[论文解读] Strong uniqueness for stochastic evolution equations in Hilbert spaces with bounded measurable drift

Giuseppe Da Prato, Franco Flandoli+2 more|arXiv (Cornell University)|Sep 2, 2011

Stochastic processes and financial applications被引用 7

一句话总结

本文在希尔伯特空间中建立了带有限可测漂移和圆柱Wiener噪声的随机演化方程的路径唯一性（强唯一性），将维列滕尼科夫在有限维情形下的结果推广至无限维情形。通过利用无限维的马利亚文-索博列夫微积分，即使在无限维情形下缺乏索博列夫正则性，本文仍证明了对一大类初始分布的唯一性。

ABSTRACT

We prove pathwise (hence strong) uniqueness of solutions to stochastic evolution equations in Hilbert spaces with merely measurable bounded drift and cylindrical Wiener noise, thus generalizing Veretennikov's fundamental result on $\mathbb{R}^d$ to infinite dimensions. Because Sobolev regularity results implying continuity or smoothness of functions do not hold on infinite-dimensional spaces, we employ methods and results developed in the study of Malliavin-Sobolev spaces in infinite dimensions. The price we pay is that we can prove uniqueness for a large class, but not for every initial distribution. Such restriction, however, is common in infinite dimensions.

研究动机与目标

• 将维列滕尼科夫在有限维情形下关于强唯一性的经典结果推广至无限维希尔伯特空间。
• 解决索博列夫正则性结果——在有限维情形中对光滑性至关重要——在无限维设定下不成立的挑战。
• 在漂移仅可测且有界时，建立随机演化方程的路径唯一性。
• 明确此类唯一性的局限性，承认其仅对一大类初始分布成立，而非全部。
• 发展并应用无限维马利亚文-索博列夫空间中的工具，以克服因缺乏光滑性而带来的分析障碍。

提出的方法

• 将马利亚文-索博列夫微积分的技术适配至无限维希尔伯特空间。
• 利用圆柱Wiener噪声的结构，在希尔伯特空间设定下定义并分析随机演化方程。
• 运用马利亚文意义下的分部积分公式和正则性估计，以处理索博列夫正则性的缺失。
• 构建一个框架，以在漂移的光滑性假设最小的情况下分析解的唯一性。
• 建立对在马利亚文意义下足够正则的初始分布类的唯一性。
• 应用无限维随机分析，以避免对漂移的古典可微性或连续性要求。

实验结果

研究问题

• RQ1 当漂移仅可测且有界时，是否可在希尔伯特空间中为随机演化方程建立强唯一性？
• RQ2 为克服无限维空间中索博列夫正则性缺失的问题，需要哪些分析工具？
• RQ3 路径唯一性在多大程度上成立？其在哪些初始分布下有效？
• RQ4 如何有效扩展并应用马利亚文-索博列夫微积分为无限维随机PDE？
• RQ5 在最小正则性假设下，是否可将维列滕尼科夫的有限维结果推广至无限维希尔伯特空间？

主要发现

• 在希尔伯特空间中，对带有限可测漂移和圆柱Wiener噪声的随机演化方程，建立了路径唯一性。
• 该结果将维列滕尼科夫在经典有限维情形下的唯一性定理推广至无限维设定。
• 唯一性对一大类初始分布成立，但并非对所有分布成立，这是由于无限维分析的局限性所致。
• 证明依赖于无限维马利亚文-索博列夫空间的高级工具，以补偿索博列夫正则性的缺失。
• 所构建的框架表明，即使在漂移无光滑性假设的情况下，强唯一性仍可实现。
• 对一大类但非全部初始分布的限制，是无限维随机分析中已知且可接受的局限性。