NSM-011
行列指数関数 $e^{Qt}$ と Q 行列 — Kolmogorov 方程式の統合解説 §4 メイン
作成日: 2026-05-23 / §4 数学パートの中核 / Mathematics in Neuroscience プレゼン準備
関連ドキュメント
このノートの中心命題:
1. 問い — Q 行列があれば確率の時間発展が決まる。なぜ？
イオンチャネルは「開いている (Open)」「閉じている (Closed)」などの複数の状態間をランダムにジャンプする。
このランダムな飛び移りを記述するのが Q 行列（生成作用素、generator matrix）だ。
ここには各状態間の遷移速度（1 秒あたりの確率的飛び移り速度）が入っている。
出発点の問い:
時刻 $0$ に状態 $i$ にいた。時刻 $t$ に状態 $j$ にいる確率 $P_{ij}(t)$ は何か？
答えは $P(t) = e^{Qt}$ だが、この式には 3 つの「なぜ？」が隠れている:
なぜ微分方程式 (Kolmogorov 方程式) が出てくるのか？ なぜ解が指数関数の行列版 $e^{Qt}$ になるのか？ なぜ前進方程式と後進方程式が同じ解を持つのか？
以下でこの 3 つを順に解き明かす。
スカラー: e^{at}
e^{at} = 1 + at + (at)²/2! + (at)³/3! + ···
a は数（スカラー）
d/dt e^{at} = a · e^{at}
初期条件: e^{a·0} = 1
dx/dt = ax → x(t) = e^{at} · x(0)
→
行列へ拡張
行列: e^{Qt}
e^{Qt} = I + Qt + (Qt)²/2! + (Qt)³/3! + ···
Q は行列（n×n の Q 行列）
d/dt e^{Qt} = Q · e^{Qt} = e^{Qt} · Q
初期条件: e^{Q·0} = I（単位行列）
dP/dt = QP → P(t) = e^{Qt} · P(0)
図 1. スカラー $e^{at}$ と行列 $e^{Qt}$ のマクローリン展開の対比。スカラーの形をそのまま行列に拡張するだけ。違いは $1 \to I$（単位行列）、$a \to Q$（Q 行列）だけで、展開の構造は同一。
2. Q 行列の正体 — 「無限小時間の遷移演算子」
Q 行列がどこから来るかを理解するために、まず離散時間の類似物から出発する。
2.1 定義: Q = lim_{dt→0} [P(dt) − I] / dt
遷移確率行列 $P(t)$ の各成分 $P_{ij}(t)$ は「時刻 $0$ で状態 $i$ → 時刻 $t$ で状態 $j$」の条件付き確率だ。
微小時間 $dt$ における振る舞いを見ると:
$P_{ij}(dt) = q_{ij} \cdot dt + O(dt^2)$ ($i \neq j$) — 別の状態へ飛ぶ確率
$P_{ii}(dt) = 1 + q_{ii} \cdot dt + O(dt^2)$ — 同じ状態に留まる確率
ここで $q_{ij}$ を Q 行列の成分と定義する。すなわち:
$$Q = \lim_{dt \to 0} \frac{P(dt) - I}{dt} = \left.\frac{dP}{dt}\right|_{t=0}$$
これが Q 行列が「生成作用素 (infinitesimal generator)」と呼ばれる理由だ。$Q$ は $P(t)$ の $t=0$ における接線（微分）である。
2.2 Q 行列の 3 つの条件
条件 数式 物理的意味 イオンチャネルでの解釈
非対角成分は非負
$q_{ij} \ge 0$ ($i \neq j$)
状態 $i$ から状態 $j$ へ流れ込む速度
開 → 閉 の遷移速度定数 $\alpha$、閉 → 開 の速度定数 $\beta$ など
対角成分は非正
$q_{ii} \le 0$
状態 $i$ から「外へ出ていく」総速度
$q_{ii} = -\sum_{j \neq i} q_{ij}$ — 出ていく全速度の符号反転
各行の和 = 0
$\sum_j q_{ij} = 0$
確率保存 — どこかに行く確率の総和は変わらない
