Викиконспекты - Вклад участника [ru]

Случайные графы

2020-11-17T01:25:31Z

Victor1234544: /* Существование треугольников в случайном графе */

{{Определение
|neat = 1
|definition= '''Биномиальная модель случайного графа''' (англ. ''binomial random graph model'') <tex>G(n, p)</tex> {{---}} модель, в которой каждое ребро входит в случайный граф независимо от остальных ребер с вероятностью <tex>p</tex>. <tex>G(n, p) = (\Omega_n, F_n, P_{n, p})</tex> {{---}} [[ Вероятностное пространство, элементарный исход, событие | вероятностное пространство ]]. <tex>|\Omega_n| = 2^{C^2_n}</tex>, <tex>P_{n, p}(G) = p^m(1 - p)^{C^2_n - m}</tex>, где <tex>m</tex> {{---}} число ребер в графе.
}}
{{Определение
|neat = 1
|definition= '''Равномерная модель случайного графа''' (англ. ''uniform random graph model'') <tex>G(n, m)</tex> {{---}} модель, в которой все графы с <tex>m</tex> ребрами равновероятны. <tex>G(n, m) = (\Omega_n, F_n, P_{n, m})</tex> {{---}} вероятностное пространство. <tex>|\Omega_n| = m</tex>, <tex>P_{n, m}(G) = \dfrac{1}{C^m_n}</tex>.
}}
{{Определение
|definition= Свойство <tex>A</tex> '''асимптотически почти наверное истинно''', если <tex>\lim\limits_{n \rightarrow \infty} p(n) = 1</tex>, где <tex>p(n)</tex> {{---}} вероятность графа <tex>G(n, p)</tex> обладать этим свойством.
}}
{{Определение
|definition= Свойство <tex>A</tex> '''асимптотически почти наверное ложно''', если <tex>\lim\limits_{n \rightarrow \infty} p(n) = 0</tex>, где <tex>p(n)</tex> {{---}} вероятность графа <tex>G(n, p)</tex> обладать этим свойством.
}}

== Существование треугольников в случайном графе ==
{{Теорема
|statement=Если <tex>p(n) = o(\dfrac{1}{n})</tex>, то <tex>G(n, p)</tex> асимптотически почти наверное (далее а.п.н) не содержит треугольников.
|proof=
Пусть <tex>T</tex> {{---}} число треугольников в графе, <tex>T_{i,j,k}</tex> {{---}} индикаторная случайная величина, равная <tex>1</tex>, если вершины <tex>i</tex>, <tex>j</tex> и <tex>k</tex> образуют треугольник.

Воспользуемся [[Неравенство Маркова| неравенством Маркова]]:

<tex>P(T > 0) = P(T \geqslant 1) \leqslant E[T] = \sum\limits_{i, j, k}T_{i, j, k}p^3 = C^3_np^3 \sim \dfrac{n^3p^3}{6} \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>.
}}

{{Теорема
|statement=Если <tex>p(n) = \omega(\dfrac{1}{n})</tex>, то <tex>G(n, p)</tex> а.п.н содержит треугольник.

|proof=
Пусть <tex>T</tex> {{---}} число треугольников в графе, <tex>T_{i,j,k}</tex> {{---}} индикаторная случайная величина, равная <tex>1</tex>, если вершины <tex>i</tex>, <tex>j</tex> и <tex>k</tex> образуют треугольник.

Воспользуемся [[Неравенство Маркова#thCheb| неравенством Чебышева]]:

<tex>P(T = 0) = P(T \leqslant 0) = P(E[T] - T \geqslant E[T]) \leqslant P(|E[T] - T| \geqslant E[T]) \leqslant \dfrac{D[T]}{(E[T])^2}</tex>.

