布朗运动 （英语：Brownian motion ）是微小粒子或者颗粒在流体 中做的无规则运动。布朗运动过程是一种正态分布 的独立增量 连续随机过程 。它是随机分析 中基本概念之一。其基本性质为：布朗运动W(t)是期望为0、方差 为t（时间）的正态随机变量。对于任意的r小于等于s，W(t)-W(s)独立于的W(r)，且是期望为0、方差 为t-s的正态随机变量。可以证明布朗运动是马尔可夫过程 、鞅过程 和伊藤过程 。
此条目需要精通或熟悉相关主题的编者 参与及协助编辑。 (2015年12月14日 )
模拟的大颗粒尘埃粒子碰撞到更小的粒子，而其以不同的速度在不同方向移动的布朗运动 。 粒子的立体空间进行布朗运动的示意图。 它是在公元1827年[ 1] 罗伯特·布朗 利用一般的显微镜 观察悬浮于水中由花粉 所迸裂出之微粒时，发现微粒会呈现不规则状的运动，因而称它布朗运动。布朗运动也能测量原子 的大小，因为就是由水 中的水分子对微粒的碰撞产生的，而不规则的碰撞越明显，就是原子愈小，因此根据布朗运动，定义原子的直径为10-8 厘米。
自1860年以来，许多科学家 都在研究此种现象，后来发现布朗运动有下列的主要特性：[ 2]
粒子的运动由平移 及转移 所构成，显得非常没规则而且其轨迹几乎是处处没有切线。
粒子之移动显然互不相关，甚至于当粒子互相接近至比其直径小的距离时也是如此。
粒子越小或液体粘性越低或温度越高时，粒子的运动越活泼。
粒子的成分及密度对其运动没有影响。
粒子的运动永不停止。
在1905年，爱因斯坦 提出了相关理论。他的理论有两个部分：第一部分定义布朗粒子扩散方程，其中的扩散系数与布朗粒子平均平方位移相关，而第二部分连结扩散系数与可测量的物理量。以此方式，爱因斯坦的理论可决定原子的大小，一摩尔 有多少原子，或气体的克分子量。根据阿伏伽德罗定律 ，所有理想气体在标准温度和压力下体积为22.414升，其中包含的原子的数目被称为“阿伏伽德罗常数 ”。由气体的摩尔质量除以阿伏伽德罗常数等同原子量。
爱因斯坦论证的第一部分是，确定布朗粒子在一定的时间内运动的距离。[ 3] [来源请求] 14 次撞击。[ 4] [来源请求]
他把粒子在一个的空间中，把布朗粒子在一维方向上的运动增量 (x) 视作一个随机值（
Δ
{\displaystyle \Delta }
x， 并对其坐标进行变换，让原点成为粒子运动的初始位置）并给出概率密度函数
φ
(
Δ
)
{\displaystyle \varphi (\Delta )}
ρ
(
x
,
t
)
+
τ
∂
ρ
(
x
)
∂
t
+
⋯
=
ρ
(
x
,
t
+
τ
)
=
∫
−
∞
+
∞
ρ
(
x
+
Δ
,
t
)
⋅
φ
(
Δ
)
d
Δ
=
ρ
(
x
,
t
)
⋅
∫
−
∞
+
∞
φ
(
Δ
)
d
Δ
+
∂
ρ
∂
x
⋅
∫
−
∞
+
∞
Δ
⋅
φ
(
Δ
)
d
Δ
+
∂
2
ρ
∂
x
2
⋅
∫
−
∞
+
∞
Δ
2
2
⋅
φ
(
Δ
)
d
Δ
+
⋯
=
ρ
(
x
,
t
)
⋅
1
+
0
+
∂
2
ρ
∂
x
2
⋅
∫
−
∞
+
∞
Δ
2
2
⋅
φ
(
Δ
)
d
Δ
+
⋯
{\displaystyle {\begin{aligned}\rho (x,t)+\tau {\frac {\partial \rho (x)}{\partial t}}+\cdots =\rho (x,t+\tau )={}&\int _{-\infty }^{+\infty }\rho (x+\Delta ,t)\cdot \varphi (\Delta )\,\mathrm {d} \Delta \\={}&\rho (x,t)\cdot \int _{-\infty }^{+\infty }\varphi (\Delta )\,d\Delta +{\frac {\partial \rho }{\partial x}}\cdot \int _{-\infty }^{+\infty }\Delta \cdot \varphi (\Delta )\,\mathrm {d} \Delta \\&{}+{\frac {\partial ^{2}\rho }{\partial x^{2}}}\cdot \int _{-\infty }^{+\infty }{\frac {\Delta ^{2}}{2}}\cdot \varphi (\Delta )\,\mathrm {d} \Delta +\cdots \\={}&\rho (x,t)\cdot 1+0+{\frac {\partial ^{2}\rho }{\partial x^{2}}}\cdot \int _{-\infty }^{+\infty }{\frac {\Delta ^{2}}{2}}\cdot \varphi (\Delta )\,\mathrm {d} \Delta +\cdots \end{aligned}}}
