柯尔莫哥洛夫 · 为偶然立法

先算一件笨事。掷一百次硬币，正面恰好出现五十次的概率是多少。按定义，它等于「五十正五十反的排法数」除以「所有排法数」。排法数一共有 2 的 100 次方，约 1.27×10³⁰；五十正的排法数是组合数 C(100,50)，约 1.01×10²⁹。两数相除，得 0.0795892。

这个数有捷径可算。一百次的方差是 100×0.25＝25，标准差是 5。把结果画成柱状图，中间那根柱子的高度近似为 1/(√(2π)·5)，即 0.0797885。与精确值 0.0795892 相比，只差 0.25%——一个开方式加上两个常数，就把一个三十位的除法算到了千分之二五。

再看整排柱子。取几个位置对照：四十四次正，精确 0.0389526，近似 0.0388372，比 1.003；四十七次正，精确 0.0665905，近似 0.0666449，比 0.999；五十次正，比 0.998；六十次正，精确 0.0108439，近似 0.0107982，比 1.004。四处的偏差都在千分之五以内，且不看位置，只在这个量级。

累计起来更准。问「正面次数落在四十五到五十五之间」的概率。精确值要加十一个组合数，得 0.728747。用钟形曲线底下的面积算，得 0.728668——差 0.01%。但有一个讲究：算面积时把区间端点各向外挪半格（这一手叫连续性修正），不挪则得 0.682689，差 6%。半格之差，是离散与连续的分界线。

三条事实摆在一起。第一，柱子越高越靠中间，两端极低，形状由两个数定：中心与宽度。第二，次数越多，柱子越细越密，但按「标准差」缩放之后，形状不变。第三，缩放后形状的极限，就是那条钟形曲线。前两条是算出来的，第三条要证明——它就是中心极限定理。

柱状图不好算。两个分布相加，要把一列柱子与另一列柱子逐格相乘再相加，次数一多就没法动笔。数学家想了个换场的办法：不看柱子，看一个函数。给每个分布配一个函数，记作 φ(t)，定义是「把 e 的 itX 次方取平均」。这个名字不必深究，只要知道它是把整个分布压成了一个式子。

拿一个能算的例子。在 −1 到 1 之间均匀取一个数，它的特征函数是 sin t 除以 t。取几个点：t＝0.5 时得 0.958851；t＝1 时得 0.841471；t＝2 时得 0.454649；t＝3 时得 0.047040。函数在 0 处等于 1，越往右越小，还带一点起伏——一个无穷多的分布，被这条曲线全权代表了。

换场之后，「相加」变成「相乘」。两个独立分布相加，特征函数直接相乘。于是「取 n 个独立的均匀数相加」，特征函数就是 sin t 除以 t 的 n 次方（先把自变量按标准差缩一缩）。这一步把一列组合数的加法，变成了一个式子的乘方。

乘方好算。取 n＝10，在 t＝1 处，那个十次方等于 0.603447。取 n＝50，得 0.605922；n＝200，得 0.606379。三个数一路往上贴，贴向 0.606531——这个数是 e 的 −1/2 次方，正是钟形曲线的特征函数在 t＝1 处的值。

1929 年，柯尔莫哥洛夫做的就是这一步的一般化。他不假定每一项长得一样，只假定它们各自足够小、加起来不发散，证明特征函数的乘积照样收敛到那个指数式。此前这条定理只在很窄的条件下成立，此后它成了概率论里最通用的一条：不管加的是什么，只要单样够小、样数够多，和就变成钟形。这是他为偶然配的第一把尺。

1931 年，他换了一类对象。此前算的是「一堆独立的数加起来」，可世上的事大多不独立：明天的天气取决于今天，今天取决于昨天。这类「一步接一步、每步只看上一眼」的过程，马尔可夫二十年前开过头，柯尔莫哥洛夫给它补上了分析的地基。

