ROCZNIKI POLSKIEGO TOWARZYSTWA MATEMATYCZNEGO Seria I: PRACE MATEMATYCZNE X I (1967)
ANNALES SOCIETATIS MATHEMATICAE POLON A E Series I: COMMENTATIONES MATHEMATICAE X I (1967)
Z. Ciesielski i Z. Semadeni (Poznań)
Przegląd niektórych nowszych metod
w teorii potencjału,
I I I
Metody probabilistyczne w teorii poten cjału
W stęp...100 V III. R uchy B r o w n a ... .... 103
8.1. Stochastyczny model ruchu. Browna. 8.2. Ciała &8t i 8.3. Uzupeł nianie ciał. Ciała tFt i ^'t- 8.4. Wartości oczekiwane i prawdopodobieństwa warunkowe. 8.5. Własność Markowa. 8.6. Czasy Markowa. Mocna własność Markowa. 8.7. Pierwszy czas wyjścia. 8.8. Punkty p-regularne.
I X . F u n k cje ekscesyw n e, p oten cjały rów now agi i zagadn ien ie D irichleta . . 112 9.1. Półgrupy operatorów związane z prawdopodobieństwem przejścia. 9.2. Funkcje ekscesywne. 9.3. Laplasjan jako infinitezymalny generator półgrupy. 9.4. Lemat Dynkina. 9.5. Wymiatanie funkcji stałej. 9.6. Zbiory polarne. 9.7. Punkty regularne. 9.8. Zasada minimum. 9.9. Za gadnienie Dirichleta.
X . F u n k cje i obszary G reena. W y m ia ta n ie ... 119 10.1. Funkcja qt(x,y). 10.2. Funkcja Greena. 10.3. Obszary, z których cząstki nie wychodzą. 10.4. Wymiatanie.
X I . M etoda K a c a w teorii p o t e n c j a ł u ... 122 11.1. Mocne wymiatanie i zbiory mocno cienkie. 11.2. Zbiory s-regu- larne. 11.3. Zbiory półklasyczne. 11.4. Równanie Kaca. 11.5. Interpretacja probabilistyczna s-cienkości. 11.6. Wzory Kaca. 11.7. Probabilistyczna interpretacja mocnego wymiatania. 11.8. Wzór D. Stroocka. 11.9. Za gadnienie Dirichleta.
100 Z. C i e s i e l s k i i Z. S e m a d e n i
W stęp
Matematyka dzisiejsza stanowi jedną nierozkładalną całość i nie tylko nie można nakreślić ścisłej linii podziału między poszczególnymi jej działami, lecz nawet czasem można mieć wątpliwości, czy próby za kwalifikowania pewnych pojęć do tej czy innej gałęzi matematyki są w ogóle sensowne. Większość takich ścisłych powiązań (np. algebry z geo metrią) jest faktem od dawna znanym i całkowicie ustalonym; tym bar dziej zaskakujące jest każde odkrycie nowych związków między pozor nie odległymi teoriami.
Jednym z bardziej efektownych odkryć ostatniego ćwierćwiecza jest istnienie głębokich więzi między ruchami Browna a funkcjami harmo nicznymi. Powiązania te opierają się na stosunkowo prostym pomyśle, jednakże długo pozostawały niezauważone (prawdopodobnie na skutek tego, że nie wynikają one z żadnych bardziej znanych faktów fizycznych i intuicja fizyczna nie była tu pomocna; pomimo, że zarówno teoria ruchów Browna jak i teoria potencjału wyrosły z fizyki, związek między nimi jest czysto matematyczny).
W 1827 roku angielski botanik E. Brown zauważył pod mikrosko pem nieuporządkowane, zygzakowate ruchy drobnych cząstek pyłu roślin nego, zawieszonego w wodzie. Podobne ruchy obserwowane były również w nieorganicznych zawiesinach (takich jak np. koloidalny roztwór złota), lecz przez długi czas zjawisko to było niewytłumaczone. Dopiero A. Ein stein i M. Smoluchowski (1905-06) podali niemal równocześnie wyjaśnie nie ruchów Browna oparte na kinetycznej teorii materii otrzymując w szczególności (każdy na innej drodze) podstawowy wzór na średni kwadrat przesunięcia cząstki w określonym czasie t:
(Иж)2 = 2 Dt,
gdzie D oznacza współczynnik dyfuzji cząstek. Zgodnie z ich teorią, obserwujemy przez mikroskop swobodnie zawieszoną cząstkę, której wy miary nie są bardzo duże w porównaniu z wymiarami cząsteczek, z których składa się ciekły ośrodek. Cząsteczki ośrodka znajdują się w bezładnym ruchu cieplnym i uderzają ze wszystkich stron w cząstkę obserwowaną.
W przedstawianej obecnie III części artykułu pokażemy, w jaki sposób ruchy Browna można traktować jako proces stochastyczny Mar kowa i omówimy podstawowe związki procesów Markowa z teorią poten cjału. Zanim jednak przejdziemy do ściślejszych sformułowań, wyjaś nimy istotę zagadnienia w sposób bardziej obrazowy, który powinien być zrozumiały dla każdego obznajmionego z elementarnym rachunkiem prawdopodobieństwa.
Przegląd nowszych metod w teorii potencjału, I I I 101
1° Tor każdej cząstki jest krzywą ciągłą w przestrzeni B 3, opisaną parametrycznie, za pomocą ciągłej funkcji wektorowej co{t) określonej dla t > 0.
2° Jeżeli w chwili t0 cząstka znajduje się w punkcie x0, to dalsze losy tej cząstki nie zależą od tego, co działo się z cząstką przed dojściem do punktu x0.
3° Buch Browna jest jednorodny w czasie i ponadto wszystkie kie runki przestrzenne są równoprawdopodohne, tzn. gęstość prawdopodo bieństwa, że cząstka będąca w punkcie a?0 w chwili t0 znajdzie się w punk cie x x w chwili tx (tx > t0) zależy wyłącznie od różnicy tx—t0 i °d odległości
\xi —xo\i a nie zależy od t0 ani od kierunku wektora (ж0, xx).
Załóżmy teraz, że A jest zbiorem zwartym w B 3 i x e B 3. Oznaczmy przez u(x) prawdopodobieństwo, że cząstka będąca w chwili w punk cie x znajdzie się w jakiejś chwili późniejszej tx w jakimś punkcie zbioru
A, tzn.
u (x) = Pr {istnieje tx takie, że tx > t0 i co(tx)eA).
Stwierdzamy łatwo następujące fakty: u(x) zależy od ж i od i , a nie zależy od t0 (z uwagi na jednorodność w czasie); nadto 0 < u{x) < 1 oraz u(x) = 1 dla #eint(J.), bowiem z uwagi na to, że oj(t) jest funkcją ciągłą, jeżeli co (t0) eint(M), to istnieje e > 0 takie, że co(t) eint(J_) dla ^e(^o?^o+£)- Można również udowodnić, że u jest funkcją ciągłą (punk tu x) na zbiorze B 3\ A .
102 Z. C i e s i e l s k i i Z. S e m a d e n i
zbioru В (bowiem wszystkie kierunki są równoprawdopodobne), zatem prawdopodobieństwo to jest równe a(B)/a(dV). Prawdopodobieństwo, że cząstka znajdująca się w pewnej chwili w punkcie 0 trafi później do zbioru
A, wynosi u (z). Jeżeli В jest zbiorem o mierze da, na którym u (z) przyj
muje w przybliżeniu stałą wartość, to prawdopodobieństwo, że cząstka wychodząca z x trafi do A przechodząc przez В jest równe iloczynowi odpowiednich prawdopodobieństw, tzn. wynosi u(z)da/a(dV). Sumując te wszystkie możliwości otrzymujemy
Wykazaliśmy więc, że funkcja u ma następującą własność: dla każdej kuli V zawartej w R 3\ A wartość funkcji u w środku kuli jest średnią cał kową jej wartości na brzegu kuli. Wynika stąd (na mocy klasycznych twierdzeń), że u jest funkcją harmoniczną na R Z\ A . Można ponadto udowodnić, że u jest uogólnionym rozwiązaniem zagadnienia Dirichleta przy obłożeniu u (x) — 1 dla x sd A i u (co) = 0 (prawdopodobieństwo dotarcia do zbioru ograniczonego A maleje do 0, gdy oddalamy się do 00).
