Cómo medir una velocidad cuando el intervalo desaparece
El cálculo diferencial estudia cómo cambian las cantidades y su herramienta central es la derivada: la tasa de cambio instantánea de una función respecto a otra variable. Si una posición depende del tiempo, su derivada es la velocidad; si el coste depende de la producción, la derivada aproxima cuánto añade una unidad más. No se divide simplemente «cero entre cero». Se comparan cambios en intervalos cada vez menores y se observa si sus cocientes se acercan a un valor mediante un límite.
La idea nació de problemas geométricos y físicos: hallar la tangente a una curva y describir movimiento variable. Hoy se aplica en biología, economía, ingeniería y aprendizaje automático. El método es común, pero interpretar la derivada exige conservar unidades y contexto. Un número sin saber qué variable cambia respecto a cuál puede ser matemáticamente correcto y físicamente inútil.
La secante se convierte en tangente
Entre dos puntos de una gráfica, el cociente entre cambio vertical y horizontal da la pendiente media. Para acercarnos a un punto, usamos f(x+h)-f(x) dividido por h y hacemos que h tienda a cero. Si el límite existe, obtenemos f'(x). La recta secante entre dos puntos se aproxima a la tangente que representa el comportamiento local.
En f(x)=x², el cociente es [(x+h)²-x²]/h = 2x+h para h distinto de cero. Al acercarse h a cero, queda 2x. La derivada en x=3 es 6: alrededor de ese punto, aumentar x una cantidad pequeña aumenta f aproximadamente seis veces esa cantidad. No dice que la función completa sea una recta, solo que localmente se parece a ella.
Las reglas evitan repetir el límite desde el principio
Derivadas de sumas, productos, cocientes y composiciones siguen reglas demostrables a partir de límites. La regla de la cadena es esencial: si una cantidad cambia a través de otra, las tasas se multiplican de forma adecuada. Si el área de un círculo depende del radio y el radio del tiempo, la variación del área combina ambas relaciones. Olvidar una capa produce errores en problemas de movimiento y modelos.
Las reglas son herramientas, no el significado. Memorizar que la derivada de x² es 2x no explica por qué. Conviene alternar cálculo simbólico, unidades, gráfica y estimación numérica. Un programa puede derivar expresiones extensas, pero una persona debe decidir si la función representa el fenómeno y dónde es válida.
Una derivada cero señala candidatos, no siempre soluciones
Si una función diferenciable tiene un máximo o mínimo interior, su derivada suele ser cero allí. Por eso se buscan puntos críticos y se analiza cómo cambia el signo: de positivo a negativo indica máximo local; de negativo a positivo, mínimo. También se revisan extremos del intervalo y lugares donde la derivada no existe. Resolver f'(x)=0 y detenerse puede perder la solución o clasificarla mal.
La segunda derivada mide cómo cambia la primera y ayuda a estudiar concavidad. Si la posición tiene primera derivada velocidad, la segunda es aceleración. En optimización, construir bien la función es más difícil que derivarla: hay que expresar restricciones, dominio y objetivo. Un resultado fuera del dominio carece de sentido aunque satisfaga la ecuación.
Lo local permite estimar sin recalcular todo
Cerca de un punto a, una función diferenciable se aproxima por f(a)+f'(a)(x-a). Esta linealización estima valores y muestra sensibilidad. Si una medición cambia un poco, la derivada aproxima cuánto cambia el resultado. En ingeniería ayuda a propagar errores; en economía define cantidades marginales; en métodos numéricos orienta búsquedas de raíces.
La aproximación empeora al alejarnos o cuando la curvatura es grande. Una derivada enorme indica sensibilidad local, no una predicción a largo plazo. En sistemas con umbrales, discontinuidades o ruido, el modelo diferenciable puede fallar. El cálculo ofrece precisión bajo supuestos, no convierte cualquier proceso en una curva suave.
Diferenciar e integrar son operaciones conectadas
La integral acumula cantidades, mientras la derivada extrae tasas locales. El teorema fundamental del cálculo conecta ambas: bajo condiciones adecuadas, acumular una tasa y luego diferenciar recupera la tasa, y una integral definida puede evaluarse con antiderivadas. Esta unión explica por qué velocidad integra desplazamiento y por qué derivar una acumulación devuelve su ritmo de crecimiento.
No toda función tiene derivada en todos los puntos. |x| presenta una esquina en cero; un salto rompe continuidad; funciones más extrañas pueden ser continuas y no derivables en muchos lugares. El dato memorable es que una herramienta creada para tangentes permite entrenar redes neuronales mediante gradientes. La potencia del cálculo diferencial no está en una fórmula aislada, sino en traducir «¿cómo cambia?» a una operación verificable.
Medir una pendiente es más difícil que derivar una fórmula
En datos experimentales no conocemos una función perfecta: tenemos puntos con ruido y resolución limitada. Restar valores muy cercanos puede amplificar el error, mientras usar intervalos grandes suaviza cambios importantes. Por eso se ajustan curvas, se aplican diferencias finitas o se incorporan modelos físicos antes de estimar la derivada. El resultado depende de escala y de cuánto suavizado sea justificable.
Este cuidado enlaza el cálculo con las ecuaciones diferenciales: muchas leyes expresan cómo una tasa instantánea depende del estado actual, pero sus soluciones deben compararse con mediciones imperfectas. Una aceleración estimada a partir de posiciones, por ejemplo, exige derivar dos veces y magnifica aún más el ruido. La derivada no aparece directamente en el sensor; es una inferencia matemática cuya fiabilidad depende del muestreo, el modelo y la incertidumbre.
