Desigualdad de Grothendieck y el problema

P=NP
Grupo A.2
S`
onia Barahona (UV)
David Beltran (UB)
Jaime Castillo (UV)
Jaime S
anchez (UV)
Eduard Soto (UB)
Tutor: David P
erez-Garca (UCM)

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Esquema

Problema de MAXCUT y relaci

on con la CUTNORM.
Aproximacion de la CUTNORM (SDP + Krivine +
Grothendieck)
Aplicaciones
Particiones de Szemeredi de un grafo.
Ecuaciones lineales m
odulo 2.

N. Alon, A. Noar. Approximating the Cut-Norm via Grothendiecks Inequality, 2006.

S. Khot, A. Naor. Grothendieck-type inequalities in combinatorial
optimization, 2011.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

El problema MAXCUT

Sea G = (V, E) un grafo. Un corte es una particion de V en dos

conjuntos S, T V (S T = , S T = V .)
El tama
no de un corte viene dado por e(S, T ).
El problema de MAXCUT consiste en encontrar el corte de tama
no maximo. Como obtenerlo?
Problema NP-hard Buscamos soluciones alternativas.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Sea A = (aij ) donde i R, j S. Definimos la CUTNORM de

A como

 X

aij  , I R, J S .
kAkcut = m
ax 



iI,jJ
Veamos que podemos relacionar el MAXCUT de un grafo con la
CUTNORM de una matriz.
Para G = (V, E) con V = {v1 , . . . , vm }, E = {e1 , . . . , en } orientamos el grafo de forma arbitraria y construimos A matriz 2n m
con
a2i1,j = a2i,k = 1, a2i,j = a2i1,k = 1
As,
kAkcut = M AXCU T (G).

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Ejemplo MAXCUT

Vemos que efectivamente se satisfacen

kAkcut M AXCU T (G)
kAkcut M AXCU T (G).
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

El calculo de kAkcut es un problema MAX SNP hard. Utilizamos

kAk1 = m
ax
aij xi yj , xi , yj {1} ,

i,j

que es la norma del operador definido por la matriz A

A :`n `m
1
X
ei 7
aij ej .
j

Se puede probar que para toda matriz A real,

kAkcut kAk1 4kAkcut ,
con 4kAkcut = kAk1 si la suma de cada fila y cada columna
de A es 0.
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Observamos que dada una matriz A n m cualquiera, podemos

definir
P

a11

a1m
m
j=1 a1j

..
..
..
..

.
.
.
A0 =

Pm.

an1

anm
j=1 anj
P
Pn Pm
P
ni=1 ai1 ni=1 aim
i=1
j=1 aij
de forma que kA0 kcut = kAkcut . As,
1
kAkcut = kA0 kcut = kA0 k1 .
4

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Se puede aproximar kAk1 a partir de un problema SDP.

X
max
aij xi yj
i,j

s. a.

xi , yj {1, 1} i, j.

(1)

Relajamos a un problema de la forma

X
aij ui vj
max
i,j

s. a.

kui k = kvj k = 1 i, j,

(2)

donde ui , vj pertenecen a un espacio de Hilbert H (n + m)dimensional.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Veamos que podemos reducir (2) a un problema SDP. Recordemos que un problema SDP adopta la formulaci
on
max

tr(CX)

s. a.

tr(Ak X) bk , k = 1, . . . , m
X 0.

donde la condicion X 0 es equivalente a que X sea una matriz

de productos escalares, i.e., X = Y Y t .
Existe un algoritmo que proporciona una solucion para un SDP
en tiempo polinomial respecto al tama
no del input.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

En nuestro caso, sea Z = (u1 , . . . , un , v1 , . . . , vm )t y tomamos la

matriz B = ZZ t . Considerando las matrices por bloques
 11



B
B 12
0 A
B=
,
C
=
,
B 21 B 22
0 0
tenemos
tr(BC) =

m
X

21

(B A)jj =

j=1

m
n
X
X
j=1

!
21
Bji
aij

i=1

aij ui vj .

i,j

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

As pues, podemos expresar (2) como el siguiente SDP

max

tr(BC)

s. a.

tr(BEii ) = 1, i = 1, . . . , n + m
B 0.

