聚点原理

聚点原理与有界序列的收敛子列

小象实战讲义 · 人工智能数学基础

在序列极限的研究中，我们常常关心序列本身的收敛性。然而，许多重要的序列（如优化算法中的迭代序列）本身可能并不收敛。本节将引入一个深刻而实用的理论工具：聚点原理及其核心推论——波尔查诺-魏尔斯特拉斯定理。该定理断言，任何有界序列，无论其本身是否收敛，都必定包含一个收敛的子序列。这一结论是后续分析学（如函数极限、最优化理论中极值存在性证明）的基石，也是理解实数完备性的关键一步。

💡 核心导读

本节你将掌握：

1. 闭区间套定理：理解实数完备性的一个直观几何表述，为后续定理提供支撑。
2. 聚点与孤立点：学习集合在实数轴上的“凝聚”特性，掌握其严格的 $\varepsilon$-$\delta$ 语言定义。
3. 聚点原理：理解“有界无穷集必有聚点”这一存在性定理，体会其实数背景。
4. 波尔查诺-魏尔斯特拉斯定理：掌握“有界序列必有收敛子列”的结论及其基于聚点原理的构造性证明思路。
5. 理论意义：认识到该定理在证明存在性问题（如连续函数最值、方程根的存在性）中的核心作用。

闭区间套定理

我们首先介绍一个反映实数集“连续性”或“完备性”的几何定理。

闭区间套定理：设有一列闭区间 ${[a_n, b_n]}_{n=1}^{\infty}$，满足：

1. 嵌套性：$[a_{n+1}, b_{n+1}] \subset [a_n, b_n]$，对任意 $n \in \mathbb{N}$ 成立。
2. 长度趋于零：$\lim_{n \to \infty} (b_n - a_n) = 0$。

则存在唯一的实数 $c$，使得 $c$ 属于所有的闭区间，即 $$\bigcap_{n=1}^{\infty} [a_n, b_n] = {c}.$$

这个定理的证明涉及实数的更深层性质，此处从略。但其结论非常直观：想象一系列像俄罗斯套娃一样一个套一个、且长度不断收缩至零的闭区间，它们最终将“套”住唯一的一个点 $c$。这个定理是证明许多分析学重要结论（如聚点原理）的基础工具。

聚点与孤立点

为了研究序列的“凝聚”行为，我们需要定义集合的“聚点”。

定义（聚点）：设 $E$ 是 $\mathbb{R}$ 上的一个点集，$x_0 \in \mathbb{R}$。如果对于任意的 $\delta > 0$，点 $x_0$ 的空心邻域 $U^\circ(x_0, \delta) = (x_0 - \delta, x_0 + \delta) \setminus {x_0}$ 中都至少包含 $E$ 中的一个点，即 $$U^\circ(x_0, \delta) \cap E \neq \varnothing,$$ 则称 $x_0$ 是集合 $E$ 的一个聚点。

关键理解：聚点 $x_0$ 本身可以属于 $E$，也可以不属于 $E$。聚点的核心特征是，在它的任意附近（无论多近），都“聚集”着 $E$ 中的点。

例子：考虑集合 $E = {\frac{1}{n} : n \in \mathbb{N}}$。数 $0$ 就是 $E$ 的一个聚点。因为对于任意 $\delta > 0$，我们总能找到足够大的 $n$，使得 $\frac{1}{n} < \delta$，从而 $\frac{1}{n} \in U^\circ(0, \delta) \cap E$。注意，$0$ 本身并不属于集合 $E$。

与聚点相对的概念是孤立点。

定义（孤立点）：设 $x_0 \in E$。如果存在某个 $\delta > 0$，使得空心邻域 $U^\circ(x_0, \delta)$ 中不包含 $E$ 的任何其他点，即 $$U^\circ(x_0, \delta) \cap E = \varnothing,$$ 则称 $x_0$ 是集合 $E$ 的一个孤立点。

