1.7.

Operadores diferenciales

2.4 OPERADORES DIFERENCIALES

En la sección 2.1 del presente capítulo se formalizó la definición de derivación

parcial para campos escalares y vectoriales como una generalización del proceso
de derivación de funciones de variable real. En ese punto apareció el operador ∇
(nabla) cuando se definió el concepto de gradiente de un campo escalar f, el cual
se simbolizó como ∇f. En la presente sección se realizará un estudio más detallado
de operador ∇ y a través de él se definirán los operadores diferenciales
vectoriales, esenciales en la formulación de los teoremas fundamentales del
cálculo vectorial y en la modelación de los fenómenos que estudian las diversas
ramas de la física y la ingeniería.

Operador Nabla

Sea X = (x1, x2, ... , xn) ∈ ℜn, donde xi representan las coordenadas cartesianas
rectangulares del punto X. Se define y simboliza el operador vectorial nabla como:

 ∂
∇= , ∂ ,⋯, ∂  n ∂

=∑ ei
 ∂ x1 ∂ x2 ∂ xn  i =1 ∂ xi

donde ei son los elementos de la base canónica de ℜn. Esta definición, atribuida a

W.R. Hamilton, muestra a ∇ como un vector simbólico en ℜn, pues sus soportes en


la base { ei } son operadores (derivada parcial respecto de xi) y no números reales,

como lo exige la definición de ℜn. Sin embargo, se mostrará que este vector
simbólico satisface muchas de las definiciones y propiedades que cumplen los
vectores.

114
 Capítulo 1: Derivación de funciones vectoriales

En particular, se pueden definir con ∇ los productos usuales con vectores: producto
por un escalar, producto interno (punto) con un vector y producto externo (cruz) con
un vector en ℜ3. Y es precisamente así, como se definen los operadores
diferenciales vectoriales, objeto de estudio de esta sección.

Si f es un campo escalar se debe distinguir entre f ∇ como un operador y ∇f como

una función llamada gradiente. En forma similar debemos distinguir entre F i∇ y
F × ∇ como operadores y ∇iF y ∇ × F como funciones. Es decir ∇ sólo opera sobre
lo que sigue.

Gradiente de un campo escalar

Sea el campo escalar:

f: ℜn → ℜ
X → f(X)

de modo que f es diferenciable en un conjunto abierto A ⊆ Int(Dom f). Al efectuar el

producto entre el vector simbólico ∇ y el campo escalar f, se obtiene un campo
vectorial, denominado gradiente de f y definido así:

grad f = ∇f: A ⊆ ℜn → ℜn
 ∂ ∂ ∂ 
X → ∇f(X) =  , ⋯ , ,  f ( X)
 ∂ x1 ∂ x 2 ∂ xn 
Y con eso:

 ∂f(X) ∂f(X)
, ⋯ , ∂ f ( X )  = ∑ ∂ f ( X )e
i
n
∇f ( X ) =  ,
 ∂ x1 ∂ x2 ∂ xn  i =1 ∂ xi

Divergencia de un campo vectorial

Sea el campo vectorial:

115
1.7. Operadores diferenciales

F: ℜn → ℜn
X → F(X) = (f1, f2, ... , fn)(X)
de modo que F es diferenciable en un conjunto abierto A ⊆ Int(Dom F). Se puede
obtener el producto interno euclideano entre ∇ y F, obteniéndose un campo escalar
denominado campo divergente o simplemente divergencia de F, definido así:

Div F = ∇ • F: A ⊆ ℜn → ℜ
 ∂ ∂ ∂ 
X → ∇ • F(X) =  ,
⋯ , , , , ,
 • ( f1 f 2 … fn )( X)
 ∂ x1 ∂ x 2 ∂ xn 
Y con eso:
∂ f1 ( X ) ∂ f 2 ( X ) ∂ f ( X) n
∂ fi ( X )
∇ • F( X) =
∂ x1
+
∂ x2
+⋯+ n
∂ xn
= ∑
i=1 ∂ xi

