Understanding Derivatives
What Is a Derivative?
The derivative of a function measures how the output changes as the input changes. Formally, f'(x) = lim[h→0] (f(x+h) − f(x))/h. It gives the slope of the tangent line at any point on the curve.
The Power Rule
For a polynomial term axⁿ, the derivative is a·n·xⁿ⁻¹. This is the power rule — the most fundamental differentiation rule. It reduces the exponent by 1 and multiplies by the original exponent.
Geometric Interpretation
The derivative at a point is the slope of the tangent line to the curve at that point. A positive derivative means the function is increasing, negative means decreasing, and zero means it has a horizontal tangent (potential maximum or minimum).
Higher-Order Derivatives
The second derivative f''(x) measures the rate of change of the first derivative. It indicates concavity: positive means concave up (bowl-shaped), negative means concave down (dome-shaped). Inflection points occur where f''(x) = 0.
Applications
Derivatives are used in physics (velocity = derivative of position, acceleration = derivative of velocity), optimization (finding maxima and minima), economics (marginal cost, marginal revenue), biology (population growth rates), and machine learning (gradient descent).
La derivata nella matematica
La derivata f'(x) = lim(h→0) [f(x+h)-f(x)]/h misura il tasso di variazione istantaneo di una funzione. Geometricamente, è il coefficiente angolare della retta tangente al grafico nel punto. Se f'(x) > 0 la funzione cresce, se f'(x) < 0 decresce, se f'(x) = 0 c'è un punto stazionario (massimo, minimo o flesso). La derivata seconda f''(x) indica la concavità e l'accelerazione del cambiamento della funzione originaria.
Regole di derivazione
Le regole fondamentali: derivata della costante è 0, derivata di xⁿ è nxⁿ⁻¹, derivata di sin(x) è cos(x), derivata di eˣ è eˣ, derivata di ln(x) è 1/x. Regole operative: somma (somma delle derivate), prodotto ((uv)' = u'v + uv'), quoziente ((u/v)' = (u'v-uv')/v²), catena ((f∘g)' = f'(g)·g'). Queste regole permettono di derivare qualsiasi funzione elementare combinata mediante operazioni algebriche e composizioni funzionali.
Derivate nella fisica
In fisica, la derivata è ovunque: velocità è la derivata della posizione, accelerazione è la derivata della velocità (o seconda derivata della posizione). La corrente elettrica è la derivata della carica rispetto al tempo. La potenza è la derivata del lavoro. Il gradiente di temperatura determina il flusso di calore. In meccanica dei fluidi, il gradiente di pressione genera le forze che muovono i fluidi. Ogni legge fisica differenziale è espressa mediante derivate.
Ottimizzazione con le derivate
Trovare il massimo o minimo di una funzione è un problema centrale: si pone f'(x) = 0 e si verifica con f''(x) se è massimo (negativo) o minimo (positivo). In economia, si massimizzano profitti e si minimizzano costi. In ingegneria, si ottimizzano le prestazioni. In machine learning, la discesa del gradiente minimizza la funzione di errore usando iterativamente le derivate parziali per aggiornare i parametri del modello.
Derivate parziali e gradienti
Per funzioni di più variabili f(x,y), la derivata parziale ∂f/∂x misura la variazione rispetto a x mantenendo y costante. Il gradiente ∇f = (∂f/∂x, ∂f/∂y) è un vettore che indica la direzione di massima crescita. La discesa del gradiente, usata in machine learning, segue la direzione opposta al gradiale per minimizzare la funzione di costo. Le derivate parziali sono fondamentali in fisica (equazioni di Maxwell, Navier-Stokes) e in economia (ottimizzazione multi-parametro).
Storia del calcolo differenziale
Newton e Leibniz scoprirono il calcolo differenziale indipendentemente nel XVII secolo. Newton lo applicò alla fisica (leggi del moto), Leibniz sviluppò la notazione moderna (dy/dx). La disputa sulla priorità divise i matematici europei per decenni. Nel XIX secolo, Cauchy e Weierstrass diede basi rigorose con la definizione epsilon-delta. Il calcolo differenziale rimane uno degli strumenti matematici più potenti e versatili mai sviluppati dalla mente umana.
Derivata e approssimazione lineare
In un punto x₀, la funzione può essere approssimata con la retta tangente: f(x) ≈ f(x₀) + f'(x₀)(x-x₀). Questa è l'approssimazione lineare o sviluppo di Taylor al primo ordine. Per approssimazioni migliori, si usano termini di ordine superiore con derivate successive. Il polinomio di Taylor di grado n usa le prime n derivate per approssimare la funzione. Questo strumento è essenziale nella fisica per linearizzare equazioni complesse intorno a punti di equilibrio.
Derivata e crescenza della funzione
Il test della derivata prima stabilisce: se f'(x) > 0 in un intervallo, f è crescente; se f'(x) < 0, f è decrescente. I punti dove f'(x) = 0 sono critici e possono essere massimi locali, minimi locali o punti di sella. Il test della derivata seconda: se f''(x₀) < 0 in un punto critico, è un massimo; se f''(x₀) > 0, è un minimo; se f''(x₀) = 0, il test è inconclusivo e occorre analizzare il segno di f' intorno al punto critico considerato.