跳轉到

7.3 擴散方程的機率解讀#

本章導言#

Einstein 1905 年推導的兩個結果是一體兩面：均方位移 \(\mathbb{E}[\Delta x^2] = 2Dt\) （粒子觀點）與擴散方程（波動觀點）。把布朗運動的機率密度演化寫成偏微分方程——Fokker–Planck 方程——是十九世紀熱傳導數學與二十世紀隨機過程的會師點，1931 年 Kolmogorov 與 1944 年 Itô 使兩側完全等價。本節講述「偏微分方程的機率解讀」這一數學史上最壯觀的跨域聯姻。

擴散方程：兩條推導路#

熱傳導路線（Fourier 1822）。Fourier 在《熱的解析理論》中建立熱傳導方程：

\[ \frac{\partial u}{\partial t} = \kappa \frac{\partial^2 u}{\partial x^2}, \]

並發明三角級數（傅立葉級數，《微積分》教材 10.1 節）求解。熱流由溫差驅動、沿溫度梯度反向下坡——完全決定論。

粒子路線（Einstein 1905）。設布朗微粒的密度為 \(u(x, t)\) 。連續性（守恆）： \(\frac{\partial u}{\partial t} = -\frac{\partial J}{\partial x}\) ；Fick 定律（Fick 1855）：通量 \(J = -D \frac{\partial u}{\partial x}\) （物質從高濃度流向低濃度）。合併：

\[ \frac{\partial u}{\partial t} = D \frac{\partial^2 u}{\partial x^2}. \]

同一方程、兩種宇宙觀：熱傳導是決定論的能量流；擴散是隨機粒子的集體統計。方程相同——這個等同正是本節的主題：隨機個體的無規運動，在集體層面湧現出確定性的演化定律（大數法則的偏微分方程版！）。

基本解：熱核與常態密度#

點源初值 \(u(x, 0) = \delta(x)\) 的解是熱核：

\[ u(x, t) = \frac{1}{\sqrt{4\pi D t}} \exp\left(-\frac{x^2}{4Dt}\right). \]

辨認：這正是 \(N(0, 2Dt)\) 的密度（3.2 節）—— \(\operatorname{Var} = 2Dt\) 與 Einstein 公式 \(\mathbb{E}[\Delta x^2] = 2Dt\) 完全吻合。常態分布是擴散方程的 Green 函數：一個點在隨機游走下「暈開」，暈的形狀永遠是鐘形、寬度按 \(\sqrt{t}\) 增長。可以嚴格敘述兩方向的等價：

  • 向前： \(X(t) = W(2Dt)\) 的密度滿足擴散方程（對時間求導 + Itô 計算，或由常態密度的直接驗證）。
  • 向後：任何擴散方程的解都可表為 Wiener 過程的期望（Feynman–Kac，見下）。

Fokker–Planck 與 Kolmogorov 方程#

一般擴散型隨機過程 \(dX = \mu(X)\,dt + \sigma(X)\,dW\) ，其密度演化（Fokker–Planck 方程；Fokker 1914、Planck 1917；Kolmogorov 1931 年從馬可夫過程角度獨立給出向前與向後方程）：

\[ \frac{\partial p}{\partial t} = -\frac{\partial}{\partial x}\left[\mu(x) p\right] + \frac{1}{2} \frac{\partial^2}{\partial x^2}\left[\sigma^2(x) p\right]. \]

漂移項 \(\mu\) 對應「平均力」、擴散項 \(\sigma^2\) 對應「隨機擾動強度」。機率語言與 PDE 語言的詞典：

機率概念 PDE 概念
過程 \(X(t)\) 演化系統
密度 \(p(x,t)\) 濃度/溫度場
轉移密度 基本解（Green 函數）
條件期望 \(\mathbb{E}[f(X_t)]\) 向後方程的解
停時的期望 \(E[\tau]\) 邊界值問題（Poisson 方程）
首達機率 調和函數的邊界值

