Matemáticas III (GIC y GITI, curso 2015–2016)

Lección 4. CAMPOS VECTORIALES DIFERENCIABLES

1. CAMPOS VECTORIALES DIFERENCIABLES

Los campos vectoriales son funciones de una o más variables cuyas imágenes son vectores bidi-
mensionales o tridimensionales y tienen una extraordinaria importancia en la construcción de los
modelos matemáticos de problemas de la fı́sica, el electromagnetismo o la mecánica de fluidos.

Campos vectoriales. Un campo vectorial bidimensional es una función F: ⃗ U ⊂ R2 → R2 . Si para

cada (x, y) ∈ U , el dominio de definición de F,
⃗ escribimos F(x,
⃗ y) en términos de sus coordenadas
( )
⃗
F(x, y) = F1 (x, y), F2 (x, y) = F1 (x, y)⃗ı + F2 (x, y)⃗ȷ,
⃗ viene dado por los campos escalares F1 , F2 : U → R que se llaman componentes de F.
vemos que F ⃗
En la figura vemos una representación de campo vectorial que nos da la velocidad del viento
mediante una flecha en cada punto (tomado de la Agencia Estatal de Meteorologı́a).

Mapa de vientos.

Un campo vectorial tridimensional es una función F: ⃗ U ⊂ R3 → R3 . Ahora, si para (x, y, z) ∈ U

⃗
escribimos F(x, y, z) en términos de sus coordenadas
( )
⃗
F(x, y, z) = F1 (x, y, z), F2 (x, y, z), F3 (x, y, z) = F1 (x, y, z)⃗ı + F2 (x, y, z)⃗ȷ + F3 (x, y, z)⃗k,
vemos que el campo vectorial F ⃗ viene dado por tres campos escalares F1 , F2 , F3 : U → R que, como
en el caso anterior, se llaman componentes de F. ⃗
Con carácter general, un campo vectorial es una función F: ⃗ U ⊂ Rm → Rn de m variables in-
dependientes cuyos valores son vectores n-dimensionales; en este caso, un campo tiene n funciones
componentes cada una de las cuales es un campo escalar que depende de m variables. Para este
caso general será válido casi todo lo que se diga en lo que queda de lección, donde nos centraremos,
esencialmente, en el caso tridimensional m = n = 3. En particular, casi todo lo que digamos se
traslada a campos bidimensionales (m = n = 2) sin más que suprimir la tercera coordenada.
57
58 Matemáticas III (GIC y GITI, 2015–2016)

Ejemplos de campos vectoriales. (1) Las curvas parametrizadas, que son las imágenes de
campos que dependen de una variable t y tienen valores en R3 , o sea

⃗r: t ∈ I ⊂ R → ⃗r(t) = x(t)⃗ı + y(t)⃗ȷ + z(t)⃗k ∈ R3 .

Sus componentes son las expresiones de las coordenadas cartesianas como funciones del parámetro.
(2) Si f es un campo escalar diferenciable, entonces su diferencial es un campo vectorial ya que a
cada punto (x, y) le asigna el vector diferencial Df (x, y).
(3) Un ejemplo de interés es cuando el campo vectorial representa un cambio de variables. Ası́,
un cambio de variables bidimensional x = x(u, v) e y = y(u, v) puede escribirse como el campo
( )
⃗
F(u, v) = x(u, v), y(u, v) . Análogamente, si el cambio de variables es tridimensional, entonces
( )
⃗
podemos verlo como el campo vectorial F(u, v, w) = x(u, v, w), y(u, v, w), z(u, v, w) .
(4) Para cada punto (x, y, z) ∈ R√ 3
, sean ⃗r su vector de posición y r su distancia al origen, o sea,
⃗
⃗r = x⃗ı + y⃗ȷ + z k y r = ∥⃗r∥ = x2 + y 2 + z 2 . Entonces, la ley de la gravedad de Newton nos
dice que la fuerza de atracción que ejerce la Tierra sobre una masa m situada en el punto (x, y, z)
puede describirse como el campo vectorial dado por F ⃗ = −G M m ⃗u, donde ⃗u = ⃗r/r es el vector
r2
unitario en la dirección del radio vector, G es la constante de gravitación universal y M es la masa
de la Tierra. Una observación importante es que este campo puede escribirse como un gradiente;
de hecho, para el campo escalar f = GM m/r se tiene que F ⃗ = ∇f .
(5) Se ha estudiado en la asignatura de “Matemáticas II” que si y(t) es una solución de la ecuación
y ′ = f (t, y), entonces el valor f (t, y)
( nos proporciona
) la pendiente de la curva y = y(t) en cada
punto. En otras palabras, ⃗v(t, y) = 1, f (t, y) es un vector tangente a dicha curva. Si trabajamos
en un plano cartesiano con la variable t en el eje de abscisas y la variable y en el eje de ordenadas
y representamos en cada punto (t, y) el vector ⃗v(t, y), obtenemos un campo vectorial que se conoce
como el campo de direcciones de la ecuación.

Campo de direcciones.

Continuidad. Se dice que un campo vectorial F: ⃗ U ⊂ R3 → R3 es continuo en un punto A0 ∈ U

⃗ U ⊂ R3 → R3
si todas sus funciones componentes son continuas en dicho punto. Diremos que F:
es continuo en U si es continuo en todos los puntos de U .

