布朗運動簡介
黃文璋
布朗運動(Brownian motion) 又稱
Wiener 過程, 為最早被徹底研究的一個過
程, 與 Po- isson 過程同為應用機率中最重
要的兩個過程。
在 1827年, 英國植物學家 Robert
Brown (1773-1858) 在顯微鏡中觀察到, 懸
浮於溶液中之微小的粒子, 呈現一連續而不
規則的運動。 當然這種現象不只在液體中才
有, 如果我們稍加留意, 當陽光射進陰暗的房
間時, 從光束中可看到很多飄動的灰塵,這也
是布朗運動所產生的效應。
不過布朗並非第一位提出此現象存在的
人, 從 17世紀開始, 荷蘭博物學家 Leeu-
venhoek (1632-1723) 以及後來的許多科
學家都先後注意到此現象。 但布朗的探討
引 起科學界的重視, 因此後來便以布朗運
動稱呼此現象。 布朗之後科學家相繼研究,
並對布朗運動產生的原因提出解釋。 起初
科學家以為布朗運動的產生是由於粒子本身
是“活的”(alive), 但法國數學家及物理學家
Poincare´ (1854-1912) 以為這違反熱力學
第二定律 (second law of thermodynam-
ics)。 今日我們知道布朗運動之所以產生, 乃
是因粒子被其四周的分子連續不斷的撞擊所
造成的一種運動 (在溶液中於正常情況下,一
特定的粒子, 每秒約受到1020 次的撞擊。)。
在1905年, 愛因斯坦 (Einstein) 利用
物理中分子動力學 (kinetic molecular the-
ory) 的原理以數學方式來描述布朗運動。 他
起先是要導出布朗運動可能存在, 後來才知
道此運動早就被觀測到了。 令X(t)表粒子在
時間t於x軸之位置 (即只考慮一維的布朗運
動) , 且設X(t0) = x0為在起始時間t0之位
置。 若假設移動對時間為齊性 (即有定常增
量,stationary increments, 則可將t0取為0。
另外, 獨立增量也假設成立, 且以 ft(x)表布
朗運動於時間t位置在x之 p.d.f.(機率密度函
數)。 愛因斯坦證明ft(x)滿足下述偏微分方
程式:
∂f
∂t
= D
∂2f
∂x2
, (1)
其中D稱為擴散係數, 為一大於 0之常數。
若我們改變尺度, 上式可轉換為熱力方程式
(heat equation)∂f/∂t = 1
2
∂2f/∂x2。 不難
證明 (1) 式之解為
ft(x) =
1√
4piDt
e−(x−x0)
2/4Dt。 (2)
1
2 數學傳播 十六卷四期 民81年12月
藉由物理上的性質, 愛因斯坦證明擴散
係數D = 2RT/Nf , 其中R為理想的氣體
係數 (gas constant),T為絕對溫度,N為亞
佛加德羅數 (Avogadro number),f 為摩
擦係數, 此係數與溶液的黏性及粒子之性質
有關。 其後不久, 根據愛因斯坦所建立之模
式,Perrin 經過一系列之實驗, 給了一與目前
所接受之亞佛加德羅數差距不超過19%之估
計值。此結果很能支持分子動力學的理論,而
在此之前仍有許多物理學家對這理論抱存疑
態度的。 Perrin還指出愛因斯坦的模式描述
出一到處不可微之連續函數。 這種函數在此
模式被提出之前, 是被大多數的數學家認為
是一種刻意製造而無太多數學價值的函數。
另外,Bachelier 以賽局論來研究股票價
格之波動,並在他1900年出版的博士論文中,
提到其模式可應用到物理中的布朗運動。 在
他後來的研究中, 他給出一些關於布朗運動
的函數之分佈。
在這段研究布朗運動的期間, 數學理論
的發展卻顯得較緩慢, 此因要適當地用數學
來描述此模式較困難。 在 Lebesgue 提出關
於測度論的論文之後約20年,Wiener(1923)
對於布朗運動首度給出較簡明的數學公式,
他並證明布朗運動的樣本路徑幾乎到處連續。
在 1933年,Wiener 又與 Paley 及 Zyg-
mund 共同證出布朗運動的樣本路徑幾乎到
處不可微。 另外 Khintchine(1924) 發現布
朗運動之疊對數法則 (law of the iterated
logarithm)。
自1939年起,Le´vy 對布朗運動做出許
多深入而且徹底的結果, 可以說在他之後只
