# 東大 情報理工学系研究科 一般教育科目（数学） 2026年度 院試 過去問 解答例・解説

> 東大 情報理工学系研究科 一般教育科目（数学） 2026年度の院試過去問、3項目の解説。テーマは固有値・固有ベクトル、正定値行列。大問1問の途中式・最終答を無料公開。解答PDFは5年分収録で2,880円。問題本文は非収録。

- Web版: https://inshihub.com/exam-solutions/tokyo-university/information-science/general-math/2026
- 解答・解説PDF: https://inshihub.com/exam-solutions/tokyo-university/information-science/general-math（税込2,880円、5年分を収録）
- 最終更新: 2026-11-19
- 公式の過去問: https://www.i.u-tokyo.ac.jp/edu/entra/examarchive.shtml（2022〜2026（直近5年）、公式の解答例: 解答例の掲載なし）
- 問題本文は収録していません。公式の問題と照らして読んでください。
- 大問ごとの解説は無料公開です。途中式と最終答は、ここに載っている大問を除き解答PDFに収録しています。

## 第1問 — 実対称行列と極分解

### 解説

**この問題の中心**

前半は「実対称行列は直交行列で対角化できる」というスペクトル定理，後半は極分解である。単に公式を知っているだけでなく，正定値平方根の一意性を使って極分解の一意性まで説明できるかが問われている。

**平方根行列の一意性**

$D^2=C$ の解は一般には一意でない。たとえば対角行列なら各固有値の平方根に符号を選べる。しかし「正定値実対称」という条件を付けると，各固有空間で正の平方根だけが許されるため一意になる。この条件を答案で明示しないと，一意性の証明として不十分になる。

**極分解の見方**

$$
F=SU,\qquad S=(FF^T)^{1/2}
$$

は「先に直交変換を行い，次に対称な伸縮を行う」分解である。一方

$$
F=VT,\qquad T=(F^TF)^{1/2}
$$

は「先に対称な伸縮を行い，次に直交変換を行う」分解である。正則性により $FF^T,F^TF$ が正定値になるため，平方根行列を逆行列つきで安全に扱える。

**答案で落としやすい点**

直交性を示すときは，$UU^T=I$ または $U^TU=I$ のどちらかだけで十分であるが，どの行列が正則かを意識して書く必要がある。また，一意性は「平方根が一意だから」とだけ書くのではなく，$FF^T=S^2$，$F^TF=T^2$ の形に戻して説明すると明確である。

### 解答

$A$ は第1，第2成分だけが結合したブロックと，第3成分のブロックに分かれている。
まず

$$
\begin{pmatrix}5&-4\\-4&5\end{pmatrix}
  \binom{x}{y}
  =
  \lambda \binom{x}{y}
$$

を解くと，

$$
\binom{1}{1}\mapsto \binom{1}{1},\qquad
  \binom{1}{-1}\mapsto 9\binom{1}{-1}
$$

である。また第3成分は固有値 $16$ をもつ。したがって $A$ の固有値と対応する固有ベクトルの一例は

$$
\lambda=1,\quad \begin{pmatrix}1\\1\\0\end{pmatrix},
  \qquad
  \lambda=9,\quad \begin{pmatrix}1\\-1\\0\end{pmatrix},
  \qquad
  \lambda=16,\quad \begin{pmatrix}0\\0\\1\end{pmatrix}.
$$

正規直交基底

$$
q_1=\frac{1}{\sqrt2}\begin{pmatrix}1\\1\\0\end{pmatrix},
  \quad
  q_2=\frac{1}{\sqrt2}\begin{pmatrix}1\\-1\\0\end{pmatrix},
  \quad
  q_3=\begin{pmatrix}0\\0\\1\end{pmatrix}
$$

を用いれば

$$
A=Q
  \begin{pmatrix}
    1&0&0\\
    0&9&0\\
    0&0&16
  \end{pmatrix}
  Q^T
$$

である。よって正定値実対称平方根は，固有値の正の平方根をとって

$$
B=
  Q
  \begin{pmatrix}
    1&0&0\\
    0&3&0\\
    0&0&4
  \end{pmatrix}
  Q^T
  =
  \begin{pmatrix}
    2&-1&0\\
    -1&2&0\\
    0&0&4
  \end{pmatrix}
$$

