条件

数列

结论

收敛 是 Cauchy 列。即:

几何/直觉理解

收敛要求”项靠近一个预先指定的目标 “——而许多场合(无穷级数、迭代)中目标值正是要找的未知量。 Cauchy 准则把判定收敛性”内化”:只看数列自身项之间的距离是否最终任意小,无须引用极限。 直觉上:项越往后挤得越紧 ⇔ 项最终都聚集在某个点附近。

但这一等价完全依赖 的完备性: 在 中,逼近 的数列是 Cauchy 列却不收敛——目标点 不在 中。

证明

证明:

()。任给 ,存在 使 。 对

是 Cauchy 列。

() 是 Cauchy 列。

第 1 步:有界性。,存在 使 。 故对 。前 项有限个,整体有界。

第 2 步:抽取收敛子列。 由有界性 + Bolzano–Weierstrass 定理(依 ANL-AX-001 确界原理), 存在子列 收敛于某

第 3 步:原数列收敛于同一 任给

  • 由 Cauchy 性,
  • 由子列收敛,,且可取

固定一个这样的 ,对任意

ANL-DEF-004

常见错误

  • ✗ 把 Cauchy 条件写为""。 反例:调和部分和 满足相邻差 ,但 发散。 必须是任意两项
  • ✗ 在 中直接套用本结论。 反例:取 的十进制截断 ,在 中是 Cauchy 列, 但极限 。等价性强依赖完备性。
  • ✗ 颠倒量词:""。 这等价于”从某项起 “,把准则降级为最终常数列。

推论与应用

  • 任何完备度量空间中”收敛 ⇔ Cauchy”
  • 用于无穷级数收敛的 Cauchy 判别法、迭代法误差估计

跨专业应用

  • 信号处理:判定 Fourier 部分和数列收敛,不必显式求出极限
  • 数值分析:迭代算法以""作终止条件,正源自此准则