Merge remote-tracking branch 'origin/develop' into develop

编写小组/讲义/子数列问题&考试易错点汇总（解析版）.md

@@ -2,6 +2,182 @@
 tags:
   - 编写小组
 ---
+# 子数列及其相关定理
+
+## 一、子数列的概念与性质
+
+### 1. 原理
+
+子数列是从一个给定数列 $\{a_n\}$ 中，按照**下标严格递增**的方式（即 $n_1 < n_2 < n_3 < \cdots$）选取无穷多项，构成的新数列 $\{a_{n_k}\}$。
+
+若 $\{a_{n_k}\}$ 为 $\{a_n\}$ 的子数列，则 $a_{n_k}$ 是新数列的第 $k$ 项，是原数列的第 $n_{k}$ 项，而中间可能有些项没有选，因此有 $$n_k
+\geqslant k\ (k=1,2,3,\cdots)$$
+**核心性质**：若原数列 $\{a_n\}$ 收敛于极限 $L$，则它的**任何**子数列 $\{a_{n_k}\}$ 也必定收敛于**同一极限** $L$。
+
+**逆否命题**：如果能从原数列中找到**两个收敛于不同极限**的子数列，或者找到一个**发散**的子数列，则可断定原数列**发散**。
+
+### 2. 适用条件
+- 适用于任何实数数列
+- 是分析数列收敛/发散性、极限值以及数列内部结构的通用工具
+
+### 3. 优势与劣势
+**优势**：
+- **判定发散**：非常强大。只需找到两个极限不同的子数列，即可轻松证明原数列发散
+  - 例：数列 $(-1)^n$，取奇数项子数列收敛于 $-1$，偶数项收敛于 $1$，故原数列发散
+- **探索极限点**：可以用于研究数列的聚点（极限点）、上极限和下极限
+- **局部推断整体**：通过分析具有代表性的子数列，有时可以窥探原数列的整体趋势
+
+**劣势**：
+- **不能单独证明收敛**：一个数列的某个（甚至某些）子数列收敛，**不能**推出原数列收敛
+- **构造难度**：有时为了证明发散，需要巧妙地构造出特定的子数列，这需要一定的洞察力
+
+---
+
+## 二、拉链定理（奇偶子列定理）
+
+### 1. 原理
+这是子列性质的一个特例和重要应用。
+
+**定理表述**：数列 $\{x_n\}$ 收敛的**充要条件**是，它的**奇数项子列** $\{x_{2k-1}\}$ 与**偶数项子列** $\{x_{2k}\}$ 都收敛，且
+$$
+\lim_{k \to \infty} x_{2k-1} = \lim_{k \to \infty} x_{2k}
+$$
+当条件满足时，原数列的极限等于这个公共值。
+
+**直观理解**：就像拉链的两边（奇数列和偶数列）必须对齐且紧密闭合，整个数列才能收敛到一个点。
+
+### 2. 证明
+
+#### 1. 必要性证明（收敛 ⇒ 奇偶子列收敛且极限相等）
+
+**已知**：$\lim\limits_{n \to \infty} x_n = a$
+
+**证明**：
+- 由于 $\{x_{2k-1}\}$ 和 $\{x_{2k}\}$ 都是 $\{x_n\}$ 的子列，根据**子列的性质**：若原数列收敛，则其任意子列收敛于同一极限。
+- 因此：
+  $$
+  \lim_{k \to \infty} x_{2k-1} = a \quad \text{且} \quad \lim_{k \to \infty} x_{2k} = a
+  $$
+- 特别地，$\lim\limits_{k \to \infty} x_{2k-1} = \lim\limits_{k \to \infty} x_{2k}$。
+
+**必要性得证**。
+
+#### 2. 充分性证明（奇偶子列收敛且极限相等 ⇒ 收敛）
+
+**已知**：
+$$
+\lim_{k \to \infty} x_{2k-1} = a, \quad \lim_{k \to \infty} x_{2k} = a
+$$
+
+**证明思路**：
