Documente Academic
Documente Profesional
Documente Cultură
M
etodos de la Fsica Matem
atica II
15 de diciembre de 2010
A continuaci
on se presentan apuntes del curso Metodos de la Fsica Matematica II (FIZ0313).
El documento completo se encuentra en pleno desarrollo y probablemente contiene muchos
errores (tipeos, signos, etc.) que espero ir arreglando con su ayuda. Luego, en caso de detectar
alguno, por favor informe a milopez@uc.cl.
Indice general
1. Espacios de dimensi
on finita
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4. Descomposici
on Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2. Polinomios Ortogonales
15
27
INDICE
GENERAL
4
4. Series de Fourier
37
4.1. La funci
on de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2. La funci
on de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5. Ecuaciones Diferenciales Parciales
43
5.1. Ecuaci
on de Ondas en 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.1.1. Metodo de DAlembert
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Captulo 1
Espacios de dimensi
on finita
Definici
on 1.1 (Espacio vectorial). Un espacio vectorial sobre C es un conjunto V no vaco,
dotado de dos operaciones:
Una operaci
on interna suma
+
V V
~x, ~y
V
~x + ~y
tal que
(a) ~x + ~y = ~y + ~x, ~x, ~y V (Conmutatividad)
(b) ~x + (~y + ~z) = (~x + ~y ) + ~z, ~x, ~y , ~z V (Asociatividad)
(c) ~0 V : ~x + ~0 = ~x, ~x V (Elemento Neutro)
(d) ~x V, (~x) V : ~x + (~x) = ~0 (Inverso Aditivo)
Una operaci
on externa ponderaci
on por escalar
:
CV
, ~x
V
~x
tal que
(a) (~x) = ()~x, , C, ~x V (Asociatividad)
(b) 1 C : 1~x = ~x, ~x V (Elemento Neutro)
(c) (~x + ~y ) = ~x + ~y , C, ~x, ~y V (Distributividad sobre vectores)
(d) ( + )u = ~x + ~x, , C, ~x V (Distributividad sobre escalares)
Los elementos de C se llaman escalares, mientras que los de V se llaman vectores.
Observaci
on 1.1. De ahora en adelante, V es un espacio vectorial sobre C.
Espacios Eucldeos
Definici
on 1.2 (Independencia Lineal). Un conjunto {~x1 , . . . , ~xn } V es linealmente independiente si
n
X
i ~xi = 0 i = 0, i.
i=1
Definici
on 1.3 (Dimensi
on). Se define la dimensi
on de V , denotada dim V , como el n
umero
maximo de vectores l.i. que hay en V .
Definici
on 1.4 (Base). Sea n N tal que dim V = n. Diremos que B = {x1 , . . . , xn } V es
una base de V si B es l.i.
1.1.
Espacios Eucldeos
Definici
on 1.5 (Producto Interno). Sea V un espacio vectorial sobre C. Diremos que una
aplicacion h, i : V V C es un producto interno si satisface que
(a) h~x, ~xi 0, ~x V y h~x, ~xi = 0 ~x = ~0.
(b) h~x, ~y i = h~y , ~xi, ~x, ~y V .
(c) h~x, ~y + ~zi = h~x, ~y i + h~x, ~zi, ~x, ~y , ~z V, , C.
Si V es de dimensi
on finita y est
a dotado de un producto interno, se dice que es un espacio
eucldeo.
Lema 1.1 (Desigualdad de Schwarz). Sea V un espacio vectorial sobre C y dotado de un
producto interno. Entonces
p
|h~x, ~y i| h~x, ~xih~y , ~y i.
Demostraci
on. Tenemos que
0 h~x ~y , ~x ~y , =ih~x, ~xi h~y , ~xi h~x, ~y i + h~y , ~y i.
Tomando
=
h~x, ~y i
,
h~y , ~y i
tenemos que
0 h~x, ~xi
h~x, ~y i
h~x, ~y i
h~x, ~y i h~x, ~y i
h~x, ~y i
h~x, ~y i +
h~y , ~y i,
h~y , ~y i
h~y , ~y i
h~y , ~y i h~y , ~y i
es decir,
0 h~x, ~xih~y , ~y i |h~x, ~y i|2 .
Espacios de dimensi
on finita
Definici
on 1.6 (Norma). Sea V un espacio eucldeo. Se define una norma k k : V R+
0
como
p
k~xk = h~x, ~xi 0.
Se dice que el par (V, k k) es un espacio vectorial normado.
Proposici
on 1.1. Sea (V, k k) es un espacio vectorial normado. Entonces
(a) k~xk 0, x V y k~xk = 0 ~x = ~0.
(b) k~xk = || k~xk, x V, C.
(c) k~x + ~y k k~xk + k~y k, ~x, ~y V . (Desigualdad Triangular)
Observaci
on 1.2. La Desigualdad Triangular tambien puede escribirse como
k~x ~y k k~xk k~y k.
Definici
on 1.7 (Ortogonalidad). Sea V un espacio eucldeo. Dados ~x, ~y V diremos que estos
son ortogonales, denotado ~x ~y , si h~x, ~y i = 0.
Definici
on 1.8 (Base Ortonormal). Sea V un espacio eucldeo tal que dim V = n. Diremos que
B = {~e1 , . . . , ~en } es una base ortonormal de V si: es una base y h~ei , ~ej i = ij .
Teorema 1.1 (Proceso de Gram-Schmidt). Sea V un espacio eucldeo tal que dim V = n
y consideremos B = {~x1 , . . . , ~xn } una base de V . Entonces B 0 = {
e1 , . . . , en } es una base
ortonormal de V , donde
k1
X
~ek = ~xk
h~xk , ~ei i
ei , ~e1 = ~x1 .
i=1
Ejemplo 1.1. Sea C ([1, 1]) el espacio de las funciones continuas en [1, 1] con valores reales.
Este conjunto es un espacio vectorial con las operaciones usuales de R. Un producto interno
para este espacio es
Z
1
hf, gi =
f (t)g(t)dt.
1
1.2.
o equivalentemente,
0
x
cos sin x
=
.
y0
sin cos y
Finalmente, denotamos R() a la matriz de rotacion en dos dimensiones, es decir,
cos sin
R() :=
.
sin cos
Proposici
on 1.2. Sean R(), R() matrices de rotacion en dos dimensiones. Entonces
(a) R()t = R() (Antisimetrica)
(b) R()t R() = I (Ortogonal)
(c) R()R() = R( + )
(d) R() = R()t
Definici
on 1.9 (Operador lineal). Sea V un espacio vectorial sobre C. Diremos que A : V V
es un operador lineal sobre V si se cumple que
A (~x + ~y ) = A~x + A~y ,
~x, ~y V, , C.
