Lecture 10: The Completeness of the Real Numbers and Basic Properties of Infinite Series（实数的完备性与无穷级数的基本性质）

目录 · ← l9 · l11 →

Lecture 10: The Completeness of the Real Numbers and Basic Properties of Infinite Series（实数的完备性与无穷级数的基本性质）

概述

前九讲我们一路修建了一条”收敛判定流水线”：LUB 性质 → 单调有界定理（Lecture 7）→ 夹逼定理与极限运算法则（Lecture 8）→ limsup/liminf 与 Bolzano–Weierstrass 定理（Lecture 9）。但这条流水线有一个共同的”隐疾”：它每验算一次收敛，都要求我们先知道极限 $x$ 是多少。收敛的定义 $\forall\epsilon>0\ \exists M\ \forall n\ge M,\ \vert x_n-x\vert <\epsilon$ 里的那个 $x$，是从外部塞给序列的。可是现实中我们常常只知道”这个序列应该稳定下来”，却根本写不出它的极限。

本讲回答的第一个问题正是：能不能只看序列自己，就判断它是否会收敛？ 答案是能，判据叫 Cauchy 序列 (Cauchy sequence)：要求序列的尾巴”自己越来越挤”。第二个问题是：这个内蕴判据在 $\mathbb{R}$ 里真的管用吗？ 答案是管用，这就是 $\mathbb{R}$ 的完备性 (completeness)——而它在 $\mathbb{Q}$ 里失效。第三个问题则是分析学的”原始动机”（源文件 Remark 113）：无穷级数 (infinite series)——一个无穷多项相加的符号 $\sum x_n$ 到底是什么意思。本讲把级数的收敛归结为部分和序列的收敛，然后立刻用刚造好的 Cauchy 机器得到最有用的工具——Cauchy 判别法 (Cauchy criterion)。

本讲的主线一句话概括：“收敛”这个外部概念被”Cauchy”这个内部概念替代，而 $\mathbb{R}$ 的完备性保证二者等价。

核心定义与直观解释

（Definition 106：Cauchy sequence / Cauchy 序列）

• 严格定义：设 $\{x_n\}$ 是实数序列。我们称 $\{x_n\}$ 是 Cauchy 序列，如果

\(\forall\epsilon>0\ \ \exists M\in\mathbb{N}\ \ \text{s.t.}\ \ \forall n,k\ge M,\quad \vert x_n-x_k\vert <\epsilon.\) 请把量词逐个念出来：”对每一个 $\epsilon>0$，存在一个 $M\in\mathbb{N}$，使得对所有的 $n\ge M$ 和所有的 $k\ge M$，都有 $\vert x_n-x_k\vert <\epsilon$。”

这里有三处必须咬住不放的细节：

1. 是两个下标都 $\ge M$，即 $n\ge M$ 且 $k\ge M$。不是”固定一个 $m$，只让 $n\ge M$”。
2. $n$ 与 $k$ 是完全对等的、无名无姓的两个下标。定义里没有任何一个下标被特殊对待（源文件里用的是 $n,k$；有些教材写 $m,n$，这是同一件事）。
3. $M$ 只能依赖 $\epsilon$，绝不能依赖 $n$ 或 $k$。这正是量词顺序 $\forall\epsilon\ \exists M$ 所表达的。
   • 直观解释（”它到底在说什么？”）：想象你站在一条数轴上撒下一串点 $x_1,x_2,x_3,\dots$。Cauchy 说的是：只要你指定一个宽度 $\epsilon$，我就能找到一个时刻 $M$，从这一刻起我撒下的所有点（不管撒多少个、也不管挑哪两个）彼此之间的距离都小于 $\epsilon$。 换句话说，序列的尾巴被打包进了一个直径小于 $\epsilon$ 的”盒子”里，而且 $\epsilon$ 想多小就多小。

  Cauchy 序列的"尾巴收缩"图像（ε 取两个不同的值）
  ε 较大时：
      x_1   x_2  x_3        x_4        |———— 尾巴直径 < ε ————|
  ────●─────●────●──────────●─────────[●  ●  ●  ●  ●  ●  ●  ●]────→
                                       ↑
                                     第 M 项起
  ε 较小时（更靠后的尾巴）：
      x_1   x_2  x_3  ...        x_9   |— 直径 < ε —|
  ────●─────●────●───── ... ─────●────[●  ●  ●  ●  ●  ●]─────→
                                       ↑
                                     第 M' 项起 (M' > M)
  关键：盒子在哪里、盒子的"中心"是什么，定义根本不关心。
        它只关心"尾巴有多宽"。

• 为什么需要这个条件？（即：为什么不能只要求相邻两项靠近？） 一个极自然但错误的猜想是：”只要 $\vert x_{n+1}-x_n\vert \to0$，序列就稳定了。” 这不成立。最经典的补充反例是调和级数的部分和 $x_n=\sum_{k=1}^{n}\frac1k$：相邻差 $\vert x_{n+1}-x_n\vert =\frac{1}{n+1}\to0$，但有

\(x_{2M}-x_M=\sum_{k=M+1}^{2M}\frac1k\ \ge\ M\cdot\frac{1}{2M}=\frac12,\) （依据：$M$ 个数，每个都 $\ge\frac{1}{2M}$）所以取 $\epsilon_0=\frac12$ 时，无论 $M$ 多大都能找到 $n=2M,\ k=M$ 使 $\vert x_n-x_k\vert \ge\frac12$。它不是 Cauchy 序列。

这就是为什么定义中必须写”任意两项 $n,k\ge M$”，而不能退化成”相邻两项”。“局部不跳”不等于”整体不散”——Cauchy 条件是一个一致性 (uniform) 条件：同一个 $M$ 必须一口气管住尾巴上所有项对。这是本讲第一个、也是最容易踩的坑。

• 具体示例（把 $\epsilon$ 取成具体数字，算出 $M$）：源文件 Example 107 证明 $x_n=\frac1n$ 是 Cauchy。 证明策略：要控制的是 $\vert x_n-x_k\vert $，而这个量本身不好看。但 $x_n>0$，所以可以先用三角不等式把它放大成两个都好处理的部分：$\vert \frac1n-\frac1k\vert \le\frac1n+\frac1k$，再用 $n,k\ge M\Rightarrow \frac1n,\frac1k\le\frac1M$ 把它压到 $\frac{2}{M}$。于是只要 $\frac2M<\epsilon$ 就赢了。$\frac2M$ 中的”$2$”就是后面要反复出现的损耗系数。 逐步推导（源文件证明的完整展开）：
  1. 任取 $\epsilon>0$。选择 $M\in\mathbb{N}$ 使得 $\frac1M<\frac{\epsilon}{2}$，即 $M>\frac{2}{\epsilon}$。 （依据：Archimedes 性质——Lecture 5——保证存在这样的自然数 $M$。）
  2. 设 $n,k\ge M$。则 $\frac1n\le\frac1M$ 且 $\frac1k\le\frac1M$。（依据：$n\mapsto\frac1n$ 在正数上递减。）
  3. 于是

  \(\left\vert \frac1n-\frac1k\right\vert \le\frac1n+\frac1k\le\frac{1}{M}+\frac{1}{M}=\frac{2}{M}<\epsilon.\) （依据：三角不等式 $\vert a-b\vert \le\vert a\vert +\vert b\vert $；第 1 步的取法与第 2 步。）

  1. 所以 $\{1/n\}$ 满足 Definition 106，是 Cauchy 序列。$\blacksquare$ 把 $\epsilon$ 落实成数字（已用 python3 验算）：取 $\epsilon=0.01$，要求 $\frac2M<0.01$，即 $M>200$。

  $\epsilon$	需要的 $M$（由 $\frac2M<\epsilon$）	验算一对最坏的 $(n,k)$	实际值
  $0.01$	$M=201$（因 $2/200=0.01$ 不严格小于，必须 $M>200$）	$\lvert\frac{1}{201}-\frac{1}{202}\rvert$	$2.463\times10^{-5}<0.01$ ✅
  $0.1$	$M=21$	$\lvert\frac{1}{21}-\frac{1}{22}\rvert$	$2.165\times10^{-3}<0.1$ ✅
  $10^{-6}$	$M=2\times10^{6}+1$	任意 $n,k\ge M$	$<\frac{2}{M}<10^{-6}$ ✅

  请特别注意第一行：$\epsilon=0.01$ 时 $M=200$ 不够，因为 $\frac{2}{200}=0.01$ 只是 $\le\epsilon$，而定义里是严格的 $<$。取 $M=201$ 才安全。这类”严格不等号”的边界处理在 18.100A 里经常被扣分。

• 反例 1（源文件 Example 109）：$x_n=(-1)^n$ 不是 Cauchy。
  1. 取定 $\epsilon_0=1>0$（注意：否定定义时要造一个”赖着不走”的 $\epsilon_0$，见下面的 Negation 108）。
  2. 任取 $M\in\mathbb{N}$。取 $n=M$ 与 $k=M+1$。则 $n,k\ge M$ 自动满足。
  3. 于是

  \(\vert (-1)^n-(-1)^k\vert =\vert (-1)^M-(-1)^{M+1}\vert =\vert (-1)^M\vert \cdot\vert 1-(-1)\vert =1\cdot2=2\ \ge\ 1=\epsilon_0.\) （依据：$(-1)^{M+1}=-(-1)^M$；绝对值代数。）

  1. 既然对每个 $M$ 都能找到这样一对下标使距离 $\ge1$，Definition 106 被否定，故 $\{(-1)^n\}$ 不是 Cauchy 序列。$\blacksquare$ 这个例子的意义：$\{(-1)^n\}$ 的有界性（界为 1）完全不能救它。有界 + 不收缩 = 不是 Cauchy。它恰好也是 Lecture 7 Remark 80 里”用两条子序列极限不同来证发散”的那个序列——现在我们有了一条新的、不需要预知极限的证法：”不是 Cauchy $\Rightarrow$ 不收敛”（Theorem 112 的逆否）。
• 反例 2（补充，本讲的”当头棒喝”）：$\mathbb{Q}$ 中的 Cauchy 序列可能不收敛。 定义

\(x_n=\frac{\lfloor 10^n\sqrt2\rfloor}{10^n}\in\mathbb{Q},\qquad n=1,2,3,\dots\) 也就是 $\sqrt2=1.41421356\dots$ 的十进制截断：$1.4,\ 1.41,\ 1.414,\ 1.4142,\ 1.41421,\dots$ 第一步：$\{x_n\}$ 在 $\mathbb{Q}$ 中是 Cauchy 序列。 记 $\theta_n=10^n\sqrt2-\lfloor10^n\sqrt2\rfloor\in[0,1)$ 为第 $n$ 位之后被砍掉的部分，则

\(x_n=\sqrt2-\frac{\theta_n}{10^n},\) 于是对 $n\ge m$：

\(\vert x_n-x_m\vert =\left\vert \frac{\theta_m}{10^m}-\frac{\theta_n}{10^n}\right\vert <\frac{1}{10^m}+\frac{1}{10^n}\le\frac{2}{10^m}.\) 给定 $\epsilon>0$，取 $M$ 使 $10^{-M}<\frac{\epsilon}{2}$（即 $M>\log_{10}\frac{2}{\epsilon}$），则 $n,k\ge M\Rightarrow\vert x_n-x_k\vert <\epsilon$。所以它是 Cauchy 序列。（验算：$\vert x_4-x_{10}\vert =1.356\times10^{-5}<10^{-4}$；$\vert x_6-x_{15}\vert =5.62\times10^{-7}<10^{-6}$。均与 python3 计算一致。） 第二步：它在 $\mathbb{Q}$ 中不收敛。 假设存在 $q\in\mathbb{Q}$ 使 $x_n\to q$。因为 $x_n\to\sqrt2$ 在 $\mathbb{R}$ 中成立（可对 $\sqrt2$ 的十进制表示直接验证），由 Lecture 8 的极限唯一性（Theorem 89 的推论；或由 Lecture 7 Theorem 79 关于子序列极限的唯一性）必有 $q=\sqrt2$。但 $\sqrt2\notin\mathbb{Q}$（Lecture 3 已证 $\sqrt2$ 是无理数），矛盾。故 $\{x_n\}$ 在 $\mathbb{Q}$ 中是 Cauchy 但不是收敛序列。 结论：“Cauchy $\Rightarrow$ 收敛”不是自动的，它是一条需要证明的定理，而这条定理在 $\mathbb{Q}$ 中为假。这正是 Theorem 112 在 $\mathbb{R}$ 中的分量所在，也正是”$\mathbb{R}$ 完备、$\mathbb{Q}$ 不完备”的准确含义。

