Dowód probabilistyczny Uwagi do dowodu Bibliografia. Prawo Haczykowe. Łukasz Bieniasz-Krzywiec

Podobne dokumenty
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

Macierz o wymiarach m n. a 21. a 22. A =

Wykład 14. Elementy algebry macierzy

Zliczanie Podziałów Liczb

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

1 Zbiory i działania na zbiorach.

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

Analiza matematyczna i algebra liniowa Macierze

Statystyka i eksploracja danych

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018

Prawdopodobieństwo i statystyka

Podstawy metod probabilistycznych. dr Adam Kiersztyn

Spacery losowe generowanie realizacji procesu losowego

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2

Ćwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II

Testowanie hipotez statystycznych.

Algebra liniowa. 1. Macierze.

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Wyznaczniki 3.1 Wyznaczniki stopni 2 i 3

Ćwiczenia z metodyki nauczania rachunku prawdopodobieństwa

Rachunek prawdopodobieństwa

Teoria systemów uczacych się i wymiar Vapnika-Chervonenkisa

Wstęp do sieci neuronowych, wykład 12 Wykorzystanie sieci rekurencyjnych w optymalizacji grafowej

Algorytmy i Struktury Danych, 9. ćwiczenia

Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska)

1 Działania na zbiorach

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

1 Macierze i wyznaczniki

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

Układy równań i nierówności liniowych

Prawdopodobieństwo i statystyka

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Rachunek Prawdopodobieństwa i Statystyka

Semantyka rachunku predykatów

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji

Macierze Lekcja I: Wprowadzenie

Struktury formalne, czyli elementy Teorii Modeli

Zdarzenia losowe i prawdopodobieństwo

Rachunek prawdopodobieństwa- wykład 2

Zadania egzaminacyjne

WYKŁAD 1. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Instytut Matematyki Uniwersytet Warszawski

3. Wykład Układy równań liniowych.

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Zmienna losowa. Rozkład skokowy

Zaawansowane metody numeryczne

Układy równań liniowych

Kolorowanie płaszczyzny, prostych i okręgów

Zmienne losowe i ich rozkłady

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω)

Macierze. Rozdział Działania na macierzach

Statystyka podstawowe wzory i definicje

Prawdopodobieństwo i statystyka

Estymacja parametrów w modelu normalnym

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Zastosowanie teorii liczb w kryptografii na przykładzie szyfru RSA

Prezydent wszystkich kombinacji czyli rzecz o filtrowaniu systemów Lotto

Pochodna funkcji c.d.-wykład 5 ( ) Funkcja logistyczna

Statystyka opisowa. Wykład I. Elementy statystyki opisowej

Wstęp do programowania

Grupy, pierścienie i ciała

Wstęp. Kurs w skrócie

Bisymulacja. Niezawodność systemów współbieżnych i obiektowych. Grzegorz Maj Grzegorz Maj Bisymulacja

Biostatystyka, # 3 /Weterynaria I/

Centralne twierdzenie graniczne

vf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

Statystyka i eksploracja danych

Zastosowania wyznaczników

Rozwiązania, seria 5.

KOMBINATORYKA. Problem przydziału prac

UWAGI O CIĄGU SKOKÓW LICZB MILNORA. 1. Wstęp Rozważać będziemy izolowaną osobliwość niezdegenerowaną dwóch zmiennych (1) f = a αβ x α y β

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Przekształcenia liniowe

Algorytmy mrówkowe (optymalizacja kolonii mrówek, Ant Colony optimisation)

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

1 Podobieństwo macierzy

... [a n,b n ] kn [M 1,M 2 ], gdzie a i M 1, b i M 2, dla i {1,..., n}. Wówczas: [a 1,b 1 ] k [a n,b n ] kn =(a 1 b 1 a 1

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA

Matematyka dyskretna

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.

Badanie zgodności dwóch rozkładów - test serii, test mediany, test Wilcoxona, test Kruskala-Wallisa

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

Obliczenia iteracyjne

Metoda Tablic Semantycznych

Dowód pierwszego twierdzenia Gödela o. Kołmogorowa

Matematyka dyskretna. 1. Relacje

Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ

W grze uczestniczy dwóch graczy: G 1 i G 2. Z urny, w której jest b kul białych i c czarnych, losuje się w grze (jednocześnie) dwie kule.

