某些偏微分方程的隨機積分表示問題?

在隨機分析中, 可以根據伊藤公式得到某些線性偏微分方程的解的隨機積分表達式. 舉例而言, 對於有界光滑區域Omega而言, 橢圓方程的Dirichlet問題

sum_{i,j=1}^na^{ij}partial_ipartial_ju+sum_{k=1}^nb^kpartial_ku-ku=-g,\ u|_{partialOmega}=f

的解(如果存在)有表示u(x)=E^xleft[f(X_{	au_Omega})e^{-int_0^{	au_Omega}k(X_s)ds}+int_0^{	au_Omega} g(X_t)e^{-int_0^{t}k(X_s)ds}dt
ight],

其中隨機過程X_t適合隨機微分方程

X_t=x+int_0^tb(X_s)ds+int_0^tsigma(X_s)dW_s.

問題是: 如果原來的Dirichlet問題本來就沒有解, 那這個隨機積分表示代表的是什麼? 例如, 微分運算元是Laplacian, 而所考慮的Dirichlet問題是Laplacian的Dirichlet特徵值問題, 方程右邊恰好不在值域里. 在這種情況下, 這個隨機積分表示似乎也是有意義的(相應的隨機微分方程有解, 所有要考慮的函數都有良好的正則性).

——————————————更新————————————

問題描述不甚清楚, 導致諸位答主可能產生了一些誤會. 我把問題再明確些寫出來. 所謂的無解問題, 並非是邊界形狀不夠光滑, 而是這問題本身有"障礙". 比如設D 是單位圓盤, lambda_1 是Laplacian在H_0^1(D) 上的第一特徵值. 則邊值問題

Delta u-lambda_1u=f,u|_{partial D}=0

對於哪怕是正則性特別好的f 也可能沒有解, 因為運算元Delta-lambda_1 的像空間是H_0^1(D) 的真閉子空間(余維數為1, 因為第一特徵值是單重的, 由緊運算元的譜論即推得).

所以問題是這樣的: 如果光滑函數fin C_0^infty(D) 並不在運算元Delta-lambda_1 的像空間中, 則相應的隨機積分表示代表什麼? 無疑此時方程沒有解, 但隨機積分表示是良好定義的, 因為所有涉及到的函數都是光滑函數, 邊界也足夠光滑, 所以相應的隨機微分方程可解(解甚至可以明顯的寫出來), 相應的停時也是良好定義的.


簡單說幾點吧,PDE的部分不是很熟,我從過程開始說。

1.隨機分析里一般把上面的PDE稱作該過程的Kolmogorov方程,從SDE得到它的Kolmogorov方程就是用伊藤公式計算,這本身要求了u的可微性;

2.得到PDE的概率解還有一個很重要的條件,就是邊界的首達時是一個停時,這對邊界本身的正則性有要求,但是具體的條件我忘了。。。

3.當邊界不夠光滑時,SDE有意義,但是對應的Kolmogorov方程在PDE的理論里可能沒有解,這種情況下,根據馬氏過程的理論,邊界點將被分為正則點和奇異點(邊界光滑時,所有邊界點均為正則點)。所謂奇異點,可以理解為從區域內部出發的過程無法到達的點,這樣的點在概率的意義下時不用考慮的,這個時候Dirichlet邊值條件的提法可以只針對正則點。

放假回家略早,身邊沒有合適的書,純憑印象回答,可能有不準確的地方。關於這方面的書,一時只能想起黃志遠老師的《隨機分析學基礎》和Durrett的&有相關的內容。

大概明白題主的困惑了,我也沒有完全弄清楚這個問題,再說說我的想法吧。

先簡單複述一遍概率解是怎麼得到的:

以laplacian為例,考慮方程

frac{1}{2}Delta u+cu+g=0 in G,u=f on partial G,

這裡G是一個邊界足夠光滑的有界開區域(比如圓盤)。

這個方程的概率解需要通過布朗運動來得到,如果是一般的方程,就像題主一開始列出的方程,則需要構造過程X,使得X的生成元恰好是方程的線性項。在這裡,布朗運動的生成元就是laplacian。

1.令M_t=u(B_{twedge 	au })exp(int_0^{twedge 	au}c(B_s)ds)+int_0^{twedge 	au}g(B_s)exp(int_0^sc(B_r)dr)ds,若u為方程的解,則由伊藤公式計算可得M是一個局部鞅。

2.若有足夠好的控制條件,令t	o infty,u(x)=E_x(M_t)=lim_{t 
ightarrow infty}{E_x(M_t)} =E_x[f(B_{	au})exp(int_0^{	au}c(B_s)ds)+int_0^{	au}g(B_s)exp(int_0^sc(B_r)dr)ds)].

這樣就得到了一個概率解,但是關鍵在於第二步的足夠好的控制條件,在這個問題里,一般來說會取這樣的條件,

w(x)=E_x(exp(int_0^{	au}c(B_s)ds))<infty,g有界。

在特徵問題的時候,這兩個條件並不滿足,所以這樣得到的概率解並不是原方程的解,但是它到底代表了什麼我暫時也不清楚,至於g是否在值域里貌似也沒有什麼本質的解釋。


雖然不是很懂題主想問什麼,但是補充一點最高贊答案沒說的部分吧。

1.以laplacian運算元為例,對於

Delta u = f  in  Omega \
u = g  on partial Omega

不論邊界是什麼樣的,概率解總是可以寫出來,而且確實滿足

Delta u = f  in Omega

但是不一定滿足邊界條件。

所以為了求解原方程,一般要求邊界滿足錐條件。

這個有點類似於經典的Parron方法,只是在Parron方法中為了滿足邊界條件,只需要邊界滿足閘函數條件。而閘函數條件嚴格弱於錐條件。

很久沒有學數學了,說錯的部分萬望指正


那是廣義的概率解,要求邊界點是解析的才可以得到偏微分方程的解


推薦閱讀:

美國哪些大學的生物數學比較好?
拉普拉斯運算元的特徵值問題(0)
偏微分方程有哪些前沿的研究課題?
怎麼逐步學習PDE?
用分離變數法來解PDE的合理性何在?

TAG:概率 | 偏微分方程 |