大学数学学习总结之离散数学：新人能看懂的核心脉络与避坑指南

Fri, 17 Jul 2020 09:00:00 +0800

大学数学学习总结之离散数学：新人能看懂的核心脉络与避坑指南

目标读者：刚接触离散数学、看到 $\forall \exists$ 和哈斯图就发懵的大一同学；也适合想补计算机理论基础的自学者。不需要任何先修知识，高中数学就够了。

阅读目标：不追求证明的严格性，而是帮你建立整条知识主线——每个概念"是什么、为什么需要它、什么时候用它"。读完你应该能看懂教材目录背后的逻辑，知道每种题型对应哪件"工具"，并且明白这门课为什么被称为"计算机科学的数学"。

0. 先看全局：离散数学到底在研究什么

高等数学（微积分）研究的是连续的世界：光滑的曲线、连续变化的速度与面积。而离散数学研究的是离散的世界：一个个可数的、不连续的对象——真或假的命题、有限集合里的元素、图里的点和边、算法的步数。

为什么计算机专业把它列为核心基础课？因为计算机本身就是一台离散机器：

内存里只有 0 和 1，没有"连续"；
程序一步一步执行，步数可以数；
数据结构是集合、序列、树、图——全是离散对象。

所以这门课的全部内容，可以概括为一句话：学会用数学语言精确地描述和推理离散的、可数的结构。

下面的知识地图展示了本门课的主线结构，也是本文的目录：

flowchart TD
    A["离散数学"] --> B["逻辑<br>推理的语言"]
    A --> C["集合与关系<br>组织的语言"]
    A --> D["函数<br>对应关系"]
    A --> E["计数<br>数数的技术"]
    A --> F["数论初步<br>整数的性质"]
    A --> G["图论<br>结构与连接"]
    A --> H["递推关系<br>算法分析入门"]
    B --> B1["命题逻辑"]
    B --> B2["谓词逻辑"]
    C --> C1["集合运算"]
    C --> C2["等价关系与划分"]
    C --> C3["偏序关系与哈斯图"]
    E --> E1["加法与乘法原理"]
    E --> E2["排列组合"]
    E --> E3["鸽笼原理"]
    E --> E4["容斥原理"]
    F --> F1["整除与同余"]
    F --> F2["欧几里得算法"]
    F --> F3["模运算与 RSA"]
    G --> G1["基本概念与握手定理"]
    G --> G2["欧拉图与哈密顿图"]
    G --> G3["树与生成树"]
    H --> H1["斐波那契数列"]
    H --> H2["汉诺塔"]

注意各章之间的依赖关系：逻辑是全书的语言（后面每章的定义和证明都用它写），集合与关系是骨架（函数、图都用它来定义），而计数、数论、图论是三大应用板块，递推关系则是通向《算法分析》的桥梁。建议按本文顺序学习，不要跳章。

1. 命题逻辑与谓词逻辑：推理的语言

1.1 命题与联结词

命题（proposition）是能判断真假的陈述句。“2 是偶数"是命题（真），“π 是无理数"是命题（真），“今天会下雨吗"不是命题（疑问句），“x 大于 3"也不是命题（真假取决于 x）。

用小写字母 $p, q, r$ 表示命题，它们只有两种取值：真（T / 1）或假（F / 0）。把简单命题用联结词粘起来，就得到复合命题。五个基本联结词的真值表是这一章的"乘法口诀表”，必须背熟：

$p$	$q$	$\neg p$（非）	$p \land q$（与）	$p \lor q$（或）	$p \to q$（蕴含）	$p \leftrightarrow q$（等价）
T	T	F	T	T	T	T
T	F	F	F	T	F	F
F	T	T	F	T	T	F
F	F	T	F	F	T	T

这张表的用途：当你想验证一个复合命题"什么时候为真、什么时候为假”，就把所有变量的取值组合列出来逐行算——这叫真值表法，是验证命题公式最笨也最可靠的方法。

其中最容易踩坑的是蕴含 $p \to q$。它读作"如果 p 那么 q”，只有当 $p$ 真而 $q$ 假时才算假，其余三种情况都为真。特别是 $p$ 为假时，无论 $q$ 是真是假，整个蕴含都算真——这叫”虚真"（vacuously true）。比如"如果太阳从西边出来，我就把作业抄十遍"，前提永远为假，所以这句话在逻辑上永远成立（你别想靠它赖账）。

等值演算里第一条要记的公式就是这个：

$$p \to q ;\equiv; \neg p \lor q$$

白话解释：蕴含式可以无条件翻译成"非 p 或 q"。凡是不会处理蕴含的地方，先套这条公式把箭头消掉，再往下算。

1.2 等值演算

两个公式在所有取值下真假完全一致，就叫等值（记作 $\equiv$）。等值演算就是"逻辑版的代数变形"，常用定律如下：

德摩根律：

$$\neg (p \land q) ;\equiv; \neg p \lor \neg q, \qquad \neg (p \lor q) ;\equiv; \neg p \land \neg q$$

白话解释：否定穿过括号时，“与"变"或”、“或"变"与”。“并非（既高又帅）“等于"不高或者不帅”，而不是"不高且不帅”。写代码时 !(a && b) 和 !a || !b 等价，用的就是它。