第一行中的第二个等式是被
φ
{\displaystyle \varphi }
∂
ρ
∂
t
=
∂
2
ρ
∂
x
2
⋅
∫
−
∞
+
∞
Δ
2
2
τ
⋅
φ
(
Δ
)
d
Δ
+
(更 高 阶 的 项 )
{\displaystyle {\frac {\partial \rho }{\partial t}}={\frac {\partial ^{2}\rho }{\partial x^{2}}}\cdot \int _{-\infty }^{+\infty }{\frac {\Delta ^{2}}{2\,\tau }}\cdot \varphi (\Delta )\,\mathrm {d} \Delta +{\text{(更 高 阶 的 项 )}}}
拉普拉斯算子之前的系数，是下一刻的随机位移量
Δ
{\displaystyle \Delta }
D
=
∫
−
∞
+
∞
Δ
2
2
τ
⋅
φ
(
Δ
)
d
Δ
{\displaystyle D=\int _{-\infty }^{+\infty }{\frac {\Delta ^{2}}{2\,\tau }}\cdot \varphi (\Delta )\,\mathrm {d} \Delta }
那么在 t 时刻 x 处的布朗粒子密度 ρ 满足扩散方程：
∂
ρ
∂
t
=
D
⋅
∂
2
ρ
∂
x
2
,
{\displaystyle {\frac {\partial \rho }{\partial t}}=D\cdot {\frac {\partial ^{2}\rho }{\partial x^{2}}},}
假设在初始时刻t = 0时，所有的粒子从原点开始运动，扩散方程的解
ρ
(
x
,
t
)
=
ρ
0
4
π
D
t
e
−
x
2
4
D
t
.
{\displaystyle \rho (x,t)={\frac {\rho _{0}}{\sqrt {4\pi Dt}}}e^{-{\frac {x^{2}}{4Dt}}}.}
满足下列条件的鞅 我们称之为布朗运动
这个鞅是关于时间连续的。
他的平方减去时间项也是一个鞅。
(
M
t
)
{\displaystyle (M_{t})}
(
M
t
)
{\displaystyle (M_{t})}
(
M
t
2
−
t
)
{\displaystyle (M_{t}^{2}-t)}
3000步的2维布朗运动的模拟。 1000步的3维布朗运动模拟。 一维的定义
一维布朗运动
(
B
t
)
t
≥
0
{\displaystyle \scriptstyle (B_{t})_{t\geq 0}}
t 的一个随机过程，他满足 ：
（独立增量）设时间t 和s 满足t > s ,增量
B
t
−
B
s
{\displaystyle \scriptstyle B_{t}-B_{s}}
s 前的过程
(
B
u
)
0
≤
u
≤
s
{\displaystyle \scriptstyle (B_{u})_{0\leq u\leq s}}
（稳定增量和正态性）设时间t 和s 满足t > s ,增量
B
t
−
B
s
{\displaystyle \scriptstyle B_{t}-B_{s}}
t −s 的正态分布。
(
B
t
)
t
≥
0
{\displaystyle \scriptstyle (B_{t})_{t\geq 0}}
t
↦
B
t
(
ω
)
{\displaystyle \scriptstyle t\mapsto B_{t}(\omega )}
通常假设
B
0
=
0
{\displaystyle \scriptstyle B_{0}=0}
等价定义
一维布朗运动
(
B
t
)
t
≥
0
{\displaystyle \scriptstyle (B_{t})_{t\geq 0}}
t 的一个随机过程，他满足 ：
(
B
t
)
t
≥
0
{\displaystyle \scriptstyle (B_{t})_{t\geq 0}}
高斯过程 ，也就是说对于所有的时间列：
t
1
≤
t
2
≤
.
