Capítulo 2: Derivación de funciones vectoriales

CAPITULO 2 DERIVACIÓN DE FUNCIONES VECTORIALES

2.1 LA DERIVADA PARCIAL

En el primer curso de cálculo se estudia la razón entre el cambio de una función y el

cambio en su variable independiente, lo que da lugar a la definición de derivada. En
funciones de variable vectorial, el proceso de derivación se generaliza a través del
concepto de la derivada parcial.

Derivada parcial
Considérese el campo escalar:
f: ℝ n → ℝ X = (x1, ... , xn) ∈ Int(Dom f)
X → f(X)

Sean {e1 ,e2 ,e3 , ...,ei , ...,en } la base canónica de ℝ n y h ∈ ℝ - {0} el desplazamiento

en la variable xi (h = ∆xi), de modo que (X + h ei i) ∈ Int(Dom f). La razón de cambio

de f (X ) en la dirección de xi , es decir, su derivada respecto de xi , se define y

simboliza como:

∂ f (X ) f ( x 1, … , x i + h, … , x n ) − f ( x 1, … , x i, … , x n )
= f xi (X ) = Lim =
∂ xi h →0 h

f (X + hei ) − f (X )
Lim
h →0 h

si el límite existe.
Como esta derivada depende del vector canónico ei , también suele denominarse

derivada en la dirección del vector ei o derivada en la dirección del eje

coordenado xi

35
2.1. La derivada parcial

Obsérvese que la única variable que cambia es xi , mientras que las demás

permanecen constantes. Este proceso de derivación parcial produce un nuevo

campo escalar f xi : ℝ n → ℝ cuyo dominio está dado por:

 ∂f  f (X + hei ) − f (X )
Dom   = { X ∈ Dom f / Lim existe }
 ∂ xi  h →0 h
Lo cual implica que Dom(f xi ) ⊂ Dom(f)

Por tratarse de una definición análoga a la derivada de una función real de variable
real, la derivada parcial satisface las propiedades y reglas de derivación estudiadas
en el cálculo diferencial, y así en el proceso de derivación parcial respecto de xi , se

considera que las demás variables son constantes.

Gradiente
El campo escalar f en cuestión es una función de n variables, definida en el abierto
Int(Dom f). Es posible entonces, obtener n derivadas parciales de f, respecto a cada
variable xi (i = 1, ... , n) y ordenarlas en un vector (ó matriz 1×n) de funciones,
denominado el gradiente de f y denotado por:

 ∂ f ( X) ∂ f ( X) ∂ f ( X) 
grad f(X) = ∇f ( X) =  , … , ,
∂ x n 

 ∂ x1 ∂ x2

Nota:
El símbolo ∇ se lee “nabla” y tiene sus orígenes en el ámbito de la física, el cual

 ∂ ∂ ∂ ∂ ∂ 
representa ∇ =  , , ,..., ,..., .
 ∂x1 ∂x2 ∂x3 ∂xi ∂xn 
Es obvio que no es un vector en ℝ n , pero se le pueden asociar todas las
propiedades de los vectores, así ∇f (X ) se podría entender como el producto de un
“vector ” por un escalar, obteniendo así

 ∂ f (X ) ∂ f (X )
 ∂ ∂ ∂
∇f (X ) =  , , ,...,
∂
,...,
∂ 
 f (X ) =  , , … , ∂ f (X)  ,
 ∂x1 ∂x2 ∂x3 ∂xi ∂xn   ∂ x1 ∂ x2 ∂ xn 

36
 Capítulo 2: Derivación de funciones vectoriales

pero no es lo mismo que f (X )∇ ya que

 ∂ ∂ ∂ ∂ ∂ 
=  f (X ) , f (X ) , f (X ) ,..., f (X ) ,..., f (X ) 
 ∂x1 ∂x2 ∂x3 ∂xi ∂xn 

El gradiente de f es un campo vectorial en ℝ n .

∂f
Así como puede ser interpretada como la intensidad de cambio de f con
∂ xi

respecto a la variable xi, asumiendo las demás como constantes, ∇f se interpreta

como la intensidad de cambio de f respecto al conjunto completo de sus variables.

