aiwiki.page
中文
数学 / 分析与微积分 / sequence-mathematics

序列(数学)

序列是带有索引的有序数学对象族,用于描述离散规律、近似、收敛与演化。

58 个关键词3 个词条链接到这里AI 撰写
自然数微积分数学分析函数(数学)集合(数学)有序对笛卡尔积实数序列(数学…

序列是一个有序的数学对象族,通常以自然数为索引。其中的各个对象称为项,可以是数、点、函数、集合或其他对象。与集合不同,序列记录每一项的位置,并允许重复:(2,5,2)(2,5,2) 和 (2,2,5)(2,2,5) 是不同的序列,尽管它们包含的不同数值完全相同。由数组成的序列通常称为数列;只要对象按指定的索引顺序排列,就可以使用序列这一更广泛的概念。

序列将离散描述与极限行为联系起来。它们可以表示对某个量的逐次逼近、演化系统的各个状态、随时间记录的观测结果,以及代数展开或解析展开中的系数。对序列的研究是微积分、数学分析以及现代计算中许多领域的基础。核心问题包括:如何确定序列的各项,各项随着索引增大呈现怎样的变化,以及取极限后哪些性质仍然保持。

定义、索引与相等

形式上,集合 XX 中的无限序列是一个函数 a:N→Xa:\mathbb N\to X。记号 ana_n 表示 a(n)a(n),整个序列记作 (an)n∈N(a_n)_{n\in\mathbb N}、(an)n=0∞(a_n)_{n=0}^{\infty},或简记为 (an)(a_n)。自然数索引有从 00 开始和从 11 开始两种惯例;两者都可以采用,但公式和初始条件必须与所采用的惯例一致。长度为 mm 的有限序列是从 {1,…,m}\{1,\ldots,m\} 或某个等价的有限索引区间到 XX 的函数。空序列的长度为零。

用函数定义序列,可以将序列与其值域区分开来。例如,an=(−1)na_n=(-1)^n 只有两个取值,却有无穷多个带索引的项。值域是一个集合,而序列还记录各个值出现的次数及其顺序。具有相同索引集的两个序列相等,当且仅当它们在每个索引处的对应项都相等。长度为二的有限序列与有序对密切相关,而长度固定的有限序列通常称为元组。

XX 中所有无限序列构成的集合通常记作 XNX^{\mathbb N}。这一记号表示一个可数笛卡尔积:每个坐标都独立地取 XX 中的一个值。若 X=RX=\mathbb R,各项就是实数;若 X=CX=\mathbb C,各项就是复数。Rd\mathbb R^d 中的序列由向量组成,可以逐个坐标进行分析。类似地,矩阵序列的每一项都是矩阵,序列的索引与每个矩阵的行、列索引彼此独立。

其他索引集也会自然地出现。双向序列 (an)n∈Z(a_n)_{n\in\mathbb Z} 以全体整数为索引,适合用于描述在时间的两个方向上延伸的信号。数组 (am,n)(a_{m,n}) 有两个独立的索引,通常称为二重序列。字母表上的有限词是符号的有限序列;无限词则是符号的无限序列。

索引的顺序是序列结构的一部分,并不一定表示各项取值在数值上的大小顺序。对于点或符号组成的序列,an<an+1a_n<a_{n+1} 这样的比较未必有意义。即使是数值序列,重新排列各项也会得到不同的序列。平移(如 bn=an+1b_n=a_{n+1})在许多例子中会保留序列的尾部行为,但会改变作为带索引函数的序列本身。

显式公式、递推关系与典型规律

显式公式直接根据索引给出相应的项。例如 an=n2a_n=n^2、an=1/(n+1)a_n=1/(n+1) 和 an=cos⁡(nθ)a_n=\cos(n\theta)。这类公式使某些性质一目了然,但序列不一定具有简单的闭式表达式。序列也可以通过计数规则、算法,或结合初始条件的递推关系来定义。这些只是不同的定义方式,并不代表不同种类的数学对象。

等差数列的相邻两项之差为常数:

an=a0+nd,an+1−an=d.a_n=a_0+nd,\qquad a_{n+1}-a_n=d.

