Beruflich Dokumente
Kultur Dokumente
HOMOLOGÍA PERSISTENTE
COCHABAMBA — BOLIVIA
MARZO 2015
Página dejada en blanco intencionalmente.
AGRADECIMIENTOS
este trabajo.
hubiera sido posible. En particular, quiero mencionar a Lic. Luis Zegarra, Ing. Amilcar
Martinez y Lic. Carlos Gonzales, quienes me han brindado sus conocimientos y consejos
apoyo incondicional.
i
FICHA RESUMEN
grupos y anillos. Entre estos invariantes podemos destacar los Grupos de Homología
ejemplo, H0 (X), H1 (X), H2 (X) (que denotan los grupos de homología del espacio X en
ser una herramienta muy útil en diversas áreas como biología, modelado geométrico,
análisis de redes y análisis de datos. En este trabajo damos una introducción teórica
ii
Índice general
Agradecimientos ................................................................................................ i
Índice................................................................................................................. iv
Lista de Figuras................................................................................................. v
Introducción ...................................................................................................... 1
1.1. Preliminares....................................................................................... 6
2. Homología Simplicial.................................................................................... 22
2.1. Preliminares....................................................................................... 23
2.1.2. Homotopía............................................................................... 24
iii
2.2. Complejos de Cadenas ....................................................................... 26
Conclusiones ...................................................................................................... 60
Anexos ............................................................................................................... 61
Referencias......................................................................................................... 65
iv
Índice de figuras
Figura
en SK . ......................................................................................................... 13
v
3.2. La clase γ nace en Ki y muere entrando en Kj . ......................................... 41
vi
Índice de cuadros
Tabla
vii
INTRODUCCIÓN
espacio a partir de los datos locales; y la topología nos da una herramienta muy útil
las propiedades de las figuras geométricas. El enfoque del estudio de las figuras desde la
Las propiedades de las figuras geométricas estudiadas por la topología son inde-
(Figura 1).
1
Del inglés “Topological Data Analysis”.
1
Figura 2: Un espacio con diferentes transformaciones.
6 2
5 3
del álgebra abstracta para estudiar espacios topológicos. La meta principal es encontrar
tienen forma 2 , esta forma tiene significado, y este significado tiene un valor subyacente
de forma esta codificada por la noción de espacio métrico, un conjunto dotado de una
función de distancia que satisface tres simples axiomas. Esta noción abstracta nos
2
Utilizamos el término forma como característica de una figura geométrica.
2
permite no solo estudiar nociones ordinarias de las formas en dos y tres dimensiones,
[20, 33].
barras [22].
de las propiedades globales de los espacios y aplicaciones a partir de cálculos locales [4].
La homología persistente ha mostrado ser una herramienta muy útil en los siguientes
3
[23]; reconocimiento de patrones topológicos en nube de puntos de datos [13] y objectos
X A
se muestra en la Figura 5.
A1 A2 A3 A4 A5
⊂ ⊂ ⊂ ⊂
H0
H1
t0 t1 t2 t3 t4 t5
4
A continuación describimos los capítulos que forman parte de este trabajo:
–Lema del Nervio– pueden representar un espacio topológico manteniendo sus caracterís-
a partir de una nube de puntos. La bibliografía principal para este capítulo es [12], [2] y
[1].
de la topología algebraica que nos da información del número y clase de ciclos que
contiene un complejo simplicial. La bibliografía principal para este capítulo es [2], [4] y
[5].
3
http://www.r-project.org
5
Capítulo 1
COMPLEJOS SIMPLICIALES
de simpliciales que son pegados unos a otros de manera estructurada, tal colección
puede ser muy grande pero todos sus elementos son simples. Esto no es muy conveniente
para cálculos manuales pero cerca del ideal para implementaciones computacionales. En
topología de un espacio.
1.1. Preliminares
k
X
z = λ0 x0 + λ1 x1 + · · · + λk xk , donde λi = 1.
i=0
6
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
k
X k
X
λi xi = 0, con λi = 0, λi ∈ R,
i=0 i=0
convexa de los xi .
cualesquiera x, y, z ∈ M :
1.2. Simpliciales
euclídeo Rn , con k ≤ n.
7
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
(i) Todo k-simplicial σ = hx0 , . . . , xk i es la unión de los segmentos que unen x0 con
8
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
una cara de σ. Las caras de σ distintas de σ mismo se llaman caras propias. Las caras
inmediatas de σ son las caras generadas por exactamente un vértice menos que σ, es
decir, k − 1.
Las caras de σ vienen dadas en todas las dimensiones, desde cero (vértices) hasta
caras inmediatas.
