[论文解读] Asymptotics for Exit Problem and Principal Eigenvalue for a Class of Non-Local Elliptic Operators Related to Diffusion Processes with Random Jumps and Vanishing Diffusion

Ross G. Pinsky|arXiv (Cornell University)|May 18, 2011

Advanced Mathematical Modeling in Engineering参考文献 7被引用 4

一句话总结

本文研究了非局部椭圆算子在小扩散极限（$ \delta \to 0$）下的行为，该算子建模了由空间依赖强度 $V$ 和跳跃分布 $\mu$ 控制的随机跳跃扩散过程。文章推导了渐近退出分布和主特征值，表明狄利克雷问题解的极限收敛于一个依赖于 $\mu$ 边界行为的常数，且给出了涉及 $\mu$ 和 $V$ 在 $\partial D$ 上的法向导数与加权平均的显式公式。关键结果是基于 $\mu$ 及其在边界处的导数的零点阶数，对极限常数进行了精确刻画。

ABSTRACT

Let $D\subset R^d$ be a bounded domain and denote by $\mathcal P(D)$ the space of probability measures on $D$. Let \begin{equation*} L=\frac12 abla\cdot a abla +b abla \end{equation*} be a second order elliptic operator. Let $μ\in\mathcal P(D)$ and $δ>0$. Consider a Markov process $X(t)$ in $D$ which performs diffusion in $D$ generated by the operator $δL$ and is stopped at the boundary, and which while running, jumps instantaneously, according to an exponential clock with spatially dependent intensity $V>0$, to a new point, according to the distribution $μ$. The Markov process is generated by the operator $L_{δ,μ, V}$ defined by \begin{equation*} L_{δ,μ, V}ϕ\equiv δL ϕ+V(\int_Dϕdμ-ϕ). \end{equation*} %where $C_μ$ is the % "$μ$-centering" operator defined by %\begin{equation*} %C_μ(ϕ)=ϕ-\int_Dϕdμ. %\end{equation*} Let $ϕ_{δ,μ,V}$ denote the solution to the Dirichlet problem \begin{equation*}\label{Dirprob} \begin{aligned} &L_{δ,μ,V}ϕ=0\ ext{in}\ D;\\ &ϕ=f\ ext{on}\ \partial D, \end{aligned} \end{equation*} where $f$ is continuous. The solution has the stochastic representation \begin{equation*} ϕ_{δ,μ,V}(x)=E_xf(X(τ_D)). \end{equation*} One has that $ϕ_{0,μ,V}(f)\equiv\lim_{δ o0}ϕ_{δ,μ,V}(x)$ is independent of $x\in D$. We evaluate this constant in the case that $μ$ has a density in a neighborhood of $\partial D$. We also study the asymptotic behavior as $δ o0$ of the principal eigenvalue $λ_0(δ,μ,V)$ for the operator $L_{δ,μ, V}$, which generalizes previously obtained results for the case $L=\frac12 Δ$.

研究动机与目标

• 分析有界区域 $D \subset \mathbb{R}^d$ 内具有扩散和随机跳跃的马尔可夫过程在小扩散极限（$\delta \to 0$）下的行为。
• 确定狄利克雷问题解 $\phi_{\delta,\mu,V}(x)$ 在 $\delta \to 0$ 时的极限行为，其收敛于一个与 $x$ 无关的常数。
• 根据跳跃分布 $\mu$ 的边界行为（特别是其密度和在 $\partial D$ 附近的零点阶数）刻画极限常数 $\phi_{0,\mu,V}(f)$。
• 将先前关于算子 $L_{\delta,\mu,V}$ 的主特征值 $\lambda_0(\delta,\mu,V)$ 的结果推广至一般二阶椭圆扩散生成元 $L$ 和空间依赖跳跃强度 $V$ 的情形。

