Documentos de Académico
Documentos de Profesional
Documentos de Cultura
15 de septiembre de 2022
′ f (x) − f (a)
f (a) = lı́m .
x→a x −a
f (a + h) − f (a)
′
f (a) = lı́m .
h h→0
A lo largo de este capı́tulo emplearemos la definición que mejor se adapte a nuestros propósitos.
x sen(1/x) ̸ 0
x = Ejemplo.La función
Ejemplo La función ϕ(x) =
0 x =0 2
x sen(1/x) ̸ 0
x =
no es derivable en 0 ya que ϕ(x) = es derivable en 0
0 x =0
ya que
f (h) − f (0) 1
lı́m = lı́m sen . f (h) − f (0) 1
h→0 h h→0 h lı́m = lı́m h sen = 0.
h→0 h h→0 h
f (x) − f (a)
,
x −a
que se denomina cociente incremental o cociente de incrementos de la función f en el punto a, es la
pendiente de la recta secante a la curva y = f (x) pasando por los puntos (a, f (a)) y (x, f (x)).
2 Es posible utilizar otras notaciones, tanto para la derivada como para el lı́mite
Función derivada. Se define la función derivada de f , y se denota por f ′ o f (1) , como la función que asigna a
cada punto x el valor de la derivada de f en el dicho punto x.
′ ′ f (t) − f (x)
f : x ∈ C → f (x) = lı́m
t→x t−x
f (x) − f (x0 ) c −c
lı́m = lı́m =0 ∀x ∈ R.
x→x0 x − x0 x→x0 x − x0
Cálculo de derivadas
Teorema Sean f , g : I −→ R dos funciones derivables en un punto a ∈ I y λ un número real:
1 La suma f + g es derivable en a y además, la derivada de la suma es:
′ ′ ′
(f + g ) (a) = f (a) + g (a) .
2 El producto f · g es derivable en a y además, la derivada del producto es:
′ ′ ′
(f · g ) (a) = f (a) · g (a) + f (a) · g (a) .
3 El producto de una constante por una función λ · f es derivable en a y además, su derivada es:
′ ′
(λ · f ) (a) = λ · f (a) .
f
4 ̸ 0 entonces el cociente
Si g (a) = es derivable en a y además, la deriva del cociente es:
g
′
f f ′ (a)g (a) − f (a)g ′ (a)
(a) = .
g [g (a)]2
Regla de la cadena. Sea f una función derivable en un punto a y g derivable en b = f (a), entonces la función
compuesta g ◦ f es derivable en a y se verifica que:
′ ′ ′
(g ◦ f ) (a) = g (f (a))f (a) .
−1 ′ −1 ′ 1 1
(f ) (b) = (f ) (f (a)) = = ′ .
f ′ (f −1 (b)) f (a)
Ejemplo. Veamos a continuación una serie de ejemplos de cálculo de derivadas de funciones inversas.
f (x) = sen(x), definida en I = (−π/2, π/2) tiene inversa f −1 (y ) = arcsin(y ) = x definida en
J = (−1, 1), además, puesto que cos(x) > 0, ya que x ∈ (−π/2, π/2),
−1 ′ 1 1 1 1 1
(f ) (y ) = = = p = p = p ,
f ′ (x) cos(x) 1 − sen2 (x) 1 − sen2 (arcsin(y ) 1 − y2
−1 ′ 1 1 1 1
(f ) (y ) = = ′ = log(y ) = .
f ′ (x) f (log(y )) e y
Derivada de una función implı́cita. La ecuación F (x, y ) = 0 define implı́citamente a una función
x → f (x) = y , en I si, ∀x ∈ I , F (x, f (x)) = 0. En este caso, se tiene que:
Si f (x) y F (x, f (x)) son derivables, entonces la derivada f ′ (x) se puede calcular derivando F (x, f (x))
como una función compuesta e igualando a cero lo que resulte de derivar.
2 3 2 dy 2 2
Ejemplo. Consideremos la ecuación 6x y + 5y + 3x = 12 − x y y calculemos :
dx
2 dy 2 dy 2 2 dy
12xy + 6x · + 15y · + 6x = −2xy − 2x y · ,
dx dx dx
por lo tanto, despejando:
dy 12xy + 6x + 2xy 2
=− 2 .
dx 6x + 15y 2 + 2x 2 y
′ f ′ (x)
log(y ) = log(f (x)) ⇒ (log(f (x))) =
f (x)
y, por tanto,
′ ′
f (x) = f (x)(log(f (x))) .
f ′ (x)
log(f (x)) = x log(x) ⇒ = log(x) + 1,
f (x)
de donde f ′ (x) = x x (1 + log(x)).
Tabla de las derivadas más comunes.
TABLA DE DERIVADAS
Función Derivada Condiciones
α 0 α∈R
xα αx α−1 x >0, α∈R
ex ex x ∈R
ax ax log(a) x ∈ R,a > 0
log(x) 1/x x >0
loga (x) 1/(x log(a)) x > 0 a > 0 a ̸= 1
sen(x) cos(x) x ∈R
cos(x) − sen(x) x ∈R
π
tan(x) 1/ cos2 (x) = 1 + tan2 (x) x ̸= + kπ, k ∈ Z
√ 2
arcsen(x) 1/ √ 1 − x2 −1 < x < 1
arc cos(x) −1/ 1 − x 2 −1 < x < 1
arctg(x) 1/(1 + x 2 ) x ∈R
Teorema Sean f : I ⊂ R −→ R tal que f ′ (x0 ) > 0, entonces, f es estrictamente creciente en un entorno de x0
(análogo para f ′ (x0 ) < 0, la función es estrictamente decreciente).
Ejemplo. Lo contrario no es cierto, es decir, no es necesario que f ′ (x0 ) > 0 para que f sea creciente en un
entorno de x0 . La función f (x) = x 3 es tal que f ′ (0) = 0 y, además, es creciente.
Teorema. Sea x0 un punto interior del intervalo I en el cual f : I ⊂ R → R es derivable. Entonces, si f tiene en
x0 un extremo relativo, se tiene que f ′ (x0 ) = 0.
4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 10 / 78
Funciones crecientes y decrecientes. Extremos relativos
Ejemplo. Determinemos las dimensiones del cilindro con mayor volumen con superficie k.
Sea R el radio de la base del cilindro y h la altura. La superficie total del cilindro viene dada por:
2
S = 2πRh + 2πR = 2πR(R + h),
que tiene que ser constante e igual a k. Por lo tanto, despejando la altura del cilindro:
k − 2πR 2
. h=
2πR
Ahora, el volumen de un cilindro puede ser calculado mediante la siguiente fórmula:
k − 2πR 2
2 Rk − 2πR 3
2
V = πR h = πR = .