+要证 $\lim\limits_{n \to \infty} x_n = a$，即证：$\forall \varepsilon > 0, \exists N \in \mathbb{N}, \text{使得当 } n > N \text{ 时}, |x_n - a| < \varepsilon$。
+
+**证明过程**：
+1. 由 $\lim\limits_{k \to \infty} x_{2k-1} = a$ 知：
+   $$
+   \forall \varepsilon > 0, \exists K_1 \in \mathbb{N}, \text{当 } k > K_1 \text{ 时}, |x_{2k-1} - a| < \varepsilon
+   $$
+
+2. 由 $\lim\limits_{k \to \infty} x_{2k} = a$ 知：
+   $$
+   \forall \varepsilon > 0, \exists K_2 \in \mathbb{N}, \text{当 } k > K_2 \text{ 时}, |x_{2k} - a| < \varepsilon
+   $$
+
+3. 取 $N = \max\{2K_1 - 1, 2K_2\}$，则当 $n > N$ 时，分两种情况：
+   - **若 $n$ 为奇数**，设 $n = 2k-1$，则 $k > K_1$，故 $|x_n - a| = |x_{2k-1} - a| < \varepsilon$
+   - **若 $n$ 为偶数**，设 $n = 2k$，则 $k > K_2$，故 $|x_n - a| = |x_{2k} - a| < \varepsilon$
+
+4. 综上，$\forall \varepsilon > 0, \exists N = \max\{2K_1 - 1, 2K_2\}$，使得当 $n > N$ 时，$|x_n - a| < \varepsilon$。
+
+**由极限定义**，$\lim\limits_{n \to \infty} x_n = a$。
+
+**充分性得证**。
+
+### 3. 适用条件
+- **特定结构**：特别适用于数列项按其下标奇偶性呈现不同规律的情形（例如，通项中含有 $(-1)^n$ 因子）。
+- **充要条件**：它既是收敛的**充分条件**也是**必要条件**，因此可用于**证明收敛**（而不仅仅是发散）。
+
+### 4. 优势与劣势
+**优势**：
+- **化繁为简**：将判断整个数列收敛的问题，简化为判断两个特定子列的收敛性问题。
+- **功能全面**：既能用于证明收敛（当奇偶子列极限相等时），也能用于证明发散（当它们极限不等或其中一个发散时）。
+
+**劣势**：
+- **应用局限**：仅适用于能自然分解出奇偶项的情形。对于更复杂的子列结构，此定理无能为力，需回归一般子列性质。
+
+### 5. 典型示例
+**例1**：判断 $x_n = \frac{(-1)^n}{n}$ 的收敛性。
+- 奇数项子列：$x_{2k-1} = -\frac{1}{2k-1} \to 0$
+- 偶数项子列：$x_{2k} = \frac{1}{2k} \to 0$
+- 两者极限相等，故由拉链定理，$\lim\limits_{n \to \infty} x_n = 0$。
+
+**例2**：判断 $x_n = (-1)^n$ 的收敛性。
+- 奇数项子列：$x_{2k-1} = -1 \to -1$
+- 偶数项子列：$x_{2k} = 1 \to 1$
+- 两者极限不等，故原数列发散。
+
+### 6. 推广形式
+
+此定理可推广到更一般的有限个子列情况：
+
+**定理**：设 $\{x_n\}$ 是一个数列，若存在有限个两两无公共项的子列 $\{x_{n_k^{(1)}}\}, \{x_{n_k^{(2)}}\}, \dots, \{x_{n_k^{(m)}}\}$，满足：
+1. 这些子列的并集包含 $\{x_n\}$ 中除有限项外的所有项
+2. 每个子列都收敛
+3. 所有子列的极限相等，均为 $a$
+
+则原数列 $\{x_n\}$ 收敛于 $a$。
+
+**注**：奇偶子列定理是 $m=2$ 时的特例。
+
+**重要结论**：奇偶子列定理之所以能成为充要条件，是因为奇偶子列"覆盖"了整个数列（除有限项外）。这种"覆盖性"是关键。