拿一个两状态的例子算。设某地天气只有晴与雨两态：晴天次日仍晴的概率 0.9，转雨 0.1；雨天次日转晴 0.2，仍雨 0.8。今天晴，写成（1，0）。走一步得（0.9，0.1）；两步得（0.83，0.17）；三步（0.781，0.219）；五步（0.722690，0.277310）；十步（0.676083，0.323917）。

数列往一个定值走。那个定值是三分之二与三分之一。核对一下：若长期晴的概率是 p，则 p＝0.9p＋0.2(1−p)，解出 p＝2/3。十步之后与它只差 0.009416，二十步差 0.00066，五十步差 10⁻⁸ 量级——不管今天晴还是雨，三十天后几乎一样。

收敛的快慢也有账算。把转移写成一张表，这张表有两个特征值：一个是 1（对应那个定值），一个是 0.7。偏差每步乘 0.7，十步乘 0.7 的 10 次方＝0.028248，正好是刚才那个 0.009416 与 1/3 的比值。一个数 0.7，管住了整条收敛曲线的速度——这就是「配一把尺」最干脆的样子：不必解整个过程，只需求出一个数。

这一步的技术意义在「时间可拆」。把从今天到后天的一步，拆成今天到明天、明天到后天两步，两步的表相乘，结果与一步到后天的表相同。这条「拆得开」的性质叫查普曼-柯尔莫哥洛夫方程，它是整门马尔可夫过程理论的地基。有了它，连续时间也能算：把时间切成无穷多小段，让表变成方程。

下一页，暗线第一笔：说不清的东西，先量出来。

立法先立三样东西。第一样，样本空间，记作 Ω：一次试验所有可能结果的集合。掷一枚骰子，Ω 就是一到六这六个数。第二样，事件族，记作 F：我们关心的那些「结果组」，要求它对取补、对可数并封闭。第三样，测度，记作 P：给每个事件配一个 0 到 1 之间的数。

测度要守三条。其一，每个事件的数不小于 0。其二，整个样本空间配的数是 1。其三，若有一列事件两两不重叠，那么它们合起来的数，等于各自数的和——这一条只管「可数」个，不管「不可数」个。三条之外，什么也不假定。

先在一枚骰子上验。六个单点的数各是 1/6。「掷出偶数」这个事件是三个单点合起来，三个 1/6 相加得 1/2。三条都守住了：非负、总和为 1、可数相加。整套古典概率的算法，不过是这三条在有限集上的展开。

再看连续的情形，麻烦在这里。在 0 到 1 这段区间上均匀取一个数，任何单独一点被取到的概率是 0——因为一段区间的长度是它包含的所有点各自长度之和，单点若有正长度，无穷多点加起来就超了。可是整段区间的概率是 1。于是出现一件怪事：无穷多个概率为 0 的事件合起来，概率成了 1。

「可数」这两个字就是为这件事设的。可数多个 0 相加，结果是 0，不与「整段为 1」冲突，因为「整个区间是那可数多个点的并」这句话本来就不成立——区间里的点不可数。若硬要求对不可数并也能相加，就得承认 1 等于不可数多个 0 之和，那是无意义的。所以公理只对可数并作保：这不是胆小，是把边界划在该划的地方。

三条一立，其余全是推论。补事件的概率是 1 减原事件的概率；一个事件包含另一个，概率就不小；两个事件并的概率等于两者之和减去交的概率。举个数：P(A)＝0.5、P(B)＝0.4、交为 0.2，则并为 0.7。三条要求，撑起一整座楼。

公理立好，第一个新对象是条件期望。掷两枚骰子，把两枚的点数相加，记作 X。它的平均值是 7——这个数人人会算。现在加一个条件：已知第一枚是奇数，平均值变成多少。

硬算一遍。第一枚是 1、3、5，第二枚仍是 1 到 6，一共 18 种情形，等可能。把 18 个和加起来：第一枚为 1 时和是 2 到 7，共 27；为 3 时是 4 到 9，共 39；为 5 时是 6 到 11，共 51。三段相加 117，除以 18，得 6.5。答案比 7 小了半格。

