第 9 章边值问题的应用（Applications to Boundary Value Problems）

作者

Bernt Øksendal（奥斯陆大学）。本章是 Ch 1 Problem 4 的解——把 PDE 边值问题转化为扩散的边界期望。这是 Itô 理论与 PDE 理论"对偶"的核心。

Ch 1 提到的 Kakutani 1944 是这一方向的起点：Dirichlet 问题 $\Delta u = 0$ in $U$, $u = f$ on $\partial U$ 的解 $u(x) = E^x[f(B_{\tau_U})]$（$B$ 是 BM，$\tau_U$ 是首次离开 $U$ 的时间）。本章把这一思想推广到一般二阶半椭圆 PDE + 一般扩散。

关键工具是 Ch 7 Dynkin 公式 + Ch 8 Feynman-Kac 公式 + Ch 7 均值性质（调和测度）。这些工具共同把 PDE 边值问题"概率化"为扩散的期望。

内容概述

本章正式"回答" Ch 1 提出的 Problem 4：Dirichlet / Poisson / 热方程的随机解法。

本章中心任务：把 PDE 边值问题"翻译"为扩散的边界/内部期望，并分析可解性条件。

主要内容： 1. Combined Dirichlet-Poisson 问题（Ch 9.1）：$Lw = -g$ in $D$, $w = \varphi$ on $\partial D$。唯一性（Thm 9.1.1, Cor 9.1.2）由 Dynkin 公式保证——任何有界 $C^2$ 解 $w$ 都可表示为 $w(x) = E^x[\varphi(X_{\tau_D})] + E^x[\int_0^{\tau_D} g(X_s) ds]$。 2. 经典 Dirichlet 问题（Ex 9.1.3）：$\Delta w = 0$ in $D$, $w = \varphi$ on $\partial D$ → $w(x) = E^x[\varphi(B_{\tau_D})]$。Kakutani 1944 的现代推广。 3. 热方程的随机解（Ex 9.1.4）：$\partial_t w + \tfrac12 \partial_{xx} w = 0$ in $(0, T) \times \mathbb R$, $w(T, x) = \varphi(x)$ → $w(s, x) = E^{s, x}[\varphi(T, B_{T-s})] = \int \varphi(y) (2\pi(T-s))^{-1/2} e^{-(x-y)^2 / 2(T-s)} dy$。 4. 随机 Dirichlet 问题（Def 9.2.2, Thm 9.2.5）：$u$ X-调和 + 路径边界条件 $\lim_{t \uparrow \tau_D} u(X_t) = \varphi(X_{\tau_D})$ a.s. — 用调和测度 $\mu^x_D$ 替代"经典"边界条件。 5. 正则点（Def 9.2.8, 0-1 律 Lem 9.2.6, Cor 9.2.7）：$y \in \partial D$ 正则 iff $Q^y[\tau_D = 0] = 1$。扩散从 $y$ 出发立即离开 $D$。 6. Hunt 条件 (H)（9.2.15）+ 推广 Dirichlet 问题（Thm 9.2.13）：仅对正则点要求经典边界条件。 7. Wiener 判据（Ex 9.2.11）：$0$ 正则 iff $\sum n \log(1/r_n) = \infty$。几何级数判据——经典位势论的核心。 8. 一致椭圆 + 强 Feller（Thm 9.2.14）：保证 $u \in C^{2+\alpha}$（局部）—— PDE 古典解的存在性。 9. Poisson 问题（Thm 9.3.1）：$v(x) = E^x[\int_0^{\tau_D} g(X_s) ds]$ 满足 $Lv = -g$, $\lim_{t \uparrow \tau_D} v(X_t) = 0$ a.s.。

在全书中位置：应用章。Ch 9 是 Ch 1 Problem 4 的解。把 Ch 7-8 发展的扩散理论（生成元、Dynkin、Feynman-Kac、调和测度）综合应用。

前置知识：Ch 7（生成元 $A$、Dynkin 公式、调和测度）+ Ch 8（Feynman-Kac 公式）。Ch 9 是 Ch 7-8 的"应用"——所有"工具"都被用于一个具体目标：解 PDE 边值问题。