Campo vectorial diferenciable. Se dice que un campo vectorial F: ⃗ U ⊂ R3 → R3 es diferencia-

ble en un punto A0 interior de U si sus funciones componentes son diferenciables en A0 . Diremos
que F ⃗ = (F1 , F2 , F3 ) es diferenciable en un conjunto abierto U cuando sus funciones componentes
son diferenciables en U y diremos que el campo F ⃗ = (F1 , F2 , F3 ) es de clase C n en U cuando sus
funciones componentes son de clase C n (U ). En particular, cuando el campo F ⃗ = (F1 , F2 , F3 ) es de
clase C 1 (U ), entonces la condición suficiente de diferenciabilidad nos dice que las tres componentes
F1 , F2 , F3 son diferenciables y, por tanto, que el campo F ⃗ es diferenciable.
 4. Campos vectoriales diferenciables 59

Matriz diferencial. La matriz DF ⃗ formada fila a fila por los vectores diferenciales de las compo-
⃗ se llama matriz diferencial de F,
nentes de F ⃗ o sea

 ∂F ∂F1 ∂F1 
1
 
 ∂x ∂y ∂z 
DF1 
   
⃗ =  DF2  =  ∂F2
DF
∂F2 ∂F2 .
 ∂x ∂y ∂z 
 
DF2  ∂F ∂F3 ∂F3 
3
∂x ∂y ∂z

En el caso de una curva parametrizada por ⃗r = x(t)⃗ı + y(t)⃗ȷ + z(t)⃗k, la matriz diferencial es la
derivada ⃗r ′ (t) = x′ (t)⃗ı + y ′ (t)⃗ȷ + z ′ (t) ⃗k. Veamos qué tenemos en otros de los ejemplos dados.

Matriz hessiana de un campo escalar. Sea f un campo escalar de dos variables de clase C 2 en
su dominio U . Su diferencial es el campo vectorial que a cada punto le asigna el vector diferencial
Df = fx ⃗ı + fy ⃗ȷ. Puesto que las componentes de Df admiten, a su vez, derivadas parciales
continuas (las derivadas parciales segundas de f ), el campo Df es diferenciable y su diferencial es
   2 
∂ ∂ ∂ f ∂2f
(f ) (fx )  
( )  ∂x x ∂y 2 ∂y∂x 

D Df =   =  ∂x  = D2 f,
∂ ∂   ∂2f ∂2f 
(fy ) (fy )
∂x ∂y ∂x∂y ∂y 2

la matriz hessiana de f , lo que justifica la notación D2 f .

Matriz jacobiana de un cambio de variables. ( Cuando

) el campo vectorial representa un
⃗
cambio de variables diferenciable F(u, v) = x(u, v), y(u, v) en el caso bidimensional, entonces su
matriz diferencial se llama matriz jacobiana, o matriz de Jacobi, del cambio de variables y se suele
∂(x, y)
representar por ,
∂(u, v)
 ∂x ∂x 

DF ⃗ = ∂(x, y) = 

∂u ∂v  ,

∂(u, v) ∂y ∂y
∂u ∂v
y lo mismo en el caso de un cambio diferenciable de tres variables. En esta lección y las siguientes,
iremos viendo la importancia y utilidad de esta matriz.

Matriz jacobiana del cambio a coordenadas polares. Si f es un campo escalar de dos

variables y cambiamos a coordenadas polares, de manera que x = r cos(θ) e y = r sen(θ), la matriz
jacobiana del cambio es
 ∂x ∂x  [ ]
∂(x, y)  ∂r ∂θ  = cos(θ) −r sen(θ)
=  .
∂(r, θ) ∂y ∂y sen(θ) r cos(θ)
∂r ∂θ
60 Matemáticas III (GIC y GITI, 2015–2016)

La matriz jacobiana y la regla de la cadena. La regla de la cadena para dos variables

independientes nos dice que si f (x, y) es un campo escalar de clase C 1 (U ) y hacemos un cambio
de variables x = x(u, v) e y = y(u, v) mediante funciones
( diferenciables
) con respecto a las nuevas
variables u y v, entonces la composición g(u, v) = f x(u, v), y(u, v) es diferenciable y se verifica

∂g ∂f ∂x ∂f ∂y ∂g ∂f ∂x ∂f ∂y
= + y = +
∂u ∂x ∂u ∂y ∂u ∂v ∂x ∂v ∂y ∂v

Si escribimos estas igualdades en forma matricial obtenemos

 ∂x ∂x 
[ ] [ ]
∂g ∂g ∂f ∂f  ∂u ∂v  .
=  
∂u ∂v ∂x ∂y ∂y ∂y
∂u ∂v
Los vectores fila son los diferenciales de f y de g y la matriz de la derecha es la matriz jacobiana
∂(x, y) ∂(x, y)
del cambio de variables, de manera que la igualdad queda Dg = Df ; en otras
∂(u, v) ∂(u, v)
palabras, la matriz jacobiana es la matriz que relaciona los correspondientes diferenciales del campo
escalar con respecto a las variables antiguas y las nuevas.
Para tres variables ocurre lo mismo. La regla de la cadena nos dice que si f (x, y, z) es un campo
escalar de clase C 1 (U ) y hacemos un cambio x = x(u, v, w), y = y(u, v, w) y z = z(u, v, w) dado
por funciones diferenciables con respecto
( a las variables u, v y w,) entonces el campo expresado en
las nuevas variables g(u, v, w) = f x(u, v, w), y(u, v, w), z(u, v, w) es diferenciable y se verifica

∂g ∂f ∂x ∂f ∂y ∂f ∂z
= + + ,
∂u ∂x ∂u ∂y ∂u ∂z ∂u
∂g ∂f ∂x ∂f ∂y ∂f ∂z
= + + ,
∂v ∂x ∂v ∂y ∂v ∂z ∂v
∂g ∂f ∂x ∂f ∂y ∂f ∂z
= + + .
∂w ∂x ∂w ∂y ∂w ∂z ∂w
Si escribimos esto en forma matricial, nos queda
 ∂x ∂x ∂x 