提出的方法

• 该过程被建模为具有生成元 $L_{\delta,\mu,V} = \delta L + V(\int_D \phi \, d\mu - \phi)$ 的跳跃-扩散过程，结合了通过 $\delta L$ 的扩散和向 $\mu$-分布位置的瞬时跳跃。
• 解 $\phi_{\delta,\mu,V}$ 以概率方式表示为 $\phi_{\delta,\mu,V}(x) = E_x[f(X(\tau_D))]$，其中 $\tau_D$ 是从 $D$ 中退出的时间。
• 通过研究相关格林函数的行为并利用小 $\delta$ 范围内的标度论证，分析渐近极限 $\phi_{0,\mu,V}(f)$。
• 分析依赖于构造辅助函数 $w$，其满足与 $\tilde{L}^k \mu / V$ 相关的边界数据的椭圆方程，其中 $\tilde{L}$ 是 $L$ 的形式伴随算子，并应用分部积分和最大值原理。
• 关键技术工具是使用满足 $\delta L u_{\delta,V} = -V u_{\delta,V}$ 的标度函数 $u_{\delta,V}$，其捕捉了 $\delta \to 0$ 时的边界层行为，其积分性质通过渐近展开进行分析。
• 结果在 $\mu$、$V$、$a$ 和 $b$ 的精确光滑性和零点阶数假设下得出，边界层积分和收敛性通过指数衰减估计得到仔细处理。

实验结果

研究问题

• RQ1 当扩散系数 $\delta \to 0$ 时，狄利克雷问题解 $\phi_{\delta,\mu,V}(x)$ 的极限值是什么？
• RQ2 跳跃分布 $\mu$ 的边界行为（特别是其密度和零点阶数）如何影响小扩散极限下的退出分布？
• RQ3 算子 $L_{\delta,\mu,V}$ 的主特征值 $\lambda_0(\delta,\mu,V)$ 在 $\delta \to 0$ 时的渐近行为如何？
• RQ4 极限退出分布能否显式地用几何和概率量（如 $\partial D$ 上的法向导数和加权平均）表示？
• RQ5 如何通过 $\mu$ 和 $V$ 的光滑性与零点阶数来影响收敛速度和极限的结构？

主要发现

• 极限 $\phi_{0,\mu,V}(f) = \lim_{\delta \to 0} \phi_{\delta,\mu,V}(x)$ 与 $x \in D$ 无关，且等于由 $\mu$ 和 $V$ 的边界行为决定的常数。
• 当 $k$ 为偶数时，极限常数由公式 $\phi_{0,\mu,V}(f) = \frac{\int_{\partial D} f \sqrt{n \cdot a n} \, V^{-(k+1)/2} \tilde{L}^{k/2} \mu \, d\sigma}{\int_{\partial D} \sqrt{n \cdot a n} \, V^{-(k+1)/2} \tilde{L}^{k/2} \mu \, d\sigma}$ 给出，其中 $k$ 是 $\mu$ 及其导数在 $\partial D$ 上的零点阶数。
• 当 $k$ 为奇数时，公式涉及 $\tilde{L}^{(k-1)/2} \mu$ 和法向导数，极限表示为 $\phi_{0,\mu,V}(f) = \frac{\int_{\partial D} f \sqrt{n \cdot a n} \, V^{-(k+1)/2} \tilde{L}^{(k-1)/2} \mu \, d\sigma}{\int_{\partial D} \sqrt{n \cdot a n} \, V^{-(k+1)/2} \tilde{L}^{(k-1)/2} \mu \, d\sigma}$。
• 主特征值 $\lambda_0(\delta,\mu,V)$ 被证明在 $\delta \to 0$ 时收敛于零，且其收敛速率和结构由边界层分析和 $\mu$ 的零点阶数决定。
• 通过格林函数的渐近分析以及使用求解伴随方程且边界数据源自 $\tilde{L}^k \mu$ 的辅助函数，建立了解收敛于常数极限的结果。
• 证明依赖于对标度解 $u_{\delta,V}$ 在主体区域和边界层中指数衰减的精确估计，以及对边界项进行仔细控制的分部积分。