Załóżmy teraz, że U jest obszarem ograniczonym w R s, В cz dU
i xe U. Oznaczmy przez [i%(B) prawdopodobieństwo, że cząstka startu
jąca z x osiągnie po raz pierwszy brzeg d U w punkcie zbioru B. Wówczas 0 < /М^(-В) < 1; można pokazać, że /Лх(д11)=1 (z prawdopodobień stwem 1 cząstka prędzej czy później musi opuścić każdy zbiór ograni czony). Rozumowanie podobne do poprzedniego prowadzi do wniosku, że jeżeli V jest obszarem takim, że V c U, x e V i A cz dU, to każda czą stka startująca z x i osiągająca A musi po drodze przejść przez dV, a zatem
Z wzorem tym spotkaliśmy się już uprzednio; był to wzór (1.7), w którym
/л!? oznaczało miarę harmoniczną. Dokładniejsza analiza prowadzi do
wniosku, że określone powyżej prawdopodobieństwo ^ jest rzeczywiście równe mierze harmonicznej a zatem wzór (1.7) ma prostą proba bilistyczną interpretację.
Twórcą matematycznej teorii ruchów Browna był Norbert Wiener (w latach 1920-1934). Metodę jego opiszemy poniżej, chcielibyśmy jednak że zwrócić uwagę, że matematyczny model ruchu Browna różni się od modelu Smoluchowskiego, w którym tor dowolnej cząstki jest łamaną. Można bowiem udowodnić następujące paradoksalne twierdzenie: w mo delu Wienera z prawdopodobieństwem 1 tor cząstki Browna nie ma stycz nej w żadnym punkcie (dowód tego można znaleźć w książce Dooba [3],
/ g w p Z m = pg(A).
Przegląd nowszych metod w teorii potencjału, I I I 103
str. 394); w szczególności prawdopodobieństwo, że tor cząstki jest łamaną, wynosi 0.
Wiener pozostawił również doniosłe prace z teorii potencjału (1924- -1925), jednakże związek obu teorii został po raz pierwszy odkryty przez Kakutaniego (1944).
W roku 1950 Mark Kac zaproponował oryginalną metodę badania klasy potencjałów równowagi za pomocą ruchów Browna; teoria ta zo stała rozwinięta dopiero w ostatnich latach. Główne jej wyniki omówimy w rozdziale XI na modelu ruchów Browna, jednakże wyniki te są praw dziwe dla szerokiej klasy procesów dyfuzji.
Następne poważne osiągnięcia w dziedzinie probabilistycznych me tod w teorii potencjału, to głównie prace J. L. Dooba (od roku 1954), G. A. Hunta (1956-1958) i E. Dynkina. Niektóre z uzyskanych przez nich wyników omówimy w rozdziałach VIII - X na przykładzie ruchów Browna i równania Laplace’a.
Teoria ogólna, słuszna dla szerokiej klasy jednorodnych procesów Markowa, znajduje zastosowanie w teorii operatorów eliptycznych i para bolicznych. Dokładne omówienie tej teorii można znaleźć w 850-stroni- cowej monografii Dynkina [2] i w szeregu prac publikowanych w ostat nim dziesięcioleciu; z tego powodu ilość cytowanych prac ograniczymy do kilkunastu najważniejszych pozycji.
Wielu zagadnień omawiać nie będziemy; opuścimy np. probabili styczne podejście do brzegu Martina i do topologii Cartana oraz omó wienie mojleli stochastycznych dla aksjomatycznej teorii potencjału (P.-А. Meyer [1]).
V III. R u ch y B row n a
§ 8.1. Stochastyczny model ruchu Browna. Punktem wyjścia teorii ruchów Browna jest ustalenie odpowiedniej przestrzeni probabilistycznej postaci (Q,38,P), gdzie Q jest zbiorem zdarzeń elementarnych, 38 jest pewnym cr-ciałem podzbiorów zbioru Q, a P jest prawdopodobieństwem na iG, tzn. <7-addyt^wną miarą na 38 taką, że 0 ^ P(A) ^ 1 diet A € i P(Q) = 1. Kuch Browna rozpatrywać będziemy w j\r-wymiarowej przestrzeni euklidesowej Р л (V > 1). B ( B N) oznaczać będzie klasę wszyst kich zbiorów borelowskich w B N.
Zbiór D określamy jako przestrzeń ^ ( B ^ j B 1*) funkcji ciągłych na
B + = <0, oo), o wartościach z B N. Jeżeli coeO i t > 0, to w{t)eBx , tzn.
co(t) = ..., oyv (t))j gdzie w ,, ..., coN są funkcjami ciągłymi o war tościach rzeczywistych.
104 Z. C i e s i e l s k i i Z. S e m a d e n i
jest mierzalny. Innymi słowy, 38^ jest najmniejszym a-ciałem genero wanym przez wszystkie zbiory postaci
G(t, A) = {coeQ: co (t) e A }, t ^ 0, A e B ( R N).
W szczególności do 38 ^ muszą należeć wszystkie skończone przekroje (8.1) G(t0, A 0) G(tx, А г) r\ ... ^ G(łn, A n) =
= {coeD: co(ti) eAi dla i = 0, ..., n } ,
gdzie 0 < t0 < tx < ... < tn i A i e B ( R N).
Zbiory takie nazywać będziemy cylindrycznymi. Aby lepiej uzmysło wić sobie, czym są zbiory cylindryczne w Q, załóżmy, że N = 1 i A 0, A n
są przedziałami otwartymi, tzn. Aj = (%, bj) i % < bj dla j — 0, ..., n\ wówczas funkcja co należy do takiego zbioru G wtedy i tylko wtedy, gdy
щ < co(tj) < bj dla j = 0, ..., 7i, tzn. (8.1) jest zbiorem funkcji ciągłych co(t), t > 0, których wykres w danych punktach t0, . . . , t n przechodzi
przez „bramki slalomowe” (%, bj), a poza tym jest całkowicie dowolny (rys. 2).
Warto jeszcze dodać, dlaczego zbiory (8.1) nazywamy cylindrycz nymi. Otóż przestrzeń Q można kanonicznie zanurzyć w nieprzeliczalny produkt kartezjański linii prostych przyporządkowując funkcji co punkt
{co{t)}t>o tego produktu i wówczas zbiory postaci (8.1) są przeciwobra- zami cyhndrów o podstawach skończenie wymiarowych (w sensie teorii miary, patrz Sikorski [1], str. 339).
Przejdziemy teraz do najważniejszego punktu: do definicji prawdo podobieństwa Px, gdzie x jest punktem w R N, z którego startuje cząstka.
Przegląd nowszych metod w teorii potencjału, I I I 105
P t{x, A) oznaczać będzie prawdopodobieństwo, że cząstka znajdu
jąca się w chwili t0 w punkcie x znajdzie się po czasie t w jakimś punkcie zbioru borelowskiego A. Ze względu na jednorodność w czasie, Pt{x, A) nie zależy od t0 (możemy np. przyjąć, że t0 — 0). Jeżeli t i ж są ustalone, to Pt{x, •) jest miarą probabilistyczną na B ( R N). Z postulatu 2° sformu łowanego powyżej wynika, że miara ta spełnia następujące równanie (8.2) P t+S(x, A) = J P s{z, A ) P t{x, dz)-,
po prawej stronie mamy funkcję Ps{z, A) zmiennej z całkowaną wzglę dem miary P t{x, •). Eównanie (8.2) jest przez fizyków zwane równaniem
SmoluchowsMego, gdyż Smoluchowski badał je w swoich pracach; mate
matycy natomiast nazywają je na ogół równaniem CJiapmana-Kołmogo-
rowa. Sens probabilistyczny tego równania jest następujący: przechodząc
z x do у w czasie t-j-s przechodzimy wpierw w czasie t przez punkt pośredni z ; prawdopodobieństwa Pt{x, у ) i Ps(z, y) mnożymy przez sie bie, a następnie sumujemy je po wszystkich możliwych 0. Będziemy też pisać P {t ,x , A ) zamiast P t(x, A).