分配律：$p \land (q \lor r) \equiv (p \land q) \lor (p \land r)$，以及 $\lor$ 对 $\land$ 的分配律。
吸收律：$p \lor (p \land q) \equiv p$，$p \land (p \lor q) \equiv p$。
双重否定：$\neg \neg p \equiv p$。

什么时候用：化简程序里的复杂 if 条件、证明两个逻辑表达式等价、以及数字电路设计里化简逻辑门——都用这套演算。

1.3 谓词逻辑与量词

命题逻辑的颗粒度太粗：“所有人都会死，苏格拉底是人，所以苏格拉底会死"这种推理，命题逻辑表达不了，因为它拆不开"所有人都会死"这句话。谓词逻辑把命题拆成个体 + 谓词：$P(x)$ 表示"x 具有性质 P”，再用量词限定范围：

全称量词 $\forall$：$\forall x \, P(x)$ 表示"对论域中所有 x，P(x) 成立"；
存在量词 $\exists$：$\exists x \, P(x)$ 表示"论域中至少存在一个 x 使 P(x) 成立"。

量词最重要的规则是带否定时如何翻转：

$$\neg \forall x \, P(x) ;\equiv; \exists x \, \neg P(x), \qquad \neg \exists x \, P(x) ;\equiv; \forall x \, \neg P(x)$$

白话解释：否定"所有人都及格"，等于说"存在至少一个人不及格"；否定"存在满分的人"，等于说"所有人都没满分"。否定穿过量词时，$\forall$ 变 $\exists$、$\exists$ 变 $\forall$，谓词本身加否定。这是写"反例"和"证否命题"的基本功。

下面这张图总结了本章的概念关系：

flowchart LR
    P["命题<br>可真可假的陈述"] --> CL["五个联结词<br>非 与 或 蕴含 等价"]
    CL --> TT["真值表<br>枚举所有取值"]
    CL --> EQ["等值演算<br>逻辑代数变形"]
    P --> PL["谓词逻辑<br>拆开命题内部结构"]
    PL --> Q["量词<br>全称 与 存在"]
    Q --> NQ["量词否定规则<br>否定穿过量词要翻转"]
    TT --> APP["应用<br>电路验证 条件化简"]
    EQ --> APP
    NQ --> APP

应用场景：逻辑电路与程序条件

数字电路：一个与门就是 $\land$，或门就是 $\lor$，非门就是 $\neg$。整个 CPU 的运算器，本质上是海量的命题公式在同时求值。用等值演算化简逻辑表达式，就能减少芯片上的门数量，省钱省电。
程序设计：复杂的 if 条件就是复合命题，德摩根律是重构布尔表达式的日常工具；“循环不变式"的断言和验证，用的是谓词逻辑。
数据库：SQL 的 WHERE 子句就是谓词，AND/OR/NOT 直接对应三个联结词；EXISTS 子查询就是存在量词。

2. 集合与关系：组织的语言

2.1 集合运算

集合（set）是若干对象的汇集，无序、不重复。属于记作 $x \in A$，不属于记作 $x \notin A$。集合的四大运算：

$$A \cup B = \{x \mid x \in A \lor x \in B\}, \qquad A \cap B = \{x \mid x \in A \land x \in B\}$$

$$\bar{A} = \{x \in U \mid x \notin A\}, \qquad A - B = \{x \mid x \in A \land x \notin B\}$$

白话解释：并集是"两边只要沾边就进来”，交集是"两边都在才进来"，补集是"全集里不要你的那部分"，差集是"在 A 里但不在 B 里"。画文氏图（Venn 图）是理解这些运算最快的办法。

集合运算也满足德摩根律，和逻辑里的形式完全平行：

$$\overline{A \cup B} = \bar{A} \cap \bar{B}, \qquad \overline{A \cap B} = \bar{A} \cup \bar{B}$$

白话解释：这和 1.2 节的逻辑德摩根律是同一条定律的两种写法——因为集合运算本来就是用 $\lor$、$\land$、$\neg$ 定义的。体会到这一点，你就理解了离散数学"各章相通"的感觉。

幂集（power set）：集合 A 的所有子集构成的集合，记作 $\mathcal{P}(A)$。若 A 有 n 个元素，则

$$|\mathcal{P}(A)| = 2^n$$

白话解释：每个元素都有"选 / 不选"两种自由，n 个元素就是 $2^n$ 种组合。这个公式在"枚举所有子集"的算法题里天天见。

2.2 笛卡尔积与二元关系

有序对 $(a, b)$ 讲究顺序，$(a, b) \neq (b, a)$。笛卡尔积：

$$A \times B = \{(a, b) \mid a \in A, \, b \in B\}$$

白话解释：把 A 的每个元素和 B 的每个元素配对，得到所有"搭配方案"的集合。坐标平面就是 $\mathbb{R} \times \mathbb{R}$；数据库表的多列取值组合也是笛卡尔积。

二元关系 R 就是 $A \times B$ 的一个子集：$(a, b) \in R$ 表示"a 和 b 有关系 R"。比如"小于关系"是 $\mathbb{R} \times \mathbb{R}$ 中满足 $a < b$ 的所有有序对。有限集合上的关系可以用关系矩阵（0-1 矩阵）或关系图（有向图）表示——这是图论登场的伏笔。