.
.
≤
t
n
{\displaystyle \scriptstyle t_{1}\leq t_{2}\leq ...\leq t_{n}}
(
B
t
1
,
B
t
2
,
.
.
.
,
B
t
n
)
{\displaystyle \scriptstyle (B_{t_{1}},B_{t_{2}},...,B_{t_{n}})}
(
B
t
)
t
≥
0
{\displaystyle \scriptstyle (B_{t})_{t\geq 0}}
对于所有s 和t ,均值
E
[
B
t
]
=
0
{\displaystyle \scriptstyle \mathbb {E} [B_{t}]=0}
协方差
E
[
B
s
B
t
]
=
m
i
n
(
s
,
t
)
{\displaystyle \scriptstyle E[B_{s}B_{t}]=min(s,t)}
高维定义
(
B
t
)
t
≥
0
:=
(
B
t
1
,
B
t
2
,
.
.
.
,
B
t
d
)
t
≥
0
{\displaystyle \scriptstyle (B_{t})_{t\geq 0}:=\left(B_{t}^{1},B_{t}^{2},...,B_{t}^{d}\right)_{t\geq 0}}
d 维布朗运动，只需满足
B
1
,
B
2
,
.
.
.
,
B
d
{\displaystyle \scriptstyle B^{1},B^{2},...,B^{d}}
换句话说，d 维布朗运动 取值于
R
d
{\displaystyle \scriptstyle \mathbb {R} ^{d}}
R
,
R
2
,
.
.
.
,
R
d
−
1
{\displaystyle \scriptstyle \mathbb {R} ,\mathbb {R} ^{2},...,\mathbb {R} ^{d-1}}
Wiener测度的定义
设
C
(
R
+
,
R
)
{\displaystyle \scriptstyle {\mathcal {C}}(\mathbb {R} ^{+},\mathbb {R} )}
R
+
{\displaystyle \scriptstyle \mathbb {R} ^{+}}
R
{\displaystyle \scriptstyle \mathbb {R} }
(
Ω
,
T
,
P
)
{\displaystyle \scriptstyle (\Omega ,{\mathcal {T}},\mathbb {P} )}
B
:
Ω
⟶
C
(
R
+
,
R
)
{\displaystyle B:\Omega \longrightarrow C(\mathbb {R} ^{+},\mathbb {R} )}
ω
↦
(
t
↦
B
t
(
ω
)
)
{\displaystyle \omega \mapsto \left(t\mapsto B_{t}(\omega )\right)}
Wiener测度 （或称为布朗运动的分布）设为
W
(
d
ω
)
{\displaystyle \scriptstyle W(d\omega )}
B 关于
P
(
d
ω
)
{\displaystyle \scriptstyle \mathbb {P} (d\omega )}
换句话说， W 是
C
(
R
+
,
R
)
{\displaystyle \scriptstyle {\mathcal {C}}(\mathbb {R} ^{+},\mathbb {R} )}
A
⊂
C
(
R
+
,
R
)
{\displaystyle \scriptstyle A\subset {\mathcal {C}}(\mathbb {R} ^{+},\mathbb {R} )}
W
(
A
)
=
P
(
(
B
t
)
t
≥
0
∈
A
)
{\displaystyle W(A)=\mathbb {P} ((B_{t})_{t\geq 0}\in A)}
备忘
布朗运动是一种增量服从正态分布的莱维过程 。
这个定义可以帮助我们证明布朗运动的很多特性，比如几乎处处连续，轨迹几乎处处不可微等等。
我们可以利用二次变差的期望为时间来等价定义布朗运动。这个定义由Levy定理演化而来， 即： 轨迹连续且二次变差为
t
{\displaystyle t}
布朗运动的轨道几乎处处不可微：对于任何
ω
∈
Ω
{\displaystyle \scriptstyle \omega \in \Omega }
t
