UNIVERSIDAD NACIONAL MAYOR DE

SAN MARCOS
Universidad del Perú, decana de América

FACULTAD DE QUÍMICA E INGENIERIA QUÍMICA

E.A.P QUÍMICA
MATEMÁTICA INTEGRADA

“VECTOR GRADIENTE”
PROFESORA:
 Sofía Irena Durán Quiñones
AUTORES:
 Candela Molina, Geremy (19070094 )
 Ochoa Sedano, Silvia (19070097)
 Pulache Medina, Fiorella Lidia (19070100)
 Del Aguila Mendoza, Alexandra (19070092)
 Pawelczyk Romani, Alexis Jose (19070087)

Lima, Perú 2021

1
TABLA DE CONTENIDO
I.- Introducción……………………………………………………………………….03
II.-Vector Gradiente………………………………………………………………….04
III.- Gradiente de una función escalar ……………………………………………… 05
Aplicaciones
IV.- Introducción del operador diferencial al gradiente……………………………....07
V.-Interpretación geométrica del gradiente...………………………………………....07
VI.- Propiedades del gradiente………………………………………………………..10
Aplicaciones
VII.- Plano tangente…………………………………………………………………..11
Aplicaciones
VII.- Derivada direccional…………………………………………………………….12
Concepto
Aplicaciones
VIII.- Interpretación Geométrica de la derivada direccional usando gradiente……….13
Aplicaciones
IX.- El gradiente como dirección de máxima variación ……………………………....14
X.- Aplicaciones de máxima variación…………………………….………………….16
XI.- Incrementos y diferenciales………………………………………………………23
Aplicaciones
XII.- Diferenciabilidad………………………………………………………………...24
XIII.- Conclusiones…………………………………………………………………….25
XIV.- Bibliografía………………………………………………………………..…….26

2
I.- INTRODUCCIÓN

¿Cómo podemos utilizar los conocimientos que aprenderemos acerca del gradiente?
Principalmente, el vector gradiente en la física puede medir la rapidez de variación que
puede tener una magnitud física que se desplaza a una cierta distancia, puede darnos una
variación grande o pequeña dependiendo de la diferencia de gradiente inicial y final. El
vector gradiente se usa principalmente en el electromagnetismo y en la mecánica de
fluidos. Particularmente existen varios campos vectoriales que pueden escribirse como
un gradiente potencial escalar, entre ellos tenemos al campo electrostático y que se
deriva de un potencial eléctrico, otros usos de estos pueden ser para procesos de
difusión que verifican la “Ley de Fick”, así tendríamos por ejemplo al flujo de calor en
un material sería directamente proporcional al gradiente de temperaturas. En el presente
trabajo explicaremos cómo es que el gradiente varía y pondremos ejemplos para el
mejor entendimiento del lector.

3
II.- VECTOR GRADIENTE

Se le llama así al gradiente de una función f(x) en un punto P(x;y) al vector que sale de
este punto y que el mismo tiene a sus componentes que son las derivadas parciales de la
función anterior mencionada en cierto punto.

𝜕𝑧 𝜕𝑧
𝑔𝑟𝑎𝑑 𝑧 = 𝛻𝑧 = ( , )
𝜕𝑥 𝜕𝑦

La derivada direccional puede ser obtenida por el producto escalar del gradiente por el
vector unitario.

𝜕𝑧 𝜕𝑧 𝜕𝑧 𝜕𝑧 𝜕𝑧
= ( ) 𝑢1 + ( ) 𝑢2 = ( , ) (𝑢1, 𝑢2) = 𝛻𝑧. 𝑢
𝑣 𝜕𝑥 𝜕𝑥 𝜕𝑥 𝜕𝑦

Entonces la gradiente tiende a servir para el sentido de crecimiento más rápido de una
función de un punto dado. Aqui entraria la derivada direccional tiene en el sentido del
gradiente su valor máximo y este coincide con su módulo.

𝜕𝑧
( ) = 𝑔𝑟𝑎𝑑 𝑧 = √(( 𝑍𝑥 )2 + (𝑍𝑦)2)
𝑣

4
II.- GRADIENTE DE UNA FUNCIÓN ESCALAR

Definición:
Sea: 𝑓 𝑈 𝑐 ℜ^𝑛 → ℜ

(𝑥1, 𝑥2, … , 𝑥𝑎) → 𝑍 = 𝑓 (𝑥1, 𝑥2, … , 𝑥𝑛)

Una función diferenciable definida en el conjunto abierto U de ℜ^n. Se define el (vector)

gradiente de la función f en el punto P0 ∊ U denotado por grad f (P0) como el vector ℜ^n
dado por:

𝜕𝑓 𝜕𝑓 𝜕𝑓
𝛻𝑓 𝑃 (0) = (( ) 𝑃0 , ( ) 𝑃0 , ( ) 𝑃0 )
𝑥1 𝑥2 𝑥𝑛

∇f es un campo vectorial gradiente. Además, el ∇f asigna un vector a cada punto P ∊ U

c ℜ^n, esto es:
∇f: 𝑈 𝑐 ℜ^𝑛 → ℜ^𝑛
P → ∇f

El gradiente ∇f de una función f: R^3 → ℜ es un campo vectorial en ℜ^3 en cada punto

Pi, Vf(Pi) es un vector que sale de Pi.

5
Sea Φ(x,y,z) una función escalar, al gradiente de la función escalar Φ(x,y,z)
denotaremos por grad (Φ), y es el vector definido por:

𝜕𝛷 𝜕𝛷 𝜕𝛷
𝑔𝑟𝑎𝑑(𝛷 ) = ( )𝑖 + ( )𝑗 + ( )𝑘
𝜕𝑥 𝜕𝑦 𝜕𝑧
EJERCICIOS:

1.- 𝑆𝑖 𝛷(𝑥, 𝑦, 𝑧) = 𝑥𝑦 + 𝑦𝑧 + 𝑥𝑧 ℎ𝑎𝑙𝑙𝑎𝑟 𝑒𝑙 𝑔𝑟𝑎𝑑 𝛷(1,1,3)

Solucion : 𝑆𝑖 𝛷(𝑥, 𝑦, 𝑧) = 𝑥𝑦 + 𝑦𝑧 + 𝑥𝑧 𝑠𝑢𝑠 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎𝑠 𝑝𝑎𝑟𝑐𝑖𝑎𝑙𝑒𝑠 𝑠𝑜𝑛:

