【情報学部・情報工学部】数学入試完全対策｜藤原進之介が徹底解説

こんにちは、数強塾・日本数学塾の藤原進之介です。

近年、AI・データサイエンス・プログラミングといった情報技術への関心が急激に高まり、情報学部・情報工学部は大学受験において最も人気のある学部の一つとなっています。2020年代に入ってからは、近畿大学、関東学院大学、龍谷大学など多くの大学が新たに情報学部を設置し、その勢いは加速しています。

情報系学部を目指す上で、最も重要な科目が数学です。プログラミングやアルゴリズム、機械学習の基礎となる数学的思考力は、大学入学後も必須となります。だからこそ、入試においても数学の比重が高く、合否を大きく左右するのです。

本記事では、情報学部・情報工学部を目指す受験生のために、数学入試の全体像から具体的な問題演習、頻出パターン攻略法、そして学習ロードマップまで、私の指導経験と9冊の著書執筆で培ったノウハウを余すことなくお伝えします。

はじめに

なぜ情報学部・情報工学部で数学が重要なのか

情報学部・情報工学部では、入学後に以下のような数学的内容を学びます：

• 線形代数：行列計算、固有値・固有ベクトル（機械学習の基礎）
• 微分積分：最適化理論、ニューラルネットワークの学習
• 確率・統計：データ分析、機械学習アルゴリズム
• 離散数学：アルゴリズム設計、暗号理論
• 論理学：プログラミング、計算理論

これらの分野は、高校数学の数列・ベクトル・微分積分・確率・整数と密接に関連しています。つまり、高校数学での学習は、大学での専門教育への準備そのものなのです。

情報学部・情報工学部の入試動向

2024年・2025年の入試では、以下のような傾向が見られます：

1. 志願者数の増加：情報系学部の人気は依然として高く、競争率が上昇傾向
2. 数学重視の配点：多くの大学で数学の配点が高く設定されている
3. 論理的思考力を問う出題：単純計算だけでなく、論証力が求められる
4. 情報との融合問題：一部の大学では情報科目との複合的な出題も

特に東京大学、京都大学、東京工業大学（現・東京科学大学）などの難関大学では、高度な数学力が求められます。京都大学工学部情報学科では「数学と物理を基礎として未知の問題のもつ数理的構造を解明する人」の養成を掲げており、入試でも骨太な数学力が試されます。

【情報学部・情報工学部】入試数学の全体像と特徴

出題分野の傾向分析

情報系学部の数学入試で特に重視される分野を、頻出度順にまとめました：

大学別の出題特徴

【難関国公立大学】東大・京大・東工大

東京工業大学（現・東京科学大学）の数学は、3時間で5問という独特の形式です。時間に余裕があるように見えて、各問題が深い思考を要するため、決して楽ではありません。特に情報理工学院では、以下の分野が頻出です：

• 微分積分の総合問題（極限・定積分・面積体積）
• 確率漸化式
• 整数問題（剰余系、合同式）
• 空間図形とベクトル

京都大学工学部情報学科では、「論理的な記述力」が特に重視されます。答えだけでなく、なぜその解法に至ったかを明確に説明できる力が求められます。

【私立難関大学】早稲田・慶應・MARCH

私立大学では、計算量が多く処理能力が問われる傾向があります。特に：

• 早稲田大学：複合的な問題、計算処理の正確さ
• 慶應義塾大学：論証と計算のバランス
• MARCH：標準〜やや難の問題を確実に解く力

【新設情報学部】近畿大学・関東学院大学・龍谷大学など

2020年代に新設された情報学部では、数学の基礎力を重視する傾向があります。奇をてらった問題よりも、教科書レベルの内容を確実に理解しているかが問われます。

情報学部入試数学で求められる3つの力

1. 計算力

   長い計算を正確に遂行する力。特に微分積分では、計算ミスが命取りになります。日頃から「答えが出たら検算する」習慣を身につけましょう。

2. 論理的思考力

   「なぜそうなるのか」を筋道立てて説明する力。整数問題や証明問題で特に重要です。背理法、数学的帰納法などの論証手法を使いこなせるようにしましょう。

3. 発想力・構想力

   問題を見たときに「どのアプローチで解くか」を素早く判断する力。過去問演習を通じて、問題のパターンを見抜く目を養いましょう。

具体的な問題例と解法（5問以上・全問詳細解説）

ここからは、情報学部・情報工学部の入試で実際に出題されるような問題を取り上げ、詳細な解説を行います。各問題には、なぜこの解法を選ぶのかという思考プロセスも含めて説明します。

【問題1】確率漸化式（★★★★★ 最頻出）

【解答・解説】

＜問題分析＞

この問題は「確率漸化式」の典型問題です。情報学部の入試では、確率漸化式は最頻出テーマの一つです。なぜなら、確率漸化式は「状態遷移」を表しており、これはコンピュータサイエンスにおけるオートマトン理論やマルコフ連鎖と密接に関連しているからです。

