. Estos siste-
mas aparecen constantemente en fsica y conjuntamente con los sistemas de
ecuaciones diferenciales en derivadas parciales, EDP de ahora en ms que
estudiaremos en la segunda parte de este curso, forman el esqueleto matem-
tico de las ciencias exactas. Esto se debe a que la mayora de los fenmenos
fsicos se pueden describir en trmino de estas ecuaciones. Si el parmetro
libre o variable independiente tiene la interpretacin de ser un tiempo, en-
tonces estamos frente a ecuaciones de evolucin. Estas nos permiten, para
cada estado inicial del sistema, conocer su evolucin temporal, es decir nos
dan la capacidad de hacer predicciones a partir de condiciones iniciales, lo
cual es el aspecto caracterstico de toda teora fsica. 1
Existen otros fenmenos fsicos descriptos por EDO que no tienen un
carcter evolutivo. En general en estos casos estamos interesados en estados
de equilibrio del sistema. Por ejemplo si queremos ver qu figura describe la
cuerda de secar la ropa que tenemos en casa. Estos casos no sern incluidos
en la teora de EDO que desarrollaremos a continuacin, sino que sus casos
ms sencillos sern tratados como casos especiales (unidimensionales) de las
EDP elpticas.
Si bien la fsica cuntica, o ms precisamente la teora de campos cun-
ticos, nos muestra que una descripcin de los fenmenos fsicos a esa escala
microscpica no es posible por medio de los sistemas de ecuaciones diferen-
ciales ya mencionados, usualmente nos ingeniamos para encontrar aspectos
1
En algunos casos se da que la variable independiente no es el tiempo sino algn otro
parmetro, pero la ecuacin tambin puede ser considerada como describiendo evolucin.
Por ejemplo si queremos ver cmo vara la densidad de un medio al aumentar la temperatura.

89
parciales de estos fenmenos, o ciertas aproximaciones en donde s es posible
una descripcin en trmino de estos sistemas. Esto no se debe a un capricho
o empecinamiento, sino al hecho de que nuestro conocimiento de las EDO,
y en menor medida de las EDP, es bastante profundo, lo cual nos permite
manejarlas con relativa facilidad y comodidad. Por otro lado, y es importante
remarcarlo, nuestro conocimiento del tipo de ecuaciones que aparecen en las
teoras de campos cunticos no-lineales es, en comparacin, prcticamente
nulo.

4.2. El Caso de una nica Ecuacin Ordinaria de Primer Orden

4.2.1. Ecuacin Autnoma de Primer Orden

Esta tiene la forma:
dx
x = = f (x) (4.1)
dt
o sea una ecuacin para un mapa x(t ) : I lR U lR.
Supondremos f : U lR continua. Una solucin de esta ecuacin ser un
mapa diferenciable (t ) definido para todo I y con imagen en U . Diremos
que (t ) satisface la condicin inicial x0 en t = t0 I si
(t0 ) = x0 . (4.2)
Como veremos a continuacin bajo ciertas hiptesis la condicin inicial que
una solucin cumple la determina unvocamente.
La ecuacin 4.1 se puede interpretar geomtricamente de la siguiente for-
ma. En cada punto del plano (x, t ) marcamos una rayita", es decir un campo
de direcciones de tal forma que el ngulo que forma con el eje x =cte tenga
tangente igual a f (x) .
1
Ejemplo: x = x 2 . [Ver figura (4.1).]
Como (t ) tiene derivada f ((t )) , en el punto ((t ), t ) , (t ) ser tan-
gente a la rayita en ese punto. Si nos paramos en algn punto (x0 , t0 ) por
donde sta pase podremos encontrar la solucin siguiendo las rayitas. Por lo
tanto vemos que dado un punto por donde la solucin pasa, siguiendo una
rayita determinaremos una nica solucin. Esto en particular nos dice que
en este grfico la mayora de las soluciones no se cortan. Como veremos ms
adelante la unicidad de la solucin se da si la rayita en cada punto tiene una
tangente no nula. Por otro lado, es claro del caso en la figura anterior, 4.1, que
si comenzaremos con el punto (x0 = 0, t0 ) tendramos dos opciones, o bien
dibujar la lnea ya dibujada (t 2 , t ) o simplemente la lnea (0, t ).

90
 x

t
Figura 4.1: Interpretacin geomtrica de la ecuacin f (x) = x 1/2 .

Ejercicio: Extender esta intuicin grfica al caso x = f (x, t ).

Ejemplo: De hecho la ecuacin x = x 1/2 tiene dos soluciones que pasan por
(0, 0) ,
t2
(t ) = 0 y = (4.3)
4
dx 1/2
En efecto, supongamos x(t ) 6= 0 entonces = d t o 2(x 1/2 x0 ) =
x 1/2
t t0 , tomando x0 = t0 = 0
 2
t
x= (4.4)
2
La otra es trivialmente una solucin.

La unicidad de las soluciones se obtiene, aun en el caso en que f (x) se

anula, si en vez de pedir que f (x) sea continua se pide un poquito ms, y eso
es que, donde se anula, digamos en x0 , se cumpla que
Zx
dx
lm = , (4.5)
0 x +" f (x)
0

o alternativamente que para > 0 suficientemente pequeo, exista k > 0 tal

que,
| f (x)| < k | x x0 | si | x x0 |< . (4.6)

91
 O sea que f (x) vaya a cero cuando x x0 a lo sumo tan rpidamente
como una funcin lneal. Esta condicin se llama condicin de Lipschitz. De
ahora en ms supondremos que f (x) es diferenciable y por lo tanto Lipschitz.

Ejercicio: Vea que esta condicin es ms dbil que pedir que f sea diferencia-
ble en x0 .
Solucin: La funcin f (x) = x sin( x1 ) es Lipschitz en x+0 pero no es diferen-
ciable.
As llegamos a nuestro primer teorema sobre ecuaciones ordinarias.

Teorema 4.1 Sea f (x) : U lR continua y Lipschitz en los puntos donde se

anula. Luego
i) Por cada t0 lR , x0 U existe un intervalo I t0 lR y una solucin (t )
de la ecuacin 4.1 definida t I t0 y la condicin inicial (t0 ) = x0 ;
ii) Dos soluciones cualesquiera 1 , 2 de 4.1 satisfaciendo la misma condicin
inicial coinciden en algn entorno de t = t0
iii) la solucin de 4.1 es tal que
Z (t )
dx
t t0 = si f (x) 6= 0 (4.7)
x0 f (x)

Nota: La solucin cuya existencia asegura este teorema es vlida en un inter-

valo I t0 abierto, que el teorema no determina. Por lo tanto la unicidad se da
solo en el mximo intervalo que esas tienen en comn.

Prueba:
Si f (x0 ) = 0 luego (t ) = x0 es una solucin.
Si f (x0 ) 6= 0 luego por continuidad existe un entorno de x0 donde f (x) 6=
0 y por lo tanto 1/ f (x) es una funcin continua, esto implica que la integral
en 4.29 es una funcin diferenciable de sus extremos de integracin, los que
llamaremos (x) (x0 ) .
Por lo tanto tenemos,
t t0 = (x) (x0 ) (4.8)
O sea dado x obtenemos t y adems esta relacin se cumple automticamente
que cuando x = x0 , t = t0 . Queremos ahora despejar x de esta relacin, es
decir encontrar (t ).
Pero 
d  1
= 6= 0 , (4.9)
f ( )

dx  x=

92
Por lo tanto el teorema de la funcin inversa nos asegura que existe un I t0 y
una nica (t ) diferenciable, definida para todo t I t0 y tal que (t0 ) = x0 y
t t0 = ((t )) (x0 ). Formando su derivada obtenemos,
 1 
d d 1 

1
= = = f ((t )) (4.10)

f (x)
 
dt d t  x=(t ) 
x=(t )

lo que demuestra que es una solucin, necesariamente nica de 4.1 con la

condicin inicial apropiada.
Solo resta ver que en el caso en que f (x0 ) = 0 la solucin es nica. Para
ello utilizaremos el siguiente Lema.

Lema 4.1 Sean f1 y f2 funciones reales en U lR tal que f1 (x) < f2 (x) x
U y sean 1 y 2 respectivas soluciones a las ecuaciones diferenciales que stas
generan, definidas en un intervalo I lR y tal que 1 (t1 ) = 2 (t1 ) para algn
t1 I . Luego
1 (t ) 2 (t ) t > t1 I (4.11)

Prueba: Trivial, el que corre ms rpido en cada sector del camino gana! Sea
el conjunto S = {t > t1 I |1 (t ) > 2 (t )}. Sea T t1 , T I la mayor de las
cotas inferiores de S. En este instante 1 (T ) = 2 (T ), pero
 
d 1  d 2 
 <  (4.12)
dt  t =T
dt  t =T

Por lo tanto existe " > 0 tal que para todo t [T , "), 1 (t ) < 2 (t ) lo que es
una contradiccin, a menos que sea el ltimo valor en I .
Con la ayuda de este Lema probaremos la unicidad de la solucin. Sea
1 (t ) una solucin con 1 (t0 ) = x0 pero distinta de la solucin (t ) = x0 t .
Supongamos entonces que existe t1 > t0 tal que 1 (t1 ) = x1 > x0 , los otros
casos se tratan similarmente. [Ver figura 4.3.]
Si elegimos x1 bastante prximo a x0 se cumple

f (x) < k | x x0 | x0 x x1 (4.13)

y por lo tanto que 2 (t ) < 1 (t ), t0 t t1 , donde 2 (t ) es la solucin

de la ecuacin x = k(x x0 ) con condicin inicial 2 (t1 ) = x1 . Pero 2 (t ) =

93
 x

x1
2

x0
t0 t1 t

Figura 4.2: Prueba del Lema 4.1.

x
2

1
U

t0 t

Figura 4.3: Prueba de la unicidad de la solucin.

94
x0 +(x1 x0 ) ek(t t1 ) que tiende a x0 slo cuando t . Por lo tanto 1 (t )
no puede tomar el valor x0 para ningn t < t1 finito y por lo tanto tenemos
una contradiccin
La solucin cuya existencia y unicidad acabamos de demostrar no slo se
puede pensar como un mapa entre I t0 y U sino tambin como un mapa g xt
entre Ux0 I t0 y U (Ux0 entorno de x0 ). El mapa g xt lleva (x, t ) al punto (t )
donde es la solucin de 4.1 con condicin inicial (0) = x.
Estos mapas, o difeomorfismos locales, se denominan flujos de fase lo-
cales, (ya que en general no se pueden definir en todo I t0 U ) y satisfacen la
siguiente importante propiedad de grupo; si t , s I0 luego g s+tx
= g s o g xt .
Por la forma en que aparecen las condiciones iniciales en el Teorema an-
terior es fcil ver, usando nuevamente el teorema de la funcin inversa, que si
f (x0 ) 6= 0 luego g xt es diferenciable tambin con respecto a x.

Corolario 4.1 si f (x0 ) 6= 0 luego g xt : Ux0 I t0 U es diferenciable en ambos

t y x.

Nota: La restriccin f (x0 ) 6= 0 es innecesaria como veremos ms adelante.

Del uso del Teorema de la funcin inversa en el Teorema 4.1 tambin si-
gue que si consideramos el conjunto de las soluciones distinguiendo cada una
por su condicin inicial, [(x0 , t0 , t ) es la solucin que satisface (t0 ) = x0 ],
luego la funcin (x0 , t0 , t ) : U I I U es diferencible con respecto a
todos los argumentos. Es decir que si cambiamos levemente las condiciones
iniciales, luego la solucin solo cambiar levemente. Ms adelante daremos
una prueba de todas las propiedades, incluyendo el Teorema 4.1 para los sis-
temas generales, o sea la ecuacin 4.30.

Ejemplo: Sea x(t ) el nmero de bacterias en un vaso de cultivo al tiempo t . Si

el nmero es lo suficientemente grande podemos pensarla como una funcin
suave, diferenciable. Si a su vez este nmero no es tan grande de modo que
su densidad en el vaso sea lo suficientemente baja como para que stas no
tengan que competir por aire y alimento, luego su reproduccin es tal que
x(t ) satisface la ecuacin,
1
x = a x a = cte. ' 2,3 , (4.14)
da
o sea la velocidad de crecimiento es proporcional a la cantidad de bacterias
presentes. La constante a es la diferencia entre la tasa de reproduccin y la de

95
extincin. Aplicando el Teorema 4.1 sabemos que la ecuacin nos permite,
dado el nmero de bacterias x0 al tiempo t0 , conocer el nmero de stas para
todo tiempo. En efecto la solucin de 4.14 es

dx
=a dt (4.15)
x

Integrando ambas partes

x
ln = a (t t0 ) o; x(t ) = x0 ea (t t0 ) (4.16)
x0

O sea que el nmero de bacterias crece exponencialmente, a menos por

supuesto de que x0 = 0, y depende continuamente del nmero inicial. Se debe
advertir que si bien la dependencia es continua la diferencia entre soluciones
con condiciones iniciales distintas crece exponencialmente.
El flujo de fase es en este caso g xt = x ea t y aqu es global. Con ese creci-
miento es fcil darse cuenta que en pocos das el nmero de bacterias y por lo
tanto su densidad ser tan grande que stas entrarn a competir entre s por
el alimento lo cual har disminuir la velocidad de crecimiento. Se observa
experimentalmente que este hecho se puede tomar en cuenta incluyendo en
la 4.14 un trmino proporcional al cuadrado del nmero de bacterias.

a
x = a x b x 2 b= . (4.17)
375
Si x es pequea el primer trmino domina y x comienza a crecer, como
ya vimos, en forma exponencial hasta que el segundo trmino comienza a ser
importante y la velocidad de crecimiento decrece tendiendo a cero cuando
x = x s tal que a x s b x s2 = 0 o ab x s = 0 o x s = a/b ' 375 bacterias. Como
(t ) = x s es una solucin , debido a la unicidad, la solucin que tiende a x s
que describimos arriba no puede alcanzar el valor x s en un tiempo finito. Si el
nmero de bacterias presentes es mayor que 375 la velocidad de crecimiento
ser negativa y la solucin nuevamente tender asintticamente a x s
La solucin general de 4.17 puede ser obtenida de forma anloga a la
de 4.14 y es,
a/b
x(t ) = (4.18)
1 + ( bax 1)ea(t t0 )
0

lo cual confirma el anlisis anterior.

96
 x

a/b

Figura 4.4: Distintas soluciones de la ecuacin de crecimiento bacteriano:

1 (t0 ) = 0, 2 (t0 ) = x s = ba , 3 (t ) = x0 < x s y 4 (t ) = x0 > x s

Este ejemplo nos permite introducir dos conceptos claves en el rea. El

primero es el de solucin estacionaria o de equilibrio . Estas son las solucio-
nes constantes o sea son tales que x s = f (x s ) = 0 o sea las races de la funcin
f (x). Para la ecuacin 4.14 x s = 0 , para la ecuacin 4.17 x s = 0 y a/b .
Note que no siempre existen soluciones estacionarias, por ejemplo la
ecuacin con f (x) = 1 no las tiene, pero cuando existen el problema de en-
contrarlas se reduce a resolver una ecuacin a lo sumo trascendente. Debido
a la unicidad de las soluciones, esto nos permite dividir el plano (x, t ) en fran-
jas tales que si una solucin tiene condiciones iniciales en esta franja sta debe
permanecer en ella.
El segundo concepto es la estabilidad de estas soluciones. La solucin
x s = 0 de 4.14 y 4.17 no es estable en el sentido que si elegimos como condi-
cin inicial un punto en cualquier entorno de esta solucin, la solucin co-
rrespondiente se apartar inicialmente en forma exponencial de la anterior.
Por lo contrario la solucin de 4.17 x s = a/b es estable en el sentido que si
tomamos valores iniciales prximos a sta las soluciones correspondientes se
aproximarn asintticamente (en el futuro) a la anterior.
Las soluciones inestables no tienen inters fsico ya que la ms mnima
perturbacin del sistema originar una solucin que se alejar rpidamente
de la solucin inestable. Esto no es as en el ejemplo anterior pues el nmero
de bacterias es discreto y la ecuacin solo representa una aproximacin. Si
el vaso de cultivo est esterilizado y hermticamente cerrado luego no hay
posibilidad de crecimiento bacteriano. Ms adelante analizaremos en detalle
el problema de la estabilidad.

97
4.2.2. Extendiendo la Solucin Local
Si nos olvidamos del modelo fsico que describimos con 4.17 y tomamos
a/b z
zo < 0, to = 0, por ejemplo, habr un tiempo mximo, td = a1 ln[ z o ],
o
finito para el cual la solucin diverge, es decir,

lm z(t ) = . (4.19)
t td

Esto muestra que el teorema anterior solo puede asegurar la existencia de

un intervalo I para el cual la solucin existe. Lo mximo que podemos con-
cluir en forma general, es decir sin que se d ms informacin sobre f , es el
siguiente Corolario del Teorema 4.1.

Corolario 4.2 Sea U lR el dominio de definicin de f, Uc un intervalo com-

pacto [es decir cerrado y acotado] de U , zo Uc . Luego la solucin ((zo , to , t ), I )
de la ecuacin 4.1 puede ser extendida o bien indefinidamente o bien hasta la
frontera de Uc . Esta extensin es nica en el sentido que cualquier par de so-
luciones, ( 1 (zo , to , t ), I1 ), 2 (zo , to , t ), I2 ) coinciden en la interseccin de sus
intervalos de definicin, I = I1 I2 .

Prueba: Primero probamos la versin global de la unicidad de la solucin. Sea

T la menor de las cotas superiores del conjunto { | 1 (zo , t ) = 2 (zo , t ) to
t }. Supongamos en contradiccin que T es un punto interior de I1 I2 .
Por continuidad tenemos, 1 (zo , T ) = 2 (zo , T ), pero por el resultado del
Teorema 4.1 , usando condiciones iniciales 1 (zo , T ), en T vemos que ambas
soluciones deben coincidir en un entorno de T , lo que contradice que T sea
el mximo. As es que T debe ser un extremo de alguno de los intervalos de
definicin por lo que las soluciones coinciden en I1 I2 {t |t to }. El caso
t to se trata similarmente y por lo tanto las soluciones coinciden en todo
I1 I2 .
Segundo construimos la extensin. La idea es que si dos soluciones coin-
ciden en I1 I2 luego las podemos combinar y formar una en I1 I2 ,

1 (t ) t I1

(t ) = (4.20)
2 (t ) t I2 .

Sea T la cota superior mnima de {|(t ) existe y est contenida en

Uc to t }. Si T = no hay nada que probar, por lo tanto supon-
gamos T < . Probaremos que existe (t ) definida para todo to t T
y tal que (T ) es uno de los extremos de Uc . El Corolario 4.1 nos dice que

98
 1
x
2

U
x0

t0 t

Figura 4.5: Unicidad global.

0
Uc

I2
I1 T " T

Figura 4.6: Extendiendo la solucin.

99
dado cualquier z U , existen z > 0 y un entorno de z, V z U tal que
para cualquier z V z existe una solucin con condiciones iniciales (to ) = z
definida para todo t en |t to | < z . Como USc es compacto podemos elegir
un nmero finito de puntos zi tal que Uc V zi . Sea > 0 el mnimo de
los zi . Como T es la cota superior mnima existe entre T y T tal que
(t ) Uc to t , pero como () Uc est en alguno de los V zi existe
una solucin (t ) definida para todo t en |t | < con condicin inicial
() = (). Usando (t ) podemos ahora extender , cuya extensin llama-
remos , al intervalo to t < + . Pero () Uc to < < T ya que
() = () Uc , y de otro modo T no sera una cota superior mnima.
Por continuidad (T ) Uc y como por definicin de T para todo intervalo
abierto, IT , conteniendo T , [IT ] 6 Uc concluimos que (T ) es un extremo
de Uc

4.2.3. El Caso No-autnomo

Este es el caso en que en vez de 4.1 tenemos
d z
= f (z, t ). (4.21)
dt
La interpretacin geomtrica es la misma, slo que ahora las rayitas tienen
un ngulo que depende tambin de la variable t, por lo tanto esperamos que si
comenzamos en un punto (to , zo ) y trazamos una curva tangente a las rayitas
obtendremos tambin una nica solucin. Este es en realidad el caso, pero su
discusin estar comprendida en la teora general de sistemas autnomos de
primer orden que enunciaremos ms adelante.
Suponiendo ciertas condiciones para f (z, t ) por ejemplo que sea Lips-
chitz con respecto a ambas variables se puede ver que tambin existen flujos
locales, pero stos ahora dependen tambin de to y no solo de la diferencia
entre el tiempo inicial y el final. Denotaremos a estos flujos como, g tt (z) y la
o
t
propiedad de semigrupo que cumplen es g tt g t 1 (z) = g tt (z).
1 o o
Hay una clase especial de ecuaciones no-autnomas que se puede redu-
cir al ya estudiado. Esta es la clase donde f (z, t ) se puede escribir como el
cociente de dos funciones, una de z y otra de t ,
g (z)
f (z, t ) = . (4.22)
h(t )
En este caso la interpretacin geomtrica es que el parmetro t no es el ms
indicado para describir este sistema. Esto se remedia eligiendo otro parmetro

100
 d 1
dado por, dt
= h(t )
,o
Z t dt
o = . (4.23)
to h(t )
Una vez que se obtiene t () [Ver el Teorema 4.1] debemos resolver,
dz
= g (z()), (4.24)
d
[Usando nuevamente el Teorema 4.1], obteniendo (). La solucin con res-
pecto al parmetro original se obtiene definiendo (t ) = ((t )).

4.3. Reduccin a Sistemas de Primer Orden

Definicin: La ecuacin diferencial ordinaria general de orden m es una

ecuacin de la forma:
F (x, x (1) , . . . , x (m) , t ) = 0 (4.25)
Es decir una ecuacin implcita de x, un mapa entre I lR y U lR mn ,
i
(o sea x es un vector de n componentes), y sus derivadas (donde x (i) d xi ]
dt
denota la i-sima derivada con respecto al parmetro independiente, t ) hasta
el orden n 2 .

Definicin: Diremos que el mapa mveces diferenciable x(t ) : I lRn es una

solucin de la ecuacin anterior si F evaluada en este mapa est bien definida
y es idnticamente nula en todo el intervalo I .
En este curso supondremos que 4.25 puede ser resuelta para x m , o sea
que 4.25 es equivalente a la siguiente ecuacin:
x (n) = f (x, x (1) , . . . , x (n1) , t ) (4.26)
en abiertos I I lR y U U lR m

Ejemplo: La EDO F (x, x (1) , t ) = ((x (1) )2 1) = 0 implica una de las siguientes
EDO en nuestro sentido:
x (1) = 1
o (4.27)
x (1) = 1
2
En realidad para definir correctamente 4.25 se deben dar los abiertos U i para la i -sima
derivada con respecto a x donde F est definida.

101
 Si conocemos los valores de x y sus derivadas hasta el (m 1)-simo or-
den en un punto t0 entonces la ecuacin 4.26 nos permite conocer la m-sima
derivada en dicho punto. Si suponemos que f es continua entonces esto nos
permite conocer x y sus derivadas hasta el (m 1)-simo orden en un punto
t0 +" suficientemente cercano (el error en que incurriremos ser del orden de
" derivadas de f ), pero entonces podemos usar nuevamente la ecuacin 4.26
y as conocer aproximadamente la n-sima derivada de x en t0 +". Prosiguien-
do de este modo podemos lograr una solucin aproximada en un intervalo
dado. Al menos intuitivamente, parecera que haciendo el intervalo " cada
vez ms pequeo deberamos obtener una solucin. Esto en realidad es as!
Y lo probaremos ms adelante en el curso. Lo importante por el momento
es el hecho de que para obtener una solucin debemos dar en un punto t0
el valor de todas las derivadas de la variable incgnita de orden menor de la
que determina el sistema, es decir de la que aparece en el lado izquierdo de la
ecuacin 4.26.

Introduciendo u 1 x , u 2 x (1) , . . . , u n x (m1) , podemos escri-

bir 4.26 de la forma:
1
u = u 2
2
u = u 3
.. (4.28)
.
m
u = f ( u 1 , u 2 , . . . , u m , t )

donde hemos denotado con un punto sobre la funcin su derivada con respec-
to al parmetro t . Por lo tanto 4.26 es equivalente a una ecuacin de primer
orden para el vector de vectores u U lRnm ,

u = V (u, t ) (4.29)
donde V es tambin un vector en algn subconjunto de lRnm . Si V ( u, t )
depende explcitamente de t entonces podemos agregarle a u otra compo-
nente, la (n m + 1)-sima con u nm+1 = t , y por lo tanto tenemos que
nm+1)
u = 1. La ecuacin 4.29, ms esta ltima ecuacin, toman la forma ,

u = V (u) , (4.30)

donde u = (u, u nm+1 ) y

V i (u, u nm+1 ) si 1 i m n
V i (u) = (4.31)
1 si i = n m + 1) ,

102
un mapa entre U lRnm+1 y lRnm+1 .
As es que arribamos al siguiente teorema.

Teorema 4.2 (de Reduccin) Si la funcin f del sistema 4.26 de m ecuaciones

diferenciales ordinarias de orden n es diferenciable, luego este sistema es equiva-
lente a un sistema de m n + 1 ecuaciones diferenciales ordinarias de primer
orden que no dependen explcitamente de la variable independiente. Es decir por
cada solucin del sistema 4.26 podemos construir una solucin del sistema 4.30 y
viceversa.

Prueba: Claramente dada una solucin del sistema 4.26 suficientemente dife-
renciable podemos escribir con ella un vector u y ste satisfar (porque as lo
construimos) el correspondiente sistema 4.30. Por lo tanto toda solucin del
sistema original es solucin del sistema de primer orden asociado a l.
Para probar el inverso, es decir que toda solucin u(t ) del sistema 4.30
da origen a una del sistema 4.26, solo es necesario tomar repetidas derivadas
de las primeras componentes, x(t ) = u 1 (t ), e ir usando las ecuaciones en
el correspondiente orden hasta obtener el sistema original satisfecho por la
ensima derivada de x(t )
Este teorema es importante pues nos permite abarcar toda la teora gene-
ral de las ODE a partir del estudio de la ecuacin 4.30, la cual como veremos
tiene un sentido geomtrico claro. Sin embargo se debe tener en cuenta que
muchas veces en fsica aparecen subclases de ecuaciones muy especiales con
propiedades particulares de mucha importancia fsica que la teora general no
contempla.

Ejemplo: Pndulo Matemtico

x = k x u 1 = x , u 2 = x

d u1 u1
    
0 1
= (4.32)
dt u2 k 0 u2

Note que si u = (t ) : I U es una solucin de 4.30 luego s lR tal

que t + s I , (t + s) es tambin una solucin. En efecto,
 
d  d 
(t + s) = (t ) = V ( (to + s)) = V ( (t + s))| t =t . (4.33)
 
dt 
t =t
dt 
t =t +s
o
o o

103
Debido a esto de ahora en ms tomaremos to , el punto donde daremos la
condicin inicial, igual a cero.

Ejercicio: Si u = sin(t ) : lR [0, 1], es una solucin de 4.30 pruebe que

u = cos(t ) tambin lo es.

4.4. Sistemas de EDO

Tienen los sistemas de EDO una interpretacin geomtrica? Como ya

vimos estos tienen la forma genrica.

d xi
= v i (x j ) i = 1, . . . , n. (4.34)
dt

Sea (t ) una curva entre un intervalo I lR y M una variedad de n dimen-

siones. Sea p = (t0 ) un punto de M y (U , = (x 1 , . . . , x n )) una carta con
p U . Luego (t ) = (x 1 (t ), . . . , x n (t )) es un mapa entre I y un abierto de
d xi
lRn , y son las componentes del vector tangente a en la base coordenada
dt
{x i } en el punto (t ) de M . Por lo tanto v i (x j ) son las componentes de un
campo vectorial v en la base coordenada {x i } en el punto p M correspon-
diente a ( p) = (x 1 , . . . , x n ). Vemos as que los sistemas de EDO se pueden
interpretar como un campo vectorial v en una variedad M , y sus soluciones
como curvas (t ) tal que su tangente en todo punto sea v.

Ejemplo: El pndulo Fsico

= sin
= z
(4.35)
z = sin

Aqu el campo vectorial es z sin
,
z
note que el diagrama en el plano se repite cada 2 segn el eje . En realidad
la ecuacin tiene sentido fsico en un cilindro, siendo la variable angular, o
sea la variedad es un cilindro. Las curvas integrales, o sea las imgenes de los
mapas (t ) que son soluciones, se construyen siguiendo los vectores de tal
modo que stas sean siempre tangentes a las curvas.

104
 x2

B B

x1

Figura 4.7: El pndulo Fsico.

A
B

Figura 4.8: La variedad Pndulo Fsico.

105
 Del ejemplo queda claro que en general si damos un punto de M siguiendo
los vectores, a partir de ste, podremos encontrar una solucin (t ) que pasa
por este punto. Si tenemos dos soluciones 1 (t ), 2 (t ) stas no se pueden
cruzar sin ser tangentes en los puntos donde el campo vectorial es distinto
de cero [ya que de otro modo sus tangentes daran dos vectores distintos en
el punto]. Si se supone que el campo vectorial es diferenciable luego se puede
ver que distintas curvas nunca se pueden tocar y por lo tanto las soluciones
son nicas.
Por supuesto, como se ve por ejemplo en la figura 4.8, una misma curva
si se puede intersectar (note que esto solo puede suceder si el sistema es aut-
nomo, ya que de lo contrario, la inclusin de la variable temporal hace que
ninguna curva se pueda intersectar). En tal caso se puede probar que esa solu-
cin es peridica, es decir que existe T > 0 tal que (t + T ) = (t ). Note en
particular que esto implica que est definida para todo t en lR.

Problema 4.1 Si M es una variedad compacta (ejemplo: una esfera o un toro) se

puede probar usando Corolario 4.2 que todas sus curvas de fase estn definidas
para todo t . Sin embargo existen algunas que no son cerradas, d un ejemplo.

4.4.1. Integrales Primeras

Dado un campo vectorial v en M , si existe f : M lR no constante tal
que v( f ) = 0 en M luego diremos que f es una integral primera o constante
de movimiento del sistema de EDO generado por v.
Se puede demostrar que si n es la dimensin de M , luego localmente,
alrededor de puntos donde v 6= 0, existen n 1 integrales primeras funcio-
nalmente independientes sin embargo es fcil encontrar campos vectoriales
que no tienen ninguna integral primera.

EjemplosProblemas

Problema 4.2 El sistema

x1 = x1


x2 = x2
no tienen ninguna, por qu? Ayuda: Dibuje las curvas integrales.

Problema 4.3 Considere el sistema

x1 = k1


x2 = k2

106
en el toro (obtenido identificando los puntos (x1 , x2 ) y (x1 +n, x2 +m) de lR). Pa-
ra cules valores de k1 , k2 existe una integral primera y para cules no? Ayuda:
dem 1).

Problema 4.4 Las ecuaciones de Hamilton de la mecnica clsica forman un

sistema de EDO,

H
qi = (4.36)
pi
H
pi = (4.37)
qi

i = 1, . . . , n, donde H : lR2n lR es la funcin Hamiltoniano o energa. De-

muestre que H es una integral primera de este sistema.

Los ejemplos anteriores muestran que hay sistemas de EDO que global-
mente no son derivables de un principio variacional.
As como el conocimiento de la energa de un sistema Hamiltoniano es
una ayuda inestimable para conocer la forma cuantitativa de su movimien-
to, el conocimiento de una integral primera de un sistema general de EDO
tambin brinda una gran ayuda ya que sabemos que las curvas de fase estn
restringidas a sus superficies de nivel ( f = cte.) lo que nos permite reducir
efectivamente el orden de la ecuacin en uno: solo tenemos que considerar el
problema en la variedad dada por los puntos f = c t e.

4.4.2. Teorema Fundamental de los Sistemas de EDO

Teorema 4.3 Sea v un campo vectorial continuamente diferenciable (C 1 ) en
un entorno de p M . Luego,
i) Existe un entorno Up de p y un abierto I lR, tal que dado cualquier
q Up (t0 I ) existe una curva diferenciable q (t ) : I M satisfaciendo

d q 

 = v|q (t )
d t t (4.38)
q (t0 ) = q.

ii) si q1 y q2 satisfacen la condicin i) luego q1 = q2 en I 1 I 2 .

iii) q (t ) es tambin C 1 cuando es considerada como una funcin de I
Up M . O sea es continuamente diferenciable con respecto a la condicin ini-
cial.

107
 iv) Sea U una regin compacta (acotada) de M , v C 1 y p U luego p (t )
puede ser extendida (hacia adelante y/o hacia atrs) hasta la frontera de U . En
particular si M es compacta y v C 1 (M ), luego p (t ) existe globalmente (para
todo t lR).

Probaremos este teorema ms adelante, luego de introducir las herra-

mientas matemticas necesarias.

4.4.3. Dependencia en Parmetros, Ecuacin de Variaciones

Una consecuencia, muy importante en las aplicaciones, del teorema fun-

damental es el siguiente:

Corolario 4.3 Sea v un campo vectorial diferenciable en U M que depende

diferenciablemente de un parmetro A lR. Luego dados p U , t0 I
y 0 A existen entornos Up , I t0 y A0 tales que para toda terna (q, t , )
Up I t0 A0 existe una nica curva integral de v , (t ) : I t0 A0 Up con
(0) = q. Esta depende diferenciablemente de q, t y .

Prueba: Considere el campo vectorial (v , 0) : U A T M lR. Por hip-

tesis este campo es diferenciable y por lo tanto tiene curvas integrales ( , )
que dependen diferenciablemente de las condiciones iniciales y por lo tanto
de

Advertencia: El intervalo I t0 A0 donde la solucin es diferenciable no ne-

cesariamente es el intervalo de definicin de la solucin. Por ejemplo no es
cierto que aun cuando la solucin est definida para todo t en lR los lmites
lm (t ) y lm (t ) conmuten.
T 0
La importancia prctica de este corolario es que nos permite obtener solu-
ciones aproximadas a las ya conocidas. En efecto supongamos que para = 0
conocemos alguna curva integral de v|=0 , 0 (t ) con 0 (0) = p. Tenemos
entonces, aplicando el Corolario y un desarrollo en serie de Taylor, que

(t ) = 0 (t ) + 1 (t ) + O(2 ) (4.39)

o sea que 0 (t ) + 1 (t ) es una buena aproximacin a (t ) para suficiente-

mente pequeo.

108
 Resta entonces encontrar la ecuacin que satisface 1 (t ). Esta se obtiene
diferenciando con respecto a la ecuacin diferencial en = 0,

d (t )

d
= v ( (t ))  , (4.40)

d dt 
=0

expandiendo y usando coordenadas

 
d j v j  d v j
1 = 1i + , (4.41)

i
x ( ,=0) d (
 
dt 
0 0 ,=0)

= A j i (t ) 1i + b j (t ).
o sea la ecuacin para 1 (t ) usualmente llamada ecuacin de variaciones
es una ecuacin lneal inhomogenea no-autnoma. Como tomamos como
condicin inicial (0) = p , la condicin inicial que consideraremos
para 4.4.3 es 1 (0) = 0.

Problema 4.5 Cul sera la condicin inicial para 1 si la condicin para

fuese (0) = p(1 ) + q? Considere solo el caso unidimensional pero piense
en el genrico.

Problema 4.6 Si decidisemos considerar una aproximacin hasta segundo or-

den = 0 + 1 + 2 2 + O(3 ), qu ecuaciones obtendramos para 2 ?

Ejemplo: a) Un cuerpo cae verticalmente en un medio de baja viscosidad, la

cual depende de la posicin y velocidad de ste.

x = g + " F (x, x) "1 (4.42)

Calcule el efecto de esta resistencia en el movimiento.

La solucin, x(t ), depender suavemente de " por lo tanto podemos desa-
rrollar esta en serie de Taylor con respecto a ".

x(t ) = x0 (t ) + " x1 (t ) + O("2 ). (4.43)

La solucin para " = 0 es claramente

t2
x0 (t ) = xi + v i t g , (4.44)
2

109
donde xi y vi son respectivamente la posicin y la velocidad inicial, mientras
que la ecuacin de variaciones es

x1 = F (x0 , x0 ), x1 (0) = 0, x1 (0) = 0. (4.45)

Integrando obtenemos
Z tZ
x1 (t ) = F (x0 (), x0 ()) d d . (4.46)
0 0

b) El segundo ejemplo es el de auto-oscilaciones.

Considere el sistema,
x1 = x2 + " f1 (x1 , x2 )
(4.47)
x2 = x1 + " f2 (x1 , x2 ), para "  1.
Sin prdida de generalidad podemos asumir fi (0, 0) = 0. Cuando " = 0 obte-
nemos las ecuaciones del pndulo en la aproximacin de pequeas amplitu-
des , o sea un sistema conservativo. Su energa integral primera est dada
por E(x1 , x2 ) = 12 (x12 + x22 ) y sus curvas de fase son entonces crculos de radio
p
2E.
Cuando " > 0 las curvas de fase no son necesariamente cerradas, pero
debido al Corolario anterior a lo ms pueden ser espirales con una distancia
del orden de " entre vuelta y vuelta. p Estas pueden tender hacia algn pun-
to estacionario dentro del crculo 2Ei , donde Ei = energa inicial, es decir
donde x2 + " f1 (x1 , x2 ) = x1 + " f2 (x1 , x2 ) = 0, o pueden aproximarse asin-
tticamente a alguna rbita cerrada o finalmente pueden diverger. Que estas
son las nicas opciones es el resultado de un teorema clsico de Poincar
Bendixson, el cual muestra que en general estas son las nicas posibilidades
en dos dimensiones.
Para estudiar cul es el caso entre estos tres consideramos la variacin de
energa entre dos vueltas consecutivas.
Usando que,
E(x1 , x2 ) = " (x1 f1 + x2 f2 ) (4.48)
obtenemos
E = " ( f1 d x2 + f2 d x1 ) + O("2 )
H
(4.49)
= " F (E).
p
donde la integral es a lo largo de un crculo de radio 2E en la direccin del
movimiento. Es decir, hemos aproximado la curva con " > 0 por la curva con
" = 0.

110
 Si F (E) es positiva la energa aumenta y el sistema realiza oscilaciones
crecientes.
Si F (E) es negativa las oscilaciones disminuyen en amplitud y el sistema
tiende eventualmente a un punto de equilibrio.
Si F (E) cambia de signo, digamos en E = E0 , se puede probar entonces
que cerca de este crculo hay una curva de fase " cerrada.
Si F 0 (E)E=E es negativa es un ciclo lmite estable cualquier curva de
0
fase cercana se aproxima asintticamente a sta . Si F 0 (E) es positiva

E=E0
es inestable.

Problema 4.7 Muestre que si hay dos ciclos lmites estables luego debe haber
tambin al menos uno que es inestable.

De los dos ejemplos anteriores queda claro la importancia prctica del

Corolario. La dependencia en forma diferenciable de las condiciones iniciales
tambin conduce a la ecuacin de variaciones, por lo tanto esta ecuacin, que
es lneal, inhomogenea, es de suma importancia y en el prximo captulo la
estudiaremos en ms detalle.

4.5. Problemas

Problema 4.8 (Kiseliov) Encuentre todas las soluciones de

dx 3
= x 2/3 . (4.50)
dt 2
Ayuda: hay infinitas y stas se obtienen a partir de segmentos de algunas solucio-
nes particulares. Grafique algunas de estas soluciones.

Problema 4.9 (Kiseliov) Aplique el teorema de existencia y unicidad para de-

terminar las regiones donde las ecuaciones siguientes tienen solucin nica:
a) x = x + 3x 1/3 .
b) x = p
1 cot x.
c) x = 1 x 2.

Problema 4.10 (Kiseliov) Resuelva las siguientes ecuaciones, en todos los casos
d las soluciones generales en funcin de un dato inicial x0 para el tiempo inicial
t0 .
a) t x + x = c o s(t ). (Use integral primera de la parte homognea.)
b) x + 2x = e t . (Use variacin de constantes.)