𝜕𝛷 𝜕𝛷
( ) (𝑥, 𝑦, 𝑧) = 𝑦 + 𝑧 → ( ) (1,1,3) = 4
𝜕𝑥 𝜕𝑦

𝜕𝛷 𝜕𝛷
( ) (𝑥, 𝑦, 𝑧) = 𝑥 + 𝑧 → ( ) (1,1,3) = 4
𝜕𝑦 𝜕𝑦

𝜕𝛷 𝜕𝛷
( ) (𝑥, 𝑦, 𝑧) = 𝑥 + 𝑦 → ( ) (1,1,3) = 2
𝜕𝑧 𝜕𝑦

𝜕𝛷 𝜕𝛷 𝜕𝛷
𝑔𝑟𝑎𝑑 𝛷 (𝑥, 𝑦, 𝑧) = ( ) (1,1,3)𝑖 + ( ) (1,1,3)𝑗 + ( ) (1,1,3)𝑘
𝜕𝑦 𝜕𝑦 𝜕𝑦

𝑔𝑟𝑎𝑑 𝛷(1,1,3) = 4𝑖 , 4𝑗, 2𝑘

2.- Hallar el rotacional de f ( x , y , z ) = xyz i + x^2 y^3 j + y z^3 k

Solución:

Como el rotacional es dado por:

𝑖 𝑗 𝑘
𝜕 𝜕 𝜕
𝑉𝑥 𝑓 =
𝜕𝑥 𝜕𝑦 𝜕𝑧
𝑥𝑦𝑧 𝑥 2 𝑦 2 𝑧 𝑦 𝑧3

𝜕 𝜕 𝜕 𝜕
= { − } 𝑖 + { − }𝑗
𝜕𝑦(𝑦𝑧 3 ) 𝜕𝑧 (𝑥 2 𝑦 2 ) 𝜕𝑧 (𝑥𝑦𝑧) 𝜕𝑥 (𝑦𝑧 3 )
𝜕 𝜕
+ { 2𝑧 − }𝑘
𝜕𝑥(𝑥 2𝑦 ) 𝜕𝑦(𝑥𝑦𝑧)

= (𝑧 3 − 𝑥 2 𝑦 2 )𝑖 + 𝑥𝑦 𝑗 + ( 2𝑥 𝑦 2 𝑧 − 𝑥𝑧 )𝑘.

6
III) INTRODUCCIÓN DEL OPERADOR DIFERENCIAL 𝛁 𝑨𝑳 𝑮𝑹𝑨𝑫𝑰𝑬𝑵𝑻𝑬

𝜕 𝜕 𝜕 𝜕𝑓 𝜕𝑓 𝜕𝑓
⃗⃗, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 : grad(f) =∇f = 𝒊⃗ + 𝒋⃗ + 𝒌
Como ∇= 𝜕𝑥 𝒊⃗ + 𝜕𝑦 𝒋⃗ + 𝜕𝑧 𝒌 ⃗⃗,
𝜕𝑥 𝜕𝑦 𝜕𝑧

𝜕𝜙 𝜕𝜙 𝜕𝜙
En algunos libros se conoce como grado(𝜙) =∇f = 𝒊⃗ + 𝜕𝑦 𝒋⃗ + ⃗𝒌⃗
𝜕𝑥 𝜕𝑧

IV) INTERPRETACIÓN GEOMÉTRICA DEL GRADIENTE

Existen 2 casos:

CASO 1

Si consideramos la función escalar f : ∪ ⊂ ℝ2 → ℝ

(𝑥, 𝑦) → 𝑧 = 𝑓(𝑥, 𝑦)

Y k una constante, la ecuación 𝑓 (𝑥, 𝑦) = 𝑘 representa una curva en el espacio ℝ2 y se

llama CURVA DE NIVEL de la función f.

Proposición 1

Sea 𝒞: 𝑓 (𝑥, 𝑦) = 𝑘 una curva de NIVEL y P un punto de 𝒞. 𝑆𝑖 ∇ 𝑓(𝑃) ≠ 0, entonces el

∇ 𝑓 (𝑃) 𝒆𝒔 𝒑𝒆𝒓𝒑𝒓𝒆𝒏𝒅𝒊𝒄𝒖𝒍𝒂𝒓 𝒂 𝓒 𝒆𝒏 𝑷.

Ejemplo: Sea 𝑓 (𝑥, 𝑦) = 𝑥 2 + 𝑦 2 (𝑝𝑎𝑟𝑎𝑏𝑜𝑙𝑜𝑖𝑑𝑒) 𝑦 𝒞: 𝑓 (𝑥, 𝑦) = 4

𝑢𝑛𝑎 𝑐𝑢𝑟𝑣𝑎 𝑑𝑒 𝑛𝑖𝑣𝑒𝑙.

Sea 𝑃 = (1, √3) 𝑢𝑛 𝑝𝑢𝑛𝑡𝑜 𝑒𝑛 𝒞

La ∇ 𝑓(1, √3) 𝑒𝑠 ∇ 𝑓(𝑥, 𝑦) = (2𝑥, 2𝑦)

∇ 𝑓(1, √3) = (2,2√3 )

Entonces el ∇𝑓(1, √3) es perpendicular a 𝒞 en 𝑃 =

(1, √3)

𝒞: 𝛼 (𝑡) = (2 cos 𝑡, 2 𝑠𝑒𝑛 𝑡 )

7
 𝛼 ′ (𝑡) = (−2𝑠𝑒𝑛 𝑡, 2 cos 𝑡)

𝜋
𝛼′ ( ) = (−√3, 1)
3

ℒ 𝑒𝑠 𝑟𝑒𝑐𝑡𝑎 𝑡𝑎𝑛𝑔𝑒𝑛𝑡𝑒 𝑎 𝒞 en P. Se cumple: ℒ y ∇𝑓 son perpendiculares, esto es :

𝜋
𝑃 = (1, √3) , 𝑡0= 3 𝛼 ′ (𝑡0) . ∇𝑓(𝑃) = 0

CASO 2

Si consideramos la función escalar f: ∪⊂ ℝ3 → ℝ

(𝑥, 𝑦, 𝑧) → 𝑧 = 𝑓(𝑥, 𝑦, 𝑧)

Y k una constante, la ecuación f (x,y,z)=k representa una superficie en el espacio ℝ3 y se

llama superficie de NIVEL de la función f.

Proposición 2

Sea S: f(x,y,z) = k una superficie de NIVEL y P un

punto de S. Si ∇𝑓 (𝑃) ≠ 0 entonces el ∇f(P) es Normal
A S en P.