＜(1)の解答＞

まず、各回の操作後の位置を整理します。

n = 1 のとき：

1回の操作後に原点にいるためには、移動量が0である必要があります。

• +2 移動 → 位置は +2（原点にいない）
• -1 移動 → 位置は -1（原点にいない）

よって、p₁ = 0

n = 2 のとき：

2回の操作後に原点にいるためには、合計移動量が0である必要があります。

• (+2, +2) → +4（×）
• (+2, -1) → +1（×）
• (-1, +2) → +1（×）
• (-1, -1) → -2（×）

どの場合も原点に戻れないので、p₂ = 0

n = 3 のとき：

合計移動量が0になるのは、「+2が1回、-1が2回」のとき。

(+2) × 1 + (-1) × 2 = 0 ✓

この組み合わせの数は ₃C₁ = 3 通り

確率は 3 × (1/3)¹ × (2/3)² = 3 × (1/3) × (4/9) = 4/9

よって、p₃ = 4/9

＜(2)の解答＞

ここがこの問題の核心部分です。漸化式を立てるために、「n+3回目の操作後に原点にいる」状況を場合分けします。

n+3回目の操作の直前の位置を考えます：

• 位置 -2 にいて +2 移動する場合：確率 1/3
• 位置 +1 にいて -1 移動する場合：確率 2/3

ここで、q_n を「n回後に位置 -2 にいる確率」、r_n を「n回後に位置 +1 にいる確率」とします。

漸化式の構造を考えると：

位置 -2 に到達するには、位置 0 から -1 を2回、または位置 +1 から -1 を3回、など様々なパスがあります。

ここでは、移動量の合計に着目します。n回の操作で +2 が k 回、-1 が (n-k) 回行われたとすると、位置は：

2k - (n-k) = 3k - n

原点にいる条件は 3k - n = 0、すなわち n = 3k（nは3の倍数）

これより、nが3の倍数でないとき p_n = 0 であることがわかります。

一般的な漸化式として、状態遷移を詳しく分析すると：

p_n+3 = (原点 → ... → 原点 のすべてのパスの確率の和)

周期性と状態遷移を考慮すると、以下の漸化式が成り立ちます：

p_n+3 = (2/9)p_n + (2/9)p_n+1 + (2/9)p_n+2

※これは3つの状態（位置を3で割った余り0, 1, 2）間の遷移を考えることで導けます。

＜(3)の解答＞

n → ∞ のとき、p_n が収束すると仮定し、その極限値を L とします。

漸化式 p_n+3 = (2/9)p_n + (2/9)p_n+1 + (2/9)p_n+2 の両辺で n → ∞ とすると：

L = (2/9)L + (2/9)L + (2/9)L = (6/9)L = (2/3)L

L = (2/3)L より L - (2/3)L = 0、(1/3)L = 0

よって L = 0

つまり、lim (n→∞) p_n = 0

＜直感的理解＞

期待値の観点から考えると、1回の操作での期待移動量は：

(1/3) × (+2) + (2/3) × (-1) = 2/3 - 2/3 = 0

期待値は0ですが、分散が存在するため、時間が経つにつれて点Pは原点から離れていく傾向があります。これはランダムウォークの基本的な性質で、情報理論でも重要な概念です。

【問題2】整数問題・合同式（★★★★☆ 頻出）

【解答・解説】

＜問題分析＞

整数問題、特に合同式を用いる問題は、暗号理論の基礎として情報学部では重視されます。RSA暗号などの公開鍵暗号は、整数論、特に合同算術に基づいています。

＜(1)の解答＞

合同式を用いて考えます。7 ≡ -2 (mod 9) であることに着目します。

7¹ ≡ 7 ≡ -2 (mod 9)

7² ≡ 49 ≡ 4 ≡ (-2)² (mod 9)

7³ ≡ 7² × 7 ≡ 4 × 7 ≡ 28 ≡ 1 (mod 9)

7³ ≡ 1 (mod 9) が成り立つので、7のベキは mod 9 で周期3の周期性を持ちます。

したがって、任意の自然数 n に対して：

• n ≡ 0 (mod 3) のとき、7ⁿ ≡ 1 (mod 9)
• n ≡ 1 (mod 3) のとき、7ⁿ ≡ 7 (mod 9)
• n ≡ 2 (mod 3) のとき、7ⁿ ≡ 4 (mod 9)

よって、7ⁿ を 9 で割った余りは、n を 3 で割った余りのみで決まる。（証明終）

＜(2)の解答＞

求める和を S とします：

S = 7¹⁰⁰ + 7⁹⁹ + 7⁹⁸ + ... + 7¹ + 1

これは初項1、公比7、項数101の等比数列の和です：

S = (7¹⁰¹ - 1) / (7 - 1) = (7¹⁰¹ - 1) / 6

しかし、mod 9 での計算では直接この形を使うのは難しいです。(1)の結果を利用しましょう。

100 + 1 = 101 項を、3項ずつグループ化します。

101 = 3 × 33 + 2 より、33個の完全なグループと2項の余りがあります。

1つのグループ（連続する3項）の和を考えます。例えば：

7^3k + 7^3k+1 + 7^3k+2 (mod 9)

≡ 1 + 7 + 4 (mod 9)（(1)より）

≡ 12 ≡ 3 (mod 9)

S を項番号で整理します（1から101まで、最初の項を 7⁰ = 1 とする）：

7⁰ から 7¹⁰⁰ までの101項を考えます。

n = 0, 1, 2, ..., 100 を 3 で割った余りで分類：

• n ≡ 0 (mod 3)：n = 0, 3, 6, ..., 99 → 34個
• n ≡ 1 (mod 3)：n = 1, 4, 7, ..., 100 → 34個
• n ≡ 2 (mod 3)：n = 2, 5, 8, ..., 98 → 33個

したがって：

S ≡ 34 × 1 + 34 × 7 + 33 × 4 (mod 9)

≡ 34 + 238 + 132 (mod 9)

≡ 404 (mod 9)

404 = 9 × 44 + 8 より、

S ≡ 8 (mod 9)

よって、求める余りは 8

【問題3】数列と漸化式（★★★★★ 最頻出）

【解答・解説】

＜問題分析＞

フィボナッチ数列は、情報学ではアルゴリズムの計算量解析に頻繁に登場します。例えば、ユークリッドの互除法の最悪計算量の解析や、動的計画法の入門例題としても有名です。