关键理解：孤立点必须是集合 $E$ 自身的成员，并且存在一个以它为中心的小范围，在这个范围内除了它自己，再没有 $E$ 中的其他点。

聚点的等价刻画：以下三个命题是等价的：

1. $x_0$ 是 $E$ 的聚点。
2. 对于任意 $\delta > 0$，空心邻域 $U^\circ(x_0, \delta)$ 中包含 $E$ 的无穷多个点。
3. 存在由 $E$ 中互异的点构成的序列 ${x_n}$，使得 $\lim_{n \to \infty} x_n = x_0$。

思路说明：

• $(1) \Rightarrow (2)$：如果只有有限个点，那么取 $\delta$ 小于 $x_0$ 到这些有限点中最近一个的距离，就会与聚点定义矛盾。
• $(2) \Rightarrow (3)$：可以构造性地取点。令 $\delta_k = \frac{1}{k}$，在 $U^\circ(x_0, \delta_k)$ 中任取一个 $E$ 中的点记为 $x_k$，并要求每次取的点与之前取的所有点都不同（因为有无穷多点，总是可以做到）。这样得到的序列 ${x_n}$ 显然收敛于 $x_0$。
• $(3) \Rightarrow (1)$：由序列极限的定义直接可得。

第三个等价命题尤为重要，它建立了集合的聚点与序列的极限点之间的桥梁。

聚点原理

基于实数集的完备性（由闭区间套定理等保证），我们有如下重要的存在性定理。

聚点原理（Bolzano-Weierstrass 定理 for Sets）：$\mathbb{R}$ 上的任何一个有界的无穷点集，至少有一个聚点。

通俗解释：如果把无穷多个点塞进一个有限长度的区间里，那么这些点不可能“均匀散开”或“互不相干”，它们至少会在某个位置（聚点）附近无限地“堆积”起来。

这是一个纯粹的存在性定理，它没有告诉我们如何找到这个聚点，但保证了聚点的存在。这个原理是证明下一个关于序列的定理的关键。

波尔查诺-魏尔斯特拉斯定理

现在我们将视角从一般的点集聚焦到序列。序列可以看作其所有项构成的集合（但要注意重复项）。

波尔查诺-魏尔斯特拉斯定理（Bolzano-Weierstrass Theorem）：任何有界序列都必然包含一个收敛的子列。

证明思路（基于聚点原理）：

1. 设 ${x_n}$ 是一个有界序列。考虑由该序列所有项构成的集合 $S = {x_n : n \in \mathbb{N}}$。
2. 情况一：如果 $S$ 是有限集，那么序列 ${x_n}$ 中必然有无限多项取同一个值（鸽巢原理）。这些项本身就构成一个常值（收敛）子列。
3. 情况二：如果 $S$ 是无限集。由于 ${x_n}$ 有界，故 $S$ 是一个有界的无穷点集。根据聚点原理，$S$ 至少有一个聚点，记作 $a$。
4. 根据聚点的等价刻画（命题3），存在 $S$ 中由互异点组成的序列收敛于 $a$。但我们需要从原序列 ${x_n}$ 中按下标递增的顺序抽出一个子列。
5. 构造性抽取：
   • 因为 $a$ 是聚点，在 $a$ 的 $\delta_1 = 1$ 的空心邻域内，有 $S$ 的无穷多点。从原序列中任取一个落在该邻域内的项，记其下标为 $n_1$，即 $|x_{n_1} - a| < 1$。
   • 在 $a$ 的 $\delta_2 = \frac{1}{2}$ 的空心邻域内，同样有 $S$ 的无穷多点。我们从第 $n_1 + 1$ 项之后开始寻找（以保证下标递增），任取一个落在该邻域内的项，记其下标为 $n_2 > n_1$，即 $|x_{n_2} - a| < \frac{1}{2}$。
   • 以此类推，对于 $k=3,4,5,\dots$，令 $\delta_k = \frac{1}{k}$。在 $a$ 的 $\delta_k$ 空心邻域内，从第 $n_{k-1}+1$ 项之后任取一项，记其下标为 $n_k > n_{k-1}$，满足 $|x_{n_k} - a| < \frac{1}{k}$。
6. 这样我们就构造出了一个子列 ${x_{n_k}}$，且满足 $|x_{n_k} - a| < \frac{1}{k}$。由极限的定义可知，$\lim_{k \to \infty} x_{n_k} = a$。证毕。