2.3 等价关系与划分

定义在集合 A 上的关系 R 若满足三条性质：

自反：对任意 $x \in A$，都有 $x R x$；
对称：若 $x R y$ 则 $y R x$；
传递：若 $x R y$ 且 $y R z$ 则 $x R z$；

就叫等价关系。典型例子：“同余”（mod m 意义下）、“同班”、“图里两点互相可达”。

等价关系把集合切成若干互不相交的等价类，所有等价类合起来叫 A 的一个划分（partition）。核心定理：

$$\text{“等价关系”} ;\longleftrightarrow; \text{“集合的划分”}$$

白话解释：给了一个等价关系，就能按"谁和谁等价"把集合切成一堆小格子；反过来给了一种切法，“同格"就是一个等价关系。两者是一回事的两个视角。

2.4 偏序关系与哈斯图

把上面三性中的"对称"换成”反对称"（若 $x R y$ 且 $y R x$ 则 $x = y$），得到的就是偏序关系（partial order），记作 $\preceq$。典型例子：整除关系、集合包含关系 $\subseteq$、实数的 $\le$。

“偏"的意思是：不要求任意两个元素都能比大小。比如在整除关系下，3 和 5 互不整除，不可比。

哈斯图（Hasse diagram）是偏序关系的简化画法：小的画下面、大的画上面，只画"紧挨着的覆盖关系”，自反环和传递边全省略。比如集合 $\{a, b\}$ 的幂集在包含关系下的哈斯图就是一个菱形。

下面用 mermaid 画这个哈斯图（菱形结构）：

flowchart BT
    E["空集"] --> A["单元素集 a"]
    E --> B["单元素集 b"]
    A --> U["全集 ab"]
    B --> U

白话解释：从下往上读就是"被包含 → 包含"。空集最小、全集最大，两个单元素集在中间且互相不可比——所以中间一层是"横着排"而不是上下排。

应用场景：数据库与分类系统

关系数据库：一张表就是元组的集合，表本身就是"关系"（relation 一词由此而来）；SELECT ... WHERE 是取子集，JOIN 基于笛卡尔积再筛选。关系代数的整套理论就是本章内容的直接应用。
等价类划分：软件测试里的"等价类划分法"，就是把无穷的输入空间按等价关系切成有限个类，每类挑一个代表测试。
偏序与拓扑排序：任务调度（先修课关系、编译依赖、Maven 依赖）都是偏序关系，拓扑排序就是给偏序找一个兼容的全序。

📜 历史故事：罗素悖论与第三次数学危机

19 世纪末，数学家们满怀信心地想用集合论给全部数学打地基。但 1901 年罗素发现了一个致命漏洞：考虑"所有不包含自身的集合所组成的集合"R，问 R 是否包含自身？若 R 包含自身，按定义它不该被收进来；若 R 不包含自身，按定义它又该被收进来——两头都矛盾。1902 年罗素把这个悖论写信告诉弗雷格，后者刚完成的著作地基瞬间崩塌，他只得在书末补记中写道：一位科学家完工之日，恰是地基坍塌之时，没有比这更不幸的了。这场危机史称"第三次数学危机"，后来人们用公理化集合论（ZFC）限制"什么样的总体算集合"，才把地基重新夯实。它提醒我们：“随便把一些东西凑成一个集合"这句话并不是永远合法的，这正是教材上定义集合时小心翼翼的深层原因。

3. 函数：对应关系

3.1 函数的定义

函数 $f: A \to B$ 是一种特殊的二元关系：A 中每个元素都恰好对应 B 中一个元素。两个要点缺一不可：每个输入都要有输出（处处有定义），且一个输入不能有两个输出（单值性）。

A 叫定义域，B 叫陪域，实际取到的值构成值域（image），值域是 B 的子集。

3.2 单射、满射、双射

这一节是考试和面试的高频考点，三种性质用一句话区分：

单射（injective，一对一）：不同输入必得不同输出，即 $f(x_1) = f(x_2) \Rightarrow x_1 = x_2$。B 中没有"被抢座"的冲突。
满射（surjective，映上）：B 中每个元素都被击中，即 $\forall y \in B, \, \exists x \in A, \, f(x) = y$。值域填满整个陪域。
双射（bijective，一一对应）：既是单射又是满射，A 和 B 的元素严丝合缝一一配对。

白话解释：把 A 想成学生、B 想成座位。单射 = 没有两人抢一座；满射 = 没有空座；双射 = 人人有座、座座有人。

有限集合上有个常用推论：若 $f: A \to B$ 是双射，则 $|A| = |B|$。这是计数里”一一对应法“的原理——要数一个难数的集合，就找一个好数的集合和它建立双射。

3.3 复合函数与逆函数

复合：先 f 后 g，记作 $g \circ f$，定义为

$$(g \circ f)(x) = g(f(x))$$

白话解释：注意书写顺序和执行顺序相反，$g \circ f$ 是先做 f 再做 g。函数复合一般不满足交换律——“先穿袜子再穿鞋"和"先穿鞋再穿袜子"显然不是一回事。

