{
  "id": "subsequence",
  "title": "子序列",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "子序列是从另一序列中按原有顺序选取若干项构成的序列，所选各项不必连续。",
  "category": "mathematics",
  "subcategory": "discrete-logic",
  "type": "concept",
  "aliases": [
    "子列"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/subsequence/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/subsequence/",
      "json": "https://aiwiki.page/en/subsequence.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "子序列是从另一个数列中选取一些项，并保持其原有顺序所得到的序列。选取时可以跳过某些项，但不能改变它们的先后顺序。在数学分析中，子序列用于研究收敛性、振荡和紧致性。在计算机科学和组合数学中，有限子序列用于描述从字符串、列表及其他有序数据中保持顺序的选取。"
    },
    {
      "heading": "定义与记号",
      "text": "设 \\((x_n)_{n\\geq 1}\\) 是取值于集合 \\(X\\) 的序列。无限子序列具有如下形式：\n\n\\[(x_{n_k})_{k\\geq 1},\\]\n\n其中\n\n\\[n_1<n_2<n_3<\\cdots\\]\n\n为正整数。下标必须严格递增。因此，\\(n_k\\geq k\\)，且 \\(n_k\\to\\infty\\)。\n\n等价地，若将序列视为函数 \\(x:\\mathbb{N}\\to X\\)，则子序列就是复合函数 \\(x\\circ\\phi\\)，其中 \\(\\phi:\\mathbb{N}\\to\\mathbb{N}\\) 严格递增。这样的下标函数必然是单射函数，但仅有单射性还不够，因为它仍然允许改变顺序。\n\n例如，对于\n\n\\[x_n=\\frac{1}{n},\\]\n\n选取偶数下标可得\n\n\\[x_{2k}=\\frac{1}{2k},\\]\n\n而选取平方数下标可得\n\n\\[x_{k^2}=\\frac{1}{k^2}.\\]\n\n所选的位置必须互不相同，但所选的值可以相同。如果一个序列中某个值出现无穷多次，那么它就有一个常值子序列。\n\n对于有限序列 \\((x_1,\\ldots,x_n)\\)，长度为 \\(r\\) 的子序列为\n\n\\[(x_{i_1},\\ldots,x_{i_r}), \\qquad 1\\leq i_1<\\cdots<i_r\\leq n.\\]\n\n通常允许空序列作为有限子序列。每个序列都是它自身的子序列，而子序列的子序列仍是原序列的子序列。"
    },
    {
      "heading": "与相关概念的区别",
      "text": "子序列不同于其他几种选取或重排方式。\n\n- 子集：子集只记录成员归属，不记录位置或顺序。序列 \\((a,b,a)\\) 和 \\((a,a,b)\\) 的值构成相同的集合，但它们的子序列通常不同。\n- 连续片段：连续片段保留的是连续位置上的项。在字符串术语中，这称为子串。每个子串都是子序列，但并非每个子序列都是子串。例如，“ace”是“abcde”的子序列，但不是它的子串。\n- **重排：**重排会改变各项的顺序，通常通过对下标进行置换来实现。子序列则保持原有顺序。\n- 子级数：无穷级数的子级数，是保留其中选定的项并按原有顺序求和得到的级数。所选的项构成原级数各项所成序列的子序列，但所得的部分和序列通常不是原部分和序列的子序列。\n\n在分析学中，除非另有说明，“子序列”通常指无限子序列。在有限组合数学和算法中，它通常指有限子序列。"
    },
    {
      "heading": "子序列与收敛性",
      "text": "极限的继承\n\n如果一个序列收敛于 \\(L\\)，那么它的每个子序列都收敛于同一个 \\(L\\)。在距离为 \\(d\\) 的度量空间中，根据极限的定义，有\n\n\\[x_n\\to L \\quad\\Longrightarrow\\quad x_{n_k}\\to L.\\]\n\n事实上，对任意 \\(\\varepsilon>0\\)，原序列中所有充分靠后的项都满足 \\(d(x_n,L)<\\varepsilon\\)。由于 \\(n_k\\to\\infty\\)，子序列中所有充分靠后的项也都满足同一不等式。\n\n因此，删去开头有限项不会影响序列的收敛性，也不会改变其极限。\n\n如果只知道存在一个收敛子序列，则逆命题不成立。例如，\n\n\\[x_n=(-1)^n\\]\n\n不收敛，尽管\n\n\\[x_{2k}=1 \\qquad\\text{and}\\qquad x_{2k-1}=-1\\]\n\n都是收敛子序列。在度量空间中，若两个子序列的极限不同，就能断定原序列发散。\n\n子序列极限\n\n子序列极限是指某个子序列的极限。在度量空间中，\\(L\\) 是 \\((x_n)\\) 的子序列极限，当且仅当以 \\(L\\) 为中心的每个开球都包含对应于无穷多个下标 \\(n\\) 的项 \\(x_n\\)。\n\n这里强调下标很重要。常值序列虽然只有一个取值，却仍有子序列极限。因此，子序列极限不一定是序列中不同取值所构成集合的聚点。\n\n有界的实数序列收敛，当且仅当它恰有一个子序列极限。有界性不能直接省略：由下式定义的序列\n\n\\[x_{2k}=0, \\qquad x_{2k-1}=k\\]\n\n只有一个有限的子序列极限 \\(0\\)，却不在 \\(\\mathbb{R}\\) 中收敛。\n\n在度量空间中，有一个更一般的判别准则：\n\n一个序列收敛于 \\(L\\)，当且仅当它的每个子序列都有一个进一步的子序列收敛于 \\(L\\)。\n\n如果原序列不收敛于 \\(L\\)，那么存在某个 \\(\\varepsilon>0\\)，使得可以选出一个子序列，其所有项到 \\(L\\) 的距离都至少为 \\(\\varepsilon\\)。这个子序列的任何进一步的子序列都不可能收敛于 \\(L\\)。"