As pues obtenemos una soluci

on en tiempo polinomial para el
problema relajado (2).
Como de buena es la aproximaci
on a la solucion del
problema original (1) ?
DESIGUALDAD DE GROTHENDIECK
Podemos encontrar xi , yj {1} que nos den una
solucion aproximada de (1)?
M
etodo ROUNDING obtenido a partir de la
prueba de KRIVINE

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

As pues, podemos expresar (2) como el siguiente SDP

max

tr(BC)

s. a.

tr(BEii ) = 1, i = 1, . . . , n + m
B 0.

As pues obtenemos una soluci

on en tiempo polinomial para el
problema relajado (2).
Como de buena es la aproximaci
on a la solucion del
problema original (1) ?
DESIGUALDAD DE GROTHENDIECK
Podemos encontrar xi , yj {1} que nos den una
solucion aproximada de (1)?
M
etodo ROUNDING obtenido a partir de la
prueba de KRIVINE

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

As pues, podemos expresar (2) como el siguiente SDP

max

tr(BC)

s. a.

tr(BEii ) = 1, i = 1, . . . , n + m
B 0.

As pues obtenemos una soluci

on en tiempo polinomial para el
problema relajado (2).
Como de buena es la aproximaci
on a la solucion del
problema original (1) ?
DESIGUALDAD DE GROTHENDIECK
Podemos encontrar xi , yj {1} que nos den una
solucion aproximada de (1)?
M
etodo ROUNDING obtenido a partir de la
prueba de KRIVINE

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

As pues, podemos expresar (2) como el siguiente SDP

max

tr(BC)

s. a.

tr(BEii ) = 1, i = 1, . . . , n + m
B 0.

As pues obtenemos una soluci

on en tiempo polinomial para el
problema relajado (2).
Como de buena es la aproximaci
on a la solucion del
problema original (1) ?
DESIGUALDAD DE GROTHENDIECK
Podemos encontrar xi , yj {1} que nos den una
solucion aproximada de (1)?
M
etodo ROUNDING obtenido a partir de la
prueba de KRIVINE

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Teorema 1 (Desigualdad de Grothendieck)

Existe una constante KG ,

KG

2 ln(1+ 2)

tal que para

cada matriz real A = (aij ) n m

kAkSDP = max
aij ui vj : kui k = kvj k = 1

i,j

KG m
ax
aij xi yj : xi , yj {1}

i,j

= KG kAk1 = 4KG kAkcut .

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Lema 2 (Identidad de Grothendieck)

Sean u, v vectores unitarios en un espacio de Hilbert H. Si z es
un vector elegido aleatoria y uniformemente con respecto a la
medida de Haar normalizada en la esfera unidad, se tiene

E ([sgn(u z)] [sgn(v z)]) = arcsin(u v).

2
Lema 3 (Krivine)
Sea {ui : 1 n} {vj : 1 j m} un conjunto de vectores
unitarios en un espaciode Hilbert H y
c = sinh1 (1) = ln(1 + 2). Entonces existe un conjunto
{u0i : 1 n} {vj0 : 1 j m} de vectores unitarios en un
espacio de Hilbert H 0 tales que para todo z de la esfera unidad
de H 0 ,

 


E sgn(u0i z) sgn(vj0 z) = c ui vj
2
para todo 1 i n, 1 j m.
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Lema 2 (Identidad de Grothendieck)

Sean u, v vectores unitarios en un espacio de Hilbert H. Si z es
un vector elegido aleatoria y uniformemente con respecto a la
medida de Haar normalizada en la esfera unidad, se tiene

E ([sgn(u z)] [sgn(v z)]) = arcsin(u v).

