相加的順序為何要緊：絕對收斂、條件收斂與黎曼重排定理

當「相加的順序」可以改變總和：條件收斂的危險與美

你或許還記得入門篇裡的那條交錯級數：

$$ 1 - \frac{1}{2} + \frac{1}{3} - \frac{1}{4} + \frac{1}{5} - \cdots = \ln 2 . $$

它收斂，答案是 $\ln 2 \approx 0.693$。看起來乾淨俐落。但這裡藏著一個會讓初學者震驚的事實：只要重新排列這些項的先後順序，你可以讓它收斂到任何你想要的實數——$0$、$100$、甚至是 $-\pi$，或乾脆讓它發散到無窮大。加法不是有交換律嗎？$a+b=b+a$ 不是國中就學過了嗎？

答案是：對「有限多項」相加，交換律永遠成立；但對「無窮多項」相加，交換律可能徹底失效。這個分水嶺的名字叫絕對收斂（absolute convergence）與條件收斂（conditional convergence）。入門篇告訴你級數「會不會收斂」，這篇要談的是收斂得「夠不夠穩固」——以及當它不夠穩固時，分析學如何把這份脆弱轉化為一條精確的定理。

絕對收斂與條件收斂：兩種「收斂」的本質差異

我們先把語言定義清楚。給定一個級數 $\sum_{n=1}^{\infty} a_n$：

• 若 $\sum_{n=1}^{\infty} |a_n|$ 收斂，稱原級數絕對收斂。
• 若 $\sum a_n$ 收斂，但 $\sum |a_n|$ 發散，稱原級數條件收斂。

兩者的關係是單向的：絕對收斂 $\Rightarrow$ 收斂，反之不然。前述的交錯調和級數正是反例的典範——它本身收斂到 $\ln 2$，但取絕對值後變成調和級數

$$ \sum_{n=1}^{\infty} \frac{1}{n} = 1 + \frac{1}{2} + \frac{1}{3} + \cdots = +\infty , $$

赫赫有名地發散。所以交錯調和級數是「條件收斂」的代表。

為什麼這個區別如此關鍵？直觀地說，絕對收斂的級數是「真的把東西加起來」——正項與負項各自的總量都有限，誰先誰後無所謂，總和早就被牢牢釘死。而條件收斂靠的是正負項之間的微妙抵消：它的正項部分 $\sum a_n^{+}$ 與負項部分 $\sum a_n^{-}$ 各自都發散到無窮，只是兩股無窮大「以剛好的節奏互相消去」才湊出一個有限答案。一旦你打亂節奏，平衡就崩了。

我們把這個直觀寫成嚴格的工具。對任意實數 $x$，定義其正部與負部：

$$ x^{+} = \max(x, 0), \qquad x^{-} = \max(-x, 0), $$

於是 $x = x^{+} - x^{-}$ 且 $|x| = x^{+} + x^{-}$。對交錯調和級數，正項就是 $1, \tfrac13, \tfrac15, \dots$（奇數倒數），負項是 $\tfrac12, \tfrac14, \dots$（偶數倒數）。兩者都是發散的子級數：

$$ \sum_{k=0}^{\infty} \frac{1}{2k+1} = +\infty, \qquad \sum_{k=1}^{\infty} \frac{1}{2k} = +\infty . $$

正是「無窮減無窮」這個不定形，給了重排自由發揮的空間。

黎曼重排定理：把混亂變成定理

德國數學家黎曼（Bernhard Riemann）在 1850 年代把上述直覺鍛造成一條精準得驚人的定理：

黎曼重排定理（Riemann Rearrangement Theorem）：若實數級數 $\sum a_n$ 條件收斂，則對任意目標值 $S \in \mathbb{R} \cup \{+\infty, -\infty\}$，都存在一個重排（即一個雙射 $\sigma: \mathbb{N} \to \mathbb{N}$）使得 $\sum_{n} a_{\sigma(n)} = S$。甚至可以讓重排後的部分和發散且不趨於任何極限（在 $-\infty$ 與 $+\infty$ 之間無限振盪）。