這張詞典使兩門學科互為翻譯器：物理的邊界值問題獲得蒙地卡羅解法（10.2 節），機率的期望獲得解析工具。

Feynman–Kac：期望即解#

Feynman–Kac 公式（Kac 1949，受 Feynman 1948 年量子路徑積分啟發）：若 \(v(x, t)\) 滿足

\[ \frac{\partial v}{\partial t} + \mu v_x + \frac{1}{2}\sigma^2 v_{xx} - r v = 0, \qquad v(x, T) = g(x), \]

則 \(v(x, t) = \mathbb{E}\left[e^{-r(T-t)}\, g(X_T) \,\middle|\, X_t = x\right]\) ，其中 \(dX = \mu\, dt + \sigma\, dW\) 。偏微分方程的解 = 隨機軌道泛函的期望。這條公式是金融定價（Black–Scholes 方程的機率解法）與粒子過濾的理論核心，也是「決定論方程的隨機解法」的旗幟：解 PDE 可以改為模擬一萬條隨機軌道取平均（10.2 節）。

一個具體例題#

例題 7.3.1：一維擴散 \(D = 1\) （即 \(X = \sqrt{2} W\) ），初始位於 \(x_0 = 0.5\) ，兩側吸收牆 \(x = 0\) 與 \(x = 1\) 。(a) 求「先觸左牆」的機率；(b) 求平均逃逸時間 \(\mathbb{E}[\tau]\) ；(c) 解釋這兩個量如何分別對應調和函數與 Poisson 方程；(d) 連結到賭徒破產（6.1 節）。

解：

(a) 首達機率是調和問題： \(m(x) = P_x(\text{先觸 } 0)\) 滿足 \(\frac{m''}{2} = 0\) （向後方程、無漂移項化為 \(m'' = 0\) ），邊界 \(m(0) = 1\) 、 \(m(1) = 0\) 。解線性插值：

\[ m(x_0) = 1 - x_0 = 0.5. \]

對稱位置、對稱邊界——五五開，與直覺一致。

(b) 平均逃逸時間滿足 Poisson 型邊值問題： \(\frac{1}{2} u'' = -1\) （ \(u\) = 平均存活時間）， \(u(0) = u(1) = 0\) 。積分兩次： \(u(x) = x(1 - x)\) ，故

\[ \mathbb{E}[\tau] = x_0(1 - x_0) = 0.5 \times 0.5 = 0.25. \]

最大值在中央（0.25），靠牆迅速歸零——「離邊界越遠活得越久，但二次而非線性」。

(c) (a) 的方程無源（機率守恆，離開必經兩牆之一），是調和函數； (b) 的方程有源 \(-1\) （每單位時間「消耗」1 個單位的存活時間），是 Poisson 方程。機率論視角：前者是首達機率的齊次向後方程、後者是期望停時的非齊次向後方程。同一套向後方程，邊界條件與右端項決定你算的是「哪裡死」還是「多久死」。

(d) 這正是賭徒破產的連續版：離散差分方程 \(q_a = \frac{q_{a-1} + q_{a+1}}{2}\) 在 \(\Delta x \to 0\) 下化為 \(q'' = 0\) ；期望時間 \(m_a = a b\) （6.1 節）化為 \(x(1-x)\) （尺度 \(\Delta x\) 消失）。Pascal 1654 年的遞迴、Fourier 1822 年的方程、Wiener 1923 年的過程，是同一個數學的三種時間切片——它們的統一是二十世紀機率論最優雅的成就之一。

歷史啟示#

  • 一個方程、兩種詮釋：熱傳導（決定論）與擴散（隨機論）共享同一數學——物理理論的正確性可以獨立於其「敘事」。
  • 機率使 PDE 可模擬：Feynman–Kac 把邊值問題化為軌道期望，蒙地卡羅從此成為高維 PDE 的通用解法——維度詛咒下的突圍。
  • 漲落湧現確定性：單個粒子無規律，億萬粒子的密度卻服從光滑的偏微分方程——集體層次的規律性是統計思維的核心奇蹟。
  • 兩個世紀的匯流：Fourier（1822）→ Einstein（1905）→ Fokker–Planck（1914–17）→ Kolmogorov（1931）→ Kac（1949），每一代在上一代的方程上注入新意義。