可是 6.5 只是「一个数」。真正的对象比它细：若已知第一枚的具体点数 a，平均值就是 a＋3.5——a 为 1、2、3、4、5、6 时，依次是 4.5、5.5、6.5、7.5、8.5、9.5。这六个数的平均又是 7。所以「条件期望」不是一个数，是一个随条件变化的量：条件知道得越多，它就越贴住 X 本身。

这个对象为什么重要，看一条性质。把条件期望再平均一次，回到原来的平均值：六个 4.5 到 9.5 平均是 7，与无条件平均相同。这一条「再平均不变」正是它的定义性质，写成 E[E[X|F]]＝E[X]。它把「部分信息下的最佳猜测」这件事，变成了一条可以验算的等式。

由此得出一条极硬的定理，叫零一律。有些事件只看「无穷远的将来」，前面有限步怎么改都不影响它——比如「正面出现的频率最终收敛到某个数」这一件。这类事件的概率只能是 0 或 1，没有中间值。理由不玄：它独立于自己的任何有限部分，于是只能等于自己的平方，解 p＝p² 得 0 或 1。

零一律的分量在它的口气。它不说「频率大概会收敛」，它说「频率不收敛的概率是 0」——一件事要么几乎必然发生，要么几乎必然不发生。这是公理化带来的第一种新语言：不谈可能性大小，只谈零与一。

立法之前，先看一条没立法的后果。1889 年，伯特兰问：在一个圆里随意取一条弦，它比内接等边三角形的边长更长的概率是多少。半径记作 R，内接等边三角形的边长是根号三倍的 R，约 1.732R。问题干净，答案却有三个。

第一种取法，随机两个端点。在圆周上独立均匀地取两点连成弦。弦长等于 2R 乘上「半个圆心角的正弦」。要它超过 1.732R，半个圆心角就得超过 60 度，整个圆心角超过 120 度。固定一点，另一点落在对面三分之一段圆弧上——概率是三分之一，0.3333。

第二种取法，随机一条半径上的点。先随机取一条半径的方向，再在这条半径上均匀取一点作弦的中点，弦与半径垂直。设中点离圆心距离为 d，半弦长是根号下（R 平方减 d 平方），弦长超过 1.732R 等价于 d 小于 R/2。而 d 在 0 到 R 之间均匀，故概率是二分之一，0.5。

第三种取法，随机中点。在圆面内均匀取一点作中点，弦垂直于连线。中点落在半径 R/2 的小圆内，弦就够长。面积比是半径比的平方，四分之一，0.25。

三个答案都对，这件事才是要害。三种取法各自都符合直觉，各自的算术都没有错，可它们给出三个不同的数：0.3333、0.5、0.25，比值为四比六比三。分歧不在计算，在「随意」这两个字——它没说清楚到底在哪个集合上均匀。而这正是公理要说的第三样东西：测度。

立法之后，问题变成两个。第一，把样本空间与测度写明：取的是端点还是中点，均匀铺在哪一处。第二，答案随之确定，且不再有争议。伯特兰悖论不是一条驳倒概率论的怪例，它是一张诊断书：含糊的「随机」不是一个数学对象，写明测度的「随机」才是。

先把要算的东西说清。湍流里的能量不是平均摊在大小各异的涡上的：大涡装得多，小涡装得少。把能量按「每单位波数」摊开，得到一条曲线，记作 E(k)，k 是波数——涡越小，波数越大。要问的只有一件：这条曲线长什么样。

再数手上有什么量。三样：E(k)，单位是立方米每秒平方；k，单位是每米；能量耗散率 ε，单位是每秒立方米的平方（即每千克每秒耗掉多少能量）。惯性区里，除了这三样，没有别的量掺进来——黏性还没起作用，容器大小还管不到。

于是形状只能是一个幂。设 E 等于一个常数乘上 ε 的 a 次方、k 的 b 次方。比量纲：右边是「米的 2a−b 次方」乘「秒的 −3a 次方」，左边是「米的三次方」乘「秒的 −2 次方」。两组各配平：2a−b＝3，−3a＝−2。