Observaci
on 1.3. Sea V un espacio euclideo tal que dim V = n. Si B = {
e1 , . . . , en } es una
base ortonormal de V , entonces cada vector ~x V puede escribirse como
n
X
~x =
xi ei .
i=1
Luego,
A~x = A
n
X
!
xi ei
i=1
n
X
xi A
ei .
i=1
n
X
Aji ej .
j=1
Con esto hemos mostrado que existe una relacion biunvoca entre un operador lineal A y una
matriz A de n n.
Definici
on 1.10 (Funcional lineal). Sea V un espacio vectorial sobre C. Diremos que l : V C
es un funcional lineal si
l (~x + ~y ) = l(~x) + l(~y ),
~x, ~y V, , C.
Espacios de dimensi
on finita
.
:
Observaci
on 1.4. Sea V un espacio eucldeo de dimension finita y tal que
h~y , ~xi =
n
X
yj x j .
j=1
Sea B = {
e1 , . . . , en } una base ortonormal de V . Entonces, dado ~x V y A un operador lineal
sobre V , tenemos que
n
n X
n
X
X
Aji xi ej .
~x =
ei , A~x =
j=1 i=1
i=1
Luego,
h~y , A~xi =
n
X
j=1
yj Aji xi .
10
Autovalores y autovectores
Analogamente,
A ~y =
n X
n
X
Aij yj ei .
i=1 j=1
Entonces
hA ~y , ~xi =
n X
n
X
yj Aij xi .
i=1 j=1
En consecuencia,
hA ~y , ~xi = h~y , A~xi Aij = Aji ,
es decir,
A = At .
Definici
on 1.13. Sea A Mn (C). Se define la matriz adjunta de A como A = At .
Ademas, se dice que A es
(a) sim
etrica si At = A,
(b) ortogonal si At A = I,
(c) hermtica o autoadjunta si A = A,
(d) unitaria si A A = I,
(e) normal si A A = AA .
Observaci
on 1.5. Si A Mn (R) es ortogonal, entonces es normal.
Observaci
on 1.6. Sea V un espacio euclideo de dimension finita. Consideremos A : V V
lineal y tal que A es unitaria, entonces
hA~x, A~xi = hA A~x, ~xi = h~x, ~xi.
1.3.
Autovalores y autovectores
Definici
on 1.14. Sea V un espacio vectorial sobre C de dimension finita. Dada A Mn (C),
diremos que ~x V r {0} es un autovector de A con autovalor si
A~x = ~x.
Teorema 1.3. Sea A Mn (C) hermtica. Entonces
(a) A tiene n autovalores y autovectores.
(b) Todos los autovalores de A son reales.
Espacios de dimensi
on finita
11
(c) Los autovectores son ortogonales con respecto al producto interno usual.
Demostraci
on. (a) Primero mostraremos que toda matriz tiene al menos un autovalor y un
correspondiente autovector. Notemos que
A~x = ~x (A I)~x = ~0.
Luego, podemos encontrar ~x 6= 0 si y solo si det(A I) = 0. Pero
p() = det(A I)
(Hermtica)
hA ~x, e1 i = h~x, A
e1 i = h~x, 1 e1 i = 1 h~x, e1 i = 0.
n 1 y su imagen a lo m
as tambien. Repitiendo el primer argumento encontramos un
nuevo autovalor y autovector.
(b) Sea C y ~x V r {0} tal que A~x = ~x. Notemos que
h~x, A~xi = h~x, ~xi
hA ~x, ~xi = h~x, ~xi
hA~x, ~xi = h~x, ~xi
h~x, ~xi = h~x, ~xi
k~xk2 = k~xk2 .
(c) Sean , R y ~x, ~y V r {0} tales que
A~x = ~x
A~y = ~y .
Entonces
Luego, como A es hermtica, se tiene que
h~x, ~y i = h~x, A~y i = hA~x, ~y i = h~y , ~xi = h~x, ~y i.
Finalmente,
( ) h~x, ~y i = 0.
12
Descomposici
on Espectral
Teorema 1.4. Sea U Mn (C) unitaria. Entonces todos sus autovalores tiene modulo 1.
Demostraci
on. Sea C y ~x V r {0} tal que U~x = ~x. En efecto,
k~xk2 = h~x, ~xi = hU~x, U~xi = h~x, ~xi = h~x, ~xi = || k~xk2 .
1.4.
Descomposici
on Espectral
Definici
on 1.15. Sean A, A Mn (C). Diremos que A y A son similares si existe Q Mn (C)
invertible tal que
A = QAQ1 .
Q Mn (C) similares. Entonces, para C, se tiene que
Observaci
on 1.7. Sean A, A,
det A I = det QAQ1 QQ1 = det Q det (A I) det Q1 = det (A I) .
Luego, es un autovalor de A si y s
olo si lo es de A.
Observaci
on 1.8. Dada A Mn (C) hermtica, nos preguntamos si existe alguna matriz
D=
0
0
..
.
n
t
e1
..
= . .
etn
Luego,
Qt AQ = Q1 AQ = D.
Espacios de dimensi
on finita
13
Observaci
on 1.9. Sea A Mn (C) hermtica. Queremos encontrar (Pj )nj=1 Mn (C) tales
que
n
X
A=
j Pj ,
j=1
n
X
j Pj ,
j=1
n X
n
X
j=1 k=1
j k Pj Pk =
n X
n
X
j k Pj Pk =
n X
n
X
j=1 k=1
j=1 k=1
Analogamente,
k
A =
n
X
kj Pj .
j=1
ak xk .
k=0
Definiendo
f (A) :=
X
k=0
ak Ak ,
j k Pj jk =
n
X
j=1
2j Pj .
14
Descomposici
on Espectral
con
0
A =
n
X
0j Pj
j=1
sigue que
f (A) =
X
n=0
ak
n
X
j=1
kj Pj
n
X
Pj = I,
j=1
n X
X
j=1 k=0
ak kj Pj
n
X
j=1
f (j )Pj .
Captulo 2
Polinomios Ortogonales
Considereremos el espacio vectorial
C ([a, b]) = {f : [a, b] R : f es continua}.
Sobre el podemos definir un producto interno dado por
Z
hf, giw =
f (x)g(x)w(x)dx,
a
2.1.
