函數與映射：把輸入對應到輸出，數學最核心的物件

一台果汁機，藏著數學最深的祕密

把蘋果放進去，按下開關，出來的是蘋果汁；放進柳橙，出來的是柳橙汁。這台果汁機有一個你可能沒注意到的「規矩」：同一種水果放進去，每次都得到同一種果汁。如果某天放蘋果卻流出番茄汁，你大概會把它送修——因為它「壞掉了」，不再是一台可靠的機器。

這個再平凡不過的直覺，正是數學裡最核心的物件：函數（function）。函數不是公式、不是圖形，它本質上是一條把「輸入」對應到「輸出」的規則，而且這條規則必須穩定可靠：同樣的輸入，永遠給出同樣的輸出。從國中的 $y = 2x + 1$，到微積分裡的 $\int_a^b f(x)\,dx$，再到機器學習裡那個吃進一張照片、吐出「貓」或「狗」的神經網路——它們全都是函數。理解了函數，你就握住了整個數學大廈的鑰匙。

函數到底是什麼：三個缺一不可的零件

我們常把函數寫成 $f(x) = x^2$，但這只是函數的「公式外衣」。一個函數真正的定義由三個零件組成：

$$f : A \to B$$

• 定義域（domain） $A$：所有合法輸入的集合。
• 對應域（codomain） $B$：輸出「可能落在」的集合。
• 對應規則 $f$：告訴你每個 $a \in A$ 該配到哪個 $b \in B$。

關鍵的「函數性條件」只有一句話：

每一個輸入 $a \in A$，恰好對應到一個輸出 $f(a) \in B$。

注意「恰好一個」這四個字。它排除了兩種情況：一個輸入沒有輸出（果汁機卡住了），或一個輸入同時跑出兩個輸出（蘋果有時變蘋果汁、有時變番茄汁）。這就是為什麼 $y^2 = x$ 不是一個以 $x$ 為輸入的函數——因為 $x = 4$ 會同時對應到 $y = 2$ 和 $y = -2$。

值得強調的是：函數不必反過來也唯一。允許「兩個不同輸入給出同一個輸出」,例如 $f(x) = x^2$ 中 $f(2) = f(-2) = 4$，這完全合法。函數管的是「輸入端不分岔」，不管「輸出端會不會重合」。

看一個例子：定義域決定一切

考慮 $f(x) = \dfrac{1}{x-3}$。它的公式看起來人畜無害，但 $x = 3$ 會讓分母為零，這個輸入「非法」。所以它的定義域是

$$A = \{x \in \mathbb{R} : x \neq 3\} = \mathbb{R} \setminus \{3\}.$$

再看 $g(x) = \sqrt{x}$（取實數值）。負數沒有實數平方根，所以定義域是 $[0, \infty)$。

這帶出一個常被忽略的觀念：同一個公式，配上不同的定義域，就是不同的函數。$h_1(x) = x^2$ 定義在 $\mathbb{R}$ 上，與 $h_2(x) = x^2$ 定義在 $[0, \infty)$ 上，雖然公式一樣，性質卻天差地別——後者可以「倒回去」（有反函數），前者不行。我們稍後會看到原因。

像、值域與映射：換個角度看輸出

當輸入 $a$ 經由 $f$ 變成輸出 $b = f(a)$，我們說 $b$ 是 $a$ 的像（image）。把定義域裡所有元素的像收集起來，得到值域（range，或稱 image of $f$）：

$$\operatorname{ran}(f) = \{ f(a) : a \in A \}.$$

請務必區分對應域與值域：對應域是你「事先宣告」輸出可能落腳的範圍，值域是「實際上」真的被打到的部分。值域永遠是對應域的子集，但不一定相等。

舉例：$f : \mathbb{R} \to \mathbb{R}$，$f(x) = x^2$。對應域是整個 $\mathbb{R}$，但值域只有 $[0, \infty)$——因為平方永遠非負，負數從來沒被任何輸入打到。

