LA FUNCI

ON DELTA DE DIRAC.
UNA INTRODUCCI

ON A LA TEOR

IA DE LAS DISTRIBUCIONES

ANGELA MAR

IA GUZM

AN HERN

ANDEZ
UNIVERSIDAD INDUSTRIAL DE SANTANDER
FACULTAD DE CIENCIAS
ESCUELA DE MATEM

ATICAS
BUCARAMANGA
2007
LA FUNCI

ON DELTA DE DIRAC.
UNA INTRODUCCI

ON A LA TEOR

IA DE LAS DISTRIBUCIONES

ANGELA MAR

IA GUZM

AN HERN

ANDEZ
Trabajo presentado para optar al ttulo de
LICENCIADA EN MATEM

ATICAS
Director

ELDER JES

US VILLAMIZAR ROA
UNIVERSIDAD INDUSTRIAL DE SANTANDER
FACULTAD DE CIENCIAS
ESCUELA DE MATEM

ATICAS
BUCARAMANGA
2007
A Dios, mis padres y hermanos.
Agradecimientos
Especialmente:
A mis padres, Melva Hern andez y Eduardo Guzm an; a mis hermanos Jes us Eduardo
y Melvita por sus palabras de felicitaciones en los buenos momentos y por su compre-
si on y aliento en momentos difciles.
Un agradecimiento muy especial a mi director de monografa Dr.

Elder Jes us Villamizar
Roa; porque gracias a su invaluable colaboraci on este trabajo fue realizado.
TITLE: THE DIRAC DELTA FUNCTION.
AN INTRODUCTION TO THE DISTRIBUTIONS THEORY
*
AUTHOR:

ANGELA MAR

IA GUZM

AN HERN

ANDEZ
**
KEY WORDS: Dirac delta, distributions.
DESCRIPTION
In this work a bibliographical review about the Dirac delta is given. Indeed, we make an intro-
duction to the Distributions theory. We give the denition of a distribution on the n-dimensional
space, state some proporties, give some examples of distributions and remark the particular
case of the Dirac function as an important example of Distribution on R
n
The rst chapter contains a summary about the Dirac function, standing out its diverse inter-
pretations, as well as its more important properties which can be used in Differential equations
courses.
In chapter two and three a revision of the distributions theory is given, we study some examples
of distributions as for instance, the logarithm distribution, the main value distribution, the Step
of Heaviside distribution, and review some operations on the distributions; set like the sum
of distributions, the product betwen a function and a distribution, convergence on the in the
distribution set D

(R
n
), etc.
Finally, in chapter foura review about the Laplace Transform is given and then, we give some
kind of aplications of the Laplace Transform on the function Dirac in differential equations prob-
lems.
*
Monograph
**
FACULTY OF SCIENCES, LICENCIATURA EN MATEM

ATICAS.
ADVISER:

ELDER JES

US VILLAMIZAR ROA.
TITULO: LA FUNCI

ON DELTA DE DIRAC.
UNA INTRODUCCI

ON A LA TEOR

IA DE LAS DISTRIBUCIONES
*
AUTOR:

ANGELA MAR

IA GUZM

AN HERN

ANDEZ
**
PALABRAS CLAVES: Funci on Delta de dirac, teora de las distribuciones.
DESCRIPCI

ON
En el presente trabajo se hace una revisi on bibliogr aca sobre la funci on delta de Dirac, mas
general a un, se hace una introducci on a la teora de las distribuciones, denidas sobre el espa-
cio n-dimensional. Presentamos las principales propiedades de una distribuci on, estudiamos
las operaciones y damos algunos ejemplos.
El primer captulo contiene un resumen de la funci on delta de Dirac, resaltando sus diversas
interpretaciones, as como tambi en propiedades m as importantes las cuales son usadas en
cursos de Ecuaciones Diferenciales.
En el captulo dos y tres realizamos una revisi on de la teoria de las distribuciones, presentamos
algunos ejemplos de distribuci on como es el caso de la Distribuci on Logaritmo, la Distribuci on
Valor Principal, la distribuci on asociada a la funcio on escal on de Heaviside entre otras. Tambi en
estudiamos las operaciones entre distribuciones como es el caso de la suma de distribuciones,
el producto de una funci on por una distribuci on, divisi on de distribuciones, la convergencia en
el conjunto de las distribuciones D

(R
n
) y la derivada de una distribuci on.
Concluimos el captulo cuatro haciendo una revisi on de la Transformada de Laplace de la
funci on delta de Dirac y ejemplicaremos el uso de la misma en la resoluci on de cierto tipo de
problemas de ecuaciones diferenciales.
*
Monografa
**
FACULTAD DE CIENCIAS, LICENCIATURA EN MATEM

ATICAS.
DIRECTOR

ELDER JES

US VILLAMIZAR ROA.
Contenido
Introducci on 1
1. La delta de Dirac 4
1.1. Orgenes de la delta de Dirac . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Propiedad fundamental . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2. Distribuciones 13
2.1. Funcionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. Distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3. De nuevo la delta de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4. El escal on de Heaviside . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5. Identicaci on de distribuciones con funciones ordinarias . . . . . . . . . 20
2.6. La distribuci on logaritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.7. La distribuci on valor principal V P
_
1
x

. . . . . . . . . . . . . . . . . . . . 23
3. Operaciones b asicas con distribuciones 26
3.1. Suma de distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2. Producto de una funci on por una distribuci on . . . . . . . . . . . . . . . 27
3.3. Derivada de una distribuci on . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4. Regla de Leibniz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.5. Primitiva de una distribuci on . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.6. Divisi on de distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.7. Convergencia en D

(R
n
) . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4. Transformada de Laplace de la funci on delta de Dirac 41
Referencias 45
i
Introduccion
Una experincia bastante com un para estudiantes de matem aticas, fsica e ingeneria,
en alg un punto de su programa de pregrado, es encontrar la delta de Dirac, una en-
tidad que sera un pico concentrado. Es com un en libros de Ingeniera, como los de
resistencia de materiales, teora de control y de transmisi on de calor, presentar y usar
la delta de Dirac cuando intentan plantear y resolver algunas ecuaciones diferenciales.
A pesar de que la aplicaci on delta funciona bien al tratar de explicar ciertas situaciones
pr acticas, los profesores alertan que no se trata de una funci on, sino de algo diferente.
En general, los alumnos quedan con la curiosidad atizada y a veces tambi en confusos
en cuanto a la verdadera naturaleza de la delta. Queriendo responder la pregunta de
qu e es la delta de Dirac, hemos querido realizar el siguiente trabajo de monografa, es-
perando que pueda servir como material de consulta para estudiantes de matem aticas,
fsica e ingeniera, que desde sus intereses de estudio necesitan esta herramienta.
Iniciamos este trabajo presentando una discusi on sobre el origen de la funci on delta
de Dirac, a trav es de un problema de ecuaciones diferenciales ordinarias que describe
un sistema de masa-resorte, justicando la versi on emprica de la denici on de la delta
de Dirac como una aplicaci on (x) que satisface
(x) =
_

_
0, si x = 0,
+, si x = 0,
(1)
y
_

(x)dx = 1. (2)
Una aplicaci on (x) que satisface (1) y (2) causa cierto malestar para los matem aticos,
1
a pesar de funcionar bien en varias situaciones de la Fsica. La verdad, una propiedad
importante de la delta de Dirac es la siguiente
_

(x)(x)dx = (0). (3)

De entrada, la expresi on (3) es tambi en bastante confusa y se hace necesario darle
un sentido matem atico correcto. Estos aspectos son considerados en el Captulo 1 de
este trabajo. La funcion de Dirac es un ejemplo de distibuci on (tambi en llamada fun-
cion generalizada). Las distribuciones fueron introducidas al nal de los a nos veinte del
siglo pasado por el fsico ingl es Paul DIRAC (1902-1984) en sus investigaciones sobre
mec anica cu antica [3], donde el utiliza sistem aticamente la noci on de funci on y de
sus derivadas. Las bases matem aticas de la teora de distribuciones las estableci o el
matem atico sovi etico Serqu ei S