2
Lema 3 (Krivine)
Sea {ui : 1 n} {vj : 1 j m} un conjunto de vectores
unitarios en un espaciode Hilbert H y
c = sinh1 (1) = ln(1 + 2). Entonces existe un conjunto
{u0i : 1 n} {vj0 : 1 j m} de vectores unitarios en un
espacio de Hilbert H 0 tales que para todo z de la esfera unidad
de H 0 ,

 


E sgn(u0i z) sgn(vj0 z) = c ui vj
2
para todo 1 i n, 1 j m.
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Para c constante, u, v H, consideramos la serie de Taylor
sin(c u v) =

X
c2k+1
(u v)2k+1
(1)k
(2k + 1)!
k=0

X
c2k+1
=
(1)k
u(2k+1) v (2k+1) .
(2k + 1)!
k=0

(2k+1) tales que

Sean T, S : H
k=0 H
s
c2k+1
k
T (u)k = (1)
u(2k+1)
(2k + 1)!

s
S(v)k =

c2k+1 (2k+1)
v
.
(2k + 1)!

.
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Para c constante, u, v H, consideramos la serie de Taylor
sin(c u v) =

X
c2k+1
(u v)2k+1
(1)k
(2k + 1)!
k=0

X
c2k+1
=
(1)k
u(2k+1) v (2k+1) .
(2k + 1)!
k=0

(2k+1) tales que

Sean T, S : H
k=0 H
s
c2k+1
k
T (u)k = (1)
u(2k+1)
(2k + 1)!

s
S(v)k =

c2k+1 (2k+1)
v
.
(2k + 1)!

.
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Observamos que
c u v = arcsin(T (u) S(v)),


kT (u)k2 = sinh c kuk2 ,


kS(v)k2 = sinh c kvk2 .
Elegimos u0i = T (ui ) y vj0 = S(vj ) (unitarios).
H 0 = hu0i , vj0 : 1 i n, 1 j mi.
Aplicando la identidad de Grothendieck para z H 0 unitario

E ([sgn(T (ui ) z)] [sgn(S(vj ) z)]) = arcsin(T (ui ) S(vj ))

2
= c u i vj .

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Observamos que
c u v = arcsin(T (u) S(v)),


kT (u)k2 = sinh c kuk2 ,


kS(v)k2 = sinh c kvk2 .
Elegimos u0i = T (ui ) y vj0 = S(vj ) (unitarios).
H 0 = hu0i , vj0 : 1 i n, 1 j mi.
Aplicando la identidad de Grothendieck para z H 0 unitario

E ([sgn(T (ui ) z)] [sgn(S(vj ) z)]) = arcsin(T (ui ) S(vj ))

2
= c u i vj .

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Observamos que
c u v = arcsin(T (u) S(v)),


kT (u)k2 = sinh c kuk2 ,


kS(v)k2 = sinh c kvk2 .
Elegimos u0i = T (ui ) y vj0 = S(vj ) (unitarios).
H 0 = hu0i , vj0 : 1 i n, 1 j mi.
Aplicando la identidad de Grothendieck para z H 0 unitario

E ([sgn(T (ui ) z)] [sgn(S(vj ) z)]) = arcsin(T (ui ) S(vj ))

2
= c u i vj .

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Teorema 4 (Rounding)
Existe un algoritmo polinomial y aleatorio tal que dados una
matriz A = (aij ) y vectores unitarios ui , vj Rn+m
P, encuentra
xi , yj {1, 1} de forma que el valor esperado de i,j aij xi yj es
2 ln(1 +

2) X

Grupo A.2

aij ui vj .

i,j

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Calculamos ui , vj en tiempo polinomial como solucion del
SDP del problema relajado.
Por el lema anterior tenemos u0i , vj0 tales que
c

X
i,j

X





aij ui vj = E
ai,j sgn(u0i z) sgn(vj0 z) .
2
i,j

Eligiendo z aleatorio, xi = sgn(u0i z), yj = sgn(vj0 z).