Ejemplo: Sea f (x,y,z) = 𝑥 2 + 𝑦 2 − 𝑧

y S : 𝑓 (𝑥, 𝑦, 𝑧) = 0 →

𝑥2 + 𝑦2 − 𝑧 = 0 𝑢𝑛𝑎 𝑠𝑢𝑝𝑒𝑟𝑓𝑖𝑐𝑖𝑒 𝑑𝑒 𝑛𝑖𝑣𝑒𝑙

Sea P=(1, √3, 4) 𝑢𝑛 𝑝𝑢𝑛𝑡𝑜 𝑑𝑒 𝑆.

Figura 3.2
La ∇ 𝑓(1, √3, 4) 𝑒𝑠 ∇ 𝑓(𝑥, 𝑦, 𝑧) = (2𝑥, 2𝑦, −1)

∇𝑓(1, √3, 4) = (2, 2√3, −1)

Entonces ∇𝑓(1, √3, 4) es NORMAL a S en P=(1, √3, 4)

8
Demostración de la Proposición 2

Debo probar que ∇𝑓 (𝑝). 𝛼´(0)un vector tangente a una curva 𝒞 contenida en S en punto
𝛼 (0) = 𝑃. Supongamos que la curva 𝒞 esté contenida en la superficie S cuya ecuación
vectorial es

𝛼⃗ (𝑡) = (𝑥(𝑡), 𝑦(𝑡), 𝑧(𝑡)) 𝑐𝑜𝑛 𝛼⃗ (0) = 𝑃. Como 𝒞 esta contenido en S, entonces:

𝑓(𝑥 (𝑡), 𝑦 (𝑡), 𝑧(𝑡)) = 𝑘.

𝜕𝑓 𝜕𝑥 𝜕𝑓 𝜕𝑦 𝜕𝑓 𝜕𝑧
Derivar: + 𝜕𝑦 𝜕𝑡 + 𝜕𝑧 𝜕𝑡 = 0
𝜕𝑥 𝜕𝑡

𝜕𝑓 𝜕𝑓 𝜕𝑓 𝜕𝑥 𝜕𝑦 𝜕𝑧
( , , ) .( , , ) = 0
𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑡 𝜕𝑡 𝜕𝑡

Figura 3.3

En t=0 , P=𝛼 (0) se cumple: ∇𝑓 (𝑃). 𝛼 ′(0) es tangente a la curva 𝒞 en P. Por lo tanto,
∇𝑓(𝑃) es NORMAL a la curva 𝒞 𝑒𝑛 𝑃.

Como 𝒞 e suna curva cualquiera de S, concluimos que ∇𝑓 es normal a la superficie S.

Notación:

Si se tiene una función de tres variables f(x,y,z)

𝜕 𝜕 𝜕
a) El símbolo ∇ (𝑛𝑎𝑏𝑙𝑎) es el operador diferencial ∇= 𝜕𝑥 𝒊 + 𝜕𝑦 𝒋 + 𝜕𝑧 𝒌
𝜕 𝜕 𝜕
b) ∇f = 𝜕𝑥 𝒊 + 𝜕𝑦 𝒋 + 𝜕𝑧 𝒌 es el GRADIENTE DE f.

Se lee “GRADIENTE DE f”

9
V) PROPIEDADES DEL GRADIENTE

Sean 𝑓(𝑥, 𝑦, 𝑧) 𝑦 𝑔(𝑥, 𝑦, 𝑧) funciones escalares diferenciables y c una constante.

1) ∇(𝛼. 𝑓) = 𝛼∇f
2) ∇(𝑓 + 𝛹 ) = ∇f + ∇𝑔

3) ∇(𝑓𝑔) = f∇𝑔 + 𝑔∇f

𝑓 𝑔∇𝑓−𝑓∇𝑔 𝜕𝑓 𝜕𝑓 𝜕𝑓
4) ∇ (𝑔) = = ∇𝑢 + 𝜕𝑣 ∇𝑣 + 𝜕𝑤 ∇𝑤
𝑔2 𝜕𝑢

Ejemplo Para un vector arbitrario constante 𝑎⃗, mostrar que : ∇(𝑎⃗,⃗⃗⃗⃗𝑟) = 𝑎⃗, donde
𝑟⃗ es el vector de posición.

Solución

Sea 𝑎⃗ = (𝑎1 , 𝑎2 , 𝑎3 ) 𝑦 𝑟⃗ = (𝑥, 𝑦, 𝑧) → 𝑎⃗. 𝑟⃗ = 𝑎1 𝑥 + 𝑎2 𝑦 + 𝑎3 𝑧

𝜕(𝑎⃗,⃗⃗⃗⃗𝑟) 𝜕(𝑎⃗,⃗⃗⃗⃗𝑟) 𝜕(𝑎⃗,⃗⃗⃗⃗𝑟)

∇(𝑎⃗,⃗⃗⃗⃗𝑟) = 𝑖⃗ + 𝑗⃗ + ⃗⃗ = 𝑎1 𝑖⃗ + 𝑎2 𝑗⃗ + 𝑎3 𝑘
𝑘 ⃗⃗ = (𝑎1 , 𝑎2 , 𝑎3 ) = 𝑎⃗
𝜕𝑥 𝜕𝑦 𝜕𝑧

∴ ∇(𝑎⃗,⃗⃗⃗⃗𝑟) = 𝑎⃗

Ejemplo Si 𝜙 = ϕ(x, y, z). Mostrar que ∇ϕ d⃗⃗⃗𝑟 = 𝑑𝜙

Solución

⃗⃗ , su diferencial d 𝑟⃗ = 𝑑𝑥𝑖⃗ + 𝑑𝑦𝑗⃗ + 𝑑𝑧𝑘

Sea 𝑟⃗ = 𝑥𝑖⃗ + 𝑦𝑗⃗ + 𝑧𝑘 ⃗⃗ , calculando el
gradiente de 𝜙d

𝜕𝜙 𝜕𝜙 𝜕𝜙
∇𝜙 = 𝑖⃗ + 𝑗⃗ + ⃗⃗
𝑘
𝜕𝑥 𝜕𝑦 𝜕𝑧

𝜕𝜙 𝜕𝜙 𝜕𝜙 𝜕𝜙 𝜕𝜙 𝜕𝜙
∇𝜙𝑑𝑟⃗ = ( 𝑖⃗ + 𝑗⃗ + ⃗⃗ ) (𝑑𝑥𝑖⃗ + 𝑑𝑥𝑗⃗ + 𝑑𝑥𝑘
𝑘 ⃗⃗ ) = 𝑑𝑥 + 𝑑𝑦 + 𝑑𝑧 = 𝑑𝜙
𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑥 𝜕𝑦 𝜕𝑧

∴ ∇𝜙𝑑𝑟⃗ = 𝑑𝜙

10
VI) PLANO TANGENTE

Definición

Sea S: f(x,y,z)=k una superficie de nivel para k constante. El Plano tangente de S en el

punto 𝑃0 (𝑥0 , 𝑦0 , 𝑧0 ) de S está definido por:

∇𝑓 (𝑃). (𝑥 − 𝑥0 , 𝑦 − 𝑦0 , 𝑧 − 𝑧0 ) = 0

Ejemplo: Determinar la ecuación del plano tangente a la superficie 𝑧 = 𝑥 2 + 𝑦 2 en el

punto P(1,0,1).