等比数列的相邻两项之间具有固定的倍数关系:

an=a0rn,an+1=ran.a_n=a_0r^n,\qquad a_{n+1}=ra_n.

当某些项为零时,递推形式仍然有意义,而比值 an+1/ana_{n+1}/a_n 则可能没有定义。对于实数 rr,数列的变化情况取决于它的绝对值和符号。当 ∣r∣<1|r|<1 时,各项趋于零;当 r=−1r=-1 且 a0≠0a_0\ne0 时,各项在两个值之间交替出现。

斐波那契数列定义为

F0=0,F1=1,Fn+2=Fn+1+Fn.F_0=0,\qquad F_1=1,\qquad F_{n+2}=F_{n+1}+F_n.

它的生成规则依赖于前两项。由特征方程 r2−r−1=0r^2-r-1=0 可得

Fn=φn−ψn5,φ=1+52,ψ=1−52.F_n=\frac{\varphi^n-\psi^n}{\sqrt5}, \qquad \varphi=\frac{1+\sqrt5}{2},\quad \psi=\frac{1-\sqrt5}{2}.

这说明常系数线性递推关系如何导出显式公式。若特征根为重根,则需要额外引入关于 nn 的多项式因子。利用矩阵,还可以将 kk 阶递推关系改写为一阶向量递推关系,从而将序列分析与线性代数联系起来。

另一些重要的分类关注的是序列的变化形态,而非定义方式。若实数序列满足 an+1≥ana_{n+1}\ge a_n,则称其为单调不减;若不等式严格成立,则称其为严格递增。若存在正整数 pp,使每个索引都满足 an+p=ana_{n+p}=a_n,则称该序列具有周期性。若略去有限个初始项后,这一关系成立,则称其具有最终周期性。有界性意味着所有项到原点的距离都不超过某个固定的有限值。

有限个已观测到的项不能唯一确定一个无限序列。给定有限个索引处的值,可以找到无穷多个公式和递推关系来复现这些值,但它们在后续项上可能彼此不同。例如,对于一个拟合了 mm 个指定值的多项式,加上 ∏j=1m(n−j)\prod_{j=1}^{m}(n-j) 的某个倍数后,这些值仍保持不变。因此,识别规律只能提出一种规则,并不能证明该规则是由数据唯一确定的。

极限、收敛与完备性

实数序列或复数序列收敛到 LL,是指从某一项起,各项都可以任意接近 LL。形式化地说,

an→L⟺∀ε>0 ∃N ∀n≥N: ∣an−L∣<ε.a_n\to L \quad\Longleftrightarrow\quad \forall\varepsilon>0\ \exists N\ \forall n\ge N:\ |a_n-L|<\varepsilon.

整数 NN 可以依赖于 ε\varepsilon,但一旦选定,此后的每一项都必须满足该不等式。这种“从某项起始终成立”的要求,使收敛有别于仅仅无穷多次回到 LL 附近。删除或改变开头的有限项,不会改变序列的极限。

从索引 11 开始的序列 1/n1/n 收敛到零:只需选取 N>1/εN>1/\varepsilon 即可。交替序列 (−1)n(-1)^n 不收敛,因为它的偶数项和奇数项始终彼此分离。序列只要在其所处的空间中没有有限极限,就称为发散;发散并不一定意味着无界。记号 an→+∞a_n\to+\infty 表达的是另一种精确条件:对于每个实数 MM,从某一项起,所有项都大于 MM。

极限遵循代数运算法则。若 an→aa_n\to a 且 bn→bb_n\to b,则 an+bn→a+ba_n+b_n\to a+b,且 anbn→aba_nb_n\to ab。当 b≠0b\ne0 时,商收敛到 a/ba/b,此时分母从某一项起必定不为零。夹逼定理指出,若从某一项起有 an≤bn≤cna_n\le b_n\le c_n,且两侧的序列都趋于 LL,则 bn→Lb_n\to L。每个收敛的实数序列都有界,而每个有界的单调实数序列都收敛。后一个结论依赖于实数的完备性。

柯西序列的定义无需指定一个可能的极限:

∀ε>0 ∃N ∀m,n≥N: ∣am−an∣<ε.\forall\varepsilon>0\ \exists N\ \forall m,n\ge N:\ |a_m-a_n|<\varepsilon.

