离散数学——集合论

目录

集合等式证明

集合表示,集合基数计算

集合表示

集合基数计算

关系定义、性质,关系运算

关系定义

关系表示

关系性质

关系运算

偏序关系定义、哈斯图、特殊元素

偏序关系

哈斯图

偏序关系8种特殊元素

等价关系定义、等价类、划分

等价关系

等价类

商集

划分

函数定义、特殊函数、函数运算及函数性质证明

函数定义

函数判断

特殊函数

函数运算


集合等式证明

定理:对于任意两个集合A和B,A⊆B且B⊆A当且仅当A=B

集合表示,集合基数计算

集合表示

  1. 枚举法:将集合中的元素全部列出,写在花括号内,元素之间用逗号隔开({1, 2, 3})
  2. 描述法:通过刻画集合中元素所具备的某种特性来表示集合(A={x | P(x)})
  3. 图形法(文氏图法):利用平面上点的对应元素的封闭区域对集合进行图解表示(一般通过方形或圆形表示一个集合)

集合基数计算

基数:一个集合中的元素个数称为集合的基数(用 |A| 或 card(A) 表示)。

幂集:对于任意集合A,由A的所有不同子集为元素组成的集合称为A的幂集合,简称为幂集(用P(A) 或 2^A表示)。

        如果| A | = n,则 | P(A) | = 2^n

容斥原理:设A,B是有限集合,则:

                        | A U B | = | A | + | B | - | A ∩ B |

                  而对于有限集合A、B和C,AUBUC 的基数为:

                        | A U B U C | = | A | + | B | + | C | - | A ∩ B | - | A ∩ C| - | B ∩ C | + | A ∩ B ∩ C | 

因此可以得出容斥原理的推论

对于有限集合 Ai ( i = 1, 2, 3, 4 ... n),其基数为:

容斥原理的应用:

关系定义、性质,关系运算

关系定义

序偶

由两个元素x和y按照一定的次序排列成的二元组称为一个有序对序偶,记为<x,y>

其中,x称为序偶的第一元素或前元素,y称为序偶的第二元素或后元素。

两个序偶的前元素和后元素分别都相等时,才能称两个序偶相等。

笛卡尔积

对于集合A和B,以A中元素为第一元素,B中元素为第二元素组成序偶,所有这样的序偶组成的集合称为A和B的笛卡尔积,记作A×B

A×B = {<x, y> | x ∈ A, y ∈ B }

关系

如果一个集合的全体元素都是序偶,则称这个集合为一个二元关系,简称为关系,记作R

对于某个二元关系R,若<x, y> ∈ R,则称x与y以R相关,也常记为xRy

设A、B为任意集合,将A×B的任一子集R称为集合A到集合B的一个关系当A = B时,称R为A上的关系)。

常见特殊关系

空关系:对于非空集合A,空集∅称为A上的空关系。

全域关系:关系Ea = { <x, y> | x ∈ A, y ∈ A }

恒等关系:关系Ia = { <x, x> | x ∈ A }

等价关系:见下文。

偏序关系:见下文。

关系表示

1.集合法

上面对关系的定义就是用集合表示关系的,一般常用集合表示。

例题:

2.关系图

简单来说就是序偶 <x, y> 由 x 指向 y。

3.关系矩阵

<x, y>存在,则点(x, y)为1,否则为0。

关系性质

大家根据定义判断比较方便

关系运算

基本运算(集合运算):并、交、差、补、对称差。(关系是一种集合,集合的所有基本运算都使用与关系)

特殊运算:复合运算、逆运算、幂运算、闭包运算。

复合运算

        设R是一个从集合A到集合B的关系,S是从集合B到集合C的关系,则定义关系R和S的复合关系为集合A到集合C的关系。(类似传递

逆运算

        设R是一个集合A到集合B的关系,则定义关系R的逆关系为集合B到集合A的关系。

幂运算

        设R是一个集合A上的关系,n为自然数,则,关系R的n次幂(R的n次幂就是n次个R的复合)定义为:

闭包运算

闭包运算分为自反闭包( r(R) )、对称闭包 ( s(R) )、传递闭包 ( t(R) )

实际上就是对集合上的关系,添加最少的元素,使其具有相关的性质。

例如:

自反闭包

添加了<2, 2>,<3, 3>,用最少的元素使其满足自反性。

对称闭包

添加了元素<3, 1>,使得新关系s(R)具有对称性。

偏序关系定义、哈斯图、特殊元素

偏序关系

对于非空集合A上的二元关系R,如果R是自反的反对称的传递的,则称R为A上的偏序关系

简称偏序,记为 "≤",并将序偶 <x, y> ∈ R记为 x ≤ y

注意:这里的 "≤" 不是数值的大小,而是在偏序关系中的顺序性。x ≤ y 的含义是:依照这个序,x在偏序上排在y的前面或相同

哈斯图

可比、不可比、盖住定义

设R为非空集合A上的偏序关系,对于任意元素x, y ∈ A,

  • 若 x ≤ y 或者 y ≤ x,则称 x 与 y 是可比的
  • 若 x ≤ y 且 x ≠ y,则称 x 排在 y 的前面,记 x < y;
  • 若 <x, y> ∉ R 且 <y, x> ∉ R,则称 x 与 y 是不可比的
  • 若 x < y 且不存在元素 z ∈ A,使得 x < z 且 z < y,则称 y 盖住 x

绘制步骤

  1. 以 "·" 表示元素;
  2. 若 x < y,则 y 画在 x 的上层;
  3. 若 y 盖住 x,则连线;
  4. 不可比的元素可画在同一层。

例子:

偏序关系8种特殊元素

大家根据核心特征进行判断比较容易懂。

特殊元素类型

定义(设偏序集为⟨A, ≤⟩,x∈A)

核心特征

关键说明

最大元

对所有 a∈A,都有 a ≤ x

能 “大于等于” 集合 A 中所有元素,若存在则唯一

需覆盖整个集合,不存在比它更大的元素;与极大元的区别是 “全局支配” 而非 “局部无更大”

最小元

对所有 a∈A,都有 x ≤ a

能 “小于等于” 集合 A 中所有元素,若存在则唯一

需覆盖整个集合,不存在比它更小的元素;与极小元的区别是 “全局被支配” 而非 “局部无更小”

极大元

不存在 a∈A,使得 x ≤ a 且 x ≠ a

集合 A 中没有比它更大的元素(局部顶端),可能不唯一

无需支配所有元素,仅自身无 “上界”;若存在最大元,则最大元是唯一的极大元

极小元

不存在 a∈A,使得 a ≤ x 且 x ≠ a

集合 A 中没有比它更小的元素(局部底端),可能不唯一

无需被所有元素支配,仅自身无 “下界”;若存在最小元,则最小元是唯一的极小元

上界

对所有 a∈A,都有 a ≤ x(x 可∈A,也可∉A)

能 “大于等于” 集合 A 中

所有元素,允许在集合A外,可能不唯一

范围比最大元广(最大元是属于 A 的上界);多个上界中可能存在 “最小的上界”(上确界)

下界

对所有 a∈A,都有 x ≤ a(x 可∈A,也可∉A)

能 “小于等于” 集合 A 中

所有元素,允许在集合A外,可能不唯一

范围比最小元广(最小元是属于 A 的下界);多个下界中可能存在 “最大的下界”(下确界)

上确界

x 是 A 的所有上界中最小的那个(即 x 是上界,且对 A 的任一上界 y,都有 x ≤ y)

所有上界的最小元,若存在则唯一;必须满足 “最小性”

上确界可能属于 A(此时即为最大元),也可能不属于 A;无界的集合不存在上确界

下确界

x 是 A 的所有下界中最大的那个(即 x 是下界,且对 A 的任一下界 y,都有 y ≤ x)

所有下界的最大元,若存在则唯一;必须满足 “最大性”

下确界可能属于 A(此时即为最小元),也可能不属于 A;无界的集合不存在下确界

例如:

集合A = {e1, e2, e3, e4, e5, e6, e7}。

偏序关系和哈斯图如下 ,

等价关系定义、等价类、划分

等价关系

设R为非空集合A上的关系(即A≠∅且R⊆A×A),如果R是自反的对称的传递的,则称R为A上的等价关系

设R是一个等价关系,若<x, y>∈R,则称x与y等价

等价类

设R是非空集合A上的等价关系,对任意x∈A,称集合

为x关于R的等价类。(其中x为[x]的生成元或代表元)

例题:

设R是集合A = {1, 2, 3, 4, 5, 6, 7, 8}上的模3同余关系,试用关系图表示该关系?并求R的所有等价类。

对于任意x, y∈A,如果<x, y>∈R,则[x] = [y]

商集

设R是非空集合A上的等价关系;将由R的所有等价类构成的集合称为A关于R的商集,记作A/R

例子:

集合 A = {1, 2, 3, 4, 5, 6, 7, 8}。

划分

对于非空集合A,S={S1, S2, ... , Sm}如果满足

  1. Si ⊆ A 且 Si ≠ ∅ (i=1, 2, ..., m),
  2. Si ∩ Sj = ∅(i ≠ j; i = 1, 2, ..., m; j = 1, 2, ..., m),
  3. S1 ∪ S2 ∪ ... ∪ Sm = A

则称S为A的一个划分,而S1,S2,...,Sm分别称为这划分的块或类。

等价类、商集与划分:

设R是非空集合A上的等价关系,则集合A上关于R的商集A/R是A的一个划分。(称之为由等价关系R导出的等价划分)

每个等价类都是一个划分块

设{S1, S2, ..., Sm}是非空集合A的一个划分,则由该划分确定的关系

        R = (S1 × S1) ∪ (S2 × S2) ∪ ... ∪ (Sm × Sm)

是A上的等价关系,称之为由该划分所导出的等价关系

例题:设集合A = {1, 2, 3, 4, 5}。

关系求划分

划分求关系

函数定义、特殊函数、函数运算及函数性质证明

函数定义

设f是集合A到B的关系,如果对每个 x∈A ,都存在唯一的 y∈B 使得 <x, y>∈f,则称关系 f 为集合A到集合B的函数或映射,记为 f: A -> By = f(x)。

其中x为函数 f 的自变量或源点y为x在函数 f 下的函数值或像点

集合A称为函数 f 的定义域,记为dom f = A。所有像点组成的集合称为函数f的值域或函数f的,记为ran f 或 f(A)

函数是一种特殊的关系,它要求A中每一个元素都与B中元素相关

函数判断

  1. 定义域是集合A,而不能是集合A的任意一个真子集。
  2. 对于定义域中的任意一个元素都有唯一的值和其对应,也就是说只能是多对一,而不能是一对多,称之为像点的单值性
  3. 集合A到B的函数 f 的值域 f(A) 是集合B的子集,即f(A) ⊆ B
  4. f(x)表示一个函数值,f是一个序偶的集合,因此f(x) ≠ f。

例子:

判断下列关系那些是函数?

特殊函数

1.单射函数

设 f 是 集合A 到 B 的函数,对于A中任意两个元素 x 和 y,如果 x ≠ y 时,都有 f(x) ≠ f(y) ,则称f是集合A到B的单射函数或一对一的映射。

必要条件:|A| ≤ |B|

2.满射函数

设 f 是 集合A 到 B 的函数,如果函数f的值域恰好是集合B,即f(A) = B,则称f是集合A到B的满射函数或A到B上的映射。

必要条件:|B| ≤ |A|

3.双射函数

设f是集合A到B的函数,如果函数f既是集合A到B的单射函数,又是集合A到B的满射函数,则称f是集合A到B的双射函数或一一对应的映射。

必要条件:|A| = |B|

函数运算

复合运算

对于集合A到B的函数f和集合B到C的函数g,复合关系 f∘g 称为函数f和函数g的复合函数,记为f∘g: A -> C。("∘"为函数的复合运算)

注意:<x, z> ∈ f∘g 是指存在 y 使得 <x, y> ∈ f 和 <y, z> ∈ g,即 y = f(x),z = g(y),f∘g(x) = g(f(x))。(f∘g 是函数,f∘g(x)是变量x的函数值)

例子:

相关性质

  1. 若f 和 g 都是单射/满射/双射,则f∘g也是单射/满射/双射
  2. f∘g 是单射,则f是单射,但g不一定是单射
  3. f∘g 是满射,则g是满射,但f不一定是满射
  4. f∘g 是双射,则f是单射g是满射

逆运算

对于集合A到B的关系g,如果关系g是A到B函数且其逆关系g^-1B到A函数,那么称g^-1是函数g的逆函数或反函数,记为g^-1: B -> A。并称 "-1" 为函数的逆运算。

如果g是集合A到B的双射函数,则g的逆关系g^-1是集合B到A的函数(即一定存在逆函数)。

例子:

逆函数的求法:

遵循 “反解变量 → 互换变量 → 确定定义域” 的流程:

  1. 反解变量:从原函数 y = f(x) 中,把 x 用 y 表示出来(即解关于 x 的方程);
  2. 互换变量:将 x 和 y 互换,得到 y = f^-1(x)(符合自变量用 x 表示的习惯);
  3. 确定定义域:逆函数的定义域 = 原函数的值域,需明确标注(避免定义域错误)。

可以通过f(f^-1(x)) = x验证逆函数是否正确。

集合论的旅途到这里就要结束了,接下来还会有命题逻辑与图论。没点关注的点点赞,没点赞的点点收藏,没点收藏的点点关注,我们下次再见。

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值