Ejemplo 1.2. Las caras inmediatas de un tetraedro solido (3-simplicial) son sus cuatro
9
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
coordenada baricéntrica nula, mientras el interior son los puntos que poseen todas sus
combinatoria. Los complejos simpliciales son los objetos combinatorios que los describen,
propiedades:
finitos.
geométrico.
◦ ◦
(ii) Para todo par σ, τ ∈ K, si σ 6= τ , entonces σ ∩ τ = ∅.
10
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
(a) (b)
Por el teorema anterior, se tiene que para todo elemento x ∈ |K|, existe un único
◦
simplicial σ ∈ K tal que x ∈ σ. Por lo tanto, todo elemento de |K| se escribe en forma
Pk
única como combinación convexa x = i=0 ti xi tales que ti > 0 para todo i = 0, . . . , k y
{ x0 , . . . , xk } generan un simplicial en K.
Todo simplicial σ induce, junto con todas sus caras, un complejo simplicial que,
por abuso de notación, denotaremos también con σ. El conjunto de todas las caras
11
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
homeomorfismo que manda los vértices de uno en los vértices del otro y combinaciones
simplicial, conociendo sus vértices y cuáles de estos vértices forman simpliciales entre sí.
damos a continuación.
SK .
el conjunto VK queda determinado por SK : son los elementos que forman los conjuntos
Ejemplo 1.3. Para un complejo simplicial que representa un tetraedro sin el interior
12
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
b b b
a a a c a c
VK = { a, b, c, d }
SK = {{ a } , { b } , { c } , { d } ,
{ a, b } , { a, c } , { a, d } , { b, c } , { b, d } , { c, d } ,
{ a, b, c } , { a, b, d } , { a, c, d } , { b, c, d }}
(y a veces escribiremos σ n cuando queramos recalcar este hecho). Notar que, en particular,
13
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
primera que fue hecha más geométrica y la segunda versión, más abstracta. Veremos que
esencialmente son el misma objeto y a partir de ahí trabajaremos con los dos conceptos
indistintamente.
posición general en R2 (notar que no existen tres puntos contenidos en una recta).
Ahora bien, sabemos que los simpliciales quedan determinados por sus vértices
sus vértices y, por lo tanto, se puede ver como un simplicial abstracto. Recíprocamente,
supuesto que esta elección no es única, pero es única salvo un isomorfismo simplicial.
14
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
realización como espacio, es decir |K| = |L|. Para más detalles sobre su estudio se puede
Además, |K| resulta compacto y, por lo tanto, cerrado en Rm dado que solamente
15
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
U U U
U
Nervio Nervio
U∩V V
V
W U U∩W W
U Nervio
V∩W
U∩V
V V
Definición 1.9 (nervio). Sea F una colección finita de conjuntos. El nervio consiste en
n \ o
Nrv F = G ⊆ F : G 6= ∅ .
G 6= ∅ y H ⊆ G implica
T
El nervio es un complejo simplicial abstracto dado que
tanto tiene sentido hablar acerca de la topología o tipo de homotopía del nervio.
16
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
'
nervio represente fielmente el espacio original, y bajo ciertas condiciones esto se puede
a un punto.
Teorema 1.10 (Lema del Nervio). Sea F una colección finita de conjuntos cerrados tal
que cada intersección entre sus elementos es vacía o contraíble. Entonces Nrv(F ) tiene
S
el mismo tipo de homotopía que F.
Demostración. Una demostración de este teorema puede verse en [3, Corolario 4G.3].
La Figura 1.5 ilustra diferentes construcciones del nervio de S1 donde solo una de
ellas conserva el tipo de homotopía. La Figura 1.6 ilustra el Lema del Nervio aplicado a
un espacio arbitrario.
17
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
partir de un conjunto finito de puntos, que son relevantes a nuestro estudio. En esta
creadas para ciertos tipos de aplicaciones específicas, para leer más al respecto puede
consultarse [2].
( )
\
C̆echS (r) = σ⊆S: Bx (r) 6= ∅
x∈σ
Remarca 1.13. Dado que las bolas Bx (r) son todas convexas, satisface las condiciones
del Lema del Nervio, y por lo tanto C̆echS (r) tiene el mismo tipo de homotopía que la
Dado dos radios r < r0 , se ve claramente la inclusión C̆echS (r) ⊆ C̆echS (r0 ). Por
18
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
complejos más pequeños que conserven el tipo de homotopía, para leer más al respecto
19
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
entonces
√
C̆echS (r) ⊆ Vietoris–RipsS (r) ⊆ C̆echS ( 2r).
