SlideShare una empresa de Scribd logo
1 de 45
Copyright © 2016 NTT DATA Mathematical Systems Inc.
2017/10/07 s.t.@simizut22
ロマンティック数学ナイト@MathPower Day1
M→E→M
2Copyright © 2016 NTT DATA Mathematical Systems Inc.
Contents
目的
Möbius 関数
Euler 標数
Magnitude
まとめ
3Copyright © 2016 NTT DATA Mathematical Systems Inc.
目的
4Copyright © 2016 NTT DATA Mathematical Systems Inc.
目的
Euler 標数 𝜒は次の意味で一種の測度、または “個数” と思える
1. (有限加法性)
𝜒 𝐴 ∪ 𝐵 = 𝜒 𝐴 + 𝜒 𝐵 − 𝜒 𝐴 ∩ 𝐵
2. (積 preserving)
𝜒 𝐴 × 𝐵 = 𝜒 𝐴 ⋅ 𝜒 𝐵
Euler 標数は object の”次元”に非依存な重要な値を与える
→ Euler 標数を拡張することには意味があるだろう
5Copyright © 2016 NTT DATA Mathematical Systems Inc.
目的
Euler 標数を位相空間以外に対して与える試み
1. Rota による Poset の Euler 標数
2. Baez & Dolan による Groupoid に対する Groupoid Cardinality
3. Category 𝔸 に対して分類空間を用いた Euler 標数 𝜒 𝐵𝔸
6Copyright © 2016 NTT DATA Mathematical Systems Inc.
目的
これらと一致する圏の Euler 標数を
Möbius 関数を使用して定義する
7Copyright © 2016 NTT DATA Mathematical Systems Inc.
注意
この発表では若干ながら圏論の言葉が使われています。
もしこれらに馴染みのない方は
alg-d.com へ
8Copyright © 2016 NTT DATA Mathematical Systems Inc.
0. Möbius 関数の進展
9Copyright © 2016 NTT DATA Mathematical Systems Inc.
0. Möbius 関数の進展
10Copyright © 2016 NTT DATA Mathematical Systems Inc.
0. Möbius 関数の進展
11Copyright © 2016 NTT DATA Mathematical Systems Inc.
0. Möbius 関数の進展
Copyright © 2016 NTT DATA Mathematical Systems Inc. 12
1. Number Theoretic Möbius Inversion
13Copyright © 2016 NTT DATA Mathematical Systems Inc.
1. Number Theoretic Möbius Inversion
14Copyright © 2016 NTT DATA Mathematical Systems Inc.
1. Number Theoretic Möbius Inversion
Möbius (1831) による古典的 なMöbius 関数
𝜇 𝑛 ≔
−1 𝑟 𝑛 = 𝑝1 ⋯ 𝑝 𝑟
0 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
について、
Möbius 反転公式が成り立つ。i.e.
𝜁 n = 1 ∶ ℕ → ℂ
を定数関数とすると、Dirichlet convolution に
関して 𝜇 は 𝜁 の right-inverse.
August Ferdinand Möbius(画像はwikiより
Copyright © 2016 NTT DATA Mathematical Systems Inc. 15
2. Möbius Inversion for Posets
16Copyright © 2016 NTT DATA Mathematical Systems Inc.
2. Möbius Inversion for Posets
17Copyright © 2016 NTT DATA Mathematical Systems Inc.
2. Möbius Inversion for Posets
Gian-Carlo Rota(1932-1999)
画像は A Biographical Memoir by Joseph P.S. Kungより抜粋
18Copyright © 2016 NTT DATA Mathematical Systems Inc.
2. Möbius Inversion for Poset
ℙ, ≤ を有限な半順序集合(locally finite poset)とする
ℙ × ℙ 行列 Z を
𝑍 𝑎,𝑏 =
1, 𝑎 ≤ 𝑏
0, 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
で定める
Thm(Hall 1936)
𝑍 は正則でありその逆行列 𝜇ℙ = 𝑍−1
は
𝜇 𝑎,𝑏 =
𝑛∈ℕ
−1 𝑛
⋅ # 𝑎 = 𝑎0 < ⋯ < 𝑎 𝑛 = 𝑏
で表される。これを Poset ℙ のメビウス関数という
19Copyright © 2016 NTT DATA Mathematical Systems Inc.
2. Möbius Inversion for Poset
Poset に対する上の定義は、最初の Möbius 関数の定義を次の意味で拡張し
ている。
ℤ>0 上に divisibility によって半順序を入れる。i.e.
𝑎 ≼ 𝑏 ⇔ 𝑎 は 𝑏 を割り切る a | b
このとき、
𝜇ℤ>0
𝑎 ∣ 𝑏 = 𝜇 𝑐𝑙𝑎𝑠𝑠𝑖𝑐
𝑏
𝑎
∵
𝑏:𝑎≤𝑏≤𝑐 𝜇ℙ 𝑎 ≤ 𝑏 = 𝛿 𝑎,𝑐 を使用して帰納的に確認できる
Copyright © 2016 NTT DATA Mathematical Systems Inc. 20
3. Fine Möbius Inversion for categories
21Copyright © 2016 NTT DATA Mathematical Systems Inc.
3. Fine Möbius Inversion for categories
