x Mở đầu 1 Một số kiến thức cơ bản của tích phân ngẫu nhiên 11 1.6 1.7
Vài khái niệm liên quan đến quá trình ngẫu nhiên
111 Quá trình đo được dần
1.1.2 Quá trình khđdoán
1.1.3 Các quá trình hoàn toàn đo dược
Quá trình ngẫu nhiên
Quá trình thích nghi với một bộ lọc
Thời điểm Markov và quá trình dừng
Quá trình Wiener hay chuyến động Brown
1.5.1 Dmhnghal
15.2 Dmhnghia2
1.5.3 Vài tính chất quan trọng của chuyển động Brown 1.5.4 Các martingale quen biết tạotừW
Tích phân ngẫu nhiên lô -
161 Dmhnghĩa c 1.6.2 Các tính chất quan trọng của ltô
1/63 Tích phân Itô nhiều chiều
Trang 21.7.2 Quá trình biến phân bậc2
2_ Một số vẫn đề về tính toán ngẫu nhiên 2.1
bo bo
Vi phan ngẫu nhiên Itô và công thức lô 2.11 Ihái niệm quá trình ltô và vi phân Hô 21.2 Dinhlý ee 2.1.3 cong thttc Ito thu gon 214 Ménhdé 020000000.00000 21.5 Héqua 0 22 220220000 2.1.6 Công thức Ito gid tri véc to 2 217 Méenhdé 2 2.1.8 Héqua 2 0.02.00 2 0002000040 21.9 Héqua 0.2.22 0 20000
21.10 Cong thitc It6 nhiéu chidtu 2
2.1.11 Định lý(Công thức Itô tổng quát)
2.1.12 Mot số tính toán ngẫu nhiên nhờ quy tắc vi phân Itô
Trang 3242 Menhdé 00 00000 29 243 Méenhdé 0.02.00.0.0000200040 29 244 Hequa 2 0 0.000240 30 245 Dịnh lý ee 30 246 Hệ quả 2.200020 00004 31 2.5 Một số phương trình vi phân ngẫu nhiên có thể giải dưới dạng 0a HH 31
Trang 4Tính toán ngẫu nhiên (Stochatie caleulus) nói một cách ngắn gọn là những tính toán thực hiện đối với quá trình ngẫu nhiên
Quá trình ngâu nhiên là mơ hình tốn học của rất nhiều bài toán thực tiễn xuất hiện nảy sinh trong khoa học và công nghệ,
No mo tả theo sự tiến hóa theo thời gian của một hệ thống chịu sự tác động của các nhân tố ngẫu nhiên
Quá trình ngẫu nhiên cũng có thể được xem như một hàm ngẫu nhiên nào đó và sự mô tả các hàm ngẫu nhiên này thường được thông qua các phương trình vi phân ngẫu nhiên
Trong luận văn này trình này chúng tôi trình bày một số vấn đề về tính
toán ngẫu nhiên
Luận văn được chia làm hai chương: Chương 1 Kiến thức chuẩn bị
Chương 2 Một số vấn đè về tính toán ngẫu nhiên
Luận văn được thực hiện tại trường Dại học Vĩnh và hoàn thành dưới sự hướng dẫn trực tiếp của PGS.TS.Phan Đức Thành Tác giả xin bày tỏ lòng biết ơn sâu sắc tới Thầy về sự tận tâm và nhiệt tình hướng dẫn đã dành cho tác siả trong suốt quá trình học tập và nghiên cứu
Nhân dịp này, tác giả xin chân thành cảm ơn PGS.TS.Nguyễn Văn Quảng, PGS.TS Trần Xuân Sinh,TS.Nguyễn Trung Hòa cùng các thầy cô trong khoa Toán, khoa đào bạo Sau đại học và các học viên lớp cao học 16 chuyên nghành
Trang 5bày tỏ lòng cảm ơn sâu sắc tới bạn bè, người thân đã động viên, giúp đỡ và tạo điều kiện tốt nhất để tác giả hoàn thành tốt luận văn eñng như khóa học
Vinh, ngay 10 thang 12 nam 2010 Tac gia
Trang 6MOT SO KIEN THUC CG BAN CUA TICH PHAN NGAU
NHIEN
1.1 Vài khái niệm liên quan đến quá trình ngẫu nhiên
1.11 Quá trình đo được dần
Cho một không gian xác suất được lọc (2,(7;);¿>o,IP) Gọi Bo là ơ- trường Borel trên đoạn |0, (|
Cho một quá trình ngẫu nhiên X = (X;);¿eg+ = |0, )
Xót hạn chế của X trên đoạn |0, 1], Với một £ cố định thuộc IR†.Vậy ta có ánh xạ X : [0,f| x O — ]R Trên trường tích phân [0, 1] x © ta xét ơ-trường tich Bio.) x Fi
Nếu X do được đối với trường tích ø- trường tích ấy với mỗi £ € R* thi qua trình X gợi là quá trình đo được dần
1.1.2 Quá trình khả đoán
a đ-trường khả doán
ø-trường khả đoán là ø-trường nhỏ nhất các tập con của R! x 9 mà đối
với nó, mọi quá trình liên tục trái đều đo được:
e X=(X,)=(X((,O));¿eg:+,ằjẶc€ ©' liên tục trái > X là P do dude
e P— là ơ-trường nhỏ nhất trong các tập con của R! x Ô có tính chất ay
b.Quá trình khả đoán
Trang 7khả đoán đối với (?)
