Cálculo aplicado: cambio, optimización y predicción

Objetivo didáctico

Al terminar esta ficha serás capaz de sintetizar límites, derivadas y modelos de crecimiento para analizar cambio, resolver problemas de optimización y evaluar predicciones matemáticas en situaciones donde las cantidades varían con el tiempo o dependen unas de otras.

Introducción

El cálculo estudia cantidades que cambian. Esto parece sencillo hasta que se pregunta por situaciones donde el cambio ocurre continuamente: la velocidad de un vehículo en un instante, el nivel de agua dentro de un depósito, la temperatura durante el día, el número de usuarios de un servicio o la concentración de una sustancia. En todos esos casos no basta con comparar un valor inicial y otro final. Interesa describir cómo está cambiando el sistema en cada momento.

Dos ideas hacen posible ese análisis. El límite permite describir hacia dónde se dirige una función cuando su variable se aproxima a determinado valor. La derivada utiliza ese límite para convertir una tasa promedio medida sobre un intervalo en una tasa instantánea. A partir de la derivada pueden identificarse regiones de crecimiento y decrecimiento, puntos críticos y condiciones donde una cantidad alcanza un máximo o mínimo.

El mismo lenguaje permite construir modelos predictivos. Una población que aumenta a una tasa proporcional a su tamaño conduce naturalmente al crecimiento exponencial. Pero cuando aparecen límites de espacio, infraestructura o recursos, una tasa proporcional sin freno deja de ser razonable y puede sustituirse por modelos como el logístico. Ambos pueden parecer casi iguales durante las primeras etapas y producir futuros radicalmente diferentes.

Por eso aplicar cálculo no significa únicamente derivar una fórmula. Significa decidir qué función representa razonablemente el fenómeno, interpretar sus tasas, examinar restricciones y preguntar durante cuánto tiempo es defendible extrapolar. La ecuación proporciona consecuencias de los supuestos; no certifica por sí sola que esos supuestos permanecerán verdaderos.

Desarrollo del tema

Límites y continuidad: describir qué ocurre cerca de un punto

Un límite no pregunta necesariamente qué valor tiene una función exactamente en un punto. Pregunta qué valores adopta cuando la variable se aproxima a él. Esta distinción permite analizar situaciones donde el valor puntual está ausente, fue definido de otro modo o resulta menos informativo que el comportamiento de los valores cercanos. Formalmente, escribir lim_x→a f(x)=L expresa que f(x) puede acercarse arbitrariamente a L cuando x se aproxima suficientemente a a.

Imagine un sensor que registra el flujo de agua de una tubería alrededor de las 08:00. Si las mediciones a las 07:59:58, 07:59:59, 08:00:01 y 08:00:02 se aproximan a 24 litros por minuto, existe evidencia de un comportamiento límite cercano a 24 aunque el dato exactamente a las 08:00 falte debido a un error momentáneo del dispositivo. El límite describe el entorno, no depende necesariamente del registro puntual.

Una función es continua en x=a cuando se reúnen tres condiciones: f(a) existe, lim_x→af(x) existe y ambos valores coinciden. Esta definición convierte la intuición de “dibujar sin levantar el lápiz” en una condición matemática más precisa. En un modelo físico o económico, una discontinuidad puede indicar un cambio súbito real, una regla por tramos o simplemente una representación mal construida.

Los límites también permiten estudiar comportamientos de largo plazo. En lugar de x→a puede analizarse t→∞. Así se pregunta si una concentración desaparece, si una población se estabiliza o si una función crece sin cota. La diferencia entre aproximarse a un valor y alcanzarlo exactamente es crucial: una variable puede acercarse indefinidamente a un equilibrio sin tomarlo en ningún tiempo finito.

La derivada como tasa de cambio: del promedio al instante

Si una posición s(t) cambia entre dos instantes, la razón [s(t+h)−s(t)]/h representa una velocidad promedio durante un intervalo de longitud h. Para obtener una velocidad instantánea se estudia qué ocurre cuando h se aproxima a cero. La derivada se define precisamente por ese límite: f′(a)=lim_h→0[f(a+h)−f(a)]/h, siempre que el límite exista.

Geométricamente, la razón de cambio promedio es la pendiente de una línea secante que atraviesa dos puntos de la gráfica. Cuando el segundo punto se acerca al primero, las secantes pueden aproximarse a una recta tangente. La pendiente de esa tangente es f′(a). El slider del inicio utilizó f(x)=x² en x=3: la pendiente secante era 6+h y se aproximaba a 6 cuando h tendía a cero.