逆函数：只有双射才有逆函数 $f^{-1}: B \to A$，满足

$$f^{-1}(f(x)) = x, \qquad f(f^{-1}(y)) = y$$

白话解释：逆函数就是"完美撤销”。只有双射能撤销，因为单射保证撤销时不会"一个输出对应回多个输入”，满射保证每个输出都撤得回去。这就是为什么密码学里加密函数必须设计成双射——否则密文解不回明文。

应用场景：哈希函数与数据结构

哈希表：哈希函数把无限的 key 空间映射到有限的桶地址空间，它天然不是单射——不同 key 撞同一桶叫"哈希冲突"，拉链法、开放寻址法都是在给"非单射"擦屁股。
加密：对称加密的加密函数必须是双射（否则无法解密）；公钥加密则利用"正向容易、逆向极难"的单向函数。
类型系统与序列化：序列化（serialize）和反序列化（deserialize）理想情况下互为逆函数。

4. 计数：数数的技术

计数这一章回答的问题是："满足某条件的方案一共有多少种？"——不枚举，用公式算。

4.1 加法原理与乘法原理

加法原理：做一件事有 m 类互斥办法，第 i 类有 $n_i$ 种做法，则总做法数为

$$N = n_1 + n_2 + \cdots + n_m$$

乘法原理：做一件事分 m 步，第 i 步有 $n_i$ 种做法，则总做法数为

$$N = n_1 \cdot n_2 \cdot \cdots \cdot n_m$$

白话解释：分类用加法，分步用乘法。“从北京去上海，高铁 3 班或飞机 5 班"是分类（选一类就行），$3 + 5 = 8$ 种；“先选上衣 4 件再选裤子 3 条"是分步（两步都要做），$4 \times 3 = 12$ 种。做题时先问自己：这些方案是"或"的关系还是"先…再…“的关系？

4.2 排列与组合

排列（讲顺序）：从 n 个不同元素取 k 个排成一列，

$$P(n, k) = \frac{n!}{(n-k)!}$$

组合（不讲顺序）：从 n 个不同元素取 k 个成一组，

$$\binom{n}{k} = \frac{n!}{k!(n-k)!}$$

白话解释：两者的唯一区别是"顺序算不算数”。选 3 个人当班长、学委、体委，职位不同所以讲顺序，是排列；选 3 个人去参加同一个会议，不讲顺序，是组合。组合数 $\binom{n}{k}$ 读作"n 选 k”，就是二项式系数。

组合数的常用性质：$\binom{n}{k} = \binom{n}{n-k}$（选 k 个留下，等于选 n-k 个扔掉），以及帕斯卡恒等式 $\binom{n}{k} = \binom{n-1}{k} + \binom{n-1}{k-1}$（杨辉三角的递推式）。

下面这张流程图帮你判断一道计数题该用哪个工具：

flowchart TD
    Q["要数的问题"] --> S1{"是分类还是分步?"}
    S1 -- "分类 互斥" --> ADD["用加法原理"]
    S1 -- "分步 连贯" --> MUL["用乘法原理"]
    MUL --> S2{"顺序算不算数?"}
    S2 -- "算" --> PERM["排列 P n k"]
    S2 -- "不算" --> COMB["组合 C n k"]
    Q --> S3{"是否出现 至少 至多?"}
    S3 -- "是" --> COMP["考虑反面 或 容斥原理"]
    Q --> S4{"是否要求 必有...发生?"}
    S4 -- "是" --> PIG["想想鸽笼原理"]

4.3 鸽笼原理

鸽笼原理（抽屉原理）：把 n 只鸽子放进 k 个鸽笼，若 $n > k$，则至少有一个笼子里有不少于两只鸽子。加强版：

$$\text{至少有一个笼子里有不少于 } \left\lceil \frac{n}{k} \right\rceil \text{ 只鸽子}$$

白话解释：$\lceil x \rceil$ 是向上取整。367 个人里至少有两人同一天生日（n=367，k=366）；13 个人里至少 $\lceil 13/12 \rceil = 2$ 人同月出生。鸽笼原理的用法不是"计算”，而是"证明存在性"——它告诉你某种现象必然发生，虽然指不出具体是谁。

📜 历史故事：狄利克雷与抽屉原理

鸽笼原理由德国数学家狄利克雷（Dirichlet）在 1834 年明确提出，德语叫 Schubfachprinzip（抽屉原理）。他并不是把它当成智力趣题，而是用它严肃地证明了数论中"用有理数逼近无理数"的深刻结果（狄利克雷逼近定理）。一个看起来"显然得不能再显然"的原理能推出不显然的定理，这件事本身就很数学：伟大的工具往往长得朴素。后人为了纪念他，也把这个原理称为狄利克雷原理。

4.4 容斥原理

两个集合的容斥：

$$|A \cup B| = |A| + |B| - |A \cap B|$$

三个集合的容斥：

$$|A \cup B \cup C| = |A| + |B| + |C| - |A \cap B| - |A \cap C| - |B \cap C| + |A \cap B \cap C|$$