[ ] ∂u ∂v ∂w 
[
∂g ∂g ∂g
] ∂f ∂f ∂f 
 ∂y ∂y ∂y


=  ,
∂u ∂v ∂v ∂x ∂y ∂z  ∂u ∂v ∂w 
 
∂z ∂z ∂z
∂u ∂v ∂w
Como en el caso bidimensional, la matriz 3 × 3 que aparece a la derecha y contiene las derivadas
parciales de las variables (x, y, z) con respecto a (u, v, w) es la matriz de Jacobi del cambio de
∂(x, y, z)
variables y tenemos Df (u, v, w) = Df (x, y, z) .
∂(u, v, w)

EJERCICIOS DE LA SECCIÓN 1

Ejercicio 1. Calcula las matrices diferenciales de los siguientes campos en el origen y en (1, −3):
( ) ( ) ( )
⃗ 1 (x, y) = x2 − y 2 , 2xy , F
F ⃗ 2 (x, y) = ex cos(y), ex sen(y) y F
⃗ 3 (x, y) = x3 , y 3 .
 4. Campos vectoriales diferenciables 61

Ejercicio 2. Halla la matriz jacobiana del cambio de coordenadas polares a coordenadas car-
∂(r, θ)
tesianas expresando sus componentes tanto en coordenadas polares como en cartesianas.
∂(x, y)
Comprueba que cuando es invertible, su inversa es la matriz jacobiana del cambio de coordenadas
∂(x, y)
cartesianas a coordenadas polares .
∂(r, θ)

Ejercicio 3. Calcula las matrices diferenciales de los siguientes campos en el origen y en (−1, 1, 2):
( ) ( )
⃗ 1 (x, y, z) = x2 − y 2 + z 2 , 2xy, z 2
F ⃗ 2 (x, y, z) = ex cos(y), ex sen(y), z .
F

Ejercicio 4. √Sean ⃗r(x, y, z) = (x, y, z) el campo vectorial que da el vector de posición de un punto
y r(x, y, z) = x2 + y 2 + z 2 el campo escalar que da la distancia desde dicho punto hasta el origen
de coordenadas. Calcula la diferencial del campo vectorial F ⃗ = rn⃗r siendo n un número entero.

2. CAMBIOS DE VARIABLES

Visualización geométrica de los cambios de variables en el plano. En muchas situaciones

es conveniente cambiar las variables de las que depende un campo, escalar o vectorial. La regla de
la cadena nos dice qué ocurre con las derivadas parciales del campo cuando se hace el cambio. En
esta sección estudiaremos más a fondo los cambios de variables en dimensión dos, en particular,
los cambios lineales y las coordenadas polares, y en dimensión tres, donde introduciremos las
coordenadas cilı́ndricas y esféricas.
Dado que un cambio de variables bidimensional x = x(u, v) e y = y(u, v) puede escribirse como
( )
⃗
un campo vectorial F(u, v) = x(u, v), y(u, v) , su gráfica serı́a un conjunto en R4 por lo que no
es posible visualizarla. Una opción alternativa es estudiar cómo el cambio de variables transforma
el plano de las variables (u, v) en su imagen en el plano de las variables (x, y). Para ello, hacemos
los siguiente: en el plano (u, v) trazamos una retı́cula mediante lı́neas horizontales de ecuación
v = constante y lı́neas verticales de ecuación u = constante y dibujamos las imágenes de estas
lı́neas en el plano (x, y); esto puede hacerse usando alguno de los programas para dibujar curvas
paramétricas que se recomiendan en la Bibliografı́a. El resultado es una retı́cula para las variables
(x, y) que puede ayudarnos a entender cómo actúa el cambio de variables.

Retı́cula para u, v. Retı́cula para x, y.

62 Matemáticas III (GIC y GITI, 2015–2016)

Determinante jacobiano y su interpretación geométrica. El determinante de la matriz

jacobiana se llama determinante jacobiano del cambio de variables:
 
( )  ∂x ∂x 
∂(x, y)   ∂x ∂y ∂x ∂y
det =  ∂u ∂v  = − .
∂(u, v)  ∂y ∂y  ∂u ∂v ∂v ∂u
 
∂u ∂v
Veremos que el determinante jacobiano de un cambio de variables es de enorme importancia en
varias aplicaciones; por ejemplo, a la hora de cambiar variables en una integral doble o triple, donde
tendrá el mismo papel que x′ (t) cuando escribimos dx = x′ (t)dt al hacer un cambio de variable en
las integrales de funciones de una variable. Esto se debe a que el determinante actúa como factor
de dilatación de las áreas a pequeña escala.

Rectángulo pequeño para u, v. Rectángulo curvilı́neo pequeño para x, y.