チャネルが消えたり生まれたりしない
2.3 2状態モデルの具体例
最も単純な「Open $\rightleftharpoons$ Closed」の 2 状態イオンチャネル。$\alpha$ = 閉化速度、$\beta$ = 開口速度とすると:
$$Q = \begin{pmatrix} -\alpha & \alpha \\ \beta & -\beta \end{pmatrix}$$
各行の和: $(-\alpha + \alpha) = 0$、$(\beta - \beta) = 0$ ✓
3. Kolmogorov 方程式の導出
Q 行列の定義から、$P(t)$ が満たす微分方程式を導出する。
3.1 前進方程式 (Forward Kolmogorov)
微小時間 $dt$ 後の遷移確率を、$t$ での確率と $dt$ 間の遷移の積として書く:
Step 1. チャップマン—コルモゴロフ方程式:
$$P(t + dt) = P(t) \cdot P(dt)$$
Step 2. $P(dt) = I + Q\, dt + O(dt^2)$ を代入:
$$P(t + dt) = P(t) \cdot (I + Q\, dt) = P(t) + P(t)Q\, dt + O(dt^2)$$
Step 3. 移項して $dt$ で割り $dt \to 0$:
$$\frac{P(t+dt) - P(t)}{dt} \to \frac{dP}{dt} = P(t) Q$$
前進 Kolmogorov 方程式:
$$\frac{dP}{dt} = P(t)\, Q, \quad P(0) = I$$
「前進」の意味: 終時刻 $t$ と終状態 $j$ を変数として動かす 。確率の流れを「どこへ着くか」の観点から書く。
3.2 後進方程式 (Backward Kolmogorov)
今度は「$dt$ 先にいる状態から残りの $t$ 時間で進む」と考える:
Step 1. チャップマン—コルモゴロフ方程式:
$$P(t + dt) = P(dt) \cdot P(t)$$
Step 2. $P(dt) = I + Q\, dt + O(dt^2)$ を代入:
$$P(t + dt) = (I + Q\, dt) \cdot P(t) = P(t) + Q\, dt\, P(t) + O(dt^2)$$
Step 3. 移項して $dt \to 0$:
$$\frac{dP}{dt} = Q\, P(t)$$
後進 Kolmogorov 方程式:
$$\frac{dP}{dt} = Q\, P(t), \quad P(0) = I$$
「後進」の意味: 初期時刻と初期状態 $i$ を変数として動かす 。「最初にどこにいたか」の観点から書く。
滞在時間分布・first passage time（はじめて状態 $j$ に到達するまでの時間）の計算に自然に現れる。
0
t
dt
dt
dt
dt
dt
dt
(I + Q dt)
(I + Q dt)
(I + Q dt)
(I + Q dt)
(I + Q dt)
(I + Q dt)
P(t) = (I + Q dt)^{t/dt}
→ e^{Qt} (dt → 0 のとき)
「Q dt だけ進む」操作を t/dt 回繰り返す = 積の極限
スカラーの極限 lim_{n→∞}(1 + at/n)^n = e^{at} と同じ論理
図 3. 微小時間 $dt$ での遷移演算子 $(I + Q\,dt)$ を $t/dt$ 回掛け合わせると $P(t) = e^{Qt}$ になる。
スカラーの極限 $\lim_{n\to\infty}(1+at/n)^n = e^{at}$ の行列版。
4. マクローリン展開 — 各項は「n 回遷移する」経路の総和
$$e^{Qt} = \sum_{n=0}^{\infty} \frac{(Qt)^n}{n!} = I + Qt + \frac{(Qt)^2}{2!} + \frac{(Qt)^3}{3!} + \cdots$$
各項には明確な確率論的意味がある。
項 式 確率論的意味 直感
第 0 項 (n=0)
$I$
