1 ヤコビ行列の概要
ヤコビ行列（Jacobian matrix）は、多変数関数が入力の各成分に対してどのように変化するかを、偏微分により行列として整理したものにあたる。多変数の関係を「局所的な線形対応」として扱うための中心的な道具であり、連鎖律・微分可能性・写像の局所的挙動などを一括して記述する。
1.1 定義と記号
ヤコビ行列の定義は、入力を複数成分からなるベクトルとして、出力も複数成分のベクトルとして捉えるところから始まる。関数の微分は「各出力成分を、各入力成分で偏微分する」ことによって構成され、行列の要素がその偏微分の値になる。
1.1.1 ベクトル値関数の偏微分の並べ方
入力を \(x=(x_1,\dots,x_n)\)、出力を \(F(x)=(F_1(x),\dots,F_m(x))\) とする。ヤコビ行列 \(J_F(x)\) は、出力成分 \(F_i\) を入力成分 \(x_j\) で偏微分した値を並べて作る。具体的には、\(i\) 行 \(j\) 列に \(\frac{\partial F_i}{\partial x_j}(x)\) を配置する。
この並べ方により、行は「どの出力成分の変化を見ているか」、列は「どの入力成分の変化を見ているか」を対応づける役割を持つ。結果として、ヤコビ行列は微分写像の行列表現として解釈できる。
1.1.2 成分表示とサイズ（次元）の整理
ヤコビ行列は、出力の次元 \(m\) と入力の次元 \(n\) によってサイズが決まる。すなわち、\(F:\mathbb{R}^n\to\mathbb{R}^m\) のとき、ヤコビ行列 \(J_F(x)\) は \(m\times n\) 行列である。入力が2変数なら列数が2、出力が3成分なら行数が3、という対応関係がそのまま成立する。
また、スカラー関数 \(f:\mathbb{R}^n\to\mathbb{R}\) の場合は、ヤコビ行列は行ベクトル（あるいは勾配の転置）として扱われることが多い。逆に \(n\) 成分への写像が \(n\) 成分へ戻る形では、正方行列になり、可逆性の議論で扱いやすくなる。
1.2 局所線形化との関係
ヤコビ行列の最も重要な意味は、「写像を点の周りで線形に近似する」点にある。微分可能性が成り立つとき、関数の変化はヤコビ行列によって表される一次の項が支配的になる。
1.2.1 一次近似（テイラー展開の一次項）
点 \(a\) の近くで、\(F(a+h)\) を \(h\) の一次で近似するときの構造がヤコビ行列に対応する。テイラー展開を一次まで行うと、概念的には \[ F(a+h)\approx F(a)+J_F(a)\,h \] の形になる。ここで \(h\in\mathbb{R}^n\) は入力の微小変化を表すベクトルであり、積 \(J_F(a)h\) は「入力の微小変化が各出力成分に与える一次的な影響」をまとめて与える。
この近似は、局所的なふるまいを線形方程式の言葉に翻訳する役割を担う。非線形な写像であっても、十分小さい範囲では一次構造が精度よく働く。
1.2.2 誤差項と近似の妥当範囲
一次近似には誤差があり、一般に二次以上の項が無視できるほど小さいときに近似として意味を持つ。微分可能性が成立する状況では、誤差は \(h\) の大きさに対してより高いオーダーで小さくなる。したがって、ヤコビ行列だけが分かっても、近似の精度は「どれくらい \(h\) が小さいか」に依存する。
実務では、線形化の誤差がどの程度無視できるかが重要になる。とくに急激に変化する領域や特異点近傍では、一次の情報が支配的でなくなる場合があるため、注意が必要となる。
2 計算と具体例
ヤコビ行列は偏微分の集まりであるため、計算は「各出力成分を、各入力変数で偏微分する」手順に還元される。ただし実際の計算では、積・商・合成などの微分規則や、連鎖律の使い分けが効率を左右する。
2.1 代表的な導出手順
導出の基本は、ヤコビ行列の要素を定義通りに作ることにある。とはいえ多変数関数の形によっては、連鎖律を中心に整理すると計算量を減らせる。
2.1.1 偏微分の計算規則
偏微分は、他の変数を固定したまま特定の変数で微分する操作として理解できる。したがって、通常の微分で現れる積の微分や商の微分、指数・対数などの基本公式は、各変数に関して適用される。
また、ベクトル値関数では成分ごとに偏微分を行うため、全体のヤコビ行列は「各成分の計算結果を縦方向に並べたもの」と見なせる。結果の整理では、行列の次元（行数 \(m\)、列数 \(n\)）と整合しているかを確認することが手戻り防止につながる。
2.1.1.1 連鎖律を踏まえた微分の実務
合成写像 \(F(x)=G(H(x))\) では、連鎖律がヤコビ行列の計算を直接導く。入力 \(x\) を中間変数 \(u=H(x)\) を通して \(G(u)\) に写すとき、ヤコビ行列は積の形で表せる。 \[ J_F(x)=J_G(H(x))\;J_H(x) \] のように、段階的な微分の結果を行列積として連結できる。