白话解释：直接加会重复计算重叠部分，所以要减掉交集；但三个集合时，减掉两两交集又把三者公共部分减过头了，要再加回来。奇加偶减，交替进行。

什么时候用：凡是"至少满足一个条件"的计数（并集），当交集比并集好算时用容斥；配合"反面计数"（总数减去反面）更是解决"至少/至多"问题的黄金搭档。

例题：1 – 100 中能被 2 或 3 整除的数有多少个？能被 2 整除的有 50 个，被 3 整除的有 33 个，被 6 整除的有 16 个，容斥得 $50 + 33 - 16 = 67$ 个。

应用场景：算法分析与概率

算法复杂度：估算循环执行次数、递归调用次数，本质都是计数；乘法原理告诉你两层嵌套循环是 $O(n^2)$。
概率论基础：古典概型就是"有利方案数 ÷ 总方案数"，分子分母都是排列组合问题。
密码与碰撞：生日悖论（23 人中两人同天生日的概率就超过 50%）是计数 + 鸽笼思想的结果，直接决定了哈希值需要多长才安全。

5. 数论初步：整数的性质

数论研究整数的整除结构，是离散数学里最"古老又最新潮"的一章——两千多年的老学问，如今撑着整个互联网的安全体系。

5.1 整除与最大公约数

若存在整数 k 使 $a = bk$（$b \neq 0$），称 b 整除 a，记作 $b \mid a$。否则记作 $b \nmid a$。

最大公约数 $\gcd(a, b)$：能同时整除 a 和 b 的最大整数。若 $\gcd(a, b) = 1$，称 a 与 b 互质。

求最大公约数用欧几里得算法（辗转相除法），核心递推就一行：

$$\gcd(a, b) = \gcd(b, \, a \bmod b)$$

白话解释：不断用"较小数"和"余数"替换原来的两个数，直到余数为 0，此时另一个数就是最大公约数。比如 $\gcd(48, 18) = \gcd(18, 12) = \gcd(12, 6) = \gcd(6, 0) = 6$。这是人类历史上最早的非平凡算法之一，两千年后仍是标准库里的实现。

扩展欧几里得算法还能顺手求出整数 s, t 使：

$$\gcd(a, b) = s \, a + t \, b$$

这叫裴蜀定理（Bézout’s identity）。干什么用：它是求"模逆元"的工具——而模逆元是 RSA 生成密钥的核心步骤。

5.2 同余与模运算

若 $m \mid (a - b)$，称 a 与 b 模 m 同余，记作

$$a \equiv b \pmod{m}$$

白话解释：a 和 b 除以 m 余数相同，在"模 m 的世界"里它们就是同一个数。时钟就是最直观的模运算：15 点 $\equiv$ 3 点（mod 12）。

同余的妙处在于它对加、减、乘都"兼容"：

$$(a + b) \bmod m = \big((a \bmod m) + (b \bmod m)\big) \bmod m$$

$$(a \cdot b) \bmod m = \big((a \bmod m) \cdot (b \bmod m)\big) \bmod m$$

白话解释：可以先取余再运算，结果一样。这让你能计算天文数字的个位：$7^{100}$ 的末位，只需看 $7^4 \equiv 1 \pmod{10}$，于是 $7^{100} = (7^4)^{25} \equiv 1 \pmod{10}$，末位是 1。完全不用算出那个 85 位数。

模运算下的快速幂（反复平方法）把 $a^n$ 的计算量从 n 次乘法降到 $O(\log n)$ 次，是密码学能落地的前提。

5.3 素数与 RSA 的思想

素数（质数）是大于 1 且只有 1 和自身两个正因子的整数。算术基本定理：每个大于 1 的整数都能唯一分解为素数的乘积。

RSA 的安全基石是下面的不对称性：

正向容易：给你两个大素数 p 和 q，算 $n = p \, q$ 只要一次乘法；
逆向极难：只给你 n，分解出 p 和 q 在计算上不可行（大整数分解难题）。

密钥生成用欧拉函数：$\varphi(n) = (p-1)(q-1)$，再选 e 满足 $\gcd(e, \, \varphi(n)) = 1$，用扩展欧几里得算法求 d 使

$$e \, d \equiv 1 \pmod{\varphi(n)}$$

公钥是 $(n, e)$，私钥是 $(n, d)$。加密是 $c \equiv m^e \pmod{n}$，解密是 $m \equiv c^d \pmod{n}$。

📜 历史故事：1977 年，密码学走出保密室

在 1970 年代之前，加密双方必须事先偷偷约好同一把钥匙，密钥分发本身就是死结。1977 年，MIT 的三位年轻研究者 Rivest、Shamir、Adleman 发表了一种全新的方案：加密用公开的钥匙，解密用私有的钥匙，即使敌人知道加密方法也解不开。取三人姓氏首字母，这就是 RSA。同年，科普作家马丁·加德纳在《科学美国人》专栏介绍了这个算法，并悬赏破解一个 129 位的 RSA 密文——该挑战直到 1994 年才被一个分布式计算项目攻破。RSA 让"素数"“同余"这些古老的纯数学概念，一夜之间变成了电子商务的看门人。如今你浏览器地址栏的小锁头背后，跑的就是 5.2 节的同余运算。

