人为什么会思念?或许因为在我们的直觉里,时间是一条只向前延伸的路。一个人离开,一段关系结束,一个下午消失在许多年以前,它们便被留在身后,距离现在越来越远。
在这条直线上,告别天然带着永久性。
可数学曾经发现,时间未必只会把一切带走。在某些世界里,只要等待得足够久,一个系统就会重新回到它曾经到过的地方——即使不能与过去完全重合,也可以无限接近。
这就是庞加莱回归。
时间并不只负责告别
想象一个完全封闭的房间。房间里的粒子不断运动、碰撞,组成一个极其复杂的动力系统。
我们通常以为,粒子一旦散开,最初的排列就永远消失了。但庞加莱回归定理告诉我们:如果这个系统是封闭的,可活动的状态空间有限,而且演化过程中“状态的体积”没有被压缩或丢失,那么在足够漫长的时间以后,系统将再次无限接近它的初始状态。
不是因为时间倒流了,也不是因为粒子记得过去。
只是因为,一个不会丢失状态、却只能在有限空间中持续运动的系统,不可能永远只访问新的地方。
它终究会回来。
数学上为什么必然回来
设一个离散时间动力系统为
其中,\(X\) 是系统全部可能状态构成的空间,\(\mu\) 是衡量状态集合大小的测度,\(T:X\to X\) 表示系统经过一个时间单位后的演化。
系统保持测度,即对任意可测集合 \(E\),都有
同时,整个状态空间的测度有限:
现在选择一个具有正测度的区域 \(A\subset X\)。它可以代表系统曾经经历过的一类状态,例如“一次相遇”附近的所有可能状态。
庞加莱回归定理断言:对 \(A\) 中几乎所有状态 \(x\),都会有无穷多个正整数 \(n\),使得 \(T^n(x)\in A\)。
也就是说,系统不仅会回来一次,还会回来无穷多次。
证明并不复杂。
设 \(B\subset A\) 是那些离开 \(A\) 后永远不再回来的点:
考虑这些集合:
它们必然两两不相交。因为假如某个点同时属于 \(T^{-m}B\) 和 \(T^{-n}B\),且 \(n>m\),那么它经过 \(m\) 步以后已经进入 \(B\),又在 \(n-m\) 步以后重新进入了 \(B\subset A\)。这与 \(B\) 中的点“永远不再返回 \(A\)”的定义矛盾。
另一方面,由于系统保持测度,
如果 \(\mu(B)>0\),无穷多个彼此不相交、大小又完全相同的集合,就会全部包含在有限的状态空间 \(X\) 中。于是得到
这与 \(\mu(X)<\infty\) 矛盾。所以只能有
那些只返回有限次的点也只能组成一个零测集:一个点如果有最后一次返回,那么从那一次开始,它就落入了某个 \(T^{-m}B\);而可数个零测集的并仍是零测集。
因此,对 \(A\) 中几乎所有状态,返回都会发生无穷多次。
这就是回归的必然性。
把“重逢”写成一个数学命题
假设某次相遇发生时,世界的整体状态是 \(x_0\)。
这个状态不只包括两个人的位置,也包括当时的光线、空气、说过的话,以及两个人各自成为了怎样的人。
以 \(x_0\) 为中心,取一个半径为 \(\varepsilon\) 的邻域:
在通常的可分度量状态空间中,庞加莱回归可以进一步写成:对几乎每一个回归点 \(x_0\),存在一列不断趋向无穷的时刻 \(n_k\),满足
这意味着:无论我们对“重新相遇”的要求多么精细,系统都会在某些未来时刻重新进入那个状态的任意小邻域。
它未必逐字重复过去,却可以无限接近过去。
从这个意义上说,重逢并不一定是两个人在同一个车站再次认出彼此。它也可能是多年以后,在另一个城市、另一段音乐或者另一个人的眼睛里,我们突然重新遇见当年的自己。
庞加莱回归所保证的,不是故事情节的重复,而是状态对自身的重新接近。
思念不是召唤,而是为回归命名
当然,数学并没有证明现实中的每一对恋人都会再次见面。
庞加莱回归有严格的前提:系统必须具有有限测度,演化还必须保持测度。它说的是“几乎处处”,不是毫无例外;它保证的是无限接近,也不是每一个粒子都精确回到原位。更重要的是,回归时间可能长得超过宇宙现有的年龄。
因此,“任何思念都必将重逢”并不是庞加莱回归定理的字面结论,而是它的人文译文。
数学真正允许我们说的是:
在一个有限、封闭且保测度的世界里,几乎每一次曾经发生过的相遇,都会在足够长的时间后,以任意精度重新接近自身。
思念并不会迫使世界回来。
它只是在人类的意识中,为某一片状态空间保留了名字。世界再次经过那里时,我们因此能够认出:原来这就是我一直等待的地方。
或许所谓重逢,也并不是时间把失去的东西原样归还。
而是在漫长的演化以后,世界终于再次靠近那个坐标;此时的我们虽然已经改变,却仍能从细微的相似之中认出它。
所以,只要时间足够长,只要那个世界仍然封闭地运行,只要我们愿意把“重逢”理解为无限接近而非绝对重复——
那么任何真正发生过的相遇,都没有彻底消失。
任何思念,也都正在时间深处,等待它的回归。
跳到正文