（Negation 108：Not Cauchy / 不是 Cauchy 序列的精确表述）

• 严格定义：序列 $\{x_n\}$ 不是 Cauchy 序列，当且仅当

\(\exists\epsilon_0>0\ \ \text{s.t.}\ \ \forall M\in\mathbb{N},\ \ \exists n,k\ge M\ \ \text{s.t.}\ \ \vert x_n-x_k\vert \ge\epsilon_0.\)

• 直观解释：存在一个”赖着不走的宽度” $\epsilon_0$：不管你的尾巴从第 $M$ 项开始，尾巴内部总有某两个点相距至少 $\epsilon_0$。序列的尾巴永远无法被打包进一个宽度 $\epsilon_0$ 的盒子。
• 为什么需要它？（量词否定规则） 这是 Lecture 1 就练过的机械操作，但极容易写错，所以本讲专门给它一个编号：
  1. $\forall\epsilon>0$ 的否定是 $\exists\epsilon_0>0$；
  2. $\exists M$ 的否定是 $\forall M$；
  3. $\forall n,k\ge M$ 的否定是 $\exists n,k\ge M$；
  4. 结论 $\vert x_n-x_k\vert <\epsilon$ 的否定是 $\vert x_n-x_k\vert \ge\epsilon_0$。 关键点：$\epsilon_0$ 是”先被选定的、固定下来的”常数，而 $n,k$ 允许依赖 $M$。 写否定时最常见的错误是把 $\epsilon$ 也写成依赖 $M$ 的 $\epsilon_M$——那就变成了”对每个 $M$ 都存在某个（可能极小的）宽度”，一个总在收缩的序列也能满足，完全抓不住发散。
• 具体示例（走一遍否定定义）：用 Negation 108 复核 Example 109：$\epsilon_0=1$；对任意 $M$ 取 $n=M,k=M+1$；$\vert x_n-x_k\vert =2\ge1$。三步齐全。
• 反例（补充）：一个”看起来像 Cauchy 但并不满足定义”的失败尝试。若有人对 $\{1/n\}$ 论证”取 $\epsilon=0.01$，令 $M=100$，则对 $n=101$ 有 $\vert x_n-x_{101}\vert <0.01$”——这只固定了一个下标 $k=101$，没有检验两个都 $\ge M$ 的任意下标对，因此没有证明 Cauchy 性。正确做法（Example 107）是让两个下标都自由，并统一用 $\frac1M$ 控制。

定理与完整证明（核心）

本讲共有 6 个需要完整掌握的定理链：

\(\text{Cauchy}\Rightarrow\text{有界}\ \Longrightarrow\ \text{BW 给收敛子列}\ \Longrightarrow\ \text{Cauchy}\Rightarrow\text{收敛}\ \Longleftrightarrow\ \text{收敛}\Rightarrow\text{Cauchy}\) 以及级数部分的：

\(\sum x_n\ \text{收敛}\Rightarrow x_n\to0,\qquad \sum x_n\ \text{收敛}\iff \sum x_n\ \text{Cauchy}\iff\text{(Cauchy 判别法)}.\)

定理 110（Theorem 110：Cauchy 序列必有界）

• 定理陈述：若 $\{x_n\}$ 是 Cauchy 序列，则 $\{x_n\}$ 有界。 即：$\exists B\ge0$ 使得 $\forall n\in\mathbb{N},\ \vert x_n\vert \le B$。

• 证明策略：“先钉住一根桩子，再量所有点离桩子多远。” 想法极其朴素：既然尾巴上任意两点相距都 $<1$，那我就把尾巴上的某一点 $x_M$ 当成桩子；于是尾巴上任何 $x_n$ 都在以 $x_M$ 为中心、半径 1 的区间内，从而 $\vert x_n\vert <\vert x_M\vert +1$。至于前 $M-1$ 项——它们是有限多个实数，一定有个最大的绝对值。把两部分的上界合起来就得到全序列的界。 这是”尾巴用 Cauchy 性、头部用有限性“这一分而治之模式的第一次登场，后面在级数、在一致收敛（Lecture 17、24）里会反复使用。

• 逐步推导：
  1. 因为 $\{x_n\}$ 是 Cauchy，把定义中的 $\epsilon$ 取成具体数字 $1>0$。于是存在 $M\in\mathbb{N}$ 使得 \(\forall n,k\ge M,\quad \vert x_n-x_k\vert <1.\) （依据：Definition 106，取 $\epsilon=1$。注意这一步是合法的，因为 Cauchy 性对所有 $\epsilon>0$ 成立，包括 $\epsilon=1$。）
  2. 在上面把 $k$ 取成固定的 $M$。由于 $M\ge M$ 自动成立，得到 \(\forall n\ge M,\quad \vert x_n-x_M\vert <1.\) （依据：第 1 步的结论对一切满足 $n,k\ge M$ 的下标对成立，故 $(n,M)$ 这一对也成立。这一步”固定一个下标”是 Cauchy 定义相对于收敛定义的特有福利：我们可以免费把尾巴对齐到某个参考点。）
  3. 对 $n\ge M$ 用三角不等式拆开： \(\vert x_n\vert =\vert (x_n-x_M)+x_M\vert \le\vert x_n-x_M\vert +\vert x_M\vert <1+\vert x_M\vert .\) （依据：三角不等式 $\vert a+b\vert \le\vert a\vert +\vert b\vert $；第 2 步。这一步是“加一项减一项”技巧的绝对值版本，目的是把未知的 $x_n$ 换成已知的 $x_M$。）
  4. 现在处理头部。令 \(B=\vert x_1\vert +\vert x_2\vert +\dots+\vert x_M\vert +1 .\) 注意 $B\ge\vert x_M\vert +1$，因为它是若干非负数之和再加 1。 （依据：源文件原文取 $B=\vert x_1\vert +\cdots+\vert x_M\vert +1$；写成 $\max\{\vert x_1\vert ,\dots,\vert x_{M-1}\vert ,\vert x_M\vert +1\}$ 是等价的、更”紧”的写法，两种都可以用，源文件选了前者。）
  5. 统一两种情形：
     • 若 $n\ge M$：由第 3 步 $\vert x_n\vert <\vert x_M\vert +1\le B$；
     • 若 $n<M$，即 $n\in\{1,\dots,M-1\}$：$\vert x_n\vert $ 是 $B$ 的求和项之一，故 $\vert x_n\vert \le B$。 因此 $\forall n\in\mathbb{N},\ \vert x_n\vert \le B$，即 $\{x_n\}$ 有界。$\blacksquare$
• 【证明机制解说】：
  • 灵光一现在哪？ 在”把 $\epsilon$ 取成 $1$”。很多初学者觉得”$\epsilon$ 必须是任意的”，看到有人把一个具体数字代进 $\epsilon$ 就慌。但请注意逻辑：Cauchy 性说的是”对所有 $\epsilon>0$ 都有一个 $M$”，那么我当然有权只使用 $\epsilon=1$ 那一份信息。我们付出的代价是得到的界可能很松（$B$ 可能非常大），但有界性只要存在一个界就够了，不需要最优界。“要什么精度就选什么 $\epsilon$” 是本课程最重要的自由度。
  • 为什么是”有界”这种弱结论？ 因为定理的目标本来就不强：我们要的是”能把序列装进一个有限的区间 $[-B,B]$”，好让 Lecture 9 的 Bolzano–Weierstrass 定理有资格上场（BW 的前提就是有界）。定理 110 的存在意义几乎完全是为定理 112 服务的：它是通往完备性的第一级台阶。
  • 如果让你重新发明它：你手上唯一的工具（Cauchy 性）控制的是两点之间的距离，而你要的结论是每一点到原点的距离。怎么办？选一个参照点（这里选 $x_M$）再加三角不等式——这就是全部秘密。
  • 界的形状：源文件用求和 $B=\sum_{i\le M}\vert x_i\vert +1$ 而非最大值，这完全可以：$\sum_{i\le M}\vert x_i\vert \ge\max_{i\le M}\vert x_i\vert $，界大一些不影响结论。
• 【证明技巧总结】：
  1. “固定 $\epsilon$ 为常数”：从 $\forall\epsilon$ 型定义中取一个方便的常数（常用 $1$），换取一个粗糙但可用的定量结论。
  2. “钉桩子 + 三角不等式”：$\vert x_n\vert \le\vert x_n-x_M\vert +\vert x_M\vert $，把未知量转化为已知量之间的距离。
  3. “有限头部 + 无限尾巴”分治：无限部分用 $\epsilon$ 控制，有限部分用 $\max$（或求和）控制。

定理 111（Theorem 111：Cauchy 序列若有收敛子序列，则它本身收敛）

• 定理陈述：设 $\{x_n\}$ 是 Cauchy 序列，且它的某个子序列 $\{x_{n_k}\}$ 收敛到 $x$。则 $\{x_n\}$ 收敛，且 $\lim_{n\to\infty}x_n=x$。
• 证明策略：“子列给出一个候选极限 $x$，Cauchy 性负责把其余所有项也拉向 $x$。” 这是典型的”用子列先探出极限，再用 Cauchy 控制余项“策略：
  • 目标：证 $\vert x_n-x\vert <\epsilon$ 对充分大的 $n$ 成立。
  • 手段：把 $\vert x_n-x\vert $ 加一项减一项，劈成 $\vert x_n-x_{n_k}\vert +\vert x_{n_k}-x\vert $（三角不等式）。前一项由 Cauchy 性控制（只要 $n,n_k\ge M_1$），后一项由子列收敛控制（只要 $k\ge M_0$）。两项各让出 $\frac{\epsilon}{2}$，相加正是 $\epsilon$。
  • 唯一的障碍：$n_k$ 必须同时满足 $n_k\ge M_1$。因为 $k$ 是自由的，而 $n_k$ 随 $k$ 单调增长，只要把 $k$ 取得足够大就行——这里要用子序列的根本性质 $n_k\ge k$。
• 逐步推导（严格按源文件的路线，并把源文件中跳过的细节补全）：
  1. 假设 $\{x_{n_k}\}$ 是 $\{x_n\}$ 的子序列且 $\lim_{k\to\infty}x_{n_k}=x$。我们的断言是 $x_n\to x$。 （依据：子序列的定义，Lecture 7 Definition 77：$n_1<n_2<n_3<\dots$ 是严格递增的自然数列。）
  2. 先记录一条后面要用的基本事实： \(n_k\ge k\quad\text{对一切 }k\in\mathbb{N}.\) 理由（归纳法，依据 Lecture 1）： $n_1\ge1$ 因为 $n_1\in\mathbb{N}$；若 $n_k\ge k$，则 $n_{k+1}>n_k\ge k$，故 $n_{k+1}\ge k+1$（都是整数）。$\square$
  3. 任取 $\epsilon>0$。
  4. 由子列收敛：因为 $x_{n_k}\to x$，存在 $M_0\in\mathbb{N}$ 使得 \(\forall k\ge M_0,\quad \vert x_{n_k}-x\vert <\frac{\epsilon}{2}.\) （依据：收敛的 $\epsilon$-$N$ 定义，把 $\epsilon$ 换成 $\frac{\epsilon}{2}$。）
  5. 由 Cauchy 性：存在 $M_1\in\mathbb{N}$ 使得 \(\forall n\ge M_1\ \text{且}\ m\ge M_1,\quad \vert x_n-x_m\vert <\frac{\epsilon}{2}.\) （依据：Definition 106，同样把 $\epsilon$ 换成 $\frac{\epsilon}{2}$。）
  6. 取合并后的门槛：令 $M=M_0+M_1$。（源文件取 $M=M_0+M_1$；由于 $M_0+M_1\ge\max\{M_0,M_1\}$，这个 $M$ 不小于两者，足以同时满足两边的要求。）
  7. 设 $n\ge M$。则
     • $n\ge M\ge M_1$（满足第 5 步的要求）；
     • $n_M\ge M\ge M_0$（第一个不等号来自第 2 步的 $n_k\ge k$ 取 $k=M$；第二个不等号来自 $n\ge M$ 与 $M=M_0+M_1\ge M_0$），（满足第 4 步的要求）。

  8. 于是（注意 $n_M$ 就是子序列的第 $M$ 项，所以它同时是”子列中的一个指标”和”原序列的一项”，这正是要它 $\ge M_1$ 的原因）：

     \(\vert x_n-x\vert \ \le\ \vert x_n-x_{n_M}\vert +\vert x_{n_M}-x\vert \ <\ \frac{\epsilon}{2}+\frac{\epsilon}{2}\ =\ \epsilon.\) （依据：三角不等式 $\vert a-b\vert \le\vert a-c\vert +\vert c-b\vert $；第 5 步（$n\ge M_1$ 且 $n_M\ge M_1$）；第 4 步（$M\ge M_0$）。）

