книги / Флуктуации в динамических системах под действием малых случайных возмущений
..pdf
|
ВВЕДЕНИЕ |
21 |
к решению х*0,эс |
невозмущенной системы |
(1) с начальным |
условием х\]'х = |
х. |
|
Под эту схему подойдут многие семейства случайных процессов, возникающие в различных задачах естест венно, но не обязательно в результате «искажения» ка кой-то исходной динамической системы.
Первый пример. Пусть {£п} — последовательность не зависимых одинаково распределенных r-мерных случай
ных векторов; полагаем для |
t0 ^ R l1 |
x ^ R r 3 h > |
О |
|
х -j- h |
[л- 1 /] - 1 |
(21) |
||
2 |
Ь. |
|||
|
h=[h |
* t0] |
|
|
Легко проверить, что j£t0,x\h |
при h j 0 |
сходится |
по |
вероятности равномерно на каждом конечном отрезке
времени к хи'х — х + (t — t0) т (если только |
математи |
||
ческое ожидание т = |
существует), т. е. к траектории |
||
динамической системы |
(1) с |
Ъ(х) = т. |
О марков |
Второй пример. Устроим |
при каждом h > |
ский процесс на прямой следующим образом. Пусть на числовой прямой заданы две непрерывные неотрицатель ные функции 1(х) и г(х); и наш процесс, начинающийся в точке х, за время dt с вероятностью h~1l(x)dt совершает скачок в точку х — h, с вероятностью h~1r(x)dt — в точку х + h, а с дополнительной до 1 вероятностью остается в точке х. Приближенный подсчет математического ожида ния и дисперсии приращения процесса за малый проме жуток времени Д£ показывает, что при h | 0 этот случай ный процесс будет сходиться к детерминированному, неслучайному процессу, описываемому уравнением (1)
сЬ(х) = г(х) — 1(х) (точные результаты см. § 2 гл. 5). Еще один класс примеров: — стационарный слу
чайный |
процесс^ |
Х*1 = Х\"х'н — |
решение |
системы |
|
|
|
Х ?= Ь (Х ?,| Д_ 1() |
|
(22) |
|
с начальным условием х |
в момент времени £0. При доволь |
||||
но широких условиях |
доказывается сходимость Xht при |
||||
h j 0 к |
решениям |
(1) с |
b(x) = М b(x, |
Es) (это математиче |
ское ожидание не зависит от $; точные результаты см. § 2 гл. 7).
22 |
ВВЕДЕНИИ |
В первом пз примеров сходимость по вероятности Х\*'х'н при 1г | 0 — это закон больших чисел для последо вательности {£п}• Поэтому вообще о результатах, уста навливающих сходимость по вероятности случайных про цессов данного семейства к траекториям динамической системы, мы будем говорить как о результатах типа за кона больших чисел. Соответственно результаты о сходи мости в смысле распределений семейства случайных про
цессов х1°'х'к— х\°'х после |
надлежащей нормировки |
к гауссовскому процессу — |
результаты типа централь |
ной предельной теоремы. Результаты о больших уклоне
ниях — это |
результаты, |
касающиеся |
асимптотики |
ве |
|
роятностей |
попадания |
реализации случайного процесса |
|||
в множества функций, |
не |
содержащие |
траектории |
xj0'* |
невозмущенной динамической системы. Скажем несколь ко слов о результатах последнего рода.
Для ступенчатой случайной функции (21), строящейся по независимым случайным величинам результаты типа больших уклонений, естественно, связаны с асимпто тикой при п -> оо вероятностей вида
p(i ± - ± t > 4 «я»
Результаты, касающиеся асимптотики вероятностей (23)^ разделяются на ДЕе группы: при быстро убывающих «хвостах» распределения слагаемых эта вероятность образуется в основной своей части за счет слагаемых рав номерно не слишком больших, и асимптотика имеет вид ехр { —С/г} (с точностью до логарифмической эквива лентности); если же «хвосты» ^ убывают медленно, ос новная часть вероятности (23) образуется за счет одного слагаемого порядка пх или более, и эта вероятность имеет тот же порядок, что пР{%(>пх}. Первые общие результаты,; касающиеся больших уклонений, были получены Г. Кра мером в предположении конечности экспоненциальных
моментов Me**1 по крайней мере для всех достаточ но малых z\ они относятся к первой группе результатов. Результаты о больших уклонениях для семейств случай ных процессов, рассматриваемые в этой книге, являются обобщениями также результатов первой группы; пред положения* при которых они получаются* включают ана
ЙВЕДЕЙПЕ |
23 |
логи крамеровского условия Me 1< оо. |
Более того, |
примерно |
половина |
средств, |
используемых при |
получе |
||
нии |
этих |
и |
результатов, — обобщение метода |
Крамера |
||
(см. |
§§ 2 |
3 гл. 3, |
§§ 1 и 2 |
гл. 5). |
|
Далее, в этой книге рассматриваются только грубые результаты о больших уклонениях, действующие с точ ностью до логарифмической эквивалентности. В связи с этим введем обозначение для грубой (логарифмической)
эквивалентности: |
|
A h ^ B h (А 1 0), |
(24) |
если 1пЛ/г~ ln S /t при h \ 0.
