{
  "id": "bolzano-weierstrass-theorem",
  "title": "博尔扎诺—魏尔斯特拉斯定理",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "博尔扎诺—魏尔斯特拉斯定理指出，有限维欧几里得空间中的每个有界序列都有收敛子序列。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "波尔查诺—魏尔斯特拉斯定理",
    "有界数列定理"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/bolzano-weierstrass-theorem/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/bolzano-weierstrass-theorem/",
      "json": "https://aiwiki.page/en/bolzano-weierstrass-theorem.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "博尔扎诺—魏尔斯特拉斯定理是数学分析中的一项基本结果，指出欧几里得空间中的每个有界序列都有收敛子序列。等价地，欧几里得空间中的每个无限有界子集都有聚点。该定理将有界性、收敛性和紧性联系起来，为无需显式计算便能证明极限和极值的存在提供了一种核心方法。"
    },
    {
      "heading": "定理陈述",
      "text": "对于实数序列，定理表述如下：\n\n若 \\((x_n)_{n\\geq 1}\\) 是一个有界实数序列，则存在严格递增的下标 \\(n_1<n_2<\\cdots\\) 和实数 \\(L\\)，使得 \\(x_{n_k}\\to L\\)。\n\n这里，有界是指存在某个 \\(M\\geq 0\\)，满足\n\n\\[|x_n|\\leq M\\qquad\\text{for every }n.\\]\n\n子序列是按原有顺序保留无穷多项而得到的序列。子序列收敛是指，对每个 \\(\\varepsilon>0\\)，都存在整数 \\(K\\)，使得\n\n\\[k\\geq K\\implies |x_{n_k}-L|<\\varepsilon.\\]\n\n该定理并不意味着原序列收敛。例如，\n\n\\[x_n=(-1)^n\\]\n\n的偶数下标项组成的子序列收敛于 \\(1\\)，奇数下标项组成的子序列收敛于 \\(-1\\)，但整个序列没有极限。\n\n有限维情形\n\n对于任意正整数 \\(d\\)，\\(\\mathbb{R}^d\\) 中每个满足\n\n\\[\\|x_n\\|\\leq M\\]\n\n的序列 \\((x_n)\\)，都有一个收敛于 \\(\\mathbb{R}^d\\) 中某点的子序列。\n\n同样的结论在每个有限维实或复赋范向量空间中都成立。特别地，有界复数序列都有收敛子序列，因为可以将 \\(\\mathbb{C}\\) 等同于 \\(\\mathbb{R}^2\\)。这一推广与范数的选择无关，因为给定有限维向量空间上的所有范数都诱导相同的拓扑。"
    },
    {
      "heading": "聚点表述",
      "text": "对应的集合形式表述如下：\n\n每个无限有界集 \\(A\\subseteq\\mathbb{R}^d\\) 都在 \\(\\mathbb{R}^d\\) 中有聚点。\n\n若以点 \\(a\\) 为中心的每个开球都包含 \\(A\\) 中异于 \\(a\\) 的点，则称 \\(a\\) 为 \\(A\\) 的聚点。在欧几里得空间中，此时每个这样的开球都包含 \\(A\\) 中的无穷多个点。\n\n聚点不一定属于该集合。例如，\n\n\\[A=\\left\\{\\frac1n:n=1,2,3,\\ldots\\right\\}\\]\n\n有聚点 \\(0\\)，但 \\(0\\notin A\\)。\n\n序列形式与集合形式的表述是等价的。从无限有界集中选取一个由互不相同的点组成的序列，并应用序列形式的定理，所得子序列的极限就是该集合的聚点。反过来，对于一个有界序列，要么有某个值出现无穷多次，从而得到一个常值子序列；要么其所有取值构成一个无限集。在后一种情形中，利用一个聚点，可以选出下标依次增大、且任意接近该聚点的项。\n\n集合必须是无限集这一条件不可缺少。常值序列有收敛子序列，但其取值集合是单点集，没有聚点。"
    },
    {