Remarca 1.16. El Complejo de C̆ech satisface el Lema del Nervio mientras que el
20
CAPÍTULO 1. COMPLEJOS SIMPLICIALES
para modelar la topología de una red ad-hoc de comunicaciones inalámbricas, para más
detalles puede consultarse [26]. Para el estudio de otros complejos, como el de Delaunay,
21
Capítulo 2
HOMOLOGÍA SIMPLICIAL
Consideremos tres espacios topológicos: un círculo, dos círculos uno al lado de otro
pero sin ningún contacto, y un círculo arriba de otro formando un ocho, como se muestra
(uno en el primer caso, dos en el segundo y tercer caso). Los grupos de homología nos
22
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
sin ambigüedad sobre como un espacio esta conectado. Es un invariante topológico muy
de los complejos de celda 4 : como las celdas de n dimensiones se juntan con celdas de
2.1. Preliminares
Los espacios métricos estan dotados de una métrica que define conjuntos abiertos,
vecindades, y continuidad. Sin una métrica, debemos prescribir una estructura suficiente
siguientes condiciones:
(i) ∅, X ∈ T .
(ii) Si S1 , S2 ∈ T , entonces S1 ∩ S2 ∈ T .
puntos puede ser dotado de diferentes topologías, pero vamos a abusar de la notación
escribiendo p ∈ X en lugar de p ∈ X.
4
También llamado Complejo Celular o CW-Complejo, del inglés Closure finite–Weak topology.
23
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
tal caso, decimos que X es homeomorfo a Y, además decimos que X y Y tienen el mismo
2.1.2. Homotopía
Una homotopía es una familia de aplicaciones ft : X → Y, para t ∈ [0, 1], tal que la
tal que f ◦ g ' 1Y y g ◦ f ' 1X , donde 1X , 1Y son las aplicaciones identidad en los
24
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
implica X ' Y.
el que asigna a un espacio su grupo fundamental, para más detalles puede consultarse
[3].
f con f (0) = f (1), es decir, el ciclo comienza y termina en el mismo punto base. El
ciclo trivial nunca deja el punto base. La clase de equivalencia de un camino f bajo la
disco es fronterizo y dado que es contraíble, pertenece a la clase de equivalencia del ciclo
5
Funciones de un categoría en otra que lleva objetos a objetos y morfismos a morfismos de manera
que la composición de morfismos y las identidades se preservan.
25
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
trivial. Caso contrario, el ciclo se dice no-fronterizo y pertenece a una clase diferente.
en un punto base x0 contiene las clases de homotopía de los ciclos en X con base en
x0 como sus elementos, a la clase de equivalencia del ciclo trivial como su elemento
caminos, el punto base es irrelevante, asi que escribimos los grupos como π1 (X).
∼
= denota un isomorfismo de grupos y { 0 } es el grupo trivial. Para cualquier n ∈ Z,
podemos dar n vueltas al círculo, en sentido horario para enteros positivos y en sentido
manera similar, tenemos dos ciclos no fronterizos que generan el grupo fundamental del
Toro, π1 (toro) ∼
= Z × Z, donde la superficie del toro es un grupo abeliano.
son muy complicados y no son computables a partir de un complejo. Más aún, para
Por otro lado, los grupos de homología son mucho más fáciles de computar.
ordenado como una ordenación de los vértices y denotado por [v0 , v1 , . . . , vn ]. Sea π una
26
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
Remarca 2.2. Los coeficientes pueden ser en cualquier cuerpo, pero en nuestro caso
trataremos con coeficientes en Z que simplifica los resultados pero sin restringirnos
demasiado como el caso de Z2 . Para un estudio más profundo puede consultarse [3] o [5].
Dos p-cadenas pueden ser adicionadas componente por componente, como polino-
ai σ i y c 0 = bi σi entonces c + c0 =
P P P
mios. Especificamente si c = (ai + bi )σi .
Remarca 2.4. Notese que Cp es un grupo abeliano libre, con base formada por los
p-simpliciales de K.
La frontera –también llamado borde– de los p-simpliciales nos permite relacionar estos
grupos de p-cadenas.
6
Una suma formal es una combinación lineal de elementos en un grupo abeliano libre.
27
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
vi , su frontera es
p
(−1)j [v0 , . . . , v̂j , . . . , vp ],
X
∂p σ =
j=0
v1 v1
∂2
v0 v2 v0 v2
P
Definición 2.6 (frontera de una cadena). Dada una p-cadena, c = ai σi , definimos su
X
∂p c = ai ∂p σi .