  9. 因为 $\epsilon>0$ 任意，所以 $x_n\to x$。$\blacksquare$
• 【证明机制解说】：
  • 核心思想：三明治式的”三点控制”。 我们想量 $x_n$ 到 $x$ 的距离，但没有任何工具直接控制这两者之间的关系。于是我们引入一个中介点 $x_{n_M}$——它既是一个”尾巴上的项”（可以用 Cauchy 性把 $x_n$ 拉到它身边），又是一个”子列上的项”（可以用子列收敛把它拉到 $x$ 身边）。中介点的双重身份是这个证明的全部机巧。
  • 为什么必须取子序列里的下标 $n_M$，而不是随便一个固定的 $x_{m}$？ 因为如果中介点 $x_m$ 是固定的，子列收敛这一信息就用不上——子列收敛只告诉你子列指标 $k\to\infty$ 时 $x_{n_k}\to x$。中介点必须同时往无穷远处跑（这样它属于子列的尾段），又要与 $n$ 一样大或更大（这样 Cauchy 性管得住 $x_n$ 与它）。取 $n_M$ 一次满足这两个要求：$M\to\infty$ 时 $n_M\to\infty$，且 $n_M\ge M$。
  • 唯一的技术细节：为什么要 $n_M\ge M\ge M_1$？ 因为 Cauchy 性控制的是”两个下标都 $\ge M_1$“的项对。$x_{n_M}$ 虽然”在子列里排第 $M$ 个”，但它在原序列里的下标是 $n_M$，而 $n_M$ 可能远远大于 $M$——这没关系，我们只需要它 $\ge M_1$。而 $n_M\ge M\ge M_1$ 恰好保证了这一点。如果这里写不出来 $n_k\ge k$，整个证明就断在最后一米。 这就是为什么本讲的这个技术细节值得单独记住。
  • 另一条路线（$\limsup$ 路线）：不经过 BW，直接构造 $x=\limsup_n x_n$（有界性 + Lecture 9 Theorem 98 保证它有限），再用 Cauchy 性把尾巴直径压到 $\frac{\epsilon}{2}$，从尾段上确界推出 $\vert x_n-x\vert <\epsilon$。本讲源文件选择的是 BW 路线（Theorem 112 的 $(\Rightarrow)$ 原文写 “has a convergent subsequence by Bolzano-Weierstrass”），所以上面写的就是官方证明；$\limsup$ 路线只是等价替代：它用”确界的存在性”换掉”紧性”，深层仍依赖 LUB 与 Lecture 9 Theorem 98/101（后者说的正是”存在子列收敛到 $\limsup$”），两条路线是同一件事的两种包装。
  • 为什么值得单独编号？ 因为它把 Theorem 112 的难度拆成两块：定理 110 解决”有界”，定理 111 解决”有界 + 有收敛子列 $\Rightarrow$ 收敛”。于是 Theorem 112 就成了”BW 一句话”——这是数学写作中常见的把困难前置策略。
• 【证明技巧总结】：
  1. 中介点技巧：想证 $\vert a-b\vert $ 小，找一个 $c$ 使 $\vert a-c\vert $ 与 $\vert c-b\vert $ 分别可控（三角不等式）。
  2. $\frac{\epsilon}{2}+\frac{\epsilon}{2}=\epsilon$：两个独立误差源各让一半。
  3. $n_k\ge k$：子序列的”位置 $\le$ 下标”不等式，用来把子列的下标推过任意给定的门槛。这是子序列论证中的标配工具，以后每次用子列都会用到它。
  4. 门槛取 $\max$ 或取和：$M=\max\{M_0,M_1\}$ 与 $M=M_0+M_1$ 都合法（后者是源文件的写法），只要保证 $M$ 同时超过两个门槛且不依赖 $n$。

定理 112（Theorem 112：$\mathbb{R}$ 的完备性——实数列 Cauchy $\iff$ 收敛）

• 定理陈述：实数序列 $\{x_n\}$ 是 Cauchy 序列当且仅当 $\{x_n\}$ 收敛。 这条定理就是”$\mathbb{R}$ 是完备的 (complete)“的正式内容。请牢记它说的是双向等价，两个方向的意义完全不同：
  • $(\Leftarrow)$ 收敛 $\Rightarrow$ Cauchy：从不需要完备性，在 $\mathbb{Q}$ 里也成立（证明只用极限定义 + 三角不等式）。
  • $(\Rightarrow)$ Cauchy $\Rightarrow$ 收敛：这才是完备性，在 $\mathbb{Q}$ 里为假（本讲开头的 $\sqrt2$ 截断反例）。
• 证明策略（源文件路线：BW + 定理 111）：
  • $(\Rightarrow)$：Cauchy $\xrightarrow{\text{Theorem 110}}$ 有界 $\xrightarrow{\text{Lecture 9 Theorem 102 (BW)}}$ 有收敛子列 $\xrightarrow{\text{Theorem 111}}$ 收敛。三步接力，一步都不能少。
  • $(\Leftarrow)$：已知 $x_n\to x$，证 $\vert x_n-x_k\vert <\epsilon$。用 $\frac{\epsilon}{2}$ 技巧：$\vert x_n-x_k\vert \le\vert x_n-x\vert +\vert x_k-x\vert <\frac{\epsilon}{2}+\frac{\epsilon}{2}=\epsilon$。
• 逐步推导： $(\Rightarrow)$ 设 $\{x_n\}$ 是 Cauchy 序列，证明它收敛。
  1. 由 Theorem 110，$\{x_n\}$ 有界：$\exists B\ge0$，$\forall n,\ \vert x_n\vert \le B$。 （依据：本讲定理 110。）
  2. 由 Bolzano–Weierstrass 定理（Lecture 9 Theorem 102：每个有界序列都有收敛子序列），$\{x_n\}$ 有一个收敛子序列 $x_{n_k}\to x$。 （依据：第 1 步 + Lecture 9 Theorem 102。）
  3. 由 Theorem 111，Cauchy 序列 $\{x_n\}$ 加上”存在收敛子序列”这一事实，立即推出 $x_n\to x$。 （依据：本讲定理 111。）
  4. 因此 $\{x_n\}$ 收敛。$\blacksquare$ $(\Leftarrow)$ 设 $\{x_n\}$ 收敛，证明它是 Cauchy 序列。
  5. 设 $x=\lim_{n\to\infty}x_n$，并任取 $\epsilon>0$。
  6. 因为 $x_n\to x$，存在 $M_0\in\mathbb{N}$ 使得 \(\forall n\ge M_0,\quad \vert x_n-x\vert <\frac{\epsilon}{2}.\) （依据：收敛的 $\epsilon$-$N$ 定义，取 $\frac{\epsilon}{2}$。）
  7. 取 $M=M_0$（源文件原文：”Choose $M=M_0$”。这里不需要取 max，因为两个下标受的是同一条不等式控制——这是 $(\Leftarrow)$ 方向比 $(\Rightarrow)$ 方向简单得多的根本原因）。
  8. 设 $n,k\ge M$。则 $n\ge M_0$ 且 $k\ge M_0$，两次使用第 2 步： \(\vert x_n-x_k\vert =\vert (x_n-x)-(x_k-x)\vert \le\vert x_n-x\vert +\vert x_k-x\vert <\frac{\epsilon}{2}+\frac{\epsilon}{2}=\epsilon.\) （依据：代数变形 $x_n-x_k=(x_n-x)-(x_k-x)$；三角不等式 $\vert a-b\vert \le\vert a\vert +\vert b\vert $；第 2 步用两次。）
  9. 所以 $\{x_n\}$ 是 Cauchy 序列。$\blacksquare$
• 【证明机制解说】：
  • ① 为什么”有界 + BW”是自然的第一步？ 注意 BW 定理本身不给极限值，它只给”存在一个收敛子序列”。这恰恰是 Cauchy 观点所允许的：我们不需要知道极限是多少，只需要证明”极限存在”。于是路线图非常清楚：先把问题降到 BW 能处理的世界（有界序列），再让 BW 免费送来一个候选极限，最后用定理 111 把候选极限推广到全序列。 这条链的每一环都恰好补上下一环的前提，是”定理链设计”的教科书案例。
  • ② 为什么最后一步需要 $n_k\ge k$？ 见定理 111 的机制解说。用一句话概括：子序列的”第 $k$ 项”在原序列里的位置至少是 $k$，所以只要 $k$ 足够大，$x_{n_k}$ 就足够靠后，能被 Cauchy 门槛 $M_1$ 管住。 这是整条链里唯一的”技术细节”，也是考试最爱考的细节——因为它是唯一一个”你必须主动想到”的事实。

  • ③ 完备性的意义：$\mathbb{R}$ 与 $\mathbb{Q}$ 的本质区别就是”Cauchy 必收敛”。 让我们把这件事说到没有含糊： 在 Lecture 3–4 我们学到：$\mathbb{R}$ 是唯一具有最小上界性质 (LUB) 的有序域；Lecture 7 用 LUB 证明了单调有界定理；Lecture 9 用单调有界定理证明 BW；本讲用 BW 证明完备性。现在我们可以把这条依赖链反过来读，得到一个完整的等价环：

    \(\text{LUB 性质}\ \Longrightarrow\ \text{单调有界定理}\ \Longrightarrow\ \text{BW}\ \Longrightarrow\ \text{Cauchy 完备性},\) 而反向也成立：若一个有序域 $F$ 满足”Cauchy 序列必收敛”，则 $F$ 具有 LUB 性质。 证明思路（补充，供理解的完整性）：设 $A\subseteq F$ 非空有上界，取 $a_0\in A$ 与上界 $b_0$；二分构造 $[a_n,b_n]$，每次取中点 $m_n$，若 $m_n$ 是上界则令 $b_{n+1}=m_n,\ a_{n+1}=a_n$，否则取 $c\in A$ 使 $c>m_n$ 并令 $a_{n+1}=c,\ b_{n+1}=b_n$；则 $\{a_n\}$ 与 $\{b_n\}$ 都是 Cauchy（长度每次减半），由假设存在 $s=\lim a_n$；再证 $s=\sup A$。因此：

    定理（等价刻画，补充）：对有序域 $F$，下列命题等价： (i) $F$ 具有 LUB 性质；　(ii) $F$ 中每个 Cauchy 序列都收敛；　(iii) $F$ 中每个有界序列都有收敛子序列（BW）。

    而 $\mathbb{Q}$ 满足 (ii) 的否定（$\sqrt2$ 截断反例）、也满足 (i) 的否定（Lecture 3 的 $\{x\in\mathbb{Q}:x^2<2\}$ 无上确界），所以这三条在 $\mathbb{Q}$ 中同时失效。这就是”$\mathbb{Q}$ 不完备”的完整含义。 另外请记住一条推论（Lecture 3–4 的结论）：任何满足上述三条中任意一条的有序域都同构于 $\mathbb{R}$。 所以”完备性”不是一个技术性的附加假设，而是把 $\mathbb{R}$ 与所有其他有序域区分开的那个性质。

  • ④ “Cauchy 是内蕴的”为什么重要？ 因为定义里没有 $x$：判定收敛时不需要猜测极限（Example 107 全程没提 $\frac1n\to0$）；同一套论证可以搬到任意度量空间；它是后面一切判别法（Cauchy 判别法、比较判别法、比值/根值判别法）的母定理。
• 【证明技巧总结】：
  1. Cauchy 收敛 = 有界 + 子列收敛 + Cauchy 控制余项：本讲的”经典三件套”，也是本讲最值得背下来的一条工作流。
  2. $\frac{\epsilon}{2}$ 技巧 + 三角不等式：$a\to L$ 与 $b\to L$ $\Rightarrow$ $a,b$ 互相靠近。加一项减一项是它的代数外壳。
  3. 同一门槛不用取 max：当两个下标由同一条 $\epsilon$-不等式同时控制时，取 $M=M_0$ 即可；只有当两下标由不同来源控制时才需要 $\max$。分不清这一点就会写出”多余的 max”或者”不足的 max”。
  4. 方向不对称要警觉：$(\Leftarrow)$ 在任何有序域都成立，$(\Rightarrow)$ 才是”完备性”。遇到”这个结论为什么需要 LUB？”这类问题时，先问它是哪个方向。

（Remark 113：级数是分析的原始动机）

源文件在此处插入一条重要的历史注释：

Remark 113. Series were the original motivation for analysis.

