跳到主要內容

[整理] 數學上的等價關係

等價關係 (Equivalence relation)
首先我們先介紹 什麼是數學上的 "關係 (Relation)" 再接著介紹 什麼是 "等價關係 (Equivalence Relation)",講白了就是乘積空間的子集沒有什麼特別,只是初次看可能會覺得難以了解。

===============
Definition: 集合的(二元)關係 (Relation on a Set)
令 $X$ 為任意集合,我們說集合  $R$ 為 $X$ 上的 (二元) 關係 若下列條件滿足:
集合 $R$ 中的元素由從 $X$ 而來的 有序配對元素 (ordered pairs of elements),  $(x,y)$ 所組成,其中 $x\in X$ 與 $y \in X$。
===============

Comment: 
1.  換句話說,關係 $R$ 其實是一個 Cartesian product 的子集合; i.e., $ R \subset{X \times X}$,若 關係 $R$ 已事先知曉,我們通常用 " $x \backsim y$" 來表示 $ (x,y)\in R$。
2. 一般而言,上述討論所使用的符號 $R$ 代表 Relation,通常用 " $ \backsim $ " 改寫之。


===============
Definition: 等價關係(Equivalent Relation)
一個 在集合 $X$ 上的 等價關係(Equivalent Relation) 為一個 在集合 $X$上的 關係 " $ \backsim $ " 滿足下列三個性質:
  1. 若 $x \in{X}$, 則 $x\backsim x$. (Reflexivity)
  2. 若 $x,y \in{X}$ 且 $x\backsim y$, 則 $y \backsim x$. (Symmetry)
  3. 若 $x,y,z \in{X}$ 且 $x\backsim y$ 與 $y\backsim z$, 則 $x\backsim z$. (Transitivity)
換句話說,等價關係要求  1. $(x,x) \in R$ 對任意 $x \in X$,2. $(x,y) \in R \Rightarrow (y,x) \in R$,3. 若 $(x,y) \in R$ 與 $(y,z) \in R$ 則 $(x,z) \in R$。
===============

等價關係建立的目的其實只是要讓我們建立一個"等式的概念",來避免在許多情況下,我們難以描述某兩個量具備相等的概念,此概念有諸多用途,比如 實數建構中應用 (實數為一個等價關係類的柯西數列: The real number is an "equivalent" class of Cauchy sequences.),或者在測度論中建構不可測集。以下我們看幾個例子。


Example 1
令集合 $X=\mathbb{R} $ (實數) ,現在定義一個特殊的關係稱作 "平方關係" 滿足
\[
R=\left \{(x,y) \in \mathbb{R}^2: \; x^2=y^2 \right\}
\]試證明 $R$ 為一個等價關係(Equivalence relation)。


Proof:
首先證明 Reflexivity:對所有 $x \in \mathbb{R}$,觀察 $x^2=x^2$. 所以 $(x,x)\in R$, i.e.,$x\backsim x$

接著證明 Symmetry:若 $x,y \in \mathbb{R}$ 且 $(x,y) \in R$則我們有 $x^2=y^2$,此結果表明 $y^2=x^2$,故我們得到 $(y,x)\in R$ , i.e., $y \backsim x$

最後證明若 Transitivity: $x,y,z \in \mathbb{R}$ 且 $(x,y) \in R$ 與 $(y,z) \in R$,亦即 $x^2=y^2$ 與 $y^2=z^2$, 則 $x^2=y^2=z^2$.所以$(x,z)\in R$ , i.e., $x \backsim z$ $\square$


Example 2
令 $X : = \mathbb{Z}$ 為整數集,現在定義 "除以五之後有相同餘數" 的關係滿足
\[ R:= \{(m,n) \in \mathbb{Z}^2: mod(m,5) = mod(n,5)\} \]試證明上述關係 $R$ 為等價關係
Proof: 首先證明 Reflexivity:對所有 $m \in \mathbb{Z}$,則因為 $mod(m,5) = mod(m,5) $ 故滿足 $(m,m) \in \mathbb{R}$

接著證明 Symmetry:若 $m,n \in \mathbb{Z}$ 且 $(m,n) \in R$ 則我們有 $mod(m,5) = mod(n,5)$ ,由此可知 $mod(n,5) = mod(m,5)$。所以 $(n,m)\in R$ , i.e., $y \backsim x$

最後證明若 Transitivity: $m,n,k \in \mathbb{Z}$ 且 $(m,n) \in R$ 與 $(n,m) \in R$ 則由 $R$ 定義可知我們有 $mod(m,5) = mod(n,5)$ 與 $mod(n,5) = mod(k,5)$, 則 $\mod(m,5) = mod(k,5)$,所以$(m,k)\in {R}$ , i.e., $m \backsim k$ $\square$


Example 3 (非等價關係的例子)
取任意兩實數 $r,s$ 則我們定義關係 $$
R := \{(r,s) \in \mathbb{R}^2: r<s\}
$$
則我們宣稱上述關係並非等價關係:

Proof: 檢查 reflexivity, 取 $r \in \mathbb{R}$ 則可馬上得知 $r < r$ 為錯誤宣稱,亦即 $(r,r) \notin R$ ,故不滿足 reflexivity

讀者可自行檢查上述關係亦不滿足  symmetry 但滿足 transitivity

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