核心方程与概念

本章是"应用章"——把前 8 章的工具综合起来解经典 PDE 边值问题。下面列出最重要的 11 个对象。

9.1 Combined Dirichlet-Poisson 问题

设 $L = \sum b_i \partial_i + \sum a_{ij} \partial_{ij}$（$a_{ij}$ 半正定），$D$ 是 $\mathbb R^n$ 中的开连通区域，$\varphi \in C(\partial D)$, $g \in C(D)$。求 $w \in C^2(D)$：

\[Lw = -g \text{ in } D, \quad \lim_{x \to y \in \partial D, x \in D} w(x) = \varphi(y).\]

核心认识：先取 $\sigma(x)$ 使 $\tfrac12 \sigma \sigma^T = a$；再令 $X_t$ 解 SDE $dX = b(X) dt + \sigma(X) dB$。则 $L$ 是 $X$ 的生成元 $A$（Ch 7 Thm 7.3.3）。
关键等式（9.1.6）：$w(x) = E^x[\varphi(X_{\tau_D}) \mathbf 1_{\tau_D < \infty}] + E^x[\int_0^{\tau_D} g(X_t) dt]$。

9.2 Uniqueness（Thm 9.1.1, Cor 9.1.2）

任何有界 $C^2$ 解 $w$ 都可表示为 (9.1.6)： $$w(x) = E^x[\varphi(X_{\tau_D}) \mathbf 1_{\tau_D < \infty}] + E^x\!\left[\int_0^{\tau_D} g(X_t)\,dt\right].$$

证明：对 $w \in C^2$ 用 Dynkin 公式（Ch 7 Thm 7.4.1），取 $\tau = \alpha_k = k \wedge \tau_{D_k}$，$D_k \uparrow D$： $$w(x) = E^x[w(X_{\alpha_k})] - E^x\!\left[\int_0^{\alpha_k} Lw(X_t)\,dt\right] = E^x[w(X_{\alpha_k})] + E^x\!\left[\int_0^{\alpha_k} g(X_t)\,dt\right].$$ 令 $k \to \infty$，左边 $w(X_{\alpha_k}) \to w(X_{\tau_D}) = \varphi(X_{\tau_D}) \mathbf 1_{\tau_D < \infty}$。
关键认识：唯一性无需存在性——只要有解，必是这种形式。
Cor 9.1.2（$\tau_D < \infty$ a.s.）：$w(x) = E^x[\varphi(X_{\tau_D})] + E^x[\int_0^{\tau_D} g dt]$。

9.3 经典 Dirichlet 问题（Ex 9.1.3）

$\Delta w = 0$ in $D$, $w = \varphi$ on $\partial D$。$A = \tfrac12 \Delta$ 是 BM 的生成元。

\[w(x) = E^x[\varphi(B_{\tau_D})] = \int_{\partial D} \varphi(y) d\mu^x_D(y), \quad \mu^x_D = Q^x[B_{\tau_D} \in \cdot].\]

$\mu^x_D$ 是调和测度（Ch 7 引入）——"从 $x$ 出发 BM 首次离开 $D$ 时在 $\partial D$ 哪部分"的分布。
Kakutani 1944 原始结果：对 2 维 BM 和 $U$ 单连通，给出 $u(x) = E^x[f(B_{\tau_U})]$ 的显式公式。
Ch 8 Ex 8.5.9 的推广：把 BM 通过调和函数 $h$ 投影（$h$ analytic）后 + 时间变换 = 仍是 BM——这给出"调和函数 + 调和测度"的几何解释。

9.4 热方程的随机解（Ex 9.1.4）

$\partial_s w + \tfrac12 \partial_{xx} w = 0$ in $(0, T) \times \mathbb R$, $w(T, x) = \varphi(x)$。

\[w(s, x) = E^{s, x}[\varphi(T, B_{T-s})] = \int_{-\infty}^\infty \varphi(y) \frac{1}{\sqrt{2\pi(T-s)}} e^{-(x-y)^2 / 2(T-s)}\,dy.\]