1.1.3 Các quá trình hoàn toàn đo được
a)ø-trường các tập hoàn toàn do được trên IRT x 9
Đó là ø-trường Ø các tập con của (IRT x ©) và nhỏ nhất đối với nó, mọi quá
trình liên tục bên phải và có giới hạn bên trái là đo được
b)Néu X = (X(t,w)) IA một ánh xạ đo được tit (Rt x 2,0) “s (R, Bp)
thì ta nói X là một quá trình Ôpional, hay hoàn toàn đo được 1.2 Quá trình ngẫu nhiên
(a) Một quá trình ngẫu nhiên (X, > 0) là một hàm hai biến X(,ø) xác dinh trén tich R* x Q lay gid tri trong R, va IA mét ham do được đối với o - trudng tich Br: x F, trong dé Bp: la ø-trường tích các tập Borel trên Rt = [0, 00) Điều đó có nghĩa là với một tập Borel B trén R thi tap hop {(t,w) ER! x 2: X(t,w) € BY la mOt phan ttt cia o-trudng tich Bp: x F, o- trudng tich nhé nhat chita tap các tập con có dạng
|0,f|Jx< A với £€IR! và AE (b) Khi cố định một œ € Ø2 thì ánh xạ riêng phan
t > X(t,w)
từ IRT vào IR được gọi là một quỹ đạo của quá trình ngẫu nhiên X(Xÿ¡, > 0)
ứng với yếu tố ngẫu nhiên œ ấy
Trang 8phẩm tái sinh Œ;, - đều được xem là các quá trình ngẫu nhiên 1.3 Quá trình thích nghi với một bộ lọc
a.Một họ các ơ -trường con (¿ > 0) của F,F; C E, được gọi là một bộ lọc thỏa mãn các điều kiện thông thường nếu:
e do la mét ho dang theo ¢, F, C F; tite la F, C F;, néu s <t, e họ đó là liên tục phải, tức là
Fi =( Fre
c>0
e Néu A € F va P(A) = 0 thi A € Fp (va do d6 nim trong moi F;)
b.Cho mét qua trinh ngau nhién X = (X;,t > 0)).Ta xét o-trutng FX sinh
bởi các biến ngẫu nhiên X; với s <f: FỄ = ø(X;,s < f).ø-trường này chứa đựng mọi thông tin về diễn biến quá khứ của quá trình X cho đến thời
điểm t Người ta gọi đó là một bộ lọc tự nhiên của quá trình X, hay là lịch sử của X, hay cũng gọi là trường thông tin về X
e.Một không gian xác suất (O,F.IP) trên đó ta gắn thêm vào một bộ lọc E¿,được gọi là một không gian xác suất được lọc và ký hiệu là (9, F, (E;), P)
1.4 Thời điểm Markov và quá trình dừng
Cho một không gian xác suất được bộ lọc (O,E, (E;), !P)
(a) Một biến ngẫu nhiên rđược gọi là một thời điểm Makov với mọi £ > 0 {wEQ:7(w) <theF,;
(b)Mọi thời điểm Makov 7 được gọi là thời điểm dừng nếu 7 là hữu hạn hầu
chắc chắn, tức là :
Trang 91.5.1 Định nghĩa 1
Một quá trình ngẫu nhiên X = (X;,t > 0) được gọi là một quá trình Wiener tiêu chuẩn hay chuyển động Brown, nếu X là một quá trình Gauss sao cho
(i) Z(X;) =0, tức là X; quy tâm (ii) Ham tuong quan R(s,t) = min(s,t)
Trong trường hợp tổng quát, một quá trình Wierer với tham số phương sai ø là một quá trình Gauss, quy tâm và hàm tự tương quan là
R(t, s) = 07? min(t, s)
1.5.2 Định nghĩa 2
Một quá trình ngẫu nhiên X là một chuyển dộng Brown tiêu chuẩn nếu: (a) Xp — 0 hau chae chan