28
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
Ignoraremos el índice del homomorfismo de frontera dado que esta implícito por
Distinguiremos dos tipos particulares de cadenas y los usaremos para definir los
Definición 2.10 (p-ciclo). Un p-ciclo c es una p-cadena con frontera vacía, es decir,
Zp = ker ∂p . Por ejemplo, para p = 0, la frontera de cada vértice es nula (C−1 = { 0 }),
Cp .
Definición 2.12 (p-frontera). Una p-frontera c es una p-cadena que es una frontera
29
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
conjunto de p-fronteras de K.
de aristas con dos extremos cada una. Tomando la frontera se cancelan por extremos
número par de vértices, podemos encontrar caminos que en pares y podemos añadir
los caminos para obtener una 1-cadena con frontera dada por los vértices. Si K es
conectado implica que exactamente la mitad de los 0-ciclos son 0-fronteras. La propiedad
necesariamente 0.
subgrupo de Zp .
30
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
Dado que las fronteras forman subgrupos de los grupos de ciclos, podemos construir
el cociente particionando cada grupo de ciclos en clases de ciclos que difieren de otros
por sus fronteras. Esto nos lleva a la noción de grupos de homología y sus rangos, que
definiremos a continuación.
v2
v0 v1
31
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
2 ∂ 1 0∂ ∂
C2 −→ C1 −→ C0 −→ {0}
donde
C2 = { 0 }
C0 = hv0 , v1 , v2 i
Z0 = Ker ∂0 = C0 = hv0 , v1 , v2 i
B0 = Im ∂1 = ∂1 (C1 ) = hv1 − v0 , v2 − v1 , v0 − v2 i
H0 = Z0 /B0 ≈ Z ⊕ Z ⊕ Z/Z ⊕ Z = Z.
32
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
Z1 = Ker ∂1 = { c ∈ C1 : ∂1 (c) = 0 }
B1 = Im ∂2 = { 0 }
Entonces, c ∈ Z1 si solo si
Concluimos que
H0 ≈ Z, H1 ≈ Z, Hp = { 0 } , p > 1.
O equivalentemente
β0 = 1, β1 = 1, βp = 0, p > 1.
el complejo de cadenas
∂
3 2 ∂ 1 0 ∂ ∂
{ 0 } −→ C2 −→ C1 −→ C0 −→ {0}
33
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
donde
C2 = h[v0 , v1 , v2 ]i
C0 = hv0 , v1 , v2 i
v2
v0 v1
Por lo tanto
β0 = 1, β1 = 0, β2 = 0.
sin el interior, es decir, un complejo abstracto (ordenado) dado por { [v0 , v1 , v2 ], [v1 , v3 , v2 ], [v0 , v2 , v3 ], [v0 ,
3∂ 2 ∂1 0 ∂ ∂
{ 0 } −→ C2 −→ C1 −→ C0 −→ {0}
34
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
donde
C0 = hv0 , v1 , v2 , v3 i
Luego
H3 = { 0 }
H2 = Ker ∂2 / Im ∂3 = Ker ∂2
H1 = Ker ∂1 / Im ∂2
H0 = C0 / Im ∂1
35
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
1 1 1 0 0 0
0 −1 0 1 1 0
A2 =
0 0 −1 0 −1 1
−1 0 0 −1 0 −1
−1 1 0 0
0 −1 1 0
1 0 −1 0
A1 =
0
−1 0 1
0
0 1 −1
1 0 0 −1
obtenemos que
36
CAPÍTULO 2. HOMOLOGÍA SIMPLICIAL
Entonces
H2 ≈ Z
H1 ≈ Z3 /Z3 = { 0 }
H0 ≈ Z4 /Z3 = Z
Por lo tanto
β0 = 1, β1 = 0, β2 = 1.
cual puede realizarse mediante el algoritmo de eliminación de Gauss. Para más detalles
37
Capítulo 3
HOMOLOGÍA PERSISTENTE
de Betti. Nos interesa los intervalos que persisten por largo tiempo, puesto que ellos
en dimensión k. Viendo una filtración como un espacio en crecimiento, vemos que los
A1 A2 A3 A4 A5
⊂ ⊂ ⊂ ⊂
H0
Figura 3.1: Un complejo filtrado y sus números de Betti asociados.
H1
t0 t1 t2 t3 t4 t5
38
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
en cuerpos [33].
que f sea monótona, es decir, para σ, τ ∈ K, tenemos f (σ) ≤ f (τ ) siempre que σ sea
cara de τ .
los ordenamos de manera creciente que nos permite hacer la siguiente definición.
