A grafikonok spektrális elmélete
A matematika , a spektrális elmélet grafikonok érintett a kapcsolatok közötti spektrumok a különböző mátrixok , hogy lehet társított gráf és annak tulajdonságait. Ez az algebrai gráfelmélet egyik ága . Általában a szomszédsági mátrix és a normalizált Laplac-mátrix érdekel minket .
Egy gráfot leíró mátrixok
Adjacencia mátrix
Legyen egy grafikon , ahol a csúcsok és az élek halmazát jelöli. A grafikon csúcsokkal rendelkezik, megjegyzett és élekkel rendelkezik . A grafikon szomszédsági mátrixának minden elemét a következők határozzák meg:G=(V,E){\ displaystyle G = (V, E)}
V{\ displaystyle V}
E{\ displaystyle E}
|V|=nem{\ displaystyle | V | = n}
v1,⋯,vnem∈V{\ displaystyle v_ {1}, \ cdots, v_ {n} \ in V}
|E|=m{\ displaystyle | E | = m}
eénj,vén∈V,vj∈V{\ displaystyle e_ {ij}, v_ {i} \ V-ben, v_ {j} \ V-ben}
NÁL NÉL{\ displaystyle A}
G{\ displaystyle G}![G](https://wikimedia.org/api/rest_v1/media/math/render/svg/f5f3c8921a3b352de45446a6789b104458c9f90b)
nál nélénj={1ha eénj∈E0ha nem.{\ displaystyle a_ {ij} = \ balra \ {{\ begin {tömb} {rl} 1 és {\ mbox {si}} e_ {ij} \ az E \\ 0 és {\ mbox {különben.}} \ vége {tömb}} \ jobb.}
Grafikon
|
A szomszédsági mátrix ábrázolása
|
Laplaciánus mátrix ábrázolása (nem normalizált)
|
---|
|
(010010101010010100001011110100000100){\ displaystyle {\ begin {pmatrix} 0 & 1 & 0 & 0 & 1 & 0 \\ 1 & 0 & 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 & 1 & 1 \\ 1 & 1 & 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 & 0 & 0 \\\ end} {pmatrix}
|
(2-100-10-13-10-100-12-10000-13-1-1-1-10-130000-101){\ displaystyle {\ begin {pmatrix} 2 & -1 & 0 & 0 & 0 & -1 & 0 \\ - 1 & 3 & -1 & 0 & -1 & 0 \\ 0 & -1 & 2 & -1 & 0 & 0 \\ 0 & 0 & -1 & 3 & -1 & -1 \\ - 1 & -1 & 0 & -1 & 3 & 0 \\ 0 & 0 & 0 & - 1 & 0 & 1 \ \\ end {pmatrix}}}
|
Fokmátrix és Laplacian
A fokmátrix egy átlós mátrix, ahol az elemek megfelelnek a csúcs linkjeinek számának , vagyis annak fokának . Ezen és az előző felhasználásával meghatározhatjuk a nem normalizált laplaci mátrixot is .
