例子与边界
整数维数来自独立坐标的平方和
设 δ = d 为正整数,W 1 , … , W d 是相互独立的标准 Brownian 运动,采用它们的联合自然增广滤过,并令∑ i x i 2 = z 。定义
Z t = ∑ i = 1 d ( x i + W t i ) 2 . Itô 公式 理路 Itô 公式 Itô formula · Ito formula · Itô lemma 为半鞅的光滑函数换元加入二次协变差与跳跃补偿项的随机链式法则。 给
d Z t = d d t + 2 ∑ i ( x i + W t i ) d W t i . 在 Z t > 0 时用单位向量 ( x i + W t i ) / Z t 投影噪声;在 Z t = 0 时任取一个固定单位向量。所得一维随机积分的二次变差为 t ,由Lévy 刻画 理路 Lévy 的 Brownian 刻画 Lévy characterization theorem · Levy martingale characterization of Brownian motion 连续局部鞅若以单位速度积累二次变差,就必定相对于原滤过具有独立的标准 Gaussian 增量。 是 Brownian 运动,故噪声项可以写成 2 Z t d B t 。
若 z = 0 且 t > 0 ,每个 W t i / t 都是独立标准正态变量 理路 正态分布 Normal distribution · Gaussian distribution · 高斯分布 具有指数平方密度、在仿射变换与独立求和下封闭的概率分布族。 ,所以 Z t / t 服从自由度 d 的卡方分布 理路 卡方分布 Chi-square distribution · Chi-squared distribution · χ² distribution 若干独立标准正态变量平方和的分布,以自由度记录独立平方方向的数量。 。这是整数维数的几何解释,而不是非整数模型的定义。
一个非整数维数的完整边缘分布
取 z = 0 , δ = 3 / 2 ,并固定 t > 0 。Laplace 变换成为 ( 1 + 2 λ t ) − 3 / 4 ,对应密度
p t ( y ) = y − 1 / 4 e − y / ( 2 t ) ( 2 t ) 3 / 4 Γ ( 3 / 4 ) , y > 0 , 其中Gamma函数 理路 Gamma 函数:递推、延拓与极点 Gamma function · 伽马函数 · Euler gamma function 从Euler积分的收敛半平面构造Gamma函数,证明递推与阶乘取值,逐步延拓并计算非正整数极点和可核验的截断界。 Γ ( r ) = ∫ 0 ∞ v r − 1 e − v d v 。替换 y = 2 t v 即可检查积分为一。均值为 3 t / 2 ,方差为 3 t 2 。密度在零附近很高,却不在零点含概率原子;高密度和点质量是不同概念。
一般地,当 z = 0 , δ > 0 , t > 0 时,Z t / ( 2 t ) 有形状参数 δ / 2 、尺度一的 Gamma 密度。若 δ = 0 , z = 0 ,过程恒为零;不能把“形状为零的 Gamma 密度”当作普通密度使用。
零边界的三种行为
δ = 0 :从正点出发几乎处处有限时到零,之后吸收于零
0 < δ < 2 :从正点出发几乎处处有限时到零,之后即时离开;在零处花费的 Lebesgue 时间为零
δ ≥ 2 :从正点出发不碰零;从零出发则立即进入正半轴,之后不返回零
特别地,二维 Brownian 运动可以反复进入任意小的原点邻域,但从非零点出发不会碰到原点本身。不能把“无限接近”替换成“击中”。
推论与应用
任意非负维数的强解如何构造
下面在给定 Brownian 运动及其通常滤过上构造解,不依靠整数维坐标。设
σ ( x ) = 2 x + , σ n ( x ) = 2 ( x + + 1 / n − 1 / n ) . 每个 σ n 全局 Lipschitz,在 x ≤ 0 为零,且 σ n ( x ) 2 ≤ 4 x + 、sup x | σ n ( x ) − σ ( x ) | ≤ 2 / n 。先解