この性質により、複雑な変換でも「途中の変数ごとに局所線形化してつなぐ」発想が可能になる。解析だけでなく計算機実装でも、合成の構造を辿って行列を構成できる。
2.2 よくある入力・出力の形
ヤコビ行列は入力・出力の次元に応じて形が変わる。よく出会う形として、スカラー出力とベクトル出力がある。
2.2.1 スカラー値関数の場合
\(f:\mathbb{R}^n\to\mathbb{R}\) の場合、ヤコビ行列は \(1\times n\) の行列、すなわち各変数に関する偏微分を並べたものになる。一般に勾配 \(\nabla f\) は列ベクトルとして書かれることが多く、ヤコビ行列を行ベクトルとして定義する流儀では転置の関係になる。
この場合、入力方向の変化 \(h\) による一次の変化は \(\nabla f(a)\cdot h\) の形で表される。すなわち、ヤコビ行列は「方向の感度」をまとめたものとして働く。
2.2.2 ベクトル値関数の場合
\(F:\mathbb{R}^n\to\mathbb{R}^m\) では、ヤコビ行列は \(m\times n\) 行列となる。入力の微小変化 \(h\) を与えると、一次近似は \(J_F(a)h\) という行列積で与えられ、各出力成分は対応する行ベクトルとの内積で決まる。
このとき、行ベクトルの集合は「入力成分に関する感度の地図」として解釈できる。出力成分が独立に定まる場合でも、列が混ざるため、入力成分間の同時変化が出力へどのように影響するかを一度に捉えられる。
2.3 実例（多変数からの変数変換）
具体例では、変数変換を典型的な合成として扱い、ヤコビ行列をどう構成するかを見る。ここでは座標変換の考え方を通して、定義から実用的な計算へつなぐ。
2.3.1 極座標・一般的座標変換の考え方
平面の変換では、直交座標 \((x,y)\) と極座標 \((r,\theta)\) の間の関係 \[ x=r\cos\theta,\quad y=r\sin\theta \] のように、出力が中間変数の合成で表される。ヤコビ行列は \((r,\theta)\mapsto(x,y)\) の写像として定義し、\(\frac{\partial (x,y)}{\partial (r,\theta)}\) の形で偏微分を並べる。
この行列は、面積要素の変換に現れ、微小領域の大きさがどの程度拡大・縮小されるかを表す。極座標では半径が増えるほど面積が広がるため、ヤコビアン（ヤコビ行列に由来する量）が面積のスケール因子として自然に現れる。
2.3.2 極座標・一般的座標変換の考え方
（上と同様の座標変換の枠組みで、別の表現や拡張の発想を述べる。）
三次元でも、球座標などに拡張して同様にヤコビ行列を計算できる。一般に座標変換では、元の変数が新しい変数の関数として与えられ、その合成構造に応じて偏微分を整理する。行列の形は冗長に見えることがあるが、積の構造や三角関数の微分規則を使うことで効率よく計算できる。
3 性質と重要な判定条件
ヤコビ行列は単なる計算結果ではなく、線形代数と微分幾何の両面から性質が整理される。その中心はランク、可逆性、そして特異点である。
3.1 基本性質
まずヤコビ行列を行列として見たときの基本構造と、微分可能性とのつながりを述べる。
3.1.1 行列としての構造（階数・ランク）
ヤコビ行列のランクは、線形化の情報量を反映する。入力次元が \(n\)、出力次元が \(m\) のとき、ランクは最大でも \(\min(m,n)\) である。ランクが高いほど、局所的には多様な方向の変化が出力へ反映される。
逆にランクが低いと、一次近似の段階では一部の方向の変化が出力に反映されにくいことを意味する。この状況は、のちに特異点として現れる退化の前兆と関係する。
3.1.2 微分可能性との結びつき
ヤコビ行列が定義されるのは、各出力成分がそれぞれ入力変数に関して偏微分を持ち、かつ線形近似として振る舞う条件が満たされるときである。微分可能性が保証されると、一次の誤差が適切に減少し、ヤコビ行列が局所線形化を与える。
さらに、ヤコビ行列の成分が連続である場合には、局所挙動が安定しやすくなる。つまり、ヤコビ行列の存在だけでなく、その振る舞いの滑らかさが解析に寄与する。
3.2 可逆性と局所挙動
ヤコビ行列は、写像が局所的に逆を持つか、つまり入力と出力が近傍で一対一対応に近い関係を持つかを判定する手掛かりになる。
3.2.1 ヤコビアン条件の考え方
写像が可逆に近づく条件として、ヤコビ行列のランク、あるいは正方の場合の行列式が重要になる。特に \(F:\mathbb{R}^n\to\mathbb{R}^n\) の正方ヤコビ行列では、行列式がゼロでないことが局所的な可逆性に結びつく。