2πR 2
Calculemos los extremos relativos de la función volumen que sólo depende de R (k es constante).
k − 6πR 2 ′
V (R) =
2
ahora, si igualamos a cero y resolvemos la ecuación algebraica resultante:
r
k
R = .
6π
q
k
Se puede comprobar analizando el crecimiento y decrecimiento de la función V (R) en un entorno de 6π , que
q
k
V (R) tiene un máximo en 6π . Por lo tanto, las dimensiones del cilindro con volumen máximo serán:
r
k
R = , h = 2R.
6π
f ′ (x) − f ′ (x0 ) ′′
lı́m
= f (x0 ),
x − x0 x→x0
diremos que f tiene en x0 derivada segunda o derivada de orden 2.
Derivadas de orden superior. Sea en general
k k−1
e = {x ∈ e / f tiene derivada de orden k − 1 en x}.
Dado x0 ∈ en−1 . Si existe el siguiente lı́mite:
f (x) = (x 1)2 (x + 1)
f ′′ (x) = 6x − 2.
▶ f ′′ (− 13 ) = −4. n = 2 es par y f (n) (− 13 ) < 0, entonces x0 = − 31 es máximo relativo.
▶ f ′′ (1) = 4. n = 2 es par y f (n) (1) > 0, entonces x0 = 1 es mı́nimo relativo.
Función convexa. Diremos que una función f : (a, b) ⊂ R −→ R diferenciable en un punto x0 es convexa en el
punto x0 si los valores de la tangente a la curva en el punto x0 son menores que los valores de la función:
Ejemplo. Consideremos la función f (x) = x 2 , gráficamente, esta función presenta el siguiente aspecto:
f (x) = x2
Observamos que las rectas tangentes a la gráfica siempre se encuentran por debajo de la gráfica de la función:
′ 2 2 2 2
t(x) = f (x0 ) + f (x0 )(x − x0 ) = x0 + 2x0 (x − x0 ) = x0 + 2xx0 − 2x0 = 2xx0 − x0 .
Ahora bien:
2 2 2 2 2
t(x) = 2xx0 − x0 ≤ x + x0 − x0 = x = f (x).
El valor de la recta tangente en un punto siempre es menor que el valor de la función en dicho punto.
1
4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 16 / 78
Derivadas de orden superior
Ejemplo. Consideremos la función f (x) = 1 − x 2 , gráficamente, dicha función presenta el siguiente aspecto:
f (x) = 1 x2
Observamos que las rectas tangentes a la curva siempre quedan por encima de la gráfica de la función:
′ 2 2 2 2
t(x) = f (x0 ) + f (x0 )(x − x0 ) = 1 − x0 − 2x0 (x − x0 ) = 1 − x0 − 2xx0 + 2x0 = 1 − (2xx0 − x0 ).
Ahora bien:
2 2 2 2 2
t(x) = 1 − (2xx0 − x0 ) ≥ 1 − (x + x0 − x0 ) = 1 − x = f (x).
El valor de la recta tangente a la función en el punto x0 está por encima del valor de la función.
Punto de inflexión. Diremos que f : (a, b) ⊂ R → R tiene un punto de inflexión en el punto x0 ∈ (a, b) si la
gráfica de la tangente a la función en ese punto atraviesa la gráfica de la curva.
Ejemplo. Consideremos la función f (x) = x 3 /10 − x, gráficamente, dicha función presenta el siguiente aspecto:
t(x) = x
Convexa
Observamos que la recta tangente en x0 = 0 atraviesa a la gráfica de la función, esto es, estamos ante un punto
de inflexión.
Ejemplo. f (x) = x 2 es tal que f ′ (x) = 2x, f ′′ (x) = 2, ∀x ∈ R, por lo tanto, es convexa en todos los puntos
de su dominio de definición.
Ejemplo. f (x) = 1 − x 2 es tal que f ′ (x) = −2x, f ′′ (x) = −2, ∀x ∈ R, por lo tanto, estamos ante una
función cóncava.
Teoremas fundamentales del cálculo diferencial Teoremas fundamentales del cálculo diferencial.
f 0 (c) = 0
f (a) = f (b)
a c b
Observación. Bajo las hipótesis del teorema anterior, puede haber más de un punto en el cual la derivada se
Observación. Bajo las hipótesis del teorema anterior, puede haber más de un punto en el cual la derivada se
anula. Por ejemplo, si consideramos la función sen(x) en el intervalo [0, 2⇡], se tiene que:
Sesión 18. Cálculo diferencial de funciones de una variable. Cálculo I Curso 2014-2015. 24 de octubre de 2014 9/1
anula. Por ejemplo, si consideramos la función sen(x) en el= 0intervalo [0, 2π], se tiene
sin(0) = sin(2⇡) (1) que:
y su derivada cumple que:
por lo tanto, en base al teorema de Rolle, no puede existir otra raı́z de la ecuación. Esto es, si existiera c̃ 6= c tal
que f (c̃) = 0, entonces, por el teorema de Rolle, existirı́a un punto en el intervalo (mı́n{c̃, c}, máx{c̃, c}) en el
4. Cálculo diferencial de una y varias cual
variables. Cálculo
la derivada de anuları́a, pero esto no puede ser ya que f 0 (x)1.> 0 para todos los puntos de la recta real. 15 de septiembre de 2022 20 / 78
Teoremas fundamentales del cálculo diferencial
(b, f (b))
0 f (b) f (a)
f (c) =
b a
(a, f (a)) c
Ejemplo Veamos como podemos emplear el Teorema del Valor Medio del Cálculo Diferencial para demostrar
que | sen(x) sen(y )| |x y |, 8x, y 2 R. En efecto, sabemos, por el TVMCD que, puesto que la función
sen(x) es diferenciable, dados dos puntos x, y (supongamos, sin pérdida de generalidad, que x < y )
4. Cálculo diferencial de una y varias variables.
cualesquiera, existe un punto x0 2 (x, y ) tal que:Cálculo 1. 15 de septiembre de 2022 21 / 78
Teoremas fundamentales del cálculo diferencial
Ejemplo Veamos que | sen(x) − sen(y )| ≤ |x − y |, ∀x, y ∈ R empleando el TVMCD. Se tendrá, supuesto que
x < y , que existe x0 ∈ (x, y ) tal que:
∞
2 Indeterminaciones del tipo ∞ .
f ′ (x) f (x)
lı́m f (x) = ∞, lı́m g (x) = ∞, lı́m ′ = ℓ ⇒ lı́m = ℓ.