它在足够靠后的各项之间彼此接近。每个收敛序列都是柯西序列,但反过来是否成立,取决于序列所在的空间。由 2\sqrt2 的有理数近似值构成的序列,在有理数空间中是柯西序列,却没有有理数极限。完备度量空间是指其中每个柯西序列都在该空间内收敛的度量空间。

将 ∣an−L∣|a_n-L| 替换为距离 d(an,L)d(a_n,L),就能把上述定义推广到度量空间。在任何度量空间中,极限都是唯一的。完备性是空间的性质,而不是单个序列的性质;柯西性则是可以通过序列各项之间的两两距离来检验的性质。这一区别对于构造数系,以及证明迭代方法确实趋于一个属于所讨论空间的极限对象,都至关重要。

子序列、聚集与紧致性

子序列是按原有顺序选取序列中的项而得到的:

an1,an2,an3,…,n1<n2<n3<⋯ .a_{n_1},a_{n_2},a_{n_3},\ldots, \qquad n_1<n_2<n_3<\cdots.

所选指标必须严格递增,因此不能反复选取某个固定的项,也不能任意重排各项。如果 an→La_n\to L,则它的每个子序列也都收敛于 LL。但仅知道某一个子序列收敛,并不能反推出原序列收敛:(−1)n(-1)^n 的偶数指标子序列和奇数指标子序列都是常值序列,却有不同的极限。

子列极限是某个子序列的极限。在度量空间中,xx 是子列极限,当且仅当 xx 的每个邻域都包含指标任意大的项。这一表述关注的是由指标区分的各次出现,而不是互不相同的取值。因此,常值序列 an=xa_n=x 的值域虽然只有一个点,但它仍以 xx 为子列极限。一个序列可以有一个、多个或无穷多个子列极限。

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。它并不保证原序列收敛。有限维这一限制至关重要:在平方可求和序列构成的无穷维空间中,不同的标准单位向量之间的距离均为 2\sqrt2。它们构成一个有界序列,却没有依范数收敛的子序列。

对于有界实数序列,上极限和下极限描述了其尾部的极端行为:

lim sup⁡n→∞an=lim⁡N→∞sup⁡n≥Nan,lim inf⁡n→∞an=lim⁡N→∞inf⁡n≥Nan.\limsup_{n\to\infty}a_n =\lim_{N\to\infty}\sup_{n\ge N}a_n, \qquad \liminf_{n\to\infty}a_n =\lim_{N\to\infty}\inf_{n\ge N}a_n.

尾部的上确界单调递减,下确界单调递增,因此这些极限存在;允许取扩展实数值后,这些定义也适用于无界序列。有界实数序列收敛,当且仅当其上极限与下极限相等。对于 (−1)n(-1)^n,两者分别为 11 和 −1-1。这些量无需逐一给出所有子列极限的表达式,就能揭示序列持续振荡的现象。

如果一个空间中的每个序列都有极限仍在该空间内的收敛子序列,就称该空间为列紧空间。对于度量空间,列紧等价于它是一个紧空间。在 Rd\mathbb R^d 中,海涅—博雷尔定理指出,紧子集恰好就是有界闭集。列紧性在存在性证明中特别有用:对于一个函数值趋近下确界的序列,在适当的紧致性与连续性假设下,可以从中选出一个子序列,使其收敛到真正的极小值点。在一般拓扑空间中,紧致性与列紧性不一定等价。

序列与无穷级数

序列逐项列出对象,而无穷级数则试图将各项相加。级数 ∑n=0∞an\sum_{n=0}^{\infty}a_n 通过其部分和序列来定义:

sN=∑n=0Nan.s_N=\sum_{n=0}^{N}a_n.