X t n = z + δ t + ∫ 0 t σ n ( X s n ) d W s 。这里的 Lipschitz 存在步骤可直接核验:从 X t n , 0 = z + δ t 作 Picard 迭代;Itô 等距 理路 Itô 等距 Itô isometry · Ito isometry 把 Brownian Itô 积分的终点二阶矩精确等同于被积过程的预测平方能量。 和Doob 最大界 理路 Doob 最大不等式 Doob maximal inequality · Doob Lp inequality 用非负下鞅的终点尾部期望或鞅的终点 p 阶矩控制整个有限时间区间的最大值。 使相邻迭代的均方最大距离 f j ( t ) 满足
f j + 1 ( t ) ≤ 4 Lip ( σ n ) 2 ∫ 0 t f j ( s ) d s 。在每个有限 T 上,迭代后的阶乘界使 ∑ j f j ( T ) < ∞ ,故得到适应连续的均方一致极限;等距再把极限代入积分。相同积分界给唯一性。系数至多线性增长保证第一步有限,所得解在每个有限区间有有限二阶最大矩。
非负性也要证明。对 F ( x ) = ( x − ) 4 ∈ C 2 ( R ) 使用局部化 Itô 公式:在 x < 0 ,σ n ( x ) = 0 ;在 x ≥ 0 ,F ′ = F ″ = 0 ,所以随机项与二阶项都消失,且 δ F ′ ≤ 0 。由 F ( z ) = 0 得到 F ( X t n ) ≤ 0 ,即 X t n ≥ 0 。其随机积分平方可积,故 E X t n = z + δ t ,继而
E ∫ 0 T σ n ( X s n ) 2 d s ≤ 4 z T + 2 δ T 2 . Doob 界于是给出与 n 无关的 E sup t ≤ T | X t n | 2 上界。
平方根系数的关键不是 Lipschitz,而是
| σ ( x ) − σ ( y ) | 2 ≤ 4 | x − y | 。取 a k = e − k ( k + 1 ) / 2 (a 0 = 1 ),在 ( a k , a k − 1 ) 上选非负光滑函数 ψ k ,使
∫ ψ k = 1 、ψ k ( u ) ≤ 2 / ( k u ) 。这是可行的,因为该区间的 ∫ d u / u = k ,先在内部光滑截断再归一化即可。令
φ k ( x ) = ∫ 0 | x | ∫ 0 v ψ k ( u ) d u d v . 则 φ k ∈ C 2 、| φ k ′ | ≤ 1 、| x | − a k − 1 ≤ φ k ( x ) ≤ | x | ,且二阶导数只在 a k < | x | < a k − 1 非零,那里不超过 2 / ( k | x | ) 。
令 D = X n − X m 、e n m = 2 / n + 2 / m 。常漂移抵消,且
| σ n ( x ) − σ m ( y ) | 2 ≤ 8 | x − y | + 2 e n m 2 。Itô 公式给出
sup t ≤ T E | D t | ≤ a k − 1 + 8 T k + 2 e n m 2 T k a k . 先让 n , m → ∞ ,再让 k → ∞ ,右端趋零。又由 Doob 与等距,
E sup t ≤ T | X t n − X t m | 2 ≤ 32 ∫ 0 T E | D s | d s + 8 e n m 2 T ⟶ 0. 因此 X n 在 L 2 ( Ω ; C [ 0 , T ] ) 中收敛到非负适应连续过程 Z 。平方根估计及系数的一致逼近使 σ n ( X n ) → σ ( Z ) 在预测 L 2 中收敛;由等距传入随机积分,Z 满足原方程。令 T 遍历正整数并拼合一致的极限,就得到没有有限时爆炸的强解,涵盖 δ = 0 、z = 0 及非整数维数。
若两个非负解由同一个 W 驱动且起点相同,将两者同时停止在有界区间,直接对其差使用 φ k 与 | σ ( x ) − σ ( y ) | 2 ≤ 4 | x − y | ,得
E | Z t ∧ τ − Z ~ t ∧ τ | ≤ a k − 1 + 4 T / k 。令 k → ∞ ,再去掉停时,并在有理时间上合并零集,连续性给出全过程相等。这就是此模型的路径唯一性,而不是将平方根误当作 Lipschitz。
边界证明所需的强 Markov 输入
上述同一噪声构造还可用于不同起点 x , y ≥ 0 。相同的平滑绝对值估计给 E | Z t x − Z t y | ≤ | x − y | ,再以 Doob 界得到
