1 ヤコビアンの基礎
1.1 定義と構成要素
1.1.1 偏微分とヤコビアン行列
ヤコビアンは、多変数の写像が入力変数の微小な変化を出力変数へどう伝えるかを、線形写像として整理するための行列である。たとえば、n個の入力変数をまとめたベクトル \(x=(x_1,\dots,x_n)\) から、m個の出力変数 \(y=(y_1,\dots,y_m)\) が \(y=f(x)\) によって与えられるとき、ヤコビアンは \[ J_f(x)=\left(\frac{\partial y_i}{\partial x_j}\right)_{i=1,\dots,m,\;j=1,\dots,n} \] で定義される。成分は偏微分で与えられ、各行は「ある出力成分が各入力成分にどれだけ敏感か」を、各列は「ある入力方向への変化が各出力成分へどう作用するか」を表す。ヤコビアンは微分係数の集約であり、行列として扱えるため計算や理論展開が容易になる。
1.1.2 行列式としてのヤコビアン（場合分け）
ヤコビアン行列 \(J_f\) は一般に \(m\times n\) 行列であり、行列式が定義できるのは正方行列の場合、すなわち \(m=n\) のときに限られる。この正方の場合、ヤコビアン行列式 \[ \det J_f(x) \] は、微小領域の「体積倍率」や「向きの変化」を記述する中心量となる。一方で \(m\neq n\) の場合は行列式は用いず、代わりにランクや特異値などの量が幾何学的な情報を担う。例えば2変数から3変数の写像では、面積要素がどのように伸び縮みするかは行列式ではなく、関連する内積構造や微小領域の像の大きさで読み取る必要がある。
1.2 直感的な意味
1.2.1 微小変化の線形近似
写像 \(y=f(x)\) をある点 \(x_0\) の近くで見ると、出力は入力の微小変化 \(\Delta x\) に対して \[ \Delta y \approx J_f(x_0)\,\Delta x \] と一次近似できる。ここでヤコビアンは「局所的に見た線形化」の係数行列である。非線形な写像でも、十分小さい範囲では線形モデルとして扱えるため、ヤコビアンは感度解析や局所挙動の理解に広く利用される。
1.2.2 体積要素の倍率としての解釈
| 入力空間での微小な体積要素が、写像によって出力空間の体積要素へ写されるとき、正方ヤコビアンの場合に体積は概ね行列式の絶対値倍で変化する。直感的には、\( | \det J_f | \) が伸縮の倍率、\(\det J_f\) の符号が向きの反転を表す。これは積分で変数変換を行う際に不可欠な係数として現れ、置換積分公式の核心になる。 |
|---|
1.3 代表的な例
1.3.1 2変数から2変数への変換
写像 \[ (u,v)=(f(x,y),\,g(x,y)) \] を考えると、ヤコビアン行列は \[ J=\begin{pmatrix} \frac{\partial f}{\partial x} & \frac{\partial f}{\partial y}\\ \frac{\partial g}{\partial x} & \frac{\partial g}{\partial y} \end{pmatrix} \] で与えられる。行列式 \(\det J\) は、\((x,y)\) 平面上の微小領域が \((u,v)\) 平面へ写るときの面積倍率と向きの情報をまとめて与える。たとえば \(\det J=0\) なら、局所的には面積が押しつぶされるような状況が起きる。
1.3.2 1変数から複数変数への写像
入力が1変数 \(t\)、出力が複数変数 \(y=(y_1,\dots,y_m)\) の場合、写像は曲線のパラメータ化の形になることが多い。このときヤコビアンは \[ J=\left(\frac{dy_1}{dt},\dots,\frac{dy_m}{dt}\right)^{\mathsf T} \] のような \(m\times 1\) 行列（列ベクトル）となる。行列式は存在しないが、ヤコビアンは「速度ベクトル」に相当し、パラメータの微小変化が空間上の位置の変化へどう寄与するかを示す。曲線長や弧長の議論では、ヤコビアンのノルムや内積を通じて要素の大きさが導かれる。
2 計算方法
2.1 偏微分の実務的手順
2.1.1 変数の対応関係の整理
計算の第一歩は、入力変数と出力変数の対応を明確にすることである。具体的には、どの出力成分がどの入力に依存しているかを読み取り、出力の添字を行、入力の添字を列として配置する。さらに、合成が含まれる場合は「内側の関数がどの変数を入力として持つか」を追跡しないと偏微分が取り違えられる。手順としては、(1) \(y_i\) をすべて書き下す、(2) 各 \(y_i\) を \(x_j\) で偏微分する、(3) 得られた結果を所定の位置に埋める、という流れが実務上安定する。
