Anda di halaman 1dari 486

Formulario de M

etodos de Fsica
Matem
atica

H
ector Hern
andez
Universidad de Los Andes
M
erida Venezuela

Luis A. N
un
ez
Universidad de Los Andes
M
erida Venezuela
y

Universidad Industrial de Santander


Bucaramanga Colombia

Indice general
1. Los vectores de siempre
1.1. Para comenzar . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Vectores y escalares y
algebra vectorial . . . . . . . . . . . . . .
1.2.1. Escalares y vectores . . . . . . . . . . . . . . . . . . . .
1.2.2. Algebra de vectores . . . . . . . . . . . . . . . . . . . .
1.3. Independencia lineal y las bases para vectores . . . . . . . . . .
1.4. Productos de vectores . . . . . . . . . . . . . . . . . . . . . . .
1.4.1. Producto escalar . . . . . . . . . . . . . . . . . . . . . .
1.4.2. Producto vectorial . . . . . . . . . . . . . . . . . . . . .
1.4.3. Una divisi
on fallida . . . . . . . . . . . . . . . . . . . . .
1.4.4. Producto triple o mixto . . . . . . . . . . . . . . . . . .
1.5. Componentes, coordenadas y cosenos directores . . . . . . . . .
1.5.1. Bases, componentes y coordenadas . . . . . . . . . . . .
1.5.2. Cosenos directores . . . . . . . . . . . . . . . . . . . . .
1.6. Algebra vectorial y coordenadas . . . . . . . . . . . . . . . . . .
1.6.1. Suma y resta de vectores . . . . . . . . . . . . . . . . .
1.6.2. Dependencia e independencia lineal . . . . . . . . . . . .
1.6.3. Producto escalar . . . . . . . . . . . . . . . . . . . . . .
1.6.4. Producto vectorial . . . . . . . . . . . . . . . . . . . . .
1.6.5. Triple producto mixto . . . . . . . . . . . . . . . . . . .
1.7. Algebra vectorial con ndices . . . . . . . . . . . . . . . . . . .
1.7.1. Convenci
on de Einstein . . . . . . . . . . . . . . . . . .
1.7.2. Los vectores y los ndices . . . . . . . . . . . . . . . . .
1.7.3. Un par de c
alculos ilustrativos . . . . . . . . . . . . . .
1.7.4. El escalares, pseudoescalares, vectores y pseudovectores
1.8. Aplicaciones del
algebra vectorial . . . . . . . . . . . . . . . . .
1.8.1. Rectas y vectores . . . . . . . . . . . . . . . . . . . . . .
1.8.2. Planos y vectores . . . . . . . . . . . . . . . . . . . . . .
1.9. Un comienzo a la derivaci
on e integracion de vectores . . . . .
1.9.1. Vectores variables, . . . . . . . . . . . . . . . . . . . . .
1.9.2. Derivaci
on . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9.3. Velocidades y aceleraciones . . . . . . . . . . . . . . . .
1.9.4. Vectores y funciones . . . . . . . . . . . . . . . . . . . .
1.9.5. El vector gradiente . . . . . . . . . . . . . . . . . . . . .
1.9.6. Integraci
on . . . . . . . . . . . . . . . . . . . . . . . . .
1.10. Vectores y n
umeros complejos . . . . . . . . . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

10
11
11
11
12
14
15
15
17
18
18
19
19
20
20
21
21
22
23
23
24
24
25
26
27
28
28
29
30
30
31
33
35
37
40
44

M
etodos Matem
aticos de la Fsica

1.10.1. Los n
umeros complejos y su algebra
1.10.2. Vectores y el plano complejo . . . .
1.10.3. F
ormulas de Euler y De Moivre . . .
1.10.4. Algunas Aplicaciones Inmediatas . .
1.11. Algunos Ejemplos Resueltos . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

44
45
46
47
51

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

58
59
59
60
60
63
63
65
65
65
68
68
69
70
71
74
77
78
79
79
80
83

3. Vectores Duales y Tensores


3.1. Funcionales Lineales . . . . . . . . . . . . . . . . . . . .
3.2. Bases Discretas . . . . . . . . . . . . . . . . . . . . . . .
3.3. Parentesis Tensorial . . . . . . . . . . . . . . . . . . . .
3.3.1. Tensores una definici
on funcional . . . . . . . . .
3.3.2. Producto Tensorial: Definici
on y propiedades . .
3.3.3. La tentaci
on del producto interno . . . . . . . . .
3.3.4. Bases para un producto tensorial . . . . . . . . .
3.3.5. Tensores, sus componentes y sus contracciones .
3.3.6. Tensor Metrico, Indices y Componentes . . . . .
3.4. Un par de tensores . . . . . . . . . . . . . . . . . . . . .
3.4.1. El tensor de esfuerzos (stress) . . . . . . . . . . .
3.4.2. El Tensor de Inercia . . . . . . . . . . . . . . . .
3.5. Repensando los vectores, otra vez . . . . . . . . . . . . .
3.5.1. Vectores, Covectores y Leyes de Transformacion
3.5.2. Cartesianas y Polares, otra vez . . . . . . . . . .
3.5.3. Repensando las componentes . . . . . . . . . . .
3.6. Transformaciones, vectores y tensores . . . . . . . . . .
3.6.1. Un ejemplo . . . . . . . . . . . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

88
89
90
91
91
92
94
96
96
99
101
101
104
105
105
107
107
110
112

2. Espacios Vectoriales Lineales


2.1. Grupos, Campos y Espacios Vectoriales .
2.1.1. Grupos . . . . . . . . . . . . . . .
2.1.2. Campo . . . . . . . . . . . . . . .
2.1.3. Espacios Vectoriales Lineales . . .
2.2. Metricas y Espacios Metricos . . . . . . .
2.3. Normas y Espacios Normados . . . . . . .
2.4. Producto Interno y Espacios de Hilbert .
2.4.1. Producto Interno . . . . . . . . . .
2.4.2. La desigualdad de Cauchy Schwarz
2.5. Variedades Lineales . . . . . . . . . . . . .
2.5.1. Dependencia, independencia lineal
2.5.2. Bases de un Espacio Vectorial . . .
2.5.3. El determinante de Gram . . . . .
2.5.4. Ortogonalidad y Bases Ortogonales
2.5.5. Ortogonalizaci
on . . . . . . . . . .
2.5.6. Complementos Ortogonales. . . . .
2.5.7. Descomposici
on ortogonal . . . . .
2.6. Temas Avanzados . . . . . . . . . . . . . .
2.6.1. Aproximaci
on de Funciones . . . .
2.6.2. El Metodo de Mnimos Cuadrados
2.7. Algunos Ejemplos Resueltos . . . . . . . .

Luis A. N
un
ez

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

Universidad Industrial de Santander

M
etodos Matem
aticos de la Fsica

3.7. Teorema del Cociente . . . . . . . . . . .


3.8. Temas avanzados . . . . . . . . . . . . . .
3.8.1. Bases Discretas y Continuas .
3.8.2. Bases de Ondas Planas . . . . . .
3.8.3. Las Representaciones |ri y |pi

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

116
117
117
119
120

4. Coordenadas Curvilineas
4.1. Disgreci
on Derivativa . . . . . . . . . . . . . . . . . .
4.2. Curvas y par
ametros . . . . . . . . . . . . . . . . . .
4.3. Coordenadas Curvilneas Generalizadas . . . . . . .
4.3.1. Coordenadas generalizadas, vectores y formas
4.3.2. Velocidades y Aceleraciones . . . . . . . . . .
4.3.3. Coordenadas Cartesianas . . . . . . . . . . .
4.3.4. Coordenadas Cilndricas . . . . . . . . . . . .
4.3.5. Coordenadas Esfericas . . . . . . . . . . . . .
4.3.6. Otros Sistemas Coordenados . . . . . . . . .
4.4. Vectores, Tensores, Metrica y Transformaciones . . .
4.4.1. Transformando Vectores . . . . . . . . . . . .
4.4.2. Transformando Tensores . . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

124
125
127
129
130
130
131
132
133
135
137
137
139

5. Campos y Operadores Diferenciales


5.1. Campos Tensoriales y el Concepto de Campo . . . . . .
5.2. Campos escalares y superficies . . . . . . . . . . . . . .
5.3. Campos vectoriales y lneas de flujo . . . . . . . . . . .
5.3.1. Lneas de flujo o curvas integrales . . . . . . . .
5.3.2. Trayectorias ortogonales a las lneas de flujo . . .
5.4. Flujo de Campos Vectoriales . . . . . . . . . . . . . . .
5.5. La fauna de los operadores vectoriales . . . . . . . . . .
5.5.1. Derivada direccional, diferencial total y gradiente
5.5.2. Divergencia y flujo en campos vectoriales . . . .
5.5.3. Rotores, lneas de torbellino y Circulacion . . . .
~ . . . . . . . .
5.5.4. Formulario del Operador nabla,
5.5.5. Nabla dos veces y el Laplaciano . . . . . . . . . .
5.5.6. Derivadas Direccionales de Campos Vectoriales .
5.6. Integrales y Campos Vectoriales . . . . . . . . . . . . . .
5.6.1. Resumiendo lo visto . . . . . . . . . . . . . . . .
5.7. Campos Vectoriales y Teoremas integrales . . . . . . . .
5.7.1. Teorema de Gauss . . . . . . . . . . . . . . . . .
5.7.2. Teorema de Stokes . . . . . . . . . . . . . . . . .
5.8. Teora de Potencial . . . . . . . . . . . . . . . . . . . . .
5.8.1. Potenciales escalares . . . . . . . . . . . . . . . .
5.8.2. Potenciales vectoriales y calibres . . . . . . . . .
5.8.3. Teorema de Green y Potenciales . . . . . . . . .
5.8.4. Teorema de Helmholtz . . . . . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

146
147
150
151
152
153
154
154
155
159
164
169
171
172
174
174
176
176
182
185
185
186
187
187

Luis A. N
un
ez

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

Universidad Industrial de Santander

M
etodos Matem
aticos de la Fsica

6. Matrices, Determinantes y Autovectores


6.1. Operadores Lineales . . . . . . . . . . . . . . . . . . . . .
6.1.1. Espacio Vectorial de Operadores Lineales . . . . .
6.1.2. Composici
on de Operadores Lineales . . . . . . . .
6.1.3. Proyectores . . . . . . . . . . . . . . . . . . . . . .
6.1.4. Espacio Nulo e Imagen . . . . . . . . . . . . . . . .
6.1.5. Operadores Biyectivos e Inversos . . . . . . . . . .
6.1.6. Operadores Hermticos Conjugados . . . . . . . . .
6.1.7. Operadores Unitarios . . . . . . . . . . . . . . . .
6.2. Representaci
on Matricial de Operadores . . . . . . . . . .
6.2.1. Bases y Representaci
on Matricial de Operadores .
6.2.2. Algebra de Matrices . . . . . . . . . . . . . . . . .
6.2.3. Representaci
on Diagonal . . . . . . . . . . . . . . .
6.2.4. Sistemas de Ecuaciones lineales . . . . . . . . . . .
6.2.5. Operadores Hermticos . . . . . . . . . . . . . . . .
6.2.6. Inversa de una matriz . . . . . . . . . . . . . . . .
6.2.7. Cambio de Bases para vectores . . . . . . . . . . .
6.3. Traza de Operadores . . . . . . . . . . . . . . . . . . . . .
6.3.1. Invariancia de la Traza . . . . . . . . . . . . . . . .
6.3.2. Propiedades de la Traza . . . . . . . . . . . . . . .
6.3.3. Diferenciaci
on de Operadores . . . . . . . . . . . .
6.3.4. Reglas de Diferenciaci
on de Operadores Lineales .
6.3.5. La F
ormula de Glauber . . . . . . . . . . . . . . .
6.4. Un Zool
ogico de Matrices Cuadradas . . . . . . . . . . . .
6.4.1. La matriz nula . . . . . . . . . . . . . . . . . . . .
6.4.2. Diagonal a Bloques . . . . . . . . . . . . . . . . . .
6.4.3. Triangular superior e inferior . . . . . . . . . . . .
6.4.4. Matriz singular . . . . . . . . . . . . . . . . . . . .
6.4.5. Matriz de cofactores . . . . . . . . . . . . . . . . .
6.4.6. Matriz Adjunta . . . . . . . . . . . . . . . . . . . .
6.5. Un Parentesis Determinante . . . . . . . . . . . . . . . . .
6.5.1. Definici
on . . . . . . . . . . . . . . . . . . . . . . .
6.5.2. Propiedades Determinantes . . . . . . . . . . . . .
6.6. Autovectores y Autovalores . . . . . . . . . . . . . . . . .
6.6.1. Definiciones y Teoremas Preliminares . . . . . . .
6.6.2. Algunos comentarios . . . . . . . . . . . . . . . . .
6.6.3. Algunos Ejemplos . . . . . . . . . . . . . . . . . .
6.6.4. Autovalores, autovectores e independencia lineal .
6.7. Autovalores y Autovectores de un operador . . . . . . . .
6.7.1. El polinomio caracterstico. . . . . . . . . . . . . .
6.7.2. Primero los autovalores, luego los autovectores . .
6.8. Autovalores y Autovectores de Matrices Importantes . . .
6.8.1. Autovalores y Autovectores de Matrices Similares .
6.8.2. Autovalores y Autovectores de Matrices Hermticas
6.8.3. Autovalores y Autovectores de Matrices Unitarias
6.9. Conjunto Completo de Observables que conmutan . . . .

Luis A. N
un
ez

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

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

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

Universidad Industrial de Santander

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

190
191
193
194
196
197
199
201
202
203
205
206
208
208
209
209
210
211
211
211
212
212
215
215
215
216
216
216
216
216
217
217
217
220
220
221
221
222
223
224
224
227
227
230
232
235

M
etodos Matem
aticos de la Fsica

7. Serie de Series
7.1. Series por todos lados . . . . . . . . . . . . . . . . . . . . . .
7.1.1. La Suma de la Serie . . . . . . . . . . . . . . . . . . .
7.1.2. Algebra Elemental de Series . . . . . . . . . . . . . . .
7.1.3. Criterios de Convergencia . . . . . . . . . . . . . . . .
7.2. Series de potencias . . . . . . . . . . . . . . . . . . . . . . . .
7.2.1. Convergencia de una serie de potencias . . . . . . . .
7.2.2. Covergencia uniforme . . . . . . . . . . . . . . . . . .
7.2.3. Algebra y convergencia de series de potencias . . . . .
7.2.4. Series de Taylor . . . . . . . . . . . . . . . . . . . . . .
7.3. Series y Espacios de Hilbert . . . . . . . . . . . . . . . . . . .
7.3.1. Completitud de E . . . . . . . . . . . . . . . . . . .
7.3.2. Conjunto completo de funciones . . . . . . . . . . . .
7.4. Series de Polinomios Ortogonales . . . . . . . . . . . . . . . .
7.4.1. Polinomios de Legendre . . . . . . . . . . . . . . . . .
7.4.2. Polinomios de Hermite . . . . . . . . . . . . . . . . . .
7.4.3. MAPLE y los polinomios ortogonales . . . . . . . . .
7.4.4. Planteamiento General para Polinomios Ortogonales .
7.4.5. Un par de aplicaciones de ejemplos . . . . . . . . . .
7.5. Series y transformadas de Fourier . . . . . . . . . . . . . . . .
7.5.1. Generalidades . . . . . . . . . . . . . . . . . . . . . . .
7.5.2. Las Condiciones de Dirichlet y el Teorema de Fourier
7.5.3. Algunos ejemplos de expansiones en series de Fourier .
7.5.4. Consideraciones de Simetra en series de Fourier . . .
7.5.5. Tratamiento de discontinuidades . . . . . . . . . . . .
7.5.6. Tranformadas de Fourier . . . . . . . . . . . . . . . . .
7.5.7. Tranformadas Discretas de Fourier . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

242
243
243
247
247
251
251
253
254
256
259
259
260
262
262
270
278
279
282
286
286
289
290
293
294
296
299

8. La Variable Compleja
8.1. Vectores y n
umeros complejos . . . . . . . . . . . . . . . . . . . . . . . .
8.1.1. Los n
umeros complejos y su algebra . . . . . . . . . . . . . . . .
8.1.2. Vectores y el plano complejo . . . . . . . . . . . . . . . . . . . .
8.1.3. F
ormulas de Euler y De Moivre . . . . . . . . . . . . . . . . . . .
8.2. Funciones de Variable Compleja . . . . . . . . . . . . . . . . . . . . . .
8.2.1. De la recta real al plano complejo . . . . . . . . . . . . . . . . .
8.2.2. Continuidad en el plano complejo . . . . . . . . . . . . . . . . . .
8.2.3. Diferenciabilidad de funciones complejas . . . . . . . . . . . . . .
8.2.4. Funciones Analticas y Condiciones de Cauchy-Riemann . . . . .
8.2.5. Curiosidades de Cauchy-Riemann . . . . . . . . . . . . . . . . . .
8.3. Series de Potencias en Variable Compleja . . . . . . . . . . . . . . . . .
8.3.1. La convergencia y sus criterios . . . . . . . . . . . . . . . . . . .
8.3.2. Consecuencias y conclusiones para series de potencias complejas
8.4. Algunas Funciones Complejas Elementales . . . . . . . . . . . . . . . . .
8.5. Puntos de corte, lneas de cortes y ceros de funciones complejas . . . . .
8.5.1. Puntos y lneas de corte . . . . . . . . . . . . . . . . . . . . . . .
8.5.2. Singularidades, polos y ceros de funciones complejas. . . . . . . .
8.6. Transformaciones conformes . . . . . . . . . . . . . . . . . . . . . . . . .
8.6.1. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

303
304
304
305
306
308
308
308
308
309
310
312
312
313
314
315
315
316
318
318

Luis A. N
un
ez

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

Universidad Industrial de Santander

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

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

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

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

M
etodos Matem
aticos de la Fsica

8.6.2. Algunas consecuencias y ejemplos . . . . . . . .


8.7. Integrales complejas . . . . . . . . . . . . . . . . . . .
8.7.1. Algunas propiedades . . . . . . . . . . . . . . .
8.7.2. Un par de ejemplos . . . . . . . . . . . . . . . .
8.8. Teorema Integral de Cauchy . . . . . . . . . . . . . . .
8.8.1. El Teorema y las Regiones . . . . . . . . . . . .
8.8.2. Algunas observaciones y el Teorema de Morera
8.8.3. F
ormula integral de Cauchy . . . . . . . . . . .
8.9. Otra vez Taylor y ahora Laurent . . . . . . . . . . . .
8.9.1. Series de Taylor para funciones analticas . . .
8.9.2. Series de Laurent . . . . . . . . . . . . . . . . .
8.9.3. Algunos Ejemplos . . . . . . . . . . . . . . . .
8.10. Integraci
on por el metodo de los residuos . . . . . . .
8.10.1. Los residuos de Laurent . . . . . . . . . . . . .
8.10.2. Teorema del Residuo . . . . . . . . . . . . . . .
8.10.3. Evaluaci
on de integrales, reales, impropias . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

319
321
321
322
323
323
324
326
327
327
329
330
331
332
333
334

9. Ecuaciones Diferenciales Ordinarias de Primer Orden


9.1. Motivaci
on y Origen . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9.2. Empezando por el principio . . . . . . . . . . . . . . . . . . . . . . . .
9.2.1. Ejemplos de Algunas ecuaciones diferenciales . . . . . . . . . .
9.2.2. De Ecuaciones y Ecuaciones Diferenciales . . . . . . . . . . . .
9.2.3. Fauna y Nomenclatura de Ecuaciones Diferenciales Ordinarias
9.2.4. Metodos elementales de integracion . . . . . . . . . . . . . . .
9.3. Ecuaci
on Diferenciales de Primer Orden . . . . . . . . . . . . . . . . .
9.3.1. Ecuaciones Diferenciales separables . . . . . . . . . . . . . . . .
9.3.2. Ecuaciones Diferenciales Exactas . . . . . . . . . . . . . . . . .
9.3.3. Soluci
on Parametrica de Ecuaciones Diferenciales . . . . . . . .
9.4. Soluciones Numericas a las Ecuaciones Diferenciales . . . . . . . . . .
9.4.1. Las Ideas Generales . . . . . . . . . . . . . . . . . . . . . . . .
9.4.2. La idea de la Integraci
on y los Metodos . . . . . . . . . . . . .
9.4.3. Control del Paso . . . . . . . . . . . . . . . . . . . . . . . . . .
9.5. Algunas Aplicaciones de Ecuaciones Diferenciales de Primer Orden . .
9.5.1. Ley de Malthus/Decaimiento Radioactivo. . . . . . . . . . . . .
9.5.2. La Ecuaci
on logstica o Ley de Verhulst . . . . . . . . . . . . .
9.5.3. La Ley de Enfriamiento de Newton . . . . . . . . . . . . . . . .
9.5.4. Interes Compuesto. . . . . . . . . . . . . . . . . . . . . . . . . .
9.5.5. Mec
anica Elemental. . . . . . . . . . . . . . . . . . . . . . . . .
9.5.6. Modelado de Concentraci
on/Desliemiento de Soluciones . . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

343
344
349
349
350
351
354
358
358
364
366
366
366
368
374
376
376
377
378
380
381
386

10.Ecuaciones Diferenciales Ordinarias de Orden Superior


10.1. Definiciones para comenzar . . . . . . . . . . . . . . . . . . .
10.2. Homogeneas, Lineales, de Segundo Orden . . . . . . . . . . .
10.3. Ecuaciones Diferenciales de Orden n . . . . . . . . . . . . . .
10.4. Algunos Metodos de Soluci
on para Ecuaciones Inhomogeneas
10.4.1. El Wronskiano . . . . . . . . . . . . . . . . . . . . . .
10.4.2. Metodos de los Coeficientes Indeterminados . . . . . .
10.4.3. Metodos de Variaci
on de los Parametros . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

391
392
392
395
397
397
398
400

Luis A. N
un
ez

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

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

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

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

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

.
.
.
.
.
.
.

Universidad Industrial de Santander

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

.
.
.
.
.
.
.

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

.
.
.
.
.
.
.

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

.
.
.
.
.
.
.

.
.
.
.
.
.
.

M
etodos Matem
aticos de la Fsica

10.4.4. Metodos de Reducci


on de Orden . . . . . . . . . .
10.5. Algunas Aplicaciones de las Ecuaciones de Orden Superior
10.5.1. Mec
anica y Electricidad . . . . . . . . . . . . . . .
10.5.2. Oscilaciones libres . . . . . . . . . . . . . . . . . .
10.5.3. Oscilaciones Libres Amortiguadas . . . . . . . . .
10.5.4. Oscilaciones Forzadas . . . . . . . . . . . . . . . .
10.5.5. Oscilaciones Forzadas amortiguadas . . . . . . . .
10.5.6. Movimiento alrededor de un punto de equilibrio . .
10.5.7. Pendulo Simple con desplazamiento finito. . . . . .
10.5.8. Disgresi
on Elptica . . . . . . . . . . . . . . . . . .
10.5.9. Cu
an buena es la aproximacion lineal ? . . . . .
10.5.10.El Pendulo Fsico: Integracion Numerica . . . . . .
10.6. Transformaciones Integrales . . . . . . . . . . . . . . . . .
10.6.1. C
alculo Operacional . . . . . . . . . . . . . . . . .
10.6.2. Definiciones para Comenzar . . . . . . . . . . . . .
10.6.3. Tranformada de Laplace . . . . . . . . . . . . . . .
10.6.4. Ejemplos Sencillos . . . . . . . . . . . . . . . . . .
10.6.5. Integral de Convoluci
on . . . . . . . . . . . . . . .
10.7. Sistemas de Ecuaciones Diferenciales . . . . . . . . . . . .
10.7.1. Motivaci
on . . . . . . . . . . . . . . . . . . . . . .
10.7.2. Notaci
on Vectorial . . . . . . . . . . . . . . . . . .
10.7.3. Sistemas Lineales Homogeneos . . . . . . . . . . .
10.7.4. Sistemas Lineales Inhomogeneos . . . . . . . . . .
11.Series y Ecuaciones Diferenciales Ordinarias
11.1. Otra vez Algebra de Series . . . . . . . . . . . . . . .
11.2. Un Ejemplo conocido. . . . . . . . . . . . . . . . . .
11.3. Otro Ejemplo menos conocido pero importante . . .
11.4. M
etodo de Diferenciaciones Sucesiva . . . . . .
11.5. M
etodos de los Coeficientes Indeterminados .
11.6. Los Puntos y las Estrategias . . . . . . . . . . . . . .
11.7. Ecuaci
ones e intervalos en puntos regulares . . . . .
11.8. El Metodo de Frobenius . . . . . . . . . . . . . . . .
11.8.1. m1 6= m2 m1 m2 6= N con N entero. . . .
11.8.2. m1 = m2 . . . . . . . . . . . . . . . . . . . . .
11.8.3. m1 6= m2 m1 m2 = N con N entero. . . .
11.9. Revisitando a Bessel . . . . . . . . . . . . . . . . . .
11.9.1. Otras Formas de la Ecuacion de Bessel . . . .
11.9.2. Relaciones de Recurrencia: . . . . . . . . . .
11.9.3. Funciones de Bessel y Funciones Elementales
11.9.4. Reflexi
on: . . . . . . . . . . . . . . . . . . . .
11.9.5. Funci
on Generatriz . . . . . . . . . . . . . . .
11.9.6. Representaci
on Integral para las Funciones de
11.9.7. Ortogonalidad de las Funciones de Bessel . .
11.10.Algunas funciones Especiales . . . . . . . . . . . . .
11.10.1.Funci
on Gamma e Integrales de Probabilidad
11.10.2.La Funciones Digamma y Poligamma . . . .
11.10.3.La Aproximaci
on de Stirling . . . . . . . . . .

Luis A. N
un
ez

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

402
403
403
403
404
407
409
412
413
420
423
424
425
425
426
428
429
431
432
432
434
435
437

. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
Bessel
. . . .
. . . .
. . . .
. . . .
. . . .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

441
442
442
444
446
447
449
449
451
456
458
463
466
472
472
473
474
475
475
476
477
477
481
482

Universidad Industrial de Santander

M
etodos Matem
aticos de la Fsica

11.10.4.La funci
on Beta

Luis A. N
un
ez

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483

Universidad Industrial de Santander

Captulo 1

Los vectores de siempre

10

M
etodos Matem
aticos de la Fsica

1.1.

Para comenzar

Este conjunto de secciones pretende hacer una repaso, un recordatorio y avanzar sobre lo que la mayora
de Uds. conocen o han escuchado a lo largo de sus cursos de Fsica, Matematicas y Qumica.

1.2.

Vectores y escalares y
algebra vectorial

Desde siempre, desde los primeros cursos de Fsica en educacion media, venimos hablando de vectores
como cantidades que tienen que ser representadas con mas de un n
umero. Son muchas las razones que obligan
a introducir este (y otro) tipo de cantidades, enumeraremos algunas que a criterio personal son como m
as
representativas.
1. Necesidad de modelos matem
aticos de la naturaleza. Desde los albores del renacimiento, con
Galileo Galilei a la cabeza es imperioso representar cantidades de manera precisa. Las matem
aticas
nos apoyan en esta necesidad de precision. Desde ese entonces las matematicas son el lenguaje de la
actividad cientfica.
2. Los modelos tienen que tener contrastaci
on experimental. Las ciencias y sus modelos, en u
ltima
instancia, tienen que ver con la realidad, con la naturaleza y por ello debemos medir y contrastar las
hip
otesis con esa realidad que modelamos. Necesitamos representar cantidades medibles (observables)
y que por lo tanto tienen que ser concretadas de la forma mas compacta, pero a la vez mas precisa
posible.
3. Las leyes de los modelos deben ser independiente de los observadores. Cuando menos a
una familia significativa de observadores. El comportamiento de la naturaleza no puede depender de la
visi
on de un determinado observador, as los modelos que construimos para describirla, tampoco pueden
depender de los observadores. Con conocer la ley de transformacion entre observadores equivalentes
deberemos conocer c
omo ocurren los fenomenos en otros referenciales.
Por ello, tropezaremos con escalares, vectores, tensores y espinores, dependiendo del n
umero de cantidades
que necesitemos para representar ese objeto pero, sobre todo, dependiendo de la ley de transformacion que
exista entre estos objetos. Constataremos que las leyes de la Fsica vienen escritas en forma vectorial (o
tensorial) y, por lo tanto, al conocer la ley de transformacion de los vectores (tensores) conoceremos la visi
on
que de esta ley tendr
an otros observadores.

1.2.1.

Escalares y vectores

Dejaremos para m
as adelante caracterizar objetos como tensores y espinores, por ahora nos contentaremos
con refrescar nuestros recuerdos con cantidades como:
Escalares: Ser
an aquellas cantidades las cuales se representan con UN solo n
umero, una magnitud: temperatura,
volumen, masa, entre otras. Es costumbre no denotarlas de manera especial, as T = 5o C representar
a una temperatura de 5 grados centgrados.
Vectores: Ser
an cantidades las cuales, para ser representadas por un objeto matematicos requieren mas de un
n
umero, requieren de UN n
umero, UNA direccion y UN sentido. Entre las cantidades que tpicamente
reconocemos como vectores est
an: la velocidad, la aceleracion, la fuerza En terminos graficos podremos
decir que un vector ser
a un segmento orientado, en el cual la dimension del segmento representar
a su
m
odulo y su orientaci
on la direcci
on y el sentido. Para diferenciarla de las cantidades escalares hay

Luis A. N
un
ez

Universidad Industrial de Santander

11

M
etodos Matem
aticos de la Fsica

Figura 1.1: Vectores y sus operaciones

una variedad de representaciones, entre ellas: en negrita a; con una flecha arriba de la cantidad ~a;

con una tilde arriba a


; o explicitando el origen del segmento orientado OP . El modulo del vector lo
representaremos dentro de la funci
on valor absoluto, o sencillamente sin la flecha arriba a = |a| = |~a| .
Los vectores son independientes del sistema de coordenadas. Sus caractersticas (modulo, direcci
on y
sentido) se preservar
an en todos los sistemas de coordenada. Mas a
un, habra vectores que podremos desplazarlos (conservando su m
odulo direcci
on y sentido) paralelos a ellos mismos, en el espacio y (obvio que)
seguir
an siendo los mismo. Por ello encontraran el termino de vectores deslizantes. Un ejemplo de ellos son
las fuerzas que act
uan en un determinado cuerpo, como se muestra el cuadrante III en la Figura 1.1, arriba.
Tambien habr
a vectores atados a un punto en el espacio, por cuanto representan una de sus propiedades:
la velocidad del viento, el campo electrico, o sus variaciones son algunos ejemplos de estos vectores atados
(observe la Figura 1.2 como ejemplos ilustrativos).

1.2.2.

Algebra de vectores

Enumeraremos r
apidamente el
algebra de vectores sin hacer referencia a un sistema de coordenadas.
Desde siempre nos ense
naron a representar graficamente este algebra. As tenemos que:
Vector nulo Es aquel que tiene por m
odulo cero y no se le pude asignar direccion ni sentido. Podremos
comparar vectores si tienen la misma direccion y sentido.
Vector unitario Es aquel que tiene por modulo la unidad, es muy u
til por cuanto, para efectos algebraicos,
contiene u
nicamente direcci
on y sentido. Lo denotaremos con un acento circunflejo, com
unmente llamado
~a
sombrero u
~a =
, con lo cual todo vector ~a = |~a| u
~a se podra expresar por un modulo en la direcci
on y
|~a|
sentido de un vector unitario.
Luis A. N
un
ez

Universidad Industrial de Santander

12

M
etodos Matem
aticos de la Fsica

Figura 1.2: Ejemplos de vectores atados

Comparamos vectores Al comparar sus modulos diremos que pueden ser mayores, menores o iguales.
Por lo tanto, tal y como mostramos en el cuadrante I de la Figura 1.1, dos vectores seran iguales ~a = ~b si
tienen la misma direcci
on y sentido.
Multiplicaci
on por un escalar Un vector, multiplicado por un escalar, n, cambiara su modulo si n > 0
y cambiar
a su sentido y eventualmente su modulo si n < 0 Tal y como puede apreciarse en el cuadrante I de
la Figura 1.1. Claramente dos vectores proporcionales seran colineales. Diremos ademas, que el inverso del
vector ~a ser
a la multiplicaci
on de ~a por (1) . Esto es ~c = (1) ~a = ~a
Suma de vectores Aprendimos que para sumar vectores utilizamos la regla del paralelogramo, es decir,
desplazamos paralelamente uno de los vectores y lo colocamos a continuacion del otro, de tal forma que
la diagonal del paralelogramo, que tiene por lados los vectores sumandos, constituye el vector suma (ver
cuadrantes IIa y IIb de la Figura 1.1). Este esquema se puede generalizar para varios vectores tal y como lo
mostramos en el cuadrante IIa de la Figura 1.1. All construimos un polgono cuyos lados los constituyen los
~
vectores sumandos ~a, ~b, ~c,d~ y ~n con ~n = ~a + ~b + ~c + d.
N
otese que a
un el caso tridimensional, el vector suma siempre sera coplanar (estara en el mismo plano)
a los sumandos que lo generaron.
Igualmente, podemos definir la resta de vectores al sumar el inverso. Esto es
 
~a ~b ~a + ~b
0 = ~a ~a ~a + (~a)
En terminos gr
aficos la resta de dos vectores se representa colocando los vectores (minuendo y sutraendo) con
el mismo origen y uniendo las cabezas de flecha. Dependiendo de cual vector es el minuendo y cual sustraendo
el vector
a del sustraendo hacia el minuendo. Observese el cuadrante IIa de la Figura 1.1 la
 resta apuntar

~
resta ~a + b + ~c ~a = ~b + ~c.
Luis A. N
un
ez

Universidad Industrial de Santander

13

M
etodos Matem
aticos de la Fsica

Claramente, el m
odulo del vector resta representa la distancia entre los dos extremos de los vectores
minuendo y el sustraendo
Un resumen de propiedades Podemos resumir las propiedades del algebra de vectores como sigue
La suma de vectores
tiene un u
nico elemento neutro 0 + ~a = ~a + 0 = ~a ~a
existe un elemento simetrico (~a) (uno para cada vector) tal que 0 = ~a ~a ~a + (~a)
es conmutativa ~a + ~b = ~b + ~a




es asociativa ~a + ~b + ~c = ~a + ~b + ~c


es distributiva ~a + ~b = ~a + ~b respecto a la multiplicacion por escalares
La multiplicaci
on de escalares por vectores
es conmutativa ~a = ~a
es asociativa (~a) = () ~a
es distributiva ( + ) ~a = ~a + ~a

1.3.

Independencia lineal y las bases para vectores

Armados con el
algebra y explicitando sus propiedades podemos construir la primera aproximacion a uno
de los conceptos fundamentales del
algebra lineal. La nocion de independencia o dependencia lineal.
Diremos que tres vectores ~a, ~b, ~c son linealmente independientes si se cumple que
~a + ~b + ~c = 0

===0

es decir que la u
nica manera que al sumar cualquier m
ultiplo de ~a, ~b, ~c se anule esto obliga que los escalares son
necesariamente nulos. Si no se cumple lo anterior entonces diremos que uno de los vectores sera linealmente
dependiente y que por lo tanto se podr
a expresar como combinacion lineal de los otros dos

6= 0
6= 0
~a + ~b + ~c = 0 alguno de
~c =
~a + ~b

6= 0
Los vectores linealmente independientes formaran base para el espacio donde ellos viven y el n
umero
m
aximo de vectores linealmente independientes sera la dimension de ese espacio de residencia. Tratemos
de concretar algunas de estas importantes afirmaciones.
Dos vectores linealmente dependientes son colineales.

~a + ~b = 0

Luis A. N
un
ez

Es claro que



~a = b
6= 0
con alguno de

6= 0

~b = ~a

Universidad Industrial de Santander

14

M
etodos Matem
aticos de la Fsica

el contrario tambien ser


a cierto: si dos vectores son colineales ellos ser
an linealmente dependientes.

~a = ~b ~a + ~b = 0 ~b + ~b = 0 ( + ) ~b = 0 =

y con lo cual podremos afirma que si dos vectores son linealmente independientes ellos no son colineales y
m
as a
un si dos vectores son linealmente independientes no son colineales.
Tres vectores linealmente dependientes son complanares. Es claro que por ser los tres vectores
linealmente dependientes al menos uno de los escalares tiene que ser distinto de cero. Esto es

~a + ~b
~a + ~b + ~c = 0 ~c = ~a ~b =

pero como
~a ~a y ~b ~b eso significa que ambos
~a y ~a y ~b y ~b son colineales respectivamente y su
suma estar
a en el mismo plano.
Dos vectores linealmente independientes expanden todos los vectores coplanares. Esto es, dado
dos vectores ~a, ~b linealmente independientes, entonces cualquier vector ~c,complanar con ~a y ~b, podra expresarse como una combinaci
on lineal de ellos y diremos que ~c se expresa en terminos de ~a, ~b como ~c =
~a + ~b
y esa expresi
on es u
nica.
La primera de las afirmaciones es directa por cuanto hemos visto que si ~a y ~b son linealmente independiente
y ~c es complanar con ~a y ~b. Entonces, necesariamente ~a, ~b y ~c son linealmente dependientes. Esto es

~a + ~b + ~c = 0 ~c = ~a ~b =
~a + ~b

La demostraci
on de que la expansi
on es u
nica viene de suponer que existen dos maneras distintas de representar al vector ~c

~c =
~a + ~b

=0
=


0 = (

) ~a + (
) ~b

= 0 =
~c =
~a + ~b
debido a que ~a y ~b son linealmente independiente. La demostracion para el caso tridimensional es equivalente.
Es decir tres vectores linealmente independientes ~a, ~b y ~c expanden, de manera unvoca, todos los vectores
del espacio. Esta demostraci
on queda para el lector.
Cuando un vector ~c se pueda expresar en terminos de dos vectores linealmente independientes ~a, ~b diremos
que ~a y ~b forman una base para todos los vectores complanares a ellos. Equivalentemente para el caso
tridimensional, tres vectores linealmente independientes ~a, ~b y ~c conformaran una base para los vectores del
espacio. Los escalares , para el caso bidimensional se denominan las componentes de ~c a lo largo de ~a y
~b, .respectivamente. Equivalentemente , , seran las componentes de cualquier vector para el caso 3D a lo
largo de ~a, ~b y ~c, respectivamente. Esta nomenclatura sera mas evidente luego de la proxima seccion.

1.4.
1.4.1.

Productos de vectores
Producto escalar

Denominaremos producto escalar de dos vectores ~a y ~b a un escalar cuyo valor sera igual al producto de
los m
odulos multiplicado por el coseno del angulo que ellos forma.


= ~a ~b = |~a| ~b cos h~a,~bi
Luis A. N
un
ez

Universidad Industrial de Santander

15

M
etodos Matem
aticos de la Fsica

Figura 1.3: Productos de Vectores

El significado geometrico del producto escalar es evidente el cuadrante I de la Figura El producto escalar
representa la proyecci
on de ~a sobre ~b y equivalentemente la proyeccion de ~b sobre ~a.
De esta definici
on se derivan varias consecuencias las cuales por obvias no dejan de ser importantes.
2

El producto escalar de un vector consigo mismo, siempre es positivo. ~a = ~a ~a = |~a| 0 y


solo ser
a
nulo
si ~a es el vector nulo. Esto es ~a = 0 ~a = 0. Con esto podemos concluir que |~a| == ~a ~a = ~a
El producto escalar es conmutativo = ~a ~b = ~b ~a ya el angulo entre los vectores es el mismo y la
multiplicaci
on entre escalares es conmutativa.


El producto escalar es distributivo Esto es ~a ~b + ~c = ~a ~b + ~a ~c. La demostracion (grafica) puede
apreciarse en el cuadrante II de la Figura 1.3



 

La multiplicaci
on por un escalar. = = || ~a ~b = (~a) ~b = ~a ~b = |~a| ~b cos h~a,~bi =


|~a| ~b cos h~a,~bi
Desigualdad de Cauchy Schwarz. A partir de la definicion de producto interno es inmediata la comprobaci
on de la desigualdad de Cauchy Schwarz
2


2 
2

2




2
~a ~b = |~a| ~b cos h~a,~bi
~a ~b |~a| ~b

~a ~b |~a| ~b ya que 0 cos2 h~a,~bi 1


Del producto escalar surge el Teorema del Coseno. Es inmediato generalizar el producto escalar de un
vector consigo mismo, para ello suponemos que ~c = ~a + ~b, con lo cual
2


 



2
2
~c = ~a + ~b ~c ~c = ~a + ~b ~a + ~b = |~c| = |~a| + ~b + 2 |~a| ~b cos h~a,~bi
Luis A. N
un
ez

Universidad Industrial de Santander

16

M
etodos Matem
aticos de la Fsica

que no es otra cosa que el teorema del coseno y esta ilustrado en el cuadrante III de la Figura 1.3.
Diremos que dos vectores, no nulos son ortogonales (perpendiculares) si su producto escalar es nulo.
Esta afirmaci
on es inmediata


~a ~b = |~a| ~b cos h~a,~bi = 0
~a ~b h~a,~bi =
2

1.4.2.

Producto vectorial

De siempre, tambien hemos aprendido que existe otro producto entre vectores. El producto vectorial. A
diferencia del producto escalar que genera un escalar, el producto vectorial ~c = ~a ~b tiene como resultado
otro vector (realmente un pseudovector o vector axial en contraposicion a los vectores polares pero eso lo
veremos m
as adelante), ~c, con las siguientes caractersticas:


El m
odulo de ~c, ser
a |~c| = |~a| ~b sen ~a~b . Es claro que el modulo de ~c representa el area del paralelogramo
cuyos lados est
an formados por ~a y ~b (cuadrante V de la Figura 1.3)
Tal y como muestran los cuadrantes IV y V de la Figura 1.3, tendra como direccion la perpendicular
al plano que forman ~a y ~b
y como sentido regla del pulgar derecho, regla de la mano derecha, o mas elegante sera positivo cuando
la multiplicaci
on de ~a ~b corresponda al sentido horario.
Otra vez, podemos deducir algunas consecuencias de esta definicion.
El producto vectorial es anticonmutativo. Esto es ~a ~b = ~b ~a y se sigue de la definicion que expresa
el cuadrante IV de la Figura 1.3


El producto vectorial es distributivo respecto a la suma. Vale decir ~a ~b + ~c = ~a ~b + ~a ~c. La
demostraci
on de esto lo dejaremos para mas adelante. Valga ahora creerse la propiedad.
La multiplicaci
on por un escalar. Nos conduce rapidamente a





 






|~c| = || ~a ~b = (~a) ~b = ~a ~b = |~a| ~b sen ~a~b = |~a| ~b sen ~a~b
Dos vectores ser
an colineales si su producto vectorial se anula. Al igual que el cuando se anula el
producto escalar identific
abamos a dos vectores ortogonales, cuando se anule el producto vectorial
tendremos dos vectores paralelos. Obvio que esto se cumple de inmediato






~a k ~b ~a~b = 0 |~c| = ~a ~b = |~a| ~b sen ~a~b = 0
y si el m
odulo del vector es cero, obvio que es el vector nulo. Ahora bien, tambien de aqu deducimos
que




~c = ~a ~b ~c ~a = ~a ~b ~a = ~c ~b = ~a ~b ~b = 0

Luis A. N
un
ez

Universidad Industrial de Santander

17

M
etodos Matem
aticos de la Fsica

1.4.3.

Una divisi
on fallida

Uno esperara que para cada una de las definiciones de productos vectoriales, existiera vector cociente. Es
decir pudieramos despejar uno de los multiplicados en terminos del otro. La situacion es que esta operaci
on
no est
a definida unvocamente y lo podemos intuir a partir de una de las definiciones de producto.
Supongamos que tenemos un producto escalar o = ~a ~b con lo cual, si pudieramos despejar,digamos

~b = tendramos entonces definido ~b de una manera unvoca ? La respuesta es NO. ya que = ~a + d~
~a
~a

donde ~a d~ por lo cual existen infinitos ~b = + d~ que cumplen = ~a ~b.


~a

1.4.4.

Producto triple o mixto

Analicemos ahora el n
umero (pseudoescalar) que proviene de la multiplicacion






V = ~c ~a ~b = |~c| ~a ~b cos h~c,~a~bi
representa del volumen del paraleleppedo cuyos lados quedan definidos por ~a, ~b y ~c. Este producto tambien
cumple con algunas propiedades que enunciaremos ahora y demostraremos mas tarde


El producto mixto ~a ~b ~c, representa el volumen del paraleleppedo cuyos lados son los vectores ~a, ~b




y ~c.Es claro y fue ilustrado que el m
odulo del producto vectorial ~a ~b representa el area de la base
y la altura est
a representada por la proyeccion del vector ~c sobre la perpendicular al plano de la base
que es, precisamente, |~c| cos h~c,~a~bi
El producto mixto es cclico respecto a sus factores. Esto es




~a ~b ~c = ~b ~c ~a = (~c ~a) ~b
Esta afirmaci
on se ver
a demostrada mas adelante
el producto mixto se anula cuando se repite alguno de sus factores






~a ~b ~a = ~a ~b ~b = (~a ~a) ~c = ~b ~b ~c = 0




Claramente, si ~a ~b ~a ~a ~b ~a = 0


Si los tres vectores ~a, ~b y ~c son coplanares (linealmente dependientes) entonces ~a ~b ~c = 0 o, dicho


de manera m
as elegante, u
til e impactante: tres vectores que cumplen ~a ~b ~c 6= 0 forma base para
el espacio
del reloj)

tridimensional. Esa base se denominara levogira (contraria al giro de
 las manecillas

si ~a ~b ~c < 0 y dextr
ogira (la convencional base de la mano derecha) si ~a ~b ~c > 0.

Luis A. N
un
ez

Universidad Industrial de Santander

18

M
etodos Matem
aticos de la Fsica

Figura 1.4: Vectores, bases y componentes

1.5.
1.5.1.

Componentes, coordenadas y cosenos directores


Bases, componentes y coordenadas

La formulaci
on de las leyes fsicas debe hacerse en termino de cantidades vectoriales (tensoriales). Esto
independiza su formulaci
on de un sistema particular de coordenadas, pero llegado el momento de calcular
valores y utilizar estas leyes, es mucho m
as conveniente referirla a un sistema de coordenadas particularmente
adaptado a la geometra del problema. En ese caso la ecuacion vectorial se convertira en tantas ecuaciones
como componentes (referidas al sistema de coordenadas utilizado) tenga los vectores en ese sistema de
coordenadas
Tal y como mencionamos arriba tres vectores no coplanares cualesquiera son linealmente independientes
y constituyen una base para el espacio tridimensional. Denominaremos, de ahora en adelante estos vectores
base {w
~ 1, w
~ 2, w
~ 3 } y por ser linealmente independientes podremos expresar cualquier vector ~a como una
combinaci
on lineal u
nica. Tal y como lo mostramos en el cuadrante I de la Figura 1.4 con los vectores base
{w
~ 1, w
~ 2, w
~ 3 } podemos construir un sistema (oblicuo en general) de coordenadas al colocarlos con un mismo
origen. Esto es
~a = a
1 w
~1 + a
2 w
~2 + a
3 w
~3
 1 2 3
donde las cantidades a
,a
,a
son n
umeros (no son escalares) que representan las componentes del vector
~a a lo largo de cada uno de los vectores base {w
~ 1, w
~ 2, w
~ 3 } . Notese que por costumbre (la cual sera evidente
m
as adelante) etiquetamos estos n
umeros con superndices y la letra que identifica el vector.

M
as a
un, cada punto P del espacio viene definido por un radiovector
r (P ) OP que une el origen

de coordenadas con el punto P y se le asocian ntres n
umeros o x
1 , x
2 , x
3 , los cuales son las proyecciones
 1 2 3
a lo largo de cada uno de los ejes coordenados 0
x1 , 0
x2 , 0
x3 . Los n
umeros x
,x
an
,x
se denominar

componentes de r (P ) en el sistema de referencia {w


~ 1, w
~ 2, w
~ 3} .

Luis A. N
un
ez

Universidad Industrial de Santander

19

M
etodos Matem
aticos de la Fsica

Existe una familia de sistema de coordenadas en la cual sus vectores base son ortogonales (o mejor
ortonormales), es decir los vectores base {~e1 , ~e2 , ~e3 } son perpendiculares entre si. Tal y como mostraremos
m
as adelante, siempre se puede construir un sistema ortogonal (ortonormal) {~e1 , ~e2 , ~e3 } a partir de una
base generica de vectores linealmente independientes {w
~ 1, w
~ 2, w
~ 3 } . Cuando el sistema sea ortogonal sus
componentes se denominar
an rectangulares. Dependiendo del signo del triple producto mixto el sistema de
coordenadas ser
a dextr
ogiro ((~e1 ~e2 ) ~e3 > 0) o levogiro ((~e1 ~e2 ) ~e3 < 0) tal y como se muestra en el
cuadrante III de la Figura 1.4
Es costumbre ancestral, por relaciones de dominacion de los derechos sobre los izquierdos (en latn e
italiano los zurdos son siniestros) utilizar la convenci
n onodextrogira ((~e1 ~e2 )~e3 > 0) y en ese caso utilizamos
con lo cual desde siempre tenemos que
el bien conocido conjunto de vectores unitarios ,
, k

~a = ax + ay
+ az k

y ~r (P ) = x + y
+z k

n
o
3
de ahora en adelante representaremos este sistema de coordenadas ortonormal como 1 ,
2 , k
para recordar que estamos en un sistema de coordenadas cartesianas.
Obviamente el m
odulo del vector se podra expresar con la utilizacion del Teorema de Pitagoras


q
p


a2x + a2y + a2z = |~a| y
x2 + y 2 + z 2 = r (P )
y la multiplicaci
on por un escalar


= (ax ) + (ay )

~a = ax + ay
+ az k
+ (az ) k

|~a| =

q
a2x + a2y + a2z

Igualmente un vector unitario


u
~a =



1
ay
az
~a
ax

=q
=q
+ q

+ q
k
ax + ay
+ az k
|~a|
a2x + a2y + a2z
a2x + a2y + a2z
a2x + a2y + a2z
a2x + a2y + a2z

con lo cual todo vector


~a = |~a| u
~a =

1.5.2.

q
~a
a2x + a2y + a2z u

Cosenos directores

Como se puede apreciar en el cuadrante IV de la Figura 1.4 podemos construir tres triangulos rectangulos
~ (P ) como hipotenusa de cada uno de ellos. Los angulos que forma el radiovector R
~ (P )
con el radiovector R
con cada uno de los ejes coordenados {x, y, z} son {, , } respectivamente, con lo cual



~
~
~
Rx = R
cos Ry = R
cos y Rz = R
cos cos2 + cos2 + cos2 = 1
pero adem
as
u~a =

1.6.

~a

= cos + cos
+ cos k
|~a|

Algebra vectorial y coordenadas

Entonces podremos reescribir el


algebra vectorial como de forma algebraica, vale decir mediante operaciones referidas a las coordenadas. As
Luis A. N
un
ez

Universidad Industrial de Santander

20

M
etodos Matem
aticos de la Fsica

1.6.1.

Suma y resta de vectores

Ser
a representada por

 

+ bx + by
= (ax + bx ) + (ay + by )

~a + ~b = ax + ay
+ az k
+ bz k
+ (az + bz ) k
o equivalentemente





~a + ~b = a11 + a22 + a33 + b11 + b22 + b33 = a1 + b1 1 + a2 + b2 2 + a3 + b3 3
y obviamente, la resta





~a + ~b = a11 + a22 + a33 b11 + b22 + b33 = a1 b1 1 + a2 b2 2 + a3 b3 3
con lo cual la distancia entre dos puntos P y M sera

 q
 



2
2
2
d (P, M ) = r (P ) = ~a r (M ) = ~b = (ax bx ) + (ay by ) + (az bz )

1.6.2.

Dependencia e independencia lineal

Ahora es f
acil estudiar la dependencia/independencia lineal en coordenadas. Otra vez, tres vectores
~b = bx + by
y ~c = cx + cy
seran linealmente independientes si se cumple
~a = ax + ay
+ az k;
+ bz k
+ cz k
que
~a + ~b + ~c = 0 = = = 0
Antes de proseguir en forma general, veamos algunos casos particulares
(0, 0, 1). Estos vectores son claramente
La base can
onica 1 = (1, 0, 0) ;2 =
(0, 1, 0) ;3 = k
linealmente independientes y por lo tanto constituyen un base

=
=
=

0
0
0

Los vectores w1 = (1, 0, 0) ; w2 = + (1, 1, 0) ; 3 = + + k (1, 1, 1). Estos vectores no son


linealmente independientes de manera obvia. Veamos

= 0
=0
+
= 0
=0

+ + = 0
=0
con lo cual demostramos que son linealmente independientes y por lo tanto constituyen una base para
los vectores tridimensionales.
En general tendremos que






+ bx + by
+ cx + cy

0 = ax + ay
+ az k
+ bz k
+ cz k

0 = (ax + bx + cx ) + (ay + by + cy )
+ (az + bz + cz ) k

Luis A. N
un
ez

Universidad Industrial de Santander

ax + bx + cx = 0
ay + by + cy = 0

az + bz + cz = 0
21

M
etodos Matem
aticos de la Fsica

Esto no es otra cosa que un sistema de 3 ecuaciones lineales con 3 incognitas {, , } y la solucion que
estamos buscando = = = 0 se cumplira si


ax bx cx


ay by cy = az (by cx cx by ) ay (bx cz cz bx ) + ax (by cz cz by ) 6= 0


a z bz c z

1.6.3.

Producto escalar

n
o

Del mismo modo representaremos el producto escalar de dos vectores en una base cartesiana como ,
, k
es una base ortonormal entonces

 

bx + by
= ax bx + ay by + az bz
~a ~b = ax + ay
+ az k
+ bz k
ya que por ser ortogonales
k
=1
=

=k

=
= 0

=k
= 0
k

=k

k
=0

Las propiedades del producto escalar en coordenadas comprueban facilmente


El producto interno de un vector consigo mismo, siempre es positivo.
2

~a = ~a ~a = |~a| = a2x + a2y + a2z 0 y a2x + a2y + a2z = 0


q

Adicionalmente |~a| = ~a = ~a ~a = a2x + a2y + a2z

ax = ay = az = 0

~a = 0

El producto escalar es conmutativo


= ~a ~b = ~b ~a = ax bx + ay by + az bz = bx ax + by ay + bz az
El producto escalar es distributivo:


~a ~b + ~c = ~a ~b + ~a ~c


m
 

(bx + cx ) + (by + cy )
= ax (bx + cx ) + ay (by + cy ) + az (bz + cz )
ax + ay
+ az k
+ (bz + cz ) k
(ax bx + ax cx ) + (ay by + ay cy ) + (az bz + az cz ) = (ax bx + ay by + az bz ) + (ax cx + ay cy az cz )

La multiplicaci
on por un escalar.


 
= = || ~a ~b = (~a)~b = ~a ~b = (ax ) bx +(ay ) by +(az ) bz = ax (bx )+ay (by )+az (bz )
Desigualdad de Cauchy Schwarz.

q
q



~a ~b = ax bx + ay by + az bz a2x + a2y + a2z b2x + b2y + b2z = |~a| ~b
Luis A. N
un
ez

Universidad Industrial de Santander

22

M
etodos Matem
aticos de la Fsica

Diremos que dos vectores, no nulos son ortogonales (perpendiculares) si su producto escalar es nulo.
Esta afirmaci
on es inmediata


~a ~b h~a,~bi =
~a ~b = |~a| ~b cos h~a,~bi = 0
2
Por lo cual


ax bx + ay by + az bz = |~a| ~b cos ~a~b

ax bx + ay by + az bz
 q

cos b~ = q
~
ab
a2x + a2y + a2z
b2x + b2y + b2z

de donde se deduce que dos vectores perpendiculares


~a~b

0 = ax bx + ay by + az bz

(0, 0, 1) son claramente


Los vectores de la base can
onica 1 = (1, 0, 0) ;2 =
(0, 1, 0) ;3 = k
mutualmente ortonormales
cos =
=
= 0
=k
= 0
k
=k

k
=0
Del producto escalar surge el Teorema del Coseno. Es inmediato generalizar el producto escalar de un
vector consigo mismo, para ello suponemos que ~c = ~a + ~b, con lo cual

2

 



2
2
~c = ~a + ~b ~c ~c = ~a + ~b ~a + ~b = |~c| = |~a| + ~b + 2 |~a| ~b cos h~a,~bi
que no es otra cosa que el teorema del coseno y esta ilustrado en el cuadrante III de la Figura 1.3

1.6.4.

Producto vectorial

De igual manera aprendimos

~c = ~a ~b = (ay bz az by )+ (az bx ax bz )
+ (ax by ay bx ) k
con lo cual lo podemos organizar como el determinante de la matriz



k


~c = ~a ~b = ax ay az
bx by bz
con lo cual
q
q
 q

2
2
2
|~c| = (ay bz az by ) + (az bx ax bz ) + (ax by ay bx ) =
a2x + a2y + a2z
b2x + b2y + b2z sen ~a~b

1.6.5.

Triple producto mixto

Analicemos ahora el n
umero (pseudoescalar) que proviene de la multiplicacion

cx cy cz







~
~
V = ~c ~a b = k~ck ~a b cos h~c,~a~bi = ax ay az
bx by bz

representa del volumen del paraleleppedo cuyos lados quedan definidos por ~a, ~b y ~c.
Luis A. N
un
ez

Universidad Industrial de Santander

23

M
etodos Matem
aticos de la Fsica

1.7.

Algebra vectorial con ndices

1.7.1.

Convenci
on de Einstein

Antes de comenzar con la presentaci


on de este esquema de calculo. cabe aclarar algunas costumbres y
convenciones con la notaci
on de ndices
1. Los ndices repetidos (arriba y abajo) indicaran suma por los valores que tomen los ndices. Las componentes de los vectores tendr
an ndices arriba y los vectores base abajo
=
~a = ax + ay
+ az k

~a = a11 + a22 + a33 =

3
X

amm

~a = amm

m=1

hemos identificado 1 = ;2 =
y 3 = k
2. Los ndices repetidos son mudos (no importa la letra que lo etiquete) y representan suma. As
Kj Aj = Km Am = K1 A1 + K2 A2 + K3 A3 = B
3. Llamaremos contracci
on cuando sumamos respecto a un par de ndices, vale decir
X
Aii = A11 + A22 + A33 = Aii = A11 + A22 + A33
i

Es claro que la contracci


on de ndices convierte un conjunto de n
umeros (i j) 1,a un solo n
umero
4. Los ndices libres (aquellos que no estan sumados) indican el n
umero de objetos disponibles y deben
mantenerse. As
1
K1 A1 + K21 A2 + K31 A3 = B1

K12 A1 + K22 A2 + K32 A3 = B2


Kki Ak = Bi

1
K1 A1 + K21 A2 + K31 A3 = B1
con lo cual Kki Ak = Bi representan 3 ecuaciones y Kki Akj = Bij representara 9
5. La delta de Kronecker1 ik lleva un ndice arriba y uno abajo. Representa ik = 1 si i = k y es nula en
los otros casos. Con esto
=0

Kkij

=0

=0

=0

=0

=0

z}|{
z}|{
z}|{
z}|{
z}|{
z}|{
ki = K11j 11 + K12j 12 + K13j 13 + K21j 21 + K22j 22 + K23j 23 + K31j 31 + K32j 32 + K33j 33
|{z}
|{z}
|{z}
=1

=1

=1

es decir
Kkij ki = Kkkj = Kiij = K11j + K22j + K33j
1 Leopold Kronecker (7 diciembre 1823 Legnica, Polonia; 29 diciembre 1891, Berlin, Alemania) Matem
atico polaco con
importantes contribuciones en teora de n
umeros, funciones elpticas y algebra, as como la interrelaci
on estre estas disciplinas.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/Kronecker.html

Luis A. N
un
ez

Universidad Industrial de Santander

24

M
etodos Matem
aticos de la Fsica

6. Adem
as de la delta de Kronecker introduciremos el smbolo de permutacion de Levi-Civita2 ijk para
el caso de tres dimensiones, vale decir i, j, k = 1, 2, 3

+1 cuando {(1, 2, 3) ; (3, 1, 2) ; (2, 3, 1)} permutacion cclica


1 cuando {(1, 3, 2) ; (3, 2, 1) ; (2, 1, 3)} permutacion impar o anticclica
ijk = ijk =

0
cuando i = j; i = k j = k
y quiere decir que es distinto de cero cuando todos los ndices son diferentes; 1 si la permutaci
on de
ndices es cclicas (o par) y 1 si la permutacion es anticclica (o impar). Con ello
111
112
113
121
122
123
131
132
133

a1 b1 + a1 b2 + a1 b3 + a2 b1 + a2 b2 + a2 b3 + a3 b1 + a3 b2 + a3 b3

211 a1 b1 + 212 a1 b2 + 213 a1 b3 + 221 a2 b1 + 222 a2 b2 + 223 a2 b3 + 231 a3 b1 + 232 a3 b2 + 233 a3 b3


ijk aj bk =

311
a1 b1 + 312 a1 b2 + 313 a1 b3 + 321 a2 b1 + 322 a2 b2 + 323 a2 b3 + 331 a3 b1 + 332 a3 b2 + 333 a3 b3
con lo cual

1
c = 123 a2 b3 + 132 a3 b2 = a2 b3 a3 b2

c2 = 231 a3 b1 + 213 a1 b3 = a3 b1 a1 b3
ci = ijk aj bk

3
c = 312 a1 b2 + 321 a2 b1 = a1 b2 a2 b1

7. A continuaci
on enumeramos algunas propiedades de las deltas de Kronecker y de los smbolos de
permutaci
on de Levi-Civita las cuales le dejamos al lector su demostracion. Ellas son
jj = 3
jkm ilm = ji kl ki jl = ji kl jl ki
jmn imn = 2ji ,
ijk ijk = 6.

1.7.2.

Los vectores y los ndices

Sumas de vectores
De ese modo la suma de vectores ser
a expresada de la siguiente manera

~a + ~b = aii + bii = ai + bi i = cii ci = ai + bi con i, j = 1, 2, 3
Producto escalar
A partir da ahora y de forma equivalentemente, expresaremos el producto escalar en termino de los
ndices. De forma y manera que


~a ~b = k~ak ~b cos ~a~b = ai bi = bj aj con i, j = 1, 2, 3
2 Tullio

Levi-Civita (1873 Padova, Veneto, 1941 Roma, Italia) Ge


ometra italiano uno de los desarrolladores del C
alculo
Tensorial que m
as tarde sera utilizado, por Einstein y Weyl como el lenguaje de la Relatividad General

Luis A. N
un
ez

Universidad Industrial de Santander

25

M
etodos Matem
aticos de la Fsica

Producto vectorial
En terminos de ndices, el producto vectorial se puede expresar como

i
~a ~b = ijk aj bk con i, j = 1, 2, 3
todas las particularidades de producto vectorial ahora descansan en las propiedades del smbolo de Levy
Civita.
Triple producto mixto
Analicemos ahora el n
umero (pseudoescalar) que proviene de la multiplicacion

cx cy







i
j k
~
~
V = ~c ~a b = k~ck ~a b cos h~c,~a~bi = c ijk a b = ax ay
bx by

1.7.3.

cz
az
bz

Un par de c
alculos ilustrativos

Mostremos tres casos de identidades vectoriales que pueden ser demostradas mediante la utilizaci
on de
ndices.




1. ~a ~b ~c = (~c ~a) ~b ~a ~b ~c
El resultado ser
a un vector, por lo tanto


i


= ijk aj ~b ~c
~a ~b ~c
k

= ijk aj kmn bm cn = ijk kmn aj bm cn = ijk mnk aj bm cn



i j
j i
i j
j i
= m
n m
n aj bm cn = m
n aj bm cn m
n aj bm cn
i m j
j
= m
b n aj cn ni cn m
aj bm = bi an cn ci aj bj
| {z }
|{z}
(~
c~
a)
(~a~b)


i


~a ~b ~c
= bi (~c ~a) ci ~a ~b

2.


 


 


~a ~b ~c d~ = (~a ~c) ~b d~ ~a d~ ~b ~c
El lado derecho es un escalar, por lo tanto

 
 
l 

~a ~b ~c d~ = ~a ~b
~c d~
l
m n

aj bk lmn c d = ljk lmn aj bk cm dn



j k
k j
= jkl mnl aj bk cm dn = m
n m
n aj bk cm dn

ljk

j k
k j
= m
n aj bk cm dn m
n aj bk cm dn
j
= m
aj cm k bk dn k bk cm j aj dn
| {z }|n {z } |m {z }|n {z }
(~
a~
c)
(~bd~)
(~b~c) (~ad~)

 


= (~a ~c) ~b d~ ~a d~ ~b ~c

Luis A. N
un
ez

Universidad Industrial de Santander

26

M
etodos Matem
aticos de la Fsica

1.7.4.

El escalares, pseudoescalares, vectores y pseudovectores

La diferencia entre vectores polares y axiales proviene del siguiente comportamiento bajo transformaciones
de coordenadas y base. Un vector polar (normal, com
un y corriente) queda invariante bajo la siguiente
transformaci
on


i i
= ~a = aii aj (j ) = aii = ~a
i
i
a a
mientras que un pseudovector o vector axial cambia de signo cuando las componentes de los vectores que la
generan y sus vectores base

i i

ai ai
= ~c = ~a ~b ijk (aj ) (bk ) (i ) = cii = ~c

bi bi
es decir

~a ~b = (ay bz az by )+ (az bx ax bz )
+ (ax by ay bx ) k

 

= ((ay ) (bz ) (az ) (by )) () + ((az ) (bx ) (ax ) (bz )) (


) + ((ax ) (by ) (ay ) (bx )) k






~a ~b = (ay bz az by ) (az bx ax bz )
+ (ax by ay bx ) k
Existen varias e importantes cantidades fsicas que vienen representadas por pseudovectores, entre ellas
mencionamos
Velocidad Angular
~v =
~ ~r
~
Cantidad de Movimiento Angular
L = ~r p~
Torque
~ = ~r F~
~
B
~
~
Campo de Induccion Magnetica
t = E


Adicionalmente el volumen, V = ~c ~a ~b , como era de esperarse, no es invariante bajo cambio del
espacio

ci ci



ai ai
= V = ~c ~a ~b = ci ijk aj bk (ci ) ijk (aj ) (bk ) = V

bi bi
El volumen es un pseudoescalar mientras que los escalares son invariantes bajo esta transformacion


ai ai
= w = ~a ~b = ai bi ai (bi ) = w
bi bi
en general tambien tendremos multiplicacion entre algunos de estos objetos, con lo cual construiremos otros
objetos. Dejamos al lector demostrar la siguiente tabla de relaciones
vector
vector
pseudovector
vector
vector
pseudovector
Luis A. N
un
ez

vector
pseudovector
pseudovector
vector
pseudovector
pseudovector

=
escalar
= pseudoescalar
=
escalar
= pseudovector
=
vector
= pseudovector

Universidad Industrial de Santander

27

M
etodos Matem
aticos de la Fsica

Figura 1.5: Gemetra analtica y vectores cartesianos

1.8.

Aplicaciones del
algebra vectorial

Uno de los terrenos m


as exitosos de las aplicaciones del algebra vectorial es la geometra analtica en el
plano. Esto se realiza en base a la definici
on que hicieramos de radio vector, en la cual a cada punto, P, del
espacio le asoci
abamos un radiovector posicion tal y como lo mostramos en el cuadrante IV de la Figura 1.4
.

= x11 + x22 + x33 = xmm
P (x, y, z) x1 , x2 , x3
~r (P ) = x + y
+z k
A partir de esta definici
on todas las propiedades geometricas del espacio las podemos construir con vectores.

1.8.1.

Rectas y vectores

La ecuaci
on de la recta en termino de vectores la definiremos fijando uno de sus puntos, digamos
~ (P1 ) = X
~ 1 = x1 + y1
= x111 + x212 + x313 (x1 , y1 , z1 )
~r (P1 ) X
+ z1 k
~ = Ax + Ay
(ver cuadrante IV de la
sus puntos y un vector que indique su direccion, digamos A
+ Az k
Figura 1.5) con lo cual la ecuaci
on de una recta en lenguaje vectorial sera

x = x1 + Ax



~
~
~

y = y1 + Ay
X = X1 + A x + y
+ z k = x1 + y1
+ z1 k+ Ax + Ay
+ Az k

z = z1 + Az
~ = x + y
el conjunto de puntos genericos que cumple con la ecuacion de la recta en 3D. Si
donde X
+z k
lo colocamos en funci
on de la notaci
on de ndices, las ecuaciones anteriores son mas evidentes
~ =X
~ 1 + A
~
X
Luis A. N
un
ez

xmm = xm
m + Amm
1

m
xm = xm
1 + A

Universidad Industrial de Santander

para m = 1, 2, 3
28

M
etodos Matem
aticos de la Fsica

N
otese que efectivamente se cumplen tres ecuaciones escalares y cada una de ellas tiene la forma de una
recta. Adem
as, tal y como
muestra la Figura 1.5 el punto generico (x, y, z) lo describe (sobre la recta) la
~
variaci
on del m
odulo de A
mediante la constante de proporcionalidad . Si se requiere describir una recta
que pase por dos puntos, digamos (x1 , y1 , z1 ) y (x2 , y2 , z2 ) entonces una vez seleccionado uno de los puntos
~ = ~r (P2 ) ~r (P1 ) como la resta de los dos radiovectores a los
(digamos (x1 , y1 , z1 )) seleccionamos el vector A
puntos P2 y P1 . Esto es
~
~
~ = X1 + X2
X
1



~ =X
~1 + X
~2 X
~1
X

con =

~1 X
~
X
.
~2 X
~
X

La divisi
on entre vectores tiene sentido porque no es una division entre vectores genericos es una divisi
on
entre vectores que tienen la misma direccion Notese ademas que, lo mismo ocurre cuando despejamos
de la ecuaci
on de la recta
=

~ X
~1
X
~
A

m
xm = xm
1 + A

xm xm
x x1
y y1
z z1
1
=
=
=
Am
Ax
Ay
Az

y equivalentemente ocurre cuando despejamos de la ecuacion de la recta que pasa por dos puntos.
=

1.8.2.

~ X
~1
X
~2 X
~1
X

m
m
xm = xm
1 + (x2 x1 )

xm xm
x x1
y y1
z z1
1
m = x x = y y = z z
xm

x
2
1
2
1
2
1
2
1

Planos y vectores

Ocurre exactamente lo mismo cuando construimos la ecuacion vectorial para un plano. En general una
superficie la define su vector normal (perpendicular). En el caso de una superficie plana (un plano) tendr
a una
u
nica normal que lo define. Por lo tanto, un plano vendra definido su vector perpendicular un punto, digamos

P1 (x1 , y1 , z1 ) . La ecuaci
on vectorial del plano vendra definida por todos los vectores P Q tales que sean
~ (ver cuadrante IV de la Figura 1.5). Donde el punto P es un
perpendiculares a un determinado vector A
punto generico (x, y, z) que define un radiovector. La ecuacion vectorial del plano sera simplemente

~
A
~r (P ) ~r (P1 ) = 0
| {z }

~ (~r ~r1 ) = 0
A

~ ~r = A
~ ~r
A
| {z }1
b

~
B

Esto es se tiene que cumplir la condici


on

 
 

x + y
x1 + y1
=0
Ax + Ay
+ Az k
+z k
+ z1 k


 

(x x1 ) + (y y1 )
=0
Ax + Ay
+ Az k
+ (z z1 ) k
Ax (x x1 ) + Ay (y y1 ) + Az (z z1 ) = 0

con lo cual la ecuaci


on del plano queda como siempre ha sido
Ax x + Ay y + Az z Ax x1 Ay y1 Az z1 = 0

Luis A. N
un
ez

Ax x + Ay y + Az z = b = Ax x1 + Ay y1 + Az z1

Universidad Industrial de Santander

29

M
etodos Matem
aticos de la Fsica

Figura 1.6: Vectores variables

es decir, de manera m
as compacta
Am xm Aj xj1 = 0

Ak xk = b = Al xl1

~ ~r1 = b es la proyecci
Es claro que A
on del radiovector ~r (P1 ) sobre la perpendicular que define al plano. Por
lo tanto ser
a la distancia entre el plano y el origen de coordenadas. Si b = 0 el plano pasa por el origen de
coordenadas.
Consideremos ahora el cuadrante IV de la Figura 1.5. All estan especificados tres puntos en el espacio
caracterizados por sus correspondientes radiovectores posicion, ~r (P1 ) = ~r1 , ~r (P2 ) = ~r2 y ~r (P3 ) = ~r3 . Estos
tres puntos ser
an coplanares si

m
n
n
l
l
(~r1 ~r2 ) ((~r2 ~r3 ) (~r3 ~r1 )) = 0 mnl (xm
1 x2 ) (x2 x3 ) x3 x1 = 0
y la ecuaci
on del plano vendr
a dada por
(~r ~r1 ) ((~r2 ~r1 ) (~r3 ~r1 )) = 0

1.9.
1.9.1.

=0

Un comienzo a la derivaci
on e integraci
on de vectores
Vectores variables,

Los vectores podr


an ser constantes o variables. Ahora bien esa caracterstica se verificara tanto en las
componentes como en la base. Esto quiere decir que cuando un vector es variable podran variar su modulo, su
direcci
on, su sentido o todo junto o separado. Obviamente esta variabilidad del vector dependera de la base
en la cual se exprese, por lo cual un vector podra tener una componente constante en una base y constante
en otra.
~a (t) = ak (t)
ek (t) = a
k
ek (t) = a
k (t)
ek (t)
Luis A. N
un
ez

Universidad Industrial de Santander

30

M
etodos Matem
aticos de la Fsica

N
otese que hemos utilizado una base {
ek (t)} de vectores variables a diferencia de la tradicional base de
vectores cartesianos, los cuales son constantes en modulo direccion y sentido (ver los cuadrantes I y II
de la Figura 1.6). M
as a
un, tal y como se muestra en cuadrante IIc de la Figura 1.6 todo vector variable
podr
a ser expresado como la suma de uno variable, ~a (t) , mas otro constante ~c
~ (t) = ~a (t) + ~c
A

1.9.2.

Derivaci
on

De esta manera, cuando uno piensa en un vector variable ~a (t) ~a (t) uno rapidamente piensa en
establecer un cociente incremental tal y como se muestra en
~a (t)
d~a (t)
~a (t + t) ~a (t)
= lm
=
t0 t
t
dt
el cuadrante IV de la Figura 1.6 ilustra gr
aficamente este cociente incremental. Como siempre, las propiedades
de esta operaci
on derivaci
on ser
an




~b (t)
d ~a (t) + ~b (t)
d
d (~a (t))
=
+
dt
dt
dt
lm

t0

d ( (t) ~a (t))
d ( (t))
d (~a (t))
=
~a (t) + (t)
dt
dt
dt


d ~a (t) ~b (t)


=

dt



d ~a (t) ~b (t)
dt

d (~a (t))
dt



d ~b (t)

~b (t) + ~a (t)
dt

d (~a (t)) ~
b (t) + ~a (t)
dt



d ~b (t)
dt

Ahora bien, esto implica que



d ak (t)
ek (t)
d (~a (t))
d ak (t)
d (
ek (t))
~a (t) = a (t)
ek (t) =
=
=

ek (t) + ak (t)
dt
dt
dt
dt
con lo cual hay que tener cuidado al derivar vectores y cerciorarse de la dependencia funcional de base y
componentes. Habr
a sistemas de coordenadas (bases de vectores) que seran constantes y otros en los cuales
sus vectores bases cambiar
an en su direccion. El primer termino representa la variacion del modulo y el
segundo muestra la contribuci
on de los cambios en direccion del vector. Mas a
un, mostraremos apoyandonos
en la ilustraci
on del cuadrante el cuadrante III de la Figura 1.6 que, independientemente del sistema de
coordenada el cambio en el m
odulo apunta en la direccion del vector, mientras que las contribuciones en
direcci
on apuntan en la direcci
on perpendicular al vector. Esto es
k

d (|~a (t)|)
d (~a (t))
=
u
ak + |~a (t)| u
a con u
ak u
a = 0
dt
dt
Es f
acil convencernos de la forma del primer termino. Siempre podemos representar un vector como su
m
odulo y un vector unitario en la direcci
on apropiada. Esto es
~a (t) = |~a (t)| u
a
Luis A. N
un
ez

d (~a (t))
d (|~a (t)| u
a (t))
d |~a (t)|
d (
ua (t))
=
=
u
a (t) + |~a (t)|
dt
dt
dt
dt
Universidad Industrial de Santander

31

M
etodos Matem
aticos de la Fsica

adicionalmente


2
d |~a (t)|

|~a (t)| = ~a (t) ~a (t)


con lo cual

dt

d (~a (t) ~a (t))


d (|~a (t)|)
d (~a (t))
= 2 |~a (t)|
2~a (t)
dt
dt
dt

d (|~a (t)|)
d (~a (t))
~a (t)

2
dt
2 |~a (t)|
dt
| {z }

d (|~a (t)|)
d (~a (t))
=u
a (t)
dt
dt

u
a (t)

para que finalmente

d (~a (t))
u
a (t)
=u
a (t)
dt

d |~a (t)|
d (
ua (t))
u
a (t) + |~a (t)|
dt
dt


=

d |~a (t)|
d (~a (t))

=
a (t)

u
dt
dt

u
a (t)

d (
ua (t))
=0
dt

Es decir que el cambio en el m


odulo de un vector se manifiesta en la direccion del mismo vector, tal y
como era intuitivo suponer. Adicionalmente vemos que el vector siempre sera perpendicular a su derivada.
Gr
aficamente podemos apreciarlo en el cuadrante IV de la Figura 1.6 , pero tambien surge analticamente
de si derivamos el vector unitario en la direccion de ~a (t)


2
d
|
u
(t)|
a
d (
ua (t) u
a (t))
d (1)
d (
ua (t))
d (
ua (t))

=
0=u
a (t)
= u
a (t)
dt
dt
dt
dt
dt
es decir
d (|~a (t)| u
a (t))
d |~a (t)|
d (
ua (t))
d (|~a (t)|)
d (~a (t))
=
=
u
a (t) + |~a (t)|
=
u
ak + |~a (t)| u
a
dt
dt
dt
dt
dt
Supongamos que definimos un vector

~ = u
n

con

n u
ak
u

u
n u
a

u
n u
ak = u
a

u
a u
n = u
ak
=

u
ak u
a = u
n

donde es el
angulo de rotaci
on del vector ~a (t) (ver cuadrante V de la Figura 1.6) Claramente
~a = a (t + t) sen () u
a a (t + t) u
a
~a


~a
~
~a ~a =
~a (t)
t
t


=

= ~a = ~ ~a (t)


d (~a (t))
d ( (t))
u
a u
a =
u
n ~a (t) =
~ ~a (t)
dt
dt

donde hemos identificado


~ = d((t))
n Entonces podemos ir mas alla. Observando el cuadrante V de la
dt u
Figura 1.6 vemos que si suponemos que el modulo del vector es constante, entonces


d |~a (t)|
d (~a (t))
d (~a (t))
= 0 =
= |~a (t)| u
a =
u
a u
a =
~ ~a (t)
dt
dt
dt
Luis A. N
un
ez

Universidad Industrial de Santander

32

M
etodos Matem
aticos de la Fsica

1.9.3.

Velocidades y aceleraciones

As, el radio vector posici


on de una partcula genera los vectores velocidad y aceleracion.
~r = ~r (t)

= ~v (t) =

d (~r (t))
dt

= ~a (t) =

d (~v (t))
d2 (~r (t))
=
dt
dt2

ahora bien

~r = r (t)P u
r = xP + yP
+ zP k

con u
r = cos + sen

si suponemos que la partcula describe un movimiento entonces

rP = rP (t)
x = x (t)
y = y (t) ; u

r = u
r (t) ;

= (t)
z = z (t)

= const

= const
= const
k

con lo cual
d (cos (t) + sen (t)
)
d (t)
d (t)
d (
ur )
=
= (sen (t))
+ cos (t)

dt
dt
dt
dt
d (t)
d (
ur )
d (t)
=
[ (sen (t)) + cos (t)
] =
u

{z
}
dt
dt |
dt
u

ya que
k
ur k =

u
r u
r =

k
u k =

u
u
=

[cos (t) + sen (t)


] [cos (t) + sen (t)
] = 1
[ (sen (t)) + cos (t)
] [ (sen (t)) + cos (t)
] = 1

y
u
u
r = u
r u
= [ (sen (t)) + cos (t)
] [cos (t) + sen (t)
] = 0
M
as a
un
d (
u )
d ( (sen (t)) + cos (t)
)
d (t)
=
= (cos (t) + sen (t)
) =
u
r
dt
dt
dt
Con lo cual, una partcula que describe un movimiento generico vendra descrita en coordenadas cartesianas
por

~r = xP (t) + yP (t)
+ zP (t) k
y su velocidad ser
a



d xP (t) + yP (t)
+ zP (t) k

d~r (t)
=
dt
dt

= vxP (t) + vyP (t)


+ vzP (t) k

~v (t) =

d (xP (t))
d (yP (t))
d (zP (t))
+

+
k
dt
dt
dt

y la aceleraci
on
~a (t) =
Luis A. N
un
ez

d (vyP (t))
d (vzP (t))
d (vxP (t))

+
k = axP (t) + ayP (t)
+ azP (t) k
dt
dt
dt
Universidad Industrial de Santander

33

M
etodos Matem
aticos de la Fsica

Mientras que en coordenadas polares ser


a
~r (t) = rP (t) u
r (t)

= ~v (t) =

d (r (t)P u
r (t))
d (r (t)P )
d (
ur (t))
=
u
r (t) + r (t)P
dt
dt
dt

con lo cual la velocidad


~v (t) = vr (t)P u
r (t) + r (t)P

d (t)
u
(t)
dt

y la aceleraci
on

~a (t) =

d (~v (t))
=
dt

d

~a (t) =

dr (t)P
d (t)
u
r (t) + r (t)P
u
(t)
dt
dt
dt



d (t)
u
(t)
d r (t)P
d (vr (t)P u
r (t))
dt
=
+
dt
dt


dr (t)P
dr (t)P d (
ur (t))
dt
u
r (t) +
dt
dt
dt
dr (t)P d (t)
d2 (t)
d (t) d (
u (t))
+
u
(t) + r (t)P
u
(t) + r (t)P
2
dt
dt
dt
dt
dt




dr (t)P





d
2

dr (t)P d (t)
d (t)
d2 (t)
dt
u
r (t) + 2
~a (t) =
r (t)P
+ r (t)P
u
(t)

dt
dt
dt
dt
dt2

Claramente para el caso de un movimiento circular

ur(t)

~r (t) = R

d (t)

dR
~v (t) = R
u

= 0 =
r = R = const =
dt

dt


2

d2 (t)

~a (t) = R d (t) u
r (t) + R
u
(t)

dt
dt2
De aqu podemos ver claramente que velocidad ~v (t) y posicion ~r (t) son ortogonales. La velocidad, ~v (t) ,
siempre es tangente a la trayectoria ~r (t) y en este caso la trayectoria es una circunferencia. En general el
vector
Z
X
X
X
~rmed =
~r (ti ) =
(~r (ti + ti ) ~r (ti )) = lm
~r (ti ) = d~r (t) = ~r (t)
i

es decir d~r (t) = lmt0

t0

~r (ti ) es tangente a la trayectoria. Es claro que

h
i
zP (t)
xP (t) + yP (t)
d~r (t) = d xP (t) + yP (t)
+ zP (t) k
+
k
t
t
t
Tal y como mencionamos arriba, para el sistema de coordenadas cartesiano podemos definir un vector

Luis A. N
un
ez

Universidad Industrial de Santander

34

M
etodos Matem
aticos de la Fsica

(en este caso) velocidad angular

u
~r = u
~v

|~

~
u
~v
=u
~r

|~
|

u
~r u
~v =
|~
|

~v (t) =
~ ~r (t)

Supongamos por que, simplicidad, elegimos el sistema de coordenadas cartesiano tal que ~r este el plano x, y.
En este caso es inmediato comprobar que v i = ijk j xk y dado que ~r y ~v tienen
unicamente componentes
1, 2 entonces, necesariamente
~ tiene componente 3. Es decir

~r = rii
v = 1j2 j x2

=
=
~ = 33 |~
|3 |~
| k

~v = v ii
v = 2j1 j x1
como
~r = xP (t) + yP (t)

~v (t) =

d ( (t))
d (~r (t))
= vxP (t) + vyP (t)
=
~ ~r (t) =
k (xP (t) + yP (t)
)
dt
dt

como se ve m
as claro es en coordenadas polares, esto es
d (~r (t))
d (t)
= r (t)P
u
(t) = (|~
| u
n (t)) (r (t)P u
r (t))
dt
dt
|~r (t)| = const

~v (t) =

d (t)
r (t)P
u
(t) = |~
| r (t) u
(t)
|
{z dt }

d (t)
|~
|
dt

~
v (t)

1.9.4.

Vectores y funciones

~ (x, y, z) . Son,
Antes de continuar con la integraci
on repensemos algunas funciones de tipo (x, y, z) y V
sin duda funciones de varias variables
= (x, y, z)
~ =V
~ (x, y, z) = Vx (x, y, z) +
z (x, y, z)
V
Vy (x, y, z) + kV
un par de reflexiones se pueden hacer en este punto. Primeramente, dado que hemos relacionado un punto
del espacio con un radio vector posici
on, entonces

= (x, y, z) (~r)

P(x,y,z) (x, y, z) ~r = xP + yP
+ zP k
~
~ (x, y, z) V
~ (~r)
V =V
Luis A. N
un
ez

Universidad Industrial de Santander

35

M
etodos Matem
aticos de la Fsica

La primera funci
on, (~r) ser
a una funci
on escalar de argumento vectorial o, simplemente un campo escalar
y la segunda se conoce como una funci
on vectorial de argumento vectorial o campo vectorial. Como hemos
dicho este tipo de funciones y las operaciones que pueden ser realizadas con ellas, as como tambien su
significado, ser
a analizada en detalle m
as adelante en este mismo curso.
En segundo lugar, siempre podremos parametrizar las coordenadas y tendremos
= (t) = (x (t) , y (t) , z (t))
~ =V
~ (t) = V
~ (x (t) , (t) y, z (t))
V

~ = Vx (x (t) , y (t) , z (t)) +


z (x (t) , y (t) , z (t))
V
Vy (x (t) , y (t) , z (t)) + kV
Este caso lo hemos encontrado en montones de situaciones. El movimiento parabolico viene descrito por un
vectores velocidad y posici
on

vx = v0x


+ ~v0 = kgt
+ v0x +
0z
vy = v0x
~v = kgt
v0y + kv

vz = v0z gt

g t2
~r = k
2



t t + v0x +
0z t
+ ~v0 t = kg
v0y + kv
2

x = v0x t

y = v0x t

z = v t gt
0z
2

Derivada de funciones (~r (t))


Al derivar una funci
on de argumento vectorial tambien aplica la regla de la cadena. Esto es
z = (~r (t)) = g (x (t) , y (t) , z (t))

(x (t) , y (t) , z (t)) d x (t) (x (t) , y (t) , z (t)) d y (t) (x (t) , y (t) , z (t)) d z (t)
d (~r (t))
=
+
+
dt
x
dt
y
dt
z
dt
d (~r (t))
=
dt

(x, y, z)
(x, y, z) (x, y, z)
+

+
k
x
y
z



d x (t)
d y (t)
d z (t)
+

+
k
dt
dt
dt

d (~r (t))
~ (x (t) , y (t) , z (t)) d ~r (t)
=
dt
dt
donde hemos representado
(x, y, z)
~ (~r (t)) = (x, y, z) + (x, y, z)

+
k = m (x, y, z)m = ,m (x, y, z)m
x
y
z
y lo llamaremos el gradiente de la funci
on. El gradiente de un campo escalar es uno de los objetos mas u
tiles,
el cual lo utilizaremos, por ahora de manera operacional y recordaremos que emerge como consecuencia de
una derivaci
on contra un par
ametro. El gradiente mide el cambio del la funcion (x, y, z).
Luis A. N
un
ez

Universidad Industrial de Santander

36

M
etodos Matem
aticos de la Fsica

~ como un operador vectorial que act


La idea de gradiente nos lleva a considerar al
ua sobre la funci
on
escalar de variable vectorial (~r (t)) . Es decir con un poquito de imaginacion




~
(~r (t))
+

+ k (x, y, z) = (m m ) (x, y, z)
x
y z

~ () =


()
() ()
+

+
k = m m ()
x
y
z

Derivada de funciones ~c (~r (t))


De modo que inspirados en la regla de la cadena de una funcion escalar de variable vectorial comprobamos
que
d cx (x, y, z)
d cy (x, y, z) d cz (x, y, z) d cm (x, y, z)
d ~c
=
+

+
k=
m
dt
dt
dt
dt
dt
por consiguiente,
si ~c, tiene por componentes cartesianas (cx , cy , cz ) las componentes del vector derivado


ser
an

d cx d cy d cz
dt , dt , dt

. Con lo cual cada componente

d cm (xn (t))
cm (xn ) d xl (t)
d cm (x (t) , y (t) , z (t))
=
=
=
dt
dt
xl
dt
es decir, en terminos vectoriales




d ~c
d ~r (t) ~
~ ~c
=
~c ~v
dt
dt


d ~r (t) ~
cm (x, y, z)
dt

d ()  ~ 
= ~v () v i i ()
dt

con ~v la derivada del radiovector posici


on ~r (t), es decir, la velocidad. Es decir, estamos viendo el cambio del
vector ~c respecto al tiempo es el cambio de sus componentes en la direccion de la velocidad.
Si se nos ocurre calcular la derivada del vector velocidad para encontrar la aceleracion tendremos que
nos queda expresada como


d ~v  ~ 
~ vi
~a =
= ~v ~v
ai = ~v
dt
donde las componentes cartesianas de los vectores velocidad y aceleracion son v i = v i (x (t) , y (t) , z (t))
y ai = ai (x (t) , y (t) , z (t)) , respectivamente.

1.9.5.

El vector gradiente

~ () merece un poco de atencion en este nivel. Tal y como hemos visto


El operador vectorial


(x, y, z)
(x, y, z) (x, y, z)
~
(x, y, z) =
+

+k
x
y
z
~ (x, y, z) = 1 1 (x, y, z) + 2 2 (x, y, z) + 3 3 (x, y, z)

Luis A. N
un
ez

Universidad Industrial de Santander

37

M
etodos Matem
aticos de la Fsica

~ () realizaremos operaciones igual como un vector com


Con el operador nabla
un y corriente. As en el caso
~
~
~ viene definido por
E se denomina rotor de E

 


~
~

=
E =
+

+k
Ex + Ey
+ Ez k
x
y
z

~ E
~ =

 
 

Ez
Ey
Ex
Ez
Ey
Ez

k
y
z
z
x
x
y

~ E
~ = i ijk j Ek

Tambien tendremos el producto escalar de nabla por un vector. Esta operacion la llamaremos divergencia

 ax (x, y, z) ay (x, y, z) az (x, y, z)
ai xj

i ai xj
+
+
~a =
i
x

x
y
z
~ como un vector. De este modo habra cantidad de relaciones vectoriales
pero por ahora consideremos nabla
~
que involucren a las cuales se podr
an demostrar. Veamos

 







~ ~a ~b = ~a
~ ~b + ~b
~ ~a + ~a
~ ~b + ~b
~ ~a
1.
El resultado es un gradiente, es decir un vector. El lado izquierdo sera
i


 



~ ~a ~b

= i ~a ~b = i aj bj = i aj bj + i bj aj
mientras que el lado derecho
 
i

~ ~a ~b

= aj j bi +

= aj j bi +

= aj j bi +

= aj j bi +






~ ~b + ijk bj
~ ~a
bj j ai + ijk aj
k
k

bj j ai + ijk aj kmn m bn + ijk bj kmn m an

bj j ai + ijk mnk aj m bn + ijk mnk bj m an


i j
j i
bj j ai + m
n m
n aj m bn +

i j
j i
+ m
n m
n bj m an

i j
j i
= aj j bi + bj j ai + m
n aj m bn m
n aj m bn +
i j
j i
+ m
n bj m an m
n bj m an

= aj j bi + bj j ai + an i bn am m bi + bn i an bm m ai
= aj j bi am m bi + bj j ai bm m ai + an i bn + bn i an
{z
} |
{z
}
|
=0
=0



= an i bn + bn i an = i aj bj = i ~a ~b




 h

i


 h

i
~ ~a
~ ~a =
~ ~a
~ ~a
~
~ ~a ~a + ~a
~
~ ~a
~ ~a
~ ~a
2.

Iniciamos la traducci
on a ndices por el lado izquierdo de la ecuacion as


~ ~a
~ ~a = ijk j (am m ) ak = ijk (j am ) m ak + ijk am j m ak


= ijk (j am ) m ak + am m ijk j ak
Luis A. N
un
ez

Universidad Industrial de Santander

38

M
etodos Matem
aticos de la Fsica

el lado derecho lo traduciremos termino por termino






~ ~a
~ ~a = ( m am ) ijk j ak

h

i




~
~ ~a ~a = m mjk j ak ai = mjk m j ak ai = 0





~
~ ~a = am m ijk j ak
~a

h

i

 
~ ~a
~ ~a = mjk j ak m ai

el segundo termino se anula por cuanto mjk es antisimetrico respecto a los ndices mj mientras que
m j es simetrico. El tercer termino del desarrollo del lado derecho corresponde con el segundo del
desarrollo del lado izquierdo. Por cual llegamos a la siguiente igualdad
 
 
ijk (j am ) m ak = ( m am ) ijk j ak mjk j ak m ai
Para verificar la igualdad tendremos que evaluar componente a componente. Esto es para el lado
izquierdo
1jk (j am ) m ak = 123 (2 am ) m a3 + 132 (3 am ) m a2
= (2 am ) m a3 (3 am ) m a2
= (2 a1 ) 1 a3 + (2 a2 ) 2 a3 + (2 a3 ) 3 a3
(3 a1 ) 1 a2 (3 a2 ) 2 a2 (3 a3 ) 3 a2
mientras que para el primer termino del lado derecho



( m am ) 1jk j ak = ( m am ) 123 2 a3 + ( m am ) 132 3 a2
= 2 a3 1 a1 + 2 a3 2 a2 + 2 a3 3 a3
| {z }

3 a2 1 a1 3 a2 2 a2 2 a2 3 a3
| {z }

y el segundo termino se escribe como



 



mjk j ak m ai = 1jk j ak 1 a1 2jk j ak 2 a1 3jk j ak 3 a1
= (2 a3 3 a2 ) 1 a1 (3 a1 1 a3 ) 2 a1
(1 a2 2 a1 ) 3 a1
= 3 a2 1 a1 2 a3 1 a1 + 1 a3 2 a1 3 a1 2 a1
| {z }
| {z }| {z }

+2 a1 3 a 1 a2 3 a1
| {z }

al sumar ambos terminos se eliminan los sumandos indicados con letras griegas, y queda como
 
 
( m am ) 1jk j ak mjk j ak m ai = 2 a3 2 a2 + 2 a3 3 a3

3 a2 2 a2 2 a2 3 a3

+ 1 a3 2 a1 1 a2 3 a1

Luis A. N
un
ez

Universidad Industrial de Santander

39

M
etodos Matem
aticos de la Fsica

y al compararlo con el desarrollo del lado derecho e identificar termino a termino queda demostrado
1jk (j am ) m ak = (2 a1 ) 1 a3 + (2 a2 ) 2 a3 + (2 a3 ) 3 a3

(3 a1 ) 1 a2 (3 a2 ) 2 a2 (3 a3 ) 3 a2

De igual manera se procede con i = 2 e i = 3

1.9.6.

Integraci
on

Despues de haber diferenciado campos escalares y vectoriales, el siguiente paso es integrarlos. Encontraremos varios objetos vectoriales a integrar seran:
Z
~ (u) d u
V
integracion de un vector por un escalar

Z
(x, y, z) d ~r

integracion de un escalar a lo largo de un vector

~ (x, y, z) d ~r
V

integracion de un vector a lo largo de otro vector

~ (x, y, z) d ~r
V

integracion de un vector por otro vector

el primero de casos es el tipo de integral que siempre hemos utilizado para encontrar la posicion a partir
de la velocidad. Los siguientes tres casos se conocen con el nombre de integrales de lnea por cuanto es
importante la ruta o trayectoria que sigamos al integrar. Esto aparece indicado por la letra C en la
integral y ser
a evidente m
as adelante. En general la integral de lnea dependera de la trayectoria.
Un vector por un escalar
El primer caso de este tipo integrales es el trivial que siempre hemos utilizado:
Z

Z
Z
Z
Z
~ (u) d u = Vx (u) d u +
Vz (u) d u =
V
Vy (u) d u + k
V i (u) d u
ei
La integral de un vector (en un sistema de coordenadas cartesianas) por un escalar se convierte en una suma
de tres integrales de siempre, cada una a lo largo de las componentes cartesianas del vector.
As integramos la aceleraci
on de un movimiento parabolico
Z
Z
d ~v
= ~v = ~a dt = k
g dt = kgt
+ ~v0 = kgt
+ v0x +
0z
= ~a = g k
v0y + kv
dt
Ahora bien, existen sutilezas en este caso que debemos tener en cuenta. Por ejemplo considere la integral

 Z
 

 Z


Z
d2 ~a
d
d ~a
d ~a d ~a
d
d ~a
d ~a
dt ~a
=
dt
~
a

=
dt
~
a

= ~a
+ ~c
dt2
dt
dt
dt
dt
dt
dt
dt

Luis A. N
un
ez

Universidad Industrial de Santander

40

M
etodos Matem
aticos de la Fsica

Pero en general los casos quedan resueltos integrando componente a componente con la ayuda de la notaci
on
de ndices

Z
Z



dt ijk aj bk |ei i
dt ~a ~b =
Quiz
a uno de los problemas que ilustra mejor esta situacion es el movimiento bajo fuerzas centrales. La Ley
de Gravitaci
on de Newton nos dice que
X

d ~v
M
=mG 2 u
r
dt
rmM

F = m ~a = m

d ~v
M
=G 2 u
r
dt
rmM

Es costumbre definir la velocidad aerolar, ~vA , como el area barrida por el radio vector posicion, ~r (t) que
describe la trayectoria de la partcula


d (r u
r )
dr
du
r
du
r
du
r
d ~r
=ru
r
=ru
r
u
r + r
=ru
r r
= r2 u
r
2~vA = ~r
dt
dt
dt
dt
dt
dt
N
otese que si ~c es un vector constante


d
du
r
du
r
= ~c
u
r
= 0 = u
r
dt
dt
dt

= 2~vA = r2 u
r

du
r
= const
dt

con lo cual
d
d ~v
M
MG
(~v ~vA ) =
~vA = G 2 u
r ~vA =
dt
dt
rmM
2
MG
d
(~v ~vA ) =
dt
2




du
r
u
r u
r
dt




du
r
du
r
MG d u
r
u
r
u
r (
ur u
r )
=
dt
dt
2 dt

integrando
MG
u
r + p~
2
donde p~ es un vector arbitrario de constante de integracion. Finalmente nos damos cuenta que


MG
MG
u
r + p~ =
r + rp cos
~r (~v ~vA ) = r u
r
2
2
~v ~vA =

2
~r (~v ~vA ) = ijk ri vj vAk ~vA (~r ~v ) = ~vA ~vA = vA

y entonces
2
vA

MG
=
r + rp cos
2

= r =

MG
2

2
vA

+ p cos
1+

2
2vA
MG
2p
M G cos

que constituye la ecuaci


on de una c
onica.
Un escalar a lo largo de un vector

R
c

(~r) d~r

El segundo objeto que tropezaremos es la integracion de funciones de varias a lo largo de una curva
determinada. Esto es
Z
Z
Z
Z
Z


= (x, y, z) d x+
(x, y, z) d z
(x, y, z) d~r = (x, y, z) dx + dy
+ dz k
(x, y, z) d y+k
c

Luis A. N
un
ez

Universidad Industrial de Santander

41

M
etodos Matem
aticos de la Fsica

la integral se nos ha convertido


 en tres integrales, las cuales son ahora componentes de un vector. Esto
es una base constante. Ahora bien, cada una de estas integrales son
es posible dado que la base ,
, k
interdependientes, dado que hay que seguir la misma curva c. Consideremos el caso bidimensional que es
m
as simple y contiene toda la riqueza conceptual del tridimensional. As
Z (1,2)
Z (1,2)
Z (1,2)



2
2
2
(x, y) = 3x + 2y =
3x + 2y d~r =
3x + 2y d x +

3x2 + 2y d y
(0,0)

(0,0)

(0,0)

Se requiere especificar la curva c a lo largo de la cual integraremos desde el punto P1 (0, 0) al punto
P2 (1, 2) . Si recorremos la ruta (0, 0) (1, 0) (1, 2) tendremos que
Z (1,0)
Z (1,0)
Z 1



2
2
3x + 2y d~r =
3x + 2y dx =
3x2 dx =
(0, 0) (1, 0) = y = cte = 0 =
(0,0)

(1,0)

Z
(1, 0) (1, 2) = x = cte = 1

(0,0)

Z
3x + 2y dy =

(0,0)

Z
c1 (0, 0) (1, 0) (1, 2)

(0,0)

con lo cual
cA
1

(1,2)

Z
3x + 2y d~r =

(3 + 2y) dy = 10

(1,2)


3x2 + 2y d~r = + 10

=
(0,0)

cB
1

si hubieramos seleccionado la recta que une a estos dos puntos como la curva c2 entonces
c2 y = 2x

= d y = 2d x

(1,2)


3x2 + 2y d~r =

(0,0)

(1,2)

(1,2)

Z

3x2 + 2y d x +


3x2 + 2y d y

(0,0)

(0,0)

(1,2)


3x2 + 2y d~r =

(0,0)

Z

3x2 + 2 (2x) d x +


3x2 + 2 (2x) 2dx = 3+6

En general la curva c se parametrizar


a y las integrales en varias variables se convertiran en integrales a lo
largo del par
ametro que caracteriza la curva

x = x ( )
y = y ( )
c

z = z ( )

Z
(x, y, z) d~r =

(x ( ) , y ( ) , z ( ))
c

y ( )
z ( )
x ( )

d +
d
+
d k

Z
(x, y, z) d~r =

Luis A. N
un
ez

Z
x ( )
y ( )
(x ( ) , y ( ) , z ( ))
d +
(x ( ) , y ( ) , z ( ))
d

c
c
Z
(x ( ) , y ( ) , z ( )) z ( ) d
+k

c
Universidad Industrial de Santander

42

M
etodos Matem
aticos de la Fsica

las parametrizaciones para las curvas anteriores son muy simples

x=
x=2
x=
cA
; cB
; c2 =
1 =
1 =

y=0
y=
y = 2
R

Un vector a lo largo de otro vector

F~ (~r) d~r

R
Quiz
a la integral de lnea m
as conocida sea una del tipo c F~ (~r) d~r por cuanto nos la hemos tropezado
en el c
alculo del trabajo de que realiza una fuerza. Todo lo que hemos considerado al parametrizar la curva
en el caso anterior, sigue siendo v
alido.
Z
Z
Z
Z
Z

F~ (~r) d~r = Fx (x, y, z) dx + Fy (x, y, z) dy + Fz (x, y, z) dz = F i xj dxi
c

Por lo cual, si consideramos



F~ (~r) = 3x2 + 2xy 3 +6xy

Z (1, 43 2)

F~ (~r) d~r =

Z (1, 43 2)

(0,0)



3x2 + 2xy 3 +6xy
(dx + dy
)

(0,0)

Z (1, 34 2)

F~ (~r) d~r =

Z (1, 43 2)

3x + 2xy

(0,0)

Z (1, 43 2)
dx +

6xy dy

(0,0)

(0,0)

y si la curva que une esos puntos viene parametrizada por

x( )
x = 2 2

= 4
=

y( )
y = 3 +
= 3 2 + 1

entonces la primera de las integrales resulta


Z (1, 43 2)

3x + 2xy

dx =

Z 

3 2 2

2

+ 2 2 2

3 +

3 

(4 ) d

(0,0)

Z (1, 43 2)

3x + 2xy

Z
dx =

(0,0)

y la segunda

2
2

Z (1, 43 2)


1
9305
12 5 + 4 12 + 12 10 + 12 8 + 4 6 d = +
2
4 96 096

2
2

Z
6xy dy =

(0,0)

6 2 2

3 +


65
3 2 + 1 d =
32

con lo cual
Z (1, 43 2)
(0,0)

Luis A. N
un
ez

F~ (~r) d~r =

Z (1, 43 2)

3x + 2xy
(0,0)

Z (1, 43 2)
dx +

6xy dy =
(0,0)

Universidad Industrial de Santander

73
9305
+
2
32 96 096

43

M
etodos Matem
aticos de la Fsica

1.10.