应用场景：密码学与校验码

RSA 与 TLS：上面讲过，不重复。重点是理解为什么离散数学的"数论初步"不是屠龙之技。
哈希与校验：身份证最后一位、ISBN 书号、CRC 校验，都是模运算（mod 11、mod 10 等）的应用。
负载均衡与分库分表：hash(key) mod N 决定数据落到哪台机器，模运算每天都在分布式系统里被执行亿万次。

6. 图论：结构与连接

6.1 图的基本概念

图（graph）由顶点集 V 和边集 E 组成，记作 $G = (V, E)$。边是顶点的无序对（无向图）或有序对（有向图）。

度 $\deg(v)$：顶点 v 关联的边数（有向图分出度、入度）；
路径（path）：顶点依次相连、边不重复（严格定义教材略有差异，做题时以课本为准）；
连通：任意两点间都有路径可达；
完全图 $K_n$：n 个顶点两两之间都有边，共 $\binom{n}{2}$ 条边。

图论第一定理——握手定理：

$$\sum_{v \in V} \deg(v) = 2|E|$$

白话解释：所有顶点的度数之和等于边数的两倍，因为每条边给两端各贡献 1 度。推论：奇数度的顶点必有偶数个（总和是偶数，奇数度顶点若为奇数个，总和就成奇数了）。这个推论常用来秒杀选择题。

6.2 欧拉图与哈密顿图

这是最容易混淆的一对概念，先给判别法再给故事。

欧拉回路：经过每条边恰好一次并回到起点的回路。无向连通图存在欧拉回路的充要条件：所有顶点度数为偶数。存在欧拉通路（不回到起点）的条件是恰有两个奇度顶点。
哈密顿回路：经过每个顶点恰好一次并回到起点的回路。没有简单的充要条件，判定一般图的哈密顿回路是 NP 完全问题——这正是它难的地方。

flowchart TD
    Q["一笔画 / 遍历问题"] --> A{"要求是什么?"}
    A -- "每条边恰好一次" --> E["欧拉图问题"]
    A -- "每个顶点恰好一次" --> H["哈密顿图问题"]
    E --> E1{"所有顶点度数为偶数?"}
    E1 -- "是" --> E2["存在欧拉回路 可一笔画回起点"]
    E1 -- "恰两个奇度点" --> E3["存在欧拉通路 从奇点起到奇点止"]
    E1 -- "奇度点超过两个" --> E4["不存在 无法一笔画"]
    H --> H1["无通用判别法<br>靠经验定理或搜索"]

📜 历史故事：哥尼斯堡七桥，一门学科的诞生

18 世纪的哥尼斯堡（今俄罗斯加里宁格勒）有条河穿城而过，河中有两座岛，七座桥把岛和两岸连起来。市民们有个消遣：能不能散步时把每座桥恰好走一次，最后回到出发点？1736 年，欧拉解决了这个问题。他的关键一步是抽象：把陆地缩成点、把桥画成线，地理问题瞬间变成"一笔画"问题。然后他注意到一个朴素的事实：除了起点和终点，每进入一个顶点就要离开一次，所以中间顶点的度数必须是偶数。而七桥图中四个顶点全是奇数度——答案是不可能。这篇论文被公认为图论的开端，也是拓扑学思想的萌芽。欧拉示范了数学建模的完整流程：舍弃无关细节（岛的大小、桥的长短），只保留连接关系——这正是今天我们用图建模社交网络、路网的思维方式。

6.3 树与生成树

树（tree）：连通且无回路的图。n 个顶点的树有一堆等价的刻画，最常用的一条：

$$|E| = |V| - 1$$

白话解释：n 个顶点的树恰好有 n-1 条边——多一条必出环，少一条必不连通。“恰好"两个字说明树是最省的连通结构：用最少的边把所有点连起来。

生成树（spanning tree）：包含图 G 所有顶点的、用 G 的边构成的树。带权图中边权和最小的生成树叫最小生成树（MST），用 Kruskal 或 Prim 算法求——这两个算法属于贪心算法的经典教材案例。

树的重要性质（都能用 $|E| = |V| - 1$ 和"无环"推出来）：

任意两点间有唯一路径；
删去任一条边，树就断开；
添上任一条新边，恰好出现一个环。

应用场景：网络路由与编译器

网络路由：互联网的骨干网路由要避免环路，生成树协议（STP）就是在交换网络里动态维护一棵生成树；OSPF 的最短路径计算基于 Dijkstra 算法。
编译器：源代码被解析成抽象语法树（AST）；表达式求值、作用域管理都在树上进行。
社交网络与推荐：好友关系是无向图，“你可能认识的人"是图上的二度邻居查询；社区发现、 PageRank 都是图算法。
路径规划：地图 App 的导航就是带权图上的最短路问题；旅行商问题（TSP）是哈密顿回路的加权版，NP 难，催生了整个近似算法领域。

7. 递推关系初步：算法分析入门

递推关系（recurrence）用数列前面的项定义后面的项，配上初始条件就能唯一确定整个数列。它是"用数学语言描述递归"的工具，也是《算法导论》分析递归算法复杂度的起点。

7.1 斐波那契数列

$$F_n = F_{n-1} + F_{n-2}, \qquad F_0 = 0, \; F_1 = 1$$

白话解释：从第三项起，每一项是前两项之和：0, 1, 1, 2, 3, 5, 8, 13, …。它有两个经典用途：一是演示"递归定义”（函数自己调用自己）；二是演示朴素递归的指数级浪费与动态规划的改进——直接递归算 $F_n$ 要重复计算大量子问题，改成自底向上填表后只需 $O(n)$。

