【离散数学】学习笔记

北京交通大学《离散数学》课程学习笔记

数理逻辑

数理逻辑主要研究推理的规律和系统，以及如何用逻辑语言表达和证明数学命题。数理逻辑为计算机科学、人工智能和编程语言的设计提供了重要的理论基础。

1.1 命题逻辑

命题逻辑是最基本的逻辑形式，主要处理命题的真假及其组合关系。命题符号表示为 $(p,q,r)$ 等，其中每个命题符号代表一个可以判断真假的语句。

常见的逻辑运算符包括：

• 与（AND）运算：符号为 $(\wedge )$，对命题 $(p)$ 和 $(q)$ 进行与运算，只有当 $(p)$ 和 $(q)$ 都为真时，$(p\wedge q)$ 才为真。形式化定义为：
  $$p\wedge q=\{\begin{array}{ll}\text{真},& \text{如果 }p=\text{真}\text{ 且 }q=\text{真}\\ \text{假},& \text{否则}\end{array}$$

• 或（OR）运算：符号为 $(\vee )$，对命题 $(p)$ 和 $(q)$ 进行或运算，只要 $(p)$ 或 $(q)$ 中有一个为真，$(p\vee q)$ 就为真。形式化定义为：
  $$p\vee q=\{\begin{array}{ll}\text{真},& \text{如果 }p=\text{真}\text{ 或 }q=\text{真}\\ \text{假},& \text{如果 }p=\text{假}\text{ 且 }q=\text{假}\end{array}$$

• 非（NOT）运算：符号为 $(\neg )$，表示否定。例如，$(\neg p)$ 表示命题 $(p)$ 的否定。形式化定义为：
  $$\neg p=\{\begin{array}{ll}\text{真},& \text{如果 }p=\text{假}\\ \text{假},& \text{如果 }p=\text{真}\end{array}$$

• 蕴含（IMPLIES）运算：符号为 $(\to )$，表示“如果…那么…”。命题 $(p\to q)$ 表示如果 $(p)$ 为真，则 $(q)$ 必定为真；如果 $(p)$ 为假，则无论 $(q)$ 为真还是假，$(p\to q)$ 都为真。形式化定义为：
  $$p\to q=\{\begin{array}{ll}\text{假},& \text{如果 }p=\text{真}\text{ 且 }q=\text{假}\\ \text{真},& \text{否则}\end{array}$$

• 等价（IF AND ONLY IF）运算：符号为 $(\leftrightarrow )$，表示两个命题具有相同的真值。形式化定义为：
  $$p\leftrightarrow q=\{\begin{array}{ll}\text{真},& \text{如果 }p=q\\ \text{假},& \text{如果 }p\ne q\end{array}$$

1.2 逻辑推理与证明

数理逻辑不仅仅是对命题的真值进行运算，还涉及到如何从已知命题推导出新命题。推理是通过有效的推理规则从前提出发，得到结论的过程。

常见的推理方法包括：

• 直接证明：直接通过推导，得出结论。
• 反证法：假设结论的否定为真，推导出矛盾，从而证明结论的正确性。
• 归纳法：通常用于证明涉及整数的命题，通过证明基础情况和归纳步骤，得出结论。

1.3 谓词逻辑

谓词逻辑是数理逻辑的一种扩展，它引入了谓词和量词，使得命题逻辑能够表示更加复杂的数学命题。

在谓词逻辑中，命题不再是一个简单的真假判断，而是描述了对象及其属性或对象之间的关系。谓词逻辑的关键概念包括：

• 谓词：表示某个对象的属性或对象之间的关系。比如，“$(x)$ 是素数”可以表示为 $(P(x))$，其中 $(P)$ 是谓词，$(x)$ 是对象。
• 量词：
  • 存在量词（$(\exists )$）：表示“存在某个元素”满足某个性质。例如，$(\exists xP(x))$ 表示“存在某个 $(x)$，使得 $(P(x))$ 为真”。
  • 全称量词（$(\forall )$）：表示“对于所有的元素”都满足某个性质。例如，$(\forall xP(x))$ 表示“对于所有的 $(x)$，$(P(x))$ 都为真”。

1.4 逻辑等价与推理规则

在数理逻辑中，逻辑等价公式和推理规则帮助我们从已知命题推导出等价的命题。

常见的逻辑等价

• 德摩根定律：涉及与、或、非等运算的变换。例如：
  $$\neg (p\wedge q)\equiv \neg p\vee \neg q\text{和}\neg (p\vee q)\equiv \neg p\wedge \neg q$$

• 蕴含的等价形式：
  $$p\to q\equiv \neg p\vee q$$

常见的推理规则

• 合取引入（Conjunction Introduction）：从命题 $(p)$ 和 $(q)$ 推导出 $(p\wedge q)$。
• 析取引入（Disjunction Introduction）：从命题 $(p)$ 推导出 $(p\vee q)$。
• 假言推理（Hypothetical Syllogism）：从 $(p\to q)$ 和 $(q\to r)$ 推导出 $(p\to r)$。