OBOLIEV (1908-1989) en 1936 al resolver el problema
de Cauchy para ecuaciones diferenciales hiperb olicas [11], y en los a nos cincuenta el
matem atico franc es Laurent SCHWARTZ (1915-2002) desarroll o sistem aticamente la
teora e indic o muchas de sus aplicaciones [9]. Hacer un an alisis introductorio sobre
el concepto de distribuciones ser a el objetivo del Captulo 2. En este mismo Captulo
veremos que la funci on delta de Dirac, es en verdad un ejemplo de una distribuci on,
complemetando las ideas introducidas en el Captulo 1.
En el Captulo 3, haremos un estudio sobre las operaciones b asicas con distribuciones.
Describiremos c omo se dene la suma de distribuciones, el producto de una distribu-
ci on por una funci on, la derivada de una distribuci on; adem as vericaremos la validez
de la regla de Leibniz y realizaremos un corto an alisis de la existencia de las primitivas
de una distribuci on. Finalizaremos haciendo un peque no an alisis sobre la operaci on
de divisi on de distribuciones y la convergencia en distribuciones.
Para concluir el trabajo, en el Captulo 4 haremos un peque no an alisis sobre el c alculo
y la aplicaci on de la transformada de Laplace de la funci on delta de Dirac, aplicaci on
dada en la resoluci on de un sistema masa-resorte modelado a trav es de una ecuaci on
diferencial ordinaria.
2
El contenido de este trabajo de monografa se basa en una revisi on del material bib-
liogr aco citado al nal del texto. Esas fuentes nos permitieron elaborar este texto de
una manera que esperamos sea bastante accesible y completa para los estudiantes
de cursos de pregrado de matem aticas, fsica e ingeniera.
3
Captulo 1
La delta de Dirac
El objetivo de este captulo es hacer un an alisis introductorio de lo que se conoce
como funci on delta de Dirac, incluyendo motivaciones dadas por problemas fsicos y
propiedades fundamentales.
1.1. Orgenes de la delta de Dirac
La delta de Dirac (impropiamente llamada funci on delta de Dirac) es una aplicaci on
introducida por primera vez por el fsico ingl es Paul Dirac, y que verica las siguientes
propiedades:
(x) =
_

_
0, si x = 0,
+, si x = 0,
(1.1)
y
_

(x)dx = 1. (1.2)
C omo es posible que exista una aplicaci on que verique (1.1) y (1.2)? Rigurosamente
no es posible. Tal aplicaci on no es una funci on, pues si lo fuera, debera asociar a cada
n umero real, otro n umero real, y + no es un n umero. Adem as, como es cero en
toda la recta, con excepci on del punto cero, la integral debera ser cero, y no uno. Entre
tanto, para malestar de los matem aticos, las expresiones (1.1) y (1.2) funcionan muy
bien en varias situaciones de la fsica, como por ejemplo, en mec anica ondulatoria.
4
Consideremos por ejemplo el problema de describir un empuje o tir on muy r apido
sobre un sistema, como un golpe de martillo o el efecto de una explosi on. Por ejemplo,
imaginemos que tenemos un oscilador no forzado que satisface la ecuaci on
d
2
y
dt
2
+ a
1
dy
dt
+ a
2
y = 0, (1.3)
donde a
1
, a
2
son constantes.
La ecuaci on (1.3) puede modelar una masa unit aria unida a un resorte cuya constante
de resorte es a
2
y se desliza sobre una mesa con un coeciente de amortiguamiento
a
1
.
Supongamos que golpeamos la masa con un martillo una sola vez en el tiempo t = t
0
(v ease la Figura (1.1)).
Figura 1.1: Golpe de un martillo.
Podemos escribir la ecuaci on forzada como
d
2
y
dt
2
+ a
1
dy
dt
+ a
2
y = g(t),
donde
g(t) =
_

_
0, cuando t = t
o
,
muy grande, cuando t = t
o
.
Para tener m as precisi on y poder obtener una soluci on, necesitamos alg un tipo de
f ormula para g(t). Como primer intento para derivar una f ormula, podramos suponer
que el martillo golpea con una fuerza constante grande durante un tiempo peque no.
De manera especca, digamos que el martillo est a en contacto con la masa durante
5
un intervalo peque no de tiempo 2t y que la fuerza sobre la masa en ese intervalo es
la constante k. Entonces, la funci on de forzamiento toma la forma
g
t
(t) =
_

_
k, si t
o
t t t
o
+ t,
0, otros valores de t.
Consideremos a t y k como par ametros. Ambos est an intimamente relacionados.
De hecho, la fuerza externa s olo es diferente de cero para un intervalo de 2t. Por
consiguiente, cuanto m as peque no tomemos t, mayor debe ser k para comunicar
el mismo empuje total. Escogemos k =
1
2t
, de manera que cuando t 0, k sea
grande:
g
t
(t) =
_

_
1
2t
, si t
o
t t t
o
+ t,
0, otros valores de t.
(1.4)
Con esta selecci on de k, el area bajo la gr aca de g
t
(t) es la misma que encon-
traramos en un rect angulo con base 2t y altura
1
2t
. Es decir, el area es 1 sin importar
qu e escojamos para t (V ease la Figura (1.2)).
g(t)
t
t
0
Figura 1.2: Graca de la funcion g
t
(t) para diferentes valores de t.
Como estamos modelando un golpe de martillo que se difunde muy r apidamente, nos
gustara hacer el intervalo t tan peque no como sea posible.
Consideremos t 0. De manera informal, cuando t 0 estamos comprimiendo
la misma cantidad de fuerza en un intervalo cada vez m as corto.
6
Una fuerza instant anea sera representada por el lmite cuando t 0, que es
obviamente .
Informalmente hablando, se denie la delta de Dirac como el lmite de una sucesi on
de funciones que tienden a cero en todo punto del espacio, excepto en un punto para
el cual divergeran hacia el innito; de ah la denici on dada por
(x) =
_

_
0, si x = 0,
+, si x = 0.
Formalmente hablando, la delta de Dirac, como veremos posteriormente, es un ejemp-
lo de Distribuci on, est a ultima denida como un funcional sobre cierto espacio vectorial
de funciones.
1.2. Propiedad fundamental
Una propiedad importante de la delta de Dirac es la siguiente: Si (x) es una funci on
real continua que se anula fuera de un intervalo acotado, entonces,
_

(x)(x)dx = (0). (1.5)

Crticas, igualmente, se levantaron contra la expresi on (1.5). El integrando no es una
funci on, y, por lo tanto, no puede ser integrado!
Qu e hacer para dar sentido matem aticamente correcto a la expresi on (1.5)? Esto se
hace de modo satisfactorio a trav es de la Teora de las Distribuciones introducida por
Laurent Schwartz, teora que explica otras expresiones formales como (1.5), compren-
diendo, inclusive, derivadas de .
En lo que sigue comenzamos justicando (1.5) de modo riguroso. Consideramos una
sucesi on de funciones continuas K
n
: R R, con las siguientes propiedades:
d
1
) K
n
0;
d
2
)
_

K
n
(x)dx = 1;
7
d
3
) Dado > 0, y > 0, existe
0
tal que, para
0
,
_
|x|>
K
n
(x)dx < .
K
1
K
2
K
3
K
4
Figura 1.3:

Areas bajo las curvas K
n
(x).
Como podemos ver en la F`gura (1.3), las areas bajo las curvas K
n
(x) se acumulan
junto al eje y. Estas funciones pueden ser entendidas de modo intuitivo como aproxi-
maciones de . El lado izquierdo de (1.5) puede ser denido como
_

(x)(x)dx = lm
n
_

K
n
(x)(x)dx, (1.6)
donde los K
n
satisfacen las propiedades d
1
), d
2
) y d
3
).
Nuestro objetivo a seguir, ser a demostrar que, con la denici on (1.6), la expresi on (1.5)
es correcta.
Denicion 1.1. (Sucesion de N ucleos de Dirac) Una sucesion de funciones K
n
: R R
seccionalmente continuas
*
y satisfaciendo las propiedades d
1
, d
2
, y d
3
es llamada una
sucesion de n ucleos de Dirac.
Ejemplo 1.2. Sea K : R R una funcion seccionalmente continua, no-negativa y tal
que
0 <
_

K(x)dx < .
*
Una funcion f : R R se dice seccionalmente continua si ella posee un n umero nito de discon-
tinuidades (todas de primera especie) en cualquier intervalo acotado. En otras palabras, dados a < b
existen a a
1
< a
2
< ... < a
n
b, tales que f es continua en cada intervalo abierto (a
j
, a
j+1
),
j = 1, . . . , n1 y existen los lmites lm
xa
+
j
f(x) y lm
xa

j
f(x). Es claro que toda funcion continua es
seccionalmente continua.
8
Notemos que si K(x) se anula fuera de un intervalo acotado, la ultima integral es nita.
Sea =
_

K(x)dx. Entonces las funciones K

n
: R R denidas por:
K
n
(x) =
n

K(nx),
forman una sucesion de N ucleos de Dirac. De hecho, como K es no negativa, entonces
K
n
0 y as d
1
se verica. Ademas se verica d
2
, ya que
_