解出来是两个分数。由第二式得 a＝2/3；代回第一式得 b＝4/3−3＝−5/3。于是 E 等于常数乘 ε 的三分之二次方、再乘 k 的负三分之五次方。整个过程没有解一条方程，只做了两次减法。

把数代进去看形状。取 ε＝0.01、常数 1.5：k＝1 时 E＝0.0696238；k＝10 时 0.0015；k＝100 时 0.0000323165；k＝1000 时 0.000000696238。波数每涨十倍，能量降到四十六点四分之一——这个倍数就是十的三分之五次方。

在双对数纸上，它是一条直线。横轴取波数的对数，纵轴取能量的对数，k 乘十、E 除四十六点四，两个对数各自加一个固定量，于是点全落在一条斜率 −5/3 的直线上。八十年来的实验数据，画在这张纸上，多半真的贴着这条线，只在两端翘出去：左端是大涡，右端是黏性。

量纲只给了形状，没给理由。那条 −5/3 的线要站得住，还得说清楚：凭什么小尺度的统计只由 ε 与 k 决定，别的一概不管。这一步靠三个假设，三个都是关于「忘掉什么」的。

第一个假设：忘掉方向。雷诺数极大时，大涡带着方向——风吹的方向、管道的方向、叶片的转向。可这些方向信息在级联中一层层被搅碎，到很小的尺度上就分不清东南西北了。所以小尺度的涨落在统计上是各向同性的：不管从哪个方向看，长的都是一个样。

第二个假设：忘掉来历。小尺度的统计只由两个量决定：能量传下来的速率 ε，与黏性 ν。至于这团湍流是被风机搅出来的还是被桥墩撞出来的，到这个尺度已经无关。这一条叫第一相似假设，它把「一团具体的流」换成了「一类流」。

第三个假设：忘掉黏性。在远大于耗散尺度的范围内，黏性还不起作用，于是 ν 也可以丢掉，只剩 ε 与尺度 ℓ。这一段叫惯性子区——能量只是路过，不被耗掉。三个假设连起来，才把量纲推导的前提补齐。

换个写法，结论更硬。不看能谱，看两点速度差的平方平均，记作 S₂(ℓ)。按第三假设，它只依赖 ε 与 ℓ，量纲一配就得 S₂ 正比于 (εℓ) 的三分之二次方。取 ε＝0.01、比例常数 2：ℓ＝0.01 米得 0.00430887；0.1 米得 0.02；1 米得 0.0928318；10 米得 0.430887。

尺度每涨十倍，它涨四点六四倍。四点六四就是十的三分之二次方。这与能谱那条线是同一件事的两种写法：一条说能量怎么按波数摊开，一条说两点差多大。两个指数一为 −5/3、一为 2/3，加起来正好是 −1——这个加法不是巧合，是同一个假设的两种投影。

惯性区有多宽，得算出来。两级尺度各有一个公式：最大的尺度是流动本身的尺寸 L，最小的是黏性开始管事的地方，叫耗散尺度 η，等于 ν 的三次方除以 ε、再开四次方。取空气的黏性 0.000015，ε 取 0.01，得 η＝0.0007622 米，即零点七六毫米。

两级之间隔着三个数量级。若流动尺度是 1 米，则 1 除以 0.0007622 约 1312 倍。这一千多倍就是惯性区的宽度——能量从上往下传的路，要走三个数量级。这段路越长，−5/3 的直线在图上就越长，量起来越可信。

耗散率一变，尺度跟着变。ε＝0.001 时 η＝1.355 毫米；ε＝0.01 时 0.762 毫米；ε＝0.1 时 0.429 毫米。搅得越猛，最小的涡越小——因为能量传得快，黏性还来不及磨，就已经被推到更细的一级。这条关系是四次方根，所以 ε 涨一百倍，η 只缩到三分之一左右。

雷诺数管的是这条路的宽窄。雷诺数等于尺度乘速度除以黏性；取 1 米、1 米每秒、黏性 0.000015，得 66700。这个数越大，惯性区越宽。飞机机翼的雷诺数在千万量级，惯性区跨四五个数量级；一杯搅动的茶水只有几千，几乎看不出那条直线。