Vectores y n
umeros complejos

Desde la m
as tierna infancia matem
atica nos hemos tropezado con las llamadas races imaginarias o
complejas de polinomios. De este modo la solucion a un polinomio c
ubico

x = 2i
x = 2i
x3 3x2 + 4x 12 = 0 =
= (x + 2i) (x 2i) (x 3) = 0

x=3
o cuadr
atico


x = 2i
x + 4 = 0 =
= (x + 2i) (x 2i)
x = 2i

umero imaginario i
nos lleva a definir un n
umero i2 = 1 i = 1 como vimos arriba al multiplicar el n
por cualquier n
umero real obtendremos el n
umero imaginario puro bi, con b <. La nomenclatura n
umeros
imaginarios surgi
o de la idea de que estas cantidades no representan mediciones fsicas. Esa idea ha sido
abandonada pero el nombre qued
o.
2

1.10.1.

Los n
umeros complejos y su
algebra

Un n
umero complejo, z, es la generalizacion de los n
umeros imaginarios (puros), ib. Esto es

a parte real
z = a + ib
con a, b < =

b parte imaginaria
Obviamente los n
umeros reales ser
an a + i0 n
umeros complejos con su parte imaginaria nula. Los n
umeros
imaginarios puros ser
an n
umeros complejos con su parte real nula, esto es 0 + ib. Por ello en general diremos
que
z = a + ib = a = Re (z) b = Im (z)
es decir, a corresponde a la parte real de z y b a su parte imaginaria.
Cada n
umero complejo, z, tendr
a un n
umero complejo conjugado, z tal que
z = a + ib

z = a ib

(z ) = z

z z = a2 + b2

claramente
z z 0

= |z| = |z | = z z

Es importante se
nalar que, en general, no existe relacion de orden entre los n
umeros complejos. Vale
decir, que no sabremos si un n
umero complejo es mayor que otro. No esta definida esta operacion.
z1 z2

z1 z2

las relaciones de orden s


olo se podr
an establecer entre modulos de n
umeros complejos y no n
umeros complejos
en general.
R
apidamente recordamos el
algebra de los n
umeros complejos:
dos n
umeros complejos ser
an iguales si sus partes reales e imaginarios lo son
z1 = z2
Luis A. N
un
ez

= (a1 + ib1 ) = (a2 + ib2 )

= a1 = a2

Universidad Industrial de Santander

b1 = b2
44

M
etodos Matem
aticos de la Fsica

se suman dos n
umeros complejos sumando sus partes reales y sus partes imaginarias.
z3 = z1 + z2

= (a1 + ib1 ) + (a2 + ib2 ) = (a1 + a2 ) + i(b1 + b2 ) = a3 + ib3


| {z }
| {z }
a3

b3

claramente z + z = 2 Re z tambien z z = 2 Im z. Igualmente es inmediato comprobar que

(z1 + z2 ) = z1 + z2
se multiplican n
umeros complejos por escalares multiplicando el escalar por sus partes reales e imaginarias
z3 = z1 = (a1 + ib1 ) = (a1 ) + i (b1 )
se multiplican n
umeros complejos entre si, multiplicando los dos binomios y teniendo cuidad que
i2 = 1.
z3 = z1 z2 = (a1 + ib1 ) (a2 + ib2 ) = (a1 a2 b1 b2 ) + i (a1 b2 + b1 a2 )

tambien es inmediato comprobar que (z1 z2 ) = z1 z2


se dividen n
umeros complejos siguiendo la estrategia de racionalizacion de fracciones irracionales. Esto
es
z1
(a1 + ib1 ) (a2 ib2 )
a1 a2 + b1 b2
b1 a2 a1 b2
(a1 + ib1 )
z3 =
=
=
+i
=
2
2
z2
(a2 + ib2 )
(a2 + ib2 ) (a2 ib2 )
(a2 + b2 )
(a22 + b22 )
es claro que el divisor ser
a cualquier n
umero complejo excepto el cero complejo, 0 + i0

1.10.2.

Vectores y el plano complejo

Mirando con cuidado el


algebra de n
umeros complejos nos damos cuenta que un n
umero complejo puede
ser representado por una dupla de n
umeros complejos es decir,
z = (a + ib)

z = (a, b)

las propiedades entre n


umeros complejos de igualdad, suma y multiplicacion por un escalar arriba expuestas se
cumplen de forma inmediata con esta nueva representacion. Hay que definir las operaciones de multiplicaci
on
y divisi
on entre n
umeros complejos de forma que


a1 a2 + b1 b2 b1 a2 a1 b2
(a1 , b1 )
=
,
(a1 , b1 ) (a2 , b2 ) = (a1 a2 b1 b2 , a1 b2 + b1 a2 )
(a2 , b2 )
(a22 + b22 )
(a22 + b22 )
Esta asociaci
on de un n
umero complejo con una pareja de n
umeros inmediatamente nos lleva a imaginar
un punto en un plano (complejo) en el cual la primera componente (horizontal) representa la parte real
y la segunda componente (vertical) representa la parte imaginaria. De esta forma asociamos a un n
umero
complejo a un vector que une a ese punto (a, b) con el origen del plano complejo. Esta representaci
on de
n
umeros complejos como vectores un el plano (complejo) de conoce con el nombre de Diagrama de Argand3
a pesar que no fue Jean Argand, sino Caspar Wessel4 el primero en proponerlo. Por cierto esta interpretaci
on
3 En honor a Jean Robert Argand, (Ginebra, Suiza, 18 Julio 1768; Paris, Francia 13 agosto 1822) Contador pero matem
atico
aficionado. Propuso esta interpretaci
on de n
umeros complejos como vectors en un plano complejo en un libro autoeditado con
sus reflexiones que se perdi
o y fue rescatado 7 a
nos despu
es, fecha a partir de la cual Argand comenz
o a publicar en Matematicas.
Mas detalles en http://www-groups.dcs.st-and.ac.uk/\char126\relaxhistory/Mathematicians/Argand.html
4 Caspar Wessel (Vestby, Noruega 8 junio 1745; 25 marzo 1818, Copenhagen, Dinamarca) Matem
atico noruego que se
dedic
o principalemente al levantamiento topogr
afico de Noruega. Su trabajo sobre la interpretaci
on de n
umeros complejos permaneci
o desconocido por casi 100 a
nos. M
as detalles http://www-groups.dcs.st-and.ac.uk/\char126\relaxhistory/
Mathematicians/Wessel.html

Luis A. N
un
ez

Universidad Industrial de Santander

45

M
etodos Matem
aticos de la Fsica

fue tres veces redescubierta primero por Caspar Wessel en 1799, luego por Jean Argand en 1806 y finalmente
por Gauss5 en 1831.
De esta manera como un recordatorio al plano real

2
2

r = zz = |z| = x + y
z = x + iy z = r (cos + i sen ) con

tan = y donde
x
La interpretaci
on vectorial de n
umeros complejos permite que la suma de n
umeros complejos sea representada
por la regla del paralelogramo. Mientras que los productos escalar y vectorial nos llevan a
z1 z2 = Re (z1 z2 ) = Re (z1 z2 )

z1 z2 = Im (z1 z2 ) = Im (z1 z2 )

Con esta interpretaci


on tendremos
x = Rez
y =
Imz
r = zz = |z|

1.10.3.

componente real del vector z o parte real de z


componente imaginaria del vector z o parte real de z
m
odulo, magnitud o valor absoluto de z
angulo polar o de fase del n

umero complejo z

F
ormulas de Euler y De Moivre

Nos hemos tropezado con la expansi


on en Taylor6 esta serie permite expresar cualquier funcion infinitamente diferenciable alrededor de un punto x0 como una serie infinita de potencias del argumento de la
funci
on. Esto es



d f (x)
1 d2 f (x)
1 d3 f (x)
2
3
f (x) = 1 +
(x x0 ) +
(x x0 ) +
(x x0 ) +
d x x=x0
2 d x2 x=x0
3! d x3 x=x0
n

f (x) = Cn (x x0 )

con Cn =


1 dn f (x)
n! d xn x=x0

donde n = 0, 1, 2, 3, 4

con lo cual si consideramos x0 = 0 entonces


1
1
1
1 5
1 6
1 7
ex = 1 + x + x2 + x3 + x4 +
x +
x +
x +
2
6
24
120
720
5040
1
1
1 6
cos x = 1 x2 + x4
x +
2
24
720
1
1 5
1 7
sen x = x x3 +
x
x +
6
120
5040
5 Johann Carl Friedrich Gauss (30 abril 1777, Brunswick, Alemania; 23 febrero 1855, G
ottingen, Alemania). Uno de los
m
atem
aticos m
as geniales y precoces de la Historia. Desde los 7 a
nos comenz
o a mostrar sus condiciones de genialidad. Sus
contribuciones en Astronoma y Matem
aticas son m
ultiples y diversas. M
as detalles http://www-groups.dcs.st-and.ac.uk/
\char126\relaxhistory/Mathematicians/Gauss.html
6 Brook Taylor (18 agosto 1685, Edmonton, Inglaterra; 29 diciembre 1731, Londres, Inglaterra) F
sico y Matem
atico Ingl
es
contemporaneo de Newton y Leibniz y con ellos particip
o profundamente en el desarrollo del C
alculo diferencial e integral.
Adem
as de sus aportes magnetismo, capilaridad y termometra, desarroll
o el
area de diferencias finitas que hasta hoy utilizamos
para c
alculos en computaci
on. Invent
o la integraci
on por partes y descubri
o la serie que lleva su nombre. M
as detalles http:
//www-history.mcs.st-andrews.ac.uk/Mathematicians/Taylor.html

Luis A. N
un
ez

Universidad Industrial de Santander

46

M
etodos Matem
aticos de la Fsica

Es f
acil convercerse que
e





1 2
1
1 4
1 5
1 6
1
3
= 1 + i + i + +
i
+
i 7 +
2
6
24
120
720
5040

puede rearreglarse como






1
1
1
1 6
1 5
1 7
ei = 1 2 + 4
+ + i 3 +

+
2
24
720
6
120
5040
{z
}
{z
}
|
|
cos

sen

ei = cos + i sen
esta relaci
on se conoce como la relaci
on de Euler 7 . Con lo cual ahora tenemos tres formas de representar
un n
umero complejo
z = x + iy z = r (cos + i sen ) z = rei
La expresi
on z = x + iy se conoce como forma cartesiana de representacion de un n
umero complejo, la
forma z = r (cos + i sen ) ser
a la forma trigonometrica o polar y la expresion z = ei sera la forma de Euler.
Es importante notar una sutileza implcita en esta notacion. La forma cartesiana representa unvocamente
a un n
umero complejo, mientras que la forma polar (y la de Euler), es ambigua
z = r (cos + i sen ) = r (cos( + 2n) + i sen( + 2n))

(1.1)

es decir, existen varios valores del argumento que definen el mismo n


umero complejo. Esto se considerar
a m
as
adelante cuando tratemos las funciones de n
umero complejos.
Las sumas de n
umeros complejos son mas facilmente planteables en su forma cartesiana. Mientras las
multiplicaci
on y divisi
on ser
an directas en la forma de Euler

z1 = r1 ei1
= z1 z2 = ei1 ei2 = ei(1 +2 ) = r1 r2 (cos (1 + 2 ) + i sen (1 + 2 ))
i2
z2 = r2 e
M
as a
un, si
z = x + iy

= ez = e(x+iy) = ex eiy = ex (cos y + i sen y)

y a partir de la relaci
on o f
ormula de Euler se puede demostrar la De Moivre 8
n
n
ei = ein (cos + i sen ) = cos (n) + i sen (n) con n entero

1.10.4.

Algunas Aplicaciones Inmediatas

Presentaremos algunas aplicaciones inmeditas la formula de De Moivre en varios ambitos


7 Leonhard

Euler (15 abril 1707, Basilea, Suiza; 18 septiembre 1783, San Petersburgo, Rusia). Uno de los matem
aticos m
as
prolficos de todos los tiempos. Desarroll
o inmensamente campos como la geometra analtica y trigonometra, siendo el primero
que consider
o el coseno y el seno como funciones. Hizo aportes significativos en el desarrollo del c
alculo diferencial e integral
as como tambi
en, astronoma, elasticidad y mec
anica de medios contnuos. M
as detalles http://www-history.mcs.st-andrews.
ac.uk/Mathematicians/Euler.html
8 Abraham de Moivre (26 mayo 1667 in Vitry-le-Fran
cois, Francia; 27 noviembre 1754, Londres Inglaterra) Matem
atico
franc
es que tuvo que emigrar a Inglaterra por razones religiosas. Contemporaneo de Newton, Liebniz, Halley, fue pionero con
sus contribuciones en Geometra Analtica y Teora de Probabilides.

Luis A. N
un
ez

Universidad Industrial de Santander

47

M
etodos Matem
aticos de la Fsica

Identidades trigonom
etricas
La primera de las aplicaciones de la f
ormula de De Moivre es para construir identidades trigonometricas
en las cuales se expresa el coseno o el seno de factores de un angulo. Esto las siguientes (nada triviales)
identidades trigonometricas
cos 3 = 4 cos3 3 cos

sen 3 = 3 sen 4 sen

para demostrar estas (y otras) identidades utilizamos la formula de De Moivre, es decir


3

cos 3 + i sen 3 = (cos + i sen )

= cos3 3 cos sen2 + i 3 cos2 sen sen3

igualando ahora parte real e imaginaria tendremos


cos 3 = cos3 3 cos sen2

= cos3 3 cos 1 cos2 = 4 cos3 3 cos
sen 3 = 3 cos2 sen sen3

3
= 3 1 sen2 sen sen3 = 3 sen 4 sen
El metodo puede extenderse a expresiones de senos y cosenos de n
Igualmente podemos desarrollar un metodo para encontrar expresiones de potencias de funciones trin
gonometricas en termino de funciones de factores de angulo del tipo (cos ) = F (cos n, sen n) . Para
empezar, supongamos que tenemos un n
umero complejo de modulo 1, de tal forma que

1
n

z + z n = 2 cos n
z = ei = cos + i sen

z n 1 = 2 sen n
zn
. Estas identidades surgen de manera inmediata de
1
n
n
z n + n = (cos + i sen ) + (cos + i sen ) = (cos n + i sen n) + (cos (n) + i sen (n))
z
= cos n + i sen n + cos n i sen n
1
z n + n = 2 cos n
z
igualmente puede demostrarse la segunda de las afirmaciones anteriores. Ahora bien, supongamos adem
as
que n = 1, con lo cual se cumple que
1
1
y
z = ei ei = 2 sen
z + = ei + ei = 2 cos
z
z
que tambien lo sabamos desde la mas temprana edad de nuestros bachilleratos. Ahora bien, lo que quiz
a no
sabamos en esos entonces (y quiz
a ahora tampoco) es que a partir de aqu podemos construir

5

 
 

1
1
1
1
5
10
5
5
3
cos = 5 z +
= 5
z + 5 + 5z + 3 + 10z +
2
z
2
z
z
z
es decir

1
[2 cos 5 + 10 cos 3 + 20 cos ]
25
de la misma manera se puede proceder con otras potencias y con potencias de la funcion seno.
cos5 =

Luis A. N
un
ez

Universidad Industrial de Santander

48

M
etodos Matem
aticos de la Fsica

Races de polinomios
La f
ormula de De Moivre nos puede ayudar para la encontrar races de polinomios. Supongamos, para
empezar que queremos encontrar las n races de la ecuacion z n = 1. Para ello procedemos con el siguiente
artificio
z n = 1 = cos (k2) + i sen (k2) = ei(k2) con k = 0, 1, 2, ....
con lo cual las n races de la ecuaci
on z n = 1 seran
z = e i(

zn = 1
z

z1 = e2i( n ) ;
1

z 0 = 1;

z2 = e2i( n ) ;
2

k2
n

}|
3
z3 = e2i( n ) ;

zn2 = e2i(

n2
n

);

zn1 = e2i(

n1
n

{
)

es decir n races corresponder


an a los n valores de k = 0, 1, 2, n 2, n 1. Mayores valore de k no proveen
nuevas races.
Estas propiedades pueden extenderse a races de polinomios. Supongamos la siguiente ecuacion polin
omica
con sus races:
4
z + 2 = 0 z 4 = 2

5
4
4
z z + 2z 2 = 0 z + 2 (z 1) = 0

z1=0 z =1
una vez m
as
z 4 = 2

4
z0 = i 2;

z 4 = 2ei(k2)

k2
4
z = i 2ei( 4 )

4
4
z1 = i 2ei 2 = 2;

4
4
z2 = i 2ei = i 2;

3
4
4
z3 = i 2ei 2 = 2

por lo tanto la ecuaci


on z 5 z 4 + 2z 2 = 0 tendra tres races reales y dos complejas

4
4
4
4
z 5 z 4 + 2z 2 = 0 z0 = i 2; z1 = 2; z2 = i 2; z3 = 2;

z4 = 1

Una afirmaci
on que nos han dicho y que quiza no sepamos de donde viene es que si un polinomio
con coeficientes reales tiene races complejas, ellas
an complejas conjugadas unas deotras. Vale decir si
ser
z 5 z 4 + 2z 2 = 0 tiene como raz z0 = i 4 2 tambien tendra como raz z2 = i 4 2 y z0 = z2 . Esta
afirmaci
on se prueba de forma general si suponemos que tenemos una ecuacion
ai z i = 0

con i = 0, 1, 2, n 1, n

a0 + a1 z + a2 z 2 + an1 z n1 + an z n = 0

donde los coeficientes a0 , a, a2 , , an1 , an los suponemos reales, esto es ai = ai para todos los valores del
ndice i. Al tomar complejo conjugado a la ecuacion nos queda
a0 + a1 z + a2 z 2 + an1 z n1 + an z n = 0

n1

+ an (z ) = 0

n1

+ an (z ) = 0

a0 + a1 z + a2 (z ) + an1 (z )

a0 + a1 z + a2 (z ) + an1 (z )

como los coeficientes son reales tenemos que


a0 + a1 z + a2 z 2 + an1 z n1 + an z n = 0

que no dice otra cosa que si z es soluci


on tambien lo sera z ya que la ecuacion es la misma por tener los
mismos coeficientes (reales).
Luis A. N
un
ez

Universidad Industrial de Santander

49

M
etodos Matem
aticos de la Fsica

Ahora consideremos el siguiente polinomio complejo P (z) = z 6 z 5 + 4z 4 6z 3 + 2z 2 8z + 8 = 0. Si


por alg
un metodo comprobamos que (z 3 2) es uno de sus factores, entonces podremos encontrar las races
del polinomio P (z). Veamos:
Claramente si (z 3 2) es un factor podemos expresar
P (z) = z 6 z 5 + 4z 4 6z 3 + 2z 2 8z + 8 = (z 3 2)(z 3 z 2 + 4z 4) = (z 3 2)(z 1)(z 2 + 4)
con lo cual, como z es complejo, hay que tener cuidado de las races encubiertas

3
a(a2 3b2 ) = 2
a=
4
z 3 = 2 (a + ib)3 = 2 a3 3ab2 + i(3a2 b b3 ) = 2

b(b2 3a2 ) = 0
b=
3
4
es decir, las 6 races ser
an
z3 = 2

z=2
z = 1 1 i3
3
4

z = 1,

z = 2i

Logaritmos y potencias de n
umeros complejos
Definamos las siguiente funci
on
z = ei

Ln z = i

donde Ln representar
a el logaritmo natural del n
umero complejo z. Notese que hemos utilizado Ln en lugar
de tradicional ln y la raz
on es la ambig
uedad implcita en la notacion de Euler, vale decir
z = rei

Ln z = ln r + i ( + 2n) = ln r + i

en otras palabras, Ln z no es funci


on por ser multivaluada. Se supera esta dificultad cuando se restringe el
argumento < y esta se conoce como el valor principal de la funci
on Ln z = ln z.
Por ejemplo, al evaluar el


h
i

+ 2n
con n = 0, 1, 2,
Ln (3i) = Ln 3ei( 2 +2n) = ln 3 + i
2
por lo tanto el valor principal del Ln (3i) sera ln (3i) = ln 3 i 2 .
Con la misma intuici
on se procede con las potencias de n
umeros complejos. Si queremos evaluar z = i5i
tendremos que proceder como sigue
h
i

z = i5i Ln (z) = Ln i5i = 5i Ln (i) = 5i Ln ei( 2 +2n) =

con lo cual z = i5i = e5( 2 +2n) es un n


umero real !

3 
Para finalizar consideremos otro par de casos de potencias y logaritmos ii y ln
3+i
. Entonces



i




ii = exp i
+ 2n
= exp i2
+ 2n = exp 2n
2
2
2
y para
ln

n







o3 


1
1
= 3 ln 2 exp i arctan
= 3 ln 2 + i arctan
= ln 8 + i
3+i
+ 6n
2
3
3

Luis A. N
un
ez

Universidad Industrial de Santander

50

M
etodos Matem
aticos de la Fsica

1.11.

Algunos Ejemplos Resueltos

~ del centro de masa para un sistema de N partculas como


1. Hemos definido como la posici
on, R,
N
~ = i=1 mi~ri
R
N
j=1 mj

donde ~ri corresponde con la posici


on de la iesima partcula
Determine la posici
on del centro de masa para un sistema de tres masas, mi = 1,2,3, colocadas en los
vertices de un tri
angulo equil
atero de lado l = 2
Soluci
on: Al colocar el origen de coordenadas en uno de los vertices y uno de los ejes de coordenadas sobre uno
de los lados. Entonces,


1 2 + 3 + 3
3i=1 mi~ri
3
5
m1~r1 + m1~r1
~
R= 3
= +

=
=
j=1 mj
MT
6
6
2
y los siguientes vectores
2. Dada una base ortonormal {,, k}
~a = 3 + 2 + k ~b = 3 2 + k ~c = k
a) Comprobar si {~a, ~b, ~c} forman base
Soluci
on: Para que los vectores formen base tienen que ser linealmente independientes. Esto es ~a +~b+~c =
0 = = = 0 con lo cual

3 + 3 + = 0






2 2 = 0
3 + 2 + k + 3 2 + k + k = 0

+ =0
y al resolver esl sistema se obtiene = = = 0 con lo cual se demuestra que son linealmente
independientes


Otra manera de resolverlo es mostrar que ~c ~a ~b 6= 0 y efectivamente



 1 0 1
1 = 4 6= 0
~c ~a ~b = 3 2
3 2 1
b) Si {~a, ~b, ~c} forma base, exprese d~ = + 2 ~e = 3 2 f~ = ~a ~b en termino de esa base {~a, ~b, ~c}.
~ ~e, f~} en termino
De lo contrario, construya una base como {~a, ~b, ~a ~b} y exprese los vectores {d,
de esa nueva base
Soluci
on: Como forman base expresamos los vectores en termino esos terminos. Esto es

3 + 3 + = 1






2 2 = 2
+ 2 = 3 + 2 + k + 3 2 + k + k

+ =0
resolviendo tendremos que d~ = 85 ~a 83~b + 41 ~c. Seguidamente

3 + 3 + = 3


2 2 = 2
3 2 = 3 + 2 + k + 3 2 + k + k

+ =0


Luis A. N
un
ez

Universidad Industrial de Santander

51

M
etodos Matem
aticos de la Fsica

resolviendo tendremos que ~e = 18 ~a + 78~b + 43 ~c


Ahora bien


 

~a ~b 3 + 2 + k 3 2 + k 3
3

2
2

k
1
1




= 4 12k

con lo cual

3 + 3 + = 4


2 2 = 0
4 12k = 3 + 2 + k + 3 2 + k + k

+ = 12


y finalmente f~ = ~a ~b = ~a ~b + 10~c
3. Utilizando la notaci
on de ndices demostrar que para cualquier tro de vectores {~a, ~b, ~c} se cumple que
~
~
~a (b ~c) + b (~c ~a) + ~c (~a ~b) = 0
Soluci
on: En notaci
on de ndices
~a (~b ~c) + ~b (~c ~a) + ~c (~a ~b) = lmi am ijk bj ck + lmi bm ijk cj ak + lmi cm ijk aj bk
con lo cual arreglando
lmi ijk am bj ck + lmi ijk bm cj ak + lmi ijk cm aj bk =



jl km jm kl am bj ck + jl km jm kl bm cj ak + jl km jm kl cm aj bk =
y ahora desarrollando los productos de s, nos queda

ak bl ck ak bk cl + bk cl ak bk ck al + ck al bk ck ak bl = 0
| {z } | {z }
| {z } | {z }
| {z } | {z }
I

II

II

III

III

e indentificando termino a termino, notamos que se anula.


4. Una partcula se mueve a lo largo de una curva descrita por
x(t) = 3t2

y(t) = 4t3 t

z(t) = t

a) Encuentre las expresiones para los vectores: posicion, velocidad y aceleracion de esa partcula
Soluci
on:
~r(t) = 3t2 + (4t3 t) + tk ~v = 6t + (12t2 1) + k ~a = 6 + 24t
b) Encuentre las expresiones, m
as generales, de los vectores tangentes y perpendiculares a todo a
punto de la trayectoria de la partcula
Soluci
on: Vector tangente a todo punto de la trayectoria es el vector velocidad
~v = 6t + (12t2 1) + k
tal que
El perpendicular a todo punto, sera un vector ~b = bx + by + bz k,
(bx + by + bz k)
= 6tbx + (12t2 1)by + bz = 0
(6t + (12t2 1) + k)
con lo cual
~b = bx + by (6tbx + (12t2 1)by )k
Luis A. N
un
ez

Universidad Industrial de Santander

52

M
etodos Matem
aticos de la Fsica

5. El campo de fuerzas del oscilador anarmonico anisotropo bidimensional se escribe como


F~ = k1 x2 + k2 y
Encuentre el trabajo realizado,

R (x2 ,y2 )
(x1 ,y1 )

(1.2)

d~r F~ a lo largo de las siguientes trayectorias

a) (1, 1) (4, 1) (4, 4)


Soluci
on:

(4,1)

(dx) (k1 x2 + k2) +

(4,4)

(1,1)

(dy) (k1 16 + k2 y) = 21k1 +

15k2
2

(dx) (k1 x2 + k2 4) = 21k1 +

15k2
2

(4,1)

b) (1, 1) (1, 4) (4, 4)


Soluci
on:
Z

(1,4)

(4,4)

(dy) (k1 + k2 y) +
(1,1)

(1,4)

c) (1, 1) (4, 4) para x = y


Soluci
on:
Z

(4,4)

(dx + dx) (k1 x2 + k2 x) =

(1,1)

(4,4)

(k1 x2 + k2 x)dx = 21k1 +

(1,1)

15k2
2

6. Dados los siguientes puntos en el espacio (1, 0, 3); (2, 1, 0); (0, 1, 1); (1, 0, 1).
a) Considere los tres primeros puntos. Estos tres puntos son coplanares ? por que ? De ser
coplanares,
Soluci
on: Tres puntos en el espacio definen un plano, por lo tanto siempre ser
an coplanares
1) Encuentre el
area del tri
angulo que tiene por vertices esos tres puntos
Soluci
on: Para ello seleccionamos uno de los puntos como un vertice privilegiado (digamos (2, 1, 0))
respecto al cual construiremos dos vectores que representan dos de los lados del tri
angulo.
Esto es

~a = (1, 0, 3) (2, 1, 0) ~a = 1 + + 3k
y
~b = (0, 1, 1) (2, 1, 0) ~b = 2 + k

con lo cual, el
area del vertice
estos dos vectores. Es decir



1
~
~
A = k~a bk ~a b =
2

ser
a la mitad del
area del paralelogramo que tiene por lados

1 1
2 0

k
3
1



= 30
A = 1 k 5 + 2kk
= 5 + 2k

2
2

2) Encuentre la ecuaci
on del plano que los contiene
Soluci
on: La ecuaci
on del plano vendr
a dada por
(~r ~r1 ) ((~r2 ~r1 ) (~r3 ~r1 )) = 0
donde

~r = x + y + z k,

Luis A. N
un
ez

~r1 = + 3k,

~r2 = 2 ,

Universidad Industrial de Santander

~r3 = + k,

53

M
etodos Matem
aticos de la Fsica

con lo cual la

(x 1)


1

1

ecuaci
on del plano queda como

y (z 3)
1
3 = 0 (x 1) + 5y 2(z 3) = 0
1
2

x 5y + 2z = 7

b) Considere los cuatro puntos Estos cuatro puntos son coplanares ? por que ? De NO ser
coplanares, encuentre la distancia del cuarto punto al posible plano que contiene a los otros tres.
Soluci
on: Para verificar si el cuarto punto est
a en el plano, verificamos si cumple la ecuaci
on que lo define
(1) 5(0) + 2(1) 6= 7
los cuatro puntos no son coplanares. Para calcular la distancia del cuarto punto al plano construyo
el vector unitario normal al plano
~nP =



 

~a ~b
1 
d = ~nP ~c = 1 5 + 2k
3 + + k

=
5 + 2k
30
30
k~a ~bk

con lo cual la distancia al cuarto punto ser


a
 

1 
3 + + k
= 6
d = ~nP ~c =
5 + 2k
30
30
7. Considere los siguientes tres vectores
w

w
~ 1 = + 3k
~ 2 = 2 3 w
~ 3 = + k
a) Forman una base para R3 ? Explique detalladamente
Soluci
on: Son linealmente independientes, estos es
w
~ 1 + w
~ 2 + w
~3 = 0

===0

que se comprueba directamente al resolver

+2
3

=0
=0
=0

en la posible base {w
b) Si es que forman base, exprese el vector ~a = 3 + 3k
~ 1, w
~ 2, w
~ 3}
Soluci
on: Como son linealmente independientes, forman base, con lo cual cualquier vector puede ser expresado como combinaci
on lineal de estos tres. Eso es:

= 3

=1
+2

3 = 3
= 13
~a = w
~ 1 + w
~ 2 + w
~3

3
+ = 3

=2
8. Utilizando la notaci
on de ndices muestre si se cumple la siguiente identidad





 



~ ~a ~b = ~a
~ ~b ~b
~ ~a + ~b
~ ~a ~a
~ ~b

Luis A. N
un
ez

Universidad Industrial de Santander

54

M
etodos Matem
aticos de la Fsica

Soluci
on:



j
i j
~ ~a ~b = ijk j (klm al bm ) = (li m

m
l )j (al bm ) = m (ai bm ) l (al bi )
expandiendo la derivada
~ (~a ~b) = bm m (ai ) + ai m (bm ) bi l (al ) al l (bi ) (~b )~
~ a + (
~ ~b)~a (
~ ~a)~b (~a )
~ ~b

9. La trayectoria de un punto en el plano vista por un observador 1 es


~r1 (t) = 5 cos 3t2 + 5 sen 3t2
a) Exprese las aceleraciones radiales y tangenciales de esta partcula
Soluci
on: Es claro que la partcula describe un movimiento circular donde (t) = 3t2
~r(t) = 5
ur

~v (t) =

d(t)
d~r(t)
=5
u
= 30t u

dt
dt

~a(t) =

d~a(t)
= 30 u
30t u
r
dt

b) Considere ahora un segundo observador, el cual describe una trayectoria respecto al primero
representada por
~r21 (t) = (t3 4t) + (t2 + 4t)
Encuentre las expresiones para los vectores posicion, velocidad y aceleracion de la partcula medidos respecto al segundo observador
Soluci
on: La trayectoria de la partcula respecto al segundo observador ser
a
~r2 (t) = ~r1 (t) ~r21 (t) = 5 cos 3t2 + 5 sen 3t2 ((t3 4t) + (t2 + 4t) )
con lo cual
~r2 (t) = (5 cos 3t2 (t3 4t)) + (5 sen 3t2 (t2 + 4t))
entonces
~v2 (t) =

d~r2 (t)
= (30t cos 3t2 (3t2 4)) + (30t sen 3t2 (2t + 4))
dt

y
~a2 (t) =

d~v2 (t)
= (30 cos 3t2 180tt sen 3t2 6t) + (30 sen 3t2 180t2 cos 3t2 2)
dt

10. El campo de fuerzas del oscilador armonico anisotropo bidimensional se escribe como
F~ = k1 xi + k2 yj
Encuentre el trabajo realizado,
Soluci
on: En general
Z (4,4)

d~r F~ =

(1,1)

(4,4)

R (x2 ,y2 )
(x1 ,y1 )

d~r F~ a lo largo de las siguientes trayectorias

Z


(dx + dy ) k1 xi + k2 yj =

(1,1)

(4,4)

(1,1)

(4,4)

dx k1 x +

dy k2 y
(1,1)

a) (1, 1) (4, 1) (4, 4)


Z

(4,4)

(1,1)

Luis A. N
un
ez

d~r F~ =

(4,1)

(4,4)

dy k2 y =

dx k1 x +
(1,1)

(4,1)

4
4


1
1
15
k1 x2 + k2 y 2 =
(k2 k1 )
2
2
2
1
1

Universidad Industrial de Santander

55

M
etodos Matem
aticos de la Fsica

b) (1, 1) (1, 4) (4, 4)


Z

(4,4)

d~r F~ =

(1,4)

dx k1 x =
(1,4)

(1,1)

(1,1)

(4,4)

dy k2 y

4
4


1
1
15
k2 y 2 k1 x2 =
(k2 k1 )
2
2
2
1
1

c) (1, 1) (4, 4) para x = y


Z

(4,4)

(1,1)

Luis A. N
un
ez

d~r F~ =

dx (k2 k1 ) x =
1

4

1
15
(k2 k1 ) x2 =
(k2 k1 )
2
2
1

Universidad Industrial de Santander

56

Bibliografa
[1] Arfken, G. B.,Weber, H., Weber, H.J. (2000) Mathematical Methods for Physicists 5ta Edici
on
(Academic Press, Nueva York)
[2] Borisenko, A.I, y Tarapov I.E. (1968) Vector and Tensor Analisys (Dover Publications Inc, Nueva
York)
[3] Dennery, P. y Krzywicki, A. (1995) Mathematics for Physicists (Dover Publications Inc, Nueva York)
[4] Harper, C. (1971) Introduction to Mathematical Physics (Prentice Hall, Englewood Cliff, N.J:)
[5] Hassani, S. (1991) Foundations of Mathematical Physics (Prentice Hall, International Edition,
London:
[6] Hauser, W (1971) Introduction to Principles of Electromagnetism
Reading)

(Addison-Wesley Pub Co

[7] Riley, K.F., Hobson, M.P. y Bence, S.J. (2002) Mathematical Methods for Physics and Engineering (Cambridge University Press)
[8] Santal
o, L.A (1969) Vectores y Tensores (Editorial Universitaria, Buenos Aires)
[9] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)
[10] Spiegel, M. (1959) Vector Analysis (Schaums Outline Series, McGraw Hill New York )

57

Captulo 2

Espacios Vectoriales Lineales

58

M
etodos Matem
aticos de la Fsica

2.1.

Grupos, Campos y Espacios Vectoriales

2.1.1.

Grupos

Considere el siguiente conjunto G = {g1 , g2 , g3 , , gn , } y la operacion  entonces estos elementos


forman un grupo abeliano1 respecto a la operacion  si gi G
1. Cerrada respecto a la operaci
on : {gi , G, gj G} gk = gi  gj G
2. Asociativa respecto a la operaci
on : gk  (gi  gj ) = (gk  gi )  gj
3. Existencia de un elemento neutro: 1 G 3 gi  1 = gi = 1  gi
4. Existencia de un elemento inverso: gi , G gi1 G 3 gi  gi1 = gi1  gi = 1
5. Conmutativa respecto a la operaci
on : gi  gj gj gi
Si s
olo se cumplen las cuatro primeras, entonces se dice que simplemente forman grupo respecto a la
operaci
on . Se pueden definir subgrupos
Ejemplos:

Ser
an grupo:

Los enteros Z = { 3 2, 1, 0, 1, 2, 3, } respecto a la suma pero no respecto a la multiplicaci


on
(excluyendo el cero) por cuanto no existe inverso.
Los racionales respecto a la suma y a la multiplicacion
Las rotaciones en 2 Dimensiones (2D), sin embargo las rotaciones en 3D forman grupo no-abeliano.
Dado un grupo de tres elementos, G = {1, a, b} y la operacion , por construccion si queremos
que la operaci
on de dos de los elementos provea un tercero distinto, entonces la u
NICA tabla de
multiplicaci
on posible ser
a:
 1 a b
1 1 a b
a a b 1
b
b 1 a
Ejercicio
1. Sea S el conjunto de todos los n
umeros reales excluyendo 1 y defina la operacion 
a  b = a + b + ab
donde + es la suma est
andar entre n
umeros reales.
a) Muestre que [S, ] forman grupo
b) Encuentre la soluci
on en S para la ecuacion 2  x  3 = 7
1 NIELS

HENRIK ABEL, (1802-1829 Noruega) Pionero en el desarrollo de diferentes ramas de la matem


atica moderna, Abel
mostr
o desde su infancia un notable talento para el estudio de las ciencias exactas. Tal predisposici
on se vera muy pronto
confirmada por sus precoces investigaciones sobre cuestiones de a
lgebra y c
alculo integral, en particular sobre la teora de las
integrales de funciones algebraicas (a las que se denominara abelianas en honor de su formulador) que no habra de publicarse
hasta 1841, doce a
nos despu
es de su fallecimiento. En 2002 el gobierno noruego lanz
o el premio Abel que llenar
a el vaco que
existe en la premiaci
on Nobel del gobierno sueco, en el cual no existe premiaci
on para la comunidad matem
atica.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians

Luis A. N
un
ez

Universidad Industrial de Santander

59

M
etodos Matem
aticos de la Fsica

2.1.2.

Campo

Definiremos como un campo como el conjunto F = {f1 , f2 , f3 , , fn , } sobre el cual estan definidas
dos operaciones suma, +, y multiplicaci
on, , y que satisfacen las siguientes propiedades
1. Forman un grupo abeliano respecto a la suma, +,con el elemento neutro representado por el cero, 0.
2. Forman un grupo abeliano respecto a la multiplicacion, . Se excluye el cero, 0 y se denota el elemento
neutro de la multiplicaci
on como 1.
3. Es distributiva respecto a la suma, + : Dados fi , fj y fk se tiene que
fi (fj + fk ) = fi fj + fi fk
Ejemplos tpicos de campos lo constituyen los racionales Q, los n
umeros reales R y los n
umeros complejos
C. Normalmente se refiere estos campos como Campos Escalares

2.1.3.

Espacios Vectoriales Lineales

Sea el conjunto de objetos V = {|v1 i , |v2 i , |v3 i |vi i } se denominara V un espacio vectorial
lineal y sus elementos |vi i vectores, si existe definida una operacion suma, , respecto a la cual los elementos
|vi i V de forman un grupo abeliano y una operacion multiplicacion por un n
umero escalar de un campo,
K = {, , } tal que:
1. La operaci
on suma  es cerrada en V : |vi i , |vj i V |vk i = |vi i  |vj i V
2. La operaci
on suma  es conmutativa y asociativa
a) |vi i , |vj i V |vi i  |vj i = |vj i  |vi i
b) |vi i , |vj i , |vk i V (|vi i  |vj i)  |vk i = |vj i  (|vi i  |vk i)
3. Existe un u
nico elemento neutro: ! |0i

|0i  |vj i = |vj i  |0i = |vj i

|vj i V

4. Existe un elemento simetrico para cada elemento de V :


|vj i V |vj i 3 |vj i  |vj i = |0i
5. ( |vi i) = () |vi i
6. ( + ) |vi i = |vi i + |vi i
7. (|vi i  |vj i) = |vi i  |vj i
8. 1 |vi i = |vi i
Es inmediato notar que podemos definir subespacios vectoriales dentro de los espacios vectoriales. Ellos
ser
an aquellos conjuntos de vectores que cumplan con los requisitos anteriores pero ademas sean cerrado
dentro de los esos mismos conjuntos de vectores.

Luis A. N
un
ez

Universidad Industrial de Santander

60

M
etodos Matem
aticos de la Fsica

Ejemplos
Ser
an ejemplos de espacios vectoriales
1. Los n
umeros reales y complejos con el campo de reales o complejos y definidas las operaciones ordinarias
de suma y multiplicaci
on. V R;  +; |vi x; K R.
V C;  +; |vi i x + iy; K R.
Si el campo K es el conjunto de los n
umeros reales se dira que es un espacio vectorial real de n
umeros
reales si V R y si V C se dira un espacio vectorial real de n
umeros complejos. Por su parte si
K C diremos que es un espacio vectorial complejo de n
umeros reales ( si V R) o complejos (
V C ). Siempre se asociar
a el campo de escalares al espacio vectorial. Se dira que es un espacio
vectorial sobre el campo de los escales. Si el campo es real (complejo) se dira que el espacio vectorial
es real (complejo).
2. El espacio V Rn = R R R, vale decir el producto cartesiano de R, cuyos elementos son
nuplas de n
umeros, con la operaci
on suma ordinaria de vectores en n-dimensionales y la multiplicaci
on
por escalares.
|xi = (x1 , x2 , x3 , xn )

|yi = (y1 , y2 , y3 , , yn )

|xi  |yi (x1 + y1 , x2 + y2 , x3 + y3 , xn + yn )


|xi = (x1 , x2 , x3 , xn )
Este espacio vectorial es de dimensi
on finita. Igualmente, sera espacio vectorial Cn = C C C
para el cual los elementos xi C. Si para este caso el campo sobre el cual se define el espacio vectorial
Cn es real, tendremos un espacio vectorial real de n
umeros complejos. Es obvio que el caso V R para
el cual |xi1 = (x1 , 0, 0, , 0) y |yi1 = (y1 , 0, 0, , 0) o cualquier espacio de vectores formados por
las componentes, i.e. |xii = (0, 0, 0, , xi , 0) y |yii = (0, 0, 0, , yi , 0) formaran subespacios
vectoriales dentro de Rn
3. El espacio E constituido por vectores |xi = (x1 , x2 , x3 , xn , ) contables pero con infinitas componentes.
|xi = (x1 , x2 , x3 , , xn , )

|yi = (y1 , y2 , y3 , , yn , )

|xi  |yi (x1 + y1 , x2 + y2 , x3 + y3 , , xn + yn , )


|xi = (x1 , x2 , x3 , , xn , )
con la restricci
on que
lm

n
X

xi = L

con L finito

k=1

4. Para el conjunto de la matrices n n reales o complejas con el campo K real o complejo.


|xi = Mab

|yi = Nab

|xi  |yi Mab + Nab = (M + N )ab


|xi = Mab = (M )ab
Es tambien obvio que se podr
an formar subespacios vectoriales cuyos elementos sean matrices de
dimensi
on menor a n n

Luis A. N
un
ez

Universidad Industrial de Santander

61

M
etodos Matem
aticos de la Fsica



5. El conjunto de todos los polinomios con coeficientes reales P = ao , a1 x, a2 x2 , , an xn , con 
la suma ordinaria entre polinomios y la multiplicacion ordinaria de polinomios con escalares
6. Espacios Funcionales (de los cuales lo polinomios son un caso particular) En estos espacios los vectores
ser
an funciones, la suma sera la suma ordinaria entre funciones y la multiplicacion por un escalar
tambien sera la multiplicaci
on ordinaria de una funcion por un elemento de un campo
|f i = f (x)

|gi = g (x)

|f i  |gi f (x) + g (x) (f + g) (x)


|f i = (f ) (x) f (x)
Con este esquema vemos otros ejemplos
a) El conjunto de todas las funciones continuas e infinitamente diferenciables, definidas en el intervalo

[a, b] : C[a,b]
b) El conjunto de todas las funciones complejas
R de variable 2real, (x) , definidas en [a, b] , de cuadrado integrable (es decir para las cuales [a,b] dx k (x)k sea finita). Este espacio se denomina
com
unmente L2 y pueden ser definidas en un rango [a, b] finito o infinito y para mas de una
variable.
Ejercicios
Muestre que tambien ser
an espacios vectoriales
1. El conjunto de todas las funciones f = f (x) definidas en x = 1 con f (1) = 0. Si f (1) = c, tendremos
igual un espacio vectorial ? por que ?
2. Los vectores (x, y, z) V3 tal que sus componentes satisfacen el siguiente sistema de ecuaciones algebraico
a11 x + a12 y + a13 z = 0
a21 x + a22 y + a23 z = 0
a31 x + a32 y + a33 z = 0
La importancia de la conceptualizaci
on y la notaci
on
En los ejemplos antes mencionados hemos utilizado para representar un vector abstracto la notaci
on de
|v1 i y con ellos construimos un espacio vectorial abstracto V = {|v1 i , |v2 i , |v3 i , , |vn i} . Un espacio
vectorial abstracto ser
a un conjunto de elementos genericos que satisfacen ciertos axiomas. Dependiendo del
conjunto de axiomas tendremos distintos tipos de espacios abstractos. En matematica el concepto de espacios
abstracto es reciente (1928) y, aparentemente, se le debe a Maurice Frechet2 . La teora resulta de desarrollar
las consecuencias l
ogicas que resultan de esos axiomas. Los elementos de esos espacios se dejan sin especificar
a prop
osito. Ese vector abstracto puede representar, vectores en Rn , matrices n n o funciones continuas. La
notaci
on |v1 i, que se denomina un ket y al cual corresponde un bra hv2 | proviene del vocablo ingles braket
que significa corchete y ser
a evidente m
as adelante cuando construyamos escalares braket hv2 | |v1 i . Esta u
til
notaci
on la ide
o Paul Dirac3 , uno de los fsicos mas influyentes en el desarrollo de la fsica del siglo pasado
2 MAURICE FR
eCHET (1878 Maligny, Yonne, Bourgogne-1973 Pars, Francia). Vers
atil Matem
atico Franc
es, con importantes contribuciones en Espacios M
etricos, Topologa y creador del concepto de espacios abstractos.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/
3 PAUL ADRIEN MAURICE DIRAC (1902 Bristol, Inglaterra 1984-Tallahassee, EE.UU) Adem
as de contribuir de manera
determinante en la comprensi
on de la Mecanica Cu
antica, es uno de los creadores de la Mecanica Cuantica Relativista la cual

Luis A. N
un
ez

Universidad Industrial de Santander

62

M
etodos Matem
aticos de la Fsica

2.2.

M
etricas y Espacios M
etricos

El siguiente paso en la dotaci


on de propiedades de los espacios lineales lo constituye la idea de metrica o
distancia entre sus elementos. El concepto de metrica surge de la generalizacion de la idea de distancia entre
dos puntos de la recta real.
Un Espacio vectorial sera metrico si podemos definir una funcion
d : V V R 3 |xi , |yi , |zi V se cumple que
1. d (|xi , |yi) 0

si

d (|xi , |yi) = 0 |xi |yi

2. d (|xi , |yi) d (|yi , |xi)


3. d (|xi , |yi) d (|xi , |zi) + d (|yi , |zi) La desigualdad Triangular
As, diremos que (V, K,; d) es un espacio vectorial, lineal, metrico.
Ejemplos
1. Espacios Euclidianos reales Rn
a) Para R, es decir la recta real, la definicion de metrica es d (|xi , |yi) |x y|
b) Para R2 , es decir
q el plano, una definicion de metrica es
2
2
d (|xi , |yi) (x1 y1 ) + (x2 y2 ) . Tambien podemos construir otra definicion de metrica
como d1 (|xi , |yi) |x1 y1 | + |x2 y2 | . Es claro como el mismo espacio vectorial genera varios
espacios metricos, dependiendo de la definicion de metrica
c) q
En general para Espacios Euclidianos reales Rn una posible definicion de metrica sera d (|xi , |yi)
2
2
2
2
(x1 y1 ) + (x2 y2 ) + (x3 y3 ) + + (xn yn )
2. Espacios Unitarios ndimensionales, o Espacios Euclidianos complejos, Cn , la definicion de distancia
puede construirse
q como
2

d (|xi , |yi) |x1 y1 | + |x2 y2 | + |x3 y3 | + + |xn yn | y es claro que se recobra la idea
de distancia en el plano complejo: d (|xi , |yi) |x y|

3. Para los Espacios Funcionales C[a,b]


una posible definicion de distancia seria
d (|f i , |gi) m
axt[a,b] |f (t) g (t)|

Es importante destacar que las definiciones de distancia arriba propuesta son invariante con traslaciones
de vectores. Esto es: |
xi = |xi + |ai |
yi = |yi + |ai, entonces
d (|xi , |yi) d (|
xi , |
yi) .

2.3.

Normas y Espacios Normados

La idea de distancia, de metrica, es el equipamiento mas elemental que uno le puede exigir a un espacio
vectorial. Mucho m
as interesante a
un son aquellos espacios vectoriales que estan equipados con la idea de
norma y a partir de all se define la idea de distancia. La norma tiene que ver con el tama
no del vector y
ayud
o a comprender el papel que juega el espn en las partculas subat
omicas. Por sus importantes trabajos comparti
o con
Erwin Schr
odinger el Premio Nobel de fsica en 1933.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/

Luis A. N
un
ez

Universidad Industrial de Santander

63

M
etodos Matem
aticos de la Fsica

la metrica tiene que ver con la distancia entre vectores. Cuando definimos la metrica a partir de la norma,
vinculamos las propiedades algebraicas del espacio con sus propiedades geometricas.
La norma, k|vi ik n (|vi i) de un espacio vectorial V = {|v1 i , |v2 i , |v3 i |vn i} sera una funci
on
n: V R3 |vi i V se cumple que
1. n (|vi i) k|vi ik 0

si

k|vi ik = 0 |vi i |0i

2. n ( |vi i) k |vi ik = || k|vi ik


3. k|xi + |yik k|xik + k|yik Desigualdad Triangular.
La definici
on de norma induce una metrica de la forma d (|xi , |yi) k|xi |yik . Se denota en este caso
un espacio vectorial normado como (V, K,; kk) y tambien se le conoce como un Espacio de Banach. El
concepto de espacio vectorial normado fue formulado en 1922 de manera independiente por S. Banach4 , H.
Hahn y N Wiener
Ejemplos
1. Espacios Euclidianos reales, Rn y Espacios Euclidianos Complejos Cn
Para estos espacios de Banach, la norma se define como
q
2
2
2
2
k|xik = |x1 | + |x2 | + |x3 | + + |xn | =

n
X

! 21
|xi |

i=1

p
es claro que para un espacio Euclidiano R3 se cumple que k|xik = x21 + x22 + x23 por lo tanto la idea de
norma generaliza la noci
on de tama
no del vector |xi . Tambien es claro que la definicion de distancia
se construye a partir de la norma de la forma
q
2
2
2
2
d (|xi , |yi) k|xi |yik = |x1 y1 | + |x2 y2 | + |x3 y3 | + + |xn yn |
2. Para el Espacio Lineal de matrices n n reales o complejas con el campo K real o complejo, una
definici
on de norma es
n
m X
X
|Mab |
kM k =
a=1 b=1

y la correspondiente definici
on de distancia
d (|xi , |yi) kM N k =

m X
n
X

|Mab Nab |

a=1 b=1

3. Para los Espacios Funcionales C[a,b]


una posible definicion de norma sera:

k|f ik = max |f (t)|


t[a,b]

otra posible definici


on sera
Z
k|f ik =

! 21
2

dx |f (x)|
t[a,b]

4 Stefan Banach (1892 Kracovia, Polonia-1945 Lvov,Ucrania) Matem


atico polaco, uno de los fundadores del An
alisis Funcional Moderno, con sus mayores contribuciones a la teora de espacios topol
ogicos. Hizo tambi
en importantes aportes a la
teora de la Medida, Integraci
on y Teora de conjuntos y Series Ortogonales.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/

Luis A. N
un
ez

Universidad Industrial de Santander

64

M
etodos Matem
aticos de la Fsica

2.4.

Producto Interno y Espacios de Hilbert

El siguiente paso en la construcci


on de espacios vectoriales mas ricos es equiparlo con la definici
on de
producto interno y a partir de esta definicion construir el concepto de norma y con este el de distancia. La
idea de producto interno generaliza el concepto de producto escalar de vectores en R3 en incorpora a los
espacios vectoriales abstractos el concepto de ortogonalidad y descomposicion ortogonal. Historicamente, la
teora de espacios vectoriales con producto interno es anterior a la teora de espacios metricos y espacios
de Banach y se le debe a D. Hilbert5 . En su honor, los espacios vectoriales abstractos dotados de producto
interno se denominan espacios de Hilbert. Adicionalmente, la semejanza entre la geometra euclidiana y la
geometrica de Rn ha hecho que espacios en los cuales de puedan definir, distancia, angulos, a partir de una
definici
on de producto interno, de denominen tambien espacio Euclidianos.

2.4.1.

Producto Interno

En un espacio vectorial abstracto V = {|v1 i , |v2 i , |v3 i |vn i} la definicion del producto interno de
dos vectores se denota como hvi | vj i y es una funcion de
V V C 3 |xi , |yi , |zi V, es decir asocia a ese par de vectores con un elemento del campo
escalar. Las propiedades que definen el producto interno son
1. hx| xi

hx| xi 0

|xi , |yi V

2. hx| yi = hy| xi

3. hx| y + zi = hx| yi + hx| zi


4. hx| yi = hx| yi

|xi V

si

hx| xi = 0 |xi |0i

hx + z| yi = hx| yi + hz| yi

hx| yi = hx| yi

|xi , |yi V

|xi , |yi , |zi V

5. hx| 0i = h0| xi = 0
A partir de la definici
on de producto interno se construyen los conceptos de norma y distancia
p
p
y
d (|xi , |yi) k|xi |yik = hx y| x yi
k|xik = hx| xi

2.4.2.

La desigualdad de Cauchy Schwarz

Todo producto interno hx| yi definido en un espacio vectorial abstracto V = {|v1 i , |v2 i , |v3 i |vn i}
cumple con la desigualdad de Cauchy-Schwarz
2

|hx| yi| hx| xi hy| yi

|hx| yi| k|xik k|yik

Es claro que |xi = |0i |yi = |0i se cumple la igualdad y es trivial la afirmacion. Para |xi |yi
cualesquiera procedemos construyendo |zi = |xi + |yi con |xi |yi arbitrarios pero y tendr
an
valores particulares, por lo tanto
hz| zi hx + y| x + yi 0
hx + y| x + yi = hx| xi + hx| yi + hy| xi + hy| yi 0
2

hx + y| x + yi = || hx| xi + hx| yi + hy| xi + || hy| yi 0


5 David Hilbert (1862 Kaliningrad, Rusia-1943 G
ottingen, Alemania) Matem
atico alem
an defensor de la axiom
atica como
enfoque primordial de los problemas cientficos. Hizo importantes contribuciones en distintas a
reas de la matem
atica, como
invariantes, campos de n
umeros algebraicos, an
alisi funcional, ecuaciones integrales, fsica matem
aticam y c
alculo en variaciones.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/

Luis A. N
un
ez

Universidad Industrial de Santander

65

M
etodos Matem
aticos de la Fsica

si = hy| yi se tiene que


2

hy| yi hx| xi + hx| yi + hy| xi + || 0


seguidamente seleccionamos = hx| yi y por lo tanto = hy| xi y consecuentemente
2

hy| yi hx| xi hx| yi hy| xi = |hx| yi|

De la desigualdad de Cauchy-Schwarz y la definicion de norma se desprende que


2

|hx| yi|
2

k|xik k|yik

|hx| yi|
1
k|xik k|yik

por lo tanto podemos definir el


angulo entre los vectores abstractos |xi
cos =

|yi como

|hx| yi|
k|xik k|yik

M
as a
un, a partir de la definici
on de norma se obtiene

k|xi + |yik = hx + y| x + yi = hx| xi + hx| yi + hx| yi + hy| yi = hx| xi + 2 Re (hx| yi) + hy| yi
con lo cual hemos generalizado para un espacio vectorial abstracto el teorema del coseno
2

k|xi + |yik = k|xik + k|yik + 2 k|xik k|yik cos


y para el caso que los vectores |xi
Pit
agoras generalizado

|yi sean ortogonales, esto es hx| yi = 0, tendremos el teorema de


2

k|xi + |yik = k|xik + k|yik

Ejemplos
1. Espacios Euclidianos reales, Rn y Espacios Euclidianos Complejos Cn . Los vectores de estos espacios
pueden ser representados por |xi = (x1 , x2 , xn ) |yi = (y1 , y2 , , yn ) y el producto interno
queda definido por
n
X
hx| yi = x1 y1 + x2 y2 + x3 y3 , xn yn =
xi yi
i=1
2

es claro que esta definici


on de producto interno coincide, para R y R3 con la idea de producto escalar
convencional, vale decir

ax + ay + az k


~a ~b = ax bx + ay by + az bz

b + b + b k
x
y
z
ahora bien, el lector puede comprobar que para vectores en R2 tambien se puede proveer una definici
on
de producto interno
~a ~ ~b = 2ax bx + ax by + ay bx + ay by
igualmente v
alida, con lo cual es claro que en un mismo espacio vectorial pueden coexistir. Por su parte
la norma
v
u n
q
p
uX
2
2
2
2
k|xik = hx| xi = x1 + x2 + x3 , + xn = t
x2i
i=1

Luis A. N
un
ez

Universidad Industrial de Santander

66

M
etodos Matem
aticos de la Fsica

La distancia tambien recupera la idea intuitiva de distancia euclidiana


p
d (|xi , |yi) k|xi |yik = hx y| x yi

d (|xi , |yi) =

q
2
2
2
2
(x1 y1 ) + (x2 y2 ) + (x3 y3 ) + + (xn yn )

El teorema del coseno queda como


n
X

(xi + yi ) =

i=1

n
X

n
X

x2i +

v
u n
u n
X
X
u
u
y 2 + 2 t
x2 t
y 2 cos
i

i=1

i=1

i=1

i=1

mientras que Pit


agoras, queda como
n
X

n
X

(xi + yi ) =

i=1

x2i

n
X

i=1

yi2

i=1

obvio que para R2 tanto el teorema del coseno como el teorema de Pitagoras retoman su forma tradicional. Finalmente la desigualdad de Cauchy-Schwarz se expresa
n
2
! n
!
n
X

X
X


2
2
xi yi
xi
yi
|hx| yi| k|xik k|yik


i=1

i=1

i=1

2. Para los Espacios de Funciones continuas C[a,b]


una posible definicion de producto interno sera
Z
hf | gi =
dx f (x) g (x)
t[a,b]

de la cual se deriva la expresi


on para la norma
Z

k|f ik = hf | f i =

dx |f (x)|

t[a,b]

la distancia entre funciones quedar


a definida como
q
p

d (|f i , |gi) k|f i |gik hf g| f gi = hf | f i hf | gi hf | gi + hg| gi


sZ

d (|f i , |gi) =

dx |f (x) g (x)|

t[a,b]

v
uZ
u
d (|f i , |gi) = t

dx |f (x)| 2 Re

t[a,b]

dx

(x) g (x)

t[a,b]

t[a,b]

t[a,b]

dx |g (x)|

t[a,b]

! 21
2

! 21

Z
dx |g (x)|

dx |f (x)|

+2

dx |g (x)|

t[a,b]

Los teoremas del coseno puede ser escrito como


Z
Z
Z
2
2
dx |f (x) + g (x)| =
dx |f (x)| +

t[a,b]

Luis A. N
un
ez

Universidad Industrial de Santander

cos

t[a,b]

67

M
etodos Matem
aticos de la Fsica

donde

dx f (x) g (x)
1
1 
2 2
2 2 R
dx
|g
(x)|
dx
|f
(x)|
t[a,b]
t[a,b]
R

cos = 
R

t[a,b]

y como era de esperarse el teorema de Pitagoras queda


Z
Z
Z
2
2
dx |f (x) + g (x)| =
dx |f (x)| +
t[a,b]

t[a,b]

dx |g (x)|

t[a,b]

para funciones f (x) y g (x) ortogonales, mientras que para este caso, la desigualdad de Cauchy-Schwarz
se expresa
Z
2
! Z
!
Z




2
2

dx f (x) g (x)
dx |f (x)|
dx |g (x)|

t[a,b]

t[a,b]
t[a,b]

2.5.
2.5.1.

Variedades Lineales
Dependencia, independencia lineal

Siguiendo la misma lnea de razonamiento generalizamos el concepto de dependencia e independencia


lineal de R2 y R3 . As
|0i = C1 |v1 i + C2 |v2 i + C3 |v3 i + Cn |vn i =

n
X

Ci |vi i ,

i=1

Podemos afirmar que


Si esta ecuaci
on se cumple para alg
un conjunto de {Ci } no nulos, se dira que el conjunto de vectores
correspondiente {|vi i} son linealmente dependientes.
por el contrario, si esta ecuaci
on s
olo puede ser satisfecha para todos los Ci = 0, entonces se dir
a que
el conjunto de vectores correspondiente {|vi i} son linealmente independientes.
Por ejemplo, dados tres vectores en R4

1
3

|v1 i =
1 ;
2

2
0

|v2 i =
1 ;
3

1
1

|v3 i =
0 .
0

El criterio de independencia lineal se cumple si |0i = C1 |v1 i + C2


Esto es
C1
+2C2 C3 =
3C1
+C3 =
C1
+C2
=
2C1
+3C2
=

|v2 i + C3 |v3 i y todos los {Ci } son nulos.


0
0
0
0

de donde es claro ver que la u


nica soluci
on posible implica C1 = C2 = C3 = 0.

Luis A. N
un
ez

Universidad Industrial de Santander

68

M
etodos Matem
aticos de la Fsica

Ejemplos Si consideramos el espacio vectorial V = {|v1 i , |v2 i , |v3 i , , |vn i} seran ejemplos de independencia lineal:
|vk i f (t) = tk para k = 1, 2, 3, es claro que un polinomio dePgrado n + 1, no podra ser expresado
n
en terminos un polinomio de grado n. en otras palabras, tn+1 6= i=0 Ci ti
|vk i f (t) = eak t con a1 , a2 , a3 , coeficientes constantes. Tambien salta a la vista que no podremos
expresar una de esas funciones exponenciales como combinacion lineal
Si consideramos |v1 i f (t) = cos2 t, |v2 i = sen2 t y |v3 i = 1 es claro que |v1 i , |v2 i , y |v3 i son
linealmente dependientes por cuanto |v1 i + |v2 i = |v3 i . Notese que si
|v1 i = cos t,

|v2 i = sen t

|v3 i = 1,

entonces |v1 i , |v2 i , y |v3 i ser


an vectores linealmente independientes.
Consideremos ahora otros ejemplos y determinemos cual o cuales de los siguientes conjuntos de vectores
en P 3 son linealmente independientes ?
1. |x1i = 1; |x2i = x 1; |x3i = x2 ; |x4i = x2 + 2x + 1;
Linealmente dependiente ya que siempre podremos expresar |x4i = 3|x1i + 2|x2i + |x3i
2. |x1i = 2x; |x2i = x2 + 1; |x3i = x + 1; |x4i = x2 1;
Linealmente dependiente ya que siempre podremos expresar |x4i = |x1i + |x2i 2|x3i
3. |x1i = x(x 1); |x2i = x; |x3i = x3 ; |x4i = 2x3 x2 ;
Linealmente dependiente ya que siempre podremos expresar |x4i = |x1i + |x2i + 2|x3i

2.5.2.

Bases de un Espacio Vectorial

Ahora bien, dado un espacio vectorial V = {|v1 i , |v2 i , |v3 i , |vn i}, encontramos que el conjunto de
{|vn i} es linealmente dependiente, entonces siempre es posible despejar uno de los vectores en terminos de
los dem
as, vale decir
|vn i = C1 |v1 i + C2 |v2 i + C3 |v3 i + Cn1 |vn1 i =

n1
X

Ci |vi i ,

i=1

seguidamente se procede a comprobar si {|v1 i , |v2 i , |v3 i , |vn1 i} son linealmente independientes, es
decir si C1 = C2 = C3 = = Cn1 = 0. En caso de no serlo se procede otra vez a despejar uno de los
vectores en terminos de los anteriores y a aplicar el criterio de independencia lineal,
|vn1 i = C1 |v1 i + C2 |v2 i + C3 |v3 i + Cn2 |vn2 i =

n2
X

Ci |vi i ,

i=1

C1 = C2 = C3 = = Cn1 = 0.?
se repite este procedimiento hasta encontrar un conjunto {|v1 i , |v2 i , |v3 i , |vnj i} de vectores linealmente independientes. Esto es C1 = C2 = C3 = = Cnj = 0.! y por lo tanto
|vnj+1 i = C1 |v1 i + C2 |v2 i + C3 |v3 i + Cnj |vni i =

nj
X

Ci |vi i ,

i=1

C1 = C2 = C3 = = Cnj = 0.?
Luis A. N
un
ez

Universidad Industrial de Santander

69

M
etodos Matem
aticos de la Fsica

C1 = C2 = C3 = = Cnj = 0.! y por lo tanto


|0i = C1 |v1 i + C2 |v2 i + C3 |v3 i + Cnj |vnj i =

nj
X

Ci |vi i ,

i=1

En este caso diremos que {|v1 i , |v2 i , |v3 i , |vnj i} es una base para V. La dimension de V sera el
conjunto de vectores linealmente independientes, que para este caso es n j. As se puede comprobar que,
dado |xi V entonces
nj
X
|xi =
Ci |vi i ,
|xi V
i=1

y el conjunto {C1 , C2 , C3 , Cnj } es u


nico. Diremos que el n
umero mnimo de vectores,
|v1 i , |v2 i , |v3 i , |vnj i
que expanden V conforman una base de ese espacio vectorial, y que el n
umero finito de escalares {C1 , C2 , C3 , Cnj }
constituyen las componentes de |xi relativas a la base |v1 i , |v2 i , , |vnj i . Del ejemplo anterior se puede
concretar la siguiente definici
on
A un conjunto finito de vectores de un espacio vectorial,
B = {|v1 i , |v2 i , |v3 i , |vn i} V,
se les denominar
a base de ese espacio V si los |v1 i , |v2 i , |v3 i , |vn i son linealmente independientes y
expanden V. El espacio vectorial se denominara de dimension finita s la base es finita y de dimension infinita
s, por el contrario su base es infinita.
Es f
acil darse cuenta que si V lo expanden n vectores linealmente independientes, cualquier otro vector
|xi V ser
a linealmente dependiente. Igualmente facilmente demostrable que todas las bases de un espacio
vectorial V,de dimensi
on finita, tendr
an el mismo n
umero de elementos y ese n
umero de elemento ser
a la
dimensi
on del espacio.
Adicionalmente, puede ser que dentro de un espacio vectorial V se puedan encontrar subespacios y dentro
de esos subespacios un conjunto de vectores base. Vale decir |xi V :
|xi = C1 |v1 i + Cnj |vnj i + Cnj+1 |vnj+1 i Cnk |vnk i + Cnk+1 |vnk+1 i Cn |vn i
{z
}
|
{z
} |
{z
} |
S1

S2

S3

Entonces |xi = |x1 i + |x2 i + |x3 i con |x1 i S1 ; |x2 i S2 ; |x3 i S3 , entonces diremos que V es la suma
directa de S1 , S2 y S3 y lo denotaremos como V = S1 S2 S3

2.5.3.

El determinante de Gram

Existe una forma directa de comprobar la independencia lineal de una conjunto de vectores {|v1 i , |v2 i , |v3 i , |vn i}
V,y es como sigue: dado |xi V entonces

C1 hv1 |v1 i + C2 hv1 |v2 i + C3 hv1 |v3 i + + Cn hv1 |vn i = hv1 |xi

n
C1 hv2 |v1 i + C2 hv2 |v2 i + C3 hv2 |v3 i + + Cn hv2 |vn i = hv2 |xi
X
|xi =
Ci |vi i ,
..
..

.
.

i=1

C1 hvn |v1 i + C2 hvn |v2 i + C3 hvn |v3 i + + Cn hvn |vn i = hvn |xi

Luis A. N
un
ez

Universidad Industrial de Santander

70

M
etodos Matem
aticos de la Fsica

donde las C1 , C2 , C3 , Cn son las inc


ognitas, por lo cual
que

hv1 |v1 i hv1 |v2 i hv1 |v3 i

hv2 |v1 i hv2 |v2 i hv2 |v3 i


..
..

.
.

hvn |v1 i hvn |v2 i hvn |v3 i

para que este sistema tenga solucion se impone


hv1 |vn i
hv2 |vn i
6= 0
..

.

hvn |vn i

Esto es que el determinante de Gram6 distinto de cero implica que el conjunto


{|v1 i , |v2 i , |v3 i , |vn i} V es linealmente independiente. La inversa tambien es cierta.
Ejemplos
Vn tendr
a dimensi
on n y una de las posibles bases {|v1 i , |v2 i , |v3 i , |vn i} sera
|v1 i =
(1, 0, 0, , 0)
|v2 i =
(0, 1, 0, , 0)
|v3 i =
(0, 0, 1, , 0)
..
..
.
.
|vnj i = (0, 0, 0, , 1)
Esta base se conoce con el nombre de base canonica.
El
de polinomios,
P n , de grado g n tendra como una de las posibles bases al conjunto
 espacio

2 3
n
1, t, t , t , , t , por que cualquier polinomio de grado n podra ser expresado como combinaci
on

lineal de estos n+1 vectores. M


a
s
a
u
n,
el
espacio
de
todos
los
polinomios,
P
,
tendr
a
como
una
posible


base al conjunto de funciones 1, t, t2 , t3 , , tn . En este caso P sera infinito dimensional.

2.5.4.

Ortogonalidad y Bases Ortogonales

En una espacio con vectorial con producto interno, dos vectores |u1 i|u2 i seran ortogonales si su producto
interno se anula
|u1 i |u2 i hu2 |u1 i = 0
Se denomina un conjunto ortogonal de vectores {|u1 i , |u2 i , |u3 i , |un i} si

ij = 0
2
hui |uj i = ij k|uj ik
i, j = 1, 2, 3, , n
y con
ij = 1

si i 6= j
si i = j

y se denominar
a conjunto ortonormal si k|uj ik = 1.
Un conjunto ortogonal de vectores {|u1 i , |u2 i , |u3 i , |un i} V es linealmente independiente, m
as
a
un, para el caso particular de un espacio euclidiano, {|u1 i , |u2 i , |u3 i , |un i} conforman una base ortogonal para V. La demostraci
on es sencilla. Para un determinado espacio vectorial una combinacion lineal de
6 Jorgen Pedersen Gram (1850-1916 Dinamarca) Matem
atico Dan
es, que alternaba su actividad de gerente de una importante compa
na de seguros con las matem
aticas (Probabilidad, An
alisis Num
erico y Teora de N
umeros). Es conocido
mayormente por el m
etodo de ortogonalizaci
on, pero se presume que no fue
el quien primero lo utiliz
o. Aparentemente fue
ideado por Laplace y utilizado tambi
en por Cauchy en 1836. Gram muri
o arrollado por una bicicleta a la edad de 61 a
nos.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians

Luis A. N
un
ez

Universidad Industrial de Santander

71

M
etodos Matem
aticos de la Fsica

los {|u1 i , |u2 i , |u3 i , |un i} se anula.

Pn
hu1 | [Pi=1

n
hu2 | [Pni=1
X
hu3 | [ i=1
Ci |ui i = |0i

..
i=1

Pn

hun | [ i=1

Ci |ui i] = 0
Ci |ui i] = 0
Ci |ui i] = 0

..
.

Ci |ui i] = 0

Pn
Pni=1 Ci
Pni=1 Ci
i=1 Ci
..
.P
n
i=1 Ci

1i = 0
2i = 0
3i = 0

C1 = 0
C2 = 0
C3 = 0
..
.

ni = 0

Cn = 0

con lo cual es claro que {|u1 i , |u2 i , |u3 i , |un i} son linealmente independientes. Si la dimension de V, es
n, dim V = n y tenemos n vectores linealmente independientes, entonces esos n vectores {|u1 i , |u2 i , |u3 i , |un i}
forman una base ortogonal para V,y por lo tanto las componentes de un vector en esa base se pueden expresar
de manera simple.
" n
#
n
X
X
huj |xi
|xi V
|xi =
Cj =
Ci |ui i
huj |xi = huj |
Ci |ui i
huj |uj i
i=1
i=1
2

En el caso de un conjunto ortonormal de vectores {|e1 i , |e2 i , |e3 i , |en i} Vn con k|ej ik = 1, las
componentes de cualquier vector quedan determinadas de una forma todava mas simple y con consecuencias
mucho m
as impactantes
!
n
n
n
X
X
X
2
k|ej ik = 1 Cj = hej |xi |xi =
Ci |ei i =
hei |xi |ei i
|ei i hei | |xi
i=1

i=1

i=1

{z
1

por lo tanto es bueno recalcar la relaci


on de cierre
n
X

|ei i hei | = 1

i=1

con lo cual es trivial demostrar la f


ormula de Parseval.
!
n
n
n
X
X
X

hy| |ei i hx| |ei i


hy| |ei i hei | |xi =
|xi |yi V hy |xi hy|
|ei i hei | |xi =
i=1

i=1

i=1

la cual se concreta para el caso de |xi |yi en la generalizacion del Teorema de Pitagoras
2

hx |xi k|xik =

n
X

|hx| |ei i|

i=1

Ejemplos
Funciones Trigonometricas: Uno de los ejemplos mas emblematicos es el caso de las funciones continuas,

reales de variable real y definidas en [0, 2], C[0,2]


, con lo cual el producto interno viene definido por
R 2
hf | gi = 0 dx f (x) g (x) esto es el conjunto de funciones {|u1 i , |u2 i , |u3 i , , |un i } representadas por
|u0 i = 1,
Luis A. N
un
ez

|u2n1 i = cos nx

|u2n i = sen nx,

Universidad Industrial de Santander

con n = 1, 2, 3,
72

M
etodos Matem
aticos de la Fsica

Es claro que {|u1 i , |u2 i , |u3 i , |un i , } es un conjunto de funciones ortogonales por cuanto

R 2

R0 dx sen nx sen mx = 0

0 si n =
6 m

dx cos nx sen mx = 0

0
R

2 dx cos nx cos mx = 0

R 2
2
hun |um i = nm k|un ik

dx = 2
si n = m = 0

R 2

k|un ik
si n = m

dx cos2 nx = si i = j = 2l 1

R 2 dx sen2 nx = si i = j = 2l
0

con l = 1, 2, 3, tambien. Por lo tanto, podremos construir una base ortonormal de funciones
{|e1 i , |e2 i , |e3 i , , |en i , } de la forma
1
|e0 i = ,
2

1
|e2n1 i = cos nx

1
|e2n i = sen nx.

Por lo tanto cualquier funci


on definida en el intervalo [0, 2] puede expresarse en terminos de esta base
como
R 2

dx 12 f (x) = a0
si i = 0

X
R 2
|f i =
Ci |ei i
Ci = hei |f i =
dx f (x) cos nx = a2n1 si i = 2n 1
0

i=1

R 2
dx f (x) sen nx = a2n
si i = 2n
0
donde los Ci son los coeficientes de Fourier
Otro de los ejemplos tpicos lo constituye los llamados polinomios de Legendre. Polinomios Pn (x)
definidos en el intervalo [1, 1] y generados a partir de la Formula de Rodrigues7
Pn (x) =

1 dn 2
(x 1)n ,
n!2n dxn

n = 0, 1, 2, .....

con P0 (x) = 1. Los polinomios de Legendre son solucion de la ecuacion diferencial


(1 x2 ) y 00 2x y 0 + ( + 1) y = 0

Ecuaci
on de Legendre
Solucion
2
00
0
0
(1 x ) y 2x y = 0 y0 (x) = 1
1
(1 x2 ) y 00 2x y 0 + 2 y = 0 y1 (x) = x
2
(1 x2 ) y 00 2x y 0 + 6 y = 0 y0 (x) = 1 3x2
3 (1 x2 ) y 00 2x y 0 + 12 y = 0 y1 (x) = x 53 x3
4
4 (1 x2 ) y 00 2x y 0 + 20 y = 0 y0 (x) = 1 10x2 + 35
3 x
Es f
acil comprobar que los polinomios de Legendre |P i = P (x) son mutuamente ortogonales con un
7 Benjamin Olinde Rodrigues (1794 Burdeos, Francia - 1851, Par
s Francia) Banquero, Matem
atico y activista poltico
solcialista Franc
es durante la Revoluci
on Francesa. De origen judo, y cuyas contribuciones fundamentales como la f
ormula para
la generaci
on de Polinomios de Legendre, permanecieron olvidadas por mucho tiempo.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians

Luis A. N
un
ez

Universidad Industrial de Santander

73

M
etodos Matem
aticos de la Fsica

producto interno definido como


Z

hPn |Pm i =

Pn (x)Pm (x)dx =
1

2
nm
2n + 1

con norma definida por


Z

kPn k = hPn |Pn i =

Pn2 (x)dx=

2
2n + 1

Cualquier funci
on en el intervalo [1, 1] puede ser expresada en esa base.
f (x) = |Fi =

ak |Pk i =

k=0

X
hPk |Fi
|Pk i
hPk |Pk i

k=0

Varios ejemplos ilustrar


an esta aplicacion. Si f (x) es un polinomio
f (x) =

m
X
n=0

bn x n =

ak |Pk i =

an Pn (x)

n=0

k=0

no se requiere hacer ninguna integral por cuanto los coeficientes an se determinan a traves de un
sistema de ecuaciones algebraicas. Para el caso de f (x) = x2 tendremos
f (x) = x2 = a0 P0 (x) + a1 P1 (x) + a2 P2 (x)
1
f (x) = x2 = a0 + a1 x + a2 (3x2 1)
2
1
2
2
f (x) = x = P0 (x) + P2 (x)
3
3
Quedar
a como ejercicio demostrar que para el caso de
r

X
Pn (x)
2
1 x X hPk |Fi
=
|Pk i = P0 (x) 2
f (x) =
2
hPk |Pk i
3
(2n 1) (2n + 3)
n=1
k=0

con
Z

hPk |Fi =

f (x)Pk (x)dx =
1

2.5.5.

1x
Pk (x)dx
2

Ortogonalizaci
on

Hemos visto que un conjunto de vectores ortogonales forman base para un espacio vectorial. Ahora
bien, siempre es posible construir un conjunto de vectores ortogonales a partir de un conjunto de vectores
linealmente independientes. Es metodo de ortogonalizacion se conoce como el metodo de Gram-Schmidt8 ,
en honor de estos dos matem
aticos alemanes que NO inventaron el metodo, el cual al parecer se le debe al
matem
atico frances P.S. Laplace.
Dado un conjunto de vectores linealmente independientes, {|v1 i , |v2 i , |v3 i , , |vn i} que expanden un
espacio Euclidiano de dimensi
on finita, E n . Entonces siempre se puede construir un conjunto ortogonal de
vectores, {|u1 i , |u2 i , |u3 i , , |un i} que tambien expandan E n de la siguiente forma:
8 Erhard Schmidt (1876, Estonia-1959 Alemania). Matem
aticoAlem
an fundador del primer instituto de matem
aticas aplicadas de Berln. Alumno de Hilbert, Schmidt hizo sus mayores contribuciones en Ecuaciones Integrales y Teora de Funciones
en el Espacio de Hilbert.
M
as detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians

Luis A. N
un
ez

Universidad Industrial de Santander

74

M
etodos Matem
aticos de la Fsica

|u1 i |v1 i
|u2 i |v2 i

hv2 |u1 i
hu1 |u1 i

|u3 i |v3 i

hv3 |u2 i
hu2 |u2 i

|u4 i |v4 i

hv4 |u3 i
hu3 |u3 i

|u1 i
|u2 i

|u3 i

3
hv3 |u1 i
hu1 |u1 i

hv4 |u2 i
hu2 |u2 i


|u1 i

|u2 i

hv4 |u1 i
hu1 |u1 i

|u1 i

..
.

|un i |vn i

hu2 |u1 i = 0

hu3 |u1 i = 0
hu3 |u2 i = 0

hu4 |u1 i = 0
hu4 |u2 i = 0

hu4 |u3 i = 0

..
.

hvn |ui i
i=1 hui |ui i

Pn1

|ui i

hu4 |u1 i = 0
hu4 |u2 i = 0
hu4 |u3 i = 0
..
.
hu4 |un1 i = 0

As siempre es posible construir una base ortonormal a partir de un conjunto de vectores linealmente
independientes. Esta base ortogonal ser
au
nica en E n , si existe otra sus vectores seran proporcionales, M
as
n
a
un, cada espacio vectorial V de dimension finita tendra una base ortogonal asociada.
Ejemplos
El subespacio de V4 expandido por los siguientes vectores

2
1
0
3


|v1 i =
1 ; |v2 i = 1 ;
3
2

Luis A. N
un
ez

1
1

|v3 i =
0 .
0

Universidad Industrial de Santander

75

M
etodos Matem
aticos de la Fsica

Tendr
a una base ortogonal asociada dada por

1
1

|u1 i |v3 i =
0 ;
0

1
1
2
1 1
0
hv2 |u1 i

|u2 i |v2 i
|u1 i =
1 (1) 0 = 1
hu1 |u1 i
3
0
3

|u3 i |v1 i

hv1 |u2 i
hv1 |u1 i
|u2 i
|u1 i =
hu2 |u2 i
hu1 |u1 i
5
4

1
 
3
9

|u3 i
1 12
2

5
1
1

1 4
1
=
(1)
0 7
1

4
0
3

14

y la base ortonormal asociada ser


a

|e1 i = p

|u1 i
hu1 |u1 i

1
!

2
1 .;

0
2
0
5
4

! 5
4
2 3

9
7
4

14

|e3 i =

|u3 i
=
hu3 |u3 i

|e2 i = p

|u2 i
hu2 |u2 i

12
12

1
1

1 ;
3

Para el caso de R2 es muy claro. Si tenemos dos vectores |v1 i y |v2 i linealmente independientes,
 


1
0
|v1 i =
; |v2 i =
;
1
1
elegimos |u1 i |v2 i entonces, |u2 i vendra dado por
|u2 i |v1 i

hv1 |u1 i
|u1 i
hu1 |u1 i


|u2 i

1
1

0
1


=

1
0

tal y como se esperaba, el otro vector ortogonal es el canonico.


Luis A. N
un
ez

Universidad Industrial de Santander

76

M
etodos Matem
aticos de la Fsica

Si consideramos el espacio de polinomios, P n , de grado g n definidos


en el intervalo
[1, 1] Este


espacio vectorial tendr
a como una de las posibles bases al conjunto 1, t, t2 , t3 , , tn con el producto
R1
interno viene definido por hf | gi = 1 dx f (x) g (x) . Por lo tanto, se procede a construir una base
ortogonal de la forma
|u0 i |v0 i = 1
hv1 |u0 i
|u0 i = t
hu0 |u0 i

|u1 i |v1 i
hv1 |u0 i =

R1
1

|u2 i |v2 i
hv2 |u0 i =

R1

hu1 |u1 i =

R1
1

hv3 |u0 i =

R1

hv3 |u2 i =

R1

..
.

dx t2 = 23 ;
dx t2 =

hv2 |u1 i =

dx t3 = 0;
dx t3 t2

hv3 |u1 i =
1
3

2.5.6.

R1
1

1
3

dx t3 = 0;

R1
1

dx t4 =

hu2 |u2 i =

= 0;

R1
1

2
5

dx t2


1 2
3

8
45

|e
q1 i
1
2

t
1
3

1
5
2q 2

t2

t2

t3


t3 35 t
t4 67 t2 +
..
.

t4
..
.

dx = 2

hv3 |u1 i
hv3 |u0 i
hv3 |u2 i
|u2 i
|u1 i
|u0 i = t3 53 t
hu2 |u2 i
hu1 |u1 i
hu0 |u0 i

2
3

Podemos resumir
|v1 i
|u1 i
1

R1

hv2 |u0 i
hv2 |u1 i
|u1 i
|u0 i = t2
hu1 |u1 i
hu0 |u0 i

|u3 i |v3 i

hu0 |u0 i =

dx t = 0;

3
35

1
8

q2

9
2

7
2

3
2t


3t2 1

5t3 3t

35t4 30t2 + 3
..
.

Complementos Ortogonales.

Sea un subespacio S V un elemento |


vi i V se dice ortogonal a S si hsk |
vi i = 0 |sk i S, |
vi i
es decir, es ortogonal a todos los elementos de S . El conjunto {|
v1 i , |
v2 i , |
v3 i , , |
vm i} de todos los
elementos ortogonales a S,se denomina Sperpendicular y se denota como S . Es facil demostrar que S
es un subespacio, a
un si S no lo es.

Luis A. N
un
ez

Universidad Industrial de Santander

77

M
etodos Matem
aticos de la Fsica

2.5.7.

Descomposici
on ortogonal

Dado {|v1 i , |v2 i , |v3 i , , |vn i , } un Espacio Euclidiano V y un subespacio de V con dimensi
on
finita, S V y dim V = m. Entonces |vk i V se puede expresar como suma de dos vectores |sk i

S |sk i S . Esto es

|vk i = |sk i + |sk i

|sk i S

|sk i S

M
as a
un, la norma de |vk i se calcula a traves del teorema de Pitagoras generalizado
2



2
2
k|vk ik = k|sk ik + |sk i

La demostraci
on es sencilla. Primero se prueba que la descomposicion ortogonal |vk i = |sk i + |sk i
es siempre posible. Para ello recordamos que S V es de dimension finita, por lo tanto existe una base

ortonormal {|e1 i , |e2 i , |e3 i |em i} para S. Esto es, dado un |vk i definimos los elementos |sk i y |sk i
como siguen
m
X

|sk i =
hvk |ei i |ei i |sk i = |vk i |sk i
i=1

N
otese que hvk |ei i |ei i es la proyecci
on de |vk i a lo largo de |ei i y |sk i se expresa combinacion lineal de la
base de S. Por lo tanto est
a en S. Por otro lado,

m
X

hvk |ej i hej |ei i = 0 |sk i |ej i


hsk |ei i = hvk sk |ei i = hvk |ei i hsk |ei i = hvk |ei i
j=1

lo cual indica que |sk i S .

Pero, podemos ir un poco m


as all
a. La descomposicion |vk i = |sk i + |sk i es u
nica en V. Para ello
suponemos que existen dos posibles descomposiciones, vale decir

|vk i = |sk i + |sk i

|vk i = |tk i + |tk i

con |sk i |tk i S

|sk i |tk i S

Por lo tanto

 


|vk i |vk i = |sk i + |sk i |tk i + |tk i


=0

|sk i |tk i = |tk i |sk i

Pero |sk i|tk i S,por lo tanto ortogonal a todos los elementos de S y |sk i|tk i = |tk i |sk i con lo cual
|sk i |tk i |0i que es el u
nico elemento que es ortogonal a el mismo y en consecuencia la descomposici
on

|vk i = |sk i + |sk i es u


nica. Finalmente, con la definicion de norma

2 

2




2

2

k|vk ik = |sk i + |sk i = hsk | + hsk |
|sk i + |sk i
= hsk |sk i + hsk |sk i k|sk ik + |sk i
As, dado Sm un subespacio de V de dimension finita y dado un |vk i V el elemento
|sk i S

|sk i =

m
X

hvk |ei i |ei i

i=1

ser
a la proyecci
on de |vk i en S.
Dado un vector |xi V y un subespacio de V con dimension finita, Sm V y dim V = m, entonces la
distancia de |xi a Sm es la norma de la componente de |xi , perpendicular a Sm .
Luis A. N
un
ez

Universidad Industrial de Santander

78

M
etodos Matem
aticos de la Fsica

2.6.

Temas Avanzados

2.6.1.

Aproximaci
on de Funciones

Sea {|v1 i , |v2 i , |v3 i , , |vn i , } un Espacio Euclidiano V y un subespacio de V con dimensi
on
finita, Sm V y dim V = m,y sea un elemento |vi i V. La proyeccion de |vi i en Sm , |si i , sera el elemento
de Sm m
as pr
oximo a |vk i. En otras palabras
k|vi i |si ik k|vi i |ti ik

|ti i S

La demostraci
on se sigue as
|vi i |ti i = (|vi i |si i) (|si i |ti i)

ya que |vi i |si i = |sk i S


como
2

k|si i |ti ik 0

|si i |ti i S.y vale el teorema de Pitagoras generalizado Ahora bien,


2

k|vi i |ti ik = k|vi i |si ik + k|si i |ti ik

k|vi i |ti ik k|vi i |si ik

k|vi i |ti ik k|vi i |si ik

Ejemplos
Desarrollemos la aproximaci
on de funciones continuas, reales de variable real y definidas en [0, 2],
R 2

C[0,2]
, mediante funciones Trigonometricas y con el producto interno definido por hf | gi = 0 dx f (x) g (x) .
Hemos visto que para este espacio vectorial tenemos una base ortonormal definida por
1
1
|e0 i = 0 (x) = ,
|e2n1 i = 2n1 (x) = cos nx

2
1
|e2n i = 2n (x) = sen nx.

Por lo tanto cualquier funci


on definida en el intervalo [0, 2] puede expresarse en terminos de esta base
como
|f i =

Ci |ei i

con

i=1

R 2

dx f (x) = a0

Z 2
R
2
Ci = hei |f i =
dx f (x) i (x) =
dx f (x) cos nx = a2n1
0

R 2 dx sen nx f (x) = a
2n
0

si

i=0

si

i = 2n 1

si

i = 2n

donde los Ci son los coeficientes de Fourier. Es decir, cualquier funcion puede ser expresada como una
serie de Fourier de la forma
n

f (x) =

X
1
a0 +
(ak cos kx + bk sen kx)
2
k=1

con
ak =
Luis A. N
un
ez

Z
dx f (x) cos kx

bk =

dx f (x) sen kx f (x)


0

Universidad Industrial de Santander

79

M
etodos Matem
aticos de la Fsica

Es claro que para la aproximaci


on de funciones por funciones Trigonometricas cuyos coeficientes son
los coeficientes de Fourier constituyen la mejor aproximacion. Por lo tanto, de todas las funciones

P (x) C[0,2]
las funciones trigonometricas, T (x) minimizan la desviacion cuadratica media
Z 2
Z 2
2
2
dx (f (x) T (x))
dx (f (x) P (x))
0

2.6.2.

El M
etodo de Mnimos Cuadrados

Una de las aplicaciones m


as importantes en la aproximacion de funciones es el metodo de mnimos
cuadrados. La idea es determinar el valor mas aproximado de una cantidad fsica, c a partir de un conjunto
de medidas experimentales: {x1 , x2 , x3 , xn } . La intencion es encontrar en el mejor valor de c a partir de
ese conjunto de datos experimentales.
Para ello asociamos el conjunto de medidas {x1 , x2 , x3 , xn } con las componentes de un vector |xi en
Rn . As
|xi = (x1 , x2 , x3 , xn ) c |yi = (c,c,c, c)
Por lo tanto si la mejor aproximaci
on de c|yi ,que llamaremos c|yi ,sera la proyeccion perpendicular de |xi
(las medidas) sobre el subespacio generado por |yi . Esto es
c0 =

x1 + x2 + x3 , + xn
hx |yi
=
hy |yi
n

que no es otra cosa que el promedio aritmetico de las medidas. Es claro que la proyeccion perpendicular de
|xi sobre |yi hace mnimo la distancia entre el subespacio perpendicular generado por |yi y el vector |xi .Es
decir hace mnimo el cuadrado de esa distancia
n
X
2
2
(xi c0 )
[d (|xi , c0 |yi)] = hxc0 y |xc0 yi =
i=1

Es claro que este problema se puede generalizar si se desea medir dos (o n) cantidades. Para el caso de dos
cantidades extendemos la dimensi
on del espacio. Por lo tanto, los resultados experimentales se acumular
an
en un vector de 2n dimensiones
|xi = (x11 , x12 , x13 , x1n , x21 , x22 , x23 , x2n )
mientras que los vectores que representan las cantidades mas aproximadas seran

c01 |y1 i = c01 ,c01 ,c01 , c01 ,0, 0, 0, 0


|
{z
} | {z }

c02 |y2 i = (0, 0, 0, 0, c02 ,c02 ,c02 , c02 )

Ahora {|y1 i , |y2 i} expanden un subespacio vectorial sobre el cual |xi tiene como proyeccion ortogonal
c01 |y1 i +c02 |y2 i y consecuentemente |xc01 y1 c02 y2 i sera perpendicular a {|y1 i , |y2 i} , por lo tanto
c01 =

hx |y1 i
x11 + x12 + x13 , + x1n
=
hy1 |y1 i
n

c02 =

hx |y2 i
x21 + x22 + x23 , + x2n
=
hy2 |y2 i
n

La consecuencia m
as conocida de esta aproximacion de funciones es el ajuste de un conjunto de datos
experimentales {(x1 , y1 ) , (x2 , y2 ) , (x3 , y3 ) , , (xn , yn )} a la ecuacion de una recta y =cx. En este caso, el
planteamiento del problema se reduce a encontrar el vector c0 |xi en el subespacio S (|xi) este lo mas cercano
2
posible al vector |yi = c |xi . Por lo tanto k|c0 x yik sera lo menor posible y |c0 x yi ser[ perpendicular
a S (|xi) ,por lo tanto
hx |c0 x yi = 0

Luis A. N
un
ez

c0 =

hx |yi
x1 y1 + x2 y2 + x3 y3 + xn yn
=
hx |xi
x21 + x22 + x23 , + x2n

Universidad Industrial de Santander

80

M
etodos Matem
aticos de la Fsica

Ejemplo Si el conjunto de datos experimentales es {(1, 2) , (3, 2) , (4, 5) , (6, 6)} cual es la recta que ajusta
m
as acertadamente a estos puntos ? La ecuacion queda como


2
1
2
3
2 + 6 + 20 + 36
32
hx |yi
0


|yi = c |xi
5 = c 4 c = hx |xi = 1 + 9 + 16 + 36 = 31
6
6
Ahora bien, se puede generalizar esta procedimiento cuando se tiene que una cantidad y que es una
combinaci
on lineal desconocida de un conjunto de cantidades
y = c1 x 1 + c2 x 2 + c3 x 3 + + cm x m
En este caso se ejecutar
an n experimentos con n > m y el conjunto de medidas experimentales seran
(y1 , x11 , x12 , x13 , x1m ; y2 , x21 , x22 , x23 , x2m ; y3 , x31 , x32 , x33 , x3m ; yn , xn1 , xn2 , xn3 , xnm )
y a partir de ellas generamos el siguiente sistema de ecuaciones
y1 = c01 x11 + c02 x12 + c03 x13 , + c0m x1m
y2 = c01 x21 + c02 x22 + c03 x23 , + c0m x2m
y3 = c01 x31 + c02 x32 + c03 x43 , + c0m x4m
..
.
yn = c01 xn1 + c02 xn2 + c03 xn3 , + c0m xnm
en el cual las inc
ognitas {c01 ,c02 ,c03 , c0m } hacen que el lado derecho de las ecuaciones antes mencionadas
sean los m
as pr
oximas a las {y1 , y2 , y3 , yn } por lo tanto si consideramos los vectores
|x1 i = (x11 , x1n ) ; |x2 i = (x21 , x2n ) ; |xm i = (xm1 , xmn ) ; |yi = (ym1 , yn )
por lo tanto los {|x1 i , |x2 i , |xm i} expanden el subespacio S (|x1 i , |x2 i , |xm i) donde esta la aproximaci
on de |yi . Por lo tanto la distancia de este subespacio al vector |yi, sera mnimo. Esto es
2

[d (S (c0i |xi i) , |yi)] = hS (c0i |xi i) y |S (c0i |xi i) yi


y por lo tanto |S (c0i |xi) yi ser
a ortogonal a
m
+
X

0
0
hxj |S (ci |xi) yi hxi
ci |xi y = 0 i, j = 1, 2, 3, m

i=1

por lo tanto podemos construir el sistema de ecuaciones normales para la aproximacion que hemos considerado:
= hx1 |yi
c01 hx1 |x1 i + c02 hx1 |x2 i + c03 hx1 |x3 i + + c0m hx1 |xm i
c01 hx2 |x1 i + c02 hx2 |x2 i + c03 hx2 |x3 i + + c0m hx2 |xm i
= hx2 |yi
..
..
.
.
c01 hxm |x1 i + c02 hxm |x2 i + c03 hxn |x3 i + + c0m hxm |xm i = hxn |yi
donde, tal y como se ha se
nalado, las inc
ognitas son las {c01 ,c02 ,c03 , c0m }

Luis A. N
un
ez

Universidad Industrial de Santander

81

M
etodos Matem
aticos de la Fsica

Ejemplos
Se sospecha que una determinada propiedad de un material cumple con la ecuacion y = ax1 + bx2 . Si
al realizar un conjunto de medidas experimentales obtenemos

y1
15
y2
12
y3
10
y4
0
x11 = 1 ; x21 = 2 ; x31 = 1 ; x41 = 1
x12
2
x22
1
x32
1
x42
1
Es claro que tenemos un subespacio de m = 2 dimensiones y hemos hecho n = 4 veces el experimento.
Por lo tanto los vectores considerados arriba seran
|x1 i = (1, 2, 1, 1) ;

|x2 i = (2, 1, 1, 1) ;

|yi = (15, 12, 10, 0)

por lo tanto
7a
4a

+4b = 49
+7b = 52

a=

45
11

b=

56
11

11y = 45x1 + 56x2

Se puede extender el razonamiento anterior y generar un ajuste linear cuadratico. Esto es, el ajuste
lineal es en los coeficiente, pero la funcionalidad de la ley a la cual queremos ajustar los datos puede
ser un polinomio de cualquier orden. Ese es el caso de una parabola que ajusta al siguiente conjunto
de puntos
{(0, 1) , (1, 3) , (2, 7) , (3, 15)} y = ax2 + bx + c
Las ecuaciones toman la forma de
1=
0
3= a
7 = 4a
15 = 9a

+0
+b
+2b
+3b

+c
+c
+c
+c

y los vectores construidos a partir de los datos experimentales seran


|x1 i = (0, 1, 4, 9) ;

|x2 i = (0, 1, 2, 3) ;

|x3 i = (1, 1, 1, 1) ;

las ecuaciones normales para este sistema son

a = 6

136 = 98a +36b +14c

62 = 36a +14b
+6c
b = 113

26 = 14a +6b
+4c

c = 32
5
Ejercicios

|yi = (1, 3, 7, 15)

y = 6x2 +

113
32
x
5
5

Al medir la temperatura a lo largo de una barra material obtenemos los siguientes valores
xi
Ti

(cm)
( C)

1, 0
14, 6

2, 0
18, 5

3, 0
36, 6

4, 0
30, 8

5, 0
59, 2

6, 0
60, 1

7, 0
62, 2

8, 0
79, 4

9, 0
99, 9

Encuentre, mediante el metodo de los mnimos cuadrados los coeficientes que mejor ajustan a una recta
T = ax + b

Luis A. N
un
ez

Universidad Industrial de Santander

82

M
etodos Matem
aticos de la Fsica

2.7.

