标签：limits det 定理 矩阵 证明 cdots times sum lambda

往上貌似证明的资料比较少而且不全，于是就来 水一篇博客。

定义

1. 对于无向图，定义 \(D(G)\) 为图 \(G\) 的度数矩阵，其中：

\[D(G)(i, j) = \begin{cases} \deg_i & (i = j) \\ 0 & (i \ne j) \end{cases} \]

2. 对于有向图，定义 \(D ^ {in}(G)\) 为图 \(G\) 的入度矩阵，\(D ^ {out}(G)\) 为图 \(G\) 的出度矩阵，其中：

\[D(G) ^ {in}(i, j) = \begin{cases} \mathrm{in}_i & (i = j) \\ 0 & (i \ne j) \end{cases}, D(G) ^ {out}(i, j) = \begin{cases} \mathrm{out}_i & (i = j) \\ 0 & (i \ne j) \end{cases} \]

3. 定义 \(A(G)\) 为图 \(G\) 的邻接矩阵，其中：

\[A(G)(i, j) = the ~ number ~ of ~ the ~ path ~ from ~ i ~ to ~ j \]

4. 定义图 \(G\) 的 \(\rm kirchhoff\) 矩阵 \(K(G) = D(G) - A(G)\)。

5. 定义无向图 \(G\) 的生成树数量为 \(t(G)\)，有向图根向树生成树（根为 \(u\)，下同）数量为 \(t ^ {root}(G, u)\)，有向图叶向树数量为 \(t ^ {leaf}(G, u)\)。

6. 定义图 \(G\) 的关联矩阵 \(M(G)\) 为一个大小为 \(n \times m\) 的矩阵，其中（一下的方向对于无向图随意）：

\[M(G)(i, j) = \begin{cases} -1 & (i ~ is ~ the ~ end ~ of ~ the ~ edge_j) \\ 1 & (i ~ is ~ the ~ start ~ of ~ the ~ edge_j) \\ 0 & (Otherwise) \\ \end{cases} \]

7. 定义图 \(G\) 的减关联矩阵 \(M_0(G)\) 为关联矩阵 \(M(G)\) 去掉最后一行后的大小为 \((n - 1) \times m\) 的矩阵。

8. 定义图 \(G\) 的子减关联矩阵 \(M_0(G)[S]\) 为选出 \(M_0(G)\) 中的列构成子集 \(S\)，满足 \(|S| = n - 1, S \subseteq {1, 2, \cdots m}\)。

定理

以下默认所有数均为正整数。

1. 无向图矩阵树定理：

\[\forall i \in [1, n], t(G) = \det K(G) \begin{pmatrix}1, 2, \cdots i - 1, i + 1, \cdots n \\ 1, 2, \cdots i - 1, i + 1, \cdots n\end{pmatrix} \]

2. 有向图矩阵树定理：

\[\forall i \in [1, n], t ^ {root}(G, i) = \det K ^ {out}(G) \begin{pmatrix}1, 2, \cdots i - 1, i + 1, \cdots n \\ 1, 2, \cdots i - 1, i + 1, \cdots n\end{pmatrix} \]

\[\forall i \in [1, n], t ^ {leaf}(G, i) = \det K ^ {in}(G) \begin{pmatrix}1, 2, \cdots i - 1, i + 1, \cdots n \\ 1, 2, \cdots i - 1, i + 1, \cdots n\end{pmatrix} \]

3. \(\rm Best\) 定理：设有向欧拉图 \(G\) 的欧拉回路数量为 \(ec(G)\)，则有：

\[\forall i \in [1, n], ec(G) = t ^ {root}(G, i) \prod\limits_{u \in V} (\deg_u - 1)! \]

其中对于欧拉图 \(\mathrm{in}, \mathrm{out}\) 均相同，因此 \(\deg\) 可任选其一。

若要求欧拉回路起点 \(k\)，则以 \(k\) 为起点的欧拉回路数量 \(ec(G, k)\) 为：

\[ec(G, k) = t ^ {root}(G, k) \deg_k \prod\limits_{u \in V} (\deg_u - 1)! \]

此定理下面暂不证明，先咕着。

证明

以下只证明无向图无根树生成树矩阵树定理。

1. 引理 \(1\)：

\[M \times M ^ {T} = K \]

\[\begin{aligned} M \times M ^ {T}(i, j) &= \sum\limits_{k = 1} ^ m M(i, k) \times M ^ {T}(k, j) \\ &= \sum\limits_{k = 1} ^ m M(i, k) \times M(j, k) \\ \end{aligned} \]

可以发现当且仅当 \(i, j\) 都为边 \(k\) 的一个端点时，贡献不为 \(0\)。

若 \(i = j\) 则 \(M(i, k) = M(j, k)\) 贡献相等，那么两者乘积贡献 \(1\)。因此总贡献为 \(\deg_i\)。

若 \(i \ne j\) 则 \(M(i, k) \ne M(j, k)\) 贡献相反，那么两者乘积贡献 \(-1\)。因此总贡献为 \(-A(i, j)\)。

