Stochastyczne rwnania rniczkowe

Rwnanie Langevina
dx
= a[x(t ), t ] + b[x(t ), t ] (t ),
dt

(t ) (t ) = (t t )

Rwnanie Langevina formalnie mona przepisa w postaci:

dx = a[x(t ), t ]dt + b[x(t ), t ] (t )dt , (t )dt dW (t ) proces Wienera

Stochastyczne rwnanie rniczkowe

dx = a[x(t ), t ]dt + b[x(t ), t ]dW (t )
Formalne rozwizanie
t

x(t ) = x(t0 ) + a[x(t ), t ]dt + b[x(t ), t ]dW

t0

caka stochastyczna

t0

Jednoznaczne rozwizanie rwnania stochastycznego istnieje, jeeli

K x, y, t (t , t0 )
K x, t (t , t0 )

a ( x, t ) a( y, t ) + b( x, t ) b( y, t ) K x y Lipschitza
2
2
2
a ( x, t ) + b ( x , t ) K 1 + x
warunek

Zbieno cigu zmiennych losowych w sensie redniokwadratowym

przestrze zdarze losowych

X n = X n ( ), X = X ( ) zmienne losowe
ms lim X n = X lim ( X n X ) = lim dp( )[X n ( ) X ( )] = 0
2

Caka stochastyczna (w sensie Ito)

t

(
)
(
)
(
)
(
)
(
)
lim
G
t
dW
t
ms
G
t
W
t
W
t
=

]
i 1
i
i 1
t
n
i =1

0
Definicja ta jest rwnowana nastpujcej granicy cigu sum czstkowych

S n G (ti 1 )[W (ti ) W (ti 1 )] lim S n G (t )dW (t )

n
i =1

t0
n

W powyszych definicjach

G (t ) funkcja speniajca zasad przyczynowoci

G (ti ) nie zaley od W (ti ) W (ti 1 )

=0

Rwnowano rwnania stochastycznego Ito i rwnania Fokkera-Plancka

Rwnanie stochastyczne w sensie Ito jest rwnowane rwnaniu Fokkera-Plancka

1 2 2
p

b ( x, t ) p
dx = a[x(t ), t ]dt + b[x(t ), t ]dW (t )
= [a( x, t ) p ] +
2
t
x
2 x

W przypadku wielowymiarowym

r r
r
r r r
dx = A[x (t ), t ]dt + B[x (t ), t ] dW (t )

{[

r r r r T
r
r
p

2
1
[Ai (x , t ) p(x , t )] +
B( x , t )B( x , t )

=
t
2 i , j xi x j
i xi

] p(xr, t )}
ij

Rwnanie Kramersa (czstka Browna w potencjale, w jednym wymiarze)

Rwnanie Langevina dla jednowymiarowej
d 2x
dx
+ 2 k BT (t ) czstki Browna jest rwnowane rwnaniu
m 2 = V ( x )
dt
dt
Fokkera-Plancka zw. rwnaniem Kramersa

dx

=v
dx = vdt

dt
2 k BT

dW
dv = V (x ) v + 2 k BT (t ) dv = m [V ( x ) + v ]dt +
m
dt
m
m
m
p

k BT 2 p
1
{[V (x ) + v] p}+ 2 2 , p = p(x, v, t )
= (vp ) +
t
x
m v
m v

Podobnie, rwnanie Langevina dla czstki Browna w trzech wymiarach jest

rwnowane rwnaniu rwnaniu Kramersa w postaci

p
1
=
vi +
t i =1 xi
m vi
p = p (x, y, z , v x , v y , v z , t )
3

r
V ( x )
k BT
+ v +

m
x
i

2
p,

j =1 vi v j

Rwnanie Smoluchowskiego (przetumiona czstka Browna w potencjale, w

jednym wymiarze)

, m 0

dv
0 v const
dt

1
dv
= 0 v = V ( x ) 2 k BT (t )
dt

Przyjmujemy, e prdko czstki

szybko osiga warto stacjonarn, i
traktujemy j jako sta

2 k BT
2 k BT
dx
dx
V ( x )
V ( x )
dt +
dW
=v
=
+
(t ) dx =
dt
dt

Rwnanie Langevina dla

Brownowskiej czstki
p
V (x ) k BT 2 p
p +
, p = p( x, t ) przetumionej jest rwnowan
=
2
t
x
rwnaniu Fokkera-Plancka zw.
x
rwnaniem Smoluchowskiego
W szczeglnoci dla czstki w potencjale oscylatora harmonicznego rwnanie
Smoluchowskiego ma posta jak dla procesu Ornsteina-Uhlenbecka

1
2 k BT
1 2 p
2

= [kxp] + D 2
V (x ) = k x , D =
t
x
2
2 x

zwizek Einsteina

W (t )dW (t ) =
t0

1
2
2
W (t ) W (t0 ) (t t0 )
2

Przykad obliczania caki stochastycznej

w sensie Ito

W (ti ) Wi , Wi Wi Wi 1 W (t )dW (t ) = ms lim Wi 1Wi

n
i =1

t0

1 n
1 n
1 n
1 n
2
2
2
2
2
S n = Wi 1Wi = (Wi 1 + Wi ) Wi 1 Wi = W (t ) W (t0 ) (Wi )
2 i =1
2 i =1
2 i =1
2 i =1
i =1
n

2
(
)
W
t
t

i
0

i =1

(W W )

i 1

i =1

2
= (Wi Wi 1 ) (t t0 )
i =1

+ 2 (Wi Wi 1 ) (W j W j 1 ) 2(t t0 ) (Wi Wi 1 ) + (t t0 )