與其他章節及領域的關聯#

  • 7.1、7.2 節：粒子觀點與路徑觀點的 PDE 完成。
  • 5.2 節：Donsker 不變原理是「漫步 → 擴散」的過程級極限；本節是它的密度級與期望級對應。
  • 3.2 節：熱核 = 常態密度，誤差理論與熱傳導的深層同一。
  • 6.2 節：馬可夫鏈的 Chapman–Kolmogorov 是 Fokker–Planck 的離散前身；Ehrenfest 模型是其隨機模擬。
  • 10.2 節：以 Wiener 軌道的蒙地卡羅求解 PDE，是 Feynman–Kac 的工程化。
  • 物理：熱傳導、粒子擴散、Schwarzschild 的輻射輸運；化學：反應擴散系統（Turing 1952 圖靈斑圖——擴散的不穩定性竟能生成生命圖案）。
  • 金融：Black–Scholes 方程即 Feynman–Kac 的一員；神經科學：膜電位的 Leaky integrate-and-fire 模型的首達時間。
  • 影像處理：Perona–Malik（1990）以非線性擴散做邊緣保持去噪——熱方程的現代消費端。

練習#

  1. 驗證熱核 \(u(x,t) = \frac{1}{\sqrt{4\pi Dt}} e^{-x^2/4Dt}\) 滿足擴散方程（直接求偏導）。
  2. 對 \(D = 1\) 、初值 \(u(x, 0) = \delta(x - 2)\) ，寫出解並求 \(u(0, 1)\) 的表達式。
  3. 重做例題 7.3.1 但吸收牆在 \(x = -1\) 與 \(x = 1\) 、起點 \(x_0 = 0.3\) 。求先觸 \(-1\) 的機率與平均逃逸時間（提示： \(u(x) = 1 - x^2\) 型的拋物線）。
  4. 證明：均值 \(\mu\) 的漂移擴散 \(\partial_t p = -\mu\, p_x + \frac{1}{2} p_{xx}\) 的基本解是 \(N(\mu t, t)\) ，並解釋「漂移 + 擴散 = 對稱鐘的行進與展寬」。
  5. 思考題：Turing 1952 年證明兩種物質的「擴散 + 反應」可以自發生成斑紋。請用「擴散通常抹平不均勻，但耦合反應可以放大特定波長」解釋為何擴散可以「創造」而非只會「消除」結構。

進階研讀：隨機-PDE 詞典的五個深化場景#

場景一：向後方程與最佳停止。最優停止問題（何時賣出、何時行權）的價值函數滿足變分不等式（向後方程 + 停止域的自由邊界）。美式選擇權定價（自由邊界問題）與最優換車時機是同一數學——機率論的停時語言（5.3 節場景二）與 PDE 的自由邊界在此互譯。

場景二：大偏差與 WKB。擴散的罕見事件（密度小於任何 \(e^{-ct}\) 尾部）的漸近由 WKB 型方法（Freidlin–Wentzell 1970 大偏差理論）處理：逃逸機率 \(\sim e^{-\Delta V/\varepsilon}\) （ \(\Delta V\) 為勢壘）。化學的 Kramers 逃逸（7.1 節場景五）與生物的基因切換（lac operon 開關）都以它定量——「最可能的罕見路徑」的概念把機率論帶回變分法。

場景三：隨機偏微分方程。給場本身加噪聲： \(\partial_t u = \kappa u_{xx} + \sigma \dot{W}(x,t)\) （空間白噪聲驅動的熱方程）。Hairer（2014）的規則性結構理論為粗糙驅動的 SPDE 建立適定理論，獲 Fields 獎章——二十一世紀機率論的最前沿之一，其直觀起點正是本節方程的「噪聲化」。

場景四：量子力學的路徑積分。Feynman（1948）以「對所有路徑求和」重構量子力學： \(e^{iS/\hbar}\) 的泛函積分。Kac 1949 年注意到：把虛時間 \(t \to it\) 代入，量子路徑積分化為布朗運動的泛函期望（即 Feynman–Kac）——量子力學與擴散在 Wick 旋轉下互為鏡像。Schrödinger 方程與熱方程的數學同構（虛時間）從此獲得機率解讀。