111
 c) (1 t 2 )x + t x = 2t . (Resuelva primero la homognea y luego sume una
inhomognea particular.)
d) x x = t 2t 3 .
Problema 4.11 (Kiseliov) Resuelva las siguientes ecuaciones apelando a un cam-
bio de variable en la variable independiente (t).
a) x x = t . (t = cos(s).)
b) x t x = 0.
c) x + e x = t .
Problema 4.12 (Kiseliov) Grafique las isoclinas (lneas de igual pendiente en
el plano (t , x)) y luego trace las soluciones de las siguientes ecuaciones:
a) x = 2t x.
b) x = sin(x + t ).
c) x = x t 2 + 2t 2.
xt
d) x = x+t .

Problema 4.13 Resuelva la ecuacin:

x = A(t )x + B(t )x n Ayuda: Use el cambio de variable y = x 1n .
Problema 4.14 Resuelva la ecuacin
dx
= ix + Ae it , lR (4.51)
dt
y vea cmo se comporta su parte real. Examine los casos:
a) A = 0, b) (A 6= 0, 6= ) y c) (A 6= 0, = ).
Problema 4.15 La ecuacin del pndulo fsico.
a) Grafique el campo vectorial de la ecuacin
d 2
= sin(), . (4.52)
d t2
b) Grafique algunas curvas integrales alrededor de ( = 0, z = dd t = 0).
c) Grafique las curvas integrales que pasan por el punto = , z = 0). In-
fiera que el tiempo necesario para llegar por estas curvas a dicho punto es infinito.
d) Grafique el campo vectorial a lo largo de una recta z = z0 . Infiera de
ello que las soluciones no pueden superar nunca la velocidad adquirida cuando
pasan por el punto = 0. Ayuda: Concluya esto primero para la regin 0
, 0 z z0 y luego use la simetra de la solucin.
2
e) Sea E(z, ) := z2 cos(). Vea que ddEt = 0. Use esta cantidad para ana-
lizar el comportamiento de las soluciones con dato inicial (z0 , 0 = 0). En parti-
cular determine cules cruzan el eje z = 0 y cules no.

112
Problema 4.16 Sea la ecuacin:
dz f (z) |z| < 1

= (4.53)
dt iz |z| 1

Donde f (z) es continua con i z en |z| = 1. Infiera que no importando c-

mo sea la forma de f (z), las soluciones nunca escapan de la regin {|z(t )|
max{|z(0)|, 1}}.

Problema 4.17 Sea un cuerpo afectado por una fuerza central, es decir,

d 2~x
m = f (r )~x r := |~x |. (4.54)
d t2
a) Encuentre un sistema equivalente de primer orden.
b) Compruebe que dado un vector cualquiera (constante) ~c , luego F (~x , ~p) :=
~c (~x ~p), donde ~p := d~
x
dt
, es una integral primera.

Problema 4.18 Sea la ecuacin:

d~x
= ~x (~
~ x ). (4.55)
dt
a) Vea que R := ~x ~x es una integral primera.
b) Concluya que las soluciones de este sistema existen para todo tiempo.

Problema 4.19 (Strichartz) Muestre que

(1) j (t /2)k+2 j
X
Jk (t ) = , (4.56)
j =0 j !(k + j )!

tiene radio de convergencia infinito y satisface la ecuacin de Bessel, x 00 (t ) +

(1/t )x 0 (t ) + (1 k 2 /t 2 )x(t ) = 0.

Problema 4.20 Resuelva el sistema:

d x2 + "(x12 + x22 )
   
x1
= (4.57)
dt x2 x1

Para los datos iniciales (x1 (0) = 1, x2 (0) = 0). Investigue ahora la solucin cerca
de " = 0 obteniendo los coeficientes en la serie de Taylor de la misma con respecto
al parmetro ". Encuentre qu ecuaciones satisfacen estos coeficientes.

113
Problema 4.21 (Arnold) Considere la ecuacin del pndulo fsico:

d2x
= sin(x).
d t2
Vea cmo vara la frecuencia en funcin de la amplitud para soluciones pequeas.
Ayuda: suponga una solucin en serie de Taylor en la amplitud y resuelva hasta
encontrar la primera contribucin no trivial a la solucin linealizada. Encuentre
el perodo ubicando los puntos de retorno (velocidad cero).

Notas bibliogrficas: Para ste y los prximos tres captulos recomiendo

los siguientes libros: [3], [7] y [8]. Sobre todo el primero. Las ecuaciones di-
ferenciales ordinarias son la base de la mecnica clsica, aunque en esta ltima
hay adems una estructura geomtrica particular que es fundamental. Casi
todo lo que hemos visto en este captulo es la teora local, la teora global, es
decir el comportamiento de las soluciones para grandes valores de la variable
independiente (el tiempo en la mayora de los casos) solo se ha comprendido
en los ltimos aos, dando origen a conceptos nuevos como el de caos, atrac-
tores, dimensiones fractales, etc. Lamentablemente estos aspectos no han sido
todava suficientemente sintetizados y por lo tanto no puedo recomendar nin-
gn libro al respecto. Hay demasiadas ideas interesantes pero cada una de ellas
requiere de un gran bagaje de informacin.

114
 CAPTULO 5

SISTEMAS LINEALES

5.1. Sistema lineal homogneo

Teorema 5.1 Sea A(t ) continua en I lR, cerrado. Luego existe una nica
solucin x(t ) : I V de la ecuacin,

d x(t )
= A(t ) x(t ), (5.1)
dt
con condicin inicial x(t0 ) = x 0 V , t0 I .

Prueba: Sean x, y V , luego

kA(t )x A(t )ykV kA(t )kL kx ykV (5.2)

y por lo tanto A(t )x es Lipschitz en V . El teorema fundamental nos garan-

tiza existencia y unicidad local. El teorema quedar entonces demostrado si
mostramos que x(t ) no puede hacerse infinita en un tiempo finito. Para ello
usaremos,
d kx(t1 )kV kx(t )kV kx(t1 ) x(t )k
kxkV = lm lm
dt t1 t t1 t t1 t t1 t (5.3)
dx
= d t = kA xkV kAkL kxkV .
V

Integrando esta desigualdad entre t0 y t I obtenemos,

Rt
kA( t)kL d t
kx(t )kV kx(t0 )kV e t0
, (5.4)
lo que muestra que x(t ) no puede escapar a infinito en un tiempo finito y por
lo tanto completa la prueba.

115
 Consideremos el conjunto de las soluciones de 5.1 definidas en un nico
intervalo I lR cerrado, S o l (A, I ). Este conjunto tiene la estructura de un
espacio vectorial. En efecto, si x(t ) e y(t ) son dos soluciones de 5.1, luego
x(t ) + y(t ) , lR, es tambin una solucin. Cul es su dimensin? El
siguiente teorema responde a esta pregunta y muestra que cualquier solucin
de 5.1 puede ser expresada como combinacin lineal de un nmero finito
(n) = d i m V de soluciones.

Teorema 5.2 dim S o l (A, I ) = dim V .

Prueba: Sea {u 0i }, i = 1, . . . , n una base de V , t0 I y {u i (t )}, i = 1, . . . , n t

I el conjunto de soluciones de 5.1 con condicin inicial u i (t0 ) = u 0i . Mostra-
remos que las {u i (t )} forman una base de S o l (A, I ), y por lo tanto
dim S ol (A, I ) = dim V . Primero veamos que las soluciones {u i (t )} son li-
nealmente independientes.
Supongamos que existen constantes c i tales que x(t ) = ni=0 c i u i (t ) se
P
anula para algn t en I . Como x(t ) es una solucin de 5.1 y estas son nicas
Ptn) = 0,
cuando un dato inicial es especificado, tomando en este caso x( vemos
que x(t ) = 0 t I . En particular tenemos que x(t0 ) = i=0 c i u 0i = 0
y la independencia del conjunto {u 0i (t )} implica entonces que c i = 0 i =
1, . . . , n, probando la independencia lineal. Note que no solo hemos probado
que los {u i (t )} son linealmente independientes como elementos de S o l (A, I )
para lo cual solo hubisemos tenido que probar que si ni=0 c i u i (t ) = 0
P

t I luego c i = 0 i = 1, . . . , n lo que es trivial ya que t0 I sino

tambin que para cada t I los {u i (t )} son linealmente independientes como
elementos de V , este resultado ser usado ms adelante.
Para completar el teorema veamos ahora que cualquier solucin de 5.1
x(t ) : I V , es decir cualquier elemento de S o l (A, I ) puede ser escrito co-
mo combinacin lineal de los {u i (t )}. Sea x(t ) S o l (A, I ), como los {u 0i }
forman una base de V existirn constantes c i , i = 1, . . . , n tales que x(t0 ) =
c i u 0i . Consideremos entonces la solucin de 5.1 dada por (t ) = c i u i (t ).
Como (t0 ) = x(t0 ) y las soluciones son nicas tenemos,

x(t ) = (t ) = c i u i (t ) t I (5.5)

El teorema anterior nos dice que si conocemos n soluciones linealmente

independientes de A, {u i (t )}, conocemos todas sus soluciones, ya que stas

116
sern combinaciones lineales de las {u i (t )}. La dependencia con los datos
iniciales es tambin lineal, es decir si x(t ), y(t ) S o l (A, I ) y x(t0 ) = x 0
e y(t0 ) = y 0 luego x(t ) + y(t ) , lR, es la solucin con dato inicial
x 0 + y 0 y por lo tanto el mapa g tt que en este caso llamaremos X tt que
0 0
lleva datos iniciales dados en t = t0 a soluciones con esos datos, al tiempo t es
un operador lineal de V en V . En efecto si {0i } es la c o-base de la base {u i },
j j
i.e. 0 (u 0i ) = i . Luego X tt = ni=1 u i (t ) 0i . Debido a la independencia
P
0
lineal de los {u i (t )} como elementos de V se puede ver que el mapa X tt :
0
V V es inyectivo y por lo tanto invertible, para cada t I . Su inversa, que
denotaremos (X tt )1 lleva la solucin en t a su dato inicial en t = t0 , o sea
0
t
(X tt )1 = X t0 .
0

t
Ejercicio: Pruebe que (X tt )1 = X t0 .
0

Ejercicio: Pruebe que X tt no depende de la base empleada.

0

El mapa X tt es en realidad la familia mono-paramtrica de difeomorfis-

0
mos de V en V generados por el campo vectorial Ax. En este caso estos son
lineales. En efecto X tt x 0 es la curva que pasa por el punto x 0 V en t = t0
0
y cuyo vector tangente es AX tt x 0 .
0
Hemos visto entonces que si conocemos un conjunto de n soluciones
linealmente independientes {u i (t )} podemos construir cualquier solucin
usando el operador X tt aplicado al dato inicial de nuestro gusto.
0
Cmo sabemos en la prctica que un conjunto de n soluciones {u i (t )}
es linealmente independiente? Como ya vimos es suficiente ver que stas son
linealmente independientes, como elementos de V , a un tiempo t cualquiera.
Es decir que el escalar

w(t ) = "(u 1 (t ), u 2 (t ), . . . , u n (t )) (5.6)

es distinto de cero. Esta funcin se llama el Wronskiano del sistema y satis-

face una ecuacin particularmente simple cuya solucin llamada frmula de
Liouville, es
Zt
t r (A( t)) d t
w(t ) = w(t0 ) e 0
t (5.7)

117
Prueba:

w(t ) = "(u 1 , u 2 , . . . , u n ) + "(u 1 , u 2 , . . . , u n ) + + "(u 1 , u 2 , . . . , u n )

= "(Au 1 , u 2 , . . . , u n ) + "(u 1 ,Au 2 , . . . , u n ) + + "(u 1 , u 2 , . . . ,Au n )
= t r (A) w(t ),
(5.8)
cuya solucin es 5.7.

La frmula de Liouville es una demostracin independiente del resultado

que las {u i (t )} forman una base de V para cada t I . Note que si t r (A) 0
el Wronskiano es constante y nos puede ser de utilidad para determinar una
solucin en funcin de otras ya conocidas.

5.2. Sistema Lineal Inhomogeneo Variacin de constantes

Aqu trataremos el sistema,

dx
= A(t ) x + b(t ), (5.9)
dt
donde b(t ) : I V es integrable. Veremos que si conocemos el operador X tt
0
correspondiente al sistema homogneo
dx
= A(t ) x, (5.10)
dt
Luego conocemos todas las soluciones del sistema 5.9. El mtodo que usa-
remos se llama de variacin de constantes y tambin es de utilidad para
obtener soluciones aproximadas a sistemas no lineales. El mtodo consiste en
suponer que la solucin de 5.9 ser de la forma,

(t ) = X tt c(t ) (5.11)
0

para algn mapa c(t ) : I V , diferenciable. Note que si c(t ) = c V , es

decir un mapa constante, luego (t ) satisface 5.10. Sustituyendo (t ) en 5.9
obtenemos,
 
d d
dt
(t ) = X t
d t t0
c(t ) + X tt ddt c(t )
0 (5.12)
= A(t )X tt c(t ) + X tt ddt c(t ) = A(t )X tt c(t ) + b(t ).
0 0 0

De donde vemos que para que (t ) sea una solucin c(t ) debe satisfacer la
ecuacin X tt ddt c(t ) = b(t ).
0

118
 t
Pero como X tt es invertible y su inversa es X t0 obtenemos
0

d t
c(t ) = X t0 b(t ). (5.13)
dt

Integrando obtenemos
Z t
t
c(t ) = X 0 b( t) d t + c(t0 ) (5.14)
t
t0

o Z
t
t
(t ) = X tt X 0 b( t) d t + X tt (t0 ), (5.15)
0 t 0
t0

donde (t0 ) es una condicin inicial cualquiera.

Debido al teorema de existencia de soluciones del sistema homogneo

t
sabemos que X t0 existe y es diferenciable t I y por lo tanto (t ) tambin
existe y es diferenciable t I , ya que b( t) es integrable. Como el dato
inicial para (t ) puede darse en forma arbitraria, y las soluciones de 5.9 son
nicas, concluimos que 5.15 es la solucin general del sistema 5.9.

5.3. Sistemas lineales homogneos: coeficientes constantes

La ecuacin que trataremos aqu es

dx
= A x, (5.16)
dt

donde x : I lR V es una curva en V y A es un operador lineal de V ,

A: V V.
Ya vimos en un ejercicio que x(t ) = e At x 0 , x 0 V cualquiera, es una
solucin de 5.16 con condicin inicial x(0) = x 0 . Note que como e At est
definido para todo t lR, las soluciones que hemos encontrado tambin estn
definidas en todo lR.
Sea x(t ) una solucin cualquiera de 5.16 definida en un intervalo I lR
y sea t1 I. Luego la curva x 0 (t ) = e A(t1 t ) x(t1 ) es tambin una solucin
de 5.16 y x(t1 ) = x(t1 ), pero por la unicidad de las soluciones de 5.16, x(t )
y x(t ) deben coincidir en todo I y x(t ) es la extensin mxima de x(t ). Ve-
mos as que por medio de la exponencial e At obtenemos todas las soluciones

119
de 5.16. De hecho, hemos demostrado que la familia monoparamtrica de di-
feomorfismos lineales g t = e At est definida globalmente [t lR, x 0 V ]
y es la generadora del campo vectorial v(x) = Ax. [Con la definicin dada en
5.1 en este caso X tt = g t t0 = e A(t t0 ) .]
0

Cul es la forma general de esta familia? O dicho de otro modo, cmo es la

forma funcional del mapa exponencial? Para ello es conveniente tomar una
base fija {u i } (independiente de t ) en V y expresar la ecuacin en trmino de
la n-tupla de componentes {x i } de x. De esta forma obtenemos,

d xi n
X
= Ai j x j , (5.17)
dt j =1

es decir una ecuacin para la n-tupla {x i }. La ventaja de este cambio es que

podemos tomar una base conveniente, en particular la base ortogonal del Le-
ma 2.2 (de Schur) en la cual la matriz Ai j es triangular superior. El precio
pagado por la simplificacin es que, como la base de Schur es en general com-
pleja, tanto la n-tupla {x i } como las componentes de A, Ai j , son complejas y
por lo tanto hemos pasado a un problema en C n , o en forma abstracta en la
complexificacin de V .
Para esa base tenemos que la componente ensima satisface una ecuacin
particularmente simple!,
d xn
= An n x n (5.18)
dt
y por lo tanto, x n (t ) = e n t x0n (recuerde que la diagonal de una matriz trian-
gular superior est compuesta por sus autovalores), donde x0n en la ensima
componente de la condicin inicial a t = 0. La ecuacin para la componente
n 1 es,

d x n1
= An1 n1 x n1 + An1 n x n (5.19)
dt
= n1 x n1 + An1 n e n t x0n . (5.20)

Usando la frmula (5.15) para el caso unidimensional, (y A constante) obte-

nemos,

Z t
n1 t
x n1
(t ) = e x0n1 + e n1 t e n1 s (An1 n e n s x0n ) d s (5.21)
0

120
 Z t
n1 t
= e x0n1 + e n1 t e (n n1 )s d s An1 n x0n , (5.22)
0

y vemos que si n n1 6= 0 luego la solucin es una suma de exponencia-

An1 n x0n t
les, x n1 (t ) = e n1 t x0n1 + (e n e n1 t ). Si los autovalores coinciden
n n1
(n n1 = 0) luego aparece un trmino lineal en t , x n1 (t ) = e n1 t (x0n1 +
t An1 n x0n ). Conociendo x n1 (t ) podemos ahora calcular, usando nuevamen-
te (5.15), x (t ) y as sucesivamente todas las componentes de x(t ) en esta
n2

base. El resultado final ser que las componentes son todas sumas de expo-
nenciales por polinomios. En efecto note que la integral de un polinomio
de grado m por una exponencial es tambin un polinomio del mismo grado
por la misma exponencial ms una constante de integracin (a menos que
la exponencial sea nula, en cuyo caso el resultado es un polinomio de grado
m + 1).

Ejercicio: Pruebe esta ltima afirmacin por induccin en el grado del po-
linomio y el uso de integracin por partes, es decir, use que e a t P m (t ) =
d e at at
( P (t )) ea ddt P m (t ) y que ddt P m (t ) es un polinomio de orden m 1.
dt a m

Reordenando trminos vemos as que la solucin general ser de la forma:

m
e i t v i (t )
X
x(t ) = (5.23)
i=1

donde la suma es sobre los distintos autovalores y donde los vectores v i (t )

son polinomios en t .
Una propiedad importante de la estructura algebraica de esta solucin
queda de manifiesto con el siguiente lema.

Lema 5.1 Los espacios vectoriales

E := { f (t ) : lR 7 V C | f (t ) = e t P m (t ), con P m (t ) un polinomio}

son linealmente independientes.

Prueba: Debemos probar entonces que si tenemos una suma finita de elemen-
tos de los Ei , {u i } y esta se anula, luego cada uno de estos vectores se debe

121
anular idnticamente. Es decir
m
X
u i = 0, u i Ei i 6= j u i = 0. (5.24)
i=1

Lo probaremos por induccin en el nmero de elementos de la suma. El

caso m = 1 es trivial. Supondremos entonces que la afirmacin es verdadera
para m 1 y la probaremos para m. Supondremos adems por contradiccin
que existe una suma de m elementos distintos de cero que se anula, es decir:
m
X
u i = 0, u i Ei , i 6= j , u i 6= 0. (5.25)
i=1

dividiendo por e 1 t obtenemos

m m
e (i 1 )t P mi (t ).
X X
1 t
0 = S(t ) := e u i = P m1 (t ) + (5.26)
i=1 i=2

Tomando m1 + 1 derivadas de S(t ), donde m1 es el orden del polinomio del

primer trmino obtenemos:

d m1 +1 m
e (i 1 )t P mi (t ).
X
0= +1
S(t ) = (5.27)
d t m1 i=2

donde es fcil ver que los polinomios P mi (t ) son del mismo grado que los
originales. Estamos as bajo la hiptesis inductiva y por lo tanto como estos
polinomios son no-nulos tenemos una contradiccin

Veamos ahora que en realidad cada uno de los trminos en esta suma es
una solucin de la ecuacin 5.16. Dado C cualquiera consideremos el
espacio vectorial de funciones de lR V C de la forma e t w(t ), donde w(t )
es un polinomio 1 en t . Este espacio es invariante bajo la accin de ddt , ya que
tomando su derivada obtenemos una expresin similar, es decir el producto
de la misma exponencial por otro polinomio. Por otro lado es invariante
ante la accin de A, ya que como A no depende de t su accin en cualquier
e t w(t ) nos da otra expresin semejante. Por lo tanto, la accin de ddt A
tambin nos mantendr en el mismo espacio. Vemos as que si tenemos una
suma de trminos con esa estructura y con distintos valores de , como es
1
Es decir una combinacin lineal de vectores en V C con coeficientes polinmicos en t .

122
 d
el caso en la ecuacin anterior, 5.23, luego si la aplicacin de dt
A nos da
d
cero esto significa que la aplicacin de A a cada trmino de la suma debe
dt
dar cero. Es decir cada trmino es una solucin de la ecuacin 5.16! Es as
que concluimos que cada trmino en la suma 5.16 es de la forma e At v 0 para
algn v 0 V C . Consideremos ahora el subconjunto W de V C , tal que si
v 0 W luego e At v 0 = e t v(t ). Est claro que los nicos subespacios no
triviales sern aquellos con = i , donde {i }, i = 1..d son los autovalores
de A. Por lo tanto debemos considerar solo estos subconjuntos. Como esta
relacin es lineal, W es un subespacio de V C . Como e At Av 0 = Ae At v 0 =
e t Av(t ) = e t v 0 (t ) y v 0 (t ) es tambin polinomial en t , vemos que W es
un subespacio invariante de A. Mientras que usando una base de W en la
que la restriccin a ese espacio de A es triangular superior vemos que es
el nico autovalor que dicha restriccin puede tener. Finalmente, como toda
solucin de 5.16 tiene la forma 5.23 el teorema de existencia de soluciones nos
asegura que cualquier dato inicial, es decir cualquier elemento de V C , puede
ser expresado como combinacin lineal de elementos en Wi . En efecto, sea
v 0 un elemento cualquiera de V C cualquiera, del teorema de existencia de
soluciones, tenemos entonces una nica solucin de 5.16 x(t ) con x(0) = v 0 .
Pero entonces
m
e i t v i (t )
X
x(t ) =
i=1
m
X
= e At v 0i , (5.28)
i=1

para algn conjunto de vectores {v 0i } Wi . Evaluando esta expresin en

Pm
t = 0 obtenemos, v 0 = i=1 v 0i y vemos que los Wi generan V C . Por
otro lado la unicidad de las soluciones implica que ningn elemento de un
dado Wi puede ser escrito como una combinacin lineal de elementos de
los otros W [de lo contrario un mismo dato inicial dara origen a dos so-
luciones distintas (ya que su dependencia funcional sera distinta)]. En efec-
to, sea 0 = v 01 + . . . + v 0s una combinacin lineal cualquiera de elemen-
tos de Wi , i = 1..s, veamos que cada uno de ellos debe anularse. Por la
unicidad
P m deAtlas soluciones
P m a tlas ecuaciones ordinarias tenemos entonces que
0 = i=1 e v 0i = i=1 e i v i (t ) por lo visto anteriormente, cada elemento
en la ltima suma debe anularse y por lo tanto, evaluando a estos en t = 0
obtenemos v 0i = 0 i = 1..s. Resumiendo lo anterior tenemos,

123
Teorema 5.3 Dado un operador A : V C V C existe un conjunto de subespa-
cios invariantes de A, {Wi }, donde i son los autovalores de A tales que:

a) V C = W1 W2 Wd

b) El nico autovalor de la restriccin de A en {Wi } es i .

Concluimos el estudio de las soluciones de la ecuacin 5.16, o sea de la

funcin e At con una descripcin pormenorizada de la forma de las mismas
que se obtiene usando la representacin matricial de A en la base donde ad-
quiere la forma cannica de Jordan. Es decir, para todo subespacio invariante
Wi la restriccin de A en este subespacio tiene la forma,

A = i + i , (5.29)

donde los nmeros i son los autovalores correspondientes a A en general

complejos y por lo tanto estamos considerando ahora a A como un operador
de C n en C n y i es una matriz cuyas nicas componentes no nulas son
unos y slo pueden estar en la diagonal superior inmediata a la mayor. La
matriz i tiene la importante propiedad de ser nilpotente, es decir existe un
m
entero mi menor o igual a la multiplicidad de i , tal que i i = 0.
Como i I y i conmutan tenemos que

e t i I +t i = e t i I e t i , (5.30)

m i 1 (t i ) j
pero e t i I = e t i I y e t i =
X
, es decir una suma finita.
j =0 j!

Debido a que la exponencial de A es una suma de potencias de A se cumple

que los espacios invariantes de sta son los mismos que los de A y por lo tanto,
e t A|Bi = e t Ai . De esto concluimos que la matriz e t A es de la forma

k
0
k1

e tA =

.. (5.31)

.

kp

124
con cada ki una sub-matriz cuadrada, la k0 = d i a g (e t 1 , . . . , e t n ) y si i 6= 0

1 t t 2 /2 t n1 /(n 1)!

..
1 t .


..
1 .
ki = e t

, (5.32)

..

. t 2 /2

..

0 . t

1

donde el nmero de filas o columnas es el mismo que las de las Ji correspon-

diente a A en la composicin de Jordan, este es menor o igual a la multiplici-
dad de i como raz del polinomio caracterstico.
La base en la cual A tiene la forma cannica de Jordan es en general com-
pleja, es en realidad una base en C n . Si deseamos usar una base real, lo cual es
posible ya que partimos de tener a A como operador de lRn en lRn , y hacemos
la transformacin correspondiente la matriz e At sufrir la transformacin de
semejanza correspondiente. Como esta transformacin es independiente del
tiempo, si bien las componentes de e At no tendrn la forma anterior, stas se-
rn sumatorias de trminos exponenciales por polinomios en t . Por lo tanto
cada componente de la solucin general de 5.16 ser de la forma,
q n
(e t p + e t p ) P pi (t ) + i(e t p e t p ) Q pi (t )
X o
x i (t ) = (5.33)
p=1

donde q es el nmero de autovalores distintos contando a los pares comple-

jos como uno solo y P pi , Q pi son polinomios en t cuyo grado es menor o
igual a la multiplicidad con que aparece el autovalor p como raz del poli-
nomio caracterstico. Esta informacin es til en dos sentidos. En el prctico
debido a que si bien el mtodo de construir la solucin usando una base en
la que A tiene la forma cannica de Jordan es directo, para sistemas de gran
dimensin se torna engorroso. En algunos casos es conveniente calcular los
autovalores y su multiplicidad y luego suponer una solucin de la forma 5.33
y calcular los polinomios P pi , Q pi .
Este mtodo tambin es til en el sentido que nos permite conocer el
comportamiento global de las soluciones. Por ejemplo vemos que si la parte
real de los autovalores no es positiva y aquellos cuya parte real es cero no
aparecen repetidos, entonces todas las soluciones son acotadas [Existe C > 0

125
tal que kx(t )k < C .] Si adems todos tienen parte real negativa luego todas
las soluciones tienden asintticamente a la solucin trivial [ lm x(t ) = 0 ].
t

Analizaremos ahora en detalle el caso en que todos los autovalores son

distintos. Note que si bien ste es el caso genrico, en el sentido que si un
sistema tiene autovalores coincidentes luego existen modificaciones arbitra-
riamente pequeas de ste que hacen que los autovalores sean distintos los
sistemas con autovalores coincidentes aparecen en fsica. Este caso contempla
tambin la situacin de un sistema general donde los datos iniciales pertene-
cen a uno de los subespacios unidimensionales Bi .
Como el operador A es real sus autovalores sern reales o complejos con-
jugados [si d e t (A I ) = 0 luego d e t (A I ) = d e t (A I ) = 0]. Si i es
real luego su autovector puede ser elegido real. En efecto si (A I )u i = 0,
luego tambin (A I )u i = 0, pero las races son simples y por lo tanto cada
i tiene un solo autovectormdulo un escalar complejo, es decir u i = u i
C . Eligiendo v i = u i + u i = (1 + ) u i obtenemos un autovalor real.
En este caso tenemos que la componente x0i de x 0 en la auto-base en la
direccin v i evoluciona como

x i (t ) = x0i e i t , (5.34)

es decir crece o decrece exponencialmente con el tiempo de acuerdo al signo

de i
Si el autovalor i es complejo entonces podemos elegir su autovector u i
de forma que sea el complejo conjugado al elegido correspondiente a i . Este
par de autovectores generan un sub-espacio complejo 2-dimensional. Si x 0
pertenece a este subespacio y es real entonces tendr la forma x 0 = a(u i +
u i ) i b (u i u i ) con a y b reales, o sea x 1 = u i + u i y x 2 = i(u i u i )
forman una base real.
Cmo cambian estos vectores si les aplicamos el operador e At ? Es decir,
cules son las soluciones de la ecuacin x = A x con condiciones iniciales x 1
y x 2 ? Llamando a estos x 1 (t ) y x 2 (t ) respectivamente y usando que e At u i =
e i t u obtenemos,
i

x 1 (t ) = e i t (x 1 cos wi t x 2 sin wi t )
(5.35)
x 2 (t ) = e i t (x 2 cos wi t + x 1 sin wi t ),

con i = i + i wi .
Vemos que la accin del operador e At es en este caso la de dilatar los
vectores por un factor e i t y la de rotarlos un ngulo wi t .

126
5.4. Problemas

Problema 5.1 Dado un conjunto de funciones { fi (t )}, i = 1, .., n se definen

(1)
vectores u i (t ) := ( fi (t ), fi (t ), . . . f (n1) ) y el Wronskiano del sistema como
W ({ fi })(t ) := "(u 1 (t ), u 2 (t ), . . . , u n (t )). Si el Wronskiano de un conjunto de
funciones no se anula, entonces las funciones son linealmente independientes, es
decir ninguna combinacin lineal no trivial de las mismas (con coeficientes cons-
tantes) se anula. La conversa no es cierta. Calcule el Wronskiano de los siguientes
conjuntos:
a) {4, t }
b) {t , 3t , t 2 }
c) {e t , t e t , t 2 e t }
d) {sin(t ), cos(t ), cos(2t )}
e) {1, sin(t ), sin(2t )}

Problema 5.2 Decida si el siguiente conjunto de funciones es linealmente de-

pendiente o no. Luego calcule el Wronskiano.

0, 0 x 1/2
f1 (t ) = (5.36)
(x 1/2) , 1/2 x 1
2

(x 1/2)2 , 0 x 1/2

f2 (t ) = (5.37)
0, 1/2 x 1

Problema 5.3 Use la teora de ecuaciones diferenciales ordinarias para probar

las siguientes identidades:
a)
e s Ae t A = e (s+t )A, (5.38)
b)
e Ae B = e A+B , si y solo si [A, B] := AB BA = 0. (5.39)

Problema 5.4 Grafique los campos vectoriales correspondientes a los siguientes

sistemas y algn conjunto de soluciones tpicas de los mismos.
a)
 
d
 
x1 1 0 x1
= (5.40)
dt x2 0 12 x2
b)
d
    
x1 1 0 x1
= (5.41)
dt x2 0 1 x2

127
 c)
d
    
x1 1 1 x1
= (5.42)
dt x2 0 1 x2
d)
d
    
x1 1 0 x1
= (5.43)
dt x2 1 1 x2
e)
d
    
x1 0 1 x1
= (5.44)
dt x2 1 0 x2
f ) (compare las soluciones con las del punto b)
d
    
x1 0 1 x1
= (5.45)
dt x2 1 0 x2
g)
d
    
x1 i 0 x1
= (5.46)
dt x2 0 i x2
h)
d 1+i
    
x1 0 x1
= (5.47)
dt x2 0 1i x2
i)
d 1+i
    
x1 0 x1
= (5.48)
dt x2 1 1i x2

Problema 5.5 Lleve estas ecuaciones a sistemas de primer orden y encuentre la

solucin general de las ecuaciones:
3 2
a) d x3 2 d x2 3 dd xt = 0
dt dt
d3x d2x
b) 3 +2 + dd xt = 0
dt d t2
d3x 2
c) + 4 d x2 + 13 dd xt = 0
d t3 dt
d4x 3 2
d) + 4 d x3 + 8 d x2 + 8 dd xt +4=0
d t4 dt dt
2
Problema 5.6 (Ley de Newton) Sea la ecuacin d x2 + f (x) = 0.
Rx dt
a) Pruebe que 12 x 2 + x f (s)d s es una integral primera.
0
2
b) Encuentre la integral primera de d x2 x + x 2 /2 = 0.
dt
c) Grafique el campo vectorial correspondiente y alguna de sus soluciones. En-
cuentre sus soluciones estacionarias (o puntos de equilibrio) y estudie sus entornos
lineralizando la ecuacin en estos puntos.

128
Problema 5.7 Estudie el siguiente sistema

x1 = x1 x1 x2 x23 + x3 (x12 + x22 1 x1 + x1 x2 + x23 )

x2 = x1 x3 (x1 x2 + x1 x2 )
x3 = (x3 1)(x3 + 2x3 x22 + x33 ) (5.49)

a) Encuentre los puntos de equilibrio.

b) Muestre que los planos x3 = 0 y x3 = 1 son conjuntos invariantes, (es decir,
las soluciones que comienzan en los mismos nunca los abandonan).
c) Considere el conjunto invariante x3 = 1 y vea si tiene soluciones peridi-
cas.

129
130
 CAPTULO 6

ESTABILIDAD

Las soluciones estacionarias o de equilibrio son muy importantes en fsi-

ca ya que muchos sistemas (especialmente aquellos donde hay disipacin) se
comportan de forma tal que la solucin se aproxima, en su evolucin, a estas
soluciones.
Otra particularidad que las hace importantes es el hecho que stas estn
simplemente dadas por los puntos donde el campo vectorial se anula, y por lo
tanto a lo sumo se debe resolver una ecuacin algebraica para encontrarlas, en
contraste con el caso general donde debemos resolver una ecuacin diferen-
cial. Incluso en algunos casos es posible inferir que el campo vectorial se debe
anular, tal es el caso por ejemplo si la variedad es una esfera bi-dimensional
ya que cualquier campo vectorial continuo definido sobre sta es tal que al
menos existen dos puntos donde ste se anula, y por lo tanto en este caso
siempre habr soluciones estacionarias.

Ejercicio: Convnzase que esto es as.

Por lo dicho anteriormente se desprende que es importante estudiar el

comportamiento de las soluciones que se originan de datos iniciales cercanos
a una solucin estacionaria. Para ello definimos los siguientes conceptos de
estabilidad.

Definicin: Sea v un campo vectorial en M y sea p M tal que v( p) = 0.

Diremos que la solucin estacionaria (t ) p es estable si dado un entorno
Up de p existe otro entorno V p de p tal que toda solucin (t ) con (0) V p
satisface (t ) Up t 0. [Ver figura 6.1.]

Definicin: Diremos que la solucin anterior es asintticamente estable si

131
es estable y adems si (0) V p luego lm (t ) = p.
t +

Vp

Up

Figura 6.1: Estabilidad.

Si una solucin estacionaria no es estable entonces no tiene mucho inters

fsico ya que la ms mnima perturbacin nos aleja mucho de sta.

Ejemplos:
a) La ecuacin del crecimiento bacteriano x = a x b x 2 tiene como solucio-
nes estacionarias x(t ) 0 y x(t ) ba . Como la solucin general es,

x(0)e a t
x(t ) = , x(0) 0 (6.1)
b x(0) a t
1+ a
(e 1)

se ve claramente que x(t ) = 0 no es una solucin estable (a estas las llamare-

mos inestables) y que x(t ) ba es asintticamente estable. Si contaminamos
un recipiente de cultivo con una sola bacteria esto es suficiente para que sta
se reproduzca 1 hasta alcanzar (asintticamente) la concentracin ba . Si ahora
sacamos o agregamos algunas bacterias cosa de cambiar su concentracin las
bacterias se reproducirn o aniquilarn hasta alcanzar nuevamente la concen-
tracin estable ba .

b) La ecuacin x = Ax tiene entre sus soluciones estacionarias la dada por

x(t ) 0. Cules otras? stas sern estables cuando los autovalores de A,
i , satisfagan (i ) 0, i 6= j o (i ) < 0 si i = j , donde indica
1
Note que en el proceso real no tenemos una variable continua y por lo tanto en l las
perturbaciones son como mnimo de una bacteria, esto hace que sea posible tener recipientes
estriles y por lo tanto la inestabilidad matemtica no se manifiesta en la realidad.

132
parte real. Esto es claro ya que la solucin general es x(t ) = e At x(0) y la
condicin mencionada implica que ke At kL < C , C > 0 t 0. En este
caso podemos tomar como Up=0 = {x lRn | |x| < } y por V p=0 = {x
lRn | |x| < C }. Si adems se cumple que (i ) < 0 i = 1, ..., n luego x(t ) 0
es asintticamente estable.
El siguiente teorema nos brinda una herramienta muy prctica para co-
nocer cuando una solucin estacionaria es estable o no.

Teorema 6.1 (de Estabilidad) Sea (t ) p una solucin estacionaria de v

T M , es decir v( p) = 0, y sea A : T p M T p M definido por,

d
Ax v( x (s))| s=0 , (6.2)
ds

donde x (s) es una curva en M satisfaciendo: x (0) = p y dds x | s=0 = x T p M ,

es decir es una curva suave cualquiera que pasa por p cuando s = 0 y en ese punto
tiene como tangente a x T p M . Si (i ) < 0, donde i son los autovalores de
A, luego (t ) p es asintticamente estable. Si algn i tiene parte real positiva
luego (t ) = p es inestable.

Ejercicios:
a) Muestre que A es realmente un operador lineal.

b) Muestre que Ax = [v, x]| p , donde x es cualquier campo vectorial tal que
x| p = x. Ayuda: no olvide que v| p = 0.

Ejemplos:
a) Considere la ecuacin del crecimiento bacteriano en x = 0 y x = ba . Para el
primer caso tomamos x (s ) = x s y obtenemos,

d
A x = (a x s b ( x)2 s 2 )| s=0 = a x, (6.3)
ds
lo que muestra que x = 0 es una solucin inestable ya que a > 0. Para el
segundo caso tomamos x = ba + x s luego

d a2 a
A x = ( + a x s b ( + x s )2 )| s=0 = a x 2a x = a x, (6.4)
ds b b
lo que muestra que es asintticamente estable.

133
b) Pndulo fsico con friccin: = s e n k , k > 0. El campo vectorial
en este caso est dado por,

= z
(6.5)
z = s e n k z,
es decir el vector con componentes (z, s e n k z) en el espacio de las fases
que es este caso es un cilindro, z [, +], [0, 2].

Figura 6.2: Pndulo fsico con friccin.

Este vector se anula slo en p1 = ( = 0, z = 0) y p2 = ( = , z = 0).

Para la primera solucin estacionaria, usando (s) tal que,
s
 
(s) = , (6.6)
z s
obtenemos,

    
0 1
A = . (6.7)
z 1 k z
En este caso la ecuacin
p de autovalores es 2 + k + 1 = 0 de lo cual obtene-
k k 2 4
mos, = , lo que implica ( ) < 0 y as estabilidad.
2
Para la segunda solucin estacionaria tomamos (s) tal que,
s +
 
(s) = (6.8)
z
y obtenemos

    
0 1
A = . (6.9)
z 1 k z

134
 p
k k2 + 4
con autovalores = , lo que implica ( ) > 0 y as inesta-
2
bilidad.
De los ejemplos se ve que este teorema es de aplicacin amplia. Como es-
tabilidad es una nocin local para facilitar la demostracin tomaremos M =
lRn y un sistema coordenado cartesiano con origen en la solucin estable
a considerar. Usaremos varios resultados previos que probamos a continua-
cin.

Teorema 6.2 (de Lyapunov) Sea A : lRn lRn un operador lineal cuyos au-
tovalores tienen parte real negativa. Luego existe un tensor de tipo (2, 0), (, ),
simtrico y positivo definido [ (w, v) = (v, w) y (w, w) 0 (= s i i w =
0)] tal que,
Ax( (x, x)) < 0 x 6= 0,
es decir la derivada de (x, x) en la direccin Ax es negativa.