Результаты Г. Крамера и большое число более поздних результатов — не грубые, а точные (с точностью до экви валентности и еще более точные); но нужно принять во внимание, что случайные процессы — более сложные объекты, чем суммы независимых случайных величин. Можно стремиться к получению точных результатов об асимптотике больших уклонений для семейств случай ных процессов, и некоторые результаты в этом направле нии получены. Однако здесь есть совершенно другое на правление исследования — получение из теорем о боль ших уклонениях различных других интересных резуль татов об асимптотическом поведении детерминированных в пределе семейств случайных процессов (которые можно рассматривать как результат воздействия малых случай ных возмущений на динамические системы). Мнение авто ров — что из грубых теорем о больших уклонениях можно вывести больше интересных грубых следствий, чем точ ных следствий из точных теорем.
Итак, мы будем рассматривать результаты трех родов: типа закона больших чисел, типа центральной предель ной теоремы и грубые результаты типа больших уклоне ний (а также, разумеется, всякого рода следствия из этих результатов). Результаты первого типа — наиболее сла бые, они следуют из результатов второго и третьего типов; но иногда о них будет идти речь в первую очередь, потому, что их получить проще, и потому, что это своего рода экзамен на право семейства случайных процессов вообще выступать в качестве результата воздействия малых воз мущений на динамическую систему.
24 ВВЕДЕНИЕ
Результаты второго и третьего типов независимы друг от друга, и никакие из них не сильнее. Поэтому в некото рых случаях мы не рассматриваем результатов типа цен тральной предельной теоремы, а сразу занимаемся боль шими уклонениями (и при достижении результатов в этой области результаты типа закона больших чисел получают ся автоматически).
Случайные возмущения мы будем называть однород ными по времени, если распределения значений возни кающего случайного процесса в любом числе моментов времени не меняется при одновременном сдвиге по оси времени этих моментов и начального момента t0. В этом случае все, что можно сказать о возмущениях, естествен
но формулируется в терминах семейства X*’h случайных
процессов, начинающихся в точке х в момент 0, Xo'h = =х. Из рассмотренных нами схем случайных возмущений только (21) не однородна по времени.
Коснемся кратко содержания книги. Прежде всего отметим, что мы рассматриваем теоретико-вероятностные задачи в тесной связи с задачами теории дифференциаль ных уравнений в частных производных. Случайным про цессам, возникающим в результате малых случайных воз мущений, отвечают задачи, связанные с уравнениями, содержащими малый параметр. Мы исследуем случайные возмущения прямыми вероятностными методами и затем делаем выводы о соответствующих задачах для уравнений в частных производных. Вопросы, касающиеся связей между теорией марковских процессов и уравнениями в частных производных, освещаются в главе 1. Здесь же напоминаются необходимые сведения из теории случай
ных |
процессов. |
|
|
В главе 2 рассматриваются в основном схемы случай |
|||
ных |
возмущений вида |
Xf = Ь(Xf, е£*) и Xf = Ъ(X f) -f- |
|
+ го (Xf) wu где wt — процесс белого шума. В § |
1 речь |
||
идет |
о результатах типа |
закона больших чисел; |
в § 2 — |
о более тонких результатах, связанных с асимптотиче скими разложениями; в § 3 — о применении этих резуль татов к уравнениям в частных производных.