Найдем <tex>E[T^2]</tex>:

<tex>E[T^2] = E[(\sum\limits_{i, j, k}T_{i, j, k})^2]= E[\sum\limits_{i, j, k}T_{i, j, k}^2] + E[\sum\limits_{i, j, k, a, b, c}T_{i, j, k}T_{a, b, c}] =</tex>

<tex>= E[T] + (C^3_nC^3_{n - 3} + C^3_nC^2_{n - 3})p^6 + 3C^3_n(n - 3)p^5 \sim \dfrac{n^3p^3}{6} + (\dfrac{n^6}{36} + \dfrac{n^5}{4})p^6 + \dfrac{n^4}{2}p^5 \sim \dfrac{n^3p^3}{6} + \dfrac{n^6p^6}{36} + \dfrac{n^4p^5}{2} \sim \dfrac{n^3p^3}{6} + \dfrac{n^6p^6}{36}</tex>

<tex>D[T] = E[T^2] - (E[T])^2 \sim \dfrac{n^3p^3}{6} + \dfrac{n^6p^6}{36} - \dfrac{n^6p^6}{36} = \dfrac{n^3p^3}{6}</tex>

<tex>P(T = 0) \leqslant \dfrac{\dfrac{n^3p^3}{6}}{\dfrac{n^6p^6}{36}} = \dfrac{6}{p^3n^3} \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>
}}

== Связность графа ==

{{Лемма
|id=lemma1
|statement=Если <tex>c \geqslant 3</tex>, <tex>n \geqslant 100</tex>, <tex>p = \dfrac{c\ln n}{n}</tex>. Тогда <tex>P(G - связен) \rightarrow 1</tex>.
|proof=
Пусть <tex>X</tex> {{---}} индикаторная величина, равная нулю, если <tex>G</tex> связен, и <tex>k</tex>, если <tex>G</tex> содержит <tex>k</tex> компонент связности.

<tex>X_i</tex> {{---}} число компонент связности размера <tex>i</tex>.

<tex>X_{a_1,a_2, \dots , a_i} = 1</tex>, если <tex>a_1,a_2, \dots , a_i</tex> {{---}} компонента связности.

<tex>X_i = \sum\limits_{a_1,a_2, \dots , a_i} X_{a_1,a_2, \dots , a_i}</tex>

<tex>E[X_i] = \sum\limits_{a_1,a_2, \dots , a_i} E[X_{a_1,a_2, \dots , a_i}] = C_n^iEX_{1, 2, \dots, i} = C_n^i P(1, 2, \dots, i - комп.связности) \leqslant C_n^i (1 - p)^{i(n - i)}</tex>.

<tex>E[X] \sum\limits_{i = 1}^{n - 1} E[X_i] \leqslant \sum\limits_{i = 1}^{n - 1} C_n^i(1 - p)^{i(n - i)}</tex>

Последняя сумма симметрична (слагаемые при <tex>i = k</tex> и <tex>i = n - k</tex> равны), кроме того слагаемое при <tex>i = 1</tex> {{---}} наибольшее (для доказательства достаточно рассмотреть отношения слагаемых при <tex>i \leqslant \dfrac{n}{8}</tex> и <tex>\dfrac{n}{8} < i \leqslant \dfrac{n}{2}</tex>).

Оценим сверху первое слагаемое <tex>n(1 - p)^{n - 1}</tex>:

<tex>n(1 - p)^{n - 1} \leqslant ne^{-p(n - 1)} \leqslant ne^{\frac{-3 (n - 1) \ln n}{n}}</tex>

<tex>n \geqslant 100</tex>, поэтому <tex>\dfrac{n - 1}{n} > 0.9</tex>.