D{\ displaystyle D}
Dénén{\ displaystyle D_ {ii}}
én{\ displaystyle i}
L=D-NÁL NÉL{\ displaystyle L = DA}![L = DA](https://wikimedia.org/api/rest_v1/media/math/render/svg/043a9a4a219bbee58c30add2d40b74054a3f15f1)
Normalizált formáját azáltal kapjuk meg , hol van az identitásmátrix . Minden elemével közvetlenül megszerezzük :
L′{\ displaystyle L '}
L′=D-1/2LD-1/2=én-D-1/2NÁL NÉLD-1/2{\ displaystyle L '= D ^ {- 1/2} LD ^ {- 1/2} = ID ^ {- 1/2} AD ^ {- 1/2}}
én{\ displaystyle I}
L′{\ displaystyle L '}![A](https://wikimedia.org/api/rest_v1/media/math/render/svg/7a5bf7164faabe6b737c3d5269366b5e17f2ac7c)
ℓén,j: ={1ha én=j és deg(vén)≠0-1deg(vén)deg(vj)ha én≠j és vén szomszédos vj0ha nem.{\ displaystyle \ ell _ {i, j}: = {\ begin {esetben} 1 & {\ mbox {si}} \ i = j \ {\ mbox {és}} \ \ deg (v_ {i}) \ neq 0 \\ - {\ frac {1} {\ sqrt {\ deg (v_ {i}) \ deg (v_ {j})}}}} és {\ mbox {si}} \ i \ neq j \ {\ Az mbox {és}} \ v_ {i} {\ text {a}} v_ {j} \\ 0 és {\ text {egyébként}} szomszédságában van. \ end {esetek}}}
Incidencia mátrix
Végül egy gráf incidencia mátrixa az a dimenzió mátrix, amelyben az elem egyenlő 1-vel, ha a csúcs az él vége , és egyébként 0-val. A következő relációval rendelkezünk, ahol az identitásmátrixot jelöljük :
M{\ displaystyle M}
G=(V,E){\ displaystyle G = (V, E)}
|V|×|E|{\ displaystyle | V | \ alkalommal | E |}
bénj{\ displaystyle b_ {ij}}
vén{\ displaystyle v_ {i}}
xj{\ displaystyle x_ {j}}
én{\ displaystyle I}![én](https://wikimedia.org/api/rest_v1/media/math/render/svg/535ea7fc4134a31cbe2251d9d3511374bc41be9f)
- NÁL NÉL=MMT-D{\ displaystyle A = MM ^ {T} -D}
![A = MM ^ {T} -D](https://wikimedia.org/api/rest_v1/media/math/render/svg/924ebfd4dc2399e4bd63545421b9da7ff8da0da1)
- A a szomszédsági mátrix, a vonal grafikon ,L(G){\ displaystyle L (G)}
NÁL NÉL=MTM-2én{\ displaystyle A = M ^ {T} M-2I}
- A a szomszédsági mátrix a felosztás grafikon ,S(G){\ displaystyle S (G)}
NÁL NÉL=(0MTM0){\ displaystyle A = {\ begin {pmatrix} 0 és M ^ {T} \\ M & 0 \\\ end {pmatrix}}}
A spektrum fogalma és a jellegzetes polinom
A mátrix spektruma a sajátértékeinek összessége ; ha azok valódi, egyetértünk, hogy a rang: . Kiterjesztéssel a grafikon spektrumáról beszélünk . Felidézzük, hogy egy sajátérték algebrai sokasága a monomon ereje a jellegzetes polinomban (vagyis a gyök sokasága a jellegzetes polinomban). A karakterisztikus polinom módosítása a grafikon egyéb tulajdonságainak figyelembevétele érdekében is lehetséges: alapértelmezésben figyelembe vesszük a polinomot (amelyet a gráf jellegzetes polinomjának nevezünk ), de érdekelhetnek olyan változatok is, mint a vagy .
λ0≤λ1≤⋯≤λnem-1{\ displaystyle \ lambda _ {0} \ leq \ lambda _ {1} \ leq \ cdots \ leq \ lambda _ {n-1}}
λ{\ displaystyle \ lambda}
(x-λ){\ displaystyle (X- \ lambda)}
PG(λ)=|λén-NÁL NÉL|{\ displaystyle P_ {G} (\ lambda) = | \ lambda IA |}
RG(λ)=|λén-D-NÁL NÉL|{\ displaystyle R_ {G} (\ lambda) = | \ lambda IDA |}
QG(λ)=|D|-1⋅|λD-NÁL NÉL|{\ displaystyle Q_ {G} (\ lambda) = | D | ^ {- 1} \ cdot | \ lambda DA |}![Q_ {G} (\ lambda) = | D | ^ {{- 1}} \ cdot | \ lambda DA |](https://wikimedia.org/api/rest_v1/media/math/render/svg/a26b9e2fec14f7ce1098174654aa51bace4c63f9)
