Mathematics for Computer Science 3_mathematics for computer technology 3rd edition-CSDN博客

一个好的证明【proof】需要有7个特性：

正确【correct】
完备【complete】
清晰【clear】证明需要清晰，这样人们才理解发生了什么
简洁【brief】抓住关键点，这样人们才不会被细节整崩溃
优雅【elegant】这是数学家对美的概念
组织有序/井井有条【well organized】例如，使用引理【lemmas】的方式与编写代码时应使用子例程【subroutines】的方式相同，有助于使其清晰
有序【inorder】自顶向下进行证明，从事实出发，不要反其道行之

我们学习证明的原因，是因为我们需要证明程序【program】是否按照我们的预期执行。

问题：找到一个移动顺序，完成从

A	B	C
D	E	F
H	G

到

A	B	C
D	E	F
G	H

的转化。

定理【theorem】：没有这样的合法移动的顺序，来使得全部单词有序。

我们需要使用被称为 invariant 的东西来证明该定理，它是计算机科学中一个非常强大且常用的概念，正如我们将看到的，它与归纳【induction】密切相关。

为了证明你的系统永远不会达到一个特定的特殊状态，我们只需要证明，在初始状态下，存在一些称为不变量【invariant】的性质/属性【property】，并且随着每次移动，这些不变量【invariant】均保持不变，但是，它在特定的特殊状态下是不存在的。

这个 idea 是这样的，如果你得到这个称为不变量【inariant】的神奇性质/属性【property】，并且它在开始时持有，并且在每一步都仍然持有，那么唯一的状态
你可以达到必须有属性，是不变的。如果特殊状态没有那个属性，你就无法达到它。

它的思想是，如果你得到这个称为不变量【inariant】的神奇性质/属性【property】，他在初始时成立，在每一步中仍然成立，那么在你抵达终态时，它依然要成立，即必须具有该性质/属性【property】。如果在特殊状态下不具备该性质/属性【property】，那么你将永远不肯呢个抵达该状态。

我们来分析九宫格中的不变量【inariant】性质/属性【property】。

Lemma 1 : 行移动【row move】不会改变其中项【items】的顺序

Proof : 很明显，在行移动【row move】中，我们将一个项【item】从一个单元格移动到相邻单元格（例如 i - 1 或者 i + 1），没有其他的移动了，因此关于项【item】的顺序可以被保持下来。

但是在九宫格中不仅存在行移动【row move】，还存在列移动【column move】。

列移动【column move】回改变项【item】的顺序！！！

Lemma 2 : 所以一个列移动会改变一个项【item】与前两个或后两个项【item】的顺序，这意味着其相对顺序发生了变化。

Proof : 在列移动中，我们将单元格 i 中的某项 i 移动到单元格中的空白单元格（例如 i - 3，i + 3）。

当一个项【item】移动三个位置时，它会改变与另外两个项【item】的相对顺序。你甚至可以写下它们是什么，它们可以是 i - 1，i - 2，或者是 i + 1，i + 2，这些家伙的顺序被改变了。

So 在行移动中，顺序不变。在列移动中，两个字母/项【item】的序对【pair】的顺序发生翻转。

Definition ：一对字母或者项【item】，我们称其为 L1 和 L2——如果 L1 在字母表中位于 L2 之前，但 L1 在九宫格拼图中出现在 L2 之后，则它们形成一个反转【inversion】，也称为反转对【inversion pair】。
例如，让我们看看在下面这种情况下我们有多少反转【inversion】？

A	B	C
F	D	G
E	H

共计3组：

(D,F)
(E,F)
(E,G)

Lemma 3 : 在移动过程中，。反转的总数只会增加 2 个，或者减少 2 个，或者保持不变。

Proof ：

在行移动中，反转保持不变；

在列移动中，2 个序对【pair】改变了顺序

case 1，两个序对均有序 => 反转的数量增加 2
case 2，两个序对均反转 => 反转的数量减少 2
case 3，一个序对有序，一个序对无序列 => 序列的数量不变

推论【Corollary】：在移动过程中，反转的数量的奇偶性不会改变。

证明【Proof】：加 2 或者减 2，并不会影响奇偶性。

好了，现在我们准备好声明不变量【invariant】了。

Lemma 4 ：在从下面的九宫格拼图可达的任何状态下

A	B	C
D	E	F
H	G

反转【inversion】的奇偶行总是奇数。

证明方法是使用归纳法。不变量证明总是用归纳法。

Proof ：归纳假设【inductive hypothesis】——这在使用不变量的证明中非常典型——是这样的，P(n)表示从起始状态开始的任意 n 次移动，我们从

