Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
Esquema
Grupo A.2
El problema MAXCUT
Grupo A.2
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
Ejemplo MAXCUT
kAk1 = m
ax
aij xi yj , xi , yj {1} ,
i,j
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
s. a.
xi , yj {1, 1} i, j.
(1)
s. a.
kui k = kvj k = 1 i, j,
(2)
Grupo A.2
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.
Grupo A.2
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
tr(BC)
s. a.
tr(BEii ) = 1, i = 1, . . . , n + m
B 0.
Grupo A.2
tr(BC)
s. a.
tr(BEii ) = 1, i = 1, . . . , n + m
B 0.
Grupo A.2
tr(BC)
s. a.
tr(BEii ) = 1, i = 1, . . . , n + m
B 0.
Grupo A.2
tr(BC)
s. a.
tr(BEii ) = 1, i = 1, . . . , n + m
B 0.
Grupo A.2
KG
2 ln(1+ 2)
kAkSDP = max
aij ui vj : kui k = kvj k = 1
i,j
KG m
ax
aij xi yj : xi , yj {1}
i,j
Grupo A.2
E sgn(u0i z) sgn(vj0 z) = c ui vj
2
para todo 1 i n, 1 j m.
Grupo A.2
E sgn(u0i z) sgn(vj0 z) = c ui vj
2
para todo 1 i n, 1 j m.
Grupo A.2
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
s
S(v)k =
c2k+1 (2k+1)
v
.
(2k + 1)!
.
Grupo A.2
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
s
S(v)k =
c2k+1 (2k+1)
v
.
(2k + 1)!
.
Grupo A.2
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
Grupo A.2
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
Grupo A.2
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
Grupo A.2
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
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
Grupo A.2
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
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
aij .
aij kAkcut
2 ln(1 + 2) iI ,jJ
iI0 ,jJ0
0
0
Grupo A.2
Ecuaciones lineales
dulo 2
mo
Grupo A.2
Grupo A.2
1
1
aijk =
Grupo A.2
De modo que
n X
n X
n
X
zi +zj +zk
aijk (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
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
Demostracion.
X
1
=
max
m
ax
aijk li hyj , zk i
j,k=1
n
X
i=1
Aljk hyj , zk i.
j,k=1
Grupo A.2
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
X
1
=
max
m
ax
aijk li j k .
n
X
m
ax
aijk i j k .
Grupo A.2
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
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
B ={x R : kxk 1}
B 0 ={y Rn : sup hx, yi 1}.
xK
Grupo A.2
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
Demostracion (continuaci
on).
Luego
"
1
P
20KG
#
log n
c m
4
M 1 1
1 ecm/ n .
4
n
n
Grupo A.2
di
Particiones de Szemere
Grupo A.2
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
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
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
Definiciones previas
Grupo A.2
e(S, T )
.
|S| |T |
Definiciones previas
Grupo A.2
e(S, T )
.
|S| |T |
Definiciones previas
Grupo A.2
e(S, T )
.
|S| |T |
Definiciones previas
|S| |T | |X| |Y |
Grupo A.2
Grupo A.2
Grupo A.2
Grupo A.2
Grupo A.2
Grupo A.2
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
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.
Grupo A.2
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
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