Como F es un campo vectorial en ℜn, su matriz jacobiana, JF(X), es de tamaño n×n

y la divergencia de F es la suma de los elementos de la diagonal de JF(X), es decir,
su traza, así:
Div F(X) = ∇ • F(X) = Traza(JF(X))
La divergencia de un campo tiene importantes aplicaciones en varias ramas de la
ingeniería como, por ejemplo, para calcular el flujo total de un campo a través de
una superficie o para determinar si un punto, a donde confluyen las líneas de campo
de un campo vectorial, es un punto fuente o un punto sumidero, es decir, si en la
representación gráfica del campo, las líneas de campo salen del punto o entran
hacia él como se observa en la figura ------ (hacer la gáfica). El ejemplo más
característico lo dan las cargas eléctricas, que dan la divergencia del campo
eléctrico, siendo las cargas positivas fuentes y las negativas sumideros del campo
eléctrico.

Rotacional de un campo vectorial en ℜ3

Sea el campo vectorial:

F: ℜ3 → ℜ3
X → F(X) = (f1, f2, f3)(X)

116
 Capítulo 1: Derivación de funciones vectoriales

Con X = (x1, x2, x3), de modo que F es diferenciable en un conjunto abierto A ⊆

Int(Dom F). Si se efectúa el producto externo o vectorial entre ∇ y F, se obtiene un
campo vectorial en ℜ3 denominado rotacional de F, definido así:

Rot F = ∇ x F: A ⊆ ℜ3 → ℜ3
 ∂ ∂ ∂ 
X → ∇ x F(X) =  , , , ,
 • ( f1 f 2 f 3 )( X)
 ∂ x1 ∂ x 2 ∂ x 3 
Y así:
 ∂ f ( X) ∂ f 2 ( X) ∂ f1 ( X) ∂ f3 ( X) ∂ f 2 ( X) ∂ f1 ( X) 
∇ x F( X) =  3 − , − , −
∂ x 2 

 ∂ x2 ∂ x3 ∂ x3 ∂ x1 ∂ x1

Donde X = (x1, x2, x3) ∈ A.

El rotacional suele presentarse de una manera más compacta y fácil de memorizar,

recordando la notación del producto vectorial entre vectores, así:

i j k , ,
 i = (1 0 0)
∂ ∂ ∂ 
∇ x F( X) =
∂ x1 ∂ x 2 ∂ x 3
con ,,
 j = (0 1 0 )
 k = (0 0 1)
, ,
f1 ( X) f 2 ( X) f 3 ( X) 

Al resolver este “determinante” por la primera fila, se puede obtener la definición del
rotacional anteriormente enunciada.

Existe incluso otra definición del rotacional, como el siguiente producto matricial:

117
1.7. Operadores diferenciales

 ∂ ∂ 
 0 − 
 ∂ x3 ∂ x2   f1 ( X) 
∂ ∂   f ( X )
∇ x F( X) =  0 − 2 
∂ x3 ∂ x1 
   f 3 ( X)
− ∂ ∂
0 
 ∂ x 2 ∂ x1 

Aunque la forma de cálculo más usada es la que se enunció con el determinante.

El Laplaciano

Sea el campo escalar:

f: ℜn → ℜ
X → f(X)
de modo que f sea dos veces diferenciable en un conjunto abierto A ⊆ Int(Dom f).

Previamente, se definió el gradiente de f, ∇f, como un campo vectorial en ℜn. A este

nuevo campo vectorial se le puede aplicar la definición de divergencia, obteniéndose
un campo escalar, denominado laplaciano de f y definido así:

∇ • ∇f = ∇2f: A ⊆ ℜn → ℜ
 ∂ ∂ ∂   ∂ f ( X) ∂ f ( X) ∂ f ( X) 
X → ∇2f(X) =  ⋯ , , ,  •  , ⋯ , ,
∂ x n 

 ∂ x1 ∂ x 2 ∂ xn   ∂ x1 ∂ x2

O así:
∂ 2 f1 ( X) ∂ 2 f 2 ( X) ∂ 2 fn ( X) n
∂ 2 fi ( X )
∇ 2 f ( X) =
∂ x 12
+
∂ x 22
+⋯+
∂ x n2
= ∑
i=1 ∂ x i2