它收敛于 SS 当且仅当 sN→Ss_N\to S。因此,级数理论是序列理论的一个专门分支,关注的是累积和,而非原序列的各项。

级数收敛的一个必要条件是 an→0a_n\to0,因为 an=sn−sn−1a_n=s_n-s_{n-1}。但这一条件并不充分。调和级数 ∑n=1∞1/n\sum_{n=1}^{\infty}1/n 虽然各项趋于零,却仍然发散。将相邻的两个二的幂之间的各项分为一组,就能看出原因:每组的和都至少为 1/21/2,因此部分和不可能有界。相比之下,对于 r≠1r\ne1,等比级数满足

∑n=0Nrn=1−rN+11−r\sum_{n=0}^{N}r^n=\frac{1-r^{N+1}}{1-r}

并且在 ∣r∣<1|r|<1 时收敛于 1/(1−r)1/(1-r)。

绝对收敛是指 ∑∣an∣\sum |a_n| 收敛。对于实数项和复数项级数,绝对收敛蕴含收敛,而且允许任意重排各项而不改变其和。条件收敛是指级数收敛但不绝对收敛。交错调和级数

1−12+13−14+⋯1-\frac12+\frac13-\frac14+\cdots

就是条件收敛的。通过重新排列它的正项和负项,可以使其和等于任意指定的实数,也可以使其以某些方式发散。这一现象表明,尽管顺序从不影响有限项的和,却可能影响无穷求和的结果。

生成函数将一个数列表示为形式表达式

A(z)=∑n=0∞anzn.A(z)=\sum_{n=0}^{\infty}a_nz^n.

作为形式对象,无须给 zz 赋予具体数值,就可以按系数逐项运算。将 (an)(a_n) 和 (bn)(b_n) 的生成函数相乘,所得系数为

cn=∑k=0nakbn−k,c_n=\sum_{k=0}^{n}a_kb_{n-k},

这就是两个序列的离散卷积。递推关系往往可以转化为生成函数的代数方程。

当考虑收敛性时,同一个表达式就成为幂级数。它的收敛半径由下式确定:

1R=lim sup⁡n→∞∣an∣1/n,\frac1R=\limsup_{n\to\infty}|a_n|^{1/n},

其中对 R=0R=0 和 R=∞R=\infty 采用通常的约定。对于斐波那契数列,由递推关系可得到形式恒等式 A(z)=z/(1−z−z2)A(z)=z/(1-z-z^2)。系数序列、它的递推关系以及这个有理函数的奇点,从不同角度对同一结构给出了相互补充的描述。

序列空间与代数结构

各项为数的序列可以逐坐标相加,也可以逐坐标与标量相乘:

(a+b)n=an+bn,(λa)n=λan.(a+b)_n=a_n+b_n,\qquad (\lambda a)_n=\lambda a_n.

因此,全体实数序列构成一个向量空间,全体复数序列也一样。施加额外限制,就能得到适用于特定大小度量或收敛方式的空间。这些空间之间的主要区别,不仅在于哪些序列属于其中,还在于如何度量整个序列之间的距离。

对于 1≤p<∞1\le p<\infty,序列空间 ℓp\ell^p 由满足下列条件的序列组成:

∑n=1∞∣an∣p<∞,∥a∥p=(∑n=1∞∣an∣p)1/p.\sum_{n=1}^{\infty}|a_n|^p<\infty, \qquad \|a\|_p=\left(\sum_{n=1}^{\infty}|a_n|^p\right)^{1/p}.

空间 ℓ∞\ell^\infty 由有界序列组成,其范数为

∥a∥∞=sup⁡n∣an∣.\|a\|_\infty=\sup_n|a_n|.

这些空间都是完备的赋范向量空间,即巴拿赫空间。空间 cc 包含所有收敛序列,而 c0c_0 包含所有收敛于零的序列。在上确界范数下,两者都是 ℓ∞\ell^\infty 的闭子空间。

空间 ℓ2\ell^2 还具有希尔伯特空间的结构。在复数域上,可以将内积定义为

⟨a,b⟩=∑n=1∞anbn‾.\langle a,b\rangle=\sum_{n=1}^{\infty}a_n\overline{b_n}.