Propiedades de la derivación

Sean f ; g : ℝ n → ℝ dos funciones escalares de variable X = (x1, ... , xn), para los

∂ f (X ) ∂ g(X )
cuales existen , , para algún i y sea λ ∈ ℝ , entonces existen
∂ xi ∂ xi

∂ ∂ ∂ ∂
( f + g)(X ) ; ( f . g)(X ) ; ( f / g )(X ) (λ f )(X ) y se cumple:
∂ xi ∂ xi ∂ xi ∂ xi

∂ ∂ f (X ) ∂ g( X )
a) ( f + g )(X ) = +
∂ xi ∂ xi ∂ xi
∂ ∂ f (X ) ∂ g (X )
b) ( f . g)(X ) = . g (X ) + f (X )
∂ xi ∂ xi ∂ xi
∂ f (X ) ∂ g( X )
g (X ) − f (X )
∂ ∂ xi ∂ xi
c) ( f / g)(X ) = para m = 3
∂ xi 2
g (X )
∂ ∂ f (X )
d) (λ f )(X ) = λ
∂ xi ∂ xi

37
2.1. La derivada parcial

Ejemplo 2.1

En este ejemplo se calculan las derivadas parciales de dos campos escalares, uno
en ℜ3 y otro en ℜ2, mediante las reglas de derivación de funciones de variable real.

a) Sea el campo escalar

f: ℜ3 → ℜ
(x,y,z) → f(x,y,z) = ln (1 – x2 – y2 – z2)
Se calcularán sus tres derivadas usando las reglas de derivación usuales en
funciones de variable real.

Recordando que:
d 1 du
(ln u) =
dx u dx

Se puede escribir que:

,,
∂ f ( x y z)
=
∂
(ln(1 − x 2 − y 2 − z 2 )) =
1 ∂
(1 − x 2 − y 2 − z 2 )
∂x ∂x 1− x − y − z ∂ x
2 2 2

En la derivada parcial respecto de x, se considera que y, z son constantes, por lo

que:
∂ ∂ ∂ ∂ ∂
(1 − x 2 − y 2 − z 2 ) = (1) − (x 2 ) − (y 2 ) − ( z 2 ) = 0 − 2x − 0 − 0 = −2x
∂x ∂x ∂x ∂x ∂x
Y con esto:
,,
∂ f ( x y z)
=
− 2x
∂x 1− x − y 2 − z 2
2

De manera análoga se encuentra que:

38
 Capítulo 2: Derivación de funciones vectoriales

,,
∂ f ( x y z)
=
− 2y
y
,,
∂ f ( x y z)
=
− 2z
∂y 1− x − y2 − z2
2
∂z 1− x − y 2 − z 2
2

Así que el gradiente de f está dado por:

−2
,,
∇ f ( x y z) = ,,
( x y z)
1− x − y 2 − z2
2

Y se tiene que:
Dom (∇f) = { (x,y,z) ∈ Dom f / ∇f(x,y,z) existe }
Dom (∇f) = { (x,y,z) ∈ ℜ3 / x2 + y2 + z2 < 1 }

b) Considérese el campo escalar:

f: ℜ2 → ℜ

(x,y) → f(x,y) = e (x+ y) Cos  x 2 − y 2 

 
Para calcular sus derivadas se debe emplear la regla para la derivada de un
producto, pues se observa que f(x,y) = g(x,y) h(x,y) con:

g(x,y) = e(x+y) y h(x,y) = Cos  x 2 − y 2 

 
Así:
,
∂ f(x y)
=
∂
, ,
[ g( x y ) h( x y ) ] =
∂ g( x y ) , ,
h( x y ) + g( x y )
∂ h( x y )
, ,
∂x ∂x ∂x ∂x
Pero:
,
∂ g( x y )
=
∂
(e ( x + y ) ) = e ( x + y )
∂
(x + y) = e( x+y)
∂x ∂x ∂x

,
∂ h( x y )
=
∂  2 
 Cos  x − y   = −Sen  x − y 
2 2 2 ∂  2
 x − y 2 
∂x ∂x    ∂x 

x Sen  x 2 − y 2 
= −Sen  x 2 − y 2 

∂ 2
2 x −y ∂x
1
x − y2 = − ( )  
2 2
x2 − y2

Y con esto:

39
2.1. La derivada parcial

x e ( x + y ) Sen  x 2 − y 2 
,
∂ f(x y)
= e ( x + y ) Cos  x 2 − y 2  −
 
∂x   x2 − y2

Por el estilo:

y e ( x + y ) Sen  x 2 − y 2 
,
∂ f(x y)
= e ( x + y ) Cos  x 2 − y 2  +
 
∂y   x2 − y2

Obsérvese que aunque el dominio de f es ℝ 2 , el dominio de estas derivadas

parciales está restringido, así:
 ∂f   ∂f 
Dom   = Dom   = { (x,y) ∈ ℜ2 / y ≠ ± x }
∂x ∂y

Ejemplo 1.2.