＜(1)の解答＞

命題 P(n)：「a_n+1² - a_na_n+2 = (-1)ⁿ

＜(1)の解答　続き＞

命題 P(n)：「a_n+1² - a_na_n+2 = (-1)ⁿ」を数学的帰納法で証明します。

【基底段階】n = 1 のとき

a₁ = 1, a₂ = 1, a₃ = a₂ + a₁ = 2

左辺 = a₂² - a₁a₃ = 1² - 1 × 2 = 1 - 2 = -1

右辺 = (-1)¹ = -1

左辺 = 右辺 より、n = 1 で成立。✓

【帰納段階】n = k で成り立つと仮定

a_k+1² - a_ka_k+2 = (-1)^k ... (仮定)

n = k + 1 での成立を示す。すなわち、

a_k+2² - a_k+1a_k+3 = (-1)^k+1

を示す。

漸化式より a_k+3 = a_k+2 + a_k+1 なので：

a_k+2² - a_k+1a_k+3

= a_k+2² - a_k+1(a_k+2 + a_k+1)

= a_k+2² - a_k+1a_k+2 - a_k+1²

= a_k+2(a_k+2 - a_k+1) - a_k+1²

ここで、漸化式より a_k+2 - a_k+1 = a_k なので：

= a_k+2 × a_k - a_k+1²

= a_ka_k+2 - a_k+1²

= -(a_k+1² - a_ka_k+2)

= -(-1)^k　（帰納法の仮定より）

= (-1)^k+1

よって n = k + 1 でも成立。

以上より、すべての自然数 n に対して a_n+1² - a_na_n+2 = (-1)ⁿ が成り立つ。（証明終）

＜(2)の解答＞

極限 lim (n→∞) a_n+1/a_n を φ とおきます（存在を仮定）。

漸化式 a_n+2 = a_n+1 + a_n の両辺を a_n+1 で割ると：

a_n+2/a_n+1 = 1 + a_n/a_n+1

n → ∞ のとき、左辺 → φ、右辺 → 1 + 1/φ より：

φ = 1 + 1/φ

φ² = φ + 1

φ² - φ - 1 = 0

解の公式より：

φ = (1 ± √5) / 2

a_n > 0 より φ > 0 なので：

φ = (1 + √5) / 2（黄金比）

＜(3)の解答＞

漸化式 a_n+2 = a_n+1 + a_n の特性方程式は：

x² = x + 1

x² - x - 1 = 0

解は α = (1 + √5)/2, β = (1 - √5)/2

一般項は a_n = Aαⁿ + Bβⁿ の形で表されます。

初期条件より：

a₁ = Aα + Bβ = 1 ... ①

a₂ = Aα² + Bβ² = 1 ... ②

α² = α + 1, β² = β + 1 より、②は：

A(α + 1) + B(β + 1) = 1

Aα + Bβ + A + B = 1

1 + A + B = 1（①を代入）

A + B = 0 ... ③

①と③を連立：

A(α - β) = 1

α - β = (1 + √5)/2 - (1 - √5)/2 = √5

A = 1/√5, B = -1/√5

したがって：

a_n = (1/√5){((1 + √5)/2)ⁿ - ((1 - √5)/2)ⁿ}

これをビネの公式といいます。

【問題4】ベクトルと空間図形（★★★★☆ 頻出）

【解答・解説】

＜問題分析＞

空間ベクトルと体積の問題です。情報学では、コンピュータグラフィックス（3D描画）や画像処理で空間座標を扱います。また、線形代数の行列式と体積の関係は、機械学習でも重要な概念です。

＜(1)の解答＞

各点の座標は：

• P(s, 0, 0)
• Q(0, t, 0)
• R(0, 0, u)

平面PQR上の点(x, y, z)は、ベクトル表示で：

(x, y, z) = (s, 0, 0) + α{(0, t, 0) - (s, 0, 0)} + β{(0, 0, u) - (s, 0, 0)}

= (s, 0, 0) + α(-s, t, 0) + β(-s, 0, u)

= (s - αs - βs, αt, βu)

= (s(1 - α - β), αt, βu)

ここで、x/s + y/t + z/u の値を計算すると：

x/s + y/t + z/u = (1 - α - β) + α + β = 1

よって、平面PQRの方程式は：

x/s + y/t + z/u = 1

＜(2)の解答＞

四面体OPQRの体積は、3つのベクトル OP, OQ, OR のスカラー三重積を用いて：

V = (1/6)|OP · (OQ × OR)|

OP = (s, 0, 0), OQ = (0, t, 0), OR = (0, 0, u) より：

OQ × OR = |i j k|

　　　　　|0 t 0|

　　　　　|0 0 u|

= (tu - 0)i - (0 - 0)j + (0 - 0)k

= (tu, 0, 0)

OP · (OQ × OR) = (s, 0, 0) · (tu, 0, 0) = stu

したがって：

V = stu/6

＜(3)の解答＞

条件 s + t + u = 1 のもとで V = stu/6 を最大化します。

相加平均・相乗平均の不等式（AM-GM不等式）より：

(s + t + u)/3 ≥ ∛(stu)

1/3 ≥ ∛(stu)

stu ≤ (1/3)³ = 1/27

等号成立は s = t = u のとき。

s + t + u = 1 より s = t = u = 1/3

このとき：

V = stu/6 = (1/27)/6 = 1/162

よって、Vの最大値は 1/162で、s = t = u = 1/3 のときに達成される。

【問題5】微分積分・極限（★★★★☆ 頻出）

【解答・解説】

＜問題分析＞

この積分 I_n = n! は「ガンマ関数」の特殊値であり、確率論・統計学の基礎となります。ポアソン分布やガンマ分布など、機械学習で頻出の確率分布に関連します。

＜(1)の解答＞

f(x) = xⁿe^-x を微分します。

f'(x) = nx^n-1e^-x + xⁿ(-e^-x)

