# 東大 情報理工学系研究科 数理情報学専攻 2026年度 院試 過去問 解答例・解説

> 東大 情報理工学系研究科 数理情報学専攻 2026年度の院試過去問、5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6年分収録で3,200円。問題本文は非収録。

- Web版: https://inshihub.com/exam-solutions/tokyo-university/information-science/mathematical-informatics/2026
- 解答・解説PDF: https://inshihub.com/exam-solutions/tokyo-university/information-science/mathematical-informatics（税込3,200円、6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/course/mi/admission.shtml（2020、2023〜2026（2021・2022年度はレポート課題を掲載）、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 — 半正定値錐への射影

### 解説

**方針**

この問題の核は、半正定値錐へのユークリッド射影である。フロベニウスノルムと半正定値性は直交変換で保たれるので、対称行列を固有値分解してスカラーの問題に落とすのが最短である。

**一意性を落とさない**

固有値が重複すると固有ベクトルの選び方は一意でないが、正固有空間への射影として見れば $\phi(A)$ は一意である。この点を書いておくと、答案として安定する。

**相補性の見方**

最後の同値性は、凸錐の射影と相補性条件を結ぶ典型形である。特に
$\operatorname{tr}(XY)=0$ からすぐ $XY=0$ と書くのではなく、
$X^{1/2}YX^{1/2}\succeq0$ のトレースが $0$ だから零行列になる、という一段を入れると減点されにくい。

### 解答

実対称行列全体をフロベニウス内積

$$
\langle A,B\rangle=\operatorname{tr}(AB),\qquad
  \|A\|^2=\operatorname{tr}(A^2)
$$

で考える。

**半正定値錐の凸性**

任意のベクトル $v\in\mathbb{R}^n$ に対して

$$
v^\top\{\alpha X+(1-\alpha)Y\}v
  =\alpha v^\top Xv+(1-\alpha)v^\top Yv
$$

である。$X,Y$ が半正定値で $0\le \alpha\le 1$ なら右辺は非負なので、
$\alpha X+(1-\alpha)Y$ も半正定値である。

**射影の明示式**

対称行列 $A$ を直交行列 $Q$ により

$$
A=Q\operatorname{diag}(\lambda_1,\ldots,\lambda_n)Q^\top
$$

と対角化する。フロベニウスノルムは直交変換で不変だから、$Z=Q^\top XQ$ とおくと

$$
\|X-A\|^2=\|Z-\operatorname{diag}(\lambda_i)\|^2
$$

であり、$X\succeq0$ と $Z\succeq0$ は同値である。対角成分だけを先に見ると

$$
\|Z-\operatorname{diag}(\lambda_i)\|^2
  =\sum_i (Z_{ii}-\lambda_i)^2+\sum_{i\ne j}Z_{ij}^2
$$

なので、最小点では非対角成分を消し、各 $Z_{ii}$ を制約 $Z_{ii}\ge0$ の下で
$\lambda_i$ に最も近い値にすればよい。したがって一意な最小点は

$$
\phi(A)=Q\operatorname{diag}(\lambda_1^+,\ldots,\lambda_n^+)Q^\top,\qquad
  \lambda_i^+=\max\{\lambda_i,0\}.
$$

固有値に重複があっても、負の固有空間と非負の固有空間への直交射影で書けるため、この行列は一意に定まる。

**射影不等式**

$P=\phi(A)$ とする。任意の $X\succeq0$ と $0\le t\le1$ に対して、半正定値錐の凸性から

$$
P+t(X-P)\succeq0.
$$

$P$ は最小点なので

$$
\|A-P\|^2\le \|A-\{P+t(X-P)\}\|^2.
$$

右辺を $t$ について展開し、$t>0$ で割って $t\downarrow0$ とすれば

$$
\langle A-P,X-P\rangle\le0
$$

を得る。

**相補性条件**

まず $X,Y\succeq0$ かつ $\langle X,Y\rangle=0$ とする。このとき

$$
0=\operatorname{tr}(XY)=\operatorname{tr}(X^{1/2}YX^{1/2})
$$

であり、$X^{1/2}YX^{1/2}\succeq0$ だから $X^{1/2}YX^{1/2}=0$ である。よって
$Y^{1/2}X^{1/2}=0$、したがって $XY=YX=0$ となる。従って $X$ と $Y$ は可換で同時直交対角化でき、$X-Y$ の正の固有値部分はちょうど $X$ である。ゆえに