Para verlo, construimos un rectángulo OABC en el plano de las variables u, v con base ∆u y
altura ∆v y, por tanto, con área ∆u∆v. Suponiendo, por comodidad, que x(0, 0) = y(0, 0) = 0,
este rectángulo se transforma en el paralelogramo de lados curvos OA′ B ′ C ′ . Si los incrementos
∆u, ∆v son suficientemente pequeños, entonces, por continuidad, el área del paralelogramo de lados
curvos OA′ B ′ C ′ es aproximadamente igual al área del paralelogramo de lados rectos con los mismos
vértices que, como se conoce del Bachillerato,
( puede hallarse )como ′el valor
( absoluto del determinan-
)
′
te formado por las coordenadas de A = x(∆u, 0), y(∆u, 0) y C = x(0, ∆v), y(0, ∆v) . Usando
la aproximación dada por las derivadas parciales, para este determinante tenemos
 
   ∂x ∆u ∂y ∆u  ( )
 x(∆u, 0) y(∆u, 0)   ∂u  ∂x ∂y ∂x ∂y
 ≈ ∂u
= − ∆u∆v.
 x(0, ∆v) y(0, ∆v)   ∂x ∂y  ∂u ∂v ∂v ∂u
 ∆v ∆v 
∂v ∂v
Es decir, el área el paralelogramo de lados curvos OA′ B ′ C ′ es, aproximadamente,
   ( )
 ∂x ∂y ∂x ∂y   ∂(x, y) 
  
 ∂u ∂v − ∂v ∂u  ∆u∆v = det ∂(u, v)  ∆u∆v

(En la figura hemos usado J para la matriz jacobiana).

[ ]
a11 a12
Cambios de variables lineales. Sea A = , entonces el cambio de variables
a21 a22
( ) ( ) {
x u x(u, v) = a11 u + a12 v
=A o, en forma extendida,
y v y(u, v) = a21 u + a22 v
 4. Campos vectoriales diferenciables 63

se dice que es lineal porque transforma las variables (u, v) en (x, y) de manera lineal. La matriz
jacobiana del cambio coincide con A y el cambio puede invertirse si A es invertible; en ese caso, el
cambio inverso también es lineal y su matriz es A−1 .

Retı́cula para u, v. Retı́cula para x, y.

Cuando es invertible, un cambio lineal transforma los cuadrados de la retı́cula para u, v en para-
lelogramos que conforman la retı́cula para x, y. Como el determinante jacobiano es constante e
igual a det(A), es fácil comprobar que el área de cada paralelogramo es igual al área del cuadrado
del que proviene multiplicada por |det(A)|; es decir, en este caso el determinante jacobiano es el
factor de dilatación de áreas global, no solo local.
Los giros son casos especiales de cambios[lineales. Un giro de] ángulo α (en el sentido positivo) es
cos(α) − sen(α)
el cambio lineal que se obtiene para A = . Los giros son siempre invertibles y
sen(α) cos(α)
conservan los ángulos y las áreas ya que para la matriz de un giro se tiene det(A) = 1.

Cambios entre coordenadas polares y cartesianas. En el caso bidimensional, el cambio de

variables más habitual es el cambio a coordenadas polares x = r cos(θ) e y = r sen(θ).

Retı́cula para r, θ. Retı́cula para x, y.

Hemos visto que la matriz jacobiana de este cambio es

 ∂x ∂x 
[ ]
∂(x, y)  ∂r ∂θ  cos(θ) −r sen(θ)
= =
∂(r, θ) ∂y ∂y sen(θ) r cos(θ)
∂r ∂θ
( )
∂(x, y)
con determinante jacobiano det = r.
∂(r, θ)
64 Matemáticas III (GIC y GITI, 2015–2016)

También hemos visto que si f es un campo escalar de dos variables, entonces las derivadas parciales
de f como función de (x, y) están relacionadas con las derivadas parciales de f como función de
∂(x, y)
(r, θ) mediante Df (r, θ) = Df (x, y) , o sea,
∂(r, θ)
∂f ∂f ∂f ∂f ∂f ∂f
= cos(θ) + sen(θ) y = − r sen(θ) + r cos(θ),
∂r ∂x ∂y ∂θ ∂x ∂y

En la Lección 1 vimos cómo calcular directamente las derivadas parciales con respecto a las coor-
denadas cartesianas en términos de las derivadas parciales con respecto a las coordenadas polares,
es decir, la matriz jacobiana del cambio de coordenadas polares a coordenadas cartesianas. Esto
podemos hacerlo, si r ̸= 0, despejando las derivadas parciales con respecto a las coordenadas
∂(x, y)
cartesianas sin más que invertir la matriz jacobiana :
∂(r, θ)
( )−1 [ ] [ ]
∂(x, y) 1 r cos(θ) r sen(θ) cos(θ) sen(θ)
= = .
∂(r, θ) r − sen(θ) cos(θ) − sen(θ)/r cos(θ)/r

Por lo tanto,
∂f ∂f ∂f sen(θ) ∂f ∂f ∂f cos(θ)
= cos(θ) − y = sen(θ) + .
∂x ∂r ∂θ r ∂y ∂r ∂θ r
∂(r, θ) ∂(x, y)
O sea, si r ̸= 0, entonces la matriz jacobiana del cambio inverso es la inversa de :
∂(x, y) ∂(r, θ)
 
∂r ∂r
[ ]
∂(r, θ)  ∂x ∂y  cos(θ) sen(θ)
= =
∂(x, y)  ∂θ ∂θ  − sen(θ)/r cos(θ)/r
∂x ∂y
El final de esta sección lo dedicaremos al problema de analizar cuándo puede deshacerse un cambio
de variables y veremos que este resultado, que hemos visto para el caso especial de las coordenadas
polares, es cierto para cambios de variables cualesquiera.