剩一些細節方面的推廣。 後來他又研究多維
布朗運動, 並將結果推廣到一般的抽象空間,
特別是 Hilbert 空間。
由於 Wiener 及 Le´vy 之顯著的貢
獻, 布朗運動有時又被稱為 Wiener 過程或
Wiener-Le´vy 過程。
底下我們用一簡單的方式來介紹布朗運
動, 即將布朗運動視為一隨機漫步之極限。
假設溶液中之某粒子平均每△t的時間受到一
次碰撞, 每次碰撞後產生一很小的移動, 此
移動設為隨機且與原來位置獨立。 為了簡便,
只考慮在某一特定方向之移動, 且設每次移
動+△x或−△x之機率各為p及q = 1−p。此
粒子之移動可視為在一維中之隨機漫步, 每
次移動之單位為△x。 若裝液體之容器很大,
則可假設此粒子之起始位置離容器之邊界均
很遠。 將此粒子之起始位置設為原點,則在時
間t之位置X(t)可表示為
X(t) = △x(I1 + · · ·+ I[t/△t]) (3)
其中Ii = 1 或 −1依第i次之位移為+△x 或
−△x而定,[ ] 為高斯函數, 又
P (Ii = 1) = 1− P (Ii = −1) = p。
適當地選取上述這些參數, 則由中央極限定
理可得X(t)趨近一常態分佈。 更明確地說 ,
若令
△x = σ
√
△t,
p =
1
2
+
√△t
2σ
µ,
布朗運動簡介 3
此處µ,σ 為二固定常數且σ > 0, 則當△t→
0時 (因此△x→ 0 且p→ 1
2
),
X(t)− µt
σ
√
t
d−→ Φ, (4)
其中Φ為N (0, 1)分佈。 即證出
(i) X(t)有期望值為µt, 變異數為σ2t之
常態分佈。
又因粒子在不相交時區之移動為相互獨立,
故又有
(ii) {X(t), t ≥ 0}有獨立增量。
由 (i) 及 (ii) 立即可知X(s + t) −
X(s)有N (µs, σ2s)之分佈 。 最後由於在任
一時區中之位移只與此時區之長度有關, 故
(iii) {X(t), t ≥ 0} 有定常增量。
此外尚有其它不同的方式來引進布朗運
動。
令X(t)表溶液中某粒子於時間t在某方
向之位置。 設{X(t), t ≥ 0}滿足下述三個條
件 X:
(i)′ {X(t), t ≥ 0}有獨立增量;
(ii)′ {X(t), t ≥ 0}有定常增量;
(iii)′ 對∀δ > 0,
lim
h↓0
P (|X(t+ h)−X(t)| ≥ δ)/h = 0。
(5)
可以驗證前述隨機漫步之極限滿足此三
個條件, 因此 (i)′-(iii)′ 是一種較弱的假設。
底下我們解釋這些條件的意義。
首先條件 (i)′與下敘述等價:
X(t + h) − X(t)與{X(u), u ≤ t}獨
立,∀h > 0, t > 0。
因此條件 (i)′表粒子在時區[t, t+h]之位
移, 與在這之前, 即時間0至t之位置皆獨立。
當然這只是一個粗略的假設。 從物理上來看,
比較正確的說法是,在時區 [t, t+h]因分子的
撞擊, 而傳給粒子的動力, 與在時間t之前的
運動無關。此假設只有當由在時區 [t, t+h]之
起始速度所造成之位移,與在時區[t, t+h]之
動力所產生之位移相比很小才有效。 由建立
模式的觀點, 這是三個條件中最差的一個, 不
過我們還是接受此假設。
條件 (ii)′則算是相當合理的假設。 它表
示此粒子的移動, 對時間而言為齊性, 即在任
一時區之位移的分佈, 只與此時區之長度有
關, 而與此時區在何處無關。只要粒子所在之
容器很大, 便可做此假設。
再看條件 (iii)′, 我們覺得每一粒子移動
的樣本路徑應該都是連續的, 而不會有突然
的跳升或降落。 現將時區[0, s]分成n等份, 每
份長度為h = s/n。 若此粒子之移動為連續,
則當h→ 0(即n→∞) 時, 在某種意義下,
g(h) = sup
1≤i≤n
|X(ih)−X((i− 1)h)| (6)
須趨近至0。 至少我們希望對∀δ > 0,
lim
h↓0
P (g(h) ≥ δ) = 0。 (7)
由條件 (i)′, 隨機變數Yi = |X(ih)−X((i−
1)h)|,i = 1, . . . , n, 為相互獨立。又由條件
(ii)′,Y1, . . . , Yn有相同分佈。 故