$$
\phi(X-Y)=X.
$$

逆に $\phi(X-Y)=X$ とする。上で示した射影不等式を $A=X-Y$、$P=X$、$0\succeq0$ に適用すると

$$
\langle -Y,-X\rangle\le0.
$$

すなわち $\langle X,Y\rangle\le0$ である。一方、半正定値行列同士では
$\langle X,Y\rangle=\operatorname{tr}(X^{1/2}YX^{1/2})\ge0$ であるから、
$\langle X,Y\rangle=0$ が従う。

### 最終答

半正定値錐は凸であり、射影は固有値の負部分を $0$ に切り上げた
$\phi(A)=Q\operatorname{diag}(\max\{\lambda_i,0\})Q^\top$ で与えられる。また
$\langle X,Y\rangle=0$ と $X=\phi(X-Y)$ は同値である。

## 第2問 — ガウス行列の集中

### 解説

固定した単位ベクトル $b$ に対しては、$Ab$ の各成分が独立標準正規になる。正規二乗の母関数と指数変換によるMarkovの不等式から上側確率を評価する。

$\lambda=\varepsilon/(4m)$ を選び、$\log(1-2\lambda)$ を二次式で抑える。$\varepsilon=m$ の端点では、原題の対数不等式を連続性で延長して使う。最後は有限個の組への和集合評価であり、組どうしの独立性は不要である。結論は原題にある上側距離評価に限る。

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/mathematical-informatics

## 第3問 — 平面力学系の不変領域と爆発

### 解説

**不変領域は境界を見る**

$x=0$、$y=0$、$x+y=1$ の三つの境界に対して、ベクトル場が外側へ出ないことを確認するのが基本方針である。ここでは指数表示を使うと $x,y$ の正性まで直接示せる。

**保存量の使いどころ**

$\frac{dy}{dx}$ を使うと一次の微分方程式になり、保存量が出る。極限値の議論では保存量だけでなく、$x(t)$ が単調で極限を持つことも先に書く必要がある。

**発散の判定**

有限時刻爆発は、$\dot x$ が少なくとも $x^2$ 程度で増えることを示せば十分である。$\int^\infty u^{-2}\,du$ が有限であるため、無限大に到達するまでの時間も有限になる。

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/mathematical-informatics

## 第4問 — 二タイプ集団の吸収確率

### 解説

一回の更新で個体数は $+1,-1,0$ のいずれかだけ変化する。吸収確率と期待吸収時間は、留まる場合も含めて第一ステップで条件付ければ差分方程式になる。

$p_i/q_i=r$、従って $q_i/p_i=1/r$ が一定なので、吸収確率の一階差分は等比数列になる。$r=1$ は別に扱う。期待時間の式の右辺は、一回の更新時間を数えるため $-1$ であり、符号を逆にすると負の期待時間を与える。

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/mathematical-informatics

## 第5問 — 非巡回向き付けと入次数最適化

### 解説

**差分グラフを見る**

一意性の証明では、二つの向き付けの違う辺だけを見るのが要点である。入次数が同じなら、その差分部分では各頂点の入次数と出次数が釣り合う。非空なら有向閉路を含むので、非巡回性と矛盾する。

**削除法はトポロジカルソートの一般化**

指定入次数列の判定アルゴリズムは、通常のトポロジカルソートに「残り入次数を指定値から引いていく」処理を加えたものと見ればよい。負になった時点で、すでに必要以上の入辺を使ってしまったことを意味する。

**最適化の二つの型**

最大入次数の最小化は大域的な順序の問題で、degeneracy が答になる。一方、線形重みの最大化は各辺の寄与が独立なので、局所的に大きい重みへ向ければよい。ただし非巡回性を保つため、同じ重みの中では添字で向きを統一する。

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/mathematical-informatics

---

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