NSM-032
$P'(0) = Q$ — 遷移確率行列の微分と Q 行列の関係
作成日: 2026-06-03 / §4 基礎 / P(t) の微分・Q 行列の誕生 / Mathematics in Neuroscience プレゼン準備
関連ドキュメント
このノートの核心 : 微分の定義を $P(t)$ に忠実に適用すると、$\displaystyle P'(0) = \lim_{h \downarrow 0} \frac{P(h) - I}{h}$ になる。この極限がまさに Q 行列の定義式そのものであり、「Q とは P を時刻 0 で微分したもの」であることが示せる。
【本ノートでの用語規約】
$P(t)$ : 遷移確率行列（stochastic matrix）。成分 $P(t)_{ij}$ = 「時刻 0 に状態 $i$ にいたとき、時刻 $t$ に状態 $j$ にいる確率」。詳細は NSM-027 。$Q$ : Q 行列（generator matrix / rate matrix）。成分 $q_{ij}$（$i \neq j$）は状態 $i$ から $j$ への遷移率、$q_{ii} = -\sum_{j \neq i} q_{ij}$（行和ゼロ）。$P'(0)$ : 行列値関数 $P(t)$ を $t$ について微分し、$t=0$ で評価したもの。成分ごとに微分する。$h \downarrow 0$ : 右極限（$h > 0$ 側からのみ 0 に近づける）。$h \to 0$ との違いは §3 で詳述。
1. $P(t)$ と $P(0) = I$ の復習
特に $t = 0$ では、出発した瞬間に別の状態に遷移することはできない。したがって
$$P(0)_{ij} = \begin{cases} 1 & (i = j) \\ 0 & (i \neq j) \end{cases} \quad \Longrightarrow \quad P(0) = I$$
つまり $P(0)$ は単位行列である。
状態遷移と P(t) の成分
状態 i
出発点
状態 j
到達点
確率 P(t)_{ij}
（時間 t 経過後）
P(t)_{ii}
t = 0 では P(0)_{ij} = 0（i≠j）, P(0)_{ii} = 1 → P(0) = I
$P(t)$ 行列のイメージ
列（到達状態）: 1 2 3 ...
行（出発状態）
1
*
*
*
1
*
*
*
1
...
t = 0 では対角成分のみ 1（= 単位行列 I）
図 1. $P(t)$ の成分の意味。$t > 0$ では非対角成分が正になり得るが、$t = 0$ では対角のみ 1。
2. 微分の定義に戻す — ステップごとに丁寧に
ステップ 1: 微分の定義式をそのまま書く
$$P'(0) = \left. \frac{dP(s)}{ds} \right|_{s=0} = \lim_{h \to 0} \frac{P(0 + h) - P(0)}{h}$$
これは微分の定義そのもの。$s = 0$ における差分商の極限。
ステップ 2: $P(0) = I$ を代入する
$$= \lim_{h \to 0} \frac{P(h) - I}{h}$$
$P(0 + h) = P(h)$、$P(0) = I$ を代入した。引き算の意味は「$P(h)$ から単位行列を引く」。
ステップ 3: $h \to 0$ を $h \downarrow 0$（右極限）に変える
$$= \lim_{h \downarrow 0} \frac{P(h) - I}{h}$$
$P(h)$ は $h \geq 0$ でしか定義されていない（時間は非負）。したがって両側極限でなく、$h > 0$ 側からの右極限に限定する。詳細は次節。
$$\boxed{P'(0) = \lim_{h \downarrow 0} \frac{P(h) - I}{h}}$$
3. $h \downarrow 0$ の記法の意味
記法 意味 $h$ の範囲
$h \to 0$
両側極限：$h$ は正からも負からも 0 に近づく
$h > 0$ および $h < 0$ の両方
$h \downarrow 0$
右極限：$h$ は正の側からのみ 0 に近づく
$h > 0$ のみ
なぜ右極限か?