Solución:

Se pide hallar 𝒫: ∇𝑓 (𝑃). (𝑥 − 𝑥0 , 𝑦 − 𝑦0 , 𝑧 − 𝑧0 ) = 0

Datos: P= (1 , 0 , 1)
𝑥0 𝑦0 𝑧0

De la ecuación Z = 𝑥 2 + 𝑦 2 obtenemos 𝑥 2 + 𝑦 2 − 𝑧 = 0 → 𝑓(𝑥, 𝑦, 𝑧) = 𝑥 2 + 𝑦 2 − 𝑧

El gradiente de f es ∇𝑓(𝑥, 𝑦, 𝑧) = (2𝑥, 2𝑦, −1)

𝑦 ∇𝑓 (1,0,1) = (2, 0, −1)

Luego la ecuación del plano tangente es:

𝒫: (2,0, −1). (𝑥 − 1 , 𝑦 , 𝑧 − 1) = 0

2(𝑥 − 1) + 0(𝑦) − 1(𝑧 − 1) = 0

2𝑥 − 𝑧 − 1 = 0

11
VII) DERIVADAS DIRECCIONALES:

Teniendo en cuenta la definición anterior, se puede considerar la posibilidad de derivar

con respecto a una dirección diferente a las de los ejes coordenados, tenemos entonces el
concepto de derivada direccional

Definición:

Sea 𝑓: ℝ𝑛 → ℝ definida al menos en un entorno de 𝑥⃗0 , ya sea 𝑣⃗ un vector de ℝ𝑛 tal que

‖𝑣⃗ ‖ = 1. Se define entonces la derivada direccional de 𝑓 en la dirección de 𝑣⃗ en el punto
𝑥⃗0 𝜖 𝐷𝑜𝑚 𝑓 como el límite:

𝑓 (𝑥⃗0 + ℎ𝑣⃗ ) − 𝑓(𝑥⃗0 )

𝐷𝑣⃗⃗ 𝑓 (𝑥⃗0 ) = lim
ℎ→0 ℎ

Alternativamente a esta definición puede escribirse de la siguiente forma, con frecuencia

más útil en los cálculos:

𝑑
𝐷𝑉⃗⃗ 𝑓 (𝑥⃗0 ) = 𝑓 (𝑥⃗0 + 𝑡𝑣⃗ ); 𝑡 = 0
𝑑𝑡

La equivalencia entre ambas es trivial si recordamos la definición de derivada ordinaria.

Una vez definido el concepto de derivada direccional, podemos comprobar con facilidad
que las derivadas parciales no son mas que las derivadas direccionales en la dirección de
⃗⃗𝑗 de la base canónica de ℝ𝑛 . En particular, para el caso de una función de
los vectores 𝑢
tres variables 𝑓(𝑥, 𝑦, 𝑧); tendremos:

𝜕𝑓 𝜕𝑓 𝜕𝑓
= 𝐷𝑖⃗𝑓 , = 𝐷𝑗⃗𝑓, = 𝐷𝑘⃗⃗ 𝑓
𝜕𝑥 𝜕𝑦 𝜕𝑧

Ejemplo:

Encontrar la derivada direccional de la función 𝑓 (𝑥, 𝑦) = 𝑥 2 + 𝑦 + 1 en la dirección de

1 1
𝑣⃗ = ( , ) en el punto (0,0).
√2 √2

12
Solución

Utilizando la definición de derivada direccional como un límite tendremos:

1 1 ℎ ℎ
𝑓 [(0,0) + ℎ ( , )] − 𝑓(0,0) 𝑓 ( , ) − 𝑓(0,0)
𝐷𝑣⃗⃗ 𝑓 (0,0) = lim √2 √2 = lim √ √
2 2
ℎ→0 ℎ ℎ→0 ℎ

ℎ2 ℎ
2 √2 + 1 − 1
+
1
= lim =
ℎ→0 ℎ √2

Alternativamente, usando la definición como una derivada ordinaria:

1 1 𝑡2 𝑡 𝑑 𝑡2 𝑡 1
𝑓 [(0,0) + 𝑡( , )] = + +1⇒ ( + + 1) = 𝑡 +
√2 √2 2 √2 𝑑𝑡 2 √2 √2

Y así:

1 1
𝐷𝑣⃗⃗ 𝑓(0,0) = (𝑡 + ),𝑡 = 0 ;=
√2 √2

VIII.-INTERPRETACIÓN GEOMÉTRICA DE LA DERIVADA DIRECCIONAL:

Para dos variables la derivada direccional 𝐷𝑢⃗⃗ 𝑓(𝑎, 𝑏) da la tasa de cambio de 𝑓 al

acercarnos al punto 𝐴 = (𝑎, 𝑏) según la dirección marcada por 𝑢
⃗⃗ = (𝑢1 , 𝑢2 ) y admite una
interpretación análoga a las derivadas parciales.

13
Si cortamos la gráfica de 𝑓, o sea, la superficie S de ecuación 𝑧 = 𝑓(𝑥, 𝑦), con el plano
vertical que pasa por el punto 𝑃 = (𝑎, 𝑏, 𝑓 (𝑎, 𝑏)) y se apoya en la recta del plano XY que
pasa por 𝐴 = (𝑎, 𝑏) y tiene un vector director 𝑢
⃗⃗, obtenemos una curva C que esta
contenida en S y pasa por P. Entonces la derivada direccional 𝐷𝑢⃗⃗ 𝑓(𝑎, 𝑏) es la pendiente
de la recta tangente a C en P como una curva en el plano vertical, recta que se conoce
como recta tangente a la gráfica de 𝑓 según la dirección de 𝑢
⃗⃗.