Cambio de variables en el espacio. En el caso tridimensional, si hacemos un cambio de varia-

bles x = x(u, v, w), y = y(u, v, w) y z = z(u, v, w), que son funciones diferenciables con respecto a
∂(x, y, z)
las nuevas variables u, v y w, entonces la matriz jacobiana del cambio de variables es
∂(u, v, w)
 ∂x ∂x ∂x 
 ∂u ∂v ∂w 
 
∂(x, y, z)  ∂y ∂y ∂y 
= 
∂(u, v, w)  ∂u ∂v ∂w 
 
∂z ∂z ∂z
∂u ∂v ∂w
y su determinante se llama determinante jacobiano del cambio de variables. De manera análoga al
caso bidimensional, puede probarse que el valor absoluto del determinante jacobiano a actúa como
factor de dilatación de los volúmenes a pequeña escala.
Veamos ahora los principales cambios de variable tridimensionales.
 4. Campos vectoriales diferenciables 65

Cambios de variables lineales. Si A es una matriz 3 × 3, el cambio (x, y, z)T = A(u, v, w)T
se llama, como en el caso de dos variables, lineal . La matriz jacobiana del cambio de variables
coincide con A y el cambio puede invertirse si A es invertible, o sea, si det(A) ̸= 0. En ese caso, el
cambio inverso también es lineal y su matriz es A−1 .

Coordenadas cilı́ndricas. Este cambio consiste simplemente en hacer el cambio a coordenadas

polares en el plano XOY y mantener la z como variable independiente. Las coordenadas cilı́ndricas
de un punto (x, y, z) son, entonces, (r, θ, z) de manera que

x(r, θ, z) = r cos(θ), y(r, θ, z) = r sen(θ), z(r, θ, z) = z.

La matriz jacobiana del cambio a coordenadas cilı́ndricas es

 
cos(θ) −r sen(θ) 0
∂(x, y, z) 
= sen(θ) r cos(θ) 0 
∂(r, θ, z)
0 0 1

Su determinante jacobiano es igual a r y es útil para sólidos que presentan simetrı́a axial.

Coordenadas cilı́ndricas. Coordenadas esféricas.

Coordenadas esféricas. Las coordenadas esféricas de un punto P = (x, y, z) ∈ R3 son los tres
valores (ρ, θ, ϕ) definidos por las siguientes relaciones:

x(ρ, θ, ϕ) = ρ cos(θ) sen(ϕ), y(ρ, θ, ϕ) = ρ sen(θ) sen(ϕ), z(ρ, θ, ϕ) = ρ cos(ϕ),

de manera que ρ es la distancia de P al origen de coordenadas; θ es el ángulo polar de la proyección

de P sobre el plano XOY y se llama ángulo azimutal y ϕ es el ángulo que forma el vector OP ⃗
con el eje OZ positivo y se llama colatitud. En otras palabras, θ y ϕ permiten determinar, res-
pectivamente, la longitud y la latitud de P .
La matriz jacobiana del cambio a coordenadas esféricas es
 
cos(θ) sen(ϕ) −ρ sen(θ) sen(ϕ) ρ cos(θ) cos(ϕ)
∂(x, y, z) 
= sen(θ) sen(ϕ) ρ cos(θ) sen(ϕ) ρ sen(θ) cos(ϕ) 
∂(ρ, θ, ϕ)
cos(ϕ) 0 −ρ sen(ϕ)

con determinante jacobiano −ρ2 sen(ϕ). Este cambio de variables resulta apropiado cuando se
trabaja en conjuntos que tienen simetrı́a esférica. Las fórmulas para invertir este cambio son
√ ( √ )
ρ = x2 + y 2 + z 2 , θ = arc tg(y/x), ϕ = arccos z/ x2 + y 2 + z 2 .
66 Matemáticas III (GIC y GITI, 2015–2016)

Inversión de un cambio de variables. ¿Cuándo podemos deshacer un cambio de variables?

Empecemos recordando el caso unidimensional. Supongamos que estamos trabajando con una
variable x y que, por la razón que sea, queremos trabajar con una nueva variable t = ϕ(x), donde
ϕ es una función derivable. Si al final del proceso queremos deshacer el cambio de variables, esto
es, obtener x como función de t, la condición suficiente es que ϕ′ (x) ̸= 0, en cuyo caso la función
[ ]′ 1
inversa ϕ−1 (t) es derivable y se verifica que ϕ−1 (t) = ′ ( −1 ) .
ϕ ϕ (t)
Para cambios de más variables, la condición de que la derivada no se anule se traduce en la invertibi-
lidad de la matriz jacobiana del cambio o, equivalentemente, en que el determinante jacobiano no se
anule, como hemos visto en el caso de los cambios lineales y las coordenadas polares. Estudiaremos
los detalles sólo en el caso bidimensional; para cambios de tres variables el resultado es análogo.
Supongamos entonces que hacemos un cambio de variables mediante funciones x = x(u, v) e
y = y(u, v) de clase C 1 en el conjunto A en el que se mueven las variables u, v. ¿Podemos deshacer
el cambio obteniendo u, v como funciones de clase C 1 de x, y?

Teorema de la función inversa para dos variables. Supongamos que tenemos un punto
P = (u0 , v0 ) interior a la región A que se transforma mediante el cambio de variables de clase C n
en el punto P ′ = (x0 , y0 ). Si la matriz jacobiana
 ∂x ∂x 
∂(x, y)  ∂u ∂v 
= 
∂(u, v) ∂y ∂y
∂u ∂v
es invertible en P , entonces existen un cuadrado D ⊂ A centrado en P , un conjunto D′ conteniendo
el punto P ′ en su interior y dos funciones u(x, y), v(x, y) de clase C n (D′ ) que deshacen el cambio
de variables; es decir, dado (x, y) ∈ D′ los valores u(x, y), v(x, y) son la única solución en D del
sistema x = x(u, v), y = y(u, v). Además, la matriz jacobiana del cambio inverso u = u(x, y),
v = v(x, y) es la inversa de la matriz jacobiana del cambio x = x(u, v), y = y(u, v):
  
∂u ∂u ∂x ∂x −1 ( )−1
∂(u, v)   ∂x ∂y    ∂u ∂v  ∂(x, y)
= =  = .
∂(x, y)  ∂v ∂v  ∂y ∂y ∂(u, v)
∂x ∂y ∂u ∂v

Teorema de la función inversa.