場景五：金融的偏微分方程視角。Black–Scholes 方程 \(\frac{\partial V}{\partial t} + \frac{1}{2}\sigma^2 S^2 V_{SS} + rS V_S - rV = 0\) 經變數替換化為熱方程（特別地，期權價值 = 熱核對損益函數的捲積）。障礙選擇權對應吸收邊界（例題 7.3.1 的牆！）、亞式選擇權對應添加維度。「定價 = 解熱傳導」這一翻譯使十九世紀的數學成為二十一世紀金融的日常工具。

名詞速查表（本節出現的核心術語）#

  • 擴散方程： \(\partial_t u = D u_{xx}\) ，熱傳導與粒子擴散的共享方程。
  • Fick 定律：通量正比於負梯度。
  • 熱核：擴散方程的基本解 \(= N(0, 2Dt)\) 密度。
  • Fokker–Planck 方程：漂移 + 擴散的一般密度演化（向前方程）。
  • 向後方程：條件期望的 PDE（Kolmogorov 1931）。
  • Feynman–Kac 公式：PDE 解 = 隨機軌道泛函的期望。
  • 首達機率 / 平均逃逸時間：調和函數 / Poisson 方程的邊值問題。
  • 變分不等式與自由邊界：最優停止的 PDE 形態。
  • SPDE：場被噪聲驅動的隨機偏微分方程。
  • Wick 旋轉：虛時間下量子與擴散的互換。

年表速查（本節涉及的關鍵年份）#

  • 1822：Fourier《熱的解析理論》。
  • 1855：Fick 擴散定律。
  • 1905：Einstein 均方位移（擴散的粒子觀點）。
  • 1914、1917：Fokker、Planck 方程。
  • 1931：Kolmogorov 向前與向後方程。
  • 1944–51：Itô 微積分。
  • 1948：Feynman 路徑積分。
  • 1949：Kac 的 Feynman–Kac 公式。
  • 1952：Turing 形態發生（反應擴散）。
  • 1970：Freidlin–Wentzell 大偏差。
  • 1990：Perona–Malik 擴散去噪。
  • 2014：Hairer 規則性結構理論。

深化問答三則#

問：為什麼「隨機個體 → 確定 PDE」的湧現是合法的？ 答：因為大數法則（5.1 節）在密度場上生效： \(N\) 個獨立粒子的經驗密度，其漲落相對幅度 \(\sim \frac{1}{\sqrt{N}}\) ， \(N\) 巨大時密度場實質確定、且按平均行為（即 Fokker–Planck）演化。方程的「確定性」與粒子的「隨機性」不衝突，因為它們描述不同聚合層級——這是統計力學的總綱（Boltzmann 的計畫）在偏微分方程上的實現。

問：向前與向後方程的分工是什麼？ 答：向前（Fokker–Planck）追蹤密度：給定初值，分布如何流動——適合「大量初始條件」的場景（濃度、溫度）。向後（Kolmogorov）追蹤期望泛函：給定終值目標，回推起點的期望——適合「單一起點、多種歸宿」的場景（首達、停時、定價）。實務口訣：「問分布用向前、問期望用向後」。例題 7.3.1 的 (a)(b) 兩問正是同一過程的一前一後。

問：蒙地卡羅解 PDE 何時勝過有限差分？ 答：維數。差分法的網格點數隨維數指數增長（ \(d\) 維需 \(N^d\) 點）；蒙地卡羅的誤差 \(\sim \frac{1}{\sqrt{M}}\) 與維數無關（10.2 節）。因此 \(d \ge 3\) 的高維問題（多資產定價、路徑依賴期權、貝氏後驗）幾乎必選模擬。反之，一維二維的規則問題解析法與差分法更精確。方法選擇的本質是「誤差結構對問題結構的匹配」——這句話是本書第 10 章的預告。

（本節完）