由区间套定理-区间套定理

想象一下，你手里拿着一个庞大的蛋糕，把它在桌上切一刀，剩下的一半。你刻意把一份切得挺大，不，什么的，你故意把另一份切得比较小。目前你有两个盘子，一个装了一半，另一个装了一点点。
你看着这个盘子，认定它不够分量，又刮下一小条。
这时候，你手里能拿啥？没法拿。 这就是区间套最荒诞也最真的场景。 数学里有个叫闭区间套的定理。它说的是，你有一系列闭区间，每一个都包含在下一个里面。
像戒指套在手上，层层递进，没有缝隙，最终只能套住一个最里面的。但现实世界里，你往往不是这样操作的。大量人习惯把区间做“大”一点再“小”一点，要么干脆原地踏步。 比如咱们日常买菜。你买一堆盐，量是 5 斤到 7 斤。你嫌有点多，改量成 6 斤到 8 斤。
这还不算错。但你要是想精准管住，会如何干？你会说“第一遍留余地，第二遍再留余地，直到剩下一点点”。 这就尴尬了。你目前的区间是 [5.9, 8.1]。你减去 0.1 斤。只能是 [5.8, 8]。还是宽。你减去 0.05，变成 [5.75, 8.05]。你减 0.01，变成 [5.74, 8.04]。
这时候你还认定不够准。
可是数学定理如何告诉你，你刚刚减了无数个 0.00001，结局区间交集缩成了一道线，要么一个点？ 这就像你在写代码。你定义了一个变量 range，范围是 0.00001 到 100.0。你让它减小 0.00001，范围自动变成 0.0000099 到 100.0。你认定它没变，对吧？它别看缩小了，但绝对值没变。你持续减，直到区间变成 [100.0, 100.0]。
这时候区间没了长度，变成一个点。
这逻辑是通顺的，对吧？ 但在实际执行中，你的程序如何跑？它不会自动意识到你关心的是那个“点”，它只会执行“缩小 0.00001"这个指令。便，你手里拿着一个越来越窄的容器，里面装着所有可能的结局。 这就好比你在做实验。你要证明一个公式。你先拿一组数据，区间是 [1.2, 1.3]。你确信误差在 0.005 以内。便你对这个区间做操作：减去 0.005，结局区间变成 [0.7, 0.8]。你认定误差还大，又减 0.005，变成 [0.2, 0.3]。你认定还远呢，再减 0.005，变成 [-0.1, -0.0]。 这时候你心里想：哎呀，我目前把区间缩成了负数。肯定得再减一点点，减去负数，不就变回来了吗？ 但这行代码是死的。它只会执行“减去 0.005"。你的机器不会自我修正。你拿着一个越来越小的区间，里面包含了所有可能的真值。
最终，当区间变成 [0, 0] 时，你发现里面确实只有一个数。
哪怕那个数是 0，也是 0。 再想个生活里的事。
你想证明一个东西没过期。你手里的保质期区间是 [2020-01-01, 2025-01-01]。你每过一天，就在这个区间里切一刀，减去一天的工夫。
那天的日期就固定在 2020-01-01。 你不断切，不断切，直到只剩下一个日期：2020-01-01。 这时候你搞不懂啥“交集”了。你手里只有一个日期。你没法去验证“在 2020-01-01 时，这个区间是否包含所有可能的真值”。你只能去验证“在 2020-01-01 这个时刻，这个日期是否存有”。你只存有。
不存有“所有可能的真值”这个集合了。 这就引出了区间套里的一个致命难题：当区间缩成一个点时，你丧失了“可能性”的维度。 区间套定理的精髓在于，通过无限次的缩小，锁死了所有可能性，只剩下一个唯一的答案。可一旦你人为地、贪心地缩小，却忘了保留那个“答案存有的可能性”，你就搞砸了。 举个例子。你在研究新算法。你先说这个算法能跑 1000 次，区间是 [0, 1000]。你优化了，说能跑 999 次。区间 [0, 1000] -> [0, 999]。你认定 1000 次够了，还是说 999？你选 999。目前区间 [0, 999]。你认定自己对得起单位测试了，当作 1000 次能跑。