La curva C podemos parametrizarla mediante 𝑟⃗(𝑡) = (𝑎 + 𝑡𝑢1 , 𝑏 + 𝑡𝑢2 , 𝑓(𝐴 + 𝑡𝑢

⃗⃗)), con
⃗⃗𝑢⃗⃗ =
lo que 𝑃 = 𝑟⃗(0) y un vector tangente a la curva C en el punto P es, precisamente, 𝑇
⃗⃗𝑢⃗⃗ debe ser perpendicular al
𝑟⃗ ′(0) = (𝑢1 , 𝑢2 , 𝐷𝑢⃗⃗ 𝑓 (𝑎, 𝑏)). Como vimos antes, el vector 𝑇
vector 𝑛⃗⃗(𝑎, 𝑏) = (−𝑓𝑥 (𝑎, 𝑏), −𝑓𝑥 (𝑎, 𝑏), 1), ya que es el vector normal al plano tangente
a S en P.

Entonces:

⃗⃗𝑢⃗⃗ ∗ 𝑛⃗⃗(𝑎, 𝑏) = −𝑢1 𝑓𝑥 (𝑎, 𝑏) − 𝑢2 𝑓𝑦 (𝑎, 𝑏) + 𝐷𝑢⃗⃗ 𝑓(𝑎, 𝑏)

0=𝑇

Por lo tanto, despejando 𝐷𝑢⃗⃗ 𝑓(𝑎, 𝑏) y usando el gradiente ∇𝑓 = (𝑓𝑥 , 𝑓𝑦 ) obtenemos:

𝐷𝑢⃗⃗ 𝑓 (𝑎, 𝑏) = 𝑢1 𝑓𝑥 (𝑎, 𝑏) + 𝑢2 𝑓𝑦 (𝑎, 𝑏) = ∇𝑓(𝑎, 𝑏) ∗ 𝑢

⃗⃗

que es un formula muy útil para calcular las derivadas direccionales. Esta fórmula
también se puede aplicar para el caso de un campo escalar de tres variables, como se
puede comprobar usando la regla de la cadena.

14
EJERCICIO DE DERIVADA DIRECCIONAL:
Calcular la derivada direccional del siguiente campo:
2 𝜋
𝑓 (𝑥, 𝑦) = 𝑠𝑒𝑛(𝑥 2 𝑦) − ln (𝑥−𝑦), en el punto 𝑃0 ( 2 , 1) y en la dirección que va desde el
punto 𝑃1 (8, −2) al punto 𝑃2 (5,1).

Solución:
Calculamos el vector gradiente de 𝑓(𝑥, 𝑦)
𝜕𝑓(𝑥, 𝑦) 𝜕𝑓(𝑥, 𝑦)
⃗⃗𝑓 (𝑥, 𝑦) =
∇ 𝑖̂ + 𝑗̂ = 𝑓𝑥 (𝑥, 𝑦)𝑖̂ + 𝑓𝑦 (𝑥, 𝑦)𝑗̂ = (𝑓𝑥 (𝑥, 𝑦), 𝑓𝑦 (𝑥, 𝑦))
𝜕𝑥 𝜕𝑦
𝑥−𝑦 𝑥−𝑦
⃗∇⃗𝑓 (𝑥, 𝑦) = [2𝑥𝑦𝑐𝑜𝑠(𝑥 2 𝑦) + ] 𝑖̂ + [𝑥 2
cos ( 𝑥 2 )
𝑦 − ] 𝑗̂
(𝑥 − 𝑦)2 (𝑥 − 𝑦)2
𝜋 𝜋2 2 𝜋2 𝜋2 2
⃗∇⃗𝑓 ( , 1) = [𝜋 cos ( ) + ] 𝑖̂ + [ cos ( ) − ] 𝑗̂
2 4 𝜋−2 4 4 𝜋−2
𝜋
⃗⃗𝑓 ( , 1) = −0.702𝑖̂ − 3.679𝑗̂
∇
2

Calculamos el vector 𝑦̂𝜃

Se construye un vector 𝑣⃗ que une los puntos 𝑃1 y 𝑃2 de la siguiente manera:
𝑣⃗ = (𝑥2 − 𝑥1 )𝑖̂ + (𝑦2 − 𝑦1 )𝑗̂
𝑣⃗ = (1 − 8)𝑖̂ + [5 − (−2)]𝑗̂ = −7𝑖̂ + 7𝑗̂
Debe normalizarse el vector, pues la norma de 𝑦̂𝜃 es 1
𝑣⃗ 7 7
𝑦̂𝜃 = =− 𝑖̂ + 𝑗̂
‖𝑣⃗ ‖ √98 √98
Calculamos la derivada direccional
⃗⃗𝑓(𝑃0 ) ∗ 𝑦̂𝜃
𝐷𝑦̂𝜃 𝑓 (𝑃0 ) = ∇
𝜋 7 7
𝐷𝑦̂𝜃 𝑓 ( , 1) = (−0.702𝑖̂ − 3.679𝑗̂) ∗ (− 𝑖̂ + 𝑗̂)
2 √98 √98
𝜋 7 7
𝐷𝑦̂𝜃 𝑓 ( , 1) = −0.702 (− ) − 3.679( )
2 √98 √98
𝜋
𝐷𝑦̂𝜃 𝑓 ( , 1) = −2.105
2

15
IX) EL GRADIENTE COMO DIRECCIÓN DE MÁXIMA VARIACIÓN:

-En una función de dos variables:

Sea f una función de dos variables y 𝑣 = (𝑣1 , 𝑣2 ) un vector unitario .La derivada
direccional de f(x, y) con respecto a v es:

𝑓((𝑥, 𝑦) + 𝑡 (𝑣1 , 𝑣2 )) − 𝑓(𝑥, 𝑦)

𝐷𝑣 𝑓 (𝑥, 𝑦) = lim
𝑡→0 𝑡

Si existe.

Está claro que si v= (1,0) se tendría la derivada parcial de f respecto de x y si v= (0,1),la

derivada parcial de f respecto a y.
La derivada direccional de una función mide la tasa de variación de la función en una
dirección dado.
La definición de derivada direccional para funciones de tres variables es análoga y la
explicaremos en otra sección de este informe.

Dada una función z=f(x, y) diferenciable en un punto(a, b) se define su gradient5e en

dicho punto como el vector.

𝜕𝑓 𝜕𝑓
∇𝑓 (𝑎, 𝑏) = ( (𝑎, 𝑏), (𝑎, 𝑏)).
𝜕𝑥 𝜕𝑦

El gradiente de una función facilita enormemente el cálculo de derivadas direccionales

como veremos a continuación.