(b) Hiệu X; — X; là một biến ngẫu nhiên chuẩn, kỳ vọng 0 và phương sai là #— s,(s < ?) (c) Cac 86 gia Xz, — Xp, va Xz, — Xz, (voi moi ty < ta < tz <,)ld cdc bién ngẫu nhiên độc lập Trong trường hợp tổng quát, thì trong điều kiện (b), phương sai của X;— X; la o?(t — s)
1.5.3 Vài tính chất quan trọng của chuyển động Brown
Ta ký hiệu W = (W¿,£ > 0) là một chuyển động Brown (a) W; la một martigale với một bộ lọc tự nhiên của nó (E;),
véi F, = FW’ = o(W,,s < t) : ø-trường nhỏ nhất sinh bởi quá khứ của
W tinh cho đến thời điểm ứ
Trang 10(e) chắc chấn là W¿ không có biến phân bị chặn trên bất cứ khoảng hữu hạn nào của £ (đ) W; tuân theo luật lôgarit-lặp như sau: ‡ x é é limsup————— = l hầu chắc chắn tooo V2llnlnt 1.5.4 Các martingale quen biết tạo từ W Định lí Cho Wj là mot chuyén dong Brown va F; = Fi" Khi do ta co 3 martingale quen biết là :
(a) Ban than W; la mot martingale déi véi (F;), (b) W2 ~ £ là một martingale đối với (;)
yu? ` ^ + Le Ae
(e) Với € IR thì ef~?† là một martingale đói với (?) 1.6 Tích phân ngẫu nhiên Itô
1.6.1 Định nghĩa
Choƒ(.ø) là một quá trình ngẫu nhiên và W¿ là một chuyền động Brown tiêu chuẩn ( một chiều, tất cả quỹ đạo của ƒ và của IW là xác định trên đoạn
a<t<b
Xét một phân hoạch trên đạn [a,b] va lap tong tích phân Sn(w) = }_ ƒ0¡,e[W(tii.0) — (Wi, w)]
i=0
trong do f(t;,w) la gid tri cua f(t,w) tai ding đầu mút bên trái của đoạn
nhỏ [#;,f¿¡¡] và không thể thay thế ƒ(;,ø) bằng giá trị ƒ(s¡, ø) tại một điểm
Trang 111.6.2 Các tính chất quan trọng của Itô a) t B | Fs.) dW, =0, t € [a,}] 0 t -B| f Poo i 0 t c) Ban than tich phan Ito X; = f f(t,w) dWg, 1d mot martingale đối với 0 t Bf fs wan] 0
trường o—trudng FI"
1.6.3 Tich phan It6 nhiéu chiều
1.6.3.1 Quá trình Wiener n chiều
Vecbơ ngẫu nhiên W; = (W2,:-: W?') là một quá trình Wiener n- chiều HIỂU:
() Với mỗi k € {1,2, - ø},WZ là một quá trình Wiener 1- chiều
(ii) Cac thanh phan Wf(k = 1, - ,n) là những quá trình ngẫu nhiên độc lap
1.6.3.2 Tich phan Ité nhiéu chiéu :
Trang 121.7 Tích phân Strantonovich
1.71 Các định nghĩa
Kí hiệu chuyển dong Brown 1A Wj Ta biết rằng tích phân ngẫu nhiên Itô có thể định nghĩa mô tả bởi giới hạn theo xác suất của tổng tích phân có dạng -1 3 F(te) [Wee - Wi,] k=0
Khi hàm mịn phân hoạch 7) tầy y :0 — fq < fị < - < tạ — f trong đó nhất thiết phải lấy giá trị ƒ tại các điểm #¿(k = 0, - ,m— 1)chứ không phải
được lấy ƒ(s¿) là một điểm tùy ý thuộc [#y, y1]
Trang 13E(1I;(ƒ)) nói chung #,và các mô men của 7;(ƒ) không dễ tính 1.7.1.2 Dinh nghia 2
Tích phân Stratonovich có thể được định nghĩa bồi:
n-1
t
J flr) dW, = P— Bim, lflte) + Fltera)I(Ma — Wa) (1.10) ọ k=0