En este ejemplo se calculan las derivadas parciales de un campo escalar en ℝ 2 ,

mediante la definición.

Sea la función f: ℝ 2 → ℝ tal que:

 xy
 , ,
si ( x y ) ≠ (0 0)
f(x,y) =  x + y2
2

 0 si ( x, y ) = (0,0)


40
 Capítulo 2: Derivación de funciones vectoriales

Para encontrar las derivadas parciales de f en el origen (x,y) = (0,0), se debe utilizar
la definición formal con el límite, pues en el origen presenta un cambio de
comportamiento (es la única forma de realizarlo). En ℝ 2 , e1 = i = (1,0) , e2 = j = (0,1)
y así se tiene que:

∂ f (0, 0) f ((0, 0) + he1 ) − f (0, 0) f ((0, 0) + h(1, 0)) − f (0, 0)

= Lim = Lim
∂x h →0 h h →0 h
h(0)
−0
= Lim
, ,
f (h 0) − f (0 0)
= Lim
h + (0 ) 2
2
= Lim
0
= Lim 0 = 0
h →0 h h →0 h h →0 h h →0

Similarmente,

∂ f (0, 0) f ((0, 0) + he2 ) − f (0, 0) f ((0, 0) + h(0, 1)) − f (0, 0)

= Lim = Lim
∂y h →0 h h →0 h
(0)h
−0
= Lim
, ,
f (0 h) − f (0 0 )
= Lim
(0 ) 2 + h 2
= Lim
0
= Lim 0 = 0
h →0 h h →0 h h →0 h h →0

Y el gradiente de f en (0,0) es:

∇f(0,0) = (0,0)

La derivación parcial se puede generalizar a funciones vectoriales de variable

vectorial, de la siguiente manera:

Considérese la función vectorial:

F: ℜn → ℜm X = (x1, ... , xn) ∈ Int(Dom F)
X → F(X) = (f1, ... , fm)(X)

Se define la derivada parcial de F respecto a (la variable) xi como:

41
2.1. La derivada parcial

∂ F( X)
= Lim
, , , , , , , ,
F( x 1 … x i + h … x n ) − F( x 1 … x i … x n )
∂ xi h →0 h

F (X + hei ) − F (X )
= Lim
h →0 h

Si el límite existe. Con este proceso se obtiene una nueva función vectorial, así:
∂F  ∂F  F (X + hei ) − F (X )
: ℝ n → ℝ m ; Dom   = { X ∈ Dom F / Lim existe }
∂ xi  ∂ xi  h →0 h

Existe una inmediata relación entre la derivada parcial de una función vectorial y la
derivada parcial de sus campos escalares componentes:

∂ F (X ) ∂ f j (X )
existe si y solo si existe ∀ j = 1, ... , m, y se cumple que:
∂ xi ∂ xi

∂ F (X )  ∂ f 1 (X ) ∂ f 2 (X )
= , , … , ∂ f m (X ) 
∂ xi  ∂ xi ∂ xi ∂ xi 

Así, la derivada parcial de una función vectorial se obtiene mediante la derivada

parcial de cada uno de sus campos escalares componentes (soportes) y en
consecuencia, son aplicables las propiedades y reglas de derivación para campos
escalares.
Propiedades de la derivación

Sean F, G: ℝ n → ℝ m dos funciones vectoriales y ϕ: ℝ n → ℝ un campo escalar

∂ F (X ) ∂ G (X ) ∂ ϕ (X )
de variable X = (x1, ... , xn), para los cuales existen , , para
∂ xi ∂ xi ∂ xi
algún i y sea λ ∈ ℝ , entonces existen

42
 Capítulo 2: Derivación de funciones vectoriales

∂ ∂ ∂ ∂ ∂
(F + G)( X) ; (F • G)( X) ; (F x G)( X) (m = 3); (λ F)( X) y (ϕ F)( X) y
∂ xi ∂ xi ∂ xi ∂ xi ∂ xi
se cumple:

∂ ∂ F( X) ∂ G( X)
e) (F + G)( X) = +
∂ xi ∂ xi ∂ xi

∂ ∂ F( X) ∂ G( X)
f) (F • G)( X) = • G( X) + F( X) •
∂ xi ∂ xi ∂ xi

∂ ∂ F( X) ∂ G( X)
g) (F x G)( X) = x G( X) + F( X) x para m = 3
∂ xi ∂ xi ∂ xi

∂ ∂ F( X)
h) (λ F)( X) = λ
∂ xi ∂ xi

∂ ∂ ϕ ( X) ∂ F( X)
i) (ϕ F)( X) = F( X) + ϕ ( X)
∂ xi ∂ xi ∂ xi

Matriz Jacobiana

Del mismo modo que las n derivadas parciales de un campo escalar en ℝ n se

pueden organizar en una matriz 1×n, las derivadas parciales de una función
vectorial se pueden organizar en una matriz m×n de funciones denominada matriz
jacobiana de F. Sea:
F: ℝ n → ℝ m X = (x1, ... , xn) ∈ Int(Dom F)
X → F(X) = (f1, ... , fm)(X)

