《计算机科学中的数学》学习笔记（04 数学数据类型）

书本信息：

作者: [美] Eric Lehman / [美] F. Thomson Leighton / [美] Albert R. Meyer
出版社: 电子工业出版社
出品方: 博文视点
副标题: 信息与智能时代的必修课
原作名: Mathematics for Computer Science

04 数学数据类型

在计算机科学和数学中，有许多常用的数据类型，例如：
集合（Sets）：集合是一种包含不同元素（element）的无序集合。集合中的元素可以是任何类型的对象，例如数字、字母、其他集合等。
序列（Sequences）：序列是一种有序的元素集合。与集合不同，序列中的元素是有顺序的，且可以重复。例如，{1, 2, 2, 3} 是一个序列。
函数（Functions）：函数是一种将输入（domain）映射到输出（range）的关系。例如，f(x) = x^2 是一个函数，将实数映射到它们的平方。
元组（Tuples）：元组是一种有序的元素集合，与序列类似。但是，元组通常用于包含有限数量的元素，且每个元素都有特定的含义和位置。例如，(x, y) 可以表示一个二维平面上的点。
向量（Vectors）：向量是一种有序的数值集合，通常用于表示物理量（如速度和加速度）或者空间中的点。例如，(1, 2, 3) 可以表示三维空间中的一个点或者一个方向。
矩阵（Matrices）：矩阵是一种二维的数值表，通常用于表示

线性变换或者解决线性方程组。例如，[[1, 2], [3, 4]] 是一个 2x2 的矩阵。
图（Graphs）：图是一种由节点（vertices）和边（edges）组成的结构，通常用于表示对象之间的关系。例如，网络、社交网络、Web页面链接等都可以用图来表示。
树（Trees）：树是一种特殊的图，其中任意两个节点之间只有一条路径。树常用于表示层级关系，如文件系统、HTML DOM 树等。

1、集合

在数学中，集合是一个包含不同元素的无序集合。集合中的元素可以是任何类型的对象。

1.1 常用集合

• 空集（Empty Set）：没有元素的集合，表示为 ∅。
• 自然数集（Set of Natural Numbers）：所有非负整数的集合，表示为 N 或 ℕ。
• 整数集（Set of Integers）：所有整数的集合，表示为 Z 或 ℤ。
• 有理数集（Set of Rational Numbers）：所有可以表示为两个整数比例的数的集合，表示为 Q 或 ℚ。
• 实数集（Set of Real Numbers）：所有实数的集合，表示为 R 或 ℝ。
• 复数集（Set of Complex Numbers）：所有复数的集合，表示为 C 或 ℂ。

1.2 集合的比较和组合

• 子集（Subset）：如果集合 A 中的每一个元素都在集合 B 中，那么我们说 A 是 B 的子集，表示为 A ⊆ B。
• 真子集（Proper Subset）：本书中称为严格子集（strict subset）如果 A 是 B 的子集，并且 A 不等于 B，那么我们说 A 是 B 的真子集，表示为 A ⊂ B。
• 并集（Union）：集合 A 和 B 的并集是一个包含 A 和 B 中所有元素的集合，表示为 A ∪ B。
• 交集（Intersection）：集合 A 和 B 的交集是一个包含同时在 A 和 B 中的所有元素的集合，表示为 A ∩ B。
• 差集（Difference）：集合 A 和 B 的差集是一个包含在 A 中但不在 B 中的所有元素的集合，表示为 A - B 或 A \ B。
• 补集（Complement）：如果 U 是全集，集合 A 的补集是一个包含在 U 中但不在 A 中的所有元素的集合，表示为 A’ 或 A^c。

1.3 幂集（Power Set）

集合 A 的幂集是 A 的所有子集构成的集合，表示为 pow(A) 或 2^A。例如，如果 A = {1, 2}，那么 pow(A) = {∅, {1}, {2}, {1, 2}}。

1.4 集合构造器标记（Set Builder Notation）

集合构造器标记是一种表示特定属性的元素集合的方式，主要思想是使用谓词（Predicates）定义集合，即使谓词为真的所有取值构成一个集合。例如，集合 {x ∈ Z | x > 0} 表示所有大于 0 的整数。