A	B	C
D	E	F
H	G

这个起始状态开始，其反转【inversion】数量的奇偶行总是奇数。

Base case：n = 0 ，即我们没有做任何移动，我们的初始状态下，反转【inversion】数量 = 1 => 奇偶性为奇数，满足我们的假设。因此 P(0) 满足。

Inductive step：我们需要证明，对于 n >= 0，P(n) => P(n+1)

我们需要考虑任意顺序的 n+1 次移动，我们将这些移动标记为 $m_{1}$ ... $m_{n + 1}$

现在，通过归纳假设【I.P.】 P(n)，我们知道在前 n 次移动之后，奇偶性仍是奇数

即， $m_{1}$ ... $m_{n}$ 的奇偶性是奇数

然后，在推论【Corollary】中，我们知道，任何的移动均不会改变奇偶性

因此 $m_{1}$ ... $m_{n + 1}$ 的奇偶性仍然是奇数，而这就是 P(n+1)，证明完成

推论【Corollary】通常是其他事物的简单结果。推论有一个非常短的证明。通常当你看到推论时，他经常可以在 10 页内证明完成。

引理【lemma】是用来做更大事情的工具，通常是用于证明其他定理或其他引理。

现在证明变得很简单，因为我们已经完成了所有这些引理【lemma】和推论【Corollary】。

现在我们要讲定理【theorem】了，这是最后一件事，我们真正追求的东西。这点很重要。

事实上，定理【theorem】已经呼之欲出了，即我们没有办法通过移动改变 G 和 H 的顺序！！

我们接下来对该定理进行证明～～

Proof

在目标状态下的反转【invertion】的数量的奇偶性，是偶数，及没有乱序存在，全部有序。

通过lemma 4，我们知道，从初始状态，我们永远无法达到该目标状态，因为其初始的状态下的奇偶性是奇数。

证明结束。

实际上，这个谜题在 1880 年代后期非常流行。

现在，我想可能你明白为什么不变量【invariant】很重要了。

但是说有一天，你正在构建运行核反应堆的软件。现在，有一种你真的想避免的状态——崩溃。

你想要能够证明，在核反应堆程序中，发生的任何一系列动作中，你永远不会达到崩溃状态。

那么你会使用不变量来证明这一点。

或者，如果您正在为航空公司构建软件，您希望永远不会达到崩溃状态。
或者，如果您正在制造辐射设备，您永远不想陷入让患者受煎熬的状态。

所以这是一个重要的概念。

所以在今天剩下的时间里，我们将讨论一种不同的归纳【induction】，称为强归纳【strong induction】。它与普通的归纳非常相似，但在解决某些问题时使用起来更容易一些。

现在，就像常规归纳一样，强归纳可以用一个公理【axiom】来表达。

因此，让我向您展示强归纳公理。

强归纳公理【strong induction axiom】

let P(n) be any predicate

if P(0) -- base case to be true

and ∀ n，（P(0) ∧ P(1) ∧ P(2) ...∧ P(n)) => P(n+1) is true

Then ∀ n P(n) is always true

我们发现，强归纳和普通归纳的唯一区别就是这部分---（P(0) ∧ P(1) ∧ P(2) ...∧ P(n))

在普通归纳中，你只需要证明 P(n) => P(n+1)

在强归纳中，你需要证明（P(0) ∧ P(1) ∧ P(2) ...∧ P(n))这些所有事实一起，蕴含出 P(n+1)

注：（P(0) ∧ P(1) ∧ P(2) ...∧ P(n))指的是P(0) 为真 and P(1) 为真 and P(2) 为真 and P(n) 为真

为了证明蕴含，我们假定（P(0) ∧ P(1) ∧ P(2) ...∧ P(n)) 均为真，在普通归纳中，我们只要假定P（n）为真即可。

你需要假定更多～～因此他是一种更强的证明技术。

事实上，任何用强归纳法能证明的，用普通归纳法也能证明。只是可能更难。所以你不能用它（强归纳）来证明更多，但它可以使你的证明更容易。

栗子 1 拆垛游戏。

定理【theorem】：对于拆垛游戏的所有策略，最终会产生相同的分数（我们用S(n)表示）。

Ex：S(8) = 28

Proof：通过强归纳【strong induction】

任何类型的归纳证明的下一步是什么?

predicate!!!

所以对于归纳假设，谓词是什么呢？谓词就是我们的定理，即在所有策略下，分数均相同

base case

当 n = 1时，S(1) = 0，按照规则，我们无法做任何的移动，因此得分为0

inductive step

在这里，我们假定【assume】P(1) P(2) P(3) ... P(n) ，来证明P(n+1)

所以，我们从 n+1 个块开始，我们可以以某种方式拆分它，

比如 n + 1 可以拆分为 k 和 n + 1 - k，其中 1 <= k <= n