Existe una relación entre el laplaciano de f y su matriz Hessiana, Hf(X), a saber:

∇2f(X) = Traza(Hf(X))

Se puede definir entonces el operador de Laplace en coordenadas cartesianas

como:

118
 Capítulo 1: Derivación de funciones vectoriales

n
∂2
∇2 = ∑∂x
i=1
2
i

Para una función vectorial:

F: ℜn → ℜm
X → F(X) = (f1, f2, ... , fm)(X)

con F dos veces diferenciable en un conjunto abierto A ⊆ Int(Dom F), es decir que fj
son dos veces diferenciable en A, ∀ j = 1, ... , m; se define el laplaciano de F como:

 ∂ 2 f1 ( X ) fm ( X) 
∂2
,∑ ∂ ,⋯, ∑ ∂
n n n 2 n 2
f 2 ( X)
∇ 2F( X) = ∑ ∂ x i2
( , , ,
f1 f 2 … f m )( X ) = 
 ∑ ∂ x i2 ∂ x i2

∂ x i2 
i=1  i=1 i=1 i=1

O, abreviadamente,
∇2F(X) = (∇2f1(X), ∇2f2(X), ... , ∇2fm(X)) ; ∀ X ∈ A

Así, el operador de Laplace aplicado a un campo escalar dos veces diferenciable,

genera un campo escalar y aplicado a una función vectorial de dos veces
diferenciable, produce una nueva función vectorial.

Ejemplo 2.27.

En este ejemplo se ilustran las definiciones de los operadores diferenciales

vectoriales.

a) Sea f: ℜ3 → ℜ, tal que:

f(x,y,z) = x2 + ySen(xz)

El gradiente de f está dado por:

∇f(x,y,z) = (2x + yzCos(xz), Sen(xz), xyCos(xz))

119
1.7. Operadores diferenciales

Y su laplaciano se puede calcular como:

∂ ∂ ∂
∇2f(x,y,z) = ∇ • ∇f(x,y,z) = (2x + yzCos ( xz)) + (Sen( xz)) + ( xyCos ( xz))
∂x ∂y ∂z

= 2 – yz2Sen(xz) – x2ySen(xz)

b) Para F: ℜ3 – { (0,0,0) } → ℜ3, tal que:

1 1
,,
F( x y z ) =
,,
|| ( x y z ) ||
,,
( x y z) = ,,
( x y z)
x2 + y2 + z2

La divergencia de F es:

∂   ∂ 
+
x  y ∂ 
+  z 

,,
∇ • F( x y z ) =
∂x 2  ∂ y  2  ∂ z  2 
 x +y +z 
2 2
 x +y +z 
2 2
 x +y +z 
2 2

2
=
( x + y + z 2 )1 / 2
2 2

2
=
,,
|| ( x y z) ||

El rotacional de F se puede calcular solucionando el siguiente determinante por la

primera fila:

i j k

∂ ∂ ∂
,,
∇ x F( x y z ) = ∂x ∂y ∂z

x y z
x2 + y2 + z2 x2 + y2 + z2 x2 + y2 + z2

   ∂  
 ∂  z−  y i
=
∂y 2  ∂  
  x +y +z 
2 2 z
 x 2 + y 2 + z 2  

120
 Capítulo 1: Derivación de funciones vectoriales

   ∂  
 ∂  z −  x  j
−
∂x 2   2 
  x + y + z  ∂z
2 2
x + y + z  
2 2

   ∂  
 ∂  y −  x k
+
∂x 2  ∂  2 
  x +y +z 
2 2 y
 x + y + z  
2 2

1
= , ,
( − yz + yz xz − xz − xy + xy) = (0 0 0),,
( x + y + z 2 )3 / 2
2 2

Se deja como ejercicio comprobar que el laplaciano de este campo vectorial es:
2
,,
∇ 2F( x y z ) = − ,,
( x y z)
,,
|| ( x y z ) ||3