生成元 = $\partial_s + \tfrac12 \partial_{xx}$ 是 $(s, x) \mapsto (s + t, B^x_t)$ 的生成元。
$\tau_D = T - s$ 是确定性的（不出 $[0, T]$）——这是因为 $s$ 维是"时间"，BM $B^x_t$ 永不逃出 $\mathbb R$。
这是 heat kernel 的概率解释：$p(t, x, y) = (2\pi t)^{-1/2} e^{-(x-y)^2 / 2t}$ = "BM 从 $x$ 出发在 $t$ 时刻到达 $y$ 的密度"。

9.5 X-调和函数（Def 9.2.2）

$f$ 是 $D$ 中的 X-调和函数若 $$f(x) = E^x[f(X_{\tau_U})], \quad \forall U \subset \subset D, x \in U.$$

等价性（Lem 9.2.3）：$f$ X-调和 $\iff$ $Af = 0$（对 $f \in C^2$）。
调和测度观点（Lem 9.2.4）：$u(x) = E^x[\varphi(X_{\tau_D})]$ 对任何有界 $\varphi$ 都是 X-调和。
本质：X-调和是 $Lu = 0$ 的"概率版本"——比 PDE 版本更弱（不要求 $u \in C^2$），对 $\varphi$ 仅要求有界可测。

9.6 随机 Dirichlet 问题（Thm 9.2.5）

给定有界可测 $\varphi$ on $\partial D$： - 存在性（Thm 9.2.5a）：$u(x) = E^x[\varphi(X_{\tau_D})]$ 是 X-调和，且 $\lim_{t \uparrow \tau_D} u(X_t) = \varphi(X_{\tau_D})$ a.s.。 - 唯一性（Thm 9.2.5b）：任何 X-调和 + 路径边界条件的 $g$ 都 $\equiv u$。

意义：随机 Dirichlet 问题总有解！这是概率方法的胜利——经典 PDE 边值问题有可解性条件（Hunt 条件、一致椭圆等），但概率版本"放宽"为路径条件。

9.7 正则点（Def 9.2.8）

边界点 $y \in \partial D$ 是正则的（w.r.t. 扩散 $X$）当且仅当 $$Q^y[\tau_D = 0] = 1.$$

0-1 律（Lem 9.2.6）：$H \in \cap_{t>0} \mathcal M_t$ ⇒ $Q^x(H) \in \{0, 1\}$。$H = \{\tau_D = 0\}$ 满足此条件（Cor 9.2.7）。
直观：从 $y$ 出发，几乎所有路径立即离开 $D$。
几何例子（Ex 9.2.9）：$n$ 维 BM，$D = [0, 1]^n$ 的任何边界点都正则。没有任何边界点"扩散停留"的概率——这是 BM 的"持续不可微"性质。
几何反例（Ex 9.2.10）：抛物算子 $\partial_t + \tfrac12 \partial_{xx}$，$D = [0, 1] \times [0, 1]$，不规则点 = $\{0\} \times (0, 1)$。奇性来自"时间方向"上 $D$ 的"开始"端。

9.8 Wiener 判据（Ex 9.2.11）

设 $D = \Delta \setminus \bigcup_n \Delta_n$（单位圆挖去同心小圆 $\Delta_n$）。0 是 $D$ 的正则点当且仅当 $$\sum_{n=1}^\infty n \log \frac{1}{r_n} = \infty, \quad r_n = \text{radius of } \Delta_n.$$

几何：小孔 $\Delta_n$ "越大"（$r_n$ 大）→ 0 越容易逃出去 → 0 是正则的；"$\sum n \log(1/r_n) = \infty$"度量"小孔累加的耗散效应"。
历史：Wiener 1924 给出 BM 调和位势论的判据，Port-Stone 1978 给出完整分析。
意义：把"几何问题"（$D$ 的形状）转化为"分析判据"（级数发散性）——是 PDE 边值问题可解性的几何条件。