解说：十九世纪分析严格化的直接触发点就是级数。Euler 用 $\sum\frac1{n^2}=\frac{\pi^2}{6}$ 这类等式纵横驰骋，却对“无穷多个数相加”的含义毫无定义；Fourier 在 1822 年用三角级数表示任意函数，逼出了尖锐的问题：“收敛”到底是什么意思？ Cauchy 在 1821 年的 Cours d’analyse 首次写下“部分和趋于极限”的定义，但他以为“项趋于零”就够了，直到 Abel、Dirichlet 与 Weierstrass 用调和级数这类反例把两者区分清楚。本讲后半部分的每个结论，都是那段历史的沉淀。

（Definition 114：级数 / 部分和）

• 严格定义：给定序列 $\{x_n\}$，符号

\(\sum_{n=1}^{\infty}x_n\qquad\text{（简写为}\ \sum x_n\text{）}\) 称为与 $\{x_n\}$ 相联系的级数 (series)。我们称 $\sum x_n$ 收敛 (converges)，如果由

\(s_m=\sum_{n=1}^{m}x_n\qquad (m=1,2,3,\dots)\) 定义的序列 $\{s_m\}{m=1}^{\infty}$ 收敛。我们把 $\{s_m\}$ 的各项称为部分和 (partial sums)。若 $\lim{m\to\infty}s_m=s$，我们记

\(s=\sum x_n,\) 并把 $\sum x_n$ 当作一个数来使用。

• 直观解释（”它到底在说什么？”）：无穷级数在字面上是无意义的——你不可能真的加无穷多次。Definition 114 的精髓是一次”降维”：

\(\underbrace{\sum_{n=1}^{\infty}x_n}_{\text{一个无穷过程}}\quad\Longleftrightarrow\quad\underbrace{\{s_1,\ s_2,\ s_3,\ \dots\}}_{\text{一个普通序列}}\) 级数的一切问题都被重新表述为序列的问题。 从此 Lecture 6–9 关于序列的全部机器（收敛定义、极限运算法则、夹逼定理、BW、Cauchy 判据）原封不动地可以用于级数，一行新理论都不用发明。这就是为什么 Definition 114 是整章级数理论的”总开关”。

• 为什么需要这个条件？（为什么不直接说”把所有的项加起来”？） 因为”加起来”这个操作只在有限个项时有定义。加法是一个二元运算，靠归纳只能定义有限和 $x_1+\dots+x_m$。要赋予无穷和意义，唯一的合法途径是取极限——而取极限的对象必须是已经定义好的东西，也就是部分和序列。部分和是把”无穷”翻译成”有限 + 极限”的唯一桥梁。
• 具体示例：$\sum_{n=1}^\infty\frac{1}{2^n}$。部分和 $s_1=\frac12,\ s_2=\frac34,\ s_3=\frac78,\ s_4=\frac{15}{16},\dots$，$s_m=1-2^{-m}\to1$，所以级数收敛且等于 $1$。
• 反例（说明条件不可省）：对发散级数，$\sum x_n$ 不是一个数，不能参与代数运算。例如 $\sum_{n=1}^\infty(-1)^{n}$ 的部分和是 $-1,0,-1,0,\dots$，不收敛，因此 $\left(\sum(-1)^n\right)+\left(\sum(-1)^n\right)$ 是无意义的写法；而形式上把它算成 $0$ 会导出 $0=1$ 之类的谬论（这类谬论在十九世纪被大量制造，正是本讲存在的理由）。
• （Remark 115）：源文件紧接一条提醒——

  Remark 115. A series need not start at $n=1$. 为什么重要？因为级数的前有限多项不影响收敛性（定理 119 将严格证明这一点）。因此我们可以自由选择起点：几何级数从 $n=0$ 开始，$\sum_{n=1}^\infty$ 与 $\sum_{n=5}^\infty$ 只是”少了几项”，收敛/发散性质完全相同。但要注意：去掉有限项会改变级数的和，只是不改变它的收敛性。 这两件事必须分清。

（Example 116：telescoping 级数 $\sum_{n=1}^\infty\frac{1}{n(n+1)}$ 收敛）

• 题目：证明 $\sum_{n=1}^{\infty}\frac{1}{n(n+1)}$ 收敛。

• 证明策略：这个级数的每一项都可以拆成两项之差：

  \(\frac{1}{n(n+1)}=\frac{1}{n}-\frac{1}{n+1}.\) （依据：代数变形 $\frac{1}{n}-\frac{1}{n+1}=\frac{(n+1)-n}{n(n+1)}=\frac{1}{n(n+1)}$。） 拆开之后，部分和里会出现大规模相消 (telescoping，望远镜式相消)：每一项的 $-1/(n+1)$ 都恰好被下一项的 $+1/(n+1)$ 抵消。相消之后只剩”第一项的头”和”最后一项的尾”——这是闭式 (closed form)，于是极限可以直接读出。“拆项相消”是求级数精确值的最常用技巧，没有之一。

• 逐步推导（源文件证明的完整展开）：
  1. 把通项拆开：

  \(s_m=\sum_{n=1}^{m}\frac{1}{n(n+1)}=\sum_{n=1}^{m}\left(\frac1n-\frac1{n+1}\right).\) （依据：上面的代数变形。）

  1. 把两项的求和拆成两个求和（依据：有限和的线性性）：

  \(s_m=\sum_{n=1}^{m}\frac1n-\sum_{n=1}^{m}\frac{1}{n+1}.\)

  1. 把第二个求和重新编号（令 $j=n+1$，$j$ 从 $2$ 跑到 $m+1$）（依据：有限和的重编号，和的值与哑标无关）：

  \(s_m=\left(1+\frac12+\dots+\frac1m\right)-\left(\frac12+\dots+\frac1m+\frac{1}{m+1}\right).\)

  1. 逐项相消：中间项 $\frac12,\dots,\frac1m$ 全部抵消，只剩

  \(s_m=1-\frac{1}{m+1}.\) （依据：消去相同项；源文件原文即为 $s_m=1-\frac{1}{m+1}$。验算：$m=1$ 时 $s_1=\frac12=1-\frac12$ ✅；$m=2$ 时 $s_2=\frac12+\frac16=\frac23=1-\frac13$ ✅；$m=10$ 时 $s_{10}=0.909090\dots=1-\frac1{11}$ ✅——已用 python3 精确有理数运算逐个核对。）

  1. 取极限：由 Lecture 8 的 $c^n\to0$（$\vert c\vert <1$，取 $c$ 即 $\frac1{m+1}\to0$，本质上是 Lecture 7/9 的 $\frac1n\to0$），

  \(s_m=1-\frac{1}{m+1}\longrightarrow 1-0=1.\) （依据：Lecture 8 Theorem 89 第 1、2 条：减法与常数倍的极限运算法则。）

  1. 部分和序列收敛，故由 Definition 114，级数收敛，且 $\sum_{n=1}^{\infty}\frac{1}{n(n+1)}=1$。$\blacksquare$
• 【证明机制解说】：为什么“拆项”能成功？因为通项 $\frac{1}{n(n+1)}$ 的分母是两个相邻整数之积——这种形状天然是“两个倒数之差”。一般规律（补充）：若二次多项式 $p(n)$ 能分解成两个相距常数的一次因子，则 $\frac{1}{p(n)}$ 一般可裂项成 $\frac{A}{n}-\frac{A}{n+d}$，部分和是闭式，级数必收敛。反观 $\sum\frac{1}{n^2}$：$\frac{1}{n^2}$ 不能这样裂项，其收敛性需要另外的工具（Lecture 11 的比较判别法），这也解释了为什么 $\sum\frac1{n^2}$ 虽收敛却“很难写出精确值”（Euler 花了近百年才算出 $\frac{\pi^2}{6}$，而 $\sum\frac{1}{n(n+1)}=1$ 一行就完事）。
• 【证明技巧总结】：裂项相消 (telescoping)：把通项写成 $a_n-a_{n+1}$，则 $s_m=a_1-a_{m+1}$，收敛性等价于 $\{a_{m+1}\}$ 收敛。这是”求级数精确和的黄金技巧”。

定理 117（Theorem 117：几何级数 $\sum r^n$ 当 $\vert r\vert <1$ 时的和）

• 定理陈述：若 $\vert r\vert <1$，则 $\sum_{n=0}^{\infty}r^n$ 收敛且

\(\sum_{n=0}^{\infty}r^n=\frac{1}{1-r}.\)

• 证明策略：这是整章级数理论的基准尺 (benchmark)——所有判别法最终都要与它比较。策略分两步：（i）用数学归纳法求部分和的闭式；（ii）用 Lecture 7–9 的 $\vert r\vert ^n\to0$（$\vert r\vert <1$）取极限。
• 逐步推导：
  1. 对每个 $m\in\mathbb{N}$，部分和为 $s_m=\sum_{n=0}^{m}r^n$。
  2. 断言（归纳法，依据 Lecture 1 的数学归纳法）：

  \(s_m=\frac{1-r^{m+1}}{1-r}\qquad\text{对一切 }m\in\mathbb{N}.\) 基础情形 $m=0$：右边 $\frac{1-r^{1}}{1-r}=1=r^0=s_0$ ✅。归纳步：设 $s_m=\frac{1-r^{m+1}}{1-r}$，则

  \(s_{m+1}=s_m+r^{m+1}=\frac{1-r^{m+1}}{1-r}+\frac{r^{m+1}(1-r)}{1-r}=\frac{1-r^{m+1}+r^{m+1}-r^{m+2}}{1-r}=\frac{1-r^{m+2}}{1-r},\) 正是把 $m$ 换成 $m+1$ 的形式 ✅。（依据：归纳假设；代数通分；$r^{m+1}\cdot r=r^{m+2}$。） 补充：也可用”错位相减”一行得到同一闭式：$(1-r)s_m=(1+r+\dots+r^m)-(r+r^2+\dots+r^{m+1})=1-r^{m+1}$，两边除以 $1-r\neq0$（因为 $\vert r\vert <1\Rightarrow r\neq1$）。

  1. 因为 $\vert r\vert <1$，由 Lecture 9 Theorem 95 第 1 条（$p>0$ 时 $n^{-p}\to0$）的同类结论，或直接由 Lecture 7 的单调有界定理 + Lecture 8，有

  \(\lim_{m\to\infty}\vert r\vert ^{m+1}=0,\) 从而 $\lim_{m\to\infty}r^{m+1}=0$。（依据：$\vert r^{m+1}-0\vert =\vert r\vert ^{m+1}\to0$ 即 $r^{m+1}\to0$，这正是 Lecture 8 Theorem 93 用 $\vert x_n\vert \to0\iff x_n\to0$ 的推理。）

  1. 于是在闭式两边取极限，用 Lecture 8 Theorem 89 第 1、2、4 条（加减法、常数倍、除法的极限运算法则；注意分母 $1-r\neq0$ 且为常数）：

  \(\lim_{m\to\infty}s_m=\frac{1-0}{1-r}=\frac{1}{1-r}.\)

  1. 由 Definition 114，$\sum_{n=0}^\infty r^n=\frac{1}{1-r}$。$\blacksquare$

• 【具体示例（把 $\epsilon$ 取成具体数字，算出 $M$）】 取 $r=\frac12$，则和应为 $\frac{1}{1-\frac12}=2$。部分和 $s_m=2-2^{-m}$，误差

  \(\vert s_m-2\vert =2^{-m}.\) 验算表（已用 python3 核对）：

  $\epsilon$	需要 $2^{-m}<\epsilon$ 即 $m>\log_2\frac1\epsilon$	取 $M=$	实测 $\vert s_M-2\vert $
  $0.01$	$m>6.644$	$7$	$7.8125\times10^{-3}$ ✅
  $0.001$	$m>9.966$	$10$	$9.766\times10^{-4}$ ✅
  $10^{-6}$	$m>19.93$	$20$	$9.537\times10^{-7}$ ✅