Polinomios de Legendre
Tomemos [a, b] = [1, 1] y w(x) = 1. A partir de B = 1, x, x2 , x3 , . . . , mediante el procedimiento de Gram-Schmidt, generaremos una base ortogonal
B 0 = {p0 (x), p1 (x), p2 (x), . . .}
tal que pn (1) = 1, n N. La familia de polinomios (pn )nN se conoce como los polinomios
de Legendre.
16
F
ormula de Recurrencia
Tenemos que2.1
p0 (x) = 1,
p1 (x) = x,
1
p2 (x) = (3x2 1),
2
1
p3 (x) = (5x3 x),
2
1
p4 (x) = (35x4 30x2 + 3),
8
..
.
2.2.
(2.1)
F
ormula de Recurrencia
kn+1
kn
cn =
an
an1
n N,
c0 = 0.
Demostraci
on. Escribamos
n (x) = kn xn + . . .
Luego,
n+1 (x)
kn+1
xn (x) = (x),
kn
con = n. As,
an =
kn+1
.
kn
Ademas, puede escribirse como una combinacion lineal de polinomios de orden menor igual
que n, es decir,
n
X
n+1 (x) an xn (x) =
j j (x).
j=0
2.1
Se deja como ejercicio al esforzado lector verificar que realmente estos son los polinomios y todos estos a
nos
de teora no est
an infundados.
Polinomios Ortogonales
17
hj , xn i =
j (t)tn (t)dt =
1
j n 2.
xn1 = kn1 xn + . . . =
1
kn1
n (x) +
(kn xn + . . .) =
kn
an1
n1
X
j j (x) .
j=0
Luego,
n1
cn =
X
an
an
hn (x) +
.
j j (x), n i =
an1
an1
j=0
2.3.
F
ormula de Christoffel-Darboux
j (x)j (y) =
j=0
Demostraci
on. Sea
Sj =
18
Teorema de Weierstrass
Sj =
n
X
j (x)j (y).
j=1
n
X
j (x)j (y).
j=0
2.4.
Teorema de Weierstrass
Teorema 2.2. Sea f C ([a, b]). Para cada > 0, existe un polinomio p(x) tal que
sup |f (x) p(x)| < .
x[a,b]
Demostraci
on. Por simplicidad tomaremos [a, b] = [0, 1]. Sea
n
X
n k
j
x (1 x)nj .
Bn (x, f ) =
f
n
j
(2.2)
j=0
n
X
n
j
f (x) f
xj (1 x)nj ,
j
n
j=0
pues
Bn (x, 1) =
n
X
n
j=0
xj (1 x)nj = 1.
Polinomios Ortogonales
19
Luego, como f es continua en [0, 1] sigue que f es uniformemente continua. Por lo tanto, dado
> 0 existe > 0 tal que
j
x < f (x) f j < .
n
n 2
Ademas, f es acotada en [0, 1], es decir, M > 0 tal que |f (x)| < M, x [0, 1]. As,
n
X
n
j j
x (1 x)nj
|f (x) Bn (x, f )|
f (x) f
n
j
j=0
X n
X n
j j
j j
nj
nj
f
(x)
f
x
(1
x)
+
f
(x)
f
x (1 x)
j
n
j
n
|x nj |<
|x nj |
X
n
j j
nj
< +
f
(x)
f
:= + S.
x (1 x)
2
j
n
j
|x n |
Notemos que
X
S 2M
n j
x (1 x)nj
j
|x nj |
2M X
n j
j 2
nj
2
x (1 x)
x
j
n
j
x
| n|
n
2M X n j
j 2
nj
2
.
x (1 x)
x
n
j
j=0
2M 2
x Bn (x, 1) 2xBn (x, x) + Bx (x, x2 ) .
2
j=0
As,
n1
x(x + y)
n
n
X
x
xX n
j n j nj
n
j1 nj
=
((x + y) ) =
jx y
=
x y
.
n x
n
j
n j
j=0
j=0
20
(x + y)
+ (n 1)x(x + y)
n2
n
X
j 2 n j1 nj
n1
=
x y
,
x(x + y)
=
x
n j
j=0
x(1 x)
.
n
Por lo tanto,
2M
S 2
x(1 x)
2M
2
x 2x + x +
=
x(1 x).
n
n 2
2
1
4
M
< ,
2
2n
2
n n0 .
Finalmente,
sup |f (x) Bn (x, f )| < ,
n n0 .
x[0,1]
2.5.
Demostraci
on. Por el Teorema Fundamental del Algebra,
sabemos que n tiene n ceros en
el plano complejo y adem
as, como n tiene coeficientes reales, sus ceros complejos deben ser
conjugados. Sean x1 , . . . , xk los ceros reales de n y supongamos que k < n. Notemos que
n (x) = (x x1 ) . . . (x xk ) (x z1 ) (x z1 ) . . . (x zk0 ) (x zk0 ) = (x x1 ) . . . (x xk ) n (x),
con n > 0.
Polinomios Ortogonales
21
n (x) (x x1 ) . . . (x xk ) w(x)dx = 0,
a
k
X
j j (x).
j=0
Pero
Z
Z
n (x) (x x1 ) . . . (x xk ) w(x)dx =
(x x1 )2 . . . (x xk )2 n (x)w(x)dx > 0,
2.6.
Cuadratura de Gauss
Sea f C ([a, b]). Consideremos (n )kN una sucesion de polinomios ortogonales. Por el Teorema
2.3, sabemos que existen x1 , . . . , xn tales que
( xj ) = 0,
Definamos
F (x) =
n
X
j = 1, . . . , n.
f (xj )
j=1
n (x)
.
(x xj ) 0n (xj )
(2.3)
j = 1, . . . , n.
F (x) f (x)
.
n (x)
22
Cuadratura de Gauss
n1
X
j j (x).
j=0
Luego,
Z
Z b
(F (x) f (x)) w(x)dx =
F (x) f (x)
( x)
Z
n (x)w(x)dx =
r(x)n (x)w(x)dx = 0,
a
es decir,
Z
F (x)w(x)dx =
f (x)w(x)dx =
a
n
X
f (xj ).
j=1
Z
n,j =
a
n (x)w(x)
dx,
(x xj )0n (xj )
tenemos la f
ormula de cuadratura de Gauss:
Z b
n
X
f (x)w(x)dx =
f (xj )n,j .
a
(2.4)
j=1
dx
3+x
dx
= log(3 + x)|11 = log 4 log 2 = log 2 0,6930.