Las unidades proporcionan una prueba inmediata de interpretación. Si D(t) mide kilómetros y t horas, D′(t) se mide en kilómetros por hora. Si C(q) expresa costo en pesos y q unidades producidas, C′(q) tiene unidades de pesos por unidad adicional. Una derivada de −8 °C por hora significa que la temperatura disminuye instantáneamente a esa tasa; el signo forma parte de la información.

El desarrollo histórico del cálculo durante el siglo XVII estuvo asociado a problemas de tangentes, áreas, movimiento y cambio. Isaac Newton y Gottfried Wilhelm Leibniz desarrollaron enfoques que después confluyeron en la teoría moderna, aunque con notaciones y motivaciones diferentes. La formulación rigurosa mediante límites maduró posteriormente, cuando el análisis comenzó a precisar conceptos que inicialmente se expresaban mediante infinitesimales (Katz, 2009).

Máximos y mínimos: optimizar significa trabajar con una función y con restricciones

Un problema de optimización busca el valor de una variable que maximiza o minimiza una cantidad objetivo. El procedimiento típico comienza mucho antes de derivar: hay que identificar la variable de decisión, construir una función objetivo y especificar el dominio permitido. Solo después se buscan puntos críticos donde f′(x)=0 o donde la derivada no exista, además de revisar fronteras del dominio.

Considere una huerta urbana con 80 metros de cerca para construir un terreno rectangular apoyado sobre un muro, de modo que solo deban cercarse tres lados. Si x representa cada lado perpendicular al muro, el lado restante mide 80−2x y el área es A(x)=x(80−2x)=80x−2x². La derivada es A′(x)=80−4x; igualarla a cero produce x=20 metros.

Sustituir x=20 produce un tercer lado de 40 metros y un área de 800 m². Pero f′(20)=0 no basta para afirmar que existe un máximo. En este caso A″(x)=−4, por lo que la función es cóncava hacia abajo y el punto crítico corresponde a un máximo. Además, el dominio físico exige 0<x<40. Las restricciones forman parte del problema, no son detalles posteriores.

En problemas reales suele haber más de un objetivo. Una ruta de transporte podría minimizar tiempo medio y simultáneamente intentar ampliar cobertura; una cisterna puede diseñarse para reducir material, pero debe cumplir capacidad, seguridad y espacio disponible. El cálculo encuentra óptimos respecto de la función formulada. Si la función omite un costo importante, puede producir correctamente la mejor solución para el problema equivocado.

Crecimiento exponencial: cuando la tasa de cambio es proporcional al tamaño

El modelo exponencial aparece cuando la tasa de cambio de una cantidad es proporcional a la propia cantidad: dP/dt=rP. Su solución tiene la forma P(t)=P₀e^rt. Si r>0 existe crecimiento; si r<0, decrecimiento. El rasgo decisivo es que una población dos veces mayor produce, bajo los mismos supuestos, una tasa absoluta de cambio dos veces mayor.

Si una comunidad digital comienza con 2,000 usuarios y crece continuamente a una tasa r=0.08 por mes, el modelo predice P(12)=2000e^0.96, aproximadamente 5,223 usuarios después de un año. Esa cifra no proviene de sumar 8 % del valor inicial cada mes; la base sobre la que actúa la tasa también cambia.

El tiempo de duplicación del modelo es ln(2)/r. Con r=0.08 resulta cercano a 8.66 meses. Esta relación permite comparar sistemas sin importar el valor inicial. Si una población mantiene una tasa continua de 2 % anual, su tiempo de duplicación teórico es aproximadamente 34.7 años; con 4 % baja a cerca de 17.3 años.

El problema surge al extrapolar demasiado. El crecimiento exponencial supone que la tasa proporcional r permanece constante y que no aparece una restricción capaz de reducirla. Para bacterias durante una fase temprana, capital bajo ciertas condiciones ideales o adopción inicial de una tecnología puede ser una aproximación útil. Para poblaciones, mercados o recursos durante horizontes largos, casi siempre aparece alguna forma de límite.

Crecimiento logístico: predecir cuando el propio crecimiento encuentra un límite

El modelo logístico modifica la tasa exponencial mediante un factor de freno: dP/dt=rP(1−P/K). La constante K se interpreta como capacidad de carga o nivel de saturación dentro del modelo. Cuando P es pequeño respecto de K, el factor 1−P/K está cerca de 1 y el comportamiento se parece al exponencial. Cuando P se aproxima a K, el factor se acerca a cero y el crecimiento se desacelera.