9.9 Hunt 条件 (H) + 推广 Dirichlet 问题（Thm 9.2.13）

Hunt 条件 (H)：每个半极集（semipolar）都是极集（polar）。

定义：可测集 $G$ 半极若 $Q^x[T_G = 0] = 0$ for all $x$；极若 $Q^x[T_G < \infty] = 0$ for all $x$。
Ch 9 推广 Dirichlet 问题：在 Hunt 条件下，$u(x) = E^x[\varphi(X_{\tau_D})]$ 满足 $Lu = 0$ in $D$ + 对所有正则点 $y \in \partial D$, $\lim_{x \to y, x \in D} u(x) = \varphi(y)$。
重要实例（Thm 9.2.14）：当 $L$ 一致椭圆（$[a_{ij}]$ 特征值有正下界）→ $u \in C^{2+\alpha}$ 局部 → Hunt 条件自动满足。

9.10 Poisson 问题（Thm 9.3.1）

\[Lv = -g \text{ in } D, \quad v = 0 \text{ on } \partial D.\]

\[v(x) = E^x\!\left[\int_0^{\tau_D} g(X_s)\,ds\right].\]

推导：用 Ch 8 Feynman-Kac 公式 + 取 $q = 0$（无 killing）→ $v$ 是 $L v = -g$ 的解。
特例：$g = 1$（常数）→ $v(x) = E^x[\tau_D]$（首次离开 $D$ 的期望时间）。
Ch 7 Ex 7.4.2 应用：$n$ 维 BM，$D = K_R = \{|x| < R\}$ → $E^a[\tau_{K_R}] = (R^2 - |a|^2)/n$。

9.11 Strong Feller 过程（Remark 9.2.16 末）

强 Feller：半群 $Q_t$ 映有界可测函数 $f$ → 连续函数 $Q_t f$。

Itô 扩散 不一定是强 Feller（Ex 9.2.16 反例：BM 的图是 Feller 但非强 Feller）。
意义：当扩散是强 Feller 时，$u(x) = E^x[\varphi(X_{\tau_D})]$ 自动连续（Schauder 估计），可解性更好。
Thm 9.2.14：一致椭圆时 Itô 扩散是强 Feller。

关键结论

PDE 边值问题有概率解（Thm 9.1.1, Cor 9.1.2, Ex 9.1.3-9.1.4）：任何有界 $C^2$ 解 $w$ 都可表示为 $E^x[\varphi(X_{\tau_D})] + E^x[\int_0^{\tau_D} g dt]$。这是"概率解"= "经典 PDE 解"（唯一性意义下）。
调和测度 $\mu^x_D$ 是 $\partial D$ 上的概率分布——把"$\partial D$ 上的函数"映射为"$D$ 中的调和函数"。Ch 7 引入，Ch 9 应用。
随机 Dirichlet 问题总有解（Thm 9.2.5）：$u(x) = E^x[\varphi(X_{\tau_D})]$ 总是 X-调和 + 路径边界条件成立。这是概率方法的胜利。
正则点的 0-1 律（Lem 9.2.6, Cor 9.2.7）：扩散从 $y$ 出发是否"立即离开"是 0-1 事件。
Wiener 判据（Ex 9.2.11）= 几何 → 分析的判据：边界点 $0$ 正则性 $\iff$ $\sum n \log(1/r_n) = \infty$。
Hunt 条件 (H) 是"经典"与"概率"边值问题等价的桥梁：Hunt 条件 + $L$ 半椭圆 + $\varphi$ 连续 → 经典 Dirichlet 问题对所有正则点可解。
一致椭圆 → $C^{2+\alpha}$（Thm 9.2.14）：当 $[a_{ij}]$ 特征值有正下界时，$u = E^x[\varphi(X_{\tau_D})] \in C^{2+\alpha}$ 局部——SDE 给出 PDE 解的正则性。
Poisson 公式（Thm 9.3.1）：$v(x) = E^x[\int_0^{\tau_D} g dt]$ 解决 $Lv = -g$, $v|_{\partial D} = 0$。这是源项问题的概率解。
Feynman-Kac 公式的 PDE 意义（Ch 8.2）：$v(t, x) = E^x[e^{-\int_0^t q ds} f(X_t)]$ 解决 $\partial_t v = Av - qv$——是 $\partial_t v = Av$ 的"加权"推广。

