Capı́tulo 1

Funciones vectoriales de varias

variables

En esta parte estudiaremos las funciones vectoriales de varias variables, como una
generalización de los resultados obtenidos en los capı́tulos anteriores. Desarrollare-
mos temas de cálculo en campos vectoriales importante en la ciencia e ingenieria.
Las pruebas de los resultados que se presenta se pueden encontrar en [2], [6] y [8].
Los graficos que se presentan fueron elaborados utilizando el software Derive 6.1
y winplot.

1.1. Funciones vectoriales de varias variables

Definición 1.1.1. Sea F : D ⊂ Rn → Rm una función definida sobre un conjunto

D ⊂ Rn . Se dice que F es una función vectorial de varias variables. Si F hace
corresponder a un vector X = (x1 , x2 , ..., xn ) ∈ D un único vector Y ∈ Rm tal que
Y = F (X) = (F1 (X), F2 (X), ..., Fm (X)).
A las funciones Fi : D ⊂ Rn → R se les llama funciones coordenadas.
Si n = m, la función F se llama CAMPO VECTORIAL (en Rn ).

1
1.1. FUNCIONES VECTORIALES DE VARIAS VARIABLES 2

Figura 1.1: Estos vectores representan campos de velocidades de la distribución del viento
superficial-Región Perú

NOTA 1.1.1. La idea de visualizar el campo vectorial F es colocar un vector

F (X) ∈ Rn de manera que su punto inicial sea X ∈ D.

Ejemplo 1.1.1. Un campo vectorial en R2 está definido por

F (x, y) = (−y, x)

Describa F trazando alguno de los vectores F (x, y).

Solución

(x, y) F(x,y)
(1,0) (0,1)
(0,1) (-1,0)
(-1,0) (0,-1)
(0,-1) (1,0)

Figura 1.2:

Ejemplo 1.1.2. Grafique el campo de vectores F (x, y, z) = (−x, −y, −z)

Solución
1.2. LIMITES DE UNA FUNCIÓN VECTORIAL DE VARIAS VARIABLES 3

(x, y, z) F(x,y,z)
(1,0,0) (-1,0,0)
(1,1,1) (-1,-1,-1)
(-1,-1,-1) (1,1,1)

Figura 1.3:

1.2. Limites de una función vectorial de varias variables

Definición 1.2.1. Sea F una función definida en un conjunto D ⊂ Rn a valores

en Rm y sea A ∈ Rn un punto de acumulación de D. Diremos que el limite de F
cuando X tiende a A es L = (l1 , l2 , ...lm ) ∈ Rm (denotado por lı́mX→A F (X) = L )
si para cada ² > 0 es posible hallar un δ > 0 tal que kf (X) − Ak < ² siempre que
X ∈ D y 0 < kX − Ak < δ. Simbólicamente:

lı́m f (X) = L ⇔ ∀² > 0 ∃ δ > 0 / X ∈ D ∧ 0 < kX − Ak < δ ⇒ kF (X) − Lk < ²

X→A

Teorema 1.2.1. Sea F : D ⊂ Rn → Rm donde F = (F1 , F2 , ...Fm ).Si A ∈ Rn un

punto de acumulación de D y L = (l1 , l2 , ...lm ) ∈ Rm diremos que lı́mX→A F (X) = L
si y solo si

lı́m F1 (X) = l1 , lı́m F2 (X) = l2 , . . . , lı́m Fm (X) = lm

X→A X→A X→A

Ejemplo 1.2.1. Calcule lı́m (x2 + y 2 , 2x + y, 2y)

(x,y)→(1,2)

Solución

lı́m (x2 + y 2 , 2x + y, 2y) = ( lı́m x2 + y 2 , lı́m 2x + y, lı́m 2y)

(x,y)→(1,2) (x,y)→(1,2) (x,y)→(1,2) (x,y)→(1,2)
= (5, 4, 4)

NOTA 1.2.1.

El lı́mite de las funciones vectoriales de varias variables cumple con las propiedades
del limite de funciones vectoriales de una variable y de limites de funciones de varias
variables.
1.3. CONTINUIDAD DE UNA FUNCIÓN VECTORIAL DE VARIAS VARIABLES 4

1.3. Continuidad de una función vectorial de varias vari-

ables

Definición 1.3.1. Sea F : D ⊂ Rn → Rm una función vectorial de varias variables

definida en un conjunto D.

