Inicio · Parte 07 — Cálculo diferencial e integral
(xⁿ)' = n·xⁿ⁻¹
(f + g)' = f' + g'
(c·f)' = c·f'
(c)' = 0
Las reglas básicas convierten la derivación en un procedimiento mecánico. Cada una se demuestra una vez desde la definición por límite y luego se aplica sin volver a pensar en límites, que es exactamente el propósito de tener reglas.
La linealidad —la derivada de una suma es la suma de las derivadas, y las constantes salen fuera— es la propiedad que hace que la derivación sea un operador lineal. Eso importa más de lo que parece: permite derivar término a término cualquier polinomio, cualquier serie de potencias y cualquier combinación lineal de funciones.
La regla de la potencia, (xⁿ)' = n·xⁿ⁻¹, vale para todo exponente real, no solo natural. Su demostración para exponentes naturales usa el binomio de Newton; para exponentes reales necesita la definición exponencial de la clase 148.
La derivada de una constante es cero, y esa es la razón por la que la antiderivada no es única (clase 155): sumar cualquier constante no cambia la derivada. En optimización, ese hecho significa que desplazar la función objetivo verticalmente no cambia dónde está su mínimo, propiedad que se usa para estabilizar cálculos.
Cuatro derivadas verificadas numéricamente.
función punto numérica analítica coinciden
x³ 2 12.000000 3x² = 12 ✓
5x 7 5.000000 5 ✓
x³ + 5x 2 17.000000 3x²+5 = 17 ✓
constante 4 1 0.000000 0 ✓
Linealidad verificada:
(x³ + 5x)' = (x³)' + (5x)' = 12 + 5 = 17 ✓
Reglas de potencia, suma y constante verificadas numéricamente.
python classes/part-07-calculo-diferencial-e-integral/145-reglas-de-derivacion/lab.py
compmath run 145
x³ en 25x en 7x³+5x en 2constante 4{
"x³ en 2": {
"numerica": 12.0,
"analitica": 12.0,
"coinciden": true
},
"5x en 7": {
"numerica": 5.0,
"analitica": 5.0,
"coinciden": true
},
"x³+5x en 2": {
"numerica": 17.0,
"analitica": 17.0,
"coinciden": true
},
"constante 4": {
"numerica": 0.0,
"analitica": 0.0,
"coinciden": true
}
}
Derivación de polinomios y modelos lineales, cálculo de gradientes analíticos y verificación de implementaciones de autodiferenciación.
Sin regla de la cadena no hay entrenamiento por gradiente; sin Taylor no hay métodos de segundo orden ni análisis de convergencia.
9780914098911 verificado en International ISBN Agency (2026-08-19).9781285740621 verificado en International ISBN Agency (2026-08-19).