级数绝对收敛

绝对收敛的本质是用一个不含符号信息的"总质量"控制级数：$\sum |a_n|<\mathrm{\infty }$ 说明即便把所有项都当成正的，总量也有限，于是无论各项符号如何搭配、次序如何排列，尾部贡献都被同一个收敛的正项级数压住。与之相对，条件收敛的级数靠正负项之间精细的相互抵消才勉强收敛，这种抵消对求和顺序极其敏感。一个有用的图像是把级数看成数轴上一连串向左向右的位移：绝对收敛意味着总路程有限，无论按什么次序走都不会失控；条件收敛只保证按原定次序走完后净位移存在，路程本身是无限的。

绝对收敛先忽略每项符号或方向，要求总“质量” $\sum |a_n|$ 有限。这个更强条件阻止正负项靠精细抵消维持收敛，因此允许安全重排与分组。普通条件收敛只控制部分和的最终抵消，对次序非常敏感。

几何级数 $\sum _{n=0}^{\mathrm{\infty }}(-1/2{)}^n$ 绝对收敛：绝对值级数 $\sum _{n=0}^{\mathrm{\infty }}(1/2{)}^n=2$ 有限，而原级数的和为 $\frac{1}{1-(-1/2)}=2/3$。相比之下，交错调和级数 $\sum _{n=1}^{\mathrm{\infty }}(-1{)}^{n+1}/n$ 由 Leibniz 判别法收敛（和为 $\ln 2$），但其绝对值级数是发散的调和级数，故它只是条件收敛。

两类级数在重排下的表现截然不同。Riemann 重排定理断言：条件收敛的实级数经适当重排可以收敛到任意事先指定的实数，也可以重排到发散；而绝对收敛级数的任何重排都收敛，且和不变。因此把无穷和当作有限和那样随意交换次序，只有在绝对收敛时才是合法操作。

在一般赋范空间中把绝对值换成范数，就得到 $\sum _n\Vert x_n\Vert <\mathrm{\infty }$ 意义下的绝对收敛。此时"绝对收敛蕴含收敛"不再免费成立——事实上这一蕴含恰好刻画完备性：赋范空间是 Banach 空间公理库Banach 空间Banach space关于范数诱导度量完备的赋范向量空间。当且仅当其中每个绝对收敛级数都收敛。在不完备空间里，部分和仍是 Cauchy 列，但极限可能落在完备化之外。

复数方向不断旋转时，绝对收敛仍只看步长。对固定 $\theta$，

绝对收敛，因为每项模长为 $1/n^2$；因此可以任意重排、按实部虚部分组，和都不变。若 $\theta \notin 2\pi \mathbb{Z}$，级数

由 Dirichlet 判别法收敛，但模长级数是调和级数，故只条件收敛。这里的收敛依赖方向相消，不能据此交换任意求和次序。

绝对收敛是各种"无穷和当有限和用"的通行证：任意重排、任意加括号分组都不改变精确和；两个级数的 Cauchy 乘积在至少一个绝对收敛、另一个收敛时收敛到两和之积。

这个结论属于实数或复数的精确极限，不能消除有限精度部分和的顺序误差；浮点求和公理库浮点求和：顺序、成对与补偿Floating-point summation · Compensated summation比较顺序、成对和补偿求和的误差传播，并区分准确性、可复现性与并行代价。需另行选择成对、补偿或可复现归约策略。把积分替换为有限加权和则进入数值求积规则公理库数值求积问题与求积公式Quadrature rule · Numerical integration将有限次函数采样组织为积分近似，并用代数精度、误差泛函和函数访问模型刻画规则能力。，其离散误差也不由级数绝对收敛自动控制。

函数项级数方面，Weierstrass M 判别法公理库Weierstrass M 判别法Weierstrass M-test若函数项被一个收敛数项级数逐项一致控制，则函数级数绝对且一致收敛。用一个绝对收敛的数值级数一举给出一致收敛；幂级数公理库解析幂级数Power series · Analytic power series在实数或复数中按收敛半径定义函数的幂级数。在收敛圆盘内部总是绝对收敛，这是逐项求导、逐项积分合法性的根源。在概率与测度论中，交换求和与期望公理库期望Expectation · Expected value实值或复值随机变量关于概率测度的 Lebesgue 积分，概括加权平均与总体质量平衡。的次序、二重级数换序（Fubini 定理公理库Fubini 定理Fubini's theorem在适当可积条件下，多重积分等于任意次序的迭代积分。的离散情形），标准假设同样是绝对收敛。

Cauchy 判据可由尾项绝对值和控制，Banach 空间中 $\sum \Vert x_n\Vert <\mathrm{\infty }$ 保证级数收敛。绝对收敛支撑乘积级数、积分与求和交换、Fourier 系数估计和概率中的期望绝对可积性。