Trong dé |A| = Mfaz|f¿ii —f¿| trong phân hoạch bất kỳ D:U=fọẹ < lị <::+ <th=t Nếu ƒ khả vi liên tục thì định nghĩa 1 và định nghĩa 2 tương đương 1.7.1.3 Dinh nghia 3 t n-1 trot : 1 Jrelsa =P— Am er / f(s) | (Wi,,,T— W,) (1.11) 0 k=0 th Để triển khai rõ hơn nữa về tích phân Stranotovieh ta đưa ra khái niệm quá trình có biến phân bậc 2: 1.7.2 Quá trình biến phân bậc 2 1.7.2.1.Dinh nghia
Trang 14n-1
(Xx, Y% c— (X, Y)s — lim SO (Xt — X,) (Yeo — Y;i,) (1.13)
k=0
Nếu giới hạn tồn tại hầu chắc chấn
1.7.2.2 Túnh chất của biến phân bậc
(i) (X,Y): = (X) = 0
(ii) Déi xtmg (X,Y) = (Y,X)
(iii) Song tuyén tinh :(a1X1 + a@2X2,Y) = a1(X1, Y) + a2(Xo, Y) 1.7.2.3 Biến phân của một quá trinh
Mệnh đề
a) Néu W; 1a chuyén dong Brown, thi (W);—(W), = t—s ndiriéng (W); =t b)Néu W; va Ww, là các chuyển động Brown độc lập thì (W, Ww’), = 0 Véi moi t Tr c)Néu X; = j f(r) dW, vay = I ø(r) đW, với s cô định thì ‡ = J f(r)g(r) dr 0
đ)Nếu X; — jst) ) dW, v ¥4 = for) ) dW, trong dé W va W' la hai chuyén dong Brown độc lập, thì (X,Y "= =0
Trang 15t t - 1 [Tf00et= [ Tra + 20.1), 0 0 Thật vậy ta có : n-1 ; f (trys) + ¬ (Wee _ W,) k=0 n-1 1 n-1 Do Pte) Wings — Wag) + 5 SoU tava) = Pte) Wins — Wad k=0 k=0
Trang 16CHƯƠNG 2
MỘT SỐ VẤN ĐỀ VỀ TÍNH TỐN NGẪU NHIÊN
2.1 Vi phân ngẫu nhiên Itô và công thức Itô
2.1.1 Khái niệm quá trình Itô và vi phân Itô
Giá sử X = (X;,£ >3 0) là một quá trình ngẫu nhiên thỏa mãn
( Hầu hết các quỹ đạo £ + X; là liên tục; (1) Hầu chắc chắn có biểu diễn
t t
Xt = Xo + [records [tot (21)
0 0
Trong đó h va f 1a cdc qua trinh ngẫu nhiên đo được dần sao cho các tích phân trong biếu diễn tồn tai
Khi đó ta nói X là một quá trình vi phân Itô và có vi phân Itô đX Nếu X là một quá trình Ito thi vi phan Ito dX la một biểu thức hình thức được viết như sau:
dX; = h(t,w)dt + f(t,.w)dWy (2.2) Hay
dX = hát + fdW
Kết quả tiếp theo là một công thức biến dối trong giải tích ngẫu nhiên
Công thức này rất cần thiết để tính tích phân ngẫu nhiên, thực hiện các
biến đổi ngẫu nhiên, các phương trình vi phân ngẫu nhiên và thường được
Trang 172.1.2 Dinh lý
Cho X 1A mot ae trình Itô với dX; = hdt + fdW}
Giả sử ø(f, +) : Rˆ — IR là một hàm hai biến hai lần khả vi liên tục Khi đó quá trình ngẫu nhiên Y¿ = g(, X;) là một quá trình Itô cho bởi: t (1, Xia + S24, X)MX, + 2 >| 2, Xi) (2) 0 _ 9g dY; = Đi Công thức trên được gọi là công thức liô và có dạng tương đương sau: t t t Og 3 1 /Ø Ÿị =s(0,X)+ Ï a Xs c0 [ Os, Xd s/s “Ios, X,) f?(s,w)ds 0 0 0 (2.3) 2.1.3 công thức Itô thu gọn Xét trường hgp h(t,w) = 0 và Y; = U(X;) > U, =0 Ihi đó Y; có vi phân It6 rat gọn sau 1 ra x c I¥i=5 f?U,; + U„dW (2.4) 2.1.3.1 Thí dụ
Trang 182.1.4 Mệnh đề Cho vi phan It6 rat gọn dX; = frdW; khi đó ta có: dX7?" = n(2n — 1) f2X2"-2dt + 2nfyX7""dWi(n > 1)