「映射（mapping）」一詞在多數情況下與「函數」同義，但在進階數學裡，當我們強調的是「把一個結構搬到另一個結構」時，更愛用「映射」。例如把平面上每個點 $(x, y)$ 旋轉 $90^\circ$，這個幾何變換就是一個映射

$$T(x, y) = (-y, x).$$

三種關鍵的函數：單射、滿射、雙射

理解了輸入輸出的對應後，我們可以依「對應的緊密程度」把函數分成三類。這套分類是高等數學的通用語言。

單射（injective，一對一）：不同的輸入給出不同的輸出。形式化地說，

$$f(a_1) = f(a_2) \implies a_1 = a_2.$$

直覺上，單射函數「不會把兩個東西壓成同一個」，所以資訊不會遺失。$f(x) = 2x + 1$ 是單射；$f(x) = x^2$（定義在 $\mathbb{R}$ 上）不是，因為 $f(2) = f(-2)$。

滿射（surjective，映成）：對應域裡每個元素都有「來源」，也就是值域填滿了整個對應域：$\operatorname{ran}(f) = B$。$f : \mathbb{R} \to \mathbb{R}$，$f(x) = x^3$ 是滿射（每個實數都開得了立方根）；但 $f(x) = x^2$ 不是滿射（沒有輸入能打到 $-1$）。

雙射（bijective）：同時是單射又是滿射。雙射是最「完美」的對應——輸入與輸出一一配對、不多不少。只有雙射函數才有真正的反函數。

動手試試：判斷下面這個函數

設 $f : \mathbb{R} \to \mathbb{R}$，$f(x) = 2x - 5$。它是哪一類？

單射檢驗：假設 $f(a_1) = f(a_2)$，即 $2a_1 - 5 = 2a_2 - 5$。兩邊加 $5$ 再除以 $2$，得 $a_1 = a_2$。✓ 是單射。

滿射檢驗：任取一個目標 $y \in \mathbb{R}$，問「有沒有 $x$ 使 $f(x) = y$？」解 $2x - 5 = y$，得 $x = \dfrac{y+5}{2}$，這永遠是個實數。✓ 是滿射。

兩者都成立，所以 $f$ 是雙射。既然如此，它有反函數，而且我們剛剛已經把它算出來了：

$$f^{-1}(y) = \frac{y + 5}{2}.$$

驗算：$f(f^{-1}(y)) = 2 \cdot \dfrac{y+5}{2} - 5 = (y + 5) - 5 = y$。✓ 確實還原。

合成函數：把機器串接起來

如果你有兩台果汁機，第一台把水果變果汁，第二台把果汁變冰沙，串起來就得到「水果 → 冰沙」的新機器。這在數學裡叫合成（composition），記作 $g \circ f$，讀作「先 $f$ 再 $g$」：

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

順序至關重要——先做的寫在右邊。注意定義域的銜接：$f$ 的輸出必須落在 $g$ 的定義域裡，串接才合法。

計算範例：設 $f(x) = x + 3$，$g(x) = x^2$。

$$(g \circ f)(x) = g(x + 3) = (x + 3)^2 = x^2 + 6x + 9.$$

$$(f \circ g)(x) = f(x^2) = x^2 + 3.$$

兩者明顯不同。這說明合成不滿足交換律：$g \circ f \neq f \circ g$。這跟「先穿襪子再穿鞋」和「先穿鞋再穿襪子」結果不同是同一個道理。

合成與反函數有個漂亮的關係：若 $f$ 是雙射，則 $f^{-1} \circ f = \operatorname{id}$（恆等函數，輸入什麼還什麼），$f \circ f^{-1} = \operatorname{id}$。反函數就是「把合成消掉」的那台逆向機器。