En el caso del cambio a coordenadas polares, ya sabemos que el cambio puede deshacerse cerca
de cualquier punto que no sea el origen; esto se refleja en el hecho de que la matriz jacobiana del
cambio a coordenadas polares no es invertible en el origen porque, como vimos, su determinante
es el radio polar r, que vale cero en dicho punto.
 4. Campos vectoriales diferenciables 67

Teorema de la función inversa para tres variables. Supongamos que tenemos un punto
P = (u0 , v0 , w0 ) que se transforma en el punto P ′ = (x0 , y0 , z0 ) mediante un cambio de variables
x = x(u, v, w), y = y(u, v, w), z = z(u, v, w), que son funciones de clase C 1 (A). Si la matriz
∂(x, y, z)
jacobiana es invertible en P , entonces existen un cubo D ⊂ A centrado en P , un
∂(u, v, w)
conjunto D′ conteniendo el punto P ′ en su interior y tres funciones u(x, y, z), v(x, y, z), w(x, y, z)
de clase C n (D′ ) que deshacen el cambio de variables. Además, la matriz jacobiana del cambio
( )−1
∂(u, v, w) ∂(x, y, z)
inverso es la inversa de la matriz jacobiana del cambio directo: = .
∂(x, y, z) ∂(u, v, w)
En consecuencia, tanto el cambio a coordenadas cilı́ndricas como el cambio a coordenadas esféricas
pueden deshacerse en todo el espacio tridimensional salvo en el eje OZ.

EJERCICIOS DE LA SECCIÓN 2

Ejercicio 1. Halla la matriz y el determinante jacobianos de cada uno de los siguientes cambios
de variables.
(1) x(u, v) = u + v, y(u, v) = u − v. (2) x(u, v) = 2u + v, y(u, v) = u + 3v.
(3) x(u, v) = uv, y(u, v) = u − v. (4) x(u, v) = u2 − v 2 , y(u, v) = uv.
¿Cuándo son invertibles estos cambios de variables?; ¿cuáles son ortogonales?

Ejercicio 2. Determina las matrices de los cambios de variables lineales que consisten en, respec-
tivamente, girar π/3 y −π/3 radianes.

Ejercicio 3. Considera el cambio de variables dado por x = u2 + cos(v) e y = sen(v) y el punto

P cuyas coordenadas en el plano de las variables u, v son u0 = 1 y v0 = 2π.
(1) Calcula el punto Q = (x0 , y0 ) que es la imagen del punto P mediante el cambio de variables
dado. Prueba que dicho cambio de variables puede invertirse cerca del punto Q y halla la
matriz jacobiana del cambio de variables inverso en el punto Q.
(2) De un campo escalar f (x, y) se sabe que la ecuación del plano tangente a su gráfica en el
punto Q es z = 3 − 2x + y. ¿Cuánto valen (fx (Q) y fy (Q)?) ¿Cuál es la ecuación del plano
tangente a la gráfica del campo g(u, v) = f x(u, v), y(u, v) en el punto P ?

Ejercicio 4. Calcula la matriz y el determinante jacobianos de los siguientes cambios de variables:

(1) x(u, v, w) = u − v, y(u, v, w) = u + v, z(u, v, w) = w.
(2) x(u, v, w) = u − v, y(u, v, w) = v − w, z(u, v, w) = w − u.
(3) x(u, v, w) = uv, y(u, v, w) = u − w, z(u, v, w) = w.
(4) x(u, v, w) = 2u + 3v − w, y(u, v, w) = 4u − v, z(u, v, w) = v + 5w.
(5) x(u, v, w) = eu cos(v), y(u, v, w) = eu sen(v), z(u, v, w) = log(w).
(6) x(u, v, w) = 2u + 3v − w, y(u, v, w) = 2u − v − w, z(u, v, w) = 2v − w.
¿Cuándo son invertibles estos cambios de variables?; ¿cuáles son ortogonales?

Ejercicio 5. Determina las coordenadas cilı́ndricas y esféricas de los siguientes puntos dados en
coordenadas cartesianas: (1, 0, 0), (0, 1, 0), (0, 0, 1), (2 − 1, 2), (−2, −2, 1), (0, 3, −4) y (0, 0, −1).

Ejercicio 6. Determina, buscando en internet sus latitudes y longitudes respectivas, las coorde-
nadas esféricas de Sevilla, Londres, Tokyo, Moscú, Nueva York y Buenos Aires. ¿Puedes dar una
fórmula general para pasar la longitud y la latitud a coordenadas esféricas?
68 Matemáticas III (GIC y GITI, 2015–2016)

