数学表达式: 从恐惧到单挑 (4. 二元关系)

4. 二元关系

Definition 4.1 Let $\mathbf{A}$ and $\mathbf{B}$ be sets. Any $\mathbf{R}\subseteq \mathbf{A}\times \mathbf{B}$ is called a binary relation.

4.1 常见的二元关系

• 如果 $\mathbf{A}=\mathbf{B}=\mathbb{N}$, 即它们都为整数集合. 则 ${\mathbf{R}}^{=}=\{(0,0),(1,1),(2,2),\dots \}$
• 如果 $\mathbf{A}=\mathbf{B}=\mathbb{R}$. 则 ${\mathbf{R}}^{<}=\{(x,y)\in {\mathbb{R}}^2|x<y\}$. 在二维平面上, 它表示 $y=x$ 左上方向的区域.
• 稍微复杂一点的关系: $\subseteq$
  令 U = { 1 , 2 } \mathbf{U} = \{1, 2\} U={1,2}
  A = 2 U = { ∅ , { 1 } , { 2 } , { 1 , 2 } } \mathcal{A} = 2^\mathbf{U} = \{\emptyset, \{1\}, \{2\}, \{1, 2\}\} A=2U={∅,{1},{2},{1,2}}
  R ⊆ = { ( ∅ , ∅ ) , ( ∅ , { 1 } ) , ( ∅ , { 2 } ) , ( ∅ , { 1 , 2 } ) , ( { 1 } , { 1 } ) , ( { 1 } , { 1 , 2 } ) , ( { 2 } , { 2 } ) , ( { 2 } , { 1 , 2 } ) , ( { 1 , 2 } , { 1 , 2 } ) } \mathbf{R}^{\subseteq} = \{(\emptyset, \emptyset), (\emptyset, \{1\}), (\emptyset, \{2\}), (\emptyset, \{1, 2\}), (\{1\}, \{1\}), (\{1\}, \{1, 2\}), (\{2\}, \{2\}), (\{2\}, \{1, 2\}), (\{1, 2\}, \{1, 2\})\} R⊆={(∅,∅),(∅,{1}),(∅,{2}),(∅,{1,2}),({1},{1}),({1},{1,2}),({2},{2}),({2},{1,2}),({1,2},{1,2})}.

4.2 二元关系的性质

对于 $\mathbf{A}$ 上的关系, 即 $\mathbf{R}\subseteq \mathbf{A}\times \mathbf{A}$.

• 自反性: 如果 $\forall x\in \mathbf{A}$, 均有 $(x,x)\in \mathbf{R}$, 则称 $\mathbf{R}$ 具有自反性.
• 对称性: 如果 $\forall (x,y)\in \mathbf{R}$, 均有 $(y,x)\in \mathbf{R}$, 则称 $\mathbf{R}$ 具有对称性.
• 传递性: 如果 $\forall (x,y),(y,z)\in \mathbf{R}$, 均有 $(x,z)\in \mathbf{R}$, 则称 $\mathbf{R}$ 具有传递性.

4.3 等价关系与划分

如果一个关系同时满足自反性、对称性、传递性, 则称其为一个等价关系.
例如: 自然数 “模 3 同余” 就是一个等价关系.
$\mathbf{R}=\{(a,b)\in \mathbb{N}\times \mathbb{N}|a\mathrm{mod}3=b\mathrm{mod}3\}$. 源码: \mathbf{R} = \{(a, b) \in \mathbb{N} \times \mathbb{N} \vert a \mod 3 = b \mod 3\}.
$\mathbf{R}=\{(0,3),(0,6),(0,9),\dots ,(1,4),(1,7),\dots ,(3,6),\dots \}$.

• 等价关系导致了对原集合的一个划分 (partition), 如
  P = { { 0 , 3 , 6 , …   } , { 1 , 4 , 7 , …   } , { 2 , 5 , 8 , …   } } \mathcal{P} = \{\{0, 3, 6, \dots\}, \{1, 4, 7, \dots\}, \{2, 5, 8, \dots\}\} P={{0,3,6,…},{1,4,7,…},{2,5,8,…}}.
  集簇 (set family) 用 mathcal.
• 等价关系是一些数据挖掘方法 (如粗糙集) 的基础. 例如: 数据按照颜色、形状等符号型属性描述, 则这些属性及其组合就获得了对象集的划分. 于是我们抽象出一些规则:
  • 如果是红色的圆球, 那么是塑料制品. (正域)
  • 如果是绿色的长方块，那么是木制品. (负域)
  • 如果是红色的长方块, 那么既可能是塑料制品, 又可能是木制品. (边界域)

4.4 二元关系的应用

在推荐系统中, 用户集合与项目集合产生二元关系, 可以是购买关系或浏览关系. 该关系可以用一个 $n\times m$ 的 binary 矩阵描述, 其中 $n$ 和 $m$ 分别是用户数和项目数. 协同过滤算法根据该矩阵确定向哪些用户推荐哪些项目. 参见 推荐系统: 问题、算法与研究思路.

4.5 二元关系的运算

给定 A = { a , b , c , d } \mathbf{A} = \{a, b, c, d\} A={a,b,c,d} 上的关系 ${\mathbf{R}}_1=\{(a,b),(a,c)\}$ 与 ${\mathbf{R}}_2=\{(a,b),(c,d),(b,d)\}$, 则 ${\mathbf{R}}_2\circ {\mathbf{R}}_1=\{(a,d)\}$. 即
${\mathbf{R}}_2\circ {\mathbf{R}}_1=\{(x,y)|\exists (x,z)\in {\mathbf{R}}_1\text{ and }(z,y)\in {\mathbf{R}}_2\}$. 源码: \mathbf{R}_2 \circ \mathbf{R}_1 = \{(x, y) \vert \exists (x, z) \in \mathbf{R}_1 \textrm{ and } (z, y) \in \mathbf{R}_2\}.
说明: 这就是一个接龙游戏. 学习"存在" \exists 的使用.
给定 A = { a , b , c , d } \mathbf{A} = \{a, b, c, d\} A={a,b,c,d} 上的关系 $\mathbf{R}$.

• 正闭包: ${\mathbf{R}}^{+}={\bigcup }_{i=1}^{|\mathbf{A}|}{\mathbf{R}}^i$.
• 克林闭包: ${\mathbf{R}}^{\ast }={\mathbf{R}}^{+}\cup {\mathbf{R}}^0$, 其中 ${\mathbf{R}}^0=\{(x,x)|x\in A\}$.

注意: 这里不是 ${\mathbf{R}}_1\circ {\mathbf{R}}_2$. 与函数 $g(f(x))$ 的道理相同, 先运算的放在右面.

4.6 作业

1. 令 A = { 1 , 2 , 5 , 8 , 9 } \mathbf{A} = \{1, 2, 5, 8, 9\} A={1,2,5,8,9}, 写出 $\mathbf{A}$ 上的 “模 2 同余” 关系及相应的划分.
2. A = { 1 , 2 , 5 , 8 , 9 } \mathbf{A} = \{1, 2, 5, 8, 9\} A={1,2,5,8,9}, 自己给定两个关系 ${\mathbf{R}}_1$ 和 ${\mathbf{R}}_2$, 并计算 ${\mathbf{R}}_1\circ {\mathbf{R}}_2$, ${\mathbf{R}}_1^{+}$, ${\mathbf{R}}_1^{\ast }$.
3. 查阅粗糙集上下近似的定义并大致描述.