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Se pueden calcular los u0i , vj0 eficientemente en un tiempo
polinomial ?
De la relacion
u0i vj0 = sin(c ui vj ) = bij
obtenemos u0i , vj0 como soluci
on factible del siguiente SDP
max

s. a.

tr(XEii ) = 1, i = 1, . . . , n + m
t
tr(XEij
) = bij , i = 1, . . . , n, j = n + 1, . . . , n + m

X = ZZ t .

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Se pueden calcular los u0i , vj0 eficientemente en un tiempo
polinomial ?
De la relacion
u0i vj0 = sin(c ui vj ) = bij
obtenemos u0i , vj0 como soluci
on factible del siguiente SDP
max

s. a.

tr(XEii ) = 1, i = 1, . . . , n + m
t
tr(XEij
) = bij , i = 1, . . . , n, j = n + 1, . . . , n + m

X = ZZ t .

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

De los valores obtenidos para xi , yj {1, 1} podemos obtener

dos subconjuntos I0 R, J0 S de forma eficiente y tales que








X



 X



aij  .
aij  kAkcut

2 ln(1 + 2) iI ,jJ

iI0 ,jJ0 
0
0

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Ecuaciones lineales
dulo 2
mo

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Ecuaciones lineales modulo 2

Consideremos un sistema E de N ecuaciones lineales a variables

Zi , 1 i n sobre Z/2Z tales que s
olo aparecen 3 variables
diferentes.
Zi + Zj + Zk = 0
o 1.
Definicion 1
Consideremos MAXSAT(E) el m
aximo n
umero de ecuaciones de
E que se pueden satisfacer simultaneamente.

PROBLEMA: Aproximar MAXSAT.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Tomemos para cada i, j, k

1
1
aijk =

{1, . . . , n} los valores

si {Zi + Zj + Zk = 0} E,
si {Zi + Zj + Zk = 1} E,
en otro caso.

Dadas la asignacion ~z = (z1 , . . . , zn ) (Z/2Z)n y la ecuacion del

sistema {Zi + Zj + Zk = a} E,

1
si zi + zj + zk = a,
zi +zj +zk
aijk (1)
=
1
si zi + zj + zk 6= a.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

De modo que
n X
n X
n
X

zi +zj +zk

aijk (1)

i=1 j=1 k=1



N
,
= m (N m) = 2 m
2

donde m es el n
umero de ecuaciones que satisface ~z. Tomando
maximos,



n

X
N
M := n max
aijk i j k = 2 MAXSAT(E)
.

2
{}l=1 {1,1}
i,j,k=1

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Teorema 5
Sea M := 2 (MAXSAT(E) N/2), entonces existe un algoritmo
polin
omico aleatorio que devuelve, con probabilidad un medio,
un real tal que
r
log n
1
M M.
20KG
n

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.

Fijemos m N de orden 4 n. Consideremos

1 , . . . , m {1, 1}n , v.a.i.i.d. de distribuci
on uniforme y la
variable aleatoria

X
1
=
max
m
ax
aijk li hyj , zk i

10KG l{1,...,m} {yj }j ,{zk }k S2n1

i,j,k=1

donde h, i designa el producto escalar en Rn+n .

Fijado un l ,
!
n
n
n
X
X
X
l
l
aijk i hyj , zk i =
aijk i hyj , zk i
i,j,k=1

j,k=1
n
X

i=1

Aljk hyj , zk i.

j,k=1

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Ya hemos visto que maximizar la expresi
on anterior sujeta a
{xi } = {yj } S2n1 es un SDP. Eso significa que existe un
algoritmo polinomico que nos optimiza la expresion anterior.
Luego, existe un algoritmo aleatorio polin
omico que nos calcula
.
Por la desigualdad de Grothendieck tenemos que

X
1
Aljk j k .
max
m
ax

10 l{1,...,n} {j }j ,{k }k {1,1}

j,k=1

X
1
=
max
m
ax
aijk li j k .