函數的不同面貌：表格、圖形、規則

同一個函數可以用許多方式呈現，初學者常誤以為它們是不同東西：

• 代數式：$f(x) = 3x - 1$。
• 圖形：把所有 $(x, f(x))$ 的點畫在平面上。這也帶出一個實用的判別法——垂直線檢驗（vertical line test）：若任何一條鉛直線與圖形最多交於一點，它就是函數（因為一個 $x$ 只配一個 $y$）。
• 表格：列出有限筆輸入輸出。
• 離散對應：在離散數學裡，函數可能就是一張「誰配誰」的對照表，例如把學號對應到座位號。

它們是同一個抽象物件的不同「外衣」。能在這些表徵間自由切換，是函數素養的核心。

重點回顧

• 函數的本質是一條穩定的對應規則 $f : A \to B$，核心條件是「每個輸入恰好對應一個輸出」——輸入端不准分岔，但輸出端允許重合。
• 三個零件缺一不可：定義域 $A$、對應域 $B$、對應規則。同一個公式配上不同定義域，就是不同的函數。
• 對應域 ≠ 值域：對應域是事先宣告的可能範圍，值域是實際被打到的部分，後者是前者的子集。
• 三種關鍵分類：單射（不同輸入給不同輸出）、滿射（對應域被填滿）、雙射（兩者皆是）。只有雙射才有反函數。
• 合成不可交換：$g \circ f \neq f \circ g$，順序決定一切；反函數則是把合成「消回恆等」的逆向操作。

深入探討（研究所視角）

把函數看作「公式」會在高等數學裡撞牆。研究所階段的觀點是：函數是集合論裡的一個特殊關係。

形式上，從 $A$ 到 $B$ 的一個關係就是笛卡兒積 $A \times B$ 的某個子集 $R \subseteq A \times B$。當這個子集滿足「對每個 $a \in A$，恰好存在一個 $b$ 使 $(a, b) \in R$」時，這個關係就升格為函數。換言之，函數就是它的圖形（graph）本身——這個視角徹底拋棄了「規則」「公式」的含糊感，把函數還原成一個確定的點集。所有關於函數的性質（單射、滿射、合成）都能純粹用集合運算重述，這正是數學追求嚴格化的成果。

這個抽象觀帶來巨大威力。在範疇論（category theory）裡，數學家不再關心函數「內部怎麼運作」，只關心物件之間的「箭頭（morphism）」如何合成。雙射在這個框架下被推廣為同構（isomorphism）：兩個結構之間若存在保持結構的雙射，它們在範疇論意義下「本質相同」。群論裡的群同態、線性代數裡的線性變換、拓樸學裡的連續映射，全都是「帶結構的函數」這個主旋律的變奏。

基數（cardinality）是另一個震撼的應用。Cantor 的洞見是：判斷兩個集合「一樣大」的唯一嚴格方法，就是看它們之間能否建立雙射。這套方法揭示了無窮的層級——整數與有理數之間存在雙射（都是「可數無窮」 $\aleph_0$），但實數與整數之間不可能有雙射（對角線論證證明實數是「不可數」的）。一個看似樸素的「一一配對」概念，竟成了丈量無窮的尺。

跨領域來看，函數是現代計算與 AI 的地基。一個神經網路本質上是一個高維函數 $f_\theta : \mathbb{R}^n \to \mathbb{R}^m$，其中 $\theta$ 是上億個參數；訓練就是在巨大的函數族裡尋找最逼近資料的那一個。通用近似定理（universal approximation theorem）保證：只要隱藏層夠寬，前饋網路能以任意精度逼近任何連續函數——這正是深度學習可行的數學承諾。再往物理走，量子力學的態是 Hilbert 空間裡的函數，演化由作用在函數上的算子（也就是「函數的函數」，稱為泛函（functional）或算子（operator））描述。而泛函分析（functional analysis）整個學門，研究的就是「以函數為點」的無窮維空間——微積分裡的 $\int_a^b f(x)\,dx$ 在這裡被看成一個吃進函數、吐出實數的泛函 $L[f]$。

當你下次寫下 $f(x)$ 時，不妨記得：這個小小的符號，連接著從集合論的地基、無窮的丈量，一路通往人工智慧與量子世界的廣闊地圖。