1.5 证明集合相等

要证明两个集合 A 和 B 相等，我们需要证明 A 中的每一个元素都在 B 中，且 B 中的每一个元素都在 A 中。

2、序列

序列是一种有序的元素集合。与集合不同，序列中的元素是有顺序的，且可以重复。序列通常用小写字母表示，例如 a、b、c 等，其中 a_n 表示序列 a 的第 n 个元素。

2.1 集合的笛卡尔积（扩展）

长度为2的序列称为对（pair），对于两个集合 A 和 B，它们的笛卡尔积（Cartesian Product）是一个新的集合，其中的元素是所有可能的有序对 (a, b)，其中 a ∈ A，b ∈ B。笛卡尔积通常表示为 A × B。

例如，如果 A = {1, 2}，B = {a, b}，那么 A × B = {(1, a), (1, b), (2, a), (2, b)}。

笛卡尔积可以扩展到更多的集合。例如，A × B × C 是所有可能的3比特序列 (a, b, c) 的集合，其中 a ∈ A，b ∈ B，c ∈ C。

2.2 序列的几种积运算（扩展）

在数学中，序列的积运算通常指的是将序列中的所有元素相乘。这种运算在数学中被称为乘积（product）。

有限序列的积（Product of a Finite Sequence）
对于有限序列 (a1, a2, …, an)，我们可以定义其积为所有元素的乘积：
$$\prod _{i=1}^n{a}_i=a_1\cdot a_2\cdot ...\cdot a_n$$

例如，序列 (2, 3, 4) 的积是 2 × 3 × 4 = 24。

无穷序列的积（Product of an Infinite Sequence）
对于无穷序列，我们可以定义部分乘积（partial product），部分乘积是将序列的前 n 个元素相乘。

如果部分乘积的极限存在，我们就说这个无穷序列的乘积收敛（converges），否则我们就说该无穷序列的积发散。例如，对于序列 (1/2, 1/3, 1/4, …)，其部分乘积的极限为 0，所以我们说这个序列的乘积收敛到 0。

序列的哈达玛积（Hadamard product）
哈达玛积（Hadamard product），也被称为元素级乘积（element-wise product）或者逐元素乘积（entrywise product），是一种特殊的序列或者向量的乘积。

对于两个长度相同的序列（或向量）A和B，它们的哈达玛积是一个新的序列（或向量）C，具体来说，如果有两个序列A = (a1, a2, a3, …, an)和B = (b1, b2, b3, …, bn)，那么它们的哈达玛积C = (c1, c2, c3, …, cn)满足ci = ai × bi。

例如，假设我们有两个序列A = (a1, a2, a3) 和B = (b1, b2, b3)，那么它们的哈达玛积C = (a1 × b1, a2 × b2, a3 × b3)。

哈达玛积可以用于表示两个向量的逐元素乘积，常用于矩阵计算和线性代数中。在计算机科学中，哈达玛积常用于处理图像和信号处理中，可以对两个相同尺寸的图像或信号进行逐像素或逐样本的操作。

哈达玛积具有一些特点，例如：

1. 哈达玛积只有在两个序列的长度相等时才能进行。
2. 哈达玛积的结果序列的长度和输入序列相同。
3. 哈达玛积是逐元素进行的乘法运算，不同于矩阵乘法或向量点积。
4. 哈达玛积可以用于对序列进行逐元素的筛选或过滤操作。

3、函数

函数是一种关系，它将一个集合（称为定义域）中的元素映射到另一个集合（称为陪域）中的一个元素。记为：

$$f:A\to B$$

表示f是一个具有定义域A和陪域B的函数。熟悉的记法 “f(a) = b” 表示f将元素a映射到元素b。在这里，b被称为函数f在参数a处的值。

本书的翻译有很多问题，首先是将“ …assigns…to…”翻译成了“赋值”，这里使用“映射”更恰当；另外，书中将“ an element of one set, called the domain”翻译成“集合中的每个元素”，这就成了全函数（Total Functions）的定义，实际上原书是有对全函数和偏函数做区分的。

3.1 域和像

本书的翻译将Codomain翻译成“陪域”及“到达域”，在某些文献中“到达域”指的就是“值域（Range）”。
定义域（Domain）
本书的翻译将domain翻译成“域”，也就是通常所说的“定义域”，定义域是函数输入的集合。也就是说，定义域包含了所有可以输入到函数中的值。

值域（Range）
值域是函数可以产生的所有值的集合。在上述的f(x) = x²的例子中，值域是所有的非负实数。

陪域（Codomain）
值域是函数实际能够输出的值的集合，而陪域是在定义函数时设定的可能的输出值的集合，可能包含函数实际上永远不会输出的值。

例如，考虑函数f(x) = x²，在定义函数时，我们可能会设定陪域为所有的实数，尽管这个函数永远不会输出负数。在这个例子中，值域（所有的非负实数）是陪域（所有的实数）的一个子集。

像（Image）
在某些文献中像（Image）和值域（Range）是同一个概念。
但是本书原文对“像”的描述为：

Applying f to a set S of arguments is referred to as “applying f pointwise to S”, and the set f .S/ is referred to as the image of S under f .