x→x0 x→x0 x→x0 g (x) x→x0 g (x)
Ejemplo. Veamos una serie de ejemplos en los que podemos aplicar la regla de l’Hôpital:
1
log(x) x
lı́m x · log(x) = lı́m 1
= lı́m −1
= lı́m −x = 0
x→0+ x→0+ x x→0+ x→0+
x2
x2 x2
e −1 2xe x x2
lı́m = lı́m = 2 lı́m lı́m e = 2 · 1 · 1 = 2.
x→0 1 − cos(x) x→0 sen(x) x→0 sen(x) x→0
1
ln x 1
lı́m = lı́m x = lı́m = 0.
x→∞ x x→∞ 1 x→∞ x
Teorema de Taylor
Polinomio de Taylor. Sea f : I ⊂ R → R n veces derivable en un punto x0 ∈ I . Se denomina polinomio de
Taylor de grado n de f en x0 a:
Ejemplo. Dada f (x) = sen(x), se tendrá que que el polinomio de Taylor centrado en x0 = 0 será:
− sen(0) 2 − cos(0) 3 x3
P3,0 (x) = sen(0) + cos(0) x + x + x =x− .
2! 3! 6
Caso n = 5, en este caso:
x3 x5
= =x− + .
6 120
Los polinomios de orden impar n = 2k + 1 de la función sen(x) centrados en x0 = 0, con k ∈ N, coinciden con
los de orden par n = 2k.
4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 23 / 78
Teorema de Taylor
A medida que aumentamos el grado, el polinomio resultante estará más próximo a la función:
Observación El polinomio de Taylor Pn,x0 (x) de orden n relativo a la función f (x) centrado en el punto x0 es
tal que f (x0 ) = Pn,x0 (x0 ). Además también coinciden los valores de las sucesivas derivadas hasta el orden n:
(k) (k)
f (x0 ) = Pn,x (x0 ), ∀k = 0, 1, . . . , n.
0
Resto n-ésimo de Taylor. Sea f (x) una función tal que existe Pn,x0 (x). A la expresión f (x) − Pn,x0 (x) se la
denomina resto o residuo n-ésimo del polinomio de Taylor, y se denota por Rn,x0 (x).
Existen diferentes formas de calcular el resto de Taylor de una función f (x) que requieren un análisis más
profundo de la función f (x). Una de las opciones es la fórmula de Lagrange para el polinomio de Taylor
f (4) (ξx ) 4
R3,0 (x) = x ,
4!
donde ξx ∈ (0, 1). Se tendrá que:
(4) x 1
f (x) = e ≤ e ∀x ∈ [0, 1],
ya que la función e es monótona creciente en el intervalo [0, 1]. Por lo tanto, puesto que x 4 ≤ 1 ∀x ∈ [0, 1],
x
e
R3,0 (x) ≤
4!
Intentemos obtener el grado mı́nimo del polinomio de Taylor para, por ejemplo, alcanzar una precisión de 10−5
(el error que cometemos al aproximar la función por el polinomio debe ser menor que 10−5 ).
e
En el intervalo [0, 1], el resto n-ésimo se puede acotar por , por lo tanto tenemos que obtener un
(n + 1)!
n ∈ N tal que
e −5
Rn,0 (x) ≤ < 10 ,
(n + 1)!
es decir, e · 105 < (n + 1)!. Se tiene que 8! = 40320 y que 9! = 362880. Ası́, para n = 8, el polinomio de
Taylor de grado 8 en x = 0, aproxima e con una precisión de 10−5 , de hecho:
Serie de Taylor. Una serie de Taylor es un desarrollo en serie de una función alrededor de un punto de la
siguiente forma:
′′′
′ f ′′ (x0 ) 2 f (x0 ) 3
f (x0 ) + f (x0 )(x − x0 ) + (x − x0 ) + (x − x0 ) + · · ·
2! 3!
∞
X f (k) (x0 )
f (n) (x0 ) n k
+ (x − x0 ) + · · · = f (x0 ) + (x − x0 ) ,
n! k=1
k!
cuando x0 = 0 la serie de Taylor anterior también se llama serie de Mac Laurin.
El teorema de Taylor establece que cualquier función que satisface unas determinadas condiciones puede ser
expresada en forma de serie de Taylor.
Podemos dar estas condiciones en función del resto de Taylor de la siguiente forma:
Supongamos que f (x) tiene n + 1 derivadas continuas en un entorno de x0 . Entonces, para todo x del entorno:
" n
#
X f (k) (x0 ) k
f (x) = f (x0 ) + (x − x0 ) + Rn,x0 (x),
k=1
k!
donde el sumando Rn,x0 (x) es el error que puede ser expresado empleando la fórmula del resto de Lagrange.
Con estas notaciones tenemos que la serie infinita de Taylor converge a la función f (x),
∞
X f (k) (x0 ) k
f (x) = f (x0 ) + (x − x0 )
k=1
k!
si y solamente si,
ξx x n+1
Rn,0 (x) = e , ξx ∈ (0, x).
(n + 1)!
Ahora bien, dado cualquier x ∈ R, se tiene, empleando las convergencias básicas, que:
ξx x n+1
lı́m e = 0.
n→∞ (n + 1)!
Por lo tanto,
∞
X xk
ex = , ∀x ∈ R,
k=0
k!
∞
X
a n
= ax , ∀x ∈ (−1, 1),
1−x n=0
∞
X (−1)k 2k+1
sen(x) = x , ∀x ∈ R,
k=0
(2k + 1)!
∞
X (−1)n 2n
cos(x) = x , ∀x ∈ R.
k=0
(2n)!
El método de Newton-Raphson
La idea del método de Newton-Raphson consiste realizar aproximaciones sucesivas de la solución de la ecuación
f (x) = 0 empleando las raı́ces de la recta tangente a la función f (x) en cada uno de los puntos calculados.
Descripción del método.