La interpretacin geomtrica de esta condicin es que (x, x) define una

norma cuyas superficies de nivel son tales que en cada una de stas el vector
Ax en p = x apunta hacia adentro. Ver figura.

~ ~x
A

~x

Figura 6.3: La norma (x, x).

Prueba: Si todos los autovalores de A son distintos luego existe una base de
Jordan {u i }, i = 1, ..., n y la correspondiente co-base { i }, i = 1, ..., n (con
i
i (u j ) = ji ) tal que A = ni=1 i u i i . Sea en este caso = ni=1 i .
P P

135
 P 0
Si z = ni=1 z i u i e y = ni=1 y i u i C n , luego (z, y) = ni=1 z i y i +
P P
P(nn 0 )/2 i i
0 (z y + z i y i ) donde hemos separado la suma en la de los autovec-
n +1
tores reales y en la de los complejos conjugados. Es fcil ver que el ( , )
obtenido al restringir z e y a lRn es la norma cartesiana usual en la base real
correspondiente. Calculemos ahora Ax( (x, x)).
(x + "Ax, x + "Ax) (x, x)
Ax( (x, x)) = lm"0
"
= (Ax, x) + (x, Ax) (6.10)

= 2 ni=1 (i )x i x i < 0.
P

Hemos probado as el teorema para el caso diagonalizable. El caso en que A

no lo es es ms complicado y para ello usaremos los siguientes lemas.

Lema 6.1 Dado > 0 existe una base {u i } tal que en esa base

A = d i a g .(1 , ..., n ) + ,

con una matriz con componentes distintas de cero (e igual a uno) a lo sumo en
la diagonal inferior, es decir,

1 0 0 . . . 0

" 0 . . . 0
2
A= . . . . . . . . (6.11)

0 . . . . . 0


0 . . . . " r

Prueba: Es un simple cambio de escala de la base de Jordan de A. Por ejemplo

en C 3 si {u i } es tal que en ella,

0 0

A= 1 0 . (6.12)

0 1
u 1 u 2
definiendo u 1 = , u2 = , y u 3 = u 3 , vemos que en esta nueva base,
2
0 0

A= " 0 . (6.13)

0 "

136
 u 1 u 1 u 2 u 1 + u 2
[Au 1 = A = = u 1 , Au 2 = A = = u 1 + u 2 , etc.].
2
2
Lema 6.2 El conjunto de tensores simtricas positivas es abierto en el conjunto
de formas simtricas, es decir si 0 es simtrica y positiva y 1 es simtrica luego
existe > 0 tal que 0 + 1 es tambin positiva.

Prueba: Sea B1 la esfera unidad con respecto a alguna norma en lRn y conside-
remos 0 (x, x) : B1 lR+ . Como B1 es compacta 0 alcanza all su mnimo,
mi n . Anlogamente 1 alcanza all su mximo, que llamaremos ma x . To-
mi n
mando " < se cumple lo requerido.
ma x

Ejemplo: En lR2 sea 0 ((x1 , y1 ), (x2 , y2 )) = x1 x2 +y1 y2 y 1 ((x1 , y1 ), (x2 , y2 )) =

x1 y2 + x2 y1 , luego 0 + " 1 es positiva si |"| < 2.

Para completar la demostracin del teorema de Lyapunov tomaremos

X i
= i ,
i

donde { i } es la co-base encontrada en el lema 6.1 con " > 0 a determinar.

Luego,
Ax( (x, x)) = (Ax, x) (x, Ax)
(6.14)
= 2 ni=1 (i )x i x i 2" n1 f x i x i+1 ,
P P
i=1 i

con fi = 1 0 segn haya " o no en ese lugar de la diagonal inmediata su-

perior. El primer trmino es una forma positiva definida 0 evaluada en x
en ambas entradas. El segundo es una forma simtrica " 1 evaluada en x en
ambas entradas. El segundo lema nos dice que tomando " pequeo 0 + " 1
es tambin positiva definida. Esto concluye la prueba del teorema.
Note ahora que no solo la que hemos encontrado es simtrica y positiva
definida y por lo tanto una norma en lRn , sino que tambin Ax( (x, x)) es
positiva definida y define una norma [ya que Ax( (x, x)) = (Ax, x)
(x, Ax)]. Pero ya vimos que en lRn todas las normas son equivalentes y por
lo tanto existir > 0 tal que
1
(x, x) Ax( (x, x)) 2 (x, x). (6.15)
2

137
Este es el resultado que utilizaremos para la prueba del teorema de estabilidad
que damos a continuacin.

Prueba del Teorema de Estabilidad: Hemos visto que si (i ) < 0 luego exis-
te una constante > 0 y una forma simtrica positiva definida ( , ) tal que

Ax( (x, x)) 2 (x, x). (6.16)

Aplicando el campo vectorial que define la ecuacin, v(x) a (x, x) obtene-

mos,
v(x)( (x, x)) = Ax( (x, x)) + O( (x, x)3/2 ), (6.17)
donde hemos supuesto v es diferenciable y por lo tanto v(x) = Ax +O(|x|2 ).

Ejemplo: v(x) = (a x + b x 2 ) x y (x, x) = x 2 luego,

v(x)( (x, x)) = a x x (x, x) + 2b x 3

(6.18)
= a x x (x, x) + 2b
(x, x)3/2
1/2

Si x es suficientemente pequeo, [|x| < C para algn C > 0] se cumple

que O( (x, x)3/2 ) < ( (x, x)) y por lo tanto tenemos que

v(x)( (x, x)) 2 (x, x) + (x, x) (x, x). (6.19)

Sea entonces (t ) una solucin con dato inicial suficientemente cercano

a x = 0, es decir (t ) = v((t )), |(0)| < C . Definiendo 2

r (t ) = ln ((t ), (t )) (6.20)

y derivando con respecto a t obtenemos,

((t),(t )) v ((t ))( ((t ),(t )))

2
r (t ) = =
((t ),(t )) ((t ),(t )) (6.21)
.

Por lo tanto r (t ) r (0) t , he integrando concluimos que

((t ), (t )) ((0), (0))e t , (6.22)

2
Por unicidad de la solucin (t ) 6= 0 y por lo tanto ((t ), (t )) > 0 y el logaritmo est
bien definido.

138
lo que implica que (t ) 0 y concluye la demostracin del teorema. 3
t

Es instructivo observar que la prueba se basa en la construccin de una

norma, (x, x), especialmente adaptada al problema en el sentido que nos
asegura que en sus superficies de nivel el vector v(x) (si x es suficientemente
pequeo) apunta hacia adentro.

6.1. Problemas

Problema 6.1 (La ecuacin de Volterra-Lotka) Sea el sistema:

x1 = (a b x2 )x1
x2 = (c f x1 )x2 , (6.23)
a, b , c, f 0.
a) Haga una trasformacin de coordenadas y tiempo que lo lleve a la forma,
x1 = (1 x2 )x1
x2 = (e x1 )x2 (6.24)
b) Grafique el campo vectorial y vea que no hay integrales primeras no tri-
viales en los cuadrantes donde al menos una de las coordenadas es negativa.
c) Encuentre las soluciones de equilibrio y determine cules son estables y
cules no.
d) Examine el cuadrante positivo mediante la transformacin: x1 = e q1 ,
x2 = e q2 y vea que all la cantidad f (q1 , q2 ) := e q1 + q2 (e q1 + e q2 ) es una
integral de movimiento. Utilice esta informacin para inferir que en ese cua-
drante las trayectorias permanecen en regiones acotadas.
e) Examine las ecuaciones linealizadas alrededor de la solucin de equilibrio
en el cuadrante positivo y determine cul sera la frecuencia de oscilaciones de las
variaciones cercanas a equilibrio que tendra el sistema.
Nota, esta ecuacin describe la poblacin de dos especies en competencia. Lo
que acabamos de ver es que las especies no crecen indefinidamente ni desaparecen.
Esto ltimo nos dice que la aproximacin no es muy buena... Note que x2 repre-
senta un predador que depende exclusivamente para su subsistencia de la presa
x1 , ya que si sta se extingue el predador lo sigue.
3
En realidad debemos probar adems que si |(0)| < C luego (t ) existe para todo t .
Pero la ltima desigualdad probada nos dice que (t ) no puede abandonar la regin compacta
{x| (x, x) ((0), (0))} y por lo tanto el teorema de extensin nos asegura que (t ) existe
para todo t [0, +).

139
Problema 6.2 Si en el sistema anterior las especies tienen otros medios alterna-
tivos de subsistencia entonces las ecuaciones resultantes son:

x1 = (1 x1 a x2 )x1
x2 = (1 x2 + b x1 )x2 (6.25)

donde se ha usado otra parametrizacin.

a) Encuentre las soluciones de equilibrio para los casos i) 0 < a < 1, y ii)
1 < a.
b) Se observa que b 3a (a nos indica cuan agresivo es el predador). Cul
es el valor de a si su instinto lo lleva a maximizar la poblacin de su especie
manteniendo un equilibrio estable?
c) Mire el sistema cerca de su solucin de equilibrio y determine la frecuencia
de las oscilaciones en el nmero de especies que esperara en ese entorno.

Problema 6.3 (Ciclo lmite) Considere el sistema:

x1 = x2 + x1 (1 (x12 + x22 ))
x2 = x1 + x2 (1 (x12 + x22 )). (6.26)

a) Lleve este sistema a un par de ecuaciones desacopladas,

r = f (r )
= 1. (6.27)

b) Estudie los puntos de equilibrio de la primera ecuacin y su estabilidad.

Cul es la solucin del sistema original correspondiente a este punto de equili-
brio?
c) Grafique soluciones cerca de estos puntos, en el plano (r, ) y en el plano
(x1 , x2 ).
d) Utilice el mtodo descripto al final de captulo 4 para corroborar la estabi-
lidad encontrada en el punto b).

Problema 6.4 (Verhulst) Encuentre las soluciones de equilibrio (y analice su

estabilidad) del sistema:

x = y
y = x 2x 3 (6.28)

Grafique algunas soluciones.

140
Problema 6.5 (Verhulst) Encuentre las soluciones de equilibrio (y analice su
estabilidad) del sistema:

x = x 2 y 3
y = 2x(x 2 y) (6.29)

Grafique algunas soluciones.

Problema 6.6 (Verhulst) Encuentre las soluciones de equilibrio (y analice su

estabilidad) del sistema:

x = x
y = 1 (x 2 + y 2 ) (6.30)

Grafique algunas soluciones.

141
142
 CAPTULO 7

PRUEBA DEL TEOREMA FUNDAMENTAL

Solo probaremos los puntos i) y i i), para lo cual usaremos el mtodo de

aproximaciones sucesivas de Picard, que tiene su importancia en aplicaciones.
La prueba del punto i i i ) es de carcter tcnico y no aporta ninguna ensean-
za extra de consideracin. Punto i v) sigue de los puntos i) y i i ) y la prueba
de esto es idntica a la del Corolario 1.2 del Teorema anlogo para el caso de
una EDO.
Para la prueba de estos puntos deberemos desarrollar algunas ideas y re-
sultados de la teora matemtica de espacios vectoriales de dimensin infinita.
Nos restringiremos a lo mnimo que el teorema requiere ya que estos temas
sern desarrollados ms extensamente en la segunda parte de este curso.

Definicin: Diremos que un espacio vectorial, V es de dimensin infinita si

tiene un nmero infinito de vectores linealmente independientes.
Ejemplos:
a) Sea V el conjunto de todas las sucesiones {xi }, i = 1, . . . , de nmeros
reales. Este es un espacio vectorial si definimos la suma y el producto de
sucesiones por medio de la siguiente frmula,

{xi } + {yi } = {xi + yi }. (7.1)

Estos vectores se pueden escribir tambin como {xi } = (x1 , x2 , x3 , . . .) con

lo que se ve que es la extensin de lRn con n . Claramente los u 1 =
(1, 0, 0, . . .); u 2 = (0, 1, 0, . . .); u 3 = (0, 0, 1, . . .); son linealmente independien-
tes e infinitos en nmero.

b) Sea V el conjunto de funciones continuas en el intervalo [0, 1]. Este es un

espacio vectorial ya que si f y g son continuas en [0, 1], luego h = f + g ,
lR, es tambin continua en [0, 1].

143
 PMun =n x n , n N , esn linealmente independiente
n
El conjunto
PM den vectores
e infinito ( n=0 c un = n=0 c x = 0 = c = 0 n M ) ya que un
polinomio de grado M tiene a lo sumo M races.
A los espacios de dimensin infinita tambin se les puede asignar nor-
mas, pero en este caso stas no son equivalentes y por lo tanto habr que ser
cuidadoso en no confundir las estructuras resultantes. Para ello asignaremos
distintos nombres a los espacios con distintas normas.
Ejemplos: a) El espacio vectorial normado l 2 es el espacio de sucesiones infi-
s
X
nitas con la norma k{xi }k2 = xi2 < .
i =1
b) El espacio vectorial normado l es el espacio de sucesiones infinitas con
la norma k{xi }k = s u pi {|xi |}. Es decir el espacio de todas las sucesiones
acotadas.
c) El espacio vectorial normado C [a, b ] es el espacio de funciones continuas
con la norma k f kc = s u p x[a,b ] {| f (x)|}. Es decir el espacio de funciones
continuas acotadas en [a, b ].

Ejercicios:
1) Muestre que las normas definidas en el ejemplo anterior son en realidad
normas.
2) Muestre que existen sucesiones en l que no pertenecen a l 2 . Ayuda: En-
cuentre una de ellas. P
3) Muestre que k{xi }kn := n |x |n
i =1 i
s u pi {|xi |}.
n

A diferencia del caso de dimensin finita, un espacio normado de dimen-

sin infinita no necesariamente es completo. Para ilustrar esto consideremos
el espacio vectorial normado l0 el cual es un subespacio de l que consis-
te en todas las sucesiones acotadas con solo un nmero finito de trminos
no nulos. Cada sucesin {xi }n = (1, 1/2, 1/3, . . . , 1/n, 0, 0, . . .) est en l0 , la
sucesin de sucesiones {{xi }n } es de Cauchy
1
 
k{xi } m {xi }n k = 0
n + 1 n
y converge a la sucesin {xi } = (1, 1/2, 1/3, . . .) l que no pertenece a l0 .
Por lo tanto l0 no es completo.

Definicin: Diremos que un espacio vectorial normado (V , kk) es un espacio

de Banach si es completo.

144
Ejemplos: lRn con cualquiera de sus normas, l 2 y l son espacios de Banach.

Un importante resultado, crucial en la prueba del Teorema Fundamental

es el siguiente teorema.
Teorema 7.1 El espacio vectorial de funciones continuas acotadas, C [a, b ] es
completo.

Prueba: Sea { fn (x)} una sucesin de Cauchy en C [a, b ], es decir cada fn (x) es
una funcin continua y acotada en [a, b ] y se cumple que dado " > 0 existe
N > 0 tal que m, n > N k fn f m kc = s u p x[a,b ] | fn (x) f m (x)| < ".
Pero entonces para cada x [a, b ] la sucesin de nmeros reales { fn (x)}
es de Cauchy. Pero los nmeros reales son completos y por lo tanto para
cada x [a, b ] { fn (x)} converge a un nmero que llamaremos f (x). Pero
entonces dado " > 0 para todo N tal que m, n N implique k fn f m kc < ",
tenemos que

s u p x[a,b ] | f (x) fN (x)| = s u p x[a,b ] lm | fn (x) fN (x)|

n
s u pnN s u p x[a,b ] | fn (x) fN (x)| (7.2)
= s u pnN k fn fN kc < ".
Por lo tanto si pudisemos probar que f C [a, b ] entonces tendramos
que k f fn kc 0, n y por lo tanto que { fn } f en C [a, b ] y el
teorema estara probado.
Sea x [a, b ] cualquiera y dado, probaremos que f es continua en x y
as en todo [a, b ]. Sea " > 0, queremos encontrar un tal que |x y| <
implique | f (x) f (y)| < ". Tomemos N tal que k f fN kc < "/3 y tal que
|x y| < implique | fN (x) fN (y)| < "/3 [Esto es posible pues las fN (x)
son continuas en [a, b ]]. Luego |x y| < implica
| f (x) f (y)| | f (x) fN (x)| + | fN (x) fN (y)| + | fN (y) f (y)|
1 (7.3)
< 3
" + 13 " + 13 " = ".

y por lo tanto la continuidad de f (x). Como [a, b ] es un conjunto compacto

(cerrado y acotado) luego f es acotada en [a, b ] y por lo tanto pertenece a
C [a, b ]

Definicin: Sea T : V V un mapa de un espacio de Banach V en s mismo.

Diremos que T es una contraccin si existe < 1 tal que:
kT (x) T (y)kV kx ykV . (7.4)

145
Ejemplos: x
a) El mapa lineal en l 2 ; A{x i } = i+1i .
b) El Mapa de lR2 en lR2 que manda al punto (x, y) en el punto (x0 +
x/2, y/2).
c) Una funcin Lipschitz cualquiera de lR en lR con mdulo de continui-
dad (k) menor que uno.

La propiedad importante de estos mapas es el siguiente teorema

Teorema 7.2 Sea T : V V una contraccin. Luego existe un nico v V

tal que T (v) = v, adems la sucesin T n (u) tiende a v cualquiera sea u.

Prueba: Sea kT (u) uk = d , luego kT n+1 (u) T n (u)k n d y si m > n

kT m (u) T n (u)k
= kT m (u) T m1 (u) + T m1 (u) T m2 (u) + T n (u)k
kTP m
(u) T m1 (u)k + kT m1 (u) T m2 (u)k +
d nm m .

Como n converge {T n (u)} es una sucesin de Cauchy. Pero V es

P
n=0
completo y por lo tanto existe v V tal que lmn T n u = v.
Como toda contraccin es continua tenemos que

T (v) = T ( lm T n (u)) = lm T n+1 (u) = v.

n n

Solo resta probar que v es nico. Supongamos por contradiccin que

exista w V distinto de v y tal que T w = w. Pero entonces kw vkV =
kT (w) T (v)kV kw vkV lo que es una contradiccin ya que 6= 1

Ejercicio: Sea T : BR,x0 BR,x0 , BR,x0 V una bola cerrada de radio R alrede-
dor de x0 , una contraccin 1 . Probar para este caso las mismas afirmaciones
que en el teorema anterior.

Prueba de los puntos i) y i i ) del teorema fundamental. Como solo que-

remos ver existencia y unicidad local, es decir solo en un entorno de un punto
p de M es suficiente considerar el sistema en lRn . Esto nos permitir usar la
norma eucldea all presente. Para ver esto tomemos una carta (U , ) con
1
Acomode tambin la definicin de una contraccin para este caso.

146
 p U y por simplicidad ( p) = 0 lRn . Usando este mapa podemos trasla-
dar el campo vectorial v en M a un campo vectorial v definido en un entorno
del cero en lRn . All trataremos el problema de encontrar sus curvas integrales
g (t , x) que pasan por el punto x (U ) al tiempo t = 0. Luego por medio
del mapa 1 obtendremos en M las familias monoparamtricas de difeomor-
fismos g t (q) , q U , que sern tangentes en todo punto al campo vectorial
v.
Con esto en mente, solo resta por ver que para R > 0 y " > 0 sufi-
cientemente pequeos existen curvas integrales, g (t , x) : [0, "] BR = {x
lRn | kxkV < R} lRn , del vector v, es decir mapas satisfaciendo

d g (t , x)
= v(g (t , x)) , g (0, x) = x, (7.5)
dt
con g (t , x) continua con respecto al segundo argumento, es decir con respec-
to a la condicin inicial. Por la suposicin de que v es Lipschitz 2 , tenemos
que existe k > 0 tal que x, y BR

kv(x) v(y)kV < k kx ykV . (7.6)

Consideremos ahora el espacio de Banach C ([0, "] BR ) que consiste en

todos los mapas continuos (en t y x ) de [0, "] BR en lRn con la norma

khkC = su p kh(t , x)kV ,

x BR (7.7)
t [0, "].

Sea el mapa de la bola de radio R en C ([0, "] BR ) en s misma dado por,

Zt
T (h) = v(x + h(, x)) d . (7.8)
0

Para que este mapa est bien definido supondremos R lo suficientemente pe-
queo como para que v est definido y satisfaga la condicin de Lipschitz en
B2R y " menor que R/C , donde C = max xB2R |v(x)|, de
modo que si khkC < R luego kx + h(, x)kV < 2R [0, "] y por lo tanto
kT (h)kC < R en todo C ([0, "] BR ). [Ver figura 7.1.]

Lema 7.1 Si " es suficientemente pequeo entonces T es una contraccin.

2
Para probar la existencia y unicidad de soluciones locales solo es necesario suponer que v
es Lipschitz.

147
 h

2R

Figura 7.1: Entornos usados en la prueba del Teorema Fundamental.

Prueba:
Z t
kT (h1 ) T (h2 )kV = kv(x + h1 (, x)) v(x + h2 (, x))kV d
0
Z t
k kh1 (, x) h2 (, x)kV d
0
k " kh1 h2 kC
y por lo tanto
kT (h1 ) T (h2 )kC k " kh1 h2 kC h1 , h2 C ([0, "] BR ).
Tomando " < 1/k completamos la prueba del Lema.
Este Lema y el Teorema 7.2 nos aseguran que existe un nico mapa h(t , x)
el punto fijo de T satisfaciendo
Zt
h(t , x) = T (h(t , x)) = v(x + h(, x)) d . (7.9)
0

Sea g (t , x) x + h(t , x), esta funcin es continua en ambos argumentos

ya que h(t , x) C ([0, "] BR ) y por construccin continuamente dife-
renciable en t ya que satisface (7.9). Diferenciando (7.9) con respecto a

148
t vemos que g (t , x) satisface la ecuacin (7.5) y su condicin inicial, lo que
completa la prueba de los puntos i) y i i ) del Teorema Fundamental.

7.1. Problemas

Problema 7.1 Vea que l 2 la bola unidad no es compacta. Ayuda: encuentre una
sucesin infinita en la bola unidad que no tiene punto de acumulacin.

Problema 7.2 Pruebe que la condicin

kA(x) A(y)k < kx yk (7.10)

no es suficiente para garantizar la existencia de un punto fijo. Ayuda: construya

un contraejemplo. Hay algunos muy simples usando funciones de la recta en s
misma.

Problema 7.3 Sea f : [a, b ] [a, b ] una funcin Lipschitz con constante
menor que la unidad en todo el intervalo [a, b ]. Demuestre usando el teorema
del punto fijo para contracciones que la ecuacin f (x) = x siempre tiene una
solucin. Grafique en un diagrama (y = f (x), x) la sucesin dada por xi =
f (xi1 ) para el caso de f con pendiente positiva y menor que uno en todo punto.
Qu sucede cuando la pendiente se hace mayor que uno en algn intervalo?

Problema 7.4 Sea g : [a, b ] lR una funcin continuamente diferenciable tal

que g (a) < 0, g (b ) > 0 y 0 < c1 < g 0 (x). Use el teorema del punto fijo de las con-
tracciones para probar que existe una nica raz g (x) = 0 en el intervalo. Ayuda:
defina la funcin f (x) = x g (x) para una constante convenientemente ele-
gida y encuentre un punto fijo: f (x) = x. Note que la sucesin aproximante es la
del mtodo de Newton para obtener races.

149
150
 CAPTULO 8

ELEMENTOS BSICOS DE ANLISIS FUNCIONAL

8.1. Introduccin

Esta rea de la matemtica estudia los espacios funcionales, es decir los

espacios cuyos elementos son ciertas funciones. Usualmente stos son de di-
mensin infinita. As es que sus resultados principales forman dos clases. Al-
gunos son resultados generales, vlidos para espacios vectoriales ms generales
que aquellos cuyos elementos son funciones. stos tienen un carcter geom-
trico o topolgico el cual trataremos de rescatar en todo momento. Los otros
son resultados particulares que nos relacionan distintos espacios funcionales
entre s. Estos son ms cercanos a los resultados del anlisis usual. Presenta-
remos aqu resultados de ambos tipos ya que de su conjuncin obtendremos
algunos aspectos de la teora de las EDP. Por razones de brevedad solo consi-
deraremos los puntos que nos sern tiles o aquellos para los que se requiera
un mnimo de esfuerzo extra para obtenerlos y su importancia cultural as lo
justifique.

8.2. Completando un Espacio Normado

En la primera parte de este curso introdujimos los espacios de Banach, es

decir espacios vectoriales con una norma definida en ellos y que eran comple-
tos con respecto a ella. All tambin probamos que el conjunto de funciones
continuas en un intervalo [a, b ] lR con la norma

k f k1 = S u p x[a,b ] {| f (x)|} (8.1)

era completo y por lo tanto Banach.

Cabe preguntarse si dado un espacio vectorial normado W es posible en-
gordarlo , es decir agregarle vectores, y as hacerlo completo. Note que eso
es lo que se hace con los racionales Q (el cual es un espacio vectorial si solo

151
permitimos la multiplicacin de sus elementos por nmeros racionales!). El
espacio engordado es en este caso el de los reales. La respuesta es afirmativa y
est dada por el siguiente teorema.

Teorema 8.1 Sea W un espacio vectorial normado. Luego existe un espacio de

Banach V y un mapa lineal continuo : W V tal que k(w)kV = kwkW y
[W ] es un subespacio denso de V , es decir la clausura de [W ] es V .

Prueba: Los detalles de esta pueden ser encontrados en, por ejemplo [Y], pag.
56. Aqu solo daremos las ideas. Si W es completo entonces tomamos V = W
y = i d . Por lo tanto supondremos que W no es completo. Entonces habrn
sucesiones de Cauchy {wn } en w que no convergen a ningn punto de W . La
idea es tomar estas sucesiones como nuevos puntos con los cuales engordar
W . Como muchas sucesiones distintas podran tender a un mismo punto, a
los efectos de no engordar demasiado a W , todas ellas debern ser conside-
radas como un solo elemento. Esto se logra tomando clases equivalentes de
sucesiones como elementos de V . Diremos que dos sucesiones, {wn }, {wn0 },
son equivalentes si su diferencia tiende al elemento cero,
lm kwn wn0 kW = 0. (8.2)
n

Como el conjunto de sucesiones de Cauchy de elementos de W forma un es-

pacio vectorial, el conjunto de clases equivalentes de sucesiones tambin es un
espacio vectorial, este ser V . Este espacio hereda una norma naturalmente
de W , dada por,
k{wn }kV = lm kwn kW , (8.3)
n
la cual es claramente independiente de la sucesin particular que uno elija,
para calcularla, dentro de la clase equivalente. Se puede probar fcilmente
que con esta norma V es completo y por lo tanto Banach.

Ejercicio: Pruebe que la sucesin de Cauchy de sucesiones de Cauchy, {{wn }N }

converge en esta norma a la sucesin {wn } {{wn }n }.

Cul es el mapa ? Este toma un elemento w W y nos da un elemento

en V , es decir una clase equivalente de sucesiones. Esta es la clase equivalente
que converge a w y un representante es, por ejemplo,
{wn } = (w, w, w, . . .). (8.4)

152
 El teorema anterior nos dice que siempre podemos completar un espacio
vectorial normado y esto de una manera esencialmente nica. De esta forma
entonces se puede hablar de completar un espacio normado W en uno V .
Como W es denso en V y el mapa es continuo todas las propiedades que
son continuas en W valen automticamente en V . El teorema anterior nos
dice tambin que los elementos del espacio completado pueden tener un ca-
rcter muy diferente al de los elementos del espacio original. Debido a esto
es que en la prctica uno debe ser muy cuidadoso al momento de atribuirle
propiedades a los elementos de un dado espacio de Banach. Como ejemplo de
lo anterior veremos la integral de Lebesgue.

8.3. *Integral de Lebesgue

La integral de Lebesgue es una extensin de la integral de Riemann a una

clase de funciones ms general que aquella donde la de Riemann est definida.
Tenemos dos maneras de definirla, uno como la norma de un espacio de Ba-
nach completado, cuyos elementos son entonces las funciones integrables
en el sentido de Lebesgue. La otra manera es usando un proceso de lmite
similar al empleado para definir la integral de Riemann. Veremos las dos.
Sea W el espacio de funciones continuas en el intervalo [a, b ] y sea
Z b
k f kw = | f (x)| d x (8.5)
a

su norma, donde la integral es en el sentido de Riemann. Esta definicin tiene

sentido ya que los elementos de W son funciones continuas y por lo tanto
la integral est bien definida. Note tambin que esta es una norma ya que
como f es continua si la integral de su mdulo es cero, su mdulo, y as f , es
tambin cero. Sea L1 ([a, b ]) el espacio completado de W . Este es el espacio
de funciones integrables de Lebesgue. Qu funciones estn all?1 Sea { fn }
la sucesin dada por el grfico de la fig. 8.1.

Esta sucesin es de Cauchy en L1 ([0, 1]) y por lo tanto converge a un

elemento de L1 ([0, 1]), la funcin,

0 0 x 1/4 , 3/4 x 1
f (x) = (8.6)
1 1/4 < x < 3/4.
1
En realidad las funciones no son propiamente elementos de L1 sino que stos son la ima-
gen por el mapa (definido en la seccin anterior) de stas.

153
 1/4
1

0
1/4 1/2 3/4

Figura 8.1: Una sucesin de Cauchy.

Esto no es de sorprender ya que aunque esta funcin no es continua sta

es integrable an en el sentido de Riemann. Sea ahora la sucesin { fn } dada
por el grfico de la fig. 8.2,

1/n

Figura 8.2: Otra sucesin de Cauchy.

esta tambin es de Cauchy y tiende a la funcin,

0 x < 1/2 < x 1


0
f (x) = (8.7)
1 x = 1/2,

la cual s es muy extraa. Cualquiera sea el sentido de la integral de Lebesgue

154
la integral de esta funcin es de esperar que sea cero, y de hecho lo es ya que
Z1
lm | fn (x)| d x = 0. (8.8)
n
0

Pero entonces la norma de f es cero y por lo tanto parecera ser tenemos

una contradiccin, a menos que f sea cero. La resolucin de este problema
consiste en notar que cuando completamos el espacio W tomamos como sus
elementos a ciertas clases equivalentes. La funcin descripta arriba est en la
clase equivalente correspondiente al elemento cero. Como veremos luego los
elementos de L1 son funciones, pero solo definidas en casi todos los puntos.
El segundo mtodo consiste en definir la integral de Lebesgue de forma
similar a como se define la integral de Riemann. Para ello debemos definir lo
que se llama una medida en ciertos subconjuntos de lR, es decir una funcin
de estos subconjuntos en los reales positivos, que generaliza el concepto de
extensin (o medida) de un abierto (a, b ), ((a, b )) = b a.
Una vez introducido este concepto de medida la integral de Lebesgue de
una funcin positiva f : lR lR+ se define como,
m  m m +1
Z X X  
f (x) d x = lm ( f ) = lm f 1 [ , ) ,
m=0 n n n
n n
n

donde hemos usado el mismo smbolo para denotar la integral de Lebesgue

que el normalmente usado para la integral de Riemann, esto es natural ya
que como vimos en la primera definicin si una funcin es integrable en el
sentido de Riemann lo es tambin en el sentido de Lebesgue y el valor de las
integrales coincide.
La interpretacin de esta definicin es la siguiente: se divide la imagen
de f en intervalos regulares de longitud n1 , se considera la imagen por f 1
de estos intervalos, se los mide con y estas medidas se suman convenien-
temente. Ver figura. Finalmente se toma elPlmite n yendoP a infinito, es de-
cir los intervalos a cero. Note que 2n ( f ) n ( f ) y por lo tanto
yendo P
lmn n ( f ) = S u pn n ( f ) existe (pudiendo ser infinito).
P

Para qu funciones est definida esta operacin? La condicin de que f

fuese positiva no es realmente una restriccin ya que cualquiera sea sta siem-
pre se la puede escribir como f = f+ f con f+ y f ambas positivas y
la integral es una operacin lineal [lo cual no es obvio de la definicin dada
arriba]. La condicin que s es restrictiva es que f 1 (A), con A abierto, sea un
subconjunto medible, ya que como veremos si le pedimos a la funcin medi-
da que satisfaga ciertas propiedades naturales luego no todo subconjunto de

155
 f (x)
m+1
n

m
n

f 1 [( mn , m+1
n
)]

Figura 8.3: Integral de Lebesgue.

lR puede estar en el dominio de esta funcin. Para estudiar esta restriccin

debemos tener en claro qu propiedades queremos que la medida cumpla,
encontrar la coleccin de subconjuntos de lR que son medibles y finalmente
definir la medida. Estas propiedades definirn la nocin de medida, o ms es-
pecficamente de espacio medible, ya que las propiedades que le asignaremos
dependen tanto de la medida como de su dominio de definicin.

Definicin: Un espacio medible consta de una terna (X , M , ) donde X es

un conjunto (el dominio de las funciones a integrar), M una coleccin de sub-
conjuntos de X llamados los subconjuntos medibles de X y es una fun-
cin (llamada la medida) de M en lR = lR+ {} satisfaciendo las siguientes
condiciones:
i) ; M y (;) = 0.
i i ) Si A M luego Ac (el complemento de A en X ) tambin est en M .
[
i i i) Si Ai M , i = 1, 2, . . . , luego Ai M .
i

[
i v) Si Ai M , i = 1, 2, ... y Ai A j = ; si i =
6 j luego Ai =

i
i (Ai ).
P

Intuitivamente los conjuntos medibles son los conjuntos que admiten una
nocin de longitud o rea y su medida es el valor de esta longitud o rea.

156
Ejercicio: Muestre que:
1. X M
\
2. Si Ai M , i = 1, 2, ... luego Ai M . Esta es la razn por la cual se
i
\
pide ii), ya que esperaramos que Ai i (Ai ).
P
i

3. Si A B luego (A) (B).

Ejemplos:
1. Sea X un conjunto cualquiera y sea M la coleccin de todos los subcon-
juntos de X . Sea tal que (;) = 0 y (A) = para todo A M no
vaco.
2. Sea M = {;, X } y sea tal que (;) = 0 y (X ) = 7.
3. Sea X = Z + = {nmeros enteros positivos} y sea {xi }, xi lR+ , una
sucesin. Sea M la coleccin de todos los subconjuntos de Z + y (A) =
iA(xi ).
P

El siguiente no es un espacio medible (por qu?) pero nos ser til para
construir luego el que deseamos.
4. Sea X = lR y M = J el conjunto de todas las uniones (contables)
de intervalos abiertos disjuntos, es decir un elemento, I , de J es un
subconjunto de lR de la forma,
[
I = (ai , bi ), (8.9)
i

con a1 b1 < a2 b2 < a3 . Sea m : J lR definida como,

X
m(I ) = (bi ai ). (8.10)
i

Ejercicio: Muestre que el tercer ejemplo es un espacio medible.

Como se ve de estos ejemplos la nocin de espacio medible es amplia.

Distintos ejemplos de espacios medibles aparecen en diversas ramas de la fsi-
ca. De ahora en ms nos restringiremos a un espacio medible y ste es el de
Lebesgue, el cual construiremos a partir del cuarto ejemplo.

157
 Sea X = lR, M todo subconjunto de X y : M lR dada por,
(A) = in f (m(I ))
I I (8.11)
A I .
Es decir, dado un subconjunto de lR, A, consideramos todos los elementos de
J tales que A est contenido en stos, calculamos su medida y tomamos el
nfimo sobre todos los elementos de J .
Ejemplos:
1. Sea A = (0, 1), luego un candidato es I1 = (1, 1) (3, 5), m(I1 ) = 2 +
2 = 4, pero tambin tenemos I2 = (0, 1) con m(I2 ) = 1 y claramente
(A) = 1.
2. Sea B = 1 2 3 . . . luego (B) = 0 ya que podemos cubrir B con
I = (1 ", 1 + ") (2 ", 2 + ") . . . .
Como vemos esta terna (lR, M , ) parece tener las condiciones deseadas
para ser la medida que buscamos, pero en realidad ni siquiera es un espacio
medible!

Contraejemplo: Sea (S 1 , M , ), donde S 1 es el crculo, un espacio medible con

una medida finita e invariante ante translaciones, es decir (A) = (Ar )
donde Ar = {a + r |a A} -note que nuestra lo es, pero este resultado es
mucho ms general-. Luego M no puede ser la coleccin de todos los subcon-
juntos de S 1 .
La idea es encontrar un subconjunto A de S 1 tal que si suponemos que
sea medible obtenemos una contradiccin. Para ello pensamos a S 1 como lR
con sus extremos identificados (0=1). Introducimos ahora una relacin de
equivalencia: Diremos que dos puntos de S 1 son equivalentes a b si a b
es un nmero racional.

Ejercicio: Muestre que es una relacin de equivalencia.

Construimos A tomando exactamente un elemento de cada clase equiva-
lente -note que hay infinitas maneras de elegir un conjunto A- Supongamos
que A es medible con (A) = lR+ y sea Ar = {a| (a + r ) (mod 1) A},
con r racional, es decir una translacin por r de A. Luego es fcil ver que si
r 6= r 0 luego Ar Ar 0 = ;, es decir los Ar son disjuntos [Si x Ar y x Ar 0
luego x = a + r = b + r 0 , con a, b A,[ pero entonces a b = r r 0 Q lo
que es una contradiccin.] y que S 1 = Ar [Sea x S 1 , luego x pertenece
r Q

158
a alguna de las clases equivalentes en que hemos separado a S 1 , pero entonces
existe a A y r Q tal que a + r = x, o sea x Ar .]. Como por hiptesis
(Ar ) = (A) = entonces,

[ X
X
1 = (S 1 ) =
A =
r (A r ) = , (8.12)
r Q r Q

lo cual lleva a una contradiccin ya que si = 0 luego la sumatoria da cero y

si 6= 0 la sumatoria da infinito.
Este contraejemplo nos dice entonces que debemos restringir M a ser un
subconjunto de M si queremos tener una medida. Hay muchas maneras de
caracterizar esta restriccin una de ellas est dada por el siguiente teorema
(que no probaremos).

Teorema 8.2 Sea M el subespacio de M tal que si A M luego

(E) = (A E) + ((X A) E) E M . (8.13)

Sea la restriccin de a M , luego (X , M , ) es el espacio medible de Lebesgue.

Intuitivamente vemos que los conjuntos medibles son aquellos que cuan-
do usados para separar otros conjuntos en dos partes dan una divisin que es
aditiva con respecto a .
Como en general solo tenemos que (E) (A E) + ((X A) E)
vemos entonces que los conjuntos no-medibles son aquellos cuyos puntos estn
distribuidos en X de tal forma que cuando uno trata de cubrir AE y (X A)E
con abiertos stos se superponen tanto que en realidad uno puede obtener un
nfimo menor cubriendo directamente E con abiertos.
Existe un gran nmero de teoremas que nos dan informacin acerca de
cules son los conjuntos medibles. Bastar decir que todos los conjuntos abier-
tos de lR (y muchos ms ) estn en M y que si f : lR lR es una funcin
continua luego f 1 [M ] M .
Retornamos ahora a la integral de Lebesgue. Naturalmente diremos que
f es medible si f 1 [(a, b )] M para todo intervalo abierto (a, b ) lR.

Teorema 8.3 Las funciones medibles tienen las siguientes propiedades:

a) Si f y g son medibles y lR luego f + g es medible.

b) Tambin son medibles f g , ma x{ f , g } y mi n{ f , g }.

159
 c) Sea { fn (x)} una sucesin de funciones medibles que convergen punto a
punto a f (x), es decir lmn fn (x) = f (x), luego f (x) es tambin me-
dible.

Note que | f | = max{ f , f } y f = ma x

mi n
{ f , 0}.