22Copyright © 2016 NTT DATA Mathematical Systems Inc.
3. Fine Möbius Inversion for categories
略
Copyright © 2016 NTT DATA Mathematical Systems Inc. 23
4. Coarse Möbius Inversion for categories
24Copyright © 2016 NTT DATA Mathematical Systems Inc.
4. Coarse Möbius Inversion for categories
25Copyright © 2016 NTT DATA Mathematical Systems Inc.
4. Coarse Möbius Inversion for categories
Rota による構成のアナロジーを “よい” 圏に対して行いたい
Def(Möbius 関数)
𝔸 ∶ を finite category とする。
ob𝔸 × ob𝔸-行列 Z を
𝑍 𝑎,𝑏 ≔ #Hom 𝔸 𝑎, 𝑏
とする。
Z が正則のとき、その逆行列
𝜇 𝔸 ≔ 𝑍−1
∈ GL ob𝔸; 𝑘
を 𝔸 の Möbius 関数という。
26Copyright © 2016 NTT DATA Mathematical Systems Inc.
4. Coarse Möbius Inversion for categories
例1(Poset)
Poset ℙ に対しては
| Poset に対しての Möbius 関数
| Category に対しての Möbius 関数
の一致は明らか
例2 (Monoid)
Monoid M を object をただ一つ持つ category と思うと、
𝜁 = #𝑀
𝜇 =
1
#𝑀
特に Monoid(or Grp) は常に Möbius Inversion を持つことを表す
これは Monoid に対する Cartier & Foata (1969) と一致
27Copyright © 2016 NTT DATA Mathematical Systems Inc.
4. Coarse Möbius Inversion for categories
Möbius 反転公式の類似が category の Möbius 関数についても成立
Thm
𝑋: 𝔸 → 𝑆𝑒𝑡 を表現可能関手の直和とする i.e.
𝑋 ≈
𝑎
∃
𝑟 𝑎 Hom 𝔸 𝑎, −
このとき、 𝑟 𝑎 は Möbius 関数 𝜇 を用いて以下のようにかける。
𝑟 𝑎 =
𝑏
#𝑋𝑏 ⋅ 𝜇 𝑏, 𝑎
28Copyright © 2016 NTT DATA Mathematical Systems Inc.
4. Coarse Möbius Inversion for categories
例(モンモール数の計算)
完全順列の総数 𝑑 𝑛 :モンモール数(Montmort number)を計算してみる
𝔻 𝑁 を 1, … , 𝑁 を object とし、
Hom 𝔻 𝑁
𝑖, 𝑗 = 𝑖 ↪ [𝑗]
を射の集合とする圏とする
また 𝑆: 𝔻 𝑁 → 𝑆𝑒𝑡 を 𝑆 𝑛 ≔ 𝔖 𝑛 という関手とする。
関手 𝑆 は 表現可能関手の直和に分解する:
𝑆 ≈
𝑛
𝑑 𝑛 Hom 𝔻 𝑁
𝑛, −
よって、 Möbius 反転公式から
𝑑 𝑛 =
𝑚
𝑆 𝑚 ⋅ 𝜇 𝔻 𝑁
𝑚, 𝑛 = 𝑛!
1
0!
−
1
1!
+ ⋯ +
−1 𝑛
𝑛!
Copyright © 2016 NTT DATA Mathematical Systems Inc. 29
5. Euler Characteristics via Möbius function
30Copyright © 2016 NTT DATA Mathematical Systems Inc.
5. Euler Characteristics via Möbius function
定義(Euler 標数 for category)
Möbius inversion を持つ圏 𝔸 に対し
𝜒 𝔸 ≔
𝑎,𝑏∈𝑜𝑏𝔸
𝜇 𝔸 𝑎, 𝑏
を Euler 標数という。
Prop
1. 𝜒 は 直和、直積を保つ
2. 𝔸 ⋍ 𝔹 ⇒ 𝜒 𝔸 = 𝜒 𝔹
3. 𝐹: 𝔸 ⇄ 𝔹: 𝐺 を随伴, i.e. 𝐹 ⊣ 𝐺とすると 𝜒 𝔸 = 𝜒 𝔹
31Copyright © 2016 NTT DATA Mathematical Systems Inc.
5. Euler Characteristics via Möbius function
グラフに対しての Euler 標数と category に対しての Euler 標数は”一致”
Prop.
𝐺 = 𝑉, 𝐸 :有限 acyclic quiver 対し、
𝜒 𝐹 𝐺 = 𝑉 − 𝐸
ここで 𝐹 𝐺 は free category on G
Remark:
ここから、
逆に圏を有向グラフと思えるが、その Euler 標数は射の合成にはよらず、
その underlying graph にしか依存していない不変量であることがわかる
32Copyright © 2016 NTT DATA Mathematical Systems Inc.
5. Euler Characteristics via Möbius function
分類空間 𝐵𝔸 の Euler 標数が定義される、”適切な”圏に対しては、位相的な
Euler 標数と category に対してのそれは一致する
Prop.
適切な圏 𝔸 に対し分類空間の(位相的な) Euler 標数が定まるとする
𝜒 𝐵𝔸 = 𝜒 𝔸
33Copyright © 2016 NTT DATA Mathematical Systems Inc.
5. Euler Characteristics via Möbius function
例 (Groupid)
𝔾 を 有限 groupoid とし各連結成分から 1 点 𝑎𝑖 をとる。
このとき
𝜒 𝔾 =
𝑖
1
#Aut 𝑎𝑖
これは Baez & Dolan (2001)の Groupooid Cardinality と一致
34Copyright © 2016 NTT DATA Mathematical Systems Inc.
5. Euler Characteristics via Möbius function
三角形分割された多様体に対しては、その face poset を経由することで
Euler 標数が定義される