である。実際に $B^2=A$ であり，固有値は $1,3,4$ なので正定値である。

次に，$C$ を正定値実対称行列とする。スペクトル定理より，ある直交行列 $Q$ と正の実数
$\lambda_1,\ldots,\lambda_n$ が存在して

$$
C=Q\operatorname{diag}(\lambda_1,\ldots,\lambda_n)Q^T
$$

と書ける。そこで

$$
D=Q\operatorname{diag}(\sqrt{\lambda_1},\ldots,\sqrt{\lambda_n})Q^T
$$

とおくと，$D$ は実対称かつ正定値であり，$D^2=C$ を満たす。

一意性を示す。$E$ を $E^2=C$ を満たす正定値実対称行列とする。このとき

$$
EC=E^3=CE
$$

だから，$E$ は $C$ と可換である。したがって $C$ の各固有空間は $E$ で不変である。固有値 $\lambda$ に対応する $C$ の固有空間上では $E^2=\lambda I$ である。さらに $E$ は正定値実対称なので，その固有値はすべて正であり，この固有空間上の $E$ の固有値は $\sqrt{\lambda}$ に限られる。ゆえにその固有空間上で $E=\sqrt{\lambda}I$ である。全固有空間を合わせると $E=D$ となり，一意性が従う。

最後に，正則実正方行列 $F$ について考える。まず

$$
S=(FF^T)^{1/2},\qquad T=(F^TF)^{1/2}
$$

と定める。$F$ は正則なので $FF^T,F^TF$ は正定値実対称行列であり，直前に示した一意な正定値実対称平方根をもつ。
さらに

$$
U=S^{-1}F,\qquad V=FT^{-1}
$$

とおく。すると

$$
F=SU=VT
$$

である。また

$$
UU^T
  =
  S^{-1}FF^TS^{-1}
  =
  S^{-1}S^2S^{-1}
  =
  I
$$

であるから $U$ は直交行列である。同様に

$$
V^TV
  =
  T^{-1}F^TFT^{-1}
  =
  I
$$

であるから $V$ は直交行列である。

存在だけでなく一意性も確認する。もし $F=S_1U_1$ と書け，$S_1$ が正定値実対称，$U_1$ が直交行列なら

$$
FF^T=S_1U_1U_1^TS_1=S_1^2.
$$

正定値実対称平方根の一意性により $S_1=(FF^T)^{1/2}=S$ であり，$U_1=S^{-1}F=U$ である。したがって $S,U$ は一意である。$F=V_1T_1$ についても

$$
F^TF=T_1V_1^TV_1T_1=T_1^2
$$

より $T_1=T$，$V_1=FT^{-1}=V$ となり，一意である。

次に $T=F^{-1}SF$ を示す。$G=F^{-1}SF$ とおく。極分解 $F=SU$ を用いると

$$
G
  =
  F^{-1}SF
  =
  (SU)^{-1}S(SU)
  =
  U^TSU
$$

である。したがって $G$ は実対称正定値である。また

$$
G^2
  =
  U^TSUU^TSU
  =
  U^TS^2U
  =
  (SU)^T(SU)
  =
  F^TF.
$$

よって $G$ は $F^TF$ の正定値実対称平方根である。正定値実対称平方根の一意性から

$$
T=G=F^{-1}SF
$$

である。

最後に $U=V$ を示す。$T=F^{-1}SF$ を用いると

$$
FT^{-1}
  =
  F(F^{-1}SF)^{-1}
  =
  FF^{-1}S^{-1}F
  =
  S^{-1}F.
$$

左辺は $V$，右辺は $U$ であるから $U=V$ である。

### 最終答

$$
\operatorname{Spec}(A)=\{1,9,16\},\qquad
  B=
  \begin{pmatrix}
    2&-1&0\\
    -1&2&0\\
    0&0&4
  \end{pmatrix}.
$$

また，任意の正定値実対称行列は一意な正定値実対称平方根をもち，任意の正則実行列 $F$ は一意に

$$
F=SU=VT
$$

と極分解される。ここで $S,T$ は正定値実対称，$U,V$ は直交行列であり，

$$
T=F^{-1}SF,\qquad U=V.
$$

## 第2問 — 常微分方程式

### 解説

**前半の見方**

一次式の比で表された微分方程式は，定数項を消せるかどうかで場合分けする。係数行列の行列式が $ac-1$ であり，これが 0 でないときは平行移動で同次形にできる。$ac=1$ のとき，平行移動 $x=X+h,\ y=Y+k$ で両方の定数項を消す条件は $ah+k+b=0,\ h+ck+d=0$ であり，$cb=d$ の場合だけ同時に満たせる。$cb\ne d$ なら同時には消せない。どちらの場合も，分子と分母に共通して現れる一次式 $x+cy$ を新しい変数にする方法は使える。

