本質から理解する数学・図解解説

微分の定義から導く 和・差・積・商の導関数の証明

「なぜその式変形をするのか？」をテーマに、極限の基本性質から積・商の微分公式に至るまで、証明のプロセスをステップごとに視覚的に解き明かします。

1. 準備：微分の定義と極限の性質

微分の各種公式を証明する前に、最も重要となる「微分の定義式」と「極限の性質」を確認しておきます。

【前提1】微分の定義式

関数 \( f(x) \) の導関数 \( f'(x) \) は、以下の極限で定義されます。

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

※これから行うすべての証明は、この「定義式に代入して変形する」というアプローチで進めます。

💡 微分の定義の意味（復習）

分数部分 \(\frac{f(x+h) - f(x)}{h}\) は、\(x\) が \(h\) だけ進んだときの、\(y\) の変化量の割合（平均の変化率＝2点を通る直線の傾き）を表しています。

そこに極限 \(\lim_{h \to 0}\) をつけると、\(h\) が限りなく \(0\) に近づき、ある１点での「瞬間の変化率（接線の傾き）」になります。これが微分の本質です。

【前提2】極限の性質

2つの関数 \( f(x), g(x) \) がともに収束するとき（極限値を持つとき）、和・差・積・商の極限は、それぞれの極限値の和・差・積・商になります。

[和] \(\displaystyle \lim_{x \to 0} \{f(x)+g(x)\} = \lim_{x \to 0} f(x) + \lim_{x \to 0} g(x)\)

[差] \(\displaystyle \lim_{x \to 0} \{f(x)-g(x)\} = \lim_{x \to 0} f(x) - \lim_{x \to 0} g(x)\)

[積] \(\displaystyle \lim_{x \to 0} \{f(x) \times g(x)\} = \lim_{x \to 0} f(x) \times \lim_{x \to 0} g(x)\)

[商] \(\displaystyle \lim_{x \to 0} \left\{\frac{f(x)}{g(x)}\right\} = \frac{\lim_{x \to 0} f(x)}{\lim_{x \to 0} g(x)} \quad \small{(※分母 g(x) \neq 0)}\)

🔍 極限の性質の「意味」

それぞれの公式は、直感的には以下のような意味を持っています。

  • 和の極限 は、極限同士の和
  • 差の極限 は、極限同士の差
  • 積の極限 は、極限同士の積
  • 商の極限 は、極限同士の商

例えば「\( f(x) \) が 2 に近づき、\( g(x) \) が 3 に近づくなら、和の \( f(x)+g(x) \) は当然 \( 2+3=5 \) に近づくよね」というイメージです。

微分の証明では、変数を \( x \) から \( h \) に変えて、\(\lim_{h \to 0}\) の形でこの性質を大活躍させます。

▶ 「極限の性質」自体の厳密な証明（ε-δ論法）はページ下部をご覧ください。

2. 微分の基本公式の証明

ここからは、極限の性質を利用して4つの基本公式を証明していきます。

(1) 和の導関数

\[ \{f(x) + g(x)\}' = f'(x) + g'(x) \]

「別々に微分して後から足して良い」という最も基本的な公式です。以下の手順で証明します。

STEP 1: 微分の定義式に代入する

新しい関数を \( F(x) = f(x) + g(x) \) と置くと、微分の定義より：

\[ F'(x) = \lim_{h \to 0} \frac{F(x+h) - F(x)}{h} \] \[ = \lim_{h \to 0} \frac{\{f(x+h)+g(x+h)\} - \{f(x)+g(x)\}}{h} \]
STEP 2: 項を並べ替えてグループ分けする

分子を \( f \) のグループと \( g \) のグループに分けて整理します。

\[ = \lim_{h \to 0} \frac{\{f(x+h) - f(x)\} + \{g(x+h) - g(x)\}}{h} \] \[ = \lim_{h \to 0} \left\{ \frac{f(x+h) - f(x)}{h} + \frac{g(x+h) - g(x)}{h} \right\} \]
STEP 3: 極限の性質を適用する（完成）

ここで「極限の和の性質」を使い、\(\lim\) を2つに分配します。

\[ = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h} + \lim_{h \to 0} \frac{g(x+h) - g(x)}{h} \]

それぞれが \( f'(x) \) と \( g'(x) \) の定義そのものなので、
\[ = f'(x) + g'(x) \] となり、証明完了です。

💡 証明のキーポイント

「極限の性質」がここで活きる！

STEP 3で極限を2つに分けられたのは、準備で確認した
\(\lim \{A + B\} = \lim A + \lim B\)
という性質があるからです。

もしこの性質がなければ、ここで計算が行き詰まってしまい、公式を導くことができません。

(2) 差の導関数

\[ \{f(x) - g(x)\}' = f'(x) - g'(x) \]