3+x
Como n usaremos los polinomios de Legendre mostrados en (2.1) y por ende, w(x) = 1.
Tomamos
1
2 (x) = P2 (x) =
3x2 1
2
y sigue que
1
1
x1 =
, x2 = .
3
3
Luego,
Z
2,1 =
1
2 (x)
dx =
(x x1 )0n (x1 )
Z 1
3x2 1
3
1
dx =
x + dx = 1.
1
6
2
3
1
x 3 23
1
2
Polinomios Ortogonales
23
Analogamente,
Z
2,2 =
1
2 (x)
dx =
(x x2 )0n (x2 )
Z 1
3x2 1
3
1
x dx = 1.
dx =
6
2 1
3
x + 13 2
3
1
2
Por lo tanto,
Z
f (x)w(x)dx f
2.7.
1
3
+
=
0,6923.
3
3
Espacios de Hilbert
Sea V un espacio vectorial con producto interno. Ya vimos que existe una norma inducida por
el producto interno dada por
p
kf k = hf, f i
y por ende, (V, k k) es un espacio vectorial normado.
Definici
on 2.1 (Sucesi
on de Cauchy). Sea V un espacio vectorial normado. Diremos que una
sucesion (xn )nN V es una sucesi
on de Cauchy si para cada > 0 existe n0 tal que
kxn xm k < ,
n, m > n0 .
Definici
on 2.2 (Espacio de Hilbert). Sea V un espacio vectorial normado. Diremos que V es
un espacio de Hilbert si adem
as es completo, es decir, una sucesion es convergente si y solo
si es de Cauchy.
Ejemplo 2.2. Consideremos C[a, b] y el producto interno dado por
b
Z
hf, gi =
f (x)g(x)dx.
a
L ([a, b]) =
Z
f : [a, b] R :
f (x)dx < ,
2
f (x)k (x)w(x)dx.
a
24
Espacios de Hilbert
En un espacio de dimensi
on finita
2
kf k =
n
X
a2k ,
k=0
f (x)
a
!2
ak k (x)
f 2 (x) 2f (x)
n
X
b
2
f (x)w(x)dx 2
a
b
f 2 (x)w(x)dx 2
=
a
n
X
k=0
n
X
n
X
n
X
j,k=0
b
Z
ak
f (x)k (x)w(x)dx +
a
n
X
n
X
ak hf, k i +
aj ak
j,k=0
k=0
b
f (x)w(x)dx 2
ak k (x) +
k=0
=
Z
w(x)dx
k=0
=
Z
n
X
k (x)j (x)w(x)dx
a
aj ak hk , j i
j,k=0
a2k
n
X
a2k
= kf k
a2k ,
k=0
k=0
k=0
n
X
es decir,
0 kf
n
X
ak k k2 kf k2
k=0
n
X
a2k .
k=0
kf k
n
X
a2k .
k=0
Definici
on 2.3. Diremos que (n )nN es un conjunto completo cuando
lm
n
X
a2k = kf k2 .
k=0
n
X
ak k k2 = 0,
k=0
(2.5)
Polinomios Ortogonales
25
Observaci
on 2.2. Cuando f C ([a, b]), por el Teorema de Weiertrass, existe un polinomio
p(x) tal que supx[a,b] |f (x) p(x)| < . Luego,
2
kf p(x)k =
a
w(x)dx = 2 .
26
Espacios de Hilbert
Captulo 3
Polinomios Ortogonales Cl
asicos
En el captulo anterior introducimos una familia de polinomios ortogonales: los polinomios de
Legendre. Ahora veremos un metodo de obtencion que nos permitira deducir los polinomios de
Jacobi, Tchevychev, Laguerre y Hermite.
Consideremos el espacio de las funciones cuadrado integrables con respecto a un peso w(x) > 0
en [a, b]: L2 ([a, b], w(x)dx), es decir, f L2 ([a, b], w(x)dx) si
b
f 2 (x)w(x)dx < .
Como hemos visto, este espacio puede ser dotado del producto interno
Z
hf, gi =
f (x)g(x)w(x)dx.
a
3.1.
Polinomios de Jacobi
n (x) =
1 dn
w(x) dxn
1 x2
n
w(x) .
(3.1)
28
Polinomios de Jacobi
En efecto, los polinomios n encontrados a partir de (3.1) son ortogonales pues, si k < n,
Z 1
1 dn
k
k
2 n
x
hx , n i =
1x
w(x) w(x)dx
w(x) dxn
1
Z 1
n1
n1
1
n
k1 d
k d
2 n
x
=x
1
x
w(x)
k
1 x2 w(x) dx
n1
n1
dx
dx
1
1
..
.
Z 1 nk
n
d
k
= (1) k!
1 x2 w(x) dx = 0,
nk
1 dx
pues los terminos de borde siempre se anulan al tener un factor (1 x2 )j .
Sin embargo, no es evidente que realmente n sea un polinomio. De hecho, esto solo ocurrira para
un tipo particular de pesos w.
Para n = 0, de (3.1) tenemos que 0 (x) = 1.
Para n = 1, de (3.1) tenemos que
1 (x) =
1 d
w(x) dx
w0 (x)
1 x2 w(x) = 2x + (1 x2 )
.
w(x)
w0 (x)
= a + bx,
w(x)
=
+
((b + 2)x + a) =
+
.
w(x)
2 1+x 1x
1x 1+x
Integrando a ambos lados,
log w(x) = log(1 x) + log(1 + x),
es decir,
w(x) = (1 x) (1 + x)
para , > 1. Luego,
n (x) =
dn
1
n+
n+
(1
x)
(1
+
x)
.
(1 x) (1 + x) dxn
x)
(1 + x)n+
k dxk
(1 x) (1 + x)
dxnk
k=0
Polinomios Ortogonales Cl
asicos
29
1
(1)n
dn
n+
n+
(1
x)
(1
+
x)
.
2n n! (1 x) (1 + x) dxn
(3.2)
n
(1)n dn
1 x2 .
n
n
2 n! dx
(3.3)
x
.
n
n
2 n!
dx
Tn (x) =
3.2.
(3.4)
Polinomios de Laguerre
1 dn
(xn w(x)) .
w(x) dxn
(3.5)
k
x
(xn w(x)) dx
dxn1
dxn1
0
..
.
k
= (1) k!