テイラー展開の 0 次項（恒等写像 $P(0) = I$ の寄与）。「一度も遷移しない確率」は厳密には $e^{q_{ii}t}$ で対角成分に現れる。
「何も起きなかった」寄与の出発点
第 1 項 (n=1)
$Qt$
ちょうど 1 回遷移した経路の総寄与。$q_{ij}\cdot t$ は $i\to j$ へ 1 ステップの振幅
「1 回だけジャンプした」寄与
第 2 項 (n=2)
$(Qt)^2/2!$
ちょうど 2 回遷移した経路の総寄与。$(Q^2)_{ij} = \sum_k q_{ik}q_{kj}$（中間状態 $k$ 経由を全て足す）
「2 回ジャンプした」寄与、経路数 $2!$ で割る
第 n 項
$(Qt)^n/n!$
ちょうど $n$ 回遷移した全経路の寄与の総和。$n!$ は経路の順序付けを割り戻す因子
「$n$ 回ジャンプした」寄与
$n!$ が出てくる理由:
e^{Qt} = I + Qt + (Qt)²/2! + (Qt)³/3! + ···
I (n=0)
A
B
遷移なし
A→A, B→B のみ
「留まる」寄与
Qt (n=1)
A
B
q_{AB}t
1 回の遷移
A→B の 1 ステップ
「1 回ジャンプ」寄与
(Qt)²/2! (n=2)
A
B
C
A→C→B など全 2 ステップ経路を足す
2! で割る（経路順序を除く）
「2 回ジャンプ」寄与
(Qt)^n / n! (一般項)
···
s₁
s₂
···
sₙ
n 回の遷移の全経路を
中間状態について足す
n! は順序重複を除く因子
「n 回ジャンプ」寄与
図 2. マクローリン展開の各項の確率論的意味。第 $n$ 項 $(Qt)^n/n!$ は「ちょうど $n$ 回遷移する全経路の寄与の和」。$n!$ は経路の順序付けを取り除く因子であり、スカラーの場合と完全に同じ論理。
5. 前進と後進方程式が同じ解 $e^{Qt}$ を持つ理由
前進方程式 $\dot{P} = PQ$ と後進方程式 $\dot{P} = QP$ は一見異なる方程式だが、
初期条件 $P(0)=I$ のもとで解は同一の $P(t) = e^{Qt}$ になる。理由は Q と $e^{Qt}$ の可換性 にある。
5.1 $Q$ と $e^{Qt}$ の可換性の証明
命題: $Q\, e^{Qt} = e^{Qt}\, Q$ （すべての $t$ に対して）
証明. マクローリン展開から直接計算する:
$$Q \cdot e^{Qt} = Q \sum_{n=0}^{\infty} \frac{(Qt)^n}{n!}
= \sum_{n=0}^{\infty} \frac{Q \cdot Q^n t^n}{n!}
= \sum_{n=0}^{\infty} \frac{Q^{n+1} t^n}{n!}$$
$$e^{Qt} \cdot Q = \left(\sum_{n=0}^{\infty} \frac{Q^n t^n}{n!}\right) Q
= \sum_{n=0}^{\infty} \frac{Q^n Q \, t^n}{n!}
= \sum_{n=0}^{\infty} \frac{Q^{n+1} t^n}{n!}$$
両辺が等しい。$\square$
直感: $e^{Qt}$ は $Q$ の多項式の極限なので、$Q$ と交換する。行列一般では $AB \neq BA$ だが、
「ある行列の多項式」はその行列と必ず可換。
5.2 $e^{Qt}$ が両方の方程式の解であることの確認
$$\frac{d}{dt} e^{Qt} = \frac{d}{dt} \sum_{n=0}^{\infty} \frac{Q^n t^n}{n!}
= \sum_{n=1}^{\infty} \frac{Q^n \cdot n t^{n-1}}{n!}
= \sum_{n=1}^{\infty} \frac{Q^n t^{n-1}}{(n-1)!}
= Q \sum_{m=0}^{\infty} \frac{Q^m t^m}{m!} = Q\, e^{Qt}$$
可換性より $Q\, e^{Qt} = e^{Qt}\, Q$ だから:
$$\frac{d}{dt} e^{Qt} = Q\, e^{Qt} = e^{Qt}\, Q$$
