由半鞅驱动的随机微分包含的菲利波夫定理及其应用
《Stochastic Processes and their Applications》:Filippov’s Theorem for Stochastic Differential Inclusions driven by Semimartingales and Applications
【字体:
大
中
小
】
时间:2026年08月07日
来源:Stochastic Processes and their Applications 1.2
编辑推荐:
摘要:在本研究中,我们提出了菲利波夫定理的随机版本及其在具有半鞅积分器的随机微分包含式定性分析中的应用。基于这一结果,我们特别确定了所考虑包含式解集对初始集合的利普希茨依赖性,以及其对所涉及的多值算子和积分器的连续依赖性。最后,我们还为该包含式解所生成的可达集提供了类似的连续性性
摘要:在本研究中,我们提出了菲利波夫定理的随机版本及其在具有半鞅积分器的随机微分包含式定性分析中的应用。基于这一结果,我们特别确定了所考虑包含式解集对初始集合的利普希茨依赖性,以及其对所涉及的多值算子和积分器的连续依赖性。最后,我们还为该包含式解所生成的可达集提供了类似的连续性性质。此外,我们还给出了一些评论,包括关于可能的扩展以及说明菲利波夫定理应用的例子。本文得到的结果拓展了菲利波夫定理在随机环境中的适用范围。
引言:在确定性微分包含式的背景下,一个重要的结果是著名的菲利波夫引理(也称为菲利波夫定理)[1](也可参见[2]、[3]),它使得我们可以构造出满足特定估计条件的微分包含式解,这些估计条件是相对于给定的“准解”及其导数而言的。该定理已被多个方向上加以推广:菲利波夫-瓦热夫斯基松弛定理(揭示了微分包含式解集与其凸化版本之间的联系)、脉冲泛函包含式、测度微分问题以及斯蒂尔杰斯微分包含式(参见例如[4]、[5]、[6]、[7]、[8]、[9]、[10]、[11]、[12]、[13])。菲利波夫定理的应用进而带来了关于微分包含式解集性质的多种结果,尤其是微分包含式解对其右侧函数的连续依赖性(参见例如[14])。受到菲利波夫定理在确定性微分包含式理论中广泛基础应用的启发,本研究探讨了其在随机环境中的对应形式。据我们所知,在随机环境中,菲利波夫型定理仅在[15]中针对希尔伯特空间中由布朗运动驱动的随机微分包含式得到了证明。在本文中,我们考虑了由更一般的积分器——即半鞅——驱动的随机包含式,并提出了适用于此类包含式的菲利波夫定理的若干推论(定理2)。该结果不仅保证了解的存在性,还给出了关于给定半鞅与随机微分包含式所有解之距离的先验估计。作为应用,它使我们能够得到关于微分包含式解集及可达集性质的各种结果,尤其是它们对初始条件、集值算子以及定义包含式的半鞅积分器的连续依赖性(推论4、定理3、定理4、推论5和推论6)。据我们所知,即使在布朗运动情况下,这样的解集性质也尚未被研究过(参见[15])。在此背景下,值得一提的是,我们现在能够提供比[16]中更为精确的分析,尤其是在可达集的规律性方面,因为在[16]中,可达集仅与相关集值随机微分方程解的值进行了比较。这构成了本文的主要创新点。本研究的结果似乎在随机最优控制、生存性理论以及涉及比布朗运动产生的更一般随机冲量的模型研究中具有潜在用途。
本文的结构如下:第2节中,我们回顾了随机分析以及多函数理论和集值随机积分的相关概念和结果。接着,我们确立了由半鞅驱动的随机包含式解的存在性及其基本性质。在本文的最后也是核心部分,我们给出了所考虑的随机包含式对应的菲利波夫定理的表述与证明。我们还推导出了关于解集及其相应可达集的连续性性质的结论。最后,我们给出了一些评论,包括关于可能扩展的讨论以及说明所获得的菲利波夫定理应用的例子。
章节摘录:
基本概念与辅助结果:为便于读者理解,我们回顾了随机分析和集值分析中的相关内容,从而使我们的论述更加完整。我们从由半鞅积分器驱动的集值随机轨迹(或泛函)积分的概念开始(参见[16]和[17])。
设I=[0,T],(Ω,F,{Ft}t∈I,P)是一个满足常规假设的完备过滤概率空间,即{Ft}t∈I是F的递增且右连续的子σ域族,且F0是随机性的。
随机包含式及其解:为便于读者理解,我们在这里介绍了随机包含式的相关知识,从而使我们的论述更加完整。我们首先建立了随机包含式解集的一些基本拓扑性质。这些性质随后将被用于确立菲利波夫型定理在所考虑包含式中的主要应用,尤其是关于其解集和可达集的应用。从现在开始,我们假设σ域F是可分的。
菲利波夫定理及其应用:在本文的这一部分,我们建立了随机包含式(3.1)的菲利波夫定理。我们将使用以下符号:CFGAM(x0)表示当C={x0}时,方程(3.1)的解集,其中x0∈L02,d。对于y0∈L02,d,f?∈LP2(νA),g?∈LP2(μM),以及y(t):=y0+∫0tf?(s)dAs+∫0tg?(s)dMs,其中t?∈?I,我们定义βt(y):=∫[0,t]×ΩdistRd2(f?,F°y?)dνA+∫[0,t]×ΩdistRd2(g?,G°y?)dμM,对所有的t∈I都成立。那么,随机包含式(3.1)的菲利波夫定理可以表述为以下形式。
定理2:假设满足定理1中的条件。
马留什·米赫塔,波兰齐洛纳戈拉大学数学研究所,Szafrana 4a,齐洛纳戈拉,65-516。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号