集合论—关系的自反、对称和传递闭包

关系的自反、对称和传递闭包定义

R \text{R} 是非空集合 A A 上的关系, R \text{R} 的自反(对称、传递)闭包是 A A 上的关系 R \text{R}' ,且 R \text{R}' 满足以下条件:

  1. R \text{R}' 是自反(对称、传递)的
  2. R R \text{R}\subseteq\text{R}'
  3. A A 上的任何包含 R \text{R} 的自反(对称、传递)关系 R \text{R}'' 都有 R R \text{R}'\subseteq\text{R}''

一般将 R \text{R} 的自反闭包(reflexive)记作 r ( R ) r(\text{R}) ,对称闭包(symmetry)记作 s ( R ) s(\text{R}) ,传递闭包(transfer)记作 t ( R ) t(\text{R})

构造 A A 上关系的 R R

R R 为非空集合 A A 上的关系,则有定理:

  1. r ( R ) = R R 0 r(R) = R\cup R^0
  2. s ( R ) = R R 1 s(R) = R\cup R^{-1}
  3. t ( R ) = R R 2 R 3 . . . t(R) = R\cup R^2 \cup R^3 \cup ...

例:设 A = { a , b , c , d } A=\{a,b,c,d\} R = { < a , b > , < b , a > , < b , c > , < c , d > } R=\{<a,b>,<b,a>,<b,c>,<c,d>\} ,则 R R r ( R ) s ( R ) t ( R ) r(R)、s(R)、t(R) 如图所示:
R : R:

a
b
c
d

r ( R ) : r(R): 节点作圈

自反
自反
自反
自反
a
b
c
d

s ( R ) : s(R): 节点互逆

对称
对称
a
b
c
d

t ( R ) : t(R): 首尾连接

传递
传递
传递
传递
传递
a
b
c
d

R R 的关系矩阵为 M M ,相应的自反、对称、传递闭包的矩阵为 M r M_r M s M_s M t M_t ,将以上三条定理公式转化为矩阵表示。即得:

  1. M r = M + E M_r = M+E
  2. M s = M + M M_s = M+M'
  3. M t = M + M 2 + M 3 + . . . M_t = M + M^2 + M^3+...

其中 E E 为同阶单位矩阵, M M' M M 的转置

例:设 A = { a , b , c , d } A=\{a,b,c,d\} R = { < a , b > , < b , a > , < b , c > , < c , d > } R=\{<a,b>,<b,a>,<b,c>,<c,d>\} ,则 M r M s M t M_r、M_s、M_t 如下所示:

M r = [ 0 1 0 0 1 0 1 0 0 0 0 1 0 0 0 0 ] + [ 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 ] = [ 1 1 0 0 1 1 1 0 0 0 1 1 0 0 0 1 ] M_r=\begin{bmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix} + \begin{bmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \\ \end{bmatrix} = \begin{bmatrix} 1 & 1 & 0 & 0 \\ 1 & 1 & 1 & 0 \\ 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 1 \\ \end{bmatrix} M s = [ 0 1 0 0 1 0 1 0 0 0 0 1 0 0 0 0 ] + [ 0 1 0 0 1 0 0 0 0 1 0 0 0 0 1 0 ] = [ 0 1 0 0 1 0 1 0 0 1 0 1 0 0 1 0 ] M_s=\begin{bmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix} + \begin{bmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ \end{bmatrix} = \begin{bmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \\ 0 & 0 & 1 & 0 \\ \end{bmatrix} M t = [ 0 1 0 0 1 0 1 0 0 0 0 1 0 0 0 0 ] + [ 1 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 ] + [ 0 1 0 1 1 0 1 0 0 0 0 0 0 0 0 0 ] = [ 1 1 1 1 1 1 1 1 0 0 0 1 0 0 0 0 ] M_t=\begin{bmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix} + \begin{bmatrix} 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix} + \begin{bmatrix} 0 & 1 & 0 & 1 \\ 1 & 0 & 1 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix} = \begin{bmatrix} 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix}

发布了208 篇原创文章 · 获赞 841 · 访问量 121万+

猜你喜欢

转载自blog.csdn.net/baishuiniyaonulia/article/details/93231859