證明的構造其實非常具體，這正是它優美之處。假設我們要湊出目標 $S$（先設 $S > 0$）：

1. 從正項池中依序取項相加，直到部分和首次超過 $S$ 為止。因為正項總和發散，這一定辦得到。
2. 接著從負項池中依序取項相加，直到部分和首次低於 $S$ 為止。因為負項總和也發散，這也辦得到。
3. 回到步驟 1，再從正項池取剩下的項加到超過 $S$；再回步驟 2……如此交替。

每一次「跨越」$S$ 時，超出的幅度不會超過你剛加進去的那一項的大小。而條件收斂有一個必要條件：$a_n \to 0$（否則連原級數都不會收斂）。所以隨著我們愈取愈後面，每次跨越的「超出量」 $\to 0$，部分和就被逼著夾向 $S$。這是一個典型的「貪婪夾擠」論證，簡單卻滴水不漏。

這條定理的哲學衝擊很大：它說明「無窮級數的和」不是一個只由集合 $\{a_n\}$ 決定的量，而是依賴於排列順序的量。我們平時敢自由交換加法順序，背後其實默默假設了絕對收斂。

看一個例子：把 $\ln 2$ 重排成 $\tfrac{3}{2}\ln 2$

抽象定理之外，有一個漂亮的封閉解例子。考慮把交錯調和級數重排成「兩個正項配一個負項」的固定模式：

$$ 1 + \frac{1}{3} - \frac{1}{2} + \frac{1}{5} + \frac{1}{7} - \frac{1}{4} + \frac{1}{9} + \frac{1}{11} - \frac{1}{6} + \cdots $$

也就是每次取兩個奇數倒數、再減一個偶數倒數。我們來算它收斂到多少。

設原交錯調和級數的部分和為 $A_n$，已知 $A_n \to \ln 2$。重排後每三項一組，第 $k$ 組是

$$ \frac{1}{4k-3} + \frac{1}{4k-1} - \frac{1}{2k}. $$

令重排後到第 $3k$ 項的部分和為 $S_{3k}$。一個經典技巧是把它和原級數的部分和對齊。利用調和數 $H_m = \sum_{j=1}^{m} \frac1j$ 與恆等式

$$ \sum_{j=1}^{2m} \frac{(-1)^{j+1}}{j} = H_{2m} - H_{m}, $$

可以推導出（把奇數倒數寫成 $H_{4k} - \tfrac12 H_{2k}$ 的組合，偶數倒數寫成 $\tfrac12 H_{2k}$）：

$$ S_{3k} = H_{4k} - \frac{1}{2}H_{2k} - \frac{1}{2}H_{2k} = H_{4k} - H_{2k} - \frac{1}{2}H_{2k} + \frac{1}{2}H_{2k}. $$

整理後可得簡潔形式

$$ S_{3k} = \left( H_{4k} - \tfrac{1}{2}H_{2k} \right) - \tfrac{1}{2}H_{2k}. $$

用漸近展開 $H_m = \ln m + \gamma + o(1)$（其中 $\gamma$ 是 Euler–Mascheroni 常數）代入：

$$ S_{3k} \approx \big(\ln 4k - \tfrac12 \ln 2k\big) - \tfrac12 \ln 2k + (\text{常數項相消}). $$

$\gamma$ 在加減中恰好抵消，剩下對數項：

$$ \lim_{k\to\infty} S_{3k} = \ln 4 - \ln 2k^{?}\ \longrightarrow\ \frac{3}{2}\ln 2 . $$

更乾淨的算法是直接套用一般結論：把交錯調和級數重排成「$p$ 個正項配 $q$ 個負項」的循環模式，其和為

$$ \boxed{\,\ln 2 + \frac{1}{2}\ln\frac{p}{q}\,}. $$

代入 $p=2, q=1$：

$$ \ln 2 + \frac{1}{2}\ln 2 = \frac{3}{2}\ln 2 \approx 1.0397. $$

同一堆數字、同一個 $\ln 2$，僅僅換了排隊方式，總和就從 $0.693$ 變成 $1.040$。你可以親手在試算表或 Python 裡驗證這個模式——它收斂得很快，幾千項就能逼近 $\tfrac32\ln 2$ 到小數第三位。

為什麼絕對收斂能「免疫」於重排

對照之下，絕對收斂級數對任何重排都不動如山，這也有乾淨的證明骨架。設 $\sum |a_n| = M < \infty$，且 $\sigma$ 是任意重排。我們要證 $\sum a_{\sigma(n)}$ 收斂且和原級數相同。

