本系列文章为 Evans 所著 An Introduction to Stochastic Differential Equations 之学习笔记,主要内容为原书翻译并加以自己的理解或是拓展。

本系列文章仅作学习用途,请勿用于商业盈利;如有侵权,请联系作者删除。

6.2 在偏微分方程和 Feynman–Kac 公式中的应用

6.2.1 求解 PDE 中的随机方程

示例 6.8 触碰集合边界的平均时间 考虑 Rn 中的有界开集 U ,它拥有光滑的边界 ∂U 。根据 PDE 的结论,下面的方程存在一个光滑解:

{−12Δu=1,in Uu=0,on ∂U

我们找一个 u 的概率角度解释。考虑 U 中的点 x ,并考虑 n 维 Brown 运动 W(⋅) 显然 X(⋅)=X(⋅)+x 表示从 x 出发的 Brown 运动。定义停时

τx=X(⋅) 首次碰触到 ∂U 的时间

对于上述定义的碰触到集合 U 边界 ∂U 的时间,有下面的定理

定理 6.9 对于示例 6.8 中所述的 PDE 和停时 τx ,对任意 x∈U ,均有

u(x)=E(τx).

证明. 取 X 为 n 维 Brown 运动, u 为示例 6.8 中所描述的函数 u 。根据上一节的结果,有 Lu=12Δu ,则对所有的 t ,由 Dynkin 公式,有

E(u(X(t))−u(X(0)))=E[∫0t(ut+Lu)ds]=E[∫0t12Δu(X)ds]=−E(t)

取 t=τx∧n ,再根据 PDE 的条件 12Δu=−1 ,注意左边的 u(X) 总是有界的,因此令 n→∞ 时它还是有界的,这意味着

E[τx∧n]=E[∫0τx∧n−1ds]<∞,n→∞.

同时有

u(x)−E(u(X(τx)))⏟0=u(x)=E(τx).

注释 6.10 从这个定理出发立刻可以得到一些概率视角下有趣的结果。由于 u 有界,且 E(τx)<∞ ,从概率角度有对所有 x∈U , τx<∞a.s. 。因此有从 U 中任意点 x 出发的 Brown 运动采样路径最终碰触边界 ∂U 的概率是 1 。

如果我们控制 u 在 U 边界上的值为一个 ∂U 上的连续函数 g ,则得到了调和函数。

示例 6.11 调和函数 U⊂Rn 是一个光滑闭集, u:∂U→R 是连续函数。PDE 理论告诉我们存在一个函数 u∈C2(U)∩C(U¯) 满足下面的 Dirichlet 问题:

{Δu=0,in Uu=g,on ∂U

我们称 u 是一个调和函数,称 PDE Δu=0 为 Laplace 方程。

对于调和函数,也有与定理 6.9 类似的结论。

定理 6.12 对任意给定的 x∈U ,定义 X(⋅)=W(⋅)+x 为从点 x 出发的 Brown 运动,则有

u(x)=E(g(X(τx)).

证明. 和定理 6.9 类似,令 t=τx∧n ,由 Dynkin 公式,有

E(u(X(τx∧n))−u(X(0)))=E[∫0t12Δu(X)ds]=0,

令 n→∞ ,显然有 E(u(X(τx)))<∞ ,且有

E(g(X(τx)))=E(u(X(τx)))=u(x).

注解 6.13 在 PDE 理论中我们了解到,一阶,甚至是极其非线性的一阶 PDE 在局部都可以被合适的一系列被称为特征方程的 ODE 构造,这个结论在二阶 PDE 中并不适用。 虽然二阶 PDE 没有像一阶 PDE 一样的特征线,我们仍可通过 ”随机特征线“,即定理中出现的带有偏置项的 Brown 运动来理解通过定理 6.12 和 Laplace 方程的边值问题。我们不再是在单一一条曲线上做积分,而是考虑一个过程中的所有采样路径,然后做平均。

考虑某个包含球 B(x,r) 的开集上的问题 Δu=0 ,根据定理 6.12,有 u(x)=E(u(X(τx))) ,其中 τx 是由 x 出发的 Brown 运动碰触到 ∂B(x,r) 的时间。由于 Brown 运动在空间中时各向同性的,一个自然的猜想是 E(u(X(τx))) 是 u 在 ∂B(x,r) 上关于曲面测度的平均值:

u(x)=1∂B(x,r) 的面积∫∂B(x,r)udS

这就是调和函数的均值公式。

最后来看一个更复杂的情况,先触碰集合边界的一部分。也可以用上述结果来进行分析。

定理 6.14 先触碰集合边界的一部分 可以将其理解为边界条件 g 的一个特殊情况。假设此时闭集 U⊂Rn 的边界 ∂U 由两个不交的部分 Γ1,Γ2 构成,研究 Brown 运动先碰到 Γ1 的情形。这等价于下面的 PDE

{Δu=0,in Uu=1,on Γ1u=0,on Γ2

则对每个 x∈U , u(x) 为从 x 出发的 Brown 运动先碰触到 Γ1 的概率。

证明. 令 g(x)={1,on Γ10,on Γ2 ,根据定理 6.12,有

u(x)=E(g(X(τx)))=E(1Γ1(X(τx)))=P(X(τx)∈Γ1).