P (g(h) ≥ δ) = 1− P ( sup
1≤i≤n
Yi < δ)
= 1− P (Y1 < δ)n
= 1− (1− P (Y1 ≥ δ))n。 (8)
可看出上式趨近至 0若且唯若nP (Y1 ≥
δ)→ 0, 即
sP (|X(h)−X(0)| ≥ δ)/h→ 0。 (9)
4 數學傳播 十六卷四期 民81年12月
由於s < ∞, 再利用條件 (ii)′定常增量的性
質便得證 (5)。
為了簡便我們再多做一個假設,令X(0)
= 0。 此並非一限制, 因若X(0)不為0, 只須
考慮過程{X(t)− X(0), t ≥ 0}即可, 此過
程仍滿足條件 (i)′-(iii)′。 我們有下述定理。
定理1: 設{X(t), t ≥ 0}為一滿足條
件 (i)′-(iii)′ 且 X(0) = 0之過程, 則存在
常數µ及σ, 使得X(t)有N (µt, σ2t) 分佈。
證明: 對任意t > 0及n ≥ 1, 令h =
t/n,Yi = X(ih)−X((i−1)h)。 則 X(t) =∑n
i=1 Yi, 其中Y1, . . . , Yn為 i.i.d. 之 r.v.’s。
令Mn = max1≤i≤n Yi, 則如前, 利用條件
(iii)′, 仍有 Mn
P−→ 0。 由 Breiman (1968)
Proposition 9.6 (見下註) 可得X(t)有常態
分佈。
其次證明存在常數µ及σ, 使得E(X(t))
= µt,V ar(X(t)) = σ2t。 令k1(t) =
E(X(t)) , k2(t) = V ar(X(t))。 則利用條
件 (i)′及 (ii)′ 便得
k1(t+ τ) = E(X(t+ τ))
= E(X(t+ τ)−X(τ)) + E(X(τ))
= k1(t) + k1(τ), (10)
及
k2(t+ τ)
= E(X(t+ τ)− k1(t+ τ))2 (11)
= E(X(t+ τ)−X(τ)−k1(t)+X(τ)−k1(τ))2
= k2(t) + k2(τ)。
又由條件 (iii)′知τ → 0時,X(t + τ) d−→
X(t), 由於已證出對∀t > 0,X(t)有常態分
佈, 因此 τ → 0時,
E(X(t+ τ))→ E(X(t)),
V ar(X(t+ τ))→ V ar(X(t))。
故k1(t)及k2(t)皆為連續函數。 即得證 (見
Young (1958)) 此二函數皆為線性函數。
註: 令Sn = X
(n)
1 + · · · + X(n)n ,
其中X
(n)
1 , . . . , X
(n)
n 為 i.i.d. 之 r.v.’s。
若Sn
d−→ X,則max{X(n)1 , . . . , X(n)n } d−→
0若且唯若X有常態分佈。
經過上述討論, 底下我們正式給布朗運
動之定義。
定義1: 一隨機過程{X(t), t ≥ 0}稱為
布朗運動若其滿足:
(i) X(0) = 0且 X(t)在t = 0連續;
(ii) {X(t), t ≥ 0}有定常及獨立增量;
(iii) 對∀t > 0,X(t)有N (µt, σ2t)之分
佈, 其中 µ,σ為二常數。
上述二常數µ及σ2分別稱為布朗運動之
偏差(drift) 及擴散係數(diffusion coeffi-
cient)。 若µ = 0且σ2 = 1, 則此過程稱為
標準(standard)布朗運動。由於若令X˜(t) =
(X(t) −µt)/σ, 則過程{X˜(t), t ≥ 0}為一
標準布朗運動, 即可將一任意之布朗運動轉
換為一標準布朗運動, 故我們通常只須考慮
標準布朗運動。
以隨機漫步之極限來解釋布朗運動, 使
我們聯想到 (幾乎所有) 此過程之樣本路
布朗運動簡介 5
徑應該是一 t之連續函數。 另外, 由於為隨
機漫步之極限, 每一樣本路徑永遠是很尖的
(pointy)或說是很糾結的 (kinky) 而到處不
平滑 (smoo- th), 因此X(t)應該 (幾乎) 到
處不可微。 事實上此二猜測都是對的。
由於{X(t), t ≥ 0}具有獨立增量的性
質, 因此亦為一 Markov 過程。 又因X(t)有
常態分佈, 期望值為0, 變異數為t, 其 p.d.f.
