[论文解读] Approximation and support theorem for a two space-dimensional wave equation

Annie Millet, Marta Sanz–Solé|arXiv (Cornell University)|Apr 3, 1998

Stochastic processes and financial applications参考文献 3被引用 4

一句话总结

本文建立了二维随机波动方程在空间相关、时间白噪声驱动下的解的规律的支持定理。通过一种对噪声进行平滑的逼近方案，作者刻画了该解规律的支持，证明该支持对应于在适当正则性条件下，对相应波动方程的初始数据和噪声施加扰动后所得确定性解的闭包。

ABSTRACT

We prove a characterization of the support of the law of the solution for a stochastic wave equation with two-dimensional space variable, driven by a noise white in time and correlated in space. The result is a consequence of an approximation theorem, in the convergence of probability, for equations obtained by smoothing the random noise. For some particular classes of coefficients, aproximation in the $L^p$ norm, for $p\geq 1$ is also proved.

研究动机与目标

• 刻画二维随机波动方程在空间相关、时间白噪声驱动下解的规律的支持。
• 通过平滑随机噪声，建立解在概率收敛意义下的逼近。
• 将支持定理推广至二维情形，此前结果仅限于一维情况。
• 对特定系数类，证明 $L^p$ 逼近收敛性，增强方法的鲁棒性。

提出的方法

• 作者通过平滑时空白噪声构造随机波动方程的逼近，得到一系列正则化方程。
• 分析正则化方程的解收敛于原方程解的概率收敛性。
• 通过识别在正则化系统中对初始数据和噪声施加扰动后所得确定性解的闭包，推导出支持定理。
• 证明依赖于随机分析与偏微分方程的技术，特别是二维空间中波动方程的结构。
• 对特定系数类，建立逼近的 $L^p$ 收敛性，提供强于单纯概率收敛的收敛性。
• 分析利用了噪声协方差的结构以及马氏性质，以控制解测度的支持。

实验结果

研究问题

• RQ1 在空间相关、时间白噪声驱动下，二维随机波动方程的解的规律的支持是什么？
• RQ2 在噪声平滑后，解的行为如何？其是否在概率意义下收敛？
• RQ3 解的规律的支持能否表征为初始数据扰动下确定性解的闭包？
• RQ4 该逼近方案是否对特定系数类实现 $L^p$ 收敛？
• RQ5 噪声的空间相关结构在决定解的支持中起什么作用？

主要发现

• 在噪声平滑逼近的假设下，解的规律的支持被刻画为所有对初始数据和噪声施加扰动后的确定性波动方程解的闭包。
• 证明了解的随机波动方程是通过平滑噪声得到的正则化方程的解在概率意义下的极限。
• 对特定系数类，逼近的收敛性被强化为 $L^p$ 收敛（$p \geq 1$），表明该逼近方法具有更强的鲁棒性。
• 支持定理在二维空间中成立，扩展了此前仅限于一维情形的结果。
• 噪声的空间相关结构在决定支持中起关键作用，结果反映了 $\mathbb{R}^2$ 中波动传播的几何特性。
• 该方法为理解解的可能样本路径范围提供了构造性方式，将随机解与确定性波动动力学联系起来。