3. DIVERGENCIA, ROTACIONAL Y LAPLACIANO

En muchas aplicaciones las variables x, y, z son coordenadas espaciales y se usan para representar
posiciones, ⃗r = x⃗ı + y⃗ȷ en R2 o ⃗r = x⃗ı + y⃗ȷ + z⃗k. Para este caso, hemos visto que el concepto de
gradiente de un campo escalar o de diferencial de un campo vectorial, formado por los gradientes
de sus componentes, es la forma natural de extender la noción de derivada de una función en un
punto; sus componentes son las derivadas parciales del campo escalar o las derivadas parciales de
las componentes del campo vectorial.
En muchas aplicaciones aparecen, además del gradiente, otras formas de combinar las derivadas
parciales que tienen importancia en el desarrollo posterior de la teorı́a y en sus aplicaciones en otras
disciplinas. Estas diversas formas de combinar las derivadas espaciales se llaman, genéricamente,
operadores diferenciales y en esta sección estudiaremos los tres más importantes: la divergencia,
el rotacional y el laplaciano, ası́ como las relaciones que se dan entre ellos y con el gradiente.
Finalmente, veremos que estas relaciones pueden unificarse mediante lo que se conoce como el
álgebra del operador ∇ que nos proporciona una herramienta muy útil en la práctica.
( )
Divergencia y rotacional de un campo vectorial tridimensional. Sea F ⃗ = F1 , F2 , F3 un
campo vectorial tridimensional de clase C 1 en un conjunto abierto U ⊂ R3 . La divergencia de F ⃗
es el campo escalar continuo div(F)⃗ definido en U por

⃗ = ∂F1 ∂F2 ∂F3

div(F) + + .
∂x ∂y ∂z

Los campos vectoriales que tienen divergencia nula se llaman campos solenoidales.
⃗ es el campo vectorial continuo rot(F)
El rotacional de F ⃗ definido en U por
( )
⃗ = ∂F3 ∂F2 ∂F1 ∂F3 ∂F2 ∂F1
rot(F) − , − , −
∂y ∂z ∂z ∂x ∂x ∂y
 
 ⃗ı ⃗ȷ ⃗k 
 
=  ∂/∂x ∂/∂y ∂/∂z 
 F1 F2 F3 

Los campos vectoriales que tienen rotacional nulo se llaman campos irrotacionales.
Los conceptos de divergencia y rotacional nacieron del elctromagnetismo y la mecánica de fluidos,
disciplinas en las que admiten interpretaciones fı́sicas. Hablando sin mucha precisión, si tenemos
un campo vectorial y consideramos un espacio infinitesimalmente pequeño que rodea un punto,
entonces la divergencia de un campo vectorial mide la diferencia entre el flujo saliente y el flujo
entrante y el rotacional mide la tendencia de un campo vectorial a inducir una rotación en dicho
espacio.

Divergencia y rotacional para un campo bidimensional. La divergencia y el rotacional se

usan básicamente con campos tridimensionales; no obstante, a veces se usan con campos de dos
⃗ = (F1 , F2 ), se definen de la siguiente manera:
variables en cuyo caso, si tenemos F

∂F1 ∂F2 ∂F2 ∂F1

⃗ =
div(F) + y ⃗ =
rot(F) − .
∂x ∂y ∂x ∂y

Observemos que, por tanto, el “rotacional bidimensional” no es un campo vectorial, sino escalar.
 4. Campos vectoriales diferenciables 69

Laplaciano de un campo escalar de tres variables. Sea f un campo escalar de clase C 2 en

U ⊂ R3 . El operador de Laplace o laplaciano de f es el campo escalar dado por
∂2f ∂2f ∂2f ( )
∇2 f = + + = div ∇f .
∂x2 ∂y 2 ∂z 2

Los campos escalares con laplaciano igual a cero se llaman campos armónicos. En las aplicaciones,
el laplaciano aparece en múltiples contextos como la teorı́a del potencial, la electrostática, la
mecánica cuántica, la propagación de ondas, la conducción del calor o la distribución de tensiones
en un sólido deformable, por mencionar unos cuantos. Por ejemplo, en la mecánica cuántica el
laplaciano de la función de onda de una partı́cula da la energı́a cinética de la misma.
Como antes, usando la regla de la cadena podemos obtener la expresión del laplaciano en coorde-
nadas cilı́ndricas
∂2f 1 ∂2f 1 ∂f ∂2f
∇2 f = + + + .
∂r2 r2 ∂θ2 r ∂r ∂z 2
Cuando el campo sólo depende de dos variables, las expresiones del laplaciano se obtienen de las
anteriores suprimiendo la coordenada z.

Interpretación del operador ∇. El sı́mbolo ∇ que aparece en la definición de gradiente,

∇f (⃗r) = fx⃗ı + fy⃗ȷ + fz ⃗k, se puede interpretar como un vector
( )
∂ ∂ ∂ ∂ ∂ ∂ ⃗
∇= , , = ⃗ı + ⃗ȷ + k.
∂x ∂y ∂z ∂x ∂y ∂z
Las componentes de ∇ son operaciones de derivación parcial que pueden actuar sobre un campo
escalar f . Si tratamos ∇ como si fuera un vector corriente, entonces ∇f es el producto de cada
componente de ∇ por el escalar f , interpretando las componentes de ∇ como operadores que
actúan sobre f : ( ) ( )
∂ ∂ ∂ ∂f ∂f ∂f
∇f = f, f, f = , , = grad(f ),
∂x ∂y ∂z ∂x ∂y ∂z
que es de donde surge la notación ∇f para el gradiente de f . Siguiendo con esta interpretación, si
⃗ = (F1 , F2 , F3 ) es un campo vectorial, entonces
F
∂ ∂ ∂
⃗ =
div(F) F1 + F2 + F3 = ∇ · F;
⃗
∂x ∂y ∂z
es decir, el “producto escalar” de ∇ por F.
⃗ Por otro lado, tenemos
 
( )  ⃗ı ⃗ȷ ⃗k 
 
⃗ = ∂F3 − ∂F2 , ∂F1 − ∂F3 , ∂F2 − ∂F1 =  ∂/∂x ∂/∂y
rot(F) ∂/∂z  = ∇ × F;
⃗
∂y ∂z ∂z ∂x ∂x ∂y 
 F1 F2 F3 

es decir, el “producto vectorial” de ∇ por F.