В главе 3 в первый раз в этой книге рассматриваются результаты* касающиеся больших уклонений* для одного
ВВЕДЕНИЕ |
25 |
очень простого семейства случайных процессов, а именно, для винеровского процесса wt, умноженного на малый па раметр е. Грубая асимптотика вероятностей больших уклонений описывается при помощи функционала дейст вия. Функционал действия появляется далее во всех по следующих главах. Общие вопросы, относящиеся к описа нию больших уклонений с помощью таких функционалов, составляют содержание § 3 этой главы. В §4 вычисляет ся функционал действия для семейств гауссовских про цессов.
Глава 4 посвящена в основном изучению возмущений динамических систем процессом белого шума. Здесь на ходится функционал действия для соответствующего се мейства случайных процессов; изучается вопрос о выходе за счет случайных возмущений из окрестности устойчи вого положения равновесия динамической системы, на ходится асимптотика среднего времени выхода из окрест ности, положение в первый момент выхода. В этой же гла ве исследуется асимптотика инвариантной меры для ди намической системы с одним положением равновесия. Рассматриваемые задачи тесно связаны с поведением при е -> О решения задач для эллиптических уравнений с ма лым параметром при старших производных. Предельное поведение решения задачи Дирихле для эллиптического уравнения второго порядка с малым параметром при стар ших производных в случае, когда характеристики соот ветствующего вырожденного уравнения выходят за грани цу, было изучено Н. Л е в и н с о н о м [1 ]. В главе 4 это предельное поведение изучается в случае, когда ха рактеристики притягиваются к устойчивому положению равновесия внутри области. (Случай более сложного по ведения характеристик рассмотрен в главе 6.) В послед нем параграфе главы 4 рассматриваются гауссовские воз мущения общего вида.
В главе 5 результаты главы 4 обобщаются на довольно широкий класс семейств марковских процессов (в тохМ чис ле с разрывными траекториями). Здесь более ясной ста новится связь с теоремами о больших уклонениях для сумм независимых случайных величин; в частности, появ ляется обычный для этой области аппарат преобразова ний Лежандра выпуклых функций (им посвящен отдель ный параграф).
26 |
|
ВВЕДЕНИЕ |
|
Обобщение в главе |
6 идет в |
другом направлении: от |
|
задач |
для систем с |
одним |
положением равновесия |
к системам с более сложной структурой положений рав новесия, предельных множеств и т. п. Существенными здесь оказываются множества точек, эквивалентных друг другу в смысле некоторого отношения эквивалентности, связанного с системой и с видом возмущений. В случае конечного числа особых множеств возмущенная система в каком-то смысле аппроксимируется конечной цепью Мар кова с вероятностями перехода, зависящими от малого параметра. Для описания предельного поведения таких цепей развивается своеобразный аппарат дискретного характера, связанный с графами. Большая часть резуль татов этой главы допускает формулировку на языке диф ференциальных уравнений.
В главе 7 рассматриваются задачи, связанные с прин ципом усреднения. В основном рассматриваются случай
ные процессы, определяемые уравнениями вида Xf =* = Ъ(Хги gf/е), где \t — некоторый стационарный процесс с достаточно хорошими свойствами перемешивания. Для
семейства случайных процессов X] устанавливаются теоремы тина закона больших чисел, центральной пре дельной теоремы и, наконец, типа больших уклонений. Последнему кругу вопросов уделяется основное внимание
В § 6 гл. 7 изучается поведение процессов Х\ на больших отрезках времени. Здесь также рассматриваются примеры и соответствующие задачи теории уравнений в частных производных. В главе 7 рассматриваются также системы дифференциальных уравнений, в которых скорость быст рого движения зависит от «медленных» переменных.
В главе 8 содержатся применения полученных в пре дыдущих главах результатов к исследованию устойчиво сти относительно малых случайных возмущений. Мы вводим некоторую числовую характеристику устойчи вости, которая связана с функционалом действия. Рас сматривается ряд задач оптимальной стабилизации.
Последняя, глава 9 носит обзорный характер. Здесь обсуждаются уточнения теорем о больших уклонениях, большие уклонения для случайных мер и результаты о функционале действия для диффузионных процессов с отражением на границе.
Г Л А В А 1
СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ § 1. Вероятности и случайные величины
Мы будем предполагать известными основные факты из теории меры и интеграла Лебега, а также из теории ве роятностей. Необходимые нам сведения по этим вопросам содержатся, например, в соответствующих главах книги
К о л м о г о р о в а и Ф о м и |
н а [ 1] ив книге Г и х м а - |
на и С к о р о х о д а [1]. В |
этой главе мы введем обоз |
начения и заодно напомним в подходящем виде некоторые сведения из теории случайных процессов. При этом дока зательства приводиться не будут, а будут даваться ссылки на соответствующую литературу.