La primera parte de este teorema nos dice que el conjunto de funcio-

nes medibles es un espacio vectorial. Esto sigue siendo cierto si nos restrin-
gimos al espacio de R funciones integrables en el sentido de Lebesgue, es de-
cir f medible y | f | d x < . Denotaremos a este espacio como L1 o
L1 (lR). Similarmente definiremos L1 [a, b ] al espacio de funciones integra-
bles f : [a, b ] lR donde en este caso la integral se define como antes pero
extendiendo la funcin f a todo lR con valor cero fuera del intervalo [a, b ].
Como ya vimos antes para hacer de L1 un espacio normado debemos
tomar como sus elementos las clases equivalentes de funciones donde diremos
que f , g L1 son equivalentes si | f g |d x = 0. Esto es equivalente a
R

decir que el subconjunto de lR donde f es distinta de g es de medida cero, o

en otras palabras que f es igual a g en casi todo punto.
Denotaremos al espacio de clases equivalentes de funciones integrables
(Lebesgue) con L1 y sus elementos con letras tildadas. Note que un elemento
f de L1 es una clase equivalente de funciones y por lo tanto en general el valor
de f en x, f(x), no tiene sentido alguno ya que podemos tener funciones en
la clase equivalente f, f1 y f2 con f1 (x) 6= f2 (x) para algn x lR. Por lo tanto
debemos ser precavidos al respecto.
Es este espacio L1 el mismo que habamos obtenido anteriormente? La
respuesta es s y sigue trivialmente de los siguientes teoremas.

Teorema 8.4 (Riez-Fisher) : L1 es completo.

Teorema 8.5 C 1 [a, b ] es denso en L1 [a, b ], es decir L1 [a, b ] es el espacio com-

pletado de C 1 [a, b ].

8.4. Espacios de Hilbert

Los espacios de Hilbert son espacios de Banach2 cuya norma proviene de

un producto escalar, es decir de un mapa (, ) de V V C satisfaciendo:
2
De ahora en ms y esencialmente por la misma razn que dimos en el caso del teorema
de la forma cannica de Jordan, consideraremos espacios vectoriales complejos.

160
 i) (x, y + c z) = (x, y) + c(x, z),
(x + c y, z) = (x, z) + c(y, z)
para cualquier x, y, z en V y c en C .

i i) (x, y) = (y, x)
i i i) (x, x) 0 (0 sii x = 0).
La primera parte de la condicin i) indica que el mapa producto escalar
es lineal con respecto a su segundo argumento. La segunda parte indica que
es lineal en el primer argumento, excepto por el hecho de que se toma el
complejo conjugado del escalar. Se dice que este mapa es anti-lineal con res-
pecto al primer argumento. La condicin ii) nos dice que el mapa es todo lo
simtrico que puede ser, dado que en el primer argumento es anti-lineal. Esta
condicin nos garantiza que (x, x) es un nmero real y , junto con i i i ), que
es no-negativo.

Ejercicio: Pruebe que dando un tensor de tipo (2, 0), t (, ), simtrico, real y
positivo definido, entonces (x, y) t (x, y) es un producto escalar.

La norma que este producto escalar induce es simplemente la funcin,

k kV : V lR+ dada por,

kxkV = (x, x). (8.14)
Que esta es en realidad una norma sigue de los siguientes lemas:
Lema 8.1 (Desigualdad de Schwarz) : |(x, y)| kxk kyk.

Prueba: Para cualquier x, y V , lR tenemos por iii),

0 (y + (x, y) x, y + (x, y) x)
= kyk2 + 2 |(x, y)|2 kxk2 +
(8.15)
+ (x, y)(x, y) + (x, y)(y, x)
= kyk2 + 2 |(x, y)|2 + 2 |(x, y)|2 kxk2 .
Como esta relacin debe valer para todo lR entonces el discriminante
del polinomio en de la derecha debe ser no-positivo, es decir,
4 |(x, y)|4 4 kxk2 kyk2 |(x, y)|2 0. (8.16)
lo que nos da la desigualdad buscada.

161
Lema 8.2 (Desigualdad triangular) : kx + yk kxk + kyk.

Prueba:
kx + yk2 = kxk2 + kyk2 + 2 Re (x, y)
kxk2 + kyk2 + 2 |(x, y)|
kxk2 + kyk2 + 2 kxk kyk
(kxk + kyk)2 ,
Lo que nos da la desigualdad buscada.
Ejemplos:
1. C n , el espacio vectorial de n-tuplas de nmeros complejos.
Sea x = (x1 , x2 , ..., xn ) e y = (y1 , y2 , ..., yn ), luego
n
X
(x, y) = x j y j .
j =1

2. l 2 , el espacio vectorial de sucesiones de nmeros complejos {xi } tales

que v
u
uX
k{x j }k2 t |x j |2 < ,
j =1

con el producto escalar,

X
({x j }, {y j }) = x j y j .
j =1

Note que la desigualdad de Schwarz nos garantiza que el producto es-

calar est bien definido para todo par de vectores de l 2 .
Para asegurarnos que l 2 es un espacio de Hilbert debemos probar que
es completo, es decir que toda sucesin de Cauchy (con respecto a la
norma de l 2 ) converge a un elemento de l 2 .

Lema 8.3 l 2 es un espacio de Hilbert.

Prueba: Sea {{xi }N } una sucesin de sucesiones. Que esta sea de Cau-
chy significa que dado " > 0 existe N tal que

X
k{xi }N {xi }M k2 = |xiN xiM |2 < "2 N , M > N ,
i=1

162
 pero eso implica que para cada i

|xiN xiM | < " (8.17)

es decir la sucesin de nmeros complejos (en N , i fijo) {xiN } es Cauchy.

Pero el plano complejo es completo y por lo tanto para cada i, {xiN }
converge a un nmero complejo que denotaremos xi
Sea {xi } la sucesin (en i) de estos nmeros, probaremos ahora que
{xi } l 2 y que {{xi }N } { xi } para N .
Tomando el lmite N vemos que si M > N luego

k
X
|x jM x j |2 < "2
j =1

Pero esta es una sucesin (en k) de nmeros reales que es acotada (por
"2 ) y por lo tanto, tomando ahora el lmite k vemos que {{xi }N }
{xi } l 2 y que si {xi } l 2 luego {{xi }N } {xi } en norma. Pero

k{xi }k2 = k{{xi }N } + ({xi } {{xi }N })k2

k{{xi }N }k2 + k{xi } {{xi }N }k2 ,

y por lo tanto que {xi } l 2

Este ejemplo y el que lo sigue son ejemplos clsicos a tener en cuenta,
esencialmente todo espacio de Hilbert que trataremos es alguna de estas
variantes.

3. L2 (o H 0 ), el espacio de funciones medibles con cuadrado integrable en

lR e identificadas entre
R s, si su diferencia est en un conjunto de me-
dida cero ( f g si | f g |2 d x < 0). El producto escalar es ( f , g ) =
R R
f g d x y su norma obviamente k f k 0 = | f |2 d x.
H

4. (Espacios de Sobolev) Sea la norma

Z n
X n
X
2
k f kH m = {| f |2 + |i f |2 + |i j f |2 +
i=1 i, j =1
n
X
+ |i j . . . k f |2 },
i, j , . . . , k = 1
| {z }
m

163
 donde las derivadas parciales son con respecto a un sistema cartesiano
de coordenadas en lRn . Definiremos el espacio de Sobolev de orden m
como, H m () = { Completamiento del espacio de funciones m veces
diferenciables en lRn con respecto a la norma k kH m }
Es obvio cul es el producto escalar correspondiente, adems note que
por definicin H m es completo. H 0 coincide con el definido en el ejem-
plo anterior, ya que las funciones continuas son densas en L2 .

Como vemos de estos ejemplos los espacios de Hilbert son la generaliza-

cin inmediata de lRn ( o C n ) a dimensin infinita donde hemos preservado
la nocin no solo de la magnitud de un vector sino tambin la del ngulo
entre dos vectores. Esto hace que los espacios de Hilbert tengan propiedades
ms interesantes que las que tienen los espacios de Banach en general. La ms
interesante se refiere a los subespacios de H . Sea M un subespacio cerrado de
H . Este subespacio hereda el producto escalar definido en H (simplemente
restringiendo el mapa (, ) a actuar solo en elementos de M ) y por ser cerrado
es completo, por lo tanto es tambin un espacio de Hilbert.

Ejemplos:

a) Sea M el subespacio generado por el vector (1, 0, 0) en C 3 , es decir todos

los vectores de la forma (c, 0, 0) con c C .

b) Sea M el subespacio de H 0 que consiste de todas las funciones que se

anulan en el intervalo (0, 1) excepto en un subconjunto de medida nula.
M es cerrado, ya que si una sucesin de Cauchy de funciones se anula en
( 0, 1) luego la funcin lmite (que existe pues H es completo) tambin
se anula en dicho intervalo y por lo tanto est en M .

c) Sea M = C [a, b ] el subespacio de funciones continuas de H 0 ([a, b ]).

Este no es cerrado y por lo tanto no es un espacio de Hilbert. [Mues-
tre, encontrando una sucesin de Cauchy de funciones continuas que
no tiene como lmite una funcin continua, que este subespacio no es
cerrado.]

d) Sea K un subconjunto cualquiera de H y considere la interseccin de

todos los subespacios cerrados de H que contienen a K. Esta inter-
seccin nos da el subespacio ms pequeo que contiene a K y se lla-
ma el subespacio generado por K. En el ejemplo a) K = {(1, 0, 0)} ge-
nera el plano complejo que contiene a este vector. En el ejemplo c)
K = C [a, b ] genera todo H 0 ([a, b ]).

164
 El concepto definido anteriormente no usa del producto escalar y por lo
tanto tambin es vlido para espacios de Banach en general (un subespacio
cerrado de un espacio de Banach es tambin un espacio de Banach).
El producto escalar nos permite introducir el concepto de ortogonalidad
y as definir el complemento ortogonal de M , es decir el conjunto,

M = {x H | (x, y) = 0 y M }, (8.18)
que tiene la siguiente propiedad,

Teorema 8.6 Sea M un subespacio cerrado de un espacio de Hilbert H . Luego

M es tambin un espacio de Hilbert. Adems M y M son complementarios, es
decir todo vector en H puede ser escrito de una nica manera como la suma de
un vector en M y otro en M .

H = M M (8.19)

Prueba:
Es inmediato que M es un subespacio vectorial y que es cerrado. [Si {xi }
es una sucesin en M convergiendo a x en H luego |(x, y)| = |(x xi , y)|
kx xi k kyk 0 y M y por lo tanto x M .] Solo debemos probar la
complementaridad. Para ello, dado x H , buscaremos el elemento z en M
ms prximo a x, ver figura.

~y
~x

~z
z~2
z~1

Figura 8.4: El espacio perpendicular.

Sea d = i n fwM kx wkH y elijamos una sucesin {zn } en M tal que

kx zn kH d . Esto es posible por la definicin de nfimo.

165
 Luego

kzn z m k2H = k(zn x) (z m x)k2H

= 2kzn xk2H + 2kz m xk2H
k(zn x) + (z m x)k2H
z +z
= 2kzn xk2H + 2kz m xk2H 4k n 2 m xk2
2kzn xk2H + 2kz m xk2H 4 d 2
2 d 2 + 2 d 2 4 d 2 = 0
m
n

La segunda igualdad proviene de la llamada ley del paralelogramo, ver figura.

zn
(zn x) + (z m x)

(zn x) (z m x)

zm
x

Figura 8.5: Ley del paralelogramo.

Esto nos dice que {zn } es Cauchy y por lo tanto que converge a un nico
z en M .
Sea y = x z, solo resta ver que y est en M , es decir que (y, v) =
0 v M . Sea v M y t lR, luego

d 2 kx zk2 kx (z + t v)k2 = ky t vk2

(8.20)
= d 2 2 t Re(y, v) + t 2 kvk2

y por lo tanto 2t Re(y, v)+t 2 kvk2 0 t lo que implica que Re(y, v) = 0.

Tomando i t se obtiene que I m(y, v) = 0 y se completa la prueba

Problema 8.1 En la prueba solo us la ley del paralelogramo,

kx + yk2 + kx yk2 = 2(kxk2 + kyk2 ) (8.21)

166
Muestre que una norma la satisface si y solo si sta proviene de un producto
escalar. Ayuda: Utilice la denominada identidad de polarizacin para definir un
producto interno a partir de la norma,

1
(x, y) = {[kx + yk2 kx yk2 ] [kx + yk2 kx yk2 ] (8.22)
4

Este teorema tiene importantes corolarios que veremos a continuacin.

Corolario 8.1 (M ) = M

Prueba:
Probaremos ste mostrando que M (M ) y que (M ) M .
La primera inclusin es obvia ya que (M ) es el conjunto de vectores
ortogonales a M el cual a su vez es el conjunto de vectores ortogonales a M .
La segunda inclusin sigue de que si descomponemos cualquier vector
x (M ) en su parte en M y en parte en M , x = x1 + x2 , x1 M , x2 M ,
la primera inclusin nos dice que x1 (M ) pero (M ) y M son tambin
complementarios y por lo tanto x2 = 0
Este nos dice que tomando complementos no obtendremos ms que un
solo espacio de Hilbert extra.
Para formular el siguiente corolario es necesario introducir un nuevo con-
cepto, el de espacio dual de un espacio de Hilbert. Podramos definir el dual
de un espacio de Hilbert de la misma forma que lo hicimos para espacios vec-
toriales de dimensin finita, es decir como el conjunto de mapas lineales de
H en C. El espacio vectorial as obtenido no hereda H ninguna propiedad
interesante por ser ste un espacio demasiado grande. Para lograr un espacio
ms pequeo y con propiedades atractivas restringiremos los mapas lineales
a aquellos que sean continuos. Es decir el espacio dual a H , H 0 ser el con-
junto de mapas lineales continuos de H en C. Qu mapas estn en H 0 ? Note
que si y H luego el mapa y : H C definido por y (x) = (y, x) es lineal
y como |(x)| kykH kxkH tambin es continuo. Este mapa nos da una co-
rrespondencia inyectiva (no cannica, ya que depende del producto escalar)
entre los elementos de H y los de su dual. Vemos as que H est contenido
naturalmente en H 0 .

Ejercicio: Medite sobre cul es la norma natural en H 0 . Pruebe que con esa
norma tenemos ky kH 0 = kykH .

167
Problema 8.2 Sea : H C un mapa lineal. Muestre que la continuidad del
mapa en el origen asegura la continuidad del mapa en todo punto.

Si la dimensin de H es finita luego sabemos que H 0 tendr la misma

dimensin y entonces tendremos una correspondencia (no cannica) uno a
uno entre vectores y covectores. En principio esto no tiene por qu ser as
en el caso de dimensin infinita y efectivamente si usamos una definicin
anloga y definimos el dual de un espacio de Banach en general no habr
ninguna relacin entre ste y el espacio original. En el caso de espacios de
Hilbert todo es ms simple, como muestra el siguiente corolario.

Corolario 8.2 (Teorema de representaciones de Riez) : Sea H 0 , luego

existe un nico y H tal que (x) = (y, x) x H , es decir H H 0 en el
sentido que existe un mapa natural invertible entre H y H 0 .

Prueba: Sea M = {x H tal que (x) = 0}. Como es lineal, M es un subes-

pacio de H , como es continuo este es cerrado. Por el teorema anterior M
es un espacio de Hilbert y complementa a M . Si M es cero luego M = H
y es el mapa cero e y = 0 ser su representante en H . Supongamos en-
tonces M 6= {0} y elijamos w M tal que (w) = 13 . Para cualquier
v M v (v)w M , pero (v (v)w) = 0 y por lo tanto tambin
v (v)w M . As concluimos que v (v)w = 0 v M o sea que
v = (v)w v M , es decir que M es unidimensional. Veamos ahora que
w
(x) = ( , x) x H . En efecto por el teorema anterior x = w + y con
kwk2
C e y M y por lo tanto, (x) = (w + y) = (w) + (y) = , pero
w
por otro lado, ( , x) =
kwk2

Ejercicio: Concluya la prueba probando unicidad.

Para enunciar el tercer corolario necesitamos el concepto de base orto-

normal. Una base ortonormal de H es un subconjunto de vectores de H
que tienen norma uno, que son mutuamente ortogonales y que generan H
(es decir que dado x H y " > 0 existe una combinacin lineal finita de
elementos de esta base y tal que kx ykH < ".
3
El lector debe convencerse que si no es el mapa nulo entonces siempre existe w H tal
que (w) = 1.

168
Ejemplo: En l 2 sea e1 = (1, 0, 0, ...), e2 = (0, 1, 0, ...), etc.
Pi
Ejercicio: Muestre que si a l 2 luego ka n=1
(a, en )en k l 2 0.
i

Corolario 8.3 Todo espacio de Hilbert tiene una base ortonormal.

Este resultado, como el anterior, es muy poderoso ya que nos dice que
siempre podemos aproximar distintos elementos de H usando una dada base.
No probaremos este Corolario pues para ello se necesitan herramientas que
no se vern en este curso. Pero s otro resultado ms simple, para lo cual
introducimos la siguiente definicin.

Definicin: Diremos que un espacio de Banach (y en particular de Hilbert)

es separable si tiene un subconjunto denso con una cantidad numerable de
elementos.
Ejemplos:
a) El subconjunto S de sucesiones l 2 que tienen un nmero finito de ele-
mentos racionales es denso en l 2 [ya que como veremos ms adelante cual-
quier elemento de l 2 se puede expresar como el lmite de una sucesin S] y
numerable [ya que los racionales lo son].
b) El subconjunto S(lR) que consiste de las funciones f r,s,t (x) = r e s|xt |
(note que estas son suaves), donde r, s, t son nmeros racionales y s > 0, es
denso y numerable en L2 (lR).
La mayora de los espacios de Hilbert que aparecen en la prctica son
separables y por lo tanto tienen la siguiente propiedad:

Teorema 8.7 Un espacio de Hilbert H es separable si y solo si tiene una base

ortonormal numerable S. Si S tiene un nmero finito de elementos, N, luego H
es isomorfo a C N (es decir existe un mapa : H C N , en este caso lineal, con
k(x)kC N = kxkH x H que es continuo e invertible y su inversa es tambin
continua). Si S tiene un nmero infinito de elementos luego H es isomorfo a l 2 .

Este teorema nos dice que entre los espacios de Hilbert separables esen-
cialmente no hay ms estructura que la ya presente en C N o l 2 .

Prueba: Para obtener la base ortonormal (numerable) primero descartamos

de un subconjunto denso y numerable de H , S, algunos de sus elementos
hasta obtener una subcoleccin de vectores (por construccin numerable) li-
nealmente independientes y que todava expanden S. Luego aplicamos a esta

169
subcoleccin el procedimiento de Gram-Schmidt para obtener la base orto-
normal. Para probar el resto del teorema necesitamos los siguientes lemas.

Lema 8.4 (Pitgoras) : Sea {xn }N

n=1
un conjunto ortonormal de H , no necesa-
riamente una base. Luego,
N
X N
X
kxk2H = |(xn , x)|2 + kx (xn , x)xn k2 x H . (8.23)
n=1 n=1

Prueba: Sea v = N (x , x)xn y w = (x N (x , x)xn ). Es fcil de ver

P P
n=1 n n=1 n
que v V , el subespacio de Hilbert generado por los {xn }N
n=1
y w V ,
pero entonces

kxk2H = (x, x)
= (v + w, v + w)
= (v, v) + (w, w)
XN
= |(xn , x)|2 + kwk2H .
n=1

Lema 8.5 (Desigualdad de Bessel) :

Sea {xn }N
n=1
un conjunto ortonormal de H , no necesariamente una base.
Luego,
XN
kxk2H |(x, xn )|2 x H (8.24)
n=1

Prueba: Obvia conclusin del lema anterior

Lema 8.6 Sea S = {xn } una base ortonormal numerable4 de H . Luego y

H, X
y= (xn , y)xn (8.25)
n
y X
kyk2 = |(xn , y)|2 , (8.26)
n
4
Un resultado similar es vlido an en el caso de que la base no sea numerable, o sea an
cuando H no sea separable.

170
donde la primera igualdad significa que la suma converge con respecto a la norma
de H a y H . La ltima igualdad es llamada relacin de Parseval y los
P (xn , y) los coeficientes de Fourier de y. Inversamente si {cn } l
2
coeficientes
luego n cn xn H .

Prueba: De la desigualdad de Bessel sigue que dado cualquier subconjunto

finito {xn }N
n=1
,
XN
aN = |(xn , y)|2 kyk2 (8.27)
n=1

lo que implica que la sucesin {aN }, que es montonamente creciente, es aco-

tada y por lo tanto converge
Pa un valor lmite finito. Esto a su vez implica que
{aN } es Cauchy. Sea yN = N (x , y)xn , luego para N > M
n=1 n

N
X N
X
kyN yM k2H =k (x j , y)x j k2H = |(x j , y)|2 = aN aM
j =M +1 j =M +1

La convergencia de {aN } garantiza as que {yN } es una sucesin de Cauchy

y as que esta converge a un elemento y 0 de H . Probemos entonces que y 0 = y.
Pero para cualquier elemento de S, xn
N
X
(y y 0 , xn ) = lm (y (x j , y)x j , xn )
N
j =1
(8.28)
= (y, xn ) (y, xn ) = 0

y por lo tanto yy 0 es perpendicular al espacio generado por S, que es todo H

y por lo P tanto tiene que ser el elemento cero. Solo resta ver que si {cn } l 2
luego n=1 cn xn H . Un clculo idntico al anterior muestra que {yN =
PN
c x } es una sucesin de Cauchy y por lo tanto que lmN yN H
n=1 n n

Continuamos ahora la prueba del Teorema 8.7 El ltimo argumento del

Lema 8.6 nos muestra que dada unaPbase numerable {xn } n=1
de H el conjunto

numerable S panQ {S} = {x|x = n=1 cn xn con {cn } una sucesin finita de
racionales } es denso en H y por lo tanto que H es separable. Esto concluye
la parte sii de la prueba, solo resta encontrar un isomorfismo entre H y C N
o l 2 . Sea {xn } una base numerable de H y sea : H C N o l 2 el mapa

(y) = {(xn , y)}. (8.29)

171
Si la base es finita, con dimensin N este es claramente un mapa en C N . Si la
base es infinita la imagen de H por est incluida en el espacio de sucesiones
complejas infinitas, pero usando el Lema 8.6 vemos que ,

X
k(y)k22 = |(xn , y)|2 = kyk2H (8.30)
l
n=1

y por lo tanto que dicha imagen est contenida en l 2 . La continuidad e inver-

tibilidad del mapa quedan como ejercicio para el lector

El teorema anterior, entre otras cosas sirve para dar una caracterizacin
que diferencia los espacios de Hilbert de dimensin finita de los de dimensin
infinita. (En realidad esta caracterizacin es vlida para espacios de Banach en
general).

Teorema 8.8 Sea H un espacio de Hilbert y sea

B1 (H ) = {x H / kxkH 1}

la bola de radio uno en H . Luego B1 (H ) es compacta sii H es de dimensin

finita. [Se puede ver que en este caso un subconjunto B de H es compacto sii toda
sucesin {xn } de elementos de H en B tiene una subsucesin que converge a un
elemento de B.]

Prueba: Veremos solo el caso en que el espacio es separable. Si H es de di-

mensin finita es isomorfo a C N , pero B1 (C N ) es un subconjunto cerra-
do y acotado, y por lo tanto compacto. Si H es de dimensin infinita (y
separable) entonces es isomorfo a l 2 , pero la sucesin en B1 (l 2 ), {xn } con

{xn = (0, ..., 0, 1 , 0, ...)} claramente no tiene ninguna subsucesin conver-

n

gente

Ejercicio: Ver que ninguna subsucesin de la sucesin anterior es de Cauchy.

Ejemplo: Sea H = L2 ([0, 2]) y S = { p1 e i n x , n = 0, 1, 2, . . .}. El desa-

2
rrollo de este ejemplo ser nuestra ocupacin hasta el final de este captulo.

172
 1
Ejercicio: Muestre que los elementos de L2 (0, 2) de la forma fn (x) = p e inx ,
2
n = 0, 1, 2, ..., forman un conjunto ortonormal.

8.5. Serie de Fourier

n o
e i nx
Teorema 8.9 S = p , n = 0, 1, 2 . . . es un conjunto completo de vecto-
2
res ortonormales (es decir una base ortonormal) de L2 [0, 2].

Note que por Lema 8.6 esto es equivalente a asegurar que si f L2 [0, 2]
luego fN (x) converge (en la norma de L2 [0, 2]) a f cuando N .

Prueba: La ortogonalidad es trivial y forma parte de un ejercicio anterior, por

lo tanto solo nos concentraremos en la completitud. El espacio de funciones
Lipschitz en [0, 2], Li p[0, 2] es denso [esencialmente por definicin! ya
que contiene a todas las funciones suaves] en L2 [0, 2], pero entonces su
subespacio consistente de funciones peridicas Li p p [0, 2] tambin lo es [ya
que los elementos de L2 [0, 2] son clases equivalentes de funciones y en cada
clase siempre hay una que es peridica]. Supongamos ahora que

1 X N
SN (g )(x) := p gn e i n x g (x) (8.31)
2 n=N
punto a punto y uniformemente si g (x) Li p p ([0, 2]). Luego por densi-
dad, dada cualquier funcin f (x) L2 ([0, 2]) y " > 0 existir f" Li p p ([0, 2])
tal que k f f" kL2 < "/3 y por lo tanto tendremos,

k f SN ( f )kL2 = k f SN ( f ) f" + SN ( f" ) + f" SN ( f" )kL2

k f f" kL2 + k f" SN ( f" )kL2 + kSN ( f f" )kL2

pero
N
X
kSN ( f f" )kL2 = |( f f" )n |2
n=N
k f f" k 2
"/3 (8.32)
" , lo que sigue de
y por lo tanto eligiendo N tal que | f" (x) SN ( f" )(x)| < 6
nuestra suposicin anterior (todava no probada), tenemos que k f" SN ( f" )kL2 <
" y por lo tanto concluimos que para dicho N , k f S ( f )k 2 < "
3 N L

173
 Vemos as que solo resta probar nuestra suposicin de convergencia uni-
forme de SN ( f ) a f para funciones Lipschitz peridicas. La prueba de esta
afirmacin es muy instructiva y nos muestra como trabaja la serie de Fou-
rier. Preparatoriamente para este resultado probamos una serie de lemas:

Lema 8.7 Si f es integrable ( f L1 ) luego,

1
Z 2
sup{| fn |} p | f (x)|d x. (8.33)
n 2 0

Prueba:

e inx
| fn | = |( p , f )|
2
Z 2
1
p |e i n x f (x)|d x
2 0
Z 2
1
p | f (x)|d x (8.34)
2 0

Lema 8.8 Si f tiene derivada integrable, luego fn 0 cuando n .

Prueba: Integrando por partes tenemos,

e inx
fn = ( p , f )
2
Z 2
1
= p e i n x f (x)d x
2 0
Z 2
1 1
= p e i n x f 0 (x)d x p e i n x f (x)|2
0
i n 2 0 i n 2
Z 2
1 1
= p e i n x f 0 (x)d x p [ f (2) f (0)]
i n 2 0 i n 2

y por lo tanto

1
| fn | p [k f 0 kL1 + | f (2) f (0)|], (8.35)
n 2

174
con lo que el lema queda demostrado
Este lema y su generalizacin a un nmero mayor de derivadas nos indica
que cuanto ms diferenciable es una funcin ms rpido decaen sus coeficien-
tes de Fourier (asintticamente).

Ejercicio: Pruebe un lema similar que d una mejor cota para fn si la funcin
es peridica y es m veces diferenciable.

Lema 8.9 (Riemann-Lebesgue) Si f L1 ([0, 2]), es decir una funcin inte-

grable. Luego,

lm f =0 (8.36)
n n

Prueba: Si f L1 ([0, 2]), luego es aproximable por funciones suaves, en

particular, dado cualquier " > 0 existe f" : [0, 2], suave, tal que k f f" kL1 <
"
p . Pero como,
2 2

e inx
| f n f" n | = |( p , f f" )|
2
Z 2
1
p | f (x) f" (x)|d x
2 0
1
p k f f" kL1
2
"/2 (8.37)
tenemos que
| fn | | fn f"n | + | f"n | "/2 + | f"n |. (8.38)
Aplicando el lema anterior y notando que f" es diferenciable vemos que
f"n 0 y por lo tanto, dado " > 0 puedo elegir N tal que para todo n > N
| f"n | < "/2 con lo que | fn | < " para todo n > N y por lo tanto concluimos
que fn 0 cuando n
Ahora estamos en condiciones de probar el teorema sobre convergencia
puntual de funciones Lipschitz.

Teorema 8.10 Sea f : [0, 2] C peridica y Lipschitz. Luego

1 X N
SN ( f )(x) := p fn e i n x (8.39)
2 n=N
converge puntualmente y uniformemente a f (x).

175
Prueba: Probaremos solo la convergencia puntual, la uniforme sigue fcil-
mente y la prueba de ello no agrega nada nuevo. Comenzamos con el si-
guiente clculo,

1 X N
SN ( f )() := p fn e i n x
2 n=N
1 X N Z 2
0
= e i n f (0 )e i n d 0
2 n=N 0
1 2
Z N
e i n( ) )d 0
X 0
= f (0 )(
2 0 n=N
Z 2
= f (0 )DN ( 0 )d 0 (8.40)
0

donde hemos definido el ncleo de Dirichlet

N
1 X
e i n( ) .
0
DN ( 0 ) := (8.41)
2 n=N

Estudiamos ahora algunas propiedades del ncleo de Dirichlet. Notemos pri-

mero que,
Z 2 N Z
1 X 2
e i n( ) d 0
0
DN ( 0 )d 0 =
0 2 n=N 0

1 N
X i
= [ [e i n(2) e i n ] + 2]
2 n=N , n6=0
n
= 1. (8.42)

Por otro lado tenemos que

N
X
2DN () = e i n
n=N
N
X
= (e i )n (8.43)
n=N

y llamando q := e i para simplificar la escritura tenemos,

2DN ()

176
 N
X
= qn
n=N
N
X N
X
= qn + q n 1
n=0 n=0
N +1
q 1 q (N +1) 1
= + 1
q 1 q 1 1
(q N +1 1)(q 1 1) + (q (N +1) 1)(q 1) (q 1)(q 1 1)
=
(q 1)(q 1 1)
(q N +1/2 q 1/2 )(q 1/2 q 1/2 ) + (q (N +1/2) q 1/2 )(q 1/2 q 1/2 )

=

(q 1/2 q 1/2 )(q 1/2 q 1/2 ) /(q 1/2 q 1/2 )(q 1/2 q 1/2 )
q N +1/2 q N 1/2
=
q 1/2 q 1/2
e i(N +1/2) e i(N +1/2)
=
e i /2 e i/2
sin((N + 1/2))
= . (8.44)
sin(/2)

Por lo tanto
1 sin((N + 1/2))
DN () = . (8.45)
2 sin(/2)
Tenemos por lo tanto,
Z 2
SN ( f )() = f (0 )DN ( 0 )d 0
0
Z 2
= f ( 0 )DN ()d 0
0
1 2 sin((N + 1/2)0 )
Z
= [ f ( 0 ) f ()] d 0 + f ()
2 0 sin(0 /2)

donde en la segunda igualdad hemos usado que la integral de una funcin

peridica sobre su perodo es independiente del punto donde comienza el
intervalo de integracin, y en la ltima hemos restado y sumado f () y usado
que la integral del ncleo de Dirichlet es uno (8.42).
Si f () es Lipschitz, | f ( 0 ) f ()| k|0 | y por lo tanto

0
| f ( 0 ) f ()|
g ( ) := (8.46)
sin(0 /2)

177
es continua en (0, 2) y acotada en los extremos, por lo tanto integrable.
Aplicando ahora el Lema de Riemann-Lebesgue concluimos entonces que la
integral tiende a cero con N y por lo tanto que lmN SN ( f )() = f () en
todo punto donde f () es Lipschitz.
Para probar que S es completo solo tenemos que ver que si (e i n x , g ) =
0 n luego g = 0. Sea f C p1 [0, 2] y cn sus coeficientes de Fourier con
respecto a S, luego
!
XM e inx
( f , g ) = lm cn p , g = 0 (8.47)
M 2
M

Concluimos entonces que g es ortogonal a toda f C p1 [0, 2], pero como

vimos este espacio es denso en L2 [0, 2] y por lo tanto por continuidad de-
bemos tener entonces que ( f , g ) = 0 f H , o sea g = 0

Ejemplo [Aplicacin de la serie de Fourier] Sea S un aro de metal de

circunferencia 2 y sea T0 () una distribucin de temperatura que supon-
dremos de cuadrado integrable ( L2 (S)). La evolucin temporal de T (, t ),
(despreciando prdidas al medio circundante por conduccin o por radiacin)
est dada por,

T 2T
=k (8.48)
t 2
con k una constante positiva. Supondremos T (, 0) = T0 (). Suponiendo
adems que T (, t ) admite una descomposicin en serie de Fourier,

X e i n
T (, t ) = Tn (t ) p (8.49)
n= 2
y que se puede pasar las derivadas dentro de la sumatoria infinita obtenemos,
T 2T
0 = k
t 2
X d Tn (t ) e i n
= ( + k n 2 Tn (t )) p (8.50)
n= dt 2
e i n
y tomando el producto escalar con p vemos que se debe cumplir,
2

d Tn (t )
= k n 2 Tn (t ) n (8.51)
dt

178
o sea,
2
Tn (t ) = Tn (0)e k n t . (8.52)
Si la temperatura inicial era

X e i n
T0 () = Tn0 p (8.53)
n= 2
2
vemos entonces que Tn (t ) = Tn0 e k n t y
i n
X 2 e
T (, t ) = Tn0 e k n t p (8.54)
n= 2
nos da la solucin del problema.
Notemos que: a) La distribucin de temperatura en la barra solo depende
de la distribucin inicial. b) El hecho de haber podido reducir un problema
en derivadas parciales en un problema en derivadas ordinarias de debe a que
hemos elegido representar a las funciones en una base de autovectores del
operador derivada. En efecto, lo que hemos usado fundamentalmente es que
i n

e = i nd i n . c) No importa cuan mala (no diferenciable) es la distribu-

cin inicial T0 (), mientras est en L2 (S), la solucin se suaviza para tiempos
positivos. En efecto si por ejemplo la distribucin inicial es solo Lipschitz
luego para todo t > 0 la solucin es infinitamente diferenciable, tanto en t
como en . Para ver esto, por ejemplo tomemos,
p T (, t )
X e i n
= Tn0 (k n 2 ) p ek n 2 t p , (8.55)
tp n= 2
2
pero como para t > 0, n 2 p e k n t 0 rpidamente cuando n la serie
converge absolutamente. Por el contrario, para dato inicial genrico, aun infi-
nitamente diferenciable, la solucin no existe para tiempos negativos, ya que
en ese caso los coeficientes de la serie crecen rpidamente con n.

Ejercicio: Pruebe que un conjunto ortogonal {x n } es completo si y solo si

(x n , g ) = 0 n g = 0.

Problema 8.3 : Use Gram-Schmidt para obtener una base ortonormal a partir
de los monomios
1, x, x 2 , . . . , x n , . . . , (8.56)
con respecto a los espacios de Hilbert obtenidos a partir de los siguientes productos
escalares:

179
 R1
1. ( f , g ) = 1
f g d x (En este caso obtendr los polinomios de Legendre.)
R x 2
2. ( f , g ) =
f ge d x (En este caso obtendr los polinomios de Hermi-
te.)
R x
3. ( f , g ) = 0
f g e d x (En este caso obtendr los polinomios de Lague-
rre.)

Estas bases polinmicas reciben el nombre genrico de sistemas de polinomios

de Tchebyschev.

El hecho de que los polinomios de Legendre son una base sigue del Teore-
ma de Aproximacin de Weirstrass y del hecho de que las funciones continuas
son densas en L2 .

*Mtodo de Gram Schmidt.

Dado un conjunto numerable de elementos linealmente independientes de
H , {x i } generamos recursivamente los siguientes conjuntos:
i 1
X yi
yi = xi (u l , x i )u l , u i = .
l =1
ky i k

Note que la segunda operacin est bien definida ya que y i 6= 0. Esta aseve-
racin sigue del hecho de que el lado derecho en la definicin de y i es una
combinacin lineal de los x j , j = 1, ..., i y hemos supuesto que estos son li-
nealmente independientes.
Veamos ahora que (u i , u j ) = i j . Para ello probaremos por induccin que
dado i, (u i , u j ) = 0 j < i positivo. Esto es cierto para i = 1 [ya que no hay
j ]. Supongamos entonces que es cierto para i 1 y veamos que tambin lo es
para i . Pero, dado j < i tenemos,
j 1
X
(u j , y i ) = [(u j , x i ) (u l , x i )(u j , u l )] = [(u j , x i ) (u j , x i )] = 0.
l =1

Si el conjunto de partida es un conjunto completo, es decir un conjunto que

no es subconjunto de un conjunto mayor de vectores linealmente indepen-
dientes, luego el conjunto resultante es una base ortogonal. En particular, si
(x, u i ) = 0 i, luego x = 0. Caso contrario tomamos u = k xx k y tendra-
mos otro elemento de la base, lo que sera una contradiccin con respecto a
la completitud de los {u i }.

180
8.6. Problemas

Problema 8.4 Sea : H C un mapa lineal. Muestre que es continuo si y

solo si es acotado.

Problema 8.5 Muestre que el mapa I : C [a, b ] dado por

Zb
I(f ) f (x)d x, (8.57)
a

es un mapa lineal y continuo.

Problema 8.6 Sea V un espacio de dimensin finita y sea {u i }, i = 1..n una

base y { i }, i = 1..n la correspondiente co-base. Sea x = ni=1 x i u i un vector
P

de V cualquiera y = ni=1 i i una funcional lineal cualquiera, es decir un

P
elemento de V 0 . Considere en V la norma
Xn 1
kxk p ( |x i | p ) p . (8.58)
i =1

Vea que esta es una norma y pruebe que la norma inducida en V 0 por sta est
dada por,
Xn 1
kkq ( |i |q ) q , (8.59)
i=1
donde
1 1
+ =1 ( p, q 1); (8.60)
p q
Ayuda: Exprese (x) en componentes con respecto a la base/co-base dada y luego
use (pruebe) la desigualdad:
n
X Xn 1 X
n 1
| x i i | ( |x i | p ) p ( |i |q ) q . (8.61)
i=1 i=1 i=1

Problema 8.7 Sea c0 el espacio de sucesiones {x} = (x1 , x2 , . . .) convergiendo a

cero con la norma
k{x}kc0 sup{|xi |}. (8.62)
i
Probar que el dual del espacio c0 es el espacio l1 de las sucesiones absolutamente
sumables {} = (1 , 2 , . . .) con la norma

X
k{}k l1 |i |. (8.63)
i=1

181
Ayudas: Note que dado un elemento de l1 , {} = (1 , 2 , . . .), tenemos un fun-
cional lineal dado por,
X
({x}) xi i . (8.64)
i =1

Pruebe que este cumple

kk k{}k l1 . (8.65)

Luego encuentre un elemento de norma igual o menor que la unidad en c0 y con

su ayuda vea que
kk k{}k l1 . (8.66)

de lo cual se concluye que las normas son las mismas. Solo resta ver que para cada
elemento del dual de c0 , , existe un elemento de l1 , {} = (1 , 2 , . . .) tal que
la ecuacin 8.64 valga. Para ello construya una base de c0 y la respectiva base de
su dual. Atencin: en algn punto tendr que usar que las funcionales lineales
consideradas son continuas.

8.7. Problemas de Series de Fourier

Problema 8.8 Sea f una funcin integrable de perodo T . Muestre que

Z T Z T +a
f (x)d x = f (x)d x, a lR (8.67)
0 a

Problema 8.9 a.- Encuentre la serie de Fourier de la funcin f (x) := x en el

intervalo [, ].
b.- Use la relacin de Parseval para probar que
1
X
2
= 2 /6 (8.68)
n=1 n

Problema 8.10 a.- Encuentre la serie de Fourier de la funcin f (x) := e s x en el

intervalo [, ].
b.- Use la relacin de Parseval para probar que

X 1
c ot h(s)/s = (8.69)
n= s + n2
2

182
Problema 8.11 Sea Sn : L2 L2 el mapa que enva f L2 en la serie parcial
de Fourier,
n
X 1
Sn ( f ) := cm e i m x , c m := (e i m x , f (x)). (8.70)
m=n 2

Muestre que los Sn son proyecciones ortogonales y que Sn S m = S m Sn = S m si

m n.