⃗
Observemos también que para el laplaciano se tiene que
( )
∇2 (f ) = div grad(f ) = ∇ · ∇f,
lo que justifica la notación ∇2 (f ) para esta operación.
⃗ es un campo vectorial entonces
En resumen, con esta interpretación, si f es un campo escalar y F
grad(f ) = ∇f, ∇2 f = ∇ · ∇f, ⃗ = ∇ · F,
div(F) ⃗ ⃗ = ∇ × F.
rot(F) ⃗
70 Matemáticas III (GIC y GITI, 2015–2016)

Álgebra del operador nabla. Sean f un campo escalar y F ⃗ yG

⃗ dos campos vectoriales, los
2
tres de clase C en un mismo dominio de definición. Entonces
( )
rot grad(f ) = 0,
( )
div grad(f ) = ∇2 f,
( ) ( )
rot rot(F) ⃗ − ∇2 F,
⃗ = grad div(F) ⃗
( )
⃗ = 0.
div rot F

o, simbólicamente,

∇ × (∇f ) = 0,
∇ · (∇f ) = ∇2 f,
∇ × (∇ × F)
⃗ = ∇(∇ · F)
⃗ − ∇2 F,
⃗

∇ · (∇ × F)
⃗ = 0.

EJERCICIOS DE LA SECCIÓN 3

Ejercicio 1. Calcula las divergencias y los rotacionales de los siguientes campos vectoriales en el
origen y en el punto (1, −3)
( ) ( ) ( )
(1) ⃗
F(x, y) = x2 − y 2 , 2xy (2) ⃗
F(x, y) = ex cos(y), ex sen(y) ⃗
(3) F(x, y) = x3 , y 3

Ejercicio 2. Calcula las diferenciales, las divergencias y los rotacionales de los siguientes campos
vectoriales en el origen y en el punto (1, 0, −3)
( ) ( )
(1) ⃗
F(x, y, z) = x2 − y 2 + z 2 , 2xy, z 2 ⃗
(2) F(x, y, z) = ex cos(y), ex sen(y), z
( ) ( )
(3) ⃗
F(x, y, z) = x3 , y 3 , z 3 ⃗
(4) F(x, y, z) = cos(y + z), cos(x + z), cos(x + y)

Ejercicio 3. √Sean ⃗r(x, y, z) = (x, y, z) el campo vectorial que da el vector de posición de un punto
y r(x, y, z) = x2 + y 2 + z 2 el campo escalar que da la distancia desde dicho punto hasta el origen
de coordenadas. Calcula la divergencia y el rotacional del campo vectorial F ⃗ = rn⃗r siendo n un
número entero.

Ejercicio 4. Calcula los laplacianos de los siguientes campos escalares

f1 (x, y) = ex sen(y), f2 (x, y) = ex cos(y), f3 (x, y) = log(x2 +y 2 ), f4 (x, y, z) = arc tg(y/x)+z.

Ejercicio 5. ¿Para qué valores de las constantes a, b y c es armónico el campo escalar definido
por f (x, y) = ax2 + bxy + cy 2 ?

Ejercicio 6. Prueba las fórmulas del álgebra del operador nabla dadas al final de la sección.
 4. Campos vectoriales diferenciables 71

Ejercicio 7. Prueba las siguientes fórmulas para el operador nabla:

∇ · (f F)
⃗ = f ∇(F)
⃗ + ∇(f ) · F,
⃗

∇ × (f F)
⃗ = f (∇ × F)
⃗ + (∇f ) × F,
⃗

∇ · (F
⃗ × G) ⃗ · (∇ × F)
⃗ =G ⃗ −F
⃗ · (∇ × G).
⃗

Algunas notas históricas. Las fórmulas que acabamos de ver, que nacen de la interpretación de ∇ como si fuera
un vector, son muy útiles cuando se hacen cálculos en diversas disciplinas; especialmente en electromagnetismo
o mecánica de fluidos. De hecho, estas fórmulas aparecieron por primera vez en el contexto del estudio de los
campos eléctricos y magnéticos llevado a cabo a lo largo del siglo xix desde sus orı́genes con Carl F. Gauss hasta su
culminación con James C. Maxwell. El sı́mbolo ∇ para indicar el gradiente, introducido por el matemático irlandés
William R. Hamilton en 1853, fue utilizado por Maxwell para establecer el modelo matemático de la teorı́a del
campo electromagnético, las famosas ecuaciones de Maxwell:

ρ
∇ · E=
⃗ ∇ · B=
⃗ 0
ϵ0
⃗
∂B ⃗
∂E
∇ × E=
⃗ − ∇ × B=
⃗ µ0 ⃗
J + µ0 ϵ0 ,
∂t ∂t

⃗ es el campo eléctrico, B
donde E ⃗ es la inducción magnética, ⃗
J es la densidad de corriente y los valores ρ, ϵ0 , µ0 son
constantes; los campos dependen de las tres variables espaciales (x, y, z) y el tiempo t.

BIBLIOGRAFÍA

G.L. Bradley y K.J. Smith, Cálculo, vol. 2, Secciones 13.7, 13.8 y 14.1.
R.E. Larson, R.P. Hostetler y B.H. Edwards, Cálculo, vol. 2, Secciones 13.7, 13.8 y 14.1.
G.B. Thomas, Jr., Cálculo, varias variables, Secciones 15.8, 16.7 y 16.8.

Páginas web de interés:

http://www.wolframalpha.com
http://web.monroecc.edu/manila/webfiles/calcNSF/JavaCode/CalcPlot3D.htm
http://www.desmos.com/