Algunos Ejemplos Resueltos

1. Consideramos el espacio vectorial de polinomios, , de grado g n definidos en el intervalo [0, 1] o en


el intervalo [1, 1] seg
un el caso
a) Consideramos el espacio vectorial de polinomios, , de grado g n definidos en el intervalo [0, 1] o
en el intervalo [1, 1] seg
un el caso Cual o cuales de los siguientes conjuntos de vectores en P 3
son linealmente independientes ? Explique por que
Ninguno, todos son linealmente dependientes
1) |x1i = 1; |x2i = x 1; |x3i = x2 ; |x4i = x2 + 2x + 1;
Linealmente dependiente ya que siempre podremos expresar |x4i = 3|x1i + 2|x2i + |x3i
2) |x1i = 2x; |x2i = x2 + 1; |x3i = x + 1; |x4i = x2 1;
Linealmente dependiente ya que siempre podremos expresar |x4i = |x1i + |x2i 2|x3i
3) |x1i = x(x 1); |x2i = x; |x3i = x3 ; |x4i = 2x3 x2 ;
Linealmente dependiente ya que siempre podremos expresar |x4i = |x1i + |x2i + 2|x3i
b) Considerando las siguientes definiciones de producto interior en P n :definidos en el intervalo [0, 1]
o en el intervalo [1, 1] seg
un el caso
Z

hqn |pn i =

Z
p(x)q(x)dx

hqn |pn i =

p(x)q(x)dx
0

En P 3 encontrar la distancia y el angulo entre los vectores


|x1i = x(x 1);

|x2i = x;

En general la definici
on de distancia es
d (|x1i, |x2i) =
por lo tanto para hqn |pn i =
p

R1
1

hx2 x1 |x2 x1i

p(x)q(x)dx la distancia ser


a
sZ

hx2 x1 |x2 x1i =

1
690
15

2
30
15

(x(x 1) x) dx =
1

y para hqn |pn i =

R1
0

p(x)q(x)dx sera
s

hx2 x1 |x2 x1i =

(x(x 1) x) dx =
0

los
angulos ser
an
= arc cos

Luis A. N
un
ez

hx1 |x2i
p
p
hx1 |x1i hx2 |x2i

Universidad Industrial de Santander

83

M
etodos Matem
aticos de la Fsica

para hqn |pn i =

R1
1

p(x)q(x)dx

hx1 |x2i
p
p
hx1 |x1i hx2 |x2i

= arc cos

(x(x 1)) (x) dx

qR
= arc cos qR
1
1
2
2
(x(x 1)) dx 1 (x) dx
1
R1



1
= arc cos
15 6 = 2,4825 rad
12
para hqn |pn i =

R1
0

p(x)q(x)dx
hx1 |x2i
p
p
hx1 |x1i hx2 |x2i

= arc cos

1
= arc cos
15 2
12


(x(x

1))
(x)
dx
0

qR
= arc cos qR
1
1
2
2
(x(x 1)) dx 0 (x) dx
0
R1


= 2,4825 rad

el mismo
angulo !


c) Una de las posibles bases de P n sera el conjunto 1, x, x2 , x3 , , xn con el producto interno
R1
viene definido por hf | gi = 0 dx f (x) g (x) .
1) Encuentre la base ortonormal que expande el subespacio S 3 de los polinomios, P n , de grado
g 3.


S 3 tendr
a como vectores linealmente independientes 1, x, x2 , x3 para encontrar la base ortonormal utilizamos el metodo de Gram Smith con lo cual tendremos que
|un i |vn i

n1
X
i=1

hvn |ui i
|ui i
hui |ui i

esto es
|v1 i
1
|u1 i = p
= qR
=1
1
hu1 |u1 i
dx
0

R1

xdx


x R0 1 dx
|v2 i
|u1 i
x 21
1
0
p
|u2 i =
=p
= qR
=2 x
3

1
2
hu2 |u2 i
hu2 |u2 i
1 2
x

dx
2
0
hv2 |u1 i
hu1 |u1 i

|u3 i =

|v3 i

|u3 i = qR
1
0

Luis A. N
un
ez

hv3 |u1 i
hu1 |u1 i

x2 +
x2 +

1
6

|u1 i

hv3 |u2 i
hu2 |u2 i

hu3 |u3 i

1
6

2

dx

|u2 i

x2
=

R1 2
x dx
0
R1
dx
0

x2 (2(x 21 ) 3)dx
0
2
R1
1
2 x 2 ) 3) dx
0 ( (

R1

2 x

1
2

 
3

p
hu3 |u3 i




1
= 6 x2 + x
5
6

Universidad Industrial de Santander

84

M
etodos Matem
aticos de la Fsica

hv4 |u2 i
hv4 |u3 i
|u1 i hu
|u i |u2 i hu3 |u3 i |u2 i
p 2 2
=
hu4 |u4 i
R
  
 
R1
1
x3 0 x3 dx 0 x3 2 x 21
3 dx
3
2 x 21
p
|u4 i =
hu4 |u4 i
R
 

 
1 3
1
2
x

x
5 dx 6 x2 + 61 x 5
6
x
+
6
0
p

hu4 |u4 i



1
x3 20
+ 35 x 23 x2
1
3
3 2
3
=
20
x

|u4 i = qR
7
+
x

x

1
20 5
2
3 1 + 3 x 3 x2 2 dx
x
20
5
2
0

|v4 i

|u4 i =

hv4 |u1 i
hu1 |u1 i

2) Encuentre las componentes del polinomio g (x) = 5 + 3x2 x3 + x5 proyectado sobre esa base
ortonormal que expande a S 3
Las componentes de la proyecci
on de g (x) en S 3 seran
Z 1
Z 1

71
c1 = hg |u1 i =
u1 (x) g (x) dx =
(1) 5 + 3x2 x3 + x5 dx =
12
0
0


Z 1
Z 1  


197
1
3
5 + 3x2 x3 + x5 dx =
3
c2 = hg |u2 i =
u2 (x) g (x) dx =
2 x
2
420
0
0


Z 1
Z 1  


1
c3 = hg |u3 i =
u3 (x) g (x) dx =
6 x2 + x
5 + 3x2 x3 + x5 dx
5
6
0
0
23
=
5
210
Z 1
c4 = hg |u4 i =
u4 (x) g (x) dx
0


Z 1  

4
1
3
3 2
3
7
5 + 3x2 x3 + x5 dx =
7
=
20 x
+ x x
20 5
2
315
0
con lo cual
|giS 3 =

71
197
23
4
|u1 i +
3 |u2 i +
5 |u3 i +
7 |u4 i
12
420
210
315

y la norma ser
a
2

k|giS 3 k =

71
12

2


+

197
3
420

2


+

23
5
210

2


+

2
4
1,418,047
7 =
= 35,728
315
39,690

para que, finalmente la proyeccion del polinomio en S 3 sera


 
 
 

  



71 197
1
23
1
1
3
3 2
2
3
gS 3 (x) =
+
3 2 x
3 +
5 6 x + x
5 + 20 x
+ x x
7
12 420
2
210
6
20 5
2







71 197
1
23
1
1
3
3 2
2
3
gS 3 (x) =
+
x
+
x + x + 20 7 x
+ x x
12
70
2
42
6
20 5
2
es decir





5797
34
23
7+
+ 12 7 x +
30 7 x2 + 20 7x3
gS 3 (x) =
1260
15
42
Luis A. N
un
ez

Universidad Industrial de Santander

85

M
etodos Matem
aticos de la Fsica

3) Encuentre la mnima distancia desde el subespacio S 3 al polinomio g (x)


La distancia mnima ser
a la norma del vector ortogonal a S 3 tal que
donde |giS 3 S 3

|gi = |giS 3 + |giS 3

y |giS 3 es un vector de su complemento ortogonal. Por lo tanto el Teorema de Pit


agoras nos
dice que
2
2
2
k|gik = k|giS 3 k + k|giS 3 k
con lo cual tendremos que la mnima distancia ser
a
q
2
2
k|giS 3 k = k|gik k|giS 3 k
Z

k|gik =

5 + 3x2 x3 + x5

2

dx =

k|giS 3 k =
con lo cual

495193
13860

1418047
39690
r

k|giS 3 k =

495193 1418047

1,196 5 102
13860
39690

d ) Sea f (x) = e2x una funci


on perteneciente al espacio lineal de funciones continua y continuamente
R1

diferenciables, C[1,1]
, en el cual el producto interno viene definido por hq|pi = 1 p(x)q(x) dx.
Encuentre el polinomio lineal mas cercano a la funcion f (x) .
En el subespacio S 1 de polinomios lineales, los vectores base son {1, x} Es una base ortogonal
pero no es normal, con lo cual la normalizamos
1
1
|v1 i
=
2
= qR
|u1 i = p
1
2
hu1 |u1 i
dx
1
R1

xdx

x R1
1
|v2 i
|u1 i
dx
x
6
1
p
|u2 i =
= p
= qR
=
x
1
2
hu2 |u2 i
hu2 |u2 i
x2 dx
hv2 |u1 i
hu1 |u1 i

y la proyecci
on ortogonal de esta funci
on ser
a
0

c =

e
1

2x



1
2
2 dx =
e2 + e2
2
4

c =
1


6
6 2
2x
x e dx =
e + 3e2
2
8

con lo cual la funci


on lineal ser
a

P =

Luis A. N
un
ez



6 2
2
2
e + 3e
x
e2 + e2
8
4

Universidad Industrial de Santander

86

Bibliografa
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid ) QA300 A66C3 1972
[2] Arfken, G. B.,Weber, H., Weber, H.J. (2000) Mathematical Methods for Physicists 5ta Edici
on
(Academic Press, Nueva York)
[3] Cohen-Tannoudji, C., Diu B. y Laloe (1977) Quantum Mechanics Vol 1 (John Wiley Interscience,
Nueva York )
[4] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva York ).
[5] Jordan, T.F. (1969) Linear Operator for Quantum Mechanics (John Wiley & Sons Interscience,
Nueva York ).
[6] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)

87

Captulo 3

Vectores Duales y Tensores

88

M
etodos Matem
aticos de la Fsica

3.1.

Funcionales Lineales

Definiremos funcionales lineales aquella operacion que asocia un n


umero complejo (o real) a un vector |vi
V y cumple con la linealidad. Esto es

|vi V

F [|vi] C

F [ |v1 i + |v2 i] F [|v1 i] + F [|v2 i]

|vi , |v1 i , |v2 i V

El conjunto de funcionales lineales {F1 , F2 , F3 , F4 , , Fn , } constituyen a su vez un espacio vectorial,


que se denomina espacio vectorial dual de V y se denotara como V . Este espacio lineal tambien se denomina
espacio de formas lineales y los funcionales son esas 1forma. Esto es, dados F1 , F2 V se tiene

(F1 + F2 ) [|vi] = F1 [|vi] + F2 [|vi]


|vi V

( F) [|vi] = F [|vi]
En aquellos espacios lineales con producto interno definido (Espacios de Hilbert), el mismo producto interno
constituye la expresi
on natural del funcional. As para tendremos
(Fa ) [|vi] ha |vi

|vi V

ha| V

Es claro comprobar que el producto interno garantiza que los {Fa , Fb , } forman un espacio vectorial.

(Fa + Fb ) [|vi] = Fa [|vi] + Fb [|vi] = ha |vi + hb |vi


|vi V

( Fa ) [|vi] = ha |vi = ha |vi = Fa [|vi]


Esta u
ltima propiedad se conoce como antilinealidad. Con lo cual se establece una correspondencia 1 1
entre kets y bras, entre vectores y formas diferenciales.
1 |v1 i + 2 |v2 i

1 hv1 | + 2 hv2 |

Con lo cual podemos puntualizar esta correspondencia como

ha |vi = hv |ai

ha |1 v1 + 2 v2 i = 1 ha |v1 i + 2 ha |v2 i
h1 a1 +2 a2 |vi = 1 ha1 |vi + 2 ha2 |vi
M
as a
un, dada una base ortonormal {|e1 i , |e2 i , |e3 i |em i} para V siempre es posible asociar una base
para V de tal manera que

|vi = i |ei i  hv| = i ei con i = ei |vi i = hv |ei i


con i = 1, 2, , n
En un
lenguaje
arcaico (y muchos textos de Mecanica todava lo reproducen) denominan a la base del espacio

dual ei la base recproca de {|ei i}
N
otese estamos utilizando la notaci
on de Einstein
en la cual ndices repetidos indican suma y que las

k
bases del espacio dual de formas diferenciales
e llevan los ndices arriba. Los ndices arriba se llamar
an
contravariantes y los ndices abajo
covariantes.
Las
componentes
de
las
formas
diferenciales
en
una
base
dada,

i
llevan ndices abajo ha| = ai
e mientras que las componentes de los vectores los llevan abajo |ai = aj |
ej i

Luis A. N
un
ez

Universidad Industrial de Santander

89

M
etodos Matem
aticos de la Fsica

3.2.

Bases Discretas

Para fijar conceptos y extender algunos de los razonamientos que hemos desarrollado hasta aqu. Tal y
como vimos arriba, la representaci
on de un vector |Fi en un espacio vectorial abstracto V puede darse en
termino de una base ortonormal de vectores (discreta y finita BDF = {|u1 i , |u2 i , |u3 i , |un i} o discreta
e infinita BDI = {|u1 i , |u2 i , |u3 i |un i }) de la forma:


BDF = {|u1 i , |u2 i , |u3 i |un i}
ci |ui i = ui Fi |ui i
|Fi =
con i = 1, 2, , n

i
c |ui i = ui Fi |ui i
BDI = {|u1 i , |u2 i , |u3 i |un i }
donde en ambos casos:

ci = ui Fi = cj ui |uj i = cj ji
Donde la delta de Kronecker ik lleva un ndice arriba y uno abajo y representa ik = 1 si i = k y es nula en
los otros casos. Supondremos, de ahora en adelante un espacio de dimension finita y en este consideraremos
DF = {|
dos bases ortogonales, BDF = {|e1 i , |e2 i , |e3 i |en i} y B
e1 i , |
e2 i , |
e3 i |
en i} , de dimensi
on
finita. Como ambas son bases ortogonales todo vector de V puede expresarse en termino de esas bases, en
particular cada vector base se puede expresar en terminos de la otra base como
|e1 i = c1 |
e1 i + c2 |
e2 i + cn |
en i = cj |
ej i
|e2 i = c1 |
e1 i + c2 |
e2 i + cn |
en i = cj |
ej i
..
.
|en i = c1 |
e1 i + c2 |
e2 i + cn |
en i = cj |
ej i
Este sistema de ecuaciones se puede resumir a
un mas como
|ei i = Cij |
ej i = Cij |
ej i
Los Cij son constantes que han renombrado las distintas formas de las constantes cj , cj cj que expresamos
arriba. Igualmente, podemos expresar los vectores de la segunda base en terminos de la primera como

k
|
ei i = Aji |ej i =

e |
ei i = ik = Aji
e |ej i = Aji Cjk
ya que
j
|em i = Cm
|
ej i

k
j
j k
k

e |em i = Cm

e |
ej i = Cm
j = Cm

Adicionalmente, hay varias costumbres a aclarar con la notacion de ndices.


k
Al asociar los Cm
con elementos de matriz los ndices contravariantes (arriba) indicaran filas y los covariantes (abajo) las columnas. Esas matrices seran no singulares para garantizar la independencia lineal de
los vectores base. De este modo para el caso i, k = 1, 2, 3 tendremos
ik = Aji Cjk

ik = Aji Cjk = Cjk Aji

representa

1
0
0

Luis A. N
un
ez

0
1
0

0 =
1

Cj1 Aj1
Cj2 Aj1
Cj3 Aj1

Cj1 Aj2
Cj2 Aj2
Cj3 Aj2

Cj1 Aj3

Cj2 Aj3
Cj3 Aj3

Universidad Industrial de Santander

90

M
etodos Matem
aticos de la Fsica

1
0
0
Cji

0
1
0

C 1 A1 + C 1 A2 + C 1 A3
1 1
2 1
3 1
0

0 = C 2 A1 + C 2 A2 + C 2 A3
1 1
2 1
3 1
1
C13 A11 + C23 A21 + C33 A31

C11 A13 + C21 A23 + C31 A33

..
.

C12 A13 + C22 A23 + C32 A33


C 3 A1 + C 3 A2 + C 3 A3
1

Aji

son inversas una de la otra, por cuanto su multiplicacion nos da la matriz identidad.
Es claro que
y
Por lo tanto si |ei i = Cij |
ej i se considera la transformacion directa, mientras que |
ei i = Aji |ej i ser
a la
transformaci
on inversa. El caso m
as emblematico lo constituyen las transformaciones entre la base ortonormal
cartesiana {|i , |
i} y la base ortonormal de vectores en coordenadas polares {|ur i , |u i} .
Siguiendo con el esquema propuesto expresamos los vectores cartesianos en la base de vectores polares

|i = cos |ur i sen |u i

= |ei i = Cij |uj i = Cij = uj |ei i

|
i = sen |ur i + cos |u i
con

con lo cual
Cij

|e1 i

|e2 i

|i
|
i


;

|u1 i
|ur i
|u2 i
|u i


1
  r
Ci
u |e1 i
u1 |e2 i

=
=
Ci
u2 |e1 i u2 |e2 i


i

i

ek |ej i = jk
u |ul i = l


y
Cjr
Cj


=

cos
sen

sen
cos

M
as adelante veremos que esta es la matriz de rotaciones.

3.3.
3.3.1.

Par
entesis Tensorial
Tensores una definici
on funcional

La extensi
on natural al concepto de funcional lineal es el concepto de tensor. Definiremos como un tensor
a un funcional lineal que asocia un n
umero complejo (o real) a un vector |vi V, a una forma hu| V , o
ambas y cumple con la linealidad. Esto es

|vi V

hu| V

T [hu| ; |vi] C

T [ hu| ; |v1 i + |v2 i] T [hu| ; |v1 i] + T [hu| ; |v2 i]

|v1 i , |v2 i V

T [ hu1 | + hu2 | ; |vi] T [hu1 | ; |vi] + T [hu2 | ; |vi]

|vi , V

hu| V

hu1 | , hu2 | V

Es decir, un tensor es un funcional generalizado cuyos argumentos son vectores, formas o ambas. Esto es
T [; ] una cantidad con dos puestos y una vez cubiertos se convierte en un escalar (complejo o real). Al
igual que las funciones de varias variables (f (x, y) = 3x + 4y 2 ) la posicion es importante
|vi

hu|

T ; C
Un tensor con dos argumentos correspondientes a formas y uno a un vector
|v i |v i hu|
1

T [, ; ] T , ; C tensor de tipo

Luis A. N
un
ez

Universidad Industrial de Santander

1
2


;

91

M
etodos Matem
aticos de la Fsica

y el caso contrario
|vi

hu1 | hu2 |

T [; , ] T ; , C tensor de tipo

2
1

En general
|v

1i

|v2 i

|vn i hu1 | hu2 |

hum |

T [; , ] T , , , ; , , tensor de tipo

m
n

En esta notaci
on el punto y coma ;separa las entradas para las formas de las de los vectores. Es importante
recalcar que el orden si importa, no s
olo para las cantidades separadas por el punto y como sino el orden
de los puestos de los vectores y formas separados por coma. Ese u
ltimo orden repercutira en las propiedades
de los tensores. Ser
an tensores simetricos si al permutar dos de los puestos de vectores (o formas) cambia de
signo el orden no importa; antisimetricos si el orden importa y un tensor generico si el orden importa pero
no se comporta como los casos rese
nados anteriormente. De todos modos esto sera tratado con detalle m
as
adelante.
Obviamente las formas pueden ser representadas por tensores ya que son funcionales lineales de vectores,
es decir,
ha|



1
un vector es tensor de tipo
T C.
0
Por su parte, los vectores constituyen un caso especial de tensores

una forma es tensor de tipo

0
1

|ai

T C.

porque son funcionales lineales para las formas diferenciales

3.3.2.

Producto Tensorial: Definici


on y propiedades

Como ser
a evidente m
as adelante, unos tensores (simples) pueden provenir del producto tensorial (exterior
o directo) de espacios vectoriales. Esto es que, dados E1 y E2 dos espacios vectoriales con dimensiones N1 y N2 ,
respectivamente y vectores genericos, |(1)i y |(2)i pertenecientes a estos espacios vectoriales, |(1)i E1
y |(2)i E2 . Definiremos el producto tensorial (exterior o directo) de espacios
E = E 1 E2 , si
 vectoriales,

2
a cada par de vectores |(1)i E1 y |(2)i E2 le asociamos un tensor tipo
si se cumple que
0
h(1)|

h(2)|

|(1)(2)i = |(1)i |(2)i = T , = h(1) |(1)i h(2) |(2)i C


y cumplen con las siguientes propiedades:
1. La suma entre tensores de E viene definida como
|(1)(2)i + |(1)(2)i = |(1)i |(2)i + |(1)i |(2)i
= |(1) + (1)i |(2) + (2)i
Luis A. N
un
ez

Universidad Industrial de Santander

92

M
etodos Matem
aticos de la Fsica

2. El producto tensorial es lineal respecto a la multiplicacion con n


umeros reales y
[|(1)i] |(2)i = [ |(1)i] |(2)i = [|(1)i |(2)i] = |(1)(2)i
|(1)i [|(2)i] = |(1)i [ |(2)i] = [|(1)i |(2)i] = |(1)(2)i
3. El producto tensorial es distributivo respecto a la suma:
|(1)i [|1 (2)i + |2 (2)i] = |(1)i |1 (2)i + |(1)i |2 (2)i
[|1 (1)i + |2 (1)i] |(2)i = |1 (1)i |(2)i + |2 (1)i |(2)i
N
otese que los ndices (1) y (2) denotan la pertenencia al espacio respectivo.
Es f
acil convencerse que los tensores |(1)(2)i E = E 1 E2 forman un espacio vectorial La demostraci
on
se basa en comprobar los axiomas o propiedades de los espacios vectoriales. Es decir:
1. La operaci
on suma  es cerrada en V : |vi i , |vj i V |vk i = |vi i  |vj i V
Esto se traduce en demostrar que sumados dos tensores |(1)(2)i , y |(1)(2)i E el tensor suma
tambien pertenece a E,con a y b pertenecientes al campo del espacio vectorial
a |(1)(2)i + b |(1)(2)i = |a(1) + (1)i |(2) + b(2)i
y esto se cumple siempre ya que, el producto tensorial es lineal respecto a la multiplicacion con n
umeros
reales y por ser E1 y E2 espacios vectoriales se cumple

|a(1) + (1)i = a |(1)i + |(1)i E1


= |(1) + (1)i |(2) + (2)i E2

|(2) + b(2)i = |(2)i + b |(2)i E2


2. La operaci
on suma  es conmutativa y asociativa
Conmutativa |vi i , |vj i V |vi i  |vj i = |vj i  |vi i
Esta primera es clara de la definici
on de suma
|(1)(2)i + |(1)(2)i = |(1) + (1)i |(2) + (2)i
|(1)(2)i + |(1)(2)i = |(1) + (1)i |(2) + (2)i
por ser E1 y E2 dos espacios vectoriales
|vi i , |vj i , |vk i V (|vi i  |vj i)  |vk i = |vj i  (|vi i  |vk i)
una vez m
as, esto se traduce en:
(|(1)(2)i + |(1)(2)i) + |(1)(2)i = |(1)(2)i + (|(1)(2)i + |(1)(2)i)
con lo cual, por la definici
on de suma la expresion anterior queda como
(|(1) + (1)i |(2) + (2)i) + |(1)(2)i = |(1)(2)i + (|(1) + (1)i |(2) + (2)i)
|((1) + (1)) + (1)i |((2) + (2)) + (2)i = |(1) + ((1) + (1))i |(2) + ((2) + (2))i
3. Existe un u
nico elemento neutro: ! |0i
Es decir,

|0i  |vj i = |vj i  |0i = |vj i

|vj i V

|(1)(2)i + |0(1)0(2)i = |(1) + 0(1)i |(2) + 0(2)i = |(1)i |(2)i = |(1)(2)i


Luis A. N
un
ez

Universidad Industrial de Santander

93

M
etodos Matem
aticos de la Fsica

4. Existe un elemento simetrico para cada elemento de V :


|vj i V |vj i 3 |vj i  |vj i = |0i
|(1)(2)i |(1)(2)i = |(1) (1)i |(2) (2)i = |0(1)i |0(2)i = |0(1)0(2)i
5. ( |vi i) = () |vi i

( |(1)(2)i) = (|(2)i |(1)i) = |(2)i |(1)i


= () |(2)i |(1)i = () |(1)(2)i

6. ( + ) |vi i = |vi i + |vi i

( + ) |(1)(2)i = |(1)i |( + ) (2)i = |(1)i |(2) + (2)i


= |(1)i [( |(2)i + |(2)i)]
= |(1)i |(2)i + |(1)i |(2)i
7. (|vi i  |vj i) = |vi i  |vj i

(|(1)(2)i + |(1)(2)i) = (|(1) + (1)i |(2) + (2)i)


= | ((1) + (1))i |(2) + (2)i
= |(1) + (1)i |(2) + (2)i
= (|(1)(2)i + |(1)(2)i)
= |(1)(2)i + |(1)(2)i
Equivalentemente, podemos construir un producto tensorial entre espacios de formas diferenciales. Si E1 y
E2 son dos espacios vectoriales duales a E1 y E2 , con dimensiones N1 y N2 , respectivamente. A estos espacios
pertenecen las formas diferenciales genericas h(1)| E1 y h(2)| E2 . Definiremos el producto tensorial de

espacios vectoriales duales,


E =
 E 1 E2 , si a cada par de formas diferenciales h(1)| E1 y h(2)| E2 le
0
asociamos un tensor tipo
. Esto es
2
h(1)(2)| = h(1)| h(2)|

3.3.3.

La tentaci
on del producto interno

Uno puede verse tentado a definir un producto interno de la forma


h(1)
(2)

|(1)(2)i = h(1)

|(1)i h(2)

|(2)i
A partir de las definiciones de productos internos en E1 y E2 mostraremos, sin embargo que NO es una
buena definici
on de producto interno. Para ello supondremos que representa la multiplicacion est
andar
entre n
umeros reales. Para comprobar que
Debemos demostrar los axiomas o propiedades de los productos internos. Las propiedades que definen el
producto interno son:
1. hx| xi <
Esto es:

hx| xi 0

|xi V

si

hx| xi = 0 |xi |0i

h(1)(2) |(1)(2)i = h(1) |(1)i h(2) |(2)i


Luis A. N
un
ez

Universidad Industrial de Santander

94

M
etodos Matem
aticos de la Fsica

como h(1) |(1)i y h(2) |(2)i son buenas definiciones de producto interno tendremos que

h(1) |(1)i 0
h(1)(2) |(1)(2)i 0

h(2) |(2)i 0
Aqu vale la pena mencionar algunos puntos sutiles sobre la segunda parte de la propiedad a demostrar:
si hx| xi = 0 |xi |0i lo cual para este caso se traducen en
h(1)(2) |(1)
(2)i

= h(1) |(1)i

h(2) |(2)i

=0

h(1) |(1)i

=0

|(1)i

= |0(1)i

h(2)
|
(2)i

=
6
0

h(1) |(1)i

=
6 0

|(1)i

= |0(1)i
h(1) |(1)i

h(2) |(2)i

=0

h(2)
|
(2)i

=
0

h(1) |(1)i

=0

= |0(1)i
|(1)i

h(2) |(2)i

=0
|(1)i

= |0(1)i
definitivamente, habra que restringir los posibles vectores que intervienen en el producto tensorial, de
modo que no fuera posible vectores del tipo
|(1)0(2)i = |(1)i |0(2)i

|(1)(2)i = |0(1)i |(2)i

s
olo as se cumple la propiedad mencionada.

2. hx| yi = hy| xi
|xi , |yi V
Esto puede ser demostrado f
acilmente como sigue
h(1)
(2)

|(1)(2)i = h(1)

|(1)i h(2)

|(2)i

= h(1) |(1)i

h(2) |(2)i

= (h(1) |(1)i

h(2) |(2)i)

= h(1)(2) |(1)
(2)i

3. hx| y + zi = hx| yi + hx| zi hx + z| yi = hx| yi + hz| yi |xi , |yi , |zi V


Partimos del lado derecho de la primera de las igualdades anteriores:
h(1)
(2)|

[|(1)(2)i + |(1)(2)i] = h(1)


(2)|

[|(1) + (1)i |(2) + (2)i]


= h(1)

|(1) + (1)i h(2)

|(2) + (2)i
y otra vez, como h(1) |(1)i y h(2) |(2)i son buenas definiciones de producto interno tendremos
que:
h(1)

|(1) + (1)i = h(1)

|(1)i + h(1)

|(1)i
h(2)

|(2) + (2)i = h(2)

|(2)i + h(2)

|(2)i
Luis A. N
un
ez

Universidad Industrial de Santander

95

M
etodos Matem
aticos de la Fsica

y al multiplicar h(2)

|(2) + (2)i por h(1)

|(1) + (1)i surgiran cuatro sumandos


h(1)

|(1)i h(2)

|(2)i + h(1)

|(1)i h(2)

|(2)i + h(1)

|(1)i h(2)

|(2)i + h(1)

|(1)i h(2)

|(2)i
lo cual contrasta con el lado izquierdo al utilizar la definicion dos veces que tienen dos sumandos
h(1)
(2)

|(1)(2)i + h(1)
(2)

|(1)(2)i = h(1)

|(1)i h(2)

|(2)i + h(1)

|(1)i h(2)

|(2)i
por lo cual NO se cumple esta propiedad y no hay forma de enmendarla. Solo por razones de
completitud.

3.3.4.

Bases para un producto tensorial

Si {|ui (1)i} y {|vi (2)i} son bases discretas para E1 y E2 , respectivamente, entonces podremos construir
el tensor
|ui (1)vj (2)i = |ui (1)i |vj (2)i E
el cual funcionar
a como una base para E . Por lo tanto, un tensor generico de E, construido a partir
|(1)(2)i = |(1)i |(2)i = i j |ui (1)vj (2)i
donde i y j son las componentes de |(1)i y |(2)i en sus respectivas bases. En otras palabras las
componentes de un tensor en E corresponden a la multiplicacion de las componentes de los vectores en E1
y E2 Recuerde que estamos utilizando
Pn la convencion de Einstein de suma tacita en ndices covariantes y
contravariantes, en la cual ck |vk i k=1 ck |vk i .
Es importante se
nalar que si bien un tensor generico |i E siempre se puede expandir en la base
|ui (1)vj (2)i no es cierto que todo tensor de E provenga del producto tensorial de E1 y E2 . Es decir, E tiene
m
as tensores que los que provienen el producto tensorial. Esta afirmacion puede verse del hecho que si
|i E entonces
|i = ci,j |ui (1)vj (2)i
por ser {|ui (1)vj (2)i} base para E. Es claro que dados dos n
umeros n1 y n2 habra ci,j que no provienen de
la multiplicaci
on de n1 n2 .

3.3.5.

Tensores, sus componentes y sus contracciones

Componentes de un tensor
Denominaremos componentes de un tensor, aquellos n
umeros que surgen de incorporar bases de formas
diferenciales y vectores. As si {|ui (1)i , |vj (2)i , |tk (3)i} y{hxm(1)| , hy n (2)|} son bases para los vectores y las
2
formas, respectivamente. Las componentes de un tensor
seran
3
|u (1)i |v (2)i |t (3)i hxm (1)| hyn (2)|
j

mn
Sijk
=S ,

claramente, esta definici


on de componente contiene a las componentes ci,j de aquellos espacios tensoriales
generados por el producto tensorial. Ya si consideramos un tensor como resultado de un producto tensorial
y consideramos que las base {|ui (1)i , hxm (1)|} su componentes se pueden expresar {m (1)i (1)}, vale decir,


1
|(1)i h(1)| = hxm (1) |(1)i h(1)| ui (1)i {m (1)i (1)}
1
Luis A. N
un
ez

Universidad Industrial de Santander

96

M
etodos Matem
aticos de la Fsica

Combinaciones lineales de Tensores


Es claro que podremos sumar (componentes) de tensores como lo hemos hecho con la suma de (componentes) de vectores




= ai + bi |ei i
= a1 + b1 + a2 + b2
~a + ~b = (ax + bx ) + (ay + by )
+ (az + bz ) k
+ a3 + b3 k


ij
ij
Rkl
= Qij
+
P
kl
kl
Producto Tensorial de Tensores
Podemos
un m
as la idea del producto directo y ahora realizarla entre tensores. As dos tensores
  extender
  a
2
2
tipo
y
si se cumple que
0
1

h(1)| h(2)|

|(1)(2)i = |(1)i |(2)i = T ,

=
|u (1)i h(1)| h(2)|

|(1)(2)(1)i = |(1)i |(2)i h (1)| = P ; ,

|(1)(2)i |(1)(2)(1)i = |(1)i |(2)i |(1)i |(2)i h (1)|


h(1)|

h(2)|

|u

i (1)i

h(1)| h(2)|

=T , P ; ,

|u

i (1)i

h(1)| h(2)| h(3)| h(4)|

= R ; , , ,

Contracci
on de un Tensor
Denominaremos una contracci
on cuando sumamos las componentes covariantes y contravariantes, esto
es i (1)i (1) lo cual genera un escalar independiente de la base. Esta situacion sera mas evidente cuando
definamos metricas y contracci
on de tensores. Por
a y considerando un caso mas general,
 analog


dada una
2
1
mn
componente Sijk correspondiente a un tensor
podremos construir un nuevo tensor
a partir
3
2
in
n
de una contracci
on. Las componentes de este nuevo tensor seran Sijk
Sjk
. Del mismo modo, dadas las
ij
lm
componentes de dos tensores, P y Qzk generaran componentes de nuevos tensores Rklij = P lm Qij

mk . As



2



= P lm

0
3


=
= Rklij = P lm Qij
mk
2
1
ij

= Qzk
2
Luis A. N
un
ez

Universidad Industrial de Santander

97

M
etodos Matem
aticos de la Fsica

Es claro que si dos tensores derivan de productos tensoriales y si {|ui (1)i} , {hum (1)|} y {|vi (2)i} son bases
ortonormales para E1 E1 y E2 , entonces sus productos podran ser expresados como


|(1)(2)i = i (1) j (2) |ui (1)i |vj (2)i

|
{z
}

P ij
=


|(1)(1)i = l (1)m (2) |ul (1)i hum (1)|

|
{z
}

Qlm





l (1)m (2) |ul (1)i hum (1)| i (1) j (2) |ui (1)i |vj (2)i =

l (1)m (2) i (1) j (2) {hum (1) |ui (1)i} |vj (2)i |ul (1)i =
{z
}
|
im


l (1)k (2) k (1) j (2) |vj (2)i |ul (1)i = P ij Qli |vj (2)ul (1)i = Rjl |vj (2)ul (1)i
Pero m
as a
un si |ui (1)vj (2)i = |ui (1)i |vj (2)i E es base de E entonces se puede demostrar lo anterior
sin circunscribirnos a tensores cuyas componentes provengan de multiplicacion de las componentes en cada
espacio vectorial.
Simetrizaci
on de Tensores
Un tensor (las componentes) ser
a simetrico respecto a dos de sus ndices si su permutacion no cambia su
valor:
Sij = Sji ;
S ij = S ji ;
Sijklmn = Sijlkmn
S ijklmn = S ijlkmn
y ser
a antisimetrico si
Aij = Aji ;

Aij = Aji

Aijklmn = Aijlkmn

Aijklmn = Aijlkmn

Un tensor de rango 2, viene representado por una


tendr
a como m
aximo 6 componentes distintas sera
1
S1 S21
j
i
Sj = Si = S12 S22
S13 S23

matriz. La matriz que representa un tensor de rango 2,


1
S1
S31
S32 = S21
S33
S31

S21
S22
S32

S31
S32
S33

mientras que un tensor antisimetrico de segundo orden tendra, cuando maximo, tres componentes con valor
absoluto distintos de cero

0
A12 A13
0
A23
Aij = Aji = A21
3
3
A1 A2 0
Siempre es posible construir tensores simetricos y antisimetricos a partir de un tensor generico. Esto es:
Sij =

1
(Tij + Tji ) T(ij)
2

Sijklmn =

1
(Tijklmn + Tijlkmn ) = Tij(kl)mn
2

Aij =

1
(Tij Tji ) T[ij]
2

Aijklmn =

1
(Tijklmn Tijlkmn ) = Tij[kl]mn
2

Luis A. N
un
ez

Universidad Industrial de Santander

98

M
etodos Matem
aticos de la Fsica

M
as a
un, es evidente que las componentes de un tensor generico Tij , pueden expresarse como una combinaci
on
de su parte simetrica y antisimetrica
Tij = Sij + Aij
Obviamente que algo equivalente se puede realizar para componentes contravariantes de tensores.

3.3.6.

Tensor M
etrico, Indices y Componentes

Para una base generica, {|xj i} , no necesariamenteortogonal,


de un espacio vectorial con producto interno,

0
podemos definir la expresi
on de un tensor simetrico
que hemos denominado tensor metrico como
2
|x i |x i
i

g , , = gij gji

gij gji = g [|xi i , |xj i]

hx | hxj |


g , = g ij g ij

g ij g ij = (gij )

|x

ii

|xj i

N
otese que las gij gji son las componentes del tensor g , , una vez que la base {|xj i} ha actuado.
|x

ii

|xj i

La denominaci
on de tensor m
etrico, no es gratuita, g , , cumple con todas las propiedades de la

metrica definida para un espacio vectorial euclidiano. Vale decir


|x i |x i
i

1. g , , = g [|xi i , |xj i] = gij gji 0

|xj i

y si

g [|xi i , |xj i] = 0 i = j

2. g [|xi i , |xj i] = g [|xj i , |xi i] gij gji


3. g [|xi i , |xj i] g [|xi i , |zk i] + g [|zk i , |xj i] La desigualdad Triangular
Si la base generica, {|xj i} , es ortonormal entonces estas propiedades emergen de manera natural y es
claro que
|e i |e i
j
i

g , , = g [, ] gij ei ej gji ej ei
y
g [, ] g ij |ei i |ej i g ji |ej i |ei i
con lo cual sus componentes ser
an matrices simetricas gij = gji y igualmente g ij = g ji . En general impondremos que





j
gij ei ej g km |ek i |em i = gij g km ei |ek i ej |em i = gij g km ki m
= gij g ji = ii = n
ya que i, j = 1, 2, 3, , n. Con lo cual gij es la matriz inversa de g ij . Es decir, claramente, hemos definido
las componentes contravariantes del tensor de modo que cumplan con gik g kj = ij
Luis A. N
un
ez

Universidad Industrial de Santander

99

M
etodos Matem
aticos de la Fsica

Adicionalmente, es tambien es claro que


gij ei ej |ai = ak gij ei ej |ek i = ak gij ej |ek i ei = ak gij kj ei = ak gik ei ai ei
con lo cual ai = ak gik . De esta manera, el tensor metrico nos permite asociar componentes covariantes a
componentes contravariantes. Dicho r
apido y mal pero muy frecuente, el tensor metrico nos permite subir y
bajar ndices. De la misma forma



ha| g ij |ei i |ej i = ha| g ij |ei i |ej i = g ij ha |ei i |ej i = ak g ij ek |ei i |ej i = ak g kj |ej i aj |ej i
otra vez aj = ak g kj , y subimos el ndice correspondiente. La importancia de esta
Otra forma de verlo es combinando las propiedades del producto directo de tensores y contracci
on de
ndices


g ij |ei i |ej i Pklmn |el i |em i |en i ek
=


g ij Pklmn |ej i Pklmn |el i |em i |en i ek ei i =


g ij Pklmn |ej i |el i |em i |en i ek ei i = P jlmn |ej i |el i |em i |en i
| {z }
ik

g ij Pilmn P jlmn
Adicionalmente, el tensor metrico permite la contraccion de ndices. As, dado un producto tensorial de
dos vectores que se pueden expresar en una base ortonormal
|a, bi = |ai |bi = ak bm |ek i |em i

i
j  k

m
k
m
j
gij e e a |ek i b |em i = a b gij ki m
= ak bm gkm = ak bk = hb |ai = ha |bi
Con lo cual ,el producto interno de dos vectores involucra, de manera natural, la metrica del espacio. Esto
es
hb |ai = ha |bi = ak bk = ak bk = ak bm gkm = ak bm g km
Obviamente la norma de un vector, tambien incluira al tensor metrico:

2
k|aik = ha |ai = ai aj ei |ej i = ai ai = ai aj g ij = ai aj gij
El caso m
as emblem
atico lo constituye la norma de un desplazamiento infinitesimal. Para una base generica,
{|
ej i} no necesariamente ortogonal de un espacio vectorial con producto interno, el desplazamiento infinitesimal puede expresarse como

k 

k
2
(ds) hdr |dri = d x
k
e (d x
m |
em i) =
e |
em i d x
k d x
m = d x
m d x
m = gkm d x
k d x
m
Si la base {|ej i} es ortogonal (cosa m
as o menos com
un pero no necesariamente cierta siempre) las matrices
gij y g ij son diagonales cumplen con
gii =
donde hi =

1
g ii

= (ds) = h1 dx1

2

+ h2 dx2

2

+ h3 dx3

2

gii con i, j = 1, 2, 3.

Luis A. N
un
ez

Universidad Industrial de Santander

100

M
etodos Matem
aticos de la Fsica

3.4.
3.4.1.

Un par de tensores
El tensor de esfuerzos (stress)

Figura 3.1: Tensor de Esfuerzos (stress) en 2 dimensiones

El caso 2D
Supongamos un cuerpo que se encuentra en equilibrio y esta sometido a un conjunto de fuerzas externas.
Para facilitar las cosas consideremos el efecto de esas fuerzas sobre un plano que contiene a un determinado
punto P (ver figura 3.1 cuadrante Ia) Es decir, vamos a considerar los efectos de las componentes de todas
las fuerzas sobre ese plano y obviaremos efecto del resto de las componentes. Como observamos en la figura
3.1 Ib y Ic, si cortamos la superficie en dos lneas (AB y A0 B 0 ), observaremos que el efecto del conjunto de
fuerzas externas es distinto sobre P en la direccion perpendicular a cada una de esas lneas. De hecho al
cortar la superficie las fuerzas que aparecen sobre las lneas AB (y A0 B 0 ) antes eran fuerzas internas y
ahora los son externas al nuevo cuerpo cortado. As, estas fuerzas por unidad de longitud1 sobre el punto
P existen un conjunto de fuerzas que generan esfuerzos (stress). Por lo tanto es claro que los esfuerzos sobre
un punto dependen del punto, de las fuerzas externas y de la direccion del efecto.
Para irnos aclarando consideremos un elemento de area infinitesimal ds sobre la cual act
uan un conjunto
de fuerzas externas, las cuales las podemos descomponer como normales y tangenciales a la lnea sobre la
cual est
an aplicadas (ver figura 3.1 cuadrante II). Es costumbre denotar los esfuerzos normales y tangenciales

Y2 = 2 dx X2 = 2 dx

dx

Y3 = 3 dy
Y1 = 1 dy
dy ds dy
dA = dxdy
X
=

dy

X1 = 1 dy

3
3

dx

Y4 = 4 dx X4 = 4 dx
1 En el caso tridimensional, las fuerzas que generan los esfuerzos ser
an definidas como fuerzas por unidad de
area. Ese caso
lo veremos en la pr
oxima secci
on.

Luis A. N
un
ez

Universidad Industrial de Santander

101

M
etodos Matem
aticos de la Fsica

La segunda ley de Newton nos lleva a

1 dy + 2 dx + 3 dy + 4 dx = 0 = (2 + 4 ) dx + (1 + 3 ) dy
X
F~iext = dm ~a = 0

1 dy + 2 dx + 3 dy + 4 dx = 0 = (2 + 4 ) dx + (1 + 3 ) dy
con lo cual

2 = 4 ;

1 = 3

2 = 4

1 = 3

pero m
as a
un, como est
a en equilibrio, tambien la sumatoria de torques se tendra que anular. Esto es

dy
(1 dy) dx
2 (2 dx) 2 = 0
1 = 2 = 3 = 4

dy
(3 dy) dx

(
dx)
=
0
4
2
2
con lo cual, nos damos cuenta que existen solo tres cantidades independientes: dos esfuerzos normales 1 y
2 ; y un esfuerzo tangencial 1 . Adicionalmente notamos que los esfuerzos tienen que ver, con la direcci
on
de la fuerza y la superficie sobre la cual va aplicada. Con ello podemos dise
nar la siguiente notacion para
los esfuerzos: ij . El primer ndice indica la direccion de la fuerza y el segundo direccion de la normal de la
superficie donde est
a aplicada. As, tal y como muestra la figura (ver figura 3.1 cuadrante II)
1 xx ;

4 yy ;

2 xy yx

El cambio de signo se debe a lo inc


omodo de la notacion 4 yy ya que la normal de lado 4 apunta en la
direcci
on y. Es importante tambien se
nalar que los esfuerzos en cualquier punto contenido en el diferencial
de
area dA = dxdy deben ser considerado constantes. O, lo que es lo mismo, que podemos hacer tender a
cero el
area del diferencial y con ello asociar los esfuerzos ij a un punto P contenido en dA sobre la cual
hemos calculado los esfuerzos.
En esta misma lnea de razonamiento, nos podemos preguntar cual es la expresion de los esfuerzos cuando
se miden respecto a una superficie generica, definida por un vector normal ~n (ver figura 3.1 cuadrante III).
Es decir, queremos conocer los esfuerzos medidos en el punto P en la direccion ~n, es decir nn . Tendremos
que en
x xx dy + xy dx = nn ds cos + sn ds sen ;

y yy dx + yx dy = nn ds sen sn ds cos

Ahora bien, dado que dy = ds cos y dx = ds sen , entonces podemos expresar


nn = xx cos2 + xy sen cos + yx sen cos + yy sen2
sn = xx sen cos + xy sen2 yx cos2 yy sen cos
y si ahora nos damos cuenta que si construimos una matriz
 x

An = cos Axs = sen
i
Aj =
Ayn = sen Ays = cos
entonces podemos expresar
nn = Axn Axn xx + Axn Ayn xy + Ayn Axn yx + Ayn Ayn yy

nn = Ain Ajn ij

sn = Axs Axn xx + Axs Ayn xy + Ays Axn yx + Ays Ayn yy

sn = Ain Ajn ij

Luis A. N
un
ez

Universidad Industrial de Santander

con i, j = n, s
con i, j = n, s
102

M
etodos Matem
aticos de la Fsica

Figura 3.2: Tensor de Esfuerzos en 3 dimensiones

es decir kl = Aik Ajl ij con i, j, k, l = n, s.


Como veremos m
as adelante, cualquier objeto que transforme como kl = Aik Ajl ij lo llamaremos tensor
de segundo orden.
El caso 3D
Analicemos ahora el caso tridimensional. En este caso tambien procedemos como en el caso anterior
estableciendo las condiciones de equilibrio
X
X
F~iext = 0 y
~iext = 0
con ello construimos un volumen (c
ubico) diferencial y construimos los esfuerzos normales y tangenciales,
los cuales ser
an
xx dydz;

yy dxdz;

zz dxdy;

xz dxdy;

yz dxdy;

xy dxdz;

Siguiendo el mismo proceso que involucra imponer el equilibrio es facil demostrar que al igual que el caso
anterior, el tensor de esfuerzos ij cumple con:
xz = zx ;

yz = zy ;

xy = yx

y por lo tanto tendremos 6 componentes (tres normales y tres tangenciales) independientes. Es decir, si bien
el tensor de esfuerzos ij viene representado por una matriz 3 3 y por lo tanto tiene 9 elementos, solo 6 son
independientes. Construyamos ahora el caso general para un tensor de esfuerzos en un medio elastico. Para
ello construimos un tetraedro regular tal y como muestra la figura 3.2, y sobre su cara generica asociada a
un vector normal ~n una fuerza

Fx = xn dSn



i
~
~
~

Fy = yn dSn
F = F u
n = F ii = Fx + Fy + Fz k
F i = ji nj dS F~ = dS

Fz = zn dSn
Luis A. N
un
ez

Universidad Industrial de Santander

103

M
etodos Matem
aticos de la Fsica

se especifica como la fuerza que act


ua sobre un determinado elemento de superficie. Es claro que la condici
on
de equilibrio se traduce en
X

Fxi = 0

1
1
1
xn dSn xx dy dz xy dx dz xz dx dy = 0
2
2
2

Fyi = 0

1
1
1
yn dSn yx dy dz yy dx dz yz dx dy = 0
2
2
2

Fzi = 0

1
1
1
zn dSn zx dy dz zy dx dz zz dx dy = 0
2
2
2

Si consideramos que la proyecci


on de dSn sobre cada uno de los planos del sistema cartesiano tendremos que

dS n cos (;~n) = 21 dy dz = dS n Axn

1
n
n
y

dS cos (;~n) = 2 dx dz = dS An
xn = xx Axn + xy Ayn + xz Azn

;~n) = 12 dx dy = dS n Azn
dS n cos (k
y equivalentemente
yn = yx Axn + yy Ayn + yz Azn ;

y zn = zx Axn + zy Ayn + zz Azn

las cuales se conocen como las relaciones de Cauchy y representan los esfuerzos sobre la superficie con normal
~ es una relacion vectorial podemos proyectar en la direccion u
~n. Ahora bien, dado que F~ = dS
m


~ F m = nm dS n = im Ain dS n = im Ain dS n
u
m F~ = u
m dS

mn dS n = mi Ain dS n


mn dS n = ki Akm Ain dS n

con i, j = x, y, z

Una vez m
as vemos que transforma como un tensor.

3.4.2.

El Tensor de Inercia

Consideremos el caso de un sistema de n partculas. La cantidad de movimiento angular para este sistema
vendr
a dada por
X

~ =
L
m(i) ~r(i) ~v(i)
i

donde hemos indicado que la iesima partcula que esta en la posicion ~r(i) tiene una velocidad ~v(i) . Si
las distancias entre las partculas y entre las partculas y el origen de coordenadas es constante podremos
expresar la velocidad de cada una de ellas como
~v(i) =
~ ~r(i)
( por que ?). Donde
~ es la velocidad angular instantanea del sistema. Entonces tendremos que
X
 X


~ =
L
m(i) ~r(i)
~ ~r(i) =
m(i)
~ ~r(i) ~r(i) ~r(i)
~ ~r(i)
i

Luis A. N
un
ez

Universidad Industrial de Santander

104

M
etodos Matem
aticos de la Fsica

y para cada partcula se cumple que, las componentes de la cantidad de movimiento angular seran

 
X

m
k
r(i)m r(i)
Lk =
m(i) k r(i)
m r(i)m
i
k
l
Si vemos que (i)
= lk (i)
entonces

Lk =

m
k
r(i)m r(i)
m(i) lk l r(i)
m r(i)m



!
X

l
= (i)

m
k
r(i)m r(i)
m(i) lk r(i)
r(i)l



|
es decir
l
Lk = (i)
Ilk

donde Ilk =

{z

Ilk


 

m
k
r(i)m r(i)
m(i) lk r(i)
r(i)l

Ilk

se conoce como el tensor de inercia y corresponde a 9 cantidades (a pesar que solo


el objeto
independientes porque es un tensor simetrico)





P
P
P
2
2
Ixx = i m(i) y(i)
+ z(i)
Ixy = i m(i) x(i) y(i)
Ixz = i m(i) x(i) z(i)





P
P
P

k
2
Iyy = i m(i) x2(i) + z(i)
Iyz = i m(i) y(i) z(i)
Il = Iyx = i m(i) x(i) y(i)






P
P
P
2
2
Izz = i m(i) z(i)
+ y(i)
Izy = i m(i) y(i) z(i)
Izx = i m(i) x(i) z(i)

6 son

nos contentaremos por ahora, suponer que esta construccion es un tensor y lo demostraremos mas adelante.
La ilustraci
on m
as sencilla de que la masa en rotacion se comporta como un tensor y no como un escalar
lo vemos en la rotaci
on de dos masas, m1 , m2 iguales (con lo cual m1 = m2 = m) unidas por una varilla
sin masa de longitud l. Si el sistema (masas + varillas) se encuentra girando alrededor su centro de masa y
ambas masas se encuentran sobre el plano x, y, vale decir que la barra sin masa forma un angulo de = 2
con el eje z. Entoces tendremos que
~r =

l
l
d~r
l d
l d
cos + sen ~j ~v =
=
sen +
cos ~j
2
2
dt
2 dt
2 dt

con lo cual
~ = m1 (~r1 ~v1 ) + m2 (~r2 ~v2 ) = m (~r1 ~v1 ) + m ((~r1 ) (~v1 )) = 2m (~r1 ~v1 ) =
L

 2
l
d
k
2
dt

ya que
m1 = m2 = m;

3.5.
3.5.1.

~r2 = ~r1

~v2 = ~v1

Repensando los vectores, otra vez


Vectores, Covectores y Leyes de Transformaci
on

Hemos visto que un determinado vector |ai V puede expresarse en una base ortogonal {|ej i} como
aj |ej i donde las aj son las componentes del vector contravariantes en la base que se ha indicado. En general,
como es muy largo decir componentes del vector contravariante uno se refiere (y nos referiremos de ahora
Luis A. N
un
ez

Universidad Industrial de Santander

105

M
etodos Matem
aticos de la Fsica


en adelante) al conjunto aj como un vector contravariante obviando la precision de componente, pero
realmente las aj son las componentes del vector.
Adicionalmente, en esta etapa pensaremos a las bases como distintos observadores o sistemas de referencias. Con ello tendremos (algo que ya sabamos) que un vector se puede expresar en distintas bases y
tendr
a distintas componentes referidas a esa base
|ai = aj |ej i = a
j |
ej i
As una misma cantidad fsica vectorial se vera distinta (tendra distintas componentes) desde diferentes
sistemas de coordenadas. Las distintas visiones estan conectadas mediante un transformacion de sistema
de referencia
que veremos m
as adelante.
Igualmente
hemos
dicho que una
diferencial hb| V es susceptible de expresarse en una base



i

iforma



e
del espacio dual V como bi e y, como el espacio esta equipado con un producto interno entonces



ha |bi = hb |ai = bi ei aj |ej i = bi aj ji = ai bi
Con lo cual avanzamos otra vez en la interpretacion de cantidades fsicas: una cantidad fsica escalar se
vera igual (ser
a invariante) desde distintos sistemas de referencia.
Adem
as sabemos que unas y otras componentes se relacionan como

i
j
e |ai = aj ei |ej i = aj ji = a
j ei |
ej i
a = Aij a
=

e |ai = a
j
e |
ej i = a
j ji = aj
e |ej i
a
= Aij aj
donde claramente

ei |
ej i = Aij ;

e |ej i = Aij

y Aik Akj = ji

Aij = Aij

1

Diremos entonces que aquellos objetos cuyas componentes transforman como ai = Aij a
j o equivalentemente
i
i
j
a
= Aj a ser
an vectores o en un lenguaje un poco mas antiguo, vectores contravariantes. Tradicionalmente,
e inspirados
en la ley de transformaci
on, la representacion matricial de las componentes contravariantes de
un vector, ei |ai = aj , para una base determinada {|ej i} se estructuran en una columna
1
a
a2

|ai =
e |ai
con i = 1, 2, 3, , n .
..
an

De la misma manera, en el espacio dual, V


, las
formas

i diferenciales se podran expresar en termino de


una base de ese espacio vectorial como hb| = bi ei = bi
e Las {bi } seran las componentes de las formas
diferenciales o las componentes covariantes de un vector |bi o dicho rapidamente un vector covariante o
covector. Al igual que en el caso de las componentes contravariantes las componentes covariantes transforman
de un sistema de referencia a otro mediante la siguiente ley de transformacion:

hb |ej i = bi ei |ej i = bi ji = bi
e |ej i
bi = bi Aij
=


hb |
ej i = bi
e |
ej i = bi ji = bi ei |
ej i
bi = bi Aij
Otra vez, objetos cuyas componentes transformen como bi = bi Aij los denominaremos formas diferenciales o
vectores covariantes o covectores y ser
an representados matricialmente como un arreglo tipo fila

b1 b2 bn
hb| = hb |ej i
con i = 1, 2, 3, , n
Luis A. N
un
ez

Universidad Industrial de Santander

106

M
etodos Matem
aticos de la Fsica

3.5.2.

Cartesianas y Polares, otra vez

El ejemplo m
as simple, y por ello, cl
asico y emblematico de lo anterior lo constituye las expresiones de
un mismo vector en dos sistemas de coordenadas en el plano: Cartesianas {|ii , |ji} y {|ur i , |u i} . Esto es
|ai = ax |ii + ax |ji = a1 |e1 i + a2 |e2 i

|ai = ar |ur i + a |u i = a
1 |
e1 i + a
2 |
e2 i

Al expresar una base en terminos de la otra obtenemos


|ur i = cos |ii + sen |ji

|u i = sen |ii + cos |ji

con lo cual
i

Aij

Aij

e |ej i = Aij

Aij =



cos
sen

e |
ej i =

cumpliendo adem
as


cos
sen

sen
cos

hi |ur i
hj |ur i

hi |u i
hj |u i

hur |ii
hu |ii

hur |ji
hu |ji

sen
cos

1
0

cos
sen

cos
sen

0
1

sen
cos

sen
cos

Aik Akj = ji

De este modo si
|ai = ar |ur i + a |u i = a
1 |
e1 i + a
2 |
e2 i = ax |ii + ax |ji = a1 |e1 i + a2 |e2 i
tendremos que
a
= Aij aj
i

cos
sen

sen
cos



ax
ay


=

ar
a


=

ax cos + ay sen
ax sen + ay cos

con lo cual
ar = ax cos + ay sen

a = ax sen + ay cos

del mismo modo


ai = Aij a
j

cos
sen

sen
cos



ar
a


=

ax
ay


=

ar cos a sen
ar sen + a cos

y
ax = ar cos a sen

3.5.3.

ay = ar sen + a cos

Repensando las componentes

En general podemos pensar que las componentes de los vectores pueden ser funciones de las otras.
Consideremos el ejemplo anterior con esta vision. Tendremos que un punto en el plano viene representado
en coordenadas cartesianas por dos n
umeros (x, y) y en coordenadas polares por otros dos n
umeros (r, ) .
Siguiendo el ejemplo anterior un punto P, en el plano lo describimos como
|P i = rP |ur i = xP |ii + yP |ji
Luis A. N
un
ez

Universidad Industrial de Santander

107

M
etodos Matem
aticos de la Fsica

Veamos como est


an relacionadas estas dos descripciones. Para este caso las ecuaciones de transformaci
on son




xP = xP (r, ) = x1 = x1 x
1 , x
2
rP = rP (x, y) = x
1 = x
1 x1 , x2

yP = yP (r, ) = x2 = x2 x
1 , x
2
= P (x, y) = x
2 = x
2 x1 , x2
y explcitamente
xP = rP cos P
yP = rP sen P

x1 = x
1 cos x
2
2
1
x =x
sen x
2

=
=
y

x2P + yP2
 
P = arctan xyPP
rP =

x
1 =

(x1 ) + (x2 )
 2
x
2 = arctan xx1

=
=

Es claro que ambas coordenadas est


an relacionadas y que se puede invertir la relacion
 

 1
1
x
=x
1 x1 , x2 
x = x1 x
1 , x
2 

x
2 = x
2 x1 , x2
x2 = x2 x
1 , x
2
si se piden cosas razonables:
que las funciones xi = xi (
xm ) y x
j = x
j (xm ) sean al menos C 2 (funcion y derivada continua)
 i 1 2 
x (x
,
x )
que el determinante de la matriz Jacobiana sean finito y distinto de cero det
6= 0.
x
l
M
as a
un, si
xi = xi x
j (xm )

xi
xi x
k
=
= li
xl
x
k xl

= d xi =

xi
dx
k
x
k

con lo cual intumos dos cosas:


1. que las componentes de un vector, deben transformar bajo un cambio de coordenadas como xi =
xi (x
1 ,
x2 ) l
x
.
x
l
2. Las matrices Jacobianas

xi
x
k

x
i
xk

son una la inversa de la otra.

Veamos si es cierto para el caso de vectores en el plano. Para ello calculamos la matriz Jacobiana (matriz
de derivadas) la cual ser
a
 ! x1 (x1 ,x2 ) x1 (x1 ,x2 ) 

i
1
2
x x
,x

cos x
2
x1 sen x
2
x
1
x
2

=
=
1 ,
x2 )
1 ,
x2 )
x2 (x
x2 (x
sen x
2 x
1 cos x
2
x
l
x
1

x
2

y seguidamente, identificando

xi x
1 , x
2 l
x =
x

x
l
i


=

x1
x2


=

cos x
2
sen x
2

x1 sen x
2
1
x
cos x
2

Igualmente, si calculamos la inversa de la matriz Jacobiana

1
 !1 

x2
xi x
1 , x
2
cos x
2 sen x
2
1
2 )2
=
= (x ) +(x
2
sen x
2
cos x
2
x
x
l
x
1
x
1
1 2
2 2
(x ) +(x )

Luis A. N
un
ez

Universidad Industrial de Santander



x
1
0

x2
(x1 )2 +(x2 )2
x1

(x1 )2 +(x2 )2

108

M
etodos Matem
aticos de la Fsica

tendremos


Es decir

x
1
0

x1

(x1 )2 +(x2 )2

x2
(x1 )2 +(x2 )2

x2
(x1 )2 +(x2 )2

x1
(x1 )2 +(x2 )2

q
2
2
x
= (x1 ) + (x2 )
1

= r =

x1
x2

p
x2 + y 2


x
i x1 , x2 l
= x
=
x
xl
i

0=0

Supongamos ahora que tenemos el caso


dos sistemas
 tridimensional en1 esos mismos
 de coordenadas:
uno cartesiano x1 = x, x2 = y, x3 = z y otro esferico x
= r, x
2 = , x
3 = , tal y como hemos
supuesto anteriormente el punto P vendr
a descrito por
|P i = rP |ur i = xP |ii + yP |ji + zP |ki
otra vez

x = x (r, , ) = x1 = x1 x
1 , x
2 , x
3
y = y (r, , ) = x2 = x2 x
1 , x
2 , x
3 

3
3
1
2
z = z (r, , ) = x = x x
,x
,x
3


1 = x
1 x1 , x2 , x3 
r = r (x, y, z) = x
= (x, y, z) = x
2 = x
2 x1 , x2 , x3 

3
= (x, y, z) = x
=x
3 x1 , x2 , x3

Las ecuaciones de transformaci


on ser
an
xP = rP sen P cos P
yP = rP sen P sen P
zP = rP cos P

=
=
=

x1 = x
1 sen x
2 cos x
3
2
1
2
x =x
sen x
sen x
3
3
1
2
x =x
cos x

y
p

x2P + yP2 + zP2


 
P = arctan xyPP


2
x2P +yP
P = arctan
zP
rP =

=
=
=

q
2
2
2
(x1 ) + (x2 ) + (x3 )
 2
x
2 = arctan xx1


(x1 )2 +(x2 )2
3
x
= arctan
x3

x
1 =

con lo cual la matriz de las derivadas ser


a para esta transformacion en particular sera
 sen () cos () r sen () sen () r cos () cos ()
xi x
1 , x
2 , x
3
= sen () sen () r sen () cos () r cos () sen ()
x
l
cos ()
0
r sen ()
es decir


 sen x
2 cos x
3 
xi x
1 , x
2 , x
3
2 sen x
3
= sen x
x
l
2
cos x



3

x1 sen x
2 sen x
3
x
1 sen x
2 cos x
0



x
1 cos x
2 cos x
3 
x
1 cos x
2 sen x
3
1
2

x sen x

y su inversa

x
x ,x ,x
xl

Luis A. N
un
ez

sen () cos ()

rsen()
=
sen()
cos() cos()
r

sen () sen ()
cos()
r sen()
cos() sen()
r

Universidad Industrial de Santander

cos ()

sen()
r

109

M
etodos Matem
aticos de la Fsica

x
i x1 , x2 , x3
=

l
x

x
x2 +y 2 +z 2
y
x2 +y 2
xz

(x2 +y 2 +z 2 )

x2 +y 2

dejaremos al lector comprobar que, efectivamente,



xi x
1 , x
2 , x
3 l
xi =
x

x
l

3.6.

y
x2 +y 2 +z 2
x
x2 +y 2
yz
(x2 +y 2 +z 2 ) x2 +y 2

x
i =

z
x2 +y 2 +z 2

x2 +y 2
(x2 +y 2 +z 2 )


x
i x1 , x2 , x3 l
x
xl

Transformaciones, vectores y tensores

En general las afirmaciones anteriores se pueden generalizar considerando que las coordenadas que definen

un determinado punto, P, expresado en un sistema de coordenadas particular, son x1 , x2 , , xn y las
1 , x
2 , , x
n ambas
coordenadas de ese mismo punto P, expresado en otro sistema de coordenadas es x
coordenadas estar
an relacionadas por


1
x = x1 x
1 , x
2 , , x
n 
x
1 = x
1 x1 , x2 , , xn 

x2 = x2 x
1 , x
2 , , x
n
x
2 = x
2 x1 , x2 , , xn

..
..

.
.




xn = xn x
1 , x
2 , , x
n
x
n = x
n x1 , x2 , , xn


es decir x
i = x
i xj
xi = xi x
j con i, j = 1, 2, 3, , n. Otra vez, solo exigiremos (y es bastante)
que:
1. las funciones xi = xi (
xm ) y x
j = x
j (xm ) sean al menos C 2 (funcion y derivada continua)
 i 1 2 
x (x
,
x )
2. que el determinante de la matriz Jacobiana sean finito y distinto de cero det
6= 0. Esto
x
l
es







x
1
x11
x

x2

x
n
x1

x
1
x22
x

x2

x
1
xn

x
n
x2

x
n
xn





6= 0 =


xi = xi (
xm )

x
j = x
j (xm )

Ahora bien, una vez m


as, derivando y utilizando la regla de la cadena
xi = xi x
j (xm )

xi
xi x
k
=
= li
xl
x
k xl

= d xi =

xi
dx
k
x
k

y como hemos comprobado para dos casos particulares, de ahora en adelante tendremos que:


ReDefinici
on Tal y como hemos visto, un conjunto de cantidades a1 , a2 , , an se denominar
 an componentes
contravariantes de un vector |ai V en un punto P de coordenadas x1 , x2 , , xn si
1. dada dos base ortonormales de vectores coordenados. {|e1 i , |e2 i , |en i} y {|
e1 i , |
e2 i , |
en i}
se cumple que

i


i
e ai = ai
j
i

|ai = a |ej i = a
|
ei i =
= a
i = aj
e |ej i

ei ai = a
i
Luis A. N
un
ez

Universidad Industrial de Santander

110

M
etodos Matem
aticos de la Fsica


2. o equivalentemente, bajo una transformacion de coordenadas xi = xi x
j con i, j = 1, 2, 3, , n.,
estas cantidades transforman como
a
i =
y donde las cantidades

x
i k
a
xk
x
i
xk

xi
x
k

ai =

xi k
a

x
k

con

xi x
k
= li
k
x
xl

deberan ser evaluadas en el punto P .

ReDefinici
on Un conjunto de cantidades {b1 , b2 , , bn } se denominar
 an componentes covariantes de un vector
hb| V en un punto P de coordenadas x1 , x2 , , xn si




1
2

1. dada dos base de formas e1 , e2 , hen | y
e ,
e , h
en | se cumple que



i

i
hb| ei = bi



hb| = bj e = bi
=
e
= bi = bj hej
e
hb|
ei = bi

2. o equivalentemente, bajo una transformacion de coordenadas xi = xi x
j con i, j = 1, 2, 3, , n.,
estas cantidades transforman como
i
bk = x bi
k
x

y donde las cantidades

x
i
xk

xi
x
k

bk =

x
i
bi
xk

con

k
xi x
= li
k
x
xl

deberan ser evaluadas en el punto P .

ReDefinici
on Generalizamos los conceptos anteriores de la siguiente manera. Dado un conjunto bases para de formas
diferenciales {hxm (1)| , hy n (2)|} hemos definido las componentes contravariantes de un tensor

T ij

hx (1)| hyj (2)|




=T , V

 ij  11 12

T
T , T , , T 1n , T 21 , T 22 , , T 2n , , T nn


ahora, en esta visi
on, las componentes contravariantes en un puntoP de coordenadas x1 , x2 , , xn ,ser
an
aquella que bajo una transformaci
on de coordenadas xi = xi x
j con i, j = 1, 2, 3, , n., estas cantidades transforman como
x
i x
j km
Tij =
T
k
x xm
i

T ij =

xi xj km
T
x
k x
m

con

xi x
k
= li
k
x
xl

y donde xxk y xxk deber


an ser evaluadas en el punto P . Esta generalizacion nos permite construir
el caso m
as general.




ReDefinici
on Si {|ti (1)i , |uj (2)i , , |vk (m)i} y hxe (1)| , y f (2) , , hz g (n)| son bases para los vectores y las
formas, respectivamente. Las componentes de un tensor seran

f
hz g (n)|
|ti (1)i |uj (2)i
|vk (m)i hxe (1)| hy (2)|


mn
Tijk
= T , , , , ; , , ,

Luis A. N
un
ez

Universidad Industrial de Santander

111

M
etodos Matem
aticos de la Fsica

 11 21

1
n
1
n
1
11
n

n
un conjunto de cantidades T11
, T11 , , T11
, T11
, T21
, , Tm1
, , Tm
se denomi
m

nar
an componentes contravariantes y covariantes, respectivamente, de un tensor mixto en unpunto P de coordenadas x1 , x2 , , xn si bajo una transformacion de coordenadas xi = xi x
j con
i, j = 1, 2, 3, , n., estas cantidades transforman como
x
j xa
xd pq
x
i
ik

T
Teg
=
xp
xq x
e
x
g ad
xi x
k
x
k xl

con

3.6.1.

= li y donde las cantidades

x
i
xk

xi
x
k

ik
Teg
=

xi
xj x
a
x
d pq

T
x
p
x
q xe
xg ad

deberan ser evaluadas en el punto P .

Un ejemplo

Ilustremos ahora las transformaciones de tensores bajo cambios de la base del espacio vectorial. Una vez
m
as consideremos dos bases de vectores coordenados {|e1 i , |e2 i , |e3 i} y {|
e1 i , |
e2 i , |
e3 i} para el espacio
vectorial <3 La expresi
on de un determinado tensor en la base {|e1 i , |e2 i , |e3 i} sera

2 1 3
{|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} = Tji = 2 3 4
1 2 2
Si consideramos una nueva base

1

1

e |
e1 i = 1
e |
e2 i = 1
e |
e3 i = 1
e1 i = |ii

2
|
e2 i = |ii + |ji
e |
e1 i = 1
e |
e2 i = 2
e |
e3 i = 2
{|
e1 i , |
e2 i , |
e3 i}

|
e3 i = |ii + |ji + |ki

e |
e1 i = 1
e |
e2 i = 2
e |
e3 i = 3

para ese mismo espacio <3 encontraremos la expresion que toma Tji en esa base. Igualmente encontraremos las

k
expresiones para los siguientes tensores: Tij , Tij , Tij . Notese que
esta nueva base no es ortogonal ,
e |
ei i =
6

ik , con lo cual no se cumplen muchas cosas entre ellas |


ek i
ek 6= 1
Para encontrar la expresi
on Tji lo haremos expresando los vectores base {|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki}
en termino de la base {|
e1 i , |
e2 i , |
e3 i}

|e1 i = |ii = |
e1 i

|e2 i = |ji = |
e2 i |
e1 i
{|e1 i , |e2 i , |e3 i} =

|e3 i = |ki = |
e3 i |
e2 i
recordamos que un vector generico
|ai = aj |ej i = a
j |
ej i

|ai = aj |ej i = a
1 |
e1 i + a
2 |
e2 i + a
3 |
e3 i = a
1 |e1 i + a
2 (|e1 i + |e2 i) + a
3 (|e1 i + |e2 i + |e3 i)
con lo cual


a1 |e1 i + a2 |e2 i + a3 |e3 i = a
1 + a
2 + a
3 |e1 i + a
2 + a
3 |e2 i + a
3 |e3 i
Luis A. N
un
ez

Universidad Industrial de Santander

112

M
etodos Matem
aticos de la Fsica

y como

a1 = a
1 + a
2 + a
3
a2 = a
2 + a
3

3
3
a =a

= ai =

x k
a

x
k

x1
x
1

= 1;

x1
x
2

= 1;

x1
x
3

= 1;

x2
x
1

= 0;

x2
x
2

= 1;

x2
x
3

= 1;

x3
x
1

= 0;

x3
x
2

= 0;

x3
x
3

= 1;

Es de hacer notar que dado que la base ortonormal {|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} se tiene que
|ai = aj |ej i = a
i |
ei i

= ei ai = aj ei |ej i = aj ji = ai = a
k ei |
ek i

xi
= ei |
ek i
k
x

El mismo procedimiento se puede aplicar para expresar el vector |ai como combinacion lineal de los vectores
|
ej i
|ai = a
j |
ej i = aj |ej i = a1 |e1 i + a2 |e2 i + a3 |e3 i = a1 |
e1 i + a2 (|
e2 i |
e1 i) + a3 (|
e3 i |
e2 i)

x
1
x
1
x
1

x1 = 1;
x2 = 1;
x3 = 0;

a
1 = a1 a2

k
k
i x
2
2
3
x
2
x
2
x
2
a
=a a
=
= a
=a
x1 = 0;
x2 = 1;
x3 = 1;

xi
3
3

a
=a

x3

x
3
x
3
x1 = 0;
x2 = 0;
x3 = 1;
N
otese que, como era de esperarse,
k
xi x
= ji
x
k xj

1
= 0
0

1
1
0

1
1
1 0
1
0


0
1
1 = 0
1
0

1
1
0

0
1
0

0
0
1

Con las expresiones matriciales para las transformaciones ,estamos en capacidad de calcular, componente a
componente, las representaci
on del tensor en la nueva base con lo cual
x
k xj i
k
T
Tm
=
xi x
m j
T11 =

es decir

Luis A. N
un
ez

x
1 xj
xi x
1

Tji =

x
1
x1

x1
x
1

x
1
x2

x
1
x3

T 1 + x1 T 1 + x1 T 1
1 1 x 2 2 x 3
x
2
+ xx1 T22 +
1 T
 x1 1
x2

x
3
3
x
1 T1 + x
1 T2 +

T11 =

x
1 xj
xi x
1

Tji =


1 1 T11 + 0 T21 + 0 T31

1 1 T12 + 0 T22 + 0 T32
+0 1 T13 + 0 T23 + 0 T33

T11 =

x
1 xj
xi x
1

Tji =

T11 T12 = 2 2 = 0

Universidad Industrial de Santander

x3
x
1

T32

x3
x
1

T33

113

M
etodos Matem
aticos de la Fsica

del mismo modo


T21 =

es decir

x
1 xj
xi x
2

Tji =

T21 =

x
1 xj
xi x
2

Tji =

T21 =

x
1 xj
xi x
1

Tji =

x
1
x1

x1
x
2

x
1
x2

x
1
x3

T 1 + x2 T 1 + x2 T 1
1 1 x 2 2 x 3
x
2
+ xx2 T22 +
2 T
 x1 1
x
x2

3
3
x
2 T1 + x
2 T2 +


x3
x
2

T32

x3
x
2

T33


1 1 T11 + 1 T21 + 0 T31

1 1 T12 + 1 T22 + 0 T32
+0 1 T13 + 1 T23 + 0 T31


T11 + T21 T12 + T22 = (2 + 1) (2 + 3) = 2
k

se puede continuar termino a termino o realizar la multiplicacion de las matrices xxi , Tji y xxm provenientes
de la transformaci
on de componentes de tensores. Vale decir

2 1 3
1 1 1
0 2 3
1 1
0
k
j
x

x
k
2
4
1 1 2 3 4 0 1 1 = 1
Ti
0
Tm
=
xi j x
m
1 2 2
0 0 1
1
3
5
0
0
1
hay que resaltar un especial cuidado que se tuvo en la colocacion de la matrices para su multiplicaci
on. Si
k
j
k
k
= xxi xxm Tji las cantidades xxi son n
bien en la expresi
on Tm
umeros y no importa el orden con el cual
se multipliquen, cuando se colocan como matrices debe respetarse la concatenacion interna de ndices.
k
como una matriz, donde el ndice contravariante k indica filas y el
Esto es cuando queramos expresar Tm
ndice covariante m las columnas, fijamos primero estos ndices y luego respetamos la concatenacion ndices
covariantes con los contravariantes. Esta es la convencion para expresar la multiplicacion de matrices en la
notaci
on de ndices2 . Esto es
x
k xj i
k
Tm
=
T
xi x
m j
k

x
k i xj
k
= Tm
=
T
xi j x
m

Ahora los objetos xxi , Tji y xxm pueden ser sustituidos (en sus puestos correspondientes) por su representaci
on matricial.
k
Con lo cual hemos encontrado la representacion matricial Tm
de las componentes del tensor T en la base
{|
e1 i , |
e2 i , |
e3 i}

1
T1 = 0 T21 = 2 T21 = 3
T12 = 1 T22 = 2
T32 = 4
3
3

T1 = 1 T2 = 3
T33 = 5
n
Para encontrar la expresi
on para Tkm recordamos que Tkm = gkn Tm
es decir, requerimos las componentes
covariantes y contravariantes del tensor metrico gkn que genera esta base. Para ello recordamos que para una
base generica, {|
ej i} , no necesariamente ortogonal, de un espacio vectorial con producto interno, podemos
2 Quiz
a una forma de comprobar si los ndices est
a bien concatenados se observa si se bajan los ndices contravariantes
pero se colcan de antes que los covariantes. Esto es Tji Tij As la multiplicaci
on de matrices queda representada por
Cji = Aik Bjk Cij = Aik Bkj y aqu es claro que nidices consecutivos est
an concatenados e indican multiplicaci
on

Luis A. N
un
ez

Universidad Industrial de Santander

114

M
etodos Matem
aticos de la Fsica


definir la expresi
on de un tensor
|e i
i

|
ej i

0
2


que denominaremos tensor metrico como

g , , = gij gji

gij gji = g [|
ei i , |
ej i] h
ei |
ej i h
ej |
ei i

he | hej |

g , = gij gij

gij gij = (
gij )

Es de hacer notar que la representaci


on matricial para la metrica covariante gij de una base ortonormal
{|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} es siempre diagonal. Esto es
g11 = he1 |e1 i = hi |ii = 1;

g12 = he1 |e2 i = hi |ji = 0;

g21 = he2 |e1 i = hj |ii = 0;

g22 = he2 |e2 i = hj |ji = 1


n; g23 = he2 |e3 i = hj |ki = 0;

g31 = he3 |e1 i = hk |ii = 0;

g32 = he3 |e2 i = hk |ji = 0;

con lo cual

n
hTm
i
n
i
hTkm i hgkn Tm

g33 = he3 |e3 i = hk |ki = 1;

2 3
2
4
3
5

g13 = he1 |e2 i = hi |ji = 0;

0
1
1

hT nm i g nk Tk

donde hemos denotado hi como la representacion matricial del objeto


Para el caso de la base generica no ortonormal {|
ej i} tenemos dos formas de calcular el tensor (las
componentes covariantes y contravariantes) del tensor metrico. La primera es la forma directa
g11 = h
e1 |
e1 i = hi |ii = 1;

g12 = h
e1 |
e2 i = hi| (|ii + |ji) = 1;

g21 = h
e2 |
e1 i = (hi| + hj|) |ii = 1;

g22 = h
e2 |
e2 i = (hi| + hj|) (|ii + |ji) = 2

g31 = h
e3 |
e1 i = (hi| + hj| + hk|) |ii = 1;

g32 = h
e3 |
e2 i = (hi| + hj| + hk|) (|ii + |ji) = 2;

y
g13 = h
e1 |
e3 i = hi| (|ii + |ji + |ki) = 1;
g23 = h
e2 |
e3 i = (hi| + hj|) (|ii + |ji + |ki) = 2
g33 = h
e3 |
e3 i = (hi| + hj| + hk|) (|ii + |ji + |ki) = 3
consecuentemente

gij gji

Luis A. N
un
ez

1
1
1

1
2
2

1
2
3

gij gij = (
gij )

Universidad Industrial de Santander

2 1
1 2
0 1

0
1
1

115

M
etodos Matem
aticos de la Fsica

La otra forma de calcular la metrica correspondiente la base ortonormal {|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} y
transformarla a la base no ortonormal {|
e1 i , |
e2 i , |
e3 i} {|ii , |ii + |ji , |ii + |ji + |ki} esto es
gkm =

xi xj
gij
x
k x
m

= gkm =

xi
xj
g
ij
x
k
x
m

La metrica para el la base ortonormal ser


a diagonal y ademas gii =

gij

1
0
0

0
1
0

0
0 ;
1

g ij

1
0
0

1
g ii

, con lo cual

0
0 ;
1

gji

0
1
0 0
1
0

1
1
0

0
1
0

1
0
0

0
1
0

0
0 ;
1


1
1
1 = 1
1
1

1
2
2

1
2
3

y
gkm

xj
xi
g
=
ij
x
k
x
m

1
; 1
1

0
1
1

0
1
0 0
1
0

0
1
0

n
otese para conservar la convenci
on de ndices y matrices hemos representado que hemos traspuesto la matriz
xi
correspondiente a xk . La raz
on, como dijimos arriba es
gkm =

xi
xj
g
ij
x
k
x
m

gkm = ik gij jm

ki gij jm
gkm =

Para poder representar multiplicaci


on de matrices los ndices deben estar consecutivos, por tanto hay que
trasponer la representaci
on matricial para poder multiplicarla.
Ya estamos en capacidad de obtener las representaciones matriciales para los tensores: Tij , Tij , Tij .

0
D E D ET
j
Ti = Tji
1
1

T
2 3
0
2
4 = 2
3
5
3

1
D
E D
E
n
Tkm = gkn Tm
1
1

0
D
E D
E
n mk
Tkn = Tm
g
1
1

3.7.

1
2
2

0
1
2 1
1
3

1 1
D E
2 3 Tij
4 5


2 3
2
2
4 = 4
3
5
5

1
2 3
2
4 1
3
5
1

1
2
2


1
5
2 = 7
3
9

3
8
11

6
D
E
15 Tkm
20

10 13
D
E
13
17 Tkm
17
22

Teorema del Cociente

Al igual que existe el producto directo entre tenores, cabe preguntarse si es posible multiplicar una
componente de un tensor por otra de otro tensor y el producto sera un tensor ? Existe importantes
situaciones fsicas en las cuales es aplicable esta pregunta. Si Tij son las componentes de un tensor de rango
2 y V i el producto Tij V i = Bj ser
an componentes de un vector ? La respuesta no es siempre afirmativa, y
puede ser utilizado como un criterio de cuando una componente es un tensor. Este criterio que se denomina
el Teorema del Cociente.
La respuesta a esta pregunta surge de una respuesta a una pregunta distinta pero equivalente. Dados n2
n
umeros aij y un (una componente de un) vector generico V i , entonces la cantidad si aij V i V j es un escalar
Luis A. N
un
ez

Universidad Industrial de Santander

116

M
etodos Matem
aticos de la Fsica

entonces la parte simetrica a(ij) =

1
2


(aij + aji ) sera un (una componente de) tensor

0
2


. La demostraci
on

involucra algunos de los conceptos antes expuesto y la haremos para fijar conceptos.
Dados dos sistemas de coordenadas xi = xi (
xm ) y x
j = x
j (xm ) con i, j = 1, 2, 3, , n se cumple que
aij xi xj = = = a
ij x
i x
j

donde = constituye un escalar

y por lo tanto derivando y utilizando la regla de la cadena

aij xi xj a
ij


xi x
k
xi
=
= li
xi = xi x
j (xm )
=
l
k
x
x
xl



x
k x
l
i j
kl
x
x
aij a
xi xj = 0
xi xj

como hay una suma en ij no se puede afirmar la cantidad del parentesis se anula. Como esta afirmacion vale
para cualquier sistema de coordenadas Seleccionaremos las componentes coordenadas en la base canonica.
x1 = (1, 0, 0, , 0) ;

x2 = (0, 1, 0, , 0) ;

xn = (0, 0, 0, , 1)

con lo cual
a11 a
kl

l
x
k x
= 0;
x1 x1

a22 a
kl

como siempre podemos hacer a


(kl) =
a
kl = a
(kl) + a
[kl]

1
2

x
k x
l
= 0;
x2 x2

(
akl + a
lk ) y a
[kl] =

1
2

x
k x
l
=0
xn xn

(
akl a
lk ) y separar el tensor

a(hh) a
(kl) + a
[kl]

a(hh) a
(kl)

ann a
kl

 x
k x
l
=0
xh xh

x
k x
l
=0
h
x xh

con lo cual se garantiza que la parte simetrica de un tensor transforma como un verdadero tensor una vez
que se contrae con un par de vectores.

3.8.
3.8.1.

Temas avanzados
Bases Discretas y Continuas

Haremos una disgresi


on para fijar conceptos y extender algunos de los razonamientos que hemos desarrollado hasta aqu. Tal y como vimos arriba, la representacion de un vector |Fi en un espacio vectorial abstracto V puede darse en termino de una base ortonormal de vectores (discreta y finita BDF =
{|u1 i , |u2 i , |u3 i , |un i} o discreta e infinita BDI = {|u1 i , |u2 i , |u3 i |un i }) de la forma:


BDF = {|u1 i , |u2 i , |u3 i |un i}
ci |ui i = ui Fi |ui i
|Fi =


i
c |vi i = ui Fi |ui i
BDI = {|u1 i , |u2 i , |u3 i |un i }
donde en ambos casos:

ci = ui Fi = cj ui |uj i = cj ji

Luis A. N
un
ez

Universidad Industrial de Santander

117

M
etodos Matem
aticos de la Fsica

Ahora bien, si estamos tratando el espacio vectorial de funciones de cuadrado integrable L2 ,definidas en <3
tendremos que

Z
X

i
3 0
0
0
i

d r ui (r ) f (r ) |ui i
|Fi = c |ui i u Fi |ui i =

i=0

que se reescribe en terminos de funciones como


f (r) =

Z
X

3 0

d r

ui

y
"

i=0

Es claro que se pueden intercambiar los smbolos de


Z


(r ) f (r ) ui (r)
0

3 0

f (r) =

d r f (r )

, por lo cual

#
ui

(r ) ui (r)

i=0

{z

G(r0 ,r)

la funci
on G(r0 , r) que depende de los argumentos, r0 y r, vive dentro de las integrales y convierte
Z
f (r) =
d3 r0 f (r0 ) G(r0 , r)

Este tipo de funciones que apareci


o en el captulo de transformadas integrales se conoce como la funci
on
distribuci
on delta de Dirac
Z
f (r) =
d3 r0 f (r0 ) (r0 r)

Esto sugiere la generalizaci


on de bases discretas a continua |w i de tal forma que transformamos el ndice
de la sumatoria en la variable de una integral
Z
|i = d c () |w i
donde

Z
c () = hw |i =

Z
d c () hw |w i =

d c () ( )

con en la cual ( ) es una Delta de Dirac. As, los dos conceptos expresados hasta ahora tienen una
expresi
on:
Propiedad\Base
Ortogonalidad
Cierre
Expansi
on
Componentes
Producto Interno
Norma

Luis A. N
un
ez

Discreta
vi |v i = j
i
P j
1 = j=0 |vj i vj
P
|Fi =
i=0 ci |ui i
ci = P
ui Fi

hG| Fi = i=0 g i fi
P
2
hF| Fi = i=0 |fi |

Continua
hw R|w i = ( )
1 = d |w i hw |
R
|i = d c () |w i
c ()R= hw |i
hG| Fi = d g () f ()
R
2
hF| Fi = d |f ()|

Universidad Industrial de Santander

118

M
etodos Matem
aticos de la Fsica

3.8.2.

Bases de Ondas Planas

Como un ejemplo de lo anterior consideraremos la base de las ondas planas. En el captulo de transformadas integrales consideramos un caso particular de las transformada de Fourier compleja para una funci
on,
vale decir
Z
Z
dt ei

F (s) =

st

f (t)

ds ei

f (t) =

st

F (s)

las cuales re-escribiremos en terminos m


as familiares a la comunidad de fsicos como
Z
Z
1
1
i px/~

(x) =
dp e
dx ei
(p)

(p) =
2~
2~

px/~

(x)

Hemos tenido cuidado de incluir los factores de normalizacion adecuados para el caso de las descripciones
en mec
anica Cu
antica. Estas f
ormulas pueden ser re-interpretadas en funcion de los conceptos anteriormente
expuestos y podemos definir una base continua de la forma




Z
Z
1
1
1
1
i px/~
i px/~

dp
dx
(p)

(p) =
(x)
e
e
(x) =
2~
2~
2~
2~
{z
}
{z
}
|
|
vpx (x)

vp (x)

por lo cual
Z

(x) =

dp vp (x) (p)

(p) =

dx vp (x) (x)

Diremos que la funci


on (x) est
a expresada en la base de ondas planas vp (x) =
N
otese

1 ei px/~
2~

El ndice p de vp (x) vara de forma continua entre e .


1
Que vp (x) = 2~
ei px/~
/ L2 es decir no pertenece al espacio vectorial de funciones de cuadrado
integrable ya que su norma diverge
Z
Z
1
2
hvp | vp i =
dx |vp (x)| =

dx
2~

Que las proyecciones de (x) sobre la base de ondas planas es (p) = hvp | i
La relaci
on de cierre para esta base se expresa como
Z
Z
Z

0
1= d |v i hv |

dp vp (x ) vp (x) =

dp

1 i p(x0 x)/~
e
= (x0 x)
2~

mientras que de la definici


on de producto interno, uno obtiene
Z
Z
1 i x(p0 p)/~

0
hvp | vp i =
dx vp0 (x) vp (x) =
dp
e
= (p0 p)
2~

En este mismo orden de ideas podemos construir otra base continua r0 (r) a partir de la utilizaci
on de
las propiedades de la delta de Dirac. Esto es
Z
Z
(r) =
d3 r0 (r0 ) (r0 r)

(r0 ) =
d3 r (r) (r r0 )
{z
}
|

r0 (r)

Luis A. N
un
ez

Universidad Industrial de Santander

119

M
etodos Matem
aticos de la Fsica

por lo cual la re-interpretaci


on es inmediata
Z
(r) =
d3 r0 (r0 ) r0 (r)

(r0 ) = hr0 | i =

con

d3 r r0 (r) (r)

m
as a
un la ortogonalidad queda garantizada por la relacion de cierre
Z
Z
hr0 | r0 i =
d3 r0 r0 (r) r0 (r0 ) =
d3 r0 (r r0 ) (r0 r0 ) = (r0 r)

al igual que

hr0 | r00 =

3.8.3.

d r

r0

Z
(r) r00 (r) =

d3 r (r r0 ) (r r00 ) = (r00 r0 )

Las Representaciones |ri y |pi

A partir de las bases de ondas planas vp0 (x) ,y de distribuciones, r0 (r) , construimos las llamadas
representaciones |ri y |pi de la forma siguiente. Asociamos
r0 (r)

|r0 i

vp0 (x)

|p0 i

De esta forma dada las bases {r0 (r)} y {vp0 (x)} para el espacio vectorial V definiremos dos representaciones, la representaci
on de coordenadas, |r0 i , y la representacion de momentos |p0 i de V,respectivamente.
De tal modo que
Z
hr0 | r00 i =
d3 r r0 (r) r00 (r) = (r00 r0 )

Z
1 = d3 r0 |r0 i hr0 |
Z
Z
1 i r0 p0 /~
0
3

e
= (p00 p0 )
hp0 | p0 i =
d r vp00 (r) vp0 (r) =
d3 r
2~

Z
1 = d3 p0 |p0 i hp0 |
Podemos, entonces expresar el producto interno para la representacion de coordenadas como
Z

Z
3
h |i = h|
d r0 |r0 i hr0 | |i = d3 r0 (~r0 )(~r0 )
|
{z
}
1

y equivalentemente para la representaci


on de momentos
Z

Z
h |i = h|
d3 p0 |p0 i hp0 | |i = d3 p0 (~
p0 )(~
p0 )
{z
}
|
1

Luis A. N
un
ez

Universidad Industrial de Santander

120

M
etodos Matem
aticos de la Fsica

por lo cual hemos encontrado que


Z
|i =

d3 r0 |r0 i hr0 | i =

(~r0 ) = hr0 |i

d3 p0 |p0 i hp0 | i

(~
p0 ) = hp0 |i

que es la representaci
on de |i en coordenadas, (r0 ), y en momentos, (p0 ). Adicionalmente cuando
|i = |pi tendremos que
Z

Z
i
3/2
d3 r00 (~r00 ~r0 ) e ~ p~0 ~r0
d3 r00 |r00 i hr00 | |p0 i = (2~)
hr0 |p0 i = hr0 |
{z
}
|
1

3/2

hr0 |p0 i = (2~)

i
~0 ~
r0
~p

con lo cual (p0 ) puede considerarse la transformada de Fourier de (r0 ), y denotaremos de ahora en adelante las bases |r0 i |ri y |p0 i |pi . Estos ndices continuos, r0 y p0 ,representan tres ndices continuos
r
(x, y, z) y p
(px , py , pz ) . La proyeccion de un vector abstracto |i en la representacion |ri ser
a considerada como su expresi
on en el espacio de coordenadas, igualmente su proyeccion hp |i sera su expresi
on
en el espacio de los momentos. Eso nos permitira hacer corresponder los elementos de espacios vectoriales abstractos con, con elementos de un espacio vectorial de funciones. Por lo tanto todas las formulas de
proyecci
on quedan como
hr |i = (r)
y
hp |i = (p)
mientras que las relaciones de cierre y ortonormalizacion
Z

hr| r0 i = (r0 r)

1=
Z

hp| pi = (p p)

1=

d3 r |ri hr|
d3 p |pi hp|

por su parte, la relaci


on de cierre har
a corresponder a la expresion del el producto interno de dos vectores,
tanto en la representaci
on de las coordenadas como en la representacion de momentos de la forma
Z

Z
3
h|
d r |ri hr| |i = d3 r (r) (r)
m
h |i
m
Z
h|

d3 p |pi hp| |i =

d3 p (p) (p)

donde (p) y (p)


son las transformadas de Fourier de (r) y (r), respectivamente. La afirmacion anterior
queda evidentemente demostrada del cambio entre las bases |ri y |pi . Esto es

3/2

hr |pi = hp |ri = (2~)

e ~ pr

por lo cual
Z
(r) = hr |i = hr|

Luis A. N
un
ez


Z
Z
i
3/2

d3 p |pi hp| |i = d3 p hr |pi hp| i = (2~)


d3 p e ~ pr (p)

Universidad Industrial de Santander

121

M
etodos Matem
aticos de la Fsica

e inversamente
Z
(p) = hp |i = hp|

Luis A. N
un
ez


Z
Z
i
3/2
d3 r |ri hr| |i = d3 r hp |ri hr| i = (2~)
d3 r e ~ pr (r)

Universidad Industrial de Santander

122

Bibliografa
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid ) QA300 A66C3 1972
[2] Arfken, G. B.,Weber, H., Weber, H.J. (2000) Mathematical Methods for Physicists 5ta Edici
on
(Academic Press, Nueva York)
[3] Borisenko, A.I, y Tarapov I.E. (1968) Vector and Tensor Analisys (Dover Publications Inc, Nueva
York)
[4] Dennery, P. y Krzywicki, A. (1995) Mathematics for Physicists (Dover Publications Inc, Nueva York)
[5] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva York ).
[6] Lovelock, D, y Rund, H. (1975) Tensors, Differential Forms & Variational Principles (John Wiley
Interscience, Nueva York ).
[7] Santal
o, L.A (1969) Vectores y Tensores (Editorial Universitaria, Buenos Aires)
[8] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)

123

Captulo 4

Coordenadas Curvilineas

124

M
etodos Matem
aticos de la Fsica

4.1.

Disgreci
on Derivativa

Los vectores podr


an ser constantes o variables. Ahora bien esa caracterstica se verificara tanto en las
componentes como en la base. Esto quiere decir que cuando un vector es variable podran variar su modulo, su
direcci
on, su sentido o todo junto o separado. Obviamente esta variabilidad del vector dependera de la base
en la cual se exprese, por lo cual un vector podra tener una componente constante en una base y constante
en otra.
|ai(t) = ak (t) |ek i(t) = a
k |
ek i(t) = a
k (t) |
ek i
De esta manera, cuando uno piensa en un vector variable |ai(t) ~a (t) uno rapidamente piensa en establecer
un cociente incremental


d |ai(t)
|ai(t)
|ai(t+t) |ai(t)
= lm
=
lm
t0
t0
t
t
dt
m
lm

t0

~a (t)
d~a (t)
~a (t + t) ~a (t)
= lm
=
t0 t
t
dt

La misma propuesta se cumplir


a para las formas diferenciales (t) ha| . Como siempre, las propiedades de esta
operaci
on ser
an






d |ai(t) + |bi(t)
d |ai(t)
d |bi(t)
=
+
dt
dt
dt


d (t) |ai(t)
dt
d


(t)

ha |bi(t)
dt

d ( (t))
|ai(t) + (t)
dt


d



d |ai(t)
dt



!
d |bi(t)
ha|

|bi(t) + ha|(t)
dt
dt

(t)

Ahora bien, esto implica que


|ai(t) = ak (t) |ek i(t) =



d |ai(t)
dt



d ak (t) |ek i(t)
dt



d |ek i(t)
d ak (t)
=
|ek i(t) + ak (t)
dt
dt

con lo cual hay que tener cuidado al derivar vectores y cerciorarse de la dependencia funcional de base y
componentes. Habr
a sistemas de coordenadas (bases de vectores) que sean constantes y otros con bases
variables. As, el radio vector posici
on de una partcula genera los vectores velocidad y aceleracion.
~r = ~r (t)

= ~v (t) =

d (~r (t))
dt

= ~a (t) =

d (~v (t))
d2 (~r (t))
=
dt
dt2

ahora bien
~r |ri = rP |ur i = xP |ii + yP |ji + zP |ki

Luis A. N
un
ez

con |ur i = cos |ii + sen |ji

Universidad Industrial de Santander

125

M
etodos Matem
aticos de la Fsica

si suponemos que la partcula describe un

rP = rP (t)

= (t)

movimiento entonces

x = x (t)
y = y (t) ; |ur i = |ur i(t) ;

z = z (t)

|ii = const
|ji = const
|ki = const

con lo cual
d (|ur i)
d (cos (t) |ii + sen (t) |ji)
d (t)
d (t)
=
= (sen (t))
|ii + cos (t)
|ji
dt
dt
dt
dt
d (t)
d (t)
d (|ur i)
=
[ (sen (t)) |ii + cos (t) |ji] =
|u i
{z
}
dt
dt |
dt
|u i

ya que
k|ur ik =

hur |ur i =

p
[cos (t) hi| + sen (t) hj|] [cos (t) |ii + sen (t) |ji] = 1

k|u ik =

hu |u i =

[ (sen (t)) hi| + cos (t) hj|] [ (sen (t)) |ii + cos (t) |ji] = 1

y
hur |u i = hu |ur i = [ (sen (t)) hi| + cos (t) hj|] [cos (t) hi| + sen (t) |ji] = 0
M
as a
un
d ( (sen (t)) |ii + cos (t) |ji)
d (t)
d (|u i)
=
= (cos (t) |ii + sen (t) |ji) =
|ur i
dt
dt
dt
Con lo cual, una partcula que describe un movimiento generico vendra descrita en coordenadas cartesianas
por
~r |ri = xP (t) |ii + yP (t) |ji + zP (t) |ki
y su velocidad ser
a
d~r (t)
d (|ri)
d (xP (t) |ii + yP (t) |ji + zP (t) |ki)
=
=
dt
dt
dt
d (xP (t))
d (yP (t))
d (zP (t))
=
|ii +
|ji +
|ki = vxP (t) |ii + vyP (t) |ji + vzP (t) |ki
dt
dt
dt

~v (t) =

y la aceleraci
on
~a (t) =

d (vxP (t))
d (vyP (t))
d (vzP (t))
|ii +
|ji +
|ki = axP (t) |ii + ayP (t) |ji + azP (t) |ki
dt
dt
dt

Mientras que en coordenadas polares ser


a

~r |ri = rP (t) |ur i(t)

= ~v (t) =



d r (t)P |ur i(t)
dt

con lo cual la velocidad


~v (t) = vr (t)P |ur i(t) + r (t)P
Luis A. N
un
ez

d (r (t)P )
|ur i(t) + r (t)P
dt



d |ur i(t)
dt

d (t)
|u i
dt

Universidad Industrial de Santander

126

M
etodos Matem
aticos de la Fsica

y la aceleraci
on

~a (t) =

d (~v (t))
=
dt
d

~a (t) =

dr(t)P
dt

dt

dr(t)P
dt

|ur i(t) + r (t)P

d(t)
dt

|u i


=

dt



d vr (t)P |ur i(t)
dt

~a (t) =

dr (t)P d (t)
d (t)
|u i(t) + r (t)P
|u i(t) + r (t)P
dt
dt
dt2

 dr(t) 
P
d
dt

d(t)
dt


|u i

dt



d
|u
i
r
(t)
dr (t)P
|ur i(t) +
dt
dt
2


d r (t)P

dt


r (t)P

d (t)
dt

2



d
|u
i

(t)
d (t)
dt

dt

dr (t)P d (t)
d2 (t)
|ur i(t) + 2
+ r (t)P

dt
dt
dt2



|u i(t)

Claramente para el caso de un movimiento circular

r = R = const

dR
=0
dt

~r (t) = R |ur i(t)

~v (t) = R d(t)
=
dt |u i




~a (t) = R d(t) 2 |u i + R d2 (t) |u i


r (t)
(t)
dt
dt2

De aqu podemos ver claramente que velocidad ~v (t) y posicion ~r (t) son ortogonales. La velocidad, ~v (t) ,
siempre es tangente a la trayectoria ~r (t) y en este caso la trayectoria es una circunsferencia. En general el
vector
Z
X
X
X
~r (ti ) = d~r (t) = ~r (t)
~rmed =
~r (ti ) =
(~r (ti + ti ) ~r (ti )) = lm
i

es decir d~r (t) = lmt0

t0

~r (ti ) es tangente a la trayectoria. Es claro que




xP (t)
yP (t)
zP (t)
d~r (t) = d [xP (t) |ii + yP (t) |ji + zP (t) |ki]
|ii +
|ji +
|ki dt
t
t
t

4.2.