和の導関数と同様に、「別々に微分して後から引いて良い」という公式です。

STEP 1: 微分の定義式に代入する

新しい関数を \( F(x) = f(x) - g(x) \) と置くと、微分の定義より：

\[ F'(x) = \lim_{h \to 0} \frac{F(x+h) - F(x)}{h} \] \[ = \lim_{h \to 0} \frac{\{f(x+h)-g(x+h)\} - \{f(x)-g(x)\}}{h} \]
STEP 2: 項を並べ替えてグループ分けする

分子を \( f \) のグループと \( g \) のグループに分けて整理します。マイナスの扱いに注意します。

\[ = \lim_{h \to 0} \frac{\{f(x+h) - f(x)\} - \{g(x+h) - g(x)\}}{h} \] \[ = \lim_{h \to 0} \left\{ \frac{f(x+h) - f(x)}{h} - \frac{g(x+h) - g(x)}{h} \right\} \]
! マイナスのくくり出しに注意

STEP 2で分子を整理する際、
\(-g(x+h) - \{-g(x)\}\)
\(= -g(x+h) + g(x)\)
\(= -\{g(x+h) - g(x)\}\)
と、マイナスでくくって符号を整えるのがポイントです。

STEP 3: 極限の性質を適用する（完成）

ここで「極限の差の性質」を使い、\(\lim\) を2つに分配します。

\[ = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h} - \lim_{h \to 0} \frac{g(x+h) - g(x)}{h} \]

それぞれが \( f'(x) \) と \( g'(x) \) の定義そのものなので、
\[ = f'(x) - g'(x) \] となり、証明完了です。

(3) 積の導関数

\[ \{f(x) \times g(x)\}' = f'(x)g(x) + f(x)g'(x) \]

「前微分・後ろそのまま ＋ 前そのまま・後ろ微分」と覚える有名な公式です。証明には「ある項を足して引く」という数学特有の工夫が必要です。

STEP 1: 微分の定義式に代入する
\[ \{f(x)g(x)\}' = \lim_{h \to 0} \frac{f(x+h)g(x+h) - f(x)g(x)}{h} \]
STEP 2: 魔法の項を「足して引く」

分子の間に、あえて \(-f(x+h)g(x) + f(x+h)g(x)\) を挿入します。（足して引いているので全体の値は変わりません）

\[ \lim_{h \to 0} \frac{f(x+h)g(x+h) \textcolor{red}{- f(x+h)g(x) + f(x+h)g(x)} - f(x)g(x)}{h} \]
❓ なぜ「足して引く」の？

「いきなり \( f(x+h)g(x) \) なんて出てくるのはズルい！」

と思うかもしれません。この発想の理由は、「微分の定義式 \( \frac{f(x+h)-f(x)}{h} \) を意図的に作り出すため」です。

STEP 1の式を見ると、\( f \) と \( g \) の両方が一気に変化してしまっています。微分は「一方が変化したときの割合」を見るものなので、

  • \( f(x+h) \) を固定して、\( g \) の変化を見る
  • \( g(x) \) を固定して、\( f \) の変化を見る

という2つの要素に分解したいのです。その架け橋となるのが、この「魔法の項」なのです。

STEP 3: 共通因数でくくる

前半2つの項を \( f(x+h) \) で、後半2つの項を \( g(x) \) でくくります。

\[ = \lim_{h \to 0} \frac{f(x+h)\{g(x+h) - g(x)\} + g(x)\{f(x+h) - f(x)\}}{h} \]
\[ = \lim_{h \to 0} \left\{ f(x+h)\frac{g(x+h) - g(x)}{h} + g(x)\frac{f(x+h) - f(x)}{h} \right\} \]
STEP 4: 極限の性質を適用する（完成）

極限の「和」と「積」の性質を使って \(\lim\) をそれぞれの項に分配します。

\( = \) \( \lim_{h \to 0} f(x+h) \) \( \Vert \)
\( f(x) \) \( \cdot \) \( \displaystyle \lim_{h \to 0} \frac{g(x+h) - g(x)}{h} \) \( \Vert \)
\( g'(x) \)
\( + \lim_{h \to 0} g(x) \cdot \) \( \displaystyle \lim_{h \to 0} \frac{f(x+h) - f(x)}{h} \) \( \Vert \)
\( f'(x) \)
\[ = f(x) \cdot g'(x) + g(x) \cdot f'(x) \] \[ = f'(x)g(x) + f(x)g'(x) \]