↦
B
t
(
ω
)
{\displaystyle \scriptstyle t\mapsto B_{t}(\omega )}
协方差
E
[
B
s
B
t
]
=
m
i
n
(
s
,
t
)
{\displaystyle \scriptstyle \mathbb {E} [B_{s}B_{t}]=min(s,t)}
布朗运动具有强马氏性 ： 对于停时 T ,取条件
[
T
<
∞
]
{\displaystyle \scriptstyle [T<\infty ]}
(
B
t
T
)
t
≥
0
:=
(
B
T
+
t
−
B
T
)
t
≥
0
{\displaystyle \scriptstyle (B_{t}^{T})_{t\geq 0}:=(B_{T+t}-B_{T})_{t\geq 0}}
(
B
s
)
0
≤
s
<
T
{\displaystyle \scriptstyle (B_{s})_{0\leq s<T}}
它的Fourier变换 或特征函数 为
E
[
e
i
u
B
t
]
=
e
−
t
u
2
2
{\displaystyle \scriptstyle \mathbb {E} \left[e^{iuB_{t}}\right]=e^{-{\frac {tu^{2}}{2}}}}
布朗运动关于时间是齐次的： 对于s > 0,
(
B
t
+
s
−
B
s
)
t
≥
0
{\displaystyle \scriptstyle (B_{t+s}-B_{s})_{t\geq 0}}
(
B
u
)
0
≤
u
≤
s
{\displaystyle \scriptstyle (B_{u})_{0\leq u\leq s}}
-B 是一个布朗运动。
（稳定性） 对于c > 0，
(
c
B
t
c
2
)
t
≥
0
{\displaystyle \scriptstyle \left(cB_{\frac {t}{c^{2}}}\right)_{t\geq 0}}
（时间可逆性）
(
t
B
1
t
)
t
>
0
{\displaystyle \scriptstyle \left(tB_{\frac {1}{t}}\right)_{t>0}}
t =0之外是布朗运动。
（常返性 ）只有1维和2维布朗运动是常返的： 如果
d
∈
{
1
,
2
}
{\displaystyle \scriptstyle d\in \{1,2\}}
{
t
≥
0
,
B
t
=
x
}
{\displaystyle \scriptstyle \{t\geq 0,B_{t}=x\}}
x
∈
R
d
{\displaystyle \scriptstyle x\in \mathbb {R} ^{d}}
如果
d
≥
3
,
lim
t
→
∞
|
|
B
t
|
|
=
+
∞
{\displaystyle \scriptstyle d\geq 3,\,\,\,\lim _{t\rightarrow \infty }||B_{t}||=+\infty }
P
[
sup
0
≤
s
≤
t
B
s
≥
a
]
=
2
P
[
B
t
≥
a
]
=
P
[
|
B
t
|
≥
a
]
.
{\displaystyle \mathbb {P} [\sup _{0\leq s\leq t}B_{s}\geq a]=2\mathbb {P} [B_{t}\geq a]=\mathbb {P} [|B_{t}|\geq a].}
设
(
f
t
)
t
∈
R
+
{\displaystyle (f_{t})_{t\in {\mathbb {R} }_{+}}}
L
2
(
R
+
)
{\displaystyle L^{2}({\mathbb {R} }_{+})}
∀
(
u
,
v
)
∈
R
+
,
s
(
u
,
v
)
=
⟨
f
u
,
f
v
⟩
L
2
(
R
+
)
=
∫
R
+
f
u
(
x
)
f
v
(
x
)
d
x
{\displaystyle \forall (u,v)\in {\mathbb {R} }_{+}{\text{, }}s(u,v)={\langle f_{u},f_{v}\rangle }_{L^{2}({\mathbb {R} }_{+})}=\int _{\mathbb {R} _{+}}f_{u}(x)f_{v}(x)dx}
这列函数满足：
∀
k
∈
N
∗
{\displaystyle \forall k\in \mathbb {N} ^{*}}
t
1
,
.
