Equations:

2 chernoff bound

X 1 , X 2 , , X m m independientes variables aleatorias idnticamente

Sea

distribuidas tal que

X i [ 0, 1 ]

. Sea

S= X t

p=E [ X i ] =E [ S ] /m.

t =1

Entonces,

Pr (

s
p p ) e (mp )
m
2

3 estimando el nmero de componentes conectados

Dado un indirecto grafo

G(V , E)

teniendo n nodos y degrado maximal d

(en una representacin de lista de adyacencia) y

n -estimacion aditiva del nmero de componentes conectados.

una

Especficamente, si

denota el nmero de componentes conectados en

entonces el estimado nmero de componentes conectados

Definicin 1: sea

c n y c + n

debera satisfacer:

de

, queremos encontrar

nu

el nmero de nodos en los componentes conectados

Observacin 2: Para cualquier componente conectado

A V

tenemos:

|A1 |= n1 =1
u A

u A

Adems, esto implica que el nmero de componentes conectados

es

igual a:

c=
u V

1
nu

Definicin 3: Sea

n^ u=min {n u , 2/ }

y sea

c^ =
uV

1
n^ u .

El siguiente lema delimita la cantidad en que las estimaciones pueden estar

fuera.
Lema 4: para cualquier nodo

u , se cumple que:

1 1

n^ u nu 2

Prueba: sabemos que

n^ u nu por la definicin de

n^ u . Si

nu 2 /

n^ u=nu , y por lo tanto, la izquierda en la anterior desigualdad es

entonces

nu >2/

igual a 0. Si

1 1
= 0
2 n^ u n u

entonces

y el lema sigue.

|c c^| n /2 .

Corolario 5

Lema 6: podemos calcular

n^ u

en un tiempo

O(d / )

Prueba: empezamos por presentar el algoritmo que calculara

n^ u

estimate cc (u)
RUN BFS desde u hasta:
. visitado todo el componente conectado.
. o visitado 2/

distintos nodos de los componentes conectados.

OUTPUT el nmero de nodos visitados.

Est claro que durante la ejecucin del algoritmo como mucho 2/e nodos es
visitada. Ya que el grado de cada nodo es a lo mucho d, el tiempo de
ejecucin del algoritmo es

O(d / )

Presentamos ahora el algoritmo approx_num_cc (G , ) , el cual calcula una

n -estimacion aditiva del nmero de componentes conectados.

Approx_num_cc (G , ) :
Elige un conjunto
Para cada
Output

u U

n
1
~
c=
r u U n^ u

U={u1 ,u2 , , ur }

de

r= (1/ 3 )

calcula usando estimate_cc(u)

nodos aleatorios.

Uno puede fcilmente verificar que el tiempo de ejecucin del algoritmo es

O(1/ 3 . d / )=O(d / 4 )
~
c es una

Ahora vamos a probar que

n -estimacion aditiva de

con

constante probabilstica.

|~c^c|
Teorema 7:

( n /2) 3/4.
Pr

Prueba: aplicamos el chernoff bound de la seccin 2 con y

1/ n^ ui , m=r , y = /2
r

p=E [ 1/ n^ ui ] , S=

, tenemos

i=1

(|

[ ]| [ ]) ( (

( ) )) .
2

1
1
1

1
c^
Pr
E
E
exp r
^
^
^
r i=1 n u i
n ui
2
n ui
n 2

Ntese que

[ ]

r
1
1
n
~
= 1/ n^ u i=c^ /n ,
c= 1/ n^ u i , E
n^ u i n t =1
r t =1

r= (1/3 ) , y

esto,

Pr

~
c c^ c^

c^

=Pr |~c^c| c^ exp r
n n 2n
2
n 2

(| | ) (

Por la definicin de

n^ u , sabemos que

1 c^
=exp

(
)
(
( )) ( n ))
2

1
1 , y por lo tanto n c^ n
2 n^ u
2

. Consecuentemente logramos que:

1
Pr |~
c c^| n Pr |~
c c^| c^ e (1) <
2
2
4

Corolario 8.

) (

Pr (|~c^c| n ) 3/4

Prueba: por el colorario 5 y la desigualdad triangular

, uno puede obtener que

|c~c||c c^|+ c^ ~c

Pr (|c~
c| n ) =Pr (|~c^c| n /2 )

4. estimando el peso del rbol de expansin mnima.

4.1 el input para los problemas es un grafo no dirigido conectado

G(V , E)

en el cual el grado de cada nodo es lo mucho d. Adems, cada borde

( i, j )

w ij [ w ] {} . Nota que cada grafo es dado en un

tiene un peso entero

formato de lista de adyacencia, y los bordes de peso

no aparecen en

l. El objetivo es encontrar el peso de un rbol de expansin minima

de G . Especficamente, si dejamos que

(MST )

w ( T )= w ij
ij T

para

T E , entonces nuestro objetivo es encontrar.