Propiedades de los operadores diferenciales

1. Linealidad: Los cuatro operadores diferenciales definidos son lineales, es decir:

a) Si f, g son campos escalares diferenciable en un abierto A ⊆ ℜn y α, β ∈ ℜ,

entonces:
∇(αf + βg) = α∇f + β∇g

b) Si F, G son campos vectoriales diferenciable en un abierto A ⊆ ℜn y α, β ∈

ℜ, entonces:
∇ • (αF + βG) = α∇ • F + β∇ • G

c) Si F, G son campos vectoriales diferenciable en un abierto A ⊆ ℜ3 y α, β ∈

ℜ, entonces:
∇ x (αF + βG) = α∇ x F + β∇ x G

121
1.7. Operadores diferenciales

d) Si f, g son campos escalares dos veces diferenciables en un abierto A1 ⊆ ℜn;

F, G son campos vectoriales dos veces diferenciables en un abierto A2 ⊆ ℜn
y α, β ∈ ℜ, entonces:

∇2(αf + βg) = α∇2f + β∇2g

∇2(αF + βG) = α∇2F + β∇2G

2. Los operadores diferenciales son invariantes respecto de transformaciones

ortogonales de coordenadas, es decir, conservan las mismas características y
propiedades que en los sistemas cartesianos.

3. Respecto de la composición de operadores se tiene:

Si f es un campo escalar clase 2 en un abierto A1 ⊆ Int(Dom f) ⊆ ℜ3 y F es un

campo vectorial clase 2 en un abierto A2 ⊆ Int(Dom f) ⊆ ℜ3 y

a) Rot(grad f) = ∇ x ∇f = 0
b) Div(Rot F) = ∇ • ∇ x F = 0

4. Algunas otras propiedades de los operadores diferenciales son:

Si f, g son campos escalares diferenciable en un abierto A1 ⊆ ℜ3 y F, G son

campos vectoriales diferenciable en un abierto A2 ⊆ ℜ3, entonces:

a) ∇(fg) = f∇g + g∇f

b) ∇ • (fF) = f(∇ • F) + (∇f) • F
c) ∇ x (fF) = f(∇ x F) + (∇f) x F
d) ∇2(fg) = f∇2g + g∇2f + 2(∇f • ∇g)
e) ∇ • (F x G) = (∇ x F) • G – (∇ x G) • F

Si se asume clase 2 para f, g en B1 ⊆ A1 y para F en B2 ⊆ A2, entonces

122
 Capítulo 1: Derivación de funciones vectoriales

f) ∇ • (∇f x ∇g) = 0
g) ∇2F = ∇(∇ • F) – ∇ x (∇ x F)

Las propiedades a), b) y d) son válidas en ℜn en general, pues no involucran el

producto vectorial.
Ejemplo 2.29.

En este ejemplo se ilustra la importancia de tener claridad sobre la posición del

operador:

Sean: F ( x, y , z ) = ( x 2 y , xz, y 2 ) , f ( x, y , z ) = yzsenx , G( x, y , z ) = ( zy , xy , yz )

a) Resolver (F × ∇ )f y F × ∇f y concluir

b) Resolver (F × ∇ )iG y F × ∇iG y concluir

Solución:
a)

(
(F × ∇ )f =  x 2 y , xz, y 2 ) × ( ∂∂x , ∂∂y , ∂∂z ) ( yzsenx )
 



 i k 


j
 2 
(F × ∇ )f =  x y xz y 2  ( yzsenx )
 
 ∂ ∂ ∂ 
 ∂x ∂y ∂z 
 ∂ ∂ 2 ∂ ∂ ∂ ∂ 
=  xz − y2 ,y − x 2y , x 2y − xz  ( yzsenx )
 ∂z ∂y ∂x ∂z ∂y ∂x 
 ∂( yzsenx ) 2 ∂( yzsenx ) 2 ∂( yzsenx ) 2 ∂ ( yzsenx ) 2 ∂( yzsenx ) ∂( yzsenx ) 
 xz −y ,y −x y ,x y − xz 
 ∂z ∂y ∂x ∂z ∂y ∂x 
( xzysenx − y 2zsenx, y 2 yz cos x − x 2yysenx, x 2 yzsenx − xzyz cos x ) =

