連分数と蛇グラフのパーフェクトマッチング数
- このペイパーに結び目のJones 多項式と団代数の話がある
- その中で、結び目が連分数と関係すること、蛇グラフが連分数と関係すること、その結果として、結び目が蛇グラフと関連することが書かれている
- そして蛇グラフは閉曲面上の三角化の団代数と関連することから、結び目不変量であるJones多項式が団代数と関連することが書かれている
- ある蛇グラフがあるとき、その頂点のパーフェクトマッチングの場合の数を分子とし、その蛇グラフをちょっと削った蛇グラフの頂点のパーフェクトマッチングの場合の数を分母とした分数が、連分数表現できることが書かれている
- その連分数表現は蛇グラフの折れ曲がり方により整数列として表せる
- 今、整数列があったときに、それが連分数という連分数とする
- このような連分数を整数列から計算したいので、Rでコードにしておく
- ただし、計算もしたいが、その値の分数表現もほしいのでそのような関数を作る
my.cont.frac <- function(as){ n <- length(as) bunsi <- as[n-1] * as[n] + 1 bunbo <- as[n] #print(bunsi) #print(bunbo) if(n > 2){ for(i in (n-2):1){ new.a <- as[i] new.bunsi <- new.a * bunsi + bunbo new.bunbo <- bunsi #print(i) #print(new.bunsi) #print(new.bunbo) bunsi <- new.bunsi bunbo <- new.bunbo } } return(list(q = bunsi/bunbo,bunsi = bunsi,bunbo = bunbo)) } as <- c(2,2,-2,-2) my.cont.frac(as)
- ちなみに、蛇グラフがまっすぐな時、となる
- これは、分子がフィボナッチ数なる数列(A015448 - OEIS)となり
- 分母がeven Fibonacci number (フィボナッチ数)(A014445 - OEIS)となっている
tt0 <- c(2,2) tt <- c() v <- c() bunsis <- bunbos <- c() for(i in 0:k){ tt <- c(tt,(-1)^i*tt0) tmp <- my.cont.frac(tt) v <- c(v,tmp$q) bunsis <- c(bunsis,tmp$bunsi) bunbos <- c(bunbos,tmp$bunbo) } plot(v) bunsis # bunbos # even Fibonacci number
Zonotope
- zonotopeは平行四辺形の多次元版のようなもの
- あるベクトルについて、係数を取るとはline segmentになる
- 複数のline segmentsのMikowski和, がzonotope
n.pt <- 6 d <- 2 vs <- matrix(rnorm(n.pt*d),ncol=d) #n.r.pt <- 10^4 #r <- matrix(runif(n.pt*n.r.pt),ncol=n.pt) s <- seq(from=0,to=1,length=6) r <- as.matrix(expand.grid(s,s,s,s,s,s)) X <- r %*% vs plot(X)
- 3次元版
n.pt <- 6 d <- 3 vs <- matrix(rnorm(n.pt*d),ncol=d) #n.r.pt <- 10^4 #r <- matrix(runif(n.pt*n.r.pt),ncol=n.pt) s <- seq(from=0,to=1,length=11) r <- as.matrix(expand.grid(s,s,s,s,s,s)) X <- r %*% vs library(rgl) plot3d(X)
トロピカル幾何、トロピカル曲面
- トロピカル代数では、2つの演算、積と和があるが、トロピカル積は、普通の和、トロピカル和は、最大値を取る、というルール
- トロピカル多項式 は
- これをRで計算して図示してみる
x1 <- x2 <- seq(from=-1,to=3,length=50) x1x2 <- expand.grid(x1,x2) f1 <- function(x){1 + 2 * x[,1]} f2 <- function(x){1 + 2 * x[,2]} f3 <- function(x){2 + x[,1] + x[,2]} f4 <- function(x){2 + x[,1]} f5 <- function(x){2 + x[,2]} f6 <- function(x){2} fs <- list(f1,f2,f3,f4,f5,f6) y <- matrix(0,length(x1x2[,1]),length(fs)) for(i in 1:length(fs)){ tmp.f <- fs[[i]] for(j in 1:length(x1x2[,1])){ y[j,i] <- tmp.f(x1x2[j,]) } } minf <- apply(y,1,which.max) image(x1,x2,matrix(minf,length(x1),length(x2)))
Matrix Balancing、Sinkhornの定理
- 二重確率行列と言う行列がある
- 正方行列であって、すべての行和とすべての列和が1であり、かつ、行列の全成分が0以上(0より大)