1. F es continua en un punto A ∈ D si y solo si

∀² > 0 ∃ δ > 0 / X ∈ D ∧ kX − Ak < δ ⇒ kF (X) − Lk < ²

2. F es continua en un punto A ∈ D que es punto de acumulación de D si y solo

si lı́mX→A F (X) = F (A)

Teorema 1.3.1. La función F : D ⊂ Rn → Rm es continua en A ∈ D si y solo si

cada una de sus funciones componentes es continua en A.

Ejemplo 1.3.1. Pruebe que la función

 ³ ´
 senx−seny , ex −e−y , (x, y) 6= (0, 0)
x−y x+y
F (X, Y ) =
 (1, 1), (x, y) = (0, 0)

es continua en A = (0, 0)

Solución
µ ¶ µ ¶
senx − seny ex − e−y senx − seny ex − e−y
lı́m , = lı́m , lı́m
(x,y)→(0,0) x−y x+y (x,y)→(0,0) x−y (x,y)→(0,0) x + y

Calculamos:
senx − seny 2 x−y x+y
lı́m = lı́m sen( ) cos( )=1
(x,y)→(0,0) x−y (x,y)→(0,0) x − y 2 2
y
ex − e−y ex+y − 1
lı́m = lı́m e−y =1
(x,y)→(0,0) x + y (x,y)→(0,0) x+y
Reemplazando estos últimos resultados en (1) se tiene:

lı́m F (x, y) = (1, 1) = F (0, 0)

(x,y)→(0,0)

Por lo tanto F es continua en (0, 0).

1.4. DERIVADAS PARCIALES DE UNA FUNCIÓN VECTORIAL DE VARIAS VARIABLES5

1.4. Derivadas parciales de una función vectorial de varias

variables

Definición 1.4.1. Sea F : D ⊂ Rn → Rm una función vectorial de varias variables

definida en un conjunto abierto D por:

F (x1 , x2 , ..., xn ) = (F1 (x1 , x2 , ..., xn ), F2 (x1 , x2 , ..., xn ), ..., Fm (x1 , x2 , ..., xn ))

para todo X = (x1 , x2 , ..., xn ) ∈ D. La derivavda parcial de F con respecto a xi se

define por:
∂F F (x1 , x2 , ..., xi + h, ...xn ) − F (x1 , x2 , ..., xn )
(X) = lı́m , ∀i = 1, 2, 3, ..., n
∂ xi h→0 h
siempre que este limite exista.

1.4.1. Matriz Jacobiana

Definición 1.4.2. Sea F : D ⊂ Rn → Rm una función vectorial de varias variables

definida en un conjunto abierto D y A ∈ D. Se llama matriz Jacobiana de F en
A, denotado por JF (A) a la matriz m × n:
 
∂ F1 ∂ F1 ∂ F1
...
 ∂ x1 ∂ x2 ∂ xn 
 .. .. .. 
JF (A) =  . . ... . 
 
∂ Fm ∂ Fm ∂ Fm
∂ x1 ∂ x2
... ∂ xn

Si m = n a la determinante de esta matriz se le llama Jacobiano de F .

1.5. Función diferenciable

Definición 1.5.1. Sea F : D ⊂ Rn → Rm una función vectorial de varias variables

definida en un conjunto abierto D y A ∈ D.Se dice que F es diferenciable en A si
existe JF (A) y además de esto, para todo vector V = (α1 , α2 , ...αn ) tal que V +A ∈ D
se cumple que
(f (A + V ))m×1 − (f (A))m×1 − (JF (A))m×n (V )n×1 −→
lı́m− = 0
V→0
→ || V ||
donde (f (A + V ))m×1 , (f (A))m×1 y (V )n×1 son matrices columna.
1.6. DIVERGENCIA DE UNA FUNCIÓN VECTORIAL 6

NOTA 1.5.1. Una función F : D ⊂ Rn → Rm definida en un conjunto abierto

D, es diferenciable en A ∈ D si y solo si lo son cada una de sus funciones compo-
nentes F1 , F2 , ..Fm . Se puede entonces estudiar la diferenciabilidad de F en A bien
directamente o bien a través de sus componentes.

Teorema 1.5.1. Sea F : D ⊂ Rn → Rm una función vectorial de varias variables

definida en un conjunto abierto D y continua en A ∈ D. Si la matriz Jacobiana de
F es continua en A entonces F es diferenciable en A.
2
Ejemplo 1.5.1. Sea F (x, y, z) = (xyz, z ex y ). ¿Es F diferenciable en cualquier
punto (x, y, z) ∈ R3 .

Solución  
yz xz xy
JF (x, y, z) =  
2 xy 2 xy 2 xy 2
2y e 2xyze e
Esta matriz es continua en todo R3 (pues sus entradas son funciones continuas en
R3 ) entonces por el teorema anterior F es diferenciable en (x, y, z).