K
n
(x)dx =
n

K(nx)dx =
n

K(z)
n
dz =
1

= 1.
Finalmente, para demostrar d
3
, notemos que
_
|x|>
K
n
(x)dx =
n

_
|x|>
K(nx)dx =
1

_
|s|>n
K(s)ds.
Por otro lado, como
_

K(s)ds < , entonces existe > 0 tal que

_
|s|>
K(s)ds < .
As, si tomamos
0
>

, la condicion d
3
se verica.
El siguiente Teorema da una propiedad b asica de los n ucleos de Dirac.
Teorema 1.3. Sea (K
n
) una sucesion de N ucleos de Dirac, y sea f : R R una funcion
seccionalmente continua y acotada. Sea
f
n
(x) =
_

K
n
(x s)f(s)ds. (1.7)
Entonces,
i) Las funciones f
n
estan bien denidas.
ii) Si K
n
es par, entonces para cada x, lm
n
f
n
(x) =
lm
sx
+
f(s) + lm
sx

f(s)
2
.
iii) La sucesion (f
n
) converge, uniformemente
**
, para f en todo intervalo acotado cerrado
I que no contenga puntos de discontinuidad de f.
**
Se dice que una sucesion de funciones f : R R converge uniformente para una funcion f : R R
cuando, para todo > 0 dado, existe
o
N tal que n >
0
= |f
n
(x) f(x)| < , para cualquier x R.
9
Observacion 1.4. La funcion dada por la integral en (1.7), se llama Producto de con-
volucion de K
n
y f, y se usa la notacion f
n
= K
n
f. Obviamente el producto de
convolucion puede ser denido para clases mas amplias de funciones. Por ejemplo, si
f : R R y g : R R son funciones absolutamente integrables y una de ellas es
acotada, entonces el producto de convolucion f g estara bien denido. Una propiedad
importante del producto de convolucion es la siguiente:
f g = g f,
o sea
_

f(x s)g(s)ds =
_

f(s)g(x s)ds,
cuya demostracion es inmediata, a traves de un cambio de variable en la integracion.
Normalmente el producto de convolucion se denomina simplemente convolucion.
Demostracion. La parte i) es inmediata, pues el integrando en (1.7) es una funcion sec-
cionalmente continua, para cada x jo, e integrable. De hecho,

K
n
(x s)f(s)ds

M
_

K
n
(y)dy < ,
ya que
|f(x)| M, x R.
Mostremos la parte ii). Denotemos por f(x) =
1
2
[lm
sx
+ f(s) + lm
sx
f(s)]. Debemos
obtener una estimativa de f
n
(x) f(x). De acuerdo con la condicion d
2
de los n ucleos de
Dirac,
f
n
(x) f(x) =
_

K
n
(s)[f(x s) f(x)]ds. (1.8)
Podemos tomar un (el cual sera denido mas adelante) tal que
f
n
(x) f(x) =
_
|s|>
K
n
(s)[f(xs) f(x)]ds +
_
|s|
K
n
(s)[f(xs) f(x)]ds = I
1
+I
2
.
Recordando que K
n
es una funcion par, tenemos que
I
2
=
_

0
K
n
(s)f(x + s)ds +
_

0
K
n
(s)f(x s)ds
_

0
K
n
(s)[ lm
sx
+
f(s) + lm
sx

f(s)]ds.
10
De ah
|I
2
|
_

0
K
n
(s)|f(x + s) lm
sx
+
f(s)|ds +
_

0
K
n
(s)|f(x s) lm
sx

f(s)|ds.
Como f es seccionalmente continua, tenemos que
|f(x + s) lm
sx
+
f(s)| < y |f(x s) lm
sx

f(s)| < , para 0 < s < .

Consecuentemente,
|I
2
| 2
_

0
K
n
(s)ds
_

K
n
ds = .
Ahora, con ese que acabamos de determinar, vamos a estimar I
1
|I
1
| 2M
_
|s|>
K
n
(s)ds.
De ah, por la condicion d
3
de los n ucleos de Dirac, tenemos que existe n
0
tal que, para
n n
0
, obtenemos
|I
1
| 2M.
As, dado > 0, existe n
0
N, tal que para n n
0
,
|f
n
(x) f(x)| (1 + 2M),
y as concluimos la prueba de ii).
Para la parte iii), de manera similar a lo que fue realizado en la demostracion de la parte
ii), vamos a descomponer la integral (1.8) en dos partes. Sean a y b los extremos del
intervalo I, esto es, I = [a, b]. Es claro que podemos tomar un > 0 tal que el intervalo
cerrado I

= [a , b +] no contenga puntos de discontinuidad de f. Dado > 0, existe

> 0 tal que si x
1
, x
2
I

y |x
1
x
2
| < , entonces |f(x
1
) f(x
2
)| < .
(As, esto es la continuidad uniforme de f en el intervalo cerrado y limitado I

).
f
n
(x) f(x) =
_
|s|>
K
n
(s)[f(x s) f(x)]ds +
_
|s|
K
n
(s)[f(x s) f(x)]ds,
y entonces tenemos
|f
n
(x) f(x)| 2M
_
|s|>
K
n
(s)ds +
_
|s|
K
n
(s)|f(x s) f(x)|ds. (1.9)
11
Tomando < , vemos que xs vara en I

si x recorre I. Consecutivamente, la segunda

integral en (1.9) sera estimada por

_
|s|
K
n
(s)ds
_

K
n
(s)ds = .
Para estimar la primera integral en (1.9), usamos la condicion d
3
de los n ucleos de Dirac.
Luego con ese > 0 dado, y el correspondiente > 0, determinamos n
0
tal que la primera
integral sea menor que para todo n n
0
. Con lo anterior concluimos que
|f
n
(x) f(x)| 2M + ,
para todo x I y todo n n
o
. Esto signica la convergencia uniforme de f
n
en I, y as el
Teorema 1.3 queda demostrado.
Justicaci on de (1.5). Siendo una funcion continua y acotada, por el Teorema 1.3,
tenemos que
(0) = lm
n
_

K(s)(s)ds.
Por lo tanto, si los n ucleos de Dirac son funciones pares, esto es, si K
n
(s) = K
n
(s),
obtenemos exactamente la expresion (1.5).
12
Captulo 2
Distribuciones
2.1. Funcionales
La delta de Dirac no es una funci on, pero s un funcional lineal, o m as precisamente,
una distribuci on. Antes de explicar lo que son funcionales y distribuciones, recordare-
mos nuevamente que una funci on es entendida como una regla que asocia a un el-
emento de un conjunto dado, llamado dominio, un unico elemento de otro conjunto,
denominado recorrido o contradominio. Un funcional es simplemente una aplicaci on
cuyo dominio es un espacio vectorial dado y cuyo contradominio un conjunto num erico.
Para nuestro estudio, tal conjunto num erico ser a siempre el cuerpo R de los n umeros
reales. Por ejemplo, consideremos el espacio vectorial dado por el conjunto de las
funciones continuas en R denotado por C(R) y denamos los funcionales F
1
y F
2
por:
F
1
: C(R) R
u u(0)
2
,
(2.1)
F
2
: C(R) R
u
_
2
0
u(t)dt.
(2.2)
Denicion 2.1. (Funcionales lineales). Sea V un espacio vectorial dado con las opera-
ciones suma (+) y producto (), y sea F : V R un funcional denido sobre V . Se dice
13
que F es un funcional lineal si
F(u
1
+ u
2
) = F(u
1
) + F(u
2
), u
1
, u
2
V,
F( u) = F(u), R, u V.
Ejemplo 2.2. El funcional F
2
denido por (2.2) es lineal, en tanto que el funcional F
1
denido por (2.1) no lo es.
2.2. Distribuciones
Iniciamos considerando el conjunto de las funciones test C

c
(R
n
), que se dene como
el conjunto de funciones f : R
n
R innitamente diferenciables tales que el conjunto
de puntos donde f no es nula es acotado; esto es, si Y = {x R
n
: f(x) = 0},
entonces existe un n umero real M tal que |x| < M, para todo x Y .
C

c
(R
n
) = {f : R
n
R : {x R
n
: f(x) = 0} es acotado}
Veamos el siguiente ejemplo de una funci on test denida en R.
Consideremos previamente la funci on f denida como
f : R R
x
_

_
e

1
x
, x > 0,
0, x 0.
Observemos ante todo que cualquier derivada de f en el semieje x > 0 tiene la forma
P
_
1
x
_
e

1
x
,
donde P es un polin omio en la variable
1
x
(sin t ermino independiente). Adem as, por la
regla de LH opital se sigue f acilmente que
lm
x0
+
P
_
1
x
_
e

1
x
= 0,
lo que muestra que, de hecho, f es una funci on innitamente derivable en R. A partir
de f, obtenemos una funci on test. Para ello, tomemos dos n umeros reales a y b tales
que a < b.
14
Construyamos ahora una funci on test a partir de f. Sea
f
ab
: R R
x f(x a)f(b x)
La funci on f
ab
es una funci on test, ya que es innitamente derivable y el conjunto de
los puntos en que ella no es nula es acotado, como se ve en la gura 2.1.
a
b
Figura 2.1: Graco de f
ab
.
En R
n
, otro ejemplo de una funci on test es dado por
(x) =
_