挑战和开放性问题

非一致椭圆 PDE 的可解性：Thm 9.2.14 要求 $L$ 一致椭圆（$[a_{ij}]$ 特征值 $\ge c > 0$）。退化情形（如 $[a_{ij}]$ 在某方向退化）需要更精细的正则性理论（Holder / Krylov-Safonov 估计）。
强 Feller 性的判据：Itô 扩散何时是强 Feller？Kunita 1969 给出局部 $C^2$ 系数 $\sigma$ 的充分条件；高阶光滑条件下可用 Malliavin 演算（对 BM 的 Wiener 混沌分解）证明。
非光滑边界的边值问题：当 $\partial D$ 是 Lipschitz / 准光滑时，调和测度 $\mu^x_D$ 的密度（Poisson 核）有显式表达？是——对 $L = \Delta$（调和），Poisson 核 $= \partial G / \partial n$（法向导数）。对一般 $L$ 需要Riesz 测度。
抛物 PDE 边值问题：Ch 9 主要处理椭圆算子 $L$。抛物算子 $\partial_t + L$ 的边值问题需要"时间方向" + "空间方向"分开处理——Ch 9 末 Ex 9.2.10, 9.2.16 给出"图上 BM"的特殊情形。
非局部算子（分数阶 PDE）：$\Delta^\alpha u = 0$（$0 < \alpha < 1$）——其概率解是 $\alpha$-稳定 Lévy 过程（不是 BM）。Ch 8 简述了 Lévy 过程但未深入。
Hunt 条件 (H) 的验证：什么扩散满足 (H)？Itô 扩散当 $\sigma\sigma^T$ 一致正定 + Novikov 条件时满足（Ch 9.2 末）；但对一般退化算子 (H) 可能失败（Ex 9.2.1 给出"反例"）。
带跳扩散的 Dirichlet 问题：当 $L$ 包含跳部分（$\int [f(x+y) - f(x) - \nabla f(x) \cdot y] \nu(dy)$），调和测度理论需要推广（Blumenthal-Getoor 1968 给完整框架）。本书不深入。

个人反思与批判性分析

本章是"概率解决 PDE"的胜利——Itô 理论在 Ch 7-8 是"工具"，Ch 9 是这些工具解出"经典 PDE 边值问题"的展示。

调和测度 $\mu^x_D$ 是本章的"主角"——所有结果（Thm 9.1.1, Cor 9.1.2, Ex 9.1.3, Thm 9.2.5）都以 $\mu^x_D$ 的积分形式出现。这反映"扩散"+"首次离开时间" = "PDE 边值问题的概率解" 这一基本哲学。

正则点 vs 不规则点 的区分（Def 9.2.8, Lem 9.2.6-9.2.7, Ex 9.2.9-9.2.11）是 PDE 边值问题可解性的"几何核心"——Wiener 判据把它转化为级数判据。这是 20 世纪位势论的最大成就——把"几何 → PDE" 的微妙分析转化为具体的级数发散性。

概率解 vs 经典解的等价性（Thm 9.2.13 在 Hunt 条件下）：把"$\partial U$ 上的边界数据 $\varphi$"与"$D$ 中的解 $u$"通过调和测度 $\mu^x_D$ 一一对应。这种等价性是 PDE 与概率"对偶"的最强形式。

对应用研究的意义： - 物理：流体的稳态分布（Fokker-Planck 方程的稳态）= 扩散的不变测度。 - 金融：期权定价 PDE（Black-Scholes 方程）= 几何 BM 的某些边界期望。 - 工程：热传导 PDE = "BM 路径积分"——是 Laplace 方程 + 边界条件的时间延伸。