關鍵觀察：絕對收斂級數的「尾巴可以任意小」。對任意 $\varepsilon > 0$，存在 $N$ 使得 $\sum_{n > N} |a_n| < \varepsilon$。現在選一個夠大的 $K$，使得 $\{1, 2, \dots, N\} \subseteq \{\sigma(1), \dots, \sigma(K)\}$（因為 $\sigma$ 是雙射，前 $N$ 個指標一定會在某個有限步數內全被走到）。那麼當 $m \ge K$ 時，重排部分和與原部分和的差，只牽涉到指標大於 $N$ 的項：

$$ \left| \sum_{n=1}^{m} a_{\sigma(n)} - \sum_{n=1}^{N} a_n \right| \le \sum_{n > N} |a_n| < \varepsilon . $$

兩個部分和都被同一個尾巴控制住，於是它們有相同的極限。這個論證完全依賴 $\sum|a_n|$ 有限——尾巴可控正是絕對收斂的特權，條件收斂沒有這個保護傘。

值得一提的是，這個性質可以推廣到更高維與更抽象的空間。在 $\mathbb{R}^d$ 中，Lévy–Steinitz 定理告訴我們：一個（向量）級數所有重排可能收斂到的值，構成一個仿射子空間（affine subspace）。在 $d=1$ 時這個仿射子空間若非單點（絕對收斂）就是整條實數線（條件收斂，正呼應黎曼）；在高維時則可能是一條線、一個平面等等，結構遠比一維豐富。

收斂得多快？絕對收斂內部也分等級

就算確定了絕對收斂，工程與計算上還想問：收斂速度多快？這決定了你要加幾項才能達到所需精度。比較兩個都絕對收斂的級數：

$$ \sum_{n=1}^{\infty} \frac{1}{n^2} = \frac{\pi^2}{6}, \qquad \sum_{n=0}^{\infty} \frac{1}{n!} = e . $$

前者的尾巴約為 $\sum_{n>N} n^{-2} \approx 1/N$，要算到誤差 $10^{-6}$ 得加上百萬項；後者因為階乘成長，尾巴 $\sum_{n>N} 1/n! < 1/N!$，加 $10$ 項誤差就遠小於 $10^{-6}$。前者是多項式（代數）收斂，後者是超指數收斂。這也是為什麼數值計算偏愛能展成快速收斂級數的表示式。

動手試試：用根值判別法量化「絕對收斂的強度」

入門篇大概提過比值判別法（ratio test）。這裡介紹更強的根值判別法（root test），並用它看出收斂的「指數速率」。對 $\sum a_n$，定義

$$ L = \limsup_{n \to \infty} \sqrt[n]{|a_n|}. $$

若 $L < 1$ 則絕對收斂，$L > 1$ 則發散，$L = 1$ 無法判定。$\limsup$（上極限）的使用是重點——它對「忽大忽小、不單調」的係數依然有效，這正是根值判別法比比值判別法強的地方。

試算 $\sum \dfrac{2^n}{3^n + n}$：

$$ \sqrt[n]{\frac{2^n}{3^n+n}} = \frac{2}{\sqrt[n]{3^n+n}} \xrightarrow{n\to\infty} \frac{2}{3} < 1, $$

所以絕對收斂，且 $L = 2/3$ 直接告訴你尾巴大致以 $(2/3)^n$ 的幾何速率衰減——這比 $\sum 1/n^2$ 快得多。你可以挑幾個級數（例如 $\sum n^{10}/2^n$、$\sum n!/n^n$）算它們的 $L$，體會「$L$ 離 $1$ 多遠」如何對應「收斂多快」。順帶一提，$\sum n!/n^n$ 用根值判別法配合 $\sqrt[n]{n!} \sim n/e$，可得 $L = 1/e < 1$，這也是 Stirling 公式的小應用。

