[论文解读] Determinants from Homomorphisms

Radu Curticapean|arXiv (Cornell University)|Jan 1, 2022

Markov Chains and Monte Carlo Methods被引用 1

一句话总结

本文通过图同态与环覆盖，提出了一种新颖的行列式公式组合推导，绕过了传统的线性代数方法。它建立了行列式与矩阵幂迹之间的直接联系，基于子图计数与同态计数，得出一个时间复杂度为 O(n^ω+1) 的多项式时间算法，并构建了一个深度为 O(log²n) 的并行电路，为经典行列式恒等式提供了自包含的图论解释。

ABSTRACT

We give a new combinatorial explanation for well-known relations between determinants and traces of matrix powers. Such relations can be used to obtain polynomial-time and poly-logarithmic space algorithms for the determinant. Our new explanation avoids linear-algebraic arguments and instead exploits a classical connection between subgraph and homomorphism counts.

研究动机与目标

• 提供行列式与矩阵幂迹之间经典关系的组合图论解释，避免使用特征值与对称多项式。
• 推导行列式的新型公式，以整数分拆的和形式表达，涉及同态计数与自同构因子。
• 证明可通过该新框架在多项式时间内计算行列式，并实现复杂度为多对数的并行计算。
• 确立行列式泛函可通过两个基本性质表征：在子图上的多重线性性，以及在存在重复行/列的矩阵上取值为零。

提出的方法

• 将行列式表示为完全有向图中 k-部分环覆盖的和，符号由环结构决定。
• 引入从不相交环的并集到矩阵诱导图的加权同态计数概念。
• 利用自同构因子，建立嵌入计数与同态计数之间的关系，从而用同态计数表达子图计数。
• 应用张量积构造 A ⊗ J_t，诱导出关于 t 的多项式，将行列式与同态计数联系起来。
• 通过比较所得多项式恒等式中的系数，推导出主要的行列式公式。
• 使用动态规划与多项式乘法，实现 O(n^3) 时间与 O(log²n) 深度的高效行列式计算。

实验结果

研究问题

• RQ1 能否在不使用特征值或对称多项式的情况下推导出行列式与矩阵幂迹之间的经典关系？
• RQ2 如何通过图同态，将行列式组合地表示为整数分拆的和？
• RQ3 使用该新型组合公式计算行列式的计算复杂度是多少？
• RQ4 该公式能否用于设计高效的行列式并行算法？

主要发现

• 本文仅使用图论概念，推导出行列式公式 det(A) = ∑_{λ⊢n} (−1)^n+|λ| / ( ∏_{ℓ=1}^n s_ℓ(λ)! · ℓ^{s_ℓ(λ)} ) · ∏_{ℓ=1}^n tr(A^ℓ)^{s_ℓ(λ)}。
• 该公式通过张量积论证推导，诱导出关于 t 的多项式，通过系数比较得出恒等式。
• 行列式可在 O(n^ω+1) 个域运算内计算，与目前已知的最佳序列复杂度一致。
• 一个深度为 O(log²n)、大小为 ˜O(n^4) 的并行算术电路可计算行列式，实现高效的并行化。
• 该证明仅依赖于两个结构性质：在重复行/列下不变性，以及在子图计数上的线性性，因此适用于具备这些特性的任意泛函。
• 该方法避免使用特征值、对称多项式与 Girard–Newton 恒等式，为行列式计算提供了自包含的组合基础。