Curvas y par
ametros

Podemos generalizar esta afirmaci


on y considerar un parametro generico , en este caso
~r = ~r (xP () , yP () , zP ()) =


~r xP ()
~r yP ()
~r zP ()
d~r (xP () , yP () , zP ()) =
+
+
d
xP ()
yP ()
zP ()

=

Luis A. N
un
ez

xP () ~r
yP () ~r
zP () ~r
+
+
xP ()
yP ()
zP ()

Universidad Industrial de Santander


d

127

M
etodos Matem
aticos de la Fsica

con lo cual

d ()
xP () ()
yP () ()
zP () ()
=
+
+
d
xP ()
yP ()
zP ()


P () yP () zP ()
con lo cual podemos considerar las cantidades x
, ,
como las componentes del vector,

d()
d~r () , (y en general del operador
d ) tangente ala trayectoria parametrizada con .

()
seran los vectores base en esas coordenadas.
, ()
M
as a
un las cantidades xP () , x()
P () zP ()

1
As al considerar coordenadas generalizadas q () , q 2 () , q 3 ()


|ri =
r=
r q 1 () , q 2 () , q 3 ()

 q 1 ()
~r
q 2 ()
~r
q 3 ()
~r
d~r q 1 () , q 2 () , q 3 () =
d 1
+
d 2
+
d 3

q ()

q ()

q ()
m
d
r
q 1 () ~r
q 2 () ~r
q 3 () ~r
=
+
+
d
q 1 ()
q 2 ()
q 3 ()
| {z }
| {z }
| {z }
|q 1 i

n
donde q 1 =

~
r
2
q 1 () , q

~
r
3
q 2 () , q

~
r
q 3 () ,

|q 2 i

|q 3 i

son la base de vectores.

Por otro lado el m


odulo del vector kd~r ()k representara la longitud de arco ds para esa curva. Por
consiguiente
ds2 = hdr() |dr()i =

d hdr()| d |dr()i
q i hdr()| q j |dr()i
(d)2 =
(d)2
d
d

q i

q j

hdr()| |dr()i q i q j
hdr()| |dr()i i j
d
d =
dq dq
q i
q j |{z }|{z }
q i
q j
dq i

donde

d~
r ()
d

dq j

es el vector tangente a la curva. Dado que


2

(ds) = gij dxi dxj = gij d


xi d
xj = gij dq i dq j =

hdr()| |dr()i i j
dq dq
q i
q j
{z
}
|
g
ij

identificamos claramente

Luis A. N
un
ez

hdr()| |dr()i
gij
q i
q j

Universidad Industrial de Santander

128

M
etodos Matem
aticos de la Fsica

Figura 4.1: Coordenadas Curvilneas en 2D.


Cuadrante I, coordenadas cilndricas x = cos ; y = sen ; z = z
Cuadrante II, coordenadas cilndricas elpticas x = a cosh u cos v; y = a senh u sen v; z = z
Cuadrante III coordenadas cilndricas parabolicas x = 12 u v 2 ; y = uv; z = z
Cuadrante IV coordenadas cilndricas bipolares x2 + (y a cot u)
a2
y 2 = senh
z = z
2v;

4.3.

a2 csc2 u;

v
x a senh
cosh v

2

Coordenadas Curvilneas Generalizadas


Como hemos visto siempre se podr
a definir un sistema de coordenadas generalizadas q 1 , q 2 , q 3 tales que
|ri =
r=
r q1 , q2 , q3

= d
r=

(ds) = gij dxi dxj d


rd
r=

r 1

r 2

r 3
dq +
dq +
dq
q1
q2
q3

r
r
dq i dq j
qi qj

gij = qri qrj

|
ej i =

1 |ri
|ri q j
qj

genere una trada de vectors base {|


ej i} ortonormales de vectores unitarios tales que
1
|ri

|
e1 i =
|ri q 1 ;
q1

1
|ri

|
e2 i =
|ri q 2 ;
q2

1
|ri

|
e3 i =
|ri q 3 ;
q3

los cuales son vectores tangentes a las curvas que define el radio vector |ri. Claramente si el sistema es
ortogonal los factores de escala son importantes para su categorizacion






|ri
|ri
|ri





;
h1 =
; h2 =
; y h3 =
q1
q2
q3
Luis A. N
un
ez

Universidad Industrial de Santander

129

M
etodos Matem
aticos de la Fsica

con lo cual podemos definir el elemento de lnea como


ds2 = h1 dq 1

2

+ h2 dq 2

2

+ h3 dq 3

2

hdr()| |dr()i i j
dq dq = gij dq i dq j
q i
q j

Es decir que identificamos la metrica como


h1 =

x
x1

=
= g11 ;
q 1
q 1

h2 =

x2
y

=
= g22 ;
q 2
q 2

h3 =

x3
z

=
= g33 .
q 3
q 3

De tal forma que los casos particulares se recuperan facilmente.

4.3.1.

Coordenadas generalizadas, vectores y formas

Recordando como construimos el desplazamiento para una base generica ortogonal, {|


ej i} de un espacio
vectorial con producto interno, el desplazamiento infinitesimal puede expresarse como

k 

k
ds2 hdr |dri = d x
k
e (d x
m |
em i) =
e |
em i d x
k d x
m = d x
m d x
m = gkm d x
k d x
m
Donde hemos utilizado el hecho que la metrica nos permite asociar componentes contravariantes a covariantes
y viceversa, es decir establece una relaci
on entre formas y vectores.




Si las bases de formas y vectores son ortogonales la metrica sera diagonal y como en general |dr()i
6= 1,
q j
entoces surgen los llamados factores de escala hi = gii
Entonces, una vez m
as, una forma hb| o, un vector |ai cualquiera puede expresarse como una combinaci
on
lineal de formas o vectores base

j
|ai = aj |ej i = a
j |
ej i

hb| = bj ej = bj
e
con

aj = ej |ai ;

j
a
j =
e |ai ;

bj = hb |ej i ;

y bj = hb |
ej i

De esta manera las componentes covariantes y contravariantes estaran relacionadas como


aj = gjk ak

ai = h[i] a[i]

donde h[i] a[i] NO indica suma. En otras palabras, en aquellos sistemas de coordenadas en los cuales la metrica
es diagonal pero no viene representada por la matriz unidad, subir y bajar indices puede incluir los camibos
de escala.

4.3.2.

Velocidades y Aceleraciones

Antes de pasar a analizar los casos particulares haremos un alto para expresar las expresiones de las
velocidades y las aceleraciones en coordenadas generalizadas. Para ello recordamos que los vectores velocidad
y aceleraci
on se representan como
|V i = V j |ej i = x j |ej i = V j |
ej i = x
j |
ej i

j |
|ai = aj |ej i = x
j |ej i = a
j |
ej i = x
ej i

respectivamente. Para determinar las expresiones de estos vectores en cualquier sistema de coordenadas, es
suficiente con encontrar las expresiones de sus componentes contravariantes o contravariantes. Como sabemos,
podremos encontrar una a partir de las otras con la ayuda de la metrica del sistema de coordenadas.

Luis A. N
un
ez

Universidad Industrial de Santander

130

M
etodos Matem
aticos de la Fsica

Entonces, el vector velocidad en la base cartesiana se puede expresar como


E
E


|V i = Vx |i+Vy |i+Vz k = x |i+y |i+z k = x j |ej i = qj |
ej i con |e1 i = |i ;

|e2 i = |i ;

E

|e3 i = k ,

claramente las componentes contravariantes del vector velocidad en un sistema de coordenadas generalizado
son V j = qj
Para encontrar las componentes covariantes recordamos que para cualquier base generalizada de vectores
o formas se expresan en termino de la base cartesiana (de vectores o formas) como
xi
|ei i
q j

|
ej i =

i
q i
j

e =
e
xj

Entoces las componentes covariantes del vector velocidad en una base generalizada sera


Vm V m
 i

xm

m
m
2
x
x
x
t
Vj = hV |
ej i = (x m h
em |)
|ei i = x m j = x m q
= x m j =
j
q j
q
q
qj
t

Con lo cual resulta f


acil expresar las componentes covariantes una vez que conocemos el modulo del vector
expresado en ese sistema de coordenadas. El cual siempre viene expresado a partir del diferencial
d |ri

d |ri
dt

Para encontrar la expresi


on para la aceleracion se procede de manera analoga.
 i



x
d
xm
xm
x m
m
a
j = ha |
ej i = (
xm h
e |)
|e
i
=
x

i
m
m
m
q j
q j
dt
q j
q j
y otra vez
xm
x m
=
j
q
qj

a
j =

d
dt








x m
d

x m
x m x m
x m x m
x m j x m j =

q
q
dt qj
2
q j
2

y finalmente
a
j =

4.3.3.

d
dt

qj

Vm V m
2



q j

Vm V m
2

Coordenadas Cartesianas

El primer caso, el m
as trivial, lo constituyen las coordenadas cartesianas. Vale decir

q 1 , q 2 , q 3 (x, y, z)

|ri = x |ii + y |ji + z |ki =


r = x + y
+ zk


r=
r (x, y, z) = d
r=

Luis A. N
un
ez

r
x


dx +





r
dy +
dz = dx |ii + dy |ji + dz |ki
y
z

Universidad Industrial de Santander

131

M
etodos Matem
aticos de la Fsica

cosecuentemente





hx = |ri
x =1

|
ex i =





hy = |ri
y =1





hz = |ri
z =1

|
ey i =
|
ez i =

El elemento de lnea viene definido como


2
2
2
2
(ds) = h1 dx1 + h2 dx2 + h3 dx3

k |ri
x k
1

k y|ri k
1

k |ri
z k

|ri
x

= |ii

|ri
x

= |ji ;

|ri
z

= |ki

ds2 = dx2 + dy 2 + dz 2

y el tensor metric
o ser
a
g11 = gxx = 1;

g22 = gyy = 1;

g22 = gzz = 1.

El hecho que para el caso de las coordenadas cartesianas hx = hy = hz = 1 significara que las tomaremos
como coordenadas base respecto a las cuales expresaremos las demas.

4.3.4.

Coordenadas Cilndricas

Las coordenadas cilndricas se expresan como



q 1 , q 2 , q 3 (, , z)

|ri = x (, ) |ii + y (, ) |ji + z |ki


r = x (, ) + y (, )
+ zk


r=
r (, , z)

d
r=







r
d +
d +
dz

y estas cantidades pueden ser identificadas de


sianas
x = x (, ) = cos

las leyes de transformacion respecto a las

dx = cos d sen d

y = y (, ) = sen
= dy = sen d + cos d

z=z
dz = dz
con lo cual es f
acil identificar
x(,)

x(,)

x(,)
= cos
= sen
=0


z

y(,)

y(,)

= sen ; y(,)
= cos ; y
=0

z
z
z
z =1
=0
=0

coordendas carte-

y de all







+ zk
x (, ) y (, )
|ri x (, ) + y (, )





h =
=

= +



h = kcos + sen
k = 1
Luis A. N
un
ez

Universidad Industrial de Santander

132

M
etodos Matem
aticos de la Fsica

y del mismo modo




(z)

hz =
k = 1.
z



(x (, ) + y (, )
)

= r;
h =

mientras que los vectores unitarios ser


an
|
e i =
|
e i =
|
ez i =

k |ri
k

|ri

x(,)
+ y(,)
=

|ri

|ri
z

(x(,)+y(,)+zk)

k |ri
k
1

k |ri
z k

x(,)

cos + sen

y(,)

El elemento de lnea viene definido como


2
2
2
2
(ds) = h1 dx1 + h2 dx2 + h3 dx3

= sen + cos
;

=k

ds2 = d2 + 2 d2 + dz 2

y el tensor metric
o ser
a
g11 = g = 1;

4.3.5.

g22 = g = 2 ;

g33 = gzz = 1.

Coordenadas Esf
ericas

Para construir el sistema de coordenadas esfericas



q 1 , q 2 , q 3 (r, , )

|ri = x (r, , ) |ii + y (r, , ) |ji + z (r, , ) |ki = x (r, , ) + y (r, , )


+ z (r, , ) k

~r = ~r (r, , )

d~r=

~r
r


dr +

~r


d +

~r


d

y estas cantidades pueden ser identificadas de las leyes de transformacion respecto a las coordendas cartesianas

x = x (r, , ) = r cos sen


dx = cos sen dr r sen sen d + r cos cos d

y = y (r, , ) = r sen sen


= dy = sen sen dr + r cos sen d + r sen cos d

z (r, , ) = r cos
dz = cos dr r sen d
con lo cual es f
acil identificar

x(r,,)
= cos sen
r

y(r,,)

= sen sen
r

z(r,,)
= cos
r
Luis A. N
un
ez

x(r,,)

= r sen sen

y(r,,)

= r cos sen

z(r,,)

=0

Universidad Industrial de Santander

x(r,,)

y(r,,)

z(r,,)

= r cos cos

= r sen cos

= r sen
133

M
etodos Matem
aticos de la Fsica

y de all





+ z (r, , ) k
|ri x (r, , ) + y (r, , )



hr =
r =

r




x (r, , ) y (r, , ) z (r, , )

hr =
+

+
k

r
r
r


+ cos
hr = cos sen + sen sen

p

k
= cos2 sen2 + sen2 sen2 + cos2 = 1

y del mismo modo





x (r, , ) + y (r, , )


+ z (r, , ) k

x (r, , ) y (r, , )



h =
+

h = kr sen sen +r cos sen


k =

(r sen sen ) + (r cos sen ) = r sen

Finalmente,


x (r, , ) + y (r, , )

+
z
(r,
,
)
k




h =





x (r, , )
y (r, , )
z (r, , )

h =

+
k



h = r cos cos +r sen cos
sen
q
h =

(r cos cos ) + (r sen cos ) + (r sen ) = r

mientras que los vectores unitarios ser


an
|
er i =
|
e i =
|
e i =

k |ri
r k
1

k |ri
k
1

|ri

|ri
r

= cos sen + sen sen


+ cos k

|ri

1
r sen

|ri

1
r

(r sen sen +r cos sen


)

r cos cos +r sen cos


sen k

El elemento de lnea viene definido como


2
2
2
2
(ds) = h1 dx1 + h2 dx2 + h3 dx3
Luis A. N
un
ez

;


ds2 = dr2 + r2 sen2 d2 + r2 d2

Universidad Industrial de Santander

134

M
etodos Matem
aticos de la Fsica

El tensor metrico ser


a
g11 = grr = 1;

g22 = g = r2 sen2 ;

g33 = g = r2 .

Por completidud, enumeraremos algunos otros sistemas de coordenadas y dejaremos al lector la labor de
calcular los vectores unitarios y la metrica del espacio expresada en estas coordenadas.

4.3.6.

Otros Sistemas Coordenados

Coordenadas Toroidales

q 1 , q 2 , q 3 (, , ) ;

|ri = x (, , ) + y (, , )
+ z (, , ) k

con
x = x (, , ) = r cos ;

con r =

senh
cosh + cos

y = y (, , ) = r sen
z = z (, , ) = r

sen
cosh + cos

con lo cual los vectores unitarios ser


an
|
e i =

|
e i =
|
e i =
Luis A. N
un
ez

|ri

k |ri
k
1

k |ri
k

|ri

|ri

|ri

(x(,,)+y(,,)
)
+z(,,)k

(x(,,)+y(,,)+z(,,)k)

Universidad Industrial de Santander

135

M
etodos Matem
aticos de la Fsica

|ri
=

|ri
=



senh
cosh +cos

cos



senh
cosh +cos

sen



cosh cos + 1
cosh2 + 2 cosh cos + cos2

sen
cosh +cos

sen cosh2 cosh cos 2


(cos + sen
)

senh
cosh +cos

cosh3 + 3 cosh2 cos + 3 cosh cos2 + cos3

la metrica queda como


2

ds = r

d2 + d2
senh2

Las superficies = const representan toros alrededor del eje z; las superficies = const son esferas con
centro sobre el eje z;y finalmente las superficies = const son planos que contiene al eje z
Coordenadas Elipsoidales
Dados tres n
umeros a, b y c; con a > b > c > 0, la ecuacion
y2
z2
x2
+
+
=1
a2 + b2 + c2 +
representa las superficies cu
adricas1 homofocales (es decir, con el mismo foco u origen en (x = 0, y = 0, z = 0)).
Dependiendo del valor del par
ametro , estas ecuaciones representaran superficies
Elipsoides
Hiperboloides de una hoja
Hiperboloides de dos hojas

si
> c2
2
si c > > b2
si b2 > > c2

Esto quiere decir que por cada punto (x, y, z) del espacio, pasan tres superficies cuadricas (dependiendo del
valor de ). Conocidos a, b y c y el punto, (x = x0 , y = y0 , z = z0 ) , los valores de vienen dados por las
races de la ecuaci
on c
ubica
y2
z2
x2
+
+
=1
a2 + b2 + c2 +

3 + 2 + + = 0

con
= x20 + y02 + z02 a2 b2 c2




= b2 + c2 x20 + a2 + c2 y02 + a2 + b2 z02 a2 b2 a2 + b2 c2
= x20 b2 c2 + y02 a2 c2 + z02 a2 b2 a2 b2 c2
Las races de esta ecuaci
on (1 = ; 2 = ; 3 = ) definen las coordenadas elipsoidales del punto (x, y, z) =
(x (, , ) , y (, , ) , z (, , ))


q 1 , q 2 , q 3 (, , ) ;
|ri = x (, , ) + y (, , )
+ z (, , ) k
1 N
otese

que la proyecci
on de estas superficies en el plano (x, y) representan curvas c
onicas homofocales

Luis A. N
un
ez

Universidad Industrial de Santander

136

M
etodos Matem
aticos de la Fsica

y la ley de transformaci
on queda como
s

(a2 + ) (a2 + ) (a2 + )


(a2 b2 ) (a2 c2 )

(b2 + ) (b2 + ) (b2 + )


(b2 a2 ) (b2 c2 )

(c2 + ) (c2 + ) (c2 + )


(c2 b2 ) (c2 a2 )

x = x (, , ) =

y = y (, , ) =

z = z (, , ) =
por cual la metrica ser
a
ds2 =

4.4.

4 (a2

( ) ( )
( ) ( )
d2 +
d2
2
2
2
+ ) (b + ) (c + )
4 (a + ) (b2 + ) (c2 + )
( ) ( )
+
d 2
4 (a2 + ) (b2 + ) (c2 + )

Vectores, Tensores, M
etrica y Transformaciones

Nos toca ahora construir expresiones de vectores y tensores a partir de sus leyes de transformacion, hemos
dicho que los vectores y los tensores son independiente del sistema de coordenadas (la base) en la cual se
exprese.

4.4.1.

Transformando Vectores

As si dada dos bases de vectores coordenados {|e1 i , |e2 i , |e3 i} y {|


e1 i , |
e2 i , |
e3 i} para el espacio vectorial
<3 Entonces, se cumple que:

i

i

i
x
i j

ei ai = ai
|ai = aj |ej i = a
i |
ei i =
= a
i = aj
e |ej i a
i =
a

j

e ai = a

|{zx }
h
ei |ej i

con ello de cartesianas a cilndricas


x = x (r, ) = cos ;
de lo cual se deriva

Luis A. N
un
ez

x(,)

y(,)

z

= cos

= sen ;

=0

y = y (r, ) = sen ;

x(,)

= sen

y(,)
;
=

cos

z
=
0

Universidad Industrial de Santander

z=z

x(,)
z

=0

y(,)
z

=0

z
z

=1

137

M
etodos Matem
aticos de la Fsica

Entonces dados
|ai = aj |ej i = a1 |e1 i + a2 |e2 i + a3 |e3 i = ax |ii + ay |ji + az |ki
|ai = a
i |
ei i = a
1 |
e1 i + a
2 |
e2 i + a
3 |
e3 i = ar |
er i + a |
e i + az |
ez i
con
|
e i =
|
e i =
|
ez i =

k |ri
k
1

k |ri
k
1

k |ri
z k

|ri

x(,)
+ y(,)
=

|ri

|ri
z

(x(,)+y(,)+zk)

x(,)

cos + sen

y(,)

= sen + cos
;

=k

Si tenemos en concreto un vector |ai = 5 |ii + 4 |ji + 3 |ki quisieramos conocer su expresion en coordenadas
cilndricas. Hay que hacer la acotaci
on que existe una familia de sistemas de coordenados cilndricos parametrizados por el
angulo y NO un u
nico sistema coordenado. Obviamente se puede especificar el sistema
coordenado y entonces tendremos un conjunto de componentes definito. As la familia de componentes en
cilndricas del vector |ai ser
an

j 1

j 1

a
j =
e |ai =
e a
|
e1 i + a
2 |
e2 i + a
3 |
e3 i =
e a |e1 i + a2 |e2 i + a3 |e3 i
con lo cual al expresar los vectores base


= 5 cos + 4 sen
a
1 = a = h
e | (5 |ii + 4 |ji + 3 |ki) = (cos + sen
) 5 + 4
+ 3k


= 5 sen + 4 cos
a
2 = a = h
e | (5 |ii + 4 |ji + 3 |ki) = ( sen + cos
) 5 + 4
+ 3k
a
3 = az = h
ez | (5 |ii + 4 |ji + 3 |ki) = hk| (5 |ii + 4 |ji + 3 |ki) = 3
con lo cual
|ai = 5 |ii + 4 |ji + 3 |ki = (5 cos + 4 sen ) |
e i + (5 sen + 4 cos ) |
e i + 3 |
ez i
donde es claro que existen infinitos sistemas cilindricos parametrizados por el angulo , digamos



16
a = 5 cos arctan 45 + 4 sen arctan 45 = 25
41

41 41 + 41 41 =

 





4
20
= arctan

a = 5 sen arctan 45 + 4 cos arctan 45 = 20


41 41 + 41 41 = 0

az = 3
con lo cual hemos alineado el eje |
e i a lo largo del vector |ai . Ese es un sistema de coordenadas cilindrico
muy particular.

Luis A. N
un
ez

Universidad Industrial de Santander

138

M
etodos Matem
aticos de la Fsica

4.4.2.

Transformando Tensores

Ilustremos ahora las transformaciones de tensores bajo cambios de la base


Consideremos el siguiente tensor

2 1
{|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} = Tji = 2 3
1 2

del espacio vectorial.

3
4
2

Es decir es un tensor que hemos expresado en coordenadas cartesianas y queremos pasarlo a cilindricas. Para
ello recordamos que
1
x = x = x (, ) = cos

x2 = y = y (, ) = sen

x =z=z

j
k

i
k
T
donde
Tm
=

xi x
m j

x
1 = = (x, y) = x2 + y 2

x
2 = = (x, y) = arctan xy


3
x
=z=z
con lo cual

x
k

xi

x
1
x1
2

x
x2 +y 2

y
x2 +y 2

x1

x
3
x1

z
x

=0

es decir

x
1
x2

x2

x
3
x2

z
y

=0

cos

x
1
x3
2

x
x2 +y 2

sen

sen
x
k
=

i
x

y
x2 +y 2

=0

=
0

z
=
1
z

x3

x
3
x3

x1
x
3

x
z

x2
x
3

y
z

x3
x
3

z
z

cos

mientras que

x1
x
1

xj

x
m

x2
x
1

con lo cual

x3
x
1

= cos
= sen

x1
x
2
x2
x
2

x3
x
2

=0

cos

xj
sen
=

x
m

0
Luis A. N
un
ez

= sen

= cos

=0

sen
cos
0

=0

=0

=1

Universidad Industrial de Santander

139

M
etodos Matem
aticos de la Fsica

Por lo tanto

x
k i xj
k
T
Tm
=
xi j x
m

es decir

cos2 + 3 cos sen + 3


2

cos sen +3 cos 1

cos + 2 sen

0
1
3
2

cos

0 Tj
sen

0
1

cos


sen 0
2
cos

0
2

1
0
1

cos
sen
k
Tm
=
0
k
Tm
=

sen

sen
k

Tm =

cos

sen
cos
0

3
cos sen 0
4 sen cos 0
2
0
0
1

sen cos 2 + 3 cos2 3 cos + 4 sen


3 cos sen + cos2 + 2 3 sen + 4 cos
sen + 2 cos
2

Si suponemos que el origen del sistema de coordenadas cilindrico esta en el vector anterior. Esto es

= x2 + y 2 = 52 + 42 = 41

|ai = 5 |ii + 4 |ji + 3 |ki





= arctan xy
= arctan 54 = 0,67474 rad
y entonces

3,8537
k
Tm
= 0,20569
2,030 3

2,030 3
1. 146 3
6,0

4,841 4
0,195 12
2

Si consideramos una nueva base

1

1

e |
e1 i = 1
e |
e2 i = 1
e |
e3 i = 1
|
e1 i = |ii

2
|
e2 i = |ii + |ji
e |
e1 i = 1
e |
e2 i = 2
e |
e3 i = 2

{|
e1 i , |
e2 i , |
e3 i}

|
e3 i = |ii + |ji + |ki

e3 |
e1 i = 1
e3 |
e2 i = 2
e3 |
e3 i = 3

para ese mismo espacio <3 encontraremos una nueva expresion que toma Tji en esa base. Igualmente encontraremos
para los siguientes tensores: Tij , Tij , Tij . Notese que
nueva base no es ortogonal

k las expresiones

kesta
k
,
e |
ei i =
6 i , con lo cual no se cumplen muchas cosas entre ellas |
ek i
e 6= 1
Para encontrar la expersi
on Tji expresamos los vectores base {|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} en termino
de la base {|
e1 i , |
e2 i , |
e3 i}

|e1 i = |ii = |
e1 i

|e2 i = |ji = |
e2 i |
e1 i
{|e1 i , |e2 i , |e3 i} =

|e3 i = |ki = |
e3 i |
e2 i
recordamos que un vector generico
|ai = aj |ej i = a
j |
ej i

|ai = aj |ej i = a
1 |
e1 i + a
2 |
e2 i + a
3 |
e3 i = a
1 |e1 i + a
2 (|e1 i + |e2 i) + a
3 (|e1 i + |e2 i + |e3 i)
Luis A. N
un
ez

Universidad Industrial de Santander

140

M
etodos Matem
aticos de la Fsica

con lo cual


a1 |e1 i + a2 |e2 i + a3 |e3 i = a
1 + a
2 + a
3 |e1 i + a
2 + a
3 |e2 i + a
3 |e3 i
y como

a1 = a
1 + a
2 + a
3
a2 = a
2 + a
3

3
3
a =a

= ai =

x k
a

x
k

x1
x
1

= 1;

x1
x
2

= 1;

x1
x
3

= 1;

x2
x
1

= 0;

x2
x
2

= 1;

x2
x
3

= 1;

x3
x
1

= 0;

x3
x
2

= 0;

x3
x
3

= 1;

Es de hacer notar que dado que la base ortonormal {|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} se tiene que

= ei ai = aj ei |ej i = aj ji = ai = a
k ei |
ek i

|ai = aj |ej i = a
i |
ei i

xi
= ei |
ek i
k
x

El mismo procedimiento se puede aplicar para expresar el vector |ai como combinacion lineal de los vectores
|
ej i
|ai = a
j |
ej i = aj |ej i = a1 |e1 i + a2 |e2 i + a3 |e3 i = a1 |
e1 i + a2 (|
e2 i |
e1 i) + a3 (|
e3 i |
e2 i)

x
1
x
1
x
1

x1 = 1; x2 = 1;
x3 = 0;

a
1 = a1 a2

x
k
x
2
x
2
x
2
a
2 = a2 a3
=
= a
k = ai
i
x1 = 0;
x2 = 1;
x3 = 1;

a
3 = a3

x3
x
3
x
3
x1 = 0;
x2 = 0;
x3 = 1;
N
otese que, como era de esperarse,
xi x
k
= ji
x
k xj

1
= 0
0

1
1
0

1
1
1 0
1
0


0
1
1 = 0
1
0

1
1
0

0
1
0

0
0
1

Con las expresiones matriciales para las transformaciones ,estamos en capacidad de calcular, componente a
componente, las representaci
on del tensor en la nueva base con lo cual
x
k xj i
k
Tm
=
T
xi x
m j
T11 =

es decir

Luis A. N
un
ez

x
1 xj
xi x
1

Tji =

x
1
x1

x1
x
1

x
1
x2

x
1
x3

T 1 + x1 T 1 + x1 T 1
1 1 x 2 2 x 3
x
2
+ xx1 T22 +
1 T
 x1 1
x
x2

3
3
x
1 T1 + x
1 T2 +

T11 =

x
1 xj
xi x
1

Tji =


1 1 T11 + 0 T21 + 0 T31

1 1 T12 + 0 T22 + 0 T32
+0 1 T13 + 0 T23 + 0 T33

T11 =

x
1 xj
xi x
1

Tji =

T11 T12 = 2 2 = 0

Universidad Industrial de Santander

x3
x
1

T32

x3
x
1

T33

141

M
etodos Matem
aticos de la Fsica

del mismo modo


T21 =

es decir

x
1 xj
xi x
2

Tji =

T21 =

x
1 xj
xi x
2

Tji =

T21 =

x
1 xj
xi x
1

Tji =

x
1
x1

x1
x
2

x
1
x2

x
1
x3

T 1 + x2 T 1 + x2 T 1
1 1 x 2 2 x 3
x
2
+ xx2 T22 +
2 T
 x1 1
x
x2

3
3
x
2 T1 + x
2 T2 +


x3
x
2

T32

x3
x
2

T33


1 1 T11 + 1 T21 + 0 T31

1 1 T12 + 1 T22 + 0 T32
+0 1 T13 + 1 T23 + 0 T31


T11 + T21 T12 + T22 = (2 + 1) (2 + 3) = 2
k

se puede continuar termino a termino o realizar la multiplicacion de las matrices xxi , Tji y xxm provenientes
de la transformaci
on de componentes de tensores. Vale decir

2 1 3
1 1 1
0 2 3
1 1
0
k
j
x

x
k
2
4
1 1 2 3 4 0 1 1 = 1
Ti
0
Tm
=
xi j x
m
1 2 2
0 0 1
1
3
5
0
0
1
hay que resaltar un especial cuidado que se tuvo en la colocacon de la matrices para su multiplicaci
on. Si
k
j
k
k
= xxi xxm Tji las cantidades xxi son n
bien en la expresi
on Tm
umeros y no importa el orden con el cual
se multipliquen, cuando se colocan como matrices debe respetarse la concatenacion interna de ndices.
k
como una matriz, donde el ndice contravariante k indica filas y el
Esto es cuando querramos expresar Tm
ndice covariante m las columnas, fijamos primero estos ndices y luego respetamos la concatenacion ndices
covariantes con los contravariantes. Esta es la convencion para expresar la multiplicacion de matrices en la
notaci
on de ndices2 . Esto es
x
k xj i
k
Tm
=
T
xi x
m j
k

x
k i xj
k
= Tm
=
T
xi j x
m

Ahora los objetos xxi , Tji y xxm pueden ser sustitidos (en sus puestos correspondientes) por su representaci
on matricial.
k
Con lo cual hemos encontrado la respresentacion matricial Tm
de las componentes del tensor T en la
base {|
e1 i , |
e2 i , |
e3 i}

1
T1 = 0 T21 = 2 T21 = 3
T12 = 1 T22 = 2
T32 = 4
3
3

T1 = 1 T2 = 3
T33 = 5
n
Para encontrar la expresi
on para Tkm recordamos que Tkm = gkn Tm
es decir, requerimos las componentes
covariantes y contravariantes del tensor metrico gkn que genera esta base. Para ello recordamos que para
para una base generica, {|
ej i} , no necesariamente ortogonal, de un espacio vectorial con producto interno,
2 Quiz
a una forma de comprobar si los ndices est
a bien concatenados se observa si se bajan los ndices contravariantes
pero se colcan de antes que los covariantes. Esto es Tji Tij As la multiplicaci
on de matrices queda representada por
Cji = Aik Bjk Cij = Aik Bkj y aqu es claro que nidices consecutivos est
an concatenados e indican multiplicaci
on

Luis A. N
un
ez

Universidad Industrial de Santander

142

M
etodos Matem
aticos de la Fsica


podemos definir la expresi
on de un tensor
|e i
i

|
ej i

0
2


que denominaremos tensor metrico como

g , , = gij gji

gij gji = g [|
ei i , |
ej i] h
ei |
ej i h
ej |
ei i

he | hej |

g , = gij gij

gij gij = (
gij )

Es de hacer notar que la representaci


on matricial para la metrica covariante gij de una base ortonormal
{|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} es siempre diagonalEsto es
g11 = he1 |e1 i = hi |ii = 1;

g12 = he1 |e2 i = hi |ji = 0;

g21 = he2 |e1 i = hj |ii = 0;

g22 = he2 |e2 i = hj |ji = 1


n; g23 = he2 |e3 i = hj |ki = 0;

g31 = he3 |e1 i = hk |ii = 0;

g32 = he3 |e2 i = hk |ji = 0;

con lo cual

n
hTm
i
n
i
hTkm i hgkn Tm

g33 = he3 |e3 i = hk |ki = 1;

2 3
2
4
3
5

g13 = he1 |e2 i = hi |ji = 0;

0
1
1

hT nm i g nk Tk

donde hemos denotado hi como la representacion matricial del objeto


Para el caso de la base generica no ortonormal {|
ej i} tenemos dos formas de calcular el tensor (las
componentes covariantes y contravariantes) del tensor metrico. La primera es la forma directa
g11 = h
e1 |
e1 i = hi |ii = 1;

g12 = h
e1 |
e2 i = hi| (|ii + |ji) = 1;

g21 = h
e2 |
e1 i = (hi| + hj|) |ii = 1;

g22 = h
e2 |
e2 i = (hi| + hj|) (|ii + |ji) = 2

g31 = h
e3 |
e1 i = (hi| + hj| + hk|) |ii = 1;

g32 = h
e3 |
e2 i = (hi| + hj| + hk|) (|ii + |ji) = 2;

y
g13 = h
e1 |
e3 i = hi| (|ii + |ji + |ki) = 1;
g23 = h
e2 |
e3 i = (hi| + hj|) (|ii + |ji + |ki) = 2
g33 = h
e3 |
e3 i = (hi| + hj| + hk|) (|ii + |ji + |ki) = 3
consecuentemente

gij gji

Luis A. N
un
ez

1
1
1

1
2
2

1
2
3

gij gij = (
gij )

Universidad Industrial de Santander

2 1
1 2
0 1

0
1
1

143

M
etodos Matem
aticos de la Fsica

La otra forma de calcular la metrica correspondiente la base ortonormal {|e1 i , |e2 i , |e3 i} {|ii , |ji , |ki} y
transformarla a la base no ortonormal {|
e1 i , |
e2 i , |
e3 i} {|ii , |ii + |ji , |ii + |ji + |ki} esto es
gkm =

xi xj
gij
x
k x
m

= gkm =

xi
xj
g
ij
x
k
x
m

La metrica para el la base ortonormal ser


a diagonal y ademas gii =

gij

1
0
0

0
1
0

0
0 ;
1

g ij

1
0
0

1
g ii

, con lo cual

0
0 ;
1

gji

0
1
0 0
1
0

1
1
0

0
1
0

1
0
0

0
1
0

0
0 ;
1


1
1
1 = 1
1
1

1
2
2

1
2
3

y
gkm

xj
xi
g
=
ij
x
k
x
m

1
; 1
1

0
1
1

0
1
0 0
1
0

0
1
0

n
otese para conservar la convenci
on de ndices y matrices hemos representado que hemos traspuesto la matriz
xi
on, como dijimos arriba es
correspondiente a xk . La raz
gkm =

xi
xj
g
ij
x
k
x
m

gkm = ik gij jm

ki gij jm
gkm =

Para poder representar multipicaci


on de matrices los ndices deben estar consecutivos, por tanto hay que
trasponer la represetaci
on matricial para poder multiplicarlar.
Ya estamos en capacidad de obtener las representacines matriciales para los tensores: Tij , Tij , Tij .

0
D E D ET
Tij = Tji
1
1

T
2 3
0
2
4 = 2
3
5
3

1
D
E D
E
n
Tkm = gkn Tm
1
1

0
D
E D
E
n mk
Tkn = Tm
g
1
1

Luis A. N
un
ez

1
2
2

1
0
2 1
3
1

1 1
D E
2 3 Tij
4 5


2 3
2
2
4 = 4
3
5
5

2 3
1
2
4 1
3
5
1

1
2
2


1
5
2 = 7
3
9

Universidad Industrial de Santander

3
8
11

6
D
E
15 Tkm
20

10 13
D
E
13
17 Tkm
17
22

144

Bibliografa
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid ) QA300 A66C3 1972
[2] Arfken, G. B.,Weber, H., Weber, H.J. (2000) Mathematical Methods for Physicists 5ta Edici
on
(Academic Press, Nueva York)
[3] Borisenko, A.I, y Tarapov I.E. (1968) Vector and Tensor Analisys (Dover Publications Inc, Nueva
York)
[4] Dennery, P. y Krzywicki, A. (1995) Mathematics for Physicists (Dover Publications Inc, Nueva York)
[5] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva York ).
[6] Lovelock, D, y Rund, H. (1975) Tensors, Differential Forms & Variational Principles (John Wiley
Interscience, Nueva York ).
[7] Santal
o, L.A (1969) Vectores y Tensores (Editorial Universitaria, Buenos Aires)
[8] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)

145

Captulo 5

Campos y Operadores Diferenciales

146

M
etodos Matem
aticos de la Fsica

Figura 5.1: Radio vector posici


on ~r (t) en <2 que describe parametricamente una curva.

5.1.

Campos Tensoriales y el Concepto de Campo

Cuando avanzamos en la derivaci


on de vectores vimos vectores que dependan del tiempo. Luego cuando
construimos sistemas de coordenadas ortogonales vimos tambien vectores que variaban en modulo direcci
on
y sentido.
|ai(t) = ak (t) |ek i(t) = a
k |
ek i(t) = a
k (t) |
ek i
Ahora podemos generalizar este concepto a tensores que dependen de una variable escalar
T [, , , ; , , , ](t)

|ti (1)i |uj (2)i

T , , , ,

hzl (n)|

, ,

|vk (m)i hx (1)| hy n (2)|

mnl
= Tijk
(t)

(t)

mnl
Tijk
(t) ti (1) uj (2) v k (m) |xm (1)i |yn (2)i |zl (n)i
mnl
Tijk

i
t (1)

(t)

u
(2) (t) vk (m) (t) |
xm (1)i(t) |
yn (2)i(t) |
zl (n)i(t)

mnl
Tijk
(t) ti (1) (t) u
(2) (t) vk (m) (t) |
xm (1)i(t) |
yn (2)i(t) |
zl (n)i(t)
al igual que los vectores, la dependencia funcional de los tensores variara con la base en la cual se exprese.
As tendremos tensores cuyas componentes, en una determinada base, seran variables y en otra no. Mientras
que una de las bases ser
a variable y otra no.

Luis A. N
un
ez

Universidad Industrial de Santander

147

M
etodos Matem
aticos de la Fsica

Figura 5.2: Campo Vectorial en <3

Igualmente saltamos al cociente incremental para conocer la velocidad de variacion


lm

T [, , , ; , , , ](t+t) T [, , , ; , , , ](t)
t

t0

m
lm

T [, , , ; , , , ](t)
t

t0

m


d T [, , , ; , , , ](t)
dt
si la base es constante, entonces podemos, como en el caso de los vectores, la dependencia funcional y su
variaci
on (su derivada) recae sobre sus componentes. As podemos construir la derivada de las componentes
como


mnl
mnl
mnl
mnl
d Tijk
(t)
(t)
Tijk
(t + t) Tijk
(t)
Tijk
lm
= lm
=
t0
t0
t
t
dt
Siguiendo con el proceso de generalizacion podemos pensar en una dependencia funcional multilineal.
Esto es que el argumento de la funci
on tensorial otro tensor,
T [, , , ; , , , ] = T [, , , ; , , , ]G[,, ,;,, ,]
A ese objeto se le llama Campo Tensorial, pero vamos con calma. Analicemos lo casos mas simples los cuales
son los verdaderamente u
tiles. Como era de esperarse, tendremos varios casos que se pueden construir a

Luis A. N
un
ez

Universidad Industrial de Santander

148

M
etodos Matem
aticos de la Fsica

partir de esta idea hemos visto funciones que ahora llamaremos campos homogeneos
= (t)

funcion

|ri(t) ~r = ~r (t)

rk (t)

vector

T = T [, , , ; , , , ](t)

mnl
Tijk
(t)

tensor

y veremos campos constantes o estacionarios ~r 6= ~r (t)


= (~r)

Campo Escalar

|ai(|ri) ~a = ~a (~r)

ak (~r)

Campo Vectorial

T = T [, , , ; , , , ](|ri)
..
.

mnl
Tijk
(~r)

Campo Tensorial
..
.

campos variables o no estacionarios


= (~r (t) , t)

Campo Escalar Variable

|ai(|ri) ~a = ~a (~r (t) , t)

ak (~r (t) , t)

T = T [, , , ; , , , ](|ri)
..
.

mnl
Tijk
(~r (t) , t)

Campo Vectorial
Campo Tensorial
..
.

en ambos casos hemos supuesto que la base en la cual se expresan vectores y tensores es constante.
La idea de los campos escalares, vectoriales, tensoriales, con argumento vectorial, es asociar un valor de la
componente (escalar, vectorial o tensorial) a cada punto del espacio (si el vector esta en <3 ). Obviamente los
campos escalares asocian un n
umero a cada posicion y los campos vectoriales, ademas del n
umero (m
odulo)
asocian una direcci
on y un sentido.
Los campos escalares ser
an las distribuciones de densidad (~r (t)) , presion P (~r (t)) y temperatura
T (~r (t)) de la atm
osfera terrestre o la distribucion de intensidades del campo electrico en una superficie.
As al considerar el potencial electrico
q

q

2
2
2
2
(~r) = (x, y) = ln
(x + 1) + y ln
(x 1) + y
La representaci
on del campo escalar ser
a

Luis A. N
un
ez

Universidad Industrial de Santander

149

M
etodos Matem
aticos de la Fsica

q

q

2
2
2
2
Campo Escalar (~r) = (x, y) = ln
(x + 1) + y ln
(x 1) + y
y la representaci
on de un campo vectorial sera

Campo vectorial

5.2.

Campos escalares y superficies

Campo escalar ser


a aquella funci
on escalar de argumento vectorial. Con ello a cada punto del espacio se
le asocia un n
umero. Esto es


: <n <
= (~r)
= xi = x
i
= (x, y, z) = (
x, y, z)
Estamos enfatizando el hecho que un campo escalar no variara bajo cambios de las coordenadas en su
argumento.
 Adicionalmente recalcamos que es indistinto hablar de vectores o sus coordenadas = (~r)
= xi . La Figura 5.3 ilustra un campo de temperaturas
T = T (x, y) = 70 + 180e(x3)2/10(y2)2/10
Si unimos los puntos con iguales temperaturas tendremos curvas isotermas tal y como se observan en la
Figura 5.2

Luis A. N
un
ez

Universidad Industrial de Santander

150

M
etodos Matem
aticos de la Fsica

Figura 5.3: Ejemplo de Campo Escalar. Campo de Temperaturas T = T (x, y)

Curvas Isotermas. T = T (x, y) = cte




Un campo escalar = x1 , x2 definira superficies si la representamos
en <3 como x3 = x1 , x2

curvas de nivel o isocurvas las cuales corresponden a soluciones = xi = cte. Tal y como se ilustra en la
figura (5.4) los planos z = k = cte cortan la superficie y definen la curva g (x, y) = z = k.
En la pr
oxima secci
on describiremos una fauna de operadores vectoriales, su utilidad y significado fsico.

5.3.

Campos vectoriales y lneas de flujo

Consideremos ahora un campo vectorial ~a (~r) y estudiemos su representacion y lo que es mas importante,
su variaci
on. Tal y como hemos dicho y volvemos a representar en la figura (5.5) los campos vectoriales
asocian un vector (con su m
odulo direcci
on y sentido) a cada punto del espacio. Com
unmente, nos referimos
a campos vectoriales seg
un el caso. As consideraremos campos de fuerza (es decir el vector del campo es una
fuerza), campo de velocidades ( el vector del campo es una velocidad). Del mismo modo a aquellas lneas a las
cuales los vectores son tangentes se les dominan lneas de campo, curvas integrales o simplemente lneas de
flujo o de corriente. A las trayectorias ortogonales a estas lneas, vale decir a aquellas lneas cuyos vectores
tangentes sean ortogonales al campo, se les denominaran lneas equipotenciales. El ejemplo mas emblem
atico
~ (x, y). Las lneas equipotenciales las define el campo escalar
lo constituye el gradiente de un campo escalar

Luis A. N
un
ez

Universidad Industrial de Santander

151

M
etodos Matem
aticos de la Fsica

Figura 5.4: Curvas de Nivel para una funcion z = g (x, y) = cte

~ (x, y) .
mismo, (x, y) = z = cte (curva de nivel) y construimos un campo vectorial con su gradiente,
Como el gradiente es perpendicular a la curva de nivel tendremos que las curvas integrales, ( lneas de flujo o
~ (x, y) seran trayectorias ortogonales a las curvas equipotenciales.
lneas de corriente) del campo vectorial

5.3.1.

Lneas de flujo o curvas integrales

Supongamos el caso bidimensional1 en coordenadas cartesianas, y consideremos un desplazamiento diferencial d~r en la direcci
on del campo vectorial, es facil convencerse que
d~r ~a (x, y) = ax (x, y) + ay (x, y)

dx
dy
=
ax (x, y)
ay (x, y)

con lo cual encontramos las lneas de flujo o curvas integrales y (x) del campo ~a (x, y)
Z
dy
ay (x, y)
ay (x, y)
=
y (x) =
dx
dx
ax (x, y)
ax (x, y)
as dado un campo vectorial
~a = x + y

y
dy
=
dx
x

dy
=
y

dx
+C
x

y (x) =

1
C1
x

o lo que son lo mismo hiperbolas yx = C.


Otra forma, equivalente de verlo es que
d~r ~a (x (t) , y (t) , z (t) , t) d~r ~a (x (t) , y (t) , z (t) , t) = 0

k

0=
dx
dy
dz

ax (x (t) , y (t) , z (t) , t) ay (x (t) , y (t) , z (t) , t) az (x (t) , y (t) , z (t) , t)
1 El

caso tridimensional s
olo a
nade complicaciones t
ecnicas y no riqueza conceptual

Luis A. N
un
ez

Universidad Industrial de Santander

152

M
etodos Matem
aticos de la Fsica

Figura 5.5: Capt5AnalisiVectorial/Campos vectoriales

por lo cual
(az (x (t) , y (t) , z (t) , t) dy ay (x (t) , y (t) , z (t) , t) dz)+
+ (ax (x (t) , y (t) , z (t) , t) dz az (x (t) , y (t) , z (t) , t) dx)
+
=0
+ (ay (x (t) , y (t) , z (t) , t) dx ax (x (t) , y (t) , z (t) , t) dy) k
y finalmente
dx
dy
dz
=
=
ax (x (t) , y (t) , z (t) , t)
ay (x (t) , y (t) , z (t) , t)
az (x (t) , y (t) , z (t) , t)
la integral de estas ecuaciones construir
a las lneas de flujo o curvas integrales.

5.3.2.

Trayectorias ortogonales a las lneas de flujo

Para encontrar las trayectorias ortogonales al campo vectorial o las lneas equipotenciales construimos
un campo vectorial ~a (x, y) que sea ortogonal en todo punto a ~a (x, y)

~a (x, y) ~a (x, y) = 0 ax (x, y) a


x (x, y) + ay (x, y) ay (x, y) = 0

a
ax (x, y)
y (x, y)
=
ay (x, y)
ax (x, y)

~a (x, y) = a
a

x (x, y)
y (x, y)
y ahora procedemos del mismo modo pero con el campo vectorial ~a (x, y, z)
Z
a
a
dy
y (x, )
y (x, y)
=
y (x) =
dx
dx
ax (x, y)
a
x (x, y)
con lo cual las trayectorias ortogonales al campo
~a = x + y

~a = y + x

x
dy
=
dx
y

y (x) =

C 2 + x2

ser
an curvas.
Luis A. N
un
ez

Universidad Industrial de Santander

153

M
etodos Matem
aticos de la Fsica

5.4.

Flujo de Campos Vectoriales

Podemos
en imaginar flujo de campos vectoriales. Para ello, consideramos una superficie infinitesi tambi
~
~
s , con n
s el vector unitario normal esa superficie S. Entonces, la cantidad
mal dS = dS n
ZZ

~ = ~a n
df = ~a dS
s dS

~=
~a dS

f=
s

ZZ

ZZ
~a n
s dS =

an dS

~ Hemos denotado an como la componente


representar
a el flujo del campo vectorial a traves de la RR
superficie dS.
~
de ~a a lo largo de n
s . Hay que hacer notar que f = s ~a dS es independiente del sistema de coordenadas
y en cartesianas puede expresar como






\
\
\
df = ~a n
s dS = a1 cos n
s a1 + a2 cos n
s a2 + a3 cos n
s a3


donde a1 , a2 , a3 son las componentes cartesianas del vector ~a. La idea que esta cantidad representa flujo
puede tenerse si pensamos en un fluido incompresible que fluye con un campo de velocidades ~v = ~v (~r) . El
volumen que atraviesa una determinada superficie
 intervalo de tiempo dt. As, dS definira la base de un
 en un
d
s ~v dt ya que la altura no tiene por que ser perpendicular
tubo de fluido y tendr
a como altura la k~v k cos n
a la base2 . Por lo tanto la cantidad de fluido que atraviesa la superficie por unidad de tiempo viene dada por
ZZ
ZZ
ZZ





d
~
~
s ~v dS = (~v n
s dS) = ~v dS
f =
~v dS =
~v n
s dS =
vn dS
df = k~v k cos n
s

5.5.

La fauna de los operadores vectoriales

A partir del concepto de campo escalar, presentaremos la fauna de objetos diferenciales en el espacio
tridimensional. Salvo que se diga lo contrario, utilizaremos el sistema de coordenadas cartesianas, vale decir

q 1 , q 2 , q 3 (x, y, z)

|ri = x |ii + y |ji + z |ki =


r = x + y
+ zk


|ri

hx =
x = 1;


r=
r (x, y, z) = d
r=

ds2 = dx2 + dy 2 + dz 2
2 Si

r
x





|ri


= 1; hz = |ri = 1
hy =
y
z


dx +





r
dy +
dz = dx |ii + dy |ji + dz |ki
y
z

g11 = gxx = 1;

g22 = gyy = 1;

g22 = gzz = 1

d
lo es cos n
~v = 1 porque la velocidad es paralela a la normal

Luis A. N
un
ez

Universidad Industrial de Santander

154

M
etodos Matem
aticos de la Fsica

5.5.1.

Derivada direccional, diferencial total y gradiente

Derivada direccional de Campos escalares


Para analizar los cambios en los campos escalares requerimos comparar dos instantes de tiempo para
ello, parametrizamos las componentes del vector tendremos que
z = (~r (t)) = g (x (t) , y (t))

d (x (t) , y (t))
(x (t) , y (t)) d x (t) (x (t) , y (t)) d y (t)
~ (x (t) , y (t)) d ~r (t)
=
+
=
dt
x
dt
y
dt
dt
donde hemos representado
~ (x (t) , y (t)) = (x, y) + (x, y)

= x (x, y) + y (x, y)
= i (x, y) |ei i = ,i (x, y) |ei i
x
y
y lo llamaremos el gradiente de la funci
on. El gradiente de un campo escalar es uno de los objetos m
as
u
tiles, el cual lo hemos utilizado de manera operacional y no nos hemos detenido a reflexionar sobre sus
propiedades.
Es claro que para una curva de nivel
g (x, y) = z = (~r (t)) = k = cte

dk
d (x (t) , y (t))
=
=0
dt
dt

d (x (t) , y (t))
~ (x (t) , y (t)) d ~r (t)
= 0 =
dt
dt
con lo cual dado que d d~r(t)
t es la tangente a la curva, el gradiente es perpendicular a la curva tal y como
muestra la figura (5.5.1).
La derivada direccional indicar
a la tasa de cambio del campo escalar en la direccion que apuntemos.

Derivada Direccional
En una generalizaci
on de la idea que surge de parametizacion de la curva o de la derivada total respecto
al tiempo
d
~ (x (t) , y (t)) d ~r (t)
=
dt
dt
Luis A. N
un
ez

Universidad Industrial de Santander

155

M
etodos Matem
aticos de la Fsica

As es claro que, dados dos puntos M y M 0 en el campo se puedes relacionar sera. Definiremos, entonces la

derivada en la direcci
on de un vector unitario |ui M 0 M como
d
(M 0 ) (M )
~ (x, y) u
hi
D|ui =
=
= l
m
0
d M M
M 0M
Tal y como se puede apreciar en la figura (??) la derivada direccional representa la pendiente de la recta
tangente a la curva que surge como interseccion entre la superficie (x, y) = z = k = cte y el plano vertical
formado por el eje z y el vector unitario u
.Si se da el caso que la funcion de penda de manera explcita del
par
ametro tendremos que
= (x (t) , y (t) , t)

(x (t) , y (t) , t) ~
d ~r (t)
d
=
+ (x (t) , y (t) , t)
dt
t
dt

Direcci
on de maxima variacion en una funcion
En este punto, varias conclusiones se pueden derivar del concepto de derivada total. La primera es que
dado que, la norma de la derivada direccional a lo largo de |ui es


 \ 


~

~ (x, y) u
~ (x, y) , u
D|ui =

=
(x, y) cos

~ \
~ (x, y) y u
(donde hemos denotado por
(x, y) u
como el angulo que forman los vectores
), el valor
m
aximo del la norma de la derivada direccional sera
s
r
2 
2 
2

p

~

i
D|ui

+
+
=

(x,
y)
=


i
m
ax
xi xi
x1
x2
x3
es decir, cuando u
apunta en la direcci
on del gradiente, o lo que es lo mismo, direccion de la mayor tasa
de cambio la indica la direcci
on del gradiente. O dicho de otro modo, en un determinado punto M de las
~ apunta en la direccion de la maxima tasa de cambio, tal y como podemos
superficie (x, y) = z el vector
apreciar en la figura (5.5.1).

Luis A. N
un
ez

Universidad Industrial de Santander

156

M
etodos Matem
aticos de la Fsica

Gradiente y Tangente de una funcion


La segunda conclusi
on es dado que el gradiente es ortogonal a la superficie, los vectores perpendiculares
a el conformar
an el planto tangente a la superficie en un determinado punto.
Gradiente y flujo de un campo vectorial
Podemos utilizar la idea de flujo de un campo vectorial y generalizar la definicion de gradiente para que
sea independiente de coordenadas.
ZZ
ZZ
~ = lm 1
= grad = lm 1

(x, y, z) dS
(x, y, z) n
s dS
V 0 V
V 0 V
s
s
Esto es, supongamos que construimos un campo vectorial de la forma siguiente
~a (x, y, z) = ~c (x, y, z)
con lo cual

ZZ

~=
~c (x, y, z) dS

f=
s

con ~c = cte

ZZ
~c (x, y, z) n
s dS
s

Es claro que esta expresi


on vale para todos los sistemas de coordenadas. En particular, para un sistema de
coordenadas cartesianas construimos un cubo diferencial con aristas que coincidan con los ejes coordenados.
Entonces se tiene que las caras del cubo seran con

Luis A. N
un
ez

~x+ = (dy dz) ;


dS
dx

~x = (dy dz)
dS

~y+ = (dx dz)


dS
dy ;

~y = (dx dz)
dS
dy

~z+ = (dx dy) k;

dS
dy

~z = (dx dy) k

dS
dy

Universidad Industrial de Santander

157

M
etodos Matem
aticos de la Fsica

con lo cual el flujo por las seis caras ser


a
~x+ + ~c (x, y, z) dS
~x + ~c (x, y, z) dS
~y+
df = ~c (x, y, z) dS
~y + ~c (x, y, z) dS
~z+ + ~c (x, y, z) dS
~z
+ ~c (x, y, z) dS
= ~c ( (x + dx, y, z) dy dz (x, y, z) dy dz + (x, y + dy, z) dx dz (x, y, z) dx dz
+ (x, y, z + dz) dx dy (x, y, z) dx dy)
= ~c (( (x + dx, y, z) (x, y, z)) dy dz + ( (x, y + dy, z) (x, y, z)) dx dz+
+ ( (x, y, z + dz) (x, y, z)) dx dy)
Desarrollando por Taylor hasta primer orden porque estamos considerando un cubo diferencial tendremos
que
(x + dx, y, z) (x, y, z) +

(x, y, z)
dx
x

(x, y + dy, z) (x, y, z) +

(x, y, z)
dy
y

(x, y, z + dz) (x, y, z) +

(x, y, z)
dz
z

con lo cual
df =

(x, y, z)
(x, y, z)
(x, y, z)
dx dy dz +
dy dx dz +
dz dx dy
x
y
z


df =

(x, y, z) (x, y, z) (x, y, z)


+
+
x
y
z

= df = lm f2 f1 = lm 1

V 0 V2 V1
V 0 V
dV

 
dV
dV df =

ZZ

ZZ
1
~
(x, y, z) dS = lm
(x, y, z) n
dS
V 0 V
s
s
RR
~ Que quiere decir que tanto V1 0
n
otese que hemos supuesto que V V2 V y que f2 = s (x, y, z) dS
y con lo cual el flujo a traves de un punto se anula, f1 0.
Gradiente y coordenadas curvilneas
La generalizaci
on de la expresi
on del gradiente
en coordenadas curvilneas es inmediata a partir de

diferencial total de una funci
on q 1 , q 2 , q 3 . Esto es


q1 , q2 , q3 = qj

Luis A. N
un
ez

d=


(x, y, z) j
~ q 1 , q 2 , q 3 d ~r
d q =
j
q

Universidad Industrial de Santander

158

M
etodos Matem
aticos de la Fsica

con

1
1



e1 | +
e2 | +
e3 |
=
|ri q 1 h
|ri q 2 h
|ri q 3 h
q1
q2
q3

~ q1 , q2 , q


3

y

d ~r =

d ~r =

r 1

r 2

r 3
dq +
dq +
dq
q1
q2
q3








|ri
|ri
|ri
1
2
3


|



e
i
dq
+
|
e
i
dq
+
|
e
i
dq
q2 2
q3 3
q1 1

ya que
1
|ri

|
e1 i =
|ri q 1 ;
q1

1
|ri

|
e2 i =
|ri q 2 ;
q2

1
|ri

|
e3 i =
|ri q 3 ;
q3

Es decir la forma general del gradiente para un sistema de coordenadas curvilneas es


1
1
= grad = 1 |

e1 i +
|
e2 i +
|
e3 i
1
2
h1 x

h2 x

h3 x
3




Donde denotamos hi = |ri
gii el factor de escala que acompa
na a la base |
ei i
i
q =

5.5.2.

Divergencia y flujo en campos vectoriales

Viendo con un poco m


as de cuidado la expresion para el gradiente tenemos


|
e1 i
|
e2 i
|
e3 i
|
ei i

() = grad () =
+
|
e2 i +
=

h1 x
1
h2 x
2
h3 x
3
(h)i x
i
Donde hemos indicado por (h)i al factor de escala y no implica suma. La suma esta indicada entre las
componentes xi i y los elementos de la base {|
ei i} . Con esta inspiracion podemos construir un operador
vectorial


h
e1 |

h
e2 |

h
e3 |

+
+
H (h1 , h2 , h3 ) x
1
F (h1 , h2 , h3 ) x
2
G (h1 , h2 , h3 ) x
3
con lo cual, si cuidamos el orden de operacion, podremos realizar un producto escalar entre dos vectores

a


h
e2 |

h
e3 |

h
e1 |
+
+
H (h1 , h2 , h3 ) x
1
F (h1 , h2 , h3 ) x
2
G (h1 , h2 , h3 ) x
3


a1 |
e1 i + a2 |
e2 i + a2 |
e3 i


a1 |
e1 i + a2 |
e2 i + a2 |
e3 i
h
e1 |
+
H (h1 , h2 , h3 )
x
1


a1 |
e1 i + a2 |
e2 i + a2 |
e3 i
a1 |
e1 i + a2 |
e2 i + a2 |
e3 i
h
e2 |
h
e3 |
+
+
F (h1 , h2 , h3 )
x
2
G (h1 , h2 , h3 )
x
3

Luis A. N
un
ez

Universidad Industrial de Santander

159

M
etodos Matem
aticos de la Fsica

y hay que tener cuidado


 con la posible variacion de los vectores base. Consideremos en caso de coordenadas
cartesianas, x1 , x2 , x3 (x, y, z) , donde la base {|
ei i} {|ii , |ji , |ki} es constante. Entonces tendremos
de forma inmediata

 ax (x, y, z) ay (x, y, z) az (x, y, z)
ai xj

i ai xj
+
+
~a =
i
x

x
y
z
Divergencia como medida de flujo
El significado fsico de la divergencia puede comprenderse si consideramos la definicion, independiente
del sistema de coordenada
ZZ
ZZ
ZZ
1
~ lm 1
~a = df = lm 1
~a dS
~a n
s dS = lm
an dS
div [~a]
V 0 V
V 0 V
V 0 V
dV
s
s
s
Es decir el flujo por unidad de volumen. Otra vez, para un sistema de coordenadas cartesianas construimos
un cubo diferencial con aristas que coincidan con los ejes coordenados. Entonces se tiene que las caras del
cubo ser
an con
~x+ = (dy dz) ;
dS
dx

~x = (dy dz)
dS

~y+ = (dx dz)


dS
dy ;

~y = (dx dz)
dS

~z+ = (dx dy) k;

dS
dy

~z = (dx dy) k

dS

el flujo por las seis caras ser


a
~x+ + ~a dS
~x + ~a dS
~y+ + ~a dS
~y + ~a dS
~z+ + ~a dS
~z
df = ~a dS
con lo cual
df = ax (x + dx, y, z) dy dz ax (x, y, z) dy dz+
+ ay (x, y + dy, z) dx dz ay (x, y, z) dx dz+
+ az (x, y, z + dz) dx dy az (x, y, z) dx dy
df = (ax (x + dx, y, z) ax (x, y, z)) dy dz + (ay (x, y + dy, z) ay (x, y, z)) dx dz+
+ (az (x, y, z + dz) az (x, y, z)) dx dy
desarrollando por Taylor otra vez, tendremos

Luis A. N
un
ez

ax (x + dx, y, z) ax (x, y, z) +

ax (x, y, z)
dx
x

ay (x, y + dy, z) ay (x, y, z) +

ay (x, y, z)
dy
y

az (x, y, z + dz) az (x, y, z) +

az (x, y, z)
dz
z

Universidad Industrial de Santander

160

M
etodos Matem
aticos de la Fsica

obtendremos
df =

ax (x, y, z)
ay (x, y, z)
az (x, y, z)
dx dy dz +
dy dx dz +
dz dx dy
x
y
z

~=
df = ~a dS

ax (x, y, z) ay (x, y, z) az (x, y, z)


+
+
x
y
z


dV

Consecuentemente

ZZ
ZZZ 
ZZZ 

ax (x, y, z) ay (x, y, z) az (x, y, z)
~
~a dV
f=
~a dS =
+
+
dV

x
y
z
S
V
V
La primera conclusi
on es que podemos convertir una integral de superficie cerrada de un campo vectorial,
en una integral de volumen encerrada por esaRRmisma superficie. Lo hemos demostrado para el caso de
~ es un escalar, esta afirmacion vale para cualquier
coordenadas cartesianas, pero como el flujo f = S ~a dS
sistema de coordenadas. Esto se conoce como el Teorema de la Divergencia el cual veremos mas adelante
(ver secci
on 5.7.1 en la p
agina 176). A partir de este teorema tenemos que si la divergencia de un campo
vectorial en positiva lo interpretaremos como flujo hacia afuera (saliente) del volumen V encerrado por la
superficie, S, y si la divergencia del campo es negativa esa tendremos flujo entrante. Como ilustracion puede
ver el ejemplo de la p
agina 163.
Divergencia y coordenadas curvilneas
Para encontrar la expresi
on para la divergencia en coordenadas curvilneas generalizadas partimos de la
definici
on invariante de sistema de coordenadas
ZZ
ZZ
ZZ
1
1
1
~

~a dS lm
~a n
s dS = lm
an dS
div [~a] ~a = lm
V 0 V
V 0 V
V 0 V
s
s
s
y al igual que procedimos en coordenadas cartesianas, ahora consideraremos un paraleleppedo curvilneo
con tres de sus aristas alineadas con el sistema ortogonal curvilneo. Las caras de este paraleleppedo
curvilneo podr
an ser representadas como Entonces se tiene que las caras del cubo seran con


~q1 + = dsq2 dsq3 1 |
~q1 = dsq2 dsq3 |
dS
e1 i ;
dS
e1 i
dq
~q2 + = dsq3 dsq1
dS

~q3 + = dsq1 dsq2


dS

dq 2

|
e2 i ;


~q2 = dsq3 dsq1 |
dS
e2 i

dq 3

|
e3 i ;


~q3 = dsq1 dsq2 |
dS
e3 i ;

donde denotamos dsi el arco de curva a lo largo de la coordenadas curvilneas generalizada q i . Los parentesis
()dqi indican que esta superficie es evaluada en q i + dq i Adicionalmente, es de hacer notar que
(dsi ) =

gii dq i = hi dq i

donde los ndices repetidos NO indican suma

Ahora bien, dado que |ai ~a = a


j |
ej i el flujo por las seis caras sera
~q1 + + ~a dS
~q1 + ~a dS
~q2 + + ~a dS
~q2 + ~a dS
~q3 + + ~a dS
~q3
df = ~a dS
Luis A. N
un
ez

Universidad Industrial de Santander

161

M
etodos Matem
aticos de la Fsica

continuando el paralelo, pero con mucho mas cuidado. Para comenzar vemos que ES el flujo del campo
vectorial lo que est
a siendo evaluado en dos puntos distintos. A lo largo de q 1 vemos que


~q1 = a
~a dS
1 q 1 , q 2 , q 3 h2 h3 dq 2 dq 3


~q2 = a
~a dS
2 q 1 , q 2 , q 3 h3 h1 dq 3 dq 1


~q3 = a
~a dS
3 q 1 , q 2 , q 3 h1 h2 dq 1 dq 2
con lo cual es el flujo lo que debemos desarrollar por Taylor.
1

q + dq , q , q

a
2 q 1 , q 2 + dq 2 , q

q + dq , q , q


3

h2 h3 =

h3 h1 =

h1 h2 =

q ,q ,q

a
2 q 1 , q 2 , q

q ,q ,q

!


a
1 q 1 , q 2 , q 3 h2 h3
1
dq
h2 h3 +
q 1


3

!


a
2 q 1 , q 2 , q 3 h3 h1
h3 h1 +
dq 2
q 2

!


a
3 q 1 , q 2 , q 3 h1 h2
3
dq
h1 h2 +
q 3

N
otese que el caso cartesiano no se hizo explcito este echo por cuanto h3 = h2 = h1 = cte = 1. Entonces el
flujo por las el caso de coordenadas curvilneas sera




a
1 q 1 , q 2 , q 3 h2 h3
a
2 q 1 , q 2 , q 3 h3 h1
1
2
3
df =
dq dq dq +
dq 2 dq 3 dq 1 +
q 1
q 2


a
3 q 1 , q 2 , q 3 h1 h2
+
dq 3 dq 1 dq 2
q 3
si recordamos que
dV = (ds1 ) (ds2 ) (ds3 ) =

g11 dq 1

p
p
g22 dq 2 g33 dq 3 = h1 h2 h3 dq 1 dq 2 dq 3

donde denotamos dsi el arco de curva a lo largo de la coordenadas curvilneas generalizada q i . Tendremos
que





!
a
1 q 1 , q 2 , q 3 h2 h3
a
2 q 1 , q 2 , q 3 h3 h1
a
3 q 1 , q 2 , q 3 h1 h2
1
df
=
+
+
dV
h1 h2 h3
q 1
q 2
q 3
con lo cual identificamos la forma generica de la divergencia en coordenadas curvilneas





!
a
1 q 1 , q 2 , q 3 h2 h3
a
2 q 1 , q 2 , q 3 h3 h1
a
3 q 1 , q 2 , q 3 h1 h2
1
~a =
div [~a]
+
+
h1 h2 h3
q 1
q 2
q 3

Luis A. N
un
ez

Universidad Industrial de Santander

162

M
etodos Matem
aticos de la Fsica

Un par de ejemplos
La ecuaci
on de continuidad El primero de los ejemplos que consideraremos es la ecuacion de continuidad.
Consideremos una superficie cerrada S que encierra un volumen V. Esta superficie esta inmersa en un fluido,
de densidad (~r, t) que fluye con un campo de velocidades ~v (~r, t) . Supondremos ademas que el volumen V
que encierra la superficie S no cambia de posicion, con lo cual, la variacion de masa del fluido contenido en
este volumen es
Z Z Z
 ZZZ
(~r, t)

(~r, t) dV =
dV
t
t
V
V
Entonces la variaci
on de la cantidad de fluido encerrada por la superficie S sera igual a la cantidad de fluido
que escapa (o ingresa) a traves de esa superficie. Esto es
ZZZ
ZZ
ZZZ
(~r, t)
~ (~v (~r, t) (~r, t)) dV
dV =
(~r, t) ~v (~r, t) n
s dS =

t
V
s
V
con lo cual
ZZZ 
V


(~r, t) ~
+ (~v (~r, t) (~r, t)) dV = 0
t

(~r, t) ~
+ (~v (~r, t) (~r, t)) = 0
t

y esta u
ltima representa la ecuaci
on de continuidad en dinamica de fluidos.
Fuentes y sumideros El segundo ejemplo es un calculo explcito el cual ilustra la interpretacion de la
divergencia como medida de flujo de un campo vectorial. Consideremos un campo vectorial de la forma
~a (~r) = q

~r
q
2u
r
3
r
r

~ ~a =

1
hr h h

~ ~a =

1
2
r sen

a (r, , ) h hr ) (
a (r, , ) hr h )
(
ar (r, , ) h h ) (
+
+
r

q 2
r2 r

sen
r

!
=0

ya que en coordenadas esfericas, hr = 1, h = r, h = r sen .


N
otese que el origen del sistema coordenado (el punto r = 0) no esta definido porque no lo estaba en
el campo vectorial original ~a (~r) = rq2 u
r . Con lo cual, se tiene que si la superficie S no encierra a r = 0,
entonces el flujo a traves de esa superficie sera nulo
ZZ
ZZZ 

~=
~a dV = 0
f=
~a dS

Es decir, todo lo que entra sale. Sin embargo, si el volumen contiene al origen de coordenadas no podemos
decir nada por cuanto hay una indeterminacion en la expresion de la divergencia.
Consideremos con m
as cuidado este caso de la aplicacion del Teorema de la Divergencia, en el cual la
superficie S contenga el origen de coordenadas. Es claro que el volumen contenido entre dos esferas de
distintos radio r < r, centradas en el origen y con superficies S y S respectivamente no contiene al origen y
por lo tanto el flujo ser
a nulo
ZZZ 
ZZ
ZZ

~a dV = 0 =
f=

~a n
s dS +
~a n
s dS
V

Luis A. N
un
ez

Universidad Industrial de Santander

163

M
etodos Matem
aticos de la Fsica

Pero el campo vectorial sobre la superficie S de la esfera de radio r es


ZZ
ZZ
ZZ
q
q
q

r , y n
s
ur , con lo cual
u

(
u
)
d
S
=

ds ds
~a = 2 u
~a n
s dS =
r
2 r
2
r
r

s
s
s
es decir,
ZZ

ZZ
~a n
s dS =

q
ds ds =
2
s r

ZZ

q 2
r sen d d = q
2
s r

Z
sen d

d = 4q
0

ya que dS = h d h d rd r sen d. Con lo cual, tenemos que el flujo de un campo singular en un


punto (el origen de coordenadas), ~a (~r) = rq2 u
r , a traves de una superficie de que encierra ese punto singular,
no es nulo y es igual a 4q. El campo vectorial ~a (~r) , se denominara campo de una partcula fuente si q > 0
y campo de un sumidero si q < 0

5.5.3.

Rotores, lneas de torbellino y Circulaci


on

Del mismo modo como hemos venido procediendo, haremos otra operacion vectorial con el operador
Tendremos entonces el rotor o rotacional actuando u operando sobre un campo vectorial ~
a. En
nabla
coordenadas cartesianas podremos expresar esta operacion como
a = ijk j ak |ei i ijk ak |ei i = (2 a3 3 a2 ) |e1 i + (3 a1 1 a3 ) |e2 i + (1 a2 2 a1 ) |e3 i
~
xj


~a = (y az z ay ) + (z ax x az )
+ (x ay y ax ) k x
ax

y
ay

k
z
az

El rotor de un campo vectorial genera otro campo (pseudo)vectorial llamado campo rotor del campo vectorial.
Por razones que ser
an evidentes enseguida, las curvas integrales de este campo rotor se denominan lneas de
torbellino.
Lneas de torbellino
Consideremos el siguiente campo vectorial en coordenadas cilndricas para z 0
z y
zx
~a = z u
= z ( sen + cos
) = p
+ p

2
2
x +y
x2 + y 2
con lo cual el campo rotor del campo vectorial ~a sera


z y
zx

x
p
+ p

=
z y
x2 + y 2
x2 + y 2
x2 +y2
!

~b =
~a (x, y, z) =

y
z2 x
x

+y 2

k
z
0

z
~b =

~a (x, y, z) = p x p y

+ p
k
2
2
2
2
2
x +y
x +y
x + y2

Luis A. N
un
ez

Universidad Industrial de Santander

164

M
etodos Matem
aticos de la Fsica

Figura 5.6: Rotores de un campo vectorial, lneas de torbellino

es claro que el campo vectorial y su campo rotor son ortogonales


!
!
zx
y
z
z y
x

p
+ p

p
p

+ p
k =0
x2 + y 2
x2 + y 2
x2 + y 2
x2 + y 2
x2 + y 2
Tal y como se detall
o en la Secci
on 5.3 de la pagina 151 las lneas de flujo se construyen a partir de un
vector diferencial paralelo a campo vectorial en cada punto. Esto es si



k


~b =
~ ~a (x, y, z) = x y z = (y az z ay ) + (z ax x az )

+ (x ay y ax ) k


ax ay az
tendremos que
~ ~a (x, y, z)
d~r ~b =

dy
dz
dx
=
=
= d
bx (x, y, z)
by (x, y.z)
bz (x, y.z)

dx
dy
dz
=
=
= d
(y az z ay )
(z ax x az )
(x ay y ax )
donde hemos parametrizado la curva con .
por lo tanto
dx
dy
dz
=
=
= d
(y az z ay )
(z ax x az )
(x ay y ax )
p

Luis A. N
un
ez

x2 + y 2 dx
=
x

x2 + y 2 dy
=
y

x2 + y 2 dz
= d
z

Universidad Industrial de Santander

165

M
etodos Matem
aticos de la Fsica

las dos primeras ecuaciones proveen


dy
y
=
dx
x
con
C1 = cte;

y (x) = xC1

dx
d

= x
2

= C1

x () = C1

dy
d

= y
2

= C2

y () = C2

1
= cte;
C1 = q
2
1 + (C1 )

x +y 2

x +y 2

C1
C2 = q
= C1 C1 = cte
2
1 + (C1 )

finalmente
p

x2 + y 2 dz
= d
z

z
z
z
dz
z
q
= q
=
=
=p
2
2
d

2
2
x +y
x 1 + (C1 )
C1 1 + (C1 )

con lo cual

z
dz
=
d

z () =

1
C3

Lneas de campo ortogonales a superficies


~ ~a (x, y, z) encuentra lneas (de torbellino) perpendiculares
Hemos visto como la condici
on d~r ~b =
al campo ~a (x, y, z) . Uno tambien puede plantearse encontrar el conjunto de superficies para las cuales las
lneas de flujo del campo vectorial, ~a (x, y, z) , sean perpendiculares. Para ello suponemos que existen estas
superficies y que se representan, matem
aticamente, como un funcion = (x, y, z) . Por lo tanto
~ ~a (x, y, z)
~ ( (x, y, z) ~a (x, y, z)) =
~ (x, y, z) ~a (x, y, z) + (x, y, z)
~ ~a (x, y, z) = 0

~ es proporcional al campo ~a (x, y, z) y al aplicar el rotor a ambos miembros se anula. Mas a


es decir
un,
al proyectar sobre el mismo vector ~a la ecuacion de la derecha nos queda
h
i
h
i
~ (x, y, z) ~a (x, y, z) + ~a (x, y, z) (x, y, z)
~ ~a (x, y, z) = 0
~a (x, y, z)
ambos sumandos se anula por definici
on de producto vectorial, pero el segundo sumando
h
i
~ ~a (x, y, z) = 0
~a (x, y, z)
impone una condici
on sobre el campo independiente de la funcion de proporcionalidad.
Por lo tanto, la condici
on necesaria y suficiente para que las lneas de flujo de un campo vectorial ~a (x, y, z)
sean perpendiculares a un conjunto de superficies = (x, y, z) es
h
i
~ ~a (x, y, z) = 0
~a (x, y, z)
Circulaci
on de un campo vectorial
La idea (y el nombre de rotor ) surge de la idea de rotacion ( circulacion ? ) que este operador descubre
al ser aplicado a un campo vectorial. Como se muestra en la Figura 5.7, la idea intuitiva es colocar un
detector de rotaci
on inmerso en el campo. En este caso es un par de aspas e imaginamos que el campo
vectorial representa un campo de velocidades de un fluido. Si el fluido hace girar las aspas en sentido horario
Luis A. N
un
ez

Universidad Industrial de Santander

166

M
etodos Matem
aticos de la Fsica

Figura 5.7: Idea sobre el significado fsico del rotor

(tirabuz
on o sacacorchos derecho hacia arriba) diremos que el campo tiene una circulacion positiva y el rotor
del campo siempre ser
a positivo en esa region. Si es inversa, diremos que el campo tiene una circulaci
on
negativa y el rotor tambien lo ser
a en esa region. Finalmente, si el par de aspas no rota, el campo tendr
a una
circulaci
on nula o no tendr
a circulaci
on y su rotor sera tambien nulo en esa region.
Para concretar esta intuici
on de forma matematica, procedemos de la siguiente forma. Suponga una
circunferencia con radio r = 2, la cual viene descrita parametricamente por el radio vector
~r (t) = 2 cos t + 2 sin t

d ~r = 2 ( sen + cos
) d

y nos planteamos hacer circular el campo a lo largo de la esa trayectoria. Esto es realizar la siguiente
integral
I
Z 2
= ~a d ~r =
z ( sen + cos
) 2 ( sen + cos
) d = 4z
0

) esta representado en la Figura 5.6. Hemos utilizado el smbolo


HEl campo vectorial ~a = z ( sen + cos
para denotar la integral de lnea en un circuito cerrado. Es la primera idea de integrales de campos
vectoriales que veremos con m
as detalles en las seccion 5.6.1. Uno hace el producto escalar ~a d ~r y luego
integra.
Es interesante comparar este resultado con el flujo del campo de rotores a traves de la superficie que
delimita la circunferencia de radio r = 2. Vale decir
!
ZZ 
ZZ

x
y
z
~

dx dy
p
~a n
s dS =
p

+ p
k k
x2 + y 2
x2 + y 2
x2 + y 2
ZZ 

ZZ
ZZ
Z 2
Z 2

dx dy
dr rd
~

p
~a n
s dS = z
=z
=z
dr
d = 4z
r
x2 + y 2
0
0

Esta coincidencia no es tal, corresponde a otro Teorema Integral para campos vectoriales, el Teorema de
Stokes (ver secci
on 5.7.2 en la p
agina 182) mediante el cual se convierte una integral cerrada de lnea de un
campo vectorial en el flujo del campo de rotores. Este teorema lo estudiaremos con detalle en la seccion 5.7.2
Luis A. N
un
ez

Universidad Industrial de Santander

167

M
etodos Matem
aticos de la Fsica

La idea de circulaci
on se puede generalizar a un campo vectorial generico,

~a = ax (x, y, z)+ay (x, y, z)


+ax (x, y, z) k
con lo cual la integral de lnea cerrada, a lo largo de una circunferencia de radio, r, en el plano x, y ser
a
I
Z 2 n
o
(r sen + r cos
= ~a d ~r =
ax (x, y, z)+ay (x, y, z)
+ax (x, y, z) k
) d
0

y suponiendo r  1 podemos desarrollar por Taylor las componentes del campo vectorial en al plano x, y
alrededor del origen de coordenadas rx,y 0. Esto es




ax
ax
ax
x
+

=
a
|
+
r
cos

+
ax (x, y, 0) = ax |r=0 + x a
+
y
+
r
sen


x
r=0
x r=0
y
x r=0
y
r=0


a
ay (x, y, 0) = ay |r=0 + x xy

r=0


a
+ y yy

r=0

r=0


a
+ = ay |r=0 + r cos xy

r=0


a
+ r sen yy

+
r=0

Por lo tanto, la integral de lnea nos queda como




I
Z 2 
ax
ax
= ~a d ~r =
ax |r=0 + r cos
+ r sin
r sin d+
x r=0
y r=0
0


Z 2 
ay
ay
+
r
sin

r cos d
+
ay |r=0 + r cos
x r=0
y r=0
0
con los cual

I
=

~a d ~r = r2




ay
ax

+ O r3


x r=0
y r=0

Finalmente vemos que la componente del rotor en el origen del plano x, y es igual al lmite de la circulaci
on
a lo largo de una curva cerrada, dividida entre el area de la superficie que encierra la curva cerrada.


ay
ax

= lm
x r=0
y r=0 r0 r2
Rotores y velocidades angulares
Considere un cuerpo rgido que gira alrededor de un eje con velocidad angular
~ . Entonces la velocidad
tangencial de un punto P, con una posici
on ~r medida a un origen O situado en ese eje, siempre es
(x y y x)
~v =
~ ~r = (y z z y) +
(z x x z) + k
y su rotor ser
a



~ ~v = (y vz z vy ) + (z vx x vz )
x

+ (x vy y vx ) k

vx

y
vy

k
z
vz

es decir, por ser un cuerpo rgido la velocidad angular


~ es independiente de ~r; o lo que es lo mismo, todo
el cuerpo rgido tiene la misma velocidad angular. Con ello tendremos que



j
i j
~v = ijk j vk |ei i = ijk j klm l rm |ei i = li m

m
l j l rm |ei i



j
i j
~v = li m

m
l l jm |ei i = 3 i i |ei i = 2 i |ei i = 2~

Luis A. N
un
ez

Universidad Industrial de Santander

168

M
etodos Matem
aticos de la Fsica

sin ndices hubiera sido




~ ~v = (y vz z vy ) = y (x y y x) z (z x x z) = 2x

~ ~v


y

~ ~v


z

= (z vx x vz ) = z (y z z y) x (x y y x) = 2y

= (x vy y vx ) = x (z x x z) y (y z z y) = 2z

Otra vez, el rotor de una campo de velocidades de un cuerpo (que rota) detecta su velocidad angular.
Rotores y coordenadas curvilneas
Una vez m
as recurrimos a una definici
on para el rotor independiente del sistemas de coordenada
ZZ
ZZ
~ ~a = rot [~a] = lm 1
~ ~a = lm 1

dS
n
s ~a dS
V 0 V
V 0 V
y del mismo modo que calculamos el flujo a traves de las distintas capas de un volumen podremos (no lo
haremos y se lo dejaremos al lector) demostrar que


#
"

h1 |
e1 i h2 |
e2 i h3 |
e3 i

h
a
1
1

k
~ ~a = rot [~a] =

|
ei i =
ijk
1
q2
q3

hj hk
qj
h1 h2 h3 q
h1 a1
h2 a2
h3 a3
donde los ndices repetidos i, j, k indican suma; j y k no indican suma sino que replican los valores de los
ndices j, k.
Explcitamente




e1 i (h3 a3 ) (h2 a2 )
|
e2 i (h1 a1 ) (h3 a3 )
~ ~a = rot [~a] = |

+
+
h2 h3
q2
q3
h1 h3
q3
q1


|
e3 i (h2 a2 ) (h1 a1 )

+
h1 h2
q1
q2

5.5.4.

~
Formulario del Operador nabla,

~ en las f
El operador nabla, ,
ormulas anteriores act
ua como un operador lineal. Esto es, dadas (~r) , (~r) , (~r)
funciones escalares de variable vectorial y ~a y ~b dos campos vectoriales cuales quiera, se puede generar el
siguiente formulario, el cual deber
a ser demostrado por el lector
~ ( + ) =
~ +
~ () =
~ +
~ +
~



~ ~a + ~b =
~ ~a +
~ ~b +
~ ~b



 
~ ~a + ~b =
~ ~a +
~ ~b =
~ ~a +
~ ~b +
~ ~b

Luis A. N
un
ez

Universidad Industrial de Santander

169

M
etodos Matem
aticos de la Fsica

y tambien si consideramos las cantidades ~a ~b y ~a ~b tendremos



 





~ ~a ~b = i aj bj |ei i =
~ ~a ~b +
~ ~b ~a










~ ~a ~b = i ijk aj bk = ijk i aj bk + ijk i bk aj =
~ ~a ~b ~a
~ ~b


 




 

~ ~a ~b = ~b
~ ~a ~b
~ ~a + ~a
~ ~b ~a
~ ~b

es claro que

 

~ ~b 6= ~b
~ ~a
~a


aj i bi =
6 bi i aj

por cuanto en las partes izquierda las derivadas act


uan sobre las componentes de ~b, mientras que en las
partes derechas es sobre las componentes de ~a.
Otros casos importantes se presentan cuando los campos escalares y/o vectoriales son a su vez funciones
de un campo escalar. Es decir, funciones compuestas. Esto es
= ( (~r))

y ~a = ~a ( (~r)) .

En este caso, tendremos


~
~ ( (~r)) = d ;

~ ~a ( (~r)) =
~ d ~a ;

  d ~a
~ ~a ( (~r)) =
~

~ ~a ( (~r)) =
~ d ~a , utilizamos la estrategia de Taylor y expandimos el
Para demostrar, por ejemplo,
d
campo vectorial alrededor de un determinado punto, digamos ~r = ~r0 arbitrario. Esto es


1 d2 ~a
d ~a
2
( (~r) (~r0 )) +
( (~r) (~r0 )) +
~a = ~a (~r0 ) +
d ~r0
2 d2 M
aplicando la divergencia a ambos miembros queda como
"
#

 2

d ~a
1~
d ~a
2
~
~
~
~a = [~a (~r0 )] +
( (~r) (~r0 )) +
( (~r) (~r0 )) +
d ~r0
2
d2 M
con lo cual



3
a
d ~a
d2 ~a
1
2 d ~
~
~
~
~ (~r) +
(~r) + ( (~r) (~r0 ))
~a =
(~r) + ( (~r) (~r0 ))

d ~r0
d2 ~r0
2
d3 ~r0
esta relaci
on vale para todo ~r, en particular para ~r = ~r0 . Con lo cual


d ~a

~
~ (~r0 )
~ ~a = d ~a
~ (~r)
~a =

=

d ~r0
d
~
r0
ya que ~r0 es arbitrario, con lo cual queda demostrado.

Luis A. N
un
ez

Universidad Industrial de Santander

170

M
etodos Matem
aticos de la Fsica

5.5.5.

Nabla dos veces y el Laplaciano

Formulario de Nabla dos veces


~ como un operador surge la pregunta de su aplicacion repetida sobre distintos
Considerando a Nabla, ,
objetos. Consideremos primero las siguientes expresiones en coordenadas cartesianas. Esto es
~
~ =
~ 2 = = i i

~
~ = ijk j k |ei i = 0




~
~ ~a = i j aj |ei i = j i aj |ei i





~
~ ~a =
~
~ ~a = 0





~
~ ~a = ijk j klm l am |ei i = i j i j j l am |ei i = i j aj |ei i j j ai |ei i

l m
m l




~
~ ~a =
~
~ ~a ~a

Laplaciano y campos escalares


M
as all
a de la gimnasia de ndices para determinar la expresion de la relacion vectorial, quiza la m
as
importante de las aplicaciones es el Laplaciano, el cual en <3 y en coordenadas cartesianas puede expresarse
como:
~
~ =
~ 2 = = i i = xx + yy + zz

La importancia el Laplaciano reside en que la mayor parte (casi todas) las ecuaciones de la fsica matem
atica
son ecuaciones diferenciales (ordinarias y parciales) de segundo orden y el Laplaciano las genera en el espacio.
Adicionalmente la soluci
on a la ecuaci
on armonica
= i i = xx + yy + zz = 0
es de importancias en varias
areas de la fsica.
Se puede demostrar f
acilmente que el Laplaciano cumple con
( + C) = + C;

~
~
() = + + 2

considerando las expresiones para el gradiente y la divergencia en coordenadas curvilneas


1
1
= 1 |
e1 i +
|
e2 i +
|
e3 i

h1 q 1
h2 q 2
h3 q 3
y
~a =

1
h1 h2 h3






!
a
1 q 1 , q 2 , q 3 h2 h3
a
2 q 1 , q 2 , q 3 h3 h1
a
3 q 1 , q 2 , q 3 h1 h2
+
+
q 1
q 2
q 3

respectivamente, es f
acil llegar a la expresion para el Laplaciano en coordenadas curvilneas







1

h2 h3

h1 h3

h2 h1
2
=
+
+
h1 h2 h3 q 1
h1 q 1
q2
h2 q 2
q3
h3 q 3
Luis A. N
un
ez

Universidad Industrial de Santander

171

M
etodos Matem
aticos de la Fsica

Laplaciano y campos vectoriales


Inspirado en la forma que toma un campo vectorial en coordenadas cartesianas, definiremos el Laplaciano
de un campo vectorial como la relaci
on





~a

a
~a =
~
Desarrollando esta expresi
on en coordenadas cartesianas tendremos que





~a = i j aj i j aj j j ai |ei i
= ~a = j j ai |ei i ai |ei i
Es decir, que el Laplaciano de un campo vectorial, expresado en coordenadas cartesianas, es igual al
vector cuyas componentes sonlos Laplacianos de las componentes del campo original. Es importante resaltar
i
que la expresi
on ~a = a
|ei i se cumple
nicamente
en coordenadas cartesianas pero la definicion que
 u

~a

a , es una ecuacion vectorial y es, por lo tanto, valida en



~
hemos propuesto, ~a =
cualquier sistema de coordenadas.
El Laplaciano de campos vectoriales no lleva construir un formulario de relaciones facilmente demostrables




 
a
~a ;
( ~a) = ~

() ;
( ~a) =

5.5.6.

Derivadas Direccionales de Campos Vectoriales

El concepto
Formalmente y como siempre la misma idea de derivada como cociente incremental. Dados dos puntos
P1 y P2 y un vector u
que los une (va de P1 P2 ), entonces por definicion
d ~a
~a (P2 ) ~a (P1 )
D|ui |ai
= lm
P2 P1
du
P2 P1


=

d ~a
du

i


=

d ai
du


= lm

P2 P1

ai (P2 ) ai (P1 )
P2 P1

por consiguiente, si ~a,tiene por componentes cartesianas (en general


cualquier sistema
de coordenadas orto

d ax d ay d az
gonales) (ax , ay , az ) las componentes del vector derivado seran du , du , du . De modo que inspirados
en la derivada direccional de un campo escalar que presentamos en la seccion 5.5.1, podemos construir la
expresi
on para la derivada direccional de cada una de las componentes del vector ddu~a . Esto es


d
d ai
~ u
~ i = uj j ai = D|ui |ai d ~a = u
~ ~a
= D|ui =
= ui i =
=u
a

du
du
du
Otra vez, en coordenadas cartesianas se tiene que



~ ~a = ui i aj |ej i
D|ui~a = u

= D|ui ()

d ()  ~ 
= u
() ui i ()
du

Un ejemplo: el campo de aceleraciones de un fluido


El ejemplo m
as est
andar es la descripcion del campo de aceleraciones de un fluido en movimiento. El
campo de aceleraciones de un fluido, como de costumbre, es la variacion del campo de velocidades respecto
al tiempo. Esto es ~a = ddt~v . Para escribir la expresion de este campo de aceleraciones, supongamos que un
fluido se mueve y registra un campo de velocidades ~v = ~v (~r, t) el cual, en general, sera inhomogeneo y no
estacionario. Identificamos una porci
on del fluido (partcula) cualquiera y observamos que en un intervalo
Luis A. N
un
ez

Universidad Industrial de Santander

172

M
etodos Matem
aticos de la Fsica

Figura 5.8: Contribuciones a la variacion de la velocidad en un fluido

de tiempo dt esa porci


on identificada se mueve de P1 P2 y registra un incremento en su velocidad de ~v
en P1 a ~v + d~v en P2 :
~v (P1 ) ~v (~r, t)
y
~v (P2 ) ~v (~r + d~r, t + dt)
Tal y como ejemplificamos en la Figura 5.8, este incremento proviene de dos contribuciones. Una, llamada
local, debido a el cambio en la variable temporal y otra, por la comparacion del vector velocidad, ~v , en dos
posiciones (traslaci
on espacial o contribucion convectiva).
d ~vt =

~v
dt
t

d ~v~u =

d ~v
du
du

Visto de otro modo un poco m


as informal, dado que el campo es funcion de dos variables y una de ellas
vectorial
d ~v
d ~v ~v
~v = ~v (~r, t)
~a =
=
+
dt
dr
t
d ~
v
De la discusi
on anterior es claro que du es la derivada direccional del campo de velocidades a lo largo
del vector unitario u
que apunta P1 P2 Ahora bien, para este caso tenemos que:
du = kd ~rk ,

du = k~v k dt

u
=

~v
k~v k

con lo cual la derivada direccional nos queda como


d ~v
1  ~
=
~v ~v
du
k~v k
finalmente la aceleraci
on nos queda expresada como
d ~v
1  ~
~v
~a =
=
~v ~v +
dt
k~v k
t

ai =

1  ~  i v i
~v v +
k~v k
t

donde hemos representado las componentes cartesianas de los vectores velocidad y aceleracion como v i y ai ,
respectivamente.
Es importante hacer una reflexi
on un poco mas fsica de las contribuciones. La contribucion local proviene
de la variaci
on del vector (por la dependencia temporal) alrededor del punto, sin importar la direccion que
sigue al partcula y la contribuci
on convectiva proviene de la inhomogeneidad del campo de velocidades. Esto
es de la variaci
on del campo de velocidades seg
un la direccion que siga la partcula.
Luis A. N
un
ez

Universidad Industrial de Santander

173

M
etodos Matem
aticos de la Fsica

5.6.
5.6.1.

Integrales y Campos Vectoriales


Resumiendo lo visto

Integrales de Campos
Despues de haber diferenciado campos escalares y vectoriales, el siguiente paso es integrarlos. El primer
caso de este tipo integrales es el trivial que siempre hemos utilizado:
Z

Z
Z
Z
Z
~ (u) d u = Vx (u) d u +
Vz (u) d u =
V i (u) d u |ei i
V
Vy (u) d u + k
As integramos la aceleraci
on de un movimiento parabolico
Z
Z
d ~v
= ~v = ~a dt = k
g dt = kgt
+ ~v0 = kgt
+ v0x +
0z
= ~a = g k
v0y + kv
dt
Ahora bien, existen sutilezas en este caso que debemos tener en cuenta. Por ejemplo considere la integral

 Z
 

 Z


Z
d2 ~a
d
d ~a
d ~a d ~a
d
d ~a
d ~a
= dt
~a

= dt
~a
= ~a
dt ~a

+ ~c
dt2
dt
dt
dt
dt
dt
dt
dt
Pero en general los casos quedan resueltos integrando componente a componente con la ayuda de la notaci
on
de ndices
Z

Z



dt ~a ~b =
dt ijk aj bk |ei i
Quiz
a uno de los problemas que ilustra mejor esta situacion es el movimiento bajo fuerzas centrales. La Ley
de Gravitaci
on de Newton nos dice que
X

F = m ~a = m

M
d ~v
=mG 2 u
r
dt
rmM

d ~v
M
=G 2 u
r
dt
rmM

Es costumbre definir la velocidad aerolar, ~vA , como el area barrida por el radio vector posicion, ~r (t) que
describe la trayectoria de la partcula


d (r u
r )
dr
du
r
du
r
du
r
d ~r
=ru
r
=ru
r
u
r + r
=ru
r r
= r2 u
r
2~vA = ~r
dt
dt
dt
dt
dt
dt
N
otese que si ~c es un vector constante


d
du
r
du
r
u
r
= 0 = u
r
= ~c
dt
dt
dt

= 2~vA = r2 u
r

du
r
= const
dt

con lo cual
d
d ~v
M
MG
(~v ~vA ) =
~vA = G 2 u
r ~vA =
dt
dt
rmM
2
d
MG
(~v ~vA ) =
dt
2




du
r
u
r u
r
dt




du
r
du
r
MG d u
r
u
r
u
r (
ur u
r )
=
dt
dt
2 dt

integrando
~v ~vA =
Luis A. N
un
ez

MG
u
r + p~
2

Universidad Industrial de Santander

174

M
etodos Matem
aticos de la Fsica

Figura 5.9: Trayectorias de integracion y campos vectoriales

donde p~ es un vector arbitrario de constante de integracion. Finalmente nos damos cuenta que


MG
MG
~r (~v ~vA ) = r u
r
u
r + p~ =
r + rp cos
2
2
2
~r (~v ~vA ) = ijk ri vj vAk ~vA (~r ~v ) = ~vA ~vA = vA

y entonces
2
vA

MG
r + rp cos
=
2

= r =

MG
2

2
vA

+ p cos
1+

2
2vA
MG
2p
M G cos

que constituye la ecuaci


on de una c
onica.
Integrales de lnea
Ahora nos detendremos con m
as cuidado en integrales que tambien ya hemos utilizado, pero muy r
apidamente. As tendremos por delante algunos objetos del siguiente tenor:
Z
Z
Z
~ d ~r
~ d ~r
V
d ~r,
V
y
C

Este tipo de objetos se conoce como integrales de lnea y requieren la especificacion de la curva, C, (la
trayectoria) a lo largo de la cual se lleva la integracion. Es clara la importancia de esa trayectoria para la
integraci
on de los campos por cuanto encontraran expresiones del campo vectorial que puebla la regi
on a
traves de la cual se integra. Esas trayectorias seran abiertas o cerradas dependiendo de la curva que se siga
en el proceso de integraci
on.
As para integrar un campo escalar = (~r) en coordenadas cartesianas, tendremos que
Z
Z



(x, y, z) d ~r =
(x, y, z) d x +d y
+d z k
C

Z
=
C

Luis A. N
un
ez

Z
Z

(x, y (x) , z (x)) d x +

(x (y) , y, z (y)) d y + k
(x (z) , y (z) , z) d z
C

Universidad Industrial de Santander

175

M
etodos Matem
aticos de la Fsica

tal y como indicamos arriba, las tres integrales se podran realizar si conocemos, en cada caso, la expresi
on
del integrando en termino de la variable de integracion. Esa es la razon por la cual hay que especificar la
curva C que define la trayectoria de integracion. Esta define esa funcionalidad.
Integrales de Superficie
Otros objetos que ya nos hemos encontrado son las integrales de superficie y las hemos encontrado cuando
evaluamos el flujo de un campo vectorial y lo relacionamos con la divergencia. As interpretamos que objetos
ZZ
ZZ
ZZ
~
~a dS
~a n
s dS =
an dS
s

~ Es costumbre que
representaban el flujo de las lneas de campo a traves del diferencial de superficie dS.
se separen el m
odulo, dS, de la direcci
on y el sentido, n
s el cual es el vector normal (sentido positivo) a
la superficie. Otra vez, las superficies podran ser abiertas (cuando disponen de una curva que limita sus
fronteras) y cerradas cuando no. Un crculo sera una superficie abierta y una esfera cerrada. Por convenci
on
supondremos que el vector normal a una superficie cerrada tendra sentido positivo saliendo.
La utilizaci
on de integrales de superficie nos ha permitido definir, de manera invariante (independiente
del sistema de coordenadas) las expresiones para los operadores diferenciales. As hemos podido definir:
ZZ
ZZ
~ = lm 1
grad = lm 1
(x, y, z) dS
(x, y, z) n
s dS

V 0 V
V 0 V
s
s

5.7.