となり、証明完了です。

💡 連続性と微分の定義

STEP 4で極限を適用した際、微分の定義より後ろの分数はそれぞれ \(g'(x), f'(x)\) になります。

また、関数が微分可能であるときその関数は連続であるため、\(\lim_{h \to 0} f(x+h) = f(x)\) となります。

(4) 商の導関数

\[ \left\{ \frac{f(x)}{g(x)} \right\}' = \frac{f'(x)g(x) - f(x)g'(x)}{\{g(x)\}^2} \]

分数の微分公式です。見た目は複雑ですが、証明の流れは「積の導関数」とよく似ています。

STEP 1: 微分の定義式に代入する
\[ \left\{ \frac{f(x)}{g(x)} \right\}' = \lim_{h \to 0} \frac{1}{h} \left\{ \frac{f(x+h)}{g(x+h)} - \frac{f(x)}{g(x)} \right\} \]
STEP 2: 中の分数を「通分」する

分母を \( g(x+h)g(x) \) に揃えて、一つにまとめます。

\[ = \lim_{h \to 0} \frac{1}{h} \left\{ \frac{f(x+h)g(x) - f(x)g(x+h)}{g(x+h)g(x)} \right\} \]
STEP 3: 魔法の項を「足して引く」

積の導関数のときと同様に、分子に \(-f(x)g(x) + f(x)g(x)\) を挿入し、共通因数でくくって整理します。

分子 \( = f(x+h)g(x) \textcolor{red}{-f(x)g(x) + f(x)g(x)} - f(x)g(x+h) \) \[ = \{f(x+h)-f(x)\}g(x) - f(x)\{g(x+h)-g(x)\} \]

これを元の式に戻し、極限を分けやすく形を整えます。

\[ = \lim_{h \to 0} \frac{1}{g(x+h)g(x)} \left\{ \frac{f(x+h)-f(x)}{h}g(x) - f(x)\frac{g(x+h)-g(x)}{h} \right\} \]
STEP 4: 極限の性質を適用する（完成）

ここで極限の「和・差・積・商」の性質をすべて動員し、\(\lim\) を各項に分配します。

\( = \) \( 1 \) \( \lim_{h \to 0} g(x+h) \) \( \Vert \)
\( g(x) \) \( \cdot \lim_{h \to 0} g(x) \) \( \times \Bigg\{ \) \( \displaystyle \lim_{h \to 0} \frac{f(x+h)-f(x)}{h} \) \( \Vert \)
\( f'(x) \)
\( - \lim_{h \to 0} f(x) \cdot \) \( \displaystyle \lim_{h \to 0} \frac{g(x+h)-g(x)}{h} \) \( \Vert \)
\( g'(x) \) \( \Bigg\} \)
\[ = \frac{1}{g(x) \cdot g(x)} \left\{ f'(x)g(x) - f(x)g'(x) \right\} \] \[ = \frac{f'(x)g(x) - f(x)g'(x)}{\{g(x)\}^2} \]

となり、証明完了です。

💡 連続性と微分の定義

STEP 4で極限を適用した際、微分の定義より後ろの分数はそれぞれ \(g'(x), f'(x)\) になります。

また、積の導関数の時と同様に、微分可能なら連続であるため \(\lim_{h \to 0} g(x+h) = g(x)\) となります。

これで和・差・積・商すべての導関数の公式の証明が完了しました。

3. 【発展】極限の性質の厳密な証明（ε-δ論法）

「そもそも極限の性質（分配法則など）はなぜ成り立つのか？」という疑問を持った方へ。高校数学では「直感的に明らか」として証明を省略しますが、大学数学の「\(\epsilon-\delta\)（イプシロン・デルタ）論法」を用いることで、論理の飛躍なく厳密に証明することができます。

ε-δ論法による極限の定義

\(\lim_{x \to a} f(x) = \alpha\) であるとは、以下が成り立つことと定義します。

任意の \(\epsilon > 0\) に対して、ある \(\delta > 0\) が存在し、
\( 0 < |x - a| < \delta \) を満たすすべての \(x\) について、\( |f(x) - \alpha| < \epsilon \) が成り立つ。

（直感的な意味：「どんなに厳しい誤差 \(\epsilon\) を要求されても、\(x\) を \(a\) の十分近く（距離 \(\delta\) 未満）に制限すれば、必ず関数値のズレをその誤差内に収めることができる」）