Chiing minh Lay Y; = (t, X¢) vdi U(t, 2) = 2?” Ta c6 U, = 0,U;, = 2na??7!, Ups — 2n(2n — 1)xz?"~2 Theo công thức ltô thu gọn ta có: d(X?") = dt, 12» , =5 J?U,sdt + ƒ;U„dWW; = n(2n — 1)ƑỀX?""?dt + 2n ƒ, X?"~Ì 1W 2.1.5 Hệ quả d(W?) = n(2n — 1)W"—~1đt + 2nIV?"~! 4W Để chứng minh ta lấy X; = Wz tức là ƒ; = 1 2.1.6 Công thức Itô giá trị véc tơ * vđ £ Ƒ 2 Le
Gia sit U : [0;T| x R¢ R có các đạo hàm riéng 22, 22 FU dé voi 7 [ ) : So Ot? Ou;? Ôz¿Ðz; ‹
i,j —=1,2, -, d và quá trình vô hướng (Y;,0 < £ < 7) được xác định bởi
Yị = UÚ, X;) = U(t, X;, X),: , XỶ)
Trong đó X; thỏa mãn
dX; = hidt + fidW;
h:(0:T]) x2 > R?
Trang 19Khi đó vi phân ngẫu nhiên của Y¿ được cho bởi:
= EWE TT ie Se ws SS ean) J i=l
Hay gon hon:
aU 1 no
(ộc + hỆ VU + 2Tr(J ff 9 [W]e + GUT fed
Trang 202.1.9 Hệ quả
d(cosWft) = —gcosWidi + (—sinW;)dM; d(sinWữ}) = —gsinNih + (cosW)dũUit Chứng mình
Ấp dụng công thức Itô cho U(x) = cosx, sinw va X; = W; (tite v6i hy = 0, ff = 1)
Ta có:
d(cosW) = 3 (cosWi) 4i + (cosW;) dW;
d(sinW;) = (sinW;)' dt + (sinW;) dW
2.1.10 Công thức Itô nhiều chiều
Quá trình Itô ø— chiều là quá trình ngẫu nhiên vector liên tục
Xị = (XiŒ), -, Xa(£)) trên (Ó, A, P) sao cho mỗi thành phần của nó là quá trình Hô: : : n X;(t) = X;(0) 4 | hi(s,w)ds 4 | So fij(s,w)dWi(s),0<t<T (2.7) 0 ụ 7-1 Trong đó {h¿(£)}.¿ = 1, -,n và {ƒfj(£).?7 = 1, -.n} tương ứng là
các thành phần của b và ƒ,đồng thời thỏa mãn điều kiện trong mục (ii) mục
1.6.3.1 trong trường hợp như thế ta nói ÄX; có vi phân ngẫu nhiên và viết dưới dạng ma trận
dX; = hdt + ƒdW; 2.1.11 Định lý(Công thức Itô tổng quát)
Trang 21Khi đó quá trình Y(,ø) = øgŒ Xp) là một vi phân ngẫu nhiên p—chiều mà thành phần thứ k là Me được cho bởi
Ôợy; 3g; 3
dYi = 5 he Xi Vân Bay, (t.X)d X15 ands! (t, X)dX;dX; (2.8)
2J=l1
2.1.12_ Một số tính toán ngẫu nhiên nhờ quy tắc vi phan Itô
Trang 22l ;
= se "4t +e dy
2.2_ Phương trình vi phân ngẫu nhiên tuyến tính Phương trình vi phân ngẫu nhiên tuyến tính có dạng
AX4 = [ar(t) Xt + aa(t)X¢] dt + [bìi(f)X¡ + bà()Ä¡|dM; (2.9)
Trong đó ai, a2, bị, bạ là các hàm nào đó của thời gian hoặc các hằng số còn (W¿) là các chuyển động Brown (quá trình Wiener)
* Nếu các hệ số ø, øa, bị, bạ là các hàm đo được Lebesgue và bị chặn trên
khoảng [0, 7T] thì áp dụng định lý Tồn tại và Duy nhất, tồn tại mọi lời giải
( nghiệm)mạnh (Xÿ;) thỏa mãn điều kiện ban đầuX;, và lời giải ( nghiệm) đó duy nhất
* Nếu các hệ số đều hằng số thì phương trình thuộc loại Ô tô nôm và các
lời giải của nó tồn tại với mọi £ > íạ và là quá trình Markov thuần nhất * Nếu ag(t) = 0 va ba() = 0 thì phương trình (2.9) trở thành phương
trình vi phân ngẫu nhiên (PTVPNN) tuyến tính thuần nhất