斐波那契还有封闭形式的通项公式（比内公式），涉及无理数 $\sqrt{5}$，本科阶段知道它存在即可：递推式理论上可以解出显式公式，但大多数场合用递推式本身更方便。

7.2 汉诺塔

n 个盘子从 A 柱借助 B 柱移到 C 柱，大盘不能压小盘，最少移动次数记为 $H(n)$。把上面的 n-1 个盘子先挪到 B（$H(n-1)$ 步），大盘挪到 C（1 步），再把 n-1 个盘子挪回 C（$H(n-1)$ 步），于是：

$$H(n) = 2 \, H(n-1) + 1, \qquad H(1) = 1$$

展开迭代几轮找规律：

$$H(n) = 2 \, H(n-1) + 1 = 2^2 H(n-2) + 2 + 1 = \cdots = 2^n - 1$$

白话解释：每多一个盘子，步数翻倍还多一。64 个盘子要 $2^{64} - 1$ 步——传说是僧侣搬完世界就毁灭的那个数字，约 5800 多亿年（每秒一步）。这个例子让你直观感受指数增长的恐怖，也是理解"为什么指数复杂度算法不能用"的第一课。

应用场景：递归算法的时间复杂度

分治算法：归并排序的复杂度满足 $T(n) = 2T(n/2) + O(n)$，解出来是 $O(n \log n)$——解递推关系就是给算法"算工资”。
动态规划：状态转移方程（如背包问题、编辑距离）全是递推关系，写 DP 代码就是把数学递推式翻译成填表循环。
数据结构分析：二叉树高度与节点数的关系、哈希表扩容的均摊分析，都用递推刻画。

8. 避坑技巧：新人最容易犯的 10 个错误

下面 10 条几乎每条都有人挂过科。按"错误说法 → 正确理解 → 简短例子"自查。

坑 1：把 $\to$ 当成"因为所以”

错误说法：$p \to q$ 表示 p 是 q 的原因。
正确理解：蕴含只描述真值关系，不描述因果。只要"前件真且后件假"不出现，蕴含就成立。
例子：“如果 2 是偶数，那么雪是白的"是真命题，尽管两者毫无因果。

坑 2：忘记"虚真”，觉得 p 假时 $p \to q$ 无意义

错误说法：前提不成立时，蕴含式"不成立"。
正确理解：前件为假时蕴含式为真（虚真）。
例子：“所有会飞的猪都戴眼镜"是真的——因为不存在会飞的猪，找不到反例。

坑 3：把 $p \to q$ 和它的逆命题 $q \to p$ 混为一谈

错误说法：“若 p 则 q"成立，所以"若 q 则 p"也成立。
正确理解：与原命题等价的是逆否命题 $\neg q \to \neg p$；逆命题和否命题都不等价。
例子：“下雨则地湿"为真，推不出"地湿则下雨”（可能是洒水车），但能推出"地没湿则没下雨”。

坑 4：量词否定只否一半

错误说法：$\neg \forall x \, P(x)$ 等于 $\forall x \, \neg P(x)$。
正确理解：否定穿过量词必须翻转量词：$\neg \forall x \, P(x) \equiv \exists x \, \neg P(x)$。
例子：“并非所有人都及格”≠“所有人都不及格”，正确是"存在至少一个人不及格”。

坑 5：把 $\subseteq$ 和 $\in$ 用混

错误说法：$\{1\} \in \{1, 2, 3\}$。
正确理解：$\in$ 连接"元素和集合"，$\subseteq$ 连接"集合和集合"。
例子：$1 \in \{1, 2, 3\}$，$\{1\} \subseteq \{1, 2, 3\}$，两者各安其位。

坑 6：以为任意关系都有"三性"

错误说法：自反、对称、传递是绑定的，证明一条就行。
正确理解：三条性质互相独立，必须分别验证；而且等价关系要三条全占，偏序要自反 + 反对称 + 传递。
例子：“整除"在正整数上自反、传递但不对称，所以它不是等价关系而是偏序关系。

坑 7：把"满射"理解成"每个输入都有输出”

错误说法：函数每个 x 都有 f(x)，所以是满射。
正确理解：“每个输入有输出"是函数定义的基本要求，跟满射无关；满射要求陪域里每个 y 都被击中。
例子：$f: \mathbb{R} \to \mathbb{R}$，$f(x) = x^2$ 不是满射（负数没被击中），但若陪域改成 $[0, +\infty)$ 就是满射——满不满射取决于你声明的陪域。

坑 8：排列组合不分，看到"取 k 个"就套 $P(n, k)$

错误说法：从 10 人里选 3 人参赛，有 $P(10, 3) = 720$ 种选法。
正确理解：先问"选出来的 3 人内部排不排名次”。不排就是组合 $\binom{10}{3} = 120$。
例子：选 3 人当不同职务用排列（职务即顺序），选 3 人做同一件事用组合。

