1k likes | 1.17k Views
第一章. 集合 (Set Theory). 1-0 簡介 由於數位觀念的開展,在數學與電腦應用上、集合 (Set) 儼然已成為其中重要的一環。讀者了解集合之含義後,就如同有了一把利刃,可將電腦觀念的外殼撕開,窺得學習的切入點。 本章將集合的觀念、定理、運算、與圖示、依序清晰敘述,搭配精緻習題,讀者可徹底剖析了解何謂 “集合 (Sets)” 。. 1-1 集合與元素 (Sets and Elements) 1-2 宇集 (Universal Set) 與 空集合 (Empty Set) 1-3 子集合 (Subsets)
E N D
第一章 集合 (Set Theory)
1-0 簡介 • 由於數位觀念的開展,在數學與電腦應用上、集合(Set)儼然已成為其中重要的一環。讀者了解集合之含義後,就如同有了一把利刃,可將電腦觀念的外殼撕開,窺得學習的切入點。 • 本章將集合的觀念、定理、運算、與圖示、依序清晰敘述,搭配精緻習題,讀者可徹底剖析了解何謂 “集合(Sets)”。
1-1 集合與元素 (Sets and Elements) • 1-2 宇集 (Universal Set) 與 空集合 (Empty Set) • 1-3 子集合 (Subsets) • 1-4 范氐圖 (Venn Diagrams) • 1-5 集合運算 (Set Operations) • 1-6 集合代數定律 (Laws of the Algebra of Sets) • 1-7 有限集合 (Finite Sets) • 1-8 群集合(Classes of Sets) 與 冪次集合 (Power Sets) • 1-9 含意 (Arguments) 與 范氐圖 (Venn Digrams) • 1-10 數學歸納推演 (Mathematical Induction) • 1-11 習題
1-1 集合與元素 (Sets and Elements) • 所謂集合(Set)是謂 “有一定義完善的範圍(well-defined List/Collection),在範圍內包涵適當數量之元素(Elements)”。 習慣上、集合(Set) 以大寫字母表示(如A、B、C、…);元素(Elements) 以小寫字母表示(如a、b、c、…) 。
1-2 宇集 (Universal Set) 與 空集合 (Empty Set) • 在合乎集合(Sets)之定義下,若所有的集合元素、均是某一大集合的元素,則該某大集合是謂 宇集(Universal Set)。如People可稱為全世界人類的宇集。通常習慣以U為宇集之代表名稱。 • 如果有一集合,其中無任何元素,則該集合是謂 空集合(Empty Set / Null Set)。通常習慣以Ø為 空集合之代表名稱。
1-3 子集合 (Subsets) • 設有集合A、與集合B,如果集合A的所有元素、亦是集合B的元素,則集合A是集合B之子集合。其關係式 (Relationship) 為: A B。 • 如果集合A的元素中、有任何一個不是集合B的元素,則集合A將不是集合B之子集合。其關係式 (Relationship) 為: A B。
1-4 范氐圖 (Venn Diagrams) • 范氐圖的功能、是將集合(Sets) 的意義借由圖案(Pictorial Representation) 來表示。圖案以矩形為邊緣範圍,矩形內所有之各點均是宇集U的元素,在其範圍內的集合以圓形(Disks)表示。
1-5 集合運算 (Set Operations) • 集合運算可概分四類運算方法:聯集運算(Union)、交集運算(Intersection)、相對餘補集運算(Relative Complement)、與絕對餘補集運算(Absolute Complement)。
1-6 集合代數定律(Laws of the Algebra of Sets) • 1、等冪律(Idempotent Laws) • (a) A∪A = A (b) A∩A = A • 2、結合律(Associative Laws) • (a) (A∪B)∪C = A∪(B∪C) (b) (A∩B)∩C = A∩(B∩C) • 3、交換律(Commutative Laws) • (a) A∪B = B∪A (b) A∩B = B∩A • 4、分配律(Distributive Laws) • (a) A∪(B∩C) =(A∪B)∩(A∪C) (b) A∩(B∪C) =(A∩B)∪(A∩C) • 5、統一律(Identity Laws) • (a) A∪Ø = A (b) A∩U = A • (c) A∪U = U (d) A∩Ø = Ø • 6、對合律(Involution Law) • (a) (Ac )c = A • 7、餘補律(Complement Laws) • (a) A∪Ac = U (b) A∩Ac = Ø • (c) Uc = Ø (d) Øc = U • 8、迪摩根律(DeMorgan’s Laws) • (a) (A∪B)c = Ac∩Bc (b) (A∩B)c = Ac∪Bc