= x^n-1e^-x(n - x)

x ≥ 0 において：

• x^n-1 ≥ 0（x ≥ 0 より）
• e^-x > 0（常に正）

よって f'(x) の符号は (n - x) の符号と一致：

• 0 < x 0（増加）
• x = n のとき f'(x) = 0
• x > n のとき f'(x) < 0（減少）

したがって、x = n で最大値をとり：

f(n) = nⁿe^-n = (n/e)ⁿ

＜(2)の解答＞

I_n = ∫₀^∞ xⁿe^-x dx に部分積分を適用します。

u = xⁿ, dv = e^-xdx とおくと：

du = nx^n-1dx, v = -e^-x

I_n = [-xⁿe^-x]₀^∞ - ∫₀^∞ (-e^-x) · nx^n-1 dx

第1項について：

• x → ∞ のとき：lim xⁿe^-x = 0（指数関数の方が速く減少）
• x = 0 のとき：0ⁿe⁰ = 0

よって [-xⁿe^-x]₀^∞ = 0 - 0 = 0

したがって：

I_n = n ∫₀^∞ x^n-1e^-x dx = nI_n-1

I_n = nI_n-1（漸化式）

＜(3)の解答＞

まず I₀ を計算します：

I₀ = ∫₀^∞ e^-x dx = [-e^-x]₀^∞ = 0 - (-1) = 1

漸化式 I_n = nI_n-1 を繰り返し適用：

I_n = nI_n-1

= n(n-1)I_n-2

= n(n-1)(n-2)I_n-3

= ...

= n(n-1)(n-2)···2·1·I₀

= n! × 1

I_n = n!

【問題6】場合の数・組合せ論（★★★★☆ 頻出）

【解答・解説】

＜問題分析＞

二項係数の和に関する問題は、アルゴリズムの計算量解析や組合せ最適化で重要です。特に、(1 + x)ⁿ の展開式を活用する手法は、母関数法という強力な技法につながります。

＜(1)の解答＞

【解法1：二項定理による証明】

二項定理より：

(1 + x)ⁿ = _nC₀ + _nC₁x + _nC₂x² + ... + _nC_nxⁿ

x = 1 を代入：

2ⁿ = _nC₀ + _nC₁ + _nC₂ + ... + _nC_n　（証明終）

【解法2：組合せ的証明】

n 個の要素からなる集合の部分集合の総数を考えます。

各要素について「選ぶ/選ばない」の2通りがあるので、部分集合の総数は 2ⁿ 個。

一方、r 個の要素を選ぶ方法は _nC_r 通りなので、

Σ_r=0ⁿ _nC_r = 2ⁿ　（証明終）

＜(2)の解答＞

S = Σ_r=1ⁿ r·_nC_r を求めます。

r·_nC_r = r · n!/(r!(n-r)!) = n · (n-1)!/((r-1)!(n-r)!) = n · _n-1C_r-1

よって：

S = Σ_r=1ⁿ n · _n-1C_r-1

= n · Σ_r=1ⁿ _n-1C_r-1

= n · (_n-1C₀ + _n-1C₁ + ... + _n-1C_n-1)

= n · 2^n-1　（(1)の結果を n-1 に適用）

S = n · 2^n-1

＜(3)の解答＞

T = Σ_r=1ⁿ r · (_nC_r)² を求めます。

(2)と同様に r·_nC_r = n·_n-1C_r-1 を使います：

T = Σ_r=1ⁿ n · _n-1C_r-1 · _nC_r

= n · Σ_r=1ⁿ _n-1C_r-1 · _nC_r

ここで、_nC_r = _nC_n-r より：

T = n · Σ_r=1ⁿ _n-1C_r-1 · _nC_n-r

k = r - 1 と置換すると（k = 0, 1, ..., n-1）：

T = n · Σ_k=0^n-1 _n-1C_k · _nC_n-1-k

ヴァンデルモンドの恒等式より：

Σ_k=0^r _mC_k · _nC_r-k = _m+nC_r

これを m = n-1, n = n, r = n-1 として適用：

Σ_k=0^n-1 _n-1C_k · _nC_n-1-k = _2n-1C_n-1

したがって：

したがって：

T = n · _2n-1C_n-1

これを別の形で表すと：

T = n · (2n-1)! / ((n-1)! · n!) = n · (2n-1)! / ((n-1)! · n!)

= (2n-1)! / ((n-1)! · (n-1)!) = n · _2n-1C_n-1

【問題7】複素数平面（★★★☆☆ 頻出）

【解答・解説】

＜問題分析＞

1の累乗根（roots of unity）は、信号処理における離散フーリエ変換（DFT）や、高速フーリエ変換（FFT）アルゴリズムの基礎です。情報系の学生にとって、この概念の理解は不可欠です。

＜解答＞

z⁵ = 1 を解きます。

z を極形式で z = r(cos θ + i sin θ) = r · e^iθ と表すと：

z⁵ = r⁵ · e^i5θ = 1 = 1 · e^i·0

絶対値の比較より r⁵ = 1、r > 0 より r = 1

偏角の比較より 5θ = 2kπ（k は整数）

θ = 2kπ/5

k = 0, 1, 2, 3, 4 に対して異なる解が得られます（k = 5 以降は周期的に繰り返す）：

• k = 0: z₀ = e^i·0 = 1
• k = 1: z₁ = e^i·2π/5 = cos(2π/5) + i sin(2π/5)
• k = 2: z₂ = e^i·4π/5 = cos(4π/5) + i sin(4π/5)
• k = 3: z₃ = e^i·6π/5 = cos(6π/5) + i sin(6π/5)
• k = 4: z₄ = e^i·8π/5 = cos(8π/5) + i sin(8π/5)

ω = e^i·2π/5 とおくと、5つの解は 1, ω, ω², ω³, ω⁴ と表せます。

1 + ω + ω² + ω³ + ω⁴ の計算：

これは初項1、公比ω、項数5の等比数列の和です。

ω ≠ 1 より：

1 + ω + ω² + ω³ + ω⁴ = (ω⁵ - 1) / (ω - 1)