( xyzsenx − y 2zsenx, 3 2 2
y z cos x − x y senx,
2 2
x yzsenx − xyz cos x )
Ahora se resuelve
 ∂( yzsenx ) ∂( yzsenx ) ∂( yzsenx ) 
(
F × ∇f F × ∇f = x 2 y , xz, y 2 × 
∂x
) ,
∂y
,
∂z

 

123
1.7. Operadores diferenciales

= ( x 2 y , xz, y 2 ) × ( yz cos x, zsenx, ysenx )



i j k
2
= x y xz y2
yz cos x zsenx ysenx

= ( xyzsenx − y 2 zsenx, y 3 z cos x − x 2 y 2senx, x 2 yzsenx − xyz 2 cos x )

Entonces (F × ∇ )f = F × ∇f
b)

(
(F × ∇ )f =  x 2 y , xz, y 2 ) × ( ∂∂x , ∂∂y , ∂∂z )i(zy , xy, yz)
 



 i k 


j
 2 
(F × ∇ )f =  x y xz y 2  i( zy , xy , yz )
 
 ∂ ∂ ∂ 
 ∂x ∂y ∂z 
 ∂ ∂ 2 ∂ ∂ ∂ ∂ 
=  xz − y2 ,y − x2y , x2y − xz  i( zy , xy , yz )
 ∂z ∂y ∂x ∂z ∂y ∂x 

∂( yz ) 2 ∂( yz ) 2 ∂( xy ) 2 ∂( xy ) 2 ∂ ( yz ) ∂( yz )
= xz −y +y −x y +x y − xz
∂z ∂y ∂x ∂z ∂y ∂x

= xyz − y 2 z + y 3 2
− 0 + x yz + 0

= xyz − y 2 z + y 3 2
+ x yz

Donde F × ∇iG no es realizable entonces (F × ∇ )iG ≠ F × ∇iG

Conclusión se debe tener cuidado con forma en que este escrita la expresión, pues
como se vio en ejemplo hay casos donde un paréntesis cambia completamete el
significado.

124
 Capítulo 1: Derivación de funciones vectoriales

DOS PROPIEDADES DEL GRADIENTE

Además de las propiedades vistas en el apartado anterior, el gradiente cumple dos

importantes propiedades, que merecen ser estudiadas más detenidamente. Estas
propiedades son:

1. Teorema # (Máxima dirección de cambio de un campo escalar)

Sea el campo escalar:
f: ℜn → ℜ
X → f(X)

Si f diferenciable en un abierto A ⊆ Int(Dom f), X0 ∈ A y U es un vector unitario

∂ f(X0 ) 1
en ℜn, entonces es máxima si U = ∇f ( X 0 ) , con ∇f(X0) ≠ 0.
∂U || ∇f ( X 0 ) ||

Demostración:
Como f es diferenciable en una vecindad de X0, entonces se cumple:
∂ f( X0 )
= ∇f ( X 0 ) • U = || ∇f ( X 0 ) || || U || Cos (θ)
∂U

Donde θ ∈ [0,π] es el ángulo entre los vectores ∇f(X0) y U. Así se tiene que:
∂ f(X0 )
= || ∇f ( X 0 ) || Cos (θ)
∂U

Pero:
–1 ≤ Cos(θ) ≤ 1
– || ∇f(X0) || ≤ || ∇f(X0) || Cos(θ) ≤ || ∇f(X0) ||
∂ f(X0 )
– || ∇f(X0) || ≤ ≤ || ∇f(X0) ||
∂U

125
1.7. Operadores diferenciales

∂ f( X0 )
Y así, = || ∇f ( X 0 ) || es el máximo valor que toma la derivada direccional.
∂U

Este valor aparece cuando θ = 0, lo que implica que U = λ∇f(X0), con λ > 0.
1
Tomando λ = , para que U sea unitario, se tiene:
|| ∇f ( X 0 ) ||

∂ f( X0 ) 1 1
= ∇f ( X 0 ) • ∇f ( X 0 ) = || ∇f ( X 0 ) || 2 = || ∇f ( X 0 ) ||
∂U || ∇f ( X 0 ) || || ∇f ( X 0 ) ||

Lo cual corresponde al máximo valor de la derivada direccional.