1-7 有限集合 (Finite Sets) • 如果集合A有m個元素,其中m為正整數,則集合A謂 “有限集合(Finite Set)”。例如A = {x: x is a letter of English alphabet}、或空集合Ø = { } 均是有限集合(Finite Sets)。
1-8 群集合(Classes of Sets) • 設有一集合A = {O, P, Q, R},其元素是由集合O, P, Q, R組成。此時A是謂 “群集合(Class of Sets)”;B = {O, P}是謂 “子群集合 (SubClass或Subcollection)”。
1-9 含意 (Arguments) 與 范氐圖 (Venn Digrams) • 有些語言詞藻複雜,往往無法清晰地陳述含意,本節介紹如何將一串複雜難懂的陳述,以集合架構的范氐圖清礎點出要點含意。
1-10 數學歸納推演(Mathematical Induction) • 無論是在邏輯問題上、或是在數學驗證上,我們常遭逢一些繁雜的陳述及數據,讀者都有經驗,當碰到這些問題時,直感頭痛又不知如何是好。本節介紹歸納推演法(Induction),可協助解決部份問題。
第二章 關係式 (Relations)
2-0 簡介 • 若有元素a與b,兩者間存在某種關係R,即可以式 “aRb” 表示之,此為關係式(Relations)。我們曾熟悉的如 “等於(=)”、“大於(>)”、“因此(→)” 等均屬之。 • 關係式中也談集合(Sets),於第一章 {a, b} = {b, a},元素的先後次序並不影響集合的含義;但於關係式中的集合 {a, b}≠{b, a},除非 a = b,因其先後次序代表著不同的含義。
2-1 積集合 (Product Sets) • 2-2 關係式 (Relations) • 2-3 關係式圖示 (Pictorial Representations of Relations) • 2-4 反逆關係式 (Inverse Relations) • 2-5 合成關係式 (Composition of Relations) • 2-6 關係式特性 (Properties of Relations) • 2-7 分割關係 (Partitions) • 2-8 等價關係 (Equivalence Relations) • 2-9 分割與等價關係 (Equivalence Relations and Partitions) • 2-10 n元關係元 (n-Ary Relations) • 2-11 習題
2-1 積集合 (Product Sets) • 於關係式、我們定義 “序對(Ordered Pairs)”,如 (a, b),因內容之先後次序代表著不同的含義。(a, b)≠(b, a),除非 a = b。 • 積集合(Porduct Sets) 是定義兩組集合的關係。
2-2 關係式 (Relations) • 設有集合A與B,另有 二元關係(Binary Relation) R,R之元素均是A × B 的子集合(Subset),如果 (x, y) R,則謂 “x以R關係於y”,即 xRy。
2-3關係式圖示(Pictorial Representations of Relations) • 一般來言,我們可以4種圖示方式來表達關係式:(1) 關係式座標圖示(Coordinate Diagram of Relation)、(2) 關係式矩陣圖示(Matrix of Relation)、(3) 關係式配對圖示(Arrow Diagram of Relation)、(4) 關係式有向圖示(Direct Graph of Relation)。
2-5合成關係式 (Composition of Relations) • 合成關係式(Composition of Relations) 是由數個關係元R、S、T 連串組合而成者,以 “R。S。T” 表示之。
2-6關係式特性 (Properties of Relations) • 本節介紹關係元(Relation) 常有的4種特性:(1) 反身性(Reflexive)、(2) 對稱性(Symmetric)、(3) 反對稱性(Anti-Symmetric)、(4) 遞移性(Transitive)。
2-7 分割關係 (Partitions) • 設有集合A,其子集合為 {Si}、且不得有重覆元素或空元素,則A為分割集合(Partition)。其條件如下: • (Ⅰ) A的每一元素a,必須且僅出現於其中一個子集合內; • (Ⅱ) Si ≠ Sj 且 Si ∩ Sj = Ø
2-8 等價關係(Equivalence Relations) • 設有集合A,如果其關係元R可同時滿足 (1) 反身性(Reflexive)、(2) 對稱性(Symmetric)、(3) 遞移性(Transitive),則R為等價關係元(Equivalence Relation)。