<tex>ne^{\frac{-3 (n - 1) \ln n}{n}} < e^{-2.7\ln n} = \dfrac{1}{n^{2.7}}</tex>

<tex>\sum\limits_{i = 1}^{n - 1} C_n^i(1 - p)^{i(n - i)} \leqslant \sum\limits_{i = 1}^{n - 1}\dfrac{1}{n^{2.7}} < \dfrac{n}{n^{2.7}} \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>

}}

{{Лемма
|id=lemma2
|statement=Если <tex>c \geqslant 3</tex>, <tex>n \geqslant 100</tex>, <tex>p = \dfrac{c\ln n}{n}</tex>. Тогда <tex>P(G - связен) > 1 - \dfrac{1}{n}</tex>.
}}

{{Теорема
|statement=<tex>p = \dfrac{c\ln n}{n}</tex>, тогда при <tex>c < 1</tex> граф а.п.н связен, при <tex>c > 1</tex> граф а.п.н не связен.
}}

== Теоремы о связи вероятности и матожидания ==
{{Теорема
|id=th1
|statement= Пусть <tex>N_z</tex> {{---}} число объектов в графе <tex>G(n, p)</tex>. <tex>A = \{G | N_z(G) > 0 \}</tex> {{---}} свойство. Тогда, если <tex>E[N_z] \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>, то <tex>A</tex> а.п.н ложно.
|proof=
Воспользуемся [[Неравенство Маркова | неравенством Маркова]]:

<tex>P(N_z > 0) = P(N_z \geqslant 1) \leqslant E[N_z] \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>.
}}

{{Теорема
|id=th2
|statement= Пусть <tex>N_z</tex> {{---}} число объектов в графе <tex>G(n, p)</tex>. <tex>A = \{G | N_z(G) > 0 \}</tex> {{---}} свойство. Тогда, если <tex>E[N_z] \rightarrow \infty</tex>, при <tex>n \rightarrow \infty</tex>, и <tex>E[N_z^2] \leqslant (E[N_z])^2(1 + o(1))</tex> то <tex>A</tex> а.п.н истинно.
|proof=
Воспользуемся [[Неравенство Маркова#thCheb | неравенством Чебышева]]:

<tex>P(N_z = 0) = P(N_z \leqslant 0) = P(E[N_z] - N_z \geqslant E[N_z]) \leqslant P(|E[N_z] - N_z| \geqslant E[N_z]) \leqslant \dfrac{D[N_z]}{(E[N_z])^2} \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>.
}}

== Графы, имеющие диаметр два ==
{{Определение
|definition=<tex>A</tex> {{---}} некоторое свойство случайного графа. <tex>p</tex> называется '''пороговой функцией''' (англ. ''threshold function''), если граф <tex>G(n, cp)</tex> при <tex>c < 1</tex> а.п.н не имеет такого свойства, а при <tex>c > 1</tex> а.п.н имеет.
}}
{{Теорема
|statement=Пусть рассматривается свойство графа иметь диаметр два. Тогда <tex>p = \sqrt{2} \sqrt{\dfrac{\ln n}{n}}</tex> {{---}} пороговая функция.
|proof=
Назовем вершины <tex>u</tex> и <tex>v</tex> плохой парой, если кратчайшее расстояние между <tex>u</tex> и <tex>v</tex> меньше двух. <tex>B_{i, j}</tex> {{---}} индикаторная величина, равная <tex>1</tex>, если <tex>i</tex> и <tex>j</tex> являются плохой парой.
<tex>N_z = \sum\limits_{i, j} B_{i,j}</tex>
<tex>P(B_{i, j}) = (1 - p)(1 - p^2)^{n - 2}</tex>

Сначала докажем, что при <tex>c > sqrt{2}</tex>, граф а.п.н не имеет диаметр, равный двум. Для этого оценим матожидание <tex>N_z</tex>.
<tex>EN_z = C_n^2(1 - p)(1 - p^2)^{n - 2} \approx \dfrac{n^2}{2}(1 - c\sqrt{\dfrac{\ln n}{n}})(1 - \dfrac{c^2\ln n}{n})^{n - 2} \leqslant \dfrac{n^2}{2}e^{-c^2\ln n} = \dfrac{n^{2 - c^2}}{2}</tex>

При <tex>c > \sqrt{2}</tex> последнее выражение стремится к <tex>0</tex>, по [[#th1 | вышедоказанному ]] граф а.п.н. не имеет диаметр, равный двум.

