You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

关于证明$W_{t}^2 - t$是伊藤过程的两个疑问

关于证明$W_{t}^2 - t$是伊藤过程的两个疑问

嘿,我来帮你拆解这两个困惑点,咱们结合定义和伊藤引理的细节一步步说:

疑问一:为什么用伊藤引理就算完成了证明?

首先得回忆伊藤过程的核心定义:一个随机过程$X_t$是伊藤过程,当且仅当它可以表示为如下形式:
$$X_t = X_0 + \int_0^t \mu_s ds + \int_0^t \sigma_s dW_s$$
其中$\mu_s$、$\sigma_s$是适应过程,$\int_0^t \mu_s ds$是普通的勒贝格积分,$\int_0^t \sigma_s dW_s$是伊藤随机积分。

你觉得“应该核对特征”的思路没错,但用伊藤引理推导的过程,本质上就是直接把$W_t^2 - t$转化成了伊藤过程的标准形式:
从推导结果$W_t^2 - t = \int_0^t 2W_s dW_s$来看,它完全符合伊藤过程的定义——初始值$X_0=0$,没有普通积分项(相当于$\mu_s=0$),随机积分项的系数$\sigma_s=2W_s$是适应过程。

这就像要证明一个数是偶数,你不需要去核对“能被2整除”的所有抽象特征,直接把它写成$2k$的形式就够了。伊藤引理在这里就是帮我们完成这个“转化成标准形式”的工具,所以这就是有效的证明。

疑问二:积分结果里的$t$是怎么来的?

你这里的困惑大概率是因为看到的式(1)省略了伊藤引理的完整推导步骤!咱们把细节补全就清楚了:

首先定义二元函数$f(t,w) = w^2 - t$,对它应用完整的伊藤引理(针对布朗运动的版本):
$$df(t,W_t) = \frac{\partial f}{\partial t}dt + \frac{\partial f}{\partial w}dW_t + \frac{1}{2}\frac{\partial^2 f}{\partial w2}(dW_t)2$$
计算各个偏导数:

  • $\frac{\partial f}{\partial t} = -1$
  • $\frac{\partial f}{\partial w} = 2w$
  • $\frac{\partial^2 f}{\partial w^2} = 2$
    再结合布朗运动的核心性质:$(dW_t)^2 = dt$(二次变差等于时间增量),代入后:
    $$df(t,W_t) = -1 \cdot dt + 2W_t dW_t + \frac{1}{2} \times 2 \times dt$$
    化简一下,$-dt$和$+dt$正好抵消,所以得到:
    $$df(t,W_t) = 2W_t dW_t$$
    这就是你看到的式(1)。接下来对两边从$0$到$t$积分:
    左边积分结果是$f(t,W_t) - f(0,W_0) = (W_t^2 - t) - (0^2 - 0) = W_t^2 - t$
    右边积分结果是$\int_0^t 2W_s dW_s$
    这就得到了式(2)。所以$t$其实来自于函数$f(t,w)$对时间的偏导数,只是在微分阶段和二次变差项抵消了,但积分后左边的初始值差就保留了$-t$这一项。

备注:内容来源于stack exchange,提问作者TJT

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.04.20 13:23:09