标准坐标向量 eke_k 仅在第 kk 个位置有一个非零分量 11,它们构成一组标准正交基。每个 a∈ℓ2a\in\ell^2 都是其有限截断 ∑k=1Nakek\sum_{k=1}^{N}a_ke_k 在范数意义下的极限。因此,序列空间为无穷维坐标与展开提供了精确的数学框架。

不同的接近概念会带来不同的收敛行为。在 ℓ2\ell^2 中,向量 eke_k 的每个固定坐标都收敛于零,因为该坐标最终会变为零。然而,∥ek∥2=1\|e_k\|_2=1,所以这些向量并不在范数意义下收敛于零。因此,仅有逐坐标收敛,并不能控制分散在越来越靠后坐标上的整体大小。比较系数的收敛与它们所表示函数的收敛时,也会出现类似的区别。

对于 1≤p<q<∞1\le p<q<\infty,有 ℓp⊂ℓq\ell^p\subset\ell^q,这一包含方向可能与有限测度定义域上函数空间的常见包含关系不同。例如,(1/n)(1/n) 属于 ℓ2\ell^2,却不属于 ℓ1\ell^1。序列空间上的线性算子包括移位算子、坐标投影以及适当的无穷矩阵变换。对这些算子的有界性与谱性质的研究,使序列成为泛函分析的核心对象,而不再仅仅被视为初等的有序列表。

函数序列与极限的交换

函数序列 (fn)(f_n) 为每个指标指定一个函数。如果所有 fnf_n 都具有相同的定义域 DD,那么每个点 x∈Dx\in D 都确定一个数列 (fn(x))(f_n(x))。当

∀x∈D,fn(x)→f(x).\forall x\in D,\qquad f_n(x)\to f(x).

时,称这些函数逐点收敛于 ff。在逐点收敛中,使误差保持足够小的指标阈值可能依赖于所选的点。

一致收敛则要求有一个适用于整个定义域的统一指标阈值:

∀ε>0 ∃N ∀n≥N ∀x∈D:∣fn(x)−f(x)∣<ε.\forall\varepsilon>0\ \exists N\ \forall n\ge N\ \forall x\in D: |f_n(x)-f(x)|<\varepsilon.

等价地,误差在 DD 上的上确界趋于零。量词顺序的这一变化会产生重要影响。在 [0,1][0,1] 上,函数 fn(x)=xnf_n(x)=x^n 逐点收敛于这样一个函数:当 x<1x<1 时取值为零,在 x=1x=1 处取值为一。这种收敛不是一致收敛。不过,在任意满足 r<1r<1 的区间 [0,r][0,r] 上,最大误差为 rnr^n,它趋于零。

连续函数的一致极限仍然连续。逐点极限则未必连续,上面的例子就说明了这一点。如果紧区间上的连续函数序列一致收敛,那么积分与极限可以交换:

lim⁡n→∞∫abfn(x) dx=∫abf(x) dx.\lim_{n\to\infty}\int_a^b f_n(x)\,dx =\int_a^b f(x)\,dx.

在更一般的测度与积分理论中,控制收敛定理表明,只要函数序列几乎处处收敛,并且存在一个共同的可积控制函数,就可以进行类似的交换,而不要求一致收敛。

求导的情形更为微妙。仅有 fnf_n 的一致收敛,并不能保证其导数收敛。例如,

fn(x)=sin⁡(nx)nf_n(x)=\frac{\sin(nx)}n

在实数轴上一致收敛于零,但 fn′(x)=cos⁡(nx)f_n'(x)=\cos(nx) 一般并不收敛。紧区间上的一个标准充分条件定理要求导数序列一致收敛,并且原函数序列在某一点收敛;由此可以确定极限函数的导数。

每当用较简单的对象逼近连续对象时,都会出现函数序列。多项式逼近、傅里叶级数的部分和以及微分方程的离散化,都会产生这样的序列。应采用哪种收敛方式,取决于需要保留什么:各点的函数值、最大误差、积分误差、导数,或能量范数。因此,若不指明所采用的收敛方式,关于“近似的极限”的表述就是不完整的。

随机序列与概率收敛

随机变量序列 (Xn)(X_n) 由定义在同一概率空间上的函数组成。对于每个样本点 ω\omega,取值 X1(ω),X2(ω),…X_1(\omega),X_2(\omega),\ldots 构成一个普通序列,称为样本路径或实现。因此,随机序列既是一族概率分布,也是一组随样本点而定的路径。各项之间的依赖关系也是定义随机序列时需要明确的内容;仅凭边缘分布无法确定其联合行为。

有几种常用的收敛概念。几乎必然收敛是指,除去一个概率为零的事件后,样本路径都收敛:

P{ω:Xn(ω)→X(ω)}=1.P\{\omega:X_n(\omega)\to X(\omega)\}=1.