2.1.1.1 合成関数の微分での注意点
合成があるとき、ヤコビアンの各成分は単に微分対象を機械的に取り替えるのでは不十分である。たとえば \(y_i=h_i(g(x))\) のように内側の写像 \(g\) が含まれている場合、\(\frac{\partial y_i}{\partial x_j}\) は内側の各成分の偏微分を介して計算される。ここで重要なのは、偏微分の「どの変数を固定するか」を常に意識する点である。多変数の合成では、連鎖律によってヤコビアン行列の積として整理できる場合が多いが、成分計算であっても同じ論理で導出される。
2.1.2 行列としての作成と確認
偏微分が求まったら、行列として配置して整合性を確認する。確認の観点としては、(1) 行数が出力の次元、列数が入力の次元に一致しているか、(2) 添字の対応が崩れていないか、(3) 依存していない変数に対する偏微分が零になっているか、が挙げられる。特に独立に見える変数の位置を取り違えると、行列全体が別物になってしまうため、行と列の意味を言語化してから書き換えると誤りが減る。
2.2 行列式の計算
2.2.1 2×2および3×3の具体例
2×2の正方ヤコビアン \[ J=\begin{pmatrix}a&b\\c&d\end{pmatrix} \] では、行列式は \(\det J=ad-bc\) に従う。3×3の場合は余因子展開やサラスの公式などが使えるが、実務では「行列式の性質（線形性、行の置換による符号反転）」を活用して計算量を抑えることが多い。ヤコビアンの行列式は体積要素の倍率に直結するため、単純化の工夫で見通しを良くするのが有利である。
2.2.2 計算ミスを防ぐチェック法
計算誤りを減らすには、複数の独立した見直しが効果的である。第一に、次元の整合性を確認する（正方かどうか、要素の位置が正しいか）。第二に、簡単な代入点での検算を行う。たとえば \(x_j\) を0や1に置いたときに、依存関係の直感に反する大きな値が出るなら式のどこかに誤りがある可能性が高い。第三に、行列の零列・零行が理論上あり得る状況では、行列式が0になるはずであるため、その整合も確認する。
2.3 連鎖律との関係
2.3.1 合成写像のヤコビアン
写像 \(x \xrightarrow{f} u \xrightarrow{g} y\) の合成 \(y=g(f(x))\) を考えると、ヤコビアンは \[ J_{g\circ f}(x)=J_g(u)\,J_f(x) \] という行列の積で表される。これは連鎖律の多変数版であり、合成に含まれる偏微分の複雑さを、行列積として体系化する。したがって、合成問題では成分ごとの微分を毎回展開するよりも、まず各写像のヤコビアンを別々に作り、積として合成する方が整理しやすい。
2.3.2 逆変換のヤコビアン
局所的に可逆な写像では、逆写像 \(f^{-1}\) が存在し、そのヤコビアンは \[ J_{f^{-1}}(y)=\left(J_f(x)\right)^{-1} \quad (y=f(x)) \] と結び付く。これは逆行列の関係として自然であり、体積要素の倍率も整合する。具体的には、正方の場合に \(\det J_{f^{-1}}(y)=1/\det J_f(x)\) が成り立ち、変数変換を行うときの係数が相互に打ち消し合う理由がここにある。逆行列が存在しない（行列式が0）場合は、局所可逆性が失われ、逆変換のヤコビアンも単純には定義できなくなる。
3 多変数微積分への応用
3.1 変数変換（置換積分）
3.1.1 面積・体積要素の変換則
多変数積分における変数変換では、微小要素の対応がヤコビアンで補正される。正方の写像で、入力の領域 \(\Omega\) 上で出力の領域に置き換える状況では、体積要素は一般に \[
| dV_y = \left | \det J_f(x)\right | \, dV_x |
|---|
\] の形で関係づけられる。結果として、置換積分公式は \[ \int_{\Omega_y} \phi(y)\, dV_y =
| \int_{\Omega_x} \phi(f(x))\, \left | \det J_f(x)\right | \, dV_x |
|---|
\] のように表される。向きの情報を符号込みで扱う流儀もあるが、通常の体積積分では絶対値が現れる。
3.1.2 典型的な座標変換の適用（極座標など）