      "heading": "用区间套证明",
      "text": "对于实数情形，一种标准证明是反复二分一个有界区间。\n\n设 \\((x_n)\\) 的所有项都落在闭区间 \\(I_0=[a,b]\\) 内。将 \\(I_0\\) 分成两个闭的半区间。至少有一个半区间包含无穷多个下标 \\(n\\) 所对应的 \\(x_n\\)；选取这样的一个半区间，记为 \\(I_1\\)。重复这一过程，得到\n\n\\[I_0\\supseteq I_1\\supseteq I_2\\supseteq\\cdots, \\qquad \\operatorname{length}(I_k)=\\frac{b-a}{2^k},\\]\n\n其中每个区间都包含无穷多个下标所对应的项。\n\n由实数的完备性，这些嵌套闭区间有唯一的公共点 \\(L\\)。递归选取\n\n\\[n_1<n_2<\\cdots,\\qquad x_{n_k}\\in I_k.\\]\n\n由于每个 \\(I_k\\) 都包含无穷多个下标所对应的项，这样的选取总能进行。因为 \\(x_{n_k}\\) 和 \\(L\\) 都在 \\(I_k\\) 中，\n\n\\[|x_{n_k}-L|\\leq \\frac{b-a}{2^k}\\longrightarrow 0.\\]\n\n因此 \\(x_{n_k}\\to L\\)。\n\n这一证明揭示了两个要素：有界性使我们能够反复将区域划分为有限个更小的区域，而完备性则保证极限点存在于实数之中。\n\n其他证明\n\n另一种证明利用了每个实数序列都有单调子序列这一事实。根据序列的单调收敛定理，有界单调序列必收敛，因此有界序列有收敛子序列。\n\n有限维情形可通过逐个坐标抽取子序列来证明。先选取一个第一坐标收敛的子序列，再从中选取一个第二坐标收敛的子序列，如此继续，直至遍历全部 \\(d\\) 个坐标。最终得到的子序列逐坐标收敛，因而也按欧几里得距离收敛。由于维数有限，只需抽取有限次。"
    },
    {
      "heading": "与紧性的关系",
      "text": "如果一个空间中的每个序列都有子序列收敛于该空间中的某点，就称该空间是列紧的。博尔扎诺—魏尔斯特拉斯定理意味着，\\(\\mathbb{R}^d\\) 中的每个有界闭子集都是列紧的：有界性保证存在收敛子序列，而闭性保证其极限仍在该子集中。\n\n在度量空间中，列紧性与紧性等价。因此，该定理与海涅—博雷尔定理密切相关：\n\n\\[K\\subseteq\\mathbb{R}^d\\text{ is compact} \\quad\\Longleftrightarrow\\quad K\\text{ is closed and bounded}.\\]\n\n有界集与紧集之间的区别很重要。有界区间 \\((0,1)\\) 中的序列总有子序列在 \\(\\mathbb{R}\\) 中收敛，但其极限可能是区间之外的 \\(0\\) 或 \\(1\\)。因此，将 \\((0,1)\\) 本身视为一个空间时，它并不是列紧的。\n\n在一般的拓扑空间中，紧性与列紧性并不等价，不能直接去掉度量空间这一假设。"
    },
    {
      "heading": "完备性与一般度量空间",
      "text": "如果将实数换成有理数，并要求子序列的极限也是有理数，那么定理就不成立。例如，有理数序列\n\n\\[q_n=\\frac{\\lfloor 10^n\\sqrt2\\rfloor}{10^n}\\]\n\n有界，并且在 \\(\\mathbb{R}\\) 中收敛于 \\(\\sqrt2\\)。它的每个子序列都有相同的实数极限，因此没有任何子序列收敛于 \\(\\mathbb{Q}\\) 中的点。\n\n对于有序域而言，每个有界序列都有收敛子序列这一命题，等价于最小上界完备性。从这个意义上说，该定理表达的是实数的结构性特征，而不仅仅是关于个别序列的事实。\n\n对于一般度量空间，通常的有界性并不足够。相关的更强条件是全有界性：对于每个 \\(\\varepsilon>0\\)，该空间都可以被有限个半径为 \\(\\varepsilon\\) 的开球覆盖。度量空间满足\n\n\\[\\text{compact} \\quad\\Longleftrightarrow\\quad \\text{complete and totally bounded}.\\]\n\n全有界性使我们能够抽取柯西子序列，而完备性保证该子序列收敛。\n\n因此，在完备度量空间中，每个位于全有界子集内的序列，都有一个在所在空间中收敛的子序列。若要该子集是紧的，这些极限还必须留在该子集中。