전사 함수(Surjective), 단사 함수(Injective), 전단사 함수(Bijective)

2024. 10. 9. 16:30AI

반응형


1. 단사 함수 (Injective):
   - 단사 함수는 입력 값이 서로 다른 경우, 그에 대한 출력 값도 서로 다르도록 하는 함수로 두 개의 다른 입력 값이 동일한 출력 값을 가질 수 없는 함수이다.
   - 수학적으로는, "임의의 x1와 x2에 대해 f(x1)=f(x2)이면 x1=x2이다"로 표현된다.
   - 예를 들어, 함수 f(x)=2x는 단사 함수이다. 왜냐하면 입력 값이 서로 다르면 그에 대응하는 출력 값도 다르기 때문이다.

2. 전사 함수 (Surjective):
   - 전사 함수는 모든 출력 값(함수의 공역에 속하는 모든 값)이 적어도 하나의 입력 값과 대응하는 함수이다.
   - 공역에 있는 모든 값에 대해 적어도 하나의 대응되는 입력 값이 존재한다.
   - 수학적으로는 "임의의 yY에 대해, 적어도 하나의 xX가 존재하여 f(x)=y이다"로 표현된다.
   - 예를 들어, 함수 f(x)=x3는 전사 함수이다. 왜냐하면 모든 실수 y에 대해 f(x)=y를 만족하는 x가 항상 존재하기 때문이다.

3. 전단사 함수 (Bijective):
   - 전단사 함수는 단사 함수이면서 동시에 전사 함수인 함수이다.
   - 즉, 각 입력 값마다 고유한 출력 값이 대응하고, 모든 출력 값은 적어도 하나의 입력 값과 연결된다. 이는 함수가 일대일 대응을 의미한다.
   - 수학적으로는 "단사이면서 전사인 함수"로 정의된다.
   - 예를 들어, 함수 f(x)=x는 전단사 함수이다. 입력 값과 출력 값이 일대일로 대응하며, 모든 실수에 대해 해당하는 실수 출력 값이 존재한다.

 
 
 
 

 

 

반응형

'AI' 카테고리의 다른 글

Critical Render Path  (0) 2024.11.15
PyTorch 환경설정  (0) 2024.11.13
출력층과 활성화 함수 종류  (1) 2024.09.30
1.x TensorFlow 텐서 선언 방법  (0) 2024.09.24
머신러닝 ML 분류 예측  (1) 2024.09.20