2

i> j

i =1

= 3 (ti ti 1 ) + 2 (ti ti 1 )(t j t j 1 ) 2(t t0 ) + (t t0 ) =

2

i> j

2 (ti ti 1 ) + (ti ti 1 )(t j t j 1 ) (t t0 ) =

2

i, j

= 2 (ti ti 1 )

2
+ (ti ti 1 ) (t t0 ) (t j t j 1 ) (t t0 ) = 2 (ti ) 0
n
i
i
j

n
n
1 n
2
2
2
ms lim (Wi ) = t t0 ms lim Wi 1Wi = W (t ) W (t0 ) (t t0 )
n
n
i =1

i =1
2 i =1

Wany wynik:
t

[dW (t )]

= dt G (t )[dW (t )] = ms lim Gi 1 (Wi ) = G (t )dt

2

t0

2
(
)

G
W
t
i 1
i
i
i

= G

2
i 1

[(W ) t ]
i

t0

][

+ 2 Gi 1G j 1 (W j ) t j (Wi ) ti =

i> j

= Gi21

[(W ) t ]

+ 2 Gi 1G j 1 (W j ) t j
2

] [(W ) t ] =
2

i> j

= 2 Gi21 ti2 0 ms lim Gi 1 (Wi ) = lim Gi 1ti

2

Podobnie mona wykaza, e

Cakowanie wielomianw

d [W (t )] = [W (t ) + dW (t )] W (t )
n

nW (t )

n 1

[dW (t )]n+ 2 = 0, n 1;

dW (t )dt = 0

n
nr
r
= W (t ) (dW (t )) =
r =1 r
n

n(n 1)
1
n2
n
n +1
n +1 n
n 1

(
)
dW (t ) +
W (t ) dt W (t ) dW (t ) =
W (t ) W (t0 )
W
t
dt

n +1
2
2 t0
t0
t

Warto rednia caki

t

G(t )dW (t )

= 0, bo

i 1

t0

Wi = Gi 1 Wi = 0
i

Funkcja autokorelacji
t

t0

t0

t0

G(t )dW (t ) H (t )dW (t ) = G(t )H (t ) dt

i 1

Wi H j 1W j =
j

Gi1H i1 (Wi )

= Gi 1 H i 1
i

(Wi )2

+2

i 1

H i 1W j Wi =

i> j

+ 2 Gi 1 H i 1W j Wi = Gi 1 H i 1 ti
i> j

Wzr Ito

Jeeli x spenia stochastyczne

dx = a[x(t ), t ]dt + b[x(t ), t ]dW (t )
rwnanie rniczkowe

df [x(t )] = f [x(t ) + dx(t )] f [x(t )] = f [x(t )]dx(t ) +

1
2
f [x(t )][dx(t )] =
2

1
2
= f [x(t )][a ( x, t )dt + b( x, t )dW ] + b 2 (x, t ) f [x(t )](dW )
2
1

df [x(t )] = a ( x, t ) f ( x ) + b 2 ( x, t ) f ( x ) dt + b( x, t ) f ( x )dW
2

Std wynika podany wczeniej zwizek rwnania Ito z rwnaniem Fokkera-Plancka;

Rozpatrzmy ewolucj czasow redniej dowolnej funkcji f(x)

1
d
df
f [x(t )] =
= a( x, t ) f (x ) + b 2 ( x, t ) f ( x ) + b( x, t ) f ( x ) (t ) =
2
dt
dt

1 2
f 1 2
2 f
= a ( x, t ) f ( x ) + b (x, t ) f ( x ) = dx a( x, t ) + b (x, t ) 2
2
x 2
x

p ( x, t ) =

1 2 2

(
)
(
)
(
)
(
)
,
,
b
x
t
p
x
t
f
x
dxf
x
p ( x, t )
= dx [a ( x, t ) p( x, t )] +
=

2 x
t
x

Proces Ornsteina-Uhlenbecka (rozwizanie rwnania stochastycznego)

dx = kxdt + D dW
y xe kt dy = D e kt dW
t

y = y (0 ) + D e kt dW (t ) x = x(0 )e kt + D e k (t t )dW (t )
x(t ) = x(0 ) e kt
t>s
t
s

kt
k (t t )
ks
k ( s s )
x(t )x(s ) = x(0 )e + D e
dW (t ) x(0 )e + D e
dW (s) =
0
0

= x 2 (0 ) e k (t + s ) + D

k (t t )

dW (t ) e k ( s s )dW (s) =
0

D
D 2 k (t s )

e
= x 2 (0 ) e k (t + s ) + De k (t + s ) e 2 kt dt = var{x(0 )} e k (t + s ) +
2k
2k

0
D
D

x 2 (t ) = var{x(0 )} e 2 kt +
2k
2k

Caka stochastyczna (w sensie Stratonowicza)

n x(ti ) + x(ti 1 )

S G ( x(t ), t )dW (t ) = ms lim G

, ti 1 [W (ti ) W (ti 1 )]
n
2

i =1

t0
t

Waciwoci
t

S G ( x(t ), t )dW (t ) 0 Waciwo bardzo przykra, ale

t0

S W (t )dW (t ) =
t0

1
2
2
W (t ) W (t0 )
2

Waciwo bardzo przyjemna.

1 b

dx = adt + bdW dx = a b dt + bdW

2 x

40
1

dx = dt + dW dx = +
dt + dW

2 x

Rwnanie stochastyczne w
formie Ito (po lewej) jest
rwnowane rwnaniu
stochastycznemu w formie
Stratonowicza (po prawej)
Rwnanie stochastyczne w
formie Stratonowicza (po lewej)
jest rwnowane rwnaniu
stochastycznemu w formie Ito
(po prawej)