También se observa que el mínimo valor que toma la derivada direccional está
∂ f( X0 )
dado por = − || ∇f ( X 0 ) || , que ocurre cuando θ = π. En ese caso:
∂U

1
U=− ∇f ( X 0 )
|| ∇f ( X 0 ) ||

Esta propiedad suele resumirse diciendo así: el valor máximo de la derivada

direccional de un campo escalar diferenciable en un punto es igual a la magnitud
del gradiente y se obtiene en la dirección del gradiente. En forma dual, el valor
mínimo de la derivada direccional es igual al negativo de la magnitud del
gradiente y se obtiene en la dirección opuesta a éste.

2. Teorema #
El vector gradiente de un campo escalar f diferenciable es ortogonal a los
conjuntos de nivel definidos por f en cada punto X0 de los mismos.

Sea el campo escalar:

f: ℜn → ℜ
X → f(X)

De modo que f es diferenciable en un abierto A ⊆ Int(Dom f).

126
 Capítulo 1: Derivación de funciones vectoriales

Si se define el conjunto de nivel k para f, como:

S = { X ∈ ℜn / f(X) = k, X ∈ A, k ∈ Rang(f) }

Y X0 ∈ S, entonces el vector ∇f(X0) es ortogonal a S en X0.

Demostración
Como f es diferenciable en A, entonces existe una curva suave C ⊂ S, con X0 ∈
C y parametrizada mediante la función diferenciable:
φ: [a,b] → ℜn
t → φ(t) = X

Con φ(t0) = X0, φ’(t0) = T(t0) para t0 ∈ (a,b). La geometría diferencial dice que T(t0)
es un vector tangente a C en X0.

Ahora se define la función:

h: [a,b] → ℜ
t → h(t) = (f○φ)(t)

La regla de la cadena asegura que h es diferenciable en (a,b) y en particular, en

vecindad de t0 y se cumple:
h'(t0) = ∇f(φ(t0)) • φ’(t0) = ∇f(X0) • φ’(t0) = ∇f(X0) • T(t0)

Además, como C ⊂ S, se cumple que h(t) = (f○φ)(t) = f(φ(t)) = f(X) = k. Así se

tiene que h'(t0) = 0 y en consecuencia,
∇f(X0) • T(t0) = 0

Esto significa que si ∇f(X0) ≠ Θ, entonces es ortogonal a T(t0), el vector tangente

a la curva suave C ⊂ S en X0.

Así, el vector ∇f(X0) es ortogonal a S en X0. 

127
1.7. Operadores diferenciales

La anterior propiedad permite definir en forma natural la ecuación del plano

tangente a un conjunto de nivel definido por el campo escalar f: ℜn → ℜ,

S = { X ∈ ℜn / f(X) = k, X ∈ A, k ∈ ℜ }

Como ∇f(X0) es ortogonal a S en X0, entonces debe ser ortogonal al plano

tangente a S en X0. Y desde la geometría analítica se sabe que la ecuación de
un plano con vector normal ∇f(X0) está dada por:

∇f(X0) • (X – X0) = 0

Este resultado coincide con los conceptos enunciados en la sección 2.2., cuando
se estudió el plano tangente.
Ejemplo 2.30.

En este ejemplo se ilustran las dos propiedades del gradiente estudiadas en esta
sección.

Sea f: ℜ3 → ℜ, tal que:

x2 y2 z2
,,
f ( x y z) = + +
a2 b2 c 2

El gradiente de f está dado por:

 2 x 2 y 2z 
,,
∇f ( x y z ) =  2 , ,
2 2

a b c 

Se puede observar que f es diferenciable en ℜ3. El máximo valor de la derivada

direccional en el punto (x0,y0,z0) ∈ Int(Dom f) está dado en la dirección del vector
gradiente de f y se calcula como:

, ,
∂ f(x 0 y 0 z 0 )
, ,
= || ∇f ( x 0 y 0 z 0 ) || = 2
x 02
+
y 02
+
z 20
∂U a4 b4 c4