~a div [~a] = lm 1

V 0 V

ZZ

~ ~a rot [~a] = lm 1

V 0 V

ZZ

~ lm 1
~a dS
V 0 V
s

ZZ

~ ~a = lm 1
dS
V 0 V

1
V 0 V

ZZ

~a n
s dS = lm
s

ZZ

an dS
s

n
s ~a dS

Campos Vectoriales y Teoremas integrales

En esta secci
on presentaremos un conjunto de teoremas que relacionan las variaciones de un campo
vectorial con las fuentes que lo producen. En terminos tecnicos (matematicos) resultan fundamentales cuando
queremos convertir un tipo de integral (lnea, superficie o volumen) en otra.
El primer teorema, el Teorema de Gauss permite expresar el valor de una integral de volumen, V, encerrado por una determinada superficie, S, (cerrada) en terminos de una integral sobre esa superficie, S.
El otro teorema importante es el Teorema de Stokes, el cual permite relacionar el valor de una integral de
superficie con la integral de lnea sobre la curva que delimita esa superficie.

5.7.1.

Teorema de Gauss

Presentaci
on y demostraci
on
La primera relaci
on que presentaremos entre una integral de superficie de un campo vectorial, ~a,y una
de superficie de su derivada es el Teorema de Gauss el cual se expresa de forma vectorial como
ZZ
ZZ
Z
~
~a d V
~a d S
~a n
s dS =

Luis A. N
un
ez

Universidad Industrial de Santander

176

M
etodos Matem
aticos de la Fsica

Figura 5.10: Teoremas de Gauss

~ n
donde ~a = ~a (x, y, z) es el campo vectorial d S
s dS es el diferencial de area y d V el diferencial de
volumen.
~a es interpretado como el flujo del campo ~a por unidad
Tal y como vimos en su oportunidad el termino
de volumen, por lo tanto el lado derecho de la ecuacion es la tasa de flujo neto que sale del volumen sobre
el cual estamos integrando.
La demostraci
on del Teorema de Gauss es como sigue. supongamos un volumen encerrado por una
superficie convexa, S, como se muestra en la Figura 5.10 en los cuadrantes I, II y III. Supongamos adem
as
que orientamos el sistema de coordenada de tal forma que una lnea paralela a uno de los ejes toca la superficie
en dos puntos (Figura 5.10, cuadrante I). De este modo podemos trazar una superficie (perpendicular a esa
lnea) tal que divida la superficie, S, en dos superficies, S1, y S2, cada una de las cuales esta bordeada por la
curva, C, (Figura 5.10, cuadrante II).
Al evaluar la integral
Z
Z
Z
ZZ
~
~
~
ax d S =
ax d S +
ax d S =
[ax (x2 , y, z) ax (x1 , y, z)] d S 0
S

S1

s0

S2

ya que las componentes x de los vectores normales a las dos superficies que contribuyen (Figura 5.10,
cuadrante III) tienen signos opuestos
~2 = d S
~1 = d S1x = d y d z = d S 0
d S2x = d S
Ahora bien, dado que
ax
ax (x2 , y, z) ax (x1 , y, z)
= lm
x2 x1
x
x2 x1
con lo cual

Z
S

Luis A. N
un
ez

~=
ax d S

Z Z Z
s0

x2

x1

x2

ax (x2 , y, z) ax (x1 , y, z) =
x1

ax
dx
x

Z
dydz=

Universidad Industrial de Santander

ax
dx
x

ax
dV
x

177

M
etodos Matem
aticos de la Fsica

obtendremos
y equivalentemente al hacerlo en las direcciones
y k,
Z
Z
Z
Z
ay
az
~=
~=
d S
ay
d S
dV
y
dV
az k
y
S
V
S
V z
y finalmente hemos demostrado el Teorema de la divergencia o Teorema de Gauss

Z
Z
ZZ
ZZ
Z 

ay
az
ax
~
~a d V
+
+
dV =
i ai d V =

~a d S
~a n
s dS =
x
y
z
V
V
s
s
V
Expresiones equivalentes para el Teorema de Gauss
Si bien la expresi
on est
andar es la que hemos presentado, existen algunas variantes que se derivan de ella.
Por ejemplo si consideramos un campo escalar, (x, y, z) , el teorema de Gauss nos conduce a
ZZ
ZZZ
ZZ
ZZZ
~ B
~ (x, y, z) d V
~ (x, y, z) d V y
~ B
~ (x, y, z) =
~=

dS
(x, y, z) d S
s

~ (x, y, z) es un campo vectorial.


donde B
Para comprobar la primera de estas dos relaciones consideramos un vector ~c constante y construimos un
campo vectorial

~a (x, y, z) = ~c (x, y, z)
ZZ

~=
~a d S

ZZZ

~a d V

ZZ

~ = ~c
(x, y, z) d S

~c

ZZZ

Z Z
0 = ~c

~
(x, y, z) d S

(x, y, z) d V

ZZZ

(x, y, z) d V

es decir, para todo vector ~c siempre se cumple que


ZZ
ZZZ
~=
(x, y, z) d V
(x, y, z) d S

Esa misma metodologa se puede aplicar para demostrar la segunda relacion si consideramos un campo
~ (x, y, z), con ~c vector constante y se procede de una manera similar.
vectorial ~a (x, y, z) = ~c B
Ley de Gauss y Campo El
ectrico
La aplicaci
on m
as emblem
atica del Teorema de Gauss lo constituyen el calculo de la divergencia del
~ y su relaci
campo electrico E
on con las distribuciones de cargas existentes. Desde siempre sabemos que el
campo electrico producido por una carga Qi viene dado por
ZZ
1 Qi
~
~i d S
~i = Qi
~ = (~r)
E
Ei (~r) =

u
ri ;

E
2
40 ri
0
0
Si
En definitiva la deducci
on de una de las ecuaciones de Maxwell. Si calculamos el flujo del campo electrico
~ (~r) atraviesan el volumen: todas entran y todas salen.
en una regi
on sin cargas todas las lneas del campo E
Sin embargo si tenemos un conjunto de cargas discretas distribuidas dentro de la region encerrada por la
Luis A. N
un
ez

Universidad Industrial de Santander

178

M
etodos Matem
aticos de la Fsica

superficie, S, (ver Figura 5.10, cuadrante IVa) podemos encerrar cada una de las cargas con superficies
esfericas Si . Por lo tanto
ZZ
Z
ZZ
X ZZ
X ZZ
~ d S
~+
~ d S
~i =
~ dV =0
~ d S
~=
~ d S
~i
E
E
E

E
E
S

Si

Si

Con lo cual hemos definido una superficie con huecos alrededor de cada una de las cargas y llegamos a la
conclusi
on que lo que entra sale. Por su parte, el campo electrico medido cada superficie esferica interior, Si
ser
a

~0
~ = 1 Qi u
r + E
E
40 ri2 i
Si
~ 0 es el campo de todas las otras cargas presentes en e volumen encerrado por S. Es claro que este
donde E
~ 0 tiene flujo cero neto sobre cada esfera de superficie Si . Por lo tanto
campo E
P

ZZ
X Z Z  1 Qi
X 1 Qi Z Z
Qi
Q
0
~
~
~
u
ri + E n
dSi = i
Ed S =
Si dSi =
=
2
2
40 ri
40 ri
0
0
Si
S
Si
i
i
donde hemos utilizado que
Z
X ZZ
~ 0 d Vi = 0 =
E

Vi

~0 n
E
Si dSi ;

ZZ
u
ri n
Si = 1;

Si

dSi = Si = 4ri2

y
Si

Finalmente encontramos una de las Leyes de Maxwell si reescribimos la integral de superficie utilizando la
Ley de Gauss
ZZ
Z
ZZ
Z
Z
~ d S
~= Q = 1
~ d S
~=
~ dV = 1
E
E
(~r) d V

(~r) d V
0
0 V
0 V
S
S
V
con lo cual

Z 
V

~ E
~ (~r)

0


dV

~ E
~ = (~r)

0

Discontinuidades y densidades superficiales de carga


Normalmente, siempre consideramos que los campos vectoriales ~a = ~a (x, y, z) son campos continuos (y,
m
as a
un, con todas sus derivadas continuas). Sin embargo, encontramos en la naturaleza situaciones en
la cuales el campo vara mucho en una distancia muy corta (infinitesimal). En estas situaciones podemos
simular esta r
apida variaci
on como una discontinuidad en el campo. Existe formas de aplicar el Teorema de
Gauss para algunas situaciones en las cuales tratamos con campos discontinuos. La manera apropiada de
tratar (derivadas e integrales de) funciones discontinuas es considerandolas no funciones sino distribuciones.
Este tipo de tratamiento est
a fuera del alcance de este formulario y sera considerado en otros cursos.
Supongamos el caso que ilustra la Figura 5.10, cuadrante IVb. Una region R delimitada por una superficie
separa dos subregiones R y R2 a traves de la
S, dentro de la cual, una superficie de discontinuidad, S,
1
cual un campo vectorial, ~a = ~a (x, y, z) , es discontinuo. Ahora bien, el campo vectorial es continuo en las
subregiones, por lo cual el flujo del campo atraviesa las superficies S1 y S que delimitan el volumen V1 de la
regi
on R1 . Entonces el Teorema de Gauss para cada region queda expresado como
Z
ZZ
ZZ
Z
ZZ
ZZ
~

~a d V =
~a d S +
~a+ n
S dS
y
~a d V =
~a d S
~a n
S dS
V1

Luis A. N
un
ez

S1

V2

Universidad Industrial de Santander

S2

179

M
etodos Matem
aticos de la Fsica

Figura 5.11: Discontinuidad del Vector Desplazamiento

separacion de las dos regiones. Adicionalmente hemos


donde n
S es el vector normal a al superficie, S,de
denotado, ~a+ y ~a el campo ~a evaluado del lado de R1 y R2 , respectivamente. Si ahora consideramos el
teorema de Gauss en toda la regi
on
Z
Z
Z

~a d V
~a d V
~a d V +

V1 +V2

V1

V2

Claramente si el campo es continuo dentro de la region R entonces nos queda la formulacion estandar del
Teorema de Gauss,
Z
ZZ
~
~a d V =

~a d S
V1 +V2

por el contrario si el campo es discontinuo, entonces debe tomarse en cuenta la discontinuidad del campo y
la relaci
on que surge de sumar el flujo a traves de las dos regiones es
Z
ZZ
ZZ
~
~a d V =

~a d S
(~a2 ~a1 ) n
S dS
V1 +V2

con n
S el vector unitario, normal a la superficie S y que apunta de R1 R2 . Es claro que la discontinuidad
que cuenta es la de la componente del campo perpendicular a la superficie (ver Figura 5.11).
Este tipo de discontinuidad en campos irrotacionales es generada por la presencia de fuentes las cuales,
en este caso son densidades superficiales de carga. Quiza el ejemplo tpico para la aplicacion de las anteriores
consideraciones es la aplicaci
on de las ecuaciones de Maxwell en el caso del vector desplazamiento electrico
~ traves de una superficie, S,
que separa dos medios. Este caso se ilustra en la Figura 5.10, cuadrante
D,a
IVc y en la Figura 5.11, s
olo que en este u
ltimo caso el vector normal esta definido a la inversa: la regi
on 2
corresponde a la regi
on 1 de la Figura 5.10, cuadrante IVc. La ecuacion de Maxwell correspondiente ser
a
~ = (~r)
E

0

~ = (~r)
D



~2 D
~1 n
D
S =

~ = 0 E
~
con D

donde n
S es el vector normal a la superficie (ver Figura 5.10, cuadrante IVc) y es la densidad superficial de
carga en la superficie, S. Para comprobar esta relacion construimos un volumen cilndrico infinitesimal que
encierra la superficie de discontinuidad, de tal forma que S2 corresponde con la tapa del cilindro y S1
con su base (Figura 5.10 cuadrante IVc). Adicionalmente, como l 0 no solo podremos trabajar sin las
Luis A. N
un
ez

Universidad Industrial de Santander

180

M
etodos Matem
aticos de la Fsica

integrales, el flujo a traves de las paredes del cilindro sera despreciable y S2 S1 , sino que adem
as, al
en el cuadrante
encerrar la discontinuidad no tomamos en cuenta la contribucion de la superficie S3 (o S,
IVb de la Figura 5.10). As


~ dV =D
~ 2 S
~2 D
~ 1 S
~1
~2 D
~1 n
D

(~r) (S2 l) = D
S2 S2
con lo cual



~2 D
~1 n
(~r) l = D
S2

Teoremas de Green
Cuando consideramos campos vectoriales muy particulares el Teorema de Gauss nos lleva a un par de
identidades vectoriales conocidas como las Identidades o Teoremas de Green
Supongamos que tenemos dos campos escalares: (x, y, z) y (x, y, z) entonces y con ellos construimos
un campo vectorial
ZZ
ZZZ
~=
(x, y, z)
~a d V
~a (x, y, z) = (x, y, z)
~a d S

ZZ 

ZZZ



~=
(x, y, z) d S
(x, y, z)
(x, y, z) d V
(x, y, z)

con lo cual arribamos a primera identidad de Green, Primer Teorema de Green o, Teorema escalar de Green:
ZZ 
ZZZ h

i


~

(x, y, z) +
(x, y, z)
(x, y, z) d V

(x, y, z) (x, y, z) d S =
(x, y, z)
s

Si ahora, consideramos los siguientes campos vectoriales




(x, y, z)
(x, y, z) =
(x, y, z)
(x, y, z) + (x, y, z)

(x, y, z)

y

(x, y, z)
(x, y, z) =
(x, y, z)
(x, y, z) + (x, y, z)

(x, y, z)

restando ambas expresiones tendremos que


n
o
(x, y, z)
(x, y, z) (x, y, z)
(x, y, z) =


(x, y, z) (x, y, z)

(x, y, z)
(x, y, z)
y al integrar sobre un volumen V tendremos la formulacion del Teorema de simetrico de Green, la segunda
identidad (o teorema) de Green o el Teorema
ZZZ n
o

(x, y, z) (x, y, z)

(x, y, z) d V =
(x, y, z)
V
ZZ n
o
~
(x, y, z) (x, y, z)
(x, y, z) d S
(x, y, z)
s

La utilidad de estas relaciones las veremos en el desarrollo de la Teora de Potencial en la seccion 5.8.1
en la p
agina 185
Luis A. N
un
ez

Universidad Industrial de Santander

181

M
etodos Matem
aticos de la Fsica

Figura 5.12: Teorema de Stokes

5.7.2.

Teorema de Stokes

Presentaci
on y demostraci
on
El teorema de Stokes relaciona una integral de lnea escalar de un campo vectorial, ~a = ~a (x, y, z) , a
lo largo de una curva cerrada, C, con una integral del rotor del campo sobre la superficie encerrada por la
curva, C. Es decir
I
ZZ 
ZZ 


~ ~a d S
~
~ ~a n
~a d ~r =

S dS
S

Tal y como hemos mencionado antes la superficie la define su vector normal, y este lo define el sentido de
circulaci
on de la curva que bordea la superficie (ver Figura 5.12 cuadrantes I y III).
No haremos una demostraci
on formal del Teorema de Stokes como lo hicimos para el Gauss. Nos convenceremos de que es correcta la relaci
on a partir de algunas situaciones sencillas. Cualquier superficie la
podremos dividir en peque
nas cuadrculas diferenciales, las cuales sumadas constituyen la superficie (ver
Figura 5.12 cuadrante II). Es f
acil convencerse que la circulacion3 por le borde de una cuadrcula diferencial
(por ejemplo en el plano x, y) nos lleva a
I
Z
Z
Z
Z
1234 =
~a d ~r = ax (x, y) d x + ay (x, y) d y + ax (x, y) (d x) + ay (x, y) (d y)
1234

donde hemos denotado la trayectoria a lo largo del permetro de la cuadrcula por 1234 De la Figura 5.13
podemos intuir
Z
Z
Z
Z
1234 = ax (x0 , y0 ) d x + ay (x0 + d x, y0 ) d y + ax (x0 , y0 + d y) (d x) + ay (x0 , y0 ) (d y)
3 Pueden

consultar otro ejemplo de circulaci


on en la secci
on 5.5.3

Luis A. N
un
ez

Universidad Industrial de Santander

182

M
etodos Matem
aticos de la Fsica

Figura 5.13: Circulacion en una cuadrcula del plano x, y

y de all el desarrollo por Taylor que nos conduce a


#
#


Z "
Z
Z "
ax
ay
dx dy
ax (x0 , y0 ) +
dy dx
1234 = ax (x0 , y0 ) d x +
ay (x0 , y0 ) +
x x=x0
y y=y0
Z
+ ay (x0 , y0 ) d y

Z
1234 =

!


ZZ 
ZZ


ay
ax
~ ~a d Sz
~ ~a d S
~

d
xd
y
=
x x=x0
y y=y0
z
S
S

pero esto vale para todos los puntos (x0 , y0 ) y se puede aplicar para las otras superficies con lo cual es f
acil
convercerse que esta tecnica se puede utilizar para cada cuadrcula en las cuales hemos dividido la superficie
(ver Figura 5.12 cuadrante II). M
as a
un las circulaciones a lo largo de los permetros de las cuadrculas
interiores se anulan (ver Figura 5.12 cuadrante III) y solo sobrevive la circulacion a lo largo del permetro
exterior de la superficie. Con ello
I
ZZ 


X
X
~ ~a d S
~
~ ~a d S
~
~a d ~r

~a d ~r =

cuadricula

Expresiones equivalentes para el Teorema de Stokes


Del mismo modo que hicimos en la seccion 5.7.1 con el Teorema de Gauss, podemos hacerlo para el
Teorema de Stokes y tendremos
I
ZZ
I
ZZ 

~
~
~
~
~ B
~ (x, y, z)
(x, y, z) d ~r =
d S (x, y, z) y
d ~r B (x, y, z) =
dS
S

~ (x, y, z) un campo vectorial. Otra vez, la metodologa para proceder a


donde (x, y, z) es un campo escalar y B
la demostraci
on se fundamenta en considerar un par de campos vectoriales de la forma ~a (x, y, z) = (x, y, z) ~c
~ (x, y, z) y desarrollar un algebra vectorial mnima.
y ~b (x, y, z) = ~c B
Luis A. N
un
ez

Universidad Industrial de Santander

183

M
etodos Matem
aticos de la Fsica

Teorema de Stokes y Fuerzas Conservativas


El teorema de Stokes nos permite identificas que campos vectoriales irrotacionales generan integrales de
lnea las cuales son independientes de la trayectoria. Esto es
ZZ 
I

~
~
~
~
F (x, y, z) = 0
~a d S = ~a d ~r = 0
S

con lo cual, lo que se est


a implicando es que toda trayectoria cerrada de puede fraccionar en dos trayectorias
abiertas que se unen en los extremos, entonces
I
Z
Z
Z P2
Z P2
~a d ~r = 0 =
~a d ~r +
~a d ~r
~a d ~r
~a d ~r
C1

C2

P1
curva C1

P1
curva C2

y lo que nos dice es que vamos de un punto (de corte de la curva cerrada) P1 a otro punto P2 por dos
trayectorias distintas y la integral de lnea es la misma. Mas adelante veremos que a los campos vectoriales
irrotacionales les est
a asociado un potencial tal que
~ F~ (x, y, z) = 0 F~ (x, y, z)
~ (x, y, z)

Teorema de Stokes y discontinuidades del campo vectorial


Al igual que el Teorema de Gauss puede ser considerado para manejar funciones discontinuas, el Teorema
de Stokes tambien tiene una expresi
on cuando se consideran campos discontinuos (continuo a trozos o
continuos por segmentos)
Al igual que en el caso de Teorema de Gauss, consideremos el caso mas simple el de un campo vectorial
~a (x, y, z) que es discontinuo sobre una superficie, S ,que divide R en dos subregiones R1 y R2 (ver otra vez
5.10, cuadrante IVb). En este caso la superficie S, sera abierta y estara delimitada por una curva C2 . La

intersecci
on de las superficies S y S ser
a una curva C,la
cual dividira a S en dos superficies S1 y S2 (ver
Figura 5.12 cuadrante IV). Entonces, aplicando el Teorema de Stokes a la curva cerrada. Entonces
I
Z P2
Z P1
ZZ 

~ ~a d S
~
~a d ~r =
~a d ~r +
~a d ~r =

P1
curva C1

C1 +C

P2

curva C

S1

y
I

P1

~a d ~r =

Z
~a d ~r +

P2
curva C2

C2 +C

P2

ZZ
~a d ~r =

P1

curva C

S2

P1

Z
~a d ~r +

P2
en S1
curva C

la cual puede ser reescrita como


I
ZZ 
Z

~ ~a d S
~
~a d ~r =


~ ~a d S
~

S2

Ahora bien si las sumamos obtendremos


ZZ 
ZZ 
I


~ ~a d S
~+
~ ~a d S
~=

~a d ~r +
S1

P2

~a d ~r
P1
en S2
curva C

P2

P1

curva C


~a|S2 ~a|S1 d ~r

donde hemos denotado ~a|S2 como el campo vectorial evaluado sobre la curva C del lado de las superficie
S2 . Es importante se
nalar que el termino que incorpora la contribucion de la discontinuidad del campo
s
olo encierra componentes tangenciales a la superficie. Esto es claro del producto escalar con el vector, d ~r,
tangente a la curva C (y tambien a la superficie S).
Luis A. N
un
ez

Universidad Industrial de Santander

184

M
etodos Matem
aticos de la Fsica

5.8.
5.8.1.

Teora de Potencial
Potenciales escalares

Si un campo vectorial F~ (x, y, z) en una determinada region R puede asociarse con un gradiente de un
potencial tendremos que
I
~ (x, y, z)
~ F~ (x, y, z) = 0
F~ (x, y, z) =
F~ (x, y, z) d ~r = 0
La ventaja que un campo derive de un potencial es, por un la lado la simplicidad y la cantidad de informaci
on
que sobre el campo teneos: describimos la interaccion por una funcion y no con tres (las componentes del
campo) y sabremos que el campo es irrotacional y conservativo. Pero ademas la funcion que describe el
campo es escalar, con lo cual es independiente del sistema de coordenadas.
Cualquiera de las afirmaciones implica las otras dos, con o cual podremos elegir cualquier de ellas para
demostrar las otras dos. Veamos:
un campo que derive de un potencial es conservativo e irrotacional



~
~ (x, y, z) = 0


~ (x, y, z)
F~ =

H
H ~
(x, y, z) d ~r = d = (x0 , y0 , z0 ) (x0 , y0 , z0 ) = 0
donde hemos utilizado la definici
on de diferencial total
(x, y, z)
(x, y, z)
(x, y, z)
~ (x, y, z) d ~r
d =
dx +
dy +
dz =
x
y
z
un campo conservativo es irrotacional y deriva de un potencial.
RP
Un campo conservativo implica que el trabajo ( P12 F~ (x, y, z) d ~r) es independiente de la trayectoria
entre P1 y P2 . Por eso llamamos a la fuerza conservativa por cuanto se conserva la energa y por lo
tanto, esta depende u
nicamente de la posicion
Z P2
I
F~ (x, y, z) d ~r = (x2 , y2 , z2 ) (x1 , y1 , z1 )
F~ (x, y, z) d ~r = 0
P1

~ (x, y, z) d ~r
F~ (x, y, z) d ~r = d =

~ (x, y, z)
F~ (x, y, z) =

con lo cual hemos demostrado que el campo vectorial deriva de un potencial. El signo menos () es una
convenci
on tradicional del oficio de Fsico y proviene de nuestra intuicion de flujo de los acontecimientos:
El agua siempre fluye hacia abajo.
Ahora bien, utilizando el Teorema de Stokes tendremos:
I
ZZ 

~
~
~
~ F~ d S
~=0
~ F~ (x, y, z) = 0
F (x, y, z) = (x, y, z) F d ~r =

S2

es f
acil demostrar que el campo tambien es irrotacional.
un campo de fuerzas irrotacional implica que el campo deriva de un potencial y que el campo es
conservativo.
Otra vez, por el Teorema de Stokes si es irrotacional es conservativo,
ZZ 
I

~ F~ (x, y, z) = 0
~ F~ d S
~ = F~ d ~r = 0

S2

Luis A. N
un
ez

Universidad Industrial de Santander

185

M
etodos Matem
aticos de la Fsica

y si es conservativo deriva de un potencial


~ (x, y, z) d ~r
F~ (x, y, z) d ~r = d =

~ (x, y, z)
F~ (x, y, z) =

En definitiva, si cualquiera de las condiciones se cumple: conservativo, irrotacional o potencial, las otras
tambien se cumplir
an.

5.8.2.

Potenciales vectoriales y calibres

Al igual que derivamos un campo vectorial F~ a partir de un potencial escalar (x, y, z) y asociamos
~ F~ (x, y, z) = 0, podemos pensar que un campo sin
su existencia a su condici
on de irrotacionalidad,
divergencia (solenoidal o transverso) conlleva a la existencia de un potencial vectorial. Esto es
~ F~ (x, y, z) = 0

~ A
~ (x, y, z)
F~ (x, y, z) =

Claramente

~ F~ (x, y, z) = i F i = i ijk j Ak = 0

~=A
~ (x, y, z) se conoce con el nombre de potencial vectorial del campo F~ . Ahora bien,
El campo vectorial A
el campo solenoidal, F~ , no queda unvocamente determinado a partir de su potencial vectorial. Existe una
arbitrariedad de un campo escalar, llamado de calibre, = (x, y, z) (gauge en ingles) de forma tal que


 
~0 = A
~ +
~ (x, y, z) F~ =
~ A
~0 =
~ A
~ +
~
~ A
~+
~
~
~ A
~
A
=
=
~0 y A
~ generan el mismo campo vectorial F~ . Esta arbitrariedad
de forma que varios potenciales vectoriales A
nos permite particularizar el calibre seg
un nos convenga. Existen varios calibres en el mercado, los cuales
son utilizados seg
un el problema fsico al cual tratemos. Entre ellos podemos mencionar un par de ellos:
El calibre de Lorentz :
Esta selecci
on proviene de requerir que el campo de calibre satisfaga la ecuacion una ecuacion de onda
2
~ 2 (x, y, z, t) a (x, y, z, t) = 0

t2

donde a es una constante. N


otese que hemos supuesto que el campo de calibre puede depender del
tiempo. El calibre del Lorentz se escoje porque (entre otras cosas) permite que la solucion a la ecuaci
on
de onda para el potencial vectorial
2~
~ 2A
~ (x, y, z, t) a A (x, y, z, t) = 0

t2

quede unvocamente determinada


El calibre de Coulomb, de radiaci
on o transverso:
~ (x, y, z, t) satisfaga la ecuacion
La selecci
on de este calibre impone que el potencial vectorial A


~ A
~=0
~ A
~ 0 (x, y, z, t) =
~ A
~ (x, y, z, t) +
~ (x, y, z, t) = 0
~ 2 (x, y, z, t) = 0

El nombre de calibre de Coulomb, de radiacion o transverso proviene de las consecuencias de su


utilizaci
on en las ecuaciones de Maxwell.
~=A
~ (x, y, z) ambos calibres coinciden.
N
otese que si el campo (y el calibre) es independiente del tiempo A
Luis A. N
un
ez

Universidad Industrial de Santander

186

M
etodos Matem
aticos de la Fsica

5.8.3.

Teorema de Green y Potenciales

Si el rotor y la divergencia de un campo vectorial, F~ , decente (continuo y continuamente diferenciable)


est
an especificados en una regi
on del espacio delimitada por una superficie cerrada, S, y las componentes del
campo normales a esa superficie, n
S F~ , tambien se conocen, entonces el Teorema de Green nos garantiza
que ese campo, F~ , que cumple con esas condiciones es u
nico.
Esa demostraci
on procede as. Supongamos que existe otro campo vectorial que cumple con las mismas
condiciones que el campo F~ . Esto es

~ F~ =
~ G
~
~ H
~ =0

~ = F~ G
~
~ F~ =
~ G
~
~ H
~ =0
H

~
~ =0
n
S F~ = n
S G
n
S H
~ es irrotacional entonces
como H
~ H
~ =0

~ =
~ (x, y, z)
H

~ H
~ =
~
~ (x, y, z) = 0

, y el Teorema de Green nos garantiza que


ZZZ h 
I
ZZ


i

~ d S
~=
~ n


dV

+


S dS =

con lo cual

ZZ

~ n

S

dS =

ZZ

~ n
H
S

dS =

ZZZ h
i
~ H
~ dV
H

~ =0
H

~ es decir, que el campo, F~ , es u


de donde se deduce que F~ = G
nico.

5.8.4.

Teorema de Helmholtz

El teorema de Helmholtz afirma que todo campo vectorial, F~ , continuo, y continuamente diferenciable
(al menos a trozos) y, regular en infinito se puede expresar como una suma de dos componentes, una
longitudinal o irrotacional, F~l , y otra transversa o solenoidal, F~t . Esto es

~ F~l = 0

~
~
~
F = Fl + Ft con
~ ~
Ft = 0
En general dado que el campo, F~ , puede ser discontinuo, tendremos que suponer que




~ F~ =
~ F~l + F~t =
~ F~l = (~r)

~
~

F = (~r)

y como F~ = F~l + F~t





~
~
~
~ F~ =
~ F~l + F~t =
~ F~t = J~ (~r)

F = J (~r)
~ () y
~ () son lineales. Esta separacion del campo vectorial F~ = F~l + F~t es completamente
dado que
general y siempre puede hacerse para cualquier campo vectorial.

Luis A. N
un
ez

Universidad Industrial de Santander

187

M
etodos Matem
aticos de la Fsica

~ 2 (x, y, z) = (x, y, z) existe y es


Supondremos adem
as, que la soluci
on a la ecuacion de Poisson
4
u
nica .
Tendremos que
~ F~l = 0

~ (x, y, z)
F~l =

~ F~ =
~ F~l =
~ 2 (x, y, z) = (~r)

y la soluci
on existe y es u
nica. Es decir, podemos expresar de manera unvoca al campo vectorial, F~ , (a traves
de su componente longitudinal F~l ) en terminos de un campo escalar (a funcion potencial) (x, y, z) . Por
otra parte




~ F~t = 0 F~t =
~ A
~
~ F~ =
~ F~t =
~
~ A
~ =
~
~ A
~
~ 2A
~ = J~ (~r)

~ A
~ = 0 se convierte en Es importante se
La cual al seleccionar el calibre de Coulomb
nalar que el campo,
~
~
A = A (x, y, z) , soluci
on a la ecuaci
on



~
~ A
~ =
~ 2A
~ = i i A
~ = J~ (~r)

2
~ Ax = Jx (~r)

~ 2 Ay = Jy (~r)
i i Ak = J k (~r)

~2
Az = Jz (~r)

Una vez m
as nos topamos con la soluci
on a la ecuacion de Poisson, esta vez para cada componente. Esto se
cumple siempre, porque hemos supuesto que la solucion para la ecuacion de Poisson existe y es u
nica.
Un corolario del Teorema de Helmholtz que un campo vectorial queda unvocamente determinado si
conocemos su rotor y su divergencia.

4 Esta suposici
on es indispensable pero es muy fuerte. Las condiciones sobre el potencial (x, y, z) que la implican ser
an
consideradas en otros cursos de M
etodos Matem
aticos. En este curso, supondremos que existe y es u
nica

Luis A. N
un
ez

Universidad Industrial de Santander

188

Bibliografa
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid ) QA300 A66C3 1972
[2] Arfken, G. B.,Weber, H., Weber, H.J. (2000) Mathematical Methods for Physicists 5ta Edici
on
(Academic Press, Nueva York)
[3] Borisenko, A.I, y Tarapov I.E. (1968) Vector and Tensor Analisys (Dover Publications Inc, Nueva
York)
[4] Dennery, P. y Krzywicki, A. (1995) Mathematics for Physicists (Dover Publications Inc, Nueva York)
[5] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva York ).
[6] Knisley, J. (2001) http://math.etsu.edu/MultiCalc/
[7] Lovelock, D, y Rund, H. (1975) Tensors, Differential Forms & Variational Principles (John Wiley
Interscience, Nueva York ).
[8] Santal
o, L.A (1969) Vectores y Tensores (Editorial Universitaria, Buenos Aires)
[9] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)

189

Captulo 6

Matrices, Determinantes y
Autovectores

190

M
etodos Matem
aticos de la Fsica

6.1.

Operadores Lineales

Definiremos como operador lineal (o transformaciones lineales) a una operacion que asocia un vector
|vi V1 un vector |v0 i V2 y que respeta la linealidad, es decir esta funcion de V1 V2 cumple con
|v0 i = A |vi

A [ |v1 i + |v2 i] = A |v1 i + A |v2 i

|vi , |v1 i y |v2 i V1

Sencillamente algo que act


ue sobre una suma de vectores y que sea equivalente a la suma de sus actuaciones
sobre los vectores suma.
Ejemplos
Las siguientes transformaciones
|x0 i = T |xi

(x0 , y 0 , z 0 ) = T {(x, y, z)}

claramente son lineales


T {(x, y, z)} = (x, 2y, 3z)
T {a (x, y, z) + b (m, n, l)} = aT {(x, y, z)} + bT {(m, n, l)}
T {(ax + bm, ay + bn, az + bl)} = a (x, 2y, 3z) + b (m, 2n, 3l)
(ax + bm, 2 [ay + bn] , 3 [az + bl]) = (ax + bm, 2 [ay + bn] , 3 [az + bl])
T {(x, y, z)} = (z, y, x)
T {a (x, y, z) + b (m, n, l)} = aT {(x, y, z)} + bT {(m, n, l)}
T {(ax + bm, ay + bn, az + bl)} = a (z, y, x) + b (l, n, m)
(az + bl, ay + bn, ax + bm) = (az + bl, ay + bn, ax + bm)
Cosas tan sencillas como multiplicacion por un escalar es una transformacion (u operador) lineal
T : V V tal que
T |vi = |v0 i = |vi
Claramente,
T [a |vi + b |wi] = aT |vi + bT |wi = a |vi + b |wi
Obviamente, si = 1 tenemos la transformacion identidad que transforma todo vector en s mismo; si
= 0 tendremos la transformaci
on cero, vale decir que lleva a todo |vi V a al elemento cero |0i
La definici
on de producto interno tambien puede ser vista como una transformacion (operador) lineal
T:VR
T |vi =
ha |vi
Otra vez:
T [a |vi + b |wi] = ha| [a |vi + b |wi] = a ha |vi + b ha |wi
por lo tanto es lineal. Esto implica que tambien la proyeccion de un determinado |vi V sobre un
subespacio S es un operador lineal, y lo denotaremos como
[|si hs|] |vi = hs |vi |si = |vs i
Luis A. N
un
ez

con |si y |vs i S

Universidad Industrial de Santander

191

M
etodos Matem
aticos de la Fsica

esta idea se extiende f


acil si para un proyector T : Vm Sn con m > n de tal modo que para un vector
|vi Vm

Pm |vi |ui i ui m |vi = ui |vim |ui i = |vm i


con {hui |} base de Sn .Es claro que estamos utilizando la convencion de Einstein para la suma de
nidices
Las ecuaciones lineales tambien pueden verse como transformaciones lineales. Esto es, considere una
transformaci
on lineal T : Vn Vm Por lo tanto asociaremos



|yi = T |xi
y 1 , y 2 , y 3 , , y m = T x1 , x2 , x3 , , xn
a traves de n m n
umeros, aij , organizados de la siguiente forma

i = 1, 2, , m
i
i j
y = aj x
con
j = 1, 2, , n
una vez m
as,



T [ |vi + |wi] = T v 1 , v 2 , v 3 , , v n + w1 , w2 , w3 , , wn = aij v j + aij wj


= T v 1 + w1 , v 2 + w2 , v 3 + w3 , , v n + wn

j
= aij (v + w) = aij v j + aij wj = aij v j + wj
Como siempre estamos utilzando la convencion de suma de Einstein
La derivada es un operador lineal. As podemos representar el operador lineal diferenciacion como
|v0 i = T |vi

|y0 i = D |yi

D [y (x)]

d
dy (x)
[y (x)]
y 0 (x)
dx
dx

es claro que
D [f (x) + g (x)] = Df (x) + Dg (x) f 0 (x) + g 0 (x)
igualmente podemos asociar un operador diferencial de cualquier orden a una derivada del mismo
orden, esto es
|y00 i = D2 |yi

|y000 i = D3 |yi

..
.

E
(n)
= Dn |yi
y

d2
d2 y (x)
[y (x)]
y 00 (x)
2
dx
dx2
d3
d3 y (x)
D3 [y (x)]
[y
(x)]

y 000 (x)
dx3
dx3
D2 [y (x)]

Dn [y (x)]

dn
dn y (x)
[y
(x)]

y (n) (x)
dxn
dxn

Igualmente, cualquier ecuaci


on diferencial lineal es un ejemplo de operador lineal, recordamos el ejemplo
del tema de transformadas integrales. Esto es

y 00 3 y 0 + 2 y = D2 3D + 2 y (x)
es claro que si y (x) = f (x) + g (x) la linealidad es evidente
00

(f (x) + g (x)) 3 (f (x) + g (x)) + 2 (f (x) + g (x)) = (f 00 3 f 0 + 2 f ) + g 00 3 g 0 + 2 g



D 3D + 2 (f (x) + g (x)) = D 3D + 2 f (x) + D2 3D + 2 g (x)
Luis A. N
un
ez

Universidad Industrial de Santander

192

M
etodos Matem
aticos de la Fsica

La integral tambien es un operador lineal


Z
g (x) =

f (t)dt

T {f (t)}

Otro ejemplo tpico son los operadores de transformaciones integrales


Z b
F (s) =
K (s, t) f (t)dt  T {f (t)}
a

donde K (s, t) es una funci


on conocida de s y t, denominada el n
ucleo de la transformacion. Si a y b
son finitos la transformaci
on se dir
a finita, de lo contrario infinita.

As si f (t) = f1 (t) + f2 (t) con f1 (t) y f2 (t) C[a,b]


es obvio que
b

K (s, t) [f1 (t) + f2 (t)] dt

F (s) =

T {[f1 (t) + f2 (t)]}

K (s, t) f1 (t)dt +

F (s) =
a

K (s, t) f2 (t)dt
a

T {[f1 (t) + f2 (t)]} = T {f1 (t)} + T {f2 (t)}

F (s) = F (s1 ) + F (s2 ) 

Dependiendo de la selecci
on del n
ucleo y los limites tendremos distintas transformaciones integrales.
En Fsica las m
as comunes son:
Nombre
Laplace

F (s) =

sen(st)
f (t)dt
cos(st)

F (s) =
0

Z
Fourier compleja

est f (t)dt

Z
Fourier de senos y cosenos

f (t) = T1 {F (s)}

F (s) = T {f (t)}

f (t) =

F (s) =

f (t)dt

f (t) =

Z
Hankel

F (s) =

ei

st

F (s)ds

sJn (ts)F (s)ds


0

Z
F (s) =

ts1 f (t)dt

f (t) =

6.1.1.

f (t) =

Mellin

est F (s)ds

sen(ts)
F (s)ds
cos(ts)

Z
tJn (st)f (t)dt

i st

R +i

1
2i

f (t) =

1
2i

R +i
i

st F (s)ds

Espacio Vectorial de Operadores Lineales

Un conjunto de operadores lineales {A, B, C } : V1 V2 puede constituir un espacio vectorial lineal


si se dispone entre ellos de la operaci
on suma y la multiplicacion por un escalar. As, claramente, dado
{A, B, C } ,y definida

A [ |v1 i + |v2 i] = A |v1 i + A |v2 i


(A + B) |vi A |vi + B |vi
3

B [ |v1 i + |v2 i] = B |v1 i + B |v2 i


Luis A. N
un
ez

Universidad Industrial de Santander

193

M
etodos Matem
aticos de la Fsica

es directo comprobar que


(A + B) [ |v1 i + |v2 i] = A [ |v1 i + |v2 i] + B [ |v1 i + |v2 i]
= ( A |v1 i + A |v2 i) + B |v1 i + B |v2 i
= ( A |v1 i + B |v1 i) + A |v2 i + B |v2 i

(A + B) [ |v1 i + |v2 i] = A [ |v1 i + |v2 i] + B [ |v1 i + |v2 i]


Igualmente, se cumple que
[(A + B) + C] = [A+ (B + C)]
con A + B + C lineales en V
[(A + B) + C] |vi = (A + B) |vi + C |vi
= A |vi + B |vi + C |vi

|vi V1

= A |vi + (B + C) |vi
= [A+ (B + C)] |vi
del mismo modo se puede comprobar f
acilmente
A+B=B+A
Ahora bien, si definimos la transformaci
on cero de V1 V2 tal que
|0i = 0 |vi

|vi V1

se le asigna a el vector |0i V2 |vi V1 , entonces el operador lineal 0 sera el elemento neutro respecto
a la suma de operadores. Finalmente, el elemento simetrico queda definido por
(A) |vi = A |vi

= (A A) |vi = 0 |vi = |0i

Con ello queda demostrado que los operadores lineales forman un espacio vectorial el cual de ahora en
adelante denominaremos L (V1 , V2 ) .

6.1.2.

Composici
on de Operadores Lineales

El producto o composici
on de dos operadores lineales, A y B se denotara AB y significara que primero
se aplica B y al resultado se aplica A. Esto es
AB |vi = A (B |vi) = A |
vi = |
v0 i
La composici
on de funciones cumple con las siguientes propiedades
(AB) C = A (BC) ;
(A1 +A2 ) B = A1 B + A2 B;

(AB) = (A) B = A (B) ;


A (B1 +B2 ) = AB1 +AB2

Es decir, que la composici


on de operadores es asociativa y distributiva a la suma y que conmuta respecto a
la multiplicaci
on por escalares.
Por otro lado si 1 es el operador Identidad
1 |vi = |vi =
Luis A. N
un
ez

A1 = 1A = A;

Universidad Industrial de Santander

194

M
etodos Matem
aticos de la Fsica

En general AB 6= BA,por lo tanto podemos construir el conmutador de estos operadores como


[A, B] = AB BA

[AB BA] |vi = AB |vi BA |vi

Es inmediato comprobar algunas de las propiedades mas u


tiles de los conmutadores:
[A, B] = [B, A]
[A, (B + C)] = [A, B] + [A, C]
[A, BC] = [A, B] C + B [A, C]
0 = [A, [B, C]] + [B, [C, A]] + [C, [A, B]]
Dados dos vectores |v1 i y |v2 i definiremos como el elemento de matriz del operador A al producto interno
de dos vectores
hv2 | (A |v1 i) A(|v1 i,|v2 i)
es claro que A(|v1 i,|v2 i) ser
a en general un n
umero complejo, pero esto lo veremos detalladamente en la
secci
on 6.2, m
as adelante.
Ejemplos
Potencias de Operadores: Uno de los ejemplos mas u
tiles en la composicion de operadores lo
constituyen las potencias de los operadores, las cuales provienen de la aplicacion consecutiva de un
mismo operador,
A0 = 1;

A1 = A;

A2 = AA;

A3 = A2 A = AAA;

Es claro que las potencias de operadores cumplen las propiedades estandares de las potencias de
n
umeros
m
An+m = An Am ;
(An ) = Anm
Llamaremos operadores nilpotentes de grado n a los operadores An 6= 0, del tipo
An |vi = |0i |vi V1 al vector nulo, |0i V2 . Es decir un operador que lleva cualquier vector |vi
al elemento neutro de V2 . El ejemplo mas emblematico es el operador diferencial


Dn Pn1 = |0i

dn
dn  i 
P
(x)
=
ai x = 0
n1
dxn
dxn



con Pn1 perteneciente al espacio de polinomios de grado n 1
Operador Ecuaciones Diferenciales. Si consideramos el espacio de funciones

f (x) C[a,b]
podemos construir un operador diferencial


a0 1 + a1 D + a2 D2 + + an Dn |f i




d
d2
dn
a0 + a1
+ a2 2 + + an n
dx
dx
dx


f (x)

con {a0 , a1 , a2 , an } coeficientes constantes. De este modo


 2


d
d
2
D 3D + 2 y = (D 1) (D 2) y
=
3
+ 2 y (x) = y 00 3 y 0 + 2 y
dx2
dx
con r = 1 y r = 2 las races del polinomio caracterstico
Luis A. N
un
ez

Universidad Industrial de Santander

195

M
etodos Matem
aticos de la Fsica

Funciones de Operadores: Bas


andonos en el primero de los ejemplos se puede construir un polinomio en potencias de los operadores:
Pn (x) = a0 + a1 x + a2 x2 + + an xn = ai xi =




Pn (A) |vi = a0 1 + a1 A + a22 A + + ann An |vi = ai Ai |vi

|vi V1

M
as a
un, lo anterior nos permite extender la idea operadores a funciones de operadores, es decir si nos
saltamos todos los detalles de convergencia de la serie anterior, los cuales dependeran de los autovalores
de A y de su radio de convergencia, de esta manera, al igual que podemos expresar cualquier funci
on
F (z) como una serie de potencias de z en un cierto dominio, podremos expresar la funcion de un
operador, F (A) , como una serie de potencias del operador A esto es


F (z) = ai xi  F (A) |vi = ai Ai |vi
As, por ejemplo, podemos expresar
"
#


X An
A
An
A
e |vi =
|vi = 1 + A +
+ +
|vi
n!
2!
n!
n=0
En este caso hay que hacer una acotacion, dado que, en general, [A, B] 6= 0 = eA eB 6= eB eA 6= eA+B
esta afirmaci
on se corrobora de manera inmediata al desarrollar las exponenciales
#"
#
"
#
"
X Bm
X X An Bm
X An
A B
|vi =
|vi
e e |vi =
n!
m!
n! m!
m=0
n=0 m=0
n=0

X
Bn
eB eA |vi =
n!
n=0

"

#
"
#

X
X X Bn Am
Am
|vi =
|vi
m!
n! m!
m=0
n=0 m=0

#"

n
X
(A + B)
|vi
|vi =
n!
n=0
"

A+B

s
olo en el caso que [A, B] = 0 = eA eB = eB eA = eA+B , la demostracion es inmediata pero requiere
expandir y rearreglar las sumatorias arriba expuestas. En general mas adelante demostraremos la
relaci
on de Glauber
1
eA eB = eA+B e 2 [A,B]

6.1.3.

Proyectores

La notaci
on de Dirac se hace particularmente conveniente para representar proyectores. Hasta ahora,
hemos relacionado un funcional lineal, un bra hw| del espacio dual V , con un vector ket |vi del espacio
vectorial V a traves de su producto interno hw| vi C el cual es, en general, un n
umero complejo. Si ahora
escribimos esta relaci
on entre vectores y formas diferenciales de una manera diferente. As, la relacion entre
hw|, y |vi un ket |i o un bra h| arbitrarios seran

|vi hw| i
|vi hw|
=

h |vi hw|
Luis A. N
un
ez

Universidad Industrial de Santander

196

M
etodos Matem
aticos de la Fsica

La primera ser
a la multiplicaci
on del vector |vi por el n
umero complejo hw| i ,mientras que la segunda
relaci
on ser
a la multiplicaci
on de la forma hw| por el complejo h |vi . Es imperioso se
nalar que el orden en
la escritura de los vectores y formas es crtico, solo los n
umeros complejos se pueden mover con impunidad
a traves de estas relaciones
|vi = |vi = |vi ,

hw| = hw| = hw|

hw| |vi = hw| vi = hw| vi

A |vi = A |vi = A |vi

Por lo tanto, dado un vector |vi , podemos construir un proyector P|vi a lo largo del vector |vi
P|vi |vi hv|

con hv| vi = 1

siempre y cuando este operador lineal cumpla


P|vi [ |z1 i + |z2 i] = P|vi |z1 i + P|vi |z2 i

|vi hv| [ |z1 i + |z2 i] = |vi hv| |z1 i + |vi hv| |z2 i = |vi hv |z1 i + |vi hv |z2 i
P2|vi = P|vi

(|vi hv|) (|vi hv|) = |vi hv|

P|vi P|vi |zi = (|vi hv|) (|vi hv|) |zi = |vi hv |vi hv |zi = |vi hv |zi = P|vi |zi
| {z }
1

As el operador P|vi actuando sobre el vector |i representara la proyeccion de |i a lo largo de |vi


P|vi |i = |vi hv| i hv| i |vi
Es inmediato construir un proyector de un vector sobre un subespacio Sq .
Sea {|e1 i , |e2 i , |e3 i , , |eq i} un conjunto ortonormal de vectores que expande Sq . Por lo tanto definiremos
el proyector Pq al proyector sobre el subespacio Sq de la forma


Pq = |ei i ei q
es claro que P2q = Pq




P2q |vi = Pq Pq |vi = P2q |vi = |ei i ei q |ej i ej q |vi = |ei i ei |ej i ej |vi
| {z }
ji

P2q |vi = |ej i ej |vi Pq |vi

6.1.4.

|vi V

Espacio Nulo e Imagen

El conjunto de todos los |vi V1 3 A |vi = |0i , se denomina espacio nulo, n


ucleo o kernel (n
ucleo en
alem
an) de la transformaci
on A y lo denotaremos como (A), en smbolos diremos que
(A) = {|vi | |vi V1

A |vi = |0i}

Adicionalmente, (A) V1 ser


a un subespacio de V1 . La prueba de esta afirmacion es inmediata. Dados
|v1 i , |v2 i (A) ,con A un operador lineal, es claro que

A |v1 i = |0i
= 1 A |v1 i + 2 A |v2 i = |0i = A (1 |v1 i + 2 |v2 i)

A |v2 i = |0i
Luis A. N
un
ez

Universidad Industrial de Santander

197

M
etodos Matem
aticos de la Fsica

por la misma raz


on se tiene que el elemento neutro contenido en (A) ,esto es
A | vi = |0i

|vi V1

A |0i = |0i

si

=0

por lo tanto, queda demostrado que (A) es un subespacio de V1 .


Definiremos imagen (rango o recorrido) de A,y la denotaremos como
= (A) = {|v0 i | |v0 i V2

A |vi = |v0 i}

igualmente = (A) V2 tambien ser


a un subespacio de V2 ya que si |vi = 1 |v1 i + 2 |v2 i y dado que A
es un operador lineal, se cumple que

A 1 |v1 i + 2 |v2 i = 1 A |v1 i + 2 A |v2 i = 1 |v10 i + 2 |v20 i


| {z } |
{z
}
| {z }
{z
}
|
|vi
|v0 i
|v10 i
|v20 i
Es claro que si V de dimensi
on finita, A {V} = n tambien sera de dimension finita n y tendremos que
dim [ (A)] + dim [= (A)] = dim [V]
vale decir que la dimensi
on del n
ucleo m
as la dimension del recorrido o imagen de una transformacion lineal
es igual a la dimensi
on del dominio.
Para demostrar esta afirmaci
on supongamos que dim [V] = n y que
{|e1 i , |e2 i , |e3 i |ek i} V es una base de (A) , donde k = dim [ (A)] n.
Como {|e1 i , |e2 i , |e3 i |ek i} V estos elementos forman base y por lo tanto son linealmente independientes, necesariamente ellos formar
an parte de una base mayor de V.
Esto es {|e1 i , |e2 i , |e3 i , , |ek i , |ek+1 i , , |ek+r1 i , |ek+r i} V sera una base de V donde k + r = n
Es esquema de la demostraci
on ser
a:
primero probaremos que {A {|ek+1 i} , A {|ek+2 i} , , A {|ek+r1 i} , A {|ek+r i}} forman una base para A {V}
luego demostraremos que dim [A {V}] = r y como hemos supuesto que k +r = n habremos demostrado
la afirmaci
on anterior.
Si los r elementos {A {|ek+1 i} , A {|ek+2 i} , , A {|ek+r1 i} , A {|ek+r i}} expanden A {V} entonces
cualquier elemento
|wi A {V} 3 |wi = A |vi = C i |Aei i

con |Aei i = A |ei i

Ahora bien, analicemos con cuidado los lmites de la suma implcita del ndice i = 1, 2, , k + r
|wi = C i |Aei i =

C 1 |Ae1 i + C 2 |Ae2 i + + C k |Aek i


|
{z
}

=|0i

+ C k+1 |Aek+1 i + + C k+r |Aek+r i

ya que A|e1 i=A|e2 i=A|e3 i=A|ek i=|0i

Por lo tanto {A {|ek+1 i} , A {|ek+2 i} , , A {|ek+r1 i} , A {|ek+r i}} expanden A {V} . Ahora bien, para
demostrar que son base, demostraremos que son linealmente independientes, para ello supondremos que
 k+1 k+2

C
,C
, , C k+r 3 C i |Aei i = 0
con i = k + 1, k + 2, , k + r

Luis A. N
un
ez

Universidad Industrial de Santander

198

M
etodos Matem
aticos de la Fsica

y ttenemos que demostrar que C k+1 = C k+2 = = C k+r = 0. Entonces



C i |Aei i = C i A |ei i = A C i |ei i = 0
con i = k + 1, k + 2, , k + r
por lo tanto el elemento |vi = C i |ei i (A)
con i = k + 1, k + 2, , k + r. Con lo cual dado que
|vi (A) , |vi = C i |ei i
con i = 1, 2, , r, entonces se puede hacer la siguiente resta
|vi |vi =

k
X

C i |ei i

i=1

k+r
X

C i |ei i

i=k+1

y como los {|e1 i , |e2 i , |e3 i , , |ek i , |ek+1 i , , |ek+r1 i , |ek+r i} son una base de V entonces las C k+1 =
C k+2 = = C k+r = 0
Ejemplos
Transformaciones Identidad: Sea 1 : V1 V2 , la transformacion identidad,
|vi V1 3 1 |vi = |vi .

(1) = |0i V1

= (1) V1

Sistemas de lineales de Ecuaciones. En Vn los sistemas de ecuaciones lineales representan el


espacio nulo, (A) , para vectores de Vn


A11 A12 A1n
x1
0
A21 A22
x2 0


A |xi = |0i  .
.. = ..  Aij xi = 0
..
..

.
. .
An1 An2
Ann
0
xn
son j ecuaciones con j = 1, 2,P
, n. Recordemos que estamos utilizando la convencion de Einstein
n
para suma de ndices. Esto es i=1 Aij xi = 0
2
Ecuaciones diferenciales ordinarias. Sea C[,]
el espacio vectorial de todas las funciones con2
tinuas doblemente diferenciables. Definimos A :C[,]
C[,] como la transformacion lineal

2
2
D 1 tal que para todas las y(x) C[,] se cumple

A |xi = |0i


D2 1 y(x) = 0





d2
y (x) = y 00 y = 0

1
dx2

por lo tanto el n
ucleo o espacio nulo de A, (A) lo constituyen el conjunto de soluciones para la
mencionada ecuaci
on diferencial. Por lo tanto el problema de encontrar las soluciones de la ecuaci
on
diferencial es equivalente a encontrar los elementos del n
ucleo de A.

6.1.5.

Operadores Biyectivos e Inversos

Se dice que A : V1 V2 es biyectivo (uno a uno o biunvoco) si dados |v1 i , |v2 i V1 ,


se tiene que
A |v1 i = |v0 i A |v2 i = |v0 i
= |v1 i = |v2 i

|v0 i V2 ,

es decir ser
a biyectiva si A transforma vectores distintos de V1 en vectores distintos de V2 . Mas a
un, se
puede afirmar que una transformaci
on lineal A, sera biyectiva si y solo si (A) = |0i . Vale decir, si el
Luis A. N
un
ez

Universidad Industrial de Santander

199

M
etodos Matem
aticos de la Fsica

subespacio nulo est


a constituido, u
nicamente por el elemento neutro del espacio vectorial. La demostraci
on
es sencilla. Supongamos que A es biyectiva y que A |vi = |0i ,entonces |vi = |0i ,es decir, A |0i = |0i , por
consiguiente (A) = |0i . Recprocamente, si

(A) = |0i

= A |v1 i A |v2 i = |0i = A |v1 i |v2 i = |v1 i = |v2 i

| {z }
A |v1 i = A |v2 i
|v i|v i=0
1

La importancia de las transformaciones lineales uno a uno o biyectiva reside en la posibilidad de definir
inversa, debido a que siempre existe en V2 un vector |v0 i asociado a traves de A con un vector |vi V1 .
Diremos que A1 : V2 V1 es el inverso de A, si A1 A = 1 = AA1 .
Podemos afirmar que un operador lineal A tendra inverso A1 si a cada vector |v0 i V2
Habra que hacer un par de comentarios al respecto. El primero es que, tal y como hemos enfatizado
arriba, en general, los operadores no conmutan entre si, y los inversos no son una excepcion. Es decir, debieran
existir (y de hecho existen) inversas por la izquierda A1 A e inversas por la derecha AA1 . Por simplicidad
e importancia en Fsica obviaremos esta dicotoma y supondremos que A1 A = 1 = AA1 . El segundo
comentario tiene que ver con la existencia y unicidad del inverso de un operador lineal. Algunos operadores
tienen inverso, otros no, pero aquellos quienes tienen inverso, ese inverso es u
nico. Veamos, supongamos que

A1
1 A |vi = |vi

1
1
1
1

= A1
A |vi = A1
1 = A2
1 A |vi A2 A |vi = |0i = A1 A2

|
{z
}
1
A2 A |vi = |vi
1
1
A1 =A2

Ahora bien, un operador lineal A tendra inverso s y solo s para cada vector |v0 i V2 ! |vi
V1 3 A |vi = |v0 i . Es decir cada vector |v0 i esta asociado con uno y solo un vector |vi a traves de la
transformaci
on lineal A. Dejaremos sin demostracion esta afirmacion pero lo importante es recalcar que
para que exista inverso la transformaci
on lineal A,tiene que ser biyectiva y esto implica que se asocia uno y
solo un vector de V1 con otro de V2 .
Todava podemos a
nadir algunas demostraciones consecuencias de las afirmaciones anteriores. Sea la
transformaci
on lineal T : V1 V2 supongamos ademas que T L (V1 , V2 ) Entonces las siguientes afirmaciones son v
alidas y equivalentes
1. T es Biyectiva en V1
2. T es invertible y su inversa T1 : T {V1 } V1 es lineal
3. |vi V1 , T {|vi} = |0i = |vi = |0i esto es, el espacio nulo (T) u
nicamente contiene al elemento
neutro de V1 .
Si ahora suponemos que V1 tiene dimension finita, digamos dim [V1 ] = n, las siguientes afirmaciones
ser
an v
alidas y equivalentes
1. T es Biyectiva en V1

2. Si {|u1 i , |u2 i , |u3 i , |un i} V1 son linealmente independientes entonces, {T {|u1 i} , T {|u2 i} , T {|u3 i} , T {|un
T {V1 } tambien ser
an linealmente independientes.
3. dim [T {V1 }] = n
4. Si {|e1 i , |e2 i , |e3 i |en i} V1 es una base de V1 , entonces {T {|e1 i} , T {|e2 i} , T {|e3 i} T {|en i}}
T {V1 } es una base de T {V1 }
Luis A. N
un
ez

Universidad Industrial de Santander

200

M
etodos Matem
aticos de la Fsica

6.1.6.

Operadores Hermticos Conjugados

Definiremos la acci
on de un operador A sobre un bra de la forma siguiente
(hw| A) |vi = hw| (A |vi)
| {z }
| {z }
hw0 |

|v0 i

por lo cual lo que estamos diciendo es que el elemento de matriz para el operador, A, es el mismo, y no
importa donde opere A.De esta manera, dado cada vector en V, tiene asociado un vector en V podemos
demostrar que A operando sobre los bra es lineal. Esto es dado
hw| = 1 hz1 | + 2 hz2 |

(hw| A) |vi (1 hz1 | + 2 hz2 | A) |vi = (1 hz1 | + 2 hz2 |) (A |vi) = 1 hz1 | (A |vi) + 2 hz2 | (A |vi)
= 1 (hz1 | A) |vi + 2 (hz2 | A) |vi
Siguiendo con esta l
ogica podemos construir la accion del operador hermtico conjugado, A . Para ello
recordamos que igual que a cada vector (ket) |vi le esta asociado una forma lineal (bra) hv| ,a cada ket
transformado A |vi = |v0 i le corresponder
a un bra transformado hv0 | = hv| A . Por lo tanto
|vi

hv|

|v i = A |vi

hv0 | = hv| A

ahora bien,si A es lineal, A tambien lo sera. Dado que a un vector |wi = 1 |z1 i + 2 |z2 i le corresponde
un bra hw| = 1 hz1 | + 2 hz2 | (la correspondencia es antilineal). Por lo tanto, |w0 i = A |wi = 1 A |z1 i +
2 A |z2 i , por ser A lineal, entonces
|w0 i hw0 | hw| A = (1 hz1 | + 2 hz2 |) A 1 hz01 | + 2 hz02 | = 1 hz1 | A + 2 hz2 | A
Es claro que de la definici
on de producto interno en la notacion de Dirac, se desprende

hx0 | yi = hy| x0 i

|x0 i = A |xi , |yi V

= hx| A |yi = hy| A |xi

|xi , |yi V

Igualmente se pueden deducir las propiedades de los operadores hermticos conjugados


A

= A;

(A) = A ;

(A + B) = A + B ;

(AB) = B A

Esta u
ltima propiedad es f
acilmente demostrable y es educativa su demostracion. Dado |v0 i = AB |vi,
adem
as se tiene que

|
vi = B |vi

= hv0 | = h
v| A = hv| B A = hv| (AB)

|v0 i = A |
vi
A partir de propiedades anteriores se deriva una mas u
til relacionada con el conmutador de dos operadores
hermticos
h
i 


[A, B] = A , B = B , A
La conclusiones a las que llegamos son
Para obtener el hermtico conjugado de una expresion proceda de la siguiente manera:
Cambie constantes por sus complejas conjugadas 
Luis A. N
un
ez

Universidad Industrial de Santander

201

M
etodos Matem
aticos de la Fsica

Cambie los kets por sus bras asociados y viceversa (bras por kets): |vi  hv|
Cambie operadores lineales por sus hermticos conjugados A  A;
Invierta el orden de los factores
De este modo

(|vi hw|) = |wi hv|


que se deduce f
acilmente de la consecuencia de la definicion de producto interno



hx| |vi hw| |yi = hy| (|vi hw|) |xi = hy| |vi hw| |xi = hx| |wi hv| |yi
Existe un conjunto de operadores que se denominan Hermticos a secas o autoadjunto. Un operador
Hermtico (o autoadjunto) ser
a aquel para el cual A = A. Con esto

hx| A |yi = hx| A |yi = hy| A |xi


Claramente los proyectores son autoadjuntos por construccion

P|vi (|vi hv|) = |vi hv|

6.1.7.

Operadores Unitarios

Por definici
on un operador ser
a unitario si su inversa es igual a su adjunto. Esto es
U1 = U

= U U = UU = 1

De estos operadores podemos decir varias cosas


Las transformaciones unitarias dejan invariantes al producto interno y consecuentemente la norma de
vectores. Esto se demuestra f
acilmente. Dados dos vectores |xi , |yi sobre los cuales actua un operadore
unitario

|
xi = U |xi
= h
y |
xi = hy| U U |xi = hy |xi

|
yi = U |yi
Es claro que si Aes hermtico, A = A, el operador T = eiA es unitario.
T = eiA

= T = e

iA

= eiA

= TT = e

iA iA

= 1 = T T = e

iA iA

El producto de dos operadores unitarios tambien es unitario. Esto es si U y V son unitarios entonces

(UV) (UV) = V U
| {zU}V = V V = 1
1

(UV) (UV) = UVV


| {z }U = UU = 1
1

Luis A. N
un
ez

Universidad Industrial de Santander

202

M
etodos Matem
aticos de la Fsica

6.2.

Representaci
on Matricial de Operadores

Supongamos un operador lineal A en el espacio vectorial de transformaciones lineales L (V, W ) donde


dim (V ) = n y dim (W ) = m y sean {|e1 i , |e2 i , |e3 i , |en i} y {|
e1 i , |
e2 i , |
e3 i , |
em i} las bases para
V y W respectivamente. Entonces A |ej i W
A |ei i = A
e i
i |

con i = 1, 2, .., n

y = 1, 2, .., m

las A
on de A |ei i en la base {|
e1 i , |
e2 i , |
e3 i , |
em i} . Para un vector
i son las componentes de la expansi
generico |xi tendremos que
|
xi = A |xi = x
|
e i

pero, a su vez |xi = xi |ei i

con lo cual

|
xi = A |xi = x
|
e i = A xi |ei i = xi A |ei i = xi A
e i
i |


= x
x i A
ei i = 0
i |

para finalmente concluir que


i
x
= A
i x

Varias cosas se pueden concluir hasta este punto


1. Si acordamos que los ndices de arriba indican filas podemos representar los vectores como un arreglo
vertical de sus componentes
1
x
x2

|xi .
..
xn

y las cantidades

Ai

A11
A21
..
.
A
1
..
.
Am
1

A12
A22

A1j
A2j

..

A1n
A2n

A
n

..
.

A
2
..
.
Am
2

A
j
..

Am
j

Am
n

de tal modo que se cumpla

x
1
x
2
..
.

|
xi

x
m

A11
A21
..
.
A
1
..
.
Am
1

A12
A22

..

A
2
..
.
Am
2

A1j
A2j

..
.

.
A
j

..

Am
j

A1n
A2n

A
n

Am
n

x1
x2
..
.

j
x

xn

N
otese que los ndices arriba indican fila y los de abajo columnas. Las cantidades A
j es la representaci
on del operador A en las bases {|e1 i , |e2 i , |e3 i , |en i} y {|
e1 i , |
e2 i , |
e3 i , |
em i} de V y W

Luis A. N
un
ez

Universidad Industrial de Santander

203

M
etodos Matem
aticos de la Fsica

respectivamente. Es decir una matriz Aij es un arreglo de n


umeros

Aij =

A11
A21
..
.

A12
A22

An1

An2

..

A1n
A2n

Ann

donde el superndice, i, indica fila

A11
A21
..
.
An1

y el subndice j columna
A11

A12

A1n

2. Diremos que las componentes de los vectores transforman como


i
x
= A
i x

3. Si suponemos {|e1 i , |e2 i , |e3 i , |en i} y {|


e1 i , |
e2 i , |
e3 i , |
em i} bases ortonormales

x
= h
e |
xi = h
e | A |xi = h
e | A xi |ei i =xi h
e | A |ei i
queda claro que A
e | A |ei i ser
a la representacion matricial
i h
4. Los vectores |ek i transforman de la siguiente manera
A |ei i = |w
i i = Aji |
ej i

donde {|e1 i , |e2 i , |e3 i , |en i} y {|


e1 i , |
e2 i , |
e3 i , |
en i} son las bases para V y W respectivamente.
Definitivamente, las matrices son uno de los objetos mas u
tiles de las Matematicas. Ellas permiten aterrizar conceptos y calcular cantidades. La palabra matriz fue introducida en 1850 por James Joseph Sylvester1
y su teora desarrollada por Hamilton2 y Cayley3 . Si bien los fsicos las consideramos indispensables, no
fueron utilizadas de manera intensiva hasta el aparicion de la Mecanica Cuantica alrededor de 1925.
1 James Joseph Sylvester (1814-1897 Londres, Inglaterra). Adem
as de sus aportes con Cayley a la Teora de las Matrices
descubri
o la soluci
on a la ecuaci
on c
ubica y fue el primero en utilizar el t
ermino discriminante para categorizar cada una de
las races de la ecuaci
on. Para vivir tuvo que ejercer de abogado durante una d
ecada. Por fortuna otro matem
atico de la
epoca
(Arthur Cayley) frecuentaba los mismos juzgados y tribunales y pudieron interactuar. Por ser judo tuvo cantidad de dificultades
para conseguir trabajo en la Academia.
2 Sir William Rowan Hamilton (1805 - 1865, Dublin, Irlanda) Sus contribuciones en el campo de la Optica, Din
amica del
cuerpo Rgido, Teora de ecuaciones algebr
aicas y Teora de Operadores Lineales.
3 Arthur Cayley (1821, Richmond, 1895, Cambridge, Inglaterra) En sus cerca de 900 trabajos cubri
o cas la totalidad de
las
areas de las Matem
aticas de aquel entonces. Sus mayores cotribuciones se centran el la Teora de Matrices y la Gemetra no
euclideana. No consigui
o empleo como Matem
etico y tuvo que graduarse de abogado y ejercer durante m
as de 15 a
nos, durante
los cuales public
o m
as de 250 trabajos en Matem
aticas

Luis A. N
un
ez

Universidad Industrial de Santander

204

M
etodos Matem
aticos de la Fsica

6.2.1.

Bases y Representaci
on Matricial de Operadores

Es importante recalcar que la representacion matricial de un operador depende de las bases {|e1 i , |e2 i , |e3 i , |en i}
y {|
e1 i , |
e2 i , |
e3 i , |
em i} de de V y W respectivamente. Si tenemos otras bases ortonormal para V y W
vale decir, {|
e1 i , |
e2 i , |
e3 i , |
en i} y {|
e1 i , |
e2 i , |
e3 i , |
em i} su representacion sera distinta. Esto es

A11 A12 A1j A1n


A2 A2
A2j
A2n

1
2

.
..
..

.
.
.
.

h
e | A |
ej i = Aj
=

A1 A2
Aj
An

..

..
..
.

.
.
m
m
m
Am
A
A
A
n
1
2
j
M
as a
un cambiando el orden en el cual se presenta una base, cambia la representacion matricial del operador.
Los siguientes ejemplos tratar
an de ilustrar estas situaciones
Si tenemos un matriz 2 3, B de la forma


3 1 2
B=
1 0 4
y supongamos las bases can
onicas para V 3 y V 2 : {|e1 i , |e2 i , |e3 i} y {|e1 i , |e2 i} . Entonces la matriz B
representan la transformaci
on B :V 3 V 2 que lleva un vector generico |xi = (x1 , x2 , x3 ) en un vector
generico |yi = (y1 , y2 ) tal que







x
y1
3 1 2
3 1 2 1
x2
=
B=
= B |xi = |yi =
1 0 4
1 0 4
y2
x3
y esto es
y1 = 3x1 + x2 2x3
y2 = x1 + 0x2 + 4x3
La representaci
on matricial, depender
a de la base en la cual se exprese. Si suponemos el operador diferencial D () = d()
y
consideramos
el
dominio
un
de los
dx
 espacio vectorial

polinomios de grado 3, por lo
tanto D () : P 3 P 2 , si consieramos las bases 1, x, x2 , x3 y 1, x, x2 de P 3 y P 2 respectivamente. Si el
producto interno est
a definido como
Z 1

i
P |Pj i
dx Pi (x) Pj (x) dx
1

La representaci
on matricial el operador diferencial sera

0
D
D E


P i D |Pj i = P i Pj = 0
0

1
0
0

0
2
0

0
0
3

como siempre i indica las filas y j las columnas.

Luis A. N
un
ez

Universidad Industrial de Santander

205

M
etodos Matem
aticos de la Fsica

Otra manera de verlo es operar (diferenciar)


d(1)

dx

d(x)
dx
D |Pj i =
d(x2 )

dx

d(x3 )

sobre el |Pj i P 3 y expresar ese resultado en la base de P 2

dx

=
=

0
1

=
=

0 1 + 0 x + 0 x2
1 1 + 0 x + 0 x2

2x

0 1 + 2 x + 0 x2

3x2

0 1 + 0 x + 3 x2

y los coeficientes de esa expansi


on ser
an las columnas de la matriz que los representa.
Para enfatizar que los elementos de matrz, no solo dependen de la base sino
del orden en el cual la base
se presente. Consideremos que la base de P 2 viene representadas por x2 , x, 1 . La representacion matricial
a
del operador D () = d()
dx ser

0 0 0 3

i E
P D |Pj i = P Pj = 0 0 2 0
0 1 0 0
aunque
0
0
0

1
0
0

0
2
0


1
1
0
1
= 2
0
1
3
3
1

0
0
1

0
2
0

1
3
3
1
= 2
0
1
1
0
1

=1 + 2x + 3x2

=1 + 2x + 3x2

equivalentemente
0
0
0

Es el mismo polinomio!
Recuerde que las componentes del vector multiplican a los vectores bases en el mismo orden.
la respresentaci
operador D () = d()
dx en la siguiente base
 Si ahora construimos
 on para
el mismo
2
2
3
2
3
2
1, 1 + x, 1 + x + x , 1 + x + x + x y 1, x, x de P y P , respectivamente.
d(1)

= 0
= 0 1 + 0 x + 0 x2
dx

d(1+x)
E

= 1
= 1 1 + 0 x + 0 x2
dx

D |Pj i = Pj
=
d(1+x+x2 )

= 1 + 2x
= 1 1 + 2 x + 0 x2

dx

2
d(1+x+x
+x3 )

= 1 + 2x + 3x2 = 1 1 + 2 x + 3 x2
dx
con lo cual

6.2.2.

0
E

P D |Pj i = P Pj = 0
0
i

1
0
0

1
2
0

1
2
3

Algebra de Matrices

Por comodidad supongamos que dim (V ) = dim (W ) = n y consideremos la base ortogonal {|e1 i , |e2 i , |e3 i , |en i} .De
este modo es claro, que se reobtienen las conocidas relaciones para matrices cuadradas


e A + B |ej i = ei A+B |ej i = ei A |ej i + ei B |ej i = Aij + Bji
Luis A. N
un
ez

Universidad Industrial de Santander

206

M
etodos Matem
aticos de la Fsica

con lo cual tenemos la suma de matrices. Esto es


1
A1 A12 A1n
A21 A22
A2n

..
..
.
.
An1

An2

Ann

B11
B12
..
.

B21
B22

B1n

B2n

A1n + Bn1
A2n + Bn2

n
n
An + B n

..
.

Bn1
Bn2

Ann

A11 + B11
A21 + B12
..
.

A12 + B21
A22 + B22
..
.

..

An1 + B1n
i

en forma compacta puede demostrarse Aij + Bji = (A + B)j con lo cual es directo la demostrar la igualdad
de matrices

1
A1 + B11 A12 + B21 A1n + Bn1
A21 + B12 A22 + B22
A2n + Bn2

=0

..
..
.
.

.
.
.
An1 + B1n
Ann + Bnn

A11
A21

..
.
An1

A12
A22

..

A1n
A2n

An2

Ann

B11
B12
..
.

B21
B22

B1n

B2n

..
.

Bn1
Bn2

n
An

de donde Aij = Bji


De igual modo para la representaci
on de composicion de operadores


e AB |ej i = e A1B |ej i = ei A |ek i ek B |ej i = ei A |ek i ek B |ej i = Aik Bjk
para multiplicaci
on de matrices. Esto es
1
A1 A12
A21 A22

..
..
.
.
An1

An2

1
A1n
B1
B12
A2n

..
.
n
An
B1n

B21
B22

..
.

B2n

Bn1
Bn2

n
An

A1k B1k
A2k B1k

..
.
Ank B1k

A1k B2k
A2k B2k
..
.

..

A1k Bnk
A2k Bnk

Ank Bnk

como ya sabamos AB 6= BA Aik Bjk 6=Bki Akj


De la misma manera la multiplicaci
on de un n
umero por una matriz es la multiplicacion de todos sus
elementos por ese n
umero


e A |ej i = ei A |ej i = Aij
Luis A. N
un
ez

Universidad Industrial de Santander

207

M
etodos Matem
aticos de la Fsica

6.2.3.

Representaci
on Diagonal

Finalmente mostraremos que dado un operador lineal A L (V, W ) donde dim (V ) = dim (W ) = n y sea
{|u1 i , |u2 i , |u3 i , |un i} una base ortonormal para V y W . Si adicionalmente se da el caso que
A |ui i = |ui i
la representaci
on matricial es diagonal

j
u A |ui i = Aji = uj |ui i = ij
Esta afirmaci
on tambien es v
alida para dim (V ) 6= dim (W ) pero por simplicidad seguimos trabajando con
matrices cuadradas.
En leguaje de ndices estaremos diciendo que

D1 0
0
0
0 D2 0
0

Dji = Dk lk jl ki =
0
0 D3 0
0
0
0 D4

6.2.4.

Sistemas de Ecuaciones lineales

Una de las aplicaciones m


as u
tiles del algebra de matrices es la resolucion de los sitemas de ecuaciones
lineales. El cual puede ser expresado de la siguiente forma
i

A
i x =c

con i = 1, 2, .., n

y = 1, 2, .., m


por lo tanto tendremos m ecuaciones lineales para n incognitas x1 , x2 , xn . Las A
i es la matriz de
los coeficientes. Por lo tanto este problema puede ser pensado como un problema de un operador A en el
espacio vectorial de transformaciones lineales L (V, W ) donde dim (V ) = n y dim (W ) = m, con las c las
componentes del vector transformado
i
|ci = A |xi c = A
i x

Concretemos en un ejemplo
2x + 3y z
4x + 4y 3z
2x + 3y z

= 5
= 3
= 10

2
= 4
2

3 1
x
5
4 3 y = 3
z
1
3 1

el metodo m
as utilizado es la eliminaci
on de Gauss Jordan el cual se basa en el intercambio de ecuaciones
y la multiplicaci
on apropiada e inteligente por constantes y resta de ecuaciones. La idea es construir una
matriz triangular superior para poder luego despejar desde abajo. Veamos:

a
2 3 1 5
b 4 4 3 3
c
2 3 1 1
entonces para eliminar x de lala fila c (o la ecuacion c) sumamos la fila a con la c, a + c y esta nueva ecuaci
on
ser
a la nueva c

a
2 3 1 5
b 4 4 3 3
c0
0 6 2 6
Luis A. N
un
ez

Universidad Industrial de Santander

208

M
etodos Matem
aticos de la Fsica

ahora 2a + b ser
a la nueva b

finalmente 3b0 + c0

a
2
b0 0
c0
0

3
2
6

1
1
2

5

7

6

a
2
b0 0
c00
0

3
2
0

1
1
5

5

7

15

Este sistema es equivalente al primer sistema de ecuaciones. La solucion emerge rapidamente:


5z = 15 z = 3

2y z = 7 2y 3 = 7 y = 2

2x + 3 (2) 3 = 5 x = 1

Es bueno recalcar que los sistemas de ecuaciones lineales no necesariamente tienen solucion y a veces tienen
m
as de una soluci
on.

6.2.5.

Operadores Hermticos

La representaci
on matricial de un operador hermtico,
A

i
j

 

= ei A |ej i = ej A |ei i = Aji

vale decir: el hermtico conjugado de una matriz, es su traspuesta conjugada. Si la matriz es Hermtica, i.e.
A = A =

i
j

= Aij

por lo tanto, las matrices hermticas son simetricas respecto a la diagonal y los elementos de la diagonal son
n
umeros reales. Un operador hermtico estara representado por una matriz hermtica.
Aqu vale la pena probar algunas de las propiedades que arriba expresamos para operadores hermticos
conjugados, vale decir
A

(A) = A ;

= A;

(A + B) = A + B ;

(AB) = B A

Es claro que
A
y

i
 
i    
e A |ej i = A j = Aji
= Aij

(A) ei A |ej i = ej A |ei i = ej A |ei i = ei A |ej i = A

pero m
as interesante es

k
k i
i k

(AB) ei (AB) |ej i = Aik Bjk = Aj
k B i = Aj B k = B k Aj B A

6.2.6.

Inversa de una matriz

Hemos visto que dada una transformacion lineal biyectiva, podemos definir una inversa para esa transformaci
on lineal. Esa transformaci
on lineal tendra como representacion un matriz. Por lo tanto dado un
operador lineal A diremos que otro operador lineal B sera su inverso (por la derecha) si


AB = 1 ei AB |ej i = ji Aik Bjk = ji
Luis A. N
un
ez

Universidad Industrial de Santander

209

M
etodos Matem
aticos de la Fsica


ahora bien, como conocemso la matriz Aik y las suponemos no singular (esto es: det Aik 6= 0) y si tomamos
un j fijo tendremos un sistema de n ecuaciones lineales inhomogeneo con n incognitas Bj1 , Bj2 , Bj3 , Bjn .
Al resolver el sistema tendremos la solucion. El procedimiento para encontrar la inversa es equivalente al
metodo de eliminaci
on de Gauss Jordan, veamos como funciona. Supongamos una matriz 3 3

1
1 0 0 B11 B21 B31
A1 A12 A13 1 0 0
Jordan
0 1 0 B12 B22 B32
A21 A22 A23 0 1 0 Gauss


3
3
3
0 0 1
0 0 1 B13 B23 B33
A1 A2 A3
Como un ejemplo

2
2
1

3 4
1 1
1 2


1

0

0

0
1
0

2
0
0

6.2.7.

0
2
0 0
1
1
3
2
5

4
3
8


1

1

1

0
1
0

3 4
2 3
1 2


1

1

0

0
1
0

0
0
1

0
0
2

Cambio de Bases para vectores

Dada una representaci


on (una base) particular un bra, un ket o un operador queda representado por una
matriz. Si cambiamos la representaci
on, ese mismo bra, ket u operador tendra otra matriz como representaci
on. Mostraremos c
omo est
an relacionadas esas matrices.
Dadas dos base discretas ortonormales {|ui i} y {|ti i}, entonces un vector cualquiera


ht |i = uk i htm |uk i

|i = uk huk | |i = uk i |uk i

| {z }

| {z }

Skm

k
c
=

u
|i
=
ht
|
i
u |tm i

|i = (|tm i htm |) |i = htm | i |tm i

| {z }
| {z }

k
S
m

cm

con lo cual, una vez m


as, tendremos que la expresion de transformacion de componentes de un vector
cm = Skm ck

k m
ck = Sm
c

k
y Skm (o Sm
) ser
a la matriz de transformacion, cambio de base o cambio de representacion. Ahora bien, por
definici
on de producto interno

k
htm |uk i = uk |tm i
= Skm = Sm
Skm

por lo tanto, la matriz de transformaci


on entre bases es hermtica o autoadjunta y la relacion anterior queda
escrita como


cm = Skm ck = htm | i = Skm uk i
k m
ck = Sm
c

Luis A. N
un
ez

k
k
u |i = Sm
htm | i

Universidad Industrial de Santander

210

M
etodos Matem
aticos de la Fsica

Igualmente la regla de transformaci


on de las representaciones matriciales de operadores quedan expresadas
como

t A |tj i = ti |uk i uk A (|um i hum |) |tj i = ti |uk i uk A |um i hum |tj i


| {z }
| {z }
Sjm

Ski

por lo tanto,
Aij = Ski Akm Sjm
on del operador A respecto a la base {|tj i} y Akm su representacion en la base
donde Aij es la representaci
{|um i}

6.3.

Traza de Operadores

La traza, Tr (A) , de un operador A es la suma de los elementos diagonales de su representacion matricial.


Esto es dado un operador A y una base ortogonal {|ui i} para V n


Tr (A) = uk A |uk i = Aii
As

1
Aij = 4
7

6.3.1.

3
6
9

2
5
8

= Tr (A) = Aii = 15

Invariancia de la Traza

La traza de una matriz no depende de la base que seleccionemos. Es un invariante que caracteriza
al operador independientemente de la base en la cual se represente. Entonces Dadas dos base discretas
ortonormales {|ui i} y {|ti i},

Akk = uk A |uk i = uk |tm i htm | A |uk i = htm | A|uk i uk |tm i = htm | A |tm i = Am
m
| {z }
1


Donde una vez m
as hemos utilizado las dos relaciones de cierre |tm i htm | = 1 y uk huk | = 1. Es claro que
el n
umero que representa esta suma ser
a el mismo independientemente de su representacion matricial.

6.3.2.

Propiedades de la Traza

Claramente la traza es lineal


Tr (A+B) = Tr (A) + Tr (B)
ya que


Tr (A + B) = uk A + B |uk i = uk A |uk i + uk B |uk i = Tr (A) + Tr (B)
La traza de un producto conmuta esto es
Tr (AB) = Tr (BA)
y es f
acilmente demostrable


Tr (AB) = uk AB |uk i = uk A|um i hum |B |uk i = uk B|um i hum |A |uk i = Tr (BA)
| {z }
| {z }
1

Luis A. N
un
ez

Universidad Industrial de Santander

211

M
etodos Matem
aticos de la Fsica


Recuerde que uk B |um i y uk A |uk i son n
umeros que pueden ser reordenados.
Del mismo modo es f
acil demostrar que la traza de un triple producto de matrices respeta la ciclicidad
del orden de la matrices en el producto
Tr (ABC) = Tr (BCA) = Tr (CAB)

6.3.3.

Diferenciaci
on de Operadores

Dado un operador A (t) el cual supondremos dependiente de una variable arbitraria t podremos definir
la derivada como
dA (t)
A (t + t) A (t)
= lm
t0
dt
t

k
k
por lo tanto si u A |ui i = A entonces
i

dA (t)
uk
|ui i =
dt

dA (t)
dt

k
=
i

d
k
dAki
u A (t) |ui i =
=

dt
dt

dA11
dt
dA21
dt

dA12
dt
dA22
dt

dAn
1

dAn
2

dt

dt

..
.

..

dA1n
dt
dA2n
dt

.
dAn
n
dt

con lo cual la regla es simple, la representacion matricial de la derivada de un operador sera la derivada de
cada uno de sus elementos. Con ello

x
x2
2
1
2x
0
d

1
ex
5x = 0
ex
5
dx
3
2
3x
3
cos x
9x
0
sen x

6.3.4.

Reglas de Diferenciaci
on de Operadores Lineales

Las reglas usuales de la diferenciaci


on se cumpliran con la diferenciacion de operadores. Esto se demuestra
con la representaci
on matricial
d (A (t) + B (t))
d (A (t)) d (B (t))
=
+
dt
dt
dt

k d (A (t) + B (t))
d
k
u
|ui i =
u (A (t) + B (t)) |ui i
dt
dt



d
k
=
u A (t) |ui i + uk B (t) |ui i
dt
d
k
d
k
=
u A (t) |ui i +
u B (t) |ui i
dt
dt

dA (t)

dB (t)
d (A (t)) d (B (t))
= uk
|ui i + uk
|ui i =
+
dt
dt
dt
dt
Del mismo modo se cumplir
a que
d (A (t) B (t))
dA (t)
dB (t)
=
B (t) + A (t)
dt
dt
dt

Luis A. N
un
ez

Universidad Industrial de Santander

212

M
etodos Matem
aticos de la Fsica

con la precauci
on que no se puede modificar el orden de aparicion de los operadores. Es facil ver que
d (A (t) B (t))
d
k
d
k
uk
|ui i =
u A (t) B (t) |ui i =
u A (t) 1B (t) |ui i
dt
dt
dt

k

= u A (t) |um i hum | B (t) |ui i


d uk A (t) |um i m
d hum | B (t) |ui i
=
hu | B (t) |ui i + uk A (t) |um i
dt
dt

k dA (t)

dB
(t)
= u
|um i hum | B (t) |ui i + uk A (t) |um i hum |
|ui i
dt
dt
Otras propiedades de la derivaci
on de operadores se demuestran a partir de la expansion en series de los
At
operadores. Por ejemplo si queremos conocer la expresion para dedt , con A 6= A (t)si recordamos que
"
#
"
#
2
n
X (At)n
(At)
(At)
eAt |vi =
|vi = 1 + At +
+ +
|vi
n!
2!
n!
n=0

tendremos que
"
#
"
#
n
X d  (At)n 
d X (At)
deAt
|vi
|vi =
|vi =
dt
dt n=0 n!
dt
n!
n=0
"
#
"
#
X tn1 An1
X ntn1 An
|vi =
=
A |vi
n!
(n 1)!
n=0
n=0
|
{z
}
eAt

N
otese que la suma es hasta infinito, por lo tanto al cambiar de ndice p = n 1, p sigue variando hasta
infinito y la serie es la misma que la anterior. Entonces
deAt
|vi = eAt A |vi AeAt |vi
dt
tambien fjese que si un solo operador esta siendo derivado el orden de presentacion de los operadores es
indiferente. Ahora bien, cuando se presenta la siguiente situacion

d eAt eBt
deAt Bt
deBt
|vi =
e |vi + eAt
|vi = AeAt eBt |vi + eAt BeBt |vi
dt
dt
dt
= eAt AeBt |vi + eAt eBt B |vi


con A 6= A (t) y B 6= B (t) y siempre eBt , B = 0. Con lo cual, solo para el caso en el cual [A, B] = 0
podremos factorizar eAt eBt y

d eAt eBt
|vi = (A + B) eAt eBt |vi
dt
Si [A, B] 6= 0 el orden de aparici
on de los operadores es MUY
h importante.
i
dA(t)

Para el caso en el cual A = A (t) no necesariamente A (t) , e dt = 0. Veamos:


"
#
" 
#
n
X 1 d (A (t))n 
deA(t)
d X (A (t))
|vi =
|vi =
|vi
dt
dt n=0
n!
n!
dt
n=0
"  
#
X 1 d (A (t))
d (A (t))
n1
n2
n1 d (A (t))
=
A (t)
+ A (t)
A (t)
A (t)
|vi
n!
dt
dt
dt
n=0

Luis A. N
un
ez

Universidad Industrial de Santander

213

M
etodos Matem
aticos de la Fsica

Adicionalmente
dF (B)
dt
Esta relaci
on es f
acilmente demostrable para el caso en el cual [A, B] = 1 el operador indentidad, en ese
caso tenamos que ABn Bn A = nBn1
si [A, [A, B]] = [B, [A, B]] = 0

= [A, F (B)] = [A, B]

B}A
ABn Bn A = ABB
B}BB
| {z
| {z
n

= (1 + BA) BB
B} BB
B}A
| {z
| {z
n

n1

= 1B

n1

+ B (1 + BA)BB
B} BB
B}A
| {z
| {z
n

n2

n1

= 2B

+ B (1 + BA)BB
B} BB
B}A
| {z
| {z
n

n3

..
.
= nBn1
Obviamente, para este caso, se cumple que
[A, B] = 1

= [A, [A, B]] = [B, [A, B]] = 0

para demostrar esta relaci


on desarrollemos en Serie de Taylor la funcion F (B) . Esto es
#
"

X
X
X
X Bn
[A, Bn ]
nBn1
Bn1
=
fn
= [A, B]
fn
= [A, B]
fn
fn
[A, F (B)] = A,
n!
n!
n!
(n 1)!
n=0
n=0
n=0
n=0
dF (B)
dt
Para el caso m
as general se procede del mismo modo
= [A, B]

si [A, C] = [B, C] = 0

con C = [A, B] = [A, F (B)] = [A, B]

dF (B)
dt

Probaremos primero que


n1

con C = [A, B] = [A, Bn ] = ABn Bn A = n [A, B] B

si [A, C] = [B, C] = 0
Tendremos que

B}A
ABn Bn A = ABB
B}BB
| {z
| {z
n

= (C + BA) BB
B} |BB{z
B}A
| {z
n

n1

= CBn1 + B (C + BA)BB
B} BB
B}A
| {z
| {z
n2

= 2CBn1 + B2 (C + BA)BB
B} BB
B}A
| {z
| {z
n3

..
.
n1

= nCBn1 = n [A, B] B
Luis A. N
un
ez

Universidad Industrial de Santander

214

M
etodos Matem
aticos de la Fsica

con lo cual es inmediato demostrar que


#
"

X
X
X
X
[A, Bn ]
nBn1
Bn1
Bn
=
= [A, B]
= [A, B]
[A, F (B)] = A,
fn
fn
fn
fn
n!
n!
n!
(n 1)!
n=0
n=0
n=0
n=0
= [A, B]

6.3.5.

dF (B)
dt

La F
ormula de Glauber

Ahora estamos en capacidad de demostrar limpiamente la formula de Glauber. Esta es


1

eA eB = eA+B e 2 [A,B]
Para demostrarla, procedemos a considerar un operador F (t) = eAt eBt , por lo tanto

dF (t)
deAt eBt
|vi =
|vi = AeAt eBt |vi + eAt BeBt |vi = A + eAt BeAt eAt eBt |vi
dt
dt

= A + eAt BeAt F (t) |vi
Ahora bien, dado que
dF (B)
dt

si [A, [A, B]] = [B, [A, B]] = 0

= [A, F (B)] = [A, B]


eAt , B = t [A, B] eAt

= eAt B = BeAt + t [A, B] eAt

entonces

por lo cual


dF (t)
|vi = A + eAt BeAt F (t) |vi = A + B + t [A, B] eAt F (t) |vi
dt
por tanteo uno puede darse cuenta que
F (t) = e

n
o
2
(A+B)t+ t2 [A,B]

cumple con la ecuaci


on anterior, por lo tanto absorbiendo t en los operadores correspondientes llegamos a la
f
ormula de Glauber
1
eA eB = eA+B e 2 [A,B]

6.4.

Un Zool
ogico de Matrices Cuadradas

A continuaci
on presentaremos un conjunto de matrices que seran de utilidad mas adelante

6.4.1.

La matriz nula

es

Aij = 0

i, j

= Aij =

0 0
0 0
..
.
0

Luis A. N
un
ez

..

Universidad Industrial de Santander

0
0

0
215

M
etodos Matem
aticos de la Fsica

6.4.2.

Diagonal a Bloques

Podremos tener matrices diagonales a bloques, vale decir


1
D1 D21 0

D12 D22 0
Dji =
0
0 D33
0
0 D34

6.4.3.

Triangular superior e inferior


1
D
1

0
i
j =
D
0
0

1
D
2
2
D
2
0
0

6.4.4.

0
0

D43
D44

1
D
3
D32
3
D
3
0

1
D
4
2
D
4
3
D
4
4
D
4

1
D1
2

i = D1
D
j
D
3
1
4
D
1

D22
D23
4
D

0
0
3
D
3
4
D

0
0

0
4
D
4

Matriz singular

A es singular = det A = 0

6.4.5.

Matriz de cofactores
a11
i

a21
Aj =
a31

a12
a22
a32

a13
a23
a33

(Ac )1
2
c i

(A )j =
(Ac )1
c 3
(A )1

(Ac )2
2
(Ac )2
c 3
(A )2

1
(Ac )3
2
(Ac )3
c 3
(A )3

= (1)

1+3

= (1)

2+3

= (1)

3+3

donde los (Ac )j es la matriz de cofactores, y los cofactores son


1
(Ac )1

2
(Ac )1

3
(Ac )1

6.4.6.

1+1

= (1)

2+1

= (1)

3+1

= (1)

2
a2
3
a2


a23
a33

1
(Ac )2

1
a2
3
a2


a13
a33

2
(Ac )2

1
a2
2
a2


a13
a23

3
(Ac )2

= (1)

1+2

= (1)

2+2

= (1)

3+2

2
a1
3
a1


a23
a33

1
(Ac )3

1
a1
3
a1


a13
a33

2
(Ac )3

1
a1
2
a1


a13
a23

3
(Ac )3

2
a1
3
a1


a22
a32

1
a1
3
a1


a12
a32

1
a1
2
a1


a12
a22

Matriz Adjunta

Llamaremos matriz adjunta, adj [A], a la traspuesta de la matriz de cofactores de una determinada matriz.
Esto es
T
  
T
i
j
adj [A] = (Ac )
= adj Aij = (Ac )j
= (Ac )i
Esto es

1
Aij = 4
7
Luis A. N
un
ez

2
5
8

3
6
9

3
 i
= adj Aj = 6
3

Universidad Industrial de Santander

6
3
12 6
6
3
216

M
etodos Matem
aticos de la Fsica

Una matriz ser


a autoadjunta si adj [A] = A

6.5.

Un Par
entesis Determinante

6.5.1.

Definici
on

Antes de continuar es imperioso que refresquemos algunas propiedades del determinante de una matriz.
Ya hemos visto que el det A : Mnn <. Es decir, asocia un n
umero real con cada matriz del espacio
vectorial Mnn de matrices n n
As, dada una matriz

1

1
A1 A12 A1n
A1 A12 A1n


A21 A22
A21 A22
A2n
A2n

ijk 1 2 3
i
= det A =
Ai Aj Ak = .
Aj = .

..
..

..

..
.
.


An An
An
An An
An
1

Hemos generalizado el ndice de Levi Civita de tal forma que

0, si cualesquiera dos ndices son iguales


1, si los ndices i, j, k constituyen una permutacion cclica de 1, 2, 3 n
ijk = ijk =

1 si los ndices i, j, k constituyen una permutacion anticclica de 1, 2, 3 n


Esta situaci
on es clara para el caso de matrices 3 3, veamos.
Dada una matriz 3 3
1
1

A1
A1 A12 A13

i
ijk 1 2 3
2
2
2

A1 A2 A3
Aj =
= det A = Ai Aj Ak = A21
A31
A31 A32 A33

A12
A22
A32

A13
A23
A33

con lo cual
det A = 123 A11 A22 A33 + 312 A13 A21 A32 + 231 A12 A23 A31 + 132 A11 A23 A32 + 321 A13 A22 A31 + 213 A12 A21 A33
= A11 A22 A33 + A13 A21 A32 + A12 A23 A31 A11 A23 A32 A13 A22 A31 A12 A21 A33

6.5.2.

Propiedades Determinantes

1. det A = det AT donde AT es la traspuesta de A


Esta propiedad proviene de la definicion del ndice de Levi Civita
det A = ijk A1i A2j A3k = ijk Ai1 Aj2 Ak3 = det AT
que se traduce que se intercambian filas por
1
A1 A12
2
A1 A22
3
A1 A32

columnas el determinante no se altera




A13 A11 A21 A31
A23 = A12 A22 A32
A33 A13 A23 A33

2. Si dos filas o dos columnas son identicas el determinante se anula


iik A1i A2i A3k = iik Ai1 Ai2 Ak3 = 0
Luis A. N
un
ez

Universidad Industrial de Santander

217

M
etodos Matem
aticos de la Fsica

por definici
on del ndice de Levi Civita
1
A1 A11
2
A1 A21
3
A1 A31

1
A1
1
= A1
3
A1

A13
A23
A33

A12
A12
A32

A13
A13
A33




=0

3. Si multiplicamos una fila o una columna por un n


umero, el determinante queda multiplicado por el
n
umero

ijk A1i A2j A3k = ijk A1i A2j A3k = det A

ijk Ai1 Aj2 Ak3 = ijk Ai1 Aj2 Ak3 = det A
de aqu claramente se desprende que si una fila o una columna es cero ( = 0) el determinante se
anula. M
as a
un, si dos filas o dos columnas son proporcionales A1i = A2j el determinante se anula, por
cuanto se cumple la propiedad anterior
1


1

A1 A12 A13 A11
A1 A12 A13
A12
A13
2




A1 A22 A23 = A21
A22
A23 = A21 A22 A23
3


A1 A32 A33 A31 A32 A33
A31 A32 A33
Obvio que
1
A1
2
A1
3
A1
al igual





0
0
0

A13
A23
A33

1
A1
2
= A1

0

A12
A22
0

A13
A23
0




=0

que
A11
A21
A31

A11
A21
A31

A13
A23
A33


A11

= A11

A31

A12
A12
A32

A13
A13
A33


1

A1


= A21

3

A1

A11
A21
A31

A13
A23
A33


1

A1


= A11

3

A1

A12
A12
A32

A13
A13
A33




=0

4. Si se intercambian dos filas o dos columnas cambia de signo el determinante.


1

A1 A12 A1n
2

A1 A22
A2n

ijk 1 2 3

det A =
Ai Aj Ak = .
= ijk A1j A2i A3k = det A

..
..

.


An An
Ann
1
2
se han intercambiando un par de columnas. Claramente las propiedades del
donde en la matriz A
ndice de Levi Civita, obliga al cambio de signo
= det A
det A
N
otese que una sntesis de las propiedades anteriores nos lleva a reescribir el determinante de una
matriz de la forma

det A = det A = ijk Ai Aj Ak det A = det A = ijk A
i Aj Ak

claramente, si 123 reobtenemos la definicion anterior. Si se intercambian dos filas o dos


columnas, el determinante cambia de signo debido al intercambio de dos ndices griegos. Si dos filas
o dos columnas son iguales el determinante se anula debido a la propiedad de smbolo de Levi Civita
con ndices griegos.
Luis A. N
un
ez

Universidad Industrial de Santander

218

M
etodos Matem
aticos de la Fsica

5. El determinante de un producto es el producto de los determinantes


det (AB) = det (A) det (B)
Antes de proceder a la demostraci
on de este importante propiedad jugaremos un poco mas con las
propiedades de las matrices. Queremos se
nalar que si A es una matriz m n y B es una matriz n p,
entonces tendremos que

(AB) = A B
esto es que la esima fila es igual a la multiplicacion de la esima fila, A ,por toda la matriz
B. Veamos
i
Cji = (AB)j = Ail Bjl
por lo tanto la esima fila

l
Cj = A
l Bj


= Cj = (A
,
A
,
A
,

A
,
)

1
2
3
n

B11
B12
..
.

B21
B22

B1n

B2n

..