E sup s ≤ T | Z s x − Z s y | 2 ≤ 2 | x − y | 2 + 32 T | x − y | . 因此初值到路径分布的映射连续,特别地是 Borel 可测的。Yamada–Watanabe 原文 Proposition 1 说明路径唯一性加存在性给出分布唯一性;其 Proposition 2 则在各起点均存在、分布唯一且起点到路径律可测时给出强 Markov 性。这些条件在这里都已核验。其证明的机制是:在有限停时后取正则条件分布,移位后的 Brownian 增量仍是 Brownian 运动,移位解以当前状态为初值满足同一方程;分布唯一性确定其条件路径律。这样,下文在首次碰零后使用 Markov 性并未预先假设边界分类。
由指数试探函数推导 Laplace 变换
生成元在 y > 0 上是 L = δ ∂ y + 2 y ∂ y y 。设
v ( t , y ) = a ( t ) e − b ( t ) y , v ( 0 , y ) = e − λ y . 代入 v t = L v ,分别比较常数项与 y 项,得
b ′ = − 2 b 2 , a ′ / a = − δ b , b ( 0 ) = λ , a ( 0 ) = 1. 解出 b ( t ) = λ / ( 1 + 2 λ t ) 、a ( t ) = ( 1 + 2 λ t ) − δ / 2 。对固定 T ,Itô 公式使 v ( T − s , Z s ) 的漂移为零;它有界于一,局部化后由控制收敛定理 理路 控制收敛定理 Dominated convergence theorem 几乎处处收敛且被同一可积函数控制时,可以交换极限与积分。 可取期望并去掉停时。因此 v ( T , z ) = E z e − λ Z T ,得到所述变换。
令 ϕ ( λ ) = E e − λ Z t 。沿 λ ↓ 0 ,非负量 ( 1 − e − λ Z t ) / λ 及其平方分别递增到 Z t 和 Z t 2 。单调收敛定理 理路 单调收敛定理 Monotone convergence theorem 非负可测函数单调递增时,积分极限等于极限函数积分。 因此允许用
1 − ϕ ( λ ) λ , 1 − 2 ϕ ( λ ) + ϕ ( 2 λ ) λ 2 的极限求一、二阶矩,而无需预先假定这些矩有限。代入显式变换展开,得到
E z Z t = z + δ t , Var z ( Z t ) = 4 z t + 2 δ t 2 . 对 δ > 0 ,令 λ → ∞ ,变换趋零,所以每个固定 t > 0 的 P ( Z t = 0 ) = 0 。时间积分与非负性于是说明过程在零处花费的总时间为零。
临界维数二从哪里出现
在 0 < a < z < b 间停止,寻找满足 L h = 0 的函数。直接计算得到
h ( y ) = { y 1 − δ / 2 , δ ≠ 2 , log y , δ = 2. 记 τ = T a ∧ T b 。它几乎处处有限:δ > 0 时由 E Z t ∧ τ = z + δ E ( t ∧ τ ) ≤ b 得到退出时间界;δ = 0 时用下文的 v 给出同样的有限性。停止后的 h ( Z ) 有界,应用连续时间的有界可选采样 理路 连续时间鞅 Continuous-time martingale 在连续时间滤过下适应且逐时可积,并满足任意早晚时刻条件均值恒等式的过程。 ,再以控制收敛去掉时间截断,得到先碰下边界的概率
P z ( T a < T b ) = h ( b ) − h ( z ) h ( b ) − h ( a ) . 若 δ ≥ 2 ,a ↓ 0 时这个概率趋零,所以任何有限上界以内都不能碰零。再让上界遍历正整数,排除全部有限时碰零事件。
若 0 ≤ δ < 2 ,令 q = 1 − δ / 2 > 0 ,则下边界趋零时,概率趋向 1 − ( z / b ) q 。这里还要确认趋向零发生在有限时间。对 δ > 0 ,停止恒等式 E Z t ∧ τ = z + δ E ( t ∧ τ ) ≤ b 给统一的退出时间界 E τ ≤ b / δ 。对 δ = 0 ,使用非负函数 v ( y ) = 1 2 y log ( b / y ) ,它满足 L v = − 1 ,给出 E τ ≤ v ( z ) 。故可以让 a ↓ 0 ,得到有限时退出到 0 或 b ;再令 b → ∞ ,碰零概率趋一。
零维情形到零后,零过程是解,路径唯一性迫使它吸收。正维情形则由前面的无零点原子与强 Markov 性得到即时、无粘滞的离开。边界分类因此既有尺度函数的击中分析,也有到达后的方程与分布分析。