Рассмотрим <tex>c < \sqrt{2}</tex>:

<tex>EN_z^2 = E(\sum B_{i, j})^2 = E\sum B_{i,j}^2 + E\sum B_{i,j}B_{k,l} = EN_z + \sum EB_{i,j}B_{k,l}</tex>

Рассмотрим сумму <tex>\sum EB_{i,j}B_{k,l}</tex>:

Если <tex>i</tex>, <tex>j</tex>, <tex>k</tex> и <tex>k</tex> различны, то <tex>EB_{i,j}B_{k,l} \leqslant (1 - p^2)^{2(n - 4)} \leqslant n^{-2c^2}(1 + o(1))</tex>.

<tex>\sum EB_{i,j}B_{k,l} \leqslant n^{4 - 2c^2}(1 + o(1))</tex>

<tex>EB_{i,j}B_{i,l} = (1 - p + p(1 - p)^2)^{n - 3} \approx (1 - 2p^2)^{n - 3} = (1 - 2c^2\dfrac{\ln n}{n})^{n - 3} \approx e^{-2c^2 \ln n} = n^{-2c^2}</tex>

<tex>\sum EB_{i,j}B_{i,l} \leqslant n^{3 - 2c}</tex>

В итоге: <tex>EN_z^2 \leqslant n^{2 - c^2} + n^{4 - 2c^2} + n^{3 - 2c^2}</tex>. Из этого следует, что <tex>EN_z \leqslant (EN_z)^2(1 + o(1))</tex>, а значит граф а.п.н имеет диаметр, равный двум при <tex>c > \sqrt{2}</tex>.
}}

== См. также ==
* [[Дискретная случайная величина]]
* [[Дисперсия случайной величины]]
* [[Математическое ожидание случайной величины]]

== Источники информации ==
* [https://www.coursera.org/learn/sluchajnye-graphy/ Coursera {{---}} Онлайн-курс]
* [https://en.wikipedia.org/wiki/Chernoff_bound Wikipedia {{---}} Random graphs]
* Avrim Blum, John Hopcroft, and Ravindran Kannan. «Foundations of Data Science» {{---}} «Cambridge University Press», 2013 г. {{---}} 245-260 стр. {{---}} ISBN 978-1108485067

[[Категория: Дискретная математика и алгоритмы]]

Суперпозиции

2020-01-02T15:53:13Z

Victor1234544: /* Отождествление переменных */

{{Определение
|definition =
'''Суперпозиция функций''' (или '''сложная функция''', или '''композиция функций''', англ. ''function composition'') {{---}} это функция, полученная из некоторого множества функций путем подстановки одной функции в другую или отождествления переменных.
}}
Множество всех возможных не эквивалентных друг другу суперпозиций данного множества функций образует [[Представление функции формулой, полные системы функций|замыкание]] данного множества функций.

== Способы получения суперпозиций ==
Рассмотрим две [[Определение булевой функции|булевы функции]]:
функцию <tex>f</tex> от <tex>n</tex> аргументов <tex>f(x_{1}, x_{2}, \ldots, x_{n})</tex> и
функцию <tex>g</tex> от <tex>m</tex> аргументов <tex>g(y_{1}, y_{2}, \ldots, y_{m})</tex>.

Тогда мы можем получить новую функцию из имеющихся двумя способами:
#Подстановкой одной функции в качестве некоторого аргумента для другой;
#Отождествлением аргументов функций.