Rozważania, których tu nie będziemy przytaczać, prowadzą do wniosku, że jeżeli A jest zbiorem miary Lebesgue’a 0, to P t(x, A) — 0; oznacza to, że miara P t{x, •) jest absolutnie ciągła względem miary Lebesgue’a i na mocy twierdzenia Badona-№kodyma istnieje gęstość
p t{x, y) tej miary, tzn.
(8.3) Pt (x, A) = J p t(x,y)dy dla A e B { R N).
A
Z równania (8.2) wynika łatwo równanie
Pt+a(x,y)= JPt(x, У)Рв(я, y)dz. RN
Z postulatu 3° wynika, że pt{x, y) zależy wyłącznie od \x—y\. Prócz
tego założymy, że drugi moment (średnie kwadratowe odchylenie) jest skończony, tzn.
OO
a2 = f (x —y)2pt(x
,
y)dy< 00.
— OOPrzy tych założeniach można udowodnić, że pt{x, y) nmsi być dane wzorem
\®
—
y\
2J;
przy ustalonym t musimy mieć zatem rozkład normalny Gaussa-Laplace’a. Jeżeli 0 < tx < t2 < ... < tn i A X1 ..., A ne B(RN), to prawdopodobieństwo, że cząstka znajdująca się w punkcie x0 w chwili t0 = 0 będzie w zbiorze (8.4) Pt{x, У) = (2?xty■ Nj 2
106 Z. C i e s i e l s k i i Z. S e r n a d e n i
A t w chwili t ly w zbiorze A 2w chwili t 2, ... i w zbiorze A n w chwili fw,
wynosi
-P (Ь , • • • j \ Ж0; -4. i , • •. , A w) —
J P( b » *b> ? d$i) J'P{t2 b ; x^ j dx2) • • • P( Ь in— i j i ) dxn . Jeżeli t0 = 0, x e B N i C jest zbiorem (8.1), to definiujemy
(8.5) P X(C)
tzn.
P(b,
<»;
J-1
, ...,
A n),gdy
x e A 0,0,
gdy
a? Mo»
Px{G) — J P{ti ? • • • f $п> oj -4-1 ? • • • t -4те) ^£c(^^o)»
gdzie Ja, oznacza miarę Diraca skoncentrowaną w x (patrz § 1.2). W szcze gólności P x ( @) = 1- W ten sposób wyrażenie P X(G) zostało zdefinio
wane dla dowolnego zbioru cylindrycznego C. Opierając się na (8.2) i na
twierdzeniu Kołmogorowa o przedłużaniu miar, dowodzi się, że istnieje dokładnie jedna miara probabilistyczna P x określona na i spełniająca (8.4). Trójka ( Q , P x)jest (przy każdym x e B N ) dobrze określoną prze
strzenią probabilistyczną, a (przy ustalonym t) co{t) jest zmienną losową o wartościach z B N . Mamy tu do czynienia z procesem stochastycznym (proces stochastyczny, to rodzina zmiennych losowych zależnych od pewnego parametru t).
Aby dostosować się do oznaczeń przyjętych w teorii procesów Mar kowa będziemy pisać x ( t , co) zamiast co(t). Przy ustalonym t wyrażenie
x { t , •) jest zmienną losową o wartościach z B N; przy ustalonym
co
mamynatomiast a?(*,
co)
=co.
Dla skrócenia zapisu będziemy pisać x ( t ) zamiastx ( t , co) pamiętając, że x ( t ) jest funkcją ciągłą zmiennej t zależną od para
metru losowego
co.
Symboleco,
x ( ‘) i x ( - fco)
przedstawiają zatem to samo. Musimy jednak pamiętać, aby odróżniać x ( - ) od punktu x. Będziemyrównież pisać (...) zamiast
(co:
...}, np. jeżeli £ jest zmienną losową naQ, to {£ > a} oznacza zbiór
(co: £(co)
> a}.§ 8 . 2 . Ciała @łt i Symbol ŚSt oznaczać będzie najmniejsze cr-ciało generowane przez wszystkie zbiory cylindryczne (8.1) takie, że t n
<
t,
zaś 38'f oznaczać będzie najmniejsze cr-ciało generowane przez wszystkie zbiory C( t , A ) , A e B ( B N ).
Ciała
0 <
t<
oo, tworzą rodzinę wstępującą, tzn. śStc=
ŚS81 gdyt < s. Nietrudno jest pokazać, że wszystkie te inkluzje są właściwe; np.
gdy N = 1, aeB i s > t, to zbiór
(co:
x ( s ,co)
< a} nie należy do ŚSt1Przegląd nowszych metod w teorii 'potencjału, I I I 107
V < t, bowiem żadne warunki narzucone na wartości funkcji ciągłej co
w punktach niepóźniejszych od t nie mogą gwarantować, że co(s) < a. Podobnie 38't cz 38t i inkluzja jest właściwa.
Układ (Q, {38t}t^ 0, %(-, •), P x), para (BN, B (B N)) i punkt x e B N opi sują ruch Browna w B N startujący z punktu x.
Załóżmy teraz, że v jest dowolną miarą probabilistyczną na B ( B N). Definiujemy
PV{E) = f Px(E)v(dx) dla Ee380o.
Widać natychmiast, że Pv {x(0) eA} = v (A) dla A € B ( B N), co oznacza, że v jest rozkładem początkowym ruchu Browna (w chwili t — 0). Prze strzeń probabilistyczna (Q, 38^, P v) opisuje ruch Browna przy założeniu, że dla dowolnego zbioru borelowskiego A, w chwili początkowej cząstka należy do i z prawdopodobieństwem v(A). W szczególnym przypadku, gdy v = óx , otrzymujemy poprzednią sytuację, bowiem P8x = Px] Px opisuje więc rućh Browna o początkowym rozkładzie óx, a to że cząstka startuje z punktu x zapisane jest w postaci
Px{x{0) = x) — Px{со: ж(0, co) — x} — 1
i wynika bezpośrednio z definicji Px. Ponadto dla dowolnego zbioru
A e B ( B N) i t > 0 zachodzi
Px{x(t)eA} = P t(x, A).
§ 8.3. Uzupełnianie ciał. Ciała i SP't . Oprócz u-ciał 38 ^ i 38t w zasto sowaniach do teorii potencjału potrzebne są również inne c-ciała, bowiem nieraz występują tam zbiory, które nie należą do 38^. Mech 38 oznacza dowolne cr-ciało zbiorów zawarte w 38 ^ i niech 38v oznacza uzupełnienie ciała 38 względem miary P„, tzn. Е е 38v wtedy i tylko wtedy, gdy istnieją zbiory E' i E " należące do 38 i takie, że E' a E a E" i PV{E') = PV(E"). Miarę Pv rozszerza się na 38* w oczywisty sposób definiując PV(E) = PV{E'). Z kolei, przez <$1 oznaczymy zbiór wszystkich probabilistycznych miar na B{BN) oraz
38 = П d8\
Widzimy, że 38 jest też cr-ciałem i l e i ; przy każdym геЭД miara Pv jest określona na 38 i (Q,38,PV) jest przestrzenią probabilistyczną.
Specjalizując teraz ciało 38 definiujemy ciała = 381 dla 0 < t < oo. Uzyskujemy w ten sposób nowy opis ruchu Browna za pomocą układu
108 Z. C i e s i e l s k i i Z. S e m a d e n i
§ 8.4. Wartości oczekiwane i prawdopodobieństwa warunkowe. Niech (Q, P ) będzie dowolną przestrzenią probabilistyczną, a sZ pewnym cr-ciałem zbiorów zawartym w 9S. Jeżeli £ jest zmienną losową (tzn. ^-mierzalną funkcją) na Q o wartościach z B N i taką, że
P(|f|) =
J|f(m)|
P(dw) <oo,
Qto wartością oczekiwaną warunkową funkcji £ względem ciała sZ nazy wamy każdą j</-mierzalną funkcję ip: Q -» BN taką, że E(\yj\) < oo i (8.6) J i (co)P(dco) = J'ip(co)P (dco)
A A
dla dowolnego zbioru l e i . Taka funkcja гр zawsze istnieje i jest jedno znaczna z dokładnością do zbioru miary 0. Bozumujemy mianowicie tak: Oznaczmy przez X{A) lewą stronę równania (8.6); wówczas Я jest prze liczalnie addytywną miarą na ciele j/ , absolutnie ciągłą względem miary P. Istnienie postulowanej funkcji гр i jej jednoznaczność wynikają zatem z twierdzenia Badona-Nikodyma. Funkcja ta nie jest zdefiniowana dla każdego coeQ, a jedynie prawie wszędzie (względem P). Oznaczamy ją symbolem P (£ |j/) .