Adjacencia mátrix spektrum
A gráf mátrixa pozitív , és nem csökkenthető, ha a gráf össze van kapcsolva. Abban az esetben, irányítatlan gráf, a mátrix szimmetrikus, és hermitikus, azaz, ahol a segédanyag mátrix a . A mátrix nyoma megegyezik a hurkok számával: valóban, az átlón egy elem jelzi a hurok jelenlétét, a nyom pedig ezen elemek összege. A következő tulajdonságokkal rendelkezünk:
NÁL NÉL†=NÁL NÉL{\ displaystyle A ^ {\ tőr} = A}
NÁL NÉL†{\ displaystyle A ^ {\ tőr}}
NÁL NÉL{\ displaystyle A}![NÁL NÉL](https://wikimedia.org/api/rest_v1/media/math/render/svg/7daff47fa58cdfd29dc333def748ff5fa4c923e3)
- A mátrix spektrális sugara , vagyis a legnagyobb sajátértéke kielégít egy összekapcsolt gráfot. Az alsó határt akkor érjük el, ha a gráf egy útvonal, és a felsőt elérjük a teljes gráfhoz.ρ(NÁL NÉL){\ displaystyle \ rho (A)}
2⋅kötözősaláta(πnem+1)≤ρ(NÁL NÉL)≤nem-1{\ displaystyle 2 \ cdot \ cos \ bal ({\ frac {\ pi} {n + 1}} \ jobb) \ leq \ rho (A) \ leq n-1}![{\ displaystyle 2 \ cdot \ cos \ bal ({\ frac {\ pi} {n + 1}} \ jobb) \ leq \ rho (A) \ leq n-1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/718ffc90eefe0f76090e1382a60df2d4bbf587ed)
- Ha a gráf -rendszeres majd és a sok számát adja meg csatlakoztatott komponensek.k{\ displaystyle k}
ρ(NÁL NÉL)=k{\ displaystyle \ rho (A) = k}
ρ(NÁL NÉL){\ displaystyle \ rho (A)}![\ rho (A)](https://wikimedia.org/api/rest_v1/media/math/render/svg/a9d232ff707be40f0398c038ee817fc0742b9c8b)
- A grafikon csak akkor tartalmaz páratlan hosszúságú ciklust, ha az szintén sajátérték .-ρ(NÁL NÉL){\ displaystyle - \ rho (A)}
![- \ rho (A)](https://wikimedia.org/api/rest_v1/media/math/render/svg/c466e420289bb3478396ffeed22e5e940c0ff15b)
- Ha vannak külön sajátértékek, akkor az átmérő megelégszik .m{\ displaystyle m}
D{\ displaystyle D}
D≤m-1{\ displaystyle D \ leq m-1}![D \ leq m-1](https://wikimedia.org/api/rest_v1/media/math/render/svg/a37d2acf207b3646ad85cb43165c488e000a645f)
- A méret a maximális stabil kielégíti , ahol rendre száma sajátértékek alacsonyabb, azonos vagy magasabb, mint 0.t{\ displaystyle t}
t≤o0+min(o-,o+){\ displaystyle t \ leq p_ {0} + \ min (p _ {-}, p _ {+})}
o-,o0,o+{\ displaystyle p _ {-}, p_ {0}, p _ {+}}![p _ {-}, p_ {0}, p _ {+}](https://wikimedia.org/api/rest_v1/media/math/render/svg/9de23db769d20b6664db1c51900a9274e8715ecd)
-
ρ(NÁL NÉL)-q+1≤χ(G)≤ρ(NÁL NÉL)+1{\ displaystyle {\ frac {\ rho (A)} {- q}} + 1 \ leq \ chi (G) \ leq \ rho (A) +1}
hol van a kromatikus szám és a legkisebb sajátérték.χ(G){\ displaystyle \ chi (G)}
q{\ displaystyle q}![q](https://wikimedia.org/api/rest_v1/media/math/render/svg/06809d64fa7c817ffc7e323f85997f783dbdf71d)
Normalizált laplaci mátrix spektrum
A sajátérték az úgynevezett algebrai kapcsolat a grafikon. A spektrum alapvető tulajdonságait az alábbiakban foglaljuk össze:
λ1{\ displaystyle \ lambda _ {1}}![\ lambda _ {1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/571a423bece8f29bcd1b48572f18dd4f6213dce2)
-
λ0=0{\ displaystyle \ lambda _ {0} = 0}
.