1962 年，他自己在这条线上敲了一记。把高阶的结构函数也拿来量：原来的假设说第 p 阶的指数就是 p/3，即 2/3、4/3、2。实测偏高：二阶仍是 0.6667，四阶成了 1.3194，六阶成了 1.9583。二阶不变、高阶被压低，这个偏差叫间歇性。

偏差的来由，是级联不均匀。能量不是平滑地往下漏，是一阵一阵地漏：有的地方耗得猛，有的地方几乎不耗。于是小尺度上的涨落在空间里忽稀忽密，像云不像雾。−5/3 的直线因此只在二阶意义上精确，越往高阶越要打折扣。这是他自己给自己那条律打的第一个补丁，也是湍流至今未闭的口。

先定一个量。给一串符号 x，记 K(x) 为「能打印出 x 的最短程序的长度」，单位取位。这个量说的是：要把这串东西交代清楚，最少得说多少话。它不看这串东西长什么样，只看它能不能被一句短话概括。

拿两串一百位的符号试。第一串是「零一」重复五十遍：0101……01。程序只需一句「重复输出零一五十次」，约二十位就写完了。于是 K 不超过二十上下——一百位的东西，二十位就交代完了，压缩比五比一。

第二串没有可压缩处。若这一百位是真随机取来的，那么除了把它逐位抄一遍，没有更短的交代办法。于是 K 约等于一百。一百位的东西要用一百位交代，压缩比一比一。这就是「压不下去」的字面意思。

还有第三类，最容易被忽略。圆周率的前一百位二进制，看上去极乱，可它其实极省：程序只需一句「算圆周率到一百位，取二进制」，几十位就够。看着乱与真的乱，是两件事。这一条区分是本册全篇的要害：眼见的乱不算数，压不下去才算。

这个量有一个技术上的讲究。它依赖「用哪种语言写程序」。换一种语言，长度会变，但只变一个常数——任何语言都能写一个翻译器去模拟另一种，翻译器本身的长度是固定的。所以 K 在「相差一个常数」的意义上是唯一的。尺的刻度单位可以换，读数只差一个零头，这正是它能当尺用的理由。

它也有一个立刻能用的推论。因为 K(x) 不超过「x 的长度加一个常数」（最笨的办法就是照抄），所以 K 永远有上界。要问的是它有多接近这个上界。贴住上界的，叫不可压缩；远低于上界的，叫有规律。一句话：复杂性就是「离照抄有多近」。

有了尺，就可以量一整批。问一个简单的问题：长度为二十位的符号串，一共有多少串。答案是二的二十次方，即 1048576 串。这个数不大，可以一个个想。

再问：其中有多少串能被短话交代。长度不超过十五位的程序，一共 2＋4＋8＋……＋32768，即 65534 个。每个程序最多打印一串，所以至多 65534 串的 K 不超过十五。剩下的 983042 串，K 必然大于十五——它们的描述比它们本身短不了多少。

比例算出来，结论有点刺人。983042 除以 1048576，得 93.75%。也就是说，随便取一串二十位的符号，它有九成四的概率压不下去。若把门槛提到十位，能压的至多 2046 串，压不下去的占 99.80%。随机不是少数派，随机是常态。

于是「随机」有了一个不看概率的定义。一个串是随机的，当且仅当它不可压缩：它的最短描述不比它本身短多少。这个定义不涉及任何分布、任何试验、任何频率——它只看这一串本身。此前「随机」只能说一个集合的性质，现在可以说单个对象的性质。

这个尺子撞上了一堵墙。K(x) 不可计算：没有一个程序能对任意输入 x 算出 K(x)。理由很短——若能算，就能解停机问题：把所有串按长度排队，逐个问「它的 K 是否超过某个数」，第一个答「是」的串，就被这句问话本身给出了一段更短的描述，矛盾。