依概率收敛是指

P(∣Xn−X∣>ε)→0for every ε>0.P(|X_n-X|>\varepsilon)\to0 \quad\text{for every }\varepsilon>0.

对于 p≥1p\ge1,LpL^p 收敛是指

E∣Xn−X∣p→0.\mathbb E|X_n-X|^p\to0.

依分布收敛要求累积分布函数在极限分布函数的每个连续点处都收敛。

几乎必然收敛蕴含依概率收敛,而依概率收敛又蕴含依分布收敛。LpL^p 收敛也蕴含依概率收敛。反向推论一般不成立。要理解为什么依概率收敛未必蕴含平均收敛,可以取概率为 1/n1/n 的事件 AnA_n,并定义 Xn=n 1AnX_n=n\,1_{A_n}。于是,当 nn 充分大时,P(∣Xn∣>ε)=1/nP(|X_n|>\varepsilon)=1/n,但 E∣Xn∣=1\mathbb E|X_n|=1。某些罕见取值的幅度不断增大,即使其出现的可能性越来越小,仍可能对期望产生不可忽略的影响。

对于独立同分布且绝对值的期望有限的观测值,强大数定律表明,样本均值几乎必然收敛于它们共同的均值:

1n∑k=1nXk→E[X1].\frac1n\sum_{k=1}^{n}X_k\to\mathbb E[X_1].

如果共同的方差有限且为正,中心极限定理则描述标准化波动的极限分布:

∑k=1nXk−nμσn →d N(0,1).\frac{\sum_{k=1}^{n}X_k-n\mu}{\sigma\sqrt n} \ \xrightarrow{d}\ N(0,1).

这两个结果回答的是不同的问题:一个关乎均值向常数的收敛,另一个关乎均值不断缩小的误差的分布。

离散时间随机过程是将各项解释为相继状态的随机序列,例如随机游走和马尔可夫链。时间序列是以时间为索引的观测值序列,常用这类过程来建模。这两个概念本身都不要求独立性:相关性和其他时间依赖关系可能主导其行为。平稳性关注的是分布在时间平移下的不变性,而不是相继取值是否相等,也不是单条样本路径是否收敛。

迭代计算与离散模型

许多计算方法通过递归定义一个序列,并以其极限作为所求的答案。不动点迭代的形式为

xn+1=T(xn).x_{n+1}=T(x_n).

如果 TT 是非空完备度量空间上的压缩映射,巴拿赫不动点定理便保证存在唯一的不动点 x∗x^\ast,且从任意初始点出发,迭代都会收敛到该点。如果压缩系数为 q<1q<1,则

d(xn,x∗)≤qnd(x0,x∗).d(x_n,x^\ast)\le q^n d(x_0,x^\ast).

因此,这一序列既是一种数学构造,也是一套可执行的近似计算过程。

收敛速度决定了方法在计算中的实用价值。若 en=∥xn−x∗∥e_n=\|x_n-x^\ast\|,线性收敛通常是指存在某个 q<1q<1,使得当下标足够大时,有 en+1≤qene_{n+1}\le q e_n。二次收敛则是指在局部有 en+1≤Cen2e_{n+1}\le C e_n^2。在适当的光滑性和非退化性假设下,牛顿法

xn+1=xn−f(xn)f′(xn)x_{n+1}=x_n-\frac{f(x_n)}{f'(x_n)}

在单根附近具有局部二次收敛性。这些假设不可或缺:初始点选择不当、导数为零或函数性质不佳,都可能导致方法失效。

停止准则通常无法直接检验未知的误差,而是使用相邻迭代值之差、残差或有严格保证的界等量。例如,在压缩迭代中,

d(xn,x∗)≤q1−q d(xn,xn−1)d(x_n,x^\ast) \le\frac{q}{1-q}\,d(x_n,x_{n-1})