128
 Capítulo 1: Derivación de funciones vectoriales

Donde:
1
U=
, ,
|| ∇f ( x 0 y 0 z 0 ) ||
, ,
∇f ( x 0 y 0 z 0 )

Ahora, si se define el conjunto de nivel:

x2 y2 z2
,,
S = { (x,y,z) ∈ ℜ3 / f ( x y z) = + + =1 }
a2 b2 c 2

Entonces el vector
 2 x 2 y 0 2z 0 
, ,
∇ f ( x 0 y 0 z 0 ) =  20 , , 
 a b2 c 2 

Es ortogonal a S en (x0,y0,z0) y la ecuación del plano tangente a S en (x0,y0,z0) es:

 2 x 0 2 y 0 2z 0 
 2 , , , ,
 • ( x − x 0 y − y 0 z − z 0 ) = 0
 a b2 c2 
Y simplificando:
x0x y0y z0 z
2
+ 2
+ =1
a b c2

La geometría dice que S es un elipsoide y entonces la ecuación precedente es la

ecuación del plano tangente al elipsoide en (x0,y0,z0). Se deja como ejercicio
verificar las dificultades que se encuentran al tratar de encontrar el plano tangente a
S, si éste se da en forma explícita o paramétrica.

129
1.7. Operadores diferenciales

CAMPOS SOLENOIDALES, IRROTACIONALES Y ARMÓNICOS

Sea el campo vectorial:

F: ℜ3 → ℜ3
X → F(X) = (f1, f2, f3)(X)

Con X = (x1, x2, x3), de modo que F ∈ C2 en un conjunto abierto A ⊆ Int(Dom F).

• Se dice que F es solenoidal en A si DivF(X) = ∇ • F(X) = 0, ∀ X ∈ A. Otros

nombres que recibe F son campo libre de divergencia, campo de flujo nulo o
campo incompresible en A y significa que el campo no tiene puntos fuentes ni
puntos sumideros, es decir, las líneas de campo son líneas cerradas.

De la propiedad:
Div(Rot F(X)) = ∇ • ∇ x F(X) = 0, ∀ X ∈ A

se concluye que si F ∈ C2 en A, entonces Rot F es un campo solenoidal en A.

• F se denomina irrotacional en A si Rot(F(X)) = ∇ x F(X) = 0, ∀ X ∈ A. También

se dice que F es un campo libre de rotación o un campo laminar en A.
Anteriormente se estableció que si f es un campo escalar en ℜ3, de clase dos en
un abierto A ⊆ Int(Dom f) entonces:

Rot(grad f(X)) = ∇ x ∇f(X) = 0 ∀ X ∈ A

Así se infiere que para f ∈ C2 en A ⊆ Int(Dom f), grad f es un campo

irrotacional en A.

El rotacional o rotor es un operador que muestra la tendencia de un campo

vectorial a rotar alrededor de un punto. Si el rotacional de un campo alrededor de
un punto no es cero no significa que las líneas de campo giren alrededor de ese
punto. Por ejemplo, el campo de velocidades de un fluido que circula por una

130
 Capítulo 1: Derivación de funciones vectoriales

tubería posee un rotacional no nulo en todas partes, excepto el eje central, pese
a que la corriente fluye en línea recta:

(hacer figura y referirla)

La idea es que si en la corriente se sumerge una rueda de paletas infinitamente

pequeña en el interior del campo vectorial, esta rueda girará, aunque el campo
tenga siempre la misma dirección, debido a la diferente magnitud del campo a un
lado y a otro de la rueda.

• F es un campo vectorial armónico si ∇2F(X) = 0, ∀ X ∈ A. Para que F sea

armónico se debe cumplir que:
∇2F(X) = (∇2f1(X), ∇2f2(X), ∇2f3(X)) = 0

Es decir que:
∇2fj(X) = 0; j = 1, 2, 3.

Y se tiene el siguiente resultado: F es armónico en A si y solo si fj es armónico

en A, ∀ j = 1, 2, 3.

