[论文解读] Structure of martingale transports in finite dimensions

Jan Obłój, Pietro Siorpaes|arXiv (Cornell University)|Feb 27, 2017

Geometric Analysis and Curvature Flows参考文献 14被引用 17

一句话总结

本文建立了一个 R^N 的规范凸划分 {C_x}，其中每个 C_x 为相对开的凸集，使得任意从 μ 到 ν 的鞅运输几乎处处将质量从 x 集中到 C_x 的闭包。该构造将 Beiglböck 与 Juillet 在一维情形的结果推广至有限维情形，提供了鞅极集的几何表征，并为高维鞅最优运输提供了最小且规范的分解。

ABSTRACT

We study the structure of martingale transports in finite dimensions. We consider the family $\mathcal{M}(μ,ν) $ of martingale measures on $\mathbb{R}^N imes \mathbb{R}^N$ with given marginals $μ,ν$, and construct a family of relatively open convex sets $\{C_x:x\in \mathbb{R}^N \}$, which forms a partition of $\mathbb{R}^N$, and such that any martingale transport in $\mathcal{M}(μ,ν) $ sends mass from $x$ to within $\overline{C_x}$, $μ(dx)$--a.e. Our results extend the analogous one-dimensional results of M. Beiglböck and N. Juillet (2016) and M. Beiglböck, M. Nutz, and N. Touzi (2015). We conjecture that the decomposition is canonical and minimal in the sense that it allows to characterise the martingale polar sets, i.e. the sets which have zero mass under all measures in $\mathcal{M}(μ,ν)$, and offers the martingale analogue of the characterisation of transport polar sets proved in M. Beiglböck, M. Goldstern, G. Maresch, and W. Schachermayer (2009).

研究动机与目标

• 将一维鞅最优运输的几何表征推广至任意有限维空间。
• 构造 R^N 的规范最小凸划分 {C_x}，使得鞅运输几乎处处将质量从 x 映射到 C_x 的闭包。
• 将鞅极集（即在所有鞅耦合下测度为零的集合）几何表征为包含于 μ-零集与 ν-零集的笛卡尔积并集的集合。
• 为最优运输中发展出的对偶性与极集理论提供有限维类比，现适用于鞅约束条件。
• 通过识别描述所有鞅耦合下零测集所必需的最小结构，为鞅最优运输的对偶理论奠定基础。

提出的方法

• 将 {C_x} 定义为一列收敛于 L1(θ) 的凸函数序列 (ϕ^n) 的上微分水平集的面的相对内部。
• 利用重心性质：对任意鞅耦合 θ，其分解 γ(x,·) 的重心为 x，并应用定理 4.6 证明 γ(x,·) 集中于包含 x 在其相对内部的面 F_x。
• 证明集合 {y : Δ_xϕ^n(y) → 0} 的相对内部等于面 F_x，且其闭包等于 A_x((ϕ^n)_n) 的闭包，从而确定 C_x。
• 利用面的相对内部在不同支撑函数下不变的性质，确保该分解是规范的。
• 利用势函数 u_{ν−μ} 的收敛性及凸函数与其次微分之间的对偶性，定义生成划分的水平集。
• 应用凸分析结果，包括次微分的博雷尔可测选择存在性以及面在相对内部运算下的闭包性，以保证分解的可测性与一致性。

实验结果

研究问题

• RQ1 Beiglböck 与 Juillet 的一维鞅运输分解能否推广至有限维鞅最优运输？
• RQ2 在 R^N 上，表征所有 μ 与 ν 之间鞅耦合支撑集的规范最小凸划分是什么？
• RQ3 在高维情形下，如何几何表征鞅极集（即在所有鞅耦合下测度为零的集合）？
• RQ4 该凸划分 {C_x} 是否在最小且规范的意义上成立，即是否识别出在任意鞅耦合下包含每个 x 的像的最小可能集合？
• RQ5 凸函数的次微分结构与有限维鞅运输计划的几何之间存在何种关系？

主要发现

• 本文构造了一组相对开的凸集 {C_x}，构成 R^N 的划分，且满足任意鞅耦合 θ ∈ M(μ,ν) 几乎处处将质量从 x 映射至 C_x 的闭包。
• 该分解 {C_x} 是规范且最小的，其表征方式为：鞅极集即为包含于 (N_μ × R^N) ∪ (R^N × N_ν) 的集合，其中 N_μ 与 N_ν 分别为 μ-零集与 ν-零集。
• 包含 x 的集合 {y : Δ_xϕ^n(y) → 0} 的面的相对内部在支撑函数 b^n 的选择下保持不变，确保该分解定义良好且规范。
• 每个 C_x 的闭包等于集合 {y : Δ_xϕ^n(y) → 0} 的面的相对内部的闭包，且该闭包被证明等于 A_x((ϕ^n)_n) 的闭包，即次微分序列收敛的点集。
• 分解 γ(x,·) 的重心位于集合 {y : Δ_xϕ^n(y) → 0} 的面 F_x 的相对内部，且 γ(x,·) 集中于 F_x，这意味着 x 的质量被限制在 C_x 的闭包之内。
• 该构造通过将势函数与次微分水平集的应用从一维推广至有限维，推广了 Beiglböck 与 Juillet 的一维结果，揭示了在维度 ≥2 时更丰富的几何结构。