_
e
(|x|
2
1)
1
, si |x| < 1,
0, si |x| 1.
(2.3)
La diferenciabilidad de (2.3) se sigue de la diferenciabilidad de la funci on f(t) = e
1
t
si
t < 0, f(t) = 0, si t 0. Multiplicando (x) por una constante adecuada, obtenemos
una nueva funci on (x) C

c
(R
n
) tal que
_
dx = 1, 0 y {x : (x) = 0} {x :
|x| 1}.
Denicion 2.3. Una distribucion T (sobre R
n
) es un funcional lineal que tiene por do-
minio el espacio vectorial de las funciones test C

c
(R
n
) y satisface la siguiente propiedad
de continuidad:
si {
n
}

n=1
C

c
(R
n
) es tal que
n
0, entonces T(
n
) 0.
15
Denotamos el conjunto de todas las distribuciones en (R
n
) por D

(R
n
) (o simplemente
D

).
Recordemos aqu que si {
n
}

n=1
C

c
(R
n
), entonces diremos que {
n
} converge a
cero en C

c
(R
n
), y escribimos
n
0, si:
i) Existe M > 0 tal que
n
(x) = 0 cuando |x| > M, para todo n N;
ii) Las derivadas de cualquier orden D

en (R
n
), satisfacen |D

n
| 0.
2.3. De nuevo la delta de Dirac
Una vez que tenemos la denici on de Distribuci on, estamos en condiciones de denir
la delta de Dirac.
Consideremos el funcional
: C

c
(R) R
(0).
Claramente, es lineal. Adem as, si {
n
} C

c
(R
n
) es tal que
n
0, entonces
(
n
) =
n
(0) 0. As, el funcional es de hecho una distribuci on, llamada delta de
Dirac.
Fijando un punto a R
n
, podemos denir el funcional

a
: C

c
(R
n
) R
(a).
Como antes,
a
es una distribuci on, la cual es una delta de Dirac trasladada. De hecho,
cuando a = 0, entonces
a
= .
Recordando que la motivaci on para la introducci on de la delta de Dirac era el modelo
de un pico localizado, nos podemos preguntar si no sera posible obtener la delta
de Dirac por un proceso de paso al lmite, en el que una funci on, cuyo gr aco tiene
la comprimida forma de campana, vaya siendo exprimida de tal modo que el area
comprendida entre su gr aca y el eje x permanezca constante e igual a uno.
La respuesta a la pregunta es positiva (inclusive en el espacio n-dimensional R
n
).
Analicemos, por comodidad, el caso unidimensional.
16
Figura 2.2: Convergencia hacia un pico concentrado.
Sea C

c
(R) tal que
_

(x)dx = 1. Para cada > 0, denimos la aplicaci on

: R R
x
1

_
x

_
.
Supongamos por comodidad que (x) 0, para todo x R y (x) = (x).
Cuando tiende a cero, la funci on

tiende a un pico concentrado en el origen. (Ver

la Figura (2.2)). Adem as, si hacemos =
x

entonces d =
1

dx, y as,
_

dx =
_

_
x

_
dx
=
1

()d
=
_

()d
= 1.
17
La siguiente pregunta es saber en qu e sentido podemos armar que lm
0

= .
En verdad, podemos ver que
lm
0

() = (), C

c
(R).
De hecho,
lm
0

() = lm
0
_

(x)(x)dx
= lm
0
_
1

_
x

_
(x)dx
= lm
0
_
()()d
= (0)
_
()d
= (0).
El resultado muestra que la noci on rigurosa de la delta es consistente con las espec-
tativas fsicas.
2.4. El escalon de Heaviside
Una distribuci on intimamente ligada a la delta de Dirac es el llamado Escal on de Hea-
viside. De hecho, m as adelante veremos que la derivada del escal on de Heaviside
es la delta de Dirac. Iniciamos considerando la funci on
h : R R
x
_

_
1, si x > 0,
0, si x < 0,
un valor arbitrario, en x = 0.
Notemos que el valor de h en x = 0 es irrelevante, ya que en este no altera el valor de
las integrales
_
b
a
h(x)dx. (V ease la Gr aca (2.3)).
Denimos el funcional lineal F
h
por:
18

x
h(x)
1
Figura 2.3: Funcion h(x).
F
h
: C

c
(R) R
F
h
() =
_

h(x)(x)dx =
_

0
(x)dx.
Notemos que, de hecho, el funcional F
h
es lineal sobre el espacio vectorial C

c
(R),
debido a las propiedades de linealidad de la integral. Veamos que F
h
es en verdad
una distribuci on.
Para ello, consideremos una sucesi on {
n
} C

c
(R) tal que
n
0. Notemos que
existe M > 0 tal que
n
(x) = 0, si |x| > M, para todo n.
Entonces
|F
h
(
n
)| =

_
M
0

n
(x)dx

_
M
0
|
n
(x)|dx M. max |
n
|
n
0.
An alogamente al caso de la delta de Dirac, podemos denir una nueva distribuci on
denida por la traslaci on de la funci on h, (gura 2.4) esto es, dado a R, denimos la
nueva funci on
h
a
: R R
x
_

_
1, si x > a,
0, si x < a,
otro valor, en x = a.
Y consecuentemente denimos el funcional lineal
F
ha
: C

c
(R) R

_

h
a
(x)(x)dx =
_

a
(x)dx.
Como antes, el funcional lineal F
ha
es una distribuci on sobre R.
19

x
h
a
(x)
1
Figura 2.4: Funcion h
a
.
2.5. Identicacion de distribuciones con funciones or-
dinarias
Sea f : R R una funci on integrable en intervalos acotados de la recta real R, esto es,
para todo a, b R, a < b, la integral
_
b
a
f(x)dx es nita. Con una funci on satisfaciendo
las anteriores hip otesis, podemos denir una distribuci on. De hecho, consideremos el
funcional
F
f
: C

c
(R) R

_

f(x)(x)dx.
El funcional F
f
es una distribuci on. Claramente F
f
es un funcional lineal. Por otro lado,
sea {
n
} C

c
(R) tal que
n
0. Si A = {x R :
n
(x) = 0}, entonces existe M > 0
tal que A
n
[M, M], para todo n. Por lo tanto,

f(x)
n
(x)dx

_
M
M
f(x)
n
(x)dx

max |
n
|
_
M
M
|f(x)|dx.
Como f es integrable en intervalos acotados, entonces si
n
0 tenemos que,
_

f(x)
n
(x)dx 0.
Dada una funci on f : R
n
R integrable sobre cada bola B
x
0
centrada en un punto
x
0
R
n
,
B
x
0
= {x R
n
: |x x
0
| < r},
podemos asociar una distribuci on en R
n
. De hecho, podemos denir el funcional
20
F
f
: C

c
(R
n
) R

_
R
n
f(x)(x)dx.
El funcional F
f
es lineal, y, siguiendo los mismos argumentos anteriormente usados,
podemos ver que de hecho F
f
es una distribuci on en R
n
.
Ejemplo 2.4. Sea f : R
2
R la funcion denida por
f : R
2
R
(x
1
, x
2
) f(x
1
, x
2
) =
_

_
(x
2
1
+ x
2
2
)

1
2
, si, (x
1
, x
2
) = (0, 0),
0, si (x
1
, x
2
) = (0, 0).
Notemos que f es integrable en cada disco de R
2
. De hecho, basta vericar la in-
tegrabilidad sobre un disco centrado en el origen. Notemos que f es continua en
R
2
{(0, 0)}. Sea B
0
= {(x
1
, x
2
) R
2
: (x
2
1
+ x
2
2
)

1
2
r}. Usando coordenadas
polares, tenemos
_
B
0
f(x)dx = 2
_
r
0
f(r)rdr = 2
_
r
0
r
1
rdr = 2
_
r
0
dr = 2r < .
As, podemos denir la distribuci on
F
f
: C

c
(R
2
) R

_
R
2
f(x)(x)dx =
_
R
2
(x)dx
|x|
.
Como vimos anteriormente, dada una funci on integrable en intervalos acotados, pode-
mos asociar a dicha funci on, una distribuci on. Una pregunta que surge de manera
natural es saber si, dadas dos funciones distintas, les podemos asociar la misma dis-
tribuci on.
La respuesta es negativa. Analizamos el caso en el cual las funciones son continuas
o continuas por partes; sin embargo el resultado vale para otra clase de funciones,
como lo es la clase de funciones integrables.
Teorema 2.5. Sean f : R R, g : R R funciones continuas tales que F
f
= F
g
.
Entonces f = g.
21
Demostracion. Si F
f
= F
g
entonces,
_

f(x)(x)dx =
_

g(x)(x)dx, C

c
(R).
Queremos mostrar que f(x) = g(x) para todo x R. Supongamos por contradiccion
que f es diferente de g. Entonces existe alg un punto a R tal que f(a) = g(a). Sin
perdida de generalidad, supongamos que g(a) < f(a). Sea = g(a) f(a). Como las
funciones f y g son continuas, entonces existe un > 0 tal que g(x) f(x) >