Las expresiones:
∇2F(X) = 0 y ∇2fj(X) = 0

se conocen como ecuaciones de Laplace vectorial y escalar respectivamente y

aparecen en diversas aplicaciones de la física y la ingeniería.

Teoría de potenciales

131
1.7. Operadores diferenciales

Los campos solenoidales, irrotacionales y armónicos aparecen frecuentemente en

las aplicaciones de física e ingeniería cuando se estudia la teoría de potenciales o
teoría de los campos generadores. Estos conceptos surgen cuando se tratan de
estudiar los procesos inversos de los operadores diferenciales definidos en la
presente sección. A continuación se hace una breve introducción a la teoría de
potenciales, cuya formalización se efectuará en el capítulo 3 cuando se estudie el
teorema de invarianza de trayectoria.

• Gradiente: El proceso directo para el operador gradiente es, dado un campo

escalar f diferenciable en un subconjunto abierto de ℜn, hallar el campo vectorial
F en ℜn, tal que ∇f = F.

En su forma inversa, se trata de, dado el campo vectorial F en ℜn, hallar el

campo escalar en ℜn, tal que F = ∇f. Este proceso no siempre es posible, pero si
existe f, éste se denomina potencial escalar para el campo F que se denomina
campo gradiente.

Una condición necesaria, pero no suficiente, para la existencia del potencial

escalar f, se puede obtener aplicando el operador rotacional a la expresión F =
∇f, para lo cual se exige que F sea diferenciable. Así se tiene:
∇ x F = ∇ x ∇f = 0

Y la condición necesaria para la existencia del potencial escalar f es que el

campo vectorial F sea irrotacional.

• Divergencia: La forma directa es, dado el campo vectorial F diferenciable en un

subconjunto abierto de ℜn, hallar el campo escalar f en ℜn, tal que ∇ • F = f.

Su forma inversa trata de, dado el campo escalar f en ℜn, hallar el campo
vectorial en ℜn, tal que f = ∇ • F. Este problema siempre admite solución y
además no es única, debido a que f queda determinado por la traza de la matriz
JF y existen infinitas matrices con la misma traza.

132
 Capítulo 1: Derivación de funciones vectoriales

• Rotacional: Su forma directa es, dado el campo vectorial F diferenciable en un

subconjunto abierto de ℜ3, hallar el campo vectorial G en ℜ3, tal que ∇ x F = G.

Su proceso inverso es, dado el campo vectorial G en ℜ3, hallar el campo

vectorial F en ℜ3, de modo que G = ∇ x F. Este problema no siempre admite
solución, pero en caso de existir F, éste se denomina potencial vectorial para el
campo G.

Una condición necesaria para la existencia del potencial vectorial F, se obtiene

aplicando el operador divergencia a la expresión G = ∇ x F, para lo cual se exige
que G sea diferenciable. Así se tiene:
∇•G=∇•∇xF=0

Y la condición necesaria para la existencia del potencial vectorial F es que el

campo vectorial G sea solenoidal.

• Laplaciano: Su análisis es similar al realizado para la divergencia, pues

recuérdese que el laplaciano aparece al hacer la composición entre los
operadores divergencia y gradiente. El proceso inverso del laplaciano admite
soluciones múltiples pues está determinado, otra vez, por la traza de una matriz.

Teorema de Helmholtz

Si F es un campo vectorial en ℜ3, de modo que F ∈ C2 en un conjunto abierto

A ⊆ Int(Dom F), entonces existen H1 y H2, campos vectoriales dos veces
diferenciables en A, tales que:
F = H1 + H 2

donde H1 es solenoidal en A (∇ • H1 = 0) y H2 es irrotacional en A (∇ x H2 = 0).

133
1.7. Operadores diferenciales

Este teorema, que relaciona los campos vectoriales solenoidales e irrotacionales,

permite escribir cualquier campo vectorial dos veces diferenciable como la suma de
un campo solenoidal y otro irrotacional. Además vincula al campo vectorial F con sus
potenciales, pues H1 contiene el potencial vectorial de F, mientras que H2 hace lo
propio con el potencial escalar de F.

134