当前位置:首页 > 文章列表 > 文章 > 常见问题 > 满射单射区别详解:函数不重样又全送

满射单射区别详解:函数不重样又全送

2026-01-29 15:10:33 0浏览 收藏

本篇文章给大家分享《满射和单射,简单来说就是函数的两种不同“性格”:满射:函数把所有“目标对象”都覆盖到了,没有遗漏。比如你发红包,所有人都能收到,这就是满射。单射:函数不会把不同的“源头”搞混,每个源头对应一个独特的目标。比如你发红包,每个人只能收到一个,不能重复,这就是单射。简单说:满射 = 全部送到,单射 = 不重样。》,覆盖了文章的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。

单射要求不同输入对应不同输出,如学生与书号一一对应不重复;满射要求所有可能输出都被覆盖,如所有书号均被至少一个学生持有。

满射和单射的白话解释 用最简单的话讲明白

如果您在学习数学中的函数关系时遇到“满射”和“单射”这两个概念,可能会觉得它们听起来很抽象。其实用生活中的例子就能轻松理解它们的本质区别。

一、什么是单射

单射的意思是:不同的输入对应不同的输出,不会有两个不同的输入值映射到同一个输出值上。就像一个一对一的分配关系。

1、想象你班上有5个学生,每人有一本唯一的课本编号。如果每个学生拿的书编号都不同,这就叫单射。

2、如果有两个学生拿了同一本书编号,那就不是单射,因为不同的输入(学生)对应了相同的输出(书号)。

3、所以判断是不是单射,就看有没有“一对多”的情况出现——只要没有,就是单射。

二、什么是满射

满射的意思是:所有的可能输出值都被“打中”了,没有遗漏。换句话说,值域里的每一个元素都有至少一个输入与之对应。

1、继续用上面的例子,假设一共只有5本书编号(从1到5),而5个学生刚好把这5个编号全占满了。

2、哪怕有两个学生拿了同一本书,但只要所有书号都有人拿,这种情况就是满射。

3、但如果没人拿编号为3的书,那就不满足满射,因为输出集合中有一个值没被覆盖。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

知乎绑定微信步骤微信登录教程知乎绑定微信步骤微信登录教程
上一篇
知乎绑定微信步骤微信登录教程
哪些Java异常不该捕获?异常滥用风险解析
下一篇
哪些Java异常不该捕获?异常滥用风险解析
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    463次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    526次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    544次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    493次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    311次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码