- 二重確率行列を確率推行列とする確率推移では全要素値が均一状態に収束する
- 二重確率行列は、置換行列の線形和 と表せて、となるという
- もちろん、n!通りある、置換行列のすべてについて足し合わせてこの条件を満足することもできるが、実際には、n!よりもっと少ない置換行列の線形和で表せることが知られている
- からわかるように、二重確率行列は置換行列が張る凸包の表面に相当する
- 二重確率行列の成分数はであるところ、置換行列の数はn!となっており、であるから、n!通りの置換行列を使わずとも、限定的な個数の置換行列の線形和で表せることになっている
- さて。
- 任意の要素 正 なる正方行列 Aはと二つの正方行列でサンドイッチすることで、二重確率行列にすることができる。Sinkhornの定理
- そして、D,Eは対角行列であって、対角成分は正だという
- 正成分の正方行列を二重確率行列にすることをmatrix balancingと言う
- D,Eは単純な繰り返し計算により、近似的に求まることも知られている
- そのアルゴリズムは複数、知られているが、以下の方法は、単純なアルゴリズムである
- Aの成分 は、i行の和とj列の和とを参考にして変化させたい値である
- もし、i行の和だけで標準化するだけでよければ、i行の和で割れば、行和1を全行について達成できる
- 列の方だけを気にするなら、列和で割ればよい
- 今は行も列も整えたいので、成分は、i行和とj列和の平方根の積で割ると、「良い感じ」
- それを繰り返す
n <- 100 A <- matrix(runif(n^2),n,n) As <- Ds <- Es <- list() As[[1]] <- A Ds[[1]] <- diag(rep(1,n)) Es[[1]] <- diag(rep(1,n)) # 繰り返し回数 n.iter <- 30 err <- rep(0,n.iter+1) err[1] <- sum((apply(As[[1]],1,sum)-1)^2) + sum((apply(As[[1]],2,sum)-1)^2) for(i in 1:n.iter){ As[[i+1]] <- Ds[[i]] %*% As[[1]] %*% Es[[i]] tmp.r <- apply(As[[i+1]],1,sum) # 行和 tmp.c <- apply(As[[i+1]],2,sum) # 列和 tmp.d <- 1/sqrt(tmp.r) # 行和の平方根 tmp.e <- 1/sqrt(tmp.c) # 列和の平方根 Ds[[i+1]] <- diag(tmp.d) %*% Ds[[i]] # 行和に関して調整するのは対角行列を左からかけること Es[[i+1]] <- diag(tmp.e) %*% Es[[i]] # 列和に関して調整するのは対角行列を右からかけること # 行和、列和の1からのずれの二乗和を繰り返しごとに計算しておく err[i+1] <- sum((apply(As[[i+1]],1,sum)-1)^2) + sum((apply(As[[i+1]],2,sum)-1)^2) } # 結果の確認 apply(As[[n.iter+1]],1,sum) apply(As[[n.iter+1]],2,sum) plot(err) # 関数化 my.sinkhorn.matbalance <- function(M,n.iter = 30){ n <- length(M[,1]) As <- Ds <- Es <- list() As[[1]] <- M Ds[[1]] <- diag(rep(1,n)) Es[[1]] <- diag(rep(1,n)) err <- rep(0,n.iter+1) err[1] <- sum((apply(As[[1]],1,sum)-1)^2) + sum((apply(As[[1]],2,sum)-1)^2) for(i in 1:n.iter){ As[[i+1]] <- Ds[[i]] %*% As[[1]] %*% Es[[i]] tmp.r <- apply(As[[i+1]],1,sum) # 行和 tmp.c <- apply(As[[i+1]],2,sum) # 列和 tmp.d <- 1/sqrt(tmp.r) # 行和の平方根 tmp.e <- 1/sqrt(tmp.c) # 列和の平方根 Ds[[i+1]] <- diag(tmp.d) %*% Ds[[i]] # 行和に関して調整するのは対角行列を左からかけること Es[[i+1]] <- diag(tmp.e) %*% Es[[i]] # 列和に関して調整するのは対角行列を右からかけること # 行和、列和の1からのずれの二乗和を繰り返しごとに計算しておく err[i+1] <- sum((apply(As[[i+1]],1,sum)-1)^2) + sum((apply(As[[i+1]],2,sum)-1)^2) } return(list(double.st.mat=As[[n.iter+1]],D=Ds[[n.iter+1]],E=Es[[n.iter+1]],As=As,Ds=Ds,Es=Es,err=err)) } M <- matrix(runif(n^2),n,n) out <- my.sinkhorn.matbalance(M) apply(out$double.st.mat,1,sum) apply(out$double.st.mat,2,sum)