以下、\(\lim_{x \to a} f(x) = \alpha\)、\(\lim_{x \to a} g(x) = \beta\) を前提として、和・差・積・商の極限を証明します。

💡 なぜ高校では教えないの？

ε-δ論法は「限りなく近づく」という曖昧な言葉を、「不等式（絶対値）」を使って数学的に厳密に定義し直したものです。

非常に論理的ですが、不等式操作が高度になるため、高校数学では概念のイメージを優先し、厳密な扱いは大学数学（解析学）に譲っています。

(1) 極限の和の性質の証明

目標は、\(|(f(x)+g(x)) - (\alpha+\beta)| < \epsilon\) を示すことです。

STEP 1: 仮定の適用（誤差を半分ずつに分ける）

任意の \(\epsilon > 0\) をとります。仮定より \(\frac{\epsilon}{2} > 0\) に対して、ある \(\delta_1 > 0, \delta_2 > 0\) が存在し、次が成り立ちます。

\[ 0 < |x - a| < \delta_1 \implies |f(x) - \alpha| < \frac{\epsilon}{2} \] \[ 0 < |x - a| < \delta_2 \implies |g(x) - \beta| < \frac{\epsilon}{2} \]
STEP 2: 共通の範囲 \(\delta\) の設定

\(\delta = \min(\delta_1, \delta_2)\) と置きます。このとき \(0 < |x - a| < \delta\) ならば、STEP 1の2つの不等式が同時に成り立ちます。

STEP 3: 三角不等式による評価（完成）
\[ |(f(x)+g(x)) - (\alpha+\beta)| \] \[ = |(f(x)-\alpha) + (g(x)-\beta)| \] \[ \le |f(x)-\alpha| + |g(x)-\beta| \quad \small{\text{(三角不等式)}} \] \[ < \frac{\epsilon}{2} + \frac{\epsilon}{2} = \epsilon \]

よって \(\lim_{x \to a} \{f(x)+g(x)\} = \alpha + \beta\) が証明されました。

💡 証明のキーポイント

最強の武器「三角不等式」

\(|A + B| \le |A| + |B|\)
という絶対値の性質（三角不等式）が極限の証明の要です。

最終的に \(\epsilon\) に収まるように、あらかじめ誤差を \(\frac{\epsilon}{2}\) ずつに割り振っておくのがε-δ論法特有のテクニックです。

(2) 極限の差の性質の証明

和の性質とほぼ同じ流れで証明できます。目標は \(|(f(x)-g(x)) - (\alpha-\beta)| < \epsilon\) を示すことです。

STEP 1 & 2: 誤差と範囲の設定

和の証明のSTEP 1, 2と全く同じように、任意の \(\epsilon > 0\) に対して \(\delta = \min(\delta_1, \delta_2)\) を設定します。

STEP 3: 絶対値の性質と三角不等式（完成）
\[ |(f(x)-g(x)) - (\alpha-\beta)| \] \[ = |(f(x)-\alpha) - (g(x)-\beta)| \] \[ \le |f(x)-\alpha| + |-(g(x)-\beta)| \quad \small{\text{(三角不等式)}} \] \[ = |f(x)-\alpha| + |g(x)-\beta| \] \[ < \frac{\epsilon}{2} + \frac{\epsilon}{2} = \epsilon \]

よって \(\lim_{x \to a} \{f(x)-g(x)\} = \alpha - \beta\) が証明されました。

💡 符号の扱い

差の場合も、絶対値の性質
\(|-A| = |A|\)
を使うことで、マイナスを消去し、最終的に和の形（プラス）の三角不等式に持ち込むことができます。

(3) 極限の積の性質の証明

目標は \(|f(x)g(x) - \alpha\beta| < \epsilon\) を示すことです。ここで微分の時と同じ工夫が登場します。

STEP 1: 魔法の項を「足して引く」
\[ |f(x)g(x) - \alpha\beta| \] \[ = |f(x)g(x) \textcolor{red}{- f(x)\beta + f(x)\beta} - \alpha\beta| \] \[ \le |f(x)(g(x)-\beta)| + |\beta(f(x)-\alpha)| \] \[ = |f(x)||g(x)-\beta| + |\beta||f(x)-\alpha| \]
STEP 2: \(f(x)\) の暴走を止める（有界性）

\(\lim f(x) = \alpha\) より、例えば誤差を \(1\) としたとき、ある \(\delta_1 > 0\) が存在し、\(|f(x)-\alpha| < 1\) とできます。
このとき \(|f(x)| = |(f(x)-\alpha) + \alpha| \le |f(x)-\alpha| + |\alpha| < 1 + |\alpha|\) となります。この上限を \(M = |\alpha| + 1\) と置きます。