これは $e^{Qt}$ が前進方程式 ($\dot{P} = P\, Q = e^{Qt} Q$) の解でも、
後進方程式 ($\dot{P} = Q\, P = Q\, e^{Qt}$) の解でもあることを示している。
2 つの方程式は「Q を左から掛けるか右から掛けるか」の違いだが、解が可換なので同じ行列になる。
5.3 前進 vs 後進 — 何に使うかの違い
前進方程式 $\dot{P} = PQ$ 後進方程式 $\dot{P} = QP$
変数
終時刻 $t$、終状態 $j$
初期時刻（または初期状態 $i$）
視点
「確率の流れを前へ追う」
「始点を変化させて結果を比較する」
典型的な応用
マクロ電流 $p(t) = p(0)\,e^{Qt}$、定常分布の計算
滞在時間分布 $f(t)$、first passage time の分布
解
どちらも $P(t) = e^{Qt}$（可換性から）
Q 行列（既知）
前進方程式
dP/dt = P(t) Q
後進方程式
dP/dt = Q P(t)
P(dt)=P(t)(I+Qdt)
P(dt)=(I+Qdt)P(t)
P(t) = e^{Qt}
（可換性: Q e^{Qt} = e^{Qt} Q）
図 4. 前進 Kolmogorov 方程式と後進 Kolmogorov 方程式は記述の仕方が異なるが、どちらも同じ解 $e^{Qt}$ に至る。
$Q$ と $e^{Qt}$ が可換であることが、両式が同一解を持つ理由。
6. 計算上の対角化 — $Q = V\Lambda V^{-1}$ から $e^{Qt}$ を効率的に求める
マクローリン展開は概念理解には最適だが、無限和は数値計算に向かない。
実際の計算では Q の固有値分解を使う。
6.1 対角化の手順
Q が対角化可能とする（Q は実対称でないが、通常は対角化可能）。固有値 $\lambda_1, \ldots, \lambda_n$ と対応する固有ベクトルを列に並べた行列 $V$ により:
$$Q = V \Lambda V^{-1}, \quad \Lambda = \mathrm{diag}(\lambda_1, \ldots, \lambda_n)$$
これを使うと:
$$e^{Qt} = e^{V\Lambda V^{-1} t} = V\, e^{\Lambda t}\, V^{-1}$$
なぜなら:
$$e^{V\Lambda V^{-1} t} = \sum_{n=0}^{\infty} \frac{(V\Lambda V^{-1} t)^n}{n!}
= \sum_{n=0}^{\infty} \frac{V \Lambda^n V^{-1} t^n}{n!}
= V \left(\sum_{n=0}^{\infty} \frac{\Lambda^n t^n}{n!}\right) V^{-1}
= V\, e^{\Lambda t}\, V^{-1}$$
$\Lambda$ は対角行列なので $e^{\Lambda t}$ は簡単:
$$e^{\Lambda t} = \mathrm{diag}(e^{\lambda_1 t},\, e^{\lambda_2 t},\, \ldots,\, e^{\lambda_n t})$$
6.2 固有値の意味
Q 行列の固有値 $\lambda_k$ について:
常に $\mathrm{Re}(\lambda_k) \le 0$（安定性条件 — 確率が発散しない）
必ず $\lambda_1 = 0$ が 1 つ存在（定常分布の存在を反映）
残りの $\lambda_k < 0$（負の実数）が「時定数」$\tau_k = -1/\lambda_k$ を与える
これにより:
$$[e^{Qt}]_{ij} = \sum_k [V]_{ik}\, e^{\lambda_k t}\, [V^{-1}]_{kj}$$
各状態間の遷移確率が「指数の和 (mixture, 線形結合) $\sum_k c_k e^{\lambda_k t}$」の形になる仕組みが見えてくる。§5 の dwell time スペクトル分解の起源はここにある。係数 $c_k$ の符号が並列 (全正) vs 直列 (混在) を判定する。