Teorema

Si v es un vector unitario, la derivada direccional de la función f en el punto(a, b) en la

dirección de v es el producto escalar.

∇𝑓(𝑎, 𝑏). 𝑣

Como se sabe, el producto escalar es máximo cuando estos vectores son paralelos. Es
decir que la derivada direccional es máxima en la dirección ∇𝑓 (𝑎, 𝑏).

En este sentido tenemos que si f es diferenciable en el punto (a,b) y se tiene que

∇𝑓(𝑎, 𝑏) ≠ 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠:

16
  El máximo valor de la derivada direccional 𝐷𝑢⃗⃗ 𝑓 𝑒𝑠 ‖∇𝑓 (𝑎, 𝑏)‖y el vector u es
entonces el vector unitario asociado a ∇𝑓 (𝑎, 𝑏).
 El mínimo valor de la derivada direccional𝐷𝑢⃗⃗ 𝑓 𝑒𝑠 − ‖∇𝑓(𝑎, 𝑏)‖ y el vector u es
entonces el vector unitario asociado a −∇𝑓 (𝑎, 𝑏).
 Esto quiere decir que en el punto (a, b) la función crece más rápidamente en el
sentido del gradiente ∇𝑓(𝑎, 𝑏) y decrece rápidamente en el opuesto.

-En una función de tres variables:

Sea la función: f: 𝑈ϲ 𝑅 3 → 𝑅 , que posee derivadas parciales.

(𝑥, 𝑦, 𝑧) → 𝑓(𝑥, 𝑦, 𝑧)

⃗⃗ , el
De primer orden continuas. Entonces en cada punto P para el cual ∇ 𝑓(𝑝) ≠ 0
vector ∇𝑓 apunta una dirección en que f crece rápidamente. La magnitud del vector ∇𝑓
es la tasa máxima de crecimiento f.

DEMOSTRACIÓN:

La proposición afirma que:

a) El valor máximo de 𝐷→ 𝑓 (𝑥, 𝑦, 𝑧) en P(x,y,z) es |∇𝑓(𝑥. 𝑦, 𝑧)|.

𝑢

b) La tasa de crecimiento máximo de f(x,y,z) en P(x,y,z) se alcanza en la dirección

de ∇ 𝑓(𝑥, 𝑦, 𝑧).

Veamos:
1. La derivada direccional de f en P en la dirección del vector unitario 𝜇⃗, es
𝐷→ 𝑓 (𝑃) = ∇𝑓(𝑃). 𝜇⃗
𝑢

2. Pero: ∇𝑓(𝑃). 𝜇⃗ = |∇𝑓(𝑃)||𝜇⃗ |𝑐𝑜𝑠𝜃,|𝜇⃗ | = 1

= |∇𝑓(𝑃)|𝑐𝑜𝑠𝜃
3. El valor máximo de ∇𝑓(𝑃). 𝜇⃗ se obtiene cuando 𝜃 = 0,esto es, cuando
elegimos 𝜇⃗ en la misma dirección y sentido de ∇𝑓, se cumple:

∇𝑓(𝑃)

Valor máximo de 𝐷→ 𝑓 (𝑃) = |∇𝑓 (𝑃)|

𝑢
𝜇⃗

17
 4. Así mismo, el vector ∇𝑓 apunta una dirección en que f crece más rápidamente
y su variación es la tasa máxima de crecimiento de f.

𝜋
Si 𝜃 = 0, obtenemos el valor máximo de Si 𝜃 = 2 , obtenemos el valor nulo de la
la derivada direccional. derivada direccional.
∇𝑓(𝑃)

𝜇⃗
∇𝑓(𝑃)
𝐷→ 𝑓 (𝑃) = 0
𝑢
𝐷→ 𝑓(𝑃)𝑚á𝑥𝑖𝑚𝑎 = |∇𝑓(𝑃)| 𝜇⃗
𝑢

X) APLICACIONES DE MÁXIMA VARIACIÓN

1- La temperatura en grados centígrados en la superficie de una placa metálica es:

T(x, y) = 20 − 4𝑥 2 − 𝑦 2

Donde x e y se miden en centímetros. ¿En qué dirección a partir del punto (2,3) crece
más rápidamente la temperatura? ¿Cuál es el ritmo de crecimiento?

SOLUCIÓN:

El gradiente de T es:

∇T (x, y) = (−8x, −2y)

De donde se deduce que la dirección de crecimiento máximo viene dada por:

∇T (2, −3) = (−16, 6)

El ritmo de crecimiento máximo es:

‖∇𝑇(2, −3)‖ = √(−16)2 + (6)2 = √292 ≈ 17.09°𝐶

Hay que tener en cuenta que el gradiente apunta en la dirección de máximo crecimiento
de la temperatura. No tiene por qué apuntar al punto más caliente de la placa. Esto
quiere decir que la idea de gradiente es local. El gradiente apunta la dirección de

18
máximo crecimiento de la temperatura desde el punto (2, −3). Una vez abandonada esta
posición, la dirección de máximo crecimiento puede cambiar.

2- Dada la función 𝑧 = 𝑥𝑒 𝑦 se pide:

a) Encontrar la tasa de cambio en el punto P (2, 0) en la dirección que va hacia el
punto Q (1/2, 2).
b) ¿En qué dirección máxima están la tasa de cambio? Encontrar el valor máximo.

SOLUCIÓN:

1. En primer lugar determinamos el gradiente de la función:

∇𝑧(𝑥, 𝑦) = (𝑒 𝑦 , 𝑥𝑒 𝑦 )

En el punto P

∇𝑧(2,0) = (1,2)

3 3 4
⃗⃗⃗⃗⃗⃗ = (− , 2) es u=(− , ) Por tanto, la tasa de
El vector unitario en la dirección 𝑃𝑄
2 5 5

cambio o derivada dirección de z en P en la dirección ⃗⃗⃗⃗⃗⃗

𝑃𝑄 vale:

3 4 3 4
𝐷𝑢 𝑧(2,0) = ∇𝑧(2,0). 𝑢 = (1,2). (− , ) = 1 (− ) + 2 ( ) = 1
5 5 5 5

2. La derivada direccional es máxima en la dirección del gradiente, esto es, en la

dirección del vector (1, 2) y el valor máximo de esta derivada direccional en el punto
(2,0) es:

‖∇𝑧(2,0)‖ = ‖(1,2)‖ = √5

19
 3- Dada la función: 𝑓 (𝑥, 𝑦, 𝑧) = 3𝑥 2 𝑦 + 2𝑧 2 𝑦

a) Hallar la dirección en que la función aumente rápidamente.

b) Hallar la máxima tasa de cambio en el punto (1, 1,4).