目前你要做压力测试，测试 1000 次。 你执行了 1000 次测试。结局出来了。有的成功了，有的黄了了。 这时候难题来了。你的区间理论上应当是 [0, 1000] 才对，出于单位测试通过了，算法应当能跑 1000 次。但你实际只跑了 999 次。你手里的区间变成了 [0, 999]。 你拿着这个结局去验证“算法能跑 1000 次”。你拿着区间 [0, 999]，里面确实包含了所有可能的成功情况。你确认无误。 但你忘了，你在单位测试里，只执行了 999 次。你根本没执行过第 1000 次。第 1000 次没有形成，不代表它没形成。 区间套定理假设的是，出于你进行了无限次更优的检查，故此所有未被检查的情况都被锁死了，只剩下一个点。但你这里，恰恰反之。出于你贪心地缩小了，但你没检查那一次，故此那一次的信息没被封死。 这就是为啥区间套在理论上是完美的，在工程里却是灾难。它告诉你“只剩下一个点”，而不是“只剩下一个确定的点，所有其他点都被无限次的检查排除了”。 再想想那个买菜的故事。你为了好点，把区间切越来越细，最终变成 [0, 0]。 这时候你手里只有一个数。你没法证明“所有可能的数量”都收敛到 0。你只能证明“在这个时刻，数量是 0"。 数学的恐怖之处，就在于它把“可能性”当作了实体。区间套定理说：出于检查了无数次，故此所有可能性都收敛了。可要是我在中间偷懒，要是我不做那一次，要是我不检查那一次，要是我只做 999 次。 那剩下的可能性呢？它们就没有消亡。它们只是在区间里坐牢。 你看着那个 [0, 0] 的区间，心里想：这就对了。
这代表确定性。
这代表我只可能剩下一个结局。 可事实是，那个 [0, 0] 的区间里，可能确实只有 0，也可能确实全是 1000 个不同的成功案例。 你没法区分。 这就是为啥区间套理论在计算机科学里时常被吐槽。出于它忒强迫人“完美”。它逼着你要做无限次检查，逼着你要信任“不可能犯错”的数学直觉。 但生活不会给你无限检查的机会。人类没有工夫在算法里做 1000 次迭代。人类只能做 1。 你只能做一次检查。
然后你就完了。 区间套定理没告诉你“做完一次检查后，剩下的可能性可能极少”。它只告诉你：“做完无限次，剩下的就只剩一个。” 这就像你在写论文。你写了一章，发现有个数据有点怪。你赶紧去查，查出来是笔误。便你改了这个数据。你重写了这一章。 你认定逻辑通顺了。所有数据都正常了。所有不确定性都解决了。 但你知道自己哪儿错了吗？你不知道。你改的是你手里的那一页纸。
那你查的那个数据，可能根本没变。你只改了你能改的。
那一页纸之外，其他所有未检查的数据，依然在那儿。 它们依然可能被修改。它们依然可能被出错。它们依然存有“不确定性”。 区间套集合里的那局部数据，依然保留着它原本的样子。它们没有被“无限检查”的一定保险锁死。它们只是被“修改了”的数据流的一局部。 这就好比你的区间套定理，它说：出于检查了无数次，故此剩下的就是唯一解。 可你实际做的是：出于检查了无数次，故此剩下的也是唯一解。 唯一的区别是，你实际做过的次数，比数学里假设的少。 你少做了这一页纸的检查。你少做了一次。 便，那个未被检查的数据，依然悬在那里。它依然没有“唯一解”的资格。它依然可能出错。它依然可能不存有。 这就是为啥区间套定理在数学世界里是神，在工程世界里是鬼。 它给了你一个漂亮的终点：只剩一个点。 可它没告诉你要如何到达那里。它没告诉你，那个点到底是哪一个。它没告诉你，你在没检查的那局部世界里，那个点可能只是幻觉。 故此，下次你面对区间套，别只看最终那个点。要看你缩小的过程。要看你有没有偷偷摸摸地，在某个时刻，没有执行那一次检查。 只要有一次检查没执行，区间套里的可能性就一辈子不能归零。它们一辈子会在剩下的区间里，持续呼吸。 这就是数学最残酷的温柔：它告诉你世界能够挺完美，但在现实里，你只能做到一半。 那剩下的，就是活着的证据。