也就是说，将函数f应用于一组参数S，被称为“对S逐点应用f”，并且集合f(S)被称为S在f下的像，这里的S为定义域的子集。如果S为定义域，那么得到的集合f(S)就是值域。

偏函数（Partial Functions）
在数学和计算机科学中，偏函数是只对其定义域的一个子集定义的函数。换句话说，对于定义域中的某些输入，偏函数可能没有定义输出。例如，函数f(x) = 1/x 是一个偏函数，因为它没有定义在x=0的地方。

全函数（Total Functions）
与偏函数相对的是全函数。全函数是对其整个定义域都有定义的函数。换句话说，对于定义域中的任何输入，全函数都有一个明确的输出。例如，函数f(x) = x² 是一个全函数，因为对于所有的实数x，都有一个明确的输出x²。

在计算机科学中，全函数和偏函数的概念特别重要，因为它们帮助我们理解和处理可能的错误和异常情况。例如，如果一个函数在某些输入上没有定义，那么在编程时，我们需要特别注意处理这些情况，以防止错误和程序崩溃。

3.2 函数复合

函数复合（Function Composition）是一种将两个函数结合在一起的操作，形成一个新的函数。如果我们有两个函数f和g，那么它们的复合函数（记作f(g(x))或(f ∘ g)(x)）是一个新的函数，它首先将x输入到g中，然后将g(x)的结果输入到f中。

例如，假设f(x) = x²和g(x) = x + 1。那么复合函数f(g(x)) = (x + 1)²。这个新的函数首先将x加1，然后将结果平方。

4、二元关系

二元关系是集合论中的一个重要概念，它描述了两个集合之间元素的某种关系。在数学中，二元关系通常表示为一个有序对的集合。

一个二元关系R从集合A到集合B（记作R: A → B）由以下三个部分组成：

1. 定义域（Domain）：集合A，这是关系的起始点。

2. 陪域（Codomain）：集合B，这是关系的结束点。

3. 关系集（Set of ordered pairs）：一个有序对的集合，每个有序对(a, b)表示a与b之间存在某种关系，a来自集合A（定义域），b来自集合B（值域）。书中使用了图（graph）这个概念来表示关系集，原书中"a subset of A × B called the graph of R"即A与B的笛卡尔积的子集称为R的图（graph）。关系R的关系集是A和B的笛卡尔积的子集：
   $$R\subseteq A\times B$$

二元关系和函数在某些方面是相似的，但也有重要的区别：

函数是一种特殊的二元关系。在函数中，定义域中的每个元素都与陪域中的一个元素有关系，而且这个关系是唯一的。也就是说，如果f是一个从A到B的函数，那么对于A中的每一个元素a，都存在一个唯一的元素b（在B中），使得(a, b)在关系f中。

二元关系则没有这种唯一性的要求。在一个二元关系中，定义域中的一个元素可能与陪域中的多个元素有关系，也可能一个都没有。

4.1 关系图

关系图（Relation Diagrams）是一种可视化工具，用于表示二元关系中的元素如何关联。在关系图中，通常将定义域的元素放在一边，将陪域的元素放在另一边，然后用箭头来表示元素之间的关系。

下面是如何通过关系图判断一个二元关系的性质：

1. 函数（Function）：如果定义域中的每一个元素都最多有一个箭头指向陪域中的元素，那么这个二元关系就是一个函数（包括全函数与偏函数）。如果定义域中的每一个元素都有且仅有一个箭头指向陪域中的元素，那么这个二元关系就是一个全函数（Total Functions）。