+
+### 7. 注意事项
+
+1. 该定理仅要求奇偶子列极限存在且相等，不要求它们收敛到原数列的极限（这是由定理保证的结果）
+2. 若奇偶子列中有一个发散，或两者收敛但极限不同，则原数列发散
+3. 对于更复杂的振荡数列（如周期不为2），可能需要考察更多个子列
+
+---
+
+## 三、海涅定理（归结原则）
+
+### 1. 原理
+
+该定理建立了**函数极限**与**数列极限**之间的桥梁。
+
+设函数 $f(x)$ 在点 $x_0$ 的某个去心邻域内有定义。则 **$\lim\limits_{x \to x_0} f(x) = L$** 成立的**充要条件**是：对于**任意**一个满足 $\lim\limits_{n \to \infty} x_n = x_0$ 且 $x_n \neq x_0$ 的数列 $\{x_n\}$，都有 **$\lim\limits_{n \to \infty} f(x_n) = L$**。
+
+海涅定理深刻地揭示了函数极限的本质——它与路径无关（只与趋近点有关）
+
+### 2. 适用条件
+- **核心**：讨论函数在某一点 $x_0$ 的极限（包括单侧极限）
+- **要求**：函数在该点的去心邻域有定义
+
+### 3. 优势与劣势
+**优势**：
+- **化归为数列极限**：可将复杂的函数极限问题转化为相对熟悉的数列极限问题
+- **证明极限不存在**：这是其最强大的应用。要证明 $\lim\limits_{x \to x_0} f(x)$ 不存在，只需找到**两个**趋于 $x_0$ 的数列 $\{x_n^{(1)}\}$ 和 $\{x_n^{(2)}\}$，使得 $\lim\limits_{n \to \infty} f(x_n^{(1)}) \neq \lim\limits_{n \to \infty} f(x_n^{(2)})$
+- **理论基石**：是证明许多函数极限性质的重要工具
+
+**劣势**：
+- **不能直接计算**：它通常用于证明、转化或否定，而不是一个直接的计算公式
+- **"任意性"要求苛刻**：定理的条件要求对"任意"数列都成立
+
+### 4. 典型示例
+证明：$\lim\limits_{x \to 0} \sin\frac{1}{x}$ 不存在
+
+证明过程：
+取两个数列：
+$$
+x_n^{(1)} = \frac{1}{2n\pi} \to 0, \quad f(x_n^{(1)}) = \sin(2n\pi) = 0
+$$
+$$
+x_n^{(2)} = \frac{1}{2n\pi + \frac{\pi}{2}} \to 0, \quad f(x_n^{(2)}) = \sin(2n\pi + \frac{\pi}{2}) = 1
+$$
+由于 $\lim\limits_{n \to \infty} f(x_n^{(1)}) = 0 \neq 1 = \lim\limits_{n \to \infty} f(x_n^{(2)})$，由海涅定理知 $\lim\limits_{x \to 0} \sin\frac{1}{x}$ 不存在。
+
+---
+
 
 >[!example] **例1**（拉链定理）
  >设级数$\sum\limits_{n=1}^{\infty}(a_{2n-1}+a_{2n})$收敛于S，且$\lim\limits_{n \to \infty}a_n=0$，证明：级数$\sum\limits_{n=1}^{\infty}a_n$收敛于S。
@@ -40,8 +216,6 @@ $$\lim_{k \to \infty}a_{4k+1} = \lim_{k \to \infty}\left(1 + \frac{1}{4k+1}\righ
     由于子列$\{a_{4k}\}$收敛于0，子列$\{a_{4k+1}\}$收敛于1，二者极限不相等，故数列$\{a_n\}$的极限不存在。
 
 
-
- 
 >[!example] **例3**（海涅定理）
 > 证明狄利克雷函数
 $$D(x)= \begin{cases}1, & x\text{为有理数时}, \\ 0, & x\text{为无理数时}\end{cases}$$