.
.
,
t
k
∈
R
+
{\displaystyle t_{1},...,t_{k}\in \mathbb {R} _{+}}
(
s
(
t
i
,
t
j
)
)
1
≤
i
,
j
≤
k
{\displaystyle \left(s(t_{i},t_{j})\right)_{1\leq i,j\leq k}}
利用Kolmogorov一致性定理，我们可以构造高斯过程
{
Y
t
}
t
∈
R
+
{\displaystyle \{Y_{t}\}_{t\in \mathbb {R} _{+}}}
m
{\displaystyle m}
s
{\displaystyle s}
当
(
f
t
)
t
∈
R
+
=
(
c
.1
1
[
0
,
t
]
)
t
∈
R
+
{\displaystyle (f_{t})_{t\in {\mathbb {R} }_{+}}=\left({\sqrt {c}}.1\!\!1_{[0,t]}\right)_{t\in \mathbb {R} _{+}}}
c
>
0
{\displaystyle c>0}
1
1
[
0
,
t
]
{\displaystyle 1\!\!1_{[0,t]}}
[
0
,
t
]
{\displaystyle [0,t]}
s
(
u
,
v
)
=
c
∫
R
1
1
[
0
,
u
]
(
s
)
1
1
[
0
,
v
]
(
s
)
d
s
=
c.min
(
u
,
v
)
{\displaystyle s(u,v)=c\int \limits _{\mathbb {R} }1\!\!1_{[0,u]}(s)1\!\!1_{[0,v]}(s)ds={\text{c.min}}(u,v)}
在这个情况下，矩阵
(
s
(
t
i
,
t
j
)
)
1
≤
i
,
j
≤
k
{\displaystyle \left(s(t_{i},t_{j})\right)_{1\leq i,j\leq k}}
我们称一个高斯过程为 布朗运动 当且仅当均值为0，协方差为s。
c
=
V
a
r
(
B
1
)
{\displaystyle c=Var(B_{1})}
c
=
1
{\displaystyle c=1}
标准的布朗运动 .
Donsker定理 （1951）证明了逐渐归一化的随机游走弱收敛于布朗运动。
(
1
σ
n
(
∑
k
=
1
[
n
t
]
U
k
+
(
n
t
−
[
n
t
]
)
U
[
n
t
]
+
1
)
)
0
≤
t
≤
1
⟹
n
→
∞
(
B
t
)
0
≤
t
≤
1
{\displaystyle \left({\frac {1}{\sigma {\sqrt {n}}}}\left(\sum _{k=1}^{[nt]}U_{k}+(nt-[nt])U_{[nt]+1}\right)\right)_{0\leq t\leq 1}{\underset {n\rightarrow \infty }{\Longrightarrow }}(B_{t})_{0\leq t\leq 1}}
其中（U n n ≥ 1） 独立同分布， 均值为0,方差为σ 的随机变量序列。
值得注意的是，布朗运动指的是花粉迸出的微粒的随机运动，而不是分子的随机运动。但是通过布朗运动的现象可以间接证明分子的无规则运动。 [来源请求]
一般而言，花粉 之直径分布于30～50μm 、最小亦有10μm之谱，相较之下，水分子直径约0.3nm （非球形，故依部位而有些许差异。），略为花粉的十万分之一。因此，花粉难以产生不规则振动，事实上花粉几乎不受布朗运动之影响。在罗伯特·布朗 的手稿中，“tiny particles from the pollen grains of flowers”意味着“自花粉粒中迸出之微粒子”，而非指花粉本身。然而在翻译为诸国语言时，时常受到误解，以为是“水中的花粉受布朗运动而呈现不规则运动”。积非成是之下，在大众一般观念中，此误会已然根深蒂固。 [来源请求]
花粉具备足够大小，几乎无法观测到布朗运动。 在日本 ，以鹤田宪次 ‘物理学丛话’为滥觞，岩波书店 ‘岩波理科辞典’[ 5] 花轮重雄 ‘物理学読本’、汤川秀树 ‘素粒子’、坂田昌一 ‘物理学原论（上）’、平凡社 ‘理科辞典’、福冈伸一 著‘生物与无生物之间’，甚至日本的理科课本等等，皆呈现错误之叙述。 [来源请求]
直到1973年横浜市立大学 名誉教授 植物学 者岩波洋造 在著书‘植物之SEX‐不为人知的性之世界’中，点出此误谬之前，鲜少有人注意。国立教育研究所 物理 研究室长板仓圣宣 在参与制作岩波电影‘回动粒子’（1970年）时，实际摄影漂浮在水中之花粉，却发现花粉完全没有布朗运动。遂于1975年3月，以“外行人与专家之间”为题，解说有关布朗运动之误会。 [来源请求]
李育嘉. 漫談布朗運動 . [2012-12-14 ] . （原始内容存档 于2019-07-18）. Feynman, R. The Brownian Movement . The Feynman Lectures of Physics, Volume I. 1964: 41-1 [2018-02-05 ] . （原始内容存档 于2021-02-14）. 