2
para todo
x [a , a + ] R.
Consideremos la funcion test = g
a,a+
denida por
g
a,a+
(x) = g(x (a ))g(a + x),
g(x) =
_

_
exp
_

1
x
_
, x > 0,
0, x 0.
Notemos que 0 y que
{x R : (x) = 0} [a , a + ].
Consecuentemente tenemos
_

g(x)(x)dx
_

f(x)(x)dx =
_

[g(x) f(x)](x)dx >

2
_
a+
a
(x)dx > 0.
As,
_

g(x)(x)dx =
_

f(x)(x)dx.
Esto es F
f
= F
g
, contradiciendo la hipotesis.
La reciproca es facilmente vericable.
El resultado puede ser extendido f acilmente al caso de funciones integrables en inter-
valos acotados pero con conjuntos de puntos de discontinuidad nitos. En este caso
tenemos que f(x) = g(x) en todos los puntos excepto posiblemente en el conjunto E,
formado por la uni on de los puntos de discontinuidad de f y g. La demostraci on se
sigue repitiendo el argumento anterior en cada intervalo (a, b) R E.
22
2.6. La distribucion logaritmo
Ya conocida la identicaci on de funciones integrables en intervalos acotados con una
distribuci on, presentamos a continuaci on la distribuci on logaritmo, la cual presenta
gran inter es en varias situaciones pr acticas.
La distribuci on logaritmo es denida como
T
log |x|
: C

c
(R) R
T
log |x|
() =
_

log |x|(x)dx.
La denici on anterior tiene sentido vericando que la funci on log |x| es integrable en
intervalos acotados. Sabemos que una primitiva de la funci on logaritmo, para x > 0,
en la funci on xlog xx. Si existe alg un problema de integrabilidad, debe ser alrededor
de x = 0. Considerando a > 0 y la integral
_
a
a
log |x|dx,
entonces tenemos
_
a
a
log |x|dx
_
a
a
| log |x||dx = lm
0
+
2[x xlog x]
a

= lm
0
+
2[a log ]
= 2a < .
As, la funci on log |x| es integrable en intervalos acotados, y entonces, de acuerdo
con la identicaci on dada en la secci on anterior, tenemos que la distribuci on T
log |x|
asociada a la funci on log |x|, est a bien denida.
2.7. La distribucion valor principal V P
_
1
x

La noci on de Valor Principal (V P), debida a Cauchy, ofrece una manera de dar sig-
nicado a ciertas integrales impropias divergentes. Por ejemplo, la funci on f(x) =
1
x
no es localmente integrable; sin embargo, puede ser vista como una distribuci on. De
hecho, asociamos a f(x) =
1
x
la distribuci on
23
V P
_
1
x

: C

c
(R) R
V P
_
1
x

() = lm
0
_
|x|
1
x
(x)dx.
La existencia del lmite se deduce del argumento a seguir.
Para probar que de hecho V P
_
1
x

es una distribuci on, tenemos que vericar que

i) V P
_
1
x

(
1
+
2
) = V P
_
1
x

(
1
) + V P
_
1
x

(
2
), R,
1
,
2
C

c
(R) (linealidad),
ii) V P
_
1
x

(
n
) 0 cuando
n
0 (continuidad).
La linealidad se sigue de las propiedades de linealidad de la integral. De hecho,
V P
_
1
x
_
(
1
+
2
) = lm
0
_
|x|
1
x
[
1
(x) +
2
(x)]dx
= lm
0
__
|x|

1
x

1
(x)dx +
_
|x|
1
x

2
(x)dx
_
= V P
_
1
x
_
(
1
) + V P
_
1
x
_
(
2
).
Probemos ahora ii). Sea (
n
) una sucesi on de funciones en C

c
(R) tal que
n
0.
Por el teorema fundamental del c alculo tenemos

n
(x) =
n
(0) +
_
x
0

n
(s)ds.
Sea s = tx. Entonces ds = xdt, y as

n
(x) =
n
(0) + x
_
1
0

n
(tx)dt.
Denamos la funci on
n
(x) como
n
(x) =
_
1
0

n
(tx)dt.
Sea M > 0 tal que
n
(x) = 0 para todo x con |x| > M y todo n.
Como
_
|x|M
1
x

n
(x)dx =
_
|x|M
1
x

n
(0)dx +
_
|x|M

n
(x)dx
y
_
|x|M
1
x

n
(0)dx =
n
(0)
_
|x|M
1
x
dx = 0,
obtenemos
V P
_
1
x
_
(
n
) =
_
|x|M

n
(x)dx.
24
Por lo tanto,
V P
_
1
x
_
(
n
) 2M max
[M,M]
|
n
(x)| 2M max |

n
| 0, cuando n ,
y as completamos la prueba de ii).
25
Captulo 3
Operaciones basicas con
distribuciones
Ya conocido el concepto de distribuci on, una pregunta natural es saber qu e tipo de
operaciones podemos realizar con ellas. En el presente captulo describiremos c omo
se dene la suma de distribuciones, el producto de una distribuci on por una funci on,
la derivada de una distribuci on; adem as, vericamos la validez de la regla de Leibniz y
hacemos un corto an alisis de la existencia de primitivas de una distribuci on. Finalice-
mos haciendo un peque no an alisis sobre la operaci on de divisi on de distribuciones y
la convergencia en D

(R
n
).
3.1. Suma de distribuciones
Dadas dos distribuciones T
1
y T
2
, la suma T
1
+ T
2
es otra distribuci on, denida como
T
1
+ T
2
: C

c
(R
n
) R
(T
1
+ T
2
)() = T
1
() + T
2
().
(3.1)
Para ver que (T
1
+ T
2
) es de hecho una distribuci on, consideramos una sucesi on de
funciones test (
n
) C

c
(R
n
) tal que
n
0 cuando n . Entonces
(T
1
+ T
2
)(
n
) = T
1
(
n
) + T
2
(
n
) 0,
26
ya que T
1
(
n
) 0 y T
2
(
n
) 0 puesto que T
1
y T
2
son distribuciones en R
n
.
La linealidad del funcional T
1
+ T
2
se verica f acilmente, debido a la linealidad de T
1
y
T
2
.
An alogamente podemos denir el producto de una distribuci on T por un n umero real
. De hecho, T es una distribuci on denida por:
T : C

c
(R
n
) R
(T)() = (T()).
(3.2)
Es f acil vericar que T es de hecho una distribuci on sobre R
n
.
En efecto, si (n) C

c
(R
n
) tal que
n
0, entonces (T)(
n
) = (T(
n
)) 0 = 0,
ya que T D

(R
n
). La linealidad de T se sigue de la linealidad de T.
Con lo anterior deducimos que el conjunto de todas las distribuciones sobre R
n
,
D

(R
n
), forma un espacio vectorial con la suma (+) y el producto escalar () denido
por (3.1) y (3.2).
3.2. Producto de una funcion por una distribucion
Dada una funci on f y una distribuci on T, queremos dar un sentido al producto fT.
Considerar tal producto es importante no solo desde el punto de vista te orico, sino
tambi en desde el punto de vista de las aplicaciones; de hecho, expresiones de la
forma fT aparecen, por ejemplo, cuando se considera el momento de una funci on
distribuida aplicada en una viga.
Iniciamos observando que si g es una funci on de R en R que es integrable en intervalos
acotados, y si f C

(R), entonces el producto f g tambi en es integrable en los

intervalos acotados de R. De hecho, si a, b R, a < b, entonces
_
b
a
f g
_
b
a
|f g| M
_
b
a
|g| < .
En la desigualdad anterior hemos usado el hecho de que toda funci on continua en un
cerrado alcanza su m aximo valor.
As, de acuerdo con la identicaci on entre funciones y distribuciones analizada en la
Secci on (3.2), la denici on de producto debe ser introducida de tal forma que, en este
27
caso particular, valga
fT
g
= T
fg
.
Como
T
fg
() =
_
f(x)g(x)(x)dx = T
g
(f), C

c
(R),
lo anterior sugiere que denamos el producto de una funci on f C

(R
n
) por una
distribuci on T D

(R
n
), como
fT : C

c
(R
n
) R
(fT)() = T(f), C

c
(R
n
).
(3.3)
De la expresi on (3.3), es evidente por qu e la funci on f debe ser de clase C

(R
n
). La
verdad, el producto de f por una funci on test, debe ser otra funci on test.
No es dicil ver que el funcional fT es tambi en otra distribuci on. De hecho, si R,

1
,
2
C

c
(R
n
), entonces,
fT(
1
+
2
) = T(f(
1
+
2
)) = T(f
1
+f
2
) = T(f
1
)+T(f
2
) = (fT)(
1
)+(fT)(
2
).
Por otro lado, si (
n
) C

c
(R
n
) es tal que
n
0, entonces
(fT)(
n
) = T(f
n
) 0, cuando n ,
ya que si
n
0, entonces
f
n
0, cuando n .
Ejemplo 3.1. Consideremos la funcion f : R R denida como f(x) = x, y sea T la
distribucion valor principal, esto es, T = V P
_
1
x

.
As tenemos:
(fT)() = (x)V P
_
1
x
_
() = V P
_
1
x
_
(x)
= lm
0
+
_
|x|
(x)dx
=
_

(x)dx = 1().
Luego xV P
_
1
x

= 1. (La distribucion asociada a la funcion constante 1).