Jeżeli Z jest dowolnym zbiorem zmiennych losowych na Q o wartoś ciach z B N, to wartość oczekiwana E{£\Z) jest określona jako P (£ |j/) , gdzie sś jest najmniejszym u-ciałem, względem którego wszystkie funkcje
t,eZ są mierzalne.
Aby lepiej zrozumieć związek tego pojęcia z pojęciami znanymi z elementarnego rachunku prawdopodobieństwa, załóżmy, że l e i i Z składa się z jednej funkcji I A , gdzie I A oznacza indykator (funkcję cha rakterystyczną) zbioru A, tzn. I A (x) równa się 1 albo 0 w zależności od tego, czy xeA, czy też x$A. Wówczas sś składa się z 4 zbiorów A,
I ? \A , O i l ? ; nadto
E(£\s/)(a>) =
Jeżeli np. £ = I B i B e 38, to pierwsza z tych wartości 1 f MP _ p ( A - Б >
P(A)
J
f P U )jest prawdopodobieństwem warunkowym, że zajdzie В przy założeniu, że zaszło A. Ogólniej, wyrażenie P (B \stf) = E { IbW) nazywa się prawdo podobieństwem warunkowym zdarzenia В względem ciała sZ.
1
1 ЫРP(A) i dla
co e
A,
1 I ЫР
Przegląd nowszych metod w teorii potencjału, I I I 109
Wróćmy teraz do ruchu Browna i przestrzeni probabilistycznej (£ , ^ P * ) . Definiujemy
Д»(/) = j f d P x ,
Q DAJ; A) = Ex(fIA) = j f d P xA
pod warunkiem, że powyższe całki mają sens. W teorii tego procesu bardzo ważną rolę odgrywają pewne wartości oczekiwane, np. Ex(£ \Щ), gdzie 381 oznacza er-ciało zdefiniowane w § 8.2. W podobny sposób defi niujemy symbole E v(f), Ev{f; A), Ev(f\38t), gdzie v jest rozkładem po czątkowym, oraz wartości oczekiwane odpowiadające сг-ciałom 38't ,3Fi,!F't . § 8.5. "Własność Markowa. Korzystając z równania Smoluchowskiego (8.2) oraz z definicji (8.5) można pokazać, że jeżeli п'ЗЯ, t > 0, 0 < t0 < < b < ... < tn oraz Aj-eB(RN) dla j — 0,1, ..., n, to zachodzą nastę pujące równości:
(8.7) Pv{x(tJr tj)eAj dla j = 0, ..., n \ ^ t} =
= eAj dla j — 0, ..., n\ —■
= P ^ x i ^ e A j dla j = 0, ..., n).
Pierwsze z powyższych wyrażeń, to prawdopodobieństwo warunkowe zdarzenia
n
{co:
x(t —\~tjуco)ed_j}
?'=owzględem ciała Drugie, to prawdopodobieństwo warunkowe tego samego zdarzenia względem mniejszego ciała Trzecie zaś otrzymujemy w ten sposób, że obliczamy prawdopodobieństwo Px zbioru tych
co,
dla których x(tj, w)eAj dla j — 0, n, a następnie podstawiamy x(t,co)
zamiast x. Wszystkie trzy wyrażenia są więc funkcjami zmiennejco,
a równość (8.7) zachodzi prawie wszędzie ze względu na miarę P v i ciało Wt. Jeżeli proces stochastyczny spełnia (8.7), to mówimy, że ma onwłasność Markowa. W przypadku ruchu Browna własność ta jest mate
matycznym uściśleniem postulatu 2° sformułowanego we wstępie; pierwsza z tych równości oznacza, że prawdopodobieństwo warunkowe tego, że
oc(t-\-tj)eAj przy danym x(t) jest takie samo, jak prawdopodobieństwo
п о Z. C i e s i e l s k i i Z. S e m a d e n i
Możemy również rozpatrywać najmniejsze cr-ciało rozpięte na wszystkich zbiorach postaci (8.1) przy t0 > t i jego uzupełnienie 3Fl = (w sensie §8.3). Wówczas jeżeli veMl i to
P,{E\&t) = P,{E\&'t}
z prawdopodobieństwem Pv równym 1; jest to własność rozpatrywanego procesu stochastycznego równoważna własności Markowa.
Wygodnie jest wprowadzić dalsze cr-ciała
&t+ = Pl i ^t+ — (П &S •
S> t s> t
Z własności Markowa wynika, że
(8.8) ^ t + = ^ t dla 0.
Z własności Markowa można również wyprowadzić następujące
prawo zero-jedynkowe: Jeżeli xe Rn i Ee^ 0+, to PX(E) jest albo równe 0
albo 1. Ponieważ ^ 0+ = J%, prawo to stosuje się również do elementów ciała .
§ 8.6. Czasy Markowa. Mocna własność Markowa. Mówiliśmy we wstępie, że prawdopodobieństwo u(x), że cząstka startująca z punktu x znajdzie się kiedyś w zbiorze zwartym A, jest funkcją harmoniczną na
R 3\ A . W dokładniejszym badaniu związków między funkcjami har
monicznymi a ruchami Browna ważną rolę odgrywa czas T(co), po którym cząstka znajdzie się po raz pierwszy w zbiorze A. Czas ten jest zmienną losową taką, że
(8.9) 0 ^T(co) ^ oo dla coeQ.
(Warunek T(co) = oo oznacza, że cząstka nigdy nie wejdzie do zbio ru A). Można również pokazać, że
(8.10) {co: T{co) dla < ^ 0.
Ponadto u(x) = Px{T(co) < oo}. Ogólniej, czasem Markowa nazywać bę dziemy każdą zmienną losową T na Q spełniającą warunki (8.9) i (8.10). Dzięki własności (8.8) warunek (8.10) jest równoważny temu, że
{T < t } e ^ t dla t > 0 (użyliśmy tu skróconego symbolu {T < t} na ozna
czenie zbioru (co: T(co)< t}). Najprostszym przykładem czasu Markowa jest czas stały T(co) — t dla coeD.
Z dowolnym czasem Markowa T związane jest cr-ciało ZFT składające
się ze wszystkich zbiorów E należących do tF^ = Ш001 dla których
E o {T ^.t}ećFt dla każdego t ^ 0. Prosty rachunek pokazuje, że zbiór
QT = {T(oo) < oo} należy do oraz zarówno T jak i x (T) = x(T{ co), co)
Przegląd nowszych metod w teorii potencjału, I I I 111
Jeżeli T x i T 2 są czasami Markowa, to T X\JT2 i T xf \T 2 są też cza sami Markowa (V i A oznaczają maksimum i minimum brane dla każ dego co z osobna). Jeżeli T X^ . T 2, to <z . Ponadto limes superior i limes inferior dowolnego ciągu czasów Markowa jest czasem Markowa.
Analogicznie do własności (8.7) można udowodnić następujące rów ności, które są treścią tzw. mocnej własności Markowa:
(8.11) P v{x(T+tj) eAj dla j = 0, ..., n \ ^ T} =
= Pv eAj dla j = 0, ..., n | x{T)} —
= Px{T){oc{tj)€Aj dla j = 0, ...,%}
P„-prawie wszędzie na QT, gdzie T jest dowolnym czasem Markowa,
veMl, A j eB (B N) dla j — 0, ..., n oraz 0 < t0 < tx < ... < tn. Podsta
wiając T — t otrzymujemy zwykłą własność Markowa.