1.6. Divergencia de una función vectorial

Supongamos que tenemos la función con valores vectoriales

F (x, y, z) = P (x, y, z) i+Q(x, y, z) j+R(x, y, z) k = (P (x, y, z), Q(x, y, z), R(x, y, z))

con funciones componentes diferenciables P , Q y R. Entonces la divergencia de F

denotado por div F es la función escalar definida como sigue:
∂ ∂ ∂ ∂P ∂Q ∂R
div F = ∇ . F = ( , , ) . (P, Q, R) = + +
∂x ∂y ∂z ∂x ∂y ∂z
NOTA 1.6.1.

El operador ∇ se llama operador nabla.

Ejemplo 1.6.1. Si el campo vectorial F está dado por:

F (x, y, z) = (x ey , z seny , x y Lnz)

calcule divF (−3, 0, 2).

1.7. EL ROTACIONAL DE UN CAMPO VECTORIAL 7

Solución
∂ ∂ ∂ xy
div F = (x ey ) + (z seny) + (x y Lnz) = ey + z cosy +
∂x ∂y ∂z z
div F (−3, 0, 2) = 1 + 2 cos(0) + 0 = 3

Teorema 1.6.1. Si F y G son dos funciones vectoriales entonces se cumplen:

∇ . (a F + b G) = a ∇ . F + b ∇ . G

∇ . (f F ) = f ∇ . F + ∇ f . F

donde f es una función escalar , a y b son constantes.

Definición 1.6.1. Una función escalar φ se dice armónica si es continua, tiene

segundas derivadas continuas y satisfacen la ecuación de Laplace
∂2 φ ∂2 φ ∂2 φ
2
+ 2
+ 2
= ∇2 φ = 0
∂x ∂y ∂z

1.7. El rotacional de un campo vectorial

El rotacional del campo vectorial F (x, y, z) = P (x, y, z) i+Q(x, y, z) j+R(x, y, z) k

denotado por rot F se difine como:
¯ ¯
¯ ¯
¯i j k ¯ µ ¶
¯ ¯ ∂R ∂Q ∂P ∂R ∂Q ∂P
¯∂ ∂ ∂ ¯
rot F = ∇ × F = ¯ ∂ x ∂ y ∂ z ¯ = − , − , −
¯ ¯ ∂y ∂z ∂z ∂x ∂x ∂y
¯ ¯
¯P Q R¯

Observación 1.7.1.

∇ × F no necesariamente es perpendicular a F .

Propiedades
Sean F y G dos funciones vectoriales y φ una función escalar, entonces:

1. ∇ × (F + G) = ∇ × F + ∇ × G

2. ∇ × (∇ φ) = 0 siempre que φ sea de clase C 2 en R3 .

3. ∇ . (∇ × F ) = 0 siempre que F sea de clase C 2 en R3 .

4. (F × ∇) . G = F . (∇ × G)
1.8. EJERCICIOS PROPUESTOS 8

5. ∇ × (∇ × F ) = ∇ (∇ . F ) − ∇2 F

NOTA 1.7.1.

Un campo vectorial de divergencia nula se dice Solenoidal

Si rot F = 0,el campo F de denomina irrotacional.

A × (B × C) = (A . C) B − (A . B) C

Ejemplo 1.7.1. Sea el campo vectorial F = ra ~r, donde ~r = (x, y, z) y

r = ||~r|| 6= 0. Encuentre el valor de la constante a, para que F sea un campo
solenoidal.

solución
Sabemos que un campo vectorial F (x, y, z) = (P (x, y, z), Q(x, y, z), R(x, y, z)) es
solenoidal si su divergencia es nula, es decir,
∂P ∂Q ∂R
∇.F (x, y, z) = + + =0
∂x ∂y ∂z
P Q R
a a a
Dado que F (x, y, z) = ((x + y + z ) x, (x + y + z ) y, (x + y + z 2 ) 2 z), derivan-
2 2 2 2
2 2 2 2
2 2

do se tiene:
∂P a
= (x2 + y 2 + z 2 ) 2 −1 [(a + 1) x2 + y 2 + z 2 ]
∂x
∂Q a
= (x2 + y 2 + z 2 ) 2 −1 [x2 + (a + 1) y 2 + z 2 ]
∂y
∂R a
= (x2 + y 2 + z 2 ) 2 −1 [x2 + y 2 + (a + 1) z 2 ]
∂z
Sumando estos resultados se obtiene:
∂P ∂Q ∂R a
+ + = (x2 + y 2 + z 2 ) 2 −1 (a + 3) [x2 + y 2 + z 2 ]
∂x ∂y ∂z
Por lo tanto, el campo vectorial F es solenoidal si a = −3.

