每个月都要付钱，怎样区分总账与能量账？#

如果第 $n$ 个月付款 $1/n$ 元，每月金额确实越来越小，但总支出 $\sum1/n$ 仍会发散。若第 $n$ 个月付款 $1/n^2$ 元，总账就有限。

同一串 $1/n$，若代表互相独立信号通道的振幅，总能量通常按平方相加，成为 $\sum1/n^2$，反而有限。你不能把“振幅总和”和“能量总和”混成一种预算。

$\ell^1$ 与 $\ell^2$ 正是在规定这两种不同的入场条件：前者要求绝对总和有限，后者要求平方总和有限。下文会算清楚为什么换了入场条件，能容纳的数列就不同。

固定总能量后，逐项乘积为什么不会失控#

两个信号 $x,y$ 的相关读数是 $\sum x_n\overline{y_n}$。如果这个和可以无限大，相关性就无法稳定测量。Cauchy–Schwarz 给出 $|\sum x_n\overline{y_n}|\le\|x\|_2\|y\|_2$：输入能量受控，读数就受控。

Hölder 把“平方预算”推广成互相匹配的两种预算。例如 $p=3,q=3/2$，它们满足 $1/p+1/q=1$。这不是随意配对，而是恰好让归一化乘积的累积可被两边的幂次预算控制。

截断信号为什么在有限 p 下可以逼近#

只保留前 $N$ 个通道，遗漏误差为

原来整串非负级数有有限和，尾巴自然趋零。这个证明给出的不只是“能近似”，还告诉你需要检查多少尾部能量。

例如 $x_n=1/n$，二范数尾部平方满足 $\sum_{n>N}1/n^2\le\int_N^\infty t^{-2}dt=1/N$，故二范数误差至多为 $1/\sqrt N$。想保证误差小于 0.01，粗略充分条件是 $N>10000$。截断近似的成本可以直接估计。

最大范数下，为什么一条长尾可能永远甩不掉#

常数列 $(1,1,1,\ldots)$ 的前 $N$ 项截断以后，后面还有无限多个 1，所以最大误差始终为 1。有限支撑近似根本达不到它。

如果原序列趋零，则最大遗漏坐标会随 $N$ 趋零，因此截断又有效。这解释了为什么 $c_0$ 是 $c_{00}$ 在最大范数下的闭包，而整个 $\ell^\infty$ 不是。

同一个“只保留有限个坐标”的算法，在哪些输入上成功，是由误差标准和尾部条件共同决定的。

带你做：同样趋零的两条尾巴，预算为何不同#

数列 $x_n=1/\sqrt n$ 与 $y_n=1/n$ 都逐项趋零。平方后，前者得到 $1/n$，不可和；后者得到 $1/n^2$，可和。因此只有后者属于 $\ell^2$。

要判断 $z_n=n^{-\alpha}$ 属于哪些有限指数 $\ell^p$，把问题化成 $\sum n^{-\alpha p}$，条件是 $\alpha p>1$。例如 $\alpha=1/3$ 时需要 $p>3$，边界 $p=3$ 恰好是调和级数，不能算进去。

这类边界点是最常见的错误来源：严格大于与大于等于只差一个符号，包含的对象却不同。拿边界直接代回熟悉级数，比凭图形判断尾巴快慢稳妥。

至于 $\ell^\infty$，只要求坐标有界，不要求趋零、更不要求求和，所以又是另一种预算。把每个空间的入场条件写清楚，再开始比较包含关系。

回头整理：定义、工具与练习#