Problema 8.12 En este problema se intenta probar que la serie de Fourier de

una funcin continua es sumable en el sentido de Csaro en todo punto. Sea
1
f () una funcin peridica en L2 , f () L2 [0, 2], c m := 2 (e i m , f ()) y
Pn
Sn ( f ) := m=n c m e i m x
a.- Probar que

1 2 sin((n + 1/2)x)
Z
Sn ( f )() = f ( + x) dx (8.71)
2 0 sin(x/2)
1 Pn
b.- Sea S Sn ( f )() = n+1 S ( f )() (suma de Csaro), pruebe que:
0 m

1 2 sin2 ((n + 1)x/2)

Z
S Sn ( f )() = f ( + x) dx (8.72)
2(n + 1) 0 sin2 (x/2)
sin2 ((n+1)x/2)
c.- Sea Kn (x) = pruebe que para todo > 0,
2(n+1) sin2 (x/2)
Kn (x) 0 uniformemente en [, 2 ].
d.- Pruebe que S Sn ( f )(0 ) f (0 ) si f es acotada y continua en 0 .
e.- Probar que si f es continua y peridica, entonces S S Ln ( f )() f ()
uniformemente en . Ayuda: recuerde que si f es continua en [0,2] entonces f
es uniformemente continua.
f.- Mostrar que k f Sn ( f )k k f S S Ln ( f )k y concluir que Sn ( f ) f en
L2 si f es continua.

Problema 8.13 Suponga que f C p1 ([0, 2]) y sea cn = (e i n , f ) y bn =

(e i n , f 0 ).
a.- Vea que |bn |2 < y concluya que n 2 |cn |2 < .
P P

P
b.- Probar que |cn | < .
c.- Probar que nm=n c m e mi es uniformemente convergente para n .
P

Pn d.- Utilicemiel tem f.- del problema anterior para concluir que
m=n m
c e 2 f () uniformemente.

183
Problema 8.14 Considere la expansin en serie de Fourier para la siguiente fun-
cin:

0<x <

1
f (x) := (8.73)
+1 < x2
f ( + 2) = f (). La suma de los primeros n trminos produce una funcin
que tiene un mximo absoluto en las cercanas positivas de 0 de altura 1 + n .
Mostrar que lmn n 0,18. Esto se conoce como fenmeno de Gibbs.

Notas bibliogrficas: Estas notas estn basadas en los siguientes libros: [9],
[10], [13], [1] y [14]. sta es una de las reas mas bellas y tiles de las mate-
mticas, bsica para casi todo, en particular la mecnica cuntica. No deje de
profundizar un poquito en ella, sobre todo recomiendo los libros [9] y [1] de
lectura placentera.

184
 CAPTULO 9

DISTRIBUCIONES

9.1. Introduccin

Para hacer del espacio de funciones de cuadrado integrable L2 (lR) un es-

pacio normado fue necesario generalizar el concepto de funcin ( como mapa
de lR en lR ) en el sentido que los elementos de L2 son solo funciones definidas
en casi todos los puntos, es decir clases equivalentes Rde funciones de cuadrado
integrable ante la relacin de equivalencia f g si | f g |2 d x = 0.
Si bien esta generalizacin es til ya que entre otras cosas nos permite
agrupar las funciones en espacios de Hilbert y as usar la poderosa estructu-
ra geomtrica que stos tienen, es conveniente considerar una generalizacin
aun mayor la cual, como veremos ms adelante, nos proveer de una impor-
tante herramienta en lo que hace al clculo formal en fsica matemtica.
Las funciones generalizadas que definiremos a continuacin, llamadas dis-
tribuciones, tienen muchas propiedades interesantes, entre ellas que la ope-
racin diferenciacin es cerrada en este espacio, es decir la derivada de una
distribucin es otra distribucin. Esto es particularmente sorprendente si se
tiene en cuenta que entre las distribuciones hay funciones que ni siquiera son
continuas!
Cul es la idea detrs de esta generalizacin? El teorema de representa-
cin de Riez nos mostr que el dual de L2 (lR) es ese mismo espacio. Aho-
ra bien, si en vez del dual de L2 (lR) consideramos el dual de un subespacio
de L2 (lR), obtendremos un espacio mayor que L2 (lR) y que contiene a ste
de una manera natural. Este espacio lineal, que contiene al de las funciones
usuales es un espacio de funciones generalizadas.
Est claro que existen muchos espacios de funciones generalizadas ya que
no solo podemos considerar distintos subespacios de L2 (lR), sino tambin po-
demos considerar distintas nociones de continuidad ms dbiles que la conti-
nuidad proveniente de la norma de L2 (lR) para definir los espacios duales.

185
 Cul de ellos estudiar? La respuesta es: El que ms convenga al trata-
miento del problema para el cual se las quiere usar. Aqu trataremos aquellas
obtenidas a partir de un subespacio bastante pequeo con lo cual se obtiene
una generalizacin lo suficientemente amplia como para abarcar con ella la
mayora de los problemas de la Fsica. Es necesario remarcar que el concepto
de distribucin que introduciremos no es una necesidad fsica, en el sentido
que las teoras fsicas se pueden enunciar usando simplemente funciones infi-
nitamente diferenciables1 , pero s es una herramienta muy til que permite
una formulacin ms condensada"de algunas de estas leyes. El subespacio
de L2 (lR) que usaremos es de las funciones infinitamente diferenciables y de
soporte compacto C0 (lR). [Recuerde que el soporte de una funcin clsica
f (x) est dado por el subconjunto de lR,

C l { f 1 [lR {0}]},

donde C l significa tomar la clausura. Como el soporte de una funcin es

automticamente cerrado, que sea compacto (como subconjunto de lR o lRn
) significa meramente que es acotado.]

Ejercicio: Muestre que C0 (lR) es realmente un espacio vectorial.

Ejercicio: Muestre que adems es un lgebra con respecto al producto usual.

Cul es el soporte de f g ?

Qu nocin de continuidad introduciremos en las funcionales de C0 (lR)

para definir el dual? Desgraciadamente no hay en este espacio ninguna norma
que sea natural, en particular no hay ninguna en que ste sea completo 2 .
Hay s, en este espacio, una topologa conveniente. La correspondiente
nocin de continuidad de esta topologa se obtiene del siguiente criterio de
convergencia:
1
Aqu nos referimos a las teoras fundamentales. Existen aproximaciones, como la teora
de los fluidos, donde las distribuciones aparecen naturalmente.
2
An en el caso que, por ejemplo, ussemos como norma

1
s u p xlR {| f (n) (x)|}
X
kf k =
n=0 n!

no obtendramos un espacio completo ya que en este hay sucesiones de Cauchy que tienden a
funciones infinitamente diferenciables pero cuyo soporte no es compacto.

186
Definicin: Diremos que una sucesin { n }, n C0 (lR) converge a
C0 (lR) si:
1. Existe K lR compacto tal que s o p o r t e( n ) K n.
( p)
2. Las sucesiones { n } de sus derivadas de orden p convergen uniforme-
mente en K a ( p) para todo p = 0, 1, 2, . . . ,, es decir dado p y " > 0
existe N tal que para todo n > N se cumple
s u p xK | (np) (x) ( p) (x)| < ". (9.1)

Note que la primera condicin nos restringe a considerar como sucesiones

convergentes a aquellas que solo pueden converger a una funcin de soporte
compacto. Esto es fundamental para la completitud del espacio y para que
la convergencia uniforme en la segunda condicin tenga sentido usando el
supremo. Con este criterio de convergencia asociamos la siguiente nocin de
continuidad sobre las funcionales de C0 (lR) en lR.

Definicin: Diremos que la funcional F : C0 (lR) lR (o C) es continua en

C0 (lR) si dada cualquier sucesin convergente { n } en C0 (lR) a se
cumple,
F ( n ) F (). (9.2)
Esta nocin proviene de la topologa antes mencionada.

Ejercicio: Sea B un espacio de Banach con la nocin de convergencia dada por

su norma. Muestre que en ese caso la nocin de continuidad definida arriba
coincide con la usual (", ).

Con esta nocin de continuidad el espacio C0 (lR) es llamado el espacio

de funciones de prueba de lR y denotado por D(lR).

Definicin: El espacio dual al espacio de funciones de prueba, D 0 , es decir

el espacio de funcionales lineales continuas T : C0 (lR) lR es llamado el
espacio de las distribuciones.

Ejemplos:
a) Sea f continua y sea la funcional lineal
Z
T f () = f d x. (9.3)
lR

187
Como Z 
|T f ()| |f | d x s u p xK || (9.4)
K

donde K es cualquier compacto conteniendo el soporte de vemos que T f

es continua y por lo tanto una distribucin. Vemos as que las funciones con-
tinuas dan origen a distribuciones, es decir estn incluidas naturalmente en el
espacio de las distribuciones.

Ejercicio: Muestre que si f 6= g luego T f 6= T g .

b) Sea f integrable (en el sentido de Lebesgue) es decir un elemento de L 1 (lR)

y sea Z
T f () = f dx C0 (lR). (9.5)
lR
Pero |T f ()| s u p xK || lR | f | d x y por lo tanto si {n } 0 entonces
R

T f (n ) 0 lo que nos asegura (por linealidad) que T f es continua y as una

distribucin. Note que si f = g en casi todo punto ( f g ) luego T f = T g
por lo que concluimos que son en realidad los elementos de L1 los que definen
estas distribuciones. Las distribuciones obtenidas de esta forma se denominan
regulares.

c) Sea Ta : C0 (lR) lR, a lR, dada por Ta () = (a), este mapa es clara-
mente lineal,

Ta ( + ) = (a) + (a) = Ta () + T( ),

y continuo
|Ta ()| = |(a)| s u p xlR |(x)|
y por lo tanto una distribucin. Esta es llamada la delta de Dirac en el punto
a. Hay alguna funcin continua, f , tal que Ta = T f ? Supongamos que s,
y que f (r ) 6= 0 con r 6= a. Eligiendo distinto de cero solo en un entorno
suficientemente pequeo de r que no contenga a a y con el mismo signo que
f (r ) obtenemos (a) = 0 y T f () 6= 0 lo que implica que f (r ) = 0 r 6= a
pero por continuidad concluimos entonces que f 0 y por lo tanto que
T f () = 0 C0 (lR). Vemos entonces que esta distribucin no provie-
ne de ninguna funcin continua y se puede ver que en realidad no proviene
de ningn elemento de L1 (lR), es as una distribucin irregular. Estos son
los elementos extra que nos da la generalizacin definida. Usualmente, en

188
manipulaciones formales se pretende que esta distribucin proviene de una
funcin, denominada delta de Dirac y denotada por (x a). Con ella se
escriben cosas como
Z
(x a) (x) d x = (a). (9.6)
lR
Como hemos visto en realidad no existe ninguna funcin para la cual esta
expresin tenga sentido por lo tanto sta es solo formal y debe considerrsela
con precaucin, es decir siempre como un mapa lineal y continuo del espacio
de funciones de prueba.
Qu estructura tiene D 0 (lR)? Por ser un espacio dual sta es un espacio
vectorial con la suma de sus elementos y el producto de stos por nme-
ros
realesdefinidos en la manera
obvia, es decir si T , T D, lR, luego
T + T () = T () + T () . Estas operaciones generalizan las opera-
ciones definidas sobre funciones integrables ya que T f + T g = T f + g .
Est definido el producto de distribuciones? La respuesta es que en ge-
neral no lo est as como tampoco lo est entre funciones integrables. S lo
est si una de ellas proviene de una funcin de prueba, es decir

T T () := T () D, (9.7)

donde hemos usado que los elementos de D forman un lgebra. Note que
sto generaliza la operacin definida sobre funciones integrables:
Z
T T f () = f = T f () = T f () (9.8)
lR
ya que si f L1 luego f L1 si D.

9.2. La derivada de una distribucin

Si f es continuamente diferenciable luego su derivada tambin da origen

a una distribucin T f 0 . Qu relacin hay entre T f y T f 0 ? Note que
Z Z
0
T f 0 () = f dx = f 0 d x = T f ( 0 ) D (9.9)
lR lR
donde al integrar por partes se us que las en D tienen soporte acotado.
Esto sugiere que la posibilidad de extender la nocin de derivada a toda dis-
tribucin por medio de la frmula
T 0 () := T ( 0 ), D, (9.10)

189
donde el lado derecho est bien definido ya que si D luego 0 D. Note
que esta operacin satisface las condiciones que uno esperara ya que son las
mismas que satisface la derivada usual, teniendo en cuenta que ahora estamos
en este espacio ms amplio donde el producto de funciones no est definido
en general. En efecto esta operacin es lineal.
0
T + T () = T + T ( 0 ) = T ( 0 ) + T ( 0 )
(9.11)
= T 0 () + T 0 ()

y satisface la regla de Leibniz tanto como es posible ya que como vimos el

producto de distribuciones no est definido en general. Cuando si lo est, es
decir cuando una de ellas es un elemento de D, tenemos que
 0  
T T () = T T (0 ) = T ( 0 )
= T (( )0 0 )
= T (( )0 ) + T ( 0 )
(9.12)
= T 0 ( ) + 0 T ()
= T T 0 () + T 0 T ()
 
= T T 0 + T 0 T ().

Pero estas son las condiciones que definen una derivacin. Vemos por lo tan-
to que sta es una extensin de la derivada de una funcin en D. Note que
al generalizar la nocin de funcin en la de distribucin la hemos ampliado
tanto que ahora objetos como la derivada de funciones discontinuas (incluso
en todos sus puntos!) estn incluidas entre stas e incluso son a su vez infini-
tamente diferenciables [(T )(n) () (1)n T ((n) )].

Ejemplo: Ta0 , la derivada de la funcin de Dirac en a es la distribucin tal que

Ta0 () = 0 (a) D.

Comenzamos con el espacio de funciones infinitamente diferenciables de

soporte compacto y finalizamos tambin con un espacio infinitamente dife-
renciable [con una nocin distinta de derivada], cabe preguntarse si existe
una nocin de soporte de una distribucin. Obviamente no podemos utili-
zar la misma nocin que para funciones continuas y tendremos que proceder
de una manera indirecta.
Sea O un abierto acotado, de lR y D(O) el espacio de funciones de prueba
con soporte en la clausura de O, O. Diremos que una distribucin T se anula

190
en O si T [D(O)] = 0, es decir si se anula para toda funcin de prueba con
soporte en O. Llamaremos el soporte de T al complemento de la unin de
todos los abiertos donde T se anula. Por ser el complemento de un conjunto
abierto este conjunto es cerrado.

S El soporte de To es {0}. Sea On = (1/n, n) (n, 1/n), luego

Ejemplo:
lR n On = {o}.

Ejercicio: Sea f continua. Pruebe que s o p o r t e{ f } = s o p o r t e{T f }

Ejercicio: Cmo extendera las nociones de funciones pares ( f (x) = f (x))

y el de impares ( f (x) = f (x)). Qu propiedades conserva esta extensin?

Ejercicio: Sea

x, x 0
g (x) =
0, x 0
x lR. Claramente g (x) es continua pero no diferenciable (en el sentido
clsico). Encuentre las 3 primeras derivadas de g en el sentido de las distribu-
ciones.

Ejercicio: La parte principal, en el sentido de Cauchy, de una funcin,

1
Z
P (1/x)( f ) = lm f (x) d x
"0 |x|" x

es una distribucin. Cmo debe interpretarse la frmula?

1 1
lm =P i (x x0 )
"0 x x0 + i" x x0

Hemos visto que una distribucin es diferenciable, es decir dada T D 0

existe S D 0 tal que T 0 = S. Cabe preguntarse lo opuesto, es decir si dada
S D 0 existe T tal que la frmula de arriba valga, es decir

T ( 0 ) = S() D. (9.13)

191
Esta es una generalizacin a distribuciones de la ms simple de las ecuaciones
diferenciales ordinarias ya estudiadas y la respuesta al problema planteado
es afirmativa. Note que dada T la ecuacin (9.13) nos define S, es decir su
derivada, pero si damos S luego (9.13) no define T completamente ya que
esta frmula nos dice solamente cmo acta T sobre funciones de prueba
( 0 ) cuya integral () es tambin una funcin de prueba. Esto es de esperar ya
que en el caso de funciones la primitiva de una funcin est slo determinada
hasta una constante. Esta indeterminacin se remedia dando valores iniciales
generalizados lo cual se logra pidiendo que T () tenga un dado valor, T ,
Z D que no sea la primitiva de otra funcinZen D, es decir que
para alguna
x
(x) = (x) d x no tenga soporte acotado (o sea que (x) d x 6= 0).
lR

Teorema 9.1 Dada S D 0 , D tal que lR d x 6= 0 y T lR, existe una

R

nica T satisfaciendo

T ( 0 ) = S() D
(9.14)
T () = T

Prueba: Solo tenemos que conocer la accin de TRsobre una arbitraria D.

Sin prdida de generalidad tomemos tal que lR = 1. Vemos que dada
D existe un nico lR y una nica D tal que, = 0 , es
decir es una funcin de prueba con primitiva. En efecto, sea
Zx
(x) = ( ) d x

luego la condicin para que tenga soporte compacto (y por lo tanto sea
una funcin de prueba) es que
Z Z
0= ( ) d x = d x = 0 (9.15)

o sea Z
= d x. (9.16)

Sea entonces
T () = T S( ), (9.17)
esta distribucin satisface las ecuaciones del enunciado del teorema. Note que
T es una distribucin,

192
 Z
T = T d x,
lR
y que,

T () = T S( ) = T S(0) = T .

Veamos la unicidad, sea T otra distribucin satisfaciendo 9.14, luego la dife-

rencia, T = T T satisfacer,

T ( 0 ) = 0 D
(9.18)
T () = 0.
Como hemos visto que cualquier funcin de prueba se puede escribir co-
mo, = + 0 tenemos,

T () = T () + T ( 0 ) = 0.

Lo que concluye la demostracin de unicidad. De esto concluimos que, como

en el caso de funciones, dos soluciones cualesquiera de (9.13) difieren por una
constante

9.3. Nota sobre la completitud de D y su dual D 0

Usando la nocin de convergencia introducida en D podemos definir un

concepto anlogo al de sucesin de Cauchy:

Definicin: diremos que una sucesin de funciones de prueba { n }, n D

es convergente si:
1) Existe K lR compacto tal que s o p( n ) K n.
2) Dado p y " > 0 existe N tal que para todo n, m > N se cumple
 
s u p xK  fn( p) (x) f m( p) (x) < "
 

Con esta nocin de convergencia el espacio D es completo, es decir toda

sucesin convergente converge a un elemento de D. Para discutir completitud
de D 0 debemos introducir nociones similares en este espacio. La nocin de
convergencia apropiada es la siguiente.

193
Definicin: Diremos que la sucesin {Tn }, Tn D 0 converge a T D 0 si
Tn () T () para todo D 3 .
Ejemplos:
2
a) Sea Tn la distribucin asociada con la funcin e |xn| . Luego Tn converge
a la distribucin cero. Esto muestra lo dbil que es este tipo de convergencia.
b) Sea Tn la distribucin asociada con alguna funcin fn satisfaciendo

1. fn (t ) 0 si |t | < 1/n y cero si |t | 1/n.

Rb
2. a
fn (t ) d t = 1,

Luego Tn T0 , la funcin de Dirac con soporte en el cero.

Anlogamente podemos definir la nocin de convergencia de distribucio-

nes.

Definicin: {Tn }, Tn D 0 es convergente si para cada D y " > 0 existe

N tal que si n, m > N luego

|Tn () T m ()| < "

Con esta nocin de convergencia el espacio D 0 es completo.

9.4. Convergencia y Compacidad Dbil

En un espacio normado, H , tenemos la nocin de convergencia con res-

pecto a la norma, la cual llamaremos convergencia fuerte

f
{xn }x si lm kxn xkH = 0.
n

En estos espacios existe otra nocin de convergencia, la llamada convergencia

dbil y que usa la existencia del espacio dual de H , H 0 .

Definicin: Diremos que {xn } converge dbilmente a x,

d
{xn }x, si (xn ) (x) H 0 .
3
Nuevamente estamos introduciendo una topologa de manera indirecta, esta vez en D 0 .

194
Si H es un espacio de Hilbert (lo que supondremos de ahora en ms) el Teo-
d
rema de Representacin de Riez nos dice que {xn }x sii (xn , y) (x, y)
y H.

Claramente esta nocin de convergencia es la ms dbil tal que los ele-

mentos de H 0 son funcionales continuas [En el sentido que f es continua
en x si dada cualquier sucesin {xn } convergiendo a x luego lm f (xn ) =
n
f (x).], donde decimos que una nocin de convergencia es ms dbil que otra
si toda sucesin que converge con respecto a la segunda tambin lo hace con
respecto a la primera y hay sucesiones que convergen con respecto a la pri-
mera pero no con respecto a la segunda. Veamos, a manera de ejemplo, que la
convergencia en norma, o fuerte, es en realidad ms fuerte que la llamada d-
f
bil. Supongamos entonces que {xn }x es decir lmn kx xn kH = 0, luego
como los elementos de H 0 son funcionales lineales acotadas ( continuas)
se cumple que

|(x) (xn )| kkH 0 kx xn k H 0, (9.19)

y por lo tanto,
lm |(x) (xn )| = 0, (9.20)
n
d
o sea {xn }x. El siguiente es un ejemplo de una sucesin que convergen
dbilmente y no fuertemente.

Ejercicio: Muestre que la sucesin {xn = (0, ..., 0, 1 , 0, ...)} converge dbil-
n

mente en l 2 pero no fuertemente.

El anterior fue tambin el ejemplo que utilizamos para mostrar que la bo-
la de radio unidad en l 2 no era compacta con respecto a la convergencia fuer-
te. Ser sta dbilmente compacta? Es decir, dada una sucesin {xn } B1 (l 2 )
cualquiera existir una subsucesin que converja dbilmente? La respuesta
es afirmativa y es una de las herramientas ms tiles del anlisis funcional.

Teorema 9.2 B1 es dbilmente compacta.

Prueba: Slo probaremos el caso en que H es separable. Sea {xn } con kxn kH
1 y S = {y m } una base ortonormal numerable de H . Construiremos, usando

195
induccin, una subsucesin {xn } tal que,
n
(xn , y m ) m y m S. (9.21)
Sea m = 1, luego |(xn , y1 )| kxn kH ky1 kH 1. Vemos entonces que {(xn , y1 )}
es una sucesin acotada en C. Pero la bola de radio unidad en C es compacta
y por lo tanto habr alguna subsucesin (xn1 , y1 ) convergiendo a algn 1 en
C. Supongamos ahora que tenemos una subsucesin {xnm1 } tal que

(xnm1 , y p ) p 1 p m 1. (9.22)

De la misma forma que como hicimos para el caso m = 1, considerando

en este caso {(xnm1 , y m )} obtenemos una subsucesin {xnm } de {xnm1 } que
satisface,
n
(xnm , y m ) m , (9.23)
lo que completa la induccin. Tenemos as un mapa : {y m } C dado por
(y m ) = m , como {y m } es una base podemos extender este mapa linealmen-
te a todo H . Como {xn } es acotada,
|(y)| = lm |(xn , y)| kykH (9.24)
y es tambin acotada, por lo tanto continua. Usando el Teorema de Repre-
sentacin de Riez sabemos entonces que existe x H tal que
(x, y) = (y) = lm(xn , y) y H. (9.25)
d
Concluimos as que {xn }x
En el prxido captul o haremos uso de esta propiedad para probar un
importante resultado en espacios de Sobolev.

Notas bibliogrficas: Recomiendo leer: [10], [1] [9]. A pesar de que fue
un fsico, Dirac, el que introdujo el concepto de distribucin muchos fsicos
las desdean como algo matemtico y las usan como una abreviacin til para
hacer clculos. Usualmente la persona que las manipula conoce lo que est ha-
ciendo y no comete errores, pero es bastante fcil cometerlos si no se siguen
cuidadosamente las reglas y se pierde de vista lo que son. Esto por ejemplo
lleva a errores tales como asignarle significado al producto de dos distribucio-
nes arbitrarias. No es difcil entender el concepto bsico de distribucin ni
tampoco que no hay que salirse de las reglas operativas, sgalas siempre y no
se equivocar.

196
 CAPTULO 10

L A TRANSFORMACIN DE FOURIER

10.1. Introduccin

Consideremos el siguiente problema en el crculo S 1 cuya circunferencia

es 2:
Dada continua en S 1 encuentre f en S 1 tal que

2f
= . (10.1)
2

Una manera
n deoresolver este problema es utilizando la base ortogonal de Fou-
1
rier, p e i n
de L2 (S 1 ). Sea F : L2 (S 1 ) l 2 el mapa entre estos espacios
2
generado por esta base, es decir,

1 i n
F (f ) = p e ,f {cn } . (10.2)
2

Luego
2f d2 f
  n o
1
F = p e i n ,
2 2 d 2 (10.3)
=
 2
n cn an

donde {an } = F ().

Como F (0) = {0} vemos que (10.1) implica una ecuacin algebraica en
l 2,
n 2 cn = an . (10.4)

Si es L2 ortogonal a f = c t e., es decir a las nicas soluciones de (10.1)

an
con = 0, lo que implica a0 = 0, la sucesin con c0 arbitrario y cn = 2 ,
n

197
n 6= 0 satisface (10.4). El mapa inverso F 1 : l 2 L2 (S 1 ) nos define f () =
X cn i n
p e , el cual al menos formalmente1 es una solucin de (10.1).
n= 2
Note que en esta aplicacin no hemos usado directamente el hecho de que
1 d i n
las funciones { p e i n } forman una base ortogonal sino solo que e =
2 d
i n e i n y ciertas propiedades del mapa F generado por dicha base. En parti-
cular esta propiedad de la base se induce en el mapa en el sentido que si f L2
df
es diferenciable y F ( f ) = {cn } luego F ( ) = {+i n cn }.
d
Estas observaciones son muy tiles pues existen casos, como el de L2 (lR),
en los cuales no se conocen bases ortogonales interesantes, pero s mapas si-
milares a F con propiedades interesantes. Uno de ellos es la transformacin
de Fourier que estudiaremos ahora. El problema en L2 (lR) es que deseara-
d
mos tener una base { n } cuyas funciones satisfagan = i cn n , pero
dx n
las soluciones a esta ecuacin son n = an e i cn x , las cuales no son funciones
de cuadrado integrable cualquiera sea cn o an lR (excepto por supuesto
que tomemos an 0). Sin embargo aunque estas funciones no formen una
base ortogonal si generan un mapa F , esta vez de L2 (lR) en otra copia (con-
siderada como distinta) de L2 (lR), con propiedades similares a las del mapa F
considerado anteriormente.

Teorema 10.1 (de Fourier) La transformacin de Fourier

1
Z
f() := F ( f )() := e i x f (x) d x n (10.5)
(2)n/2 lRn

donde x = i
i . Satisface:
P
i=1 x

a) F : L2 (lRn ) L2 (lRn ) es un mapa lineal, continuo e invertible de L2 (lRn ) en

s mismo que preserva la norma (es decir unitario), k fkL2 = kF ( f )kL2 = k f kL2
(identidad de Plancherel).

X
1
El mapa define un elemento de L2 pues L2 y por lo tanto |an |2 < lo que

an
implica que {c0 arbitrario, cn = , n 6= 0} es tambin un elemento de l 2 . Restara ver que
n2
f = F {cn } es dos veces diferenciable.
1

198
b) Su inversa est dada por

1
Z
g (x) = F 1
(g ) = e i x g () d . (10.6)
n/2
(2n) lR n

c) Si la derivada de f L2 (lRn ) en el sentido distribucional est tambin en

L2 (lRn ) se cumple entonces que

f
!
F () = i j F ( f )(). (10.7)
xj

Este teorema nos dice que esta transformacin tiene todas las propiedades
que tena la generada por la base de Fourier y por lo tanto ser tan til como
aquella en aplicaciones similares, pero ahora en lRn .
La prueba de este teorema usa varias de las tcnicas ms comunes y pode-
rosas del anlisis funcional y por lo tanto es recomendable una lectura atenta
y no automtica de la misma.

Prueba: El mapa F es obviamente lineal y claramente est definido para cual-

quier funcin en C (lRn ), es decir infinitamente diferenciable y de soporte
compacto. Veamos primero que F preserva la norma L2 (lRn ) para estas fun-
ciones. Sea f C (lRn ) cualquiera y tomemos un n-cubo C" de volumen
2
( )n con " > 0 suficientemente pequeo como para que s o p( f ) C" . Sea
"
K" = {k lRn | ki = p" para algn entero p}, [por ejemplo en lR3 el vec-
("5,
tor "17, 0) es unelemento de K" ]. Luego el conjunto de funciones
" n/2 i kx
e | k K" forman una base ortogonal de L2 (C" ).
2
Pero f L2 (C" ) y es continuamente diferenciable, por lo tanto

" n/2 " n/2 i kx X f(k)

X
i kx
e , f (x) e = e i kx (2"/2)n , (10.8)
kK"
2 2 kK" (2) n/2

es la representacin en serie de Fourier de f la cual converge uniformemente

a f en C" y por lo tanto en lRn . Tenemos entonces que
Z
2
kf k 2 = | f (x)|2 d n x
L n
lR

199
 Z
= | f (x)|2 d n x
C"
X  " 2
n/2 i kx
=  ( ) e , f (x) 
 2 
kK"

| f(k)|2 (")n .
X
= (10.9)
kK"

Como lRn es la unin de n-cubos de lados " ( o sea de volumen (")n alre-
dedor de los puntos de K" el lado derecho de (10.9) es simplemente la serie de
Riemann de la funcin | f(k)|2 . Si esta funcin fuese continua luego la serie
de Riemann convergera a k fk2 2 y habramos probado que la transformada
L
de Fourier de una funcin en C (lRn ) preserva la norma L2 (lRn ). Pero

f(k)
Z
1
s u pk | k | = s u pk | n/2 i x j e i kx f (x) d n x|
j (2) n
Z R (10.10)
1 j n
n/2 |x f (x)| d x < ,
(2)
Rn

ya que f C (lRn ). Vemos entonces que las derivadas de f(k) estn acotadas
y por lo tanto que f es continua. Este resultado no solo completa la demos-
tracin de que F preserva la norma sino tambin, ya que f(k) es continua,
que la serie de Riemann en el lado derecho de la ecuacin (10.8) converge a
la integral y por lo tanto que F 1 (F ( f )) = f (x) f C (lRn ).
Si f C (lRn ) luego la identidad del punto c) se muestra trivialmente.
Solo resta entonces extender estos resultados para f arbitraria en L2 (lRn ),
pero C (lRn ) es una subespacio denso de L2 (lRn ), es decir todo elemento
f L2 (lRn ) puede obtenerse como lmite (con respecto a la norma L2 (lRn ))
de una sucesin { fn } de funciones en C (lRn ), esto nos permite extender la
accin de F a todo elemento de L2 (lRn ). En efecto, sea f L2 (lRn ) arbitraria
y sea { fn } f C (lRn ) luego la sucesin fn (k) = F ( fn ) satisface,

k fn (k) fm (k)kL2 (Rn ) = k fn (x) f m (x)kL2 (lRn ) . (10.11)

Como { fn } es convergente es de Cauchy y por lo tanto { fn } es tambin

de Cauchy en L2 (lRn ), pero L2 (lRn ) es completo y por lo tanto existe f
L2 (lRn ) tal que { fn } f. Extenderemos el mapa F a L2 (lRn ) definiendo
F ( f ) f. Esta extensin es claramente lineal y acotada por lo tanto es con-
tinua. Usando el mismo razonamiento extendemos F 1 a todo L2 (lRn ) y

200
vemos que F 1 (F ( f (x))) = f (x) f (x) L2 (lRn ) lo que demuestra que
F es invertible, que su inversa es F 1 y es continua. El mismo argumento
muestra que la frmula en c) tambin es vlida para todo f tal que su gradien-
te tambin est en L2 (lRn ). Esto completa la prueba del teorema
Note que la estrategia ha sido primero tomar un espacio (C (lRn )) donde
todas las propiedades valen obviamente, luego tomar un espacio que contie-
ne al anterior y donde este es denso, ver que el mapa es all continuo (con
respecto a la nocin de continuidad del espacio mayor) y finalmente tomar la
extensin que esta continuidad nos brinda.
Hay otras extensiones posibles? La respuesta es s y ahora veremos una
de ellas que nos permitir usar la transformacin de Fourier en distribucio-
nes. Lo haremos en forma de un problema dividido en varios ejercicios.

Notacin de Schwartz: I+n denotar el conjunto de n-tuplas de enteros no-

negativos =< 1 , . . . , n > y || = ni=1 i . Similarmente denotamos por
P

||
D , es decir D es el operador diferencial que toma
x x11 xnn
1 , derivadas parciales con respecto a x1 , 2 derivadas parciales con respecto
a x2 , etc. El grado de D es ||.

Definicin: Llamaremos espacio de Schwartz S (lRn ) al espacio vectorial de

funciones infinitamente diferenciables que decaen asintticamente ms rpi-
do que la inversa de cualquier polinomio, es decir que
s u p xlRn |x D (x)| <
X
kk p,q (10.12)
|| p
|| q
, I+n , con la siguiente nocin de convergencia: diremos que { n }, n
S converge a S si dado " > 0 para cada par de enteros no negativos, p,
q, existe N p,q tal que si n > N p,q luego k n k p,q < ".

Ejercicios:
1) Cmo definira la nocin de sucesin convergente en este espacio?
2) Muestre que si { n } luego { n } converge en el sentido anterior.
3) Muestre que D est estrictamente contenido en S . Ayuda: Encuentre
S con s o p() = lRn .

Las propiedades de este espacio que nos interesan son las siguientes:

201
Lema 10.1 Con la nocin de convergencia correspondiente el espacio S (lRn )
es completo.

Lema 10.2 El espacio C (lRn ) es denso en S , es decir cualquier elemento

S puede ser obtenido como lmite de una sucesin convergente con cada uno de
sus miembros en C (lRn ).

Ejercicio: Pruebe el Lema 10.2.

Lema 10.3 F : S S es continuo e invertible con inversa continua.

Ejercicio: Pruebe el Lema 10.3. Ayuda: Pruebe que dado enteros p y q existen
p y q y c > 0 tales que para todo S se cumple

kk p,q c kk p,q . (10.13)

2 /2
Ejercicio: Encuentre F (e x ).

Definicin: El espacio dual a S , S 0 se llama el espacio de las distribuciones

temperadas.

Ejercicio: Muestre que S 0 est estrictamente contenido en D 0 . Ayuda: En-

cuentre f tal que T f D 0 y no a S 0 .

Cmo extender F a S 0 ? Usando la identidad de Plancherel y la de po-

larizacin2 tenemos que (, ) = (, ) . Pero entonces
Z Z
T () = d k = d x = T () := T (). (10.14)

Esto nos induce a definir en general

T () := T (). (10.15)
2
Es decir que (x, y) = 14 {||x + y||2 ||x y||2 + i ||x i y||2 i ||x + i y||2 }

202
Ejercicio: Calcule F ( a ) y F ( 0a ).

Qu otras propiedades tiene la transformacin de Fourier? Note que de la

identidad del punto c) del Teorema de Fourier sigue que si x D f L2 (lRn )
luego k D f L2 (lRn ). Esto nos dice esencialmente que diferenciabilidad
en x es equivalente a decaimiento en k y viceversa. En particular esto nos
dice que la transformada de Fourier de una funcin de soporte compacto es
infinitamente diferenciable.3 Ms an se puede probar que es analtica.
Otra propiedad importante de la transformacin de Fourier es que lleva
producto de funciones en convolucin de funciones y viceversa.

Definicin: Sea f , g S (lRn ). La convolucin de f con g denotada f g es

la funcin, tambin en S (lRn ), dada por
Z
( f g )(y) = f (y x) g (x) d n x. (10.16)
n
lR

Teorema 10.2 a) Para cada f S (lRn ), el mapa lineal g f g de S (lRn )

en S (lRn ) es continuo.
f g = 1 f g y
b) f g = (2)n/2 fg .
(2)n/2
c) f g = g f y f (g h) = ( f g ) h.

Prueba: Una vez probado el punto b ) los otros siguen trivialmente. Aseg-
rese! Probaremos entonces b ). Como ya vimos (, ) = (, ) ,
S (lRn ). Aplicando esta identidad a e i yx f(x) y g (x) obtenemos (e i yx f, g ) =
(e i yx f, g ). pero

Z
(e i yx
f, g ) = e i yx f (x) g (x) d n x = (2)n/2
fg (10.17)
n
lR

3
En realidad el argumento anterior nos dice que si s o p( f ) es compacto luego D f
L2 (lRn ) I+n . Como veremos ms adelante esto implica que es infinitamente diferen-
ciable.

203
y
 
i yx n/2 i x+i yx n
(e f , g ) = lRn (2) f (x) d x g () d n
R R
lRn e

= lRn f(y ) g () d n
R

= f g .
(10.18)
1
La otra frmula se obtiene aplicando F a la anterior
Otra propiedad interesante de la convolucin se obtiene al notar que co-
mo S (lRn ) es cerrado con respecto a la operacin de convolucin ( f , g
S (lRn ) = f g S (lRn )) podemos definir la convolucin de una distri-
bucin temperada con una funcin en S (lRn ) como,
(T f )() = T ( f ) donde f(x) := f (x). (10.19)

Ejercicio: Aplique (10.19) a T = T g para g S (lRn ) y vea que esta definicin

tiene sentido.
La propiedad interesante se ve en el siguiente lema.
Lema 10.4 T f es equivalente a una funcin infinitamente diferenciable.

10.2. *Propiedades bsicas de los Espacios de Sobolev

Como una aplicacin de la transformacin de Fourier veremos a conti-

nuacin las propiedades bsicas de los espacios de Sobolev. stas ser usa-
das ms adelante cuando estudiemos la teora de las ecuaciones diferenciales
parciales. El primer paso ser una generalizacin de los espacios de Sobolev.
Como vimos los espacios de Sobolev son espacios de Hilbert con norma pro-
veniente del siguiente producto escalar.

m
X X n
( f , g )H m = . . . f , . . . g ,

| i j{z }p i j p (10.20)
k=0 i , j , p=1
k veces L2

donde f y g son funciones definidas en un abierto cualquiera de lRn . Si

= lRn luego de las propiedades de la transformacin de Fourier obtenemos
( . . . f(), i j . . . p , g ())L2
P m Pn
( f , g )H m = k=0v i, j , p=1 i j v p
u m u m (10.21)
uX uX

= ( f ()t 2k
|| , g ()t ||2k ),
k=0 k=0

204
es decir las funciones f (x) H m (lRn ) son aquellas que su transformada
v de
u m
uX
Fourier f decae lo suficientemente rpido como para que f()t ||2k sea
k=0
de cuadrado integrable.
Esto nos sugiere generalizar los espacios permitiendo ndices no enteros
y an negativos por medio del siguiente producto escalar,

( f , g )H s = ( f()(1 + ||2 ) s/2 , g ()(1 + ||2 ) s/2 )L2 . (10.22)

Ejercicio: Muestre que este es un producto escalar.

m
X
Note que para s = m en vez del polinomio ||2k , ahora tenemos (1 +
k+0
||2 ) m . Como existen constantes positivas c1 yc2 , tales que
m
X
c1 (1 + ||2 ) m ||2k c2 (1 + ||2 ) m (10.23)
k=0

este cambio en la norma es trivial en el sentido de que estas normas son equi-
valentes entre s. En realidad, como veremos en un caso especial, incluso el 1
en el polinomio se puede ignorar y an as obtener una norma equivalente.
La primera propiedad que veremos es el siguiente lema:
0
Lema 10.5 Si s 0 > s luego H s H s .