Bn1
Bn2

n
Bn


 


det (A) det (B) = det (A) ijk B1i B2j B3k = ijk Ai Aj Ak abc B1a B2b B3c
que siempre puede ser rearreglado a




i j k
ijk A
ijk B1i B2j B3k = A
i Aj Ak
i B1 Aj B2 Ak B3 = det (AB)
veamos este desarrollo en el caso de 3 3
123 A11 A22 A33 + 312 A13 A21 A32 + 231 A12 A23 A31 + 132 A11 A23 A32 + 321 A13 A22 A31 + 213 A12 A21 A33

123 B11 B22 B33 + 312 B31 B12 B23 + 231 B21 B32 B13 + 132 B11 B32 B23 + 321 B31 B22 B13 + 213 B21 B12 B33

con lo cual

= A11 A22 A33 B11 B22 B33 + B31 B12 B23 + B21 B32 B13 B11 B32 B23 B31 B22 B13 B21 B12 B33

+ A13 A21 A32 B11 B22 B33 + B31 B12 B23 + B21 B32 B13 + B11 B32 B23 + B31 B22 B13 + B21 B12 B33

+ A12 A23 A31 B11 B22 B33 + B31 B12 B23 + B21 B32 B13 + B11 B32 B23 + B31 B22 B13 + B21 B12 B33

A11 A23 A32 B11 B22 B33 + B31 B12 B23 + B21 B32 B13 + B11 B32 B23 + B31 B22 B13 + B21 B12 B33

A13 A22 A31 B11 B22 B33 + B31 B12 B23 + B21 B32 B13 + B11 B32 B23 + B31 B22 B13 + B21 B12 B33

A12 A21 A33 B11 B22 B33 + B31 B12 B23 + B21 B32 B13 + B11 B32 B23 + B31 B22 B13 + B21 B12 B33
como son n
umeros los rearreglo

= A11 A22 A33 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

+ A13 A21 A32 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

+ A12 A23 A31 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

A11 A23 A32 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

A13 A22 A31 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

A12 A21 A33 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33
Luis A. N
un
ez

Universidad Industrial de Santander

219

M
etodos Matem
aticos de la Fsica

= A11 A22 A33 +B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

+ A13 A21 A32 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

+ A12 A23 A31 B11 B22 B33 + +B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

A11 A23 A32 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

A13 A22 A31 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

A12 A21 A33 B11 B22 B33 + B12 B23 B31 + B13 B21 B32 B11 B23 B32 B13 B22 B31 B12 B21 B33

A11 B11 A22 A33 B22 B33 + A12 B12 A23 A31 B23 B31
ijk Ai B1 Aj B2 Ak B2

6.6.
6.6.1.

Autovectores y Autovalores
Definiciones y Teoremas Preliminares

Llamaremos a |i un autovector del operador A si se cumple que


A |i = |i
en este caso (que, en general ser
a un n
umero complejo) se denomina el autovalor correspondiente al
autovector |i . La ecuaci
on A |i = |i en conocida en la literatura como la ecuacion de autovalores y se
cumple para algunos valores particulares de los autovalores . El conjunto de los autovalores se denomina el
espectro del operador A.
Supongamos que A : V V y que dim V = n, supongamos ademas que una base ortogonal para V es
{|e1 i , |e2 i , |e3 i , |en i} . Por lo tanto la repercusion de esta ecuacion sobre la representacion matricial es
la siguiente

i
= Aij cj = ci
e A |ej i ej |i = ei |i = ei |i
claramente, si {|e1 i , |e2 i , |e3 i , |en i} genera una representacion diagonal de A entonces
Aij ji

= Aij cj ji cj = ci

= Aij ji

Esto lo podemos resumir en el siguiente teorema que presentaremos sin demostracion.


Teorema Dado un operador lineal A :V n V n si la representacion matricial de A es diagonal, ei A |ej i =
Aij ji entonces existe una base ortonormal {|e1 i , |e2 i , |e3 i , |en i}4 y un conjunto de cantidades
{1 , n , , n } tales que se cumple
A |ei i = i |ei i

con i = 1, 2, n

igualmente se cumple que si existe una base ortonormal {|e1 i , |e2 i , |e3 i , |en i}y un conjunto de
cantidades {1 , n , , n } tales satisfagan
A |ei i = i |ei i

con i = 1, 2, n

Entonces se cumple la representaci


on matricial de A es diagonal,

i
e A |ej i = Aij = diag (1 , n , , n )
4 Realmente un conjunto de vectores linealmente independientes, pero como siempre puedo ortoganalizarlos mediante el
m
etodo de Gram Smith, consideraremos que es una base ortogonal de entrada

Luis A. N
un
ez

Universidad Industrial de Santander

220

M
etodos Matem
aticos de la Fsica

6.6.2.

Algunos comentarios

E

1. N
otese que si |i es autovector de A para un determinado autovalor entonces = |i (un vector
proporcional a |i ,con un n
umero complejo) tambien es un autovector para el mismo autovalor.
Esto representa una inc
omoda ambig
uedad: dos autovectores que corresponden al mismo autovalor.
Un intento de eliminarla es siempre considerar vectores |i normalizados, i.e. h |i = 1. Sin embargo
no deja de ser un intento que no elimina la ambig
uedad del todo porque siempre queda angulo de fase
arbitrario. Esto es el vector ei |i ,con un n
umero real arbitrario, tiene la misma norma del vector
|i . Sin embargo esta arbitrariedad es inofensiva. En Mecanica Cuantica las predicciones obtenidas
con |i son las mismas que con ei |i
2. Un autovalor ser
a no degenerado o simple si esta asociado a un u
nico autovector |i5 de lo contrario
si denominar
a degenerado si existen dos o mas autovectores de A, linealmente independientes asociados
al mismo autovalor . El grado (o el orden) de la degeneraci
on es el n
umero de vectores linealmente
independientes que esten asociados al mencionado autovalor .
3. El orden de degeneraci
on de un autovalor expande un espacio vectorial S () Vn (denominado
autoespacio) cuya dimensi
on es el orden de la degeneracion. Esto es si es gdegenerado, entonces
existen
{|1 i , |2 i , |3 i , |g i} = A |i i = |i i
adicionalmente un autovector correspondiente al autovalor puede ser expresado como
|i = ci |i i

con i = 1, 2, , g

con lo cual
A |i = ci A |i i = ci |i i = |i

6.6.3.

Algunos Ejemplos

E

1. Reflexi
on respecto al plano xy : Si R :V 3 V 3 es tal que R |i = donde se ha realizado una
reflexi
on en el plano xy. Esto es
R |ii = |ii ;

R |ji = |ji ;

R |ki = |ki

con |ii , |ji , |ki vectores unitarios cartesianos. Es claro que cualquier vector en el plano xy sera autovector de R con un autovalor = 1 mientras que cualquier otro vector |i V3 y que no este en
el mencionado plano cumple con |i = c |ki y tambien sera autovector de R pero esta vez con un
autovalor = 1.
2. Dos visiones de Rotaciones de
angulo fijo : La rotaciones de un vector en el plano pueden verse
de dos maneras.
a) Se considera el plano como un espacio vectorial real V2 con una base cartesiana canonica: |ii =
(1, 0) , y |ji = (0, 1) , esto es si
R |ai = |ai
5 Con

= el angulo de rotacion = n

con n entero

la arbitrariedad del calibre antes mencionado

Luis A. N
un
ez

Universidad Industrial de Santander

221

M
etodos Matem
aticos de la Fsica

b) Igualmente si consideramos el plano complejo unidimensional, expresemos cualquier vector en el


plano en su forma polar |zi = rei por lo cual
R |zi = rei(+) = ei |zi
si queremos = ei reales necesariamente = n con n entero
3. Autovalores y Autovectores de Proyectores. Es interesante plantearse la ecuacion de autovalores
con la definici
on del proyector para un determinado autoespacio. Esto es dado P = |i h| si este
proyector cumple con una ecuaci
on de autovalores para un |i supuestamente arbitrario
P |i = |i

= P |i = (|i h|) |i

= |i |i

es decir necesariamente |i es colineal con |i . Mas a


un si ahora el |i no es tan arbitrario sino que
es ortogonal a |i , h |i = 0 = = 0. Esto nos lleva a concluir que el espectro del operador
P = |i h| es 0 y 1,el primer de los cuales es infinitamente degenerado y el segundo es simple. Esto
nos lleva a reflexionar que si existe un autovector de un determinado operador, entonces su autovalor
es distinto de cero, pero pueden existir autovalores nulos que generan un autoespacio infinitamente
degenerado.
4. El operador diferenciaci
on D |f i D (f ) = f 0 : Los autovectores del operador diferenciaci
on
necesariamente deben satisfacer la ecuacion
D |f i = |f i D (f ) (x) = f 0 (x) = f (x)
la soluci
on a esta ecuaci
on ser
a una exponencial. Esto es
|f i f (x) = cex

con c 6= 0

las f (x) se denominar


an autofunciones del operador

6.6.4.

Autovalores, autovectores e independencia lineal

Uno de los teoremas m


as u
tiles e importantes tiene que ver con la independencia lineal de los autovectores
correspondientes a distintos autovalores de un determinado operador lineal. Este importante teorema se puede
concretar en.
Teorema Sean {|1 i , |2 i , |3 i , |k i} autovectores del operador A :V m V n y suponemos que existen k
autovalores, {1 , 2 , , k } , distintos correspondientes a cada uno de los autovectores |j i . Entonces
los {|1 i , |2 i , |3 i , , |k i} son linealmente independientes.
Demostraci
on La demostraci
on de este teorema es por induccion y resulta elegante y sencilla.
Primeramente demostramos que vale j = 1.
Obvio que el resultado se cumple y es trivial para el caso k = 1(un autovector |1 i que corresponde a
un autovalor 1 es obvia y trivialmente linealmente independiente).
Seguidamente supondremos que se cumple para j = k 1.
Esto es que si existen {|1 i , |2 i , |3 i , |k1 i} autovectores de A correspondientes a {1 , 2 , , k1 }
entonces los {|1 i , |2 i , |3 i , |k1 i} son linealmente independientes.

Luis A. N
un
ez

Universidad Industrial de Santander

222

M
etodos Matem
aticos de la Fsica

Ahora lo probaremos para j = k.


Por lo cual si tenemos k autovectores {|1 i , |2 i , |3 i , |k i}, podremos construir una combinaci
on
lineal con ellos y si esa combinaci
on lineal se anula seran linealmente independientes
cj |j i = 0

con j = 1, 2, , k

al aplicar el operador A a esa combinacion lineal, obtenemos


cj A |j i = 0

= cj j |j i = 0

multiplicando por k y restando miembro a miembro obtenemos


cj (j k ) |j i = 0

con j = 1, 2, , k 1

(n
otese que el u
ltimo ndice es k1) pero, dado que los k1 vectores |j i son linealmente independiente,
entonces tendremos k 1 ecuaciones cj (j k ) = 0 una para cada j = 1, 2, , k 1. Dado que
j 6= k necesariamente llegamos a que cj = 0 para j = 1, 2, , k 1 y dado que
cj |j i = 0

con j = 1, 2, , k

cj |j i = 0

= cj = 0

= cj 6= 0

con lo cual si
con j = 1, 2, , k

y los {|1 i , |2 i , |3 i , |k i} son linealmente independientes. Con lo cual queda demostrado el


teorema
Es importante acotar que el inverso de este teorema NO se cumple.
Esto es, si A :V m V n tiene {|1 i , |2 i , |3 i , , |n i} autovectores linealmente independientes. NO
se puede concluir que existan n autovalores, {1 , 2 , , n } , distintos correspondientes a cada uno de los
autovectores |j i .
El teorema anterior lo complementa el siguiente que lo presentaremos sin demostracion. Este teorema
ser
a de gran utilidad en lo que sigue.
Teorema Si la dim (V n ) = n cualquier operador lineal A :V n V n tendra un maximo de n autovalores distintos.
Adicionalmente, si A tiene precisamente n autovalores, {1 , 2 , , n } , entonces los correspondientes
n autovectores, {|1 i , |2 i , |3 i , , |n i} , forman una base para V n y la representacion matricial,
en esa base, del operador ser
a diagonal

i
A |j i = Aij = diag (1 , 2 , , n )

6.7.

Autovalores y Autovectores de un operador

Una vez m
as supongamos que A : V V y que dim V = n, supongamos ademas que {|e1 i , |e2 i , |e3 i , |en i}
es una base ortogonal para V. Por lo tanto la representacion matricial de la ecuacion de autovalores es la
siguiente


e A |ej i ej |i = ei |i
= Aij cj = ci
= Aij ji cj = 0

para con j = 1, 2, , n El conjunto de ecuaciones Aij ji cj = 0 puede ser considerado un sistema (lineal
y homogeneo) de ecuaciones con n inc
ognitas cj .

Luis A. N
un
ez

Universidad Industrial de Santander

223

M
etodos Matem
aticos de la Fsica

6.7.1.

El polinomio caracterstico.

Dado que un sistema lineal y homogeneo de ecuaciones con n incognitas tiene solucion si el determinante
de los coeficientes se anula tendremos que



Aij ji cj = 0
= det [A1] = 0 P () = det Aij ji = 0
Esta ecuaci
on se denomina ecuaci
on caracterstica (o secular) y a partir de ella emergen todos los autovalores
(el espectro) del operador A. Claramente esta ecuacion implica que

1
A1
A12

A1n

A21
A22
A2n



= 0 det Aij ji = 0

..
.
.


.
.


An
An
An
1

y tendr
a como resultado un polinomio de grado n (el polinomio caracterstico). Las races de este polinomio
ser
an los autovalores que estamos buscando. Es claro que estas races podran ser reales y distintas, algunas
reales e iguales y otras imaginarias.
Es importante se
nalar que

el polinomio caracterstico sera independiente de la base a la cual este referida


la representaci
on matricial wi A |wj i del operador A.

6.7.2.

Primero los autovalores, luego los autovectores

El procedimiento es el siguiente. Una vez obtenidos (los autovalores) las races del polinomio caracterstico, se procede a determinar el autovector, |j i , correspondiente a ese autovalor. Distinguiremos en
esta determinaci
on casos particulares dependiendo del tipo de raz del polinomio caracterstico. Ilustraremos
estos casos con ejemplos especficos para el caso especfico de matrices 3 3 a saber:
1. Una matriz 3 3 con 3 autovalores reales distintos

2
2 1 3

 i

i

e A |ej i = 1 2 3 = det Aj ji = 1
3
3 3 20

1
3
2
3
3
20




=0

con lo cual el polinomio caracterstico queda expresado como


3 242 + 65 42 = ( 1) ( 2) ( 21) = 0
y es claro que tiene 3 races distintas. Para proceder a calcular los autovectores correspondientes a cada
autovalor resolvemos la ecuaci
on de autovalores para cada autovalor. Esto es
a) 1 = 1

2
1
3

1
2
3

1 1
x
2x1 + x2 + 3x3
3
x
2
2

3
x
x
=
x1 + 2x2 + 3x3
3
3
x
3x1 + 3x2 + 20x3
20
x

=
=
=

x1
x2
x3

que constituye un sistema de ecuaciones algebraicas de 3 ecuaciones con 3 incognitas. Resolviendo


el sistema tendremos que

1
1
x
= 1
1 = 1 x2
x3 =1
0
1

con un escalar distinto de cero


Luis A. N
un
ez

Universidad Industrial de Santander

224

M
etodos Matem
aticos de la Fsica

b) 2 = 2

2
1
3

1
2
3

1
1
3
x
x
2x1 + x2 + 3x3
2
2

3
x
x
=2
x1 + 2x2 + 3x3
3
3
20
x
x
3x1 + 3x2 + 20x3

= 2x1
= 2x2
= 2x3

Resolviendo el sistema tendremos que

x1
2 = 2 x2
x3

2 =2

3
= 3
1

c) 3 = 21

2
1
3

1
2
3

1
1
3
x
x
2x1 + x2 + 3x3
2
2
3 x = 21 x x1 + 2x2 + 3x3
20
x3
x3
3x1 + 3x2 + 20x3

= 21x1
= 21x2
= 21x3

Resolviendo el sistema tendremos que

x1
3 = 21 x2
x3

1
= 1
6

3 =21

2. Una matriz 3 3 con 2 autovalores reales distintos, es decir una matriz con autovalores repetidos

4

3
1
4 3 1


 i


i
=0
1
0
e A |ej i = 4 1 0 = det Aj ji = 4

1
7
4
1 7 4
con lo cual el polinomio caracterstico queda expresado como
2

3 + 2 5 3 = ( + 3) ( 1) = 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 1 es un autovalor degenerado
de orden 2. Para proceder a calcular los autovectores correspondientes a cada autovalor resolvemos la
ecuaci
on de autovalores para cada autovalor. Esto es:
a) 1 = 3

4 3
4 1
1 7

1
1
1
x
x
4x1 3x2 + x3
2
2

x
4x1 x2
0
x
= 3

3
3
1
4
x
x
x + 7x2 4x3

=
=
=

3x1
3x2
3x3

Resolviendo el sistema tendremos que

x1
1 = 3 x2
x3

Luis A. N
un
ez

1 =3

1
= 2
13

Universidad Industrial de Santander

225

M
etodos Matem
aticos de la Fsica

b) 2 = 1 (autovalor degenerado de orden 2)

1 1
4 3 1
x
x
4x1 3x2 + x3
4 1 0 x2 = x2
4x1 x2
3
3
1
1 7 4
x
x
x + 7x2 4x3

=
=
=

x1
x2
x3

Resolviendo el sistema tendremos que

x1
2 = 1 x2
x3

2 =1

1
= 2
3

3. Otra matriz 3 3 con 2 autovalores reales distintos, es decir otra matriz con autovalores repetidos

2
1
1
2 1 1

 i


i
3
2 = 0
e A |ej i = 2 3 2 = det Aj ji = 2
3
3
4
3 3 4
con lo cual el polinomio caracterstico ahora queda expresado como
2

3 + 2 5 3 = ( 7) ( 1) = 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 1 vuelve a ser un autovalor
degenerado de orden 2. Para proceder a calcular los autovectores correspondientes a cada autovalor
resolvemos la ecuaci
on de autovalores para cada autovalor. Esto es:
a) 1 = 7

2
2
3

1
3
3

1
1
x
1
x
2x1 + x2 + x3
2
2
2 x = 7 x 2x1 + 3x2 + 3x3
4
x3
x3
3x1 + 3x2 + 4x3

= 7x1
= 7x2
= 7x3

Resolviendo el sistema tendremos que

x1
1 = 7 x2
x3
b) 2 = 1, el autovalor

2
2
3

degenerado

1 1
3 2
3 4

de orden 2

x1
x2 =
x3

1
= 2
3

1 =7

presenta una peque


na patologa. Veamos

x1
2x1 + x2 + x3 = x1
2
x
2x1 + 3x2 + 3x3 = x2
3
x
3x1 + 3x2 + 4x3 = x3

Resolviendo el sistema tendremos que

2 = 1

1
x
1

x2

= 0

x
1

2 =1
1

x2

x3

Luis A. N
un
ez

2 =1

0
= 1
1

Universidad Industrial de Santander

226

M
etodos Matem
aticos de la Fsica

con lo cual el autovector |2 i correspondiente al autovalor 2 = 1 se podra escribir como


1

x
1
0
|2 i = |21 i + |22 i x2
= 0 + 1
3
x
1
1
=1
2

4. Una matriz 3 3 con 1 autovalor real y dos autovalores complejos



1
2
3

i
 i
 1
i

3 1 2
e A |ej i =
= det Aj j = 3
2
2 3 1

2
3
1
2
3
1




=0

con lo cual el polinomio caracterstico queda expresado como



3 32 15 18 = ( 6) 2 + 3 + 3 = 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 6 es un autovalor real. Adicio 
nalmente existen dos autovalores complejos, uno el complejo conjugado del otro: = 21 3 + i 3


= 1 3 i 3 . Para proceder a calcular los autovectores correspondientes a cada autovalor rey
2
solvemos la ecuaci
on de autovalores para cada autovalor real. En este caso existe un u
nico autovalor
real = 6.
1
1

x
x
4x1 3x2 + x3 = 6x1
1 2 3
3 1 2 x2 = 6 x2
4x1 x2 = 6x2
2 3 1
x3
x3
x1 + 7x2 4x3 = 6x3
Resolviendo el sistema tendremos que


x1
1
= 6 x2
= 1
x3 =6
1

6.8.

Autovalores y Autovectores de Matrices Importantes

En esta secci
on presentaremos autovalores y autovectores de matrices importantes en Fsica

6.8.1.

Autovalores y Autovectores de Matrices Similares

Supongamos la representaci
on matricial de un determinado operador lineal A : V V y que dim V = n,
supongamos adem
as que {|e1 i , |e2 i , |e3 i , |en i} y {|w1 i , |w2 i , |w3 i , |wn i} son dos bases ortogonales
para V. Entonces


A |ej i = Alj |el i
con Aij = ei A |ej i
y
A |wj i = Alj |wl i


con Aij = wi A |wj i

ahora bien, cada uno de los vectores base |ej i y |wj i puede ser expresado en las otras bases {|w1 i , |w2 i , |w3 i , |wn i}
y {|e1 i , |e2 i , |e3 i , |en i} , respectivamente como

|wj i = clj |el i


l
m
m 1
= |wj i = clj cm
= clj cm
m
= cm
l |wm i
l =c
l cj = j
l = (cl )

|el i = cm
l |wm i
Luis A. N
un
ez

Universidad Industrial de Santander

227

M
etodos Matem
aticos de la Fsica

Las cantidades clj son escalares que pueden ser arreglados como una matriz. Esa matriz, adicionalmente es
no singular6 por ser una la representaci
on de una transformacion lineal que aplica una base en otra. Entonces
adem
as
|wj i = clj |el i

= A |wj i = clj A |el i

k
m k h
= Alj |wl i = cm
k |wh i
j Am |ek i = cj Am c
| {z }
jh

con lo cual
k l
Alj = cm
k
j Am c

= Alj = clk Akm cm


j

= Alj = clk

1

Akm cm
j

que puede ser expresada en el lenguaje de operadores, finalmente como


1
k

i
= C1 AC
e A |em i cm
A
w A |wj i = cik
j
De esta manera hemos demostrado el siguiente teorema.
Teorema Dadas dos matrices, nn, Alj y Aij las cuales corresponden a la representacion matricial de un operador
A en las bases ortogonales {|e1 i , |e2 i , |e3 i , |en i} y
{|w1 i , |w2 i , |w3 i , |wn i} , respectivamente. Entonces existe una matriz clj , no singular, tal que

i
1
k
= C1 AC
A
w A |wj i = cik
e A |em i cm
j
El inverso de este teorema tambien se cumple. Vale decir
Teorema Si dos matrices n n, Alj y Aij , est
an relacionadas por la ecuacion

i


= C1 AC
|wj i = cik 1 wk A |wm i cm
A
w A
j
y A representan el mismo operador lineal.
donde C es una matriz no singular, entonces A
Demostraci
on Para proceder a demostrarlo supondremos A : V V y que dim V = n, supongamos ademas que
{|e1 i , |e2 i , |e3 i , |en i} y {|w1 i , |w2 i , |w3 i , |wn i} son bases de V de tal forma

|wj i = clj |el i


l
m
m 1
= |wj i = clj cm
= clj cm
m
= cm
l |wm i
l =c
l cj = j
l = (cl )

m
|el i = cl |wm i
donde

clj = el |wj i

m
cm
l = (cl )

= hwm |el i

Supongamos que
A |ej i = Alj |el i
y

A |wj i = Alj |wl i


con Aij = ei A |ej i


|wj i
con Aij = wi A

al actuar A sobre |wj i tendremos


1

k l
m
A |wj i = clj A |el i = clj Akl |ek i = clj Akl cm
m
Akl clj |wm i
k |wm i = c
k Al cj |wm i = (ck )
{z
}
|
ji
hwi |A|w

Con lo cual A A
y queda demostrado el
que es exactamente la representaci
on matricial de A.
teorema.
6 det


cij 6= 0

Luis A. N
un
ez

Universidad Industrial de Santander

228

M
etodos Matem
aticos de la Fsica

Definici
on Dos matrices, Akl y Aij , n n, se denominara similares si existe una matriz no singular cik tal que

i


= C1 AC
|wj i = cik 1 wk A |wm i cm
A
w A
j
Podemos juntar los dos teoremas anteriores y afirmar que
Teorema Dos matrices, Akl y Aij , n n, similares representan la misma transformacion lineal.
Teorema Dos matrices, Akl y Aij , n n, similares tienen el mismo determinante.
Demostraci
on La demostraci
on es inmediata y proviene de las propiedades del determinante de un producto:
 


= det C1 AC = det C1 det (A) det (C) = det (A)
det A
Con lo cual es inmediato el siguiente Teorema
Teorema Dos matrices, Akl y Aij , n n, similares tienen el mismo polinomio caracterstico y con ello el mismo
conjunto de autovalores
Demostraci
on Es inmediato verificar que
1 = C1 AC 1 = C1 (A1) C
A
y dado que




1 = det C1 (A1) C = det C1 det (A1) det (C) = det (A1)
det A
y A, tendr
ambas matrices, A
an el mismo polinomio caracterstico y con ello el mismo conjunto de
autovalores.
Todos los teoremas de esta secci
on pueden ser resumidos en el siguiente teorema
Teorema Sea un operador lineal A : V V y que dim V = n, supongamos ademas que el polinomio caracterstico
tiene n races distintas, {1 , 2 , . . . , n } . Entonces tendremos que
Los autovectores {|u1 i , |u2 i , , |un i} correspondientes a los a {1 , 2 , . . . , n } , forman una base
para V.


La representaci
on matricial del operador uk A |um i en la base de autovectores
{|u1 i , |u2 i , , |un i}, ser
a diagonal


Akm = km = uk A |um i = diag (1 , 2 , . . . , n )


Cualquier otra representaci
on matricial, ek A |em i , del operador A en otra base de V, estara relacionada con la representaci
on diagonal mediante una transformacion de similaridad
1
k
= C1 AC diag (1 , 2 , . . . , n ) = cik
e A |em i cm
j
donde cm
j es la matriz, no singular y por lo tanto invertible, de cantidades que relacionan ambas bases

|uj i = clj |el i


m 1
l
m
cm
= cm
l = (cl )
l cj = j

m
|el i = cl |um i
Demostraci
on La demostraci
on, en terminos de los teoremas anteriores es inmediata y se la dejamos como ejercicio
al lector.
Luis A. N
un
ez

Universidad Industrial de Santander

229

M
etodos Matem
aticos de la Fsica

6.8.2.

Autovalores y Autovectores de Matrices Hermticas

Tal y como mencionamos con anterioridad un operador Hermtico cumple con


 
i

A = A =
A j = ei A |ej i = ej A |ei i = Aji
Esto es: el hermtico conjugado de una matriz, es su traspuesta conjugada. Por lo tanto las matrices Hermticas son simetricas respecto a la diagonal y los elementos de la diagonal son n
umeros reales.
Por su parte, llamaremos antihermtico a un operador que cumpla con
 


i

A = A =
A j = ei A |ej i = ej A |ei i = Aji
Teorema Suponga un operador Hermtico A = A tiene por autovalores {1 , 2 , . . . , n } . Entonces:
Los autovalores {1 , 2 , . . . , n } son reales.
Los autovectores {|u1 i , |u2 i , , |un i} , correspondientes a cada uno de los autovalores, seran ortogonales.
Demostraci
on:
Para demostrar que los autovalores {1 , 2 , . . . , n } son reales, proyectamos la ecuacion de autovalores
en cada uno de los autovectores:
A |i = |i

h| A |i = h |i

Ahora bien, dado que h |i es real, si demostramos que h| A |i estara demostrado que lo sera tambien. Pero como A es Hermtico

h| A |i = h| A |i = h| A |i

= h| A |i <

y por consiguiente los autovalores {1 , 2 , . . . , n } son reales. Mas a


un, si A es Hermtico, y como sus
autovalores son reales entonces
h| A = h| = h|

h| A |i = h |i

Para demostrar que los autovectores {|u1 i , |u2 i , , |un i} son ortogonales, consideremos dos autovectores con sus correspondientes autovalores de tal forma que se cumplen las siguientes ecuaciones
A |i = |i

A |i = |i

pero como A es Hermtico entonces se cumple que h| A = h| entonces multiplicando a la izquierda


por |i y a h| A = h| por h| la derecha.

(h| A = h|) |i
h| A |i = h |i
=
= ( ) h |i = 0

h| (A |i = |i)
h| A |i = h |i
y como hemos supuesto que 6= con lo cual h |i = 0 los autovectores correspondientes a dos
autovalores son ortogonales.

Luis A. N
un
ez

Universidad Industrial de Santander

230

M
etodos Matem
aticos de la Fsica

Existen situaciones en las cuales un determinado autovalor = 0 es


Consideremos una
 degenerado.

matriz n n, Aij , por lo cual el polinomio caracterstico P () = det Aij ji = 0 tendra una raz
degenerada de orden k n. Entonces el siguiente teorema garantiza la existencia de, al menos un subespacio
S (0 ) V n
n
n
Teorema Sea un operador
 i lineal
 A : V V con una representacion matricial n n tal que su polinomio
i
P () = det Aj j = 0 tiene al menos una raz degenerada = 0 , de orden k n. Entonces
existen k autovectores, no triviales, que cumplen con

A |j i = 0 |j i

con j = 1, 2, , k

Demostraci
on La demostraci
on tambien emerge de una variante del Metodo de Inducci
on Completa.
Para ello, probamos que se cumple para j = 1. Esta afirmacion es obvia. Si existe un = 0 existe
un 0 existe un |j i, tal que cumple con la ecuacion anterior el es linealmente independiente con el
mismo.
Suponemos que se cumple para 1 j = m k. Es decir existen m autovectores |j i de A para el
autovalor 0 . Definamos un subespacio S0 = S (0 ) V n donde
|j i S0

3 A |j i = 0 |j i

= A |j i S0

con j = 1, 2, , m, k

por lo tanto podremos separar V n como una suma directa entre el subespacio S0 y, N su complemento
ortogonal
V n = S0 N 3 A |j i = 0 |j i |i N = h |j i = 0
claramente S0 es un subespacio invariante de A por cuanto su accion se circunscribe dentro del mismo
subespacio S0 . Mostraremos que, para este caso por cuanto no es verdad, en general para operadores
no Hermticos. Entonces

h |j i = 0

= hj |i = 0 = hj | A |i = hj | A |i

A |j i = 0 |j i
de donde se concluye que el vector es ortogonal a S0 y por lo tanto esta en el complemento ortogonal,
A |i N como, por hip
otesis |i N . Esto implica que N tambien es un espacio invariante del
operador Hermtico A. Entonces el espacio V n puede expresarse como una suma directa de los dos
subespacios invariantes respecto al operador lineal A V n = S0 N y su representacion matricial en
la base de autovectores tendr
a la forma de una matriz diagonal a bloques:con lo cual
1

1 0
0

0
Q1 Q1m 0 0

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

. ..
.
.
. ..
.
0
.
m

j
0

0
Q1
Qm 0 0 0 1

u A |ui i = Aji
m+1
m+1

0
1 0 0 0 0 Rm+1 Rn

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

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

n
Rm+1

Rnn

donde Q
y R son matrices m m y (n m) (n m) , respectivamente. La matriz Q opera en

S0 mientras que R act


ua sobre el complemento ortogonal N . El polinomio caracterstico de A puede
expresarse como






P () = det Aij ji = 0 = P () = det Qij ji det Rji ji = 0

Luis A. N
un
ez

Universidad Industrial de Santander

231

M
etodos Matem
aticos de la Fsica



y como = 0 es la raz m
ultiple del polinomio caracterstico y que anula el det Qij ji tendremos
que


m
det Qij 0 ji = 0 = P () = ( 0 ) F () con F (0 ) 6= 0
donde 0 no es raz del polinomio F () . Ahora bien, para que se cumpla para j = k el polinomio
caracterstico es
j=k

= P () = ( 0 ) R ()

= ( 0 ) F () = ( 0 ) R ()

otra vez 0 no es raz del polinomio R () . La ecuacion anterior se cumple para todo en particular
para = 0 . Por lo tanto
km R ()
1 = ( 0 )
F ()
Es claro que = 0 obliga a k = m

6.8.3.

Autovalores y Autovectores de Matrices Unitarias

Tal y como mencionamos anteriormente, un operador sera unitario si su inversa es igual a su adjunto.
Esto es
U1 = U = U U = UU = 1
dado que los operadores unitarios conservan la norma de los vectores sobre los cuales ellos act
uan, i.e.

|
xi = U |xi
= h
y |
xi = hy| U U |xi = hy |xi

|
yi = U |yi
son naturales para representar cambios de base dentro de un espacio vectorial. De lo anterior se deduce que
si {|e1 i , |e2 i , |e3 i , |en i}es una base ortonormal, el conjunto de vectores transformados, |wj i = U |ej i ,
tambien son ortonormales:


|wj i = U |ej i = wi |wj i = wi U |ej i = ei U U |ej i = ji
Bases y operadores unitarios
Los operadores unitarios aplican vectores base de un espacio vectorial en otra. El siguiente Teorema lo
ilustra
Teorema La condici
on necesaria y suficiente para que un operador U : V n V n sea unitario es que aplique
vectores de una base ortonormal {|e1 i , |e2 i , |e3 i , |en i} en otra de {|w1 i , |w2 i , |w3 i , |wn i}
tambien ortonormal.
Demostraci
on Demostremos primero la condici
on necesaria: Si es unitario aplica una base en otra. Esto es, supongamos
que los vectores {|ej i} forman una base ortonormal para V n . Sean |i , y U |i V n . Estos vectores
pueden ser expresados en terminos de la base {|ej i} de V n . Por lo tanto, si seleccionamos U |i se
cumple que
U |i = cj |ej i

= UU |i = cj U |ej i = cj |wj i

= |i = cj |wj i

donde hemos aplicado el operador U a la ecuacion U |i = cj |ej i y el resultado es que el otro vector,
|i, tambien se pudo expresar como combinacion lineal de los vectores transformados {|wj i} de la
base {|ej i} . Y por lo tanto los {|wj i} tambien constituyen una base. Es decir, los operadores unitarios
Luis A. N
un
ez

Universidad Industrial de Santander

232

M
etodos Matem
aticos de la Fsica

aplican una base ortonormal en otra


La condici
on de suficiencia (Si aplica una base en otra es unitario) se puede demostrar como sigue. Si
{|ej i} y {|wj i} son bases ortonormales de V n y una es la transformada de la otra implica que
|wj i = U |ej i ;


|ej i ej = 1

hwj | = hej | U

con

i
e |ej i = ji ;

wi |wj i = ji ;


|wj i wj = 1

Por lo tanto,

U U |ej i = U |wj i = |ek i ek U |wj i = |ek i wk |wj i = |ek i jk = |ej i


Esto significa que U U = 1. De un modo equivalente, se puede demostrar que UU = 1. Veamos:

U |ej i = |ek i ek U |ej i = |ek i wk |ej i


y ahora, aplicando el operador U a esta ecuacion, tenemos

UU |ej i = U |ek i wk |ej i = |wk i wk |ej i = |ej i


Esto significa que est
a demostrado que U es unitario: U U = UU = 1.
Matrices unitarias
La representaci
on de una matriz unitaria en una base {|ej i} implica

j
Ujk = ek U |ej i ; hem | U |ej i = ej U |em i = Um
X

k
j
jk = ek |ej i = ek 1 |ej i = ek UU |ej i = ek U |em i hem | U |ej i =
Um
Um
m

jk = ek |ej i = ek 1 |ej i = ek U U |ej i = ek U |em i hem | U |ej i =


(Ukm ) Ujm
m

Una vez m
as, dado un operador lineal A, la representacion matricial del Hermtico conjugado de ese operador
A es la traspuesta conjugada de la matriz que representa al operador A. En el caso de operadores unitarios.
Con lo cual es f
acilmente verificable que una matriz sea unitaria. Basta comprobar que la suma de los
productos de los elementos de una columna (fila) de la matriz con los complejos conjugados de otra columna
(fila). Esa suma de productos ser
a
1. cero si las columnas (filas) son distintas
2. uno si las columnas (filas) son iguales
Ejemplos de matrices unitarias son las llamadas matrices de

cos sen
cos
R () = sen
0
0

rotacion. Alrededor del eje z tendremos que

0
0
1

y tambien la matriz de rotaci


on de una partcula de espn 12 en el espacio de estados
 i (+)

i
e 2
cos e 2 () sen
R(1/2) (, , ) =
i
i
e 2 () sen e 2 (+) cos
claramente se cumple la regla expuesta arriba.
Luis A. N
un
ez

Universidad Industrial de Santander

233

M
etodos Matem
aticos de la Fsica

Autovalores y Autovectores de Matrices Unitarias


Si |u i es un autovector, normalizado del operador U correspondiente a un autovalor u tendremos que
norma al cuadrado ser
a igual a
U |u i = u |u i

= h u | U U |u i = 1 = u u h u |u i = u u

= u = eiu

con u una funci


on real. Por lo cual podemos concluir que, necesariamente, los autovalores de los operadores
unitarios Dser
an n
umeros complejos de m
odulo 1. Cuando los autovalores son diferentes, digamos u0 6= u,
u0
entonces |u i = 0. Con lo cual los autovectores de un operador unitarios son ortogonales.
Transformaci
on unitaria de Operadores Hemos visto como las transformaciones unitarias permiten
construir bases ortogonales {|
em i} para el espacio vectorial V n partiendo de otra base {|em i} tambien
ortogonal. En esta subsecci
on mostraremos como transforman los operadores lineales bajo transformaciones
unitarias.
Definici
on Dadas dos bases ortonormales {|ej i} y {|wk i} en V n con |wj i = U |ej i, un operador lineal unitario
: Vn
U : V n V n .y un operador lineal A : V n V n . Definiremos al operador transformado A
n
V como aquel cuya
representaci
on matricial en la base {|wk i} es la misma que en la base {|ej i}:


|wi i = ej A |ei i
w A
A partir de esta definici
on es f
acil concluir que


|ei i = ej A |ei i
|wi i = ej U AU
w A

=A
= U AU

= UAU
A

= UAU corresponde a la definicion de la transformacion de un operador A


Por lo tanto la ecuaci
on A
mediante un operador unitario U . Es f
acil identificar las propiedades de estos operadores transformados.
Veamos
Hermtico conjugado y Funciones de un Operador transformado:
  

]
)
= UAU = U A U =(A
A

en particular se sigue de esta propiedad que si A = A , es Hermtico tambien lo sera A


A = A
Del mismo modo

con lo cual

 
= A

 2 


2)
]
= UAU UAU = UA2 U =(A
A

 n 
 n2 

n)
]

A
= UAU UAU = UAn U =(A

 

= F (A) = F A

donde F (A) es una funci


on del operador A.

Luis A. N
un
ez

Universidad Industrial de Santander

234

M
etodos Matem
aticos de la Fsica

Autovalores y autovectores deEun operador transformado Sera un autovector | i de A corres


pondiente a un autovalor , y sea el transformado de | i mediante el operador unitario U. Entonces
E
E 

= UAU U | i = UA | i = U | i =
A | i = | i = A
E
E
E

con el mismo autovalor : = . Equicon lo cual es claro que es un autovector de A
valentemente podemos afirmar que los autovectores transformados de A, seran autovectores del operador

transformado, A.

6.9.

Conjunto Completo de Observables que conmutan



Definici
on Diremos que un operador A : V n V n es un observable si el conjunto de autovectores u i| de
un operador Hermtico A, forman una base de V n .


D





D



A ui () = ai ui ()
= ui () ui () = 1
ui () uj () = ji
donde el ndice indica el grado de degeneracion del autovalor ai .
Un ejemplo trivial de un observable lo constituyen los proyectores, P|i = |i h| con h| i = 1.
Claramente, la ecuaci
on de autovalores para un proyector obliga a que tenga dos autovalores 0 y 1. El
autovalor nulo es infinitamente degenerado y esta asociado a todos los vectores ortogonales a |i, mientras
que el autovalor 1 corresponde a un autovalor simple y esta asociado a todos los vectores colineales al mismo
vector |i. Esto es
P|i |i = |i y P|i |i = 0 si h| i = 0
M
as a
un, sea un vector arbitrario |i V n . Siempre se podra expresar como
 

|i = P|i |i + 1 P|i |i = P|i |i = P|i |i + 1 P|i |i

 
P|i |i = P|i P|i |i + P|i P2|i |i = P|i |i


= P|i P|i |i = P|i |i

ya que P2|i = P|i , por definici


on de proyector. Entonces, se deduce que P|i |i es un autovector de P|i

con autovalor 1. Igualmente 1 P|i |i es un autovector de P|i con autovalor 0, y la demostraci
on es
inmediata



P|i 1 P|i |i = P|i P2|i |i = 0
Para el caso de autoespacios correspondientes a autovalores degenerados se puede definir un observable A
de la forma


X
D

A=
ai Pi con Pi = () ()
y = 1, 2, , k
i

Observables que Conmutan


Teorema Si dos operadores lineales A y B, operadores Hermticos, conmutan, [A, B] = 0,y |i es autovector de
A con autovalor a, entonces B |i tambien sera autovector de A con el mismo autovalor a.
Demostraci
on La demostraci
on es sencilla
A |i = a |i
Luis A. N
un
ez

= B (A |i = a |i)

= BA |i = A (B |i) = a (B |i)

Universidad Industrial de Santander

235

M
etodos Matem
aticos de la Fsica

Ahora bien, de esta situaci


on se pueden distinguir un par de casos:
si el autovalor a es no degenerado los autovectores asociados con este autovalor son, por definici
on,
colineales con |i . Por lo tanto B |i , sera necesariamente colineal con |i . La conclusion a esta
afirmaci
on es que NECESARIAMENTE |i es autovector de B
si el autovalor a se degenerado, B |i Sa , es decir B |i esta en el autoespacio Sa con lo cual Sa es
globalmente invariante bajo la acci
on de B.
Teorema Si dos observables A y B conmutan, [A, B]
= 0, y si |1 i y |2 i son autovectores de A para autovalores
distintos, entonces el elemento de matriz 1 B |2 i = 0
Demostraci
on Si A |1 i = a1 |1 i y A |2 i = a2 |2 i entonces


0 = 1 [A, B] |2 i = 1 AB BA |2 i = 1 A B |2 i 1 B (A |2 i)


= a1 1 B |2 i a2 1 B |2 i = (a1 a2 ) 1 B |2 i = 1 B |2 i = 0
Teorema Si dos observables A y B, operadores Hermticos, conmutan, [A, B] = 0, los autovectores {|i i}
comunes a A y B constituyen una base ortonormal para V n .


Demostraci
on Denotemos los autovectores de A como i () , de tal modo




donde i = 1, 2, .., n kn + 1 y = 1, 2, .., kn
A i () = ai i ()
kn indica
on de un determinado autovalor an . Dado que A es un observable

el orden de la degeneraci
los i () forman base los Claramente,
D


i () j () = ji

y dado que los elementos de matriz i () B j () = ji esto quiere decir que los elementos

i ()
B j () = B i () ser
an nulos para i 6= j pero no podemos decir nada a priori para el

j ()

caso 6= y i = j. Entonces, al ordenar la base, en general










1 (1) , 1 (2) , 1 (k ) , 2 (1) , 2 (2) , , 2
1
para el caso que consideraremos ser
a




1 (1) , 1 (2) , 1 (3) , 2

(k2 )


, , 3

(1)


, nkn

(1)







, 2 (2) , 3 (1) , 4 (1) , 4 (2) , 5 (1)

y la representaci
on matricial de B en esa base, i () B j () , tendra la forma de una matriz
diagonal a bloques
1 (1)

1 (1)
1 (1)
B1 (1) B1 (2) B1 (3)
0
0
0
0
0
0
1 (2)

(2)
1 (2)
B1 (1) B11 (2)

B1 (3)
0
0
0
0
0
0

B 1 (3) B 1 (3) B 1 (3)

0
0
0
0
0
0
1 (1)

1 (2)
1 (3)

2
(1)
2
(1)

0
0
0
B2 (1) B2 (2)
0
0
0
0

2 (2)
2 (2)
0
0
0
B2 (1) B2 (2)
0
0
0
0

3 (1)

0
0
0
0
0
B
0
0
0

3 (1)

4 (1)
4 (1)

0
0
0
0
0
0
B4 (1) B4 (2)
0

4 (2)
4 (2)

0
0
0
0
0
0
B4 (1) B4 (2)
0

5 (1)
0
0
0
0
0
0
0
0
B5 (1)

Luis A. N
un
ez

(1)

Universidad Industrial de Santander

236

M
etodos Matem
aticos de la Fsica

Tal y como hemos mencionado los subespacios: E1 , E2 , y E4 corresponden a los autovalores degenerados
a1 , a2 , y a4 (de orden 3, 2 y 2 respectivamente).
Una vez m
as surgen dos casos a analizar
Si an es un autovalor no degenerado, entonces existe un u
nico autovector asociado a este autovalor (la
dimensi
on del autoespacio es 1 esto es kj = 1 y no hace falta). Esto corresponde al ejemplo hipotetico
de arriba para los autovalores simples a3 , y a5
Si an es un autovalor degenerado, entonces existe un conjunto de autovectores

asociados a este autovalor
an (en este caso la dimensi
on del autoespacio es kn ). Como los j () son autovectores de A su
representaci
on matricial sere diagonal a bloques. Ahora
bien, como el autoespacio Sa es globalmente


i ()
invariante bajo la acci
on de B y Bj () = i () B j () es Hermtico, por ser B Hermtico entonces


B es diagonalizable dentro del bloque que la define. Es decir, se podra conseguir una base j () tal
que la representaci
on matricial de B en esa base es diagonal


D
D




i ()
i () = bj () ji
Bj
= i () B j ()
= i () B j () = B
j ()

que no es otra cosa que los vectores j

seran autovectores de B




B j () = bj () j ()


Es importante recalcar que los autovectores j () de A asociados con un autovalor degenerado NO
son necesariamente autovectores de B. Solo que como B es Hermtico puede ser diagonalizado dentro
del autoespacio.
()

De ahora en adelante

denotaremos los autovectores comunes a dos operadores A y B con distintos
autovalores como u i|j () tal que








y
B u n|m () = bm u n|m ()
A u n|m () = an u n|m ()
donde hemos dejado espacio para permitir la degeneracion la cual sera indicada por el ndice
La prueba del inverso del teorema anterior es bien simple


Teorema Si existe una base de autovectores uj () comunes a A y B, entonces A y B conmutan, [A, B] = 0
Demostraci
on Es claro que

AB u n|m

BA u n|m





= bm A u n|m () = bm an u n|m ()







() = an B u n|m () = an bm u n|m ()

()

restando miembro a miembro obtenemos de manera inmedita







(AB BA) u n|m () = [A, B] u n|m () = (bm an an bm ) u n|m

()

=0

Definici
on Diremos que {A, B, C, D } constituye un conjunto completo de observables que conmuntan si
1. Obviamente los operadores del conjunto conmuntan entre ellos:
[A, B] = [A, C] = [A, D] = [B, C] = [B, D] = [C, D] = = 0

Luis A. N
un
ez

Universidad Industrial de Santander

237

M
etodos Matem
aticos de la Fsica

2. Al especificar el conjunto de autovalores para los operadores


{an , bm , ck , dl , } se especifica de manera unvoca un u
nico autovetor com
un a todos estos
operadores


{an , bm , ck , dl , } = u n|m|k|l ()
Analicemos los siguientes ejemplos. Considere, que el espacio de estados para un determinado sistema
fsico viene expandido por una base ortonormal {|u1 i , |u2 i , |u3 i}. Definimos dos operadores Lz y S de la
siguiente manera
Lz |u1 i = |u1 i ;
S |u1 i = |u3 i ;

Lz |u2 i = 0;
S |u2 i = |u2 i ;

Lz |u3 i = |u3 i
S |u3 i = |u1 i

En la base ortonormal {|u1 i , |u2 i , |u3 i} las representaciones matriciales para Lz , L2z , S y S2 seran las siguientes

1 0 0
1 0 0

i 2
u Lz |uj i = 0 0 0 ,
u Lz |uj i = 0 0 0
0 0 1
0 0 1

i
u S |uj i = 0
1

0
1
0

1
0 ,
0

i 2
u S |uj i = 0
0

0
1
0

0
0
1

Es claro que estas matrices son reales y simetricas y, por lo tanto, son Hermticas y, al ser el espacio de
dimensi
on finita, deben ser diagonalizables y sus autovectores formaran base para ese espacio. Por lo tanto,
Lz , L2z , S y S2 son observables.
Cu
al ser
a la forma m
as general de una representacion matricial de un operador que conmunte con Lz ?
Notamos que los vectores de la base ortonormal {|u1 i , |u2 i , |u3 i} son autovectores para Lz con autovalores
{1, 0, 1} con lo cual su representaci
on matricial tiene que ser diagonal. Recuerde que si dos observables A
y B conmutan, [A,
B] =
0,
y
si
|
i
y |2 i son autovectores de A para autovalores distintos, entonces el
1

elemento de matriz 1 B |2 i = 0, con lo cual

M11
0
0

i
M22
0 ,
[M, Lz ] = 0

u M |uj i = 0
0
0
M33
Esto se desprende de manera directa de


0 = ui [M, Lz ] |uj i = ui MLz Lz M |uj i = (j i ) ui M |uj i

con (j i ) 6= 0

para i 6= j

Si nos planteamos la misma pregunta para L2z , vemos que sus autovalores son {1, 0}. Esto es
L2z |u1 i = |u1 i ;

L2z |u2 i = 0;

L2z |u3 i = |u3 i ;

con lo cual tendremos que la representacion matricial para ese operador que conmute con L2z , no es diagonal.
Esto es

1
0 N31
N1

[N, L2z ] = 0

ui N |uj i = 0 N22 0 ,
N13 0 N33

Luis A. N
un
ez

Universidad Industrial de Santander

238

M
etodos Matem
aticos de la Fsica

ya que


u1 N |u3 i = u1 N |u3 i


0 = u1 [N, L2z ] |u3 i

y vale para cualquier elemento N31 (y equivalentemente para N13 ). Adicionalmente, si ordenamos la base de
autovectores de Lz , como {|u1 i , |u3 i , |u2 i} tendremos como representacion matricial diagonal a bloques,
correspondiente a un autorvalor degenerado 1,
1

N1 N31 0

i
|uj i = N13 N22 0 ,
u N
0
0 N33
Finalmente, la representacion matricial, mas general, de un operador que conmute con S 2 es

1
P1 P21 P31

[P, S2 ] = 0

ui P |uj i = P12 P22 P32 ,


N13 P23 P33
Ahora intentaremos construir una base comun de autovectores para L2z y S. Para ello notamos que |u2 i
es un autovector comun a L2z y S, por lo tanto existira un subespacio expandido por {|u1 i , |u3 i}. En ese
subespacio las respresentaciones matriciales para L2z y S, seran





i 2

i
1 0
0 1
u Lz |uj iS13 =
u S |uj iS13 =
0 1
1 0
Acto seguido planteamos el problema de autovalores para S, esto es

S |qj i = j |uj i

0
1

1
0



q1
q2



q1
=
q2

|q2 i =

1
2

(|u1 i + |u3 i)

|q3 i =

1
2

(|u1 i |u3 i)

con lo cual tendremos


Autovectores
|q1 i = |u2 i
|q2 i = 12 (|u1 i + |u3 i)
|q3 i = 12 (|u1 i |u3 i)

Autovalor L2z
0
1
1

Autovalor S
1
1
-1

Cuadro 6.1: Dado que no hay lineas repetidas L2z y S forman un CCOC

Figura 6.1: Osciladores armonicos acoplados


Consideremos otro ejemplo proveniente de la Mecanica Clasica. Se trata de dos osciladores armonicos,
de igual masa, acoplados con resortes con la misma constante elastica k 7 . La ecuaciones de movimiento para
7 Pueden consultar una animaci
on bien interesante y simular en http://qbx6.ltu.edu/s_schneider/physlets/main/
coupledosc.shtml

Luis A. N
un
ez

Universidad Industrial de Santander

239

M
etodos Matem
aticos de la Fsica

este sistema son


m
x1 + kx1 k(x2 x1 ) = 0

y m
x2 + kx2 + k(x2 x1 ) = 0

con lo cual podremos expresar esta ecuaci


on en forma de operadores
2

D |xi = 0

d
m dt
2 + 2k
k

k
d2
m dt2 + 2k

!

x1
x2


=0

Si pensamos esta ecuaci


on como una ecuacion de autovalores, el autovalor es claramente = 0 y como las
masas y las constantes el
asticas son iguales podemos intercambiar las partculas y la fsica (las ecuaciones
de movimiento) no cambian. Esto se puede expresar matematicamente como el operador permutacion de las
partculas



 1   2 
0 1
0 1
x
x
P=

=
1 0
1 0
x2
x1
Es inmediato comprobar que [D, P] = 0 con lo cual existira una combinacion lineal de autovectores de D
(asociados con el autovalor = 0 ) los cuales tambien seran autovectores de P. Para ello procedamos a
calcular los autovalores y autovectores de P






1
1
1
1
= 0 1 |u1 i = 1

;
|u
i
=
.
P |xi = |xi
2
1
1
1
2
2
f
acilmente podemos expresar el vector posicion como una combinacion lineal de estos dos autovectores de P.
Esto es

1




 1 
1 = 2 (x1 + x2 )

1
1
x
2
1
+

=
1
1
x2

2
2
2 = 12 (x1 x2 )
Es claro que
1
|u1 i = (x1 + x2 )
2

1
1


;

1
|u2 i = (x1 x2 )
2

1
1


.

son autovectores de P y D

Luis A. N
un
ez

Universidad Industrial de Santander

240

Bibliografa
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid ) QA300 A66C3 1972
[2] Arfken, G. B. y Weber, H. (2000) Mathematical Methods for Physicists 5ta Edicion (Academic
Press, Nueva York)
[3] Cohen-Tannoudji, C., Diu B. y Laloe (1977) Quantum Mechanics Vol 1 (John Wiley Interscience,
Nueva York )
[4] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva York ).
[5] Jordan, T.F. (1969) Linear Operator for Quantum Mechanics (John Wiley & Sons Interscience,
Nueva York ).
[6] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)

241

Captulo 7

Serie de Series

242

M
etodos Matem
aticos de la Fsica

7.1.

Series por todos lados

Las series o sucesiones se nos presentan casi por todos lados en Fsica. Cuando no sabemos resolver un
problema analticamente, lo m
as cercano seran las soluciones por series, por cuanto las series nos ayudar
an
a definir funciones y a estudiar su continuidad o derivabilidad.
Representaremos unas serie como
Si =

i
X

i=N
i

an

n=1

= la serie es finita con N elementos


= la serie es infinita

Nos van a interesar las series infinitas, ellas contienen a las series finitas a las cuales llamaremos sumas
parciales. Una serie infinita S la podremos separar en sumas parciales finitas Si , y si la suma parcial
converge a un n
umero finito S cuando i diremos que la serie converge. Si no, diremos que diverge. Se
dir
a que la serie diverge si el valor de la sumatoria aumenta indeteniblemente, pero tambien puede oscilar,
con lo cual tampoco converge.
Si =

i
X

(1)n = 1 1 + 1 1 + + (1)i +

n=1

Esto se puede formalizar un poco diciendo que la condicion para la existencia de un lmite S es que para
cada  > 0 existe un n
umero N = N () tal que
kS Si k <  para i > N

kSj Si k <  para, todo i, j > N

Esta afirmaci
on se denomina criterio de Cauchy 1 sobre la convergencia de las series parciales. Esto es, la
condici
on necesaria y suficiente para que una suma parcial Si converja y quiere decir que las sumas parciales
convergen a medida que avanzamos en los terminos de la serie.

7.1.1.

La Suma de la Serie

De las series nos intereser


a conocer cuanto suman. Es decir, cual es el valor de Si para una serie finita
cuando i = N Pero tambien estaremos interesados en conocer cuanto suma una serie infinita. Empecemos
con las finitas.
Las Series de Siempre
De siempre hemos conocido algunas series emblematicas
Serie aritm
etrica Desde siempe hemos odo hablar de progresiones aritmeticas. Ellas son, sencillamente
SN =

N
1
X

(a + nd) = a + (a + d) + (a + 2d) + (a + 3d) + (a + 4d) + + [a + (N 1)d] .

n=0

Es f
acil comprobar que al desarrollar la serie en orden inverso y sumar ambas
SN =
SN =

a
[a + (N 1)d]

+(a + d)
+ [a + (N 2)d]

+(a + 2d)
+ [a + (N 3)d]

+(a + 3d)
+
+ [a + (N 4)d] +

+ [a + (N 1)d]
+a

1 Augustin Louis Cauchy Paris, 1789 - 1857, matem


atico franc
es pionero en los estudios de an
alisis (real y complejo) y de la
Teora de los Grupos de Permutaci
on. Cauchy hizo aportes importantes en los criterios de convergencia y divergencia de series
infinitas, as como tambien, en ecuaciones diferenciales, determinantes, probabilidades y Fsica Matem
atica

Luis A. N
un
ez

Universidad Industrial de Santander

243

M
etodos Matem
aticos de la Fsica

Con lo cual
SN =

N
N
[a + a + (N 1d)] SN =
[Primer Termino + Ultimo Termino]
2
a

obviamente, si N la serie diverge.


Serie Geom
etrica

De esta tambien sabemos desde siempre....


SN = a + ar + ar2 + ar3 + + arN 1 =

N
X

ari

i=0

y si restamos
SN = a
rSN = ar

+ar2
+ar3

+ar
+ar2

+ar3
+ar4

+
+

+arN 1
+arN

tambien es inmediato comprobar que si krk < 1


SN =

a(1 rN )
1r

a
1r

con lo cual tendremos que la suma de la serie seraS = lm SN =


N

y, diverger
a (u oscilar
a) si krk > 1
Series Aritm
etico-geom
etricas Estas series, un poco mas exoticas y como su nombre lo sugiere son
una combinaci
on de las anteriores. Estos es
2

SN = a + (a + d)r + (a + 2d)r + (a + 3d)r + (a + 4d)r + + [a + (N 1)d] r

N
1
X

(a + nd)rn

n=0

y con la misma estrategia de las geometricas se llega a encontrar el valor de su, nada intuitiva, suma
SN =

a [a + (N 1)d] rN
rd(1 rN 1 )
+
1r
(1 r)2

Otra vez, si si krk < 1 entonces cuando N


S=
Ejercicios

a
rd
+
1 r (1 r)2

Algunos ejercicios (respectivos) de las situaciones anteriores lo constituyen

1. Encuentre la suma de los 100 primeros enteros


2. Encuentre la distancia total que recorre una pelota que rebota verticalmente y que en cada rebote
pierde 2/3 de su energa cinetica
3. Encuentre la suma de la serie S = 2 +

Luis A. N
un
ez

5
2

8
4

11
8

Universidad Industrial de Santander

244

M
etodos Matem
aticos de la Fsica

Serie Arm
onica Quiz
a no la conocamos con este nombre (y menos por sus propiedades) pero seguro nos
la hemos tropezado

X
1 1 1 1
1
1
1 + + + + + + =
2 3 4 5
n
n
n=1
Esta serie es enga
nosa, en apariencia parece converger, pero no es as. Si analizamos con mas cuidado,
veremos que hay sutilezas

 
 


X
1 1
1
1
1 1 1 1
1
1
1
+
=1+
+
+
+ + +
+
+
+ +
+
n
2
3 4
5 6 7 8
9 10
16
|{z}
n=1
| {z } |
{z
} |
{z
}
s0

s1

s2

s3

y puede ser reescrita como


n

2
X
1
1
1
1
1
1
1
1
1
1
1
+
+
+
+
+
+
+
+
+ +
+ +
+
1+
n
1+1 2+1 2+2 4+1 4+2 4+3 4+4 8+1 8+2
8+8
2 +j
j=1
| {z } |
{z
} |
{z
} |
{z
}
s0

s1

s2

con lo cual
s0 =

1
;
2

s1 =

s3

7
1
> ;
12
2

s2 =

533
1
> ;
840
2

s3 =

95549
1
> ;
144144
2

y claramente diverge ya que


1 + s0 + s1 + s2 + s3 + > 1 +

1 1 1 1
+ + + +
2 2 2 2

Esta prueba aparentemente se le debe a P


Nicole DOresme2 . Una de las generalizaciones de la serie harm
onica

3
es la funci
on Zeta de Riemann (p) = n=1 np , la cual analizaremos mas adelante en la seccion 7.1.3.
El m
etodo de la diferencia
PN
A veces para una serie SN = n=1 an uno encuentra que para el termino n-esimo an = f (n) f (n 1)
para alguna funci
on. En ese caso es inmediato demostrar
SN =

N
X
n=1

an = f (N ) f (0)

SN =

N
X
n=1

an =

m
X

f (N k + 1)

i=1

m
X

f (1 k)

(7.1)

i=1

m
as a
un, se puede ir m
as all
a. Si identificamos que el termino n-esimo tiene la forma de an = f (n)f (nm)
es f
acilmente demostrable que la suma de la serie se puede escribir como la segunda ecuacion de (7.1). Hay
que hacer notar que el argumento n m puede ser positivo o negativo. Con lo cual el metodo de la diferencia
resulta vers
atil y muy u
til cuando se requiere encontrar la suma de series de variada dificultad
2 Nicole DOresme (1323-1382) Matem
atico franc
es que invent
o la geometra coordenada antes de Descartes. M
as detalles en http://www-history.mcs.st-and.ac.uk y m
as detalles sobre la serie harm
onica en http://mathworld.wolfram.com/
HarmonicSeries.html
3 Georg Friedrich Bernhard Riemann 1826 Hanover, Alemania - 1866 Selasca, Italia, Matem
atico alem
an cuyas ideas
sobre las geometra del espacio han tenido un profundo impacto en el desarrollo de la Fsica Te
orica. Igualmente clarific
o la
noci
on de integral al introducir el concepto de lo que hoy se conoce como integral de Riemann.
M
as detalles en http://www-history.mcs.st-and.ac.uk

Luis A. N
un
ez

Universidad Industrial de Santander

245

M
etodos Matem
aticos de la Fsica

As, la suma de la serie


SN

N
X

1
1
=
an =
=
n(n
+
1)
n(n
+ 1)
n=1

1
1

n+1 n


f (n) =

1
n+1

se podr
a expresar como
SN = f (N ) f (0) =

1
N
+1=
N +1
N +1

Tambien siguiendo la estrategia de la expansion en fracciones simples se puede encontrar que




N
X
1
1
1
1
1
SN =
an =
=

f (n) =
n(n + 2)
n(n + 2)
2(n + 2) 2n
2(n + 2)
n=1
de forma y manera que
SN = f (N ) + f (N 1) f (0) f (1) =

3 1

4 2

1
1
+
N +2 N +1

Con alguna frecuencia surgen las series de n


umeros naturales. La mas simple es
SN = 1 + 2 + 3 + + N =

N
X

n=

n=1

N (N + 1)
2

una serie aritmetrica de razon d = 1

o tambien m
as interesante puede ser la serie de cuadrados de n
umeros enteros
SN = 1 + 22 + 32 + + N 2 =

N
X

n2 =

n=1

N (N + 1)(2N + 1)
6

Este resultado, nada intuitivo, surge de la aplicacion ingeniosa del metodo de la diferencia. Tal y como hemos
dicho, se trata de encontrar que el elemento generico de la serie an = f (n) f (n 1) = n2 para alguna
funci
on. Suponga una funci
on del tipo
f (n) = n(n + 1)(2n + 1)

f (n) f (n 1) = 6n2

f (n 1) = (n 1)n(2n 1)

con lo cual
an = n2 =
Ejercicio

N (N + 1)(2N + 1)
6

SN =

Muestre que SN = 1 + 23 + 33 + + N 3 =

f (N ) f (0)
N (N + 1)(2N + 1)
=
6
6
PN

n=1

n3 =

P

N
n=1

2
n =

N 2 (N +1)2
4

Sumando por analoga


Como siempre, intentaremos proceder por analoga. La intencion es expresar una serie complicada como
sumas de series conocidas. Considere el siguiente ejemplo
!
!
!
N
N
N
N
N
X
X
X
X
X

SN =
(n + 1)(n + 3) =
n2 + 4n + 3 =
n2 +
4n +
3
n=1

n=1

n=1

n=1

n=1

con lo cual

SN =

Luis A. N
un
ez

N (N + 1)(2N + 1)
6


+

N (N + 1)
2


+ (3N ) =

N (2N 2 + 15N + 31)


6

Universidad Industrial de Santander

246

M
etodos Matem
aticos de la Fsica

7.1.2.

Algebra Elemental de Series

Las series se suman, se igualan y se multipilican. Para ello es importante


que tengamos
P
P cuidado con los
ndices y sus valores. Consideremos un par de series infinitas S = n=0 an y S = n=0 bn con lo cual la
suma de esas series ser
a

X
X
X
S + S =
an +
bn =
(an + bn )
n=0

n=0

n=0

Los ndices son mudos y se acomodan para ser sumados. Para sumar series es imperioso que los ndices de
cada serie comiencen con el mismo valor esto es

P
S = n=0 an

X
X
X
X

a
+
b
=
(a
+
b
)
=
a
+
(an + bn )
n
j
n1
n
0
P

n=0
n=1
n=1
j=1
S = n=1 bn
n
otese que hemos hecho j = n y n = n 1.
Algo parecido ocurre cuando las series se igualan

bn =

n=0

nan

bn =

n=0

n=1

(k + 1)ak+1

k=0

((n + 1)an+1 + bn ) = 0

n=0

Para finalizar se puede comprobar que las series y tambien se pueden multiplicar
"
#" #

h i
X
X
X
[S ] S =
an
bn =
cn donde cn = a0 bn +a1 bn1 + +aj bnj + +an2 b2 +an1 b1 +an b0
n=0

7.1.3.

n=0

n=0

Criterios de Convergencia

S
olo podremos calcular la suma de algunas series, en la mayora nos sera imposible y nos tendremos que
conformar con saber si convergen o no, o peor a
un, si una suma parcial converge sin poder calcular el valor
de esa suma. Los terminos de una serie pueden ser positivos, negativos o n
umeros complejos y las series
pueden converger (decrecer o crecer hacia un valor finito) diverger (incrementar o decrecer indefinidamente)
u oscilar, Existen una serie de criterios y teoremas de aplicacion general que expondremos a continuaci
on.
Convergencia Absoluta o Condicional
Pi
Para estudiar la convergencia de una serie dada i.e. n=1 ai siempre podremos asociarle otra de la forma
la positividad (y que sean n
umeros
n=1 kai k, es decir la serie de valores absolutos, con lo cual garantizamos
Pi
reales) de los terminos de la serie. Si la serie de los valores absolutos n=1 kai k converge, entonces tambien
Pi
coverger
a la serie original n=1 ai y diremos que esa serie es absolutamente convergente. Sin embargo si la
Pi
serie de valores absolutos diverge, no podremos decir que n=1 ai siempre converja. De hecho si converge
diremos que es condicionalmente convergente y, con un rearreglo de sus terminos podra converger, diverger
u oscilar.
Para una serie de terminos positivos el criterio de convergencia mas intuitivo (necesario pero no suficiente)
es que en lmite cuando n el termino nesimo tienda a cero, i.e. lmn an = 0. Con lo cual tenemos
que si esta condici
on no se satisface, la serie diverge.
Pi

Luis A. N
un
ez

Universidad Industrial de Santander

247

M
etodos Matem
aticos de la Fsica

Criteterio de Comparaci
on
En segundo lugar de simplicidad est
a el criterio de comparacion entre un par de series de terminos
positivos. Si conocemos el comportamiento de una
P de ellas comparamos el de la otra. Esto es, suponga que
consideremos dos serie, una de prueba S = n=0 an y una serie conocida y convergente (o divergente)
P
S = n=0 an , entonces
Si S =

an converge y n se tiene que an > an

n=0

an >

n=0

an

S converge

n=0

Por otro lado


Si S =

an diverge y n se tiene que 0 6 an 6 an

n=0

an 6

n=0

an

S diverge

n=0

Para ilustrar esta estrategia consideremos las siguientes series


S

X
1
1
1 1 1
+ =
= + + +
2 3 7 25
n!
+1
n=1

En ese caso compararmos con con una serie conocida

X
1
1
1
1
1
1
1
=
+ + + + = 1 + 1 + + + = 1 + e
n!
0! 1! 2! 3!
| 2! {z3!
}
n=0
e

y es claro que la serie indicada no es otra cosa que e, con lo cual la serie claramente converge y su suma es
1 + e.
Criterio de la Raz
P
Dada una serie de terminos positivos S =
z (o tambien de la raz de
n=0 an , el criterio de la ra
Cauchy) puede resumirse en el siguiente par de afirmaciones. Si
1

(an ) n 6 < 1
1

(an ) n > 1
1

(an ) n = 1

para un valor de n suficientemente grande y independiente de n = converge


para un valor de n suficientemente grande y independiente de n = diverge
para un valor de n suficientemente grande y independiente de n = diverge o converge

Otra forma, m
as compacta de expresarlo sera

Si = lm (an ) n
n

entonces, si

< 1 = converge

> 1 = diverge

= 1 = converge o diverge

Es f
acil ver que si utilizamos el criterio de comparacion, entonces

cuando < 1
1
(an ) n 6
an 6 n

cuando > 1
Luis A. N
un
ez

la serie converge
la serie diverge

Universidad Industrial de Santander

248

M
etodos Matem
aticos de la Fsica

Criterio de DAlembert
P
4
Dada una serie de terminos positivos S =
en llamado
n=0 an , el criterio de DAlembert o tambi
criterio del cociente, compara el valor relativo de un termino de la serie con el que le precede. Este criterio
se resume tambien f
acilmente

< 1 = converge




an+1
> 1 = diverge
entonces, si
Si = lm
n

an

= 1 = indeterminado
N
otese que si
<1

<r<1

an+1
<r
an

an+1 = an r

Entonces para un N < n pero tambien suficientemente grande, tendremos que los terminos de la serie a
partir de ese N ser
an

aN + aN +1 + aN +2 + aN +3 = aN + raN + r2 aN + r3 aN = aN 1 + r + r2 + r3 + r4
y que no es otra cosa que una serie geometrica con razon r < 1 y por consiguiente converge. Es claro que un
argumento similar se puede utilizar para probar la divergencia.
Un ejemplo inmediato lo constituye la serie



n+1
n+1
X
1 n+1
1
5
n
1 1 3 1
2n+1
2n+1
=
= <1
+ + + +
+ =

= lm
n
n
n
n
2 2 8 4 32
2
2
n
2
2n
2n
n=1
con lo cual tiene converger.
Criterio de la Integral de Maclaurin
El criterio de la Integral de Maclaurin5 es otro criterio de comparacion, pero esta vez se compara la serie
con una integral. As supondremos que existe una funcion f (x) contnua y monotonamente decreciente para
un valor de x > x0 y que, adicionalmente, se cumple que para alg
un valor entero x = n el valor de la funci
on
RN
es igual a un termino de la serie.
dx f (x)
P Esto es f (n) = an . Entonces se tendra que si el lmite de lmN
existe y es finito, entonces n=1 an converge. Por el contrario si el lmite no existe o es infinito, entonces
diverge.
La idea de este criterio es comparar la integral de f (x) (es decir, el area bajo la curva) con la suma de
rect
angulos que representa la serie. Entoces, la suma parcial

R i+1
Z i+1
Z i
i
i

si > 1 dx f (x)
X
X
si =
an
f (n) Pero,

dx f (x) si
dx f (x) + a1
Ri

1
1
n=1
n=1
si a1 < 1 dx f (x)
4 Jean Le Rond DAlembert Par
s, Francia 1717 - 1783 Matem
atico franc
es pionero en el estudio de las ecuaciones
diferenciales y su utilizaci
on en la Fsica, en particular en el estudio de los fludos
M
as detalles en http://www-history.mcs.st-and.ac.uk
5 Colin Maclaurin 1698, Argyllshire, Escocia - 1746 Edinburgo, Escocia. Matem
atico escoc
es quien escribi
o el Tratado de
los Fluxiones el primer tratado que expuso de una manera sistem
atica y rigurosa el c
alculo diferencial ideado por Newton. Este
tratado fue como respuesta a la crtica de Berkeley sobre la falta de rigurosidad de los m
etodos Newton

Luis A. N
un
ez

Universidad Industrial de Santander

249

M
etodos Matem
aticos de la Fsica

con lo cual, al hacer i tendremos que si el lmite de la integral existe, entonces la serie
converge.
Z
Z

X
dx f (x)
dx f (x) + a1
an
1

n=1

an

n=1

Un ejemplo inmediato podra ser determinar si la siguiente serie converge

n=1

f (x) =


3 2
2

1
x

lm


3 2
2

dx

1
x


 = lm
3 2

1
N 32


=0

con lo cual claramente converge


Este criterio es muy u
til para acotar (entre un nfimo y un supremo) el residuo de una determinada serie.
Vale decir

an =

n=1

N
X

an +

n=1

Z
an

{z

dx f (x)
N +1

n=N +1
Residuo

an

dx f (x) + aN +1
N +1

n=N +1

El otro ejemplo, m
as elaborado es comprobar que la funcion Zeta de Riemann, (p) =
vamente converge. En este caso f (x) = xp , entonces
p+1

Para p 6= 1
xp+1
X
1
(p) =
np

dx xp =

n=1
ln x|1
Para p = 1

n=1

np , efecti-

y
claro que para p > 1 el lmite existe y es finito, por lo tanto, la funcion Zeta de Riemann, (p) =
Pes

p
, converge para p > 1
n=1 n
Series alternantes y convergencia condicional
P
Hasta ahora todos los criterios que analizamos eran para una serie de terminos positivos S = n=0 an
por
nos llevaban al concepto de series absolutamente convergente. Esto es, si
P lo cual todos esos criteriosP

ka
k
converge,
entonces
en converge. Sin embargo, muchas veces nos tendremos que
n
n=0
n=0 an tambi
conformar con que una serie sea simplemente convergente y no requerir que sea absolutamente convergente.
Este es el caso de las series alternantes. Series en las cuales se alternas terminos positivos y negativos. Son
series del tipo
a1 a2 + a3 a4 + a5 a6 + + a2n1 a2n + =

(1)n+1 (an )

con an 0

n=1

Entonces

(1)n+1 (an ) converge, si

n=1

an 0

cuando n

an > an1

n>N

De otro modo la serie oscilar


a

Luis A. N
un
ez

Universidad Industrial de Santander

250

M
etodos Matem
aticos de la Fsica

Estas condiciones son f


aciles de ver si reorganizamos la serie de los primeros 2m terminos, a partir de un
determinado N par y N > n, entonces
s2m = (aN aN 1 ) + (aN 2 aN 3 ) + + (aN +2m2 aN +2m1 )
donde todos los parentesis son positivos, con lo cual s2m > 0 y se incrementa al incrementar m. Ahora bien,
si rearreglamos la serie tendremos que
s2m = aN (aN 1 aN 2 ) (aN 3 aN 3 ) + (aN +2m1 aN +2m2 ) aN +2m1
y, otra vez los parentesis son positivos y es inmediato comprobar que entonces s2m < an para todo m. Como
an 0 cuando n , la serie alternante necesariamente converge.

7.2.

Series de potencias

El siguiente paso en este estudio, ser


a el ampliar la idea de serie al permitir que sus terminos sean
funci
on de alguna variable (una o varias), esto es an = an (x). Esta extension del concepto se serie, trae como
consecuencia que ahora las sumas parciales dependen de x
sn = sn (x) =

n
X

ak (x) = a0 (x) + a1 (x) + a2 (x) +

con lo cual, si

k=1

lm sn (x) = S(x) =

ak (x)

k=1

Entonces, el comportamiento de las serie tambien dependera de la variable. Ahora la convergencia de la serie
podr
a ser posible para algunos valores de x y no para otros. El punto central con las en las series de funciones
f (x)(complicadas) es la tratar de construir funciones como una serie de funciones, ak (x), mas simples. As,
esas sumas parciales fn (x) constituir
an la funcion deseada
fn (x) =

n
X

ak (x)

f (x) =

k=1

ak (x) = lm

k=1

n
X

ak (x)

k=1

Es decir estaremos interesados en aquellas funciones a las cuales converjan las sumas parciales de una serie.
Si bien m
as adelante abordaremos este concepto haciendolo extensivo a cualquier funcion, para fijar conceptos, comenzaremos por las series de funciones mas comunes: Las series de potencias. Esto es, asimilaremos
una serie de potencias an = cn xn a un polinomio de grado infinito.
P (x) = c0 + c1 x + c2 x2 + c3 x3 + c4 x4 + =

cn xn

o tambien P (x x0 ) =

n=0

cn (x x0 )

n=0

Esta asociaci
on tiene la ventaja de permitirnos intuir algunos comportamientos de la serie para algunos
valores de x. Los coeficientes cn son n
umeros independientes
de x. Pero, mas a
un, estas series pueden ser
P
series de potencias de n
umero complejos. Vale decir, n=0 cn z n con z = x + iy

7.2.1.

Convergencia de una serie de potencias

Claramente,
todos los criterios que hemos desarrollado
anteriormente. As una serie de
P podremos utilizar
P
n
n
potencias n=0 an (x x0 ) converge en un punto x0 si el lmm n=0 an (x x0 ) existe, para x = x0 ;
para todo x o para algunos x

Luis A. N
un
ez

Universidad Industrial de Santander

251

M
etodos Matem
aticos de la Fsica

Una serie de potencias

n=0 cn

(x x0 ) convergera absolutamente s el
lm

n

X

j
cj (x x0 ) = l
j=0

P
n
existe.
a el criterio de convergencia absoluta. Esto era, si n=0 kcn (x x0 ) k converge
PTambien se cumplir
n
n=0 cn (x x0 ) converge, pero el inverso no es siempre verdad.
Los criterios m
as populares para evaluar la convergencia, se seguiran cumpliendo. As el criterio de
D
alembert y el de la raz de Cauchy se podran reescribir como:

n+1
c

n+1 (x x0 )

lmn
=l
converge
l(x) < 1
n
cn (x x0 )

l(x) > 1
diverge

n
n
lmn cn (x x0 ) = l(x)
S
olo que ahora es bueno enfatizar que l = l(x), es decir que el lmite dependera de la variable. Llamaremos,
de ahora en adelante a este lmite el radio o entorno de convergencia y lo denotaremos por l = (x).
El cual delimitar
a los valores de x para que la serie de potencias converja. Vemos el siguiente ejemplo en el
cual considermos la siguiente serie
n+1

x



n
3
n
2
X
x

x
x
x
an+1
x
(n + 1)!



=
l
m
+
++
+ =
lm
lm
sn (x) = 1 + x +
n
n n + 1 = 0
n an
n
2
6
n!
n!

x
n=1
n!
= 0 con lo cual la serie converge para todo valor de x. Otro caso ocurre
es decir, = (x) = lmn aan+1
n
cuando consideramos la siguiente serie de potencias:



(1)n+2 (n + 1) (x 2)n+1
X
n + 1


n+1
n


(1)
n (x 2)
= lm
= kx 2k lm
n+1
n

n
n

n
(1)
n
(x

2)
n=1



n + 1
= kx 2k
= kx 2k lm
n n

converge si kx 2k < 1

1<x<3

diverge si kx 2k > 1

P
n+1
n
n (x 2) convergera u
nicamente para 1 < x < 3. Para otros valores de x,
Es decir, la serie n=1 (1)
diverge.
Para puntualizar
Si una serie converge en x = x1 , convergera absolutamente para kx x0 k < kx1 x0 k y diverger
a para
kx x0 k > kx1 x0 k
P
n
Se llama radio de convergencia, = (x) a aquella cantidadPtal que la serie n=0 an (x x0 ) converge
n

nicamente
para kx x0 k < y diverge para kx x0 k > . Una serie n=0 an (x x0 ) que converge u
para x = x0 tendr
a un radio de convergencia = 0, mientras que una que converja para todo x
tendr
a un radio de convergencia =

Luis A. N
un
ez

Universidad Industrial de Santander

252

M
etodos Matem
aticos de la Fsica

7.2.2.

Covergencia uniforme

En definitiva se puede refrasear el criterio de convergencia de Cauchy que vimos al comenzar este capitulo 7.1. Para cualquier valor de  > 0, tan peque
no como uno quiera, siempre existira un n
umero N
independiente de x, con a x b tal que
Si S(x) = lm sn (x) =
n

kS(x) sn (x)k < 

an (x)

x [a, b] n N.

n=1

Con ello es inmediato indentificar el error que se comete cuando se corta la serie en un N suficientemente
grande

N
X
X
S(x) =
an (x)
an (x) +
n=1

n=N +1

{z

sn (x)

{z

Para el caso de series de funciones, consideraremos existen un par de criterios que identifican la convergencia uniforme y tienen, tambien cierta popularidad. El criterio Mayorante de Weierstrass6 y el criterio de
Abel. A continuaci
on los resumiremos.
Hay que resaltar el punto que las suma de funciones contnuas an (x) no necesariamente habra de ser
contnua, el concepto de convergencia uniforme busca garantizar que esa suma de funciones contnuas tambien
ser
a contnua. As, recordamos la idea de continuidad de una funcion. Una funcion sera contnua si sus lmites
por la derecha y por izquierda coinciden
lm f (t) = f (x)

tx

lm lm fn (x) = lm lm fn (x)
tx n

n tx

Es decir, al suponer que la suma de terminos contnuos tiende a una funcion contnua estamos suponiendo
que podemos intercambiar los mites. pero eso no es simpre cierto. Considere el caso (extremo)

R1

dx (lmn fn (x)) = 0
lmn fn = 0
0

n
fn = n2 x 1 x2 con 0 x 1 n = 1, 2, 3, . . .

R 1 dx fn (x) = n2 lmn R 1 dx fn
2(n+1)
0
0
Claramente no se pueden intercambiar los lmites.
Criterio Mayorante de Weierstrass
Si encontramos una serie convergente de n
umeros positivos
M=

Mj

con Mi kai (x)k

x [a, b]

entonces la serie

an (x) es uniformemente convergente

n=1

j=1

La demostraci
on se obtiene a partir de la definicion misma de convergencia. Si
para n + 1 N se tiene

Mj <  y como kai (x)k Mi

j=n+1

kai (x)k < 

j=1

Mj converge, entonces

kS(x) sn (x)k

j=n+1

kai (x)k < 

j=n+1

6 Karl Theodor Wilhelm Weierstrass Westphalia 1815 - Berlin 1897 Matem


atico Alem
an con importantes contribuciones
al an
alisis complejo mediante la utilizaci
on de series

Luis A. N
un
ez

Universidad Industrial de Santander

253

M
etodos Matem
aticos de la Fsica

P
con la cual la serie
a uniformemente convergente para todo x [a, b]. Ahora bien, como
n=1 an (x) ser
consieramos los Mi 0. La serie en cuesti
on tambien sera absolutamente convergente. Otra vez, los criterios
de convergencia absoluta y, en este caso, de convergencia uniforme, no son consecuencia uno del otro, ni
est
an relacionados. Las series

X
(1)n
n + x2
n=1

para < x <

(1)n1

n=1

xn
n

para 0 x 1

P
convergen uniformemente pero NO absolutamente. Sin embargo, en el intervalo 0 x 1 la serie j=0 (1 x)xj
converge absolutamente pero no uniformemente, por cuanto tiene una discontinuidad. Se puede demostrar
que


X
=1 0x<1
(1 x)xj =
=0
x=1
j=0

con lo cual se puede concluir que una serie arbitraria f (x) =


en intervalos en los cuales la funci
on f (x) sea discontnua.

j=1

ai (x) no podra converger uniformemente

Criterio de Abel
El criterio de Abel se puede resumir de la siguiente forma: dada una serie de la forma

ai (x) ai (x) = cn fi (x)

lm

i=1

n
X

aj (x) = S

j=1

y por lo tanto la serie converge uniformemente en [a, b]. Para que se cumpla el criterio de Abel, fn (x) tiene
que estar acotada, 0 fn M n), tiene que ser monotonamente decreciente en el intervalo en el cual
este definida, fn+1 (x) fn (x) con x [a, b]

7.2.3.

Algebra y convergencia de series de potencias

El
algebr
a elemental de series que mencionamos en la seccion 7.1.2 se puede reconsiderar a la luz de las
series de potencias. De esta forma recordamos que los ndices en las series son mudos

n1

an n (x x0 )

n=1

aj j (x x0 )

j1

j=1

ak+1 (k + 1) (x x0 )

k=0

en la u
ltima sumatoria hemos hecho k = j 1, por lo cual j = k + 1.
Las series se igualan

X
n=0

X
n=0

n=1

bn (x x0 ) =
bn (x x0 ) =

an n (x x0 )

n1

ak+1 (k + 1) (x x0 ) =

an+1 (n + 1) (x x0 )

n=0

k=0

por lo cual
bn = an+1 (n + 1)

Luis A. N
un
ez

Universidad Industrial de Santander

254

M
etodos Matem
aticos de la Fsica

si la igualdad hubiera sido

an (x x0 ) =

n=0

an n (x x0 )

n1

n=1

an+1 (n + 1) (x x0 )

an+1 =

n=0

an
(n + 1)

Las series se suman

X
X
X
n
k
n
an (x x0 ) +
bk (x x0 ) = a0 + a1 (x x0 ) +
(an + bn ) (x x0 )
n=0

n=2

k=2

o tambien

X
X
X
X
n
k+2
n
n
an (x x0 ) +
bk+2 (x x0 )
= a0 +a1 (x x0 )+
(an + bn ) (x x0 ) =
(an + cn2 ) (x x0 )
n=0

n=2

k=0

n=0

y en este u
ltimo caso c2 = c1 = 0 y ci = bi+2 . Notese como en los dos ejemplos anteriores hemos hecho
coincidir los el comienzo de los d
os ndices de la sumatoria.
La series tambien se multiplican, esto es
"
#"
#

X
X
X
n
n
n
an (x x0 )
bn (x x0 ) =
cn (x x0 )
n=0

n=0

n=0

con
cn = a0 bn + a1 bn1 + a2 bn2 + + aj bnj + + an2 b2 + an1 b1 + an b0
Si alguna de las series de potencias es absolutamente convergente, entonces su multiplicacion con otra,
ser
a absolutamente convergente.
Pero tambien las series de potencias se invierten ! y para ello utilizamos todo lo visto anteriormente
veamos. Supongamos que se tiene una serie del tipo
2

y y0 = a0 + a1 (x x0 ) + a2 (x x0 ) + + an (x x0 ) + =

an (x x0 )

n=0
n

Es decir tenemos yy0 expresado en terminos de una serie de potencias de (x x0 ) entonces, igual podremos
n
plantearnos invertir el proceso, vale decir, expresar (x x0 ) en terminos de potencias (y y0 ) Esto es
k

X
X
X
j
n
bk
aj (x x0 )
(x x0 ) =
bn (y y0 )
(x x0 ) =
n=0

k=0

j=0

y a lo bestia al igualar terminos con la misma potencia, despejamos los coeficientes bn en terminos de los
an , de forma que
b1 =

1
a1

a2
(a1 )3
2(a2 )2 a1 a3
b3 =
(a1 )5
5a1 a2 a3 a21 a4 5a32
b4 =
(a1 )7
.. ..
. =.

b2 =

Luis A. N
un
ez

Universidad Industrial de Santander

255

M
etodos Matem
aticos de la Fsica

P
P
n
Igualmente, si una serie f (x) = n=0 an (x x0 ) = n=0 cn (x x0 ) converge para un entorno R
x R entonces por el criterio de Mayorante de Weierstrass, entonces convergera absoluta y uniformemente
para S x S con 0 S R. M
as a
un, el criterio de Abel nos garantiza las siguientes propiedades
n

podemos extender la idea de continuidad de


una serie, dado que todos los terminos an (x) = cn (x x0 )
P
n
son funciones contnuas de x y f (x) = n=0 cn (x x0 ) converge uniformemente para un entorno
S x S, entonces la funci
on f (x) es contnua en el intervalo de convergencia.
n

Si los terminos an (x) = cn (x x0 ) son funciones contnuas de x, entonces la serie puede ser derivada
termino a termino
P

n
d [ n=0 cn (x x0 ) ] X
n1
=
cn n (x x0 )
dx
n=1
(n
otese como cambia el comienzo de la serie) y convergera a

n1

cn n (x x0 )

n=1

df (x)
dx

an (x)

dan (x)
dx

contnuas

an (x)

converge uniformemente en [a, b]

n=0

De igual manera las series pueden ser integradas termino a termino


Z

Z
dx f (x) =

7.2.4.

dx
a

cn (x x0 ) =

n=0

Z
X
n=0

dx cn (x x0 ) =

X
cn
n+1
(x x0 )
n
+
1
n=0

Series de Taylor

Para los fsicos el uso apropiado (y frecuente) de la serie Taylor facilita la vida y muchos calculos. La
idea detr
as de este tipo de series es la de la aproximacion de una determinada funcion por una serie de
potencias en donde existe una forma sistematica de construir los coeficientes y, dependiendo de el n
umero de
terminos que utilicemos en la serie, tendremos idea de cuan aproximada es la serie y cuanto es el error que
cometemos al desarrollar la serie hasta un determinado termino. As supodremos que f = f (x) es una funci
on
(x)
contnua y contnuamente diferenciable. Con lo cual, si denotamos dfdx
= f 0 (x), entonces supondremos que
f 0 (x), f 00 (x), f 000 (x), , f (n) (x) est
an definidas en el intervalo [a, b]. Entonces, conocemos desde siempre que
Z

a+h
0

dx f (x) = f (a + h) f (a)

f (a + h) = f (a) +

a+h

dx f 0 (x)

f (a + h) f (a) + hf 0 (a)

donde hemos supuesto que en intervalo [a, a + h] la funcion f 0 (x) es constante y tiene como valor f 0 (a).
Ahora bien, esto vale todo x y para cualquier funcion, por lo tanto se cumple que
f (x) f (a) + (x a)f 0 (a)
f 0 (x) f 0 (a) + (x a)f 00 (a)
f 00 (x) f 00 (a) + (x a)f 000 (a)
.. ..
. .
f (n1) (x) f (n1) (a) + (x a)f (n) (a)

Luis A. N
un
ez

Universidad Industrial de Santander

256

M
etodos Matem
aticos de la Fsica

Con lo cual podemos construir


a+h

dx f 0 (x) f (a) +

f (a + h) = f (a) +

a+h

dx [f 0 (a) + (x a)f 00 (a)] f (a) + hf 0 (a) +

h2 00
f (a)
2

que no es otra cosa que una aproximaci


on de segundo orden a f (a + h). En general podemos construir
a+h

Z
f (a + h)

f (a) +

dx f (x) = f (a) +
a

"Z

a+h

f (a) + hf (a) +

dx f (x)
a

#
00

dx f (x)

dv
Z

00

f (a) +

a+h

a
a+h

du

f (a) + hf (a) +

"

a+h

h2
f (a) + hf (a) + f 00 (a) +
2
0

dx f (x)
a

a+h

000

f (a) +

#!

a+h

00

dv

dx

a+h

"

a+h

"Z

a+h

Z
du

dv

#!

a+h
000

dx f (x)
a

y si repetimos ese procedimiento n veces, suponiendo que las derivadas de f (x) existan, tendremos la aproximaci
on n 1 a la funci
on. Esto es
f (a + h) = f (a) + hf 0 (a) +

h3
hn1 n1
h2 00
f (a) + f 000 (a) + +
f
(a) + Rn
2!
3!
(n 1)!

y tambien es f
acil convencerse por inspeccion que el residuo o el error que cometemos en la aproximaci
on
n 1 viene dado por la integraci
on enesima de la derivada enesima, vale decir
Z

a+h

Rn =

Z
du

a+h

Z
dv | {z }
n veces

a+h

dx f 000 (x)

y por el Teorema del Valor medio


Z

a+h

d g( ) = hg()
a

Rn =

hn (n)
f ()
n!

con a a + h

Ahora bien, una elecci


on astuta del par
ametro h = x a nos lleva a la conocida expresion de la serie de
Taylor para una funci
on de una variable
f (x) = f (a) + (x a)f 0 (a) +

(x a)2 00
(x a)3 000
(x a)n1 n1
f (a) +
f (a) + +
f
(a) + Rn
2!
3!
(n 1)!

y el error vendr
a dado por
(x a)n (n)
f () con a a + h
n!
as la expansi
on de Taylor especifica el valor de una funcion en un punto x en terminos de el valor de la
funci
on y sus derivadas en un punto de referencia a. La expansion se hace en terminos de potencias de la
diferencia, (x a), entre el punto que se eval
ua y el punto de referencia.
Rn =

Luis A. N
un
ez

Universidad Industrial de Santander

257

M
etodos Matem
aticos de la Fsica

Algunas otras formas de expresar la serie de Taylor, seran

dn
X
X
X
hn dx
hn n
h n Dn
n
f (x + h) =
f (x) =
f (x) =
f (x) = ehD f (x)
n!
n!
n!
n=0
n=0
n=0

donde, D

d
dx

Si el punto de referencia es a = 0 tendremos la serie de Maclaurin


f (x) = f (0) + xf 0 (a) +

x2 00
x3
xn1 n1
f (a) + f 000 (a) + +
f
(a) + Rn
2!
3!
(n 1)!

Algunas Series de Taylor


Un listado incompleto de las series de Taylor mas utilizadas es
ex
sen x
cos x
arctan x
ln(1 + x)
(1 + x)m

x3
x4
xn
x2
+
+
+ +
+
para < x <
2
3!
4!
n!
x3
x5
x7
x2n1
= x
+

+ + (1)n+1
+
para < x <
3!
5!
7!
(2n 1)!
x2
x4
x6
x2n2
= 1
+

+ + (1)n+1
+
para < x <
2
4!
6!
(2n 2)!
x3
x5
x7
x2n1
= x
+

+ + (1)n+1
+
para 1 < x < 1
3
5
7
(2n 1)
x3
x4
x2
xn
+

+ + (1)n+1
+
para 1 < x < 1
= x
2
3
4
n
x2
x3
m!
= 1 + mx + m(m 1) + m(m 1)(m 2) + +
xn + para < x <
2
3!
n!(m n)!
=

1+x+

La expansi
on binomial
Por lo frecuente y su uso, consideremos el caso de la expansion binomial
(1 + x)


X
X
x2
x3
m!
m
n
= 1 + mx + m(m 1) + m(m 1)(m 2) + =
x =
xn
n
2
3!
n!(m

n)!
n=0
n=0



m
se denomina el coeficiente binomial y la serie termina cuando m = n. Ahora bien,
n
escrito de la formas compactas de la derecha se sugiere que el exponente m tendra que ser entero y positivo.
Pero no es as. La serie explcita de la izquierda no se restringe a valores enteros y positivos de m. Por ello
la forma compacta pero exacta de la expansion binomial.
donde el termino

1+

 x  m(m 1)  x 2 m(m 1)(m 2)  x 3


 x n
X
x m
(1 + m)
= 1+m
+
+
+ =
a
a
2
a
3!
a
(1 + n)(1 + m n) a
n=0

Donde hemos utilizado la funci


on (x) como la generalizacion del factorial para valores que no se restringen
a enteros positivos. Cuando m es un entero positivo tendremos (1 + m) = m!. Notese tambien que si el
m
exponente es negativo, 1 + xa
tiene una singularidad o un polo en x = a

Luis A. N
un
ez

Universidad Industrial de Santander

258

M
etodos Matem
aticos de la Fsica

Taylor en varias variables


S
olo por razones de completitud, y para reforzar los conceptos de que es un desarrollo en series para una
funci
on alrededor de un determinado punto, escribiremos el desarrollo en series de Taylor para una funcion
on
de dos variables f = f (x, y). Esta es
f (x, y)



1 
(x a)2 fxx ab + 2(x a)(y a) fxy |ab + (y a)2 fyy |ab
2!

1 
3
2
+
(x a) fxxx |ab + 3(x a) (y a) fxxy |ab + 3(x a)(y a)2 fxyy |ab + (y a)3 fyyy |ab +
3!

= f (a, b) + (x a) fx |ab + (y b) fy |ab +

O m
as compacto



 X
n
1

xk k f (xm ) m m
f xj + xj0 =
n!
x =x0
n=0

f (~r + ~a) =


X
1  ~ n

~r f (xm )
n!
~
r =~
a
n=0

D
onde hemos utilizado la siguiente convencion
fx =

7.3.

= x ;
x

fy =

= y ;
y

fxx =

2
= xx ;
x2

fxy =

2
= xy ;
xy

fyy =

2
= yy ;
y 2

Series y Espacios de Hilbert

Hemos dejado sueltos algunos conceptos para los espacios de Hilbert infito-dimensional. El primero de
estos conceptos es que un vector |ai E surge la combinacion lineal de elementos de una base infinita
{|ei i}, ( de una serie) que converge al vector |ai para un espacio donde tambien la norma del vector converge
a un valor finito kak2 = ha |ai. El segundo concepto fue la posibilidad de expresar un determinado vector
(una funci
on ) como combinaci
on lineal de una base (de dimension infinita) de un espacio vectorial E .
Efectivamente, esa combinaci
on lineal (de dimension infinita) habra de converger a el valor de la funcion en ese
punto. En su momento expresamos estos conceptos intuitivos y facilmente demostrables para E n (un espacio
vectorial Euclideano de dimensi
on finita, ndimensional) y sin mayores justificaciones hicimos el salto
a E (un espacio Euclideano infinito-dimensional). Ahora, equipados con los conceptos de convergencia
uniforme estamos en capacidad de explorar esas razones que antes eludimos. Ambos conceptos tienen que
ver con la palabra completitud, la cual, como veremos, no tiene el mismo significado en cada una de las
situaciones antes mencionadas, pero ser
a complementario. En el primer caso la completitud de E se logra
al poder expresar un vector como una combinacion lineal de una base infinita que converja al valor del vector.
En el segundo caso diremos que la base {|ei i} para E sera completa si expande la totalidad de los vectores
de E .

7.3.1.

Completitud de E

La primera idea de completitud de un Espacio de Hilbert E tiene que ver con el hecho que, en en ese
espacio, donde la norma de un vector es finita kak2 = ha |ai < , la combinacion lineal de los elementos de
n
una base infinita, {|ei i}, converja al vector |ai. Esto es ai |ei i |ai.
n
Para el caso de E es inmediato que, dada una base (ortonormal, por ejemplo)
|ai = ai |ei i

kak2 = ha |ai = ai ai <

con i = 1, 2, 3, n

La norma es finita, por cuanto es la suma de terminos finitos (las componentes del vector (a1 , a2 , a3 , an )).
Sin embargo, para el caso de E las componentes del vector seran funcion de las sumas parciales, esto es
Luis A. N
un
ez

Universidad Industrial de Santander

259

M
etodos Matem
aticos de la Fsica

hasta d
onde desarrollemos la serie y debemos demostrar que si
n

|an i (a1n , a2n , a3n , a4n , ann )

|a i (a1 , a2 , a3 , aj , )

k |a i |an i k < 

Es decir que, efectivamente, componente a componente el vector |an i converja al vector |ai. El criterio de
convergencia de Cauchy, en este caso significa que: dadas dos sumas parciales (desarrollos parciales en una
determinada base infinita {|ei i}) |an i = ai |ei i con i = 1, 2, n y |am i = aj |ej i con j = 1, 2, m entonces
k |am i |an i k = k |am i |ai |an i + |ai k k |ai |an i k + k |ai |am i k < 0 + 00 
con lo cual las diferencias en las sumas parciales seran siempre menor que un 0 <  < 1. Notese que hemos
utilizado la desigualdad triangular kx + yk kxk + kyk, y esa misma desigualdad triangular nos garantiza
que

X
|ajn ajm |2
|ajn ajm |2 k |am i |an i k2 < 
j=1

vale decir, hemos demostrado que el termino jesimo (y con ello todas las componentes del vector) de una
n
n
suma parcial, converge al termino correspondiente de la serie lmite. Esto es ajn ajm aj por lo tanto
que las combinaci
on lineal converge al vector y nos queda por demostrar si su norma es finita, o lo que es lo
mismo, ha |ai = ai ai < con i = 1, 2, 3, . Es claro que
M
X

|ajn ajm |2

con lo cual si m tendremos que

|ajn ajm |2 k |am i |an i k2 < 

j=1

j=1

PM

j=1

|ajn aj |2 <  y si ahora hacemos

|ajn aj |2 < 

ha |ai =

j=1

|aj |2

j=1

|aj + ajn ajn |2

j=1

Ahora bien, para y complejos, se cumple que


2

(|| ||) ||2 + ||2 2|||| 0 2|||| |2 + ||2 | + |2 ||| + |||2 = ||2 + ||2 + 2||||
para que finalmente, tengamos que
2

(|| ||) 2 ||2 + ||2

Finalmente, podemos aplicarlo al caso que nos compete

X
X
X
ha |ai
|aj + ajn ajn |2 2
|aj ajn |2 +
|ajn |2 <
j=1

7.3.2.

j=1

j=1

Conjunto completo de funciones

El segundo sentido de completitud con que el conjunto (funciones) de vectores base expandan la totalidad
del espacio vectorial (de funciones). Esto es, si {|ui i} {ui (x)} es una base ortonormal para E
|ai = ai |ui i

k |ai k2 = ha |ai = ai ai =

|ak |2

con i = 1, 2, 3,

k=1

Luis A. N
un
ez

Universidad Industrial de Santander

260

M
etodos Matem
aticos de la Fsica

Es, otra vez, la misma afirmaci


on que consideramos en el caso de un espacio finito dimensional, E n en el
cual demostramos que una base {|ui i} con i = 1, 2, 3, , n expanda todo el espacio.
Si adicionalmente existe una funci
on cuadrado integrable, L2[a,b] definidas en el intervalo [a, b], la cual
pueda ser aproximada por la base
Z b

N
N
X
X
X
2
i
i
2
k |f i k hf |f i < |f i =
c |ui i
dx|f (x)|2 f (x)
c |ui i kf (x)k
cj uj (x)
i=0

i=0

j=0

N
otese que hemos supuesto la existencia de un producto interno y si las bases son ortonormales tendremos
que
Z b
Z b
Z b

dx|f (x)|2 =
dx uk (x)ul (x) = lk kf (x)k2
|cj |2
dx g (x)f (x) uk |ul i
hg |f i
a

donde
ck =

j=0

dx uk (x)f (x)

Para demostrar que E es completo, comenzamos por demostrar la llamada Desigualdad de Bessel.
Esta es: dada una base ortonormal infinita, {|ui i} {ui (x)} para un espacio vectorial de Hilbert, E , de
Rb
funciones cuadrado integrable f (x) L2[a,b] , con un producto interno definido por hg |f i a dx g (x)f (x),
entonces se cumple que
Z b
Z b

kf (x)k2
|ck |2 con ck = uk |f i =
dx uk (x)f (x) hg |f i
dx g (x)f (x)
a

k=1

Para demostrar la desigualdad de Bessel, partimos de una afirmacion obvia en espacios finito dimensionales

 


0 k |f i ci |ui i k2 hf | ck uk |f i ci |ui i = k |f i k2 ck uk |f i ci hf |ui i +ck ci uk |ui i


| {z }
| {z }
| {z }
ck

c
i

ik

donde k, i = 1, 2, 3, n Entonces, queda demostrada la desigualdad de Bessel al tomar el lmite n


0 k |f i k2

n
X

|ck |2

= k |f i k2

k=1

n
X

|ck |2

k=1

Si definimos el error, Mn , que se comete al aproximar una funcion con su expansion hasta
un termino

nsimo como Mn (b a) k |f i i |ui i k2 demostraremos que Mn es mnima si i = ci = ui |f i Para ello


procedemos como es costumbre, partiendo de la definicion que acabamos de hacer y nos concentramos en el
caso finito dimiensional
0 Mn (b a) k |f i i |ui i k2 = k |f i (i ci ) |ui i ck |uk i k2
Desarrollando




Mn (b a) = hf | (k ck ) uk ck uk |f i (i ci ) |ui i ci |ui i
n
X
=k |f i k2 ci (i ci ) 2ci ci (k ck )ck +
kj cj k2 + (k ck )ck + ci (i ci ) + ci ci
j=1

"
= k |f i k2

n
X
i=1

Luis A. N
un
ez

#
kci k2 +

n
X

kj cj k2

j=1

Universidad Industrial de Santander

261

M
etodos Matem
aticos de la Fsica

Pero la desigualdad de Bessel garantiza que la cantidad entre corchetes es positiva, por lo tanto Mn es
n ) cuando seleccionamos j = cj . Mas a
n decrece cuando n , vale
mnima (y la denotaremos M
un M
decir
n

X
X
n
n (b a) = k |f i k2
(b a) = k |f i k2
M
kci k2
=
M
kci k2
i=1

i=1

n 0 cuando n entonces es claro que


y si, adicionalemente tenemos que M
2

k |f i k =

kci k2

{|ui i} {ui (x)}

es completa

i=1

Este noci
on de convergencia se denomina como convergencia al promedio
Si adicionalmente exigimos que la serie ci |ui i converja uniformemente para x [a, b] entonces es claro
que
Z

b
i

dx kf (x) c |ui i k = 0

= |f i = c |ui i

(con i = 1, 2, 3 , )

f (x) =

ci ui (x)

i=1

Con lo cual enumeraremos las condiciones para la cual exigiremos que una funcion pueda ser expresada en
terminos de una base completa de funciones.
Que f (x) sea cuadrado integrable f (x) L2[a,b]
P
Que la base sea completa, {|ui i} {ui (x)} i.e. k |f i k2 = i=1 kci k2
P
Que la serie ci |ui i i=1 ci ui (x) converja uniformemente, para x [a, b]

7.4.