dW; = aj (t)X;dt +b; (t)XidW (2.10)
Dễ nhận thay X; = 0 1A một lời giải tầm thường của (2.1) Gọi lời giải cơ
bản X; = Ø;¿¿„ là lời giải thỏa mãn điều kiện ban đầu X„, = Ø;¿„ = 1 vi tat
cả những lời giải khác đều có thể biểu diễn qua lời giải này.Vấn đề là tìm
một lời giải như vậy
* Nếu trong phương trình (2.9) mà b¡(#) = 0 thì phương trình vi phân ngẫu nhiên có dang
dX = [ay (t)X4 + ag (t)X;Jdt + by (t)dW; (2.11)
Khi đó người ta nói rằng PTVPNN là tuyến tính theo nghĩa hẹp
Trang 23kiện ®;¿¿„ = 1.Dể đơn gián ta ký hiệu Ø¿ = địa,
a.Trước hết ta xét phương trình thuần nhất tương ứng với (2.11) AX; ¬ a1() X;dt (2.12) Lời giải cơ bản của (2.12) là: t P= cep [ aa(s)ds (2.12') to b.Bây giờ ta áp dụng công thức Itô cho ham g(t, x) = Gla ¥ = g(t,a) = 1X (2.13) Nhấc lại công thức Ito ap dung cho dX; = hdt + ƒdW; là như sau ag 1%, ag dY; = Pee x) + 25972] a+ 21, X)aX 2 0t ot Ỏ day, theo (2.11) ta có h— aIX +aa ƒ — bà vì g— ®~Ìz nên : Og _ 9g? —— -1 —— — — ot = (5 Je =o" ` 02 =0 Suy ra dY = 5, TAX Vay dp! 1
d¥ =~ -Xedt + ® (aX + ag)dt + bod), (2.14)
Trang 24Hay t t O71 Xp = O71 Xi, + [aatsyostas+ [ iạ(s)8, 14M, to to Vì đạ, = 1 cho nên nghiệm của (2.11) là: t t X;, = ®[X;, + [all 14+ [ (s98, 14M 9, (2.16) to to là lời giải của phương trình vi phân tuyến tính theo nghĩa hẹp (2.11), trong do: t P= cep | a;(s)ds to 2.21 Thí dụ
Xét phương trình Langevin có dang
dX; —= —aX dt + bdWV; với X(to) = Xo
Trong đó ø và b là các hằng só Phương trình đó gọi là phương trình Langevin Ở đây ta có một phương trình với a1) = —a;as(f) = 0;b¡() = 0 và bo(t) =b
Vậy lời giải cơ bản của ở; là :
Trang 252.3 Nghiệm của phương trình vi phân ngẫu nhiên tuyến tính đơn giản
Trong mục này ta xét hệ phương trình vi phân sau
dX; = (A(t)X; + a(t))dt + B()đM;
Trong dé cdc ham A(t), a(t), B(t) do dude va bi chan trong doan [0; 7];
A(t) € R&™, B(t) € R&*™: a(t), X; € RE
Như đã biết với điều kiện ban đầu X¿, — zọ phương trình có nghiệm duy nhất Trước hết ta xết hệ tuyến tính tất định khi Ø(f) = 0 Giả sử
#®(£) = #(t,†a) là nghiệm của phương trình thuần nhất X = A(t)X;
Tức thỏa mãn phương trình ma trận
@ = A(t)®(t)
Với điều kiện ban đầu (to) = 7, (7 là ma trận đơn vị)
Trang 26Hay Y=# 1a Vì vậy t Y=Yo+ | &'(s)a(s)ds to Suy ra t X,= GY = X; = H(t) (ô + [â eoatsus) (2.18) to
Tiếp theo ta xét hệ vi phân ngẫu nhiên tuyến tính dạng đơn giản
dX} = (A(t) X¢ + a(t) )dt + B(t)dWi, Xt, = #0 (2.19) 2.3.1 Định lý Nghiệm của hệ(2.19) trên [0; 7] được biểu diễn dưới dạng i t X; = &(t) (« + [oasis + [eo esoan, to to Trong đó Ø(£) là nghiệm cơ bản của phương trình X@) = A0)X: Chúng minh Hệ (2.18) tương đương với hệ sau: dÄ¡ = A(f) X;dt + (a(f)dt + B()dW;)