坑 9：容斥原理里忘了"奇加偶减"，减完就停

错误说法：$|A \cup B \cup C| = |A| + |B| + |C| - |A \cap B| - |A \cap C| - |B \cap C|$。
正确理解：三集合时还要加回三者交集 $|A \cap B \cap C|$，因为它被减过头了。
例子：三班都报兴趣班的 5 人，在单班人数里被算了 3 次、在两两交集里被减了 3 次，净算 0 次，必须加回。

坑 10：握手定理数错边，或者以为奇度点可以是奇数个

错误说法：一个图可以有 3 个度数为 3 的顶点，其余顶点度数为偶数。
正确理解：度数总和 $= 2|E|$ 必为偶数，所以奇度顶点必有偶数个。
例子：想构造"恰有 3 个奇度点"的图是徒劳的，这在动笔前就能排除。

9. 应用全景：离散数学与计算机科学的对应表

最后把整门课映射到计算机科学，方便你日后"按图索骥"：

flowchart LR
    subgraph DM["离散数学"]
        L["命题与谓词逻辑"]
        S["集合与关系"]
        F["函数"]
        C["计数"]
        N["数论"]
        G["图论"]
        R["递推关系"]
    end
    subgraph CS["计算机科学"]
        HW["数字电路 芯片设计"]
        DB["关系数据库 SQL"]
        AI["人工智能 知识推理"]
        AL["算法复杂度分析"]
        CR["密码学 RSA 区块链"]
        NET["网络路由 社交网络"]
        PL["编译器 程序验证"]
    end
    L --> HW
    L --> AI
    L --> PL
    S --> DB
    S --> PL
    F --> DB
    F --> CR
    C --> AL
    C --> CR
    N --> CR
    G --> NET
    G --> AL
    R --> AL

一句话总结这张全景图：离散数学不是一门课，而是计算机科学的"语法书"——你以后学的每一门专业课，都在用这里的符号说话。

10. 学习建议与资源建议

学习建议：

先建立"定义直觉"，再背定理。每个概念先找一个生活例子（等价关系→分班，偏序→先修课，双射→对号入座），例子记住了，定义就忘不掉。
真值表和文氏图是底线工具。等值式证明不出来就列真值表，集合等式证不出来就画文氏图——笨办法永远兜底。
做题先问"这题考哪个工具"。离散数学的题目套路化程度高：出现"至少/至多"想容斥或反面计数，出现"必然存在"想鸽笼，出现"一笔画"想度数奇偶，出现"递归式"想展开迭代。
亲手推一遍经典结论。欧几里得算法、$H(n) = 2^n - 1$ 的展开、握手定理的证明，都不超过五行，亲手推一遍胜过读十遍。
用代码验证数学。学排列组合就写个 itertools.permutations 数数对不对，学欧几里得算法就自己实现一遍——离散数学是少数能"当场编程验证"的数学课，别浪费这个福利。

资源建议：

教材：屈婉玲、耿素云、张立昂《离散数学》（高等教育出版社），国内高校主流教材，习题经典；国外可配 Rosen 的 Discrete Mathematics and Its Applications（《离散数学及其应用》），例子极多、应用导向。
课程：MIT 6.042 Mathematics for Computer Science（有公开讲义和公开课），计算机视角讲离散数学，非常对胃口。
工具：纸上画哈斯图和文氏图；代码验证用 Python（itertools、sympy 足够）。
练习顺序建议：每章先做教材课后基础题，概念题（判断对错、举例）优先于计算题——离散数学挂科往往挂在概念混淆，而不是算错数。

祝学习顺利。这门课一旦"通了"，你再看算法、数据库、密码学的教材，会发现满篇都是老朋友。

离散数学 on 方糖猫Blog

大学数学学习总结之离散数学：新人能看懂的核心脉络与避坑指南

大学数学学习总结之离散数学：新人能看懂的核心脉络与避坑指南

0. 先看全局：离散数学到底在研究什么

1. 命题逻辑与谓词逻辑：推理的语言

1.1 命题与联结词

1.2 等值演算

1.3 谓词逻辑与量词

应用场景：逻辑电路与程序条件

2. 集合与关系：组织的语言

2.1 集合运算

2.2 笛卡尔积与二元关系

2.3 等价关系与划分

2.4 偏序关系与哈斯图

应用场景：数据库与分类系统

3. 函数：对应关系

3.1 函数的定义

3.2 单射、满射、双射

3.3 复合函数与逆函数

应用场景：哈希函数与数据结构

4. 计数：数数的技术

4.1 加法原理与乘法原理

4.2 排列与组合

4.3 鸽笼原理

4.4 容斥原理

应用场景：算法分析与概率

5. 数论初步：整数的性质

5.1 整除与最大公约数

5.2 同余与模运算

5.3 素数与 RSA 的思想

应用场景：密码学与校验码

6. 图论：结构与连接

6.1 图的基本概念

6.2 欧拉图与哈密顿图

6.3 树与生成树

应用场景：网络路由与编译器

7. 递推关系初步：算法分析入门

7.1 斐波那契数列

7.2 汉诺塔

应用场景：递归算法的时间复杂度

8. 避坑技巧：新人最容易犯的 10 个错误

9. 应用全景：离散数学与计算机科学的对应表

10. 学习建议与资源建议