Definición 3.1 (filtración). Si a1 < a2 < · · · < an son valores de la función f del
∅ = K0 ⊆ K1 ⊆ · · · ⊆ Kn−1 ⊆ Kn = K.
complejo añadiendo un simplicial cada vez. Más que la secuencia de complejos, estamos
Para cada i ≤ j tenemos una aplicación de inclusión natural del espacio subyacente
39
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
de Ki al de Kj :
∅ = K0 ,→ K1 ,→ · · · ,→ Kn−1 ,→ Kn = K.
ϕ0,1
p ϕ1,2
p ϕn−2,n−1
p ϕn−1,n
p
∅ = Hp (K0 ) −→ Hp (K1 ) −→ · · · · · · −→ Hp (Kn−1 ) −→ Hp (Kn ) = Hp (K)
juntan con otras clases. Luego agrupamos estas clases que nacen en o antes de un valor
dado y mueren despues de otro valor, las siguientes definiciónes nos permiten formalizar
esta idea.
persistente son las imágenes de los homomorfismos inducidos por la inclusión, Hpi,j =
Im ϕi,j
p , para 0 ≤ i ≤ j ≤ n. Los correspondientes p-ésimo números de Betti persistentes
Los grupos de homología consisten en las clases de homología de Ki que aún estan
Zp (Ki )
Hpi,j = .
Bp (Kj ) ∩ Zp (Ki )
Tenemos estos grupos para cada dimensión p y cada par de índices i ≤ j. Podemos
40
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
ser más concretos acerca de las clases contabilizadas por los grupos de homología
Definición 3.4 (nacimiento y muerte de clases). Sea γ una clase en Hp (Ki ), decimos
ϕi,j i−1,j
p (γ) ∈ Hp y ϕi,j−1
p / Hpi−1,j−1 .
(γ) ∈
Notese que los nacimientos y muertes también pueden ser definidos como una
41
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
µi,j i,j−1
p = (βp − βpi,j ) − (βpi−1,j−1 − βpi−1,j ),
Definición 3.7 (diagrama de persistencia). Dibujando cada punto (ai , aj ) con multipli-
cidad µi,j
p , obtenemos el p-ésimo diagrama de persistencia de la filtración, denotado por
Dgmp (f ).
Por construcción, todos los valores se representan encima la diagonal, y las clases más
cercanas a la diagonal son clases que estan presentes muy poco tiempo, en cambio las
clases más cercanas a la horizontal superior representan clases que persisten por un
42
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
(ai , aj )
aj
ai
43
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
Recordemos que βp0,j = 0 para todo j por que K0 = ∅ no tiene ninguna clase de
En la anterior sección hemos visto que podemos clasificar los grupos de persis-
como intervales semi-abiertos [ai , aj ), esta descripción coincide con la de los grupos
parametrizados en R.
44
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
alternativa del diagrama de persistencia. Los intervalos del código de barras también
son llamados intervalos de Betti, la Figura 3.4 ilustra el código de barras asociado a
una filtración.
A1 A2 A3 A4 A5
⊂ ⊂ ⊂ ⊂
H0
H1
t0 t1 t2 t3 t4 t5
el intervalo, más importante es el atributo topológico, dado que persiste en ser una
métrico asociando una métrica o quasi-métrica8 . Para este cometido, asumimos que X
y Y son dos códigos de barras, y escribimos Bij(X, Y ) para la colección de todas las
diagonales del código de barras, tales biyecciones pueden emparejar cada elemento no
diagonal con algún elemento posiblemente diagonal, y par todos los elementos de la
8
Una función no negativa que satisface los axiomas de una métrica con posible excepción de la
simetría.
45
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
( )
dH (X, Y ) = máx sup ı́nf kx − yk∞ , sup ı́nf ky − xk∞
x∈X y∈Y y∈Y x∈X
!1/p
dpW γ(x)kp∞
X
= ı́nf kx −
γ∈Bij(X,Y )
x∈X
consultarse [15], las métricas anteriores han sidos propuestas en los trabajos [17, 18].
46
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
3.4. Experimentación
R [31] para generar los códigos de barras y diagramas de persistencia de diferentes nubes
de puntos.
