Die Bibliothek · MathematikTafel № 110 · Folio I
ILL. № 110
MATH
Plate — Die Ableitung
·Tafel № 110

Die Ableitung

Die Steigung in einem einzigen Augenblick, gewonnen als Grenzwert: Weil die Physik sich im Lokalen abspielt, steht diese eine Änderungsrate hinter jedem Bewegungsgesetz.
Als Nächstes empfohlen → Der harmonische Oszillator · PHYS
Facetten
  • Derivative as instantaneous slopenoch nicht geprüft
  • Tangent line and zero slopenoch nicht geprüft
  • Power, constant, and chain rulesnoch nicht geprüft
  • Newton and Leibniz invent calculusnoch nicht geprüft
Der Beitrag

Die Ableitung wurde zweimal entdeckt, beinahe gleichzeitig — von zwei Männern, die einander für den Rest ihres Lebens des Diebstahls bezichtigen sollten. Isaac Newton fand sie um 1666, im Pestjahr, und nannte sie Fluxion: die Rate, mit der sich eine fließende Größe ändert. Gottfried Wilhelm Leibniz fand sie in den 1670er Jahren unabhängig davon, nannte sie Differential und stiftete die Schreibweise dy/dx samt dem Integralzeichen ∫ — beides bis heute in Gebrauch. Der Prioritätsstreit, der folgte, vergiftete die englische Mathematik für mehr als ein Jahrhundert: An Newtons Notation hielten seine Getreuen fest, mit der von Leibniz arbeitete der gesamte Kontinent — und die kontinentalen Mathematiker enteilten den Engländern. Den Streit gewann die Notation; die Politik gewann Newton.

Die Ableitung einer Funktion ƒ an der Stelle x misst, wie schnell sich ƒ dort ändert — geometrisch: die Steigung der Tangente an den Graphen in diesem Punkt. Formal ist sie der Grenzwert des Differenzenquotienten, ƒ′(x) = lim h→0 [ƒ(x+h) − ƒ(x)] / h, sofern dieser existiert. Wo das der Fall ist, heißt die Funktion differenzierbar; aus Differenzierbarkeit folgt Stetigkeit, umgekehrt gilt das nicht — eine stetige Funktion darf Ecken und Spitzen haben, an die sich keine Tangente legen lässt. Das Ableiten selbst wird mit etwas Übung zum Handwerk: die Potenzregel (d/dx von xⁿ ist n·xⁿ⁻¹), die Produktregel, die Quotientenregel und, folgenreicher als alles andere, die Kettenregel — die Ableitung einer Verkettung ƒ(g(x)) ist ƒ′(g(x)) · g′(x). Auf der Kettenregel ruht jede spätere Anwendung; sie ist buchstäblich der Algorithmus, den die Backpropagation durch ein neuronales Netz treibt. Die Ableitung liefert außerdem die lineare Näherung: Nahe jeder Stelle, an der ƒ differenzierbar ist, gilt ƒ(x + h) ≈ ƒ(x) + ƒ′(x)·h — das billigste Modell der Funktion und die Grundlage des Newton-Verfahrens, des Gradientenverfahrens und der Taylorreihe. Die zweite Ableitung misst die Krümmung; höhere Ableitungen erfassen immer feinere lokale Struktur. Und dass jedes Gesetz der Physik eine Differentialgleichung ist, hat einen tiefen Grund: Die Physik spielt sich fast durchweg im Lokalen ab — Kräfte, Felder, Flüsse und Reaktionsraten wirken in infinitesimalen Umgebungen, und die Ableitung ist genau die Sprache dafür, was in infinitesimalen Umgebungen vor sich geht.

Warum jetztAbleitungen tragen die gesamte Optimierung: Jeder Gradientenabstieg, jede Trainingsschleife eines neuronalen Netzes, jeder Solver des Operations Research berechnet Ableitungen und folgt ihnen bergab. Backpropagation, der Algorithmus hinter dem Training moderner KI-Modelle, ist die Kettenregel, rekursiv über einen Berechnungsgraphen angewandt. Das automatische Differenzieren — die Technik hinter PyTorch, TensorFlow und JAX — ist Ableiten im Industriemaßstab, schnell genug für Modelle mit Milliarden von Parametern. Was die Ökonomie Grenzgrößen nennt — Grenznutzen, Grenzkosten —, sind Ableitungen. Die Regelungstechnik formt physikalische Systeme, indem sie an deren Ableitungen ansetzt. Der kleine Grenzwert, den Newton und Leibniz in den 1670ern ersannen, treibt dreieinhalb Jahrhunderte später den größten Teil der quantitativen Zivilisation an.