Sử dụng công thức (2.18) với vai trd cla a(t) bay gid là (a()dt + B(t)dW;) ta được nghiệm của hệ (2.19) là:
t
Xt = P(t) (» + [z'!elaeue + ate)
Trang 282.3.3 Hệ quả Trường hợp đ — 1,m bắt kỳ, nghĩa là các hàm hệ số A(7) € I8; BŒ@) e RP“”: a(£), Xị 6TR, ta có: ‡ P(t) = exp (/ A092) to Khi đó t t t X; = exp lí A94) (0 + | œ®(C J Aw) (als)as + bist) to to
2.4_ Phương trình vi phân tuyến tính tổng quát
Trong mục này ta xét hệ phương trình tuyến tính dạng tổng quát
dX; = (A()Xụ + a()#t + (9/0) Xị + bí) (2.20)
i=l
Trang 29Chiing minh Xét qua trinh Ito vdi vi phan Ito 1 dX; = la — 0) dt + B(t)dW va qua trinh ¥, = eX = g(X;) véi g(x) = e* Ta có ø (£) = ø () = e* Theo công thức vi phân ltô Vị = cŸX*ÄdX¡ + sex B?(t)dt = Xt & — 5P*(0))4 + ai) + 5B td = e*' A(t)dt + e* B(t)dW; = A(t)¥idt + B(t)¥idW)
Từ đó suy ra điều phải chứng minh 2.4.2 Mệnh đề Nếu dX1(t) = fi(t)dt +G; (t)dW,, dXo(t) = fo(t)dt + Go(t)dM;, thi
dX (t) Xo(t) = Xi(t)dXo(t) + X2(t)dXi(t) + Gi(t)Go2(t)dt
= (X1(t) fa(t) + Xo(t) f(t) + Gi (t)Ga(t))dt + X1(t)Go(t) + Xo(t)Gi (dW
2.4.3 Ménh dé Néu
dX, (t) = fi(t)dt + Gy(t)dW} dXo(t) = fo(t)dt + Go(t)dW?
trong d6 W} va W? doc lap thi
Trang 30Chitng minh Ap dụng công thức Ito ta co
Trang 312.4.6 Hệ quả Nghiệm của: a Phương trình thuần nhất m AX; = A(t)Xi + S > By(t)XidW}: Xt, = eo i=l la: X= woen( [ (400 — 5 )as + » [ rows) to 1 ¬ to b.Phuong trinh Otondm thuan nhat (A(t) = A, B;(t) = Bi) m AX; = AXidt + S$ BiXdW}, Xt, = #ọ i=1 M vs m - - là :X; = ser( [A0 ¬» 7) (t—fuo)+ 3) B,(W‡ — wi) ¿=1 i=l 2 2.5 Một số phương trình vi phân ngẫu nhiên có thể giải dưới dạng hiển
2.5.1 Phương trình tuyến tính với nhiễu cộng tính a Hệ số không đối: trường hợp thuần nhất
dXị = =aXidt + dV, (a,c : hang s6) (2.21)
Lời giải : Xp =e (Xp +o I etd)
b.Hệ số không đổi: trường hợp không thuần nhất
Trang 32c.Hé số biến đối: dX, = |a(t)X; + b(t)|dt + c(t)dW; Đ ‡ t dX; = ®; (x + / ®,'b(s)ds + / caw) to to t Với lời giải co ban: &, = Dy4, = exp f a(s)ds to
Thí dụ: Xét phương trình vi phân ngẫu nhiên tuyến tính với nhiễu cộng tính với các hệ số biến đổi sau đây:
2
dX; = 1X +b(1 +t) m dt + b(1 + t)*dW, b(1 + t)?dW, (2.24) 2.24
trong đó b là hằng số cho trước
Trang 332.5.2 Phuong trình tuyến tính với nhiễu nhân tính
a Hệ số không đối: trường hợp thuần nhất dX, = aX ¡dt + bX;¿;dMU; Lời giải: b2 Xt = Xoexp|(a — at + bW;] Hai dạng quan trọng nhất thuộc trường hợp này là Phương trình mũ lô: 1 dX = 2Xidi + X;dW; Với lời giải:
X, = Xoe™ la phương trình chuyển dịch tự do
với lời giải là
dL X, = Xoczp(W}; — 3)
b.Hệ số không đối: trường hợp không thuần nhất
AX, = (aX¢ + c)dt + (bXy + d)\dWy Lời giải cơ bản: = exp|(a — &)t + bd)
