數學映射與資料模型是抽象集合論與計算現實之間的橋樑。在這一框架中，一個 演算法 可視為一種正式且確定性的轉換，將結構化輸入透過精確的指令處理，產生正確的輸出。這為所有軟體與資料庫架構奠定了邏輯基礎。
演算法的特性
演算法是一種解決問題的逐步方法，具有七個關鍵特徵：
- 輸入： 演算法從指定的資料集合中接收資料。
- 輸出： 演算法從指定的資料集合中產生結果（解答）。
- 精確性： 每一步都以絕對清晰的方式陳述。
- 確定性： 中間結果是唯一的，僅由輸入和先前步驟決定。
- 有限性： 該過程在有限步數後終止。
- 正確性： 輸出能如預期般解決問題。
- 通用性： 該程序適用於一整類輸入，而不僅僅是單一案例。
演算法 4.1.1：尋找三個數字的最大值
這個簡單的三元關係展示了精確性與確定性。無論 $a, b,$ 和 $c$ 的值如何，這些步驟都遵循嚴謹的邏輯路徑。
偽程式碼追蹤
max3(a, b, c) {
large = a
if (b > large) large = b
if (c > large) large = c
return large
}資料模型與迴圈不變式
在更複雜的資料結構中，例如序列 ($s_1, ..., s_n$)，我們會使用 演算法 4.1.2。為了確保此類演算法正確，我們依賴於數學歸納法與「 迴圈不變式」的概念。
演算法 4.1.2：在序列中尋找最大值
max(s, n) {
large = s_1
for i = 2 to n
if (s_i > large)
large = s_i
return large
}迴圈不變式： 「large 是子序列 $s_1, ..., s_i$ 中最大的值」。此性質在每次迭代中皆成立，藉由數學歸納法證明其正確性。
🎯 核心原則：映射有效性
一個有效的數學函數要求定義域中的每個元素都必須映射到 恰好一個 對應到值域中的元素。若缺少箭頭或從同一來源出現多條箭頭，則會使該關係失去函數資格，這正反映了非確定性或不完整的演算法在實際應用中失敗的原因。