\n\n在无限维赋范空间中的失效\n\n在希尔伯特空间 \\(\\ell^2\\) 中，令 \\(e_n\\) 为第 \\(n\\) 个坐标是 \\(1\\)、其余坐标均为 \\(0\\) 的序列。则\n\n\\[\\|e_n\\|=1,\\qquad \\|e_n-e_m\\|=\\sqrt2\\quad(n\\ne m).\\]\n\n序列 \\((e_n)\\) 有界，但它的任何子序列都不是柯西序列，因此没有子序列按范数收敛。\n\n更一般地，一个赋范向量空间具有“每个有界序列都有按范数收敛的子序列”这一性质，当且仅当它是有限维的。因此，无限维泛函分析需要采用额外的假设或更弱的收敛概念，而不能仅依赖有界性。"
    },
    {
      "heading": "应用",
      "text": "最大值和最小值的存在性\n\n该定理是极值定理的基础：非空紧集上的连续实值函数必能取得最大值和最小值。\n\n例如，设 \\(K\\subseteq\\mathbb{R}^d\\) 非空、有界且闭，且 \\(f:K\\to\\mathbb{R}\\) 连续。利用列紧性，首先可证明 \\(f\\) 有界：否则，可以选出一列点，使这些点处的 \\(|f|\\) 无界增长；但收敛子序列的存在及连续性又会迫使对应的函数值收敛于某个有限数，从而产生矛盾。\n\n记 \\(m=\\inf_{x\\in K}f(x)\\)，选取 \\(x_n\\in K\\)，使得 \\(f(x_n)\\to m\\)。其中某个子序列收敛于某点 \\(x_*\\in K\\)，由连续性可得\n\n\\[f(x_*)=\\lim_{k\\to\\infty}f(x_{n_k})=m.\\]\n\n对 \\(-f\\) 运用同样的论证，即可得到最大值的存在性。这是数学优化中的一种基本存在性论证。\n\n收敛判据\n\n如果 \\(\\mathbb{R}^d\\) 中一个有界序列只有唯一可能的子序列极限 \\(L\\)，那么整个序列收敛于 \\(L\\)。\n\n否则，存在某个 \\(\\varepsilon>0\\)，使得无穷多项满足 \\(\\|x_n-L\\|\\geq\\varepsilon\\)。这些项构成一个有界子序列，后者又有一个收敛子序列。其极限与 \\(L\\) 的距离仍至少为 \\(\\varepsilon\\)，这与唯一性矛盾。\n\n该定理也有助于证明每个实数柯西序列都收敛：柯西序列有界，因此有收敛子序列，而柯西条件迫使整个序列具有同一极限。"
    },
    {
      "heading": "历史背景",
      "text": "该定理以伯纳德·博尔扎诺和卡尔·魏尔斯特拉斯的名字命名。博尔扎诺在1817年关于连续函数的著作中，证明了这一有界性与聚点原理的早期形式。此后，魏尔斯特拉斯在为分析学奠定严格基础的过程中，发展并传播了与之密切相关的结果。\n\n该定理的现代表述反映了19世纪数学的发展历程：有界性、完备性和收敛性先被区分为明确的概念，随后又通过紧性理论统一起来。"
    }
  ],
  "links": [
    "mathematical-analysis",
    "euclidean-space",
    "compact-space",
    "subsequence",
    "limit",
    "normed-vector-space",
    "complex-number",
    "norm-mathematics",
    "accumulation-point",
    "real-number",
    "monotonic-function",
    "closed-set",
    "metric-space",
    "heine-borel-theorem",
    "topological-space",
    "rational-number",
    "totally-bounded-space",
    "cauchy-sequence",
    "complete-metric-space",
    "hilbert-space",
    "functional-analysis",
    "extreme-value-theorem",
    "continuous-function",
    "mathematical-optimization",
    "karl-weierstrass"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}