1.8. Ejercicios Propuestos

1. Trace el campo vectorial F dibujando un diagrama:

a) F (x, y) = (−x, 2y) b). F (x, y, z) = (0, z, 0) c).F (x, y, z) = j − i

d). F (x, y) = (senx, seny) e). f (x, y, z) = (x, y, z)

1.8. EJERCICIOS PROPUESTOS 9

2. Encuentre el campo vectorial gradiente de f :

a) f (x, y) = Ln(x + 2y) b). f (x, y, z) = xcos(y/z)

3. a) Trace el campo vectorial F (x, y) = i + xj y luego trace algunas lineas de

flujo.¿Qué forma parecen tener estas lineas de flujo?

b) Si las ecuaciones paramétricas de las lineas de flujo son x = x(t), y = y(t),

¿cuales ecuaciones diferenciales satisfacen estas funciones? Deduzca que
dy/dx = x.

c) Halle la ecuación de la trayectoria seguida por una partı́cula, que parte del
origen de coordenadas y se mueve en el campo de velocidades dada por F .

4. Razonar la certeza o falsedad de las afirmaciones siguientes:

µ 2 ¶
x + y3 2 2
a) No existe lı́m , x , sen(y )
(x,y)→(0,0) x2 + y 2
b) Si f (x, y) = (x2 + y, x − y 2 ) entonces el jacobiano de f en el punto (1, 0)
es -1.
p
c) La función F (x, y) = ( | x y |, xcosy) no es diferenciable en el origen.

d ) Sea f : R2 → R2 con f (0, 0) = (1, 1) y g : R2 → R con g(x, y) 

= x2 + 
y.
1 1
Sea h = g ◦ f . Si la matriz jacobiana de la función f en (0, 0) es  
2 3
∂h ∂h
entonces ∂x
(0, 0) =4y ∂y
(0, 0) = 5.

e) Sean f y g funciones de R2 → R2 conf (1, 1) = (2, 2). La matriz jacobiana

0 1
de la función f en el punto (1, 1) es   y la matriz jacobiana de la
1 3
 
1 1
función g en el punto (2, 2) es  . Entonces la matriz jacobiana de
1 2
 
1 2
la función compuesta g ◦ f en el punto (1, 1) es  .
4 7

5. Se considera el campo vectorial F = (x2 yz, xy 2 z, xyz 2 ). Calcule su divergencia

y su rotacional.

6. Sea f un campo escalar y F un campo vectorial. Pruebe que div(f F ) = ∇f.F +

f divF
1.8. EJERCICIOS PROPUESTOS 10

7. Sea a un vector constante R el vector posición. Se considera el vector v = a×R.

Demuestre que div v = 0

8. Sea f un campo escalar y F un campo vectorial. Pruebe que rot(f F ) = ∇f ×

F + f rotF .

9. Sea f un campo escalar de clase C 2 en R3 . Pruebe que rot(∇f ) = 0.

Referenciales

[1] Apostol Tom, M. Cálculus Vol I . Ed. Reverte. Barcelona 2001.

[2] Apostol Tom, M. Cálculus Vol II. Ed. Reverte. Barcelona 2001.

[3] Benazic R. Caminos en Espacios Euclideanos. Ed. Sociedad Matemática Peru-

ana. Lima 2002.

[4] Edwards, Jr., D. Cálculo con Geometrı́a Analı́tica, ed.,Prentice Hall, Mexico,
1998.

[5] De Guzmán, M. Aventuras Matematicas. Ed. pirámide. Madrid 2004.

[6] Galindo Soto, F. Guı́a práctica de cálculo infinitesimal en varias variables. Ed.
Thomson. Madrid 2005.

[7] Garcia Lopez, A. Cálculo II, ed.,CLAGSA, Madrid, 1997.

[8] Lima, E. Curso de Análise, Volume 2. Ed. Projeto Euclides. IMPA. Rio de
Janeiro 1981.

[9] Lima, E. Análisis Real. Ed. IMCA. Lima 1997.

[10] Llorens fuster, J. Introducción a derive 6. Ed. Deisoft, c.b. Valencia España
2003.

[11] Pita Ruiz, C. Cálculo Vectorial, ed.,Prentice Hall, Mexico, 1998.

[12] Stewart, J. Cálculo Mutivariable. Cuarta Edición Ed. Thomson Learning 2006.

[13] Velasco Sotomayor, G. Problemario de cálculo multivariable. Ed. Thomson,

Learning, Mexico, D.F. 2003.

11