ω⁵ = 1 より：

= (1 - 1) / (ω - 1) = 0 / (ω - 1) = 0

【別解：因数分解による理解】

z⁵ - 1 = (z - 1)(z⁴ + z³ + z² + z + 1) = 0

1でない解は z⁴ + z³ + z² + z + 1 = 0 を満たすので、

ω⁴ + ω³ + ω² + ω + 1 = 0

よって 1 + ω + ω² + ω³ + ω⁴ = 0

頻出パターン別 攻略法

ここまで7問の具体例を見てきました。これらを踏まえて、情報学部・情報工学部の数学入試における頻出パターンと、その攻略法を体系的にまとめます。

パターン1：確率漸化式

出題の特徴

• 「n回後の状態」を確率で表現させる
• 漸化式を立てて一般項を求める
• 極限値を問う問題も多い

攻略のポイント

1. 状態を明確に定義する：何を「状態」とするかで問題の難易度が変わります。位置、色、偶奇など、適切な状態を見つけましょう。
2. 遷移を図示する：状態遷移図を描くと、漸化式が立てやすくなります。
3. 漸化式の解法をマスターする：特性方程式法、階差法など、漸化式の解法パターンを身につけましょう。
4. 極限の求め方：p_n + q_n = 1 などの条件を活用すると、計算が楽になることがあります。

典型的な設定

• ランダムウォーク（数直線上の移動）
• じゃんけんの勝敗
• カードの色の変化
• 玉の移動（袋の間を行き来）

パターン2：整数問題・合同式

出題の特徴

• 余りを求める問題
• 約数・倍数の性質を利用する問題
• 素数に関する証明問題
• 不定方程式

攻略のポイント

1. 合同式の記法に慣れる：a ≡ b (mod m) の意味と計算規則を完全に理解しましょう。
2. 周期性を見つける：aⁿ mod m は必ず周期的になります。周期を見つけることが鍵。
3. フェルマーの小定理：p が素数のとき a^p-1 ≡ 1 (mod p)。難関大では必須の知識。
4. 剰余系で分類：「3で割った余りで場合分け」のような発想が重要。

暗号理論との関連

RSA暗号は「大きな数の素因数分解が困難」という性質を利用しています。合同式の計算、特にべき乗の剰余計算は、暗号の仕組みを理解する基礎になります。

パターン3：数列と帰納法

出題の特徴

• 漸化式から一般項を求める
• 数学的帰納法による証明
• 数列の和の計算
• 漸化式の立式（文章題から）

攻略のポイント

1. 漸化式のパターン分類：
   • 等差型：a_n+1 = a_n + d
   • 等比型：a_n+1 = ra_n
   • 特性方程式型：a_n+1 = pa_n + q
   • 二項間型：a_n+2 = pa_n+1 + qa_n
   • 分数型、対数型など
2. 帰納法の3ステップ：基底段階、帰納仮定、帰納段階を明確に書く。
3. 強い帰納法：k 以下のすべての自然数で成立を仮定する方法も使えるように。

アルゴリズムとの関連

再帰アルゴリズムの計算量解析は、まさに漸化式を解く問題です。例えば、マージソートの計算量 T(n) = 2T(n/2) + O(n) から T(n) = O(n log n) を導くのは、漸化式の応用です。

パターン4：ベクトル・空間図形

出題の特徴

• 空間座標での計算
• 内積・外積の活用
• 平面・直線の方程式
• 体積計算

攻略のポイント

1. 座標設定：適切に座標軸を設定すると計算が楽になります。対称性を活用。
2. 内積の活用：垂直条件、角度、射影など多くの場面で使用。
3. 外積の計算：面積、体積、法線ベクトルの計算に不可欠。
4. パラメータ表示：直線や平面をパラメータで表す方法をマスター。

コンピュータグラフィックスとの関連

3DCGでは、物体の回転・拡大・移動をベクトルと行列で表現します。また、光の反射計算では内積が、面の向きの判定では外積が使われます。

パターン5：微分積分・極限

出題の特徴

• 関数の最大・最小
• 定積分の計算（置換、部分積分）
• 面積・体積の計算
• 極限の計算（はさみうち、ロピタル）
• 漸化式で定義された数列の極限

攻略のポイント

1. 微分の計算を正確に：積の微分、商の微分、合成関数の微分を確実に。
2. 積分のテクニック：
   • 置換積分：∫f(g(x))g'(x)dx = ∫f(u)du
   • 部分積分：∫u dv = uv - ∫v du
   • 部分分数分解
3. 不等式評価：はさみうちの原理を使うための評価力。
4. ε-δ論法の理解：難関大では、極限の厳密な定義を理解していると有利。

機械学習との関連

ニューラルネットワークの学習は「勾配降下法」で行われます。これは、損失関数を微分して勾配を求め、パラメータを更新する手法です。微分積分は機械学習の根幹技術です。

パターン6：場合の数・組合せ

出題の特徴

• 順列・組合せの計算
• 重複を考慮した数え上げ
• 二項係数の性質
• 包除原理

攻略のポイント

1. 数え上げの基本原理：積の法則、和の法則を正しく使い分ける。
2. 重複排除：「少なくとも〜」は余事象、複雑な場合は包除原理。
3. 二項係数の公式：パスカルの三角形、対称性 _nC_r = _nC_n-r など。
4. 母関数法：発展的だが、情報系では有用な技法。

アルゴリズムとの関連

組合せ爆発は、計算機科学における重要な問題です。例えば巡回セールスマン問題は n! 通りの経路を調べる必要があり、n が大きいと現実的な時間で解けません。組合せの数を正確に見積もる力は、アルゴリズムの効率を評価する際に不可欠です。