∂ f j (X )
Si existen : ℝn → ℝ ∀ i = 1, ... , n y ∀ j = 1, ... , m, entonces la
∂ xi
jacobiana de F se define como:
 ∂ f1 ( X) ∂ f1 ( X) 
 ∂x ⋯
 ∂ f j ( X)   ∂ x n    ∇f1 ( X) 
1 ∂ F( X) ∂ F( X)   

JF(X) =   = ⋮ ⋮ ⋮ ≡ ⋯ ≡ ⋮ 

 ∂ x i   ∂ fm ( X) ∂ f m ( X)   ∂ x 1 ∂ xn 
∇fm ( X)
⋯
 ∂ x1 ∂ xn 
 

43
2.1. La derivada parcial

∂ fj (X0 )
Si se evalúa JF(X) en un punto X0 ∈ Int(Dom F), en el cual existen
∂ xi

∀ i = 1, ... , n y ∀ j = 1, ... , m, entonces se obtiene la matriz (sobre el campo)

real:
 ∂ f j (X0 ) 
JF(X0) =   ∈ Mmn(ℜ)

 ∂ xi 

Además, si F es un campo vectorial (m = n), entonces JF(X0) ∈ Mn(ℜ) y es posible

definir su determinante, denominado el jacobiano de F en X0 y simbolizado:

Det JF(X0) =
, ,
∂ ( f1 … fm )
(X0 ) ∈ ℜ
, ,
∂ ( x 1 … fn )

Ejemplo 2.3.

En este ejemplo se calculan las derivadas parciales de una función vectorial y se

ordenan en su matriz jacobiana.

Considérese la función
G: ℝ 2 → ℝ 5
1
(x,y) → G(x,y) = (xy, ln(xy), x2 – y2, , x2 + y2 )
xy

Su derivada parcial respecto de x está dada por un vector con las derivada parciales
respecto de x de cada uno de sus campos escalares componentes, así:

∂ G(x, y )  1 1 x 
=  y, , 2x, − 2 , ;
∂x  x x y x2 + y 2 

∂G(x, y )
(x, y ) ∈ Dom( )
∂x

44
 Capítulo 2: Derivación de funciones vectoriales

Similarmente,

∂ G( x y )  1
, 1 y 
 ; (x, y ) ∈ Dom( ∂G(x, y ) )
= x

, ,
− 2y − 2 , , 
∂y y xy x2 + y2  ∂x


La matriz Jacobiana para G es una matriz de tamaño 5×2 (5 componentes, 2

variables) y se expresa de la siguiente manera:
 y x 
 1 1 
 x y 
 − 2y 
,
JG( x y ) =  2x
−1 −1 
 x 2y xy 2 
 x y 
 x 2 + y 2 x2 + y2 


El dominio de esta matriz está dado por:

Dom ( JG(x, y ) ) = { (x,y) ∈ Dom(G) / JG(x, y ) existe }

= { (x,y) ∈ ℜ2 / (x > 0 ∧ y > 0) ∨ (x < 0 ∧ y < 0) }

Si se toma, por ejemplo, (x,y) = (4,3) ∈ Dom (JG), se obtiene una matriz particular,
en este caso, JG(4,3) ∈ M5×2(ℜ), dada por:
 3 4 
 
 1 1 
 4 3 
JG(4, 3) =  8

−6 

− 1 −1
 48 36 
 4 3 
 5 5 

Finalmente, esta matriz no es cuadrada, por lo cual no se puede definir el jacobiano

para G (la operación determinante está definida en matrices cuadradas).

45
2.1. La derivada parcial

2.2 LA DERIVADA DIRECCIONAL

Anteriormente se mencionó que la derivada parcial puede interpretarse como la

derivada en la dirección de un vector canónico. Sin embargo, las direcciones de los
ejes coordenados no son las únicas en ℜn, puesto que cada vector unitario en ℜn
define una dirección particular. La generalización del proceso de derivación parcial
se conoce como derivación direccional y se bosqueja a continuación.