Iteración 1. Denotemos por r0 (x) la recta tangente a la función f (x) en el punto x0 ,
′
r0 (x) = f (x0 ) + f (x0 )(x − x0 )
y sea x1 el punto de corte de la recta tangente con el eje x (r0 (x1 ) = 0):
f (x0 )
r0 (x1 ) = 0 ⇔ x1 = x0 − .
f ′ (x0 )
Iteración 2. Repetimos el paso anterior. Denotemos por r1 (x) la recta tangente a la función f (x) en el
punto x1 ,
′
r1 (x) = f (x1 ) + f (x1 )(x − x1 )
y sea x2 el punto de corte de la recta tangente con el eje x (r1 (x2 ) = 0):
f (x1 )
r1 (x2 ) = 0 ⇔ x2 = x1 − .
f ′ (x1 )
Iteración n. Denotemos por rn−1 (x) la recta tangente a la función f (x) en el punto xn−1 ,
′
rn−1 (x) = f (xn−1 ) + f (xn−1 )(x − xn−1 )
y sea xn el punto de corte de la recta tangente con el eje x (rn−1 (xn ) = 0):
f (xn−1 )
rn−1 (xn ) = 0 ⇔ xn = xn−1 − .
f ′ (xn−1 )
f (x0 ) 3−e
x1 = x0 − =1− = 0.
f ′ (x0 ) 3−e
Iteración 2. Calculemos el punto de intersección de la recta tangente en x1
(r1 (x) = f (x1 ) + f ′ (x1 )(x − x1 )) con el eje x:
f (x1 ) −1 1
$¡MDVMP * x2 = x1 − ′ =0− =
f (x1 ) 3−1 2
$FOUSP 6OJWFSTJUBSJP EF MB %FGFOTB
Gráficamente:
৽2 ৽3 ৽1
৬ )৽* > 4৽ Ҥ f৽
4VQPOHBNPT RVF RVFSFNPT DBMDVMBS MB TPMVDJ³O DPO VOB QSFDJTJ³O EF TFJT EFDJNBMFT
WFBNPT DVBOUBT JUFSBDJP
OFT EFCFNPT IBDFS FO FTUF DBTP
4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 31 / 78
El método de Newton-Raphson
Supongamos que queremos calcular la solución con una precisión de seis decimales, veamos cuantas iteraciones
debemos hacer en este caso:
Iteración Valor aproximado Iteración Valor Aproximado
1 0 2 0,5
3 0.610059654958962 4 0.61899677974154
5 0.619061283355313 6 0.619061286735945
∂f (a)
Dv f (a) ≡
∂v
al valor del siguiente lı́mite, en el caso se que exista,
f (a + tv) − f (a)
Dv f (a) = lı́m .
t→0 t
2 2 2 2
a b cos(tb) + b a cos(ta) a b+b a
lı́m = .
t→0 a2 + b 2 a2 + b 2
Observación. Una función f puede tener derivadas direccionales en un punto y no ser continua. Por ejemplo:
xy 2
2
f : (x, y ) ∈ R → f (x, y ) = 2 + y4
, (x, y ) ̸= (0, 0),
x
0, si(x, y ) = (0, 0),
no es continua en el (0, 0) y, sin embargo, existen las derivadas direccionales en (0, 0) ∀v ∈ R2 :
Derivadas parciales
Derivadas parciales. Sea f : A ⊂ Rn → R y a ∈ A. Diremos que f es derivable parcialmente con respecto a la
variable k-ésima en el punto a si existe el siguiente lı́mite:
f (a + tek ) − f (a)
lı́m,
t t→0
donde ek ∈ R es el k-ésimo vector de la base canónica. Si el lı́mite anterior, lo denotaremos por:
n
∂f (a)
≡ ∂xk f (a) = Dk f (a).
∂xk
Observación. En el caso particular en el que n = 2, se tiene que:
f (a1 + t, a2 ) − f (a1 , a2 )
lı́m .
t→0 t
f (a1 , a2 + t) − f (a1 , a2 )
lı́m .
t→0 t
f (0 + t, 0) − f (0, 0) t2
lı́m = lı́m = 0.
t→0 t t→0 t
2 La derivada parcial con respecto a y en (0, 0):
f (0, 0 + t) − f (0, 0)
lı́m = 0.
t→0 t
Observación. Para obtener la derivada parcial (respecto a la i-ésima variable xi , cualquiera) son aplicables las
reglas de la derivación de funciones de una variable (las variables que no se derivan se tratan como constantes)
2 2 3
f (x, y ) = x + y + 2xy ,
derivamos la expresión con respecto a x suponiendo que la y es un parámetro:
∂f 3
(x, y ) = 2x + 2y
∂x
y para calcular la segunda derivada parcial, derivamos la expresión con respecto a y , suponiendo que la x es un
parámetro:
∂f 2
(x, y ) = 2y + 6xy .
∂y
Para cualquier punto (x, y ) ̸= (0, 0), podemos Para el punto (0, 0) tenemos que emplear la
emplear las reglas habituales de derivación: definición:
∂f y (x 2 + y 2 ) − 2x 2 y ∂f f (0 + t, 0) − f (0, 0)
(x, y ) = , (0, 0) = lı́m = 0.
∂x (x 2 + y 2 )2 ∂x t→0 t
∂f x(x 2 + y 2 ) − 2xy 2 ∂f f (0, 0 + t) − f (0, 0)
(x, y ) = . (0, 0) = lı́m = 0.
∂y (x 2 + y 2 )2 ∂y t→0 t
Por lo tanto,
y (x 2 + y 2 ) − 2x 2 y
x(x 2 + y 2 ) − 2xy 2
∂f (x, y ) ̸= (0, 0) ∂f (x, y ) ̸= (0, 0)
(x, y ) = (x 2 + y 2 )2 (x, y ) = (x 2 + y 2 )2
∂x
∂y
0 (x, y ) = (0, 0) 0 (x, y ) = (0, 0)
Observaciones
Existen las deriadas parciales de la función anterior en el (0, 0) y, sin embargo, la función no es continua
en dicho punto
Una función escalar con dominio contenido en Rn tiene, como mucho, n derivadas parciales.
Ejemplo. Dada la función escalar f : (x, y , z) ∈ R3 −→ f (x, y , z) = cos(xy + z), tenemos que:
∂f (x, y , z)
1 = −y sen(xy + z),
∂x
∂f (x, y , z)
2 = −x sen(xy ) + z,
∂y
∂f (x, y , z)
3 = − sen(xy + z).
∂z
Por lo tanto:
Observación. Dado un campo escalar f para el cual podamos calcular su vector gradiente en un punto a ∈ R2
de forma que ∇f (a) =
̸ 0, se tiene que ∇f (a) apunta en la dirección en la cual f crece más rápidamente.
Matriz de Jacobi
Matriz de Jacobi. Sea f : A ⊂ Rn → Rm y a ∈ A, definidmos la matriz de Jacobi de f en a como:
∂f1 (a) ∂f1 (a) ∂f1 (a)
...