§ 8.7. Pierwszy czas wyjścia. Zbiór {x(u, co): s < u < t) oznaczymy symbolem Of (co) lub krótko Of (0 < s < t < oo). Of jest pewną krzywą w B N — trajektorią ruchu Browna odpowiadającą przedziałowi czaso wemu <s, t}. Pierwszy czas wyjścia ze zbioru A po czasie s zdefiniowany jest następująco:
| sup{/: .9 < t < oo, Of c A}, gdy x(s)eA,
J- S \ A ) — |
I», gdy x ( s ) iA .
Jest to funkcja zmiennej co; jeżeli s > s ' , to TS(A) > TS>(A). Mówimy też nieraz, że TS(A) jest pierwszym czasem wejścia do zbioru B N\ A . Defi niujemy ponadto
TS, (A) = lim
Tt+e(A)-£—
>■04-Zmienna losowa TS+(A) nazywa się pierwszym czasem wyjścia ze zbioru
A po czasie s + . Sformułujemy obecnie twierdzenie, które odgrywa pod
stawową rolę w probabilistycznym podejściu do teorii potencjału.
Załóżmy, że A e B ( B N) i s > 0. Wówczas pierwszy czas wyjścia po czasie $-f- jest czasem Markowa, tzn.
{T,+ (A) < t j e ^ t dla t > 0,
i dla każdlyo v eMl istnieje ciąg K n zbiorów zwartych w Р л taki, że K n c:Kn+x, K n гл A = 0 oraz
r r{Ts+(BM\ K n) \ T s+(A)} = 1.
Ponadto, jeżeli P v{x(s)<jA} — 0, to istnieje ciąg K'n zbiorów zwartych i takich, że K'n с K'n+X c A przy każdym n oraz
112 Z. C i e s i e l s k i i Z. S e m a d e n i
Dowód tego twierdzenia podany został po raz pierwszy przez Hunta. Korzysta się w nim w sposób istotny z twierdzenia Choqueta o rozsze rzaniu uogólnionych pojemności, o których była mowa w § 5.7.
§ 8.8. Punkty ^-regularne. Z twierdzenia Hunta wynika, że
{T0.h(A) < tjz&t dla A e B ( B N) i 0.
W szczególności {T0+(A ) = 0 } e J r0. Stosując prawo zero-jedynkowe (§8.5) możemy stwierdzić, że PX{T0+(A) = 0} jest równe albo 0, albo 1. Punkt
x nazywa się p-regularnym względem zbioru A, gdy PX{T0+ (BN\ A ) —
= 0} = 1. Oznacza to, że gdy x eA , to z prawdopodobieństwem 1 cząstka znajdująca, się w punkcie x w chwili 0 wejdzie do zbioru A przynajmniej jeden raz w każdym przedziale czasowym (0, e), e > 0. Przez A r ozna czymy zbiór punktów ^-regularnych zbioru A ; wówczas
P*{To+( -K'vV ł ) = 0} = I Af(x) dla x c S N.
Warto zaznaczyć, że jeżeli A jest zbiorem domkniętym lub otwar tym, to T0+(A) jest nie tylko czasem Markowa, ale również
{T0+(A)
tzn. T0+{A) jest ^-m ierzalną zmienną losową, a ponadto A reB(BN). Natomiast jeżeli A jest dowolnym zbiorem borelowskim w B N, to funkcja
T0+ (A) nie musi być ^-m ierzalna i to jest jeden z powodów, dla którego
zamiast ciała ^ rozważamy ciało &r00.
L ite r a tu r a
E. B. Dynkin [1], [2], G-. A. Hunt [1], [2], К. Ito and H. P. McKean, Jr [1], M. Kac [2], [3].
I X . F u n k cje ekscesyw n e, p oten cjały rów now agi i zagadn ienie D irichleta § 9.1. Półgrupy operatorów związane z prawdopodobieństwem przejś cia. Symbolem B^ęU) oznaczać będziemy przestrzeń funkcji rzeczy wistych, borelowskich i ograniczonych na obszarze U (UczBN). Normą w tej przestrzeni jest
11/11*7 = sup{|/(a>)|: xeU}.
BM{U) jest przestrzenią Banacha. Jeżeli f e B 00(BN), oznaczamy
Ptf(oo) = f f { y ) P t{x, dy) dla t ^ 0 .
Przegląd nowszych metod w teorii potencjału, I I I 113
Widzimy, że Р<:Б00(ДЛГ) -> B ^ R 1*) jest operatorem liniowym i ЦР^Ц = 1. Ponadto z (8.2) wynika, że
Pt+sf(x) =
f
f{y)Pt+six i dy) = j f { y ) j P t(x, dz)Ps{z, d y) ~r n rn rn
= J Psf{z)Pt (S, dz) = Pt (Psf ) (x ),
rN
tzn. P t+S = P tPs dla t > 0, s > 0. Dla t = 0 miara P*(a?, •) jest miarą Diraca ó* i dlatego P 0f{x) = f ( x ) , tzn. P 0 jest operatorem identycznym. Rodzina {P*}*>0 jest zatem półgrupą operatorów na P 00(Piv); okaznje się, że teoria półgrup operatorów (Hille-Phillips [1], Dynkin [2]) odgrywa ważną rolę w teorii procesów Markowa. Oznaczmy teraz
(9.1) Qt(x, A) = Px{co: x(t,a>)€A, t < T0+{U, co)}.
Jest to prawdopodobieństwo tego, że cząstka startująca z x znajdzie się w zbiorze A po czasie t zanim opuści po raz pierwszy obszar U. Jeżeli
U = B N, to Qt(x, A) = P t(x, A)-, jeżeli A r\ U = 0, to Qt(x, A) jest
oczywiście równe 0. Przy ustalonych t i x wyrażenie Qt(x, A) jest miarą na B ( R N) (niekoniecznie probabilistyczną). Korzystając z własności Mar kowa ruchu Browna, pokazuje się, że jeżeli t > 0, s > 0, x e R N i A eB(RN), to spełnione jest równanie Smoluchowskiego
(9.2) Qt+s(%, A) = j Q s(z, A)Qt(x, dz). u
Podobnie jak uprzednio, jeżeli / e P 0O(P), to oznaczamy
Qtf (я) = f f{y)Qt(x, dy). u
Widać, że Qi'.B^U) -> P 00(P) jest operatorem liniowym i ||k*|| < 1. Po nadto z (9.2) wynika, że Qt+S = QtQs dla t > 0, s > 0. Ponieważ U jest zbiorem otwartym, z prawdopodobieństwem Px równym 1 musi być
T0+(U) > 0 dla xcTJ. Z tego powodu Qt(x, •) jest miarą Diraca dx dla t = 0 i xeJJ, a operator^ jest identycznością. [Qt}t^o jest więc półgrupą operatorów ściągających na B^iU).
§ 9.2. Funkcje ekscesywne. W dalszym ciągu U jest ustalonym obszarem w B N. Funkcją ekscesywną nazywamy każdą nieujemną bore- lowską funkcję / na obszarze U taką, że Qtf(x)/tf(x) przy t - > 0 + , xeU. Z warunku tego wynika w szczególności, że Qtf < / i stąd pochodzi nazwa funkcji. Ka odwrót, jeżeli Qtf < / dla t > 0 oraz Qtf {so) ->f{x) przy t -> 0, to funkcja / jest ekscesywną, bowiem jeżeli s > t, to Qsf — QtiQs-tf) <
< Qtf•
114 Z. C i e s i e l s k i i Z. S e m a d e n i
Z określenia operatora Qt wynika, że dla t > 0 operator ten przepro wadza funkcje borelowskie i ograniczone na funkcje ciągłe i ograniczone, tzn. -><£(17). (Proces Markowa mający taką własność nazywa
się silnie fellerowskim.) Wynika stąd, że każda funkcja ekscesywna ogra niczona / jest granicą niemalejącej rodziny Qtf funkcji ciągłych, a zatem jest półciągła z dołu. Z drugiej strony, korzystając z tego, że jest półgrupą dowodzi się, że każda funkcja ekscesywna nieograniczona jest granicą ciągu niemalejącego funkcji ekscesywnych ograniczonych, a za tem musi również być półciągła z dołu.
Pojęcie funkcji ekscesywnej zostało wprowadzone przez Hunta, który udowodnił następujące podstawowe twierdzenie: funkcja f określona na
U jest ekscesywna wtedy i tylko wtedy, gdy jest nieujemna i nadkarmoniczna na U lub identycznie równa oo (tzn. gdy jest funkcją hiperharmoniczną
w sensie § 2.1).