注解 6.15 调和测度 我们能看到,固定了 U 和其中一点 x 后,在 ∂U 上给出了概率测度 ω(x,U) ,这被称为关于区域 D 和点 x 的 调和测度。考虑和示例 6.11 中的 Dirichlet 问题

{Δu=0,in Uu=g,on ∂U

其解和 U 边界上的调和测度有密切联系:

u(x)=∫∂Du(y)dω(x,D)(y).

注解 6.13 给出了一个特例,在那个特例中 ω(x,D) 是均匀的。

6.2.3 Feynman–Kac 公式

我们现在拓展示例 6.11,考虑更一般的情形。

定理 6.16 Feynman–Kac 公式 考虑示例 6.11 中一样的条件,假设 c,f 是光滑函数,且 c 在 U 上非负,下面的 PDE 的唯一解具有概率意义

{−12Δu+cu=0,in Uu=0,on ∂U

对任意 x∈U ,都有

u(x)=E(∫0τxf(X(t))exp⁡{−∫0tc(X)ds}dt)

其中 X(⋅)=W(⋅)+x 为从 x 出发的 Brown 运动, τx 为 Brown 运动第一次碰触 ∂U 的时间。

证明. 利用定理 6.9 类似的技巧,由于 c⩾0 ,可以证明 E(τx) 有限。首先考虑过程 Y(t)=exp⁡(Z(t)) ,其中 Z(t) 满足 Z(t)=−∫0tc(X)ds ,即 dZ=−c(X)dt 。由 Ito 链式法则有 dY=−c(X)Ydt ,此时看考虑 u(X)Y 的随机微分。由 Ito 乘积法则,有

d(u(X)Y)=u(X)dY+Yd[u(X)]=−u(X)c(X)Ydt+Y[∑i=1nuxi(X)dX(i)+12∑j,kuxi,xj(X)dX(i)dX(j)]=−u(X)c(X)Ydt+Y[∑i=1nuxi(X)dW(i)+12∑j,kuxi,xj(X)δi,jdt]=−u(X)c(X)Ydt+Y[∑i=1nuxi(X)dW(i)+12 Δu(X)]

注意 u(x)=E(u(X(0))) ,将上面的随机微分写成积分形式,并令积分上界为 τx ,得到

E[u(X(τx))exp⁡{−∫0tc(X)ds}]−E[u(X(0))]=E{∫0τx[12Δu(X)−c(X)u(X)]⏟f(X)exp⁡[−∫0tc(X)ds]dt}=E{∫0τxf(X)exp⁡[−∫0tc(X)ds]dt}

同时注意 u(X(τx))≡0 ,最后就得到了所谓 Feynman-Kac 公式:

u(x)=e[u(X(0))]=E{∫0τxf(X)exp⁡[−∫0tc(X)ds]dt}

注解 6.17 Feynman–Kac 公式的直观理解 读者可以将 Feynman-Kac 公式理解为描述带有消灭 (killing) 过程的 Brown 运动。这似乎并不显然,我们先考虑短时间的情形。假设 Brown 运动的某个粒子在 [t,t+h] 这一个小时间段内消灭的概率为 c(X(t))h+o(h) ,则该粒子存活到 t 时刻的概率大致为

∏k=1n(1−c(X(tk))h)

其中 0=t0<t1<⋯<tn=t ,且 h=tk+1−tk 。当 h→0 时,有

∏k=1n(1−c(X(tk))h)=exp⁡[∑k=1nln⁡(1−c(X(tk))h)]∼exp⁡[∑k=1n−c(X(tk))h]=exp⁡[−∫0tc(X)dt]

这就得到了 Feynman-Kac 公式中的重要一项,因此 u(x) 可视为对碰触到边缘且依然存活的轨道的平均值期望。 对于一般的 SDE {dX=b(X)dt+B(X)dWX(0)=x ,依然考虑 τx 为 X 触碰 ∂U 的时间,并将 PDE 中的 12Δu 换成生成元 Lu ,我们可以得到类似的公式。不过需要注意当 L 为退化椭圆算子时,条件要求的光滑解可能不存在。