于是有引理 \(1\) 成立。

2. 引理 \(2\)：

若 \(S\) 构成的边集在原图上构成生成树，那么 \(\det M_0[S] = 1 / -1\) 否则 \(\det M_0[S] = 0\)。

先证后者：

若原图没有构成树，那么至少存在一个简单环 \(C(e_{i_1}, e_{i_2}, \cdots e_{i_k})\)，记 \(e_{{i_j}_u}, e_{{i_j}_v}\) 分别为边 \(e_{i_j}\) 的两个端点。

同时，对于 \(M_0[S]\) 有如下两点观察：

• 对于同一行，恰好存在两列非 \(0\)。

• 对于同一列，恰好存在两行一行为 \(1\) 一行为 \(-1\)。（若为最后一行也可视作出现）

下面证明 \(M_0[S]\) 对应原 \(M_0\) 的 \(i_1, i_2, \cdots i_k\) 列线性相关，考虑依次合并所有列：

我们首先拿第 \(i_1\) 列消 \(i_2\) 列，因为简单环上两边共点，因此至少存在一行使得两列上均非 \(0\)，我们消掉这一行后根据观察 \(2\) 必恰好仅有 \(e_{{i_1}_u}, e_{{i_2}_v}\) 这两行一行为 \(1\) 一行为 \(-1\)。

假设合并到第 \(i_j\) 列，若 \(j \ne k\) 那么使用 \(i_{j - 1}\) 列合并的结果同第一列消第二列的方式消掉第 \(i_j\) 列，于是第 \(i_j\) 列消完后必恰好在 \(e_{{i_1}_u}, e_{{i_j}_v}\) 这两行一行为 \(1\) 一行为 \(-1\)。

最后合并到第 \(i_{k - 1}\) 列时，此时非 \(0\) 两行与原 \(i_k\) 列未消时一致，故此时可以将第 \(i_k\) 列消为全 \(0\)。

因此这 \(i_1, i_2, \cdots i_k\) 列线性相关，\(\det M_0[S] = 0\)。

---

再证前者：

考虑将原行列式消成好算的形式，类似于高斯消元的方式，我们钦定一行的主元拿此行去消所有行。

具体地，若 \(S\) 构成的边集为一棵树，那么必定能找到叶子节点 \(u\)，此时选出 \(u\) 所在的行，必定恰好只存在一列非 \(0\)，拿此列去消所有行（事实上只能消掉边的另一个节点所对应的行）。

可以发现这等价于每次在 \(M_0[S]\) 中删去树上叶子节点所对应的一条边，故此过程一定可以不断递归直至消去所有边。

最后我们发现，每一行都只剩下恰好一列为其做为叶子时所对应列为 \(1 / -1\)，故此时行列式值仅在每行选这些列时非 \(0\)，不论逆序对数量，所得行列式值均为 \(1 / -1\)。

3. 引理 \(3\)（\(\rm Binet - Cauchy\) 定理）：

定义大小分别为 \(n \times m, m \times n(n \le m)\) 的矩阵 \(A, B\) 则有：

\[\det(AB) = \sum\limits_{S \subseteq \{1, 2, \cdots m\}, |S| = n} \det(A[S]) \times \det(B[S]) \]

其中 \(A[S], B[S]\) 分别表示 \(A\) 取 \(S\) 集合内的列，\(B\) 取 \(S\) 集合内的行所构成的矩阵。

证明引理 \(3\) 之前再给出两条引理：

定义 \(\lambda(P)\) 为排列 \(P\) 的逆序对数量。

• 1. 引理 \(1\)：

• 定义 \(P'\) 为 \(P\) 的逆排列，即满足 \(P'_{P_i} = i\)，那么有：

\[\lambda(P) = \lambda(P') \]

\(\quad\) 不妨转化 \(P'\) 的逆序对求法，不难发现等价于给定序列 \(A\)，每个元素存在两个关键字 \(x, y\)，其中 \(A_{i_x} = p_i, A_{i_y} = i\)。

\(\quad\) 那么 \(\lambda(P')\) 等价于将将序列 \(A\) 按照第一关键字排序后以第二关键字为权值的逆序对数量。

\(\quad\) 在这里等价于按照权值排序后求下标的逆序对，这与直接求原排列的逆序对是等价的。

• 2. 引理 \(2\)：

• 定义 \(P_{Q}\) 为排列 \(Q\) 与排列 \(P\) 的复合，则 \(\lambda(P_{Q})\) 与 \(\lambda(P) + \lambda(Q)\) 的奇偶性相同。

\(\quad\) 仿照引理 \(1\) 的证明方法，那么左式等价去求给定序列 \(A\)，每个元素存在两个关键字 \(x, y\) 其中 \(A_{i_x} = P_i, A_{i_y} = Q'_i\)，

\(\quad\) 那么 \(\lambda(P_Q)\) 等价于按照第一关键字排序后以第二关键字为权值的逆序对数量。

\(\quad\) 考虑调整证明，可知一开始的逆序对数量为 \(\lambda(Q') = \lambda(Q)\)，排序利用冒泡排序的过程，可知有效的交换仅有 \(P\) 的逆序对个。

