微分の基本（接線と変化率）

Q: 微分の基本（接線と変化率）とは何ですか？

関数 f(x) において、点 x から x+h までの「平均変化率」\dfrac{f(x+h) - f(x)}{h} に対し、h \to 0 の極限が存在するとき、これを f(x) の点 x における「微分係数」と呼び、f'(x) と表記する。導関数は、各点 x にその微分係数を対応させる関数である。f'(x) = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h}

Q: 微分の基本（接線と変化率）は社会やプログラミングでどのように使われていますか？

物理エンジンにおける数値微分と速度の算出: ゲームやシミュレーションの物理エンジンでは、連続関数を解析的に微分できない複雑な軌道データに対して、微小時間 \Delta t の差分商を計算する「数値微分（差分法）」を用いて物体の瞬間速度や加速度を算出する。

平均変化率の極限として現れる「その瞬間の傾き」

この単元の発見をシェア

3行要約（Key Takeaways / AIOサマリー）

1: 微分の基本（接線と変化率）の本質的な定義と直感的ビジュアルをシミュレーターで体験できる。
2: 公式や証明の背景にある数学的意味と、厳密な導出ステップを解説。
3: 実社会における工学応用（物理エンジンにおける数値微分と速度の算出）のTypeScript実装コードを収録。

なぜこれを学ぶのか？ — 現実社会とテクノロジーでの価値

Purpose & Motivation

なぜ生まれたのか？

刻一刻と変化する物体の「その瞬間の勢い・速度（接線の傾き）」をピンポイントで捉えるためにニュートンとライプニッツが開発した。

身につく武器・思考力

関数の山（最大値）や谷（最小値）では傾きが 0 になる性質を利用し、最もコストが低く効果が高い「最適解」を見つけ出す力が身につく。

実社会・ITでの活躍現場

•AI・機械学習が重みを自動学習する「勾配降下法（バックプロパゲーション）」
•物理エンジンにおける位置データからの瞬間速度・加速度のリアルタイム算出
•ロケットの軌道計算や、自動車の自動ブレーキ・クルーズコントロール
•経済学における限界費用・限界利益の最適価格決定

Layer 1 — 直感・シミュレーター

曲線上の点 x を左右にドラッグしてみよう。その点における「接線（赤い直線）」と傾き f'(x) がリアルタイムに追従する。山（極大値）や谷（極小値）では傾きがちょうど 0 になり、右肩上がりの場所では傾きが正、右肩下がりの場所では傾きが負になることを確認しよう。

微分する点

x

: 1.20

現在位置 (x, y)

(1.20, 1.28)

接線の傾き（微分係数 f'(x)）

0.20

右肩上がり（増加）

接線の方程式

y = 0.20x +1.04

↑ 赤い点をグラフに沿ってドラッグしてみよう。山の頂点（x ≈ 1.29）や谷の底（x ≈ -1.29）に達すると、赤い接線が水平（傾き $f'(x) = 0$ ）になります。これが最大値・最小値を微分で求める原理です。

Layer 2 — 定義・受験・証明

定義

関数 $f(x)$ において、点 $x$ から $x+h$ までの「平均変化率」 $\dfrac{f(x+h) - f(x)}{h}$ に対し、 $h \to 0$ の極限が存在するとき、これを $f(x)$ の点 $x$ における「微分係数」と呼び、 $f'(x)$ と表記する。導関数は、各点 $x$ にその微分係数を対応させる関数である。

f'(x) = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h}

公式・数理モデル

f'(x) = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h}

証明・導出

2次関数 $f(x) = x^2$ の導関数を定義に従って導出する。

\begin{aligned} f'(x) &= \lim_{h \to 0} \frac{(x+h)^2 - x^2}{h} \\ &= \lim_{h \to 0} \frac{x^2 + 2xh + h^2 - x^2}{h} \\ &= \lim_{h \to 0} \frac{2xh + h^2}{h} \\ &= \lim_{h \to 0} (2x + h) = 2x \end{aligned}

幾何学的には、曲線上の2点 $(x, f(x))$ と $(x+h, f(x+h))$ を通る割線の傾きにおいて、 $h$ を限りなく 0 に近づけた極限が「その点での接線の傾き」に一致する。

押さえておきたいポイント

微分とは「瞬間的な変化の勢い（接線の傾き）」を求める操作である
$f'(x) > 0$ の区間では関数は単調増加、 $f'(x) < 0$ では単調減少する
関数の山（極大）や谷（極小）では、接線の傾き $f'(x) = 0$ になる
物理においては、位置の微分が「速度」、速度の微分が「加速度」となる

参照基準・学習指導要領との対応

本トピックの内容・数理モデルは、文部科学省学習指導要領（算数・数学・情報）および国際標準カリキュラムに準拠し、エンジニアリング現場の実装事例と照らし合わせてMath World Lab編集部により検証・作成されています。

Layer 3 — 工学応用・現場実装

物理エンジンにおける数値微分と速度の算出

ゲームやシミュレーションの物理エンジンでは、連続関数を解析的に微分できない複雑な軌道データに対して、微小時間 $\Delta t$ の差分商を計算する「数値微分（差分法）」を用いて物体の瞬間速度や加速度を算出する。

1// 数値微分（中央差分法）による瞬時速度の計算
2function numericalDerivative(f: (t: number) => number, t: number, h: number = 0.0001): number {
3  // (f(t + h) - f(t - h)) / (2h)
4  return (f(t + h) - f(t - h)) / (2 * h);
5}
6
7// 例: 物体の位置関数 s(t) = -4.9*t^2 + 20*t (初速20m/sの鉛直投げ上げ)
8const position = (t: number) => -4.9 * t * t + 20 * t;
9
10// t = 1.0秒時点の瞬間速度 (解析解: -9.8*1 + 20 = 10.2 m/s)
11const velocityAt1s = numericalDerivative(position, 1.0);
12console.log(`1秒後の速度: ${velocityAt1s.toFixed(2)} m/s`); // 約 10.20 m/s