Prueba: Trivial

En particular si s > 0 luego H s H 0 = L2 , si s < 0 luego L2 H s . Qu

son los elementos de H s para s negativo?
Dada g H s puedo definir el siguiente mapa de H s en C,

g
g ( f ) := (g , f)H 0 = ( , f(1 + ||2 ) s /2 )H 0 .
2 s/2
(1 + || )

Este mapa es lineal, est bien definido f , g C0 y puede ser extendido a

todo H s (y H s ) por continuidad, ya que,

| g ( f )| ||g ||H s || f ||H s .

205
Por lo tanto tenemos un mapa entre H s y el dual de H s , que preserva la
norma, es ms, se puede probar que este mapa en un isomorfismo (o sea que
adems es invertible) entre estos espacios.4 Por lo tanto podemos identificar
a H s con el dual de H s .

Ejercicio: Usando que C (lRn ) es denso en H s (lRn ) muestre que la delta de

Dirac est en H s (lRn ) para todo s < n/2.

Quizs la ms importante propiedad de H s (lRn ) es la siguiente,

Lema 10.6 (de Sobolev) Si m < s n/2 luego H s (lRn ) C m (lRn ).

Prueba: Basta con probarlo para m = 0, el resto sigue por induccin. Basta
tambin probar la desigualdad. k f kC 0 < C k f kH s , s > n2 para alguna cons-
tante C > 0 independiente de f y para toda f C (lRn ), el resto sigue por
la continuidad de la norma. Pero
Z 
ix n 
k f kc 0 = s u p xRn | f (x)| = s u p xRn  f () d x 
 
 e
n
Z R
1
n/2 | f()| d n
(2)
Rn
| f()|(1 + ||2 ) s/2
Z
1
d n
(2)n/2
R n (1 + ||2 ) s/2
1 1
n/2 k f ()(1 + || )
2 s/2
kL2 k k 2
(2) (1+k|2 ) s/2 L

C k f kH s .
(10.24)
1
donde hemos usado que s > n/2 para probar que k kL2 <
(1 + ||2 ) s/2
Este lema nos dice que si f H m (lRn ) para m suficientemente grande
luego f puede ser identificada con una funcin ordinaria, continua e incluso
diferenciable.
n
Sea f una funcin continua en lR+ = {x lRn xn 0} y sea f la res-
triccin de esa funcin al hiperplano xn = 0 es decir ( f )(x1 , x2 , . . . , xn1 ) =
f (x1 , x2 , . . . , xn = 0). Claramente es un mapa lineal y si f es continua en
4
Por el teorema de Representacin de Riez cada : H s C puede adems ser escrito
como ( f ) = ( g , f )H s , g H s . Si tomamos g = F 1 ((1 + |||2 ) s F ( g )) H s entonces
( f ) = g ( f ).

206
 n
lR+ luego f es continua en lRn1 = {x lRn / xn = 0}. Se puede extender
este mapa a funciones ms generales? La respuesta es el siguiente lema que nos
muestra adems el porqu de la necesidad de extender los espacios de Sobolev
a ndices no enteros.
Lema 10.7 (Traza) Sea m > 0 entero, luego:
n
i) : H m (lR+ ) H m1/2 (lRn1 ) es continuo.
ii) es suryectivo.

Prueba: Por el mismo argumento que en el lema anterior para probar i) basta
probar que existe c > 0 tal que
n
k f kH 1/2 (Rn1/2 ) < C k f kH 1 (Rn ) f C0 (lR+ ) (10.25)
+

Sea f(0 , xn ) la transformada de Fourier de f (x) con respecto a las coor-

n
denadas (x1 , x2 , . . . , xn1 ) de lR+ , luego
f
Z
| f(0 , 0)|2 = 2 Re (0 , t ) f(0 , t ) d t . (10.26)
0 xn
Multiplicando ambos lados de esta igualdad por (1 + |0 |2 )1/2 e integrando
con respecto a 0 obtenemos,

Z
k f kH 1/2 (Rn1 ) = | f(0 , 0)|2 d n1 0
n1
R

 
f ( , t ) 0
0
Z Z 
0 2 1/2 n1 0 
= 2 (1 + | | ) f ( , t ) d t d 
 

 Rn1 0 xn 
2 1/2
Z 

f 0 

Z
2  ( , t ) d t d n1 0
Rn1 0  xn 
Z Z 1/2
0 2 0 2 n1 0
(1 + | | ) | f ( , t )| d t d .
Rn1 0
(10.27)
Usando que |2 a b | a 2 + b 2 y la identidad de Plancherel obtenemos
R
k f k2 1/2 n1 Rn | f (x)|2 + n1 2
+ 2
dnx
P
k=0
| k f | | n f |
H (R ) +
(10.28)
= k f kH 1 (Rn ) .
+

207
Para probar suryectividad debemos ver que dada g H 1/2 (lRn1 ) existe al
n
menos una (en realidad infinitas) f H 1 (lR+ ) tal que f = g . Nuevamente
basta definir una anti-traza K en C (lR ) y probar que existe C > 0 tal que
n

kK g kH 1 (Rn ) < C k g kH 1/2 (Rn1 ) g C0 . (10.29)

+

Sea K(g ) = F 1 (e (1+| | ) x F (g )) y notando que el argumento de F 1

0 2 1/2 n

est en S (lRn1 ) dejamos la prueba de la desigualdad anterior como ejercicio.

En las aplicaciones tendremos que considerar funciones definidas solo en
abiertos de lRn , y sus bordes . Supondremos que es tal que su borde,
= C l , es una variedad suave.
Sea H m () el espacio de Sobolev obtenido tomando la integral en el pro-
ducto escalar simplemente sobre y completando el espacio C0 () con res-
pecto a su norma y sea H0m () el obtenido con la misma norma pero com-
pletando el espacio C (). Si m = 0 o si = lRn luego estos espacios coin-
ciden. Pero si m 1 y es no vaco entonces son distintos (obviamente
H0m H m ) ya que como se controlan derivadas en la norma las sucesiones
de funciones de soporte compacto no pueden converger una funcin no nula
en el borde. Cmo extenderemos los resultados obtenidos en lRn a ? El
lema clave para ello es el siguiente.

Lema 10.8 Sea la restriccin de funciones en lRn a funciones en , luego

: H m (lRn ) H m ()

es continuo y suryectivo.

Prueba: La continuidad es clara, solo resta ver la suryectividad. Probaremos

suryectividad para el caso = {x lRn , xn > 0}, = {x lRn / xn =
0}. Sea f H m () luego por el Lema anterior (nk f ) L2 para k =
0, 1, . . . , m 1. Continuamos f para xn negativo como,

X (xn )k

m1  
2
f (x) (nk f ) 1 e 1/xn , xn < 0 (10.30)
k=1
k!

La sumatoria hace que las derivadas de f sean continuas en xn = 0 y la expo-

nencial hace que la norma H m sea acotada. Pero esta norma solo depender
de las normas de (nk f ) las cuales a su vez estn acotadas por k f kH m () y

208
por lo tanto existir c > 0 tal que k f (x)kH m (Rn ) < C k f kH m () f C0 . El
caso general es tcnicamente ms engorroso la idea bsica es la de usar cartas
tales que mapeen regiones conteniendo parte del borde de en lRn + ma-
peando borde con borde. En cada una de estas cartas sabemos cmo probar
la desigualdad correspondiente. La desigualdad global se prueba suponiendo,
por el absurdo, que sta no vale
Este lema nos permite inmediatamente generalizar los lemas anteriores.

Definicin: Diremos que f H s () si admite una extensin f a lRn tal que

f H s (lRn ) [Note que esto concuerda con lo probado para s entero positi-
vo].
0
Es inmediato entonces que si s 0 > s luego H s () H s (), que si m < s
n/2 luego H s () C m () y que si m > 0 entero : H m () H m1/2 ( )
es continuo y suryectivo. En la ltima afirmacin usamos H m1/2 ( ) don-
de en general 6= abierto en lRn1 y por lo tanto no se encuadra en la
definicin anterior. En el caso en que sea compacto diremos que f
H m1/2 ( ) si, dado cualquier cubrimiento abierto {Ui } de lo suficien-
temente pequeo como para que exista i , tal que (Ui , i ) sea una carta de
entonces f H m1/2 (Ui ) i.
Finalizamos este captulo con dos lemas. El segundo de ellos, consecuen-
cia del primero, es de gran importancia en la teora de ecuaciones en derivadas
parciales.
Lema 10.9 Sea d un cubo en lRn con lados de longitud d > 0. Si u H 1 (d )
luego,
nd 2 Xn
Z
2 n 2
kuk 0 n
d | u d x| + k j uk2 0 . (10.31)
H (d ) 2 j =1 H (d )
d

Prueba: Es suficiente considerar u C 1 (d ). Para cualquier x e y en d tene-

mos,
n Z yj
j u(y 1 , ..., y j 1 , s, x j +1 , ..., x n )d s.
X
u(y) u(x) = (10.32)
j =1 xj

Tomando su cuadrado y usando la desigualdad de Schwarzt obtenemos,

|u|2 (x) + |u|2 (y) 2(u(x)u(y))
n Z d /2
| j u(y 1 , . . . , y j 1 , s, x j +1 , . . . , x n )|2 d s.
X
nd (10.33)
j =1 d /2

209
Integrando con respecto a todos los x j e y j obtenemos,
Z 2
  X n
2 d n kuk2 0 2 u d n x  + n d n+2 k j ukH 0 ( ) , (10.34)
 
H (d )  d
j =1

d

de la cual sigue trivialmente la desigualdad buscada

Lema 10.10 Sea lRn compacto con borde suave. Si una sucesin {u p } en
H01 () es acotada, luego existe una subsucesin que converge (fuertemente) en
H 0 (). Es decir el mapa natural 5 H01 () H 0 () es compacto.

Prueba: Sea k = s u p{ku p kH 1 () }. Como es acotado lo podemos encerrar

0
en un cubo D y extender cada un como cero en D . Sea " > 0 y M lo
2 2
suficientemente grande como para que 2nk 2D < ". Descomponiendo D en
M
j
M n cubos d con d = D/M y usando que como {un } es tambin acotada
en H 0 () existe una subsucesin { u p } y u H 0 () tal que esta converge
dbilmente a u. Vemos entonces que existe un entero N tal que si p y q > N ,
 2
" D 2n 1
Z 
n
 ( u u ) d x  <
 
 j p q . (10.35)
 d

 2 M Dn

j
Si aplicamos a cada d el lema (10.9) y sumamos sobre j obtenemos que p
y q > N,
M " D
n P n 2n 
n D 2

D
k u p uq k2 0 M j =1 2 M
+ 2 M
(2k 2 )
H ()

"+" (10.36)
2 2

".

Pero entonces { u p } es una sucesin de Cauchy en H 0 () y por lo tanto con-

verge fuertemente a u en H 0 ()
5
Por mapa natural entre dos espacios de Banach se entiende lo siguiente: recordemos que
los elementos de cada uno de estos espacios son clases equivalentes de sucesiones de Cauchy,
las cuales podemos asumir consisten de elementos suaves de algn espacio denso, por ejemplo
C (), el mapa natural se define como aquel que enva elemento a elemento una sucesin de
Cauchy de un espacio en el otro. Como la norma del espacio de salida acota a la norma del
espacio de llegada la sucesin obtenida en el espacio de llegada tambin es de Cauchy y por lo
tanto determina una clase equivalente all, ergo un elemento del espacio.

210
Notas bibliogrficas: Recomiendo los libros: [15] y [9]. Los espacios de
Sobolev permitieron comprender gran parte de la teora de ecuaciones no
lineales y previamente la teora de ecuaciones lineales pero a coeficientes no
suaves. No son ideas complejas, pero muy tiles e imprescindibles para la
investigacin en ecuaciones en derivadas parciales.

211
212
 CAPTULO 11

TEORA DE ECUACIONES EN DERIVADAS PARCIALES

11.1. Introduccin

Definicin: Una ecuacin diferencial en derivadas parciales de orden m

en M es una ecuacin de la forma
m veces

z }| {
F p, u, a u, a b u, . . . , a c u = 0, (11.1)

donde a es alguna conexin en M . Ms generalmente u puede ser una tu-

pla de campos tensoriales y F tener rango en alguna otra tupla de campos
tensoriales.

Ejemplos:

a) La ecuacin de Laplace en lR3 con respecto a una mtrica ga b ,

u g a b a b u = 0 (11.2)

Si ga b es la mtrica Eucldea, luego en coordenadas cartesianas

2u 2u 2u
u = + + . (11.3)
x2 y2 z2

b) La ecuacin de Poisson,
u = 0, (11.4)
donde es una funcin dada.

213
c) La ecuacin de onda en lRn+1 . Esta tiene la forma de la ecuacin de Laplace
Xn
pero para una mtrica de la forma (d x0 )2 + (d x i )2 . Por ejemplo en lR2 ,
i =1
ga b = (d t )2a b + (d x)2a b ,

2u 2u
g a b a b u = + . (11.5)
t2 x2

d) Las ecuaciones de Maxwell,

a F a b = j b
(11.6)
[a F b c] = 0

donde M es lR4 , la mtrica (usada tanto para subir los ndices de Fa b como
para definir c ) es la de Minkowski, ga b = (d x 0 )2 +d x 1 )2 +(d x 2 )2 +(d x 3 )2 ,
Fa b es un campo tensorial antisimtrico en M , y y b es un campo vectorial (la
cuadricorriente) en M .

e) Las ecuaciones de elasticidad en lR3 (Eucldeo)lR

2ua
2
= u a + ( + ) a (c u c ), (11.7)
t

donde u a es el vector desplazamiento (en lR3 ), la densidad del medio els-

tico y y las constantes de Lam del medio.

f) La ecuacin de conduccin del calor en lR3 (Eucldeo)lR

u
= k u, k >0 (11.8)
t

g) La ecuacin de Schrdinger en lR3 (Eucldeo)lR,

h 2
i h = + V , (11.9)
t 2m

donde es una funcin compleja y V un potencial.

214
h) La ecuacin de Navier-Stokes para un fluido viscoso e incompresible (ejem-
plo agua) en lR3 (Eucldeo)lR

ua 1
+ u b b u a + a p u a = 0 (11.10)
t

a u a = 0, (11.11)

donde u a es el vector velocidad del fluido, p su presin, su densidad (cons-

tante) y la viscosidad cinemtica.

De los ejemplos citados, de los cuales solo el ltimo no es lineal, vemos la

tremenda importancia fsica que tiene tener una teora general de estas ecua-
ciones y es as que sta es una de las ramas ms activas de la matemtica. Por
su complejidad, en el gran nmero de casos distintos que presenta, la teo-
ra general dista mucho de estar completa, sin embargo hay casos o clases de
ecuaciones donde esto se ha logrado. Uno de stos es el caso de una nica
ecuacin de primer orden, donde como veremos el problema se reduce al de
las ecuaciones diferenciales ordinarias.
Otro de estos casos es el de las ecuaciones lineales con coeficientes cons-
tantes (es decir para los cuales existe un sistema de coordenadas en el cual
todos los coeficientes son constantes -ejemplo el Laplaciano para una mtrica
Eucldea). Esto se debe fundamentalmente al uso de transformadas como la de
Fourier. Hago notar sin embargo que hay trabajos recientes mostrando nue-
vos resultados, an en el caso del Laplaciano! Si permitimos a los coeficientes
variar el problema se complica, sin embargo ciertas subclases de stos han sido
estudiadas completamente. Si a esto le agregamos no-linealidad en una forma
no demasiado drstica lo que se conoce como ecuaciones cuasi-lineales el
conocimiento se reduce bruscamente, aunque algunas subclases han sido do-
blegadas y algunas ecuaciones particulares completamente estudiadas. El caso
donde la no-linealidad es drstica no ha sido todava atacado con xito -de nin-
guna clase-. Por fortuna los problemas fsicos que hasta el momento hemos
podido modelar o describir por ecuaciones en derivadas parciales tienen ecua-
ciones a lo sumo del tipo cuasi-lineal. En este curso veremos en detalle solo la
teora de algunas de las ecuaciones ms simples [esencialmente las ecuaciones
en los ejemplos a), b), c) y f)], siempre tratando de usar mtodos que pueden
ser aplicados a ecuaciones similares pero ms complejas. Esto no solo se debe
a la simplicidad de estas ecuaciones, lo que permite su conocimiento comple-
to y detallado sino a que por un lado representan los ejemplos cannicos" de
distintas clases de ecuaciones. Las soluciones de las ecuaciones en cada una de

215
estas clases se comportan en forma muy similar mientras que lo hacen en for-
ma radicalmente diferente a las soluciones a ecuaciones en las otras clases. Por
otro lado estas son las ecuaciones ms usadas en fsica y aparecen en multitud
de problemas diferentes, incluso como casos particulares de las ecuaciones en
los ejemplos d), e), f) y g)!

11.2. La ecuacin de primer orden

Esta es una ecuacin de la forma

F p, u, a u = 0.


(11.12)

donde u es una funcin en alguna variedad M . Esta ecuacin puede ser ataca-
da con mucho xito y resulta en ecuaciones ordinarias, cuya teora ya cono-
cemos. Por simplicidad aqu consideraremos solo el caso cuasi-lineal y en lR2 ,
es decir una ecuacin de la forma,

a(x, y, u) u x + b (x, y, u) uy = c(x, y, u), (11.13)

donde u x = ux y uy = uy .
Por motivos geomtricos es til representar las soluciones de esta ecua-
cin en lR3 o ms precisamente en una regin de lR3 donde a, b y c estn
definidos, eso es asociar una solucin u(x, y) de (11.13) con la hiper-superficie
de lR3 dada por = z u(x, y) = c t e. Estas hiper-superficies se denominan
superficies integrales de la ecuacin (11.13). El gradiente de es en estas
coordenadas es (a ) = (u x , uy , 1), por lo que vemos que la ecuacin
(11.13) es simplemente la condicin que sea constante a lo largo del campo
vectorial (l a ) = (a(x, y, z), b (x, y, z), c(x, y, z)), es decir l a a = 0, lo que
es equivalente a decir que l a es tangente a las superficies integrales. Note que
si l a a = 0 luego ( f l a )a = 0 o sea que lo que determina la ecuacin
(11.13) no es l a sino su direccin. Este campo de direcciones se llama de di-
recciones caractersticas, y sus curvas integrales curvas caractersticas. 1 La
teora de EDO nos dice entonces que por cada punto de pasa una nica
curva caracterstica. El conocimiento de estas curvas es fundamental ya que
1
Recuerde que una curva integral es la imagen de una curva (t )(en este caso =
(x(t ), y(t ), z(t )) solucin de una EDO, en este caso

d (t ) d x a(x, y, z)
= y = b (x, y, z) . (11.14)
dt dt z c(x, y, z)

216
si formamos una superficie S tomando la unin de ciertas curvas caractersti-
cas luego claramente S ser una superficie integral de (11.13), pero por otro
lado, dada una superficie integral S y cualquier p S la curva caracterstica
que pasa por p ser tangente a S en todo punto y por lo tanto ser una sub-
variedad de S con lo que se ve que S estar formada por la unin de curvas
caractersticas.

curva caracterstica

la

y = c t e.

Figura 11.1: Curvas caractersticas.

En particular note que si dos superficies integrales S, S 0 , es decir dos so-

luciones de (11.13), u y u 0 , tienen un punto p en comn luego tienen que
tener toda una curva caracterstica en comn, ya que por p solo pasa una de
tales curvas y sta no puede abandonar ninguna de las dos superficies. Por
otro lado si S y S 0 se intersectan en una curva sta debe ser integral. Para
ver esto tomemos un punto p de y consideremos T p S y T p S 0 ; como las
superficies se intersectan en una curva estos dos sub-espacios de T p lR3 se in-
tersectan en una lnea, como ambos deben contener la direccin dada por l a
sta ser la lnea. Pero esto es cierto para todo punto de y por lo tanto el
vector tangente a en proporcional a l a y es caracterstica.

11.2.1. El Problema de Cauchy

Se llama problema de Cauchy de una ecuacin al problema de encontrar
ciertos datos tales que dando stos exista una nica solucin de esta ecuacin.

217
 Figura 11.2: Interseccin de soluciones.

Es decir el de encontrar un cierto conjunto cuyos elementos son llamados

datos y un mapa entre este espacio y el conjunto de soluciones de la ecuacin.
Por ejemplo en el caso de los EDO, el problema consiste en dada un campo
vectorial suave v a en M encontrar algn conjunto tal que a cada elemento de
ste le corresponda una curva integral de v a . Claramente podramos tomar
este conjunto a los puntos de M donde v a 6= 0 ya que por cada uno de estos
puntos pasa una nica curva integral. Claramente tambin podramos tomar
como conjunto de datos al menos localmente una hiper-superficie s de M
tal que en ninguno de sus puntos v a sea tangente a sta. En tal caso tenemos
adems la muy deseable propiedad de que cada punto de S determina una
nica solucin, es decir no contamos cada solucin ms que una vez.
Cules sern estos datos en el caso de la ecuacin (11.13)?
Sea (s ) = (x0 (s), y0 (s), z0 (s)), s [0, 1], una curva en lR3 . Buscaremos una
solucin tal que su superficie integral contenga a , es decir una u(x, y) tal
que se cumpla,2

z0 (s) = u(x0 (s), y0 (s)) s [0, 1]. (11.15)

Consideraremos primero el caso en que (s) no es una curva caractersti-

ca. Tomando cada punto (s) como punto inicial para la ecuacin diferencial
2
Solo interesa la imagen de la curva y no su parametrizacin, por lo tanto tomaremos una
en que el rango de S sea el intervalo [0, 1].

218
ordinaria que determina l a y resolviendo esta obtenemos para cada s la curva
caracterstica que pasa por (s). (Ver figura.)

la

Figura 11.3: Construyendo la solucin a partir de la curva .

Obtenemos as un mapa (s, t ) : I s I t lR3 dado por,

(s, t ) = (x(s, t ), y(s, t ), z(s , t )) (11.16)

con x(s, 0) = x0 (s ), y(s, 0) = y0 (s) y z(s, 0) = z0 (s) y donde a s fijo se cumple,

d (s, t )
= l a ( (s, t )). (11.17)
dt

Si pudisemos invertir las funciones x(s, t ) e y(s, t ) y as obtener s y t

como funciones de x e y luego

u(x, y) z(s(x, y), t (x, y)) (11.18)

sera la solucin buscada, ya que tal u satisface por construccin (11.13) y

(11.15).
No siempre es posible tal inversin. La razn es que en general habr
valores de s y t tales que el plano tangente a (s, t ) en ese punto contiene al
eje z. Veamos si hay condiciones que nos aseguren que tal inversin es posible
al menos localmente, es decir en un entorno de algn punto (x(s0 , 0), y(s0 , 0))
sobre (s).
El teorema de la funcin implcita nos dice que esto ser posible si el
diferencial de la transformacin en ese punto (s0 , 0) es invertible, es decir si su
determinante (el Jacobiano de la transformacin) no se anula. En este punto

219
tenemos,
 
y
 
 x 
 s (s ,0) s (s ,0)
 x y
J =  0  0 = (s0 ) b0 (s0 )a0 6= 0, (11.19)
 
x y  s
 s
 t (s ,0) t (s ,0) 
0 0

donde a0 = a(x(s0 ), y(s0 ), z(s0 ))y b0 = b (x(s0 ), y(s0 ), z(s0 )). Esta es entonces
la condicin para la existencia local de soluciones y nos dice que (s) debe ser
elegida de modo tal que su proyeccin en el plano (x, y) tenga vector tangente
que no sea proporcional a la proyeccin en dicho plano del vector (a, b , c).

Ejemplo: En algunas aplicaciones la coordenada y es el tiempo. En tal caso

es natural especificar u en un instante de tiempo, digamos y = 0, es decir
dar su valor inicial. As es que el problema de valores iniciales consiste
simplemente en elegir (s) = (s, 0, h(s)). La ecuacin (11.15) resulta entonces
h(s) = u(s, 0) o h(x) = u(x, 0), es decir h(s) ser el valor inicial que tendr
la solucin a y = 0. en este caso habr solucin local siempre y cuando b , el
u
coeficiente de , no se anule en (x, 0, h(x)).
y
Si fuese una curva caracterstica luego existirn infinitas soluciones (lo-
cales) ya que dado un punto (s ) de y una curva no caracterstica ? (r )
pasando por este punto podremos construir, usando el procedimiento ante-
rior, pero ahora con ? (r ), una solucin (una superficie) ? (r, t ) que necesa-
riamente contendr a .

Ejercicio: Resuelva por el mtodo descripto las ecuaciones:

a)
u u
+c =0
y x
u(x, 0) = h(x).
b)
u u
+u =0
y x
u(x, 0) = x.
c) Por cunto tiempo (y = t ) se pueden extender las soluciones de b)?

220
11.3. Clasificacin de ecuaciones en derivadas parciales

Para facilitar la clasificacin procederemos en forma similar a como lo

hicimos cuando estudiamos las ecuaciones en derivadas ordinarias, es decir
reduciremos los sistemas de ecuaciones a sistemas de primer orden. Para ello
tomaremos como variables independientes todas las derivadas de orden infe-
rior al mayor orden en que aparece cada una de las variables.

Ejemplo: Sea : lR2 lR satisfaciendo

2 2
+ = , (11.20)
x2 y2

es decir el Laplaciano en una variedad dos dimensional plana. Definamos

u 1 := , u 2 := x y u 3 := y , luego esta ecuacin es equivalente al siguiente
sistema


0 1 0 1 0 0 1 1
u u 2
1 0 0 2 0 0 0 2 u

u + u = 3
0 0 0 x 1 0 0 y u

u3 u3
0 0 1 0 1 0 0
(11.21)
El motivo por el cual agregamos la cuarta ecuacin se ver ms adelante,
pero adelantamos que ella nos permite deducir, sin recurrir a las ecuaciones
de las filas segunda y tercera, de que las componentes u 2 y u 3 son las com-
ponentes de la diferencial de alguna funcin. Si conocemos una solucin de
11.21, (u 1 , u 2 , u 3 ) podemos probar que u 1 satisface tambin el Laplaciano.
En efecto, tomando una derivada con respecto a x de la segunda fila y una
derivada con respecto a y de la tercera, sumndolas y luego usando la primer
fila obtenemos el resultado buscado. De todos los sistemas de primer orden
(y bsicamente tambin por la misma razn que dimos cuando consideramos
sistemas de ecuaciones ordinarias) solo consideraremos aquellos de la forma,

MAa 0 B a u B = IA0 , (11.22)

con M a 0 y IA0 funciones suaves del punto en la variedad (campos) y de u A.

AB
Los ndices que estamos usando son ndices abstractos y puede denotar no
solo un conjunto de escalares, sino tambin un gran vector hecho de diversos
campos vectoriales. Veremos esto en ejemplos. Tambin se pueden tomar sis-
temas coordenados y bases y entonces plantear el problema en componentes,
como hicimos en el ejemplo anterior, en cuyo caso entonces podemos pensar

221
a u A como en gran arreglo vectorial de campos escalares. Hemos usado n-
dices con y sin primar para dejar en claro que el espacio (co-vectorial) de los
ndices primados no tiene la misma dimensin que el espacio vectorial de los
ndices sin primar.
El tipo de sistema que acabamos de definir se llama cuasilineal, pues las
derivadas aparecen en forma lineal. Esta no es una prdida de generalidad
desde el punto de vista de la fsica:

Todos los sistemas fsicos conocidos son de esta forma!

Histricamente la clasificacin que daremos a continuacin nace del in-

tento de encuadrar todas las ecuaciones en el Problema de Cauchy, es decir,
tomar una hiper-superficie de M , dar all como dato u y su derivada en la
direccin normal y tratar de construir soluciones en un entorno de en M
(soluciones locales). Este intento no fue en general exitoso, ya que en general
esta no es la manera correcta de dar datos, pero s lo fue la clasificacin de
estas ecuaciones as obtenida, ya que las propiedades de las soluciones a las
ecuaciones en cada una de estas clases en las que las clasificaremos son muy
similares y en cada una de estas clases los datos se prescriben tambin de ma-
nera similar.
Para fijar ideas sea M de dimensin n y sea p M . Queremos encontrar
las soluciones en un entorno de p dando como dato u A en alguna hiper-
superficie de M que contiene a p. Por simplicidad haremos las cuentas
necesarias en un sistema de coordenadas adaptado al problema en el sentido
que elegiremos a la coordenada x n de tal forma que la subvariedad x n = 0
sea la superficie y p sea el origen de coordenadas. Los datos sern entonces
A(x 1 , ..., x n1 ), que luego corresponder a la solucin u A restringida a , es
decir A = u A| .
Como conocemos lo que ser u A en conocemos lo que sern todas
sus derivadas (de cualquier orden) con respecto a las coordenadas x i , i =
1, ..., n 1. La idea es ahora usar la ecuacin para encontrar n u A| y as su-
cesivamente encontrar todas las derivadas de u en p (o cualquier otro punto
de ). Si lo logrsemos podramos, al menos formalmente y en un entorno
de p, construir u A como su serie de Taylor alrededor de p. Si pudisemos
encontrar las derivadas normales a , si A fuesen datos analticos, y si los
coeficientes de la ecuacin fuesen tambin analticos, luego se puede demos-
trar (Teorema de Cauchy-Kowalevski) que la solucin u A construida formal-
mente arriba en realidad existe y es analtica en un entorno de p en M .

222
 Up

xn = 0

Figura 11.4: Construyendo la solucin local.

Qu requisitos debe satisfacer la ecuacin para que esto sea posible? Usan-
do el sistema de coordenadas mencionado se puede ver que

M (C , q)An 0 B n u B | = Trminos en (A, i C , q)A0 , (11.23)

Est claro entonces que podremos resolver para n u A slo si M (C , q)n 0 es

AB
invertible. En general (como en el ejemplo que dimos) el espacio de llegada
del mapa M n0 no tiene la misma dimensin que el espacio de partida y por
AB
lo tanto el mapa no es en general invertible, por lo tanto solo pediremos que
el rango de dicho mapa tenga la dimensin mxima (es decir la dimensin
del espacio de partida la de los vectores u A). En particular esto implica
que estamos suponiendo que la dimensin del espacio de llegada es mayor o
igual que la del espacio de partida. Estamos pidiendo la posibilidad mnima
de tener soluciones.
Si esto no sucede entonces es claro que la ecuacin ser una relacin entre
trminos determinados a partir de los datos dados y en general no se satis-
far. En ese caso los datos a dar libremente sern un nmero menor al de la
dimensin del espacio de partida, solo se podrn dar algunas componentes de
u A.
Qu es geomtricamente la condicin de maximalidad del rango de M a 0
AB
en lo que hace a las coordenadas elegidas?
Si la superficie x n = 0 es una superficie suave entonces podemos suponer
que a x n existe y es distinta de cero, en este caso la condicin anterior es
simplemente la condicin que M a 0 a x n tiene rango mximo, pero esta es
AB
independiente del sistema coordenado y solo depende de , ya que aqu x n
es simplemente una funcin en M que es constante en y cuyo gradiente no
se anula. Las superficies en donde la condicin anterior se viola en todos sus

223
puntos se llaman superficies caractersticas. Clasificaremos a las ecuaciones
de acuerdo al nmero de superficies caractersticas que se intersecten en un
dado punto. Note que la clasificacin solo depende del tensor M a 0 y no de
AB
los trminos de menor orden. M a 0 a u B es llamada la parte principal de la
AB
ecuacin. Note tambin que como M a 0 es un campo tensorial no necesaria-
AB
mente constante, la condicin definiendo las superficies caractersticas puede
ser muy distinta de punto a punto, por lo tanto la clasificacin que introdu-
ciremos vale en general solo para el punto en cuestin. Por fortuna en las
aplicaciones muy pocas veces aparecen ecuaciones donde su tipo cambia de
regin en regin. Note tambin que para sistemas nolineales la condicin
depende tambin de la solucin que uno est considerando! Como nuestra
clasificacin solo se basa en la parte principal de la ecuacin sta debe tener
toda la informacin sobre la ecuacin, es por eso que en el ejemplo anterior
agregamos la ltima fila en el sistema de ecuaciones, sin ella y considerando
el sistema principal no podramos saber que las dos ltimas componentes de
u A deban ser las componentes de la diferencial de una funcin.
Diremos que una ecuacin es elptica en p M si p no es intersectado
por ninguna superficie caracterstica. Es decir si Rango M a 0 ka no es maximal
AB
entonces ka = 0 [como estamos en un punto la condicin de que ka sea un
gradiente es vaca].

Ejercicio: El ejemplo cannico de ecuacin elptica es el Laplaciano en M ,

u := g a b a b = donde g a b es una mtrica Riemanniana. Muestre
que el ejemplo dado anteriormente es un sistema elptico.

Diremos que una ecuacin es parablica en p m si p es intersectado

por una nica superficie caracterstica. Es decir existe un nico ka 6= 0 a
menos de un factor multiplicativo tal que Rango M a 0 ka no es maximal.
AB
El ejemplo cannico de ecuacin parablica (o de difusin) es la ecuacin
del calor en lR lRn1 ,
t u = u. (11.24)

Ejercicio: Considere la ecuacin anterior en lR lR, t u = u2 . Reduzca

2

x
dicho sistema a primer orden y encuentre las superficies caractersticas de
esta ecuacin.

224
 Diremos que una ecuacin es hiperblica en p M si es intersectado por
ms de una superficie caracterstica.
El ejemplo cannico en este caso es la ecuacin de onda en M

u = g a b a b u, (11.25)

donde g a b es una mtrica tal que dado cualquier punto p m existe un

sistema coordenado en donde ga b toma la forma,
X
g | p = {(d t )2 + (d x i )2 }| p . (11.26)
i

Ejercicio: Considere en lR2 la mtrica d s 2 = (d t )2 + (d x)2 (en todo punto)

y la ecuacin g a b a b u = .
a) Reduzca la ecuacin a primer orden.
b) Encuentre las caractersticas de la ecuacin.
c) Haga lo mismo en lRS 1 (un cilindro espacio temporal) con d s 2 = (d t )2 +
(d )2 y con d s 2 = (d t )2 + t 2 (d )2 .

Notas bibliogrficas: Lectura recomendada para ste y los captulos que

siguen: [15], [16], [17] y [19]. Lo expuesto en estos captulos es lo mnimo
e imprescindible para tener una nocin de esta rea. Se conoce muchsimo
ms y a la vez, como siempre, hay muchsimo ms que desconocemos, solu-
ciones dbiles, existencia global, ondas de choque, condiciones de contorno,
estabilidad, etc, etc. Esta es probablemente el rea ms activa, con ms gente
trabajando y con el mayor nmero de aplicaciones de toda la matemtica. La
mayora de estas aplicaciones han sido tradicionalmente en el rea de la inge-
niera y en particular en la de fluidos, lo que ha hecho de que solo se tratasen
cierto tipo especfico de ecuaciones, bastante difciles por cierto, y no las ms
usadas en otras reas de la fsica, esto ha evolucionado en los ltimos aos y
ahora hay un cambio considerable de atencin hacia muchos de los problemas
de la fsica moderna.

225
226
 CAPTULO 12

ECUACIONES ELPTICAS

12.1. La Ecuacin de Laplace

Tomaremos como modelo de ecuacinPn elptica a la ecuacin de Laplace

n
en lR con mtrica Eucldea d s = i=1 (d x i )2 , o una regin abierta de
2

lRn con la misma mtrica. Los resultados que obtendremos que no dependan
de funciones especiales se pueden generalizar para ecuaciones elpticas de la
forma (12.45) si se asume que c 0.
Como ya mencionamos, el programa de Cauchy, es decir formular el pro-
blema de obtener soluciones dando como dato u A en una hipersuperficie
no funciona en general, solo lo hace para ecuaciones hiperblicas. Si consi-
deramos datos no-analticos, y los datos fsicos son en general no-analticos,
no hay en general ni siquiera soluciones locales. Cul es la manera apropiada
entonces de dar datos para la ecuacin de Laplace? Obtendremos la respuesta
a esto considerando un fenmeno fsico descripto por esta ecuacin.
Consideremos un tambor e imprimamos una fuerza (pequea) sobre su
membrana (o parche) en forma perpendicular a sta.

La membrana se mover de su posicin plana (de reposo) y adquirir una

nueva posicin de equilibrio generando una fuerza elstica que cancele exac-
tamente a la aplicada. Cul ser esta nueva forma de la membrana? Si deno-
tamos por u(x, y) al desplazamiento de sta en la direccin del eje vertical (z)
y f a la fuerza por unidad de rea aplicada (en la direccin vertical) se puede
ver que u debe satisfacer la ecuacin,

u = f , en = {(x, y)| x 2 + y 2 < radio del tambor}. (12.1)

Ejercicio: Convnzase de que (12.1) es la ecuacin de equilibrio. Ayuda: Haga

primero el caso unidimensional.

227
 Figura 12.1: La membrana de un tambor.

Como el borde del tambor sujeta la membrana all tendremos la siguiente

condicin de contorno,

u| = 0, = {(x, y)| x 2 + y 2 = radio del tambor}. (12.2)

Tenemos as el siguiente problema: Dado f en encuentre u satisfaciendo

(12.1) y (12.2). Por nuestra experiencia fsica sabemos que este problema se
debe poder resolver! Ms an, se debe poder resolver el problema donde el
tambor no es circular pero tiene forma arbitraria, permitiendo que sea
un borde arbitrario pero suave y tambin que no est en el plano x = 0
o equivalentemente que est en tal plano pero que u pueda tomar un valor
cualquiera pero suave en .
Llegamos as al siguiente Problema de Dirichlet: Dada con suave,
f : lR suave y 0 : lR, tambin suave, encuentre u : lR
satisfaciendo,

1. u = f en ,

2. u| = 0 .

Ms adelante reafirmaremos nuestra intuicin viendo que este problema siem-

pre se puede resolver.
Supongamos ahora que permitimos que los bordes de la membrana se
pueda deslizar verticalmente pero en el borde ponemos resortes verticales
con una constante de Hooke que depende de la posicin, k : lR y
dispuestos de tal forma que la posicin de equilibrio antes de aplicar f sea
u = 0. Cuando apliquemos f la membrana se mover hasta que nuevamente

228
en el interior tengamos,
u = f en (12.3)
y en el borde
(k u + n a a u)| = 0, (12.4)
donde n a es la normal a . Este Problema Mixto tambin se puede resol-
ver.

Figura 12.2: Problema mixto.

Un caso particular de ste es cuando para ejercer la fuerza de borde no

usamos resortes sino simplemente una fuerza dada R1 : lR, pero te-
niendo la precaucin de que su contribucin total, 1 d S, cancele exac-
tamente la contribucin total de f de no ser as tendramos una membrana
acelerndose. En tal caso tenemos el Problema de Neumann:

u = f en (12.5)
a
n u| = 1 , en el borde, (12.6)
Z Z Z Z
con 1 d S = n a a u d S = f dV = u dV . (12.7)

12.1.1. Existencia
A continuacin veremos que el problema de Dirichlet siempre tiene una
nica solucin (suponiendo que f , 0 y son lo suficientemente suaves).
Los otros problemas se resuelven en forma similar.
Supongamos que existe u H 2 () satisfaciendo, u = f en y u| =
0 lo que implica u H01 (). Luego usando el teorema de la divergencia
obtenemos la primera identidad de Green, v C ().

229
Z Z Z Z
v fd n x = n
v u d x = ab
e a v b u d x + n
v(n a a u)d n1 x,

(12.8)
Si suponemos que v H01 () la identidad todava es vlida y en este caso se
reduce a,
Z Z
ab
e a v b u d x = n
v fd n x, v H01 (). (12.9)

Pero note que esta identidad todava es vlida si suponemos simplemente que
u H01 () no necesariamente en H 2 () y que f H 1 ().
Tenemos as el Problema Dbil de Dirichlet (con 0 = 0): Encuentre
u H01 () tal que dada f H 1 () se satisfaga (12.9).
Si el lado derecho (12.9) fuese un producto escalar este dara origen (por
completamiento) a un espacio de Hilbert H y entonces (12.9) tendra la for-
ma Z
(u, v) = (v) fv d n x, v H 1 ().
H f (12.10) 0

Si H = H01 () y si f : H C fuese continua luego el teorema de repre-

sentacin de Riez nos dira que existe un nico u en H satisfaciendo (12.9)
y por lo tanto (12.10). Como veremos a continuacin (lema de Poincar-
Hardy) en este caso la parte derecha de (12.9) es un producto escalar equiva-
lente al de H01 () y por lo tanto H = H01 (). Pero entonces f es claramente
continua ya que H 1 () es el dual de H 1 () H01 () y u H01 (). Hemos
probado entonces:

Teorema 12.1 (de existencia y unicidad) Dada f H 1 () existe una ni-

ca u H01 () satisfaciendo el problema dbil de Dirichlet.

