3.3 Brown 运动的构造
现在我们的主要目标是证明 Brown 运动真的存在 —— 构造一个 Brown 运动。我们首先会用区间
上的所有实值平方可积函数构成的线性空间
的一个精心选择的标准正交基构造白噪声
在它上面的展开。接着我们将这个展开对时间积分,然后证明它是收敛的,这样我们就构造出了 Brown 运动。
3.3.1 标准正交基下的展开
上的一个标准正交基是指这个函数序列
其中
是
上的函数(不是随机变量)标准正交的意思是任意两个基函数的内积不是
就是
:对所有
,满足
由于
是随机过程,我们把它写成下面的形式展开:
其中
相互独立的随机变量(为什么要假设相互独立?)。我们容易看到
我们可以看一下
的期望:
假如
,就得到
这说明
- 系数两两不相关
- 系数的方差必须是
因此我们 希望
服从标准 Gauss 分布
,这样的良好性质让我们期待上述那样的 Fourier 变换是合理的。根据我们的假设,就有
下面我们会选一个比较好的基,然后证明上面的积分收敛。
注解 3.4
通过白噪声的性质我们并不能判定其做 Fourier 变换后的随机变量系数是服从标准正态分布的,但标准正态分布是使得后续推导较为简单,且比较自然的选择
(把
看成一个泛函,Fourier 变换做的就是某种 “对角化”)
3.3.2 Brown 运动的构造
接下来给出的 Brown 运动的构造属于 Levy 和 Ciesielski。
定义 3.5 (Haar 小波基)
Haar 小波基
是指下面这些函数:
接下来我们验证
是
上的一个性质很好的正交基。
引理 3.6 (Haar 基是
的完备标准正交基)
Haar 小波基
是
的一个完备的标准正交基
证明.
首先验证标准(normal)的部分。
和
显然符合条件。
接下来验证正交(ortho-)的部分。注意如果
那么
的支撑集下
总是常数。因此
最后证明完备性。我们需要证明,对
和
,有
当
时,有
。
当
时,有
;结合
的情况,我们有
。
接着这样做下去,我们能得到对所有
,都有
。因此对所有的二进制有理数
,有
,这说明
几乎处处为零,因为
上的任意区间
都可以使用二进制有理数逼近。
定义 3.7 (Schauder 函数)
对
定义
阶 Schauder 函数为
我们马上揭示 Schauder 函数和 Brown 运动之间的关系。
引理 3.8
对任意
,有
证明.
对
,定义 $$\phi_{s}(\tau) = \begin{cases}
1, &0 \leqslant \tau \leqslant s\
0, & s < \tau \leqslant 1.
\end{cases}$$
不妨设
,根据 Haar 小波基的完备性,可以将
和
做 Fourier 变换(小波变换),然后用内积线性性和一些实分析结果(在此原书中未提及,后续将陆续补充,现在先不严谨的空在这里)求和号从内积里面扯出来,接下来就简单了
其中
和
就分别是
和
到 Haar 小波基函数的投影,而且恰好就是我们要的 Schauder 函数: $$\begin{align*}
a_{k} &= \int_{0}^{1} \phi_{s}h_{k} , \mathrm{d}\tau = \int_{0}^{s} h_{k} , \mathrm{d}\tau = s_{k}(s),\
b_{k} &= \int_{0}^{1} \phi_{t}h_{k} , \mathrm{d}\tau = \int_{0}^{t} h_{k} , \mathrm{d}\tau = s_{k}(t).
\end{align*}$$这样我们就证明了这个引理。
Schauder 函数
的这个性质让我们想起 Brown 运动,因为它满足
。假设
真的可以写成
,我们可以检查一下。
我们似乎走在正确的路上。下一个问题就是级数
是否收敛。
引理 3.9
是一个实序列,假如存在某个常数
以及
,序列满足
则级数
对
一致收敛。
证明.
要证明函数项级数一致收敛,只需证明当
足够大时,
可以任意小。设
然后我们设置一个足够大的数
,然后分段估计级数去掉前
项后的无穷求和:
由于
,上式的指数部分被
控制。当
足够大时,后面的无穷求和可以任意小。上面推导的第三行使用了 Schauder 函数在
时的支持集(有非零函数值的集合)彼此不交的特点,因此得到了一个一致的上界,也就是常函数
。
引理 3.10
考虑相互独立的标准 Gauss 随机变量序列
,对几乎所有
,当
时,有
证明.
首先估计一下
的概率
令
,就有
此时注意到
,就可以用 Borel-Cantelli 引理,得到
因此对于几乎所有
,都可以找到一个
,当
时,有
。
定理 3.11 (构造
上的 Brown 运动)
考虑相互独立的标准 Gauss 随机变量序列
,和 Schauder 函数
,级数
在概率空间中几乎处处对
一致收敛,且满足下面两个条件
-
在
上是 Brown 运动
- 几乎所有
确定的采样路径
连续
证明.
由我们的设定
,根据引理 3.10,它可以被
控制;因此目标级数一致收敛,因此它对几乎所有样本点
也是连续的。
下面验证这个函数项级数确实就是 Brown 运动
。首先根据 Schauder 函数的定义立刻有
。接着我们验证对所有
都有
,我们计算它的特征函数:
独立性引理
最后证明它符合 Brown 运动定义中的增量无关性质。还是一样,我们只需要证明
只需继续计算对应的特征函数,然后重复用引理 3.8 的结果即可。
定理 3.12 (一维 Brown 运动的存在性)
考虑概率空间
上定义的可数个相互独立的标准 Gauss 随机变量
,则存在一个定义在
和
上的一维 Brown 运动
大概的思路是,有可列个随机变量
就可以用对角线方法造出可列个可列长度的随机变量
:
⋰
所以每一个
,都可以造出一个定义在
上的 Brown 运动
。接下来的问题就是怎么把它们接起来,其实只要新的接在老的后面,这样一直接下去就可以了。这就得到了下面的递归表达式
我们可以验证它满足 Brown 运动的定义。
3.3.3
中的 Brown 运动
最后我们把 Brown 运动拓展到
。
定义 3.13 (
中的 Brown 运动)
一个
值随机过程
如果满足对所有
-
是一个 Brown 运动
-
-代数
是相互独立的
它就是一个
-维 Brown 运动
-维 Brown 运动和一维的版本有类似地性质。
引理 3.14
是一个
维 Brown 运动,对所有
,有
以及和一维版本十分相似的
和联合分布的结果:
定理 3.15
是一个
维 Brown 运动,则对任意
,有
,因此对任意 Borel 集
,有
一般地,对每一个
和每一个函数
个
,有
其中
。
证明.
对每个
,随机变量
都是相互独立的,因此有
接下来的步骤和一维情况类似,不再赘述。