Na mocy poprzednio podanych twierdzeń dowód konieczności redu kuje się do przypadku, gdy funkcja / jest ograniczona. Mech 91 (x, r,f) oznacza średnią całkową funkcji / po sferze {z: \x—z\ = r} (gdy N — 1, to 9l ( x , r , f ) jest średnią arytmetyczną liczb f{x-{-r) i f ( x —r)). Jeżeli / jest funkcją ekscesywną ograniczoną, to bezpośredni rachunek pokazuje, że
Qtf{x) “ № ) = v J ) - f ( x ) ] v Nl2- 1e~vdv + skąd OO + o ( j vN/2~1e~vdvj, (2 i)"1/4 Ш
^
Qtf ( x ) - f ( x )lim inf---- [91 (x, r, f ) —f ( x ) ] < lim m f---< 0
Г2 (-+0+ t
г—Ю+
Na mocy kryterium Blaschkego-Priwałowa wynika stąd, że feJf^{U). Twierdzenie odwrotne wynika z rozważań § 9.4.
§ 9.3. Laplasjan jako infinitezymalny generator półgrupy. Niech
D(Q) oznacza zbiór wszystkich funkcji /е Б 00( U), dla których t~l [Qtf —/]
ma granicę w normie || przy t ^ 0 + . D{Q) jest zbiorem liniowym. Jeżeli feD(Q), to określamy
Qf = lim
<->o+
Qtf-S
i fid }t = 0
Q jest operatorem liniowym w Б00(Р) z dziedziną B(Q). Nazywa się go {mocnym) infinitezymalnym generatorem półgrupy {Qtjt^o- Można udowod
nić, że jeżeli гр jest funkcją o ciągłych drugich pochodnych w IiN, której nośnik jest zwarty i zawarty w U, to yeD(Q) i
ъДу-Przegląd nowszych metod w teorii potencjału, I I I 115
Z uwagi na ten fakt w probabilistycznym njęciu teorii potencjału zamiast laplasjanu rozważa się operator \A, który zresztą pasuje do wielu za gadnień lepiej, niż operator A (np. w rozwinięciu Taylora mamy drugie pochodne cząstkowe dzielone przez 2; w zastosowaniach do mechaniki kwantowej \A odpowiada energii |p 2 przy masie m = 1).
§ 9.4. Lemat Dynkina. Jest to podstawowy wynik rozpatrywanej teorii. Eozważamy pierwszy czas wyjścia z obszaru U po czasie 0 + , który w dalszym ciągu oznaczany będzie symbolem £ = T0+ ( U). Wówczas
jeżeli x jest czasem Markowa takim, że Ex(xf\£) < oo, to dla dowolnego
feD(Q) mamy
TA f
^ { / И * ) ) ; T < £ } -f ( x) = eĄ § g(x{t))dĄ, o
gdzie g = Qf.
W dowodzie tego faktu korzysta się ze znanych twierdzeń o pół- grupach operatorów i w istotny sposób z mocnej własności Markowa.
Ponieważ każdą funkcję nadharmoniczną na U można w obszarze mniejszym aproksymować funkcjami różniczko walnymi гр o nośnikach zawartych w U, dla których Qy> = %Ay>, powyższy wzór pozwala udo wodnić następujące głębokie i ważne twierdzenie:
Załóżmy, że f ( U), f ^ 0, a r , r ' są czasami Markowa takimi,
że r < t' na Q. Wówczas dla dowolnego x e U
(9.3) я*{/(®(т)); t < c| <Ą C |/(*(T ')); T' < C\. Z twierdzenia tego otrzymujemy następujący wniosek:
Jeżeli xeTJ i x0, xx, ... jest ciągiem czasów Markowa takim, że xn >
> xn+1 > r0 oraz xn —> t0 z 'prawdopodobieństwem Px równym 1, to (9.4) Ex [f(x{xn))-, rn < £ } / E x {f(x{x0)); x0 < £}
przy n -» oo.
Wstawiając xn = t i x0 = 0 do (9.4) stwierdzamy, że każda funkcja nadharmoniczna jest ekscesywna.
Warto zaznaczyć, że w paragrafie tym U może być dowolnym ob szarem w B N, niekoniecznie posiadającym funkcję Greena (tzn. nie wy kluczamy, że jedynymi funkcjami ekscesywnymi na U są funkcje stałe).
§ 9.5. Wymiatanie funkcji stałej. Załóżmy, że
TJ
jest ustalonym obszarem w _BA, N > 1 , A e B { R N), A c U, xeU. OkreślamyH A(x) = P * { 2 V ( tfvV l ) < f},
116 Z. C i e s i e l s k i i Z. S e m a d e n i
obszaru U. Korzystając z twierdzeń omówionych w § 8.7 pokazuje się łatwo, że jeżeli a?eZ7, to
(9.5) HA (x) = sup{Нк (х): К zwarte, К cz A},
zaś jeżeli x e U \ A , to
(9.6) HA (x) = in f{HQ(x): A cz G, Ge@{U)}.
Jeżeli К jest zbiorem zwartym, to {T0+(BN\ K ) < wynika stąd, że funkcja HK jest borelowska. Korzystając z własności Markowa można pokazać, że
QtHK(se) = P X{TI+{BN\ K ) < C}.
Funkcja HK jest więc ekscesywna (i nadharmoniczna) na U.
Zbiór B N\ K jest otwarty, ale niekoniecznie spójny; niech , TJ2, ... będą jego składowymi. Rachunek probabilistyczny prowadzi do wniosku, że
1 - H K (x) = Px {T0+ ( U) < T0+ ( U i)} dla xeUr^Ui.
Wyrażenie po prawej stronie jest prawdopodobieństwem, że ruch Browna startując z punktu x znajdzie się w zbiorze B N\ U , zanim osiągnie brzeg obszaru U i. Stosując ponownie poprzednie rozumowanie wnioskujemy, że funkcja 1 —HK jest też nadharmoniczna, zatem funkcja HK jest har moniczna na TJ\K. Z definicji punktu p-regularnego (§ 8.8) wynika ponadto, że H K(x) — 1 dla x e K r, a zatem HK(x) = 1 prawie wszędzie na К (ponieważ miara Lebesgue’a zbioru K \ K r jest równa 0). Własności te zestawione z równościami (9.5) i (9.6) sugerują, że HA powstaje przez wymiecenie funkcji 1 (§ 3.5, § 5.3). Dokładniejsza analiza prowadzi do następującego twierdzenia:
Jeżeli U jest obszarem Greena (tzn. jeżeli istnieje choć jedna funlccja nieujemna i nadharmoniczna na U, różna od stałej), to
(9.7) B f (x) = HA (x) dla xeTJ, AeB{MN), A a U, gdzie В ® oznacza funkcję wymiecioną (zdefiniowaną w § 3.5).
Ważne to twierdzenie było dowodzone w coraz to ogólniejszych sformułowaniach przez Kakutaniego (1944), Dooba (1954) i Hunta (1957).
§ 9.6. Zbiory polarne. Wiadomo, że podzbiór A obszaru U jest
polarny wtedy i tylko wtedy, gdy B f = 0 (§ 3.3, § 3.5, § 5.3 i § 5.8); z za
Przegląd nowszych metod w teorii potencjału, I I I 117
§9 .7 . Punkty regularne. Opierając się na wzorze (9.7) stosunkowo łatwo można udowodnić następujące twierdzenie Dooba:
Zbiór borelowski A jest cienki w punkcie x wtedy i tylko wtedy, gdy x nie jest punktem p-regularnym zbioru A.
