学中，函数列一致收敛性的判别依赖四个经典工具：柯西准则、魏尔斯特拉斯M判别法、狄利克雷判别法、阿贝尔判别法。”
他一边说，一边用激光笔在幕布上圈出四个判别法的名称。
“这四种判别法在教材里被并列讲授，但它们的逻辑关系并不清晰。我相信很多同学做完习题之后会有一种感觉，这四个工具看起来像是一家人，但找不到族谱证明。”
台下有几个人轻轻笑了一声，对这种描述感觉还挺有意思的。
讲台上，韩川继续往下讲解：“而这篇论文回答的就是这样一个问题：能不能找到一个统一的、更基础的框架，把四个判别法串成一条逻辑链条？”
“我把它叫做控制列框架。”
PPT翻到第三页，上面是一行加粗的定义，下面紧跟着定理陈述和推导步骤。
韩川侧过身，开始一点点的讲述他从控制列的定义到M判别法退化推导的全过程。
起初，他的声音还带着一丝微不可察的紧张，但讲到第二个定理的时候，那种紧张就彻底消失了。
因为对他来说那些东西就在的脑子里。
每一条定理的推导路径，每一个引理的引用来源，他全部知道，全部亲手推过，全都了如指掌。
他只需要将它们从脑子里搬出来，就足够了。
一页有一页的PPT翻过，很快，第一部分完成。
翻过PPT的第一段，韩川接着道：“接下来是狄利克雷判别法的统一构造。”
他拾起讲台上的粉笔，转身在黑板上画了一条逐渐逼近极值点的曲线，随即转身看向教室中的其他人，开口问道。
“这里有一个关键的难点：狄利克雷判别法处理的是‘部分和有界且乘子单调递减’的情形。”
“这两种性质看起来很不一样，怎么把它们同时装进一个控制函数里？”
“有没有人知道？”
说完，他的目光就像是老师上课提问一样，下意识的扫视了一圈教室。
坐在第三排的一个研究生举起手，试探性地开口道：“可以用放缩？”
韩川看了他一眼，没有直接回答，转而笑着看向其他人：“还有吗？”
教室中鸦雀无声，有人紧盯着韩川在黑板上画的曲线，也有人看着他。
等待了一会也没收获第二个回答后，韩川轻轻的摇了摇头，开口解释道：“放缩是最容易想到的办法，但也是最行不通的办法。”
…。。