2-9 分割與等價關係(Equivalence Relations and Partitions) • 定理(Theorem) 2-9: 設有集合A,令R為其等價關係元(Equivalence Relation),則 “等價關係族(Equivalence Classes)” 有下列特性: • (Ⅰ) a [a]、其中a為A的元素,即 a A。 • (Ⅱ) [a] = [b]、若且唯若(if and only if) (a, b) R。 • Ⅲ) 如果 [a]≠[b]、則 [a] 與 [b] 無交集。
2-10 n元關係元 (n-Ary Relations) • 到目前為止,我們談到的均是二元關係(Binary Relation),即有二元關係、當然也有多元關係(n-Ary Relations),可以 An 表示之。如以座標圖案表示,A2是2D平面圖形之關係;A3是3D立體圖形之關係。
第三章 函數 (Function)
3-0 簡介 • 在數學應用上、函數(Function) 扮演了很重要的觀念,猶如是一個工作機制(Assingnment),輸入不同的參數,產生並輸出對應的結果。因而、輸入的參數與輸出的結果就圍繞著函數(Fuction) 產生了許多有用的數學觀念與應用方法。於本章、我們將研討函數的基本特性。
3-1 函數定義 (Functions) • 3-2 函數圖形(Graph of Function) • 3-3 函數圖形特性(Properties of Functions) • 3-4 習題
3-1 函數定義 (Functions) • 設有集合A、與B、及工作機制(Work Assignment) W。將A的某一元素a輸入W,若W因此而產生一個對應結果b、其中b B,如此過程是謂 “A映至B之函數(Function from A into B)”,可表示如: • f: A → B
3-2函數圖形(Graph of Function) • 函數(Function) “f:A → B” 在函數圖形 (Graph of Function) 定義為:每一A的元素a A、必配屬一組 序對(Ordered Pair) 關係元(Relation) 如 (a, b),且該關係元是唯一的(Unique)。
3-3 函數圖形特性(Properties of Functions) • (1) 一對一配對(One to One):於函數 f:A→B、如果A的每一元素均映出不同的函數像(Image);或於函數圖形、每一A的元素均有配對、且每一B的元素僅與一個A的元素作配對。如此函數是謂 “一對一配對(One to One)函數”。 • (2) 映成配對(Onto):於函數 f:A→B、如果B的每一元素均出現於函數像(Image),即 f(A) = B,則函數f謂 “映成配對(Onto)函數”。 • (3) 可反逆配對(Invertible):於函數 f:A→B、如果其反逆函數 f -1:B→A 亦為真;或者、f 既是一對一配對(One to One) 函數、亦是 映成配對(Onto)函數,此時f 謂 “可反逆配對(Invertible) 函數”。
第四章 向量 與 行列矩陣 (Vectors and Matrices)
4-0 簡介 • 我們常將資料(Data) 以矩陣(Arrays) 方式排列或儲存,亦即、將資料(Data) 以索引(Index) 編序其位置。於電腦程式、我們以參數表示 (如 “ A(15) ”);於數學式、我們以下標註(Subscripts) 表示 (如 “ A15 ”)。 • 一般來言,一維矩陣(one-Demensional Array) 是謂 “向量(Vector)”;二維矩陣(two-Demensional Array) 是謂 “行列矩陣(Matix)”,一維矩陣(one-Demensional Array)亦可謂 “特殊型行列矩陣(Special Type of Matrix)”。
4-1 向量 (Vectors) • 4-2 行列矩陣 (Matrices) • 4-3 行列矩陣相加 (Matrices Addition) • 4-4 行列矩陣系數 (Scalar Multiplication) • 4-5 行列矩陣相乘 (Matrix Multiplication) • 4-6 行列置換 (Transpose) • 4-7 平方行列矩陣 (Square Matrices) • 4-8 反逆行列矩陣 (Invertible Matrices) • 4-9 決值區 (Determinants) • 4-10 習題
4-1 向量 (Vectors) • 設有向量u,我們通常是以一序列數字表示之,例如u有n個元件(n-Tuple)、則可表示為: • u = (u1, u2,…, un) • 其中、ui 是向量u之元件(Components),如果所有的 ui 均為0、則u為零向量(zero Vector)。
4-2 行列矩陣(Matrices) • 前節所述向量(Vector) 是將資料作一維矩陣排列,行列矩陣(Matrix) 則是將資料作二維矩陣排列
4-3 行列矩陣相加(Matrices Addition) • 設有行列矩陣A與B,兩者之長寬(Size)相等,即有相同數量的 列(Rows)、與相同數量的 行(Columns),此時、可作兩行列矩陣相加 A + B,亦即將A、B的對應(Corresponding) 元件相加