重點回顧

• 絕對收斂 vs 條件收斂：前者是 $\sum|a_n|$ 也收斂，後者是 $\sum a_n$ 收斂但 $\sum|a_n|$ 發散；絕對收斂蘊含收斂，反之不成立。
• 條件收斂的脆弱來自其正項與負項子級數各自發散，靠精密抵消才得到有限和；這份「無窮減無窮」給了重排可乘之機。
• 黎曼重排定理：條件收斂級數可被重排成收斂到任意實數、或發散、或無極限振盪——加法交換律對無窮和會失效。
• 絕對收斂免疫於重排，因為其尾巴可控（$\sum_{n>N}|a_n|$ 可任意小），任何重排的部分和都被同一條尾巴夾住。
• 收斂速度有等級：代數收斂（如 $\sum 1/n^2$）遠慢於指數／超指數收斂（如 $\sum 1/n!$）；根值判別法的 $L = \limsup\sqrt[n]{|a_n|}$ 能量化這個速率。

深入探討（研究所視角）

把這套直覺放進泛函分析（functional analysis）的框架，會看到更深的結構。

無條件收斂與絕對收斂的分裂。 在抽象的賦範空間（normed space）裡，「重排不變」這件事被獨立命名為無條件收斂（unconditional convergence）：對所有重排都收斂（且自動收斂到同一值）。在有限維空間 $\mathbb{R}^d$ 中，無條件收斂與絕對收斂等價——這正是上面那些初等證明的依據。但在無窮維 Banach 空間，兩者分道揚鑣：存在無條件收斂卻不絕對收斂的級數。最乾淨的例子在希爾伯特空間 $\ell^2$ 中，取標準正交基 $\{e_n\}$ 與係數 $a_n = 1/n$，級數 $\sum \frac{1}{n} e_n$ 無條件收斂（因為 $\sum 1/n^2 < \infty$ 保證 $\ell^2$ 範數的部分和是 Cauchy 列，且與順序無關），但 $\sum \|\frac{1}{n}e_n\| = \sum 1/n = \infty$ 並不絕對收斂。這個落差由 Dvoretzky–Rogers 定理精確刻畫：一個 Banach 空間中「無條件收斂 $=$ 絕對收斂」當且僅當該空間是有限維。換言之，黎曼在一維看到的二分法，在無窮維被細緻地拉開成一道光譜。

測度論的視角。 從 Lebesgue 積分的角度，絕對收斂正是級數版本的「可積性」。把 $\sum a_n$ 看成在計數測度（counting measure）下對 $\mathbb{N}$ 的積分，則 $\sum |a_n| < \infty$ 恰是 $L^1(\mathbb{N})$ 的條件，而 $L^1$ 函數的積分本就與「求和順序」無關（這由 Fubini–Tonelli 與控制收斂定理保證）。於是「絕對收斂才能隨意交換順序」並非巧合，而是測度論中「絕對可積才能交換積分次序」的離散身影。條件收斂級數則對應到「Riemann 可積但非 Lebesgue 可積」那類反常積分的離散類比，例如 $\int_0^\infty \frac{\sin x}{x}\,dx = \frac{\pi}{2}$ 收斂，但 $\int_0^\infty \frac{|\sin x|}{x}\,dx = \infty$——這是連續版的條件收斂。

Cauchy 乘積與 Mertens 定理。 重排只是「無窮和對結構操作敏感」的一例。另一個是兩級數相乘：$\left(\sum a_n\right)\left(\sum b_n\right)$ 的 Cauchy 乘積 $\sum c_n$（其中 $c_n = \sum_{k=0}^n a_k b_{n-k}$）未必收斂到兩者乘積。Mertens 定理保證：只要其中一個級數絕對收斂、另一個收斂，Cauchy 乘積就收斂到正確的乘積值。若兩者都只是條件收斂，乘積可能發散——最著名的反例是 $a_n = b_n = \frac{(-1)^n}{\sqrt{n+1}}$，兩者皆條件收斂，但其 Cauchy 乘積的通項不趨於 $0$，因而發散。這再次印證：絕對收斂是讓「無窮運算與有限運算行為一致」的那道安全閥。

延伸閱讀的方向。 若你想再往前走，可循三條路徑：(1) 條件收斂與Abel 求和、Cesàro 求和等「可和性方法」（summability methods）的關係——它們試圖為發散或對順序敏感的級數賦予一致的「廣義和」；(2) Schauder 基理論，研究 Banach 空間中哪些級數展開享有無條件性；(3) Lévy–Steinitz 定理在 $\mathbb{R}^d$ 與其在無窮維的失效，這牽涉到所謂「重排收斂集合」的拓撲結構。這些都把今天這篇「相加順序為何重要」的問題，推進到現代分析學的核心地帶。