$P(h)$ は「時間 $h$ 経過後の遷移確率行列」であり、時間は物理的に $h \geq 0$ でなければ定義されない。
$h < 0$ の $P(h)$ には意味がないため、左側からの近づきを排除して右極限 $h \downarrow 0$ を使う。
これは数学的な厳密さであると同時に、「正の微小時間での変化率」という物理的直感とも整合する。
4. $(P(h) - I)/h$ の成分の意味
非対角成分 ($i \neq j$)
$P(h)_{ij}$ は「状態 $i$ から状態 $j$ への時刻 $h$ での遷移確率」。$h$ が十分小さいとき、この確率は遷移率 $q_{ij}$ に比例する:
$$P(h)_{ij} \approx q_{ij} \cdot h \qquad (h \to 0^+,\; i \neq j)$$
よって $I_{ij} = 0$（非対角）なので:
$$\frac{P(h)_{ij} - I_{ij}}{h} = \frac{P(h)_{ij} - 0}{h} = \frac{q_{ij} h}{h} = q_{ij} \xrightarrow{h \downarrow 0} q_{ij}$$
対角成分 ($i = i$)
$P(h)_{ii}$ は「時刻 $h$ で状態 $i$ に留まる確率」。$h$ が小さいとき、出ていく全遷移率 $|q_{ii}|$ に比例して減少する:
$$P(h)_{ii} \approx 1 + q_{ii} \cdot h \qquad (h \to 0^+,\; q_{ii} \leq 0)$$
$I_{ii} = 1$ なので:
$$\frac{P(h)_{ii} - I_{ii}}{h} = \frac{(1 + q_{ii} h) - 1}{h} = q_{ii} \xrightarrow{h \downarrow 0} q_{ii}$$
$q_{ii}$ は負 : $q_{ii} = -\sum_{j \neq i} q_{ij}$ は全遷移率の和の符号を反転したもの。
状態 $i$ から出ていく確率の「速度」を表し、必ず $\leq 0$。
Q 行列の行和がゼロになる $\left(q_{ii} + \sum_{j \neq i} q_{ij} = 0\right)$ という性質はここから来る。
$(P(h) - I)_{ij}/h$ の $h \downarrow 0$ での挙動
非対角成分 ($i \neq j$)
h
値
0
$q_{ij}$
$(P(h)_{ij} - 0)/h$
$\longrightarrow q_{ij}$ as $h \downarrow 0$
対角成分 ($i = i$)
h
値
0
$q_{ii}$
(< 0)
$(P(h)_{ii} - 1)/h$
$\longrightarrow q_{ii}$ as $h \downarrow 0$
図 2. $(P(h)-I)_{ij}/h$ の $h \downarrow 0$ での収束。左: 非対角成分は正の $q_{ij}$ に収束。右: 対角成分は負の $q_{ii}$ に収束（$h = 0$ での極限値が Q 行列の各成分）。
5. Q の定義式との対応
Q 行列の定義 を改めて書くと:
$$q_{ij} = \lim_{h \downarrow 0} \frac{P(h)_{ij}}{h} \quad (i \neq j), \qquad
q_{ii} = \lim_{h \downarrow 0} \frac{P(h)_{ii} - 1}{h}$$
これはまさに $\dfrac{P(h) - I}{h}$ の各成分の $h \downarrow 0$ における極限にほかならない。したがって:
$$\left(\lim_{h \downarrow 0} \frac{P(h) - I}{h}\right)_{ij} = q_{ij} \quad \text{（全ての } i, j \text{ について）}$$
$$\Longrightarrow \quad P'(0) = Q$$
まとめ : Q 行列は「$P(t)$ を $t=0$ で微分したもの」である。Q を先に定義しても、P'(0) の計算から自然に Q が現れても、行きつく先は同じ等式 $P'(0) = Q$。
6. 論理の流れ（図）
$P'(0) = Q$ の論理連鎖
微分の定義
$P'(0) = \lim_{h \to 0}\,(P(0+h) - P(0))\,/\,h$
$P(0)=I$ を代入
$P(0) = I$ を代入
$= \lim_{h \to 0}\,(P(h) - I)\,/\,h$
時間は非負 → 右極限
右極限 $h \downarrow 0$ に限定
$= \lim_{h \downarrow 0}\,(P(h) - I)\,/\,h$
成分ごとに極限
非対角成分 ($i \neq j$)
$P(h)_{ij}/h \to q_{ij}$
（遷移率 × 時間 → 確率）
対角成分 ($i = i$)
$(P(h)_{ii} - 1)/h \to q_{ii}$
（留まる確率 − 1 → 負値）
$P'(0) = Q$ ← Q の定義そのもの
（全成分が一致するので行列として等しい）
図 3. $P'(0) = Q$ の論理連鎖。微分の定義 → $P(0)=I$ の代入 → 右極限への限定 → 成分ごとの収束 → Q の定義と一致。
7. この結果の意義 — 前進方程式への橋渡し
Kolmogorov 前進方程式 $P'(t) = QP(t)$ を導出するための出発点として機能する。
Chapman-Kolmogorov 方程式 $P(s + t) = P(s)P(t)$（半群性）と組み合わせると:
前進方程式の導出スケッチ
$$P(t + h) = P(t)\,P(h)$$
$$\frac{P(t+h) - P(t)}{h} = P(t) \cdot \frac{P(h) - I}{h}$$
$$\xrightarrow{h \downarrow 0} \quad P'(t) = P(t) \cdot Q$$
（後退方程式。前進方程式 $P'(t) = QP(t)$ は右からの微分による。両者は Q と $e^{Qt}$ の可換性から一致する。）
これがさらに 行列指数関数 $P(t) = e^{Qt}$ の解に結びつく。
$P'(0) = Q$ から先の展開
$P'(0) = Q$
（本ノート）
+ 半群性
$P'(t) = QP(t)$
前進方程式 (NSM-021)
ODE 解
$P(t) = e^{Qt}$
行列指数関数 (NSM-011)
固有値分解
$\sum b_k e^{\lambda_k t}$
指数和の解 (NSM-028)
図 4. $P'(0) = Q$ を起点とした理論展開。半群性との組み合わせ → 前進方程式 → 行列指数関数 → 固有値分解による指数和。
参考文献
Norris, J.R. (1997). Markov Chains. Cambridge University Press. Chapter 2 (§2.1–§2.2).
Anderson, W.J. (1991). Continuous-Time Markov Chains: An Applications-Oriented Approach. Springer. §1.2.
Colquhoun, D. & Hawkes, A.G. (1981). On the stochastic properties of single ion channels. Proc. R. Soc. Lond. B, 211, 205–235.
Ross, S.M. (2010). Introduction to Probability Models. 10th ed. §6.2–§6.4.
neuroscience-math 索引 |
サイトトップ |
更新履歴