Ch 9 末的反例（Ex 9.2.1）展示$u = E^x[\varphi(X_{\tau_D})]$ 不一定连续——当扩散系数"退化"（$dX_1 = dt, dX_2 = 0$）时，$X$ 是确定性的，$u$ 是阶梯函数。这给出"概率解 $\ne$ 经典 PDE 解"的具体例子。

与 Karatzas-Shreve (1998) 的比较——KS Ch 9 给出更一般的 Markov 过程的 Dirichlet 形式 + 调和测度理论。Øksendal 的版本对工程读者友好——专注于 Itô 扩散（连续、强 Markov），不深入抽象的 Hunt 过程。

对初学者的建议——本章是 Itô 理论"对 PDE 边值问题"的应用总结。亲手做 Ex 9.1.3 (经典 Dirichlet) 和 Ex 9.1.4 (热方程) 后，对 Ch 12 Black-Scholes 公式推导（用 Feynman-Kac 公式）就一目了然——这三条公式的推导手法完全一致。

重要参考文献

[X1] S. Kakutani. Two-dimensional Brownian motion and harmonic functions. Proceedings of the Imperial Academy of Tokyo 20: 706–714, 1944. — Ch 1 Problem 4 的随机解法（Ch 9.1 引用）。

[X2] K. Itô, H. P. McKean Jr. Diffusion Processes and their Paths. Springer, 1965. ISBN 978-3540606302. — BM 的图作为扩散（Ex 9.2.10, 9.2.16 引用）。

[X3] R. M. Blumenthal, R. K. Getoor. Markov Processes and Potential Theory. Academic Press, 1968. ISBN 978-0121073501. — Hunt 条件 + 极集 + 半极集 (Hunt 1967) 的完整理论（Ch 9.2 引用）；Wiener 判据详细证明。

[X4] S. C. Port, C. J. Stone. Brownian Motion and Classical Potential Theory. Academic Press, 1978. ISBN 978-0125618502. — BM 调和位势论的完整参考（Ch 9.4 Ex 7.4 引用；Wiener 判据证明 p. 225）。

[X5] E. B. Dynkin. Markov Processes, Vol. I–II. Springer, 1965. ISBN 978-3540036221. — 半极集 + 极集 (Vol II, Prop. II.3.3)；强 Feller 判据（Vol II, Thm 13.3, p. 32-33）。

[X6] M. Rao. Brownian Motion and Classical Potential Theory. Lecture Notes Series 47, Aarhus Universitet, 1977. — 0-1 律 + 调和测度（Ch 9.2 引用）。

[X7] D. Gilbarg, N. S. Trudinger. Elliptic Partial Differential Equations of Second Order, 2nd ed. Springer, 1983. ISBN 978-3540131607. — 椭圆 PDE 的 $C^{2+\alpha}$ 估计（Thm 9.2.14 引用，类似结果）。

[X8] W. F. Fleming, R. W. Rishel. Deterministic and Stochastic Optimal Control. Springer, 1975. ISBN 978-0387901554. — 半正定矩阵 $a$ 的平方根 $\sigma$ 存在性（Ch 9.1 引用）。

[X9] J. L. Doob. Classical Potential Theory and its Probabilistic Counterpart. Springer, 1984. ISBN 978-0387908817. — 经典位势论与概率位势论的"对偶"——Ch 9.2 引用。

[X10] L. Bers, F. John, M. Schechter. Partial Differential Equations. Wiley, 1964. ISBN 978-0471993541. — 椭圆 PDE 估计（Thm 3, p. 232, Ch 9.2 引用）。

[X11] S. Karlin, H. M. Taylor. A First Course in Stochastic Processes, 2nd ed. Academic Press, 1975. ISBN 978-0123985522. — BM 首达边界时间分布（p. 363, Ex 9.2.16 引用）。

[X12] K. L. Chung. Lectures from Markov Processes to Brownian Motion. Springer, 1982. ISBN 978-0387906188. — 调和测度与位势论的现代参考（Ch 9.2 引用）。

第 9 章 边值问题的应用（Applications to Boundary Value Problems）

作者