SOLUCIÓN:

a) La dirección en que la función aumente rápidamente será el gradiente de f(x,y,z)

𝜕 𝜕 𝜕
∇𝑓(𝑥, 𝑦, 𝑧) = (𝑖̂ + 𝑗̂ + 𝑘̂ ) (3𝑥 2 𝑦 + 2𝑧 2 𝑦)
𝜕𝑥 𝜕𝑦 𝜕𝑧

∇𝑓 (𝑥, 𝑦, 𝑧) = 6𝑥𝑦𝑖̂ + (3𝑥 2 + 2𝑧 2 )𝑗̂ + 4𝑧𝑦𝑘̂

b) El valor máximo de la tasa de cambio de la función en el P(1,1,4) es:

|∇𝑓(𝑥, 𝑦, 𝑧)| = √(6𝑥𝑦)2 + (3𝑥 2 + 2𝑧 2 )2 + (4𝑧𝑦)2

|∇𝑓(1,1,4)| = √((6)(1)(1))2 + (3(1)2 + 2(4)2 )2 + ((4)(4)(1))2

|∇𝑓(1,1,4)| = √1517 ≈ 38.95

20
XI) INCREMENTOS Y DIFERENCIALES

Sea la función f: 𝐷 ⊂ ℝ2 → ℝ

(𝑥, 𝑦) → 𝑧 = 𝑓(𝑥, 𝑦)

DEFINICION 1

Si Δx = x − x0 y Δy = y − y0 son incrementos de x e y, respectivamente, el

incremento 𝛥𝑧 de z = f(x, y) en el punto (𝑥0 , 𝑦0 ).

Es 𝛥𝑧 = 𝑓 (𝑥0 + 𝛥𝑥, 𝑦0 + 𝛥𝑦) − 𝑓 (𝑥0 , 𝑦0 ) en general, el incremento de z=(x,y) en

(x,y),es:

𝛥𝑧 = 𝑓 (𝑥 + 𝛥𝑥 , 𝑦 + 𝛥𝑦) − 𝑓 (𝑥, 𝑦)

TEOREMA 1

Sea la función f: 𝐷 ⊂ ℝ2 → ℝ

(𝑥, 𝑦) → 𝑧 = 𝑓 (𝑥, 𝑦)

Donde 𝐷 = {(𝑥, 𝑦) ∕ 𝑎 < 𝑥 < 𝑏, 𝑐 < 𝑦 < 𝑑 } es la región rectangular supongamos que
𝑓𝑦 𝑦 𝑓𝑥 existen en todo D y son continuas en (𝑥0 , 𝑦0 )(𝑥0 + 𝛥𝑥, 𝑦0 + 𝛥𝑦) ∈ 𝐷 y
𝛥𝑧 = 𝑓 (𝑥0 + 𝛥𝑥, 𝑦0 + 𝛥𝑦) − 𝑓 (𝑥0 , 𝑦0 ) ,entonces.

𝜟𝒛 = 𝒇𝒙 (𝒙𝟎, 𝒚𝟎 )𝜟𝒙 + 𝒇𝒚 (𝒙𝟎 , 𝒚𝟎 )𝜟𝒚 + 𝜺𝟏 𝜟𝒙 + 𝜺𝟐 𝜟𝒚

Donde 𝜀1 𝑦 𝜀2 son funciones de 𝛥𝑥 𝑦 𝛥𝑦 tal que

lim 𝜀1 = 0 y lim 𝜀2 = 0
(𝛥𝑥,𝛥𝑦)→(0,0) (𝛥𝑥,𝛥𝑦)→(0,0)

21
DEFINICIÓN 2

Sea la función f : 𝐷 ⊂ ℝ2 → ℝ

(𝑥, 𝑦) → 𝑧 = 𝑓(𝑥, 𝑦)

Y sean 𝛥𝑥 𝑦 𝛥𝑦 incrementos de x e y, respectivamente.

a) Las diferenciales de dx y dy de las variables independientes x e y en 𝑑𝑥 =

𝛥𝑥 𝑦 𝑑𝑦 = 𝛥𝑦
b) La diferencial de dz de la variable dependiente z es:

𝒅𝒛 = 𝒇𝒙(𝒙, 𝒚) 𝒅𝒙 + 𝒇𝒚(𝒙, 𝒚) 𝒅𝒚

𝒅𝒇 𝒅𝒇
o 𝒅𝒇(𝒙, 𝒚) = 𝒅𝒙 (𝒙, 𝒚) 𝒅𝒙 + 𝒅𝒚 (𝒙, 𝒚) 𝒅𝒚

Ejercicios

Sea la función f: 𝐷 ⊂ ℝ2 → ℝ definido por

𝒇(𝒙, 𝒚) = √𝟐𝟓 − 𝒙𝟐 − 𝒚𝟐 donde D=((𝒙𝟏 𝒚) ∈ 𝑹𝟐 ) 𝒙𝟐 + 𝒚𝟐 ≤

Hallar 𝑑𝑓(√3, √6)

1) Hallamos las derivadas parciales.

−2𝑥
𝑓𝑥(𝑥, 𝑦) =
2√25 − 𝑥 2 − 𝑦 2

𝒇(𝒙, 𝒚) = √𝟐𝟓 − 𝒙𝟐 − 𝒚𝟐

−2𝑦
𝑓𝑦(𝑥, 𝑦) =
2√25 − 𝑥 2 − 𝑦 2

2) Evaluamos en el punto (√3, √6) ∈ 𝑫

√3 √6
𝑓𝑥 (√3, √6) = − ; 𝑓𝑦(√3, √6) = −
4 4

22
 3) Reemplazamos en la definición de diferencial de f en el punto (√3, √6)

√3 √6
𝑑𝑓 (√3, √6) = − 𝑑𝑥 − 𝑑𝑦
4 4

En el segundo miembro, los símbolos de dx ,dy son variables ,digamos dx=h ,

dy= k .Entonces el segundo miembro es la aplicación lineal
√3 √6
𝑇 ∶ ℝ2 → ℝ 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑜 𝑝𝑜𝑟 𝑇(ℎ, 𝑘) = − ℎ − 𝑘
4 4

√3 √6
La matriz [− − es la derivada de f en (√3, √6),siendo esta también la
4 4

gradiente de f en (√3, √6)