一方、位相的(または (co)homology 的) な Euler 標数も定義できるが、整数
係数で両者は一致(Leinster & Moerdijk)
i.e. 次は可換
Copyright © 2016 NTT DATA Mathematical Systems Inc. 35
6. From Euler Characteristics to Magnitude
36Copyright © 2016 NTT DATA Mathematical Systems Inc.
6. From Euler Characteristics to Magnitude
Euler 標数は Magnitude という概念に一般化されている
𝒱 : semi-cartesian monoidal category
𝕏 : 𝒱 上の豊穣圏(category enriched over 𝒱 )
𝐴: 𝒱 → 𝐴𝑏 : small functor
というデータに対し、 𝕏 の 𝐴 係数 Magnitude が定義される
例:
1. 𝑆𝑒𝑡 上の豊穣圏は通常の圏
↝ Magnitude for (locally fin.) category
1. Poset ℤ≥0 ∪ {∞} 上の豊穣圏は Graph
↝ Magnitude for Graph
1. 距離空間は ][0, ∞ 上の豊穣圏と思える(Lawvere ‘73
↝ Magnitude for (cpt) Metric Space
37Copyright © 2016 NTT DATA Mathematical Systems Inc.
6. From Euler Characteristics to Magnitude
コンパクト距離空間 X に対し、その magnitude を 𝑋 で表すとする。
例:
1. 𝜙 = 0
2. ∗ = 1
3. ∗← 𝑙 →∗ =
2
1+𝑒−𝑙 →
1 𝑙 → +0
2 𝑙 → ∞
Magnitude は(Euler 標数に対して述べたように) 点の個数と思える
38Copyright © 2016 NTT DATA Mathematical Systems Inc.
6. From Euler Characteristics to Magnitude
距離空間 X に対し距離を t 倍した距離空間を tX で書くとする。
例:
この X について tX の変化を見よう
Observation:
• t が small のとき tX はほぼ 1pt( 0 次元 )に見える
• t が 普通のとき、 tX はだいたい円周(1 次元)に見える
• t が largeのとき、 tX はほぼ空集合(0 次元)のように見える
39Copyright © 2016 NTT DATA Mathematical Systems Inc.
6. From Euler Characteristics to Magnitude
Def: (Magnitude Dimension)
dim 𝑋, 𝑡 ≔ growth 𝑡𝑋 , 𝑡
where
growth 𝑓, 𝑡 =
𝑑 log𝑓 𝑡
𝑑 log𝑡
Growth の例:
𝑓 = 𝐶𝑡 𝑛
のとき、 growth 𝑓, 𝑡 = 𝑛 □
Magnitude Dimension の例:
Euclid 空間 ℝ 𝑛 の半径 r 以下のなす球体の体積は ∃
𝑐𝑟 𝑛
よって、半径 1 の球体 𝐷 𝑛 について
dim 𝐷 𝑛, 𝑡 = 𝑛 ∀𝑡
40Copyright © 2016 NTT DATA Mathematical Systems Inc.
6. From Euler Characteristics to Magnitude
先ほど挙げた例
に対し Magnitude Dimension は次のようなグラフで与えられる。
41Copyright © 2016 NTT DATA Mathematical Systems Inc.
6. From Euler Characteristics to Magnitude
Thm(Barcelo & Carbery 2015)
𝑋 ⊂ ℝ 𝑛
: compact に対し
lim
𝑡→+0
𝑡𝑋 = 1
Remark:
ℓ1 𝑛𝑜𝑟𝑚 の場合は比較的簡単。 ℓ2 𝑛𝑜𝑟𝑚 ではもうちょい複雑
Thm: (Meckes 2015)
𝑋 ⊂ ℝ 𝑛
: compact に対し
lim
𝑡→∞
dim 𝑋, 𝑡 = dim 𝑀𝑖𝑛𝑘 𝑋
右辺はミンコフスキー次元
証明は再生核 Hilbert 空間(RKHS) での Fourier 解析による
42Copyright © 2016 NTT DATA Mathematical Systems Inc.
応用
ある生態系における種の多様性を測るのに Magnitude を使用している
Ref:
* T. Leinster. 2009 “A maximum entropy theorem with applications to the
measurement of biodiversity. “
* T. Leinster and C. Cobbold. 2012 “Measuring diversity: the importance of
species similarity. “
* T. Leinster and M. W. Meckes. 2016 “Maximizing diversity in biology and
beyond.”
43Copyright © 2016 NTT DATA Mathematical Systems Inc.
まとめ
• 数論的なメビウス関数の Poset への拡張(主に Rota により)
• 局所有限な圏に対する類似の構成
• メビウス関数を経由して Euler 標数が圏に対して定まる
• それは Poset, Monoid, groupid, graph, etc に対するその他の構成を含む
• 豊穣圏に対して定義を拡張 ↝ Magnitude
• 圏論的な構成で与えられた Magnitude が幾何学的な不変量を与えた
• Magnitude の categorification : Magnitude Homology の構成
Copyright © 2011 NTT DATA Corporation
Copyright © 2016 NTT DATA Mathematical Systems Inc.
Copyright © 2011 NTT DATA Corporation
Copyright © 2016 NTT DATA Mathematical Systems Inc.
代トポの光