2. 满射（Surjective）：如果陪域中的每一个元素都有至少一个箭头指向它，那么这个二元关系就是满射。

3. 全映射（Total）：如果定义域中的每一个元素都有至少一个箭头指向陪域中的元素，那么这个二元关系就是全映射。

4. 单射（Injective）：如果陪域中的每一个元素最多有一个箭头指向它，那么这个二元关系就是单射。

5. 双射（Bijective）：如果定义域中的每一个元素都有且仅有一个箭头指向陪域中的元素，并且陪域中的每一个元素都有且仅有一个箭头指向它，那么它就是双射。

以上定义均考虑了偏函数（partial functions）的情况，在有些文献中没有将偏函数当作函数，相关性质的定义是不同的，例如，“如果一个函数既是满射又是单射，那么它就是双射”该定义中的“函数”指的是全函数（Total Functions）。

4.2 关系的像

1. 关系的像（Relational Images）：给定一个二元关系R从集合A到集合B，以及A中的一个子集Y，我们可以定义R在Y上的像为B中的那些与Y中的某个元素相关联的元素的集合。关系R下集合Y的像可以写作：
   R [ Y ] = { b ∈ B ∣ ( a , b ) ∈ R  for some  a ∈ Y } R[Y] = \{b \in B | (a, b) \in R \text{ for some } a \in Y\} R[Y]={b∈B∣(a,b)∈R for some a∈Y}

2. 逆关系（Inverse Relations）：给定一个二元关系R从集合A到集合B，我们可以定义R的逆关系为从B到A的关系，其中B中的元素b与A中的元素a相关联当且仅当a与b在原始关系R中相关联。关系R的逆关系可以写作：
   $$R^{-1}=\{(b,a)|(a,b)\in R\}$$

3. 逆像（Inverse Images）：给定一个二元关系R从集合A到集合B，以及B中的一个子集X，我们可以定义R的逆像为A中的那些与X中的某个元素相关联的元素的集合。关系R下集合X的逆像可以写作：
   R − 1 [ X ] = { a ∈ A ∣ ( a , b ) ∈ R  for some  b ∈ X } R^{-1}[X] = \{a \in A | (a, b) \in R \text{ for some } b \in X\} R−1[X]={a∈A∣(a,b)∈R for some b∈X}

5、有限基数

有限基数（Finite Cardinality）是一个集合论中的概念，用于描述一个集合中元素的数量。如果一个集合是有限个元素的集合，那么我们就说这个集合是有限集，它的基数（即元素的数量）就是一个有限基数。

例如，集合 {1, 2, 3, 4, 5} 的基数是5，因为它包含5个元素。

在数学符号中，我们通常使用管状符号“| |”来表示集合的基数。例如，如果我们有一个集合A，我们可以写 |A| 来表示A的基数。所以，对于上面的例子，我们可以写 |{1, 2, 3, 4, 5}| = 5。

一个从集合A（定义域）到集合B（陪域）的二元关系R，对于不同性质的R，|A|与|B|之间的关系如下：

1. 如果R为满射（Surjective），可以写作A surj B，那么|A| ≥ |B|。
2. 如果R为单射（Injective）且为全映射（Total），可以写作A inj B，那么|A| ≤ |B|。
3. 如果R为双射（Bijective），可以写作A bij B，那么|A| = |B|。

5.1 有限集有多少个子集

如果一个有限集合有n个元素，那么它有2^n个子集。可以写作：|A| = n 蕴含 |pow(A)| = 2^n

这是因为每个元素都有两种可能的状态：要么在子集中（我们可以用1表示），要么不在子集中（我们可以用0表示）。所以，对于n个元素，总共有2^{n种可能的组合，即2}n个子集。

不难发现，一个含有n个元素的有限集的子集个数与长度为n的二进制序列之间存在一个有趣的一一对应关系。

这是因为长度为n的二进制序列也有2^{n个，每个位置都可以是0或1，所以对于n个位置，总共有2}n种可能的序列。

这两个事实建立了一个一一对应关系，即从一个含有n个元素的有限集的子集到长度为n的二进制序列的映射。具体来说，如果我们让集合的每个元素对应二进制序列的一个位置，那么我们可以通过以下规则来定义这个映射：如果一个元素在子集中，那么对应的位置就是1；如果一个元素不在子集中，那么对应的位置就是0。

例如，对于集合{a1, a2, a3}，子集{a1, a3}对应的二进制序列就是101，因为a1和a3在子集中，而a2不在子集中。

这个一一对应关系说明，我们可以通过计算长度为n的二进制序列的数量来得到一个含有n个元素的有限集的子集数量，反之亦然。