28
Ejemplo 3.2. Sea f : R R una funcion de clase C

(R) y consideremos la distribucion

a
(delta de Dirac trasladada). Veamos como se da el producto entre f y
a
.
f
a
() =
a
(f) = (f)(a) = f(a)(a) = f(a)
a
(), C

c
(R),
luego
f
a
: C

c
(R
n
) R
f
a
() = f(a)
a
(),
o sea
f
a
= f(a)
a
.
En particular, si a = 0 (esto es
a
= ), entonces f = f(0).
Desafortunadamente no es posible denir una operaci on de producto en el espacio
de las distribuciones que sea asociativa, conmutativa y compatible con el producto
entre una funci on innitamente derivable y una distribuci on, como fue denido anteri-
ormente. Una raz on de esto es la siguiente. Si el producto () entre dos distribuciones
cualquiera existiese, podramos considerar la distribuci on
T = V P
_
1
x
_
.
Tendramos entonces
xT = x
_
V P
_
1
x
__
= x V P
_
1
x
_
= 0 V P
_
1
x
_
= 0.
Por otro lado, tendramos tambi en
xT = T x =
_
V P
_
1
x
_
x
_
=
_
x V P
_
1
x
__
=
_
xV P
_
1
x
__
= 1
= .
29
En muchos problemas que involucran ecuaciones diferenciales ordinarias no lineales,
por ejemplo, problemas en los cuales aparecen ondas de choque [7], se hace nece-
sario introducir el producto para cierta clase de distribuciones. En los ultimos a nos se
han realizado esfuerzos con miras a conseguir buenas deniciones de producto en-
tre distribuciones, y parte de ello se hace mediante la introducci on de Espacios de
funciones generalizadas. Este aspecto es bastante delicado y requiere conocimientos
m as avanzados del an alisis matem atico. No iremos con detalles puesto que ello se
sale de los objetivos de este trabajo. El lector interezado puede consultar, por ejemplo,
el libro de Shilov [10].
3.3. Derivada de una distribucion
Consideremos una funci on f que sea derivable y cuya derivada f

sea continua. Con-

sideremos en seguida las distribuciones asociadas a f y f

, dadas por T
f
y T
f
.
Una pregunta natural es saber si existe alguna relaci on entre T
f
y T
f
.
Usando integraci on por partes y sabiendo que se anula fuera de un conjunto acotado,
ya que C

c
(R), tenemos:
T
f
() =
_

(x)(x)dx =
_

f(x)

(x)dx.
Notando que la derivada de una funci on test es otra funci on test, podemos escribir
T
f
() = T
f
(

), C

c
(R). (3.4)
La noci on de derivada de una distribuci on debe ser introducida de manera que sea
consistente con la noci on cl asica de derivada, esto es, de manera que cuando la dis-
tribuci on es de la forma T
f
, con f continuamente diferenciable, tengamos
(T
f
)

= T
f
.
Motivados por la expresi on (3.4), presentamos la denici on formal de derivada de una
distribuci on T D

(R
n
), como:
(
x
j
T) : C

c
(R
n
) R
(
x
j
T)() = T(
x
j
).
(3.5)
30
No es dicil vericar que cada
x
j
T es una distribuci on en R
n
. Continuando el proceso,
concluimos que toda distribuci on es, de hecho, innitamente derivable. En particular,
para una derivada D
k
de orden k en R
n
, tenemos, de la ecuaci on (3.5),
D
k
T : C

c
(R
n
) R
D
k
T() = (1)
k
T(D
k
).
(3.6)
Dadas dos distribuciones T y S D

(R
n
), tenemos que la derivada D
k
de orden k en
R
n
, es dada por
D
k
(S + T) = D
k
S + D
k
T.
De hecho, si C

c
(R
n
), tenemos:
D
k
(S + T)() = (1)
k
(S + T)(D
k
)
= (1)
k
S(D
k
) + (1)
k
T(D
k
)
= D
k
S() + D
k
T()
= (D
k
S + D
k
T)().
Observacion 3.3. Sabemos que no toda funcion f : R
n
R es derivable. Sin embargo es
curioso ver que introducimos un espacio mayor (las distribuciones), espacio que contiene
el conjunto de las funciones integrables en conjuntos acotados a traves de la identicacion
f T
f
, en el cual podemos derivar indenidamente.
El potencial de la aplicabilidad de la derivada de una distribucion aparece en el estudio
de existencia de soluciones de ecuaciones diferenciales parciales y ordinarias, una vez que
tenemos mas objetos para ser considerados como posibles soluciones.
El calculo clasico para funciones de varias variables es inadecuado cuando se desea tener
una teora simple y general para tratar las ecuaciones diferenciales, en particular, las
ecuaciones diferenciales parciales. As por ejemplo, las dos ecuaciones

2
u
xy
= 0,

2
u
yx
= 0, (3.7)
no tienen las mismas soluciones. La primera ecuacion es satisfecha por la funcion
u(x, y) = |x| en tanto que
u
x
no esta denida para x = 0. Una forma de hacer que
las dos ecuaciones tengan las mismas soluciones es suplementar el espacio de soluciones
31
admisibles por el espacio de distribuciones, donde sabemos que la derivacion es posible.
As, a pesar de que la funcion |x| no es diferenciable en el sentido clasico, la funcion
u(x, y) = |x| tambien satisfara la segunda ecuacion en (3.7), hablando en terminos de
distribuciones. Situaciones como esta motivan la denici on de derivada de distribuciones.
Ejemplo 3.4. Consideremos la funcion f : R R denida por f(x) = cos(x), y tomamos
la distribucion asociada
T
cos(x)
: C

c
(R) R

_

cos(x) (x)dx.
Por (3.6) tenemos
DT
cos(x)
() = T
cos(x)
(D)
=
_

cos(x)

(x)dx
=
_

sen(x)(x)dx (integracion por partes)

= T
sen(x)
O sea, la derivada de la distribuci on cos(x) es la distribuci on sen(x), como era de
esperarse.
Ejemplo 3.5. (La derivada del escalon de Heaviside)
Consideremos nuevamente la funcion de Heaviside H, denida por
H : R {0} R
x
_

_
0, si x < 0,
1, si x > 0.
Calculemos la derivada de la distribucion asociada a H. Por (3.6) tenemos
D(T
H
)() = T
H
(D)
=
_

H(x)

(x)dx
=
_

0

(x)dx
32
=

(0) = (), C

c
(R).
Luego
D(T
H
) = (la delta de Dirac).
An alogamente podemos ver que
D(T
Ha
) =
a
,
donde H
a
es la funci on de Heaviside trasladada, esto es,
H : R {a} R
x
_

_
0, si x < a,
1, si x > a.
Ejemplo 3.6. Consideremos la funcion f(x) = log |x|, x = 0. Calculemos la derivada de
la distribucion asociada a f(x). Por (3.6) tenemos
D(T
log |x|
)() = T
log |x|
(D)
= lm
0
+
_
|x|
(log |x|)

(x)dx
= lm
0
+
__

(log x)

(x)dx +
_

log(x)

(x)dx
_
= lm
0
+
_
(log )()
_

1
x
(x) + (log )()
_

1
x
(x)dx
_
= lm
0
+
{(log )(() ()} + lm
0
+
_
|x|
1
x
(x)dx
= V P
_
1
x
_
(), C

c
(R).
Consecuentemente,
D(T
log |x|
) = V P
_
1
x
_
.
Ejemplo 3.7. Consideremos la funcion f(x) = x y la distribucion dada por la derivada
de la distribucion delta de Dirac. Calculemos fD = xD.
xD() = D(x)
33
= (D(x)) = (x