4-4 行列矩陣系數(Scalar Multiplication) • 設有行列矩陣A,令k為係數(Scalar),則兩者的乘積為k•A、 kA、或是 Ak,亦即將行列矩陣之每一元件(Component) 均乘以k;A與 kA有著相同的長寬(Size)。
4-5 行列矩陣相乘(Matrix Multiplication) • 設有行列矩陣A,其長寬(Size) 為 m × p,其第i列元件為 (ai1 … aip);行列矩陣B,其長寬(Size) 為 p × n,其第j行元件為 (b1j … bpj)。兩行列矩陣相乘得行列矩陣C = A × B,其長寬(Size) 將為 m × n。
4-6 行列置換 (Transpose) • 於行列矩陣A、將其行(Column) 之資料依序置換成列(Row) 之資料,是謂 “行列置換(Transpose)”,以AT表示之。
4-7 平方行列矩陣(Square Matrices) • 設有行列矩陣A,行(Column) 的數量、與列(Row) 的數量相等,A是謂 “平方行列矩陣(Square Matrix)”。若其行、列數量均為n,則稱謂 “序列n (Order n)”,是謂 “ n-平方行列矩陣( n-Square Matrix)”。
4-8 反逆行列矩陣 (Invertible Matrices) • 設有平方行列矩陣A,若令B為A之反逆行列矩陣(Invertible Matrix),則B必須滿足: • AB = BA = 1 • 如此平方行列矩陣B是謂A的反逆行列矩陣(Inverse of A),以B = A-1表示。由觀察得知,如果B是A的反逆行列矩陣;A亦將是B的反逆行列矩陣,即 A = B-1。
4-9 決值區 (Determinants) • 設有一 n-平方行列矩陣( n-Square Matrix) A = ( aij ),我們取一正整數(Positive Integer) d,令 1≧d≦n,d可被應用為A的決值區(Determinant),以det(A) 或 |A| 表示之。
第五章 圖論 (Graph Theory)
5-0 簡介 • 一般來言、圖(Graph) 是圖形、圖案、圖表、甚或照片的總稱,但在數學上、却有著不同的意義,圖形可作為某特定觀念之表示方法,例如於前述章節、我們曾以圖形表達關係式(Relations)、函數(Functions)、與行列矩陣(Matrices)。於本章、我們更將以節點(Vertices)、連線(Edges) 表達執行程序之觀念,稱之謂 “圖論(Graph Theory)。
5-1 圖 (Graph) 與 子圖 (Subgraph) • 5-2 分支度 (Degree) • 5-3 連通 (Connectivity) • 5-4 圖之可行性 (Traversable Multigraph) • 5-5 特殊形圖 (Special Graphs) • 5-6 行列矩陣圖 (Matrices) • 5-7 標註圖 (Labeled Graph) • 5-8 同構/同胚 圖 (Isomorphic/Homeomorphic Graph) • 5-9 習題
5-1 圖 (Graph) 與 次圖 (Subgraph) • 圖(Graph) 之組成要件有二:(1) 一組節點(Vertices、Points、or nodes);(2) 一組節點間之連線(Edges)。 • 設有簡圖G(V, E),若令V’為V的子集合(Subset);E’為E的子集合,則G(V’, E’)是謂G(V, E) 之子圖(SubGraph)。
5-2 分支度 (Degree) • 設有一節點v、其有一連線e,則e是謂v之 “分支線(Incident on v)”。若節點v有n個分支線,則是謂 “v之分支度(Degree) 為n”,可以 deg(v) = n 表示之。如圖Fig.5-1-1、節點A有分支線e1與e4,A的分支度(Degree)為2,即 deg(A) = 2。 • 定理(Theorem) 5-2:於任意一簡圖(Graph),各節點(Vertices) 分支度(Degree) 之和(Sum) 是其所有連線(Edges) 數量之2倍。
5-3 連通 (Connectivity) • 於多重圖(Multigraph)、其節點(Vertices) Pi 與其連線(Edges) ei 因走過而組成的線串是謂 “連通走跡(Walk)”。 • 當 連通走跡(Walk) 的所有連線(Edges) 均無重覆通過時、是謂 “連通軌跡(Trail)”。當 連通走跡(Walk) 的所有節點(Vertices) 均無重覆通過時、是謂 “連通路徑(Path)”。
5-4 圖之可行性(Traversable Multigraph) • 於多重圖(Multigraph)、當要進入一個節點(Vertex),該節點必須要有一連線(Edge) 才可執行進入,若要再離開該節點,為了不走過任一條線2次、該節點必須要有另一連線(Edge) 才可執行離開。亦即、若要於任一節點執行進入與離開,且不得於任一連線重覆走過2次,該節點之分支度(Degree) 必須是偶數,即為偶數節點(Even Vertex)。