マクローリン展開 vs 対角化の使い分け: expm 関数）や解析的な公式導出では対角化が標準。
2 状態なら手計算も可能。$n$ 状態以上では数値的固有値分解を使う。
Q 行列
n×n、行和=0
固有値分解
Q = V Λ V⁻¹
Λ = diag(λ₁,…,λₙ)
λₖ ≤ 0, λ₁ = 0
指数を取る
e^{Qt} = V e^{Λt} V⁻¹
e^{Λt} = diag(e^{λ₁t}, …, e^{λₙt})
対角行列の指数は簡単
[e^{Qt}]_{ij} = Σₖ [V]_{ik} e^{λₖt} [V⁻¹]_{kj} ← 指数の和 (mixture, 線形結合)
固有値 λₖ が「時定数」τₖ = -1/λₖ を与える → §5 スペクトル分解へ
図 5. 対角化 $Q = V\Lambda V^{-1}$ から $e^{Qt} = Ve^{\Lambda t}V^{-1}$ への計算フロー。
対角行列 $e^{\Lambda t}$ の各対角成分 $e^{\lambda_k t}$ が遷移確率の指数成分を生む。
これが §5 dwell time スペクトル分解の数学的起源。
7. 時間均一性の仮定と、それが破れる場合
本プレゼンの設定: Q 行列は定数（時間に依らない）。したがって $P(t) = e^{Qt}$ が成立。
もし Q が時間依存 $Q(t)$ の場合（例: 電圧依存性チャネルで膜電位を変えながら記録する場合）、解は単純な行列指数関数にならない。代わりに時間順序積（Dyson 展開、time-ordered exponential） が必要になる:
$$P(t) = \mathcal{T}\exp\!\left(\int_0^t Q(s)\,ds\right)
= I + \int_0^t Q(s)\,ds + \int_0^t\!\int_0^{s_1} Q(s_1)Q(s_2)\,ds_2\,ds_1 + \cdots$$
時間順序積が必要な理由: 異なる時刻の $Q(s_1)$ と $Q(s_2)$ は一般に交換せず ($Q(s_1)Q(s_2) \neq Q(s_2)Q(s_1)$)、
積分の順序が結果に影響するから。この設定は量子力学の発展方程式（Schrödinger 方程式）と同じ構造を持つ。
本プレゼンでは時間均一性を仮定するのでこの複雑さは不要。
8. 全体の接続 — Q 行列からすべてが導かれる
Q 行列を起点として、本プレゼンの数学がどう展開するかを整理する。
出発点 操作 結果 ノート
Q 行列（既知）
微分方程式を立てる (Kolmogorov 方程式)
$dP/dt = PQ = QP$
本ノート §3
Kolmogorov 方程式
初期条件 $P(0)=I$ で解く
$P(t) = e^{Qt}$
本ノート §4–§5
$P(t) = e^{Qt}$
固有値分解 $Q = V\Lambda V^{-1}$
$P(t) = Ve^{\Lambda t}V^{-1}$（指数の和 = 線形結合）
本ノート §6
$Q_{CC}$ サブブロック
dwell time 分布の導出
$f_C(t) = \pi_C e^{Q_{CC}t}(-Q_{CC}\mathbf{1})$
§5 スペクトル分解
$e^{Qt}$ のスペクトル分解
固有値の個数を数える
指数の本数 = 状態の数
§3–§5 統合
$P(t)$ と観測データ
尤度関数を構成して最大化
Q 行列の推定（逆問題）
§6 逆問題
9. 2状態モデルの完全計算 — 式を手で追う
Open $\xrightarrow{\alpha}$ Closed $\xrightarrow{\beta}$ Open の 2 状態モデルで、$P(t) = e^{Qt}$ を明示的に計算する。
Step 1. Q 行列の設定
$$Q = \begin{pmatrix} -\alpha & \alpha \\ \beta & -\beta \end{pmatrix}$$
Step 2. 固有値の計算
$$\det(\lambda I - Q) = \lambda(\lambda + \alpha + \beta) = 0$$