∂x1 ∂x2 ∂xn
∂f (a) ∂f2 (a) ∂f2 (a)
2
...
∂x1 ∂x2 ∂xn
Jf(a) = D1 f(a) D2 f(a) ... Dn f(a) = ∈ Mm×n .
. . . .
. . . .
. . . .
∂fm (a) ∂fm (a) ∂fm (a)
...
∂x1 ∂x2 ∂xn
Donde Dk f(a) ∈ Rm , k = 1, . . . , n, es el siguiente vector columna:
∂f1 (a)
∂f∂x(a)
k
2
∂xk
Dk f(a) = .
.
.
.
∂f (a)
m
∂xk
Observación. Puesto que la matriz de Jacobi está compuesta por las derivadas parciales de cada una de las
componentes de f, el cálculo de las entradas de dicha matriz se realiza empleando las reglas comunes de
derivación (ver el siguiente ejercicio).
Se tiene que:
∂f (a) ∂f1 (a)
1 2x 2y
∂x ∂y
x2 + y2 + 1 x2 + y2 + 1
∂f (a) ∂f2 (a)
2 y 2 +x y 2 +x
Jf(a) = = e 2y e
∂x ∂y
∂f (a) ∂f (a) 2 2 2 2 2
3 3 y tan x y +1 2x y tan x y +1
∂x ∂y
f (a + h) − f (a) − ∇f (a)h
lı́m = 0.
h→0 ∥h∥
h ∈ Rn
Ahora bien:
2 h2
h1 2
f (h1 , h2 ) − f (0, 0) − ∇f (0, 0)h h2 +h2 h2 h2
= 1 2 = 1 23 ,
∥h∥ ∥h∥ ∥h∥
gráficamente la función escalar asociada al cociente anterior se comporta de la siguiente forma:
Veamos que, efectivamente, el lı́mite cuando h tiende a (0, 0) de la función escalar asociada al cociente es cero:
h12 h22
0≤ ≤ ∥h∥,
∥h∥3
se sigue el resultado deseado.
Ejemplo. La existencia de las derivadas parciales no es suficiente para que la función sea diferenciable:
xy 2
2
f : (x, y ) ∈ R −→ f (x, y ) = 2 + y2
, (x, y ) ̸= (0, 0),
x
0, (x, y ) = (0, 0).
Veamos la existencia de las derivadas parciales:
f (0 + t, 0) − f (0, 0)
Primera parcial, lı́m = 0.
t→0 t
f (0, 0 + t) − f (0, 0)
Segunda parcial, lı́m = 0.
t→0 t
Veamos que la aplicación no es diferenciable:
h1 h22 x3
lı́m = lı́m 3
,
h→0 ∥h∥3 x→0
(2 x 2 ) 2
h ∈ {(x, y ) ∈ R2 : x = y }
pero:
√ √
x3 2 x3 2
lı́m 3
= ̸= lı́m 3
=− .
x→0+ (2 x 2 ) 2 4 x→0− (2 x 2 ) 2 4
Observación. El recı́proco no es cierto en general, ya que, por ejemplo, la siguiente aplicación es diferenciable
(derivable) en el 0 y, sin embargo, su derivada no es continua en el 0:
2 1
x sen , x = ̸ 0,
f : x ∈ R −→ f (x) = x
0 x = 0.
Conclusión
⇒ ⇒
Derivadas parciales continuas Diferenciabilidad Existencia de derivadas parciales.
⇍ ⇍
∂f f (0 + t, 0) − f (0, 0)
(0, 0) = lı́m = 0,
∂x t→0 t
∂f f (0, 0 + t) − f (0, 0)
(0, 0) = lı́m = 0.
∂y t→0 t
Existen las derivadas parciales.
3 Diferenciabilidad. Comprobemos si se cumple la condición necesaria de diferenciabilidad (continuidad de
las derivadas parciales).
Para cualquier punto (x, y ) ̸= (0, 0), podemos calcular las derivadas parciales por simple derivación:
∂f 2 x y2 2 x3 y2
(x, y ) = 2 − ,
∂x x + y2 (x 2 + y 2 )2
∂f 2 x2 y 2 x2 y3
(x, y ) = 2 − .
∂y x +y 2 (x 2 + y 2 )2
Veamos a continuación si son continuas. Para la primera parcial, si realizamos el cambio a polares y
tomamos el lı́mite cuando ρ tiende a cero:
2 3 2
lı́m ρ cos(θ) sen(θ) − 2ρ cos(θ) sen(θ) = 0,
ρ→0
independiente y uniformemente en θ, por lo tanto, la segunda parcial es continua. Al ser las dos derivadas
parciales continuas, la función será diferenciable.
Ejemplo. Consideremos
2 2 2 y z x
f(x, y , z) = x ,y ,z , g(x, y , z) = , y .
x y z
t
Calculemos J < f, g > (x, y , z)h, siendo h = (1, 1, 1) . Por un lado,
2x 0 0 2x
Jf(x, y , z) = 0 2y 0 ⇒ Jf(x, y , z)h = 2y ,
0 0 2z 2z
2 2
−y /x 1/x 0 1/x − y /x
Jg(x, y , z) = −z/y
2 ⇒ Jg(x, y , z)h = 2 .
0 1/y 1/y − z/y
2 2
1/z 0 −x/z 1/z − x/z
Por lo tanto:
Ejemplo. Consideremos:
2 2 2 2
f (x, y , z) = x + y + z y g (x, y , z) = x + 1.
Empleando la regla del cociente:
g (x, y , z)Jf (x, y , z) − f (x, y , z)∇g (x, y , z)
f
J g (x, y , z) =
g 2 (x, y , z)
Xm
∂(g ◦ f)i ∂gi (f(a)) ∂fk (a)
= .
∂xj k=1
∂xk ∂xj
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ
= + .
∂y ∂ρ ∂y ∂θ ∂y
2 2 2
Ahora, ρ = x + y y tan(θ) = y /x, por lo tanto:
∂ρ ∂ρ ∂ρ ∂ρ
2ρ = 2x ⇒ = cos(θ), 2ρ = 2y ⇒ = sen(θ),
∂x ∂x ∂y ∂y
1 ∂θ y ∂θ sen(θ) 1 ∂θ 1 ∂θ cos(θ)
=− 2 ⇒ =− , = ⇒ = .
cos(θ)2 ∂x x ∂x ρ cos(θ)2 ∂y x ∂y ρ
Con lo cual:
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ sen(θ) ∂ϕ
= + = cos(θ) − ,
∂x ∂ρ ∂x ∂θ ∂x ∂ρ ρ ∂θ
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ cos(θ) ∂ϕ
= + = sen(θ) + .