撞墙的位置还能精确定位。蔡廷造了一个数，叫停机概率：随机喂一个程序给机器，它停下来的概率。这个数的定义干干净净，可它不可计算；更有甚者，它的二进制展开是不可压缩的——任何一段都压不下去。一个能被一句话定义的数，它的每一位都不可压缩。这句话本身，就是这把尺子最漂亮的战绩。

同年还有另一把尺，量的是「一团东西有多厚」。取一段线段，用半径 ε 的小球去盖它，最少要几个球，记作 N(ε)。这个数取对数，他叫它 ε-熵。名字里有熵，意思却极具体：要交代清楚这一团东西，最少要报几个坐标。

单位线段好算。ε 取 0.5，要 2 个球；取 0.1，要 10 个；取 0.01，要 100 个；取 0.001，要 1000 个。球越小，个数越多，且恰好与 ε 成反比。取以二为底的对数：1、3.322、6.644、9.966——每把精度提高十倍，多出 3.32 位。

换成正方形，倍数翻一番。边长为 1 的正方形，ε 取 0.5 要 4 个球；0.1 要 100 个；0.01 要 10000 个；0.001 要一百万个。对数依次是 2、6.644、13.288、19.932。与线段比，同一个精度下多出一倍——因为它是两维的。

倍数里藏着维数。把对数对「一除以 ε 的对数」作图，得到的是一条直线，斜率就是维数：线段斜率 1，正方形斜率 2。粗糙一点说，维数就是「精度提高十倍，要多报几位」的那个位数。这个说法对光滑图形与分形同样有效——分形的斜率不是整数，于是有了分数维。

这把尺补上了香农那把的缺口。香农的量对离散信源有效；对连续信号，一条曲线含无穷多信息，熵是无穷大，没法用。柯尔莫哥洛夫的动作是加一个精度：不问「这条曲线有多少信息」，问「精确到 ε 时它有多少信息」。答案有限，且随 ε 变小按对数增长。无穷被换成了一个随精度走的有限数。

两把尺其实是同一副。一把量单个对象的最短描述，一把量一整团的覆盖点数；前者对离散，后者对连续。两把都在做同一件事：把一个说不清的「多少」，换成可以数的「几个」。这就是他为偶然立法之后，做的第二件立法——为复杂立法。

先看一个老问题。太阳系大致是个可积系统：每颗行星绕着走，周期固定。若加一点扰动——木星拉一下地球——这些轨道还在不在。庞加莱与费米都猜：多半不在了。1954 年，柯尔莫哥洛夫给了相反的答案，且只对一部分轨道成立。

分界线在一个算术条件上。把轨道两个方向的频率之比记作 ω。若是有理数，轨道闭合成环，扰动一来极易扯断；若是无理数，轨道绕来绕去永不闭合，可能活下来。可「无理」还不够——要看它躲有理数躲得多远。

拿黄金比例试，它是最难逼近的数。它的连分数全是 1，收敛子是一串斐波那契比：1/1、1/2、2/3、3/5、5/8、8/13、21/34、55/89。这串分数从两边夹住 0.618033989，误差依次缩小：0.382、0.118、0.0486、0.0180、0.00697、0.00265、0.000387、0.0000565。

把误差乘上分母的平方，会得到一个惊喜。1/1 得 0.3820；1/2 乘 4 得 0.4721；2/3 乘 9 得 0.4377；8/13 乘 169 得 0.4477；21/34 乘 1156 得 0.4473；55/89 乘 7921 得 0.4473。

这个几乎不动的 0.4472，是一除以根号五。于是对黄金比例，逼近的质量恰好卡在一个常数上：误差约等于一除以根号五乘分母的平方。胡尔维茨 1891 年证明，这个常数对所有无理数都是上限。黄金比例把所有数里最难的逼近用到了极处。

KAM 定理的结论就落在这里。扰动展开时会出现一堆分母，它是「整数的组合减频率」这样的小量；分母越小，项越大，整串展开越容易崩，这叫小分母问题。而频率最难被有理数逼近的轨道，分母最难变小，于是最先被证明能活下来。三条定理出自三人：柯尔莫哥洛夫 1954 年给出思路，阿诺德 1963 年、莫泽 1962 年各自补足，合称 KAM。