=== Подстановка одной функции в другую ===

{{Определение
|definition =
'''Подстановкой''' (англ. ''substitution'') функции <tex>g</tex> в функцию <tex>f</tex> называется замена <tex>i</tex>-того аргумента функции <tex>f</tex> значением функции <tex>g</tex>:

<center><tex>h(x_{1}, \ldots, x_{n+m-1}) = f(x_{1}, \ldots, x_{i-1}, g(x_{i}, \ldots, x_{i+m-1}), x_{i+m}, \ldots, x_{n+m-1})</tex></center>
}}

Допускается также не только подстановка одной функции в другую, но и подстановка функции в саму себя.

При подстановке функции <tex>g</tex> вместо <tex>i</tex>-того аргумента функции <tex>f</tex>, результирующая функция <tex>h</tex> будет принимать аргументы, которые можно разделить на следующие блоки:

{|
|1. <tex> x_{1}, \ldots, x_{i-1}</tex>
|{{---}} аргументы функции <tex>f</tex> до подставленного значения функции <tex>g</tex>
|-
|2. <tex> x_{i}, \ldots, x_{i+m-1} </tex>
|{{---}} используются как аргументы для вычисления значения функции <tex>g(y_{1}, \ldots, y_{m})</tex>
|-
|3. <tex> x_{i+m}, \ldots, x_{n+m-1} </tex>
|{{---}} аргументы функции <tex>f</tex> после подставленного значения функции <tex>g</tex>
|}

'''Пример:'''

Исходные функции:
#<tex> f(a,b) = a \vee b </tex>
#<tex> g(a) = \neg a </tex>

<tex> h(a,b) = f(a,g(b)) = a \vee \neg b </tex> {{---}} подстановка функции <tex>g</tex> вместо второго аргумента функции <tex>f</tex>. В данном примере при помощи подстановки мы получили функцию <tex>h(a,b)=a \leftarrow b</tex>.

=== Отождествление переменных ===
{{Определение
|definition=
'''Отождествлением переменных''' (англ. ''identification of variables'') называется подстановка <tex>i</tex>-того аргумента функции <tex>f</tex> вместо <tex>j</tex>-того аргумента:

<center><tex>h(x_{1}, \ldots, x_{j-1}, x_{j+1}, \ldots, x_{n}) = f(x_{1}, \ldots, x_{i}, \ldots, x_{j-1}, x_{i}, x_{j+1}, \ldots, x_{n})</tex></center>
}}

Таким образом, при отождествлении <tex>c</tex> переменных мы получаем функцию <tex>h</tex> с количеством аргументов <tex>n-c+1</tex>.

'''Пример:'''

<tex> f(a,b) = a \vee b </tex> {{---}} исходная функция

<tex> h(a) = a \vee a </tex> {{---}} функция с отождествленными первым и вторым аргументами

Очевидно, в данном примере мы получили функцию <tex>P_{1}</tex> {{---}} проектор единственного аргумента.

== Ранги суперпозиций ==
{{Определение
|definition =
'''Ранг суперпозиции''' (англ. ''rank of function composition'') {{---}} это минимальное число подстановок и отождествлений, за которое суперпозиция может быть получена из исходного множества функций.
Суперпозиция <tex>K</tex> ранга <tex>n</tex> обозначается как <tex>K^{n}</tex>
}}

== См. также ==
* [[Определение_булевой_функции|Булевы функции]]
* [[Представление_функции_формулой,_полные_системы_функций|Представление функции формулой, полные системы функций]]

== Источники информации ==
* Осипова В.А., Основы дискретной математики: Учебное пособие, М.: ФОРУМ: ИНФРА-М, 2006, стр 62-63
*[http://ru.wikipedia.org/wiki/Композиция_функций Композиция функций в математике]
*[http://mini-soft.ru/nstu/diskr/index.php Е.Л. Рабкин, Ю.Б. Фарфоровская, Дискретная математика, Глава 7: Суперпозиция функций. Замыкание набора функций. Замкнутые классы функций. Полные наборы. Базисы]

[[Категория: Дискретная математика и алгоритмы]]
[[Категория: Булевы функции]]