$$\Rightarrow \lambda_1 = 0, \quad \lambda_2 = -(\alpha + \beta)$$
Step 3. $e^{Qt}$ の計算（Sylvester / Cayley-Hamilton 公式）
2×2 行列で固有値が異なる場合 ($\lambda_1 \ne \lambda_2$) には次の公式が成立:
$$e^{Qt} = \frac{e^{\lambda_2 t}(\lambda_1 I - Q) - e^{\lambda_1 t}(\lambda_2 I - Q)}{\lambda_1 - \lambda_2} \quad (\lambda_1 \ne \lambda_2)$$
代入して整理すると:
$$e^{Qt} = \frac{1}{\alpha+\beta}\begin{pmatrix} \beta + \alpha e^{-(\alpha+\beta)t} & \alpha - \alpha e^{-(\alpha+\beta)t} \\ \beta - \beta e^{-(\alpha+\beta)t} & \alpha + \beta e^{-(\alpha+\beta)t} \end{pmatrix}$$
Step 4. 解釈
$t \to \infty$ で $e^{-(\alpha+\beta)t} \to 0$: 各行が $(\beta/(\alpha+\beta),\, \alpha/(\alpha+\beta))$ に収束 → 定常分布
$t \to 0$ で $P(0) = I$: 初期条件を満たす
時定数は $\tau = 1/(\alpha + \beta)$: Open と Closed の速度の合計が緩和時間を決める
まとめ — Q 行列から $e^{Qt}$ への道筋:
Q 行列は「微小時間 $dt$ の遷移を記述する演算子」= infinitesimal generator
Kolmogorov 方程式は「$dt$ → 0 の連続時間極限」であり、解は $P(t)=e^{Qt}$
マクローリン展開の第 $n$ 項 $(Qt)^n/n!$ は「$n$ 回遷移する経路の総寄与」
前進と後進が同じ解を持つのは Q と $e^{Qt}$ の可換性から自動的に従う
計算では対角化 $e^{Qt}=Ve^{\Lambda t}V^{-1}$ を使い、固有値が時定数・状態数を決める
参考文献
Colquhoun, D. & Hawkes, A. G. (1995). The principles of the stochastic interpretation of ion channel mechanisms. In: Sakmann, B. & Neher, E. (eds.) Single-Channel Recording , 2nd edition, pp. 397–482. Plenum Press, New York. → 本ノート全体の主要典拠：Q 行列・行列指数関数・Kolmogorov 方程式の枠組みColquhoun, D. & Hawkes, A. G. (1977). Relaxation and fluctuations of membrane currents that flow through drug-operated channels. Proceedings of the Royal Society of London B , 199, 231–262. → Q 行列と行列指数関数を用いた最初期の解析的定式化Colquhoun, D. & Hawkes, A. G. (1981). On the stochastic properties of single ion channels. Proceedings of the Royal Society of London B , 211, 205–235. → 単一チャネルの確率論的性質：dwell time 分布と $e^{Q_{CC}t}$ の固有値展開の根拠
関連項目
最終更新: 2026-05-23 / §4 数学パートのメインノート / Mathematics in Neuroscience プレゼン準備