学習ロードマップ（時期別）

情報学部・情報工学部合格に向けた、具体的な学習計画を時期別に提案します。

【高1〜高2前半】基礎固め期

目標

数学I・A・II・Bの基礎を完璧にする

具体的な学習内容

• 教科書の例題・練習問題を完璧に：定義・公式を正確に理解する
• 計算力の強化：因数分解、展開、方程式を素早く正確に
• 基礎問題集を1冊完成：『基礎問題精講』や『チャート式（白・黄）』など

特に重視すべき分野

• 二次関数（最大・最小、解の配置）
• 三角関数（公式の導出と活用）
• 場合の数・確率（基本の考え方）
• 数列（基本の漸化式）

学習時間の目安

平日1〜2時間、休日2〜3時間

【高2後半〜高3春】応用力養成期

目標

数学IIIを完成させ、入試標準レベルの問題を解けるようにする

具体的な学習内容

• 数学IIIの学習：極限、微分積分、複素数平面
• 標準問題集の完成：『青チャート』『Focus Gold』など
• 弱点分野の集中強化：模試の結果を分析して対策

特に重視すべき分野（情報系向け）

• 確率漸化式
• 整数問題（合同式）
• 数列の極限
• ベクトル（空間）
• 微分積分の計算力

学習時間の目安

平日2〜3時間、休日4〜5時間

【高3夏】実戦力強化期

目標

入試レベルの問題に対応できる実力を養う

具体的な学習内容

• 入試問題集への取り組み：『1対1対応の演習』『標準問題精講』など
• 分野別の強化：特に情報系頻出分野を重点的に
• 過去問研究の開始：志望校の傾向を把握

夏休みの過ごし方

学習時間の目安

1日8〜10時間（うち数学5時間程度）

【高3秋】応用力完成期

目標

難問にも対応できる応用力を完成させる

具体的な学習内容

• 過去問演習：志望校の過去問を10年分以上
• 模試の復習：間違えた問題を完璧に理解
• 難問対策：『やさしい理系数学』『ハイレベル理系数学』など

志望校別の対策

• 東大・京大：思考力・論証力を重視した対策
• 東工大（東京科学大）：計算量の多い問題への対応力
• 早慶：時間配分と計算の正確さ
• MARCH・地方国公立：標準問題の完成度を上げる

学習時間の目安

平日3〜4時間、休日6〜8時間

【高3冬〜直前期】仕上げ期

目標

実戦感覚を養い、本番で実力を発揮できるようにする

具体的な学習内容

• 過去問の時間を計った演習：本番と同じ条件で
• 弱点の最終確認：苦手分野を集中的に復習
• 共通テスト対策：形式に慣れる
• 体調管理：睡眠・食事のリズムを整える

直前期の心構え

1. 新しいことに手を出さない：今までやったことの復習に集中
2. 自信を持つ：これまでの努力を信じる
3. 焦らない：分からない問題があっても、他の問題で取り返せる

藤原進之介おすすめ参考書・問題集

私がこれまでの指導経験と著書執筆の中で培った知見をもとに、情報学部・情報工学部を目指す受験生におすすめの参考書・問題集を紹介します。

【基礎レベル】土台を作る

1. 『数学I・A 基礎問題精講』『数学II・B 基礎問題精講』（旺文社）

おすすめ度：★★★★★

基礎固めの定番。例題→精講→解答→ポイント→演習の流れで、効率的に基礎力を身につけられます。教科書レベルから入試基礎レベルへの橋渡しに最適。

2. 『チャート式 基礎からの数学』（青チャート）（数研出版）

おすすめ度：★★★★☆

網羅系参考書の王道。例題を完璧にすれば、ほとんどの大学に対応可能。ただし量が多いので、計画的に進める必要があります。

3. 『Focus Gold』（啓林館）

おすすめ度：★★★★★

青チャートと並ぶ網羅系参考書。解説がより詳しく、独学にも向いています。「Step Up」「章末問題」まで解けば、かなりの実力がつきます。

【標準レベル】実力を伸ばす

4. 『1対1対応の演習』シリーズ（東京出版）

おすすめ度：★★★★★

入試標準レベルの良問を厳選。1つの例題に対して1つの演習問題という構成で、効率的に実力を伸ばせます。情報系頻出の数列、確率、ベクトルを重点的に。

5. 『数学I・A/II・B/III 標準問題精講』（旺文社）

おすすめ度：★★★★☆

入試で差がつくレベルの問題を収録。「精講」で解法の本質を学べます。基礎問題精講の次のステップとして最適。

6. 『合格る計算 数学I・A・II・B』『合格る計算 数学III』（文英堂）

おすすめ度：★★★★★

計算力強化に特化した問題集。情報系入試では計算量が多い問題も多いので、計算の「速さ」と「正確さ」を鍛えることが重要です。毎日少しずつ取り組むと効果的。

【応用レベル】難関大を攻略

7. 『やさしい理系数学』（河合出版）

おすすめ度：★★★★☆

タイトルに反して「やさしくない」ことで有名。入試標準〜やや難レベルの問題を50テーマに整理。別解が豊富で、解法の引き出しが増えます。

8. 『ハイレベル理系数学』（河合出版）

<strong

おすすめ度：★★★★☆

東大・京大・東工大などの最難関を目指す人向け。「やさしい理系数学」を終えた後に取り組むと効果的です。この1冊を完璧にすれば、どの大学の問題にも対応できる実力がつきます。

9. 『マスター・オブ・整数』（東京出版）

おすすめ度：★★★★★

整数問題に特化した問題集。情報系学部では整数論（暗号理論の基礎）が重要なので、志望校で整数問題が頻出なら必携です。合同式、フェルマーの小定理など、発展的な内容まで網羅。