Pierwiastki pierwotne, logarytmy dyskretne

1. R jest grupą abelową względem działania + (tzn. działanie jest łączne, przemienne, istnieje element neutralny oraz element odwrotny)

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym

MNRP r. 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Grzegorz Kowalczyk

2. Definicja pochodnej w R n

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

+ r arcsin. M. Przybycień Rachunek prawdopodobieństwa i statystyka π r x

Transkrypt:

09.10.2008

Plan prezentacji 1 Wstęp Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe 2 3 4

Diagram Ferrersa Wstęp Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe Niech λ = {λ 1 λ 2 λ m } będzie podziałem liczby n. DEFINICJA: Diagramem Ferrersa odpowiadajacym λ nazywamy tablicę F λ komórek indeksowanych parami (i, j), takimi że 1 i m, 1 j λ i. FORMALNIE: F λ = {(i, j) N 2 : 1 i m, 1 j λ i }

Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe

Tableau Young a Wstęp Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe DEFINICJA: Tableau Young a odpowiadajacym diagramowi Ferrersa F λ nazywamy takie ustawienie liczb 1, 2,..., n w komórkach diagramu, że każdy wiersz i kolumna tworza ciag uporzadkowany rosnaco. FORMALNIE: Tableau Young a to funkcja t : F λ {1, 2,..., n}, taka że (i,j) Fλ t(i, j) t(i + 1, j) t(i, j) t(i, j + 1). Liczbę wszystkich tableau Young a diagramu F λ oznaczamy przez f λ.

Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe

Haczyk (Hook) Wstęp Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe DEFINICJA: Haczykiem odpowiadajacym komórce (i, j) z diagramu Ferrersa F λ nazywamy zbiór H ij komórek (a, b), takich że a = i b j lub a i b = j. FORMALNIE: H ij = {(a, b) F λ : (a = i b j) (a i b = j)} DEFINICJA: Długościa haczyka nazwiemy liczbę komórek w zbiorze H ij.

Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe

Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe

Twierdzenie Haczykowe Diagram Ferrersa Tableau Young a Haczyk (Hook) Twierdzenie Haczykowe TWIERDZENIE HACZYKOWE (FRAME ROBINSON THRALL) Jeśli λ jest podziałem liczby n, to f λ = n! (i,j) F λ h ij

DOWÓD PRAWA HACZYKOWEGO

Idea dowodu Wstęp 1 Napiszemy rekurencyjny wzór na f λ.

Idea dowodu Wstęp 1 Napiszemy rekurencyjny wzór na f λ. 2 Pokażemy, że nasza formuła haczykowa spełnia wzór rekurencyjny. W tym celu podamy probabilistyczna interpretację tego wzoru.

Wzór rekurencyjny Niech f λ f (λ 1, λ 2,..., λ m ) dla {λ 1 λ 2 λ m }. 8 0 λ nie jest podziałem n, >< 1 m = 1, f (λ 1,..., λ m) = mx >: f (λ 1,..., λ α 1,..., λ m) wpp. α=1

f (4, 3, 3, 1, 1) = f (3, 3, 3, 1, 1) + f (4, 3, 2, 1, 1) + f (4, 3, 3, 1)

Co chcemy pokazać? Chcemy pokazać, że formuła haczykowa 0 λ nie jest podziałem n, n! FH(λ 1,..., λ m ) = wpp. (i,j) F λ h ij spełnia nasz wzór rekurencyjny.

Do sprawdzenia sa trzy przypadki: Gdy λ nie jest podziałem n OK

Do sprawdzenia sa trzy przypadki: Gdy λ nie jest podziałem n OK Gdy m = 1 OK FH(λ 1 ) = λ 1! λ 1! = n! (i,j) F λ h ij = f (λ 1 )

Do sprawdzenia sa trzy przypadki: Gdy λ nie jest podziałem n OK Gdy m = 1 OK Gdy m > 1... FH(λ 1 ) = λ 1! λ 1! = n! (i,j) F λ h ij = f (λ 1 )

Trzeba pokazać, że FH(λ 1,..., λ m ) = co w skrócie zapiszemy m FH(λ 1,..., λ α 1,..., λ m ) α=1 FH = α FH α czyli 1 = α FH α FH

Rozważmy eksperyment losowy: Wybieramy losowa komórkę (i, j) z diagramu F λ. Prawdopodobieństwo wybrania każdej komórki to 1. n

Rozważmy eksperyment losowy: Wybieramy losowa komórkę (i, j) z diagramu F λ. Prawdopodobieństwo wybrania każdej komórki to 1. n Wybieramy losowa komórkę (i, j ) (i, j) z haczyka H ij. Prawdopodobieństwo wybrania każdej komórki z haczyka to 1. h ij 1

Rozważmy eksperyment losowy: Wybieramy losowa komórkę (i, j) z diagramu F λ. Prawdopodobieństwo wybrania każdej komórki to 1. n Wybieramy losowa komórkę (i, j ) (i, j) z haczyka H ij. Prawdopodobieństwo wybrania każdej komórki z haczyka to 1. h ij 1 Następna losowa komórkę wybieramy spośród komórek haczyka H i j i tak dalej.

Rozważmy eksperyment losowy: Wybieramy losowa komórkę (i, j) z diagramu F λ. Prawdopodobieństwo wybrania każdej komórki to 1. n Wybieramy losowa komórkę (i, j ) (i, j) z haczyka H ij. Prawdopodobieństwo wybrania każdej komórki z haczyka to 1. h ij 1 Następna losowa komórkę wybieramy spośród komórek haczyka H i j i tak dalej. Kontynuujemy proces aż trafimy do jakiegoś rogu.