Sean F: ℝ n → ℝ m una función vectorial de variable X; X ∈ Int(Dom F) y V ≠ O un

vector en ℝ n , h ∈ ℝ - {0} . Se define y denota la derivada direccional de F(X)

respecto al vector V como:

∂ F (X ) F (X + hV ) − F (X )
= Lim
∂V h →0 h

Si el límite existe. Esta forma de derivada es un operador lineal. En efecto, es fácil

comprobar que se cumple:

∂ ( F + G)(X ) ) ∂ F (X ) ∂ G(X )
i) = + con X ∈ Int(Dom F)
∂V ∂V ∂V
∂ F (α X ) ∂ F (X )
ii) =α con X∈ Int(Dom F) y α ∈ ℜ – { 0 }
∂V ∂V

Otra propiedad importante de la derivada de F respecto al vector V es: si existe

∂ F (X ) ∂ F (X )
entonces existe con λ ∈ ℝ – { 0 } y se cumple:
∂V ∂ (λV )
∂ F (X ) ∂ F (X )
=λ
∂ (λV ) ∂V

En efecto,

46
 Capítulo 2: Derivación de funciones vectoriales

∂ F (X ) F (X + h (λV )) − F (X ) F (X + (λ h)V ) − F (X )
= Lim = λ Lim
∂ (λV ) h →0 h h →0 λh
F (X + αV ) − F (X ) ∂ F (X )
=λ Lim =λ (α = λh)
α →0 α ∂V


Es usual tomar el escalar λ ∈ ℝ , de modo que λV sea un vector unitario en ℝ n , es

1 1
decir λ = . Sea U = V un vector unitario en ℝ n . Entonces:
|| V || || V ||

∂ F (X ) F (X + hU ) − F (X )
= Lim
∂U h →0 h

Esta derivada se denomina derivada direccional de F en X en la dirección del

vector unitario U, si dicho límite existe.

Si se toma X ∈ Int(Dom F), la derivada direccional de F (en la dirección del vector

unitario U) se expresa como:
∂ F( X) F( X + hU) − F( X)
= Lim
∂U h →0 h

Y se obtiene una nueva función vectorial, definida así:

∂F  ∂F  F (X + hei ) − F (X )
: ℝ n → ℝ m ℜm con: Dom   = { X ∈ Dom F / Lim
∂U  ∂U h →0 h
existe }

∂ F (X )
La derivada parcial es un caso particular de la derivada direccional, en la
∂ xi
dirección del vector canónico ei , de modo que:

47
2.1. La derivada parcial

∂ F (X ) ∂ F (X ) F (X + hei ) − F (X )
= = Lim
∂ xi ∂ Ei h →0 h

La derivada direccional satisface las reglas usuales de la derivada parcial, tanto en

funciones vectoriales como en campos escalares.
Ejemplo 2.4.

En este ejemplo se calcula la derivada direccional de un campo escalar en ℝ 2

mediante la definición.

Sea la función f: ℝ 2 → ℝ ℜ tal que:

 y3

f(x,y) =  x 2 + y 2
, ,
si ( x y ) ≠ (0 0)
 0 si ( x, y ) = (0,0)


Para encontrar su derivada direccional en el origen, en la dirección de cualquier

vector unitario en ℝ 2 , se define U = (u1,u2), tal que || U || = u12 + u 22 = 1. Así, la

derivada de f en el origen, en la dirección de U está dada por:

,
∂ f (0 0 )
= Lim
,
f ((0 0) + hU) − f (0 0) ,
= Lim
,
f ((0 0) + h(u1 u 2 )) − f (0 0) , ,
∂U h → 0 h h → 0 h

(hu 2 ) 3 h 3 u 32
−0
= Lim
,
f (hu1 hu 2 ) − f (0 0) ,
= Lim
(hu1 ) 2 + (hu 2 ) 2
= Lim
h 2 (u12 + u 22 )
h →0 h h→ 0 h h →0 h
h 3 u 32 u 32 u 32
= Lim = Lim =
h →0 h 3 (u12 + u 22 ) h→0 (u12 + u 22 ) (u12 + u 22 )

Y como se sabe que U es unitario, u12 + u 22 = || U ||2 = 1, y entonces:

,
∂ f (0 0 )
= u 32 para U = (u1,u2)
∂U

48
 Capítulo 2: Derivación de funciones vectoriales

En particular, si U = i = (1,0) entonces

, =
,
∂ f (0 0 ) ∂ f (0 0 )
= 0 y si U = j = (0,1)
∂i ∂x

entonces
, =
,
∂ f (0 0 ) ∂ f (0 0 )
= 1 y con esto, ∇f(0,0) = (0,1)
∂j ∂y

49