El valor máximo del parámetro utilizado es 3,9, este valor es determinado expe-
47
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
●
●
●●● ●●●●●●●●
● ●●●●●●●●
●●●
● ● ●
● ●● ● ●
●● ●●●●●
●
●
●●
● ●
●
●
●
● ●
●
●● ●●
●● ●●
● ●●● ●●●●●
● ● ●●● ●●●●
●●
●●●
●
●●
●●●●● ● ● ● ●● ●●
●
●● ●● ● ●
● ●● ● ● ● ●
●●● ● ● ● ● ●● ● ●● ●●●● ●●
● ●●●●●
●●● ●●
●●
●
●●
● ● ●
●● ● ●● ●● ● ● ● ● ● ●●●● ●● ● ● ●●
● ●●
● ●
●● ● ●● ● ● ● ● ●
●● ●●
● ●
●
● ● ●●
●●● ●●●● ●●
●
● ●●● ●●● ● ● ● ● ● ● ● ● ●●●●●●
● ●
●
●
●●●●●● ● ●● ● ●● ● ● ● ●●● ●●●●
● ● ● ● ● ●● ●
● ●
●●●●● ●●●● ● ●● ● ● ● ●
● ● ● ● ● ● ● ●● ● ●
●●● ●
●● ●● ●● ●●●●●
● ●
● ● ● ●
●●●
●● ●
●
●●●●●
● ● ●
●
● ●● ●● ● ● ●● ●
●● ● ●● ●●●●
●
●●●
●● ●
●
●●
●
●● ● ● ●● ● ● ●●
●
●●●●●
●● ●●●● ● ● ● ● ●
● ● ● ●● ●
●●
●
● ● ●● ●●●● ●
●●● ● ● ● ● ● ●
● ●
●●
● ●●● ●●●● ●●●
● ● ● ● ●
●● ● ●● ● ● ● ● ●
●●●
● ●●●
●
●●●●
●●
● ●●
●●●●●● ●●●
● ●
●
●● ●●●
● ●●●●
● ●●● ●●●● ●●●
● ● ●
●●●● ● ● ●● ● ●● ● ●
●●
●
● ●●
● ● ●● ●● ●
●
●
●●
●
●
●
●
● ●
●●
●●●
● ●●
●
● ●
● ●●● ●●
● ● ● ●
● ●
● ●● ● ●●
● ●
●●
● ● ● ● ● ●●●
●●●● ● ● ●● ● ● ● ●●●
●
● ●
●●●
●
●● ●● ●●
● ● ●●●●● ● ● ● ● ●●●● ●● ● ● ●
● ●●● ●
● ●
● ● ● ● ● ●
● ●● ● ●● ●● ● ●●●●● ●● ●● ● ● ● ●● ● ●
10
●● ● ● ● ● ●
●
●● ● ●● ● ● ●● ●
●●●●● ● ● ●●●●●● ●
● ● ●
● ●● ●
● ●● ● ● ● ●
●
●●●● ● ● ● ● ●● ●●
●
●●●
●●●●●●
●
●● ●●
● ●●
●● ● ●
● ●● ● ●
●●
● ● ● ●●●
●●●●●●●●●● ●●● ●●
●●● ●●● ● ● ● ●●
●
●● ● ●●
●● ● ● ●●●●●●●● ●● ● ●●
● ● ●●● ●●● ● 40
y
● ●
● ● ● ●● ●●● ●
● ●●● ● ●●● ●● ● ● ● ● ●●●● ● ● ● ●
●
● ● ●● ● ●● ● ● ● ●●●● ●●● ●● ●●● ●● ● ●●● ● ● ●●●●
●●
● ●●● ● ●● ● ● ●● ●●●●
●● ●●● ●
●●●● ●●●●●●● ●●●
●● ●●●●●
●●
●●●●
●● ●●
●
30
●●● ●● ●● ●● ●●● ●● ● ●●● ●● ● ●● ●
5
● ● ●●●
● ● ● ● ● ●●
●
●
●●●●
●● ●●●●●●● ●●●● ● ●●
●
●●
●●
●● ● ●●
●●● ●●
●●●
●●●●
●
●
● ● ●●●● ●●●● ●●
●● ● ●●
●
● ●● ●
●● ●●
●
● ●
●
●
●
●●●●● ●
●
●
●● ●
● ● ●●● ●
●●●●
●
●
●●●
●
● ●●●●●●● ●● ●
●● 20
● ● ●
● ●
● ●● ●●● ●
●
●●● ●
●●● ●
●● ● ● ● ● ● ● ● ● ● ● ●●●●●● ●●●
●
●●●●● ●● ● ● ● ●
● ●● ●●●●
● ●●●
●●
●●●●●●● ●● ●● ● ●● ●●
●●●●● ●
● ● ●●● ● ●● ● ●
● ● ●● ● ●● ●●●● ●●●●● ●●●● 10
●
●●
●●●●● ● ●● ● ●● ●●●●●● ●●●
0
●● ● ●
● ●●● ● ●● ●●●● ●● ●●● ● ● ● ●● ●●● ●●●●● ●●
z
● ●● ●●
●● ●●● ●●●
●
●●● ●●
● ●● ● ● ●
●● ● ●
●● ● ● ● ●
● ● ●● ●● ● ●● ● ●● ●● ● 0
●● ●●●●● ●●● ● ● ●●●● ● ● ● ●● ●●●●● ●●●●
●●●● ●●●
● ●
●●●●● ●● ● ● ● ● ● ●●
●●● ● ● ● ●●●● ●●● −10
●
●●
● ●●●●● ●●●●● ●●● ●●●● ●● ● ● ● ● ● ●●●●●●●
−5
●
●●●●●● ● ● ● ● ●● ● ●
●●
●
● ● ● ● ● ● ● ●
●●● ●●●●● ●●●●
● ●●●●●● ●● ● ● ●
●● ● ●
● ● ●
● −20
● ●● ●●●● ●● ● ● ●
● ●
● ●
−30
−10
−40
−40 −30 −20 −10 0 10 20 30 40
permite observa que los puntos se conectan rápidamente unos con otros formando un
solo componente conexo. Esto se da por que los puntos estan distribuidos uniformemente,
48
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
H0
representa los 1-ciclos que se van formando a medida que el parámetro incrementa de 0
a 3,9. Diferentes 1-ciclos se van formando hasta quedar dos 1-ciclos casi hasta el final.