💡 数学の美しい繋がり

「積の導関数」の証明で登場した『足して引く』工夫が、その土台となる「極限の積の性質」の証明でも全く同じ形で登場しています。

微分の定義自体が極限であるため、当然といえば当然ですが、こうした構造のフラクタルな繋がりこそが数学の醍醐味です。

STEP 3: 誤差の割り当てと評価（完成）

任意の \(\epsilon > 0\) に対し、ある \(\delta_2, \delta_3 > 0\) が存在し、
\(|g(x)-\beta| < \frac{\epsilon}{2M}\)
\(|f(x)-\alpha| < \frac{\epsilon}{2(|\beta|+1)}\)
とできます。\(\delta = \min(\delta_1, \delta_2, \delta_3)\) とすると、

\[ |f(x)g(x) - \alpha\beta| \] \[ \le \textcolor{blue}{|f(x)|}|g(x)-\beta| + \textcolor{blue}{|\beta|}|f(x)-\alpha| \] \[ < \textcolor{blue}{M} \cdot \frac{\epsilon}{2M} + \textcolor{blue}{|\beta|} \cdot \frac{\epsilon}{2(|\beta|+1)} \] \[ < \frac{\epsilon}{2} + \frac{\epsilon}{2} = \epsilon \]

よって \(\lim_{x \to a} \{f(x)g(x)\} = \alpha\beta\) が証明されました。

! 割り当ての工夫

STEP 3で、最終的に \(\epsilon\) になるように、掛かっている係数（\(M\) や \(|\beta|\)）で割り算をして誤差幅を逆算して設定しています。

(4) 極限の商の性質の証明

まず \(\lim_{x \to a} \frac{1}{g(x)} = \frac{1}{\beta} \ (\beta \neq 0)\) を証明し、その後「積の性質」を使って \(\frac{f(x)}{g(x)} = f(x) \cdot \frac{1}{g(x)}\) とみなして証明を完了させます。

STEP 1: 分母が0にならない保証

\(\beta \neq 0\) なので、誤差を \(\frac{|\beta|}{2}\) と設定すると、ある \(\delta_1 > 0\) が存在し \(|g(x)-\beta| < \frac{|\beta|}{2}\) とできます。
このとき \(|g(x)| > \frac{|\beta|}{2}\) となり、\(\frac{1}{|g(x)|} < \frac{2}{|\beta|}\) と評価できます。

💡 分母の有界性

分母に変数 \(g(x)\) があるため、もしゼロに限りなく近づいてしまうと極限が発散してしまいます。

STEP 1で「\(g(x)\) は絶対にゼロから一定の距離（\(\frac{|\beta|}{2}\)）以上は離れている」ことを保証しているのが、この証明の最大のポイントです。

STEP 2: 逆数の極限の評価

任意の \(\epsilon > 0\) に対し、ある \(\delta_2 > 0\) が存在し、\(|g(x)-\beta| < \frac{|\beta|^2}{2}\epsilon\) とできます。
\(\delta = \min(\delta_1, \delta_2)\) とすると、

\[ \left| \frac{1}{g(x)} - \frac{1}{\beta} \right| = \frac{|g(x)-\beta|}{|g(x)||\beta|} \] \[ = \textcolor{purple}{\frac{1}{|g(x)|}} \cdot \frac{1}{|\beta|} \cdot |g(x)-\beta| \] \[ < \textcolor{purple}{\frac{2}{|\beta|}} \cdot \frac{1}{|\beta|} \cdot \frac{|\beta|^2}{2}\epsilon = \epsilon \]

よって \(\lim_{x \to a} \frac{1}{g(x)} = \frac{1}{\beta}\) が示されました。

STEP 3: 積の性質との結合（完成）

既に証明した「(3) 極限の積の性質」を利用します。

\[ \lim_{x \to a} \frac{f(x)}{g(x)} = \lim_{x \to a} \left\{ f(x) \cdot \frac{1}{g(x)} \right\} = \alpha \cdot \frac{1}{\beta} = \frac{\alpha}{\beta} \]

よって \(\lim_{x \to a} \left\{\frac{f(x)}{g(x)}\right\} = \frac{\alpha}{\beta}\) が証明されました。

これで極限の基本性質（和・差・積・商）の厳密な証明がすべて完了しました。
高校数学の微分の公式が、より確かな論理の土台の上に成り立っていることが実感できたのではないでしょうか。