-
∑énλén≤nem{\ displaystyle \ sum _ {i} \ lambda _ {i} \ leq n}
ha a gráf össze van kapcsolva .
- Ha G és egy teljes gráf, akkor különben .nem≥2{\ displaystyle n \ geq 2}
λ1=nemnem-1{\ displaystyle \ lambda _ {1} = {\ frac {n} {n-1}}}
λ1≤nemnem-1{\ displaystyle \ lambda _ {1} \ leq {\ frac {n} {n-1}}}![\ lambda _ {1} \ leq {\ frac {n} {n-1}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6c33449e3d8914fe15acb0508de4c9fbfadfe2fb)
- Ha a grafikon csatlakoztatva van, akkor . Ha és akkor pontosan vannak komponensei ( azaz összekapcsolt grafikonjai).λ1>0{\ displaystyle \ lambda _ {1}> 0}
λén=0{\ displaystyle \ lambda _ {i} = 0}
λén+1≠0{\ displaystyle \ lambda _ {i + 1} \ neq 0}
G{\ displaystyle G}
én+1{\ displaystyle i + 1}![i + 1](https://wikimedia.org/api/rest_v1/media/math/render/svg/2fe1bfc8314922e4c3fdb4e8eceb20a00b4f011d)
-
λén≤2{\ displaystyle \ lambda _ {i} \ leq 2}
∀én≤nem-1{\ displaystyle \ forall i \ leq n-1}
.
A Kirchhoff-tétel (más néven mátrixfa-tétel ) kapcsolatot ad az átívelő fák száma és a laplaci mátrix között.
Alkalmazások
Hálózati elemzés
A hálózatokon végzett mérések többsége a klaszterezési együtthatóra , az átlagos távolságra vagy a fokok eloszlására vonatkozik: a spektrális technikák alkalmazása kisebbségben van, de „a gyakorlati kísérletek azt sugallják, hogy a spektrális elemzés jól adaptálható az adatokhoz szabálytalan [...], miközben a klaszterezési együttható megfelelőbb a szabályosabb adatokhoz (és ezért a fizikusok kiterjedten használták rácsok, kristályok stb. vizsgálatára). Különösen az internet különböző mintáinak spektrumát mértük router szinten: a tanulmány szerzői földrajzi szinten figyeltek meg különbségeket, magyarázatként arra utalva, hogy Észak-Amerikában a hálózat fejlettebb. Ázsia és Európa; ezeket a méréseket összehasonlítottuk az interneten található tulajdonságokat reprezentálni hivatott modellekből vettekkel, és lényegében egyik modell sem felelt meg az internetnek spektrum szinten.
Grafikon particionálása
A grafikon laplaciánus mátrixának sajátvektorainak elemzése az úgynevezett spektrális módszerrel lehetővé teszi a grafikon partíciójának megtalálását . Spektrális felosztásról beszélünk . Ennek a módszernek olyan sokféle területen vannak alkalmazásai, mint a feladatok elosztása párhuzamos számítással, képszegmentálás, lineáris rendszerek felbontása stb.
Megjegyzések és hivatkozások
-
(en) Dragos M. Cvetkovic, Michael Doob és Horst Sachs - Spectra of Graphs, Heidelberg , Lipcse, 1994, ( ISBN 3335004078 ) .
-
(in) Fan Chung - Spektrális grafikon elmélet, Regionális matematikai konferencia-sorozat , 92. szám, az American Mathematical Society 1997 kiadása
-
(en) Christos Gkantsidis, Milena Mihail és Ellen Zegura - Internet topológiák spektrális elemzése, IEEE Infocom , 2003.
-
(fr) Charles-Edmond Bichot - A Partitionnement de graphe könyv többszintű módszere, fejezete Charles-Edmond Bichot és Patrick Siarry koordinálásával, Hermes-Lavoisier, 2010–51-87. ( ISBN 9782746230057 )
Külső linkek
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">