10 l{1,...,n} {j }j ,{k }k {1,1}

i,j,k=1

n
X

m
ax
aijk i j k .

10 {i }i ,{j }j ,{k }k {1,1}

i,j,k=1

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
De hecho, se puede ver

n
X

1
m
ax
10 {i }i ,{j }j ,{k }k {1,1}

aijk i j k

max

{}n
l=1 {1,1}
i,j,k=1

aijk i j k

i,j,k=1

n
X

=: M

As,
M
en probabilidad 1.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Calculo de la probabilidad.
"

1
P
20KG

#
"
#
r
m
Y
log n
1 log n
l
M =1
P k k <
M
n
2
n
l=1

Definicion 2
Dado x Rn definimos la norma k k sobre Rn como

X
kxk =
m
ax
aijk xi hyj , zk i

{yj }j ,{zk }k S2n1

i,j,k=1

B ={x R : kxk 1}
B 0 ={y Rn : sup hx, yi 1}.
xK
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Lema 6
max{kyk1 : y B 0 } = m
ax{kxk : kxk 1} M
Demostracion (continuaci
on).
Gracias al lema anterior, existe y B 0 , kyk1 M de modo que
"
#
" n
#!m
r
r
X
1 log n
1
log n
yi <
M 1 P
kyk1
P
20KG
n
2
n
i=1

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Para finalizar, introducimos el siguiente lema

Lema 7
Sean una variable aleatoria uniforme sobre {1, 1}n y a Rn
tal que kak1 = 1, entonces existe una constante c (0, ) tal
que
" n
#
r
X
log n
c
.
P
i ai <
1
4
4n
n
i=1

Demostracion (continuaci
on).
Luego
"

1
P
20KG

#



log n
c m
4
M 1 1
1 ecm/ n .
4
n
n

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

di
Particiones de Szemere

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Motivacion y relacion con la Desigualdad de

Grothendieck

di
Lema de Regularidad de Szemere
Problema:
Dado un grafo cualquiera, podemos encontrar en un
tiempo polinomial una partici
on que satisfaga las
condiciones de Szemeredi?
n:
Herramienta para dar con la solucio
Desigualdad de Grothendieck

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Motivacion y relacion con la Desigualdad de

Grothendieck

di
Lema de Regularidad de Szemere
Problema:
Dado un grafo cualquiera, podemos encontrar en un
tiempo polinomial una partici
on que satisfaga las
condiciones de Szemeredi?
n:
Herramienta para dar con la solucio
Desigualdad de Grothendieck

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Motivacion y relacion con la Desigualdad de

Grothendieck

di
Lema de Regularidad de Szemere
Problema:
Dado un grafo cualquiera, podemos encontrar en un
tiempo polinomial una partici
on que satisfaga las
condiciones de Szemeredi?
n:
Herramienta para dar con la solucio
Desigualdad de Grothendieck

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Definiciones previas

Sea G = (V, E) un grafo, donde V es el conjunto finito de

sus vertices y E, el conjunto finito de sus aristas.
Dados X, Y V disjuntos y no vacos, definimos
e(X, Y ) = |{(u, v) X Y : {u, v} E}| .

Dados S X y T Y , definimos la densidad de aristas

entre el par S y T como
d(S, T ) =

Grupo A.2

e(S, T )
.
|S| |T |

Desigualdad de Grothendieck y problema P=NP

Definiciones previas

Sea G = (V, E) un grafo, donde V es el conjunto finito de

sus vertices y E, el conjunto finito de sus aristas.
Dados X, Y V disjuntos y no vacos, definimos
e(X, Y ) = |{(u, v) X Y : {u, v} E}| .