  这张表也顺便告诉你几何级数收敛有多快：误差按 $2^{-m}$ 指数衰减，每多取一项精度提高一倍（$r=\frac12$ 时）。

• 【证明机制解说】：
  • 为什么这个例子必须以”极高分辨率”写透？ 因为它承担了三个角色：
    1. 它是”部分和闭式 + 取极限”这条最标准路线的范例（Example 116 是裂项版，这里是闭式版）；
    2. 它是后面所有判别法的比较对象：Lecture 11 的比较判别法要把一般级数与几何级数比；Lecture 12 的比值判别法要证明”$\vert x_{n+1}/x_n\vert \to L<1$ $\Rightarrow$ 项最终被某个 $r\in(L,1)$ 的几何级数控制”；根值判别法同理，用 $r\in(L,1)$；
    3. 它给出级数收敛的”黄金感觉”：误差指数衰减 ⟺ 收敛快；误差只按 $1/m$ 衰减（如裂项级数）⟺ 收敛慢；误差不衰减 ⟺ 发散。
  • 灵光一现在哪？ 在于意识到 $(1-r)s_m$ 会相消。（技巧名：错位相减。）这和 Example 116 的裂项相消是同一招在两个不同形状上的应用——一个消在指数上，一个消在分母上。
  • 注意 $r$ 可以是负数或复数式的振荡值：$r=-\frac12$ 时 $s_m\to\frac{1}{1+\frac12}=\frac23$，部分和左右摆动着靠近 $\frac23$。级数收敛不要求部分和单调——这是练习中的一个常见误解点。
• 【证明技巧总结】：
  1. 闭式优先：能写出 $s_m$ 的闭式就一定能判定收敛性、算出和。
  2. 错位相减：$s_m-rs_m=1-r^{m+1}$，专治”等比型”求和。
  3. $\vert r\vert ^{m+1}\to0\iff r^{m+1}\to0$：用 Lecture 8 Theorem 93 把绝对值极限转成原极限。

定理 119（Theorem 119：级数的收敛性不受起点影响）

• 定理陈述：设 $\{x_n\}$ 是序列，$M\in\mathbb{N}$。则

\(\sum_{n=1}^{\infty}x_n\ \text{收敛}\iff \sum_{n=M}^{\infty}x_n\ \text{收敛}.\)

• 证明策略：把两个部分和相减，发现它们的差别只是一个常数。 既然两个部分和序列只差一个不随 $m$ 变化的常数，那么它们同收敛、同发散（Lecture 8 Theorem 89 第 1 条：加常数不改变收敛性）。
• 逐步推导：
  1. 设 $m\ge M$。把前 $m$ 项按照”从 $M$ 开始”切开（“加一项减一项”的分块版）：

  \(\sum_{n=1}^{m}x_n=\sum_{n=M}^{m}x_n+\sum_{n=1}^{M-1}x_n .\) （依据：加法交换律与结合律对有限和成立；把指标集合 $\{1,\dots,m\}$ 分成 $\{M,\dots,m\}$ 与 $\{1,\dots,M-1\}$ 两块。源文件原文与此一致，只是把末项写成 $\sum_{n=1}^{M}$ 的截断形式，实质相同。）

  1. 记 $C=\sum_{n=1}^{M-1}x_n$（一个固定常数，与 $m$ 无关）。记 $t_m=\sum_{n=M}^{m}x_n$ 为第二个级数的部分和。则第 1 步写成

  \(s_m=t_m+C\qquad\text{对一切 }m\ge M.\)

  1. （$\Rightarrow$） 若 $\sum_{n=1}^\infty x_n$ 收敛，即 $\{s_m\}$ 收敛，则由 Lecture 8 Theorem 89 第 1、2 条（$t_m=s_m-C$，减法是加负常数），$\{t_m\}$ 收敛。
  2. （$\Leftarrow$） 若 $\{t_m\}$ 收敛，则 $s_m=t_m+C$ 也收敛（同样依据 Lecture 8 Theorem 89 第 1 条）。
  3. 于是两个级数同收敛、同发散。$\blacksquare$
• 【证明机制解说】：这个定理之所以”看起来是废话却必须证明”，是因为它承担了技术授权的角色：它正式允许我们在后面（本讲与 Lecture 11–12）写”由定理 119，我们可以假设级数从 $n=0$ 或从 $n=N_0$ 开始”。没有它，一路上所有的”不妨设”都是非法的。 而证明本身只有一个洞见：有限多项的贡献是一个常数，常数不影响收敛性。 请把这句话与”有限多项不影响收敛性，但影响和”（Remark 115 的解说）对照记忆。
• 【证明技巧总结】：“差一个常数”论证：两个序列若满足 $s_m=t_m+C$（$C$ 固定），则它们的收敛性完全等价。这个模式在证明”$\lim(s_m-t_m)=0$ 与收敛性的关系”时还会反复出现（例如 Lecture 11 证明 $\sum$ 的线性性、比较判别法的尾部论证）。

定理 121（Theorem 121：Cauchy 级数 $\iff$ 收敛级数）

• （Definition 120：Cauchy 级数） 源文件先给定义：

  $\sum x_n$ is Cauchy if the sequence of partial sums is Cauchy. 即：级数 $\sum x_n$ 称为 Cauchy 级数，如果它的部分和序列 $\{s_m\}$ 是 Cauchy 序列。

• 定理陈述：$\sum x_n$ 是 Cauchy 级数 $\iff$ $\sum x_n$ 收敛。
• 证明（源文件的两行版，我们把它展开）：
  1. 由 Definition 120，$\sum x_n$ 是 Cauchy 级数 $\iff$ 部分和序列 $\{s_m\}$ 是 Cauchy 序列。 （依据：Definition 120。）
  2. 由 Theorem 112（$\mathbb{R}$ 的完备性），$\{s_m\}$ 是 Cauchy 序列 $\iff$ $\{s_m\}$ 收敛。 （依据：本讲定理 112。）
  3. 由 Definition 114，$\{s_m\}$ 收敛 $\iff$ $\sum x_n$ 收敛。 （依据：Definition 114。）
  4. 三步串起来即得结论。$\blacksquare$
• 【证明机制解说】：这是本讲”一次降维 + 一次搬运”策略的完美示范。注意 Theorem 112 在这里是不可替代的：如果把 $\mathbb{R}$ 换成 $\mathbb{Q}$，Theorem 121 在 $\mathbb{Q}$ 中就变成假命题（可以构造部分和在 $\mathbb{Q}$ 中 Cauchy 却不收敛于 $\mathbb{Q}$ 中任何数的级数——例如 $\sum$ 某个给 $\sqrt2$ 的级数）。级数理论的完备性完全继承自实数系的完备性。
• 【证明技巧总结】：“定义 + 已证定理 + 定义”的三段式翻译。写这种证明时不要试图重新做 $\epsilon$ 计算——所有 $\epsilon$ 工作已经在 Theorem 112 里做完了。

定理 122（Theorem 122：Cauchy 判别法 / Cauchy criterion）

• 定理陈述：$\sum x_n$ 是 Cauchy 级数，当且仅当

\(\forall\epsilon>0,\ \exists M\in\mathbb{N}\ \text{s.t.}\ \forall m\ge M\ \text{且}\ \ell>m,\quad \left\vert \sum_{n=m+1}^{\ell}x_n\right\vert <\epsilon.\)

• 直观解释：把 Cauchy 定义套到部分和上。$s_\ell-s_m$ 恰好就是”从第 $m+1$ 项到第 $\ell$ 项”这一段的和，所以“部分和序列的尾巴很窄”$\iff$”任意一段连续的和都很小”。用一句话记住它：

  级数收敛 $\iff$ 任意远、任意长的一段尾巴的和都可以任意小。 请注意这里的下标结构：$m\ge M$ 表示”段落的起点必须足够靠后”，$\ell>m$ 表示”段落可以任意长（甚至长到无穷）”。关键是 $\ell$ 不受任何上界限制——这正是它比”相邻两项靠近”强得多的地方。

• 证明策略：$(\Rightarrow)$ 是一次纯记号搬运：把 $s_\ell-s_m$ 认出来即可。$(\Leftarrow)$ 源文件留作练习（”The other direction is left as an exercise.”），我们把它完整补出（下面第 $(\Leftarrow)$ 部分的证明是补充的，非源文件原文，特此标注）。
• 逐步推导： $(\Rightarrow)$ 设 $\sum x_n$ 是 Cauchy 级数，证明判别法的条件成立。
  1. 任取 $\epsilon>0$。由 Definition 120（部分和序列 Cauchy）与 Definition 106，存在 $M_0\in\mathbb{N}$ 使得 \(\forall m,\ell\ge M_0,\quad \vert s_m-s_\ell\vert <\epsilon.\) （依据：Definition 106 与 Definition 120。）
  2. 取 $M=M_0$（源文件原文：”Choose $M=M_0$”）。设 $m\ge M$ 且 $\ell>m$。则 $\ell>m\ge M_0$，故 $m,\ell\ge M_0$。
  3. 认出那一段和：由部分和的定义， \(\sum_{n=m+1}^{\ell}x_n=\sum_{n=1}^{\ell}x_n-\sum_{n=1}^{m}x_n=s_\ell-s_m .\) （依据：Definition 114 中部分和的定义；有限和的拆分。）
  4. 于是 \(\left\vert \sum_{n=m+1}^{\ell}x_n\right\vert =\vert s_\ell-s_m\vert <\epsilon.\) （依据：第 3 步的恒等式；第 1 步。）
  5. 因 $\epsilon$ 任意，判别法条件成立。$\blacksquare$ $(\Leftarrow)$【补充】设判别法条件成立，证明 $\sum x_n$ 是 Cauchy 级数。
  6. 任取 $\epsilon>0$。由假设，存在 $M\in\mathbb{N}$ 使得 \(\forall m\ge M,\ \forall \ell>m,\quad \left\vert \sum_{n=m+1}^{\ell}x_n\right\vert <\epsilon.\)
  7. 设 $m_1,m_2\ge M$。不妨设 $m_2>m_1$（若相等则 $\vert s_{m_1}-s_{m_2}\vert =0<\epsilon$；若相反则交换两者，绝对值不变）。
  8. 于是 $\ell=m_2>m_1$ 满足第 1 步的形式要求，且 \(s_{m_2}-s_{m_1}=\sum_{n=m_1+1}^{m_2}x_n,\) 故 \(\vert s_{m_2}-s_{m_1}\vert =\left\vert \sum_{n=m_1+1}^{m_2}x_n\right\vert <\epsilon.\) （依据：第 1 步取 $m=m_1,\ \ell=m_2$。）
  9. 因此部分和序列 $\{s_m\}$ 是 Cauchy 序列，即 $\sum x_n$ 是 Cauchy 级数。$\blacksquare$
• 【证明机制解说】：
  • 判别法为什么”极有用”？ 因为它把”求极限”这件事完全绕开了。用它判定收敛时你不需要知道和是多少，只需要能对任意 $\epsilon$ 控制”任意一段尾巴的和”。这正是本讲开头的诉求——Cauchy 观点的内蕴性在级数上的具体兑现。
  • 它是后面两讲的母定理：Lecture 11 的比较判别法本质是”用 Cauchy 判别法 + 三角不等式，把待判级数的尾段和与已知收敛级数的尾段和比较”；Lecture 12 的比值/根值判别法则是”用几何级数给出尾段和的显式上界”。可以说 Lecture 11–12 的每一个判别法都是 Theorem 122 的具体化。如果只能背本讲的一条定理，就背 Cauchy 判别法。
  • 注意 $\ell>m$ 而不是 $\ell\ge m$：$\ell=m$ 时和为 $0$，条件自动满足（空和），没有信息量。而真正需要控制的是长度 $\ell-m$ 可以任意大的那些段落——这是判别法力量的来源。$x_n\to0$（定理 123）只对应”长度恰为 1 的段落”，比判别法弱得多，这正是下一条定理要强调的对比。

  • 一个具体的数值演练（已用 python3 验算）：对几何级数 $\sum_{n=0}^\infty\left(\frac12\right)^n$，尾段和满足

    \(\left\vert \sum_{n=m+1}^{\ell}\left(\tfrac12\right)^n\right\vert <\sum_{n=m+1}^{\infty}\left(\tfrac12\right)^n=\frac{(1/2)^{m+1}}{1-\frac12}=2^{-m}.\) 要让它 $<0.01$，需 $2^{-m}<0.01$，即 $m>6.644$，故取 $M=7$（$2^{-7}=0.0078125<0.01$ ✅）。注意这与定理 117 后面给的收敛速度表完全一致：几何级数的 Cauchy 判别法门槛与部分和门槛是同一个数。

• 【证明技巧总结】：
  1. $\sum_{n=m+1}^{\ell}x_n=s_\ell-s_m$：这个恒等式是级数段落分析的基本工具，必须条件反射式地写得出。
  2. 判别法条件 $\ell>m$ 允许 $\ell$ 任意远：这正是它强于”$x_n\to0$”的地方。
  3. 把”任意两项”的 Cauchy 条件改写成”任意一段和”：这是从序列语言到级数语言的翻译器。