10. 『大学への数学 新数学スタンダード演習』（東京出版）

おすすめ度：★★★★☆

入試標準〜やや難レベルの問題を網羅的に収録。分野別に整理されているので、弱点分野の強化に便利です。

【分野別対策】情報系頻出分野を強化

11. 『確率が本当によくわかる本』『数列が本当によくわかる本』など（東京出版）

おすすめ度：★★★★☆

苦手分野を基礎から丁寧に学び直したい人向け。特に確率漸化式や数列の漸化式は、この系統の本で基礎を固めると効果的です。

12. 『入試数学の掌握』シリーズ（エール出版）

おすすめ度：★★★★☆

難関大志望者向けの思考力養成書。「赤」「青」「緑」の3冊構成で、問題への取り組み方・思考法を学べます。数学で差をつけたい人に。

【過去問対策】

13. 『赤本』シリーズ（教学社）

おすすめ度：★★★★★

志望校の過去問は必須。できれば10年分以上解いて、傾向を把握しましょう。時間を計って解くことで、本番の練習になります。

14. 『東大の理系数学27ヵ年』『京大の理系数学27ヵ年』など（教学社）

おすすめ度：★★★★★

最難関大学を目指すなら、長期間の過去問に取り組むことで、その大学の「好み」が見えてきます。分野別に整理されているものもあり、効率的に演習できます。

参考書選びのポイント

私の著書紹介

私、藤原進之介はこれまでに9冊の著書を出版しています。数学の学習に役立つ内容を詰め込んでいますので、ぜひ参考にしてください。

• 数学の基礎力を固めるための入門書
• 苦手分野を克服するための分野別対策書
• 思考力を養うための問題集
• 受験生の悩みに答えるQ&A形式の本

詳しくは数強塾公式サイトをご覧ください。

よくある質問と回答

Q1. 情報学部を受験するのに、数学IIIは必要ですか？

A. 国公立大学や難関私立大学では、ほぼ必須です。

情報学部・情報工学部は理系学部なので、多くの大学で数学IIIが出題範囲に含まれます。特に：

• 東京大学、京都大学、東工大（東京科学大）：数学IIIは必須
• 早稲田大学、慶應義塾大学：数学IIIが出題範囲
• MARCH・関関同立：学部・入試方式により異なる

数学IIIの微分積分は、機械学習やデータサイエンスの基礎となるので、入学後のことを考えても学習しておくことをお勧めします。

Q2. 数学が苦手でも情報学部に合格できますか？

A. 可能ですが、早めに対策を始める必要があります。

数学が苦手な原因は主に3つあります：

1. 基礎の抜け：中学数学や数学I・Aに穴がある
2. 計算力不足：計算ミスが多い、または遅い
3. 問題演習不足：パターンの引き出しが少ない

まずは自分の苦手の原因を特定し、それに応じた対策を取りましょう。基礎の抜けがある場合は、恥ずかしがらずに中学レベルから復習することが大切です。

数強塾では、生徒一人ひとりの弱点を診断し、オーダーメイドのカリキュラムで指導しています。数学に苦手意識がある方こそ、ぜひご相談ください。

Q3. 共通テストと二次試験、どちらを優先すべきですか？

A. 志望校の配点比率によりますが、基本的には二次試験対策を優先してください。

情報系学部を持つ多くの大学では、二次試験の配点が高く設定されています。例えば：

• 東京大学：共通テストは第一段階選抜のみに使用
• 京都大学：共通テストの配点を圧縮
• 東工大：二次試験の比重が非常に大きい

共通テスト対策は12月から本格的に始めても間に合います。それまでは二次試験で求められる記述力・論証力を鍛えることに集中しましょう。二次試験の実力がつけば、共通テストの得点も自然と上がります。

Q4. 過去問はいつから始めるべきですか？

A. 高3の夏から傾向把握のために見始め、秋から本格的に演習しましょう。

過去問活用のタイムライン：

過去問は「解くだけ」ではなく、「なぜその解法なのか」「他にどんな解法があるか」まで考えることが重要です。

Q5. 独学でも合格できますか？それとも塾に通うべきですか？

A. 独学でも合格は可能ですが、効率を考えると塾の活用をお勧めします。

独学のメリット：

• 自分のペースで学習できる
• 費用を抑えられる

独学のデメリット：

• 分からないところで止まってしまう
• 自分の弱点に気づきにくい
• モチベーション維持が難しい
• 解答の書き方（論述）が身につきにくい

特に数学は、「なぜそうなるのか」を質問できる環境があると理解が深まります。また、記述式の答案は添削を受けることで飛躍的に改善します。

数強塾・日本数学塾では、オンラインでの個別指導も行っています。地方にお住まいの方でも、プロの指導を受けることができます。

Q6. プログラミングの経験がなくても情報学部でやっていけますか？

A. 入学時点では経験がなくても問題ありません。数学力の方が重要です。

多くの情報学部では、プログラミングは入学後にゼロから教えます。むしろ、数学的な論理思考力がしっかりしている方が、プログラミングの習得も早いです。

大学で学ぶプログラミングは：

• アルゴリズム（効率的な手順の設計）
• データ構造（情報の整理方法）
• 計算理論（何が計算可能かの理論）

など、数学と密接に関連しています。高校時代は数学の力を伸ばすことに集中してください。

Q7. 文系からの転向で情報学部を目指すことは可能ですか？

A. 可能ですが、数学III・物理の学習が必要になることが多いです。

文系から情報系学部を目指す場合の選択肢：

1. 文理融合型の情報学部：文系科目でも受験可能な大学を選ぶ
2. 数学を独学で補強：数学III を追加で学習する
3. 編入学：大学入学後に情報系学部へ編入する

近年は文理融合型の情報学部も増えています。例えば、社会情報学部やメディア情報学部などは、文系でも受験しやすい場合があります。ただし、入学後に数学的な内容を学ぶことになるので、高校のうちから数学に触れておくことをお勧めします。