可利用能够计算的量给出误差估计。在更一般的方法中,相邻迭代值之间的变化很小,并不一定意味着已经接近某个解。迭代进展缓慢、尺度选取不当或有限精度效应,都可能使相邻项在远离目标时便已近乎相等。

离散时间模型也可以描述实际的动态过程,而非对某个静态答案的近似。种群模型可以采用 xn+1=rxn(1−xn)x_{n+1}=rx_n(1-x_n),而财务余额则可以遵循包含利息和收付款项的仿射递推关系。线性状态演化 xn+1=Axnx_{n+1}=Ax_n 由 AA 的特征结构决定;模小于一的特征值使相应分量衰减,而其他谱特征则可能导致增长或振荡。非线性递推关系可以呈现周期行为和混沌。

在数值分析中,由于浮点运算、截断以及输入数据不够精确,计算所得的项会与理想项存在差异。理想序列在数学上的收敛性,并不足以保证实际计算结果的准确性。稳定性关注扰动如何传播,而收敛性分析关注细化或迭代过程的极限效应。在微分方程的离散化中,这一区别尤为重要:不断细化的网格会生成近似解序列,而这些近似解的误差必须在指定的范数下得到控制。

历史发展与序列方法的局限

古代数学虽没有现代基于函数的定义,却已在使用序列。欧多克索斯使用、并在阿基米德著作中得到发展的穷竭法,通过逐步精细化的图形以及余量的定量界限来比较几何量的大小。阿基米德在《圆的度量》中利用内接和外切多边形,为圆周长与直径之比确定上下界,所用多边形的边数最终达到96。这些论证仍以几何为框架,却已蕴含了极限推理的某些思想。

以递推方式定义的数值规律同样历史悠久。斐波那契于1202年首次出版的《算盘书》中提出了兔子繁殖问题,将如今以他命名的数列引入欧洲数学文献。与之相关的计数递推关系,更早便已出现在印度关于诗歌格律的研究中。到了十七、十八世纪,无穷展开和逐次逼近成为微积分、天文学及函数研究的核心工具。在人们开始使用这些方法时,收敛性与形式上的代数运算往往尚未得到充分明确的区分。

十九世纪,相关概念得到了系统定义,数学家也更加重视各项结论所需的假设。奥古斯丁-路易·柯西在1821年的《分析教程》中讨论了极限、收敛,以及涉及序列后部各项彼此接近程度的判据。后来,卡尔·魏尔斯特拉斯等人推动的发展,帮助确立了以ε表述为基础的分析学严密体系。柯西序列在通过有理数逼近构造实数的过程中发挥了重要作用:当两个有理数柯西序列的差趋于零时,它们就代表同一个实数。

序列在格奥尔格·康托尔的研究中也发挥了基础性作用。他对点集和极限的研究与三角展开的唯一性问题密切相关。康托尔对角线论证表明,全体无穷二进制序列构成的集合是不可数的:对于任何声称列出了所有此类序列的列表,都可以构造一个新序列,使其第 nn 项不同于列表中第 nn 个序列的第 nn 项。因此,单个序列只有可数多个位置,但所有可能序列组成的集合却可以是不可数的。

在现代拓扑学中,序列仍然不可或缺,但无法刻画所有类型的收敛。在第一可数空间中,一个点属于某个集合的闭包,当且仅当存在一个由该集合中的点组成的序列收敛于它。在更一般的拓扑空间中,这一结论可能不成立。例如,在赋予序拓扑的序数区间 [0,ω1][0,\omega_1] 中,第一个不可数序数 ω1\omega_1 属于所有较小序数组成的集合的闭包,但任何由较小序数组成的序列都不收敛于它,因为每个这样的序列都有一个小于 ω1\omega_1 的上界。网以有向集而非仅以自然数作为指标集,为这类空间提供了所需的、更一般的收敛表述方式。