Más contenido relacionado

La actualidad más candente

How to study stat
How to study statHow to study stat
How to study stat
Ak Ok
 
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
Tasuku Soma
 
競技プログラミングでの線型方程式系
競技プログラミングでの線型方程式系競技プログラミングでの線型方程式系
競技プログラミングでの線型方程式系
tmaehara
 
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
noname409
 
行列補完を用いた無線マルチキャスト符号構成アルゴリズム
行列補完を用いた無線マルチキャスト符号構成アルゴリズム行列補完を用いた無線マルチキャスト符号構成アルゴリズム
行列補完を用いた無線マルチキャスト符号構成アルゴリズム
Tasuku Soma
 

La actualidad más candente (20)

How to study stat
How to study statHow to study stat
How to study stat
 
動的計画法を極める!
動的計画法を極める!動的計画法を極める!
動的計画法を極める!
 
最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く
 
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
整数格子点上の劣モジュラ被覆に対する高速アルゴリズム
 
Introduction to Topological Data Analysis
Introduction to Topological Data AnalysisIntroduction to Topological Data Analysis
Introduction to Topological Data Analysis
 
とぽろじー入門(画像なし版)
とぽろじー入門(画像なし版)とぽろじー入門(画像なし版)
とぽろじー入門(画像なし版)
 
Practical topology
Practical topologyPractical topology
Practical topology
 
SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来
 
しかくのお勉強
しかくのお勉強しかくのお勉強
しかくのお勉強
 
競技プログラミングでの線型方程式系
競技プログラミングでの線型方程式系競技プログラミングでの線型方程式系
競技プログラミングでの線型方程式系
 
ディジタル信号処理 課題解説(その1) 2014年度版
ディジタル信号処理 課題解説(その1) 2014年度版ディジタル信号処理 課題解説(その1) 2014年度版
ディジタル信号処理 課題解説(その1) 2014年度版
 
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法
 
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
 
Infinite SVM - ICML 2011 読み会
Infinite SVM - ICML 2011 読み会Infinite SVM - ICML 2011 読み会
Infinite SVM - ICML 2011 読み会
 
PRML 第4章
PRML 第4章PRML 第4章
PRML 第4章
 
ディジタル信号処理 課題解説(その3) 2014年度版
ディジタル信号処理 課題解説(その3) 2014年度版ディジタル信号処理 課題解説(その3) 2014年度版
ディジタル信号処理 課題解説(その3) 2014年度版
 
【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながり【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながり
 
PRML_titech 8.1 - 8.2
PRML_titech 8.1 - 8.2PRML_titech 8.1 - 8.2
PRML_titech 8.1 - 8.2
 
行列補完を用いた無線マルチキャスト符号構成アルゴリズム
行列補完を用いた無線マルチキャスト符号構成アルゴリズム行列補完を用いた無線マルチキャスト符号構成アルゴリズム
行列補完を用いた無線マルチキャスト符号構成アルゴリズム
 
2020年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2020. 10. 9)
2020年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2020. 10. 9)2020年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2020. 10. 9)
2020年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2020. 10. 9)
 

Similar a Magnitude ~ extend the Euler Characteristics via Möbius Inversion ~

生物統計特論3資料 2006 ギブス MCMC isseing333
生物統計特論3資料 2006 ギブス MCMC isseing333生物統計特論3資料 2006 ギブス MCMC isseing333
生物統計特論3資料 2006 ギブス MCMC isseing333
Issei Kurahashi
 
Chap12 4 appendix_suhara
Chap12 4 appendix_suharaChap12 4 appendix_suhara
Chap12 4 appendix_suhara
sleepy_yoshi
 
Chap12 4 appendix_suhara
Chap12 4 appendix_suharaChap12 4 appendix_suhara
Chap12 4 appendix_suhara
sleepy_yoshi
 
ディジタル信号処理の課題解説
ディジタル信号処理の課題解説ディジタル信号処理の課題解説
ディジタル信号処理の課題解説
noname409
 
指数時間アルゴリズムの最先端
指数時間アルゴリズムの最先端指数時間アルゴリズムの最先端
指数時間アルゴリズムの最先端
Yoichi Iwata
 
2次元/3次元幾何学変換の統一的な最適計算論文
2次元/3次元幾何学変換の統一的な最適計算論文2次元/3次元幾何学変換の統一的な最適計算論文
2次元/3次元幾何学変換の統一的な最適計算論文
doboncho
 

Similar a Magnitude ~ extend the Euler Characteristics via Möbius Inversion ~ (20)

双対性
双対性双対性
双対性
 
A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”
 
生物統計特論3資料 2006 ギブス MCMC isseing333
生物統計特論3資料 2006 ギブス MCMC isseing333生物統計特論3資料 2006 ギブス MCMC isseing333
生物統計特論3資料 2006 ギブス MCMC isseing333
 