)
= (x

) + ()
= (), C

c
(R).
Luego la distribucion delta de Dirac puede ser vista como el producto de la funcion f(x) =
x por la derivada de la misma delta de Dirac.
3.4. Regla de Leibniz
El objetivo de est a secci on es mostrar que dada una distribuci on T D

(R
n
) y una
funci on f C

(R
n
), vale la regla de Leibniz:
D(fT) = DfT + fDT. (3.8)
Para demostrar (3.8), consideramos C

c
(R
n
), y as tenemos que
D(fT)() = (fT)(D) = T(fD).
Por otro lado, como f y son innitamente diferenciables, tenemos
T(fD) = T(D(f) Df)
= T(D(f)) + T(Df)
= DT(f) + T(Df)
= fDT() + DfT(),
lo cual muestra (3.8).
Ejemplo 3.8. Consideremos la distribucion T
Ha
asociada a la funcion de Heaviside y sea
f C

(R
n
).
Puesto que D(T
Ha
) =
a
, por (3.8) tenemos
D(fT
Ha
) = f(a)
a
+ DfT
Ha
.
34
Ejemplo 3.9. Consideremos la distribucion T
|x|
asociada a la funcion valor absoluto y
calculemos la derivada de T
|x|
. Calculemos D(T
|x|
).
Notemos que |x| = xH + x(H 1), x = 0 donde
H : R {0} R
x H(x) =
_

_
0, si x < 0,
1, si x > 0.
Por la regla de Leibniz (3.8), obtenemos
D(T
|x|
) = D(xT
H
+ xT
H1
)
= D(xT
H
) + D(xT
H1
)
= T
H
+ xD(T
H
) + T
H1
+ xD(T
H1
)
= T
H
+ x + T
H1
x
= 2T
H
T
1
,
donde T
1
es la distribucion asociada a la funcion constante 1.
Observacion 3.10. El lector ya debe haber notado que el hecho de considerar |x| =
xH + x(H 1) para x = 0, sin considerar |x| = 0, si x = 0, no es relevante, ya que
sabemos que la derivacion de la distribucion T
|x|
viene dada por una integral, y por tanto
la integral en el intervalo (, ) es igual a la integral en (, 0) sumando la integral
en el intervalo (0, ).
3.5. Primitiva de una distribucion
El objetivo de esta secci on es probar que dada cualquier distribuci on S D

(R
n
),
siempre existe otra distribuci on T D

(R
n
), tal que DT = S. Este hecho es muy
importante, ya que nos indica que toda distribuci on tiene una primitiva.
Iniciamos observando que dada una funci on test C

c
(R
n
), la primitiva
_
x

(t)dt
no es necesariamente una funci on test. Veamos la siguiente proposici on.
35
Proposicion 3.11. (Primitiva de una funcion test). Sea C

c
(R). Entonces existe
C

c
(R) tal que

= si y solo si,
_

(t)dt = 0.
Demostracion. =) Supongamos que existe C

c
(R) tal que

= .
Entonces tenemos que
_

(t)dt = lm
b
_
b
b
(t)dt = lm
b
_
b
b

(t)dt
= lm
b
[(b) (b)] = 0, ya que C

c
(R).
=) Recprocamente, supongamos que
_

(t)dt = 0. Consideremos la funcion

(x) =
_
x

(t)dt.
Es claro que C

c
(R), ya que como C

c
(R), ella se anula fuera de un conjunto de
la forma [M, M] y lo mismo ocurrira con . Ademas, por el Teorema Fundamental del
Calculo,

= .
Observacion 3.12. La Proposicion (3.11) es facilmente demostrable en el caso de R
n
.
Teorema 3.13. (Existencia de una primitiva). Dada una distribucion T D

(R), existe
S D

(R) tal que DS = T.

Demostracion. Consideremos una funcion C

c
(R) que satisfece la igualdad
_

(t)dt = 1.
Dada C

c
(R), escribiremos en la forma
= [ a] + a,
donde
a =
_

(t)dt.
Recordemos que como C

c
(R), entonces a < . Notamos tambien que:
_

[(t) a(t)]dt =
_

(t)dt a
_

(t)dt
36
=
_

(t)dt a
= a a
= 0.
Consecuentemente, debido a la Proposicion (3.11) tenemos que existe h C

c
(R) tal que
h

= a.
As, dada una distribucion T D

(R), consideremos la distribucion S D

(R) denida
por
S : C

c
(R) R
S() = T(h).
Armamos que DS = T. De hecho,
DS() = S(D)
= S()
= T
__
x

(t)
__

(s)ds
_
(t)
_
dt
_
= T(),
ya que
_

(s)ds = 0.
Observacion 3.14. De manera analoga a la demostracion del Teorema 3.13, podemos
generalizar dicho resultado para distribuciones en R
n
.
Proposicion 3.15. (Primitiva de la distribucion nula). Sea T D

(R) una distribucion

en R tal que DT = 0. Entonces T = C, donde C es la distribucion constante, esto es,
T() = C
_

(x)dx, C

c
(R).
Demostracion. Como DT = 0, entonces tenemos que
DT() = T(

) = 0, C

c
(R). (3.9)
Usando la misma notacion del Teorema (3.13), tenemos
T() = T( a) + T(a).
37
Notemos que a es la derivada de una funcion test, y por lo tanto, por (3.9),
T( a) = 0.
As,
T() = T(a) = aT() = T()
_

(x)dx,
como queramos demostrar.
Por la proposici on anterior sabemos que si dos distribuciones T
1
y T
2
D

(R) son tales

que DT
1
= DT
2
, entonces T
1
y T
2
dieren por una constante.
Como aplicaci on de la ultima observaci on, supongamos que queremos saber cu al es
la soluci on de la ecuaci on diferencial
dT
dx
= . (3.10)
Sabemos que
dT
H
dx
= , donde T
H
es la distribuci on asociada a la funci on de Heaviside;
por lo tanto, la soluci on de la ecuaci on (3.10) es
T = T
H
+ C,
donde C es la distribuci on asociada a la funci on constante C.
3.6. Division de distribuciones
Dada una distribuci on T en R
n
y una funci on f de clase C

c
(R
n
), el problema de la
divisi on consiste en encontrar otra distribuci on S tal que fS = T. Si f no se anula en
ning un punto, la soluci on obvia es S =
1
f
t y la soluci on es unica. El problema puede
a veces tener soluci on aunque f se anule en alg un punto. Por ejemplo, si T
1
es la
distribuci on asociada a la funci on constante 1 y f(x) = x, x R, una soluci on es
S
0
= V P
_
1
x
_
.
M as generalmente, S = S
0
+ c, tambi en es soluci on.
Si una distribuci on W satisface xW = T
1
, es claro que x(WS
0
) = 0. Entonces WS
0
se anula para x = 0 y el soporte de W S
0
, el cu al se dene como la intersecci on de
38
todos los conjuntos cerrados de R
n
fuera de los cuales W S
0
es nulo en el conjunto
{0}.
Se puede mostrar que WS
0
es una combinaci on lineal de y sus derivadas. Adem as,
cualquier combinaci on que contenga derivadas de de orden positivo no se anula
cuando es multiplicada por f(x) = x.Ver [5].
En conclusi on S = V P
_
1
x

+c, donde c constante, es la soluci on general de xS = T

1
.
Consideremos el problema xS = T, T D

(R). Si f(x) C

(R) y f(0) = 0, se sigue

por el Teorema Fundamental del C alculo, que
f(x) =
_
x
0
f

(t)dt = x
_
x
0
f

(t)dt = x(x), C

(R).
Fijando una funci on C

c
(R) tal que (0) = 1 y aplicando el raciocinio anterior a la
funci on (x) (0)(x) con C

c
(R), concluimos que
(x) = (0)(x) + x(x), C

c
(R).
As, la expresi on
S : C

c
(R) R
T() = T
_
(0)
x
_
,
dene una distribuci on que satisface xS = T, y la soluci on general se obtine adicionan-
do un multiplo de . La vericaci on de la ultima armaci on se deja al lector; as mismo,
referimos al lector interesado en conocer m as detalles sobre el problema de divisi on
de distribuciones a la referencia ver [5].
3.7. Convergencia en D

(R
n
)
Dada una sucesi on de distribuciones (T
n
)

n=1
en D

(R
n
), es interesante saber c omo se
dene la posible convergencia de (T
n
)

n=1
a una distribuci on T D

(R
n
). Esta noci on
de convergencia constituye el objetivo de esta secci on.
Denicion 3.16. (Convergencia en D