W § 3.6 mówiliśmy, że xedr TJ wtedy i tylko wtedy, gdy zbiór P N\ U nie jest cienki w x. Porównując to z przytoczonym powyżej twierdzeniem Dooba stwierdzamy, że dr U = {BN\ U ) r. Innymi słowy, punkt xe U jest regularny ze względu na zagadnienie Dirichleta dla obszaru U wtedy i tylko wtedy, gdy jest on punktem ^-regularnym względem zbioru В ? \ U ; oba pojęcia są więc równoważne, ale w teorii potencjału regularność od nosi się do obszaru U, a w teorii procesów Markowa do jego dopełnienia. Załóżmy teraz, że К jest podzbiorem zwartym obszaru Greena U. Ponieważ zbiór A = K \ K r (tzn. zbiór punktów, w których К jest cienki) jest polarny (§ 4.6), z powyższych twierdzeń wynika, że
(9.8) Px{ x { T ) e K \ K r, T < £} = 0 dla xeU ,
gdzie T = T0+( R * \ K ) i £ = TQ+(U). Wynika stąd, że jeżeli U jest obszarem ograniczonym w B N, to
Px{x(C) e d U \ d r U} = 0 dla x eU .
§9 .8 . Zasada minimum. Udowodnimy teraz następującą mocną postać zasady minimum: Jeżeli u jest funkcją nadharmoniczną i ograni
czoną z dołu na obszarze ograniczonym U i hminfw(a?) > 0 dla zedr U, to
u{x) ^ 0 dla każdego xeU. x
Oznaczmy c = inf{w(a:): xeU}. Mamy udowodnić, że c > 0. Ponie waż u —c > 0 oraz и —сеЖЦи), z (9.3) wynika nierówność
(9.9) Ex [u{x(r))\ ^ u ( x )
dla dowolnego x e U i dowolnego czasu Markowa r takiego, że Рж{ т < £ } = 1.
Oznaczmy dalej Ud = {y: g(y, dli) > (5} i 0 = T0+(U6), gdzie g(y, dU) jest odległością punktu у od zbioru d U. Czysto probabilistyczny rachunek pokazuje, że
Рж{1ш1 0 = 0 = 1 .
6—>-0
-j-Zauważmy, że dla każdego ustalonego x e U istnieje <50 > 0 takie, że (9.10) Px{Cd < C } = 1 dla ó < ó0.
118 Z. C i e s i e l s k i i Z. S e m a d e n i
Przy ustalonym x stosujemy teraz nierówność (9.9) do т = ^ przy <5 < ó0 otrzymując
Е х {и(х(С$))\ ^ и ( х ) dla (5 < d0.
Korzystając z tej nierówności, z lematu Fatou oraz z (9.8) i (9.10) stwier dzamy, że
u(x) ^ l i m m f E x {u(x(Cs))} > Ex {liminf w(a?(£a))} > Ex {liminfu(y)} ^ 0,
d - > 0 + (5->0+ V^x(£)
a to kończy dowód zasady minimum.
§ 9.9. Zagadnienie Dirichleta. Załóżmy, że U jest obszarem ogra niczonym. Wówczas dla dowolnej funkcji fe ^ id U ) istnieje uogólnione rozwiązanie Hf zagadnienia Dirichleta (§ 2.2); nadto dla dowolnego punktu
zedr TJ warunki x -> z, x e U pociągają Hf {x) ->f(z). Doob (1957) podał
probabilistyczną interpretację funkcji Hf : jeżeli XeU, to (9.11) B , w = Ex \f(x(C)) |, gdzie C = T0+(U).
Naszkicujemy tu dowód tej formuły. Prawą stronę powyższego wzoru oznaczmy przez J f ; / może być tu dowolną funkcją borelowską i ogra niczoną. Korzystając z własności Markowa (§ 8.5) stwierdzamy, że
q,j, (x) =
;
t < a}.
Wnioskujemy stąd, że jeżeli g ^ 0, to J a jest funkcją ekscesywną, a za tem nadharmoniczną. Jeżeli natomiast / jest dowolną funkcją borelowską i ograniczoną na dU oraz c = \\f\\guj to c-\-f ^ 0, ° - f > o i funkcje
J c+f — c-\-Jf i J c~t — G—Jf
są nadharmoniczne, a zatem J f €J^(U). W następnym kroku dowodzi się, że jeżeli Z€drU i f jest ciągłe w punkcie z, to J f (x) dąży do f(z) przy
x ^ z , xeJJ. W szczególności, jeżeli to funkcja
h(x) = Hf(x)—Jf(x)
jest harmoniczna, ograniczona i taka, że h(x) -> 0 przy x dążącym do dowolnego punktu regularnego na brzegu. Z zasady minimum (§ 9.8) wynika, że h = 0, tzn. że zachodzi wzór (9.1).
Podstawiając / = I A we wzorze (9.11) otrzymujemy równość
jUx (A) = Px {x(C)eA} dla xeTJ, A e B ( R N), A a d U ,
o której wspominaliśmy we wstępie. L it e r a t u r a
Przegląd nowszych metod w teorii potencjału, I I I 119
X . F u n k cje i obszary G reena. W ym iatanie.
§10.1. Funkcja qt(x, y). Z określenia (9.1) wynika, że przy usta lonych t > 0 i x e U funkcja zbioru Qt(x, •) jest absolutnie ciągła wzglę dem miary Lebesgue’a. Na mocy twierdzenia Radona-Nikodyma istnieje więc funkcja borelowska qt(x, •) taka, że
(10.1) Qt(x,A) = f q t(x,y)dy
A
dla dowolnego zbioru borelowskiego A zawartego w U. Funkcja ta okreś lona jest przez (10.1) jedynie z dokładnością do zbioru miary 0, można ją jednak określić w inny sposób (podany przez Hunta), który jest wolny od tej niejednoznaczności. Pokażemy mianowicie, że
(10.2) qt(x, y) = p t(x, y ) - E x \pt_c(x{£), y ) ; t > £},
gdzie pt{oo,y) dane jest wzorem (8.4) i £ = T0+(U). Aby wykazać, że funkcja (10.2), która jest określona na produkcie B + x U x U, spełnia równanie (10.1), zauważmy wpierw, że Px{£ — t} = 0 dla t > 0. Korzys tając z tego i z mocnej własności Markowa, można pokazać, że
Px{x{t)eA; t > £} = J Ux {pt_c(x(£), y); t > £}dy.
A
Z drugiej strony z (9.1) wynika, że
Pt{ x , A ) = Q t{ x , A ) + P x {x{t)cA, t > £ } .
Zestawiając to z (8.3) i (10.2) otrzymujemy (10.1).
Można udowodnić, że dla dowolnego obszaru U funkcja q określona wzorem (10.2) ma ciągłe pochodne cząstkowe wszystkich rzędów wzglę dem x, y, t. Funkcja ta jest symetryczna względem x, y; przy ustalonym
у spełnia ona równanie ciepła
d
l A xqt{x, y) = —- qt{x, y) ot
oraz qt(x, y) -> 0 przy x dążącym do punktu regularnego zedU. Z (9.2) wynika również, że spełnione jest równanie Smoluchowskiego
(Łt+s {oo, У) =
f qt
{oo, t) qs {z, y) dz.u
Funkcja qt{x, y) jest identyczna z funkcją pt{x, y) omówioną w § 4.9. § 10.2. Funkcja Greena. Wygodnie jest wprowadzić oznaczenie
120 Z. C i e s i e l s k i i Z. S e m a d e n i
Dla N > 2 funkcja ta różni się jedynie czynnikiem stałym od rozwiąza nia podstawowego h zdefiniowanego wzorem (4.2). Czynniki stałe są tak dobrane, aby
\АхЬ]${х У) =
(por. § 4.3 i § 9.3). Używać będziemy również zmodyfikowanej funkcji Greena, mianowicie G(x, у ) oznaczać będzie teraz funkcję Greena obszaru
U zdefiniowaną w § 4.2 pomnożoną przez czynnik stały taki, aby
\ A xG{x^ys) — by.
Pojęcie obszaru Greena (tzn. obszaru mającego funkcję Greena) ma sens również dla Ж = 1; w tym przypadku obszarami Greena są przedziały otwarte (a, 6), w których co najmniej jeden z końców jest skończony, tzn. każdy obszar U <= R 1 jest obszarem Greena z wyjąt kiem U — R 1. Jeżeli — oo < a < b < oo, to
, , , {a+b){x+y)-2{xy+ab)
G(x,y) = - | x - y \ Ą --- --- --- , b—a
jeżeli zaś oo < a < Ъ = oo, to
G(x,y) = — \x—y\ —2a +
(x+y)-Najtrudniejszym i zarazem najciekawszym jest przypadek N = 2. Wiadomo, że każdy obszar ograniczony w R 2 ma funkcję Greena, nato miast cała przestrzeń R % nie ma. Obszar U <= R 2 (lub ogólniej powierzch nia Riemanna) nazywa się Mperholiczny (w terminologii Ahlforsa), jeżeli istnieje funkcja nadharmoniczna i dodatnia na U, nie będąca stałą. Do wodzi się, że jeżeli choć jedna taka funkcja istnieje, to istnieje również funkcja Greena.