![{\displaystyle \scriptstyle \mathbb {E} [B_{t}]=0}](http://wikimedia.org/api/rest_v1/media/math/render/svg/3b1ce330b074c3c976f4ea1be45d3296b7027d8e)
![{\displaystyle \scriptstyle E[B_{s}B_{t}]=min(s,t)}](http://wikimedia.org/api/rest_v1/media/math/render/svg/cffb7841c8a42b9e045fa78c2ed14fec391cb715)
![{\displaystyle \scriptstyle \mathbb {E} [B_{s}B_{t}]=min(s,t)}](http://wikimedia.org/api/rest_v1/media/math/render/svg/0c2960de156d232c7eb55b7e97c806720fabb51d)
![{\displaystyle \scriptstyle [T<\infty ]}](http://wikimedia.org/api/rest_v1/media/math/render/svg/2d6885b8b72ae1ad38319e88e7e957aa628444d3)
![{\displaystyle \scriptstyle \mathbb {E} \left[e^{iuB_{t}}\right]=e^{-{\frac {tu^{2}}{2}}}}](http://wikimedia.org/api/rest_v1/media/math/render/svg/4ab55235bec9cd31ec50cfa8bfccf871fab0569f)
![{\displaystyle \mathbb {P} [\sup _{0\leq s\leq t}B_{s}\geq a]=2\mathbb {P} [B_{t}\geq a]=\mathbb {P} [|B_{t}|\geq a].}](http://wikimedia.org/api/rest_v1/media/math/render/svg/e41019e614a289a58287d418c67e9fa6804208de)
![{\displaystyle (f_{t})_{t\in {\mathbb {R} }_{+}}=\left({\sqrt {c}}.1\!\!1_{[0,t]}\right)_{t\in \mathbb {R} _{+}}}](http://wikimedia.org/api/rest_v1/media/math/render/svg/22dc4d4d2b7105226701d051b942c22fe8ab2e72)
![{\displaystyle 1\!\!1_{[0,t]}}](http://wikimedia.org/api/rest_v1/media/math/render/svg/78a6fbd7e256ad5badddb733d9e5e69964152958)
![{\displaystyle [0,t]}](http://wikimedia.org/api/rest_v1/media/math/render/svg/37d2d2fa44908c699e2b7b7b9e92befc8283f264)
![{\displaystyle s(u,v)=c\int \limits _{\mathbb {R} }1\!\!1_{[0,u]}(s)1\!\!1_{[0,v]}(s)ds={\text{c.min}}(u,v)}](http://wikimedia.org/api/rest_v1/media/math/render/svg/fe3733bb18c7af27a59fff85fe00649990a3be25)
![{\displaystyle \left({\frac {1}{\sigma {\sqrt {n}}}}\left(\sum _{k=1}^{[nt]}U_{k}+(nt-[nt])U_{[nt]+1}\right)\right)_{0\leq t\leq 1}{\underset {n\rightarrow \infty }{\Longrightarrow }}(B_{t})_{0\leq t\leq 1}}](http://wikimedia.org/api/rest_v1/media/math/render/svg/7da668dedd47db63b559871f6652a4458447db78)
