跳到主要內容

[基礎數學] 關於數學證明的一點點思路 (I)

以往在工學院學習的數學,較偏重在計算與應用部分,對於證明較少著墨,
有時因為時間關係,很容易把定理的結果直接使用,自動跳過證明,假設它是對的先用再說。這樣的方法雖然在當下節省很多時間,但對於學習其實並不是很好。也讓自己後來在學習較高等的數學時吃足了苦頭;

最大的困難我想就是在一開始接觸 抽象化 & 嚴格證明的時候,常常會發生儘管"自認"已經對定義相當清楚,但等到做題的時候,仍然對證明之中每個推理與邏輯間思路的連結沒有頭緒。這種事在初學的時候實在是很大的挑戰。

不過其實數學證明是有規則可循的,這很類似於下棋,比如說我們下棋之前(EX 西洋棋、圍棋、象棋等等棋類),我們都必須先學會各種棋子對應的規則,才能開始去想下棋的策略與戰勝對手的妙方,事實上,對於數學證明也是如此,如果規則(定義)不懂,定理不明,看到題目就埋頭苦證,拼命思考各種技巧與策略(反證法、逆否命題、數學歸納法、直接證法),我想也很難有所突破。因為根本就不清楚你的敵人是誰(也就是根本不清楚到底要證明甚麼!?)

尤有甚者,就算看了解答也是常常不明白作者為何可以甚麼都不說就從某一步會跳到某一步,這其實最根本的原因就是定義不清所導致的問題。

先總結一個重要概念。證明之前先問自己
  • 是否已經清楚 "基本定義" !? 

Comments:
1. 對於想要了解一般證明策略的讀者,建議可略過此文直接閱讀
關於數學證明的一點點思路(III)-Forward-backward method。

2. 除了基本定義之外,兩種"量詞" (quantifier: "for all" 與 "there exists") 的掌握也是證明中極為重要的技巧,但這篇文章重點不在此故不贅述。有興趣的讀者可參閱 Daniel Solow, How to Read and Do Proofs: An Introduction to Mathematical Thought Processes 2e, 2001

3. 關於 清楚明白定義的重要性,讀者可直接參閱此篇
[數學分析] 淺談 Metric Space and Topology


以下文章將專注在清楚定義之後,邏輯間思路的連結。我們先看個簡單的例子

------------
Example 1
考慮下列兩個已知假設為 真:
1. 所有 生物都會死
2. 人 是 生物
試證 人會死。
------------

Proof:
[證明1] 已知人是生物,又已知 所有生物都會死,故 人會死。$\square$
或者
[證明2] 已知所有生物都會死,又已知人 是生物,故由 "所有生物都會死" 可得 人會死。$\square$

Comment:
在數學教科書或者文獻上,作者常將主要的結果用 定理 (Theorem), 或者前置定理 (Lemma),又或者衍生定理 (Corollary) 來描述。而其中最重要的結果是定理。一個數學的定理包含假設 (Hypothesis)與結論(Conclusion):若以 Example 1來看,則假設的部分為 “所有生物會死” 與 “人是生物”,結論的部分則為 “人會死”。此結果可被稱為一個定理。


現在看看下面這個(不太)簡單的數學證明思路

一般而言,在證明某個結果之前,我們可能會知道 (或者嘗試去找到) 某些已知的結果 與我們的假設 或者 待證目標 有直接或間接相關。現在假設我們事先已知下列三個結果  (我們稱為定理)。

------------
Example 2
已知 定理 X: $P \; \& \;T \Rightarrow R$
已知 定理 A:  $P  \Rightarrow S$
已知 定理 B:  $S \; \& \;Q \Rightarrow T$

試證:若 $P, Q$ 成立,則 $R$ 成立。
------------
NOTE: 上述陳述中使用的 $P \Rightarrow Q$ 在數學上表示 If $P$ then $Q$;

Proof:
一般而言,一個好的習慣是先寫下 已知假設 (hypothese) 以及 待證的目標(conclusion),故我們寫下:

已知假設: $P \; \& \; Q$
待證目標: $R$

那現在我們的目標就是 如何從 已知假設 $P \; \& \; Q$ 透過一連串的邏輯推理,推到結果為 $R$ 會成立。故唯一要做的事情就是把彼此之間的關聯性用 "邏輯" 連結起來。步驟如下:

Step 1: 讓 $P, Q$ 成立。

Step 2: 觀察手邊工具。首先由於 定理A 告訴我們 若 $P$ 成立,則 $S$ 成立,讀者可發現此定理直接與我們手邊有的假設 $P$ 相關,故我們可以馬上使用 定理A 得到
\[
P \Rightarrow S
\]所以現在變成 已知 $P \; \& \; Q$ $\Rightarrow S$

Step 3: 由於我們手邊已經有了 $P,Q$ 以及 $S$,觀察手邊工具可發現與前述相關的 定理 B : $S \; \& \;Q \Rightarrow T$ 。也就是說我們現在手邊能得到的所有 邏輯推理關係 為 已知 $P \; \& \; Q$ $\Rightarrow S$  且 $S \; \& \;Q \Rightarrow T$ (by 定理 B);故合併兩者我們可馬上推至 $ T$ 的結果。

Step 4: 現在再度觀察上述結果,發現 定理 X 告訴我們 $P \; \& \;T \Rightarrow R$,此即為我們要證明的目標,故將此 定理 X 用上去 Step 3,便可推得證欲證的 $R$ 至此證明完畢。$\square$


想法圖如下"
證明想法圖














Ref:  Robert S. Strichartz, "The Way of Analysis revised edition",


延伸閱讀:

留言

張貼留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質