多目的強凸最適化のパレート集合のトポロジー
多目的強凸最適化のパレート集合のトポロジー多目的強凸最適化のパレート集合のトポロジー
多目的強凸最適化のパレート集合のトポロジー
 
数理最適化と機械学習の 融合アプローチ -分類と新しい枠組み-
数理最適化と機械学習の融合アプローチ-分類と新しい枠組み-数理最適化と機械学習の融合アプローチ-分類と新しい枠組み-
数理最適化と機械学習の 融合アプローチ -分類と新しい枠組み-
 
Chap12 4 appendix_suhara
Chap12 4 appendix_suharaChap12 4 appendix_suhara
Chap12 4 appendix_suhara
 
Chap12 4 appendix_suhara
Chap12 4 appendix_suharaChap12 4 appendix_suhara
Chap12 4 appendix_suhara
 
yyoshida thesis
yyoshida thesisyyoshida thesis
yyoshida thesis
 
ディジタル信号処理の課題解説
ディジタル信号処理の課題解説ディジタル信号処理の課題解説
ディジタル信号処理の課題解説
 
幾何を使った統計のはなし
幾何を使った統計のはなし幾何を使った統計のはなし
幾何を使った統計のはなし
 
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
 
指数時間アルゴリズムの最先端
指数時間アルゴリズムの最先端指数時間アルゴリズムの最先端
指数時間アルゴリズムの最先端
 
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
 
2次元/3次元幾何学変換の統一的な最適計算論文
2次元/3次元幾何学変換の統一的な最適計算論文2次元/3次元幾何学変換の統一的な最適計算論文
2次元/3次元幾何学変換の統一的な最適計算論文
 
JSIAM_2019_9_4
JSIAM_2019_9_4JSIAM_2019_9_4
JSIAM_2019_9_4
 
数理解析道場
数理解析道場数理解析道場
数理解析道場
 
Probabilistic Graphical Models 輪読会 #1
Probabilistic Graphical Models 輪読会 #1Probabilistic Graphical Models 輪読会 #1
Probabilistic Graphical Models 輪読会 #1
 
複素数・四元数と図形の回転
複素数・四元数と図形の回転複素数・四元数と図形の回転
複素数・四元数と図形の回転
 
HiPPO/S4解説
HiPPO/S4解説HiPPO/S4解説
HiPPO/S4解説
 
「現実世界に活かす数学」 (麻布高等学校、教養総合、数学講義 5 回目)
「現実世界に活かす数学」 (麻布高等学校、教養総合、数学講義 5 回目)「現実世界に活かす数学」 (麻布高等学校、教養総合、数学講義 5 回目)
「現実世界に活かす数学」 (麻布高等学校、教養総合、数学講義 5 回目)
 

Más de Tatsuki SHIMIZU (8)

エキゾチック球面ナイト(浮気編)~28 日周期の彼女たち~
エキゾチック球面ナイト(浮気編)~28 日周期の彼女たち~エキゾチック球面ナイト(浮気編)~28 日周期の彼女たち~
エキゾチック球面ナイト(浮気編)~28 日周期の彼女たち~
 
Euler 標数は測度ですか??
Euler 標数は測度ですか??Euler 標数は測度ですか??
Euler 標数は測度ですか??
 
情報幾何学の基礎 第2章 4.5
情報幾何学の基礎 第2章 4.5情報幾何学の基礎 第2章 4.5
情報幾何学の基礎 第2章 4.5
 
Jules henri poincaré
Jules henri poincaréJules henri poincaré
Jules henri poincaré
 
情報幾何の基礎輪読会 #1
情報幾何の基礎輪読会 #1情報幾何の基礎輪読会 #1
情報幾何の基礎輪読会 #1
 
Effective modern-c++#9
Effective modern-c++#9Effective modern-c++#9
Effective modern-c++#9
 
effective modern c++ chapeter36
effective modern c++ chapeter36effective modern c++ chapeter36
effective modern c++ chapeter36
 