直観としては、一次近似 \(J_F(a)h\) が入力の微小変化を潰さずに出力へ写す状況が望ましい。行列式が非ゼロなら、線形化が可逆となり、非線形でも近傍での逆写像が期待できる。
3.2.2 逆関数定理との関係
逆関数定理は、ヤコビ行列の非退化性（正則性）と微分可能性の組合せから、逆写像の存在と滑らかさを保証する定式化である。具体的には、ある点でヤコビ行列が可逆であれば、その点の近くで逆関数が定義できる。
この結果により、ヤコビ行列は「局所で変数を交換できるか」という問いに対して、定量的な条件を与える。変数変換の計算や解析の正当化に直結し、理論と応用をつなぐ役割を果たす。
3.3 特異点と退化
ヤコビ行列がランクを落とす点や、行列式がゼロになる点は特異点と呼ばれ、写像の局所構造が単純な線形モデルから外れる。
3.3.1 ヤコビ行列が特異になる意味
ヤコビ行列が特異（可逆でない）であると、線形化 \(J_F(a)h\) の段階で入力の一部の方向が出力に反映されない、あるいは情報が潰れる可能性がある。これは、局所的に一対一対応が成立しない兆候となる。
その結果、出力が同じになりやすい（多対一）状況、あるいは出力が折り返すような挙動が起きることがある。したがって、特異性は単なる計算上の異常ではなく、写像の幾何学的な変化点として理解される。
3.3.2 複数解・折り返しの直観
特異点近傍では、近い入力が同じ出力へ集まったり、出力の経路が折り返したりする直観的な現象が生じうる。一次近似が可逆でないため、出力側から入力を復元する操作が安定にできなくなる。
具体例として、ある変数変換が局所的に「一方向に潰れる」場合、同じ出力に対して複数の入力候補が現れる。これが方程式の解の多重性や分岐の直観につながる。
4 応用分野
ヤコビ行列は、解析学、最適化、数値計算など多分野で繰り返し登場する。共通しているのは「非線形な問題を局所線形化に置き換える」という発想である。
4.1 解析学での役割
解析学では、連鎖律や変数変換、さらに積分の計算に至るまで、ヤコビ行列が理論的根拠を与える。
4.1.1 連鎖律による微分の整理
多変数の微分では、関数の合成が頻出する。ヤコビ行列は連鎖律を行列の言葉にまとめ、複雑な導出を体系化する。これにより、合成の階層構造を辿りながら微分を計算できる。
また、微分の計算を「線形写像の合成」として捉えることで、変数の置き換えや座標系の変更が行いやすくなる。理論的には、微分可能性の議論もヤコビ行列を通して整理される。
4.1.2 変数変換と積分への影響（ヤコビアン）
変数変換では、微小体積（面積）のスケールが変わるため、積分に補正因子が必要になる。この補正はヤコビ行列の行列式に関係し、体積要素がどの程度伸縮するかを表す。
たとえば多重積分では、座標変換を行う際にヤコビ行列から得られる因子を掛けることで、領域の対応関係を正しく反映する。結果として、座標系が変わっても積分値が整合するように保証される。
4.2 最適化への応用
最適化では、目的関数や制約を局所近似して探索方向を決めることが多い。ヤコビ行列は、その局所線形化を担う情報として使われる。
4.2.1 制約付き最適化のヤコビアンの利用（概念）
制約条件を \(g(x)=0\) の形で与える場合、制約の変化を追跡するためにヤコビ行列 \(J_g(x)\) が重要になる。局所的には、制約面はヤコビ行列により張られる線形近似によって表される。
この観点では、制約がどの方向を許すか、どの方向が禁じられるかが線形近似で記述できる。したがって、探索アルゴリズムではヤコビ行列が行列方程式や連立条件の構造を決定する要素として現れる。
4.3 数値計算での利用
数値計算では、ヤコビ行列は反復法の更新ルール、あるいはシステムを線形化するための基礎情報として使われる。
4.3.1 ニュートン法におけるヤコビ行列
ニュートン法は非線形方程式 \(F(x)=0\) を解く際に、各反復で局所線形化した問題を解く手法である。その一次近似は \(F(x)\approx F(x_k)+J_F(x_k)(x-x_k)\) の形で与えられるため、更新はヤコビ行列に依存する。
具体的には、線形化した方程式から補正量を求め、それを現在値に加えることで次の近似を得る。ヤコビ行列が十分に正則であるほど収束性が良くなり、特異に近い場合には反復が不安定になることがあるため注意が必要となる。
4.3.2 運動学・システム同定への応用（概念）
運動学では、関節角や状態量の変化が位置・姿勢にどう影響するかをヤコビ行列で記述する発想がある。状態の微小変化と出力の微小変化の対応が、局所線形化として行列で与えられるため、速度対応や制御設計に自然に接続される。
システム同定やパラメータ推定でも、モデル出力と観測のズレを局所線形化する過程でヤコビ行列が現れることがある。これにより、誤差の変化に対する感度が行列として整理され、推定更新の方向が決まる。