Trang 34t " i Lời giải X¿ = Xoezp[(a(s) — HS) ds + f b(s)dW,.] 0 0 d Hệ số biến đổi: trường hợp không thuần nhất dẤy = |a(Đ)X¿ + c(Đ|dt + |b(Ð)X; + d(0)|4 Lời giải cơ bản: t t 2s) 1 đị — địa, — «2| (œ(s) — )ds+ ƒ b(s)dW; | Lời giải tổng quát: t t Xi: =Ø,| Xu " — b(s)d(s))ds + [seaeam] to to
2.6 Phương trình có thể đưa về được phương trình Stranovich
Gia sit h(x) 1a ham1 bién kha vi lién tục với nguyên hàm là (+) Khi đó
ngudi ta chttng minh duce 2.6.1 Mệnh đề
t
furs odW, =U(W;) — U(W»)
to
Trang 35Phương trình vi phân ltô
dX; = 20(Xi)W (Xu + b(X;)dMW/(b(z) là hàm khả vi cho trước)
tương đương với phương trình Stranovich dX; = b(X;) o dW; nghiệm tổng quát của phương trình Stranovich có dạng X, = h71(W, + h(Xo)) x trong d6 Y = h(x) = f 2 2.6.3 Các thí dụ 2.6.3.1.Thí dụ 1 Giải phương trình vị phân 1 dX; = at Xedt + adW » 1, 1 h(x) là nguyên hàm cia — bang h(a) = —Ina ax a Ta có h( Xz) = tInX; = LnXo + Wi Suy ra 1X =l =W, a "NX ‘ Hay xX, Ing = dllt Vậy Ä; = Xgezp(aM) 2.6.3.2.Thí dụ 2 Cho phương trình Itô
Trang 36Trong đó ð(+) là hàm khả vi cho trước
G¿đ¿:Theo mệnh đề trên phương trình này có thể giải bằng cách đưa về
phương trình Stranovich đơn giản dX; = d(X;) S dW; (2.31) và giải như giải tích cổ điển dX; b( Xz) = dW; ở 1 => goi A(x) = Bu) là nguyên hàm của lu} Sha x dX; ˆ — B(X¿) — h(Xa) — W¿ — WWạ — W + lan (Xz) — h(Xo) fi i Suy Ta h(X)) = h(Xụ) -Ƒ Wt Hay X¿— h~!(MW¿; + h(Xp))
Ấp dụng công thức Ito cho X; ta có:
Trang 38KẾT LUẬN
Luận văn thu được các kết quá chính sau đây:
1 Trình bày một số kiến thức về quá trình ngẫu nhiên và tích phân ngẫu
nhiên với các nội dung:
e Quá trình đo được dần, khả đốn, hồn toàn đo được, quá trình ngẫu nhiên thích nghỉ với bé loc, thoi diém Markov
e Quá trình VWiener và một số tính chất liên quan
e Tích phân Itô và các tính chất cơ bản của tích phân Itô của hàm ngẫu nhiên
e Tích phân Stranotovich và mối liên hệ với tich phan Ito
2 Dã trình bày một số vấn đề cơ bản về tính toán ngẫu nhiên với các nội dung:
e Trinh bày một số kiến thức cơ bán về vi phân ngẫu nhiên và công thức vi phần ltô
e Thiết lập công thức nghiệm của một số phương trình vi phân ngẫu nhiên dạng đơn giản
e Dưa ra công thức nghiệm của phương trình vi phân ngẫu nhiên của
tuyến tính tổng quát
Trang 40TÀI LIỆU THAM KHẢO
[1] Dang Hing Thang, Qué trinh ngẫu nhiên tà tính toán ngẫu nhiên, IXB Đại học Quốc gia Ha Nội, 2006
J2) Trần Hùng Thao, Tích phân ngẫu nhiên tà phương trinh vi phan nụẫu nhiên, NXB Khoa học kỹ thuật, 2000
j9} Nguyễn Duy Tiến , Các mô hành xác suất tà ứng dựng , Phần 3
Giải tích ngẫu nhiên, NXB Đại học Quốc gia Hà Nội, 2001
[4] Bernt Oksendal, Stochastic Differential Equation, Introdution with Aplications, Springer Verlag Berlin, 992