∂y ∂ρ ∂y ∂θ ∂y ∂ρ ρ ∂θ
Por lo tanto:
∂ϕ ∂ϕ sen(θ) ∂ϕ ∂ϕ cos(θ)
∇ϕ = cos(θ) − e1 + sen(θ) + e2
∂ρ ∂θ ρ ∂ρ ∂θ ρ
∂ϕ 1 ∂ϕ
= (cos(θ)e1 + sen(θ)e2 ) + (− sen(θ)e1 + cos(θ)e2 ) .
∂ρ ρ ∂θ
∂ϕ 1 ∂ϕ
eρ +
= eθ ,
∂ρ ρ ∂θ
donde eρ y eθ son, respectivamente, los vectores normal asociados al sistema de coordenadas polares:
eρ = + cos(θ)e1 + sen(θ)e2
eθ = − sen(θ)e1 + cos(θ)e2
Si para todo i, j = 1, . . . , n existe Dj (Di f)(x), diremos que f tiene derivadas parciales de segundo orden
en x y denotaremos por:
x2y
f (x, y ) = e
∂f (x, y ) x2 y
D1 f (x, y ) = = 2x y e
∂x
∂f (x, y ) 2 x2 y
D2 f (x, y ) = =x e .
∂y
2 Derivadas parciales de segundo orden:
∂ ∂f (x, y ) ∂2 x2 y 2 2 x2 y
D1,1 f (x, y ) = = f (x, y ) = 2 y e + 4x y e
∂x ∂x ∂x 2
∂ ∂f (x, y ) ∂2 4 x2 y
D2,2 f (x, y ) = = f (x, y ) = x e .
∂y ∂y ∂y 2
∂ ∂f (x, y ) ∂2 x2 y 3 x2 y
D2,1 f (x, y ) = = f (x, y ) = 2 x e + 2x y e .
∂y ∂x ∂y ∂x
∂ ∂f (x, y ) ∂2 x2 y 3 x2 y
D1,2 f (x, y ) = = f (x, y ) = 2 x e + 2x y e .
∂x ∂y ∂x∂y
Observamos que las derivadas segundas cruzadas D2,1 f (x, y ) y D1,2 f (x, y ) son iguales.
Matriz de Hesse
Matriz de Hesse. Sea f : A ⊂ Rn → R una función escalar. Si existen las derivadas parciales de segundo orden
de f en z0 , definimos la matriz de Hesse de f en z0 (o matriz hessiana de f en z0 ):
D1,1 f (z0 ) D1,2 f (z0 ) ... D1,n f (z0 )
D f (z ) D2,2 f (z0 ) ... D2,n f (z0 )
2,1 0
Hf (z0 ) =
. . .. .
. . . .
. . .
Dn,1 f (z0 ) Dn,2 f (z0 ) ... Dn,n f (z0 )
∂2 ∂2
D1,1 f (x, y , z) = f (x, y , z) = 0, D1,2 f (x, y , z) = f (x, y , z) = z ey z ,
∂x∂x ∂x∂y
∂2 ∂2
D1,3 f (x, y , z) = f (x, y , z) = y ey z , D2,1 f (x, y , z) = f (x, y , z) = z ey z ,
∂x∂z ∂y ∂x
∂2 ∂2
D2,2 f (x, y , z) = f (x, y , z) = x z 2 ey z , D2,3 f (x, y , z) = f (x, y , z) = ey z (x + x y z )
∂y ∂y ∂y ∂z
∂2 ∂2
D3,1 f (x, y , z) = f (x, y , z) = y ey z , D3,2 f (x, y , z) = f (x, y , z) = ey z (x + x y z)
∂z∂x ∂z∂y
∂2
D3,3 f (x, y , z) = f (x, y , z) = x y 2 ey z
∂z∂z
Por lo tanto
0 z ey z y ey z
Hf (x, y , z) = z ey z x z 2 ey z x ey z + x y z ey z
y ey z x e y z + x y z ey z x y 2 ey z
Observación. A la vista de la matriz obtenida, observamos que ésta es simétrica. çEnunciemos a continuación
una condición suficiente que nos garantice que la matriz de Hesse sea simétrica, esto es:
∂2 ∂2
f (z0 ) = f (z0 )
∂xi ∂xj ∂xj ∂xi
Teorema de Schwartz. Sea f : Rn −→ Rm una función vectorial definida en la bola abierta B(z0 , r ) y sea
z0 ∈ A. Si f ∈ C 1 (A) y dados i, j ∈ {1, . . . , n} existe Di,j f en A y es continua en z0 , entonces existe Dj,i f(z0 )
y además se cumple que:
h1 h1
h2 h2
1
P2,f ,(x,y ) (x + h1 , y + h2 ) = f (a) + ∇f (a) . + 2 (h1 , h2 , . . . , hn ) Hf (a) .
.. ..
hn hn
= h2 h1 ex+y −5 + y ex+y −5 + h2 2 ex+y −5 + y ex+y −5
+h2 ex+y −5 + y ex+y −5
+ h1 h2 ex+y −5 + y ex+y −5 + h1 y ex+y −5
+y e x+y −5 + h1 y ex+y −5 .
Observación. El polinomio de Taylor de primer grado es el plano tangente a una función esacalar. Dada
f : R2 → R, el polinomio de Taylor de primer grado centrado en un punto (x0 , y0 )
∂f (x0 , y0 ) ∂f (x0 , y0 )
P1,f ,(x0 ,y0 ) (x, y ) = f (x0 , y0 ) + (x − x0 ) + (y − y0 ),
∂x ∂y
es el plano tangente al grafo de la aplicación f en el punto (x0 , y0 ).
x4 + y4
f (x, y ) = .
x2 + y2
Las derivadas parciales son las siguientes:
∂f (x, y ) 4x 3 (x 2 + y 2 ) − 2x(x 4 + y 4 )
= ,
∂x (x 2 + y 2 )2
∂f (x, y ) 4y 3 (x 2 + y 2 ) − 2y (x 4 + y 4 )
= ,
∂y (x 2 + y 2 )2
al evaluarlas en el punto (1, 1) nos quedan:
∂f (1, 1) ∂f (1, 1)
= 1, = 1.