Lo que se puede interpretar como el 1-ciclo que representa el círculo menor y transversal
49
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
H1
los 2-ciclos o “vacíos” encerrados por la superficie del toro. En este caso tenemos un
50
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
H2
codificando toda la información de los grupos de homología. Se puede ver en la Figura 3.9
51
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
Persistence Diagram
4
●
3
Interval End
2
1
● 0
1
●
● 2
●
●
0
0 1 2 3 4
Interval Start
β0 = 1, β1 = 2, β2 = 1.
El Cuarteto de Anscombe[8] son 4 conjuntos de datos que casi tienen las mismas
52
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
dimensiones lo cual nos puede llevar a perder información y sacar conclusiones erróneas.
dataset = I dataset = II
14
12
10
8
y
2
dataset = III dataset = IV
14
12
10
8
y
2
2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20
x x
diagramas de persistencia (Figura 3.12) asociados a cada conjunto de datos del Cuarteto
53
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
Dataset I − H0 Dataset I − H1
0.0 2.4 4.8 7.2 9.6 12.0 0.0 2.4 4.8 7.2 9.6 12.0
Dataset II − H0
Dataset III − H0
Dataset IV − H0
54
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
Dataset I Dataset II
12
12
● ●
Interval End
Interval End
8
8
6
6
4
4
●
●
●
2
2
● ●
●
● ● 0 ●
● ● 0
● ●
1 1
0
0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
12
● ●
●
Interval End
Interval End
8
8
6
●
4
●
2
● ● 0 ●
● 0
●
●
1 ● 1
0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
En este caso podemos ver que la topología no captura las propiedades geométricas
de los datos (curvatura, ángulos, etc), por lo que es necesario aplicar técnicas adicionales
55
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
especies.
Figura 3.13: Una flor de lirio.
Consiste en 50 muestras de cada clase de Lirio
(Iris setosa, Iris virginica, Iris versicolor). Con cuatro características medidas de cada
56
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
Aquí aplicamos la homología persistente a un conjunto de datos más real que los
anteriores. Las figuras 3.14, 3.15 y 3.16 muestran el gráfico de dispersión, código de
En este caso no tenemos nada directo que concluir del resultado, más allá de que
el conjunto de datos tiene dos componentes conexos. Lo que tendríamos que hacer es
analizar los datos que formas estos componentes conexos, o incluso cuando forman 3 o 4
Así tambien analizar los datos que forman los ciclos que var apareciendo eventual-
mente. Es muy posible que no podamos encontrar nada significativo y que necesitemos
aplicar y complementar con otras técnicas para obtener resultados más concluyentes.
57
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
58
CAPÍTULO 3. HOMOLOGÍA PERSISTENTE
●
1.5 ●
Interval End
1.0
●
●
●
●
●
0.5
●
●
●
●
●
●
●
●
● 0
1
0.0
Interval Start
59
CONCLUSIONES
automático, etc).