这个定理是分析学中最重要的定理之一。它保证了从任何有界序列中，我们总能“挖出”一个收敛的部分。在人工智能的优化算法分析中，迭代序列的有界性往往较易验证，该定理则为证明算法生成的序列存在收敛子列（进而可能收敛到最优解）提供了理论保障。

import numpy as np
import matplotlib.pyplot as plt

# 演示：从一个有界但不收敛的序列中抽取收敛子列
np.random.seed(42)
n = 200
# 构造一个有界振荡序列：x_n = (-1)^n + (1/n) * sin(n)，它本身不收敛
n_vals = np.arange(1, n+1)
x_n = np.power(-1, n_vals) + (1/n_vals) * np.sin(n_vals)

# 根据波尔查诺-魏尔斯特拉斯定理，它应有收敛子列。
# 观察发现，其奇数项子列和偶数项子列可能趋向于不同的极限。
# 抽取奇数项子列 (n_k = 2k-1)
odd_indices = 2 * np.arange(1, n//2 + 1) - 1  # 下标: 1, 3, 5, ...
odd_subseq = x_n[odd_indices - 1]  # 因numpy索引从0开始，需减1

# 抽取偶数项子列 (n_k = 2k)
even_indices = 2 * np.arange(1, n//2 + 1)  # 下标: 2, 4, 6, ...
even_subseq = x_n[even_indices - 1]

print("原序列前10项:", x_n[:10])
print("奇数项子列前5项:", odd_subseq[:5])
print("偶数项子列前5项:", even_subseq[:5])

# 计算子列的极限（用最后若干项的平均近似）
approx_limit_odd = np.mean(odd_subseq[-50:])
approx_limit_even = np.mean(even_subseq[-50:])
print(f"\n奇数项子列近似极限: {approx_limit_odd:.6f}")
print(f"偶数项子列近似极限: {approx_limit_even:.6f}")
print(f"它们分别趋近于: ~{np.round(approx_limit_odd, 3)} 和 ~{np.round(approx_limit_even, 3)}")

# 可视化
plt.figure(figsize=(12, 6))
plt.plot(n_vals, x_n, 'o', markersize=3, alpha=0.5, label='原序列 <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><msub><mi>x</mi><mi>n</mi></msub></mrow><annotation encoding="application/x-tex">x_n</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.5806em;vertical-align:-0.15em;"></span><span class="mord"><span class="mord mathnormal">x</span><span class="msupsub"><span class="vlist-t vlist-t2"><span class="vlist-r"><span class="vlist" style="height:0.1514em;"><span style="top:-2.55em;margin-left:0em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mathnormal mtight">n</span></span></span></span><span class="vlist-s">​</span></span><span class="vlist-r"><span class="vlist" style="height:0.15em;"><span></span></span></span></span></span></span></span></span></span>')
plt.plot(odd_indices, odd_subseq, 's', markersize=5, label='奇数项子列', alpha=0.8)
plt.plot(even_indices, even_subseq, '^', markersize=5, label='偶数项子列', alpha=0.8)
plt.axhline(y=approx_limit_odd, color='blue', linestyle='--', alpha=0.7, label='奇数子列极限近似')
plt.axhline(y=approx_limit_even, color='orange', linestyle='--', alpha=0.7, label='偶数子列极限近似')
plt.xlabel('下标 n')
plt.ylabel('序列值')
plt.title('波尔查诺-魏尔斯特拉斯定理示例：从有界振荡序列中抽取收敛子列')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

📝 动手练一练

1. 判断聚点：判断下列集合在实数 $\mathbb{R}$ 中的聚点。如果是聚点，说明理由；如果不是，请说明它是什么点（如孤立点、外点）。 a) $E_1 = (0, 1)$ （开区间） b) $E_2 = {1, \frac{1}{2}, \frac{1}{3}, \dots} \cup {0}$ c) $E_3 = \mathbb{Q} \cap [0, 1]$ （$[0,1]$区间内的所有有理数）