∂x ∂y
Por lo tanto, el plano tangente será t(x, y ) = 1 + 1 · (x − 1) + 1 · (y − 1) = x + y − 1. Gráficamente:
Extremo relativo. Sea f : B ⊂ Rn → R un campo escalar. Diremos que f tiene en x0 ∈ B un máximo relativo
(respectivamente un mı́nimo relativo), si existe R > 0 tal que f (x) ≤ f (x0 ) (respectivamente, f (x) ≥ f (x0 )),
∀x ∈ B(x0 , R) ∩ B.
Extremo relativo estricto. Sea f : B ⊂ Rn → R un campo escalar. Diremos que f tiene en x0 ∈ B un máximo
relativo estricto (respectivamente un mı́nimo relativo estricto), si existe R > 0 tal que f (x) < f (x0 )
(respectivamente, f (x) > f (x0 )), ∀x ∈ B(x0 , R) ∩ B, con x ̸= x0 .
Condición necesaria de primer orden para la existencia de extremos relativos. Sea f : A ⊂ Rn → R una
función escalar. Si f tiene un estremo relativo en x0 y f es diferenciable en x0 , entonces ∇f (x0 ) = 0 ∈ Rn .
Observación. Como ya vimos en el caso escalar, el recı́proco del teorema anterior no es cierto: la función
f (x) = x 3 tiene derivada nula en el punto x0 = 0, a pesar de que no presenta un extremo en dicho punto.
Con la intención de dar una extensión a la conocida propiedad sobre extremos de funciones reales de una
variable real dos veces derivables, introducimos los conceptos de matriz (semi-)definida positiva y negativa.
Definición. Sea A ∈ Mn×n una matriz simétrica.
1 Diremos que A es una matriz definida positiva si ht Ah > 0 ∀h ∈ Rn , h ̸= 0.
2 Diremos que A es una matriz semi-definida positiva si ht Ah ≥ 0 ∀h ∈ Rn .
3 Diremos que A es una matriz definida negativa si ht Ah < 0 ∀h ∈ Rn , h ̸= 0.
4 Diremos que A es una matriz semi-definida negativa si ht Ah ≤ 0 ∀h ∈ Rn .
Condición necesaria de segundo orden par la existencia de extremos. Sea f : A ⊂ Rn → R una función
escalar. Dado x0 ∈ A, si f ∈ C 2 (B(x0 , R)), para algún R > 0, y f tiene un mı́nimo relativo (máximo relativo)
en x0 , entonces la matriz de Hesse de f en x0 es semi-definida positiva (semi-definida negativa).
Observación. La condición anterior es necesaria, pero, en general, no es suficiente. Por ejemplo, la aplicación:
2 2 2
f : (x, y ) ∈ R −→ f (x, y ) = x y + y ∈ R
cumple que:
2 2y 2x
∇f (x, y ) = (2xy , x + 2y ), Hf (x, y ) = .
2x 2
Por lo tanto,
0 0
Hf (0, 0) =
0 2
es una matriz semi-definida positiva
ya que
0 0 h1 2
(h1 , h2 ) = 2h2 ≥ 0.
0 2 h2
Pero, en el punto (0, 0), f no tiene ningún extremo relativo:
Condición suficiente para la existencia de extremos relativos. Sea f : A ⊂ Rn → R tal que f ∈ C 2 (B(x0 , R))
con x0 ∈ A y R > 0. Si ∇f (x0 ) = 0 y Hf (x0 ) es una matriz definida positiva (definida negativa), entonces f
tiene x0 un mı́nimo relativo estricto (máximo relativo estricto).
Observación. Si queremos calcular los extremos relativos de f : A ⊂ Rn → R, lo que haremos será:
1 Obtenemos los puntos crı́ticos, esto es C = {x ∈ A : ∇f (x0 ) = 0}.
2 Para cada punto x0 crı́tico de f , calculamos Hf (x0 ) y:
1 Si Hf (x0 ) no es definida, entonces f no presenta extremo relativo en x0 .
2 Si Hf (x0 ) es definida positiva, entonces f presenta un mı́nimo relativo estricto en x0 .
3 Si Hf (x0 ) es definida negativa, entonces f presenta un máximo relativo estricto en x0 .
3x 2 + 3y = 0 ⇔ −y = x 2 ,
3x + 3y 2 = 0 ⇔ −x = y 2 .
Por lo tanto, los únicos puntos crı́ticos son (0, 0) y (−1, −1). Ahora bien:
6x 3
Hf (x, y ) = ,
3 6y
por lo tanto:
0 3 −6 3
Hf (0, 0) = , Hf (−1, −1) = .
3 0 3 −6
Se tiene que:
En el caso de Hf (0, 0), ∆1 = 0 y ∆2 = −9, por lo tanto, la matriz no es ni definida positiva ni definida
negativa.
En el caso de Hf (−1, −1), ∆1 = −6 y ∆2 = 27, por lo tanto, la matriz de Hesse es definida negativa ya
que (−1)1 ∆1 > 0 y (−1)2 ∆2 > 0. Entonces f tiene en el (−1, −1) un máximo relativo estricto.
∇f (x, y , z) = (2 x + y − 1, x + 2 y + 1, 2 z + 1) .
En este caso sólo tenemos un punto crı́tico, el (1, −1, −1/2).
2 Análisis de los puntos crı́ticos. Calculamos la matriz de Hesse:
2 1 0
Hf (x, y , z) = 1 2 0 ,
0 0 2
que es constante. Se tendrá que ∆1 = 2, ∆2 = 3 y ∆3 = 6, por lo tanto, la matriz es definida positiva y
tenemos en (1, −1, −1/2) un mı́nimo relativo.
e1 = (1, 0),
e2 = (0, 1).
e1 = (1, 0, 0),
e2 = (0, 1, 0),
e3 = (0, 0, 1).
2
Ejemplo. Dado el campo vectorial F(x, y ) = ( x y , cos(xy )), su divergencia será:
|{z} | {z }
F1 F2
∂F1 ∂F2
∇·F= + = 2xy + x cos(xy ).