60
Anexos
61
Anexo A
1 library ( phom )
library ( scatterplot3d )
3
N <- 20
5 R <- 25
r <- 10
7 sd <- 1
9 ts <- seq (0 ,2 * pi , pi / N )
ps <- seq (0 ,2 * pi , pi / N )
11
x <-y <-z <-c ()
13 for ( t in ts ) for ( p in ps ) {
x <- c (x , R * cos ( t ) + r * cos ( p ) * cos ( t ) )
15 y <- c (y , R * sin ( t ) + r * cos ( p ) * sin ( t ) )
z <- c (z , r * sin ( p ) )
17 }
62
ANEXO A. CÓDIGO FUENTE DE EJEMPLOS
library ( phom )
2
34 par ( mfrow = c (2 , 2) )
p l o t P e r s i s t e n c e D i a g r a m ( int1 , max _ dim , max _f , title = " Dataset I")
36 p l o t P e r s i s t e n c e D i a g r a m ( int2 , max _ dim , max _f , title = " Dataset II " )
p l o t P e r s i s t e n c e D i a g r a m ( int3 , max _ dim , max _f , title = " Dataset III " )
38 p l o t P e r s i s t e n c e D i a g r a m ( int4 , max _ dim , max _f , title = " Dataset IV " )
40 dev . off ()
library ( phom )
2
63
ANEXO A. CÓDIGO FUENTE DE EJEMPLOS
64
REFERENCIAS
Libros
ger, 2005.
//www.math.cornell.edu/~hatcher/AT/ATpage.html.
Artículos
abs/1210.0866.
[7] Edgar Anderson. “The species problem in Iris”. En: Annals of the Missouri
[8] Francis J Anscombe. “Graphs in statistical analysis”. En: The American Statisti-
65
ANEXO A. CÓDIGO FUENTE DE EJEMPLOS
~ghrist/preprints/persistence_planning.pdf.
[10] S. Bhattacharya y col. “Invariants for homology classes with application to optimal
search and planning problem in robotics”. En: Annals of Mathematics and Artificial
0573.
[11] Peter Bubenik y col. “Statistical topology via Morse theory, persistence and
ar/~gminian/notastopcomb.pdf.
[13] G. Carlsson. “Topological pattern recognition for point cloud data”. En: Acta
actanumericathree.pdf.
edu/preprints/topologyAndData.pdf.
[15] Gunnar Carlsson y col. “Persistence barcodes for shapes”. En: Proceedings of the
preprints/barcode4.pdf.
66
ANEXO A. CÓDIGO FUENTE DE EJEMPLOS
[16] Joseph Minhow Chan, Gunnar Carlsson y Raul Rabadan. “Topology of viral
diagrams”. En: Discrete & Computational Geometry 37.1 (2007), págs. 103-120.
u r l: http://www.cs.duke.edu/~edels/Papers/2007-J-01-StabilityPersistenceDiagram
pdf.
[18] David Cohen-Steiner y col. “Lipschitz functions have L p-stable persistence”. En:
//www.researchgate.net/publication/225338121_Lipschitz_Functions_
Have_Lp-Stable_Persistence/file/9fcfd50b684251d3ae.pdf.
[19] Herbert Edelsbrunner y John Harer. “Persistent homology-a survey”. En: Con-
at/~edels/Papers/2008-B-02-PersistentHomology.pdf.
readings/Data%20Analysis%20/Edelsbrunner-Letscher-Zomordian.pdf.
[21] Ronald A Fisher. “The use of multiple measurements in taxonomic problems”. En:
[22] R. Ghrist. “Barcodes: the persistent topology of data”. En: Bulletin of the American
2008-45-01/S0273-0979-07-01191-3/S0273-0979-07-01191-3.pdf.
67
ANEXO A. CÓDIGO FUENTE DE EJEMPLOS
math.upenn.edu/~ghrist/preprints/ipsn2005.pdf.
[24] Yuriy Mileyko, Sayan Mukherjee y John Harer. “Probability measures on the
space of persistence diagrams”. En: Inverse Problems 27.12 (2011), pág. 124007.
u r l: http://ftp.isds.duke.edu/WorkingPapers/11-06.pdf.
org/content/108/17/7265.full.pdf+html.
public/papers/dSG_coverage3_cb.pdf.
pomona.edu/~vds04747/public/papers/dSG_coverage2_ph.pdf.
http://comptop.stanford.edu/u/preprints/mapperPBG.pdf.
68
ANEXO A. CÓDIGO FUENTE DE EJEMPLOS
[29] G. Singh y col. “Topological analysis of population activity in visual cortex”. En:
content/8/8/11.
[30] Andrew Tausz. phom: Persistent Homology in R. Version 1.0.3. 2011. u r l: http:
//cran.r-project.org/package=phom.
[31] R Core Team y col. “R: A language and environment for statistical computing”.
timeseries-dplR.pdf.
[32] A. Zomorodian. “Topological Data Analysis”. En: Advances in Applied and Compu-
http://www.cs.dartmouth.edu/~afra/papers/ams12/tda.pdf.
004-1146-y. u r l: http://www.cs.dartmouth.edu/~afra/papers/socg04/
persistence.pdf.
69