emc++ chapter32
emc++ chapter32emc++ chapter32
emc++ chapter32
 

Magnitude ~ extend the Euler Characteristics via Möbius Inversion ~

  • 1. Copyright © 2016 NTT DATA Mathematical Systems Inc. 2017/10/07 s.t.@simizut22 ロマンティック数学ナイト@MathPower Day1 M→E→M
  • 2. 2Copyright © 2016 NTT DATA Mathematical Systems Inc. Contents 目的 Möbius 関数 Euler 標数 Magnitude まとめ
  • 3. 3Copyright © 2016 NTT DATA Mathematical Systems Inc. 目的
  • 4. 4Copyright © 2016 NTT DATA Mathematical Systems Inc. 目的 Euler 標数 𝜒は次の意味で一種の測度、または “個数” と思える 1. (有限加法性) 𝜒 𝐴 ∪ 𝐵 = 𝜒 𝐴 + 𝜒 𝐵 − 𝜒 𝐴 ∩ 𝐵 2. (積 preserving) 𝜒 𝐴 × 𝐵 = 𝜒 𝐴 ⋅ 𝜒 𝐵 Euler 標数は object の”次元”に非依存な重要な値を与える → Euler 標数を拡張することには意味があるだろう
  • 5. 5Copyright © 2016 NTT DATA Mathematical Systems Inc. 目的 Euler 標数を位相空間以外に対して与える試み 1. Rota による Poset の Euler 標数 2. Baez & Dolan による Groupoid に対する Groupoid Cardinality 3. Category 𝔸 に対して分類空間を用いた Euler 標数 𝜒 𝐵𝔸
  • 6. 6Copyright © 2016 NTT DATA Mathematical Systems Inc. 目的 これらと一致する圏の Euler 標数を Möbius 関数を使用して定義する
  • 7. 7Copyright © 2016 NTT DATA Mathematical Systems Inc. 注意 この発表では若干ながら圏論の言葉が使われています。 もしこれらに馴染みのない方は alg-d.com へ
  • 8. 8Copyright © 2016 NTT DATA Mathematical Systems Inc. 0. Möbius 関数の進展
  • 9. 9Copyright © 2016 NTT DATA Mathematical Systems Inc. 0. Möbius 関数の進展
  • 10. 10Copyright © 2016 NTT DATA Mathematical Systems Inc. 0. Möbius 関数の進展
  • 11. 11Copyright © 2016 NTT DATA Mathematical Systems Inc. 0. Möbius 関数の進展
  • 12. Copyright © 2016 NTT DATA Mathematical Systems Inc. 12 1. Number Theoretic Möbius Inversion
  • 13. 13Copyright © 2016 NTT DATA Mathematical Systems Inc. 1. Number Theoretic Möbius Inversion
  • 14. 14Copyright © 2016 NTT DATA Mathematical Systems Inc. 1. Number Theoretic Möbius Inversion Möbius (1831) による古典的 なMöbius 関数 𝜇 𝑛 ≔ −1 𝑟 𝑛 = 𝑝1 ⋯ 𝑝 𝑟 0 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒 について、 Möbius 反転公式が成り立つ。i.e. 𝜁 n = 1 ∶ ℕ → ℂ を定数関数とすると、Dirichlet convolution に 関して 𝜇 は 𝜁 の right-inverse. August Ferdinand Möbius(画像はwikiより
  • 15. Copyright © 2016 NTT DATA Mathematical Systems Inc. 15 2. Möbius Inversion for Posets
  • 16. 16Copyright © 2016 NTT DATA Mathematical Systems Inc. 2. Möbius Inversion for Posets
  • 17. 17Copyright © 2016 NTT DATA Mathematical Systems Inc. 2. Möbius Inversion for Posets Gian-Carlo Rota(1932-1999) 画像は A Biographical Memoir by Joseph P.S. Kungより抜粋
  • 18. 18Copyright © 2016 NTT DATA Mathematical Systems Inc. 2. Möbius Inversion for Poset ℙ, ≤ を有限な半順序集合(locally finite poset)とする ℙ × ℙ 行列 Z を 𝑍 𝑎,𝑏 = 1, 𝑎 ≤ 𝑏 0, 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒 で定める Thm(Hall 1936) 𝑍 は正則でありその逆行列 𝜇ℙ = 𝑍−1 は 𝜇 𝑎,𝑏 = 𝑛∈ℕ −1 𝑛 ⋅ # 𝑎 = 𝑎0 < ⋯ < 𝑎 𝑛 = 𝑏 で表される。これを Poset ℙ のメビウス関数という
  • 19. 19Copyright © 2016 NTT DATA Mathematical Systems Inc. 2. Möbius Inversion for Poset Poset に対する上の定義は、最初の Möbius 関数の定義を次の意味で拡張し ている。 ℤ>0 上に divisibility によって半順序を入れる。i.e. 𝑎 ≼ 𝑏 ⇔ 𝑎 は 𝑏 を割り切る a | b このとき、 𝜇ℤ>0 𝑎 ∣ 𝑏 = 𝜇 𝑐𝑙𝑎𝑠𝑠𝑖𝑐 𝑏 𝑎 ∵ 𝑏:𝑎≤𝑏≤𝑐 𝜇ℙ 𝑎 ≤ 𝑏 = 𝛿 𝑎,𝑐 を使用して帰納的に確認できる
  • 20. Copyright © 2016 NTT DATA Mathematical Systems Inc. 20 3. Fine Möbius Inversion for categories
  • 21. 21Copyright © 2016 NTT DATA Mathematical Systems Inc. 3. Fine Möbius Inversion for categories