0
dnk
(xn w(x)) dx = 0,
dxnk
1 d
w0 (x)
(xw(x)) = 1 + x
.
w(x) dx
w(x)
30
Polinomios de Hermite
w0 (x)
= a + bx,
w(x)
dn
xn+ ex .
n
dx
Usando la formula de Leibniz podemos escribir
n k
X
n d n+ dnk x
x
e
n (x) = x ex
k dxk
dxnk
n (x) = x ex
k=0
1 x dn
x e
xn+ ex .
n
n!
dx
(3.6)
3.3.
1 x dn
e
xn ex .
n
n! dx
(3.7)
Polinomios de Hermite
1 dn
w(x).
w(x) dxn
(3.8)
Polinomios Ortogonales Cl
asicos
31
Z
n1
n1
k d
k1 d
x
w(x)
k
w(x)dx
=x
dxn1
dxn1
..
.
Z nk
d
k
w(x)dx = 0,
= (1) k!
nk
dx
1 d
w0 (x)
w(x) =
.
w(x) dx
w(x)
w(x) = ke 2 x .
La constante k es arbitraria y por lo tanto, tomaremos k = 1. Ademas, para que el decaimiento
del peso cuando x sea efectivamente rapido, tomaremos b = 1. As,
1 2
w(x) = e 2 x .
Luego,
1 2
n (x) = e 2 x
dn 1 x2
e 2
.
dxn
32
Al igual que antes, es posible demostrar que efectivamente, n (x) es un polinomio de grado n.
Finalmente, definimos los polinomios de Hermite como
n
1 2 d
12 x2
Hn (x) = (1)n e 2 x
e
.
dxn
3.4.
(3.9)
Todas las familias de polinomios ortogonales que hemos visto hasta ahora satisfacen ecuaciones
diferenciales lineales de segundo orden, que pueden ser interpretadas como ecuaciones de valores
y funciones propias. Revisaremos un metodo simple para deducir la ecuacion que satisfacen los
polinomios de Jacobi.
Este metodo se puede usar en forma similar para deducir la ecuacion que satisfacen las otras
dos familias de polinomios ortogonales que hemos visto: Laguerre generalizado y Hermite.
Denotemos por n al n-esimo polinomio de Jacobi y consideremos el operador diferencial lineal
d
2 d ()
L () :=
w(x)(1 x )
.
(3.10)
dx
dx
Luego, cuando tomamos w = (1 x) (1 + x) , se tiene que
d
2 dn
w(x)(1 x )
= w(x) 1 x2 00n (x) + [( ) ( + + 2) x) 0n (x) .
L (n ) =
dx
dx
Pero el termino entre parentesis corresponde a un polinomio de grado n, es decir, L lleva
polinomios de grado n en polinomios de grado n y por lo tanto, la ecuacion se traduce en
Ln (x) = w(x)
n
X
k k (x).
(3.11)
k=0
k=0
(3.12)
Polinomios Ortogonales Cl
asicos
33
(3.14)
(3.15)
Observaci
on 3.1. Recordando la definicion de L, la ecuacion (3.12) puede ser reescrita como
Z
j (x)Ln (x)dx =
1
n (x)Lj (x)dx,
1
es decir,
hj , Ln i = hLj , n i.
Por lo tanto, L es un operador hermtico.
3.5.
Se define la funci
on generatriz de los polinomios de Hermite como
(x, t) =
X
Hn (x)
n=0
n!
tn ,
(3.16)
34
donde
Hn (x) = (1)n e
x2
2
dn
dxn
x2
2
.
nt
(1)
n=0
n!
x2
2
dn
dxn
2
x2
e
,
1 dn
n! dxn
t
para una curva suave a trozos y tal que I(x, ) = 1. As, si zx
< 1,
(x, t) =
tn
(1)
2i
n
n=0
1
2i
x2
z2
e22
1
dz =
(z x)n+1
2i
2
x2
z2
2
e
1
1
dz =
t
z x 1 + zx
2i
z
x
e22 X
t n
dz
zx
zx
n=0
2
x2
z2
2
e
dz.
z (x t)
(x, t) = etx 2 .
(3.17)
Observaci
on 3.2. Por un lado,
2
(0, t) = e
t2
X
(1)n
n=0
2n n!
t2n .
Por el otro,
(x, t) =
X
Hn (x)
n=0
0
k
Hn (0) =
(2k)! (1)
k!
2k
n!
tn .
si
n = 2k + 1
si
n = 2k
(3.18)
Polinomios Ortogonales Cl
asicos
35
Observaci
on 3.3. Recordemos que en ] , [ estamos tomando
x2
2
w(x) = e
Por lo tanto,
Z
Hn (x)2 e
hHn , Hn i =
x2
2
dx.
Luego,
Z
(x, t)2 e
x2
2
X
X
(1)n+m tn+m
hHn , Hn i 2n
hHn , Hm i =
t .
n!m!
(n!)2
dx =
n,m=0
Pero
(x, t)2 e
x2
2
n=0
= e2txt e
x2
2
= e
(x2t)2
2
et .
As,
Z
2 x2
(x, t) e
t2
dx = e
(x2t)2
2
dx = e
t2
Finalmente,
u2
t2
du = e
2 =
X
n=0
hHn , Hn i = n! 2.
2 2n
t .
n!
(3.19)
Observaci
on 3.4. Notemos que
n=0
n=0
n=0
n=1
X Hn (x)
X xHn (x)
X Hn1 (x)
X xHn (x)
t2
= etx 2 (x t) =
tn
tn+1 =
tn
tn .
t
n!
n!
n!
(n 1)!
Pero tambien
n=0
n=0
X
xHn (x)
n=0
n!
tn
X
Hn1 (x)
n=1
(n 1)!
tn =
X
Hn+1 (x)
n=0
n!
tn .
Observaci
on 3.5. Notemos que
n=0
n=1
X Hn (x)
X Hn1 (x)
= t =
tn+1 =
tn .
x
n!
(n 1)!
(3.20)
36
Pero tambien
X Hn0 (x) n
=
t .
x
n!
n=0
Luego,
X
Hn1 (x)
n=1
Comparando termino
(n 1)!
tn =
X
H 0 (x)
n
n=0
n!
tn
Hn1 (x)
H 0 (x)
= n
,
(n 1)!
n!
es decir,
nHn1 (x) =
dHn (x)
dx
H00 (x) = 0.