    },
    {
      "heading": "收敛子序列的存在性",
      "text": "博尔查诺–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。原序列不必收敛；有界性保证可以按原有顺序选出一个收敛的子序列。\n\n对于实数序列，一种标准证明利用了每个实数序列都有单调子序列这一事实。如果原序列有界，那么这个单调子序列也有界，因而收敛。\n\n有限维这一假设至关重要。在无限维希尔伯特空间中，无限标准正交序列有界，但任意两个不同项之间的距离都是 \\(\\sqrt{2}\\)。因此，它没有按范数收敛的子序列。\n\n另一个相关事实涉及柯西序列：如果它有一个收敛于 \\(L\\) 的子序列，那么整个序列都收敛于 \\(L\\)。柯西条件保证，所有充分靠后的项都与该收敛子序列中靠后的项足够接近。\n\n列紧性\n\n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一点，就称这个空间具有列紧性。\n\n在度量空间中，列紧性等价于该空间是紧空间。因此，\\(\\mathbb{R}^d\\) 的任一有界闭子集中的每个序列，都有子序列收敛于该子集内的某一点。\n\n对于一般的拓扑空间，紧致性与列紧性未必等价。仅靠序列不足以刻画一般拓扑的所有方面；网和滤子提供了更广泛的收敛概念。"
    },
    {
      "heading": "概率论中的子序列",
      "text": "子序列也将随机变量的不同收敛方式联系起来。如果\n\n\\[X_n\\xrightarrow{\\mathbb{P}}X,\\]\n\n即 \\(X_n\\) 依概率收敛于 \\(X\\)，那么存在一个子序列满足\n\n\\[X_{n_k}\\to X \\quad\\text{almost surely}.\\]\n\n整个序列却未必几乎必然收敛。可以适当选取子序列，使相应定义的误差事件的概率之和有限，从而保证几乎必然只有有限多个这样的事件发生。\n\n更准确地说，依概率收敛等价于：每个子序列都有一个进一步的子序列，几乎必然收敛于同一个随机变量 \\(X\\)。仅存在一个几乎必然收敛的子序列并不足够。"
    },
    {
      "heading": "有限子序列与算法",
      "text": "对于长度为 \\(n\\) 的序列，选取要保留的位置共有 \\(2^n\\) 种方式，其中包括不选取任何位置的情况。恰好保留 \\(r\\) 个位置的选法有\n\n\\[\\binom{n}{r}\\]\n\n种，其中这一表达式是二项式系数。当序列中有重复元素时，不同的位置选法可能产生相同的值序列。因此，\\(2^n\\) 计算的是位置选法的数量，而不一定是所得不同序列的数量。\n\n若干重要的计算问题都与子序列有关：\n\n- **子序列判定：**判断一个序列是否为另一个序列的子序列。从左到右扫描，将每个待匹配项与尚可使用的最早出现位置匹配，即可在线性时间内解决这一问题。\n- **最长公共子序列：**寻找一个最长的序列，使其同时是两个给定序列的子序列。对于长度分别为 \\(m\\) 和 \\(n\\) 的输入，标准动态规划算法的时间复杂度为 \\(O(mn)\\)。\n- **最长递增子序列：**在一个元素可比较大小的序列中，寻找最长的严格递增子序列。基于比较的标准算法可在 \\(O(n\\log n)\\) 时间内解决这一问题。\n\n这些运行时间采用大O记号表示，并假设单个元素之间的比较可在常数时间内完成。相关应用包括文件比较、序列比对，以及识别数据中保持顺序的模式。对于递增子序列问题，必须区分严格递增与非递减，因为二者对重复值的处理不同。"
    }
  ],
  "links": [
    "sequence",
    "mathematical-analysis",
    "computer-science",
    "combinatorics",
    "mathematical-function",
    "injective-function",
    "subset",
    "permutation",
    "infinite-series",
    "metric-space",
    "limit",
    "real-number",
    "bolzano-weierstrass-theorem",
    "euclidean-space",
    "hilbert-space",
    "cauchy-sequence",
    "compact-space",
    "topological-space",
    "random-variable",
    "convergence-in-probability",
    "almost-surely",
    "binomial-coefficient",
    "big-o-notation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}