定理 123（Theorem 123：收敛级数的项必趋于零）

• 定理陈述：若 $\sum x_n$ 收敛，则 $\lim_{n\to\infty}x_n=0$。
• 证明策略（源文件路线：用 Cauchy 判别法，取 $\ell=m$）：$x_m$ 恰好是”从 $m$ 到 $m$”这一段的和：$x_m=\sum_{n=m}^{m}x_n$。把 Cauchy 判别法中的段落取成长度 1，就直接得到 $\vert x_m\vert <\epsilon$。这个证明短得像变魔术，但每一步都合法。
• 逐步推导：
  1. 设 $\sum x_n$ 收敛。
  2. 由 Theorem 121，$\sum x_n$ 是 Cauchy 级数。 （依据：本讲定理 121。）
  3. 由 Theorem 122，存在性条件成立：任取 $\epsilon>0$，存在 $M_0\in\mathbb{N}$ 使得 \(\forall \ell>m\ge M_0,\quad \left\vert \sum_{n=m+1}^{\ell}x_n\right\vert <\epsilon.\) （依据：本讲定理 122 的 $(\Rightarrow)$ 方向。）
  4. 取 $M=M_0+1$。（源文件原文：”Choose $M=M_0+1$”。）设 $m\ge M$，则 $m-1\ge M_0$，于是可以取 $m^{\prime}=m-1$ 与 $\ell=m$ 代入第 3 步（合法，因为 $\ell=m>m-1\ge M_0$）。
  5. 此时段落和只剩一项： \(\sum_{n=m^{\prime}+1}^{\ell}x_n=\sum_{n=m}^{m}x_n=x_m .\) （依据：$m^{\prime}+1=(m-1)+1=m$，求和上下限相同。）
  6. 于是 \(\vert x_m\vert =\left\vert \sum_{n=m}^{m}x_n\right\vert <\epsilon.\) （依据：第 3 步，取 $\ell=m$——源文件原文：”by taking $\ell=m$”。）
  7. 因为对一切 $m\ge M=M_0+1$ 都有 $\vert x_m-0\vert <\epsilon$，故 $\lim_{m\to\infty}x_m=0$。$\blacksquare$
• 另一条路线（补充，源文件未使用）：源文件用的是 Cauchy 判别法。还有一条更短的路线，只用部分和的代数：
  1. 记 $s_m=\sum_{n=1}^{m}x_n$，$s=\lim s_m$。
  2. 对每个 $m\ge2$，$x_m=s_m-s_{m-1}$。（依据：部分和定义。）
  3. 由 Lecture 8 Theorem 89 第 1 条（差的极限 = 极限的差；注意 $\{s_{m-1}\}$ 是 $\{s_m\}$ 去掉首项得到的序列，作为子序列它收敛到同一个 $s$，依据 Lecture 7 Theorem 79）， \(\lim_{m\to\infty}x_m=\lim_{m\to\infty}(s_m-s_{m-1})=s-s=0.\) $\blacksquare$ 两条路线都正确。它们的差别本身就是一堂课：Cauchy 路线只用了“收敛 $\Rightarrow$ Cauchy”（Theorem 112 的 $(\Leftarrow)$ 方向，不需要完备性），代数路线只用了“极限运算法则”（Lecture 8）。两条路线都不需要 LUB 性质——说明本定理在 $\mathbb{Q}$ 中也成立，这是“必要条件”型结论的典型特征：前提越少，证明越容易。
• 【证明机制解说】：
  • 为什么这条定理只是”必要”而不是”充分”？ 因为它只控制了长度 1 的段落（$\vert x_m\vert $ 就是最短的一段），而 Theorem 122 要求所有长度的段落都小。把 $m$ 推后（$m\ge M_0+1$）只是让起点靠后，并没有限制 $\ell$ 能跑多远。 所以它给出的信息严格弱于 Cauchy 判别法。
  • 它是”发散筛查器”：使用方式是逆否命题——若 $x_n\not\to0$，则 $\sum x_n$ 必发散。 这条筛查器抓掉了绝大多数”明显发散”的级数（例如 $\sum\frac{n}{n+1}$、$\sum(-1)^n$、$\sum\sin n$），但它抓不住调和级数 $\sum\frac1n$——那是本讲最重要的”漏网之鱼”，必须用别的方法。
• 【重要警示：反之不真！调和级数 $\sum\frac1n$ 发散，而 $\frac1n\to0$】 这是分析学史上最著名的反例之一。“项趋于零”是收敛的必要条件，绝非充分条件。 下面给出完整证明（这部分是补充内容，源文件的 Lecture 10 未包含调和级数发散的证明；它出现在 Lebl [JL] §2.6 的练习与 Lecture 11 的讨论中，此处补出，以便彻底钉死”反之不真”这一点）。 命题（补充）：$\sum_{n=1}^{\infty}\frac1n$ 发散。
  1. 记 $S_N=\sum_{n=1}^{N}\frac1n$。只需证明 $\{S_N\}$ 无界（由 Lecture 7 的单调有界定理：$\{S_N\}$ 单调递增，若不收敛则必无界）。

  2. 分组 (grouping) 论证：对 $n\ge1$，把 $2^n$ 项之后的 $2^n$ 项分成一组：

     \[S_{2^n}=1+\underbrace{\frac12}_{1\text{ 项}}+\underbrace{\left(\frac13+\frac14\right)}_{2\text{ 项}}+\underbrace{\left(\frac15+\dots+\frac18\right)}_{4\text{ 项}}+\dots+\underbrace{\left(\frac{1}{2^{n-1}+1}+\dots+\frac{1}{2^{n}}\right)}_{2^{n-1}\text{ 项}} .\]
  3. 每一组用”最小项”估计：第 $j$ 组（$j=1,2,\dots,n$）是从 $\frac{1}{2^{j-1}+1}$ 到 $\frac{1}{2^{j}}$ 共 $2^{j-1}$ 项，其中每一项都 $\ge\frac{1}{2^{j}}$。因此 \(\frac{1}{2^{j-1}+1}+\dots+\frac{1}{2^{j}}\ \ge\ 2^{j-1}\cdot\frac{1}{2^{j}}=\frac12 .\) （依据：$2^{j-1}$ 个数，每个 $\ge\frac{1}{2^j}$。）
  4. 把 $n$ 组的界加起来（再加上第一项 $1$）： \(S_{2^n}\ \ge\ 1+\underbrace{\frac12+\frac12+\dots+\frac12}_{n\ \text{个}}\ =\ 1+\frac{n}{2}.\) （依据：第 3 步对 $j=1,\dots,n$ 求和。）

  5. 分组下界的表格（已用 python3 精确有理数运算验算）：

     $n$	$2^n$	实际 $S_{2^n}$（精确值的小数近似）	下界 $1+\frac n2$	是否满足 $\ge$
     $0$	$1$	$1.000000$	$1.0$	✅（取等）
     $1$	$2$	$1.500000$	$1.5$	✅（取等）
     $2$	$4$	$2.083333$	$2.0$	✅
     $3$	$8$	$2.717857$	$2.5$	✅
     $4$	$16$	$3.380729$	$3.0$	✅
     $5$	$32$	$4.058495$	$3.5$	✅
     $6$	$64$	$4.743891$	$4.0$	✅
     $7$	$128$	$5.433147$	$4.5$	✅
     $8$	$256$	$6.124345$	$5.0$	✅
     $12$	$4096$	$8.895104$	$7.0$	✅

     同一份数据也可以画成”分组柱状图”——注意每根柱子里的每一项都被 $\frac12$ 的门槛托住：

   调和级数的分组下界（数据由 python3 精确有理数验算）

   组号 j :     1        2         3           4                ...
   项区间 :  [3,4]    [5,8]    [9,16]     [17,32]              ...
   项数   :     2        4         8          16
   每项 ≥ :   1/4      1/8       1/16       1/32
   ──────────────────────────────────────────────────────────
   组和   ≥  2·1/4   4·1/8    8·1/16   16·1/32   = 1/2  (每一组!)
              =1/2     =1/2      =1/2       =1/2

   n      2^n    S_{2^n}     下界 1+n/2      差距
   0       1     1.000000     1.0          0.000000
   2       4     2.083333     2.0          0.083333
   4      16     3.380729     3.0          0.380729
   8     256     6.124345     5.0          1.124345
  12    4096     8.895104     7.0          1.895104

   结论：下界 1+n/2 → ∞，故 S_{2^n} → ∞，调和级数发散。
        （真实组和 → ln2 ≈ 0.693 > 0.5，界"保守"但完全够用。）

1. 由第 4 步，对每个 $n$ 都有 $S_{2^n}\ge1+\frac n2$。给定任意 $B>0$，由 Archimedes 性质取 $n>2(B-1)$，则 $S_{2^n}\ge1+\frac n2>B$。故 $\{S_N\}$ 无界。
2. 由 Lecture 7 的单调有界定理（或直接由 $S_N$ 递增且无界），$\{S_N\}$ 不收敛，故 $\sum\frac1n$ 发散。$\blacksquare$

另一种证法（Cauchy 判别法直击，与本讲主线最贴合）：取 $\epsilon_0=\frac12$，对任意 $M\in\mathbb{N}$ 取 $m=M,\ \ell=2M$，则

\(\sum_{n=M+1}^{2M}\frac1n\ \ge\ M\cdot\frac{1}{2M}=\frac12=\epsilon_0 .\) （python3 验算：$M=10$ 时该段和 $=0.6688$；$M=100$ 时 $=0.6907$；$M=10^6$ 时 $=0.6931$。均 $\ge\frac12$ ✅。）由 Negation 108，$\{S_N\}$ 不是 Cauchy 序列；再由 Theorem 121，$\sum\frac1n$ 不收敛（发散）。注意这条证法更漂亮：它直接展示了 $x_n\to0$ 的信息为什么不够——长度 $M$ 的段落总和始终 $\ge\frac12$，无论起点多远。“项趋于零”只管住长度 1 的段落，管不住长度 $M$ 的段落。

结论对比表：

定理 124（Theorem 124：$\vert r\vert \ge1$ 时 $\sum r^n$ 发散）与 Corollary 125

• 定理 124 陈述：若 $\vert r\vert \ge1$，则 $\sum_{n=0}^{\infty}r^n$ 发散。
• 证明策略：用必要条件的逆否。 要证发散，不必去算部分和；只要证明”项不趋于零”，Theorem 123 的逆否命题立刻给出结论。
• 逐步推导：
  1. 设 $\vert r\vert \ge1$。考察通项 $r^m$ 的绝对值：$\vert r^m\vert =\vert r\vert ^m\ge 1^m=1$ 对一切 $m$ 成立。 （依据：$\vert r\vert \ge1\Rightarrow\vert r\vert ^m\ge1$，对正整数幂用归纳法。）
  2. 因此 $\{r^m\}$ 不可能趋于 $0$。严格地说：若 $r^m\to0$，则由 Lecture 8 Theorem 93（绝对值的极限 = 极限的绝对值）$\vert r\vert ^m=\vert r^m\vert \to\vert 0\vert =0$；但由第 1 步 $\vert r\vert ^m\ge1$ 恒成立，取 $\epsilon_0=1$ 即可看出它不收敛到 $0$（收敛到 $0$ 要求某项之后 $\vert r\vert ^m<1$）。矛盾。 （依据：Lecture 8 Theorem 93；收敛定义的否定。）
  3. 源文件的表述是：”若 $\vert r\vert \ge1$，则 $\lim_{m\to\infty}r^m\neq0$。因此 $\sum_{n=0}^\infty r^n$ 发散，因为若不然（若级数收敛），则由上一条定理（Theorem 123）应有 $\lim r^m=0$，与第 2 步矛盾。”（依据：反证法 + Theorem 123。）
  4. 故 $\sum_{n=0}^{\infty}r^n$ 发散（当 $\vert r\vert \ge1$）。$\blacksquare$ 我们要把边界情形逐个看清：
     • $r=-1$：部分和为 $-1,0,-1,0,\dots$，不收敛 ✅（发散）；
     • $r=1$：部分和为 $m+1\to\infty$，发散 ✅；
     • $r=2$：通项 $2^n\to\infty$，发散 ✅；
     • $r=-\frac32$：通项绝对值 $\left(\frac32\right)^n\to\infty$，发散 ✅（部分和震荡放大）。 注意 $r=-1$ 时通项不趋于零的”证明”要小心：$(-1)^m$ 的值在 $\pm1$ 之间跳，$\vert (-1)^m\vert =1\ge1$，所以它不趋于 $0$。上面第 2 步的推理对所有 $\vert r\vert \ge1$（包括负的 $r$）都有效，因为我们全程只看 $\vert r^m\vert $。
• Corollary 125（源文件原文）：级数 $\sum_{n=0}^{\infty}\alpha(r)^n$ 收敛 $\iff \vert r\vert <1$。（这里 $\alpha\in\mathbb{R},\ r\in\mathbb{R}$ 如 Remark 118 所述。） 证明（补充展开——源文件只说它是 Theorem 117 与 124 的合并）：
  1. 若 $\alpha=0$：级数每一项都是 $0$，部分和恒为 $0$，对一切 $r$ 收敛。此时”$\iff\vert r\vert <1$”不成立（$r=2$ 也收敛）。 （依据：$\alpha=0$ 时 $\alpha r^n=0$。）
  2. 若 $\alpha\neq0$：
     • $(\Leftarrow)$ 设 $\vert r\vert <1$。由 Theorem 117，$\sum r^n$ 收敛到 $\frac{1}{1-r}$；由 Lecture 8 Theorem 89 第 2 条（常数倍），$\sum\alpha r^n$ 收敛到 $\frac{\alpha}{1-r}$。
     • $(\Rightarrow)$ 设 $\sum\alpha r^n$ 收敛。若 $\vert r\vert \ge1$，则由 Theorem 124 $\sum r^n$ 发散；再由 Lecture 8 Theorem 89 第 2 条（除以非零常数 $\frac1\alpha$），$\sum r^n=\frac1\alpha\sum\alpha r^n$ 应收敛，矛盾。故 $\vert r\vert <1$。
  3. 因此对 $\alpha\neq0$，Corollary 125 成立。