  • 22. 22Copyright © 2016 NTT DATA Mathematical Systems Inc. 3. Fine Möbius Inversion for categories 略
  • 23. Copyright © 2016 NTT DATA Mathematical Systems Inc. 23 4. Coarse Möbius Inversion for categories
  • 24. 24Copyright © 2016 NTT DATA Mathematical Systems Inc. 4. Coarse Möbius Inversion for categories
  • 25. 25Copyright © 2016 NTT DATA Mathematical Systems Inc. 4. Coarse Möbius Inversion for categories Rota による構成のアナロジーを “よい” 圏に対して行いたい Def(Möbius 関数) 𝔸 ∶ を finite category とする。 ob𝔸 × ob𝔸-行列 Z を 𝑍 𝑎,𝑏 ≔ #Hom 𝔸 𝑎, 𝑏 とする。 Z が正則のとき、その逆行列 𝜇 𝔸 ≔ 𝑍−1 ∈ GL ob𝔸; 𝑘 を 𝔸 の Möbius 関数という。
  • 26. 26Copyright © 2016 NTT DATA Mathematical Systems Inc. 4. Coarse Möbius Inversion for categories 例1(Poset) Poset ℙ に対しては | Poset に対しての Möbius 関数 | Category に対しての Möbius 関数 の一致は明らか 例2 (Monoid) Monoid M を object をただ一つ持つ category と思うと、 𝜁 = #𝑀 𝜇 = 1 #𝑀 特に Monoid(or Grp) は常に Möbius Inversion を持つことを表す これは Monoid に対する Cartier & Foata (1969) と一致
  • 27. 27Copyright © 2016 NTT DATA Mathematical Systems Inc. 4. Coarse Möbius Inversion for categories Möbius 反転公式の類似が category の Möbius 関数についても成立 Thm 𝑋: 𝔸 → 𝑆𝑒𝑡 を表現可能関手の直和とする i.e. 𝑋 ≈ 𝑎 ∃ 𝑟 𝑎 Hom 𝔸 𝑎, − このとき、 𝑟 𝑎 は Möbius 関数 𝜇 を用いて以下のようにかける。 𝑟 𝑎 = 𝑏 #𝑋𝑏 ⋅ 𝜇 𝑏, 𝑎
  • 28. 28Copyright © 2016 NTT DATA Mathematical Systems Inc. 4. Coarse Möbius Inversion for categories 例(モンモール数の計算) 完全順列の総数 𝑑 𝑛 :モンモール数(Montmort number)を計算してみる 𝔻 𝑁 を 1, … , 𝑁 を object とし、 Hom 𝔻 𝑁 𝑖, 𝑗 = 𝑖 ↪ [𝑗] を射の集合とする圏とする また 𝑆: 𝔻 𝑁 → 𝑆𝑒𝑡 を 𝑆 𝑛 ≔ 𝔖 𝑛 という関手とする。 関手 𝑆 は 表現可能関手の直和に分解する: 𝑆 ≈ 𝑛 𝑑 𝑛 Hom 𝔻 𝑁 𝑛, − よって、 Möbius 反転公式から 𝑑 𝑛 = 𝑚 𝑆 𝑚 ⋅ 𝜇 𝔻 𝑁 𝑚, 𝑛 = 𝑛! 1 0! − 1 1! + ⋯ + −1 𝑛 𝑛!
  • 29. Copyright © 2016 NTT DATA Mathematical Systems Inc. 29 5. Euler Characteristics via Möbius function
  • 30. 30Copyright © 2016 NTT DATA Mathematical Systems Inc. 5. Euler Characteristics via Möbius function 定義(Euler 標数 for category) Möbius inversion を持つ圏 𝔸 に対し 𝜒 𝔸 ≔ 𝑎,𝑏∈𝑜𝑏𝔸 𝜇 𝔸 𝑎, 𝑏 を Euler 標数という。 Prop 1. 𝜒 は 直和、直積を保つ 2. 𝔸 ⋍ 𝔹 ⇒ 𝜒 𝔸 = 𝜒 𝔹 3. 𝐹: 𝔸 ⇄ 𝔹: 𝐺 を随伴, i.e. 𝐹 ⊣ 𝐺とすると 𝜒 𝔸 = 𝜒 𝔹
  • 31. 31Copyright © 2016 NTT DATA Mathematical Systems Inc. 5. Euler Characteristics via Möbius function グラフに対しての Euler 標数と category に対しての Euler 標数は”一致” Prop. 𝐺 = 𝑉, 𝐸 :有限 acyclic quiver 対し、 𝜒 𝐹 𝐺 = 𝑉 − 𝐸 ここで 𝐹 𝐺 は free category on G Remark: ここから、 逆に圏を有向グラフと思えるが、その Euler 標数は射の合成にはよらず、 その underlying graph にしか依存していない不変量であることがわかる
  • 32. 32Copyright © 2016 NTT DATA Mathematical Systems Inc. 5. Euler Characteristics via Möbius function 分類空間 𝐵𝔸 の Euler 標数が定義される、”適切な”圏に対しては、位相的な Euler 標数と category に対してのそれは一致する Prop. 適切な圏 𝔸 に対し分類空間の(位相的な) Euler 標数が定まるとする 𝜒 𝐵𝔸 = 𝜒 𝔸
  • 33. 33Copyright © 2016 NTT DATA Mathematical Systems Inc. 5. Euler Characteristics via Möbius function 例 (Groupid) 𝔾 を 有限 groupoid とし各連結成分から 1 点 𝑎𝑖 をとる。 このとき 𝜒 𝔾 = 𝑖 1 #Aut 𝑎𝑖 これは Baez & Dolan (2001)の Groupooid Cardinality と一致
  • 34. 34Copyright © 2016 NTT DATA Mathematical Systems Inc. 5. Euler Characteristics via Möbius function 三角形分割された多様体に対しては、その face poset を経由することで Euler 標数が定義される 一方、位相的(または (co)homology 的) な Euler 標数も定義できるが、整数 係数で両者は一致(Leinster & Moerdijk) i.e. 次は可換