   参考答案： a) $[0, 1]$ 内的所有点都是 $E_1$ 的聚点。因为对于任意 $x_0 \in [0,1]$ 和任意 $\delta>0$，开区间 $(x_0-\delta, x_0+\delta)$ 总与 $(0,1)$ 有交集（考虑 $x_0$ 在区间内部或端点的情况稍作分析）。$0$ 和 $1$ 虽然不属于 $E_1$，但满足聚点定义。 b) $0$ 是 $E_2$ 的聚点（理由同本节例子）。集合中的其他点 $\frac{1}{n} (n \ge 1)$ 都是孤立点，因为可以取 $\delta < \frac{1}{n} - \frac{1}{n+1}$，使得该点的空心邻域内没有 $E_2$ 的其他点。 c) $[0, 1]$ 内的所有点（包括无理数）都是 $E_3$ 的聚点。因为有理数在实数中是稠密的，任何实数的任意邻域内都包含无穷多个有理数。

2. 应用定理：考虑序列 $x_n = \sin\left(\frac{n\pi}{4}\right)$。 a) 写出该序列的前10项。这个序列本身收敛吗？它是否有界？ b) 根据波尔查诺-魏尔斯特拉斯定理，它一定存在收敛的子列。请尝试构造出两个不同的收敛子列，并指出它们的极限。

   参考答案： a) 前10项：$x_1=\sin(\pi/4)=\frac{\sqrt{2}}{2}, x_2=\sin(\pi/2)=1, x_3=\sin(3\pi/4)=\frac{\sqrt{2}}{2}, x_4=\sin(\pi)=0, x_5=\sin(5\pi/4)=-\frac{\sqrt{2}}{2}, x_6=\sin(3\pi/2)=-1, x_7=\sin(7\pi/4)=-\frac{\sqrt{2}}{2}, x_8=\sin(2\pi)=0, x_9=\sin(9\pi/4)=\frac{\sqrt{2}}{2}, x_{10}=\sin(5\pi/2)=1$。该序列值在 $-1$ 和 $1$ 之间周期振荡，故有界但不收敛。 b) 可以构造多个收敛子列，例如： * 取 $n = 2, 10, 18, \dots$（即 $n=8k+2, \ k \in \mathbb{N}$），则 $x_n = \sin(2k\pi + \frac{\pi}{2}) = 1$，得到极限为 $1$ 的常值子列。 * 取 $n = 4, 12, 20, \dots$（即 $n=8k+4$），则 $x_n = \sin(2k\pi + \pi) = 0$，得到极限为 $0$ 的常值子列。 * 取 $n = 6, 14, 22, \dots$（即 $n=8k+6$），则 $x_n = \sin(2k\pi + \frac{3\pi}{2}) = -1$，得到极限为 $-1$ 的常值子列。

本章小结

本节我们深入探讨了序列极限理论中关于“存在性”的核心定理。

要点回顾：

• 闭区间套定理揭示了实数集的完备性：一系列长度趋于零的嵌套闭区间必交于唯一实点。
• 聚点是集合的一种“凝聚中心”，在其任意附近都有该集合的无穷多点。与之相对的是孤立点。
• 聚点原理是一个深刻的存在性定理：有界的无穷点集必有聚点。这是实数完备性的又一体现。
• 波尔查诺-魏尔斯特拉斯定理是聚点原理对序列的直接推论，也是本节最重要的结论：任何有界序列都必定包含一个收敛的子列。其证明通过构造性地从聚点附近抽取子列完成。

行动清单：

1. 理解构造：重新梳理从有界序列利用聚点原理构造收敛子列的步骤，理解“任取-递增下标”的关键。
2. 尝试应用：对几个简单的有界振荡序列（如 $x_n = (-1)^n$、$x_n = \cos(n)$），手动写出其至少两个不同的收敛子列。
3. 联想意义：思考该定理在后续学习中的作用。例如，在证明“闭区间上连续函数必有最大值和最小值”或“有界数列必有上、下极限”时，这个定理将如何被使用？

— 小象教研组