Dados S X y T Y , definimos la densidad de aristas

entre el par S y T como
d(S, T ) =

Grupo A.2

e(S, T )
.
|S| |T |

Desigualdad de Grothendieck y problema P=NP

Definiciones previas

Sea G = (V, E) un grafo, donde V es el conjunto finito de

sus vertices y E, el conjunto finito de sus aristas.
Dados X, Y V disjuntos y no vacos, definimos
e(X, Y ) = |{(u, v) X Y : {u, v} E}| .

Dados S X y T Y , definimos la densidad de aristas

entre el par S y T como
d(S, T ) =

Grupo A.2

e(S, T )
.
|S| |T |

Desigualdad de Grothendieck y problema P=NP

Definiciones previas

Finalmente, fijados y tal que 0 < , < 1, decimos que

el par de conjuntos (X, Y ) es (, )-regular si S X,
T Y suficientemente grandes, la densidad de aristas
entre S y T es independiente de los pares (S, T ) elegidos;
i.e.,
S X, T Y que satisfagan |S| |X|, |T | |Y |


 e(S, T )
e(X, Y ) 

|d(S, T ) d(X, Y )| = 

|S| |T | |X| |Y | 

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Lema de Regularidad de Szemeredi

Lema 8 (Lema de Regularidad de Szemeredi)
Para todo , , (0, 1) y k N existe un K = K(, , , k) N
para todo n N, cualquier grafo G = (V, E) de |V | = n vertices
puede ser dividido en m conjuntos S1 , ..., Sm V con las
siguientes propiedades:
k m K,
|Si | |Sj | 1, para todo i, j {1, ..., m},
el n
umero de i, j {1, ..., m}, con i < j, tal que

el par
(Si , Sj ) es (, )-regular es al menos (1 ) m
2 .
K es independiente de n.
Llamamos Particiones de Szemeredi a las m particiones
S1 , ..., Sm de V .
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Lema de Regularidad de Szemeredi

Lema 8 (Lema de Regularidad de Szemeredi)
Para todo , , (0, 1) y k N existe un K = K(, , , k) N
para todo n N, cualquier grafo G = (V, E) de |V | = n vertices
puede ser dividido en m conjuntos S1 , ..., Sm V con las
siguientes propiedades:
k m K,
|Si | |Sj | 1, para todo i, j {1, ..., m},
el n
umero de i, j {1, ..., m}, con i < j, tal que

el par
(Si , Sj ) es (, )-regular es al menos (1 ) m
2 .
K es independiente de n.
Llamamos Particiones de Szemeredi a las m particiones
S1 , ..., Sm de V .
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Lema de Regularidad de Szemeredi

Lema 8 (Lema de Regularidad de Szemeredi)
Para todo , , (0, 1) y k N existe un K = K(, , , k) N
para todo n N, cualquier grafo G = (V, E) de |V | = n vertices
puede ser dividido en m conjuntos S1 , ..., Sm V con las
siguientes propiedades:
k m K,
|Si | |Sj | 1, para todo i, j {1, ..., m},
el n
umero de i, j {1, ..., m}, con i < j, tal que

el par
(Si , Sj ) es (, )-regular es al menos (1 ) m
2 .
K es independiente de n.
Llamamos Particiones de Szemeredi a las m particiones
S1 , ..., Sm de V .
Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Podemos encontrar una manera de producir una particion

de Szemeredi de cualquier grafo en tiempo polinomial, con
K independiente de n?
Szemeredi nos asegura en su paper de 1978, Regular
partitions of graphs, que s... Salvo un peque
no problema.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Podemos encontrar una manera de producir una particion

de Szemeredi de cualquier grafo en tiempo polinomial, con
K independiente de n?
Szemeredi nos asegura en su paper de 1978, Regular
no problema.
partitions of graphs, que s... Salvo un peque