(3.21)
Captulo 4
Series de Fourier
Sea f : [0, 1] R suave y tal que f (0) = f (1). Se dice que f tiene borde peri
odico. Copiando
y traslandado es posible extender f de forma periodica a todo R.
lm a0 +
n
X
k=1
a0 =
f (x)dx,
0
ak = 2
f (x) cos(2kx)dx,
k 1,
f (x) sin(2kx)dx,
k 1.
Z
bk = 2
Luego,
Z
f (x) = lm
f (y)dy + 2
n 0
1+2
n 0
= lm
n 0
Z
cos(2kx)
k=1
1
= lm
n
X
n
X
Z
f (y) cos(2ky)dy + sin(2kx)
f (y) sin(2ky)dy
0
!
cos(2kx) cos(2ky) + sin(2kx) sin(2ky) f (y)dy
k=1
1
38
La funci
on de Riemann
eiz + eiz
2
sin z =
eiz eiz
.
2i
f (x) =
ck e2ikx ,
(4.1)
k=
Luego,
1
Z
ck =
f (x)e2ikx dx.
(4.2)
4.1.
La funci
on de Riemann
Se define la funci
on de Riemann como
(x) :=
en x .
(4.3)
n=
x (y) :=
e(n+y) x .
(4.4)
n=
Como
X
n=
(n+y)2 x
((n+1)+y)2 x
n=
n=
se tiene que
x (y) = x (y + 1),
es decir, es una funci
on peri
odica de perodo 1. Luego,
x (y) =
X
k=
ck e2iky ,
e(n+(y+1)) x ,
Series de Fourier
39
donde
1
Z
ck =
x (y)e
2iky
Z
dy =
!
(n+y)2 x
e2iky dy.
n=
Pero
e2ikt(y+n) = e2ikty .
As,
Z
ck =
(n+y)2 x 2ik(n+y)
0 n=
Z n+1
X
dy =
=e
e(n+y) x e2ik(n+y) dy
n= 0
2
eu x e2iku du =
eu x e2iku du
n= n
2
kx
Z
X
x(u+ xi k)
du = e
kx
k2
1
2
exu du = e x .
x
Finalmente,
x (y) =
X
k=
k2
1
e x e2iky .
x
(4.5)
Luego,
(x) = x (0) =
X
k=
k2
1
1 X k2
e x =
e x,
x
x
k=
es decir,
1
(x) =
x
1
,
x
(4.6)
1
= lm (x) = 1.
lm x(x) = lm
+
+
x
x
x0
x0
Por lo tanto, (x) diverge como
4.2.
1 .
x
La funci
on de Riemann
Se define la funci
on de Riemann como
X
1
.
(z) :=
nz
n=1
(4.7)
40
La funci
on de Riemann
Usando la continuaci
on analtica es posible extender a una funcion meromorfa en C con un
u
nico polo en z = 1. Hecho esto, se plantea la conjetura de Riemann:
1
(z) = 0 <z = .
2
Mostraremos un resultado m
as simple que este. Estamos interesados en calcular
X
1
.
(2) =
n2
n=1
n=1
1
sin (2nx) sin (2mx) dx = nm ,
2
se tiene que
kf k2 =
Z
0
1
f (x)2 dx = a20 +
2
a2n +
n=1
!
b2n
(4.8)
n=1
1 si 1 x < 0
2
f (x) =
1
1 si 0 x
2
kf k =
1
2
f 2 (x)dx = 1.
12
1
2
Z
an = 2
1
2
f (x) cos(2nx)dx = 0
12
Z
bn = 2
f (x)dx = 0
12
1
2
12
Z
f (x) sin(2nx)dx = 4
0
1
2
f (x) sin(2nx)dx =
4 (1 cos n)
2 (1 (1)n )
=
,
2n
n
Series de Fourier
41
es decir,
b2n = 0 ,
b2n+1 =
4
.
(2n + 1)
1X
1=
2
n=0
es decir,
X
n=0
As,
(2) =
X
n=1
4
(2n + 1)
2
,
2
1
=
.
(2n + 1)2
8
n=0
n=1
X
1
1
1X 1
2
1
2
+
=
+
=
(2)
+
(2n)2
(2n + 1)2
4
n2
8
4
8
y por ende,
(2) =
2
.
6
42
La funci
on de Riemann
Captulo 5
(5.1)
(b) La ecuaci
on de Poisson-Laplace (elptica):
4u = f.
(5.2)
u
= 4u.
t
(5.3)
(c) La ecuaci
on del Calor (parab
olica):
5.1.
Ecuaci
on de Ondas en 1D
La ecuacion est
a dada por
1 2u
2u
=
t 0, x R
C 2 t2
x2
u(x, 0) = f (x)
ut (x, 0) = g(x)
Las ecuaciones dos u
ltimas ecuaciones se denominan condiciones iniciales.
Notemos que si g 0, entonces
u(x, t) = f (x Ct)
es una soluci
on de (5.4).
(5.4)
44
Ecuaci
on de Ondas en 1D
1
1
(f (x + Ct) + f (x Ct)) +
2
2C
x+Ct
g(s)ds,
(5.5)
xCt
(5.6)
u(0, t) = 0
u(L, t) = 0
Este tipo de condiciones de borde se denominan del tipo Dirichlet. Para resolver (5.6) hay
dos alternativas: el m
etodo de DAlembert y el m
etodo de Bernoulli.
5.1.1.
M
etodo de DAlembert
1
(f (x + Ct) + f (x Ct)) .
2
1
1
(f (Ct) + f (Ct)) = (f (Ct) f (Ct)) = 0,
2
2
pues f es impar y an
alogo para u(L, t).
Dejamos pendiente c
omo extender g.
5.1.2.
45
M
etodo de Bernoulli
(5.7)
Tenemos que
2u
d2 p
=
h
= hp00
t2
dt2
Como u resuelve (5.6), tenemos que
2u
d2 h
=
p
= ph00 .
x2
dx2
1
hp00 = h00 p,
C2
es decir,
1 p00
h00
=
.
C2 p
h
(5.8)
Notemos que el lado izquierdo de (5.8) depende solo del tiempo mientras que el lado derecho
depende solo del espacio. Luego, ambos lados deben ser constantes, es decir,
1 p00
h00
=
=
,
C2 p
h
donde se conoce como una constante de separaci
on.
Por otro lado, si imponemos las condiciones de borde, tenemos que para todo t 0,
u(0, t) = h(0)p(t) = 0 h(0) = 0,
u(L, t) = h(L)p(t) = 0 h(L) = 0.
