¿Qué son los puntos críticos de una función cúbica? En pocas palabras, son los puntos donde la función deja de subir o bajar y se "da la vuelta". Más formalmente, son los puntos donde la derivada de la función es igual a cero o no existe. Para una función cúbica, la derivada siempre existe, así que nos enfocaremos en dónde es igual a cero.
¿Cómo los encontramos? Primero, necesitamos la derivada de nuestra función cúbica. Una función cúbica tiene la forma general f(x) = ax³ + bx² + cx + d. Su derivada, f'(x), es 3ax² + 2bx + c. ¡Ojo! La derivada es una función cuadrática.
Segundo, igualamos la derivada a cero: 3ax² + 2bx + c = 0. Ahora tenemos una ecuación cuadrática. ¿Cómo resolvemos esto? ¡Con la fórmula cuadrática! También podemos factorizar (si es posible) o completar el cuadrado, pero la fórmula cuadrática es la opción más segura. Las soluciones de esta ecuación cuadrática, es decir, los valores de x que la satisfacen, son las abscisas de nuestros puntos críticos.
Must Read
Tercero, para encontrar las coordenadas completas de los puntos críticos, sustituimos cada valor de x que encontramos en la función original f(x). Esto nos da el valor de y correspondiente, completando así las coordenadas (x, y) de cada punto crítico.
Ejemplo: Consideremos f(x) = x³ - 3x² + 2. La derivada es f'(x) = 3x² - 6x. Igualamos a cero: 3x² - 6x = 0. Factorizando, obtenemos 3x(x - 2) = 0. Por lo tanto, x = 0 y x = 2 son las abscisas de nuestros puntos críticos. Sustituyendo en la función original, encontramos que los puntos críticos son (0, 2) y (2, -2).
¿Y para qué nos sirve esto? Los puntos críticos nos ayudan a entender el comportamiento de la función. Indican máximos locales (donde la función sube hasta el punto crítico y luego baja) y mínimos locales (donde la función baja hasta el punto crítico y luego sube). En problemas de optimización (por ejemplo, maximizar ganancias o minimizar costos), los puntos críticos son candidatos importantes para la solución. Además, en ingeniería y física, entender los puntos críticos puede ser crucial para analizar sistemas y predecir su comportamiento.
