[论文解读] Weak error estimates for trajectories of SPDEs for Spectral Galerkin discretization

Charles-Édouard Bréhier, Martin Hairer+1 more|arXiv (Cornell University)|Feb 12, 2016

Stochastic processes and financial applications参考文献 16被引用 6

一句话总结

本论文证明，在对半线性SPDE（如随机热方程和阻尼波动方程）进行谱Galerkin空间半离散化时，若满足两个条件：(1) 协方差算子与生成元可交换，(2) 在不可交换情形下通过分析一个交换子项，则在区间 [0, T] 上近似完整轨迹的弱误差率是强误差率的两倍。关键创新在于利用Itô映射与二阶泰勒展开，将误差从随机卷积转移至弱收敛性分析。

ABSTRACT

We consider stochastic semi-linear evolution equations which are driven by additive, spatially correlated, Wiener noise, and in particular consider problems of heat equation (analytic semigroup) and damped-driven wave equations (bounded semigroup) type. We discretize these equations by means of a spectral Galerkin projection, and we study the approximation of the probability distribution of the trajectories: test functions are regular, but depend on the values of the process on the interval $[0,T]$. We introduce a new approach in the context of quantative weak error analysis for discretization of SPDEs. The weak error is formulated using a deterministic function (Itô map) of the stochastic convolution found when the nonlinear term is dropped. The regularity properties of the Itô map are exploited, and in particular second-order Taylor expansions employed, to transfer the error from spectral approximation of the stochastic convolution into the weak error of interest. We prove that the weak rate of convergence is twice the strong rate of convergence in two situations. First, we assume that the covariance operator commutes with the generator of the semigroup: the first order term in the weak error expansion cancels out thanks to an independence property. Second, we remove the commuting assumption, and extend the previous result, thanks to the analysis of a new error term depending on a commutator.

研究动机与目标

• 建立SPDE在谱Galerkin空间半离散化下完整轨迹的弱收敛率，而非仅在固定时间点。
• 解决在连续轨迹空间 E = C([0, T], H) 中弱误差估计的挑战，该空间比逐点评估更为复杂。
• 将有限维SDE中著名的“弱收敛率是强收敛率两倍”的结果推广至具有加法空间相关噪声的无限维SPDE。
• 提出一种基于Itô映射与二阶泰勒展开的新型分析框架，将弱误差与随机卷积的谱逼近误差关联起来。
• 证明即使协方差算子与生成元不可交换，弱收敛率仍保持为强收敛率的两倍，通过分析一个依赖于交换子的新误差项。

提出的方法

• 在希尔伯特空间中使用随机演化方程框架表述SPDE：dX(t) = AX(t)dt + F(X(t))dt + dW_Q(t)。
• 通过将线性算子 A 的前 N 个特征向量张成的空间上的正交投影 P_N 进行谱Galerkin投影，得到近似解 X_N。
• 使用 E = C([0, T], H) 上的有界二阶连续可微函数 ϕ ∈ C_b^2(E, R) 定义弱误差。
• 引入Itô映射，该映射将无 F 项时的随机卷积确定性地映射到完整解，从而通过泰勒展开实现误差转移。
• 利用Itô映射的二阶泰勒展开，将弱误差分解为涉及随机卷积谱逼近误差的若干项。
• 分析不可交换情形下出现的交换子 [B, P_N]，并利用因子分解与随机积分技巧，推导出由此产生的误差过程的矩界。

实验结果

研究问题

• RQ1 在协方差算子与生成元不可交换的情况下，能否证明谱Galerkin半离散化下SPDE轨迹的弱收敛率仍为强收敛率的两倍？
• RQ2 当标准逐点弱误差技术失效时，如何分析连续轨迹空间中的弱误差？
• RQ3 Itô映射在将误差从随机卷积转移至完整轨迹的弱误差中起什么作用？
• RQ4 在不可交换情形下，如何控制交换子项 [B, P_N] 以保持弱收敛率？
• RQ5 噪声与初始数据需满足何种精确正则性与可积性条件，才能实现该速率加倍？

主要发现

• 对于具有加法空间相关噪声的SPDE，轨迹空间 C([0, T], H) 中的弱误差被一个常数乘以三项之和所控制：O(λ_N^{-(s_0 - s)/2})，O(λ_N^{-(1 - (s_F + s + ε)/2)})，以及 O(λ_N^{-(1/2 - s - ε)})，其中 λ_N 为生成元的第 N 个特征值。
• 当协方差算子 Q 与生成元 A 可交换时，弱误差展开中的首阶项因独立性性质而消失，从而实现清晰的速率加倍。
• 在不可交换情形下，通过证明交换子诱导的误差项受新界控制：E∥ρ_N∥^2_{∞,s,T} ≤ C_{ε,s,T} λ_N^{-(1 - s - ε)}，对任意 ε ∈ (0, 1/2 - s)，速率加倍得以保持。
• 该交换子项边界的推导基于因子分解方法，以及涉及 (t - r)^{-ε/2} 与算子 [B, P_N] 的高斯过程的矩估计。
• 分析结果确认，在适当的噪声与初始数据正则性及衰减假设下，两种情形（可交换与不可交换）中弱收敛率均为强收敛率的两倍。
• 该结果适用于抛物型SPDE（如随机热方程）与双曲型SPDE（如阻尼波动方程），前提是初始条件与测试函数具有足够正则性。