Luego, h satisface
d2 h
= h
dx2
h(0) = 0
(5.9)
h(L) = 0
Consideremos el operador diferencial lineal L : Cn Cn2 definido sobre las funciones cuadrado
integrables que satisfacen las condiciones de borde y dado por
L=
d2
.
dx2
46
Ecuaci
on de Ondas en 1D
x = 0.
nx
2
sin
,
L
L
n N.
(5.11)
= {n : Lh = n h} =
.
nN
(5.12)
As,
p(t) = a cos (t ) ,
con = c . Como > 0 (por (5.10)), tenemos que R y por lo tanto, p(t) es de perodo
2
. Finalmente, para cada valor propio n , tenemos una frecuencia asociada dada por
p
n = c n .
Observaci
on 5.1. Sean f, g L2 ([0, L]) y tales que satisfacen las condiciones de borde. Entonces, integrando por partes,
Z
hf, Lgi =
0
2
Z L
Z L 2
d g
df dg
d f
f (x) 2 dx =
dx =
2 g(x)dx = hLf, gi,
dx
dx
0 dx dx
0
es decir, L es hermtico y por lo tanto, sus valores propios son reales. Ademas,
Z
hf, Lf i =
0
L
f
x
2
dx 0,
47
Como el conjunto (hn )nN es completo para las funciones en L2 que satisfacen las condiciones
de borde, tenemos que
r
nx
X
2
u(x, t) =
sin
(an cos (n t) + bn sin (n t)) .
(5.13)
L
L
n=1
nx
X
2
u(x, 0) =
an
sin
= f (x).
L
L
n=1
Por lo tanto,
r
an = hf, hn i =
Analogamente,
ut (x, 0) =
2
L
f (x) sin
nx
r
bn n
n=1
dx.
nx
2
sin
= g(x).
L
L
Por ende,
1
1
hg, hn i =
bn =
n
n
As,
u(x, t) =
X
n=1
5.2.
2
L
g(x) sin
0
nx
L
dx.
1
hn (x) hf, hn i cos (n t) +
hg, hn i sin (n t) .
n
(5.14)
Ecuaci
on de Ondas en 2D
Estudiaremos el problema
1 2u
= 4u
C 2 t2
u(~r, 0) = f (~r)
(5.15)
ut (~r, 0) = g(~r)
u| = 0
Es decir, la membrana se encuentra fija en sus bordes.
5.2.1.
Membrana Rectangular
Consideremos el rect
angulo = [0, a][0, b]. Queremos resolver el problema (5.15). Supongamos
una solucion de la forma
u(x, y, t) = h(x, y)p(t).
(5.16)
48
Ecuaci
on de Ondas en 2D
(5.17)
h| = 0
F (x) = a1 sin
x + b1 cos x .
Pero F (0) = 0 b1 = 0 y
F (a) = 0 a1 sin
a = 0 a = n,
es decir,
=
Analogamente,
G(y) = a2 sin
n2 2
,
a2
n N.
y + b2 cos
x .
Pero G(0) = 0 b2 = 0 y
G(b) = 0 a2 sin
m2 2
b = 0 b = m =
.
b2
n, m N,
(5.19)
49
n, m N.
(5.20)
(5.21)
p
p
nm ct + bnm cos
nm ct ,
n, m N.
con nm =
es decir,
my
nx
2
sin
,
anm sin (nm t) + bnm cos (nm t) sin
a
b
ab
n,m=1
(5.22)
nm c. Los coeficientes, al igual que antes, son obtenidos al proyectar sobre la base,
anm
2
= hf, hnm i =
ab
ZZ
f (x, y)hnm (x, y)dxdy
y
bn =
5.2.2.
1
nm c
hg, hnm i =
nm ab
ZZ
g(x, y)hnm (x, y)dxdy.
Membrana Circular
es decir,
1
1
F 00 G + F 0 G + 2 F G00 = F G,
r
r
F 00
F0
G00
= r2
r .
G
F
F
50
Ecuaci
on de Ondas en 2D
Concluimos que
G00
=
G
r2
(5.24)
F 00
F0
+r
= r2
F
F
+ b sin .
n N.
(5.25)
(5.26)
r .
r .
p0 (x) 0 p1 (x)
y +
y = 0,
x
x2
(5.27)
(5.28)
51
r y la ecuacion se transforma en
y0
n2
y + + 1 2 y = 0,
r
r
00
(5.29)
y0
+ y = 0,
r
(5.30)
y sigue que p0 (r) = 1 y p1 (r) = r2 las cuales son funciones enteras. Usamos Frobenius
y = r (r),
con entera. Tenemos que resuelve
( 1) + = 0,
es decir, = 0. Por lo tanto, s
olo hay una solucion por este metodo.
Como es entera,
y(r) = r0 (r) =
ck rk .
(5.31)
k=0
k(k 1)ck r
k2
k=2
kck r
k2
(k + 2)(k + 1)ck+2 rk +
(k + 2)(k + 1)ck+2 rk +
(k + 2)ck+2 rk +
(k + 2)ck+2 rk +
k=0
ck rk = 0
k=0
k=1
k=0
k=1
k=0
ck rk = 0
k=0
X
k=0
ck rk + c1
1
= 0.
r
X
(k + 2)2 ck+2 + ck rk = 0,
k=0
es decir,
ck+2 =
ck
.
(k + 2)2
c0
.
k
2 k!2
52
Ecuaci
on de Ondas en 2D
Finalmente,
y(x) = c0
X
1 x 2k
(1)k 2
.
k! 2
k=0
Si tomamos c0 = 1, obtenemos
J0 (x) =
X
1 2 x 2k
,
(1)k
k! 2
(5.32)
k=0
h(r, ) = J0
r
j0,m
R
Escribimos
h0,m = J0
2
m N.
p
0,m r .
Observaci
on 5.3. La otra soluci
on, aquella proveniente de las funciones de Neumann, Y0
r ,
diverge logartmicamente en r = 0. Fsicamente no tiene mucho sentido un tambor circular que
diverge en su centro, sin embargo, si tiene sentido si el tambor es realmente una corona.
Volvamos a
y0
n2
y + + 1 2 y = 0.
x
x
00
ck xk .
k=0
1
2n n!
53
(1)k
k=0
x 2k+n
1
.
k!(n + k)! 2
(5.33)
Ademas, jn,m es el m-esimo cero positivo de la funcion de Bessel Jn (x). Al igual que antes,
(
p
sin(n)
hn,m = Jn
,
0,m r
cos(n)
donde
n,m =
jn,m
R
2
,
m N.