Series de Polinomios Ortogonales

Enunciaremos un teorema debido a Weierstrass el cual garantiza que una funcion contnua en un intervalo
[a, b] puede ser aproximada uniformemente por una serie de polinomios. Por lo tanto, cualquier funci
on
contnua podr
a ser aproximada por combinaciones lineales de potencias.
El Teorema de aproximaci
on polin
omica de Weiernstrass queda enunciado como sigue. Cualquier funci
on
contnua f (x) en un intervalo cerrado x [a, b] podra ser aproximada uniformente por polinomios en ese
mismo intervalo si, para un n suficientemente grande y un  suficientemente peque
no siempre se tiene que
kPn (x) f (x)k < 

x [a, b]

Para la demostraci
on de este teorema puede consultar [Byron y Fuller 1970, Cushing 1975]. Sin embargo la
aceptaci
on de este teorema nos permitir
a desarrollar las secciones que siguientes...

7.4.1.

Polinomios de Legendre

El primero de los ejemplos de una base ortonormal de polinomios en la cual podremos expresar cualquier
funci
on contnua en el intervalo cerrado x [1, 1] seran los Polinomios de Legendre. Estos vienen construidos
a partir de la F
ormula de Rodrgues
Pn (x) =

Luis A. N
un
ez

1 dn 2
(x 1)n ,
n!2n dxn

n = 0, 1, 2, .....

Universidad Industrial de Santander

262

M
etodos Matem
aticos de la Fsica

con P0 (x) = 1.
Es decir
P0 (x) = 1

P1 (x) = x
5
P3 (x) = x x3
3
63 5 35 3 15
P5 (x) =
x
x +
x
8
4
8
..
.

P2 (x) = 1 3x2
P4 (x) =

3 35 4 15 2
+
x
x
8
8
4
..
.

Generalidades de los Polinomios de Legendre


Es f
acil comprobar que los polinomios de Legendre |P i P (x) son mutuamente ortogonales para un
producto interno definido como
Z 1
2
nm
hPn |Pm i =
Pn (x)Pm (x)dx =
2n + 1
1
con norma definida por
Z

Pn2 (x)dx=

kPn k = hPn |Pn i =


1

2
2n + 1

n
otese que los polinomios de Legendre, calculados a partir de la Formula de Rodrigues no estan normalizados.
Al ser los Polinomios de Legendre un conjunto completo de funciones, ellos expanden el espacio de
funciones contnuas en el intervalo cerrado x [1, 1]. Por ello cualquier funcion en el intervalo [1, 1] puede
ser expresada en esa base.

X
X
hPk |Fi
|Pk i
f (x) = |Fi =
ak |Pk i =
hPk |Pk i
k=0

k=0

Varios ejemplos ilustrar


an esta aplicaci
on
Si f (x) es un polinomio
f (x) =

m
X

bn xn =

n=0

ak |Pk i =

an Pn (x)

n=0

k=0

no se requiere hacer ninguna integral por cuanto los coeficientes an se determinan a traves de un sistema de
ecuaciones algebraicas. Para el caso de f (x) = x2 tendremos
f (x) = x2 = a0 P0 (x) + a1 P1 (x) + a2 P2 (x)
1
f (x) = x2 = a0 + a1 x + a2 (3x2 1)
2
1
2
2
f (x) = x = P0 (x) + P2 (x)
3
3
En el caso de una funci
on mas complicada
r
f (x) =

1 x X hPk |Fi
=
|Pk i
2
hPk |Pk i
k=0

Luis A. N
un
ez

Universidad Industrial de Santander

263

M
etodos Matem
aticos de la Fsica

hPk |Fi =

f (x)Pk (x)dx =
1

1x
Pk (x)dx
2

la expansi
on en series de Legendre quedara como
r

X
1x
2
Pn (x)
= P0 (x) 2
2
3
(2n

1) (2n + 3)
n=1
Antes de entrar en el detalle de las propiedades de estos polinomios, hay que enfatizar que los Polinomios
de Legendre constituyen la u
nica base ortogonal para un espacio de Hilbert con un producto interno definido
como el producto simple de funciones
en el intervalo cerrado. Al ortonormalizar mediante Gram Schmidt

la base 1, x, x2 , x3 , , xn , del espacio de polinomios, P n , de grado n en el intervalo [1, 1], con el
R1
producto interno definido por hf | gi = 1 dx f (x) g (x) . se obtienen los polinomios de Legendre.
Los polinomios de Legendre surgen, originalmente, como soluciones a la ecuacion diferencial ordinaria del
tipo
dPn (x)
d2 Pn (x)
+ n(n + 1) Pn (x) = 0
2x
(1 x2 )
2
dx
dx
Vale decir
n

Ecuaci
on de Legendre
2

(1 x )

d2 P0 (x)
dx2

2x

Solucion
dP0 (x)
dx

=0

P0 (x) = 1

(1 x2 )

d2 P1 (x)
dx2

2x

dP1 (x)
dx

+ 2 P1 (x) = 0

P1 (x) = x

(1 x2 )

d2 P2 (x)
dx2

2x

dP2 (x)
dx

+ 6 P2 (x) = 0

P2 (x) = 1 3x2

(1 x2 )

d2 P3 (x)
dx2

2x

dP3 (x)
dx

+ 12 P3 (x) = 0

P3 (x) = x 35 x3

(1 x2 )

d2 P4 (x)
dx2

2x

dP4 (x)
dx

+ 20 P4 (x) = 0

P4 (x) = 1 10x2 +

35 4
3 x

Ortogonalidad de los Polinomios de Legendre


Como los polinomios de Legendre son soluciones de su ecuaciones
(1 x2 ) P (x)00 2x P (x)0 + ( + 1) P (x) = 0
(1 x2 ) P (x)00 2x P (x)0 + ( + 1) P (x) = 0
N
otese que hemos cambiado de notaci
on del operador diferencial
P (x)00

d2 P (x)
dx2

P (x)0

dP (x)
dx

Acomodando y restando ambas ecuaciones


(1x2 ) { P (x)P (x)00 P (x)P (x)00 }2x {P (x)P (x)0 P (x)P (x)0 }+{( + 1) ( + 1)} P (x)P (x) = 0
el primer termino de la ecuaci
on puede interpretarse una la derivada

0
(1 x2 ) { P (x)P (x)0 P (x)P (x)0 }
Luis A. N
un
ez

Universidad Industrial de Santander

264

M
etodos Matem
aticos de la Fsica

por lo tanto al integrar


1
(1 x ) { P (x)P (x) P (x)P (x) } 1 + {( + 1) ( + 1)}
0

P (x)P (x)dx = 0
1

El primer termino de la ecuaci


on se anula en los extremos y es facil comprobar que los polinomios de Legendre
|P i = P (x) son mutuamente ortogonales con un producto interno definido como
Z 1
P (x)P (x)dx
hP |P i =
1

Relaci
on de Recurrencia
Conocido esto se puede generar una relacion de recurrencia. Supongamos que conocemos todos los polinomios de Legendre hasta Pn (x) y queremos generar el proximo. Obviamente el ese polinomio sera de grado
n + 1 y nos plantemos generarlo a partir de xPn (x) as como los estos polinomios son base del espacio de
funciones, entonces
n+1
X hPk |xPn i
|Pk i
xPn (x) = |xPn i =
hPk |Pk i
k=0

en donde
Z

hPk |xPn i = hxPk |Pn i =

Pn (x)xPk (x)dx = 0
1

para k < n 1. Sobreviven entonces tres terminos


|xPn i = xPn (x) =

hPn1 |xPn i
hPn |xPn i
hPn+1 |xPn i
|Pn1 i +
|Pn i +
|Pn+1 i
hPn1 |Pn1 i
hPn |Pn i
hPn+1 |Pn+1 i

y dado que
Z

hPn |xPn i =

Pn (x)xPn (x)dx =
1

xPn2 (x)dx

es una funci
on impar, entonces hPn |xPn i = 0. Entonces
|xPn i = xPn (x) =

hPn+1 |xPn i
hPn1 |xPn i
|Pn1 i +
|Pn+1 i
hPn1 |Pn1 i
hPn+1 |Pn+1 i

Es decir
xPn (x) = APn+1 (x) + BPn1 (x)
desarrollando con la f
ormula de Rodrguez el coeficiente de orden k del lado izquierdo es
1
(2k)!
2k(2k 1) [2k (k 1)] = k
2k k!
2 (k!)2
mientras que el primer termino del lado izquierdo, hasta orden k 2 queda como
(2k 2)!
2k (k 2)!(k 1)
por lo cual
n+1
2n + 1
De igual forma se determina B igualando coeficientes a orden n 1 y queda la relacion de recurrencia:
A=

(n + 1) Pn+1 (x) = (2n + 1) xPn (x) nPn1 (x)


Luis A. N
un
ez

Universidad Industrial de Santander

265

M
etodos Matem
aticos de la Fsica

Norma de los Polinomios de Legendre


Conociendo que la ortogonalidad de los polinomios de Legendre y la relacion de recurrencia, procedemos
encontrar el valor de su norma
Z 1
2
2
kPn k = hPn |Pn i =
Pn2 (x)dx=

2n
+1
1
De la relaci
on de recurrencia
(2n + 1) Pn (x)nPn (x) = (2n + 1) Pn (x) [(2n 1) xPn1 (x) (n 1) Pn2 (x)]
(2n 1) Pn1 (x) (n + 1) Pn+1 (x) = (2n 1) Pn1 (x) [(2n + 1) xPn (x) nPn1 (x)]
restando miembro a miembro obtenemos:
(2n + 1) Pn (x)nPn (x) + (2n + 1) (n 1) Pn (x)Pn2 (x)
2
(n + 1) (2n 1) Pn1 (x)Pn+1 (x) (2n 1) nPn1
(x) = 0

integrando y considerando la ortogonalidad


Z 1
Z
2n 1 1 2
Pn2 (x)dx =
P
(x)dx
2n + 1 1 n1
1

Z 1

Z 1
2n 3
2n 1
2
Pn2 (x)dx =
Pn2
(x)dx
2n
+
1
2n

1
1
1


Z 1

Z 1
2n 3
2n 5
2n 1
2
2
Pn3
(x)dx
Pn (x)dx =
2n + 1
2n 1
2n 3
1
1
..
..
.
=
.
Z 1
Z 1
3
2
Pn (x)dx=

P 2 (x)dx
2n + 1 1 1
1
Z 1
2
Pn2 (x)dx=

2n + 1
1
Funci
on Generatriz de los Polinomios de Legendre
Se puede encontrar una funci
on generatriz P(t, x) de los polinomios de Legendre:

X
1
2
P(t, x) =
= P0 (x) + P1 (x) t + P2 (x) t + =
Pn (x) tn
1 2xt + t2
n=0

para la cual

los Pn (x) son los coeficientes de su desarrollo en series de potencias. Esta serie converge para
2xt + t2 < 1. Para demostrar que el desarrollo en serie de la funcion G(t, x) tiene como coeficientes a los
Pn (x) partimos de que:
P(t, x) =

1
1 2xt + t2

P(t, x)
tx
=
3/2
t
(1 2xt + t2 )

por lo cual
(t x) P(t, x) + 1 2xt + t2
Luis A. N
un
ez

 P(t, x)
=0
t

Universidad Industrial de Santander

266

M
etodos Matem
aticos de la Fsica

y, consecuentemente
(t x)

X

Pn (x) tn + 1 2xt + t2

n=0

nPn (x) tn1 = 0 .

n=1

Multiplicando y acomodando queda


x P0 (x) + P0 (x) t +

(n + 1) Pn+1 (x)tn

n=0

por lo tanto

(2n + 1) x Pn (x) tn

n=1

nPn1 (x) tn = 0

n=2

(n + 1) Pn+1 (x) (2n + 1) xPn (x) + nPn1 (x) tn = 0


P1 (x) x P0 (x)+ 2P2 (x) 3xP1 (x) + P0 (x) t+
|
{z
}
{z
}
{z
}
|
|
n=1
=0

=0

=0

El primero de los terminos se cumple siempre por cuanto P0 (x) = 1 y P1 (x) = x. El tercer termino conforma
la relaci
on de recurrencia para los polinomios de Legendre. Con esto queda demostrado que el desarrollo en
series de potencias de la funci
on generatriz, tiene como coeficientes a los polinomios de Legendre.
La funci
on generatriz muestra su utilidad en la expansion
r

1 x X hPk |Fi
f (x) =
=
|Pk i
2
hPk |Pk i
k=0

As, al considerar la definici


on del producto interno
Z 1
Z
hPk |Fi =
f (x)Pk (x)dx =
1

1x
Pk (x)dx
2

e integrando


Z 1r

X
1
1x
1x
n

dx =
t
Pn (x)dx
2
2
2
1 2xt + t
1
1
n=0
"
#

Z 1r

2
X
1
(1 t)
1+ t
1x
ln

tn
1+t
=
Pn (x)dx
2t
2
2 t
1 t
1
n=0
Z

Expandiendo el lado izquierdo en series de potencias de t


Z 1

X
X
tn
4
n
4
=
t
3
(4n2 1) (2n + 3) n=0
1
n=1

1x
Pn (x)dx
2

lo cual nos conduce, al igualar coeficientes a


4
=
3

4
=
(4n2 1) (2n + 3)

1
r
1
1

1x
P0 (x)dx
2
1x
Pn (x)dx
2

y finalmente a la forma de la expansi


on en series
r

X
1x
2
Pn (x)
= P0 (x) 2
2
3
(2n 1) (2n + 3)
n=1
Luis A. N
un
ez

Universidad Industrial de Santander

267

M
etodos Matem
aticos de la Fsica

Figura 7.1: Polinomios de Lengendre


Otras propiedades de los polinomios de Legendre
Pn (1) = 1 y Pn (1) = (1)n para todo n.
Pn (x) tiene n races en el intervalo (1, 1) Esta propiedad puede apreciarse para los primeros 5 polinomios en la figura 7.1
Tienen una representaci
on integral de la forma
Z h
in
p
1
Pn (x) =
x + x2 1 cos d
2 0
Cambios de variables inmediatos conllevan a ecuaciones diferenciales equivalentes
Forma autoadjunta


0
(1 x2 ) y 0 + ( + 1) y = 0

En coordenadas esfericas con u = Pn (cos )




du
1 d
sen
+ ( + 1)u = 0
sen d
d

En coordenadas esfericas con u = sen Pn (cos )


"
#
2
d2 u
1
1
+
+
+
u=0
d2
2
4 sen2

Luis A. N
un
ez

Universidad Industrial de Santander

268

M
etodos Matem
aticos de la Fsica

Resumen de Propiedades Polinomios Legendre

Definici
on
Ejemplos
Relaci
on de Recurrencia
Ecuaciones Diferenciales
Funci
on Generatriz
Representaci
on Integral
Ortogonalidad

Polinomios de Legendre
1 dn 2
(x 1)n ,
n = 0, 1, 2, .....
Pn (x) =
n!2n dxn
P1 0; P0 1; P1 = x
P2 = 21 (3x2 1); P3 = 21 (5x3 3x)
(n + 1) Pn+1 (x) = (2n + 1) xPn (x) nPn1 (x)
(1 x2 ) y 00 2x y 0 + ( + 1) y = 0

1 d
du
sen
+ n(n + 1)u = 0; u = Pn (cos )
sen d
d

X
1
P(t, x) =
=
Pn (x) tn
1 2xt + t2
n=0
Z

n
1 
2
Pn (x) =
x + x 1 cos d
2Z 0
1
2
hP |P i =
P (x)P (x)dx =
2 + 1
1

Potencial Electrost
atico de un Dipolo El
actrico
En Fsica el ejemplo claro es el c
alculo del potencial electrostatico producido por dos cargas q1 = +q y
q2 = q separadas por una distancia 2d en un punto P cualquiera de un plano (x, y). El potencial en ese
punto generico viene dado por


1
1

V =q
R0
R
Tal y como puede apreciarse de la figura 7.4.1
2

(R0 ) = r2 + d2 2r d cos
R2 = r2 + d2 2r d cos ( )
por lo cual
"
1
1
=
1
R0
r
"
1
1
=
1
R
r

 2 !#1/2
d
r
 2 !#1/2
d
d
2 cos ( )
r
r
d
2 cos
r

y consecuentemente
 n

1
1X
d
P
(cos
)
=
n
0
R
r n=0
r
 n
 n

1
1X
d
1X
d
=
Pn (cos ( ))
=
Pn ( cos )
R
r n=0
r
r n=0
r
El potencial ser
a
q
V =
r
Luis A. N
un
ez

 n !
d
[Pn (cos ) Pn ( cos ) ]
r
n=0

Universidad Industrial de Santander

269

M
etodos Matem
aticos de la Fsica

Figura 7.2: Potencial Electrostatico de un Dipolo Elactrico

donde todos los terminos pares de Pn (cos ) se anula y finalmente tendremos la expresion del potencial para
cualquier punto del plano
 2n+1 !

2q X
d
V =
P2n+1 (cos )
r n=0
r
Entonces nos quedamos con el primer termino de la serie, si
d
1
r

7.4.2.

q
2d cos
r2

Polinomios de Hermite

Los polinomios de Hermite a diferencia de los de Legendre (y Tchevychev), vienen definidos en toda la
recta real, vale decir, x (, ), por lo cual la funcion peso w(x) en el producto interno debera decrecer
m
as r
apido que |x|n , para garantizar que la norma de los vectores en este espacio vectorial sea finita. La
2
funci
on m
as simple que cumple estos requisitos es w(x) = ex (tambian algunos autores utilizan w(x) =
2
ex /2 ) Esto es, el producto interno entre los polinomios de Hermite vendra definido como
Z
Z
2
hf |gi =
dx w(x)f (x)g(x) =
dx ex f (x)g(x)

Otra vez, para este producto interno, si ortogonalizamos con Gram-Schmidt se obtienen los polinomios de
Hermite. Al igual que el resto de los polinomios ortogonales, existe una formula de Rodrigues para los
polinomios de Hermite
n
2 d
2
Hn (x) = (1)n ex
ex
dxn
Luis A. N
un
ez

Universidad Industrial de Santander

270

M
etodos Matem
aticos de la Fsica

con lo cual se obtienen


H0 (x) = 1,

H1 (x) = 2x

H2 (x) = 4x 2,

H3 (x) = 8x3 12x,

H4 (x) = 16x4 48x2 + 12


..
.

H5 (x) = 32x5 160x3 + 120x.


..
.

Generalidades de los Polinomios de Hemite


Los polinomios de Hermite ser
an ortogonales, pero no normales
Z
Z

2
2
hH |H i = 2 ! =
ex H (x)H (x)dx hH |H i = kH k =

2
ex H2 (x)dx = 2 !

Donde la funci
on delta de Kronecker es = 0 si 6= ; y = 1.
Antes de desarrollar funciones en terminos de los polinomios de Hermite, expondremos un par de teoremas
sin demostraci
on.
Teorema 1
Sean | f i y | g i dos funciones arbitrarias, cuando menos continuas a trozos en (, ) y que cumplen con
Z
Z
2
x2 2
e
f (x)dx <

ex g 2 (x)dx <

Entonces el conjunto de estas funciones forman un espacio vectorial Euclideano I2w con un producto interno
definido por
Z
2
hg|f i=
ex f (x)g(x)dx

Las funciones f (x) y g(x) se denominan cuadrado-integrables respecto al peso w. Es por ello que denotamos
el espacio de funciones como I2w
Teorema 2
Si f (x) es una funci
on continua arbitraria en I2w entonces puede ser aproximada por un polinomio en ese
mismo espacio. Es decir
Z

ex [f (x) pn (x)] dx

lm kf (x) pn (x)k = lm

1/2
=0

As, la expresi
on de una funci
on arbitraria en la base de los polinomio de Hermite se reduce a
f (x) = | f i =

ak |Hk i =

k=0

donde
hHk | f i
ak =
=
hHk |Hk i
Si f (x) = x

2p

X
hHk |f i
|Hk i
hHk |Hk i

k=0

2
ex f (x)Hk (x)dx

R
ex2 Hk2 (x)dx

2k k!

ex f (x)Hk (x)dx

con p = 1, 2, 3,
f (x) = x2p =

p
X

a2k H2k (x)

k=0

Luis A. N
un
ez

Universidad Industrial de Santander

271

M
etodos Matem
aticos de la Fsica

entonces
a2k

= 2k
2 (2k)!

22k (2k)!

ex x2p H2k (x)dx

(7.2)

x2p

d2k x2
e
dx
dx2k

Una integraci
on por partes estrat
agica muestra que:
(
)

Z
2k1
2k1

1
2p d
x2
2p1 d
x2

a2k = 2k
e

2px
e
x
dx

dx2k1
dx2k1
2 (2k)!

El primer termino de la resta se anula siempre debido a la deficion de los polinomios de Hermite


2k1


2p d
2p
2k1 x2
x2
=
x
(1)
e
H
(x)
x
e

2k1

dx2k1

Repitiendo el proceso 2k veces, tendremos


1
(2p)!

2k
2 (2k)! (2p 2k)!

ahora si en la integral hacemos x = t obtenemos

a2k =

x2p2k ex dx

Z
(2p)!
1
dt

a2k = 2k
tpk et
2 (2k)! (2p 2k)!
2 t
Z
1
1
(2p)!

= 2k+1
tpk 2 et dt
2
(2k)! (2p 2k)!
R
y utilizando la definici
on (z) 0 et tz1 dt (z 1)! , queda como


(2p)!
1
1

pk+
a2k = 2k+1
2
2
(2k)! (2p 2k)!
Ahora, recurrimos a la propiedad de duplicacion de la Funcion Gamma, i.e.



1
2z1
= (2z)
2
(z) z +
2
tenemos que



1
22p2k p k +
(p k)! = (2p 2k)!
2
quedan entonces los coeficientes determinados como
a2k =

(2p)!
22p+1 (2k)! (p k)!

y, por lo tanto el desarrollo en la base de los polinomios de Hermite


f (x) = x2p =

p
H2k (x)
(2p)! X
22p+1
(2k)! (p k)!

<x<

k=0

Luis A. N
un
ez

Universidad Industrial de Santander

272

M
etodos Matem
aticos de la Fsica

Muestre que del mismo modo se puede encontrar


p

f (x) = x2p+1 =

H2k+1 (x)
(2p 1)! X
22p1
(2k + 1)! (p k)!

<x<

k=0

Si f (x) = ea

x2

con Re a2 > 1. Otra vez


2

f (x) = ea

x2

a2k H2k (x)

k=0

entonces
a2k

= 2k
2 (2k)!

e(a

+1)x2

H2k (x)dx

Sustituyendo H2k (x) por su expresi


on integral tendremos
"
#
Z
2 Z
2k+1
1
(1)k ex
(a2 +1)x2 2
t2 2k

a2k = 2k
e
e t cos 2xt dt dx
2 (2k)!

0
Z

Z
2
2(1)k a2 x2
e
et t2k cos 2xt dt dx
=
(2k)!
0
Z

k Z
2
2 2
2(1)

et t2k
ea x cos 2xt dx dt
(2k)! 0


r
Z
t2 /a2
2(1)k t2 2k
e
dt =
e t
=
(2k)! 0
a2
Z

2
2
2(1)k
=
et (1+a ) t2k dt
(2k)!a 0
Z
1
a2k
(1)k
=
es sk 2 ds
t2 (1 + a2 ) = s
k+1/2
2
(2k)! (1 + a )
0


a2k
1
(1)k
k+
=
2
(2k)! (1 + a2 )k+1/2
y ahora usando, otra vez la propiedad de duplicacion de la funcion gamma,



1
22k k +
k! = (2k)!
2
obtenemos
a2k =
por lo tanto
f (x) = ea

x2

(1)k a2k
k+1/2

22k k! (1 + a2 )

(1)k a2k

k=0

22k k! (1 + a2 )

k+1/2

H2k (x)

Al igual que los polinomios de Legendre, los de Hermite, surgen tambian en sus orgenes como soluciones a
la ecuaci
on diferencial ordinaria del tipo
d2 Hn (x)
dHn (x)
2x
+ nHn (x) = 0
2
dx
dx
Vale decir
Luis A. N
un
ez

Universidad Industrial de Santander

273

M
etodos Matem
aticos de la Fsica

Ecuaci
on de Hermite
d2 H0 (x)
dx2

2x

Solucion

dH0 (x)
dx

=0

H0 (x) = 1

d2 H1 (x)
dx2

2x

dH1 (x)
dx

+ 2H1 (x) = 0

H1 (x) = 2x

d2 H2 (x)
dx2

2x

dH2 (x)
dx

+ 4H2 (x) = 0

H2 (x) = 4x2 2

d2 H3 (x)
dx2

2x

dH3 (x)
dx

+ 6H3 (x) = 0

H3 (x) = 8x3 12x

d2 H4 (x)
dx2

2x

dH4 (x)
dx

+ 8H4 (x) = 0

H4 (x) = 16x4 48x2 + 12

Funci
on Generatriz de los Polinomios de Hermite
Se puede encontrar una funci
on generatriz H(t, x) de los polinomios de Hermite:
2

H(t, x) = e2xtt = H0 (x) + H1 (x) t +

X
H2 (x) 2 H3 (x) 2
Hn (x) n
t +
t + =
t
2
3!
n!
n=0

para la cual los Hn (x) son los coeficientes de su desarrollo en series de potencias. Es facil darse cuenta que
esta expresi
on proviene del desarrollo en Serie de Taylor
H(t, x) = e

2xtt2




X
1 n H(t, x)
=
tn
n
n!
t
t=0
n=0

ktk <

para lo cual


n H(t, x)
tn

= ex

t=0

n (xt)2
e
tn

= (1) ex

t=0

dn (u)2
e
dun


= Hn (x)
u=x

Relaci
on de Recurrencia
A partir de la funci
on generatriz se puede construir la siguiente identidad
H(t, x)
= (2x 2t) H
t
y utilizando el desarrollo en series de potencias en t tendremos,

X
X
Hn (x) n1
Hn (x) n X Hn (x) n+1
nt
2x
t +
t
=0
n!
n!
n!
n=1
n=0
n=0

X
1
Hn+1 (x) 2xHn (x) + 2nHn1 (x) tn = 0
|
{z
}
n!
n=0
=0

As la relaci
on de recurrencia ser
a
Hn+1 (x) 2xHn (x) + 2nHn1 (x) = 0

Luis A. N
un
ez

Universidad Industrial de Santander

274

M
etodos Matem
aticos de la Fsica

De igual modo, podemos partir de otra identidad

X
X
H(t, x)
Hn0 (x) n
Hn (x) n+1
= 2t H
t 2
t
x
n!
n!
n=0
n=0

y encontrar una relaci


on para generar las derivadas de los polinomios de Hermite en termino de ellos mismos:
Hn0 (x) = 2n Hn1 (x),

n = 1, 2, 3,

Finalmente, utilizando la ecuaci


on anterior en la relacion de recurrencia y derivando esa expresion una vez
m
as, queda como:
Hn+1 (x) 2xHn (x) + Hn0 (x) = 0
Hn00 (x) 2xHn0 (x) + 2n Hn (x) = 0
con lo cual queda demostrado que los polinomios de Hermite son una solucion particular de esa ecuaci
on
diferencial.
y 00 2xy 0 + 2ny = 0,
Donde hemos hecho y = Hn (x) Adicionalmente, haciendo un cambio cosmatico podremos demostrar que
2
y = ex /2 Hn (x) es soluci
on de la ecuaci
on diferencial autoadjunta

y 00 + 2n + 1 x2 y = 0
Ortogonalidad y Norma de los Polinomios de Hermite
En general estos polinomios cumplen con

hH |H i = 2 ! =

ex H (x)H (x)dx

Donde la funci
on delta de Kronecker es = 0 si 6= ; y = 1.
Para demostrar el caso 6= partimos de

 
u u00 + 2 + 1 x2 u = 0

 
u u00 + 2 + 1 x2 u = 0
restando miembro a miembro e integrando se tiene que:
 0
0
u u u0 u + 2 ( ) u u = 0
Z
2
( )
ex H (x)H (x)dx = 0

Z
2
ex H (x)H (x)dx = 0

6= ;

ya que
ex

/2



(2 H1 (x)H (x) 2 H1 (x)H (x))
=0

Para encontrar el valor de la norma, procedemos a partir de la relacion de recurrencia


Hn (x) (Hn (x) 2xHn1 (x) + 2(n 1)Hn2 (x)) = 0
Hn1 (x) (Hn+1 (x) 2xHn (x) + 2nHn1 (x)) = 0
Luis A. N
un
ez

Universidad Industrial de Santander

275

M
etodos Matem
aticos de la Fsica

restando miembro a miembro, multiplicando por ex e integrando entre (, ) se obtiene


Z
Z
2
x2 2
2
e
H (x)dx = 2
ex H1
(x)dx

repitiendo la operaci
on y recordando que al final queda
Z

2
ex x2 dx = 2

Obtenemos

2
ex H2 (x)dx = 2n n!

hH |H i = kH k =

Representaci
on Integral de los Polinomios de Hermite
Los polinomios de Hermite pueden ser representados como
Hn (x) =

2n (i)n ex

et

+2itx n

t dt

que puede ser separada como


H2n (x) =

22n+1 (1)n ex

et t2n cos 2xt dt

n = 1, 2, 3,

y paralos terminos impares


2

H2n+1 (x) =

22n+2 (1)n ex

et t2n+1 sen 2xt dt

n = 1, 2, 3,

La forma de llegar a cualquiera de estas u


ltimas formulas se parte de las conocidas integrales desarrolladas
en el plano complejo
Z
2
2
2
et cos 2xt dt
ex =

se deriva 2n veces a ambos miembros se utiliza la definicion de los polinomios de Hermite.

Luis A. N
un
ez

Universidad Industrial de Santander

276

M
etodos Matem
aticos de la Fsica

Resumen de Propiedades Polinomios Hermite


Polinomios de Hermite
n
2
2 d
ex ,
n = 0, 1, 2, ....
Hn (x) = (1)n ex
dxn
n/2
Definici
on
X (1)k n!
n2k
Hn (x) =
(2x)
k! (n 2k)!
k=0
H0 (x) = 1;
H1 (x) = 2x;
H2 (x) = 4x2 2;
Ejemplos
3
H3 (x) = 8x 12x
H4 (x) = 16x5 48x2 + 12
Hn+1 (x) 2xHn (x) + 2nHn1 (x) = 0
Relaciones de Recurrencia
Hn0 (x) = 2n Hn1 (x),
n = 1, 2, 3,
y 00 2xy 0 + 2ny = 0

2
Ecuaciones Diferenciales
u00 + 2n + 1 x2 u = 0; u(x) = ex /2 Hn (x)

X Hn (x)
2
tn
Funci
on Generatriz
H(t, x) = e2xtt =
n!
n=0
2 Z
22n+1 (1)n ex
2

H2n (x) =
et t2n cos 2xt dt

0
Representaci
on Integral
2 Z
22n+2 (1)n ex
2

H2n+1 (x) =
et t2n+1 sen 2xt dt

0
Z

Ortogonalidad
hH |H i = 2 ! =
ex H (x)H (x)dx

El Oscilador arm
onico, independiente del Tiempo, en Mec
anica Cu
antica.
La Ecuaci
on de Schr
odinger independiente del tiempo y en una dimension es
d2
2
(x) + 2 [E U(x)] (x) = 0
dx2
~
con la masa de la partcula; E los niveles de energa y U(x) el potencial al cual estasometida la partcula.
En el caso que estudiemos un potencial U(x) = 12 2 x2 en el cual la frecuencia angular del oscilador viene
representada por . La ecuaci
on de Schr
odinger se convierte en


d2
2
1 2 2
(x)
+

x
(x) = 0
E

dx2
~2
2
p
haciendo un cambio de variable = x /~ para adimensionalizar la ecuacion, se obtiene


2E
00 () +
2 () = 0
~
la cual corresponde a la forma autoadjunta de la Ecuacion de Hermite y por lo tanto identificamos


2E
1
= 2n + 1 E = n +
~
~
2
con lo cual comprobamos la forma como viene cuantizada la energa en este sistema y la energa del estado
fundamental. Por su parte, la funci
on de onda se podraexpresar en la base de soluciones de esa ecuaci
on
() =

X
n=0

Luis A. N
un
ez

cn n () =

cn e

/2

Hn ()

n=0

Universidad Industrial de Santander

277

M
etodos Matem
aticos de la Fsica

y se mantenemos la normalizaci
on
Z
n2 ()d = 1

con cn =

7.4.3.

 1/4
~

1
2n n!

MAPLE y los polinomios ortogonales

MapleV (9.5 y superiores) tiene predefinidos, como funciones., la mayor parte de los polinomios ortogonales, Vale decir.
Legendre y sus asociados tanto de primera : LegendreP(n, x), LegendreQ(n, x), como de segunda
especie LegendreP(n, u, x), LegendreQ(n, u, x);
Hermite HermiteH(n, x)
Thebyshev de primera y segunda especie ChebyshevT(n, x) y ChebyshevT(n, x), respectivamente.
Laguerre: LaguerreL(n, a, x)
Jacobi: JacobiP(n, a, b, x)
donde n indica el orden del polinomio y x la variable con la cual se expresa. Tambien existen varias bibliotecas
o paquetes que presentan facilidades para manipular polinomios ortogonales. Entre ellas podemos mencionar
OrthogonalSeries Paquete que permite manipular series de polinomios ortogonales. Permite expresar
una funci
on polin
omica como serie de polinomios ortogonales, multiplicar, sumar, derivar, cambiar de
base de polinomios, entre otras

Luis A. N
un
ez

Universidad Industrial de Santander

278

M
etodos Matem
aticos de la Fsica

>
>
>
>
>

restart;with(OrthogonalSeries) :
poli := 1+2*x+3*x^3 +4*x^5;
S1 := ChangeBasis(poli,ChebyshevT(n,x)) ;
S2 := ChangeBasis(poli,HermiteH(n,x)) ;
S3 := ChangeBasis(S1,HermiteH(n,x));

Incorpora la biblioteca OrthogonalSeries; define un polinomo poli = 4x5 + 3x3 + 2x + 1 lo expresa


en serie de potencias en base de los polinomios de Tchebyshev (S1); o lo expresa como serie en la base
de polinomios de Hermite (S2); Toma la serie S1, expresada en la base de polinomios de Tchebishev
y las transforma a la base de polinomios de Hermite.
numapprox Paquete de subrutinas para aproximar funciones en termino de series de algunos polinomios
ortogonales.
with(numapprox):
chebyshev(cos(x), x);
Expandir
a la funci
on cos x en series de polinomios de Tchebychev.
orthopoly. Un paquete casi obsoleto que habra de ser eliminado tras la incorporacion de los polinomios
ortogonales como funciones nativas de Maple

7.4.4.

Planteamiento General para Polinomios Ortogonales

Hemos considerado un par de ejemplos de Polinomios Ortogonales. En ambos podemos idenficar algunas
caractersticas comunes. En base a estas caractersticas comunes definiremos otras familias de polinomios
ortogonales.
Nomenclatura

Nombre

w(x)

Pn (x)

Legendre

Tn (x)

Tchebychev 1E

Un (x)

Tchebychev 2E

1
1

2
1 x
1 x2

Hn (x)
Ln (x)
L
n (x)
Pn (x)

Hermite
Laguerre
Laguerre G
Jacobi

0
0
1

ex
ex
x ex con > 1
(1 x) (1 + x)

Nn
2
2n + 1

2
2n n!
1

N0

(n++1)
n!

ver leyenda

Cuadro 7.1: Propiedades genericas de los Polinomios Ortogonales, Nn indica la norma del polinomio de grado
2++1
(n + + 1)(n + + 1)
n. En el caso de los polinomios de Jacobi, la norma es Nn =
con
2n + + + 1
n!(n + + + 1)
> 1 y > 1

Luis A. N
un
ez

Universidad Industrial de Santander

279

M
etodos Matem
aticos de la Fsica

Producto interno gen


erico, Norma y ortogonalidad
Los polinomios ortogonales se definen como un conjunto de polinomios {pn (x)} de orden n definidos en
un determinado intervalo a x b, los cuales son ortogonales respecto a una definicion de producto interno
Z b
hpm |pn i =
w(x)pm (x)pn (x)dx = hn nm con w(x) > 0 una funcion peso en a x b
a

que garantiza que la norma sea finita en ese intervalo. Dado que el Teorema de Weierstrass garantiza que el
conjunto de polinomios {1, x, x2 , , xn , } es una base completa para un espacio vectorial E , se procede
a ortogonalizar esa base con la definici
on de producto interno y el intervalo que corresponda. Para cada caso
tendremos una base ortogonal de polinomios.
Polinomio
Pn
Tn
Un
Hn
Ln
L
n

n
(1)n 2n n!

(1)n n+1
2
n + 12


(1)n
2n+1 n + 32
(n + 1)
(1)n
n!
n!

w(x)
1
1

1 x2

1 x2
2

ex
ex
x ex

q(x)
1 x2
1 x2
1 x2
1
x
x

Cuadro 7.2: Funciones para determinar la Formula de Rodrigues generalizada


Haremos ahora un cat
alogo de las propiedades mas resaltantes de estos polinomios. En el cuadro 7.1
resumimos las propiedades m
as resaltantes, com lo son: la funcion peso en el producto interno, el intervalo
en el cual est
an definidas estas fuciones y su norma.
F
ormula de Rodrigues genelarizada
En general todos los polinomios ortogonales {pn (x)} vienen definidos por la formula de Rodrigues generalizada
1
dn
pn (x) =
(w(x)q(x)n )
w(x)n dxn
donde w(x), q(x) y n vienen especficados en el cuadro 7.2 para cada conjunto de polinomios ortogonales
Ejemplos de Polinomios Ortogonales
Utilizando la f
ormula de Rodrigues generalizada, podemos construir algunos polinomios generalizados.
El cuadro 7.3 muestra algunos de ejemplos de estos polinomios ortogonales
Relaciones de Recurrencia
Tambien se pueden formular, de manera generica las realciones de recurrencia. Obviamente, las relaciones
de recurrencia tambien constituyen una forma alternativa de ir construyendo los polinomios ortogonales. As,
un polinomio ortogonal generico, pn (x), cumplira
pn+1 (x) = (an + xbn )pn (x) cn pn1 (x)
El cuadro 7.4 contiene las expresiones de los coeficientes para construir las relaciones de recurrencia generalizadas para cada uno de los polinomios
Luis A. N
un
ez

Universidad Industrial de Santander

280

M
etodos Matem
aticos de la Fsica

Polinomio

n=0

n=1

Pn

Tn
Un
Hn
Ln

1
1
1
1

x
2x
2x
1x

n=2
1
(3x2 1)
2
2x2 1
4x2 1
4x2 2
1 2
2 x 2x + 1

n=3
1
(5x3 3x)
2
4x3 3x
8x3 4x
8x3 12x
1
3
2
6 (x 9x + 18x 6)

n=4
1
(35x4 30x2 + 3)
8
8x4 8x2 + 1
16x4 12x2 + 1
16x4 48x2 + 12
1
4
3
2
24 (x 16x + 72x 96x + 24)

Cuadro 7.3: Ejemplos de Polinomios Ortogonales


Polinomio

an

Pn

Tn
Un
Hn

0
0
0
2n + 1
n+1
2n + 1 +
n+1

Ln
L
n

bn
2n + 1
n+1
2
2
2
1

n+1
1

n+1

cn
n
n+1
1
1
2n
n
n+1
n+
n+1

Cuadro 7.4: Funciones para determinar la Relacion de Recurrencia Generalizada


Funci
on generatriz generalizada
Para todos los polinomimos ortogonales podemos definir una funcion generatriz G(x, t), de tal manera
que cada uno de los polinomios ortogonales {pn (x)} sera proporcional al coeficiente de tn del desarrollo en
series de Taylor, en potencias de t alrededor del punto x = 0. Esta funcion generatriz que constituye una
forma alternativa de definir los polinomios ortogonales viene expresada por la serie
G(x, t) =

Cn pn (x) tn

con an constante

n=0

Las funciones generatrices no son exclusivas de los polinomios ortogonales. Como veremos mas adelante,
existen funciones generatrices para las funciones de Bessel.
Ecuaci
on diferencial para los Polinomios Ortogonales
Cada uno de los polinomios ortogonales habra de ser solucion de una ecuacion diferencial ordinaria de la
forma
d2 pn (x)
dpn (x)
g2 (x)
+ n pn (x) = 0
+ g1 (x)
dx2
dx
En el cuadro 7.6 mostramos las expresiones para los coeficientes de las ecuaciones correspondientes a las
ecuaciones diferenciales para las cuales cada uno de los polinomio ortogonales es solucion

Luis A. N
un
ez

Universidad Industrial de Santander

281

M
etodos Matem
aticos de la Fsica

Polinomio

Cn

Pn

Tn

Un

1
1
n!n
1
(2n)!
1n
(2n + 1)!

Hn
H2n
H2n+1
Ln

L
n

G(x, t)
1

1 2xt + t2
1 t2
+1
1 2xt + t2
1
1 2xt + t2
2
e2xtx
cos(2xt)et

sen(2xt)et

xt
1 1t
e
1t
xt
1
e 1t
(1 t)

Cuadro 7.5: Funciones para determinar la funcion generatriz generalizada


Polinomio
Pn
Tn
Un
Hn
Ln
L
n
Pn

g2 (x)
1 x2
1 x2
1 x2
1
x
x
1 x2

g1 (x)
2x
x
2x
2x
1x
1x+
x(2 + + )

n
n(n + 1)
n2
n(n + 1)
2n
n
n
n(n + + + 1)

Cuadro 7.6: Funciones para determinar la ecuacion diferencial para la cual son solucion los polinomios
ortogonales

7.4.5.

Un par de aplicaciones de ejemplos

Interpolaci
on polinomial de puntos experimentales
Muchas veces nos encontramos con la situacion en la cual tenemos un conjunto de (digamos n) medidas
o puntos experimentales {(x1 , y1 = f (x1 )), (x2 , y2 = f (x2 )), , (xn , yn = f (xn ))} y para modelar ese
experimento quisieramos una funci
on que ajuste estos puntos. El tener una funcion nos provee la gran ventaja
de poder intuir o aproximar los puntos que no hemos medido. La funcion candidata mas inmediata es un
polinomio y debemos definir el grado del polinomio y la estrategia que aproxime esos puntos. Si queremos
aproximar esos puntos por una recta el Metodo de Mnimos Cuadrados es el mas utilizado7 . Puede ser que
no sea lineal el polinomio y queramos ajustar esos puntos a un polinomio tal que este pase por los puntos
experimentales. Queda entonces por decidir la estrategia. Esto es si ajustamos la funcion como trozos
de polinomios que ajusten a subconjuntos {(x1 , y1 = f (x1 )), (x2 , y2 = f (x2 )), , (xm , ym = f (xm ))} con
m < n. de los puntos experimentales En este caso tendremos una funcion de ajuste, para cada conjunto de
7 Para detalles pueden consultar Luis A. N
un
ez Formulario de M
etodos Matem
aticos 1. Grupos, SubEspacios,
Independencia Lineal y Bases para un Espacio Vectorial Lineal http://webdelprofesor.ula.ve/ciencias/nunez/
cursos/MetodosMatematicos1/B2005/Met1ClsEspVect105A.pdf

Luis A. N
un
ez

Universidad Industrial de Santander

282

M
etodos Matem
aticos de la Fsica

Figura 7.3:
En el lado izquierdo se muestran los puntos experimentales
{(2, 8), (4, 10), (6, 11), (8, 18), (10, 20), (12, 34)} y a la derecha la funcion polinomica que los interpola

son

puntos. Tambien podemos a ajustar la funcion a todo el conjunto de puntos experimentales y, en ese caso el
m
aximo grado del polinomio que los ajuste sera de grado n 1. Para encontrar este polinomio lo expresamos
como una combinaci
on lineal de Polinomios de Legendre. Esto es

y1 = f (x1 ) = C0 P0 (x1 ) + C1 P1 (x1 ) + + Cn1 Pn1 (x1 )

n1
y2 = f (x2 ) = C0 P0 (x2 ) + C1 P1 (x2 ) + + Cn1 Pn1 (x2 )
X
Ck Pk (x)
P(x) = f (x) =
..

k=0

yn = f (xn ) = C0 P0 (xn ) + C1 P1 (xn ) + + Cn1 Pn1 (xn )


que no es otra cosa que un sistema de n equaciones con n incognitas: los coeficientes {C0 , C1 , Cn1 } Al
resolver el sistema de ecuaciones y obtener los coeficientes, podremos obtener la funcion polinomica que
intermpola esos puntos. Una expansi
on equivalente se pudo haber logrado con cualquier otro conjunto de
polinomios ortogonales, que ellos son base del espacio de funciones. Es importante hacer notar que debido
a que los polinomios de Legendre est
a definido en el intervalo [1, 1] los puntos experimentales deber
an
re-escalarse al ese intervalo para poder encontrar el polinomio de interpolacion como combinacion lineal de
los Polinomios de Legendre.
Consideremos los puntos experimentales representado en la figura 7.3. Al construir el sistema de ecua-

Luis A. N
un
ez

Universidad Industrial de Santander

283

M
etodos Matem
aticos de la Fsica

ciones obtendremos
8 + C0 C1 + C2 C3 + C4 C5

=0

10 + C0

3
5

C1 +

1
25

C2 +

9
25

C3

51
125

C4 +

477
3125

C5

=0

11 + C0

1
5

C1

11
25

C2 +

7
25

C3 +

29
125

C4

961
3125

C5

=0

18 + C0 +

1
5

C1

11
25

C2

7
25

C3 +

29
125

C4 +

961
3125

C5

=0

20 + C0 +

3
5

C1 +

1
25

C2

9
25

C3

51
125

C4

477
3125

C5

=0

34 + C0 + C1 + C2 + C3 + C4 + C5

=0

y al resolver el sistema obtendremos que


C0 =

2249
,
144

C1 =

3043
,
336

C2 =

1775
,
504

C3 =

175
,
216

C4 =

625
,
336

C5 =

14375
3024

con lo cual
2249 3043
1775
175
625
14375
+
x+
P (2, x)
P (3, x) +
P (4, x) +
P (5, x)
144
336
504
216
336
3024
la interpolaci
on queda representada en al figura 7.3.
Es importante se
nalar que mientras mas puntos experimentales se incluyan para la interpolaci
on, el
polinomio resultante ser
a de mayor grado y, por lo tanto incluira oscilaciones que distorcionaran una aproximaci
on m
as razonable. Por ello, la estrategia de hacer la interpolacion a trozos, digamos de tres puntos en
tres puntos, generar
a un mejor ajuste, pero sera una funcion (un polinomio) contnuo a trozos.
P(x) = f (x) =

Cuadratura de Gauss-Legendre
Una de los usos m
as comunes de los polinomios ortogonales es para aproximar funciones, en particular
integrales que requieren ser resueltas numericamente. La idea es aproximar una integral, para una funcion
f (x), definida en el intervalo [a, b] y suficientemente bien comportada, por una suma finita de terminos
ck f (xk ) y estimar el error que cometemos en esta aproximacion. Esto es
Z

f (x)dx =
a

N
X

ck f (xk ) + EN

k=1

N
otese que la intenci
on es utilizar la funci
on a integrar evaluada en un conjunto de puntos estrategicos para
los cuales est
an definidos unos coeficientes, tambien inteligentemente seleccionados. Es decir se requieren 2N
n
umeros (ck y los xk con k = 1, 2, N ). Mas a
un, esas 2N cantidades pueden ser seleccionadas de forma
tal que la aproximaci
on es exacta EN = 0 cuando f (x) es un polinomio de grado 2N 1
Supongamos, para empezar que la funci
on f (x) esta definida para x [1, 1]8 y por lo tanto los polinomios
ortogonales que seleccionaremos para aproximar la integral (y la funcion) seran los del Legendre (igual
pudimos haber utilizado los polinomios de Tchebychev), con lo cual

Z 1
Z

X
1
1 1
f (x) =
ak Pk (x)
donde, como siempre ak = n +
dx f (x)Pk (x) y a0 =
dx f (x)
2
2 1
1
k=0

8
esta

no es una limitaci
on muy severa porque siempre podemos hacer un cambio de variable del tipo x =

ba
2

t+

b+a
2

y convertir cualquier intervalo cerrado [a, b] en un intervalo cerrado [1, 1]

Luis A. N
un
ez

Universidad Industrial de Santander

284

M
etodos Matem
aticos de la Fsica

Con lo cual
Z

f (x)dx
1

N
X

ck f (xk ) =

k=1

N
X

ck

!
an Pn (xk )

n=0

k=1

an

n=0

N
X

!
ck Pn (xk )

k=1

quedan todava por determinar los pesos ck y los puntos xk . Para ello procedemos de la siguiente forma.
Notamos que PN (x) tiene N races, x = xj , en el intervalo 1 x 1. Entonces, si seleccionamos esos
puntos x = xj para evaluar la funci
on f (xk ) se anulan el coeficiente para el termino aN y, ademas podremos
encontrar los pesos ck resolviendo el sistema de N ecuaciones de la forma
N
X

cj P0 (xj ) =

j=1

N
X

N
X

cj = 2

j=1

para k = 1, 2, N 1

cj Pk (xj ) = 0

j=1

donde los Pk (xj son los distintos polinomios evaluados en las races del polinomio de grado N , i.e. PN (xj ) = 0
Se puede demostrar que la soluci
on de este sistema provee los pesos escritos de la forma
2

cj =

!2

dPN (x)
dx x=xj

(1 x2j )
M
as a
un, podremos, de esta forma, escribir
Z

f (x)dx
1

N
X

ck f (xk ) = 2a0 + EN

con EN =

n=N +1

k=1

an

N
X

!
ck Pn (xk )

k=1

pero como
1
a0 =
2

Z
dx f (x)

dx f (x) =
1

N
X

ck f (xk ) EN

k=1

Es decir, demostramos que es posible aproximar la integral del la funcion con un promedio pesado de la
funci
on evaluada en unos puntos estrategicos. Los puntos estrategicos son los ceros del polinomio de Legendre
de grado igual al n
umero de puntos con los cuales se quiere aproximar la funcion y los pesos vienen de resolver
las ecuaciones para los coeficientes de la expansion.
En el cuadro 7.7 se ilustran los valores de los puntos de interpolacion y sus pesos correspondientes.
Es inmediato comprobar que si f (x) es un polinomio de grado N 1 la aproximacion es exacta y el
error es nulo. Pero lo que realmente hace u
til a este tipo de aproximaciones es que tambien sera exacta para
polinomios de grado 2N 1. Esto se puede ver si expresamos un polinomio de grado 2N 1 como la suma
de dos polinomios
f (x) = PN (x)Y1 (x) + Y2 (x)
donde Y1 y Y2 son polinomios de grado N 1. Entonces, al integrar miembro a miembro
Z 1
Z 1
Z 1
dx Y2 (x)
dx f (x) =
dx PN (x)Y1 (x) +
1
1
1
{z
}
|
=0

el primer termino se anula por ser PN (x) ortogonal a cualquier polinomio de grado inferior, y el segundo
termino no es m
as que el caso que analizamos anteriormente de un polinomio de grado N 1
Luis A. N
un
ez

Universidad Industrial de Santander

285

M
etodos Matem
aticos de la Fsica

xj = fsolve(P(N,x),x,complex)

cj =
(1

0,5773502692
0,0
0,7745966692
0,3399810436
0,8611363116
0,0
0,5384693101
0,9061798459
0,2386191861
0,6612093865
0,9324695142
..
.

2
3
4
5

..
.

x2j )

!2

dPN (x)
dx x=xj

1,0
0,88888889
0,55555555
0,65214515
0,34785485
0,56888889
0,47862867
0,23692689
0,46791393
0,36076157
0,17132449
..
.

2N 1

3
5
7
9

11

..
.

Cuadro 7.7: Puntos y pesos para una cuadratura de Gauss-Legendre


Estrategia General para cuadraturas de Gauss
Para el caso general. Vale decir la aproximacion de una integral
Z

dx w(x)f (x)
a

N
X

ck f (xk )

k=1

donde las {x1 , xk , xN } son los ceros del polinomio ortogonal, de grado N , pN (x), elegido para hacer
esta aproximaci
on. Los N pesos {c1 , ck , cN } surgen de resolver el sistema de ecuaciones
N
X

h0
cj = 2
p0
j=1

Z
con h0 =

w(x)p20 (x)dx

N
X

cj Pk (xj ) = 0

para k = 1, 2, N 1

j=1

As para aproximar integrales con funciones pesos, w(x), utilizaremos cuadraturas adaptadas a los polinomios
ortogonales. Esto es
Z
Z
Z 1
f (x)
x
x2
dx e f (x) Laguerre
dx e
f (x) Hermite
dx
Tchebychev
1 x2
0

7.5.
7.5.1.

Series y transformadas de Fourier


Generalidades

Otro de los casos de expansi


on en una base completa de funciones lo constituyen la base de Fourier. En este

caso la serie de Fourier la constituyen funciones continuas, reales de variable real y definidas en [0, 2], C[0,2]
,
en termino de funciones trigonometricas. Esto es el conjunto de funciones {|u1 i , |u2 i , |u3 i , , |un i }
representadas por
|u0 i = 1,
Luis A. N
un
ez

|u2n i = cos nx

|u2n1 i = sen nx,

Universidad Industrial de Santander

con n = 1, 2, 3,
286

M
etodos Matem
aticos de la Fsica

Figura 7.4: Expansiones de Varias funciones en sumas parciales de Series de Fourier. Tomado de Eric
W. Weisstein. Fourier Series. MathWorldA Wolfram Web Resource. http://mathworld.wolfram.com/
FourierSeries.html

Es claro que {|u1 i , |u2 i , |u3 i , |un i , } es un conjunto de

0 si n 6= m

2
hun |um i = nm k|un ik

k|un ik
si n = m

funciones ortogonales por cuanto


R 2

0 dx sen nx sen mx = 0

R
2
dx cos nx sen mx = 0
0

R 2 dx cos nx cos mx = 0
0
R 2

dx = 2

R
2
dx cos2 nx =
0

R 2 dx sen2 nx =
0

con l = 1, 2, 3, tambien. Por lo tanto, podremos construir una base ortonormal de funciones
{|e1 i , |e2 i , |e3 i , , |en i , } de la forma
1
|e0 i = ,
2

1
|e2n i = cos nx

1
|e2n1 i = sen nx.

Tal y como se muestra en la figura 7.4 disntintas funciones pueden ser expandidas con sumas parciales de
Fourier. A diferencia de las series de potencias, que imponen que las funciones a ser expandidas deben ser
contnuas y contnuamente diferenciables en el intervalo, la series de Fourier pueden representar funciones
contnuas a trozos, siempre y cuando cumplan con algunas condiciones.
Por lo tanto cualquier funci
on definida en el intervalo [0, 2] puede expresarse en terminos de esta base

Luis A. N
un
ez

Universidad Industrial de Santander

287

M
etodos Matem
aticos de la Fsica

como

|f i =

ci |ei i

ci = hei |f i =

i=0

1
2

R 2
0

R 2

R 2

dx f (x) = c0 a0

si

i=0

dx f (x) cos(nx) = c2n am

si

i = 2n

dx f (x) sen(nx) = c2n1 bm

si

i = 2n 1

donde los ci son los coeficientes de Fourier, con lo cual

F (x) =

a0 X
+
(an cos(nx) + bn sen(nx))
2
n=1

y equivalentemente si el perodo es T y para un un x0 generico

F (x) =


X

a0
+
an cos
2
n=1

2nx
T


+ bn sen

2nx
T



a0 =

con
an =

bn =

2
T

R x0 +T

2
T

R x0 +T

2
T

R x0 +T

x0

x0

x0

dx f (x)
dx f (x) cos
dx f (x) sen

2nx
T

2nx
T

La figura 7.4 muestra la aproximaci


on de las distintas sumas parciales para distintas funciones. A medida
que aumentamos el n
umero de terminos la aproximacion mejora. Notese que hemos utilizado F (x) F (x)
para indicar el lmite de la suma parcial FN (x) para n = N de la expresion de una funcion f (x) expresada
en series de Fourier.
Pero m
as a
un, podemos expresar la expansion de una serie de Fourier de manera mas compacta atendendiendo a las expresiones anteriores. Esta expresion se conoce en algunos ambitos como la expresion integral
para la series de Fourier
Z 2
1
F (x) =
dt f (t)
2 0

Z 2


Z 2
X
=
+
dt f (t) cos(nt) cos(nx) +
dt f (t) sen(nt) sen(nx)
0

n=1

F (x)

dt f (t) +
0

Z
X
n=1

dt f (t) cos(n(t x))

un expresar una serie de Fourier en termino de una base compleja. Vale decir
 Tambien es muy com
k i { eikx } con k = 0, 1, 2, . Con lo cual
|
|f i =

X
k=

k i
Ck |

X
k=

Ck eikx

con

k |f i
h
1
Ck =
=

2
hk |k i

dx eikx f (x)

Utilizando esta otra expresi


on podremos reescribir (una vez mas) la expresion de una suma parcial de la
Serie de Fourier. Dado que
Z
1
an cos(nx) + bn sen(nx) =
dt f (t) cos(n(t x))

Luis A. N
un
ez

Universidad Industrial de Santander

288

M
etodos Matem
aticos de la Fsica

tendremos que
Fn (x)


n
n  Z
a0 X
a0 X 1
dt f (t) cos(n(t x))
+
+
(ak cos(kx) + bk sen(kx)) =
2
2

k=1
k=1
"Z
#
n 

n1 X
o
<
dt f (t)
+
ei(tx)k
2

k=1

y al sumar la progresi
on geometrica que representa una serie de exponenciales llegamos a
"

#
Z
Z
sen n + 21 (t x)
1
1


Fn (x) =
dt f (t)
dt f (t) K(x, n, t)
2
2
sen 12 (t x)
la cual siempre es convergente y el termino
"
K(x, n, t) =

sen


#
n + 12 (t x)

sen 12 (t x)

se conoce como el n
ucleo de la transformacion de F , el (Kernel ) de Dirichlet
La pregunta b
asica que sigue es, en todos estos casos,: como se relaciona la expansion de Fourier
|f i F (x) con la funci
on f (t) que genera los coeficientes de la expansion ? Notese que es una forma de
mirar una relaci
on entre F (x) f (t). Pasamos de f (t) a F (x) mediante una transformacion
Z
1
Fn (x) =
dt f (t) K(x, n, t)
2
Este tipo de relaciones se denomina transformacion integral y en particular esta es una de las expresiones
de las llamadas Transformaciones de Fourier las cuales trataremos mas adelante en la seccion 7.5.6.

7.5.2.

Las Condiciones de Dirichlet y el Teorema de Fourier

Condiciones de Dirichlet
Las condiciones que una determinada funcion f (x) debe cumplir para poder ser representada como una
serie de Fourier, se conocen con el nombre de condiciones de Dirichlet9 las cuales pueden ser esquematizadas
en los siguientes puntos. Para que una funcion f (x) sea susceptible de ser expandida en series de Fourier
debe ser
peri
odica
univaluada y contnua a trozos (contnua menos, en un n
umero finito de puntos) con un n
umero finito
de m
aximos y mnimos
R T /2
la integral T /2 dx|f (x)| debe ser convergente. Donde [T /2, T /2] quiere indicar el intervalo de definici
on de una funci
on con perodo T .
Podemos formalizar un poco m
as las condiciones de Dirichlet en el llamado Teorema de Fourier.
9 Johann Peter Gustav Lejeune Dirichlet 1805 - 1859 Matem
atico Alem
an con importantes contribuciones en Teoras
de n
umeros Algebr
aica, Series y aproximaciones de funciones y ecuaciones diferenciales parciales

Luis A. N
un
ez

Universidad Industrial de Santander

289

M
etodos Matem
aticos de la Fsica

Teorema de Fourier
Sea f (x) una funci
on en el intervalo x y definida para el resto de la recta real tal que cumpla
con f (x + 2) = f (x). Es decir f (x) es 2periodica. Supongamos ademas que existe
Z
Z
1
dx eikx f (x) con k = 0, 1, 2, .
dx f (x) con lo cual Ck =
2

y si |f (x)| est
a acotada para un intervalo [a, b] con < a x b < , entonces



X
1
ikx

F (x) =
Ck e
es convergente al valor F (x) =
lm f (x + ) + lm f (x )
0
2 0+
k=

y si f (x) es contnua en x = x0 entonces F (x0 ) f (x0 ).


En este punto se pueden puntualizar varias cosas

El valor F (x) = 12 lm0+ f (x + ) + lm0+ f (x ) al cual converge la expansion de Fourier,
cobra particular importancia cuando el punto x = x0 es una discontinuidad. Tal y como veremos m
as
adelante (secci
on 7.5.5) y expresa este teorema, las series de Fourier son particularmente apropiadas
para expandir funciones discontnuas (en un n
umero finito de puntos en el intervalo), sin embargo,
por ser una base de funciones contnuas no puede reproducir la discontinuidad como tal. La expansi
on
de Fourier alrededor de un punto de discontinuidad x x0 tendera al valor F (x) F (x0 ) Fm
(x0 )
donde Fm = F (x+0 )+F
. Es decir, tendera al valor medio de los valores de la discontinuidad por la
2
izquierda F (x0 ) y por la derecha F (x+0 ).
Si los coeficientes de Fourier tienen variaciones acotadas en el intervalo y |Ck | 0 con k .
Entonces
Z
Z

X
1
1
1 2 X 2
|Ck |2 =
a0 +
|an + b2n | =
dx |f (x)|2

dx |f (x)|2
2
2

n=1
k=

que no es otra cosa que la expresi


on de la completitud de esta base de funciones.

7.5.3.

Algunos ejemplos de expansiones en series de Fourier

Para ilustrar esta relaci


on entre la funcion f (x) y su expansion en serie de Fourier F (x) analicemos
algunos ejemplos tpicos
Ondas Cuadradas
Para empezar, el caso de una funci
on muy conocida en el ambito de los circuitos electrico. Una onda
cuadrada





Z T2
Z T2
1 si 21 T t < 0
4
2nt
2
2nt
bn =
dt f (t) sen
=
dt f (t) sen
f (t) =

T T2
T
T 0
T
+1 si 0 t 12 T
porque los coeficientes pares (an ) se anulan. Entonces


2
4
sen3t sen5t sen7t
bn =
(1 (1)n ) f (t) =
sent +
+
+
+
n

3
5
7
Luis A. N
un
ez

Universidad Industrial de Santander

290

M
etodos Matem
aticos de la Fsica

Figura 7.5: Un par de funciones, definidas con un perdo T , a ser expresadas en como expansiones en Series
de Fourier. En los cuadrantes
I y II, encontramos una onda cuadrada. La primera (cuadrante I) definida en

un intervalo T2 , T2 y en el cuadrante II la misma funcion definida en un intervalo (0, T ). El cuadrante III
ilustra las aproximaciones de la serie de Fourier para n = 3, 7, 20, mientras que el espectro de potencia se
presenta en el cuadrante IV. La onda diente de sierra, definida en un intervalo (0, T ), se presenta en el
cuadrante V. Sus aproximaciones en series de Fourier para n = 3, 7, 10 se pueden observar en el cuadrante
VI, mientras que el espectro de potencia en el cuadrante VII.

los coeficientes pares b2n se anulan y ademas hemos denotado = 2/T . Al definir la funcion podemos
interpretar los coeficientes de Fourier an , bn como las contribuciones de cada uno de los armonicos an , bn
n = 2n/
a relacionado
T . A partir de estas contribuciones se construye el espectro de potencia, el cual est
p
con la energa que aporta cada uno de estos armonicos. Por ello construimos un ndice En = a2n + b2n y
graficamos En vs n tal y como se puede comprobar en la figura 7.5, cuadrantes IV y VII. Se encuentra que
se puede asociar un espectro de potencia a cada se
nal y con lo cual realizar una especie de identificaci
on.
En este punto podemos hacernos un par de preguntas

quehubiera pasado si en vez de considerar el intervalo T2 , T2 hubieramos considerado (0, T ) ?
tendramos el mismo desarrollo en serie de Fourier ?
el mismo espectro ?
Justifique sus respuestas.
Variedades de dientes de sierra
Otra funci
on muy com
un es la denominada dientes de

f (t) = at si 0 t T con a constante

Luis A. N
un
ez

sierra
a0 =

2
T

RT

an =

2
T

RT

bn =

2
T

RT

dt f (t)
dt f (t) cos
dt f (t) sen

Universidad Industrial de Santander

= aT
2nt
T

2nt
T

=0
=

aT
n
291

M
etodos Matem
aticos de la Fsica

si adicionalmente suponemos a = 3, tendremos que la expansion en serie tomara la forma


f (t) = 3t = 3

6sen ( t) 3sen (2 t) 2sen (3 t) 3sen (4 t) 6sen (5 t)

2
5

para 0 t T

La figura 7.5 (cuadrantes V y VI) muestra la construccion de esta funcion y su representacion en Series de
Fourier.
A partir de esta funci
on podemos hacer unas variaciones. Por ejemplo considerese la funcion

R
2 T /2

=0

a0 = T T /2 dt f (t)


R T /2
T
T
an = T2 T /2 dt f (t) cos 2nt
=0
f (t) = at si
t
con a constante

2
2


R

aT (1)n

bn = 2 T /2 dt f (t) sen 2nt


=

T T /2
T
n
Claramente es una funci
on impar f (x) = f (x) y as lo refleja su expansion en series de Fourier. Si hacemos
a = 3 y T = 2 n = n tendremos que la expresion para de la serie es
6sen ( t) 3sen (2 t) 2sen (3 t) 3sen (4 t) 6sen (5 t)

+
+

2
5

f (t) = 3t =

con

T
T
t
2
2

la cual, si bien es parecida no es igual a la anterior, debido que estamos expandiendo otra funcion.
Otra variaci
on posible de la funci
on diente de sierra puede ser la version completamente par del diente,
f (x) = f (x). Esta es

R T /2

a0 = T2 T /2 dt f (t)
= T2a

at si T
2 t0

R T /2
n
1)

f (t) =
an = T2 T /2 dt f (t) cos 2nt
= T a((1)
2 2
T
n

at si 0 t 2

b = 2 R T /2 dt f (t) sen 2nt  = 0


n

T /2

En este caso son los terminos impares los que se anulan. Adicionalmente, notese que para n par, los coeficientes
pares tambien se anulan, Otra vez, si hacemos a = 3 y T = 2 n = n tendremos la serie
f (x) =

3 12 cos ( t) 4 cos (3 t) 12 cos (5 t)

+
2
2
25
2
3 2

con

T
T
t
2
2

Funci
on cuadr
atica
Otro caso, complementario al anterior por sus propiedades de simetra, es la expansion en series de Fourier
de la funci
on f (x) = x2 para < x < . Entonces los coeficientes se la expansion seran

R
2 2

1
2

dx
x
=
a
=

3
f (x) = x2

an = 2 dx x2 cos(nx) = 4(1)
0
2 n2
ya que los coeficientes correspondientes a los terminos impares bn se anulan. Con lo cual
x2 =

Luis A. N
un
ez

X
2
(1)n cos(nx)
+4
3
n2
n=1

Universidad Industrial de Santander

292

M
etodos Matem
aticos de la Fsica

N
otese que como un resultado particular, al evaluar en x = , se tiene la funcion zeta de Riemann (2)
2 =

X
2
1
+4
2
3
n
n=1

(2)

X
2
1
=
n2
6
n=1

Pero este caso se presta tambien para considerar funciones no periodicas. Supongamos que queremos
desarrollar la expansi
on de Fourier para f (x) = x2 pero en este caso con 0 < x < 2. Si este fuera el caso,
empezamos por suponer que la funci
on tienen un perodo, digamos T = 4. Esto es 2 x 2. Con lo cual
Z 2
Z 2
4
8
2
dx x2 =
dx x2 =
a0 =
4 2
4 0
3


Z 2
Z
 nx 
2nx
16
16
2
4 2
2
dx x cos
dx x2 cos
= 2 2 cos n = 2 2 (1)n
an =
=
4 2
4
4 0
2
n
n
Con lo cual tendremos que
x2 =

7.5.4.

 nx 
X
4
(1)n
+ 16
cos
3
2 n2
2
n=1

para 0 < x 2

Consideraciones de Simetra en series de Fourier

Es de hacer notar que esta propiedades de simetra respecto al perodo de la funcion (f (x) = f (x)
simetra y f (x) = f (x) antisimetra) para un perodo T2 x T2 pueden y deben ser explotadas para
simplificar los c
alculos. Esto se puede resumir en


an 6= 0
an = 0
f (x) = f (x)
y alternativamente f (x) = f (x)
bn = 0
bn 6= 0
Pero m
as interesante a
un es cuando estas propiedades de simetria
 se presentan en un cuarto del perodo.
Vale decir, que f (x) ser
a par o impar respecto a T /4 i.e. f T4 + x = f T4 x f (s) = f (s) donde
s = T4 x. Entonces


Z
2ns n
2 x0 +T
ds f (s) sen
+
bn =
T x0
T
2
Donde los lmites de integraci
on no se han visto alterados porque la funcion es periodica. Es inmediato
comprobar que






 n 
 n 
2ns n
2ns
2ns
sen
+
= sen
cos
+ cos
sen
T
2
T
2
T
2
es decir
2
bn =
T

cos

 n  Z
2

x0 +T

x0


ds f (s)sen

2ns
T


+ sen

 n  Z
2

x0 +T

x0


ds f (s) cos

2ns
T

!



por lo que si n = 2k sen n
= sen(k) = 0 y si n = 2k 1 cos 2k1
on
2
2 = 0. Ta misma consideraci
se puede hacer para los coeficientes an (queda como ejercicio para el lector) y se puede concluir que
Si f (x) par en T /4 entonces a2n1 = b2n = 0
Si f (x) impar en T /4 entonces a2n = b2n1 = 0

Luis A. N
un
ez

Universidad Industrial de Santander

293

M
etodos Matem
aticos de la Fsica

Figura 7.6: Aproximaci


on por series de Fourier para la funcion escalon {f (x) = 0 para < x < 1 y f (x) =
1 para x 0} Las curvas corresponden a sumas parciales de Fourier: F40 (x), F100 (x), F200 (x),

7.5.5.

Tratamiento de discontinuidades

Tal y como hemos mencionado, a diferencia de las series de potencias, las series de Fourier manejan razonablemente bien las discontinuidades, pero por ser una base de funciones contnuas, no puede reproducirlas.
Tal y como comentamos en el Teorema de Fourier (seccion 7.5.2) y muestra la figura 7.6 el valor de las sumas
parciales de Fourier en un punto de discontinuidad x = x0 sera el promedio de los valores F (x0 ) (por la
izquierda) y F (x+0 ) (por la derecha) en la discontinuidad. Esto es la expansion de Fourier alrededor de un
(x0 )
punto de discontinuidad x x0 tender
a al valor F (x) F (x0 ) Fm donde Fm = F (x+0 )+F
.
2
El Fen
omeno de Gibbs
Pero tambien se muestra en esa figura 7.6 que, tanto por la izquierda como por la derecha la discontinuidad
de la funci
on escal
on, las sumas parciales de Fourier oscilan y no convergen a los valores x0 . El comportamiento oscilante de las sumas parciales de Fourier alrdedor de las discontinuidades, que no desaparecen ni
en el lmite se denominan fen
omeno de Gibbs en honor a su descubridor Josiah Willard Gibbs10
Para entender que pasa en la discontinuidad consideremos una variacion de la onda cuadrada considerada
anteriormente (7.5.3). Entonces sus sumas parciales seran

n
1 si 0 t <
2X 1
1
c
f (t) =
F2n
(x) = +
sen((2k 1)x)

2
2k 1
0 si t < 2
k=1
porque los coeficientes pares (an ) se anulan. Para estudiar el fenomeno de Gibbs reescribimos la suma parcial
anterior de una manera ingeniosa
!



Z
Z
n Z t
n
X
1
2X
1
2 t
1
1 t
sen(2ns)
c
F2n (t) = +
ds cos(2k 1)s = +
ds
cos(2k 1)s = +
ds
2
2 0
2 0
sen(s)
0
k=1

k=1

donde, utilizando la f
ormula de Moivre y convirtiendo esa serie de cosenos en una de exponenciales la cual,
10 Josiah Willard Gibbs 1839 - 1903 Algunos lo consideran el primer F
sico Norteamericano, de hecho fue el primero en
recibir un ttulo de doctorado por una universidad norteameicana (Yale University). Hizo importantes aportes en electromagnetismo y sobre todo en termodin
amica y fsica estadstica, sentando las bases matem
aticas para estas disciplinas. En matem
aticas
es conocido su estudio de las oscilaciones de las expansiones de las series de Fourier en los puntos de discontinuidad. M
as detalles
http://www-history.mcs.st-and.ac.uk

Luis A. N
un
ez

Universidad Industrial de Santander

294

M
etodos Matem
aticos de la Fsica

a su vez es una progresi


on geometrica (y le queda la comprobacion al lector), hemos sustituido
n
X

cos(2k 1)s =

k=1

sen(2ns)
sen(s)

c
Es inmediato convencerse que las sumas parciales F2n
(x) siempre tendran maximos y mnimos
c
(x)
dF2n
sen(2nx)
=
=0
dx
sen(x)

para x =

m
2n

con m = 1, 2, 3,

Las Series de Fourier tienden a sobre-estimar el valor de los puntos de discontinuidad en 18 % esto es
un valor de 1,1789797. La inclusi
on de mas terminos en las sumas parciales no mejoran la situaci
on. El
fen
omeno de Gibbs no se restringe a Series de Fourier sino que tambien se presenta en las demas series de
funciones (ver detalles en la referencia [3]) .
El fen
omeno de Gibbs fue observado experimentalmente ! por primera vez por Albert Michelson11 Para
finales de 1800 Michelson haba creado un dispositivo mecanico para medir las componentes de Fourier de
se
nales electricas. Al incorporarle una onda cuadrada observo que una oscilacion inesperada en los puntos
de discontinuidad. Crey
o que esa oscilaci
on se deba a defectos del dispositivo. Luego de probar m
ultiples
tipos de se
nales peri
odicas y observar un comportamiento similar, decidio comentarselo a su amigo Willard
Gibbs, de la Universidad Yale. Al poco tiempo Gibbs volvio una explicacion que dejo intacta la fama de
Michelson como instrumentista. El fen
omeno es una consecuencia de la teorria de series de Fourier y no del
equipo dise
nado por Michelson12 .
Correcci
on al fen
omeno de Gibbs: Factor de Lanczos
Una de las estrategia para corregir las oscilaciones del fenomeno de Gibbs se le debe a Lanczos13 Considerando el mismo caso de la funci
on onda cuadrada, se puede intentar sustituir la funcion oscilante Fnc (x)
c

por su promedio Fn (x) alrededor del punto x. Vale decir


"
#

Z x+ 2n
Z x+ 2n
n
X
n
1
2
1
n
c
c
c
ds F2n (s) =
ds
+
sen((2k 1)s)
F2n (x) F2n (x) =

x 2n
x 2n
2
2k 1
k=1

desarmando tendremos que


c
F2n
(x)

=
c
F2n
(x)

#
n
2X 1
1
+
sen((2k 1)s)
ds

2
2k 1
x 2n
k=1
"
#
x+ 2n
n

n
2X
1
+
cos((2k 1)s)
2n
(2k 1)2

x 2n
k=1
"
#

n

sen 2n
(2k 1)
1
2X 1
+
sen((2k 1)x)

2
2k 1
2n (2k 1)
k=1
|
{z
}
n

x+ 2n

"

11 Albert Abraham Michelson Strelno, Prussia, 1852 - Pasadena EEUU. 1931. Premio Nobel en F
sica (1907) uno de los
fsicos experimentales m
as habilidosos de todos los tiempos. La precisi
on y lo ingenioso de los instrumentos creados por
el son
famosos. Con importantes contribuciones en medidas de fen
omenos en
optica. Una de sus contribuciones m
as conocidas son los
experimentos para mostrar la inexistencia del Ether como medio de trasmisi
on para el fen
omeno electromagn
etico. M
as detalles
http://nobelprize.org/physics/laureates/1907/michelson-bio.html
12 M
as detalles http://en.wikipedia.org/wiki/Gibbs_phenomenon
13 Cornelius Lanczos 1893 - 1974 Hungr
a. Matem
atico h
ungaro con contribuciones importante en Relatividad y Fsica
Te
orica. En matem
aticas es conocido inventar la transformada r
apida de Fourier. M
as detalles en http://www-history.mcs.
st-and.ac.uk/Biographies/Lanczos.html

Luis A. N
un
ez

Universidad Industrial de Santander

295

M
etodos Matem
aticos de la Fsica

Con lo cual hemos identificado el factor de Lanczos. Siguiendo este mismo proceso se puede generalizar
para cualquier funci
on de tal modo que una serie de Fourier generica podra ser corregida con un factor
para lograr
"
#
n1
n1
X sen k
a
a0 X
0
n

Fn (x) =
+
(a
cos(kx)
+
b
sen(kx))

+
k (ak cos(kx) + bk sen(kx))
k
k
k
2
2
n
k=1

7.5.6.

k=1

Tranformadas de Fourier

La transformada de Fourier representa (como combinacion lineal de funciones sinusoidadesl) a funciones


definidas en toda la recta real y/o sin una periodicidad definida. Puede ser considerada como la generalizaci
on
de la representaci
on en serie de Fourier, y es mayormente utilizada
para
expresar
funciones
que
var
an
en
el
R
tiempo con el u
nico requisito que tengan norma acotada, i.e. dt |f (t)| finita
Hemos visto en 7.5.1, que podemos expresar una funcion en termino se series de Fourier complejas
|f i =

k i
Ck |

k=

Ck eikx

2n
T .

f (t) =

2n
Cn ei T t =

Cn ein t

n=

n=

k=

donde hemos definido =


pero adem
as
T

Ahora bien, podemos hacer T con lo cual [T /2, T /2] [, ]

= = d y ademas
T
n

R T /2
T /2

dt f (t)
T

Z
0

ya que

dt f (t) existe y es acotada.

Si recordamos la expresi
on que toman los coeficientes de la expansion
n |f i
1
h
=
Cn =
k |
n i
T
h
con lo cual hacer T

T /2

dx e

i2nx
T

f (x)

f (t) =

T /2

X
n=

1
f (t) =
2

d e

it

T /2

dx e

inx

f (x) ein t

T /2

dx eix f (x)
{z
}
F ()

De este modo, la transformada de Fourier de una funcion y su inversa, pueden escribirse como
Z
Z
1
1
it
1

F () F[f (t)] =
dt e
f (t) f (t) F [F ()] =
d eit F ()
2
2
Propiedades
Las transformada de Fourier cumplen con las siguiente propiedades, las cuales de derivan de la definici
on
arriba expuesta
1. Las transformada de la derivada F[f 0 (t)] = iF () y en general F[f n (t)] = in n F (). Esta propiedad
es m
as o menos inmediata a partir de la definicion integrando por partes
Z
Z

1
1
i
0
it 0
it

F[f (t)] =
dt e f (t) =
e f (t) +
dt eit f 0 (t)iF ()
2
2
2
Luis A. N
un
ez

Universidad Industrial de Santander

296

M
etodos Matem
aticos de la Fsica

2. La transformada de la integral
Z
F


1
ds f (s) =
F () + 2c()
i

donde la funci
on (distribuci
on) () se denomina delta de Dirac y el termino 2c() representa la
transformada de la constante de integracion
3. Escalamiento F[f (at)] = a1 f ( a )
4. Traslaci
on F[f (t + a)] = eia F ()
5. Multiplicaci
on por un exponencial F [et f (t)] = f ( + i)
Funciones pares e impares
Al igual que en las espansiones de Fourier la paridad de las funcion f (t) es importante. Esto se nota
r
apidamente a partir de la definici
on. Supongamos f (t) = f (t), entonces
Z
Z
Z
1
1
2i
it
F () =
dt e
f (t) =
dt (cos t isent) f (t) =
dt sen t f (t)
2
2
2 0
con lo cual podremos definir las transformadas de Fourier seno y coseno para funciones impares y pares
respectivamente. Esto es para funciones impares f (t) = f (t)
r Z
r Z
2
2
dt cos t f (t) f (t) =
d cos t F ()
F () =
0
0
y para funciones pares f (t) = f (t)
r Z
2
F () =
dt sen t f (t)
0

f (t) =

d sen t F ()
0

Bases discreta y contnuas: La base de Ondas Planas


Haremos una disgresi
on para fijar conceptos y extender algunos de los razonamientos que hemos desarrollado hasta aqu. Tal y como hemos visto repetidas veces, la representacion de un vector |Fi en un
espacio vectorial abstracto V puede darse en termino de una base ortonormal de vectores (discreta y
finitaBDF = {|u1 i , |u2 i , |u3 i , |un i} o discreta e infinita BDI = {|u1 i , |u2 i , |u3 i |un i }) de la
forma:
Pn
Pn
BDF = {|u1 i , |u2 i , |u3 i |un i}

i=0 hui | Fi |ui i


i=0 ci |ui i =
|Fi =
P
P
BDI = {|u1 i , |u2 i , |u3 i |un i }
i=0 ci |vi i =
i=0 hui | Fi |ui i
donde en ambos casos:
ci = hui | Fi =

X
j=0

cj hui |uj i =

cj ij

j=0

la intenci
on ahora ser
a utilizar la transformada de Fourier para construir la generalizacion de bases discretas
a continua |w i de tal forma que transformamos el ndice de la sumatoria en la variable de una integral
Z
|i = d c () |w i
Luis A. N
un
ez

Universidad Industrial de Santander

297

M
etodos Matem
aticos de la Fsica

donde

Z
c () = hw |i =

Z
d c () hw |w i =

d c () ( )

con en la cual ( ) es una Delta de Dirac. As, los dos conceptos expresados hasta ahora tienen una
expresi
on:
Propiedad\Base
Ortogonalidad
Cierre
Expansi
on
Componentes
Producto Interno
Norma

Discreta
hvP
i |vj i = ij

1 = j=0 |vj i hvj |


P
|Fi = i=0 ci |ui i
ci = hu
| Fi
Pi
hG| Fi = i=0 gi fi
P
2
hF| Fi = i=0 |fi |

Continua
hw R|w i = ( )
1 = d |w i hw |
R
|i = d c () |w i
c ()R= hw |i
hG| Fi = d g () f ()
R
2
hF| Fi = d |f ()|

Ilustraremos esta generalizaci


on con la construccion de la base de ondas planas. Hemos visto que la
transformada compleja de Fourier compleja para una funcion, se puede escribir como
Z
Z
i st
F (s) =
dt e
f (t)

f (t) =
ds ei st F (s)

las cuales reescribiremos en terminos m


as familiares a la comunidad de fsicos como
Z
Z
1
1
dp eipx/~ (p)  (p) =
dx eipx/~ (x)
(x) =
2~
2~
Hemos tenido cuidado de incluir los factores de normalizacion adecuados para el caso de las descripciones
en mec
anica cu
antica. Estas f
ormulas pueden ser reinterpretadas en funcion de los conceptos anteriormente
expuestos y podemos definir una base continua de la forma




Z
Z
1
1
1
1
i px/~
i px/~

(x) =
dp
e
(p)

(p) =
dx
e
(x)
2~
2~
2~
2~
|
{z
}
|
{z
}
vpx (x)

vp (x)

por lo cual
Z

(x) =

dp vp (x) (p)

(p) =

dx vp (x) (x)

Diremos que la funci


on (x) est
a expresada en la base de ondas planas vp (x) =
N
otese

1 ei px/~
2~

El ndice p de vp (x) vara de forma continua entre e .


1
Que vp (x) = 2~
ei px/~
/ L2 es decir no pertenece al espacio vectorial de funciones de cuadrado
integrable ya que su norma diverge
Z
Z
1
2

hvp | vp i =
dx |vp (x)| =
dx
2~

Que las proyecciones de (x) sobre la base de ondas planas es (p) = hvp | i

Luis A. N
un
ez

Universidad Industrial de Santander

298

M
etodos Matem
aticos de la Fsica

La relaci
on de cierre para esta base se expresa como
Z
Z
Z
1= d |v i hv |

dp vp (x0 ) vp (x) =

dp

1 i p(x0 x)/~
e
= (x0 x)
2~

mientras que de la definici


on de producto interno, uno obtiene
Z
Z
1 i x(p0 p)/~
hvp0 | vp i =
dp
e
= (p0 p)
dx vp0 (x) vp (x) =
2~

Un para de ejemplos
Un ejemplo inmediato lo tenemos al considerar la funcion

f (t) =

1
0

si |t| < 1
el resto

1
F () =
2

1
1 ei ei
2sen
dt 1 eit =
=

i
2
2
1
1

el otro ejemplo de uso lo podremos construir a si consideramos la ecuacion diferencial inhomogenea y buscamos su soluci
on


Z 1
1
d(x)
d(x)
2
2
K (x) = f (x)
K (x) eit = F ()
dt
dx2
dx2
2 1
donde F () es la transformada de Fourier de la funcion f (x). Utilizando las propiedades de la transformada
de Fourier obtenemos que


Z 1
1
d(x) it
= F () k 2 ()
K 2 ()
= F () ()
= F ()

e
K 2 ()
dt
2
dx
k2 + K 2
2 1
como la transformada de Fourier de la solucion (x). Con lo cual
donde hemos representado ()
1
(x) =
2

eit = 1
dt ()
2
1

dt
1

F ()
eit
+ K2

k2

Como soluci
on formal de la ecuaci
on diferencial resulta sencilla y el metodo tambien es inmediato. El punto
crucial es la soluci
on del la integral que resulta de la transformacion inversa. Normalmente este tipo de
integrales no son tratables de manera analtica. Pero siempre queda el recurso numerico.

7.5.7.

Tranformadas Discretas de Fourier

Aqu haremos algo m


as contemporaneo que sera estudiar la version discreta de esta transformacion. En
general las integrales, en su mayora, no se pueden resolver analticamente por lo que tenemos que proceder
a resolverlas de forma numerica. La mayor parte de los metodos numericos involucra convertir integrales en
sumatorias. Es decir en series de funciones.
En 7.5.1 hemos visto como las funciones trigonometricas (y las exponenciales de argumento imaginario)
son ortogonales bajo integrales evaluadas en un determinado intervalo. En otras palabras con la definici
on
de producto interno en un espacio de funciones. Ahora bien, esas mismas funciones (FourierGeneralidades,
cosenos y funciones exponenciales de argumento imaginario) seran tambien ortogonales al ser evaluadas en
puntos muy particulares.

Luis A. N
un
ez

Universidad Industrial de Santander

299

M
etodos Matem
aticos de la Fsica

kT
Consideremos los siguientes 2N puntos tk = 2N
y probaremos que las funciones e2iptk /T y e2iqtk /T
ser
an ortogonales qp en un conjunto esos puntos tk . Esto es

1 r2N

2N
1
2N
1
2N
1 h

i 2iqtk
= 0 r 6= 1
X
X
X
2iptk
2istk
2isk
1r
e T =
e T
e T =
e 2N =

k=0
k=0
k=0
2N
r=1

kT
con k = 1, 2, 3, , 2N 1. N
otese
2N
(is)/N
que la u
ltima de las series es una serie finita y geometrica con razon r = e
, que comienza con 1 y por
lo tanto suma (dependiendo del valor de r) lo que aparece en la llave. Es inmediato convencerse que, para
todo N se cumple que r2N = e2is = 1 (con s entero) con lo cual se cumple la relacion de ortogonaliadad
que buscamos
2N
1 h
i 2iqtk
X
2iptk ?
e T = 2N qp con k = 1, 2, 3, , 2N 1
(7.3)
e T
donde hemos sustituido s = q p, y evaluado en los puntos tk =

k=0

Si hacemos un ligero cambio de notaci


on y llamamos m =
cosmeticos
e

2imtk
T

em tk

F (m ) =

2m
tendremos algunos cambios, en apariencia,
T

2N 1
1 X
f (tk )em tk
2N

f (tk ) =

k=0

2N 1
1 X
F (m )em tk (7.4)
2N m=0

La funci
on F (m ) representa la tranformada discreta de Fourier de la f (tk ). Para despejar la funcion f (tk )
hemos utilizado la relaci
on de ortogonalidad 7.3
Consideremos el siguiente f (tk ) = cos tk evaluado en un perodo T = 2 y dividido, digamos en N = 2
intervalos. Los puntos en los cuales evaluaremos nuestra serie seran 2N = 4, vale decir
tk =

kT
k

2N
2

con k = 0, 1, 2, 3

m =

2m
m
T

eim tk
eimk/2

2N
2N

n
otese que la funci
on f (tk ) puede ser escrita como un vector f (tk ) = (1, 0, 1, 0), con lo cual para encotrar
la expresi
on de su tranformada discreta de Fourier, F (m ), podemos expresar la suma como una matriz de
transformaci
on con ndices m, k. Esto es

1 1
1
1

eimk/2
1
1 i 1 i

1 1 1 1
2N
4
1 i 1 0
con lo cual

F (m ) =

2N 1
1 X
f (tk )em tk
2N
k=0

F (0 )
F (1 ) 1

F (2 ) = 4
F (3 )

1
1
1
1

1
1
1
1
0
i 1 i

1
1 1 1
i 1
0
0

0
1 1
=
2 0
1

Respecto a la ecuaci
on 7.4 se deben puntualizar varios elementos
2m
la frecuencia angular m =
corresponde a lo que en Fsica se denomina el espacio recproco (al
T
temporal), espacio de frecuencias u -espacio. Por ello la funcion F (m ) esta expresada en este espacio
de frecuencias, mientras que la funci
on f (tk ) en el de tiempos.
Luis A. N
un
ez

Universidad Industrial de Santander

300

M
etodos Matem
aticos de la Fsica

La elecci
on de uno de los signos + y en la expresion em tk es arbitraria.
Con lo cual si reconstruimos la funci
on original a partir de la transformada discreta nos sorprende el
resultado, por cuanto no coincide
f (tk ) =

1 itk 1 3itk
e
+ e
2
2

< [f (tk )] =

1
1
cos tk + cos 3tk
2
2

Ahora bien, para los puntos tk = 0, 2 , , y 2 si se cumple que los valores cos tk = 12 cos tk + 12 cos 3tk . En los
pocos puntos seleccionados cos tk y cos 3tk se asemejan. En la medida que seleccionemos mas puntos en esa
medida se dejan de parecer y la recontruccion de la funcion sera mas fidedigna.

Luis A. N
un
ez

Universidad Industrial de Santander

301

Bibliografa
[Aleksandrov Kolmogorov y Lavrentiev 1999] A. D. Aleksandrov, A. N. Kolmogorov y M. A. Lavrentiev
(1999) Mathematics: Its Content, Methods and Meaning. (Dover Publications, New York ) Existe
traducci
on por Editorial Alianza Universidad.
[Arfken, Weber y Weber 2000] Arfken, G. B., Weber, H., y Weber, H.J. (2000) Mathematical Methods
for Physicists 5ta Edici
on (Academic Press, Nueva York )
[1] Byron, F.W. y Fuller W.F. (1970) Mathematics of Classical and Quantum Physics (Dover Publications, New York )
[Cushing 1975] Cushing, J. (1975) Applied Analytical Mathematics for Physical Sciences (John
Wiley & Sons, New York )
[Hamming 1973] Hamming R.W. (1973) Numerical Methods For Scientist and Engineers, 2nd ed.
(Dover, New York.)
[Hassani 1991] Hassani, S. (1991) Foundations of Mathematical Physics (Prentice Hall, International
Edition, London:)
[Lebedev 1972] Lebedev, N.N. (1972) Special Functions & Their Applications (Dover Publications,
New York )
[math-atlas.org URL] The Mathematical Atlas http://www.math-atlas.org/welcome.html
[Richards 2002] Richards, D. (2002) Advanced Mathematical Methods with MAPLE (Cambridge
University Press Cambridge)
[Riley Hobson y Bence 2002] Riley, K.F., Hobson, M.P. y Bence, S.J. (2002) Mathematical Methods for
Physics and Engineering (Cambridge University Press Cambridge)
[Weisstein URL] Weisstein, E. W., MathWorld http://mathworld.wolfram.com/

302

Captulo 8

La Variable Compleja

303

M
etodos Matem
aticos de la Fsica

8.1.

Vectores y n
umeros complejos

En otro de estos formularios de Metodos Matematicos de la Fisica [N


un
ez 2005] introdujimos la noci
on
de n
umeros complejos y la asociamos a su representacion de un vector en el plano complejo. Para hacer
autocontenido este formulario incluiremos aqu tambien esa discusion.
Desde la m
as tierna infancia matem
atica nos hemos tropezado con las llamadas races imaginarias o
complejas de polinomios. De este modo la solucion a un polinomio c
ubico

x = 2i
x = 2i
x3 3x2 + 4x 12 = 0 =
= (x + 2i) (x 2i) (x 3) = 0

x=3
o cuadr
atico


x = 2i
= (x + 2i) (x 2i)
x = 2i

umero imaginario
nos lleva a definir un n
umero i2 = 1 i = 1 como vimos arriba al multiplicar el n
i por cualquier n
umero real obtendremos el n
umero imaginario puro bi, con b <. La nomenclatura n
umeros
imaginarios surgi
o de la idea de que estas cantidades no representan mediciones fsicas. Esa idea ha sido
abandonada pero el nombre qued
o.
x2 + 4 = 0

8.1.1.

Los n
umeros complejos y su
algebra

Un n
umero complejo, z, es la generalizacion de los n
umeros imaginarios (puros), ib. Esto es

a parte real
z = a + ib
con a, b < =

b parte imaginaria
Obviamente los n
umeros reales ser
an a + i0 n
umeros complejos con su parte imaginaria nula. Los n
umeros
imaginarios puros ser
an n
umeros complejos con su parte real nula, esto es 0 + ib. Por ello en general diremos
que
z = a + ib = a = Re (z) b = Im (z)
es decir, a corresponde a la parte real de z y b a su parte imaginaria.
Cada n
umero complejo, z, tendr
a un n
umero complejo conjugado, z tal que
z = a + ib

z = a ib

(z ) = z

z z = a2 + b2

claramente
z z 0

= |z|2 = |z |2 = z z

Es importante se
nalar que, en general, no existe relacion de orden entre los n
umeros complejos. Vale
decir, que no sabremos si un n
umero complejo es mayor que otro. No esta definida esta operacion.
z1 z2

z1 z2

las relaciones de orden s


olo se podr
an establecer entre modulos de n
umeros complejos y no n
umeros complejos
en general.
R
apidamente recordamos el
algebra de los n
umeros complejos:
Luis A. N
un
ez

Universidad Industrial de Santander

304

M
etodos Matem
aticos de la Fsica

dos n
umeros complejos ser
an iguales si sus partes reales e imaginarios lo son
z1 = z2

= (a1 + ib1 ) = (a2 + ib2 )

= a1 = a2

b1 = b2

se suman dos n
umeros complejos sumando sus partes reales y sus partes imaginarias.
z3 = z1 + z2

= (a1 + ib1 ) + (a2 + ib2 ) = (a1 + a2 ) + i(b1 + b2 ) = a3 + ib3


| {z }
| {z }
a3

b3

claramente z + z = 2 Re z tambien z z = 2 Im z. Igualmente es inmediato comprobar que

(z1 + z2 ) = z1 + z2
se multiplican n
umeros complejos por escalares multiplicando el escalar por sus partes reales e imaginarias
z3 = z1 = (a1 + ib1 ) = (a1 ) + i (b1 )
se multiplican n
umeros complejos entre si, multiplicando los dos binomios y teniendo cuidado que
i2 = 1.
z3 = z1 z2 = (a1 + ib1 ) (a2 + ib2 ) = (a1 a2 b1 b2 ) + i (a1 b2 + b1 a2 )

tambien es inmediato comprobar que (z1 z2 ) = z1 z2


se dividen n
umeros complejos siguiendo la estrategia de racionalizacion de fracciones irracionales. Esto
es
z1
(a1 + ib1 ) (a2 ib2 )
a1 a2 + b1 b2
b1 a2 a1 b2
(a1 + ib1 )
z3 =
=
=
+i
=
z2
(a2 + ib2 )
(a2 + ib2 ) (a2 ib2 )
(a22 + b22 )
(a22 + b22 )
es claro que el divisor ser
a cualquier n
umero complejo excepto el cero complejo, 0 + i0

8.1.2.