> apply(out$double.st.mat,1,sum) [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 [45] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 [89] 1 1 1 1 1 1 1 1 1 1 1 1 > apply(out$double.st.mat,2,sum) [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 [45] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 [89] 1 1 1 1 1 1 1 1 1 1 1 1
Ptolemy の定理とPlucker 座標、小行列式、flag minor、Grassmanian(2,n)
- 団代数をやっていると、Ptolemyの定理が出てくる
- 三角化の団代数では、円周上の4点ABCDについて、AC x BD = AB x CD + BC x ADという辺の長さの関係により、団変数の値の関係が論じられる
- 他方、Grassmanian(2,n) の団代数では、n角形の内部の三角化が論じられ、2行の行列Mについて、辺 i-j について、2x2行列としてM[1:2,c(i,j)]を取り出し、その行列式の間に三角化における四角形の4辺と2つの対角線に相当する行列式の関係が持ち出される
- もし、Grassmanian(2,n)のn角形を単位円周上に取れば、この行列式は、長さ1のベクトルに関する(x1y2 - x2y1)なる計算式で表されるが、これはとなっていて、これは、2ベクトルが作る平行四辺形の面積に相当するが、これが、円周上の2点を結ぶ長さとも関連する、ということで、円周上4点の頂点間距離と行列式とが同じものを表していることが解る
- そんな具合に、団代数のPtolemy定理は形を変えて現れる
- ちなみに、行列式では が現れ、トレミーの定理ではが辺・対角線の長さになっており、値自体は異なるが、団変異に伴うの関係が、行列式でも直線の長さでも成立するというところがキモ
t1 <- runif(1) t2 <- runif(1) A <- c(cos(t1),sin(t1)) B <- c(cos(t2),sin(t2)) d <- sqrt(sum((A-B)^2)) d2 <- sin(t1-t2) sqrt(2 - 2 * sqrt(1-d2^2)) d ts <- sort(runif(4)*2*pi) X <- rbind(cos(ts),sin(ts)) det(X[,1:2]) * det(X[,3:4]) + det(X[,2:3]) * det(X[,c(1,4)]) det(X[,c(1,3)]) * det(X[,c(2,4)]) L1 <- sqrt(sum((X[,1]-X[,2])^2)) L2 <- sqrt(sum((X[,2]-X[,3])^2)) L3 <- sqrt(sum((X[,3]-X[,4])^2)) L4 <- sqrt(sum((X[,4]-X[,1])^2)) L5 <- sqrt(sum((X[,1]-X[,3])^2)) L6 <- sqrt(sum((X[,2]-X[,4])^2)) L5 * L6 L1 * L3 + L2 * L4
- 上の例では、原点を中心とした単位円周上の4点の話
- 次に、2次元平面の任意の円周上の4点で、行列式と、辺・対角線の長さとの2つの演算が、変異に関して同様の等式を満足することを確かめる
ts <- sort(runif(4)) * 2 * pi r <- runif(1) * 5 x0 <- rnorm(1) * 10 y0 <- rnorm(1) * 10 Vs <- r * rbind(cos(ts),sin(ts)) Vs[1,] <- Vs[1,] + x0 Vs[2,] <- Vs[2,] + y0 plot(t(Vs)) M12 <- Vs[,c(1,2)] M23 <- Vs[,c(2,3)] M34 <- Vs[,c(3,4)] M14 <- Vs[,c(1,4)] M13 <- Vs[,c(1,3)] M24 <- Vs[,c(2,4)] det(M13) * det(M24) det(M12) * det(M34) + det(M23) * det(M14) L12 <- sqrt(sum((M12[,1]-M12[,2])^2)) L23 <- sqrt(sum((M23[,1]-M23[,2])^2)) L34 <- sqrt(sum((M34[,1]-M34[,2])^2)) L14 <- sqrt(sum((M14[,1]-M14[,2])^2)) L13 <- sqrt(sum((M13[,1]-M13[,2])^2)) L24 <- sqrt(sum((M24[,1]-M24[,2])^2)) L13 * L24 L12 * L34 + L23 * L14
t <- sort(runif(4) * 2 * pi) * 10 # * 10 をしなければ、円周上に順番に並んだ点だが、それを大きく倍しても成り立つ… sin(t[3]-t[1]) * sin(t[4]-t[2]) sin(t[2]-t[1]) * sin(t[4]-t[3]) + sin(t[3]-t[2]) * sin(t[4]-t[1]) M <- rbind(cos(t),sin(t)) d12 <- det(M[,1:2]) d13 <- det(M[,c(1,3)]) d14 <- det(M[,c(1,4)]) d23 <- det(M[,c(2,3)]) d24 <- det(M[,c(2,4)]) d34 <- det(M[,3:4]) d12 * d34 + d23 * d14 d13 * d24