集合论

集合论是数学的基础之一，它研究集合的性质、集合之间的关系以及如何操作集合。集合论在计算机科学中有着重要应用，特别是在数据结构、算法和数据库设计中。

2.1 集合的定义与表示

集合是一个包含若干元素的集体。集合中的元素是独立的且顺序不重要。

表示方法

• 列举法：例如，集合 ( A = { 1 , 2 , 3 } ) ( A = \{1, 2, 3\} ) (A={1,2,3}) 表示包含元素 1、2 和 3 的集合。
• 描述法：例如，集合 ( B = { x ∣ x  是偶数且  x < 10 } ) ( B = \{x \mid x \text{ 是偶数且 } x < 10\} ) (B={x∣x 是偶数且 x<10}) 表示包含所有小于 10 的偶数的集合。

2.2 集合的基本操作

集合操作是集合论中最基本的内容，常见的操作包括：

• 并集（Union）：$(A\cup B)$ 表示集合 $(A)$ 和 $(B)$ 的所有元素的并集，即包含 $(A)$ 和 $(B)$ 中所有不同的元素。
• 交集（Intersection）：$(A\cap B)$ 表示集合 $(A)$ 和 $(B)$ 的共同元素。
• 差集（Difference）：$(A-B)$ 表示集合 $(A)$ 中的元素，但不包括属于 $(B)$ 的元素。
• 补集（Complement）：$(A^C)$ 表示全集中不属于集合 $(A)$ 的元素。

2.3 集合的关系与映射

• 包含关系：集合 $(A)$ 是集合 $(B)$ 的子集，表示为 $(A\subseteq B)$，如果 $(A)$ 中的每个元素都属于 $(B)$。
• 笛卡尔积：给定集合 $(A)$ 和 $(B)$，它们的笛卡尔积 $(A\times B)$ 是由所有有序对 $(a,b)$ 组成的集合，其中 $(a\in A)$ 且 $(b\in B)$。
• 映射（函数）：函数是集合之间的一种关系，将集合 $(A)$ 中的元素映射到集合 $(B)$ 中的元素。常见的映射类型包括单射、满射和双射。

2.4 特殊类型的集合

• 空集 $(\varnothing )$：没有任何元素的集合，表示为 $(\varnothing )$ 或 ( { } ) ( \{\} ) ({})。
• 幂集：集合 $(A)$ 的幂集是包含所有子集的集合，表示为 $(P(A))$。
• 势：集合的势（或大小）表示集合中元素的数量，记作 $(|A|)$。

---

函数

在离散数学中，函数是描述集合之间关系的基本工具。一个函数将一个集合中的每个元素映射到另一个集合中的元素。函数在计算机科学、算法设计、数据结构等领域有着广泛的应用。

3.1 函数的定义与表示

一个函数是两个集合之间的映射关系，通常表示为：
$(f:A\to B)$
这意味着函数 $f$ 将集合 $A$ 中的每个元素映射到集合 $B$ 中的唯一元素。

• 定义域（Domain）：函数 $f$ 的定义域是所有输入值的集合，即集合 $A$。
• 值域（Codomain）：函数 $f$ 的值域是所有可能的输出值的集合，即集合 $B$。
• 映射：对于每个 $a\in A$，函数 $f$ 为其指定一个唯一的 $f(a)\in B$。

3.1.1 映射的种类

根据函数的性质，函数可以分为几种类型：

• 单射（Injection）：如果对于集合 $A$ 中的任意两个不同元素 $x_1\ne x_2$，都有 $f(x_1)\ne f(x_2)$，则函数 $f$ 称为单射。换句话说，单射保证了函数的每个输入值都有一个不同的输出值。

  $(f(x_1)=f(x_2)\Rightarrow x_1=x_2)$

• 满射（Surjection）：如果对于集合 $B$ 中的每个元素 $b\in B$，都存在 $a\in A$ 使得 $f(a)=b$，则函数 $f$ 称为满射。即，函数的值域等于目标集合 $B$。

  $(\forall b\in B,\exists a\in A,f(a)=b)$

• 双射（Bijection）：如果函数 $f$ 同时是单射和满射，则称 $f$ 为双射。双射函数的每个输入对应一个唯一的输出，且每个输出都有一个唯一的输入。

  $(f:A\to B\text{且}|A|=|B|)$

3.1.2 函数的运算

函数之间可以进行各种运算，包括复合函数、反函数等：

• 复合函数：给定两个函数 $f:A\to B$ 和 $g:B\to C$，它们的复合函数 $g\circ f:A\to C$ 定义为：对于每个 $a\in A$，有 $(g\circ f)(a)=g(f(a))$。

  $((g\circ f)(a)=g(f(a)))$

• 反函数：如果函数 $f$ 是双射，那么存在一个反函数 $f^{-1}:B\to A$，使得对于所有的 $a\in A$ 和 $b\in B$，都有 $f^{-1}(f(a))=a$ 和 $f(f^{-1}(b))=b$。