Pierre-François Verhulst propuso durante el siglo XIX una ley de crecimiento que incorporaba límites frente a la expansión geométrica de población. Su formulación dio origen al modelo logístico moderno, utilizado después en ecología, difusión de innovaciones y otros procesos de saturación. La relevancia conceptual permanece: una tasa puede depender tanto del tamaño actual como de cuánto espacio de crecimiento queda disponible (Verhulst, 1838).

La curva logística tiene forma de S. Al inicio el crecimiento acelera; después alcanza una tasa máxima y finalmente desacelera al acercarse a K. Esto permite interpretar una desaceleración de manera distinta: no siempre significa que un proceso “fracasó”. Puede ser justamente la conducta esperada de un sistema que se aproxima a un límite estructural.

Pero K tampoco debe tratarse como una constante sagrada. La capacidad de una ciudad, de un servicio o de un ecosistema puede cambiar con infraestructura, tecnología, normas, recursos o comportamiento. Un modelo logístico ajustado a datos históricos puede describir bien una etapa y fallar después de una transformación del sistema. La predicción sigue siendo condicional a la estabilidad de sus parámetros.

Clasifique ahora cada escenario según el modelo que, como primera aproximación, parece más coherente con la información disponible.

Conclusión

El objetivo de esta ficha era integrar herramientas de cálculo para analizar cambio, optimización y predicción. Los límites proporcionan el lenguaje de aproximación que hace posible definir tasas instantáneas; la derivada convierte esa aproximación en una medida de cambio local; y los signos y puntos críticos de las derivadas permiten estudiar cuándo una cantidad aumenta, disminuye o alcanza valores extremos.

El paso hacia modelos de crecimiento muestra una segunda dimensión del cálculo: no basta describir el presente, también pueden formularse ecuaciones sobre cómo cambia un sistema y estudiar sus consecuencias. El crecimiento exponencial modela una tasa proporcional al tamaño; el logístico modifica esa regla cuando la propia expansión reduce progresivamente la capacidad de seguir creciendo. Los dos pueden ajustarse a una etapa inicial semejante y divergir con fuerza después.

El criterio avanzado consiste en no separar cálculo y modelación. Un máximo solo tiene sentido dentro de un dominio y una función objetivo; una derivada necesita unidades; una proyección exige supuestos; y un límite matemático no necesariamente representa un límite físico permanente. La potencia del cálculo aparece precisamente cuando sus resultados se interpretan junto con las condiciones que los hicieron posibles.

Actividad de aprendizaje autónoma

Producto esperado: informe de cambio, optimización y predicción. Seleccione un fenómeno cuantitativo cercano —movilidad, consumo de agua, uso de energía, crecimiento de usuarios de un servicio, capacidad de almacenamiento o algún proceso equivalente— y construya un informe donde el cálculo sirva para responder una decisión concreta, no solo para efectuar operaciones.

1. Defina una variable dependiente y una variable independiente, incluyendo sus unidades.
2. Proponga una función continua que modele una parte del fenómeno y explique qué representaría un límite relevante.
3. Calcule o interprete una derivada en un punto y traduzca el resultado a una oración con unidades.
4. Construya una función objetivo que pueda maximizarse o minimizarse. Indique el dominio permitido antes de buscar puntos críticos.
5. Encuentre al menos un punto crítico y justifique si corresponde a máximo, mínimo o ninguno.
6. Proponga una versión exponencial del crecimiento de una cantidad e indique el parámetro r.
7. Construya después una versión logística del mismo fenómeno identificando una capacidad K.
8. Compare ambas predicciones en un horizonte corto y otro más largo. Explique por qué divergen.
9. Identifique dos supuestos cuya ruptura haría cambiar significativamente la predicción.
10. Cierre con una recomendación condicional: qué decisión parece razonable bajo el modelo y qué evidencia futura podría hacerla cambiar.

Complete los campos siguientes para producir la síntesis que encabezará su informe. La declaración debe conectar cálculo y decisión en una sola cadena argumentativa.

Reflexión final: si dos modelos describen casi perfectamente los datos observados hasta hoy pero predicen futuros muy diferentes, ¿qué criterio utilizaría para decidir cuál merece mayor confianza antes de tomar una decisión?