極座標や球座標のような座標系への変換では、ヤコビアン行列式がそのまま面積・体積要素の係数になる。たとえば平面を極座標 \((r,\theta)\) で表すとき、変換による面積要素の倍率が \(r\) を含む形で導かれ、二重積分で \(r\,dr\,d\theta\) が現れる。これは直感的にも、半径が大きいほど同じ角度幅が覆う弧の長さが増えるため、円環状領域の寄与が線形に増えることと整合する。
3.2 局所的な可逆性と特異点
3.2.1 行列式が0になる状況
正方ヤコビアンの行列式が0になる点では、線形化が可逆でなくなり、微小領域が潰れるような振る舞いが起きる。結果として、変数変換の置換積分公式を単純に適用しても、領域の対応が一対一にならないため、係数だけでは記述しきれない場合がある。たとえば同じ出力値に複数の入力が対応する状況が局所的に生じうる。
3.2.2 ランクによる分類の考え方
行列式が0でも、ヤコビアン行列のランクは0とは限らない。ランクが部分的に保たれている場合、写像は局所的にある次元分だけは動かせるが、それ以上の次元は折りたたまれることを意味する。ランクの観点は、特異点近傍での像の次元（潰れる方向の有無）を理解する助けになる。実際には特異点論などのより高度な枠組みに進むが、初歩的には「ランクがどれだけ残るか」が目安になる。
3.3 微分幾何学的な見方（初歩）
3.3.1 接空間と線形写像
微分幾何の言葉では、滑らかな多様体上の写像は、各点で接空間同士の線形写像を誘導する。この線形写像の表現が、座標系を選べばヤコビアン行列に対応する。つまりヤコビアンは、局所的には「接ベクトルをどのように写すか」を表す。座標の選び方によって成分は変わるが、幾何学的な意味は保たれる。
3.3.2 向き付けとヤコビアンの符号
向き付け可能な場合、正方ヤコビアンの行列式の符号は、写像が局所的に向きを保つか反転するかを示す。符号が正なら、局所的な向きは維持され、負なら反転が起こる。これは座標変換が単なる体積の倍率だけでなく、空間の向きに関わる変化を含むことを反映している。
4 よく出る性質と発展
4.1 主要な性質
4.1.1 連鎖律・逆行列との整合性
合成に対する積の法則 \(J_{g\circ f}=J_g\,J_f\) と、可逆な場合の逆行列関係は、微分演算の基本的整合性を保証する。これらは置換積分で係数が崩れない理由にも直結し、さらに多段階の座標変換を順次行っても全体の効果が一貫して計算できる。つまりヤコビアンは、局所微分のルールを行列計算として統一する役割を担う。
4.1.2 行列の積とヤコビアンの対応
ヤコビアン行列は線形近似そのものなので、入力→中間→出力の流れでは、その線形近似の合成が対応する。したがって、ヤコビアンの積が現れるのは「微分が線形写像を作り、その合成が写像の合成に一致する」という構造に由来する。結果として、実務では大域的な関数形を細部まで展開せずとも、ヤコビアンの積で素早く合成効果を得られる。
4.2 多変数の微分としての位置づけ
4.2.1 全微分とヤコビアン
全微分は、関数の変化を微小な入力変化に対する一次の表現としてまとめる量であり、多変数では \[ df = \sum_{j=1}^n \frac{\partial f}{\partial x_j}\, dx_j \] の形になる。複数成分の関数 \(f=(f_1,\dots,f_m)\) では、これらをまとめた係数行列がヤコビアンである。つまりヤコビアンは全微分の係数を行列形式で記録したもの、と捉えられる。
4.2.2 勾配・ヤコビアンの使い分け
勾配はスカラー値の関数に対して、最も急な増加方向と大きさを与える量である。一方ヤコビアンは、ベクトル値の写像全体に対して、各出力成分が入力変数にどう依存するかを同時に扱う。したがって「出力が1つか複数か」で道具が変わる。スカラー出力なら勾配が自然で、複数出力ならヤコビアンが適切になることが多い。
4.3 応用領域の橋渡し（計算例中心）
4.3.1 物理の座標変換での利用
物理では、運動や場の記述で座標系を変えることが多い。例えば粒子の位置ベクトルを別の座標パラメータで表すと、位相空間の体積要素や確率密度の整合にヤコビアンが現れる。さらに、エネルギーや運動方程式が座標表示に依存する場面では、変数変換の補正係数として行列式が役立つ。結果として、同じ物理量を別表現で計算しても整合が保たれる。
4.3.2 工学の線形化と感度解析での利用
制御工学や信号処理では、非線形系をある動作点の近くで線形近似し、応答の変化を見積もることがある。このときヤコビアンは、状態や入力の微小変動が出力へ及ぼす感度を与える。行列式やランクも含めて、局所的な安定性や可観測性の議論に繋がることがあり、設計パラメータの微調整が性能に与える影響を定量化する基礎になる。