Estoy impartiendo un curso utilizando MEJ Newman's Networks . Cubre varias medidas de centralidad de vértice. Uno de ellos es la centralidad de Katz .
Dejar Sea un gráfico y sea sea su matriz de adyacencia. Dejar denota el vector y deja denota la matriz identidad. Entonces la centralidad de Katz de viene dada por el vector
Mi pregunta se refiere al valor de . Está claro que no puede tomar ningún valor , dónde es un valor propio de : si tomó tal valor, el lado derecho de no existiría
Entonces, dejando denote el mayor valor propio de , Newman escribe que para determinar la centralidad de Katz de un gráfico, se debe hacer ser menor que . En una nota al pie (p. 317, nota al pie 6), escribe: "Formalmente, uno descubre valores finitos nuevamente cuando uno pasa a mayor , pero en la práctica estos valores no tienen sentido. El método devuelve buenos resultados sólo para ."
¿Qué significa esa declaración? ¿Por qué los valores más grandes de ¿trabajar?
Respuesta corta: el factor se deriva de la suma infinita , que modela el comportamiento promedio a largo plazo de caminatas aleatorias a lo largo de los bordes del gráfico (con como factor de atenuación). Si es demasiado grande, entonces la suma infinita no converge. Aunque la otra expresión está definida, no está conectada de manera obvia con la suma subyacente.
Es bastante análogo al viejo castaño.
EDITAR: Estaba pensando en gráficos regulares cuando me refería a caminatas aleatorias. En general, sería más adecuado describir la suma como un conteo ponderado del número de vecinos a distancia. (con repetición permitida, de modo que cada vértice es vecino de sí mismo a distancia , con multiplicidad ).