**同次形への変換**

$$
\frac{dY}{dX}=\frac{aX+Y}{X+cY}
$$

は，右辺が $Y/X$ の関数だけで表される。実際 $Y=vX$ とおけば $dY/dX=v+Xdv/dX$ なので，$v$ と $X$ の分離形に帰着する。答案では「同次形にした」だけでよい設問だが，この一手まで書くと変換の意味が明確になる。

**定数解の取りこぼし**

変数分離では，両辺を割る操作の前後で解の枝が失われることがある。今回も $ac=1$ の場合に $dx/du$ へ移ると $du/dx=0$ の枝を別確認する必要があり，Riccati の具体例では $z=0$ と $z=-1$ を割っている。試験答案では，一度「割った量が 0 になる場合」を横に置いてから計算を進め，最後に戻して確認すると漏れにくい。

**Riccati 方程式の標準手順**

Riccati 方程式

$$
y'+P+Qy+Ry^2=0
$$

は一般には初等的に解けない。しかし特殊な条件があると一次線形方程式へ落とせる。$R=0$ なら最初から一次線形，$P=0$ なら $w=1/y$，特殊解 $y_1$ があるなら $z=y-y_1$ で $P=0$ 型になる。この流れを覚えておくと，最後の具体例も機械的に解ける。

**最後の具体例の発見**

具体例では $P=x^2+x+1$，$Q=2x+1$，$R=1$ である。$y=-x$ を試すと二次式がきれいに消えて特殊解になる。これは偶然ではなく，$y^2+(2x+1)y+x^2+x+1$ の $y=-x$ での値が $1$ になり，$y'=-1$ と打ち消し合うように設計されている。

**解の定義区間**

微分方程式の一般解は，式が書ける全実数上で自動的に一つの解になるとは限らない。たとえば

$$
y=-x+\frac{1}{Ce^x-1}
$$

は $Ce^x-1=0$ となる点をまたいでは定義できない。したがって答案では「分母が 0 にならない区間で」と添えると，局所解としての扱いが明確になる。

途中式と最終答は解答PDFに収録しています: https://inshihub.com/exam-solutions/tokyo-university/information-science/general-math

## 第3問 — 単純ランダムウォークと指数評価

### 解説

**この問題の流れ**

前半は期待値と分散の基本計算，後半は指数モーメントを用いた Chernoff 型評価である。Chebyshev の不等式だけを使うと

$$
\Pr(|P_n|\ge 10^6)\le \frac{10^{10}}{10^{12}}=10^{-2}
$$

までしか出ない。最後の $10^{-4}$ 未満という強い評価には，指数関数を使った片側確率評価が必要である。

**Markov の不等式の使い方**

Markov の不等式は、非負確率変数 $Z$ と $a>0$ に対して

$$
\Pr(Z\ge a)\le \frac{E(Z)}{a}
$$

を与える。問 $(3)$ では $Z=P_n^2$，問 $(4)$ では $Z=e^{tP_n}$ と選ぶ。この「何を非負確率変数にするか」が確率評価問題の核心である。

**指数モーメントの意味**

$E(e^{tP_n})$ は $P_n$ が大きな正の値を取るほど大きくなる量である。そのため，$P_n\ge k$ の確率を上から押さえるのに向いている。独立性により

$$
E(e^{tP_n})=\prod_{i=1}^n E(e^{tX_i})
$$

と分解できる点が決定的である。

**最適な $t$ を選ぶ理由**

問 $(4)$ の不等式は任意の $t>0$ で成り立つ。したがって，最も強い上界を得るには右辺を最小にする $t$ を選べばよい。指数部が二次式

$$
\frac{nt^2}{2}-kt
$$

になるため，最小点 $t=k/n$ が自然に現れる。これは Chernoff bound の基本形である。

**両側評価への戻し方**

指数評価はまず片側確率 $\Pr(P_n\ge k)$ を評価する。両側確率 $\Pr(|P_n|\ge k)$ に戻すときは，分布の対称性を使って 2 倍する。ここで対称性を書かずにいきなり 2 倍すると，答案としては根拠が不足する。

途中式と最終答は解答PDFに収録しています: https://inshihub.com/exam-solutions/tokyo-university/information-science/general-math

---

出典: 院試hub（https://inshihub.com/exam-solutions/tokyo-university/information-science/general-math/2026）。引用するときはWeb版のURLを示してください。