XII) DIFERENCIABILIDAD

DEFINICIÓN 1

Sea la función f : 𝐷 ⊂ ℝ2 → ℝ ,D conjunto abierto

𝒇(𝒙, 𝒚)′′ es diferenciable en (𝒙𝟎 , 𝒚𝟎 ) ∈ 𝑫′′ si 𝜟𝒇(𝒙, 𝒚) se puede expresar en la forma:

𝜟𝒇(𝒙, 𝒚) = 𝒇𝒙 (𝒙𝟎 , 𝒚𝟎 )𝜟𝒙 + 𝒇𝒚 (𝒙𝟎, 𝒚𝟎 )𝜟𝒚 + 𝜺𝟏 𝜟𝒙 + 𝜺𝟐 𝜟𝒙

lim 𝜀1 = 0 , lim 𝜀2 = 0 ; donde (𝑥0 + 𝛥𝑥, 𝑦0 + 𝛥𝑦) ∈ 𝐷

(𝛥𝑥,𝛥𝑦)→(0,0) (𝛥𝑥,𝛥𝑦)→(0,0)

DEFINICIÓN 2

Sea la función 𝐷 ⊂ ℝ2 → ℝ ,D abierto .decimos que f′′ es diferenciable en

(𝑥0 , 𝑦0 ) ∈ 𝐷′′ si 𝑓𝑦 𝑦 𝑓𝑥 existen en (𝑥0 , 𝑦0 ) y si .

23
 |𝒇(𝒙,𝒚)−𝒇(𝒙𝟎 ,𝒚𝟎 )−[𝒇′𝒙 (𝒙𝟎 ,𝒚𝟎 )](𝒙−𝒙𝟎 )−[𝒇′𝒚(𝒙𝟎 ,𝒚𝟎 )](𝒚−𝒚𝟎 )|
𝐥𝐢𝐦 ‖(𝒙,𝒚)−(𝒙𝟎,𝒚𝟎)‖
=𝟎
(𝜟𝒙,𝜟𝒚)→(𝟎,𝟎)

EJERCICIO

𝟏
(𝟐𝒙𝟐 + 𝟑𝒚𝟐 ) 𝐬𝐢𝐧 (𝒙, 𝒚) ≠ (𝟎, 𝟎)
𝑭(𝒙, 𝒚) = { √𝒙𝟐 + 𝒚𝟐
𝟎(𝒙, 𝒚) = (𝟎, 𝟎)

Estudiar si f es diferenciable en un punto (a,b)

En cualquier punto (a,b)  (0,0) es diferenciable por ser composición y producto de

funciones diferenciables, con denominador no nulo.

Obtenemos las derivadas parciales:

𝟏
𝒇(𝒉, 𝟎) − 𝒇(𝟎, 𝟎) 𝟐𝒉𝟐 𝑺𝒆𝒏 − 𝟎 𝟐 𝒍𝒊𝒎 𝒉 𝒔𝒆𝒏 𝟏 = 𝟎
𝒇𝒙 (𝟎, 𝟎) = 𝒍𝒊𝒎 = 𝒍𝒊𝒎 𝑰 𝒉𝑰 = |𝒉 |
𝒉→𝟎 𝒉 𝒉→𝟎 𝒉
𝒉→𝟎

𝟏
𝒇(𝟎, 𝒌) − 𝒇(𝟎, 𝟎) 𝟑𝒌𝟐 𝑺𝒆𝒏 − 𝟎 𝟑 𝒍𝒊𝒎 𝒉 𝒔𝒆𝒏 𝟏 = 𝟎
𝒇𝒚 (𝟎, 𝟎) = 𝒍𝒊𝒎 = 𝒍𝒊𝒎 𝑰 𝒌𝑰 = |𝒌 |
𝒌→𝟎 𝒌 𝒉→𝟎 𝒌
𝒉→𝟎

Para que f sea diferenciable en (0,0) se necesita que el límite sea cero:

[𝑓 (ℎ, 𝑘 ) − 𝑓 (0,0)] − [ℎ𝑓𝑥′ (0,0) + 𝑘𝑓𝑦′ (0,0)] 2ℎ2 + 3𝑘 2 1

𝑙𝑖𝑚 = 𝑙𝑖𝑚 sen
(ℎ,𝑘)→(0,0) √ℎ2 + 𝑘 2 (ℎ,𝑘)→(0,0) √ℎ2 + 𝑘 2 √ℎ2 + 𝑘 2
=0

Efectivamente en coordenadas polares queda: Resulta f diferenciable en (0,0), y por lo

tanto en todo punto (a,b)

NOTA:a pesar de ser f diferenciable en el punto (0,0) las derivadas parciales no son
continuas en dicho punto.

24
XIII) CONCLUSIONES

 El gradiente guarda una relación con el vector direccional lo cual nos

permitirá conocer las tasas de cambio de una función sabiendo cual es el

máximo valor que puede tomar es el módulo de la gradiente con ello

podemos calcular las variaciones de temperatura de un objeto que este dado

por una función.

 El vector gradiente se usa principalmente en el electromagnetismo y en la

mecánica de fluidos, también se puede usar para calcular la variación de una

concentración. Es importante conocer estos conceptos en forma clara para

poder aplicarlos de manera correcta.

25
XIV) BIBLIOGRAFÍA

Hwei P.Hsu (1969) Análisis Vectorial. Addison-Wesley Iberoamerica:Michigan.

Claudio Pita Ruiz (1995) Cálculo Vectorial(1°Ed) Prentice Hall Hispanoamericana S.A:
Naucalpan de Juárez, Edo de México

Brand Louis (1959) Análisis Vectorial. Compañía. Editorial Continental S.A: Calzada
de Tlalpan, México 22, D.F.

Lázaro C. Moisés (2009). Análisis Matemático III: Cálculo Vectorial. Ed. Moshera
S.R.L:Lima, Perú

Colley, Susan J. (2013) Cálculo Vectorial(4°Ed). Pearson Education:México

Espinoza R. Eduardo (2000) Análisis Matemático III: Para estudiantes de Ingenierias y

Ciencias (3°Ed) Ed. Servicios gráficos J.J: Lima Perú.

Marsden, Jerrold E. y Tromba Anthony J (1991). Cálculo Vectorial(3°Ed) Addison-

Wesley Iberoamericana,S.A: Estados Unidos

Spiegel Murray R. , Lipschutz Seymour y Spellman Dennis.(2011) Análisis

Vectorial(2°Ed) McGraw-Hill Interamericana Editores S.A: México

26