  • 35. Copyright © 2016 NTT DATA Mathematical Systems Inc. 35 6. From Euler Characteristics to Magnitude
  • 36. 36Copyright © 2016 NTT DATA Mathematical Systems Inc. 6. From Euler Characteristics to Magnitude Euler 標数は Magnitude という概念に一般化されている 𝒱 : semi-cartesian monoidal category 𝕏 : 𝒱 上の豊穣圏(category enriched over 𝒱 ) 𝐴: 𝒱 → 𝐴𝑏 : small functor というデータに対し、 𝕏 の 𝐴 係数 Magnitude が定義される 例: 1. 𝑆𝑒𝑡 上の豊穣圏は通常の圏 ↝ Magnitude for (locally fin.) category 1. Poset ℤ≥0 ∪ {∞} 上の豊穣圏は Graph ↝ Magnitude for Graph 1. 距離空間は ][0, ∞ 上の豊穣圏と思える(Lawvere ‘73 ↝ Magnitude for (cpt) Metric Space
  • 37. 37Copyright © 2016 NTT DATA Mathematical Systems Inc. 6. From Euler Characteristics to Magnitude コンパクト距離空間 X に対し、その magnitude を 𝑋 で表すとする。 例: 1. 𝜙 = 0 2. ∗ = 1 3. ∗← 𝑙 →∗ = 2 1+𝑒−𝑙 → 1 𝑙 → +0 2 𝑙 → ∞ Magnitude は(Euler 標数に対して述べたように) 点の個数と思える
  • 38. 38Copyright © 2016 NTT DATA Mathematical Systems Inc. 6. From Euler Characteristics to Magnitude 距離空間 X に対し距離を t 倍した距離空間を tX で書くとする。 例: この X について tX の変化を見よう Observation: • t が small のとき tX はほぼ 1pt( 0 次元 )に見える • t が 普通のとき、 tX はだいたい円周(1 次元)に見える • t が largeのとき、 tX はほぼ空集合(0 次元)のように見える
  • 39. 39Copyright © 2016 NTT DATA Mathematical Systems Inc. 6. From Euler Characteristics to Magnitude Def: (Magnitude Dimension) dim 𝑋, 𝑡 ≔ growth 𝑡𝑋 , 𝑡 where growth 𝑓, 𝑡 = 𝑑 log𝑓 𝑡 𝑑 log𝑡 Growth の例: 𝑓 = 𝐶𝑡 𝑛 のとき、 growth 𝑓, 𝑡 = 𝑛 □ Magnitude Dimension の例: Euclid 空間 ℝ 𝑛 の半径 r 以下のなす球体の体積は ∃ 𝑐𝑟 𝑛 よって、半径 1 の球体 𝐷 𝑛 について dim 𝐷 𝑛, 𝑡 = 𝑛 ∀𝑡
  • 40. 40Copyright © 2016 NTT DATA Mathematical Systems Inc. 6. From Euler Characteristics to Magnitude 先ほど挙げた例 に対し Magnitude Dimension は次のようなグラフで与えられる。
  • 41. 41Copyright © 2016 NTT DATA Mathematical Systems Inc. 6. From Euler Characteristics to Magnitude Thm(Barcelo & Carbery 2015) 𝑋 ⊂ ℝ 𝑛 : compact に対し lim 𝑡→+0 𝑡𝑋 = 1 Remark: ℓ1 𝑛𝑜𝑟𝑚 の場合は比較的簡単。 ℓ2 𝑛𝑜𝑟𝑚 ではもうちょい複雑 Thm: (Meckes 2015) 𝑋 ⊂ ℝ 𝑛 : compact に対し lim 𝑡→∞ dim 𝑋, 𝑡 = dim 𝑀𝑖𝑛𝑘 𝑋 右辺はミンコフスキー次元 証明は再生核 Hilbert 空間(RKHS) での Fourier 解析による
  • 42. 42Copyright © 2016 NTT DATA Mathematical Systems Inc. 応用 ある生態系における種の多様性を測るのに Magnitude を使用している Ref: * T. Leinster. 2009 “A maximum entropy theorem with applications to the measurement of biodiversity. “ * T. Leinster and C. Cobbold. 2012 “Measuring diversity: the importance of species similarity. “ * T. Leinster and M. W. Meckes. 2016 “Maximizing diversity in biology and beyond.”
  • 43. 43Copyright © 2016 NTT DATA Mathematical Systems Inc. まとめ • 数論的なメビウス関数の Poset への拡張(主に Rota により) • 局所有限な圏に対する類似の構成 • メビウス関数を経由して Euler 標数が圏に対して定まる • それは Poset, Monoid, groupid, graph, etc に対するその他の構成を含む • 豊穣圏に対して定義を拡張 ↝ Magnitude • 圏論的な構成で与えられた Magnitude が幾何学的な不変量を与えた • Magnitude の categorification : Magnitude Homology の構成
  • 44. Copyright © 2011 NTT DATA Corporation Copyright © 2016 NTT DATA Mathematical Systems Inc.
  • 45. Copyright © 2011 NTT DATA Corporation Copyright © 2016 NTT DATA Mathematical Systems Inc. 代トポの光

Notas del editor

  1. F is left adjoint for G
  2. (非自明な Endomorphism を持たない skeletal)
  3. Triangulated Orbifold M の face poset P に対し、G:P→ fGrp ⊂ Cat を stabilizer grp weak contravariant functor とし G のグラフ E(G) に対し(mfd のときは G(p) trivial で E(G)≈P) χ(E(G))=χ(M)