為
ft(x) =
1√
2pit
e−x
2/2t。 (12)
再利用定常及獨立增量, 對任意n > 1及0 <
t1 < t2 < . . . < tn, 可得到
X(t1), . . . , X(tn)之聯合 p.d.f. 如下。
f(x1, x2, . . . , xn)
= ft1(x1)ft2−t1(x2 − x1) · · ·
ftn−tn−1(xn − xn−1)。 (13)
有了 (13) 基本上我們可算出任何想要之機
率。 例如, 若要求在給定X(t) = a之下
,X(s)之條件分佈,0 < s < t, 則
fs|t(x|a) =
fs(x)ft−s(a− x)
ft(a)
=
√
t√
2pis(t− s) exp{−
x2
2s
− (a− x)
2
2(t− s) +
a2
2t
}
= C exp{− t(x− as/t)
2
2s(t− s) }。 (14)
因此對0 < s < t, 給定X(t) = a,X(s)亦有
常態分佈, 期望值及變異數分別為
E(X(s)|X(t) = a) = as/t, (15)
V ar(X(s)|X(t) = a) = s(t−s)/t。 (16)
由 (16) 得知給定X(t) = a,X(s)之條
件變異數與a無關。 若令s/t = α, 0 <
α < 1, 則給定X(t),X(s)之條件分佈有期
望值為αX(t)變異數為 α(1 − α)t之常態分
佈。
由 (13) 可得X(t1), . . . , X(tn)有多變
量常態分佈, 因此標準布朗運動過程為一高
斯過程 (Gaussian process)。 高斯過程之定
義為
定義2: 設有一隨機過程{X(t), t ≥
0}, 若對任意n > 1及0 < t1 <
· · · < tn,X(t1), . . . , X(tn)有n變量之常態
分佈, 則{X (t), t ≥ 0}稱為高斯過程。
由於多變量常態分佈可由邊際期望值及
共變異數的值所決定, 因此標準布朗運動也
可定義為一高斯過程, 期望值為E(X(t)) =
0, 且對∀s ≤ t
Cov(X(s), X(t))
= Cov(X(s), X(s))
+Cov(X(s), X(t)−X(s))
= s,
其中最後一等式用到V ar(X(s)) = s及獨立
增量的性質。
定理2: 一高斯過程 {X(t), t ≥ 0} 為
標準布朗運動, 若且唯若 E(X(t)) = 0且
Cov(X(s),X(t)) = min{s, t},∀s, t ≥ 0。
系理1: 若{X(t), t ≥ 0} 為
偏差為µ, 擴散係數為σ2之布朗運動 ,
則Cov(X(s), X(t)) = σ2 min{s, t}。
6 數學傳播 十六卷四期 民81年12月
參考文獻
布朗運動發展至今, 此過程及它的各種推
廣, 在許多領域諸如經濟學、 交換理論 (commu-
nication theory)、 生物學、 管理科學、 數理統計
及量子力學中都有廣泛的應用。
Karlin and Taylor (1975) Chapter 7
對布朗運動做了很詳盡的介紹, 本文很多題材取
自該處。 Karlin and Taylor (1980) Chap-
ter 15 也有許多關於布朗運動之例子及應用。
Le´vy(1954) 一書中有關布朗運動的章節不論在
觀念及結果方面都非常豐富。 Itoˆ and McKean
(1965) 及 Freedman (1971) 是兩本較深但也
很重要的書。 李育嘉 (民國74年) 及謝南瑞 (民
國81年) 也是兩篇值得參考的相關著作。
1. Breiman, L. (1968), Probability,
Addison-Wesley, Reading, Mass.
2. Bachelier, L. (1900), The´orie de la
spe´cul- ation, Ann. E´c. Norm. Sup.
s.3 17, 21-86.
3. Einstein, A. (1905), U¨ber die
von der molekularkinetischen Theo-
rie der W¨arme geforderte Bewegung
von in ruhenden Flu¨ssigkeiten
suspendierten Teilchen, Ann. Phys.,
17.
4. Itoˆ, K. and McKean, H. P. Jr. (1965),
Diffusion Processes and Their Sample
Paths, Springer-Verlag, Berlin.
5. Karlin, S. and Taylor, H. M. (1975), A
First Course in Stochastic Processes,
2nd ed., Academic Press, New York.
6. Karlin, S. and Taylor, H. M. (1980),
A Second Course in Stochastic Pro-
cesses, Academic Press, New York.
7. Le´vy, P. (1954), The´orie de l’Addition
des Variables Ale´atoires, 2nd ed.,
Ganthier-Villars, Paris.
8. Paley, R., Wiener, N., and Zygmund,
A. (1933), Note on random functions,
Math. Zeit., 37, 647-688.
9. Wiener, N. (1923), Differential space,
J. Math. Phys., 2, 131-174.
10. Young, G. S. (1958), The linear func-
tional equation, Amer. Math. Month.
65, 37-38.
11. 李育嘉 (民國74年), 漫談布朗運動, 數學
傳播, 第9卷第3期,22-31。
12. 謝南瑞 (民國81年), 若干機率論與分析學
的關連與互動, 數學傳播第16卷第4期。
—本文作者任教於國立中山大學
應用數學系—