Corolario 12.1 El mapa (, ) : H 1 () H 1 () H 1/2 () dado por,

u = f H 1 (),
(12.11)
u = 0 H 1/2 ( ),

es un isomorfismo 1 .
1
Siempre entendiendo estas ecuaciones en su forma dbil o distribucional

230
Prueba: Es claro que el mapa es continuo ya que es lineal y acotado. Es
tambin inyectivo ya que si 0 = 0 luego u H01 () y si f = 0 el teorema
anterior (unicidad) nos dice entonces que u = 0. Veamos que es suryectivo.
Sea 0 H 1/2 (), luego existe w H 1 () tal que su restriccin a , w =
0 y sea f H 1 (). Como tambin w H 1 () el teorema anterior nos
garantiza que existe u H01 () tal que

u = f w en . (12.12)

Pero entonces u = u + w satisface u = f en y u = 0 en .

Solo resta probar entonces que el producto escalar anterior es un realmente

un producto escalar y la norma as obtenida es equivalente a la de H01 . Esto
sigue del siguiente resultado,

Lema 12.1 (de Poincar-Hardy) Existe C > 0 tal que para todo u H01 (),
se cumple, Z Z
|u|2 d n x C e a b a u b u d n x. (12.13)

Esto nos dice que el producto escalar en H01 () es equivalente al producto

escalar usado anteriormente.

Prueba: Como C0 () es denso en H01 () es suficiente probar la desigualdad

para estas funciones. Sea d un n-cubo de lado d conteniendo a . Extendien-
do las funciones en C0 () como cero en d obtenemos,
R x1
|u|2 (x) = | d /2 1
u( 1 , x 2 , ..., x n )d 1 |2
R x1
(x 1 + d2 ) d /2 |1 u|2 d 1 (12.14)
R d /2
d d /2 |1 u|2 d 1 .

Por lo tanto,
Z d /2 Z d /2
|u(x)|2 d x 1 d 2 |1 u|2 d 1 , (12.15)
d /2 d /2
y
Z Z Z
|u|2 (x)d n x d 2 |1 u|2 d n x C a ua u d n x, (12.16)
d d d

231
con C = d 2 . Esto prueba el lema y concluye la prueba de existencia y unici-
dad
Tanto el teorema de existencia y unicidad como el de regularidad (que
damos a continuacin) pueden ser generalizados a ecuaciones elpticas con
coeficientes no constantes mientras stos sean suaves, se cumpla que c 0
y que a a b la l b > k g a b la l b , donde k es una constante y g a b es una mtrica
positiva definida tal que el volumen de con respecto a esta mtrica es fi-
nito. La prueba que dimos es vlida solo si V o l g () < , ya que en esta
usamos el lema de Poincar-Hardy. Si = lRn entonces la prueba es todava
vlida si sustituimos al espacio H01 por el espacio H11 , es decir el espacio de las
funciones que decaen al infinito, con norma
| f |2
Z
2
|| f || 1 n = + e a b a f b f .
H1 (R ) n r2
R

En este caso se puede probar que la solucin del problema no solo ser
suave sino tambin que decaer asintticamente como 1/r .

12.1.2. *Regularidad de las Soluciones

La solucin que hemos encontrado lo es solo en el sentido dbil. Si supo-
nemos ahora que f y 0 tienen cierta regularidad podemos concluir adems
que,
Teorema 12.2 (de Regularidad) Sea u H 1 () una solucin dbil de la ecua-
cin u = f en con condicin de contorno u| = 0 y sea f H k (),
3
0 H k+ 2 ( ), k 1 luego u H k+2 (). En particular si f C () y
0 C ( ), luego u C ().
Antes de proceder con la prueba definiremos el operador diferencia finita
y veremos sus propiedades. Sea {x i } un sistema coordenado en un abierto de
.

Definicin:
u(x 1 , ..., x i + h, ...x n ) u(x 1 , ..., x i , ..., x n )
ih u(x 1 , ..., x i , ..., x n ) .
h
Lema 12.2 Si u H 1 () y 0 (contenido estrictamente, 0 = ;)
luego,
kih ukH 0 ( ) ki ukH 0 () . (12.17)

232
Prueba: Es suficiente considerar el caso u C 1 (). Si h < d i s t ( , 0 ),
luego

1
Z h
ih u(x) = i u(x 1 , ..., x i + , ..., x n )d x 0 , (12.18)
h 0

por lo tanto, usando la desigualdad de Schwarzt vemos que,

1
Z h
|ih u(x)|2 |i u(x 1 , ..., x i + , ..., x n )|2 d . (12.19)
h 0

Integrando sobre 0 obtenemos,

Z hZ
1
Z Z
|ih u(x)|2 d n x |i u|2 d n x d |i u|2 d n x. (12.20)
0 h 0 0

Lema 12.3 Sea u H0 () (y por lo tanto ih u H0 (0 )) y supongamos existe

k < 0 tal que kih ukH0 (0 ) k h > 0 y 0 , con h < d i s t ( , 0 ).
Luego la derivada dbil i u existe y satisface, ki ukH0 () k.

Prueba: Por la compacidad dbil de los conjuntos cerrados y acotados en

H0 (0 ) existir una sucesin {h m } 0 y vi H0 () con kvi kH0 (0 ) k
h d
tal que i m u vi , es decir
Z Z
h
i m u d n x vi d n x, C01 (). (12.21)

Por otro lado, si h m < d i s t (s o p., ), luego

Z Z Z
h h
i m u d n x = u(i m )d n x ui d n x. (12.22)

Concluimos as que,
Z Z
vi d n x = ui d n x, (12.23)

o sea que vi es la derivada dbil (distribucional) de u en la direccin x i

233
Prueba: (Teorema de Regularidad): Nos contentaremos con probar que u
es regular en cualquier 0 contenido estrictamente en , la extensin de la
prueba a todo no agrega ningn concepto nuevo. Probaremos el enunciado
para k = 0, el resto sigue por induccin en k. Como u es una solucin dbil
tenemos que
Z Z
a n
ua v d x = fv d n x, v C01 (). (12.24)

Reemplazando v por h
i
v con |2 h| < d i s t (s o p.v, ), tenemos,
Z Z
(ih a u)a v d n x = fih v d n x, v C01 () (12.25)

y por lo tanto (Usando el lema (12.2)),

Z
k (ih a u)a v d n xk k f kH0 ki vkH0 . (12.26)

Tomando ahora v = ih u obtenemos,

Z
k (ih a u)ih a u d n xk k f kH0 ki ih ukH0 , (12.27)

o sea,
kih a uk2H k f kH0 kih a ukH0 , (12.28)
0

lo que finalmente implica,

kih a ukH0 k f kH0 < k. (12.29)

El lema (12.3) nos dice entonces que i u H 1 ( ) y completa la primera

parte de la prueba.
Veamos ahora, para completar la prueba, que si f C () luego u
C (). Pero esto es obvio ya que si u H p (), lRn , luego por el Lema
de Sobolev u C p 2 " () " > 0 y en particular si u H p () p
n

luego u C ()

12.2. Teorema Espectral

Sea una barra de un material de conductividad trmica q = 1 y longitud

L = 2 y supongamos que queremos describir la evolucin de su distribucin

234
de temperatura T (t , x). Para ello supondremos una distribucin inicial T0 (x)
y que los extremos de la barra estn conectados con un reservorio infinito de
calor a cero grado. Debemos resolver entonces el problema matemtico,

d d2
T = 2 T, t 0
dt dx
T (t0 , x) = T0 (x), (12.30)

T (t , 0) = T (t , 2) = 0 t 0.

Para resolverlo usaremos un desarrollo en serie de Fourier, es decir planteare-

mos una solucin de la forma,

X nx
T (t , x) = Cn (t )s e n( ), (12.31)
n=1 2

la cual satisface claramente las condiciones de contorno. Aplicndole la ecua-

cin y usando la ortogonalidad de las funciones obtenemos,

d n2
Cn (t ) = Cn (t ), (12.32)
dt 4
la cual tiene como solucin,
n2
t
Cn (t ) = Cn (0)e 4 . (12.33)

Por lo tanto si damos como condicin inicial T0 L2 (0, 2), sta determinar
una sucesin {Cn0 = (T0 , s e n( n2x ))L2 } en l 2 que usaremos como condicin
inicial y as obtendremos T (t , x). Como

X X n2 X
|Cn (t )|2 = |Cn0 |2 e 2
t
|Cn0 |2 < (12.34)
n=1 n=1 n=1

la solucin formal ya que no sabemos si es diferenciable estar en L2 (0, 2)

n2
para todo t 0. Para cualquier t > 0 y q N tenemos que n 2q e 2 t tiende en
forma exponencial a cero cuando n tiende a infinito y por lo tanto T (t , x)
H q (0, 2) lo que implica T (t , x) C ((0, +) [0, 2]) 2 .
Hemos resuelto as completamente este problema.
2
Se puede demostrar adems que T (t , x) es analtica en ambas variables en (0, +)
[0, 2])

235
 Qu hemos usado para construir estas soluciones? Hemos usado que
cualquier funcin que se anula en los extremos puede ser expandida en tr-
mino de su serie de Fourier, es decir de las funciones s e n( n2x ) y adems que
,
d2 nx n2 nx
2
s e n( ) = s e n( ) (12.35)
dx 2 4 2
En analoga con la teora de operadores entre espacios vectoriales de dimen-
sin finita llamaremos a la ecuacin de arriba la ecuacin de autovectores-
2
autovalores del operador lineal d 2 . Dado un operador lineal L : D L2 L2
dx
el problema de encontrar sus autovalores y autovectores con condiciones de
contorno dadas se llama problema de Sturn-Liouville. Como veremos a conti-
nuacin existe una gran cantidad de operadores para los cuales este problema
tiene solucin. Es una casualidad que el conjunto de autovalores del opera-
dor en el ejemplo sea una base de L2 ? 3 El siguiente teorema y su corolario
nos dicen que no lo es, si el operador en cuestin satisface ciertas condiciones.

Teorema 12.3 (Espectral para el Laplaciano) Sea lRn acotado. Luego el

Laplaciano tiene un conjunto numerable y discreto de autovalores, = {i },
cuyas autofunciones (autovectores) expanden H01 ().

Prueba: [Teorema Espectral] Considere la funcional J : H01 () lR+ dada

por,
a ua u d n x
R
J (u) = R . (12.36)

u u d n x
Como J (u) es no negativa existir 0 () lR+ tal que

0 = i n f J (u) . (12.37)
uH01 ()

Ejercicio: Relacione este 0 con la constante en el Lema de Poincar-Hardy.

Como veremos a continuacin este 0 es el menor de los autovalores del

Laplaciano y su autofuncin u0 es la que minimiza a J . En efecto supon-
gamos que existe u0 en H01 () que minimiza a J , como J es una funcional
3
Para obtener convergencia puntual(y no simplemente en L2 ) en el caso de condiciones de
contorno no nula hay que agregar los autovectores (con cero autovalor) f0 (x) = 1 y f1 (x) = x.

236
diferenciable debemos tener que

d
J (u0 + s v)| s=0 = 0 v H01 (). (12.38)
ds
Pero

d 1
Z
J (u0 + s v)| s=0 = R n
[ (a va u0 + a u0 a v)d n x
ds
u u d x
Z
0 [ (v u0 + u0 v)d n x]] (12.39)

y por lo tanto (12.38) es equivalente a que u0 satisfaga la versin dbil de la

ecuacin de autovalores-autovectores. Veamos ahora que u0 existe. Como 0
es el nfimo de J existe una sucesin {u p } H01 () tal que ku p kH 0 () = 1 y
J (u p ) 0 . Pero tal sucesin es acotada en H01 () y por lo tanto por el le-
ma (10.10) existe una subsucesin { u p } que converge fuertemente en H 0 ()
a una funcin u0 con ku0 kH 0 () = 1. Como Q(u) a ua u d n x es una
R

norma proveniente de un producto escalar se cumple la regla del paralelogra-

mo,
u p uq u p + uq 1
Q( ) + Q( ) = (Q( u p ) + Q( uq )), (12.40)
2 2 2
la que implica

u p uq 1 u p + uq
Q( ) (Q( u p ) + Q( uq )) 0 k k2 0 0 0 = 0.
2 2 2 H () p,q

(12.41)
u p + uq
Donde hemos usado que como { uq } u0 en H (), { 0
2
} tambin lo
u p + uq
hace y por lo tanto {k 2 kH 0 () } 1. Pero como la norma Q(u) es equi-
valente a la de H01 () vemos que { u p } es tambin de Cauchy en H01 () y por
lo tanto que u0 H01 (). Usando el teorema de regularidad con f = 0 u0
vemos que u0 C () H01 () y por lo tanto que u0 es un autovalor en el
sentido clsico (u0 + 0 u0 = 0). Probemos ahora la existencia de los otros
autovalores-autovectores. Sea H (1) = {u H01 ()|(u, u0 )H 0 () = 0}. Este es
un subespacio vectorial y es cerrado, por lo tanto es un espacio de Hilbert 4 ,
4
Note que H (1) 6= espacio perpendicular a u0 en la norma H01 ().

237
por lo tanto existir 1 , tal que

1 = in f J (u). (12.42)
uH (1)

Repitiendo el argumento anterior vemos que 1 , ser un autovalor, es

decir que existir una autofuncin u1 , con autovalor 1 .
Definiendo H (2) = {u H01 ()|(u, u0 )H 0 () = (u, u1 )H 0 () = 0}, etc. po-
demos continuar indefinidamente y obtener y un conjunto ortonormal 5 ,
en H 0 (), de autovectores. Para completar la prueba veamos que este conjun-
to expande H01 (). Como ui satisface ui + i ui = 0 y (ui , u j )H 0 () = 0 si
i 6= j tenemos que
Z
0 = (u j , ui + i ui )H 0 () = a u j a ui d n x (12.43)

y por lo tanto tambin que

(u j , ui )H 1 () = 0. (12.44)
0

Vemos entonces que este conjunto es ortogonal en H01 () y que por cons-
truccin su subespacio perpendicular es 0 lo que implica que este conjunto
es una base de H01 ()

Ejercicio: Encuentre los autovalores y autovectores de Laplaciano en H01 ()

cuando: a) lR2 es un cuadrado de lado L. b) lR3 es una esfera de
radio R. Construya en ambos casos usando estas autofunciones la funcin de
Green del problema en cuestin.
Para qu ecuaciones se puede generalizar el teorema anterior? Para la
prueba se usaron propiedades especficas del Laplaciano solo para afirmar que
J era acotada por debajo para concluir que el nfimo exista y que Q(u)
era una norma proveniente de un producto escalar para concluir que la ley
del paralelogramo vala. Si

L(u) = a a b a b u + b a b u + c u, (12.45)

con a a b la l b k g a b la l b , k > 0, para todo campo vectorial la en (eliptici-

dad) y con a a b , b a y c campos suaves en , luego existen constantes positivas
5
Luego de normalizarlos convenientemente.

238
c1 y c2 tales que
Z Z Z
n ab n
(u, L(u))H 0 () = u L(u)d x c1 g a u b u d x c2 |u|2 d n x.

(12.46)

Ejercicio: Pruebe esto.

Por lo tanto en este caso tambin tenemos que

(u, L(u))H 0 ()
J (u) , (12.47)
(u, u)H 0 ()

es acotada por debajo. La condicin de que Q(u) (u, L(u))H 0 () satisfaga

la regla del paralelogramo. Aunque no sea positiva definida es mucho ms
restrictiva, y es equivalente a pedir que L satisfaga

(v, L(u))H 0 () = (L(v), u)H 0 () u, v H01 (). (12.48)

Los operadores que satisfacen esta relacin se denominan auto-adjuntos o

hermitianos.

Ejercicio: Muestre que

L(u) = a (a a b b u + b a u) b a a u + c u, (12.49)

con a a b , b a y c campos tensoriales reales es auto-adjunto.

Ejercicio: Muestre que si L es autoadjunto luego los autovectores son reales.

Ejercicio: Encuentre los autovalores y autovectores en H01 () de

d2
L(u) = 2
u + c x 2 u. (12.50)
dx
Llegamos as a la siguiente generalizacin:

Teorema 12.4 (Espectral) Sea acotado y L un operador elptico autoadjunto

con coeficientes a a b , b a y c en C () [Condicin que se puede debilitar con-
siderablemente]. Luego el problema de autovalores L(ui ) = i ui , ui H01 (),
tiene un conjunto numerable y discreto de autovalores reales, cuyas autofuncio-
nes ui C () expanden H01 ().

239
Ejercicio:
a) Pruebe el siguiente corolario:
Si L elptico y autoadjunto es tal que sus autovalores son distintos de cero
luego el problema de Dirichlet

L(u) = f , (12.51)

f H 0 (), u H 1 (), tiene una nica solucin.

b) Si algn i = 0 entonces el problema anterior tiene solucin sii (ui , f )H 0 () =
0 para toda autofuncin con autovalor cero.

240
 CAPTULO 13

ECUACIONES SIMTRICOHIPERBLICAS

13.1. Introduccin

En este captulo estudiaremos sistemas de ecuaciones hiperblicas bajo la

siguiente restriccin:

Definicin: Diremos que un sistema es simtricohiperblico si:

a.) El espacio de llegada del mapa lineal M a 0 ka es de la misma dimensin

AB
que el espacio de partida para todo ka 6= 0. Por lo tanto de ahora en ms
usaremos ndices sin primar.
a
b.) El mapa MAB ka es simtrico para todo ka 6= 0.

c.) En un entorno de cada punto existe una funcin tal que si llamamos
a su diferencial por ta (= a ), el mapa HAB := MAB a
ta es positivo
definido. (Es decir HAB u u 0 (= 0 sii u = 0).)
A B A

Note que esta ltima condicin implica que HAB es una mtrica en el espacio
de las variables independientes. Esta y su inversa, que denotaremos por H AB
sern usadas para subir y bajar ndices.
Esta tampoco en una restriccin importante desde el punto de vista de
la fsica, ya que todos los sistemas fsicos que conocemos son simtrico
hiperblicos.
Tambin, pero solo por simplicidad en la exposicin ya que as evitaremos
algunas complicaciones tcnicas, solo consideraremos sistemas lineales.
Comenzaremos este captulo con un ejemplo simple que ilustra las carac-
tersticas bsicas de esta clase de ecuaciones.

241
13.2. Un ejemplo

Sea una cuerda infinita en el plano x, y y sea y = u(x, t ) la posicin de la

cuerda al tiempo t en dicho plano. Ajustando las dimensiones (de longitud o
de tiempo) se puede ver que u(x, t ) satisface la ecuacin,

2u 2u
+ = f (x, t ), (13.1)
t2 x2
donde f (x, t ) es la densidad de fuerza que se ejerce sobre la cuerda y que
suponemos no depende de la posicin de la cuerda con respecto a la coorde-
nada y.1 Tenemos as el problema matemtico de encontrar las soluciones de
la ecuacin,
u = g a b a b u = f , (13.2)
en M = lR2 con mtrica pseudo-eucldea ga b = (d t )2 + (d x)2 . Para tratar
esta ecuacin es conveniente introducir un sistema coordenado apropiado a
esta mtrica, es decir uno que tiene sus lneas caractersticas como ejes,

= x + t = c t e.,
(13.3)
= x t = c t e.

= c t e.

= c t e.

Figura 13.1: Sistema coordenado nulo.

1
De otro modo deberamos considerar f (x, t , u) lo que complica el problema.

242
 tenemos entonces que
+
x = 2
(13.4)
t = 2
y
1
ga b = (d t )2 + (d x)2 = 4
[{(d )2 (d )2 + d
d + d d }
+{(d ) + (d ) + d d + d d }]
2 2

= 12 [d d + d d ]
(13.5)
Notando que g a b = 2[ + ] y que los smbolos de Christoffel
se anulan debido a que la mtrica tiene componentes constantes tenemos,2

2u
u = 4 = f (, ). (13.6)

Esta ecuacin puede ser integrada inmediatamente, obtenindose

u
Z
(, ) = 4 f (, ) d C ()

Z 0 Z (13.7)
u(, ) = 4 f (, )d d + uI ( ) + uI I (),
0 0

donde uI ( ) y uI I () son funciones arbitrarias. Consideremos primero el

caso f 0, es decir la ecuacin homognea. Sus soluciones son entonces
suma de una funcin cualquiera de y otra cualquiera de . Volviendo a las
coordenadas x, t obtenemos

u(x, t ) = uI (x + t ) + uI I (x t ). (13.8)

Por ejemplo,
1
(
uI (x + t ) = e (x+t )2 1 x + t [1, 1] (13.9)
0 x + t (, 1] [1, +)

es una solucin que representa una onda ( solucin de la ecuacin homo-

gnea) movindose hacia la izquierda sin cambiar de forma y con velocidad
1.

Note adems que g ( , ) = g ( , ) = 0, es decir estos vectores coordenados tienen

2

norma nula.

243
 U

t =1

Figura 13.2: Propagacin de ondas.

Similarmente uI I representa una onda movindose hacia la derecha. Ver

figura. Veamos ahora que el problema de Cauchy en este caso tiene solucin.
Esto es extremadamente importante en fsica: nos dice que si tomamos una
superficie no caracterstica (por ejemplo la t = 0) y damos all como dato u y
su derivada temporal obtendremos una nica solucin para tiempos futuros.
Esto es lo que nos permite, si conocemos el presente, predecir el futuro, es
decir, si preparamos un experimento, predecir el resultado. Este hecho es el
que distingue a la fsica de las otras ciencias naturales. Supongamos entonces
que a t = 0 ( = = x) damos u(x, 0) = u0 (x) y su derivada ut (x, 0) = u1 (x).
Tenemos entonces que

u0 (x) = u(x, 0) = uI (x) + uI I (x), (13.10)

u
u1 (x) = (x, 0) = uI0 (x) uI0 I (x). (13.11)
t
Diferenciando (13.10) con respecto a x y resolviendo el sistema lineal as
obtenido tenemos,
u00 (x) + u1 (x)
uI0 (x) =
2 (13.12)
u00 (x) u1 (x)
uI I =
0
,
2
e integrando,

u0 (x) 1 x
Z
uI (x) = + u1 (x)d x + CI ,
2 2 0
(13.13)
u0 (x) 1 x
Z
uI I (x) = u1 (x)d x + CI I .
2 2 0

244
Para que (13.10) se satisfaga debemos tener CI = CI I y por lo tanto

1 1
Z x+t
u(x, t ) = (u0 (x + t ) + u0 (x t )) + u1 (x)d x. (13.14)
2 2 xt

Vemos entonces que si damos como dato u0 (x) C 2 (lR) y u1 (x) C 1 (lR)
obtenemos una solucin u(x, t ) C 2 (lRlR). Por construccin esta solucin
es nica.

Ejercicio: Muestre explcitamente que (13.14) satisface (13.1) con f 0.

La ecuacin (13.14) nos dice que a u(x, t ) contribuyen solo el promedio
de los valores de u0 en x t y x + t y la integral de u1 , entre estos dos valores.
[Ver figura 13.3.]

(x, t )

xt x+t x

Figura 13.3: Solucin general homognea en 1+1 dimensiones.

Qu pasa si tenemos una fuente f (x, t )? Como ya tenemos la solucin

general (para dato de Cauchy arbitrario) de la homognea solo necesitamos la
solucin de la inhomogenea con cero dato. Esto se logra integrando f ( , )
primero con respecto a entre y y luego entre y .
Z Z !
v(, ) = 4
f ( , )d d . (13.15)

245
 t

(, )

= = x

Figura 13.4: Solucin general inhomogenea.

Ejercicio: Muestre que

x+(t t)
!
Z t Z
v(x, t ) = f (x, t)d x d t, (13.16)
0 x(t t)

que
v
v(x, t )| t =0 = (x, t )| t =0 = 0, (13.17)
t
y que v(x, t ) satisface (13.1).

Vemos entonces que la solucin buscada es,

x+(t t)
!
1 1
Z x+t Z t Z
u(x, t ) = (u0 (x + t ) + u0 (x t )) + u1 (x)d x + f (x, t)d x d t,
2 2 xt 0 x(t t)
(13.18)
que por construccin es nica y que u(x0 , t0 ) depende de los valores iniciales
y de f en la regin cnica con vrtice (x0 , t0 ) dada por,

t t0
(13.19)
|x x0 | t0 t .

246
Esta regin se llama dominio de dependencia del punto (x0 , t0 ), solo lo que
acontece en esta regin puede afectar el valor de u en dicho punto. Simi-
larmente se define el dominio de influencia de un punto (x0 , t0 ) como el
conjunto de puntos en los cuales se puede cambiar el valor de u si se cambia
el valor de u, de su derivada o de f en (x0 , t0 ). En este caso este viene dado
por: {(x, t )|t t0 , |x x0 | t t0 }.
El comportamiento de las soluciones de las ecuaciones hiperblicas es en
general el mismo que el de este simple ejemplo: Dados datos de Cauchy gen-
ricos habr una nica solucin (tanto hacia el futuro como hacia el pasado).
En el caso de las ecuaciones lineales esta solucin se puede extender indefini-
damente en ambas direcciones temporales, en el caso no-lineal las soluciones
tienen solo validez en un intervalo temporal finito y es un problema fsico
interesante ver si las ecuaciones fsicas no-lineales pueden o no ser extendi-
das indefinidamente y que significa fsicamente la aparicin de singularidades
en las soluciones. 3 Una cantidad de gran importancia fsica y matemtica
relacionada con la ecuacin de onda es la energa de las soluciones. En dos
dimensiones sta est dada por,
1 u 2 u 2
Z
E(u, t0 ) = [( ) +( ) ]d x. (13.20)
2 t =t0 t x
Observe que la energa es positiva y su tasa de variacin est dada por,
dE u 2u 2u u
Z
(u, t0 ) = ( + )d x
t =t0 t t t x x
dt 2

u 2u 2u uu
Z
= [ ( 2 ) + ( )]d x (13.21)
t =t0 t t x2 x t x
u
Z
= [ f ]d x,
t =t0 t

uu
donde en la ltima igualdad hemos usado (13.1) y supuesto que lm =
t x x
0. Si f = 0 luego la energa se conserva y esto nos da una prueba alternativa
de la unicidad de las soluciones.
Teorema 13.1 (de Unicidad) A lo ms existe una nica solucin u(x, t ) a la
ecuacin de onda entre las funciones en u(x, t ) H 1 (lR), ut (x, t ) H 0 (lR)
(donde lR es la superficie t = c t e) para un dado dato de Cauchy.
3
Una singularidad es un punto donde u deja de ser lo suficientemente diferenciable como
para que la ecuacin tenga sentido o peor an donde u deja de tener sentido incluso como
distribucin.

247
Prueba: Supongamos existen dos soluciones u1 y u2 con los mismos datos
de Cauchy en, digamos t = 0. Luego u = u1 u2 satisface la ecuacin
homognea y tiene dato de Cauchy igual a cero. Por lo tanto E( u, t = 0) =
0, pero la energa de u es conservada y por lo tanto E( u, t t0 ) = 0 t0 .
Esto implica que k tu (x, t )| t =t0 kH 0 (R) = 0 y por lo tanto tu (x, t )| t =t0 = 0
en casi todo punto. Anlogamente tenemos que k xu (x, t )| t =t0 kH 0 (R) = 0 y
por lo tanto xu (x, t )| t =t0 = 0 o u = c t e. Pero las constantes no son de
cuadrado integrable en lR y por lo tanto u(x, t ) = u1 (x, t ) u2 (x, t ) = 0
como elemento de H 1 (lR)

13.3. Desigualdad de la energa para sistemas simtricohiperb-

licos

En esta seccin consideraremos un sistema simtricohiperblico lineal

general. Es decir un sistema de la forma:
a
MAB a u B = IA, (13.22)
a a
con MAB y IA en general dependientes de la posicin, con MAB simtrico en
los ndices maysculos y tal que exista una funcin con gradiente ta tal que
HAB sea positiva definida y por lo tanto invertible.
Sea t la familia de superficies dadas por las superficies de nivel = t
Sea una regin cualquiera de 0 y sea una regin tal que 0 = sea
adems (t ) = t
Sea u A una solucin de 13.22 y sea,
Z
E(u A, t ) = a
na MAB uAuB , (13.23)
(t )

es decir la integral de HAB u A u B sobre una regin de la hipersuperficie =

t = c ons t ., donde hemos definido HAB usando na = ta /|ta |, es decir hemos
normalizado a ta .
Veamos la diferencia de esta cantidad entre dos superficies como muestra
la figura.

Para ello usaremos el teorema de la divergencia, que nos dice que,

Z
E(u A, t ) E(u A, 0) + E(u A, s) = a (MABa
u A u B ), (13.24)
(0,t )

248
 tn =t

S
t

na

tn

=0

Figura 13.5: Desigualdad de la energa

T t =T

0
t =0

Figura 13.6: Desigualdad de la energa, vista en perspectiva.

249
donde el signo negativo del segundo trmino de la izquierda es debido a que
en la definicin de E(u A, 0) tomamos la normal entrante a la regin (0, t ).
El ltimo trmino representa la integral de la energa sobre una superficie S
que supondremos dada por la ecuacin = s donde es una funcin suave
y s lR. Este trmino representa la energa que escapa de la regin a travs
de la superficie S.
Usando la ecuacin 13.22 en el miembro derecho obtenemos,
Z
A A A a
E(u , t ) E(u , 0) + E(u , s) = [(a MAB )u A u B + 2IA u A] (13.25)
(0,t )
Z tZ
a
{|(a MAB )u A u B | + 2|IA u A|}d t
0 t
Z tZ
{|C HAB u A u B |
0 t

+ 2 |IA IB H AB | |HAB u A u B |}d t
Zt
[(C + 1)E(u A, t) + D( t)]d t,
0

donde en el primer miembro de la segunda desigualdad hemos usado la de-

sigualdad de Schwartz (ver ejercicio) y hemos definido,
A
C 2 := sup{(a MAB )( b MCb D )H AC H B D }. (13.26)

En la tercer desigualdad hemos usado que 2a b a 2 + b 2 y hemos definido,

Z
D(t ) := H AB IA IB . (13.27)
t

Ejercicio: Sea HAB simtrica y positiva definida, con inversa H AB . Probar:

a.) S AB S C D HAC HB D 0, (= 0 s i i S AB = 0).

b.) |SAB u A u B | H AC H B D SAB SC D HAB u A u B .

Haremos ahora una suposicin importante que luego discutiremos en de-

talle:

supondremos de ahora en ms que E(u A, s) 0 u A.

250
 Con esta suposicin podemos ignorar dicho trmino en la desigualdad
anterior y obtener,
Z t
A A
E(u , t ) E(u , 0) [(C + 1)E(u A, t) + D( t)]d t. (13.28)
0

Diferenciando esta desigualdad integral obtendremos una cota mxima

para la energa. En efecto, diferenciando esta expresin y notando que el signo
de la desigualdad se mantiene obtenemos la siguiente desigualdad diferencial,

d
E(u A, t ) (1 + C )E(u A, t ) + D(t ), (13.29)
dt

La igualdad diferencial tiene como solucin (usando el mtodo de variacin

de constantes, seccin 5,2),
Z t
(1+C )t )
e (1+C ) t D( t)d t].

Y (t ) = e [Y (0) + (13.30)
0

Usando ahora el lema 4,1 vemos que E(u A, t ) Y (t ) t 0 si E(u A, 0) =

Y (0), y por lo tanto tenemos que,
Z t
(1+C )t )
e (1+C ) t D( t)d t].
A A
E(u , t ) = e [E(u , 0) + (13.31)
0

Esta desigualdad es extremadamente importante, no solo permite inferir

la unicidad de las soluciones (como veremos a continuacin) sino tambin
juega un papel fundamental para probar la existencia de soluciones y para
lograr algoritmos numricos convergentes y fiables.

13.4. Unicidad de las soluciones

Usando la desigualdad obtenida anteriormente probaremos el siguiente

teorema:

Teorema 13.2 Sea una ecuacin simtricohiperblica en una variedad M , Sea

0 una superficie dada por la ecuacin = 0 con y tal que MABa
a sea positiva
definida. Sea una regin cualquiera de 0 y sea una regin tal que 0 =
y tal que E(u A, s ) 0 u A. [Ver figura anterior.] Luego si u C y u C son dos
soluciones que coinciden en luego stas coinciden en todo .

251
Prueba: Sea A := u A u A. Luego A satisface,
a
MAB a A = 0. (13.32)

Por lo tanto tenemos una desigualdad de la energa para C con D(t ) 0

y adems con E( C , 0) = 0 ya que las dos soluciones coinciden en . Pero
entonces la desigualdad nos dice que E( C , t ) = 0 para todo t y por lo tanto
C = 0 en todo probando as el teorema

13.5. Dominio de dependencia

El teorema de unicidad anterior se bas en la suposicin de que

Z
C a
E(u , s) = na MAB uAuB 0 (13.33)
S

y por lo tanto es importante determinar cules son las posibles regiones don-
de esto pasa. En particular, dada una regin , la mayor regin donde te-
nemos unicidad de las soluciones con idnticos datos iniciales en se llama
el dominio de dependencia de , es la regin que depende completamente
de los datos iniciales dados en , o sea dando datos iniciales en podemos
controlar completamente el valor de la solucin en cualquier punto de su
dominio de dependencia.
Veamos primero que este dominio de dependencia no es vaco. Para ello
tomemos compacto en 0 y consideremos HAB = ta MAB a
. Sea ahora =
con una funcin suave en un entorno de positiva en dentro de
este conjunto y negativa en 0 (o sea que se anula en su frontera) y un
nmero real que supondremos pequeo. [Ver figura 13.7.]

= c t e.

= c t e.

Figura 13.7: Regin en forma de ampolla

En cada punto p HAB es una mtrica positiva definida y por lo tanto,

como el conjunto de mtricas positivas definidas es abierto en el espacio de
todos los tensores simtricos, dado otro covector wa cualquiera existir " > 0

252
suficientemente pequeo tal que
(ta + "wa )MAB a
= HAB + "wa M a AB es tambin positiva definida. Como
es compacta dado un wa en ella habr un " mnimo y positivo tal que el
tensor definido arriba ser positivo4 Por el mismo argumento de continuidad
habr una regin compacta alrededor de y un " > 0, un poco menor que el
anterior tal que all a MABa
ser positiva definida. Hemos logrado as tener
una regin entre las superficies de nivel = 0 y = 0, es decir, una pequea
ampolla donde la integral de la energa saliente por S = { p M |( p) = 0} es
positiva para toda solucin u A.
Cun grande podemos hacer esta ampolla, es decir cunto ms podemos
inclinar la superficie S y todava mantener positividad? Esta pregunta tiene
mucho que ver con la siguiente: cunto podemos inclinar a ta en cada punto
a
y todava tener positividad de ta MAB en dicho punto?
Obsrvese primero que si ta MAB es positivo luego ta MAB
a a
, > 0 tambin
lo es, con lo que el conjunto de los ta para los cuales tenemos positividad
forman un cono. Esto tambin nos asegura de que no todos los co-vectores
estn en este cono, ya que si ta lo est, (ta ) no lo est.
Segundo obsrvese que si ta y ta estn en el cono, [es decir cada uno de
ellos da una mtrica positiva definida] tambin lo estn todos los co-vectores
de la forma, ta + (1 ) ta , [0, 1] ya que (ta MAB
a
+ (1 ) ta MAB
a
)u A u B
es positivo si los coeficientes de y (1 ) lo son. Es decir el conjunto de los
co-vectores que dan mtricas positivas definidas forman un cono convexo de
T p , en cada punto p M . Este cono se denomina cono caracterstico. [Ver
figura 13.8.]

Qu pasa con los co-vectores en la frontera de dicho cono? All la con-

dicin de positividad definida debe fallar, es decir dado un co-vector ta en
dicha frontera habr algn u A tal que ta MAB
a
u A u B = 0. Esto implica que all
a
el rango de ta MAB deja de ser mximo.

13.5.1. Construccin de una superficie caracterstica

Ahora construiremos la superficie frontera del mximo dominio de de-
pendencia. A partir de una regin dada por {q 0 | 0 ( p) = 0} construi-
remos una superficie S tal que su normal en cada uno de sus puntos perte-
nezca a la frontera del cono caracterstico. Esta superficie vendr dada por
4
Para ver esto considere el mapa entre (B1 ) (B1 ) lR dado por,
wa ( p)MAB
a
( p)u A( p)u B ( p) donde B1 ( p) = {u A( p)|HAB ( p)u A u B = 1}. Este es un mapa con-
tinuo y su dominio es compacto por lo tanto tiene un mximo, m < . Podremos tomar
entonces 0 < " < 1/m.

253
 tn

Figura 13.8: Cono caracterstico

una funcin = 0 tal que |0 = 0 . Para encontrar la ecuacin que esta

funcin deber satisfacer es conveniente introducir un sistema apropiado de
coordenadas, el mismo que usamos en nuestra clasificacin de las ecuaciones
en derivadas parciales. Una de estas coordenadas ser t = y llamaremos a

las otras x i , tambin por conveniencia definiremos t = t y i = i . Con
x
estas coordenadas obtenemos que,
X
a t i
a MAB = t MAB + i MAB
i
X
i
= t HAB + i MAB . (13.34)
i

Multiplicando por la inversa de HAB , H AB , obtenemos

X
H C Aa MABa
= t C B + i H C A MAB
i
, (13.35)
i

el cual es un operador, es decir un mapa lineal de un espacio vectorial en s

mismo, y por lo tanto le podemos tomar su determinante, obteniendo,
!
X
C CA i
d e t t B + i H MAB = 0, (13.36)
i

ya que el determinante de H C Aa MABa

se anula pues hemos supuesto que
el rango de a MAB dejaba de ser mximo. Para cada valor fijo de las deriva-
a

das espaciales i esta ecuacin tendr

P en general n soluciones (races) reales,
t , (los autovalores del operador i i H C A MAB
i
), de todas ellas tomaremos

254
aquella que nos d la frontera del menor cono conteniendo a ta , es decir la
mayor raz. Tendremos as para esta raz una ecuacin de la forma:
t + H (i , x i , t ) = 0. (13.37)
La funcin H tiene una propiedad muy importante, note que si ( t , i ) es una
solucin tambin lo es ( t , i ) y por lo tanto H debe ser homognea de
primer grado, es decir H (i , x i , t ) = H (i , x i , t ). Estas ecuaciones, con
H homognea de primer grado se llaman ecuaciones eikonales y son casos
particulares de la ecuacin de HamiltonJacobi que se estudia en mecnica.
Este tipo de ecuaciones, que en principio son ecuaciones en derivadas par-
ciales pueden ser resueltos transformndolos a un problema equivalente en
derivadas ordinarias proveniente de un Hamiltoniano. En efecto, considere
el sistema de ecuaciones ordinarias Hamiltonianas:
d xi H
=
dt pi
d pi H
= i, (13.38)
dt x
donde H ( pi , x i , t ) := H (i , x i , t )|i = pi . Integrando este sistema con condi-
ciones iniciales:
x i (0) = x0i
pi (0) = 0i , (13.39)
y luego restringiendo las curvas integrales obtenidas en el espacio de fase
(x i , p j ) al espacio de configuracin x i , obtenemos una serie de curvas en
nuestra variedad emanando de la superficie . Llamaremos a estas curvas,
curvas caractersticas ya que tienen la importante propiedad de que a lo
largo de ellas la funcin que andamos buscando es constante! Para pro-
bar esto primero veamos que con las condiciones iniciales elegidas pi (t ) =
i (x i (t ), t ) t . Pero tomando la derivada con respecto a x i de la ecuacin
13.37 obtenemos:
i 2
=
t t xi
2
=
xi t
XH i H
= (k , x k , t ) (k , x k , t ), (13.40)
j j x j
x i

255
y por lo tanto

d ( pi i ) H X i d x j i
= ( pk , x k , t )
dt x i
j xj dt t
H X i H
= ( pk , x k , t ) ( pk , x k , t )
x i
j x j pj
XH i H
+ (k , x k , t ) + (k , x k , t )
j j x j
xi
H H
= i
( pk , x k , t ) + i
(k , x k , t )
x x
X i H H
!
k k
( pk , x , t ) (k , x , t ) ,(13.41)
j xj pj j

donde en la segunda igualdad hemos usado las ecuaciones 13.38 y 13.40. Esta
ltima ecuacin, con las condiciones iniciales elegidas tiene solucin trivial,
pero el teorema de unicidad de las soluciones de ecuaciones ordinarias nos ga-
rantiza que esta es la nica y por lo tanto la igualdad buscada. Por lo tanto de
ahora en ms no deberemos distinguir en el argumento de H si est evaluada
en i o en pi .
Pero entonces note que la derivada a lo largo de una curva caracterstica
de es,

d X d xi
= i + t
dt i dt
XH
= i H (k , x k , t )
i i
= 0, (13.42)

donde en la ltima igualdad hemos usado que por ser H homognea de pri-
mer grado en i se cumple la igualdad H (k , x k , t ) = i H i .
P
i
Hemos demostrado entonces que ser constante a lo largo de las lneas
integrales de la ecuacin 13.38 con condiciones iniciales dadas por 13.39. Por
lo tanto conocemos S, esta ser la superficie reglada por las curvas caracters-
ticas emanando de 5 . [Ver figura 13.9.]