(5.34)
Observaci
on 5.4. A los lugares geometricos al interior del crculo donde la funcion hn,m cambia
de signo se les conocen como lneas nodales.
Ahora resolveremos la ecuaci
on de otra forma para encontrar las funciones de Neumann. Usaremos el m
etodo del Wronskiano: a partir de una solucion encontraremos otra.
Supongamos n = 0. Sean y1 , y2 dos soluciones tales que
y10
+ y1 =0
x
y0
y200 + 2 + y2 =0.
x
y100 +
1
W = 0,
x
y20 y1 y10 y2
C 1
=
.
2
x y12
y1
(5.35)
54
Ecuaci
on de Ondas en 2D
As,
Z
y2 (x) = y1 (x)
a
C
ds.
sy1 (s)2
(5.36)
(5.37)
1 1
1
+ + . . . + log n.
2 3
n
Observaci
on 5.6. Miremos el comportamiento de J0 (x) e Y0 (x) cuando x 1. Ya sabemos
que estas funciones satisfacen
1
y 00 + y 0 + y = 0.
x
u
As, cuando x 1,
u00 + u = 0.
Es decir, u cos (x + ). Por lo tanto,
y
cos (x + )
.
x
Finalmente,
r
J0 (x) =
2 h
cos x
+ p(x) ,
x
4
(5.38)
(5.39)
5.2.3.
55
J0 (x)J0 (x)xdx =
0
0
1
J1 ()2
2
si
6=
si
Es decir, J0 (x) y J0 (x) son ortogonales en [0, 1] con respecto al peso w(x) = x y satisfacen
las condiciones de borde en x = 1.
Demostraci
on. Sabemos que J0 (x) resuelve
y 00 +
1 0
y + y = 0.
x
1 0
y + 2 y = 0,
x
J0 (x)J0 (x)xdx = 0,
0
cuando 6= .
Volvamos a (5.40). Notemos que la primera ecuacion puede escribirse
0
xy10 + 2 xy1 = 0.
(5.40)
56
Ecuaci
on de Ondas en 2D
xy10
2 0
+ 2 x2 y12
0
= 0.
1
2
xy1 (x) dx = 2
Ademas,
1
2 1
2 0
dx = xy10 (x) = y10 (1)2 .
xy10 (x)
0
1
xJ0 (x)2 dx =
22
Pero
dJ0 (x)
dx
2
.
x=1
dJ0 (x)
= J1 (x).
dx
Por lo tanto,
1
Z
0
1
xJ0 (x)2 dx = J1 ()2 .
2
Observaci
on 5.7. Toda funci
on f suave definida en [0, 1] con condicion de borde en x = 1 se
puede expandir en (J0 (j0,n x))nN , es decir,
f (x) =
an J0 (j0,n x) .
(5.41)
n=1
Esta expansi
on se conoce como la expansi
on de Fourier-Bessel. Usando el Teorema 5.2,
tenemos que
Z 1
2
an = 2
f (x)J0 (j0,n x) xdx.
(5.42)
J1 (j0,n ) 0
Proposici
on 5.1. La funci
on generatriz de (Jn )nN esta dada por
x
2
1
e (t t ) =
X
n=
Jn (x)tn ,
57
Observaci
on 5.8. Sea t = ei . Entonces
t
1
= ei ei = 2i sin .
t
ix sin
Jn (x)ein .
n=
n=1
1
2
y
1
Jn (x) =
cos (x sin ) d
(5.43)
cos (n x sin ) d.
(5.44)
Proposici
on 5.2. La familia (Jn )nN satisface
1
(Jn1 (x) Jn+1 (x))
2
(5.45)
2n
Jn (x) = Jn1 (x) Jn+1 (x)
x
(5.46)
Jn0 (x) =
y
Observaci
on 5.9. Combinando (5.45) y (5.46), tenemos que
n
Jn + Jn0 .
x
Jn1 (x) =
d
(xn Jn (x)) .
dx
(5.47)
n
Jn0 (x).
x
d
xn Jn (x) .
dx
(5.48)
58
Ecuaci
on de Poisson-Laplace en 2D
Definici
on 5.1. Sea z C tal que <z > 0. Se define la funci
on Gamma como
Z
tz1 et dt.
(z) =
(5.49)
X
k=0
(1)k
w 2k+z
1
,
k!(k + z + 1) 2
z, w C, <z > 0.
(5.50)
Luego, la funci
on de Bessel modificada es
In (x) = Jn (ix),
(5.51)
5.3.
(5.52)
Ecuaci
on de Poisson-Laplace en 2D
(5.53)
(5.54)
1 0 r2 G00
00
F + F
+
= 0.
r
F
G
(5.55)
59
Luego, F satisface
1 0 r2
00
F + F
= n2 ,
r
F
es decir,
1
n2
F 00 + F 0 2 F = 0.
r
r
Esta no es una ecuaci
on de Bessel. Suponemos una solucion de la forma F (r) = r y al
reemplazar se tiene que = n. Por lo tanto,
F (r) = crn + drn .
Como no queremos que F tenga singularidades en r = 0, imponemos d = 0.
En consecuencia,
(r, ) =
(5.56)
n=0
(5.57)
u|u = 0
Consideremos el producto interno
ZZ
hf, gi =
y
ZZ
hu, Lui =
5.4.
Ecuaci
on de Poisson-Laplace en 3D
(5.58)
60
Ecuaci
on de Poisson-Laplace en 3D
1 2
1
r r r + 2 4S 2 ,
2
r
r
(5.59)
1
1
2 + sin (sin ) .
sin
Usamos separaci
on de variables: supongamos una solucion de la forma
(r, ) = F (r)G(, ),
entonces
(5.60)
2 0 r2 4S 2 G
00
F + F
+
= 0.
r
F
G
2
F 00 + F 0 2 F = 0,
r
r
cuyas soluciones son de la forma F (r) = r .
Los valores de quedan determinados por el siguiente problema espectral
4S 2 G = 2 G
cuya solucion es 2 = n(n + 1).
Observaci
on 5.11. En general, para
4S d G = 2 G
la solucion es 2 = n(n + (d 1)).
Por lo tanto, reemplazando concluimos que satisface
( 1) + 2 n(n + 1) = 0,
es decir, = n
o = (n + 1). Finalmente,
F (r) = arn + br(n+1) .
(5.61)
Bibliografa
[1] H. Hochstadt, The Functions of Mathematical Physics. Dover Pubs., NY, 1986