Сравнивайте с английским: нажмите на абзац — оригинал откроется в окне. Кнопка EN под абзацем показывает его прямо в тексте.
Содержание
Введение
Второе наименьшее собственное значение графа Лапласа
Second smallest eigenvalue of a graph Laplacian
Алгебраическая связность (также известная как значение Фидлера или собственное значение Фидлера в честь Мирослава Фидлера) графа G — это второе наименьшее собственное значение (при этом кратные собственные значения учитываются отдельно) матрицы Лапласа графа G. Это собственное значение больше 0 тогда и только тогда, когда граф G связный. Это следует из того факта, что количество нулей в спектре матрицы Лапласа равно количеству связных компонент графа. Модуль этого значения отражает степень связности графа в целом. Оно используется для анализа устойчивости и синхронизируемости сетей.
The algebraic connectivity (also known as Fiedler value or Fiedler eigenvalue after Miroslav Fiedler) of a graph G is the second smallest eigenvalue (counting multiple eigenvalues separately) of the Laplacian matrix of G. This eigenvalue is greater than 0 if and only if G is a connected graph. This is a corollary to the fact that the number of times 0 appears as an eigenvalue in the Laplacian is the number of connected components in the graph. The magnitude of this value reflects how well connected the overall graph is. It has been used in analyzing the robustness and synchronizability of networks.
Свойства
Алгебраическая связность ненаправленных графов с неотрицательными весами, причем неравенство строгое тогда и только тогда, когда G связен. Однако алгебраическая связность может быть отрицательной для общих ориентированных графов, даже если G является связным графом. Кроме того, значение алгебраической связности ограничено сверху традиционной (вершинной) связностью графа. Если число вершин ненаправленного связного графа с неотрицательными весами ребер равно n, а диаметр равен D, то алгебраическая связность также ограничена снизу , и фактически (по результату Брендана МакКея) для графа с 6 узлами, показанного выше (n=6, D=3), эти границы означают, что 4/18 = 0.222 ≤ алгебраическая связность ≤ 0.722 ≤ связность 1. В отличие от традиционной связности, алгебраическая связность зависит от числа вершин, а также от способа соединения вершин. В случайных графах алгебраическая связность уменьшается с увеличением числа вершин и увеличивается с увеличением средней степени. Точное определение алгебраической связности зависит от типа используемого лапласиана. Фан Чунг разработал обширную теорию, используя масштабированную версию лапласиана, устраняя зависимость от числа вершин, так что границы несколько иные. В моделях синхронизации в сетях, таких как модель Курамото, матрица Лапласа возникает естественным образом, поэтому алгебраическая связность дает представление о том, насколько легко сеть будет синхронизироваться. Другие меры, такие как среднее расстояние (характерная длина пути), также могут быть использованы, и на самом деле алгебраическая связность тесно связана с (обратной величиной) среднего расстояния.
The algebraic connectivity of undirected graphs with nonnegative weights, with the inequality being strict if and only if G is connected. However, the algebraic connectivity can be negative for general directed graphs, even if G is a connected graph. Furthermore, the value of the algebraic connectivity is bounded above by the traditional (vertex) connectivity of the graph, If the number of vertices of an undirected connected graph with nonnegative edge weights is n and the diameter is D, the algebraic connectivity is also known to be bounded below by , and in fact (in a result due to Brendan McKay) by For the graph with 6 nodes show above (n=6,D=3) these bound means, 4/18 = 0.222 ≤ algebraic connectivity 0.722 ≤ connectivity 1. Unlike the traditional connectivity, the algebraic connectivity is dependent on the number of vertices, as well as the way in which vertices are connected. In random graphs, the algebraic connectivity decreases with the number of vertices, and increases with the average degree. The exact definition of the algebraic connectivity depends on the type of Laplacian used. Fan Chung has developed an extensive theory using a rescaled version of the Laplacian, eliminating the dependence on the number of vertices, so that the bounds are somewhat different. In models of synchronization on networks, such as the Kuramoto model, the Laplacian matrix arises naturally, so the algebraic connectivity gives an indication of how easily the network will synchronize. Other measures, such as the average distance (characteristic path length) can also be used, and in fact the algebraic connectivity is closely related to the (reciprocal of the) average distance.
Вектор Фидлера
Первоначальная теория алгебраической связности была разработана Мирославом Фидлером. В его честь собственный вектор, соответствующий алгебраической связности, получил название вектора Фидлера. Вектор Фидлера можно использовать для разбиения графа на части.
The original theory related to algebraic connectivity was produced by Miroslav Fiedler. In his honor the eigenvector associated with the algebraic connectivity has been named the Fiedler vector. The Fiedler vector can be used to partition a graph.
Разделение графа с помощью вектора Фидлера
Для примера графа в вводной части вектор Фидлера выглядит следующим образом. Отрицательные значения соответствуют плохо связанной вершине 6 и соседней точке сочленения, вершине 4, а положительные – остальным вершинам. Таким образом, знаки значений в векторе Фидлера можно использовать для разделения графа на два компонента: в качестве альтернативы, значение 0,069 (которое близко к нулю) можно отнести к отдельному классу, разделив граф на три компонента: или переместить в другой компонент, как показано на рисунке. Квадраты компонентов вектора Фидлера, в сумме дающие единицу, поскольку вектор нормализован, можно интерпретировать как вероятности отнесения соответствующих точек данных к компонентам, сформированным на основе знаков.
For the example graph in the introductory section, the Fiedler vector is The negative values are associated with the poorly connected vertex 6, and the neighbouring articulation point, vertex 4; while the positive values are associated with the other vertices. The signs of the values in the Fiedler vector can therefore be used to partition this graph into two components: Alternatively, the value of 0.069 (which is close to zero) can be placed in a class of its own, partitioning the graph into three components: or moved to the other partition , as pictured. The squared values of the components of the Fiedler vector, summing up to one since the vector is normalized, can be interpreted as probabilities of the corresponding data points to be assigned to the sign based partition.