Согласно аксиоматике Колмогорова, в основе всех теоретико-вероятностных рассмотрений лежит тройка объ
ектов {Q, ST, Р }, называемая |
полем |
вероятностей |
или |
вероятностным пространством. |
Здесь |
Q — непустое |
мно |
жество, которое интерпретируется как пространство эле
ментарных |
исходов. Второй объект |
— а-алгебра под |
множеств |
пространства Q. Наконец, |
Р — вероятностная |
мера на а-алгебре ЗГ, т. е. счетно-аддитивная неотрицатель ная функция множества, нормированная условием P(Q) =
=1. Элементы а-алгебры SF называются событиями. Важнейшим объектом теории вероятностей являются
случайные величины — функции £(со) на пространстве Q
со значениями |
на числовой |
прямой |
R1 такие, что |
{со : |(со) < х) е |
ЗГ при любом |
х е R1. |
Вообще, случай |
ная величина £(со) со значениями в измеримом простран стве (X, Ж) — это измеримое отображение пространства (Q, Г ) в (Х,Я)*).
*) Измеримое пространство — это множество X вместе с о-алгеброй & подмножеств множества X . Измеримость отобра жения означает, что прообраз каждого измеримого множества измерим.
2$ |
СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ |
ггл. i |
Если в качестве (X, &) берется г-мерное пространство |
Rr с |
а-алгеброй 3&г борелевских множеств, то соответствующее отображение £(со) называется r-мерной случайной величи ной. Вероятностная мера на а-алгебре Й?, которая опреде
ляется равенством |
p,(D) = |
Р{|(со) е |
D},D е |
назы |
вается распределением случайной величины £(со). |
|
|||
Для случайных величин £(со) со значениями в Л1 оп |
||||
ределяется математическое |
ожидание |
М£(со) = J £ (со) х |
||
X P(dсо), если этот |
интеграл существует |
и |
|
|
как интеграл Ле |
бега. В этой книге мы будем неоднократно использовать неравенство Чебышева
для любой неотрицательной, монотонно возрастающей функции /(•) на Л1, если только М/(|) < оо.
Для интегралов по части пространства Q мы будем иногда использовать такое обозначение:
jl(cD)P(<?G>)=M04;|).
А
Если в пространстве (X, 9&) задана некоторая тополо гия, такая, что открытые множества измеримы, то можно говорить о сходимости случайных величин со значениями в (X, $). Рассматриваются различные виды сходимости. Последовательность r-мерных случайных величин £п(со) называется сходящейся по вероятности к г-мерной слу
чайной |
величине |
£((о), |
если |
Hm Р {|£п(со) — £(со)| > |
|||
> 6} |
= |
О при |
любом |
б > 0, |
П-+00 |
|
|
где |£п((о) — 5(оз)| — ев |
|||||||
клидова |
длина |
вектора |
£п(оо) — |(со). |
Если |
|||
Нш М |
||п((о) — |
со) | = |
0, то говорят, что i n |
сходится |
|||
П-»ОО |
|
|
|
|
|
|
|
к £ в среднем квадратичном. Наконец, последователь
ность £п сходится к |
| с вероятностью 1 или почти |
наверное, если P{lim |
£п(со) = £(со)} = 1. |
Т1-*оо |
|
Если 1п -> | в среднем квадратичном, то, как это сле дует из неравенства Коши—Буняковского, М£П->М£ при п -* оо. Если \п -> £ почти наверное или по вероят ности, то для сходимости М\п к М| нужно сделать некото рые дополнительные предположения. Достаточно, напри
§ 1] ВЕРОЯТНОСТИ И СЛУЧАЙНЫЕ ВЕЛИЧИНЫ 29
мер, предположить, что все величины не превосходят по модулю некоторой случайной величины т}(со), имеющей конечное математическое ожидание (теорема Лебега). Мы будем неоднократно пользоваться этой и другими тео ремами о предельном переходе под знаком математиче ского ожидания. Все необходимые нам сведения по этому вопросу можно найти в книге К о л м о г о р о в а п Ф о м и н а Ц ].