另一条余绪更老，接的是拓扑。1936 年，柯尔莫哥洛夫与亚历山大各自独立发现了一样东西：同调群之外还有一层结构，叫上同调。同调数「有几个洞」，上同调数「绕洞能绕几圈」——绕法之间还能相乘，这一层乘法是同调没有的。

先把「数洞」这件事算清。把曲面剖成小三角形，数顶点 V、棱 E、面 F，算 V−E+F。正四面体 4−6+4＝2，正方体 8−12+6＝2，球面不管怎么剖都得 2。这个数叫欧拉示性数。

换个形状，数就变了。环面：取最小剖分，7 个顶点、21 条棱、14 个面，7−21+14＝0。克莱因瓶：0。射影平面：1。三个形状三个数，且与剖分方式无关——随便怎么切，同一个形状总得同一个数。这是拓扑学第一件让人吃惊的事。

这个数可拆成三份，每份叫一个贝蒂数。零维数「有几块」，一维数「能穿过的洞」，二维数「空腔」。球面 1、0、1；环面 1、2、1；克莱因瓶 1、1、0；射影平面 1、0、0。头一个减第二个加第三个，四例依次得 2、0、0、1，与数顶点棱面一致。

两套算法得同一个数，这叫欧拉-庞加莱公式。左边是组合的（怎么切），右边是同调的（空间本身的性质），相等说明这个数不依赖切法。同调群是拓扑不变量，就靠这个等式站住。

上同调多出来的那一层，是乘法。环面上有两条闭曲线，各自绕一圈；把它们「乘」起来，得到一个绕满整个曲面的二维量——非零。球面上没有这样的曲线，乘出来是零。于是环面与球面被分开了，而这一步，只用同调群做不到：两个空间的贝蒂数不同只是表象，乘法才是结构。这一层乘法后来长成了斯廷罗德代数，成了代数拓扑的基本工具。

第三条余绪回到概率，换了个刁钻的问法。把一粒花粉在水面上的乱走记下来，得到一条处处抖动的路径。这条路径有多长。直觉上：段分得越细，总长越长；分到无穷细，长度趋于无穷。「长度」这把尺在这里读不出数。

换一把尺，就读出来了。不量每一小段的长，量它的平方。取一段时间，分成 n 段，把每段位移的平方加起来，再求和。布朗运动有一个漂亮的性质：这个和不管怎么分，都收敛到同一个数——就是这段时间本身。一秒的分割，平方和是 1；十秒的分割，平方和是 10。

一边是有限，一边是无穷，差别在一个指数上。总变差是「一次方」的和，它发散：分 n 段时，每段的平均位移约是根号下（二除以圆周率除以 n）即 0.7979 除以根号 n，乘上 n 段，得 0.7979 乘根号 n。分十段得 2.5231，一百段得 7.9788，一千段得 25.2313——越分越大，没有上限。

二次变差是「二次方」的和，它收敛。同一串分割，每段位移的平方平均是 1/n，乘上 n 段，恰好得 1。分十段是一，分一万段还是一。这个「不变」比任何公式都硬：它说明布朗路径的粗糙程度刚好卡在一个特殊的位置——一阶无穷，二阶有限。

这个位置正好够做微积分。普通的微积分靠「小到可以忽略」：位移的高次项比一次项小得多，扔掉不影响结果。布朗路径上，这一条不成立：位移的平方与时间同阶，扔不掉。于是必须换一套算术，把二次项留着算。伊藤清 1944 年做成了这件事，此后叫伊藤积分；写成一行就是：位移平方的累积等于时间。

这一段的分量，在「哪一把尺合适」。同一个对象，用长度量得无穷，用平方量得有限。换尺不是取巧，是认清了对象：这条路径本就是「一阶无穷、二阶有限」的东西，只有二阶的尺读得出它的账。三十年前他为偶然立法，三十年后他为乱走的路找对了刻度。