M =minT spans G w (T )
Desde que estamos interesados en los algoritmos de tiempo sub-lineal para
este problema, por lo tanto, no podemos esperar encontrar
enfocamos en encontrar un

^
M

un peso

M , nos

-estimacion multiplicativa de

M , que es,

el cual satisface

( 1 ) M ^
M ( 1+ ) M .
Notamos que

n=V .esto se sigue desde

n1 M w .(n1) , donde

esta conectado, y por lo tanto, cualquier rbol de expansin de la

misma consiste de

n1 bordes, y por la asuncin de los pesos de

entrada.
4.2 desde motivacin a caracterizacin.
En lo que sigue, relacionamos el peso de un

MST

componentes conectados en ciertos subgrafos de

introducir la siguiente notacin para un grafo
. Sea

(t )

G =(V , E )

. Sea

al nmero de

G . Empezamos por

G .

G que consta de los bordes que tienen

el subgrafo de

un peso de a lo mucho

de

i .

el nmero de componentes conectados en

G .

//dibujito xD
Una motivacin. Consideremos 2 casos simples. El primer caso es cuando

w=1 ,a saber, todos los bordes de

est claro que el peso de un MST es
que

w=2 , y centrmonos en

(1)

tienen un peso de 1. En este caso,

n1 . Ahora, consideremos el caso

. Claramente, uno tiene que usar

C 1 bordes (de peso 2) para conectar los componentes conectados en

(1)

. Esto implica que el peso de un MST en este caso es

2 ( C (1 ) 1 ) +1 ( n1( C( 1)1 ) )=n2+C(1) .

La caracterizacin. Extendemos y formalizamos la intuicin anteriormente
presentada. Especficamente, tenemos caracterizado el peso de un MST de

usando

(i)

s, para cualquier entero

w .

w1

Claim 9.

M =nw+ C

(t )

t =1

i el nmero de bordes de peso

Prueba. Sea

en cualquier MST de

G . Remarcar que esto es bien conocido que todos los arboles de

expansin minina de
tanto los

i , y por lo

tienen el mismo nmero de bordes

i s estn bien definidos. Esto es sencillo de validar que el

nmero de bordes teniendo peso mayor a

l son iguales al nmero de

(l)

i= C 1

G(l)

componentes conectados en

menos 1. Esto es,

donde

i=l+1

(0)

esta dispuesto a ser

n . Ahora, notar que.

M = i i
i=1
w

i=1

i=2

i=3

M = i + i+ i ++ w

M =( n1 )+ ( C( 1)1 ) + ( C (2 )1 ) ++(C (w1)1)

w1

M =nw+ C (i )
i=1

4.3 algoritmo de aproximacin

El algoritmo

MST , formalmente definido abajo, estima el peso del MST.

MST (G , , w)
Parai=1hasta w1

cc
(i)
^
C = G(i) , /(2 w)
w1

Output ^
M =nw+ C(i )
i=1

Tiempo de ejecucin. Uno puede fcilmente ver que hay

llamadas a

cc
. Recordemos que el tiempo de ejecucin de este procedimiento es

O(d /( /(2 w))4)=O(d w 4 / 4 ) , y por lo tanto, el tiempo de ejecucin de

MST
de

O(d w / ) . Vale la pena sealar que en lugar de extraer

es

para cada llamada de

cc

(lo que hara que el algoritmo no tenga

tiempo sublineal), simplemente modificamos

bordes con peso mayor a

cc

entonces esto ignora

i .

Aproximacin garantizada. Establecemos que

( 1 ) M ^
M ( 1+ ) M

alta probabilidad (whp). Para este propsito, recordamos que

una salida

^ (i)
C

safisfacen

|C^ (i)C (i )| n /(2 w)

cc

con

emite

del numero del componentes conectados quienes

^| n /2
|M M

whp. Consecuentemente, tenemos que

whp. Notemos que

M n1 n/2 , donde la ultima

desigualdad es validad para cualquier interesante n, i.e,

tanto,

G (i )

^| M
|M M

n 2 . Por lo

, el cual completa la prueba.

Observacin de remarcar. El actual estado del algoritmo de arte para buscar

una

-estimacion multiplicativa de

O(dw / 2 logdw/ ).

tiene un tiempo de ejecucin de

En el lmite inferior, es conocido que el tiempo de

ejecucin de cualquier algoritmo debe ser

(dw / 2) .

5 algoritmos distribuidos vs algoritmos de tiempo sublineal.

Introducimos una definicin y un teorema, el cual ser usado en la siguiente
clase.
Definicin 10

^y

es una

( , ) -estimacin de un valor de la solucin

para un problema de minimizacin de tamao

si

y ^y y + n
Teorema 11. (teorema de Vizing) todo grafo es punta colorable con a lo

d +1 colores, donde

mucho

es el mximo grado del grafo.

Corolario 12. Todo grafo cuyo mximo grado es

tiene un juego de

|E|/(d +1).

tamao al menos

Corolario 13. El tamao de la cubierta del vrtice cuyo mximo grado es

|E|/(d +1) .

es al menos

cc (G , , )

Correctness

Probaremos en 2 pasos. Primero probaremos:

~
m m
vV

v V

n
;
2

Luego probaremos

Pr

[|

| ]

n
1
1
n
~
.

~
k i=1 mv v V mv 2
i

Combinando estas 2, obtenemos

||

||

n
1
1
1
1
~ + ~
m1 m1 nk ~
k i=1 ~
m
m
m
m
v V
i=1
v V
vV
v V
v
v
v
v
v
v
i

Y con probabilidad

1 ,

n n
+ =n
2 2

Cual es 20.1

1
1 1
1

0~ <~
=
mv mv mv 2
2
( )