Vectores y el plano complejo

Mirando con cuidado el


algebra de n
umeros complejos nos damos cuenta que un n
umero complejo puede
ser representado por una dupla de n
umeros complejos es decir,
z = (a + ib)

z = (a, b)

las propiedades entre n


umeros complejos de igualdad, suma y multiplicacion por un escalar arriba expuestas se
cumplen de forma inmediata con esta nueva representacion. Hay que definir las operaciones de multiplicaci
on
y divisi
on entre n
umeros complejos de forma que


a1 a2 + b1 b2 b1 a2 a1 b2
(a1 , b1 )
=
,
(a1 , b1 ) (a2 , b2 ) = (a1 a2 b1 b2 , a1 b2 + b1 a2 )
(a2 , b2 )
(a22 + b22 )
(a22 + b22 )
Esta asociaci
on de un n
umero complejo con una pareja de n
umeros inmediatamente nos lleva a imaginar
un punto en un plano (complejo) en el cual la primera componente (horizontal) representa la parte real
y la segunda componente (vertical) representa la parte imaginaria. De esta forma asociamos a un n
umero
complejo un vector que une a ese punto (a, b) con el origen del plano complejo. Esta representaci
on de
n
umeros complejos como vectores un el plano (complejo), se conoce con el nombre de Diagrama de Argand1
1 En honor a Jean Robert Argand, (Ginebra, Suiza, 18 Julio 1768; Paris, Francia 13 agosto 1822) Contador pero matem
atico
aficionado. Propuso esta interpretaci
on de n
umeros complejos como vectors en un plano complejo en un libro autoeditado con
sus reflexiones que se perdi
o y fue rescatado 7 a
nos despu
es, fecha a partir de la cual Argand comenz
o a publicar en Matematicas.
M
as detalles en http://www-groups.dcs.st-and.ac.uk/\char126\relaxhistory/Mathematicians/Argand.html

Luis A. N
un
ez

Universidad Industrial de Santander

305

M
etodos Matem
aticos de la Fsica

a pesar que no fue Jean Argand, sino Caspar Wessel2 el primero en proponerlo. Por cierto esta interpretaci
on
fue tres veces redescubierta primero por Caspar Wessel en 1799, luego por Jean Argand en 1806 y finalmente
por Gauss3 en 1831.
De esta manera como un recordatorio al plano real

2
2

r = zz = |z| = x + y
z = x + iy z = r (cos + i sin ) con

tan = y donde
x
La interpretaci
on vectorial de n
umeros complejos permite que la suma de n
umeros complejos sea representada
por la regla del paralelogramo. Mientras que los productos escalar y vectorial nos llevan a
z1 z2 = Re z1 z2 = Re z1 z2

z1 z2 = Im z1 z2 = Im z1 z2

Con esta interpretaci


on tendremos
x = Re z
y =
Im z
r = zz = |z|

8.1.3.

componente real del vector z o parte real de z


componente imaginaria del vector z o parte real de z
m
odulo, magnitud o valor absoluto de z
angulo polar o de fase del n

umero complejo z

F
ormulas de Euler y De Moivre

Nos hemos tropezado con la expansi


on en Taylor4 esta serie permite expresar cualquier funcion infinitamente diferenciable alrededor de un punto x0 como una serie infinita de potencias del argumento de la
funci
on. Esto es



d f (x)
1 d2 f (x)
1 d3 f (x)
2
3
f (x) = f (x0 ) +
(x x0 ) +
(x x0 ) +
(x x0 ) +
d x x=x0
2 d x2 x=x0
3! d x3 x=x0

f (x) = Cn (x x0 )


1 dn f (x)
con Cn =
n! d xn x=x0

donde n = 0, 1, 2, 3, 4

2 Caspar Wessel (Vestby, Noruega 8 junio 1745; 25 marzo 1818, Copenhagen, Dinamarca) Matem
atico noruego que se
dedic
o principalemente al levantamiento topogr
afico de Noruega. Su trabajo sobre la interpretaci
on de n
umeros complejos permaneci
o desconocido por casi 100 a
nos. M
as detalles http://www-groups.dcs.st-and.ac.uk/\char126\relaxhistory/
Mathematicians/Wessel.html
3 Johann Carl Friedrich Gauss (30 abril 1777, Brunswick, Alemania; 23 febrero 1855, G
ottingen, Alemania). Uno de los
m
atem
aticos m
as geniales y precoces de la Historia. Desde los 7 a
nos comenz
o a mostrar sus condiciones de genialidad. Sus
contribuciones en Astronoma y Matem
aticas son m
ultiples y diversas. M
as detalles http://www-groups.dcs.st-and.ac.uk/
\char126\relaxhistory/Mathematicians/Gauss.html
4 Brook Taylor (18 agosto 1685, Edmonton, Inglaterra; 29 diciembre 1731, Londres, Inglaterra) F
sico y Matem
atico Ingl
es
contemporaneo de Newton y Leibniz y con ellos particip
o profundamente en el desarrollo del c
alculo diferencial e integral.
Adem
as de sus aportes al magnetismo, capilaridad y termometra. Desarroll
o el a
rea de diferencias finitas que hasta hoy
utilizamos para c
alculos en computaci
on. Invent
o la integraci
on por partes y descubri
o la serie que lleva su nombre. M
as
detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/Taylor.html

Luis A. N
un
ez

Universidad Industrial de Santander

306

M
etodos Matem
aticos de la Fsica

con lo cual si consideramos x0 = 0 entonces


1
1
1
1 5
1 6
1 7
ex = 1 + x + x2 + x3 + x4 +
x +
x +
x +
2
6
24
120
720
5040
1
1
1 6
cos x = 1 x2 + x4
x +
2
24
720
1 5
1 7
1
x
x +
sin x = x x3 +
6
120
5040
Es f
acil convercerse que
e





1 2
1
1 4
1 5
1 6
1
3
= 1 + i + i + +
i
+
i 7 +
2
6
24
120
720
5040

puede rearreglarse como






1
1
1 6
1
1 5
1 7
ei = 1 2 + 4
+ + i 3 +

+
2
24
720
6
120
5040
|
{z
}
|
{z
}
cos

sin

ei = cos + i sin
esta relaci
on se conoce como la relaci
on de Euler 5 . Con lo cual ahora tenemos tres formas de representar
un n
umero complejo
z = x + iy z = r (cos + i sin ) z = rei
La expresi
on z = x + iy se conoce como forma cartesiana de representacion de un n
umero complejo,
la forma z = r (cos + i sin ) ser
a la forma trigonometrica y la expresion z = ei sera la forma de Euler. Las sumas de n
umeros complejos son mas facilmente planteables en su forma cartesiana. Mientras las
multiplicaci
on y divisi
on ser
an directas en la forma de Euler

z1 = r1 ei1
= z1 z2 = r1 ei1 r2 ei2 = r1 r2 ei(1 +2 ) = r1 r2 (cos (1 + 2 ) + i sin (1 + 2 ))
i2
z2 = r2 e
M
as a
un, si
z = x + iy

= ez = e(x+iy) = ex eiy = ex (cos y + i sin y)

y a partir de la relaci
on o f
ormula de Euler se puede demostrar la formula de De Moivre 6
n
n
ei = ein (cos + i sin ) = cos (n) + i sin (n) con n entero
5 Leonhard Euler (15 abril 1707, Basilea, Suiza; 18 septiembre 1783, San Petersburgo, Rusia). Uno de los matem
aticos m
as
prolficos de todos los tiempos. Desarroll
o inmensamente campos como la geometra analtica y trigonometra, siendo el primero
que consider
o el coseno y el seno como funciones. Hizo aportes significativos en el desarrollo del c
alculo diferencial e integral
as como tambi
en, astronoma, elasticidad y mec
anica de medios contnuos. M
as detalles http://www-history.mcs.st-andrews.
ac.uk/Mathematicians/Euler.html
6 Abraham de Moivre (26 mayo 1667 in Vitry-le-Fran
cois, Francia; 27 noviembre 1754, Londres Inglaterra) Matem
atico
franc
es que tuvo que emigrar a Inglaterra por razones religiosas. Contemporaneo de Newton, Liebniz, Halley, fue pionero con
sus contribuciones en Geometra Analtica y Teora de Probabilides.

Luis A. N
un
ez

Universidad Industrial de Santander

307

M
etodos Matem
aticos de la Fsica

8.2.

Funciones de Variable Compleja

A continuaci
on, generalizaremos algunos conceptos de funciones complejas de variable compleja.

8.2.1.

De la recta real al plano complejo

La idea de funci
on de variable (o variables) reales puede ser extendida (continuada, le dicen tambien) al
plano complejo. La idea es la de siempre: si en una determinada region del plano complejo R a un n
umero
complejo z le corresponde un n
umero (o varios n
umeros) complejos w = f (z), diremos que f (z) es una
funci
on de variable compleja z. Obvio que f (z) puede ser biyectiva, en cuyo caso tendremos que a z le
estar
a asociado uno y solo un n
umero complejo w = f (z). Es claro tambien que siempre se podra expresar
f (z) = u(x, y) + iv(x, y)

con u(x, y) la parte real y v(x, y) la parte imaginaria

(8.1)

Esta representaci
on tiene una interpretaci
on adicional. Como representamos un n
umero complejo en el plano
0xy como z = x + iy, pero w = f (z) tambien podra ser representada como un punto en el plano 0uv.
Entonces, desde el punto de vista geometrico una funcion de variable compleja podra ser entendida como
una ley de transformaci
on entre pares de puntos (x, y) del plano 0xy del argumento z y los puntos (u, v) del
plano 0uv de valor w.

8.2.2.

Continuidad en el plano complejo

Podemos tambien extender el concepto de continuidad de una funcion de variable real a una funci
on
de variable compleja. Esto es: diremos que una funcion compleja7 w = f (z) sera contnua en z0 si para un
 > 0 siempre existe un > 0 tal que |z z0 | < tan peque
no como uno quiera y siempre puede encontrar
|f (z) f (z0 )| < . La otra manera de verlo es la estandar: si existe el lmite cuando z z0 . Es decir
lmzz0 f (z) = f (z0 ) En este punto se pueden resaltar que los lmites (y con ello la idea de continuidad) en
el plano complejo hereda las sutilezas y dificultades de los lmites y continuidades de las funciones en varias
variables. En segundo lugar cabe se
nalar que la diferencia con las funciones de variable real radica en que
los  y son radios de un crculo centrado en f (z0 ) y z0 , respectivamente. Adicionalmente, para el caso de
las funciones complejas no tiene sentido los lmites por la derecha y por la izquierda que planteabamos para
funciones de variable real. Tambien es obvio que si
f (z) = u(x, y) + iv(x, y)

8.2.3.

con u(x, y) y v(x, y) contnuas en (x0 , y0 ) f (z) contnua en z0 = x0 + iy0

Diferenciabilidad de funciones complejas

Una vez m
as la idea es la misma y la dificultad que subyace es equivalente a las dificultades que enfrentamos en las definiciones de derivadas para funciones de varias variables. Diremos entonces que, una funci
on
f (z) univaluada en una regi
on R entonces f (z) sera diferencialble en esa region si la derivada
(u(x + x, y + y) u(x, y)) + i (v(x + x, y + y) v(x, y))
df
f (z + z) f (z)
= lm
=
= f 0 (z)
x,y0
z0
z
x + iy
dz
lm

existe y es u
nica. Una vez m
as, al igual que en el caso de funciones de varias variables, el concepto de lmite
(y con este el de derivada), debe existir sin importar la ruta o forma de aproximacion al punto sobre el cual
7A

partir de ahora y por razones de simplicidad llamaremos a f (z) funci


on compleja en vez de funci
on de variable compleja

Luis A. N
un
ez

Universidad Industrial de Santander

308

M
etodos Matem
aticos de la Fsica

estamos calculando la derivada. Esto es

(u(x + x, y) u(x, y)) + i (v(x + x, y) v(x, y))

f 0 (z)y=0 = lmx0

x
z 0 x+iy 0

(u(x, y + y) u(x, y)) + i (v(x, y + y) v(x, y))

f 0 (z)x=0 = i lmy0
y
Un par de ejemplos que ilustran este caso pueden ser f (z) = x2 y 2 + 2ixy
(x + x)2 (y + y)2 + 2i(x + x)(y + y) x2 + y 2 2ixy
f (z + z) f (z)
= lm
x,y0
z0
z
x + iy

f 0 (z) = lm

con lo cual desarrolle y pruebe que, independientemente de la ruta en el plano complejo (y = 0; x 0 o


viceversa)


(x)2 (y)2 + 2ixy
0
f (z) = lm
2x + i2y +
= 2x + i2y
x,y0
x + iy
que es m
as o menos obvio si hubieramos notado que f (z) = x2 y 2 + 2ixy = (x + iy)2 z 2 con lo cual
2zz + (z)2
(z + z)2 z 2
= lm
= lm (2z + z) = 2z
z0
z0
z0
z
z

f 0 (z) = lm

Ahora bien, las cosas no siempre son as. Si consideramos f (z) = 2x + iy es rapido comprobar que no es
diferenciable en el plano complejo, ya que
f 0 (z) =

lm

x,y0

2x + 2x + i(y + y) 2x iy
2x + iy
= lm
x,y0
x + iy
x + iy

el cual, claramente no coincide si las direcciones de aproximacion a z0 = x0 + iy0 son distintas, vale decir,
por ejemplo y = 0; x 0 o x = 0; y 0.
Como heredamos todas las ideas y metodos del campo real se cumplen todas las reglas de la derivaci
on
para funciones reales. Vale decir
df (z) dg(z)
d
(f (z) + g(z)) =
+
;
dz
dz
dz

8.2.4.

d
df (z)
dg(z)
(f (z)g(z)) =
g(z) + f (z)
;
dz
dz
dz

d
df (g) dg(z)
(f (g(z)) =
dz
dg
dz

Funciones Analticas y Condiciones de Cauchy-Riemann

Diremos que una funci


on es analtica (holomorfa o regular) en una region R, si es uni-valuada y derivable
en todos los puntos dentro de esa misma region R. Puede darse el caso de que sea analtica en la regi
on
excepto en un n
umero finito de puntos (donde es singular). Entonces diremos que es es analtica (holomorfa
o regular) en R, excepto en esos puntos.
A partir de dos estrategias (muy particulares) de aproximacion a z 0 tales como y = 0; x 0
o x = 0; y 0, podremos encontrar un criterio para identificar donde, una funcion compleja, f (x), es
analtica. Esto es


(u(x + x, y) u(x, y)) + i (v(x + x, y) v(x, y))
u(x, y)
v(x, y)
f 0 (x)y=0 = lmx0
= lmx0
+i
x
x
x
f 0 (x)x=0 = i lmy0
Luis A. N
un
ez



(u(x, y + y) u(x, y)) + i (v(x, y + y) v(x, y))
u(x, y) v(x, y)
= lmy0 i
+
y
y
y
Universidad Industrial de Santander

309

M
etodos Matem
aticos de la Fsica

y ambas tienen que coincidir. Con lo cual


f 0 (x)y=0 = f 0 (x)x=0

lm

x0

u(x, y)
v(x, y)
+i
x
x



u(x, y) v(x, y)
i
+
y0
y
y

= lm

y equivalentemente
f 0 (x)y=0 = f 0 (x)x=0

v(x, y)
u(x, y) v(x, y)
u(x, y)
+i
= i
+
x
x
y
y

Con ello hemos encontrado las condiciones necesarias para que una funcion compleja sea analtica, vale decir:
Las condiciones de Cauchy Riemann
v(x, y)
u(x, y)
=
x
y

v(x, y)
u(x, y)
=
x
y

(8.2)

Ahora tendremos un criterio m


as expedito para determinar que la funcion f (z) = 2x + iy no es analtica.

v(x, y)
v(x, y)
u(x, y)
u(x, y)
u(x, y) = 2x

= 2 6= 1 =

=0=0=
v(x, y) = y
x
y
x
y
Para el caso f (z) = x2 y 2 + 2ixy se cumplen las condiciones de Cauchy-Riemann

u(x, y)
v(x, y)
v(x, y)
u(x, y)
u(x, y) = x2 y 2

= 2x =

= 2y =
v(x, y) = 2xy
x
y
x
y
pero como esas condiciones son necesarias porque para encontrarlas hemos seleccionado un par de rutas
muy especficas: y = 0; x 0 y x = 0; y 0, se requiere exigir algunas condiciones adicionales. Sin
demostraci
on (puede consultar para detalles y demostraciones detalladas las referencias [Byron y Fuller 1970,
Churchill y Brown1989, Knopp 1996]) exigiremos como condicion necesaria y suficiente para que una funci
on
sea analtica que las cuatro derivadas parciales para u(x, y) y v(x, y), existan, sean contnuas en la regi
on R
y que se cumplan las condiciones de Cauchy-Riemann. El punto crucial (adicional) es que las derivadas sean
contnuas.
Ejercicio Como ejercicio al lector le sugerimos investigar los dominios del plano complejo para los cuales
las funciones f (z) = |x| i|y| y f (z) = |z|2 = zz son analticas

8.2.5.

Curiosidades de Cauchy-Riemann

Las funciones analticas satisfacen algunas propiedades adicionales consecuencias de las condiciones de
Cauchy-Riemann.
La primera es que dada una funci
on compleja generica f (z) = u(x, y) + iv(x, y), si f (z) es analitica,
u(x, y) y v(x, y) ser
an funciones arm
onicas conjugadas, 2 u(x, y) = 2 v(x, y) = 0, i.e. satisfacen la ecuaci
on
de Laplace. Si derivamos apropiadamente las ecuaciones (8.2) respecto a una y otra variable encontramos
que








v(x, y)
v(x, y)
u(x, y)
2 u(x, y) 2 u(x, y)
u(x, y)
=
=
=

+
=0
x
x
x
y
y
x
y
y
x2
y 2
y equivalentemente








v(x, y)
u(x, y)
u(x, y)
v(x, y)
=
=
=
x
x
x
y
y
x
y
y
Luis A. N
un
ez

Universidad Industrial de Santander

2 v(x, y) 2 v(x, y)
+
=0
x2
y 2
310

M
etodos Matem
aticos de la Fsica

es decir, hemos demostrado que las partes reales e imaginarias de una funcion analtica son necesariamente
arm
onicas. La importancia de este resultado radica, en primer lugar, que no son arbitrarias las funciones
u(x, y) y v(x, y) con las cuales construimos f (z). Ambas deben satisfacer la ecuacion de Laplace. En segundo
lugar que ambas est
an ligadas por las condiciones de Cauchy-Riemann, y esto implica que al conocer una
de las funciones arm
onicas conjugadas, siempre es posible encontrar (salvo una constante de integraci
on) la
otra. Para ilustrar lo anterior, supongamos la siguiente funcion armonica conjugada u(x, y) = 2x x3 + 3xy 2
correspondiente a la parte real de f (z). Es facil comprobar que es una funcion armonica, ahora construyamos
la parte imaginaria v(x, y). Esto es
u(x, y) = 2x x3 + 3xy 2

v(x, y)
u(x, y)
=
= 2 3x2 + 3y 2
x
y

v(x, y) = 2y 3x2 y + y 3 + (x)

entonces
v(x, y)
(x)
u(x, y)
= 6xy+
= 6xy =
x
x
y

(x)
= 0 (x) = C
x

v(x, y) = 2y3x2 y+y 3 +C

La segunda curiosidad consecuencia de las ecuaciones (8.2) es que para una funcion compleja generica
f (z) = u(x, y) + iv(x, y) en la cual ademas se cumpla que u(x, y) = const y v(x, y) = const entonces se
cumplir
a que u(x, y) v(x, y) = 0.



u(x, y)
v(x, y)
u(x, y)
v(x, y)
u(x, y) v(x, y) u(x, y) v(x, y)
i+
j
i+
j =
+
u(x, y)v(x, y) =
x
y
x
y
x
x
y
y
y por obra de las condiciones de Cauchy-Riemann es inmediato comprobar que se anulan
u(x, y) v(x, y) =

u(x, y) u(x, y) u(x, y) u(x, y)


+
=0
x
y
y
x

Es decir, u(x, y) = const y v(x, y) = const, corresponden a trayectorias mutuamente ortogonales. Esta
curiosidad nos permite construir sistemas de coordenadas alternativos en el plano complejo y, sobre todo
saber como establecer su transformaci
on a otros planos complejos. Esto se representa en la figura 8.2 y
ser
a considerado en la secci
on 8.6 de la p
agina 318.
La tercera curiosidad es un resultado el cual, siendo una formalidad, nos indica que las funciones analticas
f (z) dependen de z y no de su conjugado z . O dicho de otra manera que z y z son variables independientes.
Para demostrar esto procedemos primero a convencernos que si f (z) = u(x, y) + iv(x, y) y f (z) analtica,
(z)
entonces f
z = 0. Sin detenernos a pensar en el significado de la derivada respecto a la variable conjugada,
recordamos que operacionalmente

z + z

x=






2
v(x, y)
1 u(x, y)
v(x, y)
f (z)
f (z) x f (z) y
1 u(x, y)
+
i

+
i

=
+
=

z
x z
y z
2
x
x
2i
y
y
z z

y=
2i
arreglando tendremos que es inmediato comprobar que se anula si se cumplen las condiciones (8.2)






f (z)
i u(x, y) v(x, y)
z + z z z
1 u(x, y) v(x, y)

+
+
= 0 f (z) 6 f (x, y) = f
,
=
z
2
x
y
2
y
x
2
2i
en otras palabras, la funciones analticas son verdaderas funciones de variable complejas y no, como pudiera
parecer, de dos variables reales interpuestas.
Luis A. N
un
ez

Universidad Industrial de Santander

311

M
etodos Matem
aticos de la Fsica

Ejercicios
1. Determine la funci
on f (z) analtica cuya parte imaginaria es (y cos y + xsen z)ex
2. Muestre que si f (z) es analtica entonces f (z ) tambien lo es.

8.3.

Series de Potencias en Variable Compleja

En otros de los Formularios de Metodos Matematicos incursionamos en el terreno de las series de potencias
en variables reales [N
un
ez 2006]. En esta seccion generalizaremos la idea a series de potencias en variable
compleja z. Esta generalizaci
on se conoce como prolongacion o continuacion (analtica) de una funci
on
real al plano complejo. Entonces8
f (z) =

an z n

n=0

X
n=0

an rn ein

an z n es absolutamente convergente si

n=0

|an |rn converge (8.3)

n=0

D
onde hemos utilizado la forma polar para un n
umero complejo z = rei . La conclusi
on mas importante de
P
(8.3) es
que
siempre
es
posible
asociarle
a
una
serie
de
potencias
complejas,
a
z n , una de potencias
n
n=0
P
n
reales n=0 |an |r . La convergencia (absoluta) de esta u
ltima condiciona la convergencia de la primera. Por
ello los criterios de convergencia de series reales seran aplicables tambien en este contexto.

8.3.1.

La convergencia y sus criterios

De este modo y como siempre, si suponemos que existe el lmite




an+1
1


= lm
=
R n an
D
onde R se denomina el radio de convergencia y define una region crcular en torno a
Si seleccionamos el criterio del cociente de Dalembert, entonces

|z| < R =

an+1 z n+1


= |z| lm an+1 entonces, en las regiones
|z| > R =
lm


n+1
n
n

an z
an

|z| = R =

un punto z0 .
converge
diverge
indeterminado

Por lo tanto, cuando R = la serie converge en todo punto y en contraste si R = 0, solo converge en el
origen. Por su parte si R = R0 la serie converge en una region (un crculo) del plano complejo de radio R0
centrada en z0 = 0.
Entonces se puede analizar el comportamiento de series complejas utilizando el criterio del cociente de
D
alembert,



X
n!
1
zn



=0= 1
lm
= lm
R converge z C
n (n + 1)!
n n + 1
n!
R
n=0
8 Por simplicidad y econom
a consideraremos desarrollos en serie alrededor de z = 0, ya que la generalizaci
on a otros puntos
z = z0 es sencilla y no involucra ninguna sutileza conceptual adicional.

Luis A. N
un
ez

Universidad Industrial de Santander

312

M
etodos Matem
aticos de la Fsica

igualmente





n
n(1 + i)n+1
n
(1 + i)n




R = 1 |z| = 2 > 1 = R

= |1+i| lm
= 2 lm
lm



n
n n + 1
n (n + 1)(1 + i)
n n + 1
n
n=0
y por lo tanto esta serie diverge. Es claro que esta serie u
nicamente convergera para |z| < 1

8.3.2.

Consecuencias y conclusiones para series de potencias complejas

P
Dentro del crculo de convergencia la funcion f (z) = n=0 an z n estara bien definida y disfrutara de las
propiedades ideales para una funci
on bien comportada. Es decir
P
P
P
nica. Vale decir que si existen dos series n=0 an z n y n=0 bn z n ,
1. La expansi
on f (z) = n=0 an z n es u
convergentes para |z| < R y tienen la misma suma para un entorno de z. Entonces, necesariamente
an bn .
2. La funci
on f (z) tambien podr
a ser expandida alrededor
cualquier otro punto zp contenido en el
Pde

entorno de convergecia de radio R, su expansion f (z) = n=0 bn (z zp )n tambien sera u


nica. El radio
de convergencia para esta segunda serie sera Rp = R |zp |
P
3. Por ser una expansi
on en potencias de z, la funcion f (z) = n=0 an z n es diferenciable en todo punto
zp en el crculo de convergencia de radio R y la derivada puede ser hecha a partir de la misma expansi
on
en series de potencias, termino a termino, de tal forma que
f (z) =

X
n=0

an z

X
df
0

n an z n1
= f (z) =
dz
n=1

f (zp ) =

n an zpn1

(8.4)

n=1

P
Por lo tanto las funci
ones f (z) = n=0 an z n as descritas son analticas en el entorno de convergencia
de radio R.
P
P
4. Como f (z) = n=0 an z n y f 0 (z) = n=1 n an z n1 tienen el mismo radio de convergencia, podemos
aplicar k veces la afirmaci
on anterior y obtendremos
f 0 (z) =

X
n=1

n an z n1

f k (zp ) =

n(n1)(n2) (nk+1) an zpnk

para zp = 0 ak =

n=k

f k (0)
k!

con lo cual la expansi


on de una funcion analtica es en realidad una expansion en series de Taylor
f (z) =

X
f n (0) n
z
n!
n=0

Con esta u
ltima afirmaci
on se cierra la idea que nos hacemos de una funcion bien comportada o analtica. Es una funci
on infinitamente contnua y contnuamente diferenciable, la cual puede ser expandida
en series de Taylor. Si bien los fen
omenos fsicos no requieren, necesariamente, ser descritos por este
tipo de funciones, debido a sus notables propiedades han resultado ser una de las mas estudiadas en
Matem
aticas [Aleksandrov Kolmogorov y Lavrentiev 1999]. Mas adelante, en la seccion 8.9 revisaremos
estos conceptos a luz de la F
ormula Integral de Cauchy.
Los detalles de estas afirmaciones que son teoremas se pueden consultar en [Knopp 1996].

Luis A. N
un
ez

Universidad Industrial de Santander

313

M
etodos Matem
aticos de la Fsica

8.4.

Algunas Funciones Complejas Elementales

Con todos los ingredientes anteriores, la primera funcion candidata para una continuacion analtica es la
funci
on exponencial. Es decir
ez = 1 + z +

z2
z3
z4
zn
+
+
+ +
+
2
3!
4!
n!

claramente R con lo cual converge z C (8.5)

Como ejercicio puede ser interensante demostrar que ez1 ez2 = e(z1 +z2 ) . Vale decir



z12
z1n
z22
z2n
z1 z2
e e = 1 + z1 +
+ +
+
1 + z2 +
+ +
+
2
n!
2
n!
con un poco de
algebra y orden podremos rearreglar la expresion de la forma
 2

z
z1
z2 
z1 z2
z22
zn
z n1 z2
z n2 z22
z1 z2n1
zn
1
z1 z2
+
+
+
+
++ 1 + 1
+ 1
++
+ 2
e e = 1+
1!
1!
2!
1! 1!
2!
n! (n 1)! 1! (n 2)! 2!
1! (n 1)! n!
y mejor a
un



 2
z
z2 
z1 z2
z2
1
n!
n!
z
1
ez1 ez2 = 1+
+
+ 2 + +
z1n +
z1n1 z2 + +
z1 z2n1 + z2n
+ 1 +
1!
1!
2!
1! 1!
2!
n!
(n 1)!1!
1!(n 1)!
que no es otra cosa que la expansi
on binomial con lo cual hemos demostrado que ez1 ez2 = e(z1 +z2 ) . Adicionalmente, con la expansi
on en serie (8.5) podemos hacer un par de extensiones inmeditas: az = ez ln a
y
para z = iy eiy = cos y + isen y ez = ex+iy = ex (cos y + isen y)
(8.6)
N
otese que, como era de esperarse en general z = |z|ei , entonces la funcion f (z) = ez 6= 0 z y tiene un
perodo 2i, vale decir: f (z) f (z + 2i). Con lo cual es inmediado e2i = cos 2 + isen 2 A partir de la
construcci
on (8.5), se definen las funciones hiperbolicas y trigonometricas
cosh z =


1 z
e + ez ;
2

senh z =


1 z
e ez
2

cos z =


1 iz
e + eiz ;
2

sen z =


1 iz
e eiz
2i

(8.7)

Al igual que para el caso real y = ex x = ln y entonces w = f (z) = ez z = Ln w es decir


z = ln w es la funci
on inversa para w = ez .
w
Si e = z, y w = u + iv con z = x + iy |z|ei entonces
u

u = ln |z|
e = |z|
ew = eu+iv = eu eiv = |z|ei = z
w = Ln z = ln |z| + i( + 2n)

v=
Es decir para un determinado valor de n es univaluada, en particular para n = 0 la funcion f (z) = Ln z
tiene como el valor principal ln z = ln |z| + i con < . Es inmediato comprobar que los logaritmos
de n
umeros complejos negativos si est
an definidos. Esto es


Ln 7 Ln | 7|ei(+2n) = ln 7 + i( + 2n) ln(7) = ln 7 + i un n
umero complejo !

Luis A. N
un
ez

Universidad Industrial de Santander

314

M
etodos Matem
aticos de la Fsica

Ejercicios
1. Muestre que si definimos f (z)ez como aquella funcion que derivada es ella misma, que se reduce a la
funci
on de variable real ez ex si Im z = 0 y la cual, por ser analtica, cumple con la condiciones de
Cauchy-Riemann, entonces ez = ex+iy = ex (cos y + isen y)
2. Muestre que a partir de las definiciones (8.7) se obtienen las sempiternas propiedades de esas funciones,
vale decir
cos z = cos(z);

sen z = sen (z);

cos(z1 z2 ) = cos z1 cos z2 sen z1 sen z2

d cos z
= sen z
dz

d sen z
= cos z
dz

sen (z1 z2 ) = cos z1 sen z2 sen z1 cos z2

1
ln
3. Muestre que arctan z =
2i

8.5.

1 + zi
1 zi


y luego u
selo para evaluar arctan

2 3 3i
7

Puntos de corte, lneas de cortes y ceros de funciones complejas

Tambien mencionamos en el otro formulario [N


un
ez 2006], que los n
umeros complejos se representan por
su forma polar en dos ejes coordenados. Ese diagrama bidimiensional se lo llamamos Diagrama de Argand.
Como en el caso del An
alisis de Funciones Reales, existen funciones multivaluadas, a las cuales les debemos
imponer ciertas condiciones para convertirlas en univaluadas. El la idea que si una funcion es multivaluada,
autom
aticamente deja de ser analtica. El objetivo de esta seccion es identificar ese conjunto de condiciones
para detectar en cual regi
on del plano complejo una determinada funcion es univaluada.

8.5.1.

Puntos y lneas de corte

Consideremos entonces la funci


on f (z) = z 1/2 y hagamos distintos circuitos cerrados 0 < 2 con el
vector z.
f (z) = z 1/2 r1/2 ei/2

f (z) = r1/2 ei/2

r1/2 ei(+2)/2 = r1/2 ei/2

Visto as nos tendremos que preguntar ahora cual fue el circuito que recorrimos con z, y dependiendo de ese
circuito identificaremos algunos puntos con caractersticas distintas. Si el circuito cerrado descrito por z no
contiene el punto z = 0, la funci
on f (z) = z 1/2 retoma su valor original (ver Figura 8.1 cuadrante superior
izquierdo contorno C1 ). Pero si, como se aprecia en la misma Figura 8.1, el circuito cerrado C2 si contiene
el punto z = 0 entonces la funci
on no retoma su valor original, f (z) f (z). Tambien es claro que si el
circuito cerrado lo recorremos dos veces 4 entonces f (z) = z 1/2 retoma su valor inicial. Los puntos
alrededor de los cuales se construye un circuito cerrado en el diagrama de Argand y la funcion no retoma su
valor inicial se denominan puntos de corte y las lneas de corte (o simplemente cortes seran aquellas lneas
que separan regiones en las cuales una determinada funcion es univaluada. Es claro que los puntos de corte
son puntos singulares, en los cuales la funcion deja de ser analtica y existiran si toma, valores 0 2n.
Es decir, puede dar n vueltas.
En este caso, para nuestra funci
on f (z) = z 1/2 , la lnea de corte sera cualquiera que comience en z = 0 y
contin
ue para |z| . Por simplicidad es costumbre tomar las lneas de corte a lo largo de los ejes reales o
complejos. De este modo aparece ilustrado en la Figura 8.1 cuadrante superior derecho la lnea de corte que
sigue el eje positivo de las x.
Luis A. N
un
ez

Universidad Industrial de Santander

315

M
etodos Matem
aticos de la Fsica

Figura 8.1: Los distintos contornos que identifican los puntos de corte

La situaci
on se torna m
as interesante cuando estas definiciones se analizan a la luz de funciones con m
as
de un punto de corte. Consideremos la funcion
q
p
p

f (z) = z 2 + 1 f (z) = (z i)(z + i) (r1 ei1 ) (r2 ei2 ) = r1 r2 ei1 /2 ei2 /2 = r1 r2 ei(1 +2 )/2
analicemos entonces, varios contornos en el plano de Argand. Otra vez la Figura 8.1 ilustra en el cuadrante
inferior los distintos contornos C1 , C2 , C3 y C4 Tal y como se aprecia en esa figura, se dan cuatro caso
1. Contorno C1 no incluye ning
un punto de corte, entonces 1min 1 1max y 2min 2 2max ,
con lo cual f (z) retoma su valor inicial luego de recorrer el C1
2. Contorno C2 incluye z = i como punto de corte, entonces 0 1 2n y 2min 2 2max , por lo
cual f (z) f (z)
3. Contorno C3 incluye z = i como punto de corte, entonces 1min 1 1max y 0 2 2n, por lo
cual f (z) f (z)
4. Contorno C4 incluye ambos como punto de corte,z = i y z = i, entonces 0 1 2n y 0 2 2n,
por lo cual f (z) f (z) retoma su valor.
De este modo para construir los cortes que impidan que nuestra funcion se multivaluada podremos selecionar
zcorte > i y zcorte < i
i < zcorte < i

8.5.2.

Singularidades, polos y ceros de funciones complejas.

Los puntos de corte son sigularidades, esto puntos en los cuales la funcion f (z) deja de ser analtica.
Pero tambien singulariades aisladas aquellos puntos en los cuales la funcion no es analtica pero en todos los
Luis A. N
un
ez

Universidad Industrial de Santander

316

M
etodos Matem
aticos de la Fsica

puntos en su entorno lo es (los puntos de corte no son singularidades aisladas). Una singularidad aisladas de
orden n en el punto z = z0 tendr
a la forma
f (z) =

g(z)
(z z0 )n

lm [(z z0 )n f (z)] = l

con l finito distinto de cero

zz0

y donde g(z) es una funci


on analtica. Es costumbre denominar a estas singularidades polos. Si l es cero,
ser
a un polo de orden menor a n o la funcion es analtica en ese punto. Si el lmite es infinito, entonces el
polo ser
a de orden mayor a n.
Sin demostraci
on afirmaremos algo que parece intuitivo. Si una funcion f (z) tiene un polo en z = z0
entonces, |f (z)| cuando z z0
Si no se puede determinar un valor finito de n diremos que estamos frente a una singularidad esencial
Veamos algunos ejemplos
Para
f (z) =

1
1
2z

=
1z
1+z
(1 z)(1 + z)

y es inmediato darse cuenta que tendremos polos de orden 1 en z = 1 y z = 1


Para
f (z) = tanh z =

exp z exp(z)
senh z
=
cosh z
exp z + exp(z)

exp z = exp(i(2n + 1)) exp(z)

es decir donde exp z = exp(z), con lo cual z0 = n +


!

 
z n + 21 i senh z
lm
=
lm
cosh z
z(n+ 12 )i
z(n+ 21 )i

1
2

es un polo

i y al utilizar la definicion
!

 
z n + 21 i cosh z + senh z
=1
senh z

donde hemos utilizado el Teorema de LHopital y consecuentemente z0 = n +

1
2

i es un polo simple

Existe otro tipo de singularidades conocidas como removibles. Estas singularidades se caracterizan porque
el valor de f (z) 0/0 cuando z z0 . El caso mas emblematico es la funcion

 

1
z3
z5
z2
z4
sen z
f (z) =
z
+
= 1
+

lm f (z) = 1
f (z) =
z0
z
z
3!
5!
3!
5!
con lo cual, luego de desarrollar por Taylor la funcion sen z, se ha removido la singularidad aparente.
El comportamiento de una funci
on compleja en infinito (o cuando tiende a infinito), vale decir cuando
z no est
a tan bien definido como en los casos de funciones de variable real. Es claro como una cantidad
real, digamos |f (z)| o |z| tiende a infinito, pero z es una cantidad bidimensional y, en principio, existiran
varias formas de tender a infinito. Para precisar el comportamiento de una funcion compleja de variable
compleja en infinito, hacemos un cambio de variable z = 1/ y estudiamos f (1/) con 1/ . De esta
manera
lmz z(1 + z 2 ) lm0 1 + 13 con lo cual tendra un polo de orden 3
P
lmz exp z lm0 n=0 n! 1n y presenta una singularidad esencial para z
Los ceros de una funci
on compleja (f (z0 ) = 0, entonces llamaremos z0 un cero de f (z)) se clasifican al
igual que los polos. Esto es
f (z) = (z z0 )n g(z) con n entero positivo y g(z) 6= 0 z
Luis A. N
un
ez

Universidad Industrial de Santander

317

M
etodos Matem
aticos de la Fsica

Figura 8.2: Tranformaciones conformes. Tomado de Eric W. Weisstein. Conformal Mapping. MathWorld
A Wolfram Web Resource. http://mathworld.wolfram.com/ConformalMapping.html

8.6.

Transformaciones conformes

Nos interesar
a ahora considerar transformaciones entre planos complejos. Esto es
z = x + iy

8.6.1.

w = r + is

w = g(z) = r(x, y) + is(x, y)

z = h(w) = x(r, s) + iy(r, s)

Definiciones y propiedades

Es decir, son transformaciones entre puntos (x, y) (r, s) correspondientes a dos diagramas de Argand, de
tal modo que existe funci
on inversa funci
on z = h(g(z)) y con w = g(z) y z = h(w) funciones analticas, salvo
en un n
umero finito de polos aislados. Entonces denominaremos a este tipo de transformaciones conformes
si adem
as, en todo punto z y w (excepto en aquellos en los cuales g 0 (z) y por lo tanto h0 (w) son cero o
infinita) cumple con
Curvas contnuas en el plano z transforman en curvas contnuas en el w
Los
angulos entre dos curvas cualesquiera que se intersecten en el plano z seran los mismos que los que
formen las curvas transformadas en el plano w. Esto es los angulos entre las curvas seran invariantes
bajo la transformaci
on9
El cambio de escala en la vecindad de puntos transformados es independiente de la direccion en la cual
se mida.
Cualquier funci
on analtica en z = x + iy transforma en otra funcion w = r + is tambien analtica
9 De

esta propiedad es donde la transformaci


on hereda su nombre de conforme. Son transformaciones isogonales es decir, que
preservan los
angulos entre curvas que se intersectan que son transformadas

Luis A. N
un
ez

Universidad Industrial de Santander

318

M
etodos Matem
aticos de la Fsica

Figura 8.3: Tranformaciones conformes. Cuadrante superior representa las conservacion de angulos y escala
bajo transformaciones y el inferior un ejemplo de transformaciones conforme

La segunda de las afirmaciones es inmediata a partir de la primera. Es decir, si una transformacion conforme
de coordenadas tienen inversa y ambas s
on analticas, es obvio que curvas contunas C(z) seran transformadas

a curvas contnuas C(w).


El hecho que la transformaci
on conforme preserva el angulo y las escalas se muestra en la figura 8.3
y puede comprobarse de la siguiente manera. Considere dos curvas, C1 (z) y C2 (z), en el plano complejo
z = x + iy. Supongamos adem
as que estas curvas se intersectan en un punto z = z0 . Entonces, sobre las
tangentes a cada curva, en z0 , definimos otros dos puntos z1 y z2 de tal forma que

z1 z0 = ei1
w1 w0 = 1 ei1

w2 w0 = 2 ei2
z2 z0 = ei2
N
otese que hemos construido los puntos z1 y z2 sobre las tangentes a z0 a la misma distancia de z0
y, en principio, hemos supuesto que las distancias a los puntos transformados w1 y w2 (las cuales hemos
identificado como 1 y 2 , respectivamente), no son iguales. Ahora bien, dado que w = g(z) es analtica
entonces


dg(z)
dw
w1 w0
w2 w0
1
2
=
= lm
= lm
g 0 (z0 ) = lm
exp i(1 1 ) = lm
exp i(2 2 )


z2 z0 z2 z0
z1 z0 z1 z0
0
0
dz
dz
z=z0

z=z0

Es claro que al comparar las magnitudes y las fase demostramos que las transformaciones conformes preservan
las distancias, 1 = 2 , y los
angulos (2 1 ) = (2 1 ). Adicionalmente, es muy facil convecerse que si la
transformaci
on conforme conserva los
angulos entre curvas y las escalas en todas direcciones las figuras son
transformadas en figuras equivalentes quiza ampliadas y rotadas, pero no deformadas.

8.6.2.

Algunas consecuencias y ejemplos

Las consecuencias de la u
ltima afirmacion revisten alguna importancia. Si f = f (z) es analtica en el
plano (x, y) y la transformaci
on z = h(w) tambien lo es, entonces la funcion F (w) = f (h(w)) necesariamente
Luis A. N
un
ez

Universidad Industrial de Santander

319

M
etodos Matem
aticos de la Fsica

es analtica en el plano (r, s).


F
f h
f h
=

w
h w
z w
Por hip
otesis supusimos que f y h er
an analticas, por lo cual es inmediato concluir que debido a que los dos
factores de la derecha son analticos, la funcion F (w) tambien lo sera.
Esto implica que, tal y como mostramos en la seccion 8.2.5 si f (z) = u(x, y) + iv(x, y), es analitica,
entonces u(x, y) y v(x, y) ser
an funciones armonicas conjugadas, vale decir que satisfacen la ecuaci
on de
Laplace, con lo cual 2 u(x, y) = 2 v(x, y) = 0. Eso significa que si F = (w) + i(w). En otras palabras,

2
2
2
2

+ 2 =0
+
=0

x2
x2
y
y 2
f = + i
F = + i

2 2
2 2

+
=
0
+
=
0

2
2
2
2
x
y
x
y
Esto impone que si <f (z) = es constante en el plano (x, y), tambien lo sera <F (w) en (r, s) ( Demuestrelo
!). Esta propiedad deriv
o una serie de aplicaciones en la solucion de la ecuacion de Laplace en dos dimensiones.
Si bien es una tecnica elegante y u
til cuando es posible, no deja de ser limitada porque se restringe a 2D.
Hoy los metodos numericos para resolver ecuaciones diferenciales en derivadas parciales han superado con
creces este tipo de tecnicas.
Los ejemplos son variados.
las siguientes transformaciones representan
traslaciones: w = z + b;

rotaciones de angulo : w = zei ;

expansiones de escala a : w = az

y pueden ser combinadas como: w = az+b con a y b n


umeros complejos. Para la traslacion es inmediado.
Para la rotaci
on tambien si recordamos que z = |z|ei con lo cual w = |z|ei ei = |z|ei(+)
tambien la transformaci
on de inversion w = 1/z que transforma los
puntos del interior de un crculo
1
1
1
unidad a su exterior y viceversa. Una vez mas, w = =
= ei . Entonces es claro que
i
z
|z|e
z
0 |z| 1

< |w| 1

1 |z|

0 < |w| 1


z z0
, la cual transforma los
z z0
puntos z0 del semiplano superior complejo y > 0 al interior de un crculo unidad en el wplano (ver
figura 8.3 en la p
agina 319). Para convencernos de ello notamos que




z z0 z z0
|w| = ei
=
z z0 z z0

Un caso m
as interesante lo constituye la transformacion w = ei

En general si z0 y z los consideramos en el semiplano complejo superior y 0, entonces siempre se


cumple que |zz0 | |zz0 | con lo cual |w| 1 y como se cumple para todo z en ese semiplano, entonces
cada uno de esos puntos es transformado dentro de un crculo de radio |w|. Es inmediato convencerse
que, la igualdad se cumple para puntos z sobre el eje real y que el punto z = z0 es llevado al punto
w = 0 Finalmente, notamos que si conocemos como transforman dos puntos z1 w1 y z2 w2
entonces podremos determinar la transformacion. Esto es, conocer los valores de los parametros z0 y
Este caso lo podemos apreciar si consideramos un par de puntos en el semiplano complejo y conocemos
Luis A. N
un
ez

Universidad Industrial de Santander

320

M
etodos Matem
aticos de la Fsica

Figura 8.4: Integrales complejas y circuitos

como tranforman. Digamos z = i sobre el eje imaginario e imponemos que sea transformado a w = 0
entonces es inmediato determinar que z0 = i Por otro lado si imponemos que z = w = 1 entonces
zi
1 = w = ei = 0 con lo cual w =
z+i

8.7.

Integrales complejas

Como siempre, luego de definir la derivada, construimos el concepto de integral a partir de la suma de
Riemann. Esto es
Z z2
n
n
X
X
Sn =
f (j )(zj zj1 ) si n |zj zj1 | 0 lm
f (j )(zj zj1 ) =
dz f (z)
n

j=1

z1

j=1

Es decir que si el lmn Sn existe corresponde con la definicion de la integral.

8.7.1.
Z

Algunas propiedades

Es claro que esta integral es, necesariamente, una integral de lnea, ya que z tiene dos dimensiones
Z z2
Z x2 ,y2
Z x2 ,y2
z2
dz f (z) =
(dx + idy) (u(x, y) + iv(x, y)) =
(u(x, y)dx v(x, y)dy)+i
(v(x, y)dx + u(x, y)dy)

z1

z1

x1 ,y1

x1 ,y1

(8.8)
con lo cual transformamos una integral compleja en una suma de integrales reales, pero necesitamos definir
el contorno a traves del cual vamos de z1 = x1 + iy1 z2 = x2 + iy2
La integraci
on compleja tendr
a las propiedades acostumbradas
R
R
R
dz (f (z) + g(z)) = C dz f (z) + C dzg(z)
C
R
R
dz Kf (z) = K C dz f (z) con K una constante real o compleja
C
Luis A. N
un
ez

Universidad Industrial de Santander

321

M
etodos Matem
aticos de la Fsica

Rb

Ra
dz f (z) = b dz f (z)
Rb
Rm
Rb
dz f (z) = a dz f (z) + m dz f (z)
a
R
dz |f (z)| M L donde M = m
ax |f (z)| y L la longitud de C
C
a

Esta u
ltima propiedad es importante porque permite establecer cotas a las integrales complejas sin tener que
evaluarlas. De la definici
on de integral es casi inmediata la demotracion



n
Z z2
n
n
n
X
X
X
X

|f (j )| |zj | M
f (j )zj
|zj | M L
lm
f (j )zj =
dz f (z)
n
z1
j=1
j=1
j=1
j=1
Donde hemos utilizado que |f (j )| M y que la suma de los intervalos z jR= zj zj1
esR la longitud L del
recorrido C. Es claro que tomando lmites a ambos miembros obtendremos C dz f (z) C dz |f (z)| M L

8.7.2.

Un par de ejemplos

Por ejemplo, evaluemos la integral compleja f (z) = z 1 a lo largo de diferentes contornos, tal y como se
ilustran en la figura 8.4
un circuito cerrado a lo largo de una circunferencia de radio R
I
I
Z
dz z 1 d(Rei ) R1 ei = i

d = 2i

siguiendo una semicircunferencia desde (R, 0) (R, 0). Esto es


z2 =(R,0)

dz z 1 =

(R,)

z1 =(R,0)

d(Rei ) R1 ei = i

(R,0)

d = i
0

siguiendo dos lneas rectas entre los puntos (R, 0) (0, R) (R, 0). En este caso, procedemos
utilizando la expresi
on cartesiana para los n
umeros complejos. Para ello, vamos a parametrizar z = z(t)
para (R, 0) (0, R) y z = z(s) cuando (0, R) (R, 0). Veamos
z3 =(R,0)

dz z 1 =

z1 =(R,0)

z2 =(0,R)

dz z 1 +

z1 =(R,0)

z3 =(0,R)

dz z 1

z2 =(0,R)

para cada una de las integrales se cumple, respectivamente, que


z = (1 t)R + itR
con lo cual
Z

con 0 t 1

z2 =(R,0)

z1 =(R,0)

dz
=
z

dt
0

z = sR + i(1 s)R

1 + i
+
1 + t(1 + i)

ds
0

con 0 s 1

1 i
i + s(1 i)

procedemos entonces con la primera de las integrales


Z 1
Z 1
Z 1
Z 1
(1 + i)dt
(1 + i)((1 t) it)dt
(2t 1)dt
dt
=
=
+i
2 t2
2
(1

t)
+
it
(1

t)
1

2t
+
2t
1

2t
+ 2t2
0
0
0
0

Luis A. N
un
ez

Universidad Industrial de Santander

322

M
etodos Matem
aticos de la Fsica

es decir
Z

1
(1 + i)dt
1
= ln(1 2t + 2t2 ) 0 + i arctan
(1 t) + it
2

1
2

1
2

 1




= 0 + i
=

2 2
2
2
0

y, la segunda integral tambien tendr


a el mismo resultado, con lo cual
Z

z2 =(R,0)

z1 =(R,0)

dz
= i el mismo resultado que a traves del arco de circunferencia !
z

Es interesante notar que si regresamos al punto (R, 0) a traves del contorno (R, 0) (0, R)
(R, 0) la integral cerrada se anula, no as cuando nos regresamos a traves el arco complementario de
circunferencia. En pocas palabras, como se esperaba, el valor de las integrales de camino, para algunas
funciones, dependeran del camino seleccionado. En la proxima seccion veremos a cuales funciones
corresponder
a un mismo valor de la integral cerrada, independientemente del circuito que uno elija.
Queda como ejercicio al lector repetir los mismos pasos anteriores para el caso de f (z) = (z )1
Otro ejemplo ilustrativo lo constituye
I

dz

(z z0 )n+1

Z
0

i
Rie d
= n
R
Rn+1 ei(n+1)

d ein

R 2
n = 0 : 0 d = 2i

n 6= 0 :

i
Rn

R 2
0

d (cos n isen n) = 0

donde hemos utilizado la forma polar z z0 Rei e integrado a lo largo de una circunsferencia de
radio R centrada en z = z0

8.8.
8.8.1.

Teorema Integral de Cauchy


El Teorema y las Regiones

El teorema integral de Cauchy es uno de los dos teoremas basicos en la teora de funciones de variable
compleja. Este teorema considera que si f (z) es analtica en una region simplemente conexa, R, en su
contorno C y su derivada f 0 (z) existe y es contnua en esta region10 , entonces la circulacion a lo largo de
cualquier contorno cerrado C se anula. Esto es
I
dz f (z) = 0
C

Antes que nada, y como parte de ese adiestramiento en lenguaje, precisaremos que queremos decir (que quieren decir los matem
aticos) con regiones simplemente conexa y m
ultiplemente conexa
Una regi
on simplemente conexa es aquella que no tiene huecos, o dicho de una manera mas precisa
y elegante, en la cual una curva puede ser reducida (encogida) a un punto sin salir de la region R. En
la figura 8.5 cuadrante Ia se muestra una region simplemente conexa y en los cuadrantes Ib y Ic regiones
multiplemente conexas. Estas dos u
ltimas figuras clarifican este concepto. Es decir, una regi
on m
ultiplemente
conexa es aquella que no es simplemente conexa y con eso queremos decir que tiene huecos, o lo que es lo
mismo existen curvas que no se pueden reducir a puntos en la region.
10 Esta u
ltima condici
on no es necesaria, pero la demostraci
on del Teorema se torna mucho m
as sofisticada, y referimos al
lector a los libros especializados, vale decir a las referencias [Churchill y Brown1989, Knopp 1996]

Luis A. N
un
ez

Universidad Industrial de Santander

323

M
etodos Matem
aticos de la Fsica

Figura 8.5: Regiones en el plano complejo

Tal y como hemos comentado la demostracion rigurosa del Teorema de Cauchy esta fuera de los alcances
de estas notas, pero algo se puede hacer si invocamos el Teorema de Stokes (o uno de los Teoremas de Green
en el plano) que vimos cuando estudiamos analisis vectorial. Con ello recordamos la ecuacion (8.8), entonces
Z z2
Z x2 ,y2
Z x2 ,y2
dz f (z) =
(u(x, y)dx v(x, y)dy) + i
(v(x, y)dx + u(x, y)dy)
z1

x1 ,y1

x1 ,y1

El Teorema de Stokes nos dice que


Z


dxdy

p
q
+
x y

I
(pdy qdx)

=
C

con lo cual, si una vez m


as suponemos f (z) = u(x, y) + iv(x, y) y dz = dx + idy, entonces tendremos que




I
I
Z
Z
(v) (u)
(u) (v)
(udx vdy) + i (vdx + udy) =
dxdy
+
+
+i
dxdy
=0
x
y
x
y
C
C
R
R
y acto seguido, como f (z) es analtica, invocamos las condiciones de Cauchy Riemann (ecuacion (8.2)) y es
inmediato ver que se anula la integral de circulacion.

8.8.2.

Algunas observaciones y el Teorema de Morera

De la anterior demostraci
on del Teorema de Cauchy Riemann emergen algunas observaciones
La primera es la insistencia de que la condicion que la derivada f 0 (z) existe y es contnua en esta regi
on
no es necesaria.
La segunda es que el Teorema de Cauchy Riemann, es valido tambien para regiones m
ultiplementes
conexas. Consieremos una regi
on como la descrita en la figura 8.5 cuadrante II, es claro que podemos
circular la integral en los siguientes contornos
I
Z
Z
Z
Z
Z
dz f (z) =
dz f (z)
dz f (z)+
dz f (z)+
dz f (z)+
dz f (z) = 0
C

Luis A. N
un
ez

ABDEAF GHF A

ABDEA

AF

Universidad Industrial de Santander

F GHF

FA

324

M
etodos Matem
aticos de la Fsica

y como

R
AF

R
dz f (z) = F A dz f (z) entonces
Z
Z
dz f (z) +
dz f (z) = 0
ABDEA

I
dz f (z) +

C1

F GHF

dz f (z) = 0
C2

con lo cual se nota que para regiones m


ultiplemente conexas, a pesar que las circulaciones son opuestas,
el observador que circula por C1 y C2 siempre tiene la region R a su izquierda.
Siguiendo con la reflexi
on anterior, podemos invertir el sentido de la circulacion en el contorno C2 con
lo cual
I
I
I
I
dz f (z)
dz f (z) = 0
dz f (z) =
dz f (z)
C1

C2

C1

C2

Es decir, que si f (z) es analtica en una region R, da igual cualquier recorrido por las fronteras de una
regi
on y el valor de la integral permanecera inalterado.
M
as a
un este resultado puede extenderse a regiones con n huecos de tal forma que, tal y como ilustra
en en la figura 8.5 cuadrante III
I
n I
X
dz f (z)
dz f (z) =
C1

j=1

Cj

Con lo cual estamos afirmando que, dada una region que contiene un n
umero finito ( numerable ?) n
de singularidades, la integral a lo largo del contorno que encierra la region R es equivalente a la suma
de las integrales que encierran cada una de las n singularidades.
Enunciaremos sin demostraci
on el Teorema de Morera11 , tambien conocido como el teorema inverso de
Cauchy.
Teorema
de Morera: Si una funci
on f (z) es continua en una region R encerrada por un contorno C y
H
dz f (z) = 0 entonces f (z) es analtica en R
C
Ejemplo:

Considere la funci
on definida en una region R

1
z0 fuera de la region R
f (z) =
con
z0 dentro de la region R
z z0

Si z0 est
a fuera de la regi
on, entonces f (z) esa analtica en R, con lo cual el Teorema de Cauchy
implica que
I
dz f (z) = 0
C

Si z0 est
a dentro de la regi
on, entonces f (z) no es analtica en R por cuanto existe una singularidad
z = z0 . Si consideramos C el contorno que bordea a R, como una circunsferencia centrada en z = z0 y
otra circunsferencia que aisla a z0 con un radio |z z0 | =  (esta situacion se ilustra en la figura 8.6
cuadrante I). Entonces, si hacemos z z0 = z = ei el Teorema de Cauchy implica
I
I
Z 2
Z 2
dz
dz
iei d
=
=
=
i
d = 2i
ei
C z z0
z z0
0
0
11 Pueden

consultar la demostraci
on en la referencia [3]

Luis A. N
un
ez

Universidad Industrial de Santander

325

M
etodos Matem
aticos de la Fsica

Figura 8.6: Circulaciones y Polos

8.8.3.

F
ormula integral de Cauchy

El ejemplo de la secci
on anterior nos lleva a una de las expresiones mas u
tiles e importantes del an
alisis
complejo: La F
ormula Integral de Cauchy la cual dice que si f (z) es analtica en una region R encerrada por
un contorno C y consideramos un punto z = z0 contenido en esa region, entonces
I
1
f (z) dz
= f (z0 )
2i C z z0
Para probar esta afirmaci
on supongamos, una vez mas un circuito en encierra al polo z = z0 (ver figura 8.6,
cuadrante II). Con lo cual, como f (z) es analtica en una region, el Teorema de Cauchy nos garantiza
1
2i

I
C

f (z) dz
1
=
z z0
2i

f (z) dz
z z0

si zz0 = re

2i

Z
0

f (z0 + rei )riei d


1
=
i
re
2

f (z0 +rei )d

si hacemos r 0 tendremos que


I
I
Z 2
Z 2
1
f (z) dz
1
f (z) dz
1
1
i
=
= lm
f (z0 + re )d =
lm f (z0 + rei )d = f (z0 )
r0 2 0
2i C z z0
2i z z0
2 0 r0
Observaciones

Surgen tambien observaciones al respecto

Obvio que es v
alido para regiones m
ultiplemente conexas y es facil demostrarlo. Se lo dejamos al lector
como ejercicio.
Si reacomodamos la expresi
on para la forma integral podemos hacer en esa formula es valida para todo
z
I
1
f () d
f (z) =
2i C z

Luis A. N
un
ez

Universidad Industrial de Santander

326

M
etodos Matem
aticos de la Fsica

M
as a
un veremos que es f
acil generalizar esta formula para derivdas de funciones, vale decir
I
f (z) dz
n!
(n)
f (z0 ) =
2i C (z z0 )n+1
Veamos con el caso m
as sencillo y demostremos que para n = 1




I
I
f (z0 + h) f (z0 )
f (z) dz
1
f (z)
1
1
1
0

f
(z
)
=
l
m
f 0 (z0 ) =
=
l
m

dz
0
h0
h0 2i C h
2i C (z z0 )2
h
z z0 h z z0
tal y como se muestra en la figura 8.6, cuadrante III tenemos que


I
I
1
f (z) dz
1
f (z) dz
f 0 (z0 ) = lm
=
h0 2i C (z z0 h)(z z0 )
2i C (z z0 )2
Pero mucho m
as interesante hubiera sido derivar respecto a una constante. Este truco implica que


I
I
I
f () d
1
n f ()
n!
f () d
1
(n)
f (z) =
d =
(8.9)
f (z) =
2i C z
2i C z n z
2i C ( z)n+1
Esta f
ormula es muy util para calcular integrales. Considere, por ejemplo la siguiente integral
I
e2 d
8i 2
2i (3)
I=
f (1) con f (z) = e2z
I=
e

4
3!
3
C ( + 1)
donde hemos supuesto que el contorno C encerraba el punto z = 1, porque de otro modo la funci
on
e2z
sera analtica y la integral se anulara por el Teorema de Cauchy.
(z + 1)4

8.9.

Otra vez Taylor y ahora Laurent

En la secci
on 8.3.2 consideramos series complejas de potencias. En esta seccion revisaremos, desde la perspectiva de haber expresado la derivada nesima de una funcion analtica en la ecuacion (8.9), el equivalente
a las series de Taylor para funciones complejas de variable complejas.

8.9.1.

Series de Taylor para funciones analticas

Si f (z) es analtica en un crculo de radio R, encerrado por un contorno C y centrado en un punto z = z0 .


Entonces f (z) puede ser expandida en series de potencias (enteras positivas) para todo |z z0 | < R de la
forma

X
f (n) (z0 )
f 00 (z0 )
f (n) (z0 )
f (z) =
(z z0 )n f (z0 ) + f 0 (z0 )(z z0 ) +
(z z0 )2 + +
(z z0 )n + Rn
n!
2
n!
n=0

con el resto Rn (z) definido como


(z z0 )n
Rn (z) =
2i

I
C

f () d
( z0 )n ( z)

Para probar esta afirmaci


on partimos de la formula integral de Cauchy escrita convenientemente

I
I
1
f () d
1
f ()
1

f (z) =
=
d

2i C z
2i C
z0 1 z z0
z0
Luis A. N
un
ez

Universidad Industrial de Santander

(8.10)

327

M
etodos Matem
aticos de la Fsica

de donde

f (z) =

1
2i

I
C

f () d
1

z
2i

I
d
C

f ()
z0

1 +

z z0
z0


+

z z0
z0

2


+ +

z z0
z0

n
+

n+1
z z0

z0



z0

este u
ltimo corchete proviene de una forma ingeniosa de utilizar una serie geometrica de razon r =

z z0
.
z0

Para entenderlo, recordemos que para una serie geometrica, se cumple que
1 + r + r2 + r3 + + rn =

1
rn+1
1 rn+1
=

1r
1r 1r

1
rn+1
= 1 + r + r2 + r3 + + rn +
(8.11)
1r
1r

Entonces

1
f (z) =
2i

I
C

f () d
1

z
2i

f ()
d

z0
C

j
n 
X
z z0

j=0 z0

n+1
z z0

z0



z0

(8.12)

con lo cual


I
n
n
X
X
1
f ()
f (j) (z0 )
j
f (z) =
(z z0 )
d
(z z0 )j + Rn (z)
+
R
(z)
=
n
j+1
2i
(

z
)
j!
0
C
j=0
j=0
donde

(z z0 )n
Rn (z) =
2i

I
d
C

f ()
( z0 )n ( z)

(8.13)

(8.14)

Obvio que la serie (8.13) converge si Rn (z) 0 cuando n y de eso es facil convencerse al acotar la
ecuaci
on (8.14). Esto es, considerando sobre el contorno C y z en el interior de R, entonces



I
I
(z z0 )n

|z z0 |n
|z z0 |n
f ()
f ()
1


<

|Rn (z)| =
d
<
d
M n 2R


n ( z)
n ( z)
2i
(

z
)
2
(

z
)
2
R
0
0
C
C
(8.15)




f
()
< M , con
donde, una vez m
as, hemos utilizado la forma polar = z0 = Rei y hemos acotado
z

n
z z0
= 0 Rn (z) 0, con lo cual la serie converge.
lo cual es inmediato constatar que lmn
R
Ejemplos Expanda
f (z) =

1
alrededor de z = z0
1z

X
1
1
1
1
(z z0 )n
(z z0 )n
2
3
f (z) =
+
(zz
)+
(zz
)
+
(zz
)
+

+
+

=
0
0
0
1 z0 (1 z0 )2
(1 z0 )3
(1 z0 )4
(1 z0 )n+1
(1 z0 )n+1
n=0

Luis A. N
un
ez

Universidad Industrial de Santander

328

M
etodos Matem
aticos de la Fsica

Figura 8.7: Expansion de Laurent

f (z) = ln(1 + z)ST alrededor de z = 0 (Serie de Maclaurin)


X
(1)n+1 n!
f 00 (0) 2 f 000 (0) 3
z2 z3
n
0
f (z) = ln(1+z) = ln(1 + z)|z=0 +
z

f
(0)+f
(0)z+
z
+
z
+

=
z
+ +
(1 z)n+1 z=0
2
3!
2 3
n=1

f (z) = ln

ln

8.9.2.

1+z
1z

1+z
1z


alrededor de z = 0 (Serie de Maclaurin)


ln(1+z)ln(1z) =

 


 X

2z 2n+1
z2
z3
z2
z3
z3
z5
z
+
z

= 2 z +
+
=
2
3
2
3
3
5
2n + 1
n=0

Series de Laurent

Hemos dicho que si una funci


on f (z) es analtica en una region (digamos que circular) R, entonces puede
ser expandida por series de Taylor. Sin embargo, si f (z) tiene un polo de orden p, digamos, en z = z0 , dentro
de la regi
on R, no ser
a analtica en ese punto, mientras que g(z) = (z z0 )p f (z) si lo sera en todos los
puntos de esa regi
on. Entonces f (z) podr
a ser expandida como series de potencias (de Laurent) de la forma
I

X
X
X
an
1
f () d
k
n
f (z) =
ak (zz0 ) =
an (zz0 ) +
con an =
n = 0, 1, 2,
n
(z z0 )
2i C ( z)n+1
n=
n=0
n=0
(8.16)
o equivalentemente
g(z)
ap
ap+1
a1
=
+
+ +
+ a0 + a1 (z z0 ) + a2 (z z0 )2 + (8.17)
(z z0 )p
(z z0 )p
(z z0 )p1
(z z0 )
P
an
La suma de todos los terminos que tengan potencias negativas, vale decir n=0 (zz
n , se denomina parte
0)
principal de f (z).
f (z) =

Luis A. N
un
ez

Universidad Industrial de Santander

329

M
etodos Matem
aticos de la Fsica

Para demostrar (8.16) o (8.17), recordamos que, tal y como muestra la figura 8.7 cuadrante I, si f (z) es
analtica en la regi
on anular, entonces el Teorema de Cauchy, nos garantiza que
I
I
I
I
1
f () d
1
f () d
1
f () d
1
f () d
f (z) =
+

2i C1 z
2i C2 z
2i C1 z
2i C2 z
donde en el segundo caso hemos supuesto que ambas circulaciones tienen el mismo sentido.
Del mismo modo como procedimos en la ecuacion (8.10) re escribimos el segundo par de integrales como

I
I

1
1
f ()
1
1
f ()

f (z) =
d
+
d

z0
2i C1
z0 1 z z0
2i C2
z z0
1
z0
z z0
y ahora invocando, una vez m
as la progresion geometrica (8.11) podemos construir expresiones de integrales
equivalentes a la ecuaci
o (8.12). Vale decir

n

n

z z0
z0




I
I
n1
n1
X z z0 j
X z0 j
1

1
f ()
f ()
z0
z z0




f (z) =
d
d
+
+ 
z 2i C2
z
2i C1
z0 j=0 z0
z z0 j=0 z z0
z0
z z0
y equivalentemente
I
I
n1
n1
1 X
f ()
1 X
1
j
f (z) =
(z z0 )
d
+Rn1 (z) +
d f ()( z0 )j +Rn2 (z)
2i j=0
( z0 )j+1
2i j=0 (z z0 )j+1 C2
C1
{z
}
|
{z
}
|
aj

aj

(8.18)
Con lo cual queda demostrado la forma funcional de los coeficientes de la expansion de Laurent. La demostraci
on de la convergencia, esto es n Rn1 (z) Rn2 (z) 0 sigue el mismo esquema que utilizamos
para demostrar la convergencia de la ecuacion (8.15) y se lo dejamos como ejercicio al lector.

8.9.3.

Algunos Ejemplos

En muchos casos las expansiones en series de Laurent no se generan a partir de la formula de la ecuaci
on
(8.16) sino a partir de manipulaciones algebraicas y expansiones en Taylor moduladas por otros factores.
El primer y ultimo ejemplo lo haremos directamente. Vale decir que como lo vamos a hacer no lo haremos
otra vez. Consideremos el siguiente ejemplo y hagamoslo directo. Supongamos de entrada que z0 = 0 con lo
cual la region anular en la cual no existen polos sera r < |z z0 | < R 0 < |z z0 | < 1. Utilizando las
formulas de 8.18 construimos la relacion
I
I
I

I
1
f ()d
d
d X n X
d
f (z) =
aj =
=
=
=
j+1
j+2 ( 1)
j+2
j+2n
z(z 1)
(

z
)

0
C1
C1
C1
n=0
n=0 C1
conviertiendo a la forma polar tendremos que
I
X
n=0

Luis A. N
un
ez

C1

X
riei d
=
2i
j+2n,1
rj+2n ei(j+2n)
n=0

an = 2i

para n 1

an = 0

para n < 1

Universidad Industrial de Santander

330

M
etodos Matem
aticos de la Fsica

es decir
f (z) =

1
1
= 1 z z2
z(z 1)
z

Consideremos los siguientes ejemplos de desarrollo en Series de Laurent


1.
f (z) =

1
z(z 2)3

Alrededor de las singularidades z = 0 y z = 2


2.
f (z) =

1
(z + 1)(z + 3)

Esta funci
on tienes polos de orden 1 en z = 1 y z = 3. Ademas expresando f (z) como una suma
de fracciones parciales, tendremos




1
1
1
1
1
f (z) =
=

(z + 1)(z + 3)
2 z+1
2 z+3
a) para 1 < |z| < 3
Expresando f (z) como una suma de fracciones parciales, tendremos




1
1
1
1
1
=
f (z) =

(z + 1)(z + 3)
2 z+1
2 z+3
b) para |z| > 3
c) para 0 < |z + 1| < 2
d ) para |z| < 1
3.
f (z) =

e2z
(z 1)3

f (z) =

z sen z
z3

4.

8.10.

Integraci
on por el m
etodo de los residuos

Desde siempre hemos sabido que las expansiones de funciones en series de potencias dejan residuos al
detener la expansi
on a para una determinada potencial. Esto se puede apreciar claramente en la expresi
on de
Taylor para funciones analticas (8.13) y, en particular en (8.14). Ahora, las expansiones de Laurent (8.18)
nos muestran otro residuo. Explotaremos las series de Laurent para funciones con polos y construiremos
un metodo para evaluar integrales de funciones en esos puntos. Primero estudiaremos los residuos en general
y luego los utilizaremos para evaluar integrales.

Luis A. N
un
ez

Universidad Industrial de Santander

331

M
etodos Matem
aticos de la Fsica

8.10.1.

Los residuos de Laurent

Hemos dicho que si f (z) tiene un polo de orden p en z = z0 R, entonces


I
dz f (z) 6= 0 f (z) =
C

ak (zz0 )k =

n=

ap+1
a1
ap
+
+ +
+a0 +a1 (zz0 )+a2 (zz0 )2 +
(z z0 )p (z z0 )p1
(z z0 )

m
as a
un, siguiendo (8.16) tendremos que los coeficientes de la expansion pueden ser calculados a partir de
I
I
f () d
1
n = 0, 1, 2, si n = 1
f () d = 2ia1 2iRes f (z) (8.19)
an =
2i C ( z)n+1
C
Es decir, la integraci
on a lo largo de un contorno C que aisle al polo z = z0 es proporcional al residuo
correspondiente a la expansi
on de Laurent alrededor de ese polo. Nos queda entonces calcular el residuo para
as no calcular la integral.
Esta situaci
on se ilustra con el siguiente ejemplo. Supongamos


I
sen z
1
z3
z5
1
1
z
1
i
f (z) =
=
z

+
+

+
+

a
=

f () d = 2ia1 =
1
z4
z4
3!
5!
z 3 3!z 5!
3!
3
C
En general, si f (z) tiene un polo de orden p en z = z0 R, entonces
(zz0 )p f (z) = ap +ap+1 (zz0 )+ +a0 (zz0 )p +

X
dp1
p
[(zz
)
f
(z)]
=
(p1)!a
+
bn (zz0 )n
0
1
dz p1
n=1

con lo cual concluimos que



a1 Res f (z) = lm

zz0


1
dp1
p
[(z

z
)
f
(z)]
0
(p 1)! dz p1

(8.20)

Si, por ejemplo consideramos

f (z) =

eiz
eiz

(z 2 + 1)2
(z + i)2 (z i)2

z0 = i



d
d
eiz
[(z i)2 f (z)] =
dz
dz (z + i)2

z0 = i



d
d
eiz
[(z + i)2 f (z)] =
dz
dz (z i)2

con lo cual







eiz
1 d
eiz
(z + i)2 ieiz eiz 2(z + i)
4ie1 4ie1
i

Res 2
=
l
m
=
l
m
=
=

zi
(z + 1)2 z=i zi 1! dz (z + i)2
(z + i)2
16
2e
del mismo modo se procede para el caso z = i
Un caso particular y muy u
til lo constituyen las funciones racionales del tipo f (z) =
un polo simple en z = z0 . Esto es q(z0 ) = 0 entonces


(z z0 )p(z)
(z z0 )
p(z0 )
Res f (z)|z=z0 = lm
= p(z0 ) lm
= 0
zz0
zz0
q(z)
q(z)
q (z0 )

Luis A. N
un
ez

Universidad Industrial de Santander

p(z)
y f (z) tiene
q(z)

(8.21)

332

M
etodos Matem
aticos de la Fsica

porque hemos utilizado el Teorema de LHopital. Este caso lo podemos ejemplificar si consideramos una
funci
on

3z

= 4
z = 0 Res f (z)|z=0 =

2z

z=0
4 3z
4 3z
(8.22)
f (z) = 2

con polos en

z z
z(z 1)

4 3z

=1
z = 1 Res f (z)|z=1 =
2z 1 z=1

8.10.2.

Teorema del Residuo

Hemos visto como calcular las integrales de funciones, en regiones m


ultiplemente conexas, con polos
simples a partir de residuos. Ahora generalizaremos ese esquema para una region, tambien m
ultiplemente
conexa, pero con un n
umero finito de polos. Tal y como se muestra en la figura 8.7 en el cuadrante II,
realizamos una circulaci
on ingeniosa, de tal modo que aislamos los distintos polos. Ahora bien, como la
funci
on es analtica en la regi
on bordeada por todos esos contornos, entonces
I

I
I
I
dz f (z) +
dz f (z) +
dz f (z) +
dz f (z) = 0
C

C1

C2

Cm

y al cambiar el sentido de circulaci


on comprobamos lo que ya sabamos
I

I
dz f (z) =

C1

dz f (z) +

dz f (z) +
C2

dz f (z)
Cm

dz f (z) = 2i
C

m
X

Res f (z)z=z0j

j=1

donde hemos utilizado lo que hicimos para la ecuacion (8.19)


Con ello podemos enunciar el Teorema del Residuo que ya hemos demostrado
Si f (z) es analtica en una regi
on R excepto en un n
umero, m, finito de polos z01 , z02 , z03 , z0m entonces
I
dz f (z) = 2i
C

m
X

Res f (z)z=z0j

j=1

4 3z
una funcion con polos simples en z = 0 y z = 1
z2 z
correspondientes a residuos 4 y 1, respectivamente, tal y como se vio en la seccion (8.10.1). Entonces,
utilizamos los resultado expuestos en el ejemplo (8.22)
I
4 3z
dz 2
= 2i(4 + 1) = 6i
z z
C
Una vez m
as ejemplificamos. Se al funci
on f (z) =

siempre y cuando el circuito C encierre los dos polos, z = 0 y z = 1, para los cuales hemos calculado los
residuos
Ejercicios
1. Determinar los polos y los residuos correspondientes para cada una de las funciones propuestas
2z + 1
f (z) = 2
;
z z2

Luis A. N
un
ez


f (z) =

z+1
z1

2
;

f (z) =

sen z
;
z2

Universidad Industrial de Santander

f (z) = cot z

333

M
etodos Matem
aticos de la Fsica

2. Evaluar
a)
I
C

dz ez
cosh z

a lo largo de una circunsferencia con |z| = 5

b)
I
C

(2z 2 + 5)dz
(z + 2)3 (z 2 + 4)z 2

a lo largo de una circunsferencia con |z 2i| = 6 y

un cuadrado de vertices z = 1 + i; z = 2 + i; z = 2 + 2i y z = 1 + 2i;

8.10.3.

Evaluaci
on de integrales, reales, impropias

El teorema del residuo (8.10.2) es una herramienta poderosa para evaluar algunos tipos de integrales
definidas en variable real. La intenci
on es extender el dominio de las funciones de la recta real al Plano
Complejo. Una de las restricciones es que los contornos deben ser cerrados antes de que sea evaluados los
residuos. El punto es que muchas integrales reales tienen contornos abiertos y la posibilidad de evaluar estas
integrales a traves del Teorema del Residuo descansa en la forma como se cierran los contornos. En estos casos
se debe estimar las contribuciones de esos contornos adicionales que pemiten cerrar los contornos abiertos.
A continuaci
on expondremos algunas tecnicas para cerrar algunos tipos de contornos abiertos.

Figura 8.8: Circuitos y evaluacion de integrales reales, impropias

Integrales impropias del tipo

dx f (x)

Este tipo de integrales implica, si ambos lmites existen


Z
Z
Z 0
dx f (x) = lm
dx f (x) + lm

Luis A. N
un
ez

dx f (x) lm

Universidad Industrial de Santander

dx f (x)
r

334

M
etodos Matem
aticos de la Fsica

Necesitaremos que el integrando sea una funcion racional f (x) = p(x)/q(x), donde q(x) 6= 0 x. Adicionalmente requeriremos que cuando menos q(x) x2 p(x). Supuesto todo esto, convertimos nuestra Hfunci
on racional en una funci
on de variable compleja f (x) f (z) y consideramos la integral de circulacion, C dz f (z),
sobre un contorno C descrito por el eje real y una semicircunsfrencia en el plano complejo con y 0, tal y
se muestra en el cuadrante I la figura 8.8. La intencion es hacer r y con ello evaluar la integral
Rcomo

dx
f (x). Es f
acil convencerse que
0
I
Z
Z r
m
X
dz f (z) =
dz f (z) +
dx f (x) = 2i
Res f (z)z=z0j
C

j=1

es decir,
Z

dx f (x) = 2i
r

m
X

Z
Res f (z)z=z0j

dz f (z)

j=1

Esta esta estrategia es v


alida porque hemos supuesto que f (x) es racional y que q(x) 6= 0 x, entonces si
existen polos para f (z) estar
an en el plano complejo (no sobre el eje real). Todos
esos polos seran encenrados
R
por el contorno C que hemos seleccionado. Mas a
un, y comprobaremos que dz f (z) 0 cuandoz .
Esto es sencillo si notamos que

Z


k
k
k
2

para |z| = r 0
q(x) x p(x) |f (z)| < 2 dz f (z) < 2 r =
|z|
r
r

con lo cual llegamos a que para este tipo de integrales


Z
m
X
p(x)
dx f (x) = 2i
Res f (z)z=z0j para f (x) =
,
q(x)

j=1

con q(x) 6= 0 x p(x) x2 q(x)

(8.23)

Ejemplo Considere evaluar la siguiente integral


Z
Z
m
X
dx
dx
Res f (z)z=z0j

=
2i
4
4
4
4
x + 1
x + 1
j=1
donde hemos utilizado la expresi
on (8.23). La extension analtica
f (x) f (z) =

1
z4 + 1

tendra cuatro polos simples: z = e 4 ; z = e

3i
4

correspondientes a las cuatro races de z 4 = 1. Acto seguido calculamos los residuos invocando la relaci
on
(8.21) que hemos construido para funciones racionales. Esto es


3i
i

1
e 4
e4
z = e i

4
i =
Res f (z)|
=
=

z=e 4
4z 3 z=e i
4
4

4
p(z0 )
p(z)
Res
=

9i
i
q(z) z=z0
q 0 (z0 )

1
e 4
e 4
3i

4
3i
z
=
e

Res
f
(z)|
=
=
=

z=e 4
4z 3 z=e 3i
4
4
4
Hemos considerado u
nicamente los polos para el semiplano complejo y > 0 ya que seguimos considerando
el circuito descrito en el cuadrante I de la figura 8.8. Quedan dos polos ubicados en el semiplano complejo
y < 0, tal y como se muestra en el cuadrante II de la misma figura 8.8. Consecuentemente, tendremos que

Z
Z
Z

i
dx
2i  i

2
dx
1
dx
2
4
4
=
e +e
= sen =

=
=

4+1
4 + 14
4 + 14
x
4
4
2
x
2
x
4

Luis A. N
un
ez

Universidad Industrial de Santander

335

M
etodos Matem
aticos de la Fsica

Ejemplo Para evaluar la siguiente integral


Z
x2 dx
2
2 2
(x + 1) (x + 2x + 2)

f (z) =

z2
(z 2 + 1)2 (z 2 + 2z + 2)

donde hemos realizado la extensi


on analtica f (x) f (z) y ubicado sus polos de z = i y z = i 1 en
el semiplano complejo y > 0 y los encerrados por el circuito descrito en el cuadrante I de la figura 8.8.
El primero de estos polos es de segundo orden, mientras que el segundo corresponde a un polo simple.
Consecuentemente, los residuos se calculan invocando la relacion general (8.20) arriba expuesta. Con lo cual
para

 
z2
12 + 9i
d
(z i)2
=
z = i lm
2
2
2
zi dz
(z i) (z + i) (z + 2z + 2)
100
y para
z2
3 4i
z = i 1 lm (z i + 1) 2
=
zi1
(z + 1)2 (z i 1)(z + i 1)
25
Finalmente, podemos evaluar la integral
Z

Ejercicios



2
X
12 + 9i 3 4i
7
x2 dx
Res
f
(z)
=
2i
=
2i
+
=
z=z0j
(x2 + 1)2 (x2 + 2x + 2)
100
25
50
j=1

Evaluar las siguientes integrales


Z
Z
dx
dx
;
;
2
2
2
4
(x + 1)(x + 4)
x + x2 + 1
0
0

(x2

dx
+ 4x + 5)2

Integrales de funciones racionales de cos y sen


Ahora mostraremos la estrategia para integrales de funciones racionales de funciones trigonometricas,
G(cos , sen ). La idea es transformar estas integrales en otras de funciones de varible compleja a traves
de los cambios de variables que conectan las funciones trigonometricas y los n
umeros complejos. Esto es
transformar integrales de la forma
Z 2
I
dz
f (z)
d G(cos , sen )
0
C zi
mediante cambios de variables est
andares
i

z = re

dz
d =
;
zi

1
cos =
2



1
z+
;
z

Ejemplo En las tablas de integrales encontrabamos12 que


Z 2
d
2
=
2
a + bsen
a b2
0

1
sen =
2i



1
z
z

(8.24)

con |a| > |b|

veamos como se llega a ese resultado.


12 Encontr
abamos porque hoy en da estas integrales las calculamos con manipuladores simb
olicos del tipo Maple, Reduce,
Matemathica o Mupad

Luis A. N
un
ez

Universidad Industrial de Santander

336

M
etodos Matem
aticos de la Fsica

Haciendo z = rei y asumiendo las consecuencias, tal y como se presenta en (8.24) arriba, tendremos que
Z

d
=
a + bsen

dz
zi

I
C

a+

b
2i

=
1
z

bz 2

2dz
+ 2aiz b

con C una circunferencia |z| = 1

los polos de
2
f (z) = 2
bz + 2aiz b

z0 =

a2 b2
i
b

son los valores de z que anulan el denominador de f (z). Seguidamente verificamos la ubicacion de los polos
simples y comprobamos que como |a| > |b| entonces




a a2 b2
a + a2 b2




y
|z0 | =
i < 1
i > 1
|z+0 | =




b
b
y por lo tanto, s
olo el primero de los polos esta encerado por el circuito C con |z| = 1 tal y como muestra
en el cuadrante III de la figura 8.8.
Una vez m
as calculamos el residuo para z+0 a partir de (8.20). Entonces tendremos que
Res f (z)|z=z+0 = lm (z z+0 )
zz+0

finalmente
Z

Ejercicios
Z

d
=
a + bsen

bz 2

2
2
1
i
= lm
=

2
+ 2aiz b zz+0 2bz + 2ai
bz+0 + ai
a + b2

bz 2

2dz
2
= 2iRes f (z)z=z+0 =
2
+ 2aiz b
a b2

I
C

Compruebe las siguientes evaluaciones


2

2
d
=
2
a + b cos + csen
a b2 c2

con a > b + c ;
0

cos2 3 d
3
=
5 4 cos 2
8

Integrales de Fourier
Otro grupo de integrales que pueden ser evaluadas mediante el Teorema de Residuos son las integrales de
Fourier. Integrales que involucran funciones racionales, f(x), que satisfacen las condiciones expuestas arriba
en la Secci
on 8.10.3 y funciones senos y consenos. Integrales del tipo


Z
Z
I
m
X


cos mx
dx f (x)

dx f (x)eimx
dz f (z)eimz = 2i
Res f (z)eimz z=z0j (8.25)
sen mx

C
j=1

Con m > 0 y los polos correspodientes a los residuos que se muestran en el lado derecho, estan ubicados en
el semiplano complejo con y > 0. Es claro que el circuito seleccionado es que muestra el cuadrante II de
la figura 8.8.
Equivalentemente, igualando partes reales e imaginarias
Z

dx f (x) cos mx = 2

m
X
j=1



Im Res f (z)eimz z=z0j

dx f (x)sen mx = 2

m
X



Re Res f (z)eimz z=z0j

j=1

Otra vez, el circuito C se separa en una semicircunferencia y el eje real. para demostrar que para
evaluar las integrales de Fourier (8.25) se requiere la suma de los residuos nos convencemos que la integral a
Luis A. N
un
ez

Universidad Industrial de Santander

337

M
etodos Matem
aticos de la Fsica

lo largo de la semicircunferencia se anula. Esto es facil si comprobamos que recordamos que y > 0 y m > 0,
entonces si z = x + iy tendremos que
|eimz | = |eimx ||emy | = emy < 1

|f (z)eimz | = |f (z)| |f (z)| |eimz |

con lo cual redujimos al de una funci


on racional tratado en la Seccion 8.10.3.
Ejemplo:

Comprobemos que
Z

dx cos mx
= ekm
2
2
k
x + k

dx sen mx
=0
x2 + k 2

es f
acil ver que el polo simple de la continuacion analtica de f (x) es z0 = ik y su residuo sera


eimz
emk
eimz
eimz
z0 = ik Res 2
=
f (z) = 2
=


2
2
z +k
z + k z=ik
2z z=ik
2ik
y por lo tanto
Z

dx

Ejemplo:

eimx
emk

=
2i
= emk
x2 + k 2
2ik
k

Evalue
Z

dx

xsen x
+ 2x + 5

x2

Partimos de la continuaci
on analtica de
f (x) f (z) =

zeiz
2
z + 2z + 5

I
z0 = 1 2i

dz
C



zeiz
zeiz

=
Res
2
2
z + 2z + 5
z + 2z + 5 z=1+2i

ya que ese es el u
nico polo encerrado por la circulacion . Calculando el residuo tendremos




zeiz
zeiz
e(2+i)

= lm
(z + 1 2i) 2
Res 2
= (1 + 2i)

z + 2z + 5 z=1+2i z1+2i
z + 2z + 5
4i
con lo cual
I
Z
Z
zeiz
x cos x
xsen x
e(2+i)

dz 2
=
dx 2
+i
dx 2
= 2i(1 + 2i)
= (1 2i)e2
z
+
2z
+
5
x
+
2x
+
5
x
+
2x
+
5
4i
2
C

igualando parte real e imaginaria tendremos que


Z
x cos x

dx 2
= e2
x + 2x + 5
2

Compruebe que
Z
cos mx
em (1 + m)
Para m > 0
dx 2
=
(x + 1)2
4
0

xsen x
= e2
+ 2x + 5

dx

x2

Ejercicios:

Luis A. N
un
ez

Z
y

dx
0

Universidad Industrial de Santander

cos 2x
/3

=
e
x4 + x2 + 1
2 3

338

M
etodos Matem
aticos de la Fsica

Otras Integrales Impropias


Existen integrales definidas para las cuales el integrando se hace infinito para un determinado punto en
el rango de integraci
on. Esto es, en general
Z
lm |f (x)|

xx0

x0

dx f (x) = lm

dx f (x) + lm

dx f (x)

x0 +

donde y tienden a cero de forma independiene, es decir, ambos lmites se efectuan independientemente.
Ahora bien, puede darse el caso que uno o ambos lmites no existan pero si exista
!
Z
Z
Z
x0 

dx f (x) + lm

lm

0

dx f (x)

V.P.

x0 +

dx f (x)
a

Diremos entonces que existe el Valor Principal de Cauchy para esa integral. La estrategia en estos casos
ser
a dise
nar un circuito tal que evite los polos de la extension analtica de la funcion. Normalmente se
establece este recorrido rodeando los polos con arcos de circunferencia cuyos radios luego tenderan a cero.
Veamos con un ejemplo esta estrategia de circunsnavegacion.
Ejemplo:

Consideremos que queremos evaluar la siguiente integral


Z
sen x
sen x
dx

lm
=1
x0
x
x
0

Si bien el lmite est


a definido, cuando hacemos la extension analtica13 f (x) = sen x/x f (z) = eiz /z la
funci
on compleja presenta un polo simple en z = 0, con lo cual la integral compleja presenta un polo en la
regi
on de integraci
on. Esto es

dx
0

sen x
x

dz
C

eiz
=
z

dx
R

eix
+
x

Z
dz
C2

eiz
+
z

dx


eix
+
x

Z
dz
C1

eiz
=0
z

donde hemos construido un circuito que rodea el polo z = 0 (cuadrante IV de la figura 8.8.). Es claro que
H
iz
dz ez = 0 porque la regi
on no contiene ning
un polo.
C
R
iz
Ahora mostraremos que C1 dz ez 0, cuando R . Para ello, convertimos z = Rei dz/z = id,
entonces
Z
Z
Z
Z
Z


eiz
Rsen
iz
iz
iR cos

|=
d eRsen
dz
=
d ie
d |e | =
d |e
| |e

| {z }
z 0
0
C1
0
0
1

con lo cual
Z
I1 =

d |eiz | =

Z
0

d eRsen = 2

Z
0

/2

d eRsen = 2

Z
0

d e|Rsen
{z } +
I1

/2

d e|Rsen
{z }
I2

para 0 /2. Es claro que eRsen es una funcion decreciente en y como estamos tratando de
demostrar que la integral a lo largo del circuito se anula I1 0, podremos considerar los maximos valores
13 N
otese que la extensi
on analtica ha sido f (x) = sen x/x f (z) = eiz /z y no f (x) = sen x/x f (z) = sen z/z La raz
on
de esta selecci
on se fundamenta en el comportamiento patol
ogico (oscilante) de la funci
on seno en infinito

Luis A. N
un
ez

Universidad Industrial de Santander

339

M
etodos Matem
aticos de la Fsica

para I1 y I2 en el entorno de integraci


on y fijarlos como constantes, al hacer esto tendremos lo maximos
valores que podr
a tomar las integrales respectivas. Los maximos valores para I1 y I2 , son, 1 y eR . Entonces,
Z /2 !
Z
Z



Rsen
iz
d = 2 + eRsen
d + e
d |e | 2
I1 =

< 2 + eRsen
2

0
0
Al considerar que 0 y R comprobamos que I1 0.
R
iz
Seguidamente nos toca demostrar que I2 = C2 dz ez 0 cuando  0. Para este caso z = ei y como
siempre, dz/z = id, entonces la integral
Z
Z
Z
eiz
I2 =
d iei exp(i) = i
dz
=
d iei exp(i) lm I2 = lm
0
0
z
0
C2
0
Esto implica que
eiz
dz
=
z
C

eix
dx
+ i +
x

Z


eix
dx
=0
x

Z
{z }
|

dx


xx

eix eix
+ i = 0
x

con lo cual es claro que


Z

dx


eix eix
= i
x

Z
2i

sen x
= i
x

dx


dx
0

sen x
=
x
2

donde hemos hecho los lmites R y  0


Ejercicios:

Comprobar las evaluaciones para las siguientes integrales

1.
Z

dx sen x2 =

2.
Z

dx
0

3.

Z
0

2 2
ln x
=

;
x4 + 1
16

dx cos x2 =

xp
=
dx 2
x + 2x cos + 1

dx
0

2
4

3 3 2
(ln x)2
=
x4 + 1
16

sen p



sen p 
sen

Agradecimientos
Quisiera agradecer a tantos estudiantes entusiastas quienes, nos han se
nalado montones de gazapos y
errores de transcripci
on. Ellos han tenido la paciencia de soportarlos. Gracias por esa paciencia.

Luis A. N
un
ez

Universidad Industrial de Santander

340

Bibliografa
[Aleksandrov Kolmogorov y Lavrentiev 1999] A. D. Aleksandrov, A. N. Kolmogorov y M. A. Lavrentiev
(1999) Mathematics: Its Content, Methods and Meaning. (Dover Publications, New York ) Existe
traducci
on por Editorial Alianza Universidad.
[Arfken, Weber y Weber 2000] Arfken, G. B.,Weber, y H., Weber, H.J. (2000) Mathematical Methods
for Physicists 5ta Edici
on (Academic Press, Nueva York )
[Byron y Fuller 1970] Byron, F.W. y Fuller W.F. (1970) Mathematics of Classical and Quantum Physics (Dover Publications, New York )
[Chow 2000] T. L. Chow (2000) Mathematical Methods for Physicists: A Concise Introduction
(Cambridge University Press, Cambridge)
[Churchill y Brown1989] R. V. Churchill y J. W. Brown (1989) Complex Variables and Applications
(McGraw-Hill, New York ).
[Dennery y Krzywicki1995] P. Dennery y A. Krzywicki (1995) Mathematics for Physicists (Dover Publications, New York )
[Gonzalez 2003] A. Gonz
alez-L
opez Variable Compleja Universidad Complutense de Madrid, Madrid
Espa
na. Disponible en http://www.ucm.es/info/metodos/pdf/Apuntes/vc-ag/vc-ag.pdf
[Harper 1971] Harper, C. (1971) Introduction to Mathematical Physics (Prentice Hall, Englewood Cliff,
N.J.)
[Knopp 1996] K. Knopp (1996) Theory of Functions, Parts I and II (Dover Publications, New York )
[math-atlas.orgURL] The Mathematical Atlas http://www.math-atlas.org/welcome.html
[N
un
ez 2005] L.A. N
un
ez (2005) Los Vectores de Siempre Formulario de Metodos Matematicos de la
Fsica 1. Universidad de Los Andes, Merida Venezuela, Disponible en http://webdelprofesor.ula.
ve/ciencias/nunez/cursos.html
[N
un
ez 2006] L.A. N
un
ez (2006) Serie de Series Formulario de Metodos Matematicos de la Fsica 2. Universidad de Los Andes, Merida Venezuela, Disponible en http://webdelprofesor.ula.ve/ciencias/
nunez/cursos.html
[Riley, Hobson y Bence 2002] Riley, K.F., Hobson, M.P. y Bence, S.J. (2002) Mathematical Methods for
Physics and Engineering (Cambridge University Press, London)
[Spiegel 1959] Spiegel, M. (1967) Variable Compleja (Schaums Outline Series, McGraw Hill New York )

341

M
etodos Matem
aticos de la Fsica

[WeissteinURL] Weisstein, E. W., MathWorld http://mathworld.wolfram.com/


[Wyld 1999] H. W. Wyld (1999) Mathematical Methods for Physics (Westview Press, Boulder Co.)

Luis A. N
un
ez

Universidad Industrial de Santander

342

Captulo 9

Ecuaciones Diferenciales Ordinarias


de Primer Orden

343

M
etodos Matem
aticos de la Fsica

9.1.

Motivaci
on y Origen

En Ciencias, una de las formas de modelar fenomenos fsicos es mediante su caracterizacion a traves de
una funci
on matem
atica, digamos G = G (x, y, z; t). Desde los albores de la actividad cientfica contempor
anea
es imperioso describir los fen
omenos fsicos en el lenguaje de las matematicas. Una las formas (la ideal) para
modelar los cambios de esta funci
on, G (x, y, z; t) , que depende de la posicion y del tiempo, es a traves
de una ecuaci
on en la cual est
an involucradas la funcion, G (x, y, z; t) y sus derivadas. A esa ecuaci
on la
llamaremos Ecuaci
on Diferencial. Existe toda una fauna de ecuaciones diferenciales y hoy disponemos de
un importante arsenal de tecnicas, metodos y herramientas para encontrar la funcion G (x, y, z; t) , la cual
ser
a nuestra funci
on inc
ognita. Este curso trata, parcialmente, de mostrar parte de esta fauna y de indicarles
metodos para resolver un tipo particular de ecuaciones diferenciales: las Ecuaciones Diferenciales Ordinarias.
Empecemos por recordar que desde siempre hemos tratado, la mayor de las veces sin saberlo o sin
explicitarlo, con este tipo de ecuaciones en donde la incognita no es un n
umero sino un conjunto de n
umeros:
una funci
on.
El caso m
as emblem
atico lo constituye el conjunto de formulas que aprendimos en nuestra mas tierna
infancia intelectual cuando estudi
abamos bachillerato o, mas recientemente, en los primeros cursos de Fsica
General de la Universidad. En aquellos entonces describamos el movimiento de partculas en una dimensi
on,
a traves de dos ecuaciones:
t2
(9.1)
Vf = V0 + at
y
d = V0 t + a
2
de memoria repetamos que Vf representaba la velocidad final, V0 la velocidad inicial, a la aceleraci
on, t
el tiempo transcurrido y d la distancia recorrida en ese tiempo. El problema consista en encontrar, para
un sinfn de situaciones fsicas, primeramente el valor de la aceleracion del movil y a partir de las Leyes de
Newton, luego conociendo la velocidad y la posicion inicial, encontrabamos la posicion, d, y la velocidad, Vf
en todo instante de tiempo. As, mediante diagramas de cuerpo libre y la utilizacion de las leyes de Newton,
encontr
abamos el valor de la aceleraci
on y las formulitas (9.1) resolvamos el problema.

V = V0 + at

P
f
X
Fext
Fext = m a
a=

(9.2)
2

m
d = V t + at
0
2
Lo m
as probable
es que nuestros profesores nos repitieran hasta el cansancio que la sumatoria de fuerzas
P
externas
Fext era constante, y lo m
as seguro que nosotros en aquellos momentos no comprendieramos
la trascendencia de esa suposici
on. El caso mas representativo era el del movimiento de un cuerpo bajo la
acci
on de un campo gravitatorio, m
as a
un: cada libre.

V = V0 gt

f
mg = m a
a = g

(9.3)
2

d = V t gt
0
2
Lo que est
a detr
as de este cuento que nos inicio en el estudio de la Fsica y a muchos de nosotros nos sedujo
para seguir estudiando y aprendiendo a tratar de describir la naturaleza, es, efectivamente, la utilizaci
on de
las Leyes de Newton para modelar el fen
omeno del movimiento. De este modo

dx(t)

= V0 + at
V (t) =

2
X
dt
d x(t)
dV (t)
Fext = m a = m
=m

(9.4)

dt2
dt
2

x(t) = V0 t + a
2
Luis A. N
un
ez

Universidad Industrial de Santander

344

M
etodos Matem
aticos de la Fsica

S la sumatoria de fuerzas externas es una contante tendremos que


R

V (t) = dt a = t a + C2

dV (t)
Fext
=a=
= constante

dt
m
x(t) = R dt (t a + C ) = t a + C t + C
2
2
1
2

(9.5)

Claramente al identificar
C2 = V (t = 0) = V0

C1 = x(t = 0) = x0 = 0

(9.6)

reobtenemos nuestras formulitas ancestrales. Es importante se


nalar que
dV (t)
=a
dt

dx(t)
= t a + C2
dt

(9.7)

constituyen ecuaciones diferenciales donde las funciones incognitas son la velocidad, V (t), y la posicion, x(t),
respectivamente. Ambas funciones se encontraban dentro de un signo de derivada y fueron despejadas
mediante un proceso de integraci
on.
La descripci
on del movimiento de partculas es mas rica y compleja. El movimiento de una gran cantidad
de partculas puede ser simulado a traves de una ecuacion diferencial del tipo


2
X
~
~ (t) = d~r(t) ; t = m ~a = m d ~r(t) = m dV (t)
(9.8)
F~ext ~r (t) , V
2
dt
dt
dt
El car
acter vectorial implica tres ecuaciones diferenciales, una por cada dimension del movimiento, vale decir:



P x
d~r(t)
d2 x(t)
dVx (t)

F
~
r
(t)
,
;
t
=
m
a
=
m
=m

x
ext

dt
dt
dt





P
X
d~r(t)
d2 y(t)
dVy (t)
d~r(t)
y
F~ext ~r (t) ,
; t = m ~a
; t = m ay = m
=m
Fext
~r (t) ,
2

dt
dt
dt
dt




P z
d~r(t)
d2 z(t)
dVz (t)

Fext ~r (t) ,
; t = m az = m
=m
2
dt
dt
dt
Adem
as del car
acter vectorial de la ecuaci
on, las componentes de la fuerza pueden dejar de ser constantes y
depender de no s
olo del tiempo, sino del vector posicion, del vector velocidad o, de ambas simultaneamente. En
este caso nuestras formulitas dejan de ser validas en general y debemos integrar las ecuaciones diferenciales
para obtener la trayectoria de la partcula ~r (t), conocidas: la masa, m, la expresion de la sumatoria de
P
~ (t0 ) = V
~0 ). Este problema se conoce
fuerzas externas F~ext , la posici
on y la velocidad inicial (~r (t0 ) = ~r0 y V
como el problema de condiciones iniciales y es, como hemos dicho antes, la razon de este curso. Antes,
intentare mostrar como ese conocimiento del movimiento bajo accion de una resultante de fuerzas constante,
es decir el movimiento de una partcula con aceleracion constante puede resultar muy
til para resolver,
de
 u

P
d~
r
(t)
forma aproximada, el caso m
as general que hemos mencionado: F~total =
F~ext ~r (t) ,
; t . Veamos
dt
con detenimiento que significan estas afirmaciones.
Es claro el tiempo de evoluci
on esta comprendido entre el tiempo inicial y el tiempo final, t0 t tf inal .
Supongamos que dividimos ese intervalo de tiempo en N subintervalos
[t0 , tf inal ] = [t0 , t1 ] [t1 , t2 ] [t2 , t3 ] [ti , ti+1 ] [tN 2 , tN 1 ] [tN 1 , tN = tf inal ]
Luis A. N
un
ez

Universidad Industrial de Santander

(9.9)
345

M
etodos Matem
aticos de la Fsica

Figura 9.1: Diagrama de Cuerpo Libre de una esfera de corcho que emerge desde el fondo de un tanque de
agua.

de tal modo que en cada uno de esos N subintervalos la aceleracion es constante. En estas situacion, nuestras

Luis A. N
un
ez

Universidad Industrial de Santander

346

M
etodos Matem
aticos de la Fsica

formulitas son v
alidas. Esto es

[t0 , t1 ]

Fext (d0 , V0 ; t0 )

[t1 t0 ]
V
(t
)
=
V
=
V
+
1
1
0

m
V (t0 ) = V0

Fext (d0 , V0 ; t0 ) [t1 t0 ]

d (t1 ) = d1 = V0