(R
n
)). Dada una sucesion (T
n
)

n=1
D

(R
n
), se
dice que (T
n
) converge a una distribucion T D

(R
n
) si
T
n
() T(), C

c
(R
n
).
39
Ejemplo 3.17. Si C

c
(R
n
) con 0 y
_
R
n
dx = 1, entonces cuando 0,
tenemos que

(x) =
1

_
x

_
en D

(R
n
).
De hecho, si C

c
(R
n
), como fue visto en el Captulo 1, tenemos que

=
1

n
_
(x)
_
x

_
(0).
El gr aco de la funci on

(x) tiene forma de campana; el soporte de

es el conjunto
de puntos donde

no es nula, decrece con y la altura crece de forma que

_
R
n

dx = 1.
Esto corresponde con la descripci on heurstica de la funci on delta de Dirac .
40
Captulo 4
Transformada de Laplace de la
funcion delta de Dirac
El objetivo de este captulo es ver que es posible obtener la Transformada de Laplace
de la funci on delta de Dirac. Sabemos que existen posibles problemas de ecuaciones
diferenciales, por ejemplo problemas de masa y resorte, o de un circuito el ectrico en
serie, en los cuales aparecen fuerzas externas discontinuas (ver Captulo 1). Un ejem-
plo de ese tipo de funciones externas puede ser un delta de Dirac. La Transformada
de Laplace es una valiosa herramienta para resolver problemas de esta ndole; en
este sentido se hace necesario saber c omo calcular la Transformade de Laplace de la
funci on delta de Dirac.
Iniciamos recordando la denici on y algunas propiedades de la Transformada de
Laplace. Si f es una funci on denida para t 0, entonces la funci on
L{f(x)} =
_

0
e
st
f(t)dt, (4.1)
se llama Transformada de Laplace de f, siempe que la integral converja.
Es claro que cuando la integral (4.1) converge, el resultado es una funci on de s.
Una propiedad importante de la Transformada de Laplace es la linealidad. De hecho
se tiene la siguiente proposici on.
Proposicion 4.1. Sea f
1
, . . . , f
n
funciones denidas para t 0 tales que
41
L{f
1
} , . . . , L{f
n
} existen. Entonces,
L
_
n

j=1

j
f
j
(t)
_
=
n

j=1

j
L{f
j
(t)} ,
para cualquier
j
R, j = 1, . . . , n.
La demostraci on de la Proposici on (4.1) se sigue de la linealidad de la operaci on de
integraci on.
Para resolver problemas de ecuaciones diferenciales necesitamos cacular la Transfor-
mada de Laplace de derivadas de una funci on f
L
_
f
k
(t)
_
.
El siguiente teorema nos permite calcular la Transformada de Laplace de la n- esima
derivada de f.
Teorema 4.2. Si f, f

,. . . ,f
n1
son continuas en [0, ), son de orden exponencial
*
, y
si f
n
(t) es seccionalmente continua en [0, ), entonces
L{f
n
(t)} = S
n
L{f(t)} S
n1
f(0) . . . f
n1
(0).
Ademas de la necesidad de conocer la Transformada de Laplace de la n-esima derivada de
una funcion f, es necesario recordar el concepto de la transformada inversa de Laplace,
incluyendo propiedades de la linealidad.
Denicion 4.3. Si F(s) es la Transformada de Laplace de una funcion f(t), esto es
F(s) = L{f(t)}, decimos que f(t) es la transformada inversa de Laplace de F(s), y se
denota
f(t) = L
1
{F(s)}
.
Proposicion 4.4. Sean F
1
(s), . . . , F
n
(s) las Transformadas de Laplace de las funciones
f
1
(t), . . . , f
n
(t), respectivamente, y sean
1
,
2
, . . . ,
n
naturales reales. Entonces
L
1
_
n

j=1

j
F(j)(s)
_
=
n

j=1

j
L
1
{F
j
(s)} .
*
Se dice que una funcion f es de orden exponencial si existen constantes M > 0 y T > 0, tales que
|f(t)| Me
t
, para todo t > T.
42
Despu es de este corto resumen de ciertas propiedades de la Transformada de
Laplace, volvamos nuevamente a la funci on g
t
denida en el Captulo 1.
g
t
(t) =
_

_
1
2t
, si t
0
t t t
0
+ t,
0, otros casos.
Dado t
0
> 0, para cualquier t > 0 podemos calcular, L{g
t
(t)}. De hecho,
L{g
t
(t)} =
_

0
g
t
(t)e
st
dt
=
_
t
0
+t
t
0
t
1
2t
e
st
dt
=
_
1
2t
__
e
st
s
_

t=t
0
+t
t=t
0
t
=
_
1
2t
__

e
s(t
0
+t)
e
s(t
0
t)
s
_
=
e
t
0
s
s
_
e
st
e
st
2t
_
.
Al calcular el lmite de esta cantidad cuando t 0, tenemos
lm
t0
L{g
t
} = lm
t0
_
e
t
0
s
s
__
e
st
e
st
2t
_
=
_
e
t
0
s
s
_
lm
t0
e
st
_
e
2st
1
2t
_
= e
t
0
s
.
As pues, tenemos que el lmite de la Transformada de Laplace de g
t
cuando t 0
es la funci on
L{
t
0
(t)} = e
t
0
s
.
Volvamos ahora a la ecuaci on del oscilador arm onico, con constante de resorte a
2
y
coeciente de amortiguamiento a
1
, que es golpeado con martillo una sola vez en el
tiempo t = t
0
.
Para este ejemplo escojamos condiciones iniciales y(0) = 1 y y

(0) = 0. Es decir, el
resorte est a alargado una unidad con respecto a su estado de reposo y luego se suelta
43
con velocidad 0. Con la funci on delta de Dirac podemos escribir el problema de valor
inicial
d
2
y
dt
2
+ a
1
dy
dt
+ a
2
y =
t
0
, y(0) = 1, y

(0) = 0. (4.2)
Ahora empleemos la Transformada de Laplace para resolver el problema de valor ini-
cial (4.2).
Al aplicar la Transformada de Laplace de ambos lados de la ecuaci on (4.2), y usando
la linealidad de la Transformada de Laplace, obtenmos
L
_
d
2
y
dt
2
_
+ a
1
L
_
dy
dt
_
+ a
2
L{y} = L{
t
0
} .
Usando las f ormulas para la Transformada de Laplace de la primera y segunda deriva-
da, encontramos
S
2
L{y} Sy(0) y

(0) + a
1
SL{y} a
1
y(0) + a
2
L{y} = L{
t
0
} .
Al sustituir las condiciones iniciales y evaluar L{
t
0
}, tenemos
S
2
L{y} S + a
1
SL{y} a
1
+ a
2
L{y} = e
t
0
S
.
Despejando L{y} resulta
L{y} =
S + a
1
S
2
+ a
1
S + a
2
+
e
t
0
S
S
2
+ a
1
S + a
2
.
Por consiguiente,
y(t) = L
1
_
S + a
1
S
2
+ a
1
S + a
2
_
+L
1
_
e
t
0
S
S
2
+ a
1
S + a
2
_
.
La soluci on de la ecuaci on depende del valor de la constante del resorte y el coe-
ciente de amortiguamiento. Es de esperarse que se presente discontinuidad en t = t
0
,
justo cuando se aplica la fuerza de impulso.
44
REFERENCIAS
[1] CORDARO P.D., KAWANO A.O. Delta de Dirac. Uma Introduc ao a Teora das
Distribuic oes para a Engenhara. Livrara da Fsica, Editora Unicamp, 2002.
[2] DE FIGUEREIDO D. Analise de Fourier e equac oes diferenciais parciais. Pro-
jeto Euclides, IMPA, Rio de Janeiro, 1977.
[3] DIRAC Paul. The Principles of Quantum Mechanics. Oxford University Press,
1930.
[4] FOLLAND G.B. Introduction to Partial Differential Equations. Princeton Univ.
Press, 1976.
[5] HOUNIE J.Teora elementar das distribuic oes . 12

Coloquio Brasileiro de
matem atica, IMPA, 1979.
[6] IORIO R.J. IORIO V. Ecuac oes Diferenciais Parciais . Una Introduc ao. IMPA,
Rio de Janeiro, 1988.
[7] IORIO V. E.D.P. Un curso de graduac ao. IMPA, Rio de Janeiro, 1989.
[8] LAURENTZ E. Partial Diferential Equations. Ame. Math. Soc., 1992.
[9] SCHWARTZ Laurent. Th eorie des distributions. Tomos 1 y 2, Pars, 1950-1951.
[10] SH

ILOV Sergu ei. Generalizad Function and Partiel Differential Equations. Gor-
don and Breach, New York, 1968.
[11] S

OBOLIEV Sergu ei. Repertorio Matem atico. Vol. 1 (1936), p ag. 39-72 (en ru-
so).
45