Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri...
-
Upload
brizio-palmisano -
Category
Documents
-
view
217 -
download
0
Transcript of Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri...
![Page 1: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/1.jpg)
Main tools of the probabilistic method
with applications in graph theory
Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola
CdLS in Ingegneria dei Modelli e dei Sistemi19 settembre 2006
![Page 2: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/2.jpg)
Indice
Il metodo probabilistico Linearità dell’aspettazione Il metodo del momento primo Il metodo del momento secondo Il lemma locale di Lovàsz
![Page 3: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/3.jpg)
Il metodo probabilistico
Fine: dimostrare l’esistenza di un oggetto con specifiche proprietà
Tecnica: Definire un adeguato spazio di probabilità, e dimostrare che a tale oggetto è associata una probabilità positiva
Origini: Szele (’43), Erdos (’47)Maggiori Contributi: Erdos, Lovàsz, Janson, Alon,
SpencerApplicazioni: Teoria dei grafi, Geometria
Computazionale, Informatica Teorica
![Page 4: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/4.jpg)
Il metodo probabilistico (2)
Pro: ottiene “facilmente” risultati difficili da raggiungere
deterministicamente; tecnica probabilistica, risultato deterministico. permette di costruire oggetti di grandi dimensioni,
non strutturati e generali;
Contro: raramente costruisce esempi espliciti.
![Page 5: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/5.jpg)
Notazione e definizioni
Variabili aleatorie
Grafo con n vertici ed e archi
Numero cromatico di G
Massimo insieme indipendente di G
se
![Page 6: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/6.jpg)
Linearità dell’aspettazione
Torneo Sentiero hamiltoniano
Thr. (Szele): Esiste un torneo T con n giocatori ed almeno sentieri hamiltoniani
Dim.
: # sentieri hamiltoniani : permutazione degli n giocatori
se è un sentiero hamiltoniano, cioè se altrimenti
![Page 7: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/7.jpg)
Linearità dell’aspettazione (2)
Thr. (Erdos): Per ogni k,l > 0 esiste un grafo G con lunghezza del ciclo più breve pari ad l e Dim. Si fissi e si assegni ogni arco di G in modo indipendente, con
probabilità numero di cicli di lunghezza al più l
se l’insieme A forma un ciclo, |A| = i
altrimenti
![Page 8: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/8.jpg)
Linearità dell’aspettazione (3)
In particolare: 1)
Posto 2)
Possiamo quindi scegliere n grande abbastanza perché esista G per cui 1) e 2) non sono verificati
Si rimuova da ogni ciclo di lunghezza al più l un vertice, ottenendo che per quanto visto ha almeno vertici, ha il più piccolo ciclo di lunghezza maggiore di l e vale
![Page 9: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/9.jpg)
Il metodo del momento primo
Thr. (Caro & Wei): Per ogni grafo G(V,E) vale
Dim.
Si consideri un ordinamento di V scelto con probabilità uniforme
![Page 10: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/10.jpg)
Il metodo del momento primo (2)
v.a. che indica se v è nell’insieme Iv ed i suoi vicini hanno tutti la stessa
possibilità di avere l’indice più piccoloMetodo del momento primo
I è un insieme indipendente, infatti se per assurdo non lo fosse, esisterebberotali che ; ma allora e ; impossibile
Teorema di Turan
![Page 11: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/11.jpg)
Il metodo del momento secondo
Lemma (Diseguaglianza di Tchebyschev) Per ogni
Lemma (Diseguaglianza di Markov)
Dim.
Dim.
![Page 12: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/12.jpg)
Il metodo del momento secondo (2)
Utilizzo: lower bound sul numero cromatico e proprietà dei grafi random
Corollario
Dim.
Sia non negativa
![Page 13: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/13.jpg)
Il lemma locale di Lovàsz
Obiettivo: dimostrare che A raro ha probabilità > 0
Con eventi indipendenti, ciascuno con probabilità (almeno) p
Lemma locale di Lovàsz:
generalizzazione al caso in cui gli eventi che ci interessano sono “quasi” dipendenti, per provare l’esistenza di eventi rari
![Page 14: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/14.jpg)
Il lemma locale di Lovàsz (2)
Thr (Lll), caso generale:
![Page 15: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/15.jpg)
Il lemma locale di Lovàsz (3)
Thr (Lll), caso simmetrico:
è dipendente da al più altri d eventi
![Page 16: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/16.jpg)
Il lemma locale di Lovàsz (4)
Thr (Alon & Linial): Sia D(V,E) un grafo orientato con minimo grado uscente e massimo grado entrante .Se allora D contiene un ciclo orientato, semplice di lunghezza
Dim.
Si consideri un colorazione casuale di V in cui ogni nodo è colorato in modo uniforme ed indipendente dagli altri.
Grafo Orientato D(V,E)
(u,v)
Grado entrante/uscente
u v
![Page 17: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/17.jpg)
Il lemma locale di Lovàsz (5)
Ogni è indipendente da tutti gli eventi tranne quelli per cui vale:
Tali eventi sono al più , è limitata
Applichiamo il Lll (caso simmetrico)
v u
![Page 18: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/18.jpg)
Il lemma locale di Lovàsz (3)
Thr (Lll), caso simmetrico:
è dipendente da al più altri d eventi
![Page 19: Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.](https://reader036.fdocuments.us/reader036/viewer/2022062418/5542eb5c497959361e8ca444/html5/thumbnails/19.jpg)
Il lemma locale di Lovàsz (6)
Partendo da otteniamo una sequenza tale che
e Sia j il minimo intero tale che esista
Allora il ciclo è quello richiesto