\(\quad\) 而我们知道每交换排列里两个元素排列逆序对数奇偶性改变，故总共改变 \(\lambda(P)\) 次，所以 \(\lambda(P_Q)\) 与 \(\lambda(P) + \lambda(Q)\) 奇偶性相同。

---

首先我们展开等式右侧：

\[\begin{aligned} & \sum\limits_{S \subseteq \{1, 2, \cdots m\}, |S| = n} \det(A[S]) \times \det(B[S]) \\ &= \sum\limits_{S \subseteq \{1, 2, \cdots m\}, |S| = n} \left(\sum\limits_{P} (-1) ^ {\lambda(P)} \prod\limits_{i = 1} ^ n A_{i, S_{P_i}}\right) \times \left(\sum\limits_{Q} (-1) ^ {\lambda(Q)} \prod\limits_{i = 1} ^ n B_{S_i, Q_i}\right) \\ &= \sum\limits_{S} \sum\limits_{P} \sum\limits_{Q} (-1) ^ {\lambda(P) + \lambda(Q)} \prod\limits_{i = 1} ^ n A_{i, S_{P_i}} \times B_{S_i, Q_i} \\ \end{aligned} \]

再展开等式左侧：

\[\begin{aligned} & \det(AB) \\ &= \sum\limits_{P} (-1) ^ {\lambda(P)} \prod\limits_{i = 1} ^ n \left(\sum\limits_{j = 1} ^ m A_{i, j} \times B_{j, P_i}\right) \\ &= \sum\limits_{P} (-1) ^ {\lambda(P)} \sum\limits_{R} \left(\prod\limits_{i = 1} ^ n A_{i, R_i} \times B_{R_i, P_i}\right) (|R| = n, \forall i, R_i \in \{1, 2, \cdots m\}) \\ &= \sum\limits_{R} \sum\limits_{P} (-1) ^ {\lambda(P)} \left(\prod\limits_{i = 1} ^ n A_{i, R_i}\right) \times \left(\prod\limits_{i = 1} ^ n B_{R_i, P_i}\right) \end{aligned} \]

仔细观察可知，对于可重排列 \(R\)，若 \(\exist i < j, R_i = R_j\) 那么交换 \(P_i, P_j\) 后后面的积式不变，但逆序对奇偶性改变，因此两者贡献互为相反数可抵消。

因此我们只需钦定每个 \(\exist i < j, R_i = R_j\) 的可重排列 \(R\)，让其和交换满足条件的最小 \(P_i, P_j\) 交换后的排列 \(P\) 的贡献相抵即可。

因为交换最小的 \(i, j\) 后依然满足 \(i, j\) 为最小的满足条件的点对，因此可以两两唯一配对。

故我们只需枚举不重的序列即可，为此我们首先枚举 \(\{1, 2, \cdots m\}\) 的子集，然后枚举一个长度为 \(n\) 的排列 \(Q\)：

\[\begin{aligned} & \det(AB) \\ &= \sum\limits_{S} \sum\limits_{Q} \sum\limits_{P} (-1) ^ {\lambda(P)} \prod\limits_{i = 1} ^ n A_{i, S_{Q_i}} \times B_{S_{Q_i}, P_i} \\ &= \sum\limits_{S} \sum\limits_{Q} \sum\limits_{P_{Q'}} (-1) ^ {\lambda(P_{Q'})} \left(\prod\limits_{i = 1} ^ n A_{i, S_{Q_i}}\right) \times \left(\prod\limits_{i = 1} ^ n B_{S_i, P_{Q'_i}}\right) \\ &= \sum\limits_{S} \sum\limits_{Q} \sum\limits_{P_{Q'}} (-1) ^ {\lambda(P) + \lambda(Q)} \left(\prod\limits_{i = 1} ^ n A_{i, S_{Q_i}}\right) \times \left(\prod\limits_{i = 1} ^ n B_{S_i, P_{Q'_i}}\right) \end{aligned} \]

整理即可得到从右侧推导得到的式子。

下面我们只证明矩阵树定理删去最后一行最后一列是正确的（对于删去其余的情况，只需将 \(M_0\) 的定义修改成删去改行即可）。

类似于引理 \(1\)，我们知道 \(K_0 = M_0 \times M_0 ^ T\) 其中 \(K_0\) 为 \(K\) 去掉最后一行和最后一列得到的方阵。

再根据引理 \(3\)，可知：

\[\begin{aligned} \det K_0 &= \sum\limits_S \det(M_0[S]) \det(M_0 ^ T[S]) \\ &= \sum\limits_S \det{^ 2}(M_0[S]) \end{aligned} \]

由定理 \(2\)，若边集 \(S\) 不构成生成树，则 \(\det(M_0[S]) = 0\)，在该式中贡献为 \(0\)。

若边集 \(S\) 构成生成树，则 \(\det(M_0[S]) = 1 / -1\)，在该式中贡献为 \(1\)。

故可得到 \(\det K_0\) 即为原图的生成树数量。

标签：limits,det,定理,矩阵,证明,cdots,times,sum,lambda
来源： https://www.cnblogs.com/Go7338395/p/14489511.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。