Пусть *§ — некоторая о-подалгебра а-алгебры^, пол ная относительно меры Р (это значит, что вместе с каждым множеством А а-алгебра ^ содержит все множества из 8Г9 отличающиеся от А на множество вероятности 0).
Пусть ц — одномерная случайная величина, имеющая конечное математическое ожидание. Условное математи ческое ожидание величины г\ относительно а-алгебры
обозначаемое |
М(т]|,?), определяется как функция на |
|
пространстве Q, измеримая относительно а-алгебры |
||
для которой при |
любом А е ? |
выполняется равенство |
J М (ц |<§) Р (Ло) = |
J у] (со) Р (Ло). |
|
л |
|
л |
Существование случайной величины M(r||J?) вытекает из теоремы Радона — Никодима. Из этой же теоремы выте кает, что любые две такие случайные величины совпадают всюду, кроме, быть может, множества меры 0. Если слу чайная величина Ха(со) равна 1 на некотором множестве
A G |
f и 0 при со ф А, то M(XAI^) называется условной |
||||||||
вероятностью |
события |
А |
относительно |
а-алгебры *§ и |
|||||
обозначается |
Р(А\*§). |
Перечислим основные |
свойства |
||||||
условных математических |
ожиданий. |
|
|
|
|||||
1. |
М(г||^) ^ 0, |
если |
г\^ |
0. |
если только каж |
||||
2. |
М(£ + |
т)\§) = |
М(1\$) + |
М(т]|^), |
|||||
дое слагаемое справа |
существует. |
|
|
|
|||||
3. |
М(£т]|^) = ЕМ(л1^)* |
если М^цпМт) |
определены и |
||||||
| измерима |
относительно а-алгебры S? . |
S 2 такие, что |
|||||||
4. |
Пусть |
имеется две а-алгебры |
и |
||||||
5. |
|
Тогда |
Щ Ш 1) = М(М(?|^2Р 1). |
||||||
Пусть случайная величина £ не зависит от а-алгеб |
|||||||||
ры &1, т. е. Р({| <= D) |
П Л) = |
Р{1 e D } - P ( 4 ) |
для лю |
бого борелевского множества D и произвольного А е
30 СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ [ГЛ. 1
Тогда М(5|?) = М£, если только последнее математиче ское ожидание существует.
Отметим, что условное математическое ожидание опре деляется с точностью до значений на множестве вероят ности 0, и все равенства между условными математиче скими ожиданиями выполняются всюду, за исключением,, быть может, подмножества пространства Q, имеющего вероятность 0. В тех случаях, которые не приводят к не доразумениям, мы не будем оговаривать этого особо.
Доказательства свойств 1—5 и другие свойства услов ных математических ожиданий и условных вероятностей можно найти в книге Г и х м а н а и С к о р о х о д а [1].
§ 2. Случайные процессы. Общие свойства
Пусть имеется поле вероятностей {Q,£F, Р }, измеримое пространство (X, $ ) и множество Т на числовой прямой. Семейство случайных величин £*(со), ^ Г, со значениями в (X, 3&) называется случайным процессом. Параметр t принято называть временем, а пространство X — фазовым пространством процесса £f(co). Как правило, мы будем рассматривать случайные процессы, у которых фазовым пространством служит евклидово пространство Rr или некоторое гладкое многообразие. При каждом фиксиро
ванном со G Q получается функция |
t е Г, |
со значе |
||||||
ниями в X, которая называется траекторией, реализацией |
||||||||
или выборочной функцией процесса £*(со). |
в |
(Хг, 3§г) |
||||||
Совокупность |
распределений |
\itu |
|
|||||
случайных |
величин |
(^ t, |*2, . |
|
при |
всевозмож |
|||
ных |
г =» 1, |
2, 3, |
. . . |
и |
tTе |
Т |
называется |
|
семейством |
конечномерных распределений |
|
процесса |
|||||
£*. |
Если |
Т — счетное |
множество, то |
конечномерные |
распределения определяют случайный процесс с той сте пенью однозначности, которая принята в теории вероят ностей. В случае, когда Т — отрезок числовой прямой,, как известно, имеется существенная неоднозначность: например, из двух процессов с одинаковыми конечномер ными распределениями один может иметь непрерывные при почти всех со траектории, а другой — разрывные траектории. Чтобы избежать этой неоднозначности, в об щей теории вводится требование сепарабельности процес