  $(f^{-1}(f(a))=a\text{和}f(f^{-1}(b))=b)$

---

组合数学

组合数学是研究如何从有限集的元素中选取子集、排列和组合的数学分支。它在计算机科学中广泛应用，尤其在算法、优化问题、概率论和密码学等领域。

4.1 排列与组合

4.1.1 排列（Permutation）

排列是从一组元素中按顺序选择若干个元素的不同方式数。对于一个包含 $n$ 个元素的集合，从中选取 $r$ 个元素的排列数记为 $P(n,r)$，其公式为：

$(P(n,r)=\frac{n!}{(n-r)!})$

其中，$n!$ 表示 $n$ 的阶乘，定义为：

$(n!=n\times (n-1)\times (n-2)\times \cdots \times 1)$

4.1.2 组合（Combination）

组合是从一组元素中选取若干个元素，但不考虑选取的顺序。对于一个包含 $n$ 个元素的集合，从中选取 $r$ 个元素的组合数记为 $C(n,r)$，其公式为：

$(C(n,r)=\frac{n!}{r!(n-r)!})$

其中，$r!$ 是 $r$ 的阶乘。

4.1.3 二项式定理

二项式定理描述了 $(x+y{)}^n$ 的展开式，它是组合数学中的一个重要公式。该公式为：

$((x+y{)}^n={\sum }_{r=0}^{n}C(n,r)x^{n-r}{y}^r)$

该公式表明，二项式的展开可以通过组合数来表示。

4.2 递推与生成函数

4.2.1 递推关系

递推关系是用来定义一个序列的关系的方式，其中序列的每一项都依赖于之前的项。常见的递推关系有：

• 斐波那契数列：数列的递推关系为 $F(n)=F(n-1)+F(n-2)$，初始条件为 $F(0)=0$ 和 $F(1)=1$。

  $(F(n)=F(n-1)+F(n-2),F(0)=0,F(1)=1)$

• 阶乘：阶乘的递推关系为 $n!=n\times (n-1)!$，且 $0!=1$。

  $(n!=n\times (n-1)!,0!=1)$

4.2.2 生成函数

生成函数是通过一个幂级数表达序列的一种方式。给定一个数列 $a_0,a_1,a_2,\dots$，它的生成函数定义为：

$(A(x)={\sum }_{n=0}^{\infty }{a}_n{x}^n)$

生成函数广泛应用于组合问题和递推关系的求解。

---

图论

图论是研究图的结构和性质的数学分支。图由一组顶点和连接顶点的边组成。图论在计算机科学、网络设计、优化问题等方面有广泛的应用。

5.1 图的定义与表示

一个图 $G$ 可以表示为一个有序对 $G=(V,E)$，其中：

• $V$ 是图的顶点集合。
• $E$ 是图的边集合，每条边连接两个顶点。

图可以分为以下几种类型：

• 无向图：边没有方向，边 $e=(u,v)$ 表示顶点 $u$ 和 $v$ 之间的连接。
• 有向图：边有方向，边 $e=(u,v)$ 表示从顶点 $u$ 指向顶点 $v$ 的有向边。
• 加权图：每条边都有一个权值，表示从一个顶点到另一个顶点的代价或距离。

5.2 图的基本算法

• 深度优先搜索（DFS）：从一个起始顶点开始，尽可能深入访问每个顶点。
• 广度优先搜索（BFS）：从一个起始顶点开始，首先访问所有相邻的顶点，然后逐层访问更远的顶点。
• 最短路径算法：例如 Dijkstra 算法，用于计算从起点到所有其他顶点的最短路径。

5.2.1 最小生成树

给定一个加权无向图，最小生成树是一个子图，包含原图的所有顶点，并且边的权重和最小。常见的算法有 Kruskal 算法和 Prim 算法。

5.2.2 图的着色

图的着色是指为图的顶点或边分配颜色，要求相邻的顶点或边有不同的颜色。图的着色问题广泛应用于任务调度、资源分配等问题。

---

初等数论

初等数论是研究整数性质的数学分支。它包括整数的基本性质、素数、约数、同余等概念。

6.1 整数的基本性质

• 偶数与奇数：一个整数 $n$ 如果能被 2 整除，则称为偶数；否则称为奇数。

  $(n\equiv 0(\mathrm{mod}2)\text{是偶数}\text{否则是奇数})$

• 约数与倍数：若 $a\mid b$，则 $a$ 是 $b$ 的约数，$b$ 是 $a$ 的倍数。

  $(a\mid b\text{表示}\exists k\in \mathbb{Z},b=a\times k)$

6.2 素数与因数分解

素数是大于 1 的自然数，且只能被 1 和自身整除。任何大于 1 的整数都可以唯一分解为素数的乘积，这叫做质因数分解定理。

$(n=p_1^{e_1}{p}_2^{e_2}\cdots p_k^{e_k})$

其中，$p_1,p_2,\dots ,p_k$ 是素数，$e_1,e_2,\dots ,e_k$ 是正整数。

6.3 同余与模运算

同余是指两个整数除以某个数后的余数相同。若 $a$ 和 $b$ 除以 $m$ 后的余数相同，则称 $a$ 与 $b$ 模 $m$ 同余，记作：

$(a\equiv b(\mathrm{mod}m))$

同余关系广泛应用于密码学、分布式计算等领域。