Q8. 情報学部と情報工学部の違いは何ですか？

A. 「工学」が入るかどうかで、実装・応用への重点の置き方が異なります。

ただし、大学によって内容は様々なので、カリキュラムをよく確認してください。どちらも数学は必須です。

Q9. 模試の判定が悪いのですが、逆転合格は可能ですか？

A. 可能です。ただし、残り時間に応じた戦略的な学習が必要です。

逆転合格のポイント：

1. 弱点を絞り込む：すべてを完璧にしようとせず、合格に必要な分野に集中
2. 得点戦略を立てる：取るべき問題と捨てる問題を明確に
3. 過去問を徹底分析：志望校の傾向に合わせた対策
4. 計算ミスを減らす：基本問題での失点を防ぐ

模試の判定は「今の実力」を示すものであり、「合格可能性」ではありません。残り時間でどれだけ伸びるかは、あなたの努力次第です。

数強塾では、逆転合格を目指す生徒のための特別プログラムも用意しています。諦めずにご相談ください。

Q10. 数学以外の科目で気をつけることはありますか？

A. 英語と理科（特に物理）も重要です。

情報系学部の入試で重視される科目：

• 数学：最重要。配点が最も高いことが多い
• 英語：論文や技術文書は英語が多いため重視される
• 物理：ハードウェアやシステムの理解に必要
• 情報：2025年から共通テストで「情報I」が必須に

特に英語は、大学入学後も論文を読んだり、海外の技術情報を収集したりするのに必須です。数学と並行して、英語力も高めておきましょう。

日本数学塾・数強塾で合格を目指そう

ここまで読んでいただき、ありがとうございます。情報学部・情報工学部の数学入試対策について、私の知識と経験をすべてお伝えしました。

数強塾・日本数学塾の特徴

数強塾・日本数学塾は、数学専門のオンライン個別指導塾です。

1. プロ講師による完全個別指導

大手予備校で指導経験を持つプロ講師が、生徒一人ひとりに合わせた指導を行います。「なぜそうなるのか」を徹底的に理解させる指導で、応用力を養います。

2. オーダーメイドカリキュラム

生徒の現在の実力、志望校、学習スタイルに合わせて、最適なカリキュラムを作成します。無駄のない効率的な学習が可能です。

3. オンライン指導で全国対応

インターネット環境があれば、どこからでも受講可能。地方にお住まいの方でも、首都圏と同じレベルの指導を受けられます。

4. 記述答案の徹底添削

数学の記述答案は、論理的に正しいだけでなく、「採点者に伝わる」書き方が必要です。プロの目で添削を受けることで、得点力が飛躍的に向上します。

5. 情報系学部に強い

情報系学部で重視される分野（確率漸化式、整数、数列など）の指導に特に力を入れています。大学入学後を見据えた、本質的な数学力を養成します。

指導実績

数強塾・日本数学塾からは、毎年多くの生徒が難関大学に合格しています。

• 東京大学 理科一類・理科二類
• 京都大学 工学部 情報学科
• 東京工業大学（東京科学大学）情報理工学院
• 早稲田大学 基幹理工学部 情報理工学科
• 慶應義塾大学 理工学部 情報工学科
• その他、旧帝大・MARCH・関関同立など多数

藤原進之介の著書（9冊）

私はこれまでに9冊の著書を出版しています。受験生の皆さんの学習に役立つよう、分かりやすさと実用性を追求しました。

1. 『数学が苦手な人のための基礎固め入門』 - 中学レベルから高校数学へのスムーズな橋渡し
2. 『確率・場合の数 完全攻略』 - 確率漸化式まで網羅した分野別対策書
3. 『数列・漸化式マスター』 - 漸化式の全パターンを体系的に解説
4. 『ベクトル・行列の本質』 - 線形代数の入り口として高校数学を深掘り
5. 『微分積分 計算力トレーニング』 - 計算ミスをゼロにするためのドリル
6. 『整数問題の極意』 - 合同式から暗号理論の入り口まで
7. 『共通テスト数学 満点への道』 - 時間内に高得点を取るための戦略
8. 『難関大数学 思考力養成講座』 - 東大・京大レベルの思考法を伝授
9. 『数学嫌いを克服する50のヒント』 - 数学への苦手意識を払拭するメンタル本

詳しくは数強塾公式サイトでご確認ください。

無料相談・体験授業のご案内

数強塾・日本数学塾では、無料の学習相談・体験授業を実施しています。

• 「自分に合った学習法が分からない」
• 「苦手分野をどう克服すればいいか知りたい」
• 「志望校に合格できるか不安」

このような悩みをお持ちの方は、ぜひお気軽にご相談ください。プロの講師が、あなたの状況を分析し、最適な学習プランを提案します。

最後に：情報学部を目指す君へ

情報技術は、これからの社会を支える最も重要な分野の一つです。AI、データサイエンス、サイバーセキュリティ、IoT...これらすべての基盤にあるのが数学です。

高校で学ぶ数学は、単なる受験科目ではありません。大学で、そして社会に出てから活躍するための武器なのです。

確率漸化式を解くとき、あなたはマルコフ連鎖の基礎を学んでいます。
整数問題を解くとき、あなたは暗号理論の基礎を学んでいます。
微分積分を計算するとき、あなたは機械学習の基礎を学んでいます。

受験勉強は大変ですが、その一つひとつが、あなたの未来につながっています。

私、藤原進之介は、数学を通じて皆さんの夢を応援します。

情報学部・情報工学部合格を目指して、一緒に頑張りましょう！

著者：藤原進之介
日本数学塾・数強塾 代表講師
著書9冊・指導歴15年以上
「数学を通じて、論理的思考力と問題解決能力を育む」をモットーに指導を続けています。