5
En general las curvas caractersticas se cruzan entre s y por lo tanto an dando una regin

256
 0 = 0

0 > 0

0 < 0

Figura 13.9: Construccin de S y una singularidad en S

13.5.2. Dominio de dependencia, ejemplos

A continuacin damos un par de ejemplos de la construccin de curvas

caractersticas y determinacin de los dominios de dependencia.

Ejemplo: Fluidos en una dimensin

Consideremos un fluido con densidad promedio 0 , movindose con ve-
locidad promedio v0 y con una ecuacin de estado para la presin en funcin
de la densidad p = p(). Estamos interesados en pequeas fluctuaciones de
estas cantidades alrededor del estado de equilibrio (0 , v0 ), es decir en la teo-
ra del sonido en este fluido. En este caso u A = (, v) ser dichas fluctuaciones
y las ecuaciones del fluido son

v
v0 0 = 0
t x x
v v 1 p
v0 = 0. (13.43)
t x 0 x

dp
Si c 2 := |
d 0
> 0, (c es la velocidad del sonido en el medio) entonces el siste-
a
ma es simtricohiperblico con MAB obtenido reescribiendo las ecuaciones

con frontera suave luego de un cierto tiempo la superficie reglada desarrollar singularidades
y ser multivaluada. Sin embargo estas singularidades se conocen perfectamente bien y se
sabe cmo descartar regiones hasta obtener dominios de dependencia con frontera continuas.

257
como:
c2 0 c 2 v0 c 2 0
     
+ = 0, (13.44)
0 20 v t
c 2 0 20 v0 v x
p p
donde hemos usado que x
= x
.
El determinante que debemos estudiar es entonces:
t c 2 x c 2 v0 x c 2 0

det , (13.45)

x c 2 0 t 20 x v

que tiene como races,

t = (v0 c) x . (13.46)
Supongamos c > v0 (fluido normal, subsnico), y que = [0, 1] con 0 =
x(x 1). En x = 0 0x es negativa y entonces la mayor raz es v0 c y la
solucin es = t (c v0 ) x. En x = 1 0x es positiva y entonces la mayor
raz es v0 + c y la solucin es = t (v0 + c) (x 1). [Ver figura.]

0 1 x

Figura 13.10: Dominio de dependencia de un fluido

Ejemplo: Ecuacin de onda en 2 + 1 dimensiones.

La ecuacin es:
2 2 2
+ + = , (13.47)
t t x x y y

258

y usando u A = (, , , )
t x y
el sistema se puede escribir como,
1 1 1
u 2

1 0 0 0 u 0 0 0 0 u 0 0 0 0 u
0 1 0 0 u2 0 0 1 0 u2 0 0 0 1 u2

3 =
0 0 1 0 u3 0 1 0 0 u3 0 0 0 0 u 0

0 0 0 1 u4 t 0 0 0 0 u4 x 0 1 0 0 u 4
y
0

u1 u1
Ejercicio: Pruebe que si los datos iniciales son tales que u 2 = x
y u3 = y
,
luego u 1 satisface 13.47.

Las ecuaciones para son:

t 0 0 0
0 t x y

det = ( )2 [( )2 ( )2 ( )2 ], (13.48)


0 0 t t x y
x t
0 y 0 t

o sea q
t = ( x )2 + (y )2 := H ( x , y ). (13.49)

Las ecuaciones de Hamilton para este sistema son:

dx H x
= =q
dt x ( x )2 + (y )2

dy H y
= =q
dt y ( x )2 + (y )2

d x H
= =0
dt x
d y H
= = 0, (13.50)
dt y

y sus soluciones son:

0x
x(t ) = q t + x0
(0x )2 + (0y )2

259
 0y
y(t ) = q t + y0 . (13.51)
(0 x)2 + (0y )2

260
 CAPTULO 14

ECUACIONES PARABLICAS

14.1. Introduccin

Aqu trataremos el arquetipo de ecuacin parablica, la ecuacin del ca-

lor,
u
t
u = f en ,
u| t =0 = u 0 , (14.1)
u|L = 0,

donde es una regin cilndrica de la forma [0, T ] S y L = [0, T ] S.

Ver figura.

t =T

t =0

Figura 14.1: Condiciones de contorno para la ecuacin del calor.

Tambin se puede tratar el problema en que n a a u|L = 0, o problemas

mixtos, aqu solo trataremos el primero, ya que el tratamiento de los otros
no reviste mayores cambios. Las condiciones de contorno no homogneas se
tratan de forma similar al caso de ecuaciones elpticas.

261
 Usando el Teorema Espectral, 12.2, descomponemos u, f y u 0 en auto-
funciones del Laplaciano en S en H01 (S) y obtenemos,

X
u(t , x j ) = un (t )vn (x j ),
n=0

X
f (t , x j ) = fn (t )vn (x j ),
n=0

X
u 0 (x j ) = un0 vn (x j ),
n=0

donde las funciones vn (x j ) satisfacen,

vn (x j ) = n vn (x j )
vn (x j )|L = 0.

Obtenemos as el siguiente sistema infinito de ecuaciones ordinarias,

un + n un = fn
(14.2)
un | t =0 = un0 .

La solucin de la ecuacin homognea es unH = un0 e n t y usando el mtodo

de variacin de constantes obtenemos,
Zt
fn ( t)e n t d t.
I n t
un = e (14.3)
0

La solucin completa (respetando la condicin inicial) es

Zt
fn ( t)e n t d t].

un (t ) = e n t [un0 + (14.4)
0

De manera anloga a como probamos que la solucin formal para el caso

hiperblico era una solucin suave se puede demostrar aqu que para t > 0 la
solucin es, en las variables espaciales dos veces ms diferenciable que f y en
la temporal una vez ms.
Una propiedad muy importante de esta ecuacin es que en general solo
admite una solucin para t > 0, esto implica que a diferencia con las ecua-
ciones de la mecnica o el electromagnetismo esta ecuacin privilegia una
direccin temporal particular. Entre otras cosas esto nos indica que esta ecua-
cin representa o describe fenmenos que no pueden ser derivados solamente

262
de la mecnica y que en ellos debe haber alguna clase de informacin de tipo
termodinmico.
Para ver esto retomemos el ejemplo dado en la introduccin al Teorema
Espectral, 12.2
d2u
u = 0 en [0, 1], (14.5)
d x2
donde vimos que las autofunciones vn (x) con vn (0) = vn (1) = 0 son vn (x) =
sin(nx) con autovalor n = 2 n 2 .
n1
(1) 2
Tomando como dato inicial u 0 (x) =
P
n=1 2 s e n(n x), la cual es
P 1 n
acotada en [0, 1] ya que n=1 2 < , obtenemos,
n
n1 2 n2 t
(1)
X 2 e
u(t , x) = s e n(n x).
n=1 n2
2 2t
P e (2n1)
Pero u(t , 1/2) = n=1 (2n1)2
la cual es finita t 0 e infinita para
cualquier t < 0 ya que el ensimo trmino tiende a infinito con n. Por otro
lado dada cualquier u 0 (x) = 0
P
u
n=0 n
s e n(n x), continua obtenemos

X 2 n2 t
u(t , x) = un0 e s e n(n x) (14.6)
n=0

la cual es infinitamente diferenciable para todo t > 0 ya que dado cualquier

2 2
polinomio P (n) de n, P (n)e n t 0 cuando n si t > 0.

14.2. Unicidad y el Teorema del Mximo

Vemos ahora que la solucin obtenida en el caso general es nica. Para

ello supondremos que esta es C 1 con respecto al tiempo y C 2 con respecto a
las coordenadas espaciales. Para llegar a esta conclusin usaremos el principio
del mximo. Desarrollamos este primero para el problema de Dirichlet.

Teorema 14.1 (del Mximo) Sea u C 2 (S) y u 0 en S, luego

max u = max u
S S

Prueba: Si u > 0 esto sigue simplemente del hecho de que si el mximo

estuviese en p S luego ku 2 | p 0 k = 1, ..., n y por lo tanto u 0
2

(x )

263
lo que es una contradiccin. Para el caso u 0 usamos v = |x|2 . Como
v > 0 en S luego
(u + "v) > 0 en S " > 0 (14.7)

y as
max(u + "v) = max(u + "v)
S S

y por lo tanto
max u + " mn v max u + " max v
S S S S

y tomando " 0 obtenemos la igualdad buscada. En el caso en que u = 0

luego tambin se cumple que

mn u = mn u
S S

(Simplemente usando que mn(u) = max(u)).

Este resultado nos da otra prueba de la unicidad de las soluciones al pro-
blema de Dirichlet para el Laplaciano.

Teorema 14.2 (Unicidad del Problema de Dirichlet) El problema

u = f en S
(14.8)
u| S = u0 ,

tiene a lo sumo una nica solucin en C 2 (S).

Prueba: Sean u y u en C 2 (S) soluciones, luego = u u satisface = 0 y

| S = 0 pero entonces
max = max = 0
C S

y
mn = mn = 0
S S

por lo tanto concluimos que = 0.

Ejercicio: Para qu otras ecuaciones elpticas vale esta prueba de unicidad?

Podemos obtener un resultado similar para la ecuacin del calor?

264
Teorema 14.3 (Unicidad para la ecuacin del Calor) Existe a lo ms una ni-
ca solucin u C 1 [0, T ] C 2 (S) del problema,

u u = f en S
u| t =0 = u 0 , (14.9)
u|L = u 1 ,
u 0 y u 1 continuas.

La prueba de este teorema es una aplicacin trivial del siguiente lema.

Lema 14.1 Sea u C 1 [0, T ]C 2 (S) continua en y satisfaciendo u t u

0. Luego

max u = max u
0

donde 0 = S0 L.

t =T

" = ST "

S0 L

S0

t =0

Figura 14.2: Prueba del Lema 14.1

Prueba: Veamos primero el caso u t u < 0 en . Sea 0 < " < T y

" = { t(0,T ") S t}. Como u es continua en " existir p " tal que
u( p) = max u. Si p " luego all u t = 0 y u 0 lo que nos da una con-
"
tradiccin. Si p " = ST " tendramos u t 0 y u 0, lo que tambin
nos da una contradiccin. Sigue entonces que p 0 " y

max u = max u max u

" 0 " 0

265
tendiendo " 0 obtenemos el resultado buscado.
Para tratar el caso u t u 0 en , consideramos v = u k t , k > 0.
Luego v t v = u t u k < 0 y por lo tanto

max u = max(v +k t ) max(v +kT ) max v + kT max u +kT , (14.10)

0 0

donde en la ltima desigualdad hemos usado que max v max u si k 0,

t 0. Tomando el lmite, k 0 obtenemos el resultado buscado.

u
Ejercicio: Probar que si t
u 0 luego mn u = mn 0 u.

266
 CAPTULO 15

GRUPOS

15.1. Introduccin

Los grupos juegan un papel fundamental en la fsica contempornea. Es-

to se debe a que en la naturaleza se observan simetras, o su correlato, va
el teorema de Noether, cantidades conservadas, es decir que no varan du-
rante las interacciones de los diversos campos durante las escalas temporal
propias a estas. Estas simetras son invariancias ante transformaciones, tales,
por ejemplo, como las traslaciones espaciales o temporales, las rotaciones, o
transformaciones entre distintos campos, tales por ejemplo las que dan cuenta
de la conservacin de la carga elctrica, el nmero barinico, etc. Todas es-
tas transformaciones, conforman grupos, y la determinacin de la estructura
de los mismos es un ingrediente fundamental en la construccin de modelos
aproximando la realidad.
Comenzamos con la definicin abstracta de grupo:

Definicin: Un grupo es un conjunto G y una asignacin, : GG G, lla-

mada multiplicacin, y usualmente denotada de la misma manera, (g , g 0 ) :=
g g 0 , satisfaciendo las siguientes condiciones:

Asociatividad: g (g 0 g 00 ) = (g g 0 )g 00

Existe un elemento en G, usualmente denotado por e, tal que

ge = e g = e G

For each element g G there exists another element in G, called its

inverse, g 1 , such that,

g g 1 = g 1 g = e

267
Ejemplo: Sea el conjunto Z de nmeros reales, incluidos los negativos y el
cero. Sea el producto dado por la suma, (n, m) = n + m. Esta operacin
es claramente asociativa, (n, (m, l )) = (n, m + l ) = n + m + l = (n +
m, l ) = ((n, m), l ). En este caso la identidad es el nmero cero, (0, n) =
(n, 0) = n y la inversa del elemento n es el nmero n.

Ejemplo: Sea el conjunto R {0} y la multiplicacin la usual. Vea que este

conjunto con dicha operacin es un grupo.

Ejemplo: Veamos ahora el ejemplo ms importante de grupo, como veremos

ms adelante todos los grupos se pueden obtener por esta construccin. Sea
S un conjunto cualquiera, sea P (S) el conjunto de los mapas injectivos y sur-
jectivos de S en S, : S S. Sea el producto la composicin de mapas.
Notemos que la composicin de mapas es claramente asociativa,

o(o )(s) = o( (s )) = (( (s))) = (o)( (s)) = (o)o (s).

Por otro lado la composicin de mapas invertibles da un mapa invertible y

por lo tanto la multiplicacin es cerrada en P (S). Como los mapas conside-
rados son invertibles sus inversas como mapas son sus inversas como grupos
y la identidad como mapa es la identidad en el grupo.

Ejemplo: Sea S = {1, 2} un conjunto de dos elementos. P (S) consta de solo

dos elementos, la identidad, e(1, 2) = (1, 2) y la conmutacin g (1, 2) := (2, 1).
Notemos que g es su propia inversa, g o g (12) = g (2, 1) = (1, 2).
Abstractamente podemos definir este grupo por su tabla de multiplica-
cin,

Cuadro 15.1: Tabla de multiplicacin de P (1, 2)

e g
g e

Ejemplo: Veamos el caso siguiente, sea S = {1, 2, 3}. En este caso tenemos los
siguientes mapas: e(1, 2, 3) = (1, 2, 3), f1 (1, 2, 3) = (1, 3, 2), f2 (1, 2, 3) = (3, 2, 1),
f3 (1, 2, 3) = (2, 1, 3), g (1, 2, 3) = (3, 1, 2), g 0 (1, 2, 3) = (2, 3, 1). Su tabla de mul-
tiplicacin es la siguiente:

268
 Cuadro 15.2: Tabla de multiplicacin de P (1, 2, 3)

e g g0 f1 f2 f3
g g0 e f3 f1 f2
g0 e0 g f2 f3 f1
f1 f2 f3 e g g0
f2 f3 f1 g0 e g
f3 f1 f2 g g0 e

Ejemplo: Considere el grupo de todos los mapas lineales de lR2 7 lR2 que
preservan un tringulo equiltero.

Ejercicio: Considere el espacio todos los mapas lineales de lR2 7 lR2 que
preservan un cuadrado. Compare su tabla con la de P (1, 2, 3, 4).

15.2. Isomorfismos

Como hemos visto, el grupo de transformaciones lineales en lR2 que pre-

servan un tringulo equiltero y el grupo P (1, 2, 3) tienen la misma tabla de
multiplicacin. Por para todo fin prctico, de forma abstracta estos dos gru-
pos son idnticos, el estudio de uno nos da toda la informacin sobre el otro.
Esto no se una excepcin, en fsica los mismos grupos aparecen como trans-
formaciones en situaciones y espacios muy diversos y no es tan fcil estable-
cer la relacin entre los mismos. Formalmente la relacin entre ellos se puede
definir de la siguiente manera:

Definicin: Dos grupos, G y H son isomrfos si existe un mapa invertible

entre ambos, : G 7 H tal que,

(g )(g 0 ) = (g g 0 ).

Note que en el lado izquierdo el producto es el producto de H , mientras que

en el derecho el producto es el de G. Es decir el mapa preserva el producto
entre los espacios. Si dos grupos son isomrficos entonces son idnticos en
cuanto a sus propiedades intrnsecas.

Ejercicio: Encuentre el mapa que hace P (1, 2) y grupo de todos los mapas
lineales de lR2 7 lR2 que preservan un tringulo equiltero.

269
15.3. Subgrupos

Definicin: H es un subgrupo de G si es un grupo en s mismo, con la ope-

racin de multiplicacin heredada de G. Es decir, si dado dos elementos,
h, h 0 H , h h 0 H , o sea que es cerrado bajo el producto, y si h H ,
luego h 1 H . Note que ambas condiciones ya nos aseguran que e H .

Ejemplo: En P (1, 2, 3) los elementos e, g , g 0 forman un subgrupo de H .

Ejercicio: Encuentre un subgrupo no trivial (el elemento identidad es siempre

un subgrupo) del grupo dado por el conjunto lR {0} con la multiplicacin
usual.

Ejemplo: Si H1 y H2 son subgrupos, luego su interseccin, H1 H2 , tambin

lo es. Dado un subconjunto S de G, la interseccin de todos los grupos que
lo contienen es un subgrupo. Se lo denomina el subgrupo generado por S.

Ejercicio: Demuestre las afirmaciones del ejemplo anterior.

Ejercicio: Considere un conjunto S y el grupo de permutaciones sobre el mis-

mo, P (S). Sea S 0 un subconjunto de S y considere todos los mapas que cuando
restringidos a S 0 son la identidad. Vea que este conjunto es un subgrupo.

Ejercicio: Sea A subconjunto de G. Vea que A es un subgrupo sii a, a 0 A,

a 1 a 0 A.

Ejercicio: Sea P (S), con S finito. Sea

A := { P (S)| s, s 0 s 00 distintos, tales que (s ) = s 0 , (s 0 ) = s 00 (s 00 ) = s.}

Muestre que el subgrupo generado por A no es todo P (S).

15.4. La construccin universal

Vimos varios ejemplos de grupos que aparecen como grupos de trans-

formaciones, es decir como mapas invertibles de un conjunto en s mismo.
En realidad todos los grupos se pueden obtener de esta forma. Citamos el
siguiente teorema, el cual no probaremos, pero que es muy importante pues
sita a los grupos en sy justa dimensin:

270
Teorema 15.1 Dado un grupo G existe un conjunto S tal que G es isomrfico
a un subgrupo de P (S).

Ms adelante veremos una manera de establecer este resultado.

Ejemplo: Sea el grupo cuyo conjunto consiste de los nmeros enteros y la

multiplicacin la suma. Vea que este grupo es isomorfo al grupo de traslacio-
nes sobre Z: n : Z 7 Z, dados por n (m) = n + m.

Ejemplo: Sea el grupo cuyo conjunto es R {0} con multiplicacin dada por
el producto. Este grupo puede ser obtenido como el conjunto de los mapas
invertibles de la lnea real en s misma dados por, x : lR 7 lR dados por
x (y) := xy. Estos mapas son llamados dilataciones.

15.5. Grupos Lineales

Se llama grupos lineales a aquellos grupos que aparecen como subgrupos

del grupo de mapas lineales e invertibles de lRn 7 lRn o sus versiones com-
plejas, los mapas de C n 7 C n .
El mayor de ellos es el conjunto completo, llamado el grupo lineal gene-
ral, y denotado GL(n, lRn /C n ), es decir el conjunto de matrices cuadradas
invertibles n n, con elementos reales o complejos.
Un subgrupo del mismo es el de todas las matrices con determinante con
mdulo unidad. Note que este conjunto es realmente un subgrupo ya que,

det(A) det(B) = det(AB).

Un subgrupo ms pequeo de este est formado por el subconjunto de las

mismas que tiene determinante unidad. Estas reciben el nombre, grupo lineal
especial, S L(n, lRn /C n ).
Estos espacios tienen ms subgrupos pero los mismos no se manifiestan
de forma natural a menos que incluyamos ms estructura. Por ejemplo, si in-
troducimos una base preferida, luego el conjunto de matrices que son triangu-
lar superior (inferior) con todos los elementos de la diagonal distintos de cero
(invertibles) son subgrupos. De ms relevancia son los que aparecen cuando
introducimos un producto escalar. En ese caso vemos que las matrices unita-
rias, (ortogonales) forman subgrupos, de hecho, si U y U 0 son unitarias, es
decir,

U x, U y = U 0 x, U 0 y = x, y,

271
su producto tambin es unitario,

U U 0 x, U U 0 y = U (U 0 x), U (U 0 y) = U 0 x, U 0 y = x, y.

Estos grupos se denotan como U (n) cuando consideramos matrices com-

plejas (unitarias) y O(n) para el caso real. Las con determinante unidad por
S U (n) y SO(n).
El grupo SO(3) es el grupo de rotaciones en el espacio. El O(n) incorpo-
ra, adems de las rotaciones, las inversiones perpendiculares a planos arbitra-
rios.

Ejercicio: Encuentre y describa todos estos grupos anteriores para n = 1 y

n = 2.

Ejercicio: Vea que U (1) tiene como subgrupo a P (1, 2, 3). U (1) aparece en
fsica como un grupo de simetra asociado a la conservacin de la carga elc-
trica.

Ejercicio: Que otros subgrupos tiene U (1)?

Ejercicio: Vea que U (1) es isomorfo a SO(2).

Ejercicio: Vea que S U (2) es igual a SO(3). S U (2) aparece en fsica como
uno de los grupos principales del modelo estndar de partculas, al igual que
S U (3).

Ejercicio:

15.5.1. El grupo SO(3).

El grupo SO(3) consiste de las matrices ortonormales 3 3 con determi-

nante unidad. Es decir las rotaciones en lR3 . Veamos que propiedades tiene
este conjunto como variedad. Una manera de describir este conjunto es la si-
guiente: Para determinar una rotacin necesitamos dar el eje invariante de la
misma, o sea una direccin en lR3 , que tomamos como un vector unidad en
lR3 , n y el ngulo de la misma. A este ltimo le podemos asignar un rango
dado por [, ] teniendo en cuenta que la rotacin en la direccin n por un
ngulo es igual a la rotacin por el ngulo . Cada una de estas rotaciones
puede ser expresada por la matriz,

272

1 0 0
0 cos sin

0 sin cos
Donde hemos elegido los ejes coordenados de manera que el eje z coincide
con la direccin de la rotacin. Vemos as que la rotacin por es la misma
rotacin que por . Podemos unir la direccin de rotacin con el ngulo
de la misma y formar un vector de forma que su direccin coincida con la
direccin de rotacin y su magnitud con el ngulo de la misma. Vemos en-
tonces que SO(3) consta de todos los puntos en una bola de radio , cada
dimetro de la misma consiste en todas las rotaciones sobre un eje fijo. Pero
este conjunto tiene una peculiaridad, debemos identificar cada punto de la es-
fera exterior, de dimetro , con su antpoda. Logramos as una variedad que
no tiene frontera. Si trazamos una curva que pretende salir de ella, cuando
llega al dimetro aparece en el punto opuesto de dicha esfera ingresando al
interior de la bola por dicho punto. En particular si comenzamos una curva
de este tipo en un punto p en el interior de la bola, vamos hacia el dimetro
y la continuamos hasta alcanzar nuevamente el punto inicial p tendremos
una curva cerrada que no puede ser deformada a la curva identidad! 1 Es de-
cir, como variedad, SO(3) no es simplemente conexa. El siguiente ejemplo
tambin muestra que no es un toro.

Ejercicio: Muestre grficamente que una curva que recorre dos veces el ca-
mino de la anterior es deformable a la identidad.
Esta propiedad de SO(3) tiene importantes consecuencias en fsica. Es la
que permite la existencia matemtica de los espinores, es decir el modelo que
describe todos los campos ferminicos, en particular el electrn. Esto se debe
a que los espinores cuando son rotados por un ngulo de 2, es decir a lo
largo de uno de los ejes de SO(3), ste cambia de signo, (sabe de las curvas
no deformables). Mientras que si lo rotamos por un ngulo de 4 vuelve a su
estado original.

15.6. Cosets

Dado un grupo G y un subgrupo H del mismo, podemos construir dos

espacios cocientes. Uno de ello se obtiene introduciendo la siguiente relacin
1
Diremos que una curva cerrada (t ) con (0) = (1) = p en una dada variedad, M , puede
ser deformada a la curva identidad i (t ) p, si existe un mapa (t , s ), [0, 1] [0, 1] 7 M tal
que (t , 0) = (t ) y (t , 1) = i (t 0 = p.

273
de equivalencia:
Diremos que g1 g2 si existe g G tal que g1 = g h1 y g2 = g h2 . Con
h1 , h2 H .
Las dos primeras condiciones que definen una relacin de equivalencia se
satisfacen trivialmente. Veamos la tercera:
Debemos ver que si g1 g2 y g2 g3 , entonces g1 g3 . Las dos primeras
condiciones nos dan, g1 = g h1 y g2 = g h2 para algn g G y g2 = g h2 y
g3 = g h3 para algn g G. Usando las dos relaciones para g2 vemos que
g = g h2 h21 . Por lo tanto, g3 = g h3 = g h2 h21 h3 = g h2 h21 h3 . Lo que prueba
la afirmacin ya que h2 h21 h3 H .
Definimos as, L = G/HL , el conjunto de clases equivalentes con respecto
a esta relacin de equivalencia. El subndice L se refiere a que hacemos equi-
valencias multiplicando los elementos de H por la izquierda. El otro espacio
cociente se obtiene por multiplicacin por la derecha.
Cmo estn constituido los elementos de L? Sea g G, luego podemos
considerar el conjunto,

g H := { g h, h H }.
Note que g H ya que e H y que todos los elementos de g H son equi-
valentes entre s y no hay ningn elemento fuera de g H que sea equivalente
a g . Por lo tanto estos son los elementos de L. Note que ya que estas son
clases equivalentes, cada elemento de G est en una y solo una de estas clases
equivalentes.

Ejercicio: Constate para el caso de P (1, 2, 3) que los cosets por derecha corres-
pondientes a tomar P (1, 2, 3) como su propio subgrupo son las columnas de
la tabla de multiplicacin. A que corresponden las filas? Esto indica que cada
fila y columna est constituida por elementos distintos entre s.
Sean A y B dos elementos de L. Tomando dos elementos cualesquiera de
G en cada una de estas clases equivalentes, gA y gB , tenemos que A = gA H y
B = gB H . Con lo cual B = gB H = gB gA1 A y vemos que dados dos elementos
cualesquiera de L, existe un mapa invertible que enva todos los elementos de
uno en el otro. Es decir todas las clases equivalentes son isomorfas entre s.
Note que esto tiene la siguiente implicacin. Sea G un grupo con p elementos
y H un subgrupo del mismo. El espacio cociente tendr n elementos, clases
equivalentes, cada uno con q elementos, el nmero de elementos de H . Co-
mo las relaciones de equivalencia dividen al conjunto G en clases disjuntas.
Debemos tener que p = nq. Es decir el nmero de elementos de un subgru-
po divide al nmero de elementos del grupo! En particular, si el nmero de

274
elementos de un grupo es primo, podemos concluir inmediatamente que este
solo tendr los subgrupos triviales, la identidad y el grupo completo.

Ejemplo: Sea P (1, 2, 3) = {e, g , g 0 , f1 , f2 , f3 }, este grupo tiene los siguientes

subgrupos, H0 := {e, g , g 0 } y Hi := {e, fi }. Como H0 tiene 3 elementos,
(P (1, 2, 3)/H0 )L tendr dos elementos, L1 = H0 y L2 = { f1 , f2 , f 3}.

Ejercicio: Vea que fi L1 = L2 .

Ejercicio: >Cuantos elementos tiene (P (1, 2, 3)/Hi )L ? Encuntrelos.

15.6.1. Espacios Homogneos

El conjunto L = G/HL no es en general un grupo, pero tiene propieda-

des interesantes y estos conjuntos aparecen muy a menudo en aplicaciones,
usualmente bajo el nombre de Espacios Homogneos.
Ya vimos que G acta sobre L, dado un elemento de L, A, la accin de
g G en A es el elemento de L dado por g A. Denotaremos dicho mapa como
g : L 7 L. Como ya vimos, dados dos elementos de L, A y B, siempre existe
un elemento de G, g tal que g (A) = B, es decir acta transitivamente. La
inversa de este mapa es g 1 . Esto nos dice que todos los puntos de L tiene la
misma estructura, el grupo los mueve a todos en todos. De ah su nombre de
espacios homogneos.
Como los mapas anteriores tienen inversa pertenecen a P (L) el espacio
de permutaciones de L. Tenemos as un mapa de G en P (L), el que, dado un
elemento g G asigna el mapa g en P (L). Tenemos que,

g o g 0 (A) = g (g 0 A) = g (g 0 A) = (g g 0 )A = g g 0 (A),

o sea un homomorfismo entre grupos, lo que indica que G es un subgrupo de

P (L). Si tomamos L = G/e = G, tenemos al grupo como espacio homogneo
y a G como subgrupo de P (G). Esto nos da una prueba del teorema de la
construccin universal mencionado anteriormente.

Ejemplo: Sea G = lR {0} con la operacin de multiplicacin usual entre

racionales. Sea H = {1, 1}. En este caso G/H = lR+ .

275
15.7. Subgrupos Normales

Una clase particular de subgrupos son los llamados grupos normales. Es-
tos son los grupos donde los cosets por derecha e izquierda coinciden, es
decir, N G es subgrupo normal si es un subgrupo y adems,

gN = N g g G

la propiedad importante que tiene los cosets generados por subgrupos nor-
males es que tienen una operacin de multiplicacin cerrada que convierte
al conjunto de los mismos en grupos. De hecho, debido a la relacin que los
define,

g N g 0N = g g 0N N = g g 0N

el grupo as definido no es, en general, un subgrupo de G.

Ejercicio: Mostrar que la interseccin de subgrupos normales es normal.

De la misma forma que se pueden generar subgrupos a partir de subcon-
juntos de G tomando la interseccin de todos los subgrupos que contienen
el subconjunto generador. Como la interseccin de subgrupos normales es
un subgrupo normal, la interseccin de todos los subgrupos conteniendo al
subconjunto generador generarn un subgrupo normal.
Un caso particularmente interesante es cuando el subconjunto es el con-
junto de elementos de G de la forma,

C := { g g g 1 g }

El subgrupo normal generado a partir de este conjunto se denomina el

conmutador de G. Este contiene todos los elementos que no conmutan en el
sentido que si tomamos el cociente, G/N obtenemos un grupo abeliano.

Ejercicio: Pruebe que un grupo es abeliano sii su subgrupo conmutador es la

identidad.

Ejercicio: Sea P (S) el grupo de permutaciones sobre S. Vea que las transfor-
maciones que dejan todos los elementos de S invariantes, excepto un numero
finito de elementos en un subgrupo normal.

Ejercicio: Muestre que un subgrupo dando origen a solo dos cosets en nece-
sariamente normal.

276
Ejercicio: Sea Z el conjunto de elementos de G tales que si z Z luego g z =
z g g G. Muestre que Z es un subgrupo normal.

277
278
 CAPTULO 16

PREGUNTAS TERICAS DE EXMEN

Problema 16.1 Sea S un conjunto finito. Considere el espacio de todas las fun-
ciones de S en lR. Vea que ste es un espacio vectorial. Encuentre una base y diga
cual es su dimensin.

Problema 16.2 Pruebe que dimV = dimV y que existe un mapa invertible
natural entre V y V .

Problema 16.3 Vea que V /W es un espacio vectorial.

Problema 16.4 Vea que en dimensin finita todas las normas son equivalentes.

Problema 16.5 Sea V un espacio normado y V su dual. Como se define la

norma inducida en V ? Vea que si v V y V , luego |(v)| ||||||v||.

Problema 16.6 Sean A y B dos tensores de tipo (1, 1) actuando sobre un espacio
vectorial normado. Defina la norma inducida en estos operadores. Muestre que

||AB|| ||A||||B||

Problema 16.7 Muestre usando la definicin de determinante dada en el teri-

co, que dado dos tensores de tipo (1, 1), A y B, luego det(AB) = det(A) det(B).

Problema 16.8 Vea que el operador exponencial est bien definido.

Problema 16.9 Vea que dado un mapa lineal A, el conjunto de todos los mapas
lineales de la forma e t A, t lR, forman un grupo.

Problema 16.10 Pruebe que dado un espacio vectorial complejo, V C siempre

existe un par autovector-autovalor.

279
Problema 16.11 Vea que si {ui } son un conjunto de autovectores tales que i 6=
j , luego estos son linealmente independientes.

Problema 16.12 Pruebe el lema de Schr usando la nocin de espacio cociente.

Problema 16.13 Encuentre todas las posibles formas de Jordan de matrices 3

3.

Problema 16.14 Dado un operador lineal, A : V 7 W , estudie la definicin

de operador adjunto. Encuentre la relacin entre las componentes de estos en
trmino de una base cualquiera. Vea que si estos operadores tienen normas y con
ellas el mapa es acotado, luego se cumple que

||A0 || = ||A||.

Problema 16.15 Vea que los autovectores de un operador autoadjunto son per-
pendiculares entre s si sus autovalores son distintos. Vea que los autovalores son
reales. Vea que todo operador autoadjunto es diagonalizable.

Problema 16.16 Vea que si A es autoadjunto luego e i A es unitario. Vea que el

conjunto e i t A, t lR es un grupo.

Problema 16.17 Pruebe que las cartas definiendo la variedad Non-Hausdoff

forman un atlas.

Problema 16.18 Defina la diferenciabilidad de un mapa entre dos variedades

infinitamente diferenciales.

Problema 16.19 Vea que dim T p = dim M .

Problema 16.20 Dado un punto p de M y una curva (t ) que pasa por ese
punto a t = t0 , encuentre las componentes del vector tangente a dicha curva en
ese punto en una carta cualquiera. Exprese la derivada a lo largo de t de una
funcin definida en un entorno de p en dicha base.

Problema 16.21 Vea que la diferencia entre dos conexiones es un tensor.

Problema 16.22 Encuentre el laplaciano de un vector en coordenadas polares

en el plano.

Problema 16.23 Enuncie y entienda geomtricamente el teorema fundamental

de las ecuaciones ordinarias. Aplique a ejemplos simples.

280
Problema 16.24 Pruebe el teorema de completamiento de espacios normados.
De ejemplos de espacios de Banach.

Problema 16.25 Pruebe que l 2 es completo (y por lo tanto Hilbert).

Problema 16.26 Pruebe que dado un subespacio cerrado M de un espacio de

Hilbert H ,
H = M M .
D ejemplos de subespacios cerrados.

Problema 16.27 Pruebe el teorema de Riez.

Problema 16.28 Pruebe la relacin de Parseval y d dos ejemplos de bases donde

se cumple.

Problema 16.29 Pruebe el teorema de la distribucin primitiva. selo en dos

ejemplos concretos.

Problema 16.30 Como se define la transformada de Fourier de una distribu-

cin? Encuentre en que espacio de Sobolev se encuentra la delta de Dirac.

Problema 16.31 Entienda la prueba de la transformada inversa de Fourier.

Problema 16.32 Estudie la clasificacin de las ecuaciones en derivadas parcia-

les y la nocin de superficie caracterstica. Se darn ejemplos de ecuaciones para
clasificar.

Problema 16.33 Pruebe el teorema de PoincarHardy y diga como se emplea

en la prueba de existencia del problema de Dirichlet para el Laplaciano. Entienda
las generalizaciones de este teorema.

Problema 16.34 Use y entienda el teorema del mximo para probar la unicidad
del problema de Dirichlet.

Problema 16.35 Enuncie y entienda las generalizaciones del teorema espectral.

D ejemplos de aplicabilidad.

Problema 16.36 Entienda las soluciones generales de la ecuacin de onda en 1

y 3 dimensiones. Entienda los conceptos de dominio de dependencia y de influen-
cia.

281
Problema 16.37 Use el teorema del mximo para probar la unicidad del pro-
blema de valores iniciales y contorno para la ecuacin del calor.

Problema 16.38 Encuentre todos los subgrupos de P (1, 2, 3). Cuales de ellos son
normales?

Problema 16.39 Pruebe que si N es subgrupo normal de G, luego G/N es un

subgrupo. Muestre un ejemplo de esta construccin.

Problema 16.40 Encuentre un subgrupo de U (2). Ayuda, use el mapa exponen-

cial.

282
 BIBLIOGRAFA

[1] Mathematical Physics, Geroch, R., The Univ. of Chicago Press.

[2] Topologa General, Kelley, J. L., EUDEBA.

[3] Ordinary Differential Equations, Arnold, V. I., The MIT Press, 1987.

[4] Mathematical Methods of Classical Mechanics, Arnold, V. I., Springer,

1980.

[5] Differential Equations: Geometric Theory, Lefschetz, S, Wiley, 1962.

[6] General Relativity, Wald, R., The University of Chicago Press, 1993.

[7] Differential Equations and their applications, an introduction to applied

mathematics, Braum, M. New York, Springer, 1983.

[8] Ecuaciones diferenciales ordinarias y teora de control. Roxin, E. Buenos

Aires, EUDEBA, 1968.

[9] Methods of Modern Mathematical Physics. I. Functional Analysis, Reed,

M., and Simon, B., Academic Press, 1972.

[10] Real Analyis, Lang, S., Addison-Wesley, 1983.

[11] Introduction to Linear Algebra, Lang, S., Undergraduate Texts in Mat-

hematics, Springer, second edition, 1986.

[12] Linear Algebra, Lax, P., Pure and applied mathematics, Wiley, 1996.

[13] Functional Analysis, Yosida, K., Springer-Verlag 1980.

[14] Introductory Rela Analysis, A.N. Kolmogorov, and S.V. Fomin, Dover,
1970.

[15] Basic Linear Partial Differential Equations, Treves, F., Academic Press,
1975.

283
[16] Partial Differential Equations, John, F., Springer-Verlag 1982.

[17] Introduction to Partial Differential Equations, Folland, G. B., Mathema-

tical Notes, Princeton Univ. Press 1976.

[18] Partial Differential Equations I: Basic Theory M. Taylor, Aplied Mathe-

matical Sciences 115, Springer-Verlag, 1996.

[19] Ecuaciones de la Fsica Matemtica, Godunov, S.K. Mosc, MIR, 1978.

[20] Problemas de Ecuaciones Diferenciales Ordinarias Kiseliov A. , Krasnov

M., and Makarenko G., Mosc, MIR, Mosc, 1968.

[21] Modern Differential Geometry for Physicists Isham C., World Scientific
Lecture Notes in Physics - Vol. 61 World Scientific, Second edition,
1999.

284
 Se termin de imprimir
en marzo de 20012
CORDOBA ARGENTINA

285