  【注意】 Corollary 125 按字面在 $\alpha=0$ 时失效（$0$ 级数对一切 $r$ 收敛）。源文件陈述中未排除 $\alpha=0$，属于退化情形的省略。标准教材的惯例是默认 $\alpha\neq0$（或把 $\alpha$ 视为”非零振幅”）。这不是本讲的错误，而是一个提示：看到”$\iff$”型结论时，先检查有没有退化参数。 本笔记在几何级数的所有应用中均假定 $\alpha\neq0$ 且 $r\neq0$。

• 【证明机制解说】：Theorem 124 是本讲最省力的定理，因为它完全依赖 Theorem 123。这体现了分析学的一个高效习惯：先造必要条件（便宜的筛查器），再把它反过来用作发散判据（免费的）。Corollary 125 则是”把 Theorem 117 与 124 拼起来”的合并结论——几何级数在 $\vert r\vert <1$ 时收敛、$\vert r\vert \ge1$ 时发散，没有任何例外（$\alpha\neq0$）。它是 Lecture 11–12 一切判别法的”标准尺”。
• 【证明技巧总结】：
  1. 发散级数用必要条件的逆否：先看 $x_n\to0$ 是否成立，能省则省。
  2. 处理振荡级数时只看绝对值：$\vert r^m\vert \ge1$ 对负的 $r$ 同样有效。
  3. 合并定理时要检查退化参数（$\alpha=0$）。

（补充）级数的线性性与比较判别法的铺垫

源文件的 Lecture 10 没有把下面两条写成编号定理，但它们是本讲内容的直接练习与下一讲的必要准备，此处明确标注为补充，并给出完整证明。

补充命题 A（线性性）：设 $\sum x_n$ 与 $\sum y_n$ 都收敛，$a,b\in\mathbb{R}$。则 $\sum(ax_n+by_n)$ 收敛，且

\(\sum_{n=1}^{\infty}(ax_n+by_n)=a\sum_{n=1}^{\infty}x_n+b\sum_{n=1}^{\infty}y_n .\)

• 证明：
  1. 记 $s_m=\sum_{n=1}^m x_n\to x$，$t_m=\sum_{n=1}^m y_n\to y$。 （依据：Definition 114，收敛级数的部分和收敛，极限即为级数的和。）

  2. 新级数的部分和是

     \(u_m=\sum_{n=1}^{m}(ax_n+by_n)=a\sum_{n=1}^{m}x_n+b\sum_{n=1}^{m}y_n=as_m+bt_m,\) 其中第二个等号依据有限和的线性性（对 $m$ 用归纳法：加法交换结合律与分配律）。

  3. 由 Lecture 8 Theorem 89 第 1、2 条（和与常数倍的极限运算法则），

     \(\lim_{m\to\infty}u_m=a\lim_{m\to\infty}s_m+b\lim_{m\to\infty}t_m=ax+by .\) （依据：Lecture 8 Theorem 89；注意两个序列都收敛，这是使用该定理的前提。）

  4. 于是新级数收敛且和为 $ax+by$。$\blacksquare$
• 【技巧总结】：级数的线性性 = 部分和的线性性 + 极限的线性性。四步里没有一步用到新的 $\epsilon$ 论证——这正是 Definition 114 的价值：级数的一切”代数”性质都被序列的极限运算法则包办了。

补充命题 B（比较判别法的雏形，Lecture 11 的预告）：设 $0\le\vert x_n\vert \le c_n$ 对一切 $n$ 成立，且 $\sum c_n$ 收敛。则 $\sum x_n$ 收敛。

• 证明（用 Cauchy 判别法，Theorem 122）：
  1. 设 $\sum c_n$ 收敛。由 Theorem 121 与 Theorem 122，任取 $\epsilon>0$ 存在 $M$ 使 \(\forall \ell>m\ge M,\quad \sum_{n=m+1}^{\ell}c_n\ \le\ \left\vert \sum_{n=m+1}^{\ell}c_n\right\vert <\epsilon .\) （依据：$\sum$ 的项非负（由 $c_n\ge\vert x_n\vert \ge0$），故段落和作为有限和其和式非负，等于其绝对值。）
  2. 对同一对 $m,\ell$， \(\left\vert \sum_{n=m+1}^{\ell}x_n\right\vert \le\sum_{n=m+1}^{\ell}\vert x_n\vert \le\sum_{n=m+1}^{\ell}c_n<\epsilon .\) （依据：三角不等式 $\vert \sum a_n\vert \le\sum\vert a_n\vert $（对有限和用归纳法证明）；逐项假设 $\vert x_n\vert \le c_n$；第 1 步。）
  3. 因此 $\sum x_n$ 满足 Cauchy 判别法，由 Theorem 122（$(\Leftarrow)$ 方向）$\sum x_n$ 收敛。$\blacksquare$
• 【技巧总结】：“逐项夹住 + 段落比较”。注意这里必须用 $\vert x_n\vert $ 而不是 $x_n$——因为三角不等式需要我们能把段落和放大成非负项的段落和。这条命题就是 Lecture 11 绝对收敛与比较判别法的技术核心；本讲把它作为预告放在这里，说明 Cauchy 判别法的直接可用性。

与教材的对应

对应 [JL] §2.5, 2.6（Lebl, Basic Analysis I, Vol. 1）：

注意：本讲的编号定理（106–125）来自 OCW 官方讲义（Dr. Casey Rodriguez 的 Complete Lecture Notes，由 Paige Dote 整理），与 Lebl 教材的编号不同。本笔记始终使用官方讲义编号；凡涉及 Lebl 编号处均写明”[JL] §x.y”。

对应 OCW Assignment 5（Reading §2.2, 2.3, 2.4, 2.5；Calendar 上发布于 Lecture 10）：

对应 OCW Assignment 6（Reading §2.5, 2.6；Calendar 上发布于 Lecture 12，阅读范围正是本讲）：

对应 OCW Assignment 7（Reading §2.5, 2.6, 3.1；Calendar 上发布于 Lecture 14，阅读范围含本讲）：

Midterm / Final 中的相关题（据 hw_all.txt）：Midterm 在 Lecture 12 之后，范围包含本讲。SPEC_LECTURES.md 记录的 Midterm 题型包括”开集/闭集的否定形式”——这与本讲的 Negation 108（Cauchy 定义的否定）是同一类机械操作，说明量词否定是期中必考技能。Final 中”连续性/一致连续/一致收敛的否定”也属同一考法。

与其他讲次的关联

• 上游依赖（本讲用到的前序定理）：
  1. Lecture 5（Archimedes 性质）：Example 107 中”取 $M$ 使 $\frac1M<\frac{\epsilon}{2}$”、调和级数无界性中”取 $n>2(B-1)$”，都靠 Archimedes 性质保证这样的自然数存在。没有它，$\frac1M$ 型的估计无法落地。
  2. Lecture 7（子序列 Definition 77、Theorem 79；单调有界定理）：Theorem 111 的核心技术细节 $n_k\ge k$ 来自子序列的定义；极限唯一性/子列同极限（Theorem 79）用于级数”另一条路线”的证明；调和级数发散用单调有界定理（递增 + 无界 $\Rightarrow$ 发散）。
  3. Lecture 8（Theorem 89 极限运算法则、Theorem 93 绝对值极限）：Theorem 119（级数起点）、Theorem 123（另一条路线）、Theorem 117（几何级数取极限）、补充命题 A（线性性）全部建立在 Theorem 89 上；几何级数中 $\vert r\vert ^{m+1}\to0$ 转成 $r^{m+1}\to0$ 用的是 Theorem 93。
  4. Lecture 9（Theorem 98/101 limsup；Theorem 102 Bolzano–Weierstrass）：Theorem 112 的 $(\Rightarrow)$ 方向直接把 BW 当作黑箱使用——这是本讲与 Lecture 9 之间最粗的一根钢筋。Theorem 98（$\{a_n\}$ 单调递减且有界）是”$\limsup$ 路线”证明完备性时的支点。
  5. Lecture 3–4（LUB 性质）：整条链的最底层。Theorem 112 之所以在 $\mathbb{R}$ 中成立，追溯到底就是因为 $\mathbb{R}$ 有 LUB 性质；而它在 $\mathbb{Q}$ 中失败（$\sqrt2$ 截断反例），正是因为 $\mathbb{Q}$ 没有。
• 下游影响（本讲是哪些讲次的地基）：
  1. Lecture 11（绝对收敛与比较判别法）：本讲的 Cauchy 判别法（Theorem 122）是本讲最重要的输出，Lecture 11 的比较判别法就是它的直接应用（见本讲补充命题 B）。同时 Lecture 11 会用本讲的 Theorem 123 作为发散筛查器。
  2. Lecture 12（比值、根值与交错级数判别法）：比值/根值判别法的证明核心是”把一个级数与几何级数比较”，而几何级数的完整理论（Theorem 117 + 124 + Corollary 125）是本讲的成果。没有 Theorem 117 就没有比值判别法。
  3. Lecture 13–14（函数极限与连续性）：Cauchy 观点（内蕴判据）会在”函数极限的序列刻画”中以另一种形式重现——用序列的收敛性来定义函数的极限。Lecture 17 的一致连续性与 Lecture 24 的一致收敛则是”Cauchy 型一致性条件”在两个新场景下的推广：一致收敛的 Cauchy 判别法（Weierstrass M-判别法的基础）与本讲的 Cauchy 判别法是同一个模式。
  4. Lecture 20–25（Riemann 积分、幂级数）：幂级数的收敛半径理论完全建立在级数判别法之上，其上游正是本讲；Abel 型定理与逐项求导/求积都要求级数一致收敛，而一致收敛的验证工具是 Cauchy 型判别法。
  5. Lecture 25（Weierstrass 逼近定理）：用一致收敛的多项式序列逼近连续函数，其证明框架是”构造一个 Cauchy 序列（在一致范数下），由完备性得极限”——这正是本讲 Theorem 112 的思想在函数空间中的翻版（虽然本课程不展开 $C[a,b]$ 的完备性，但思想同源）。
• 一句话依赖链： \(\text{LUB (L3--4)}\Rightarrow\text{单调有界 (L7)}\Rightarrow\text{BW (L9)}\Rightarrow\boxed{\text{Cauchy 完备 (L10)}}\Rightarrow\text{Cauchy 判别法}\Rightarrow\text{一切级数判别法 (L11--12)}\Rightarrow\text{幂级数 (L25)}.\)

关键要点

1. Cauchy 序列的定义（Definition 106）：

   \(\forall\epsilon>0\ \exists M\in\mathbb{N}\ \text{s.t.}\ \forall n,k\ge M,\ \vert x_n-x_k\vert <\epsilon .\) 两个下标都 $\ge M$；$M$ 只依赖 $\epsilon$；定义中没有极限值出现。 它是”内蕴的”收敛判据：只看序列自己，不看外部答案。否定形式（Negation 108）：$\exists\epsilon_0>0$ 使 $\forall M\ \exists n,k\ge M$ 有 $\vert x_n-x_k\vert \ge\epsilon_0$——$\epsilon_0$ 是固定的常数，$n,k$ 允许依赖 $M$。