Rozważmy eksperyment losowy: Wybieramy losowa komórkę (i, j) z diagramu F λ. Prawdopodobieństwo wybrania każdej komórki to 1. n Wybieramy losowa komórkę (i, j ) (i, j) z haczyka H ij. Prawdopodobieństwo wybrania każdej komórki z haczyka to 1. h ij 1 Następna losowa komórkę wybieramy spośród komórek haczyka H i j i tak dalej. Kontynuujemy proces aż trafimy do jakiegoś rogu.

Rozważmy eksperyment losowy: Wybieramy losowa komórkę (i, j) z diagramu F λ. Prawdopodobieństwo wybrania każdej komórki to 1. n Wybieramy losowa komórkę (i, j ) (i, j) z haczyka H ij. Prawdopodobieństwo wybrania każdej komórki z haczyka to 1. h ij 1 Następna losowa komórkę wybieramy spośród komórek haczyka H i j i tak dalej. Kontynuujemy proces aż trafimy do jakiegoś rogu. Czy każdy eksperyment się zakończy?

Wynikiem każdego eksperymentu jest pewna losowa ścieżka. DEFINICJA: Ścieżka w diagramie Ferrersa F λ nazwiemy ciag (a 1, b 1 ) (a 2, b 2 ) (a k, b k ) wyników kolejnych losowań w eksperymencie losowym.

Eksperyment losowy definiuje przestrzeń probabilistyczna. Zdarzenia elementarne to ścieżki. Prawdopodobieństwo ścieżki: P((a 1, b 1 ) (a k, b k )) = 1 k 1 n 1 h ai b i 1 i=1

Niech αβ będzie zdarzeniem polegajacym na tym, że ścieżka kończy się w komórce (α, β). LEMAT O PRAWDOPODOBIEŃSTWIE KOŃCA ŚCIEŻKI P(αβ) = FH α FH

OBSERWACJA 1 FH α FH = 1 n = 1 n 1 i<α 1 i<α h iβ h iβ 1 (1 + 1 j<β 1 h iβ 1 ) h αj h αj 1 = 1 j<β (1 + 1 h αj 1 )

DEFINICJA Śladem ścieżki (a 1, b 1 ) (a k, b k ) nazywamy parę zbiorów (A, B), taka że A = {a 1, a 2,..., a k } B = {b 1, b 2,..., b k } Niech A, B będzie zdarzeniem polegajacym na tym, że ścieżka ma ślad (A, B).

Niech ab będzie zdarzeniem polegajacym na tym, że ścieżka zaczyna się od komórki (a, b). OBSERWACJA 2 Jeśli α = max A, β = max B, a = min A, b = min B, to P(A, B ab) = i A,i α 1 h iβ 1 j B,j β 1 h αj 1 =:

DOWÓD OBSERWACJI 2 Indukcja względem ( A, B ). A = 1, B 1 P({α}, B ab) = P({α}, B ab) P(ab) = Y j B,j β 1 h αj 1 = 1 n Y j B,j β 1 n 1 h αj 1

DOWÓD OBSERWACJI 2 Indukcja względem ( A, B ). A = 1, B 1 P({α}, B ab) = P({α}, B ab) P(ab) = Y j B,j β B = 1, A 1 analogicznie 1 h αj 1 = 1 n Y j B,j β 1 n 1 h αj 1

B > 1, A > 1 Niech ab, cd będzie zdarzeniem polegajacym na tym, że ścieżka zaczyna się od komórek (a, b) (c, d). P(A, B ab) = = = P(A, B ab) = P(ab) P(A, B ab, cb) P(ab, cb) P(ab) P(A, B ab, cb) 1 1 1 n + n h ab 1 + P(A, B ab, ad) P(ab, ad) P(ab) P(A, B ab, ad) 1 1 1 n = n h ab 1 =

1 P(A, B ab) = (P(A, B ab, cb) + P(A, B ab, ad)) = h ab 1 1 = (P(A a, B cb) + P(A, B b ad)) = h ab 1 1 = h ab 1 ((h aβ 1) Y +(h αb 1) Y ) = = (h aβ 1) + (h αb 1) Y Y = h ab 1 KONIEC DOWODU OBSERWACJI 2

WNIOSEK P(αβ) = 1 n P(A, B ab) = 1 n = 1 n = FH α FH 1 i<α i A,i α (1 + 1 h iβ 1 j B,j β 1 h iβ 1 ) FHα FH = 1 1 j<β 1 h αj 1 (1 + 1 h αj 1 )

KONIEC DOWODU PRAWA HACZYKOWEGO

Zamiast pokazywać, że formuła haczykowa spełnia równanie rekurencyjne można pokazać, że każdy tableau Young a jest jednakowo prawdopodobny. Prawdopodobieństwo wygenerowania każdego tableau Young a wynosi: 1 FH

Wstęp C. Greene, A. Nijenhuis, H. S. Wilf, A probabilistic proof of a formula for the number of Young tableaux of a given shape, Adv. in Math. 31 (1979), 104-109, Jean-Christophe Novelli, Igor Pak, Alexander V. Stoyanovskii, A direct bijective proof of the hook-length formula.