∂x ∂y
2
Ejemplo. Dado el campo vectorial F(x, y , x) = ( x y , y , zx ), su divergencia será:
|{z} |{z} |{z}
F1 F2 F3
Operador rotacional bidimensional. Dado un campo vectorial en R2 , F(x, y ) = (F1 (x, y ), F2 (x, y )), podemos
calcular su rotacional si lo identificamos con el campo en R3 eF(x, y , z) = (F1 (x, y ), F2 (x, y ), 1):
e1 e2 e3
∂F2 ∂F1
∇×e F = ∂
∂x
∂
∂y
∂
∂z = − e3
F1 (x, y ) F2 (x, y ) 1 | ∂x {z ∂y }
∇×F
2
Ejemplo. Dado el campo vectorial F(x, y , z) = ( 3xy , yz , z ), su rotacional será:
|{z} |{z} |{z}
e1 e2 e3
∂
∇ × F = ∂x ∂
∂y
∂
∂z = −y e1 − 3xe3 = (−y , 0, −3x)
3xy yz z2
∂2ϕ ∂2ϕ
2 3 2 2
∆ϕ = + = 6 x cos x + y − 4 x sen x + y − x sen x + y .
∂x 2 ∂y 2
2z3
Ejemplo. Dado el campo escalar ϕ(x, y , z) = xyzexy , su laplaciano será:
2 2 2
∂ ϕ ∂ ϕ ∂ ϕ
∆ϕ = + +
∂x 2 ∂y 2 ∂z 2
3 4 x y2 z3 2 4 x y2 z3 5 7 x y2 z3
= 2y z e + 6x y z e +xy z e
2 z3 2 z3 2 z3
+12 x 2 y 3 z 2 ex y + 4 x 3 y 3 z 7 ex y + 9 x 3 y 5 z 5 ex y
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ
= + .
∂y ∂ρ ∂y ∂θ ∂y
2 2 2
Ahora, ρ = x + y y tan(θ) = y /x, por lo tanto:
∂ρ ∂ρ ∂ρ ∂ρ
2ρ = 2x ⇒ = cos(θ), 2ρ = 2y ⇒ = sen(θ),
∂x ∂x ∂y ∂y
1 ∂θ y ∂θ sen(θ) 1 ∂θ 1 ∂θ cos(θ)
=− 2 ⇒ =− , = ⇒ = .
cos(θ)2 ∂x x ∂x ρ cos(θ)2 ∂y x ∂y ρ
Con lo cual:
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ sen(θ) ∂ϕ
= + = cos(θ) − ,
∂x ∂ρ ∂x ∂θ ∂x ∂ρ ρ ∂θ
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ cos(θ) ∂ϕ
= + = sen(θ) + .
∂y ∂ρ ∂y ∂θ ∂y ∂ρ ρ ∂θ
∂ϕ 1 ∂ϕ
= (cos(θ)e1 + sen(θ)e2 ) + (− sen(θ)e1 + cos(θ)e2 ) .
∂ρ ρ ∂θ
∂ϕ 1 ∂ϕ
eρ +
= eθ ,
∂ρ ρ ∂θ
donde eρ y eθ son, respectivamente, los vectores normal asociados al sistema de coordenadas polares:
eρ = + cos(θ)e1 + sen(θ)e2
eθ = − sen(θ)e1 + cos(θ)e2
Fρ = F · eρ = + cos(θ)F1 + sen(θ)F2
Fθ = F · eθ = − sen(θ)F1 + cos(θ)F2 ,
podemos escribir la expresión para la divergencia en función de las componentes polares del campo como:
1 ∂(ρFρ ) 1 ∂Fθ
∇·F= +
ρ ∂ρ ρ ∂θ
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ ∂φ
= + + ,
∂y ∂ρ ∂y ∂θ ∂y ∂φ ∂y
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ ∂φ
= + + .
∂z ∂ρ ∂z ∂θ ∂z ∂φ ∂z
2 2 2 2
Ahora, ρ = x + y + z , cos(θ) = z/ρ y tan(φ) = y /x, por lo tanto:
∂ρ ∂ρ
2ρ = 2x ⇒ = sen(θ) cos(φ),
∂x ∂x
análogamente:
∂ρ ∂ρ
= sen(θ) sen(φ), = cos(θ).
∂y ∂z
Por otro lado:
∂θ z ∂ρ ρ cos(θ) ∂θ 1
− sen(θ) =− 2 =− sen(θ) cos(φ) ⇒ = cos(θ) cos(φ),
∂x ρ ∂x ρ2 ∂x ρ
análogamente:
∂θ 1 ∂θ 1
= cos(θ) sen(φ), = − sen(θ).
∂y ρ ∂z ρ
4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 74 / 78
Operadores diferenciales en coordenada esféricas
Por último:
1 ∂φ y ∂φ 1 sen(φ)
=− 2 ⇒ =− ,
cos(φ)2 ∂x x ∂x ρ sen(θ)
análogamente:
∂φ 1 cos(φ) ∂φ
= , = 0.
∂y ρ sen(θ) ∂z
Por lo tanto:
∂ϕ ∂ϕ 1 ∂ϕ 1 sen(φ)
∇ϕ = sen(θ) cos(φ) + cos(θ) cos(φ) − e1
∂ρ ∂θ ρ ∂φ ρ sen(θ)
∂ϕ ∂ϕ 1 ∂ϕ 1 cos(φ)
= sen(θ) sen(φ) + cos(θ) sen(φ) + e2
∂ρ ∂θ ρ ∂φ ρ sen(θ)
∂ϕ ∂ϕ 1
= cos(θ) − sen(θ) e3 ,
∂ρ ∂θ ρ
agrupando factores:
∂ϕ
∇ϕ = (sen(θ) cos(φ)e1 + sen(θ) sen(φ)e2 + cos(θ)e3 )
∂ρ
1 ∂ϕ
= (cos(θ) cos(φ)e1 + cos(θ) sen(φ)e2 − sen(θ)e3 )
ρ ∂θ
1 ∂ϕ
= (sen(φ)e1 + cos(φ)e2 ).
ρ sen(θ) ∂φ
eφ = sen(φ)e1 + cos(φ)e2 ,
obtenemos la siguiente expresión para el operador gradiente en coordenadas esféricas:
∂ϕ 1 ∂ϕ 1 ∂ϕ
∇ϕ = eρ + eθ + eφ .
∂ρ ρ ∂θ ρ sen(θ) ∂φ
Operador divergencia en coordenadas esféricas. Se obtiene de forma análoga a los casos anteriores,
simplemente daremos su expresión:
Fφ = sen(φ)F1 + cos(φ)F2 ,
siendo F1 , F2 y F3 las componentes del campo vectorial F.
Operador rotacional en coordenadas esféricas. Dado un campo vectorial F : R3 −→ R, la expresión para el
rotacional en coordenadas esféricas es:
eρ ρ eθ ρ sen θ eφ
1 ∂
∇×F= 2 ∂ ∂ .
ρ sen θ F
∂ρ ∂θ
ρFθ
∂φ
ρsen θ Fφ
ρ