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Podemos encontrar una manera de producir una particion

de Szemeredi de cualquier grafo en tiempo polinomial, con
K independiente de n?
Szemeredi nos asegura en su paper de 1978, Regular
no problema.
partitions of graphs, que s... Salvo un peque

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

El cuello de botella del algoritmo

Supongamos que X e Y son dos subconjuntos disjuntos de

n puntos del grafo G = (V, E). C
omo podemos determinar
en tiempo polinomial si el par (X, Y ) est
a cerca de ser
(, )-regular? Y si no, podemos encontrar de forma
eficiente subconjuntos S, T que nos dan el contraejemplo?
Si alguien era capaz de solventar este problema, Szemeredi
nos asegura mediante un lema publicado en su artculo que
era capaz de refinar los subconjuntos X e Y mediante un
algoritmo eficiente (y nos lo da!), de manera que en una
cantidad finita de pasos, nos proporciona una particion de
Szemeredi del grafo original.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

El cuello de botella del algoritmo

Supongamos que X e Y son dos subconjuntos disjuntos de

n puntos del grafo G = (V, E). C
omo podemos determinar
en tiempo polinomial si el par (X, Y ) est
a cerca de ser
(, )-regular? Y si no, podemos encontrar de forma
eficiente subconjuntos S, T que nos dan el contraejemplo?
Si alguien era capaz de solventar este problema, Szemeredi
nos asegura mediante un lema publicado en su artculo que
era capaz de refinar los subconjuntos X e Y mediante un
algoritmo eficiente (y nos lo da!), de manera que en una
cantidad finita de pasos, nos proporciona una particion de
Szemeredi del grafo original.

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Desatascando el problema mediante la Desigualdad de

Grothendieck

Lema 9
Existe un algoritmo en tiempo polinomial que a partir de dos
subconjuntos X, Y de n puntos disjuntos de un grafo, el decide
si:
(X, Y ) es (, )-regular, o bien
encuentra S X y T Y con


 e(S, T )
 1 2
1 2
e(X,
Y
)

|S|, |T | n y 

2
|S| |T | |X| |Y |  2

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
Sean X, Y V disjuntos. Consideramos la matriz n n,
A = (axy )(x,y)XY tal que:
(
axy =

e(X,Y )
|X||Y |
e(X,Y )
|X||Y |

si {x, y} E,
si {x, y}
/ E.

Por definicion de A, dados S X y T Y , entonces





 X


axy  =

xS, yT







e(X, Y ) 
e(X, Y )

+ (|S||T | e(S, T ))
=
= e(S, T ) 1
|X||Y |
|X||Y | 

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.



e(X, Y )
e(X, Y )
e(X, Y ) 

=
|S||T |
+ e(S, T )
= e(S, T ) e(S, T )
|X||Y |
|X||Y |
|X||Y | 


 e(S, T )

e(X,
Y
)

= |S| |T | 

|S| |T | |X| |Y | 
Por lo tanto, si (X, Y ) no es (, )-regular, entonces

 


 

 X
  X




kAkcut = max 
axy  
axy 
SX, T Y 
 xS, yT

xS, yT



 e(S, T )
e(X, Y ) 
|S| |T | 

|S| |T | |X| |Y | 
2 |X||Y | = 2 n2

Grupo A.2

Desigualdad de Grothendieck y problema P=NP

Demostracion.
El algoritmo de aproximaci
on a la cut-norm basado en la
Desigualdad de Grothendieck, junto al metodo de rounding de
Krivine, nos encuentra en un tiempo polinomial dos
subconjuntos S X y T Y tales que

 




e(S, T )
e(X, Y ) 


mn n|S|, n|T |, n2 

|S| |T | |X| |Y | 






axy 

yT

X
xS,

1 2 2 1 2 2
n n

2


 e(S, T )
1 2
e(X, Y )  1 2

|S|, |T | n y 

2
|S| |T | |X| |Y |  2

Grupo A.2

Desigualdad de Grothendieck y problema P=NP