2. $\mathbb{R}$ 的完备性（Theorem 112）：实数序列 Cauchy $\iff$ 收敛。两个方向的意义完全不同：$(\Leftarrow)$ 收敛 $\Rightarrow$ Cauchy 在任何有序域都成立（$\epsilon/2$ + 三角不等式）；$(\Rightarrow)$ Cauchy $\Rightarrow$ 收敛才是完备性，它在 $\mathbb{Q}$ 中为假（$\sqrt2$ 的十进制截断是 $\mathbb{Q}$ 中的 Cauchy 序列但不收敛于 $\mathbb{Q}$ 中任何数）。完备性 $\iff$ LUB 性质 $\iff$ BW，三者在有序域中等价。
3. “Cauchy 收敛”的经典三件套：有界（Theorem 110）+ 子列收敛（BW, Lecture 9）+ Cauchy 控制余项（Theorem 111）$\Rightarrow$ 收敛。其中唯一的”卡壳点”是 $n_k\ge k$——它保证子列的下标能推过 Cauchy 门槛 $M_1$。
4. 级数的降维原则（Definition 114）：$\sum x_n$ 收敛 $\iff$ 部分和序列 $\{s_m=\sum_{n=1}^{m}x_n\}$ 收敛；收敛时 $\sum x_n=\lim s_m$。级数的一切性质都是从序列搬过来的——线性性、起点无关性、Cauchy 判别法，无一例外。

5. Cauchy 判别法（Theorem 122）——本讲最有用的输出：

   \(\sum x_n\ \text{收敛}\iff\forall\epsilon>0\ \exists M\ \text{s.t.}\ \forall m\ge M,\ \ell>m,\ \left\vert \sum_{n=m+1}^{\ell}x_n\right\vert <\epsilon .\) 要点：$\ell$ 可以任意远（段落可以任意长）。 这是它比”$x_n\to0$”强得多的原因，也是 Lecture 11–12 所有判别法的母定理。

6. 几何级数（Theorem 117 + 124 + Corollary 125）——基准尺：

   \(\sum_{n=0}^{\infty}r^n=\frac{1}{1-r}\ (\vert r\vert <1);\qquad \sum_{n=0}^{\infty}r^n\ \text{发散}\ (\vert r\vert \ge1).\) 证明靠部分和闭式 $\frac{1-r^{m+1}}{1-r}$（错位相减/归纳法）+ $\vert r\vert ^{m+1}\to0$。

7. 必要条件与它的失效（Theorem 123 + 调和级数）：$\sum x_n$ 收敛 $\Rightarrow x_n\to0$，但反之不真。教科书级反例是调和级数 $\sum\frac1n$：由分组估计 $S_{2^n}\ge1+\frac n2$ 可见 $\{S_N\}$ 无界，故发散；而 $x_n=\frac1n\to0$。“项趋于零”只控制长度 1 的段落，Cauchy 判别法控制所有长度的段落。

常见误区与注意事项

误区 1：把 Cauchy 定义写成”$n\ge M$ 且 $m$ 固定”。

• 错误做法：写”$\forall\epsilon>0\exists M\forall n\ge M,\ \vert x_n-x_M\vert <\epsilon$”，然后用它证明收敛。
• 为什么错：这只是说”从第 $M$ 项起所有项都在 $x_M$ 附近”，它不能推出 $\vert x_n-x_k\vert <\epsilon$（对 $n,k\ge M$ 同时成立），因为 $x_M$ 本身的位置没有任何控制。更糟的是，这个弱条件连调和级数都满足不了——它对”序列有界且尾部集中”这类条件毫无约束力，却容易让人误以为证明了什么。
• 正确做法：永远写”$\forall n,k\ge M$”，两个下标都自由。（依据：Definition 106。）

误区 2：证明”非 Cauchy”时让 $\epsilon_0$ 依赖 $M$。

• 错误做法：写”对每个 $M$，取 $\epsilon_M=\frac{1}{M}$，存在 $n,k\ge M$ 使 $\vert x_n-x_k\vert \ge\frac1M$，故不是 Cauchy”。
• 为什么错：这正是收敛序列也满足的条件（尾巴直径本来就趋于 $0$）。Negation 108 要求 $\epsilon_0$ 是在 $M$ 之前就被选定并固定下来的常数。
• 正确做法：先写”取定 $\epsilon_0=\frac12$（或 $1$，或任何正数）”，然后”对任意 $M\in\mathbb{N}$，取 $n=2M,\ k=M$”，验证 $\vert x_n-x_k\vert \ge\frac12$ 对所有 $M$ 成立。$\epsilon_0$ 是 $\forall M$ 之外的量。（依据：Negation 108 的量词顺序。）

误区 3：认为”$x_n\to0$ $\Rightarrow$ $\sum x_n$ 收敛”。

• 错误做法：看到通项趋于零就宣布级数收敛。
• 为什么错：调和级数 $\sum\frac1n$ 是反例（本讲已给出两种完整证明）。更细的量化原因：$x_n\to0$ 只给出”长度 1 的段落很小”，而 Cauchy 判别法要求”长度 $M$ 的段落也小”。对调和级数，长度 $M$ 的段落（从 $M+1$ 到 $2M$）总和恒 $\ge\frac12$，起点推得再远也无济于事。
• 正确做法：$x_n\not\to0$ 可用来判发散（逆否，最省力的筛查）；$x_n\to0$ 时必须另找工具（Cauchy 判别法、比较判别法、比值/根值判别法）。

误区 4：把”有界”当成”收敛”或”Cauchy”。

• 错误做法：证明 $\{x_n\}$ 有界后就宣布它收敛（或宣布它是 Cauchy）。
• 为什么错：$x_n=(-1)^n$ 有界（界为 1）但既不是 Cauchy（Example 109：$\vert x_n-x_{n+1}\vert =2$）也不收敛（Lecture 7 Remark 80）。有界性只能保证”存在收敛子序列”（BW），不能保证”全序列收敛”。
• 正确做法：有界是通往收敛的中间站，必须再补一个条件：要么补”单调”（Lecture 7 单调有界定理），要么补”Cauchy”（Theorem 111）。本讲的 Theorem 110 + BW + Theorem 111 正是”有界 + Cauchy”的组合。

误区 5：忘记 $n_k\ge k$，导致 Theorem 111 的证明断在最后一米。

• 错误做法：在 Theorem 111 中写”取 $k\ge K$ 使 $\vert x_{n_k}-x\vert <\frac{\epsilon}{2}$，又 $x_n,x_{n_k}$ 都是序列的项且 $n$ 很大，故由 Cauchy 性 $\vert x_n-x_{n_k}\vert <\frac{\epsilon}{2}$”。
• 为什么错：”$n_{n_k}$ 很大”不是结论，需要证明。Cauchy 性控制的是”两个下标都 $\ge M_1$”的项对，而 $n_k$ 的下标是 $n_k$ 本身，不是 $k$。若 $n_k<M_1$，这个项对就不在 Cauchy 控制范围内。
• 正确做法：显式写出 $n_k\ge k$（对子序列的严格递增性用归纳法），然后取”原序列下标”为 $n_M$（或任何 $k$ 使 $n_k\ge M_1$）作为中介点，并验证 $n\ge M_1$ 与 $n_k\ge M_1$ 两条都满足。中介点必须同时满足”属于子列尾段”与”属于 Cauchy 尾段”。

误区 6：混淆”Cauchy $\Rightarrow$ 收敛”与”收敛 $\Rightarrow$ Cauchy”哪个需要完备性。

• 错误做法：说”Cauchy 完备性就是三角不等式”，或反过来把 $(\Leftarrow)$ 的证明说成”用到了 $\mathbb{R}$ 的完备性”。
• 为什么错：$(\Leftarrow)$（收敛 $\Rightarrow$ Cauchy）的证明只用了收敛定义 + 三角不等式，在 $\mathbb{Q}$ 中逐字成立；$(\Rightarrow)$（Cauchy $\Rightarrow$ 收敛）才用到 BW（其底层是 LUB）。把两者混为一谈，就完全丢掉了本讲的核心洞见——$\mathbb{R}$ 与 $\mathbb{Q}$ 的差别恰恰只在 $(\Rightarrow)$ 这一个方向。
• 正确做法：每次写 Theorem 112 时明确标出方向，并自问：”这一步在 $\mathbb{Q}$ 中还成立吗？”若答案是”是”，那这一步就没有用到完备性。

误区 7：级数起点/有限项的两件事混为一谈。

• 错误做法：由 Theorem 119 推出”去掉前 $100$ 项后级数的和不变”。
• 为什么错：Theorem 119 说的是收敛性不变，不是和不变。$\sum_{n=1}^\infty\frac{1}{n(n+1)}=1$，但 $\sum_{n=101}^\infty\frac{1}{n(n+1)}=\frac{1}{101}\approx0.0099\ne1$。
• 正确做法：记住两条口诀——“有限项不影响收敛性，但影响和”；“改变无穷多项的次序可以改变和”（Riemann 重排定理，本课程不展开，但值得知道它是有限和与无穷和的又一处分界）。

误区 8：几何级数只要 $\vert r\vert <1$ 就写 $\frac{1}{1-r}$，忘了 $\alpha$ 与起点。

• 错误做法：对 $\sum_{n=1}^\infty\left(\frac12\right)^n$ 直接写 $\frac{1}{1-\frac12}=2$。
• 为什么错：定理 117 的公式是从 $n=0$ 开始的：$\sum_{n=0}^\infty r^n=\frac{1}{1-r}$。从 $n=1$ 开始时要减去首项：$\sum_{n=1}^\infty r^n=\frac{1}{1-r}-1=\frac{r}{1-r}$。本例正确结果是 $\frac{1/2}{1-1/2}=1$。（验算：$\frac12+\frac14+\frac18+\dots=1$ ✅。几何直观也对：单位正方形的一半加一半的一半……正好填满。）
• 正确做法：写公式前先确认求和起点；带系数 $\alpha$ 时写成 $\sum_{n=0}^\infty\alpha r^n=\frac{\alpha}{1-r}$。

思考题（带答案）

Q1. 证明：序列 $x_n=\sum_{k=1}^{n}\frac1k$（调和级数的部分和）不是 Cauchy 序列。要求： （a）用 Negation 108 写出完整的证明（明确指出 $\epsilon_0$ 的取值）； （b）由此（配合本讲定理）说明 $\sum_{n=1}^\infty\frac1n$ 发散； （c）解释为什么”$\vert x_{n+1}-x_n\vert =\frac{1}{n+1}\to0$”这个事实不能推翻 (a) 的结论。

Q2. 判断对错并给出证明或反例： （a）若 $\{x_n\}$ 是 Cauchy 序列，则 $\{\vert x_n\vert \}$ 是 Cauchy 序列； （b）若 $\{\vert x_n\vert \}$ 是 Cauchy 序列，则 $\{x_n\}$ 是 Cauchy 序列； （c）若 $\{x_n\}$ 与 $\{y_n\}$ 都是 Cauchy 序列，则 $\{x_ny_n\}$ 是 Cauchy 序列。 （本题考察”Cauchy 与收敛的等价性”以及”用已证的定理替代重复的 $\epsilon$ 论证”这一技巧。）

Q3. （a）用本讲的 Cauchy 判别法（Theorem 122） 直接证明级数 $\sum_{n=1}^{\infty}\dfrac{1}{n(n+1)}$ 收敛（不要先求部分和闭式），并给出当 $\epsilon=0.01$ 时所需 $M$ 的具体数值。 （b）级数 $\sum_{n=0}^{\infty}\dfrac{2^n+3^n}{6^n}$ 是否收敛？若收敛，求其和（用本讲的几何级数与线性性）。

本讲小结：Cauchy 序列把”收敛”从一个需要外部答案的判据变成了一个只看自己尾巴的判据（Definition 106）；$\mathbb{R}$ 的完备性（Theorem 112）保证这两件事等价，而 $\mathbb{Q}$ 的 $\sqrt2$ 截断说明这个等价不是免费的。级数理论（Definition 114）把”无穷和”降维成”部分和序列”，于是 Cauchy 机器原封不动地变成 Cauchy 判别法（Theorem 122）——本讲最有用的输出，也是 Lecture 11–12 全部判别法的母定理；而几何级数（Theorem 117/124）则充当一切比较的基准尺。最后请牢记那条最容易忘的界线：$x_n\to0$ 只是必要条件，调和级数 $\sum\frac1n$ 就是它的墓碑。