JeżeU N > 3, to każdy obszar ma funkcję Greena.
W § 4.9 wspomnieliśmy o następującym twierdzeniu Hunta (słusz nym dla Ж > 1):
Jeżeli U jest obszarem Greena, to OO
(10.3) G(x, y) — j qt(x, y)dt dla x , y e U )
o
jeżeli natomiast U nie ma funkcji Greena, to całka po prawej stronie jest rozbieżna dla wszystkich х, у e U.
Bezpośrednio z tego twierdzenia można otrzymać interesujący wniosek:
Jeżeli U jest obszarem Greena, A€ B { R N), A cz U i xeTJ, to
f
Ex { j l A (x(t))dĄ= fG(x, y)dy .
Przegląd nowszych metod w teorii potencjału, I I I 121
§ 10.3. Obszary, z których cząstki nie wychodzą. Oznaczmy przez
g{x) prawdopodobieństwo tego, że cząstka startująca z punktu x opuści
po skończonym czasie obszar U, tzn. g(x) = Pz {£ < oo}. Korzystając z własności Markowa można pokazać, że
Qtg(%) = Px{t < C < °°} < Px {0 < £ < = g(x)
dla dowolnych t > 0 i xeU. Oznacza to, że funkcja g jest ekscesywna, a zatem funkcja
Px{C = oo} = 1 — PX{C < oo] = 1 —g(x)
jest podharmoniczna. Na mocy zasady minimum, jeżeli PXq{C = °°} = 1 dla pewnego ж0е U, tzn. jeżeli cząstka startująca z punktu x0 z prawdopo dobieństwem 1 nie wyjdzie z obszaru U, to własność tę ma też każdy inny punkt obszaru, tzn. Px{£ = oo} = 1 dla każdego xeU. Jeżeli U jest takim obszarem, to zbiór R N\ U ma pojemność równą 0, a z (10.2) wynika, że p t(x, y) = qt(x, y) dla / > 0, x ,y€ U . W przypadku tym funk cja q nie zależy od U, tzn. jest taka, jak dla U — B N.
Ciekawszym jest przypadek, gdy Px{£ = oo} < l dla wszystkich
xe TJ. Można udowodnić, że jeżeli N — 1 lub N = 2, to PX{C < oo} jest
równe albo 0 albo 1 i na to, aby Px {£ < oo} było równe 1, potrzeba i wy starcza, aby obszar miał funkcję Greena.
§ 10.4. Wymiatanie. Głównym celem tego paragrafu jest opisanie funkcji wymiecionej BĘ (§ 3.5) przy pomocy pojęć czysto probabilistycz nych. Niech U będzie obszarem Greena w RN (N > 1) i niech A będzie podzbiorem borelowskim obszaru U. Oznaczmy
f A {x) = E x lf(x(&A)); < C],
gdzie 19a — T0+(Rn\ A ) , / > 0 , xeU. Z twierdzenia omówio nego w § 8.7 oraz z (9.4) wynika, że
(10.4) f A (x) — B\xp{fK (x): К <= А, К zwarte}
dla же TJ. Wiemy już, że funkcja f K jest borelowska. Ponadto z własności Markowa wynika, że
QtfK(v) = Ex\f(x{$A))\
gdzie -&1a — Ti+(RN\ A ) . Oznacza to, że funkcja f K{x) jest ekscesywna,
a zatem nadharmoniczna. Ponieważ funkcje f K tworzą rodzinę filtrującą w górę funkcji nadharmonicznych, z uwagi na (10.4) funkcja f A jest też nadharmoniczna i oczywiście nieujemna. Ponadto, jeżeli zbiór A nie jest cienki w punkcie ж0, to na mocy twierdzenia Dooba (§ 9.7) Px {^a = 0} = 1, a zatem /^(ж0) = /( ж 0). Z własności funkcji wymiecionych wynika więc, że
122 Z. C i e s i e l s k i i Z. S e m a d e n i
Nierówność przeciwną można pokazać w sposób następujący: jeżeli К jest podzbiorem zwartym zbioru A, to Bf{x) ~ f(x) dla x e K r, a z drugiej strony, na mocy (9.8),
Px{x(&K) e K r , < £} — Pz{&K < C} j
a zatem f K(%) — Ex \ B f (#($&)); < C}- Podstawiając r = &K i r' = 0 we wzorze (9.3) stwierdzamy, że
Sk (%) < B f (x ) < B f ( x ) .
Wnosimy stąd, że f A < B f , a porównując to z (10.5) otrzymujemy (Ю.6) B?(x) = jEx {f(x(#A))-, $A < ę ).
Wynik ten pochodzi od Hunta; szczególne przypadki były wcześniej udowodnione przez Dooba. Eówność ta jest oczywistym uogólnieniem równości (9.7).
L it e r a t u r a
Z. Ciesielski [2], J. L, Doob [1], E. Dynkin [2], M. Heins [1], G-. A. Hunt [1], [2], К. Ito i H. P. Mc Kean [1], S. Kakutani [1].
X I . M etoda K a c a w teorii p oten cjału
§ 11.1. Mocne wymiatanie i zbiory mocno cienkie. Niech U będzie obszarem Greena w B N, N > 1; Ж \ ( U) oznaczać będzie zbiór funkcji nadharmonicznych i nieujemnych na U. Jeżeli E c TJ i ( U), to określamy
(11.1) (x) = inf{U(x): ueAy},
gdzie A„ jest zbiorem wszystkich funkcji и е Ж ^ (и ) takich, że u > v prawie wszędzie (ze względu na N-wymiarową miarę Lebesgue’a) na E. Z określenia tego wynika, że jeżeli E' różni się od E o zbiór miary 0, to
3v’(x) = $ f. Dowodzi się jjonadto, że istnieje zbiór E 0 zawarty w E i taki,
że |_E\_E70| = 0 i
(11.2) Sy (x) = Bv°(x) dla xeU.
Przegląd nowszych metod w teorii 'potencjału, I I I 12 3
E
z pewną kulą o promieniu r ma miarę 0, albo miara zewnętrzna prze krojuE
r\ К(y, r)
jest dodatnia przy każdymr
> 0 i ponadtov(y)
< ess liminfv(x)
ХеЕ, X—ytj
dla pewnej funkcji
Г€Ж\{11).
JeżeliN
= 1, to wszystkie funkcje nad-harmoniczne są ciągłe i drugi z tych warunków nie może być spełniony. Niech
E
* oznacza zbiór punktów, w których zbiórE
nie jest s-cienki. Z równości (11.2) wynika, żeSE (x)
=v{x)
dlaxeE*.
Można udowodnić, że\E\E*\
= 0 oraz że(11.3) =
BE*^U
=BE*^E
na zbiorzeU
dla
E
<=.1
7,геЖ\_{Е).
Bówności te pozwalają udowodnić następującetwierdzenie:
Zbiór E jest s-cienki w punkcie x0 wtedy i tylko wtedy, gdy zbiór E*
jest cienki w
ж0,a to z kolei jest równoważne temu, że zbiór E* r\ E jest
cienki w x0.
Jeżeli (zgodnie z rozważaniami § 8.7)
Er
oznaczać będzie zbiór punk tów, w których zbiórE
nie jest cienki, to{E*)*
=E*
={E*)r.
Można pokazać, że warunek limsup
Pt(x, A)
> 0 jest wystarczający ona to, aby
xeAr
(AeB(BN
)). Okazuje się, że jest on również wystar czający na to, abyxeA*.
§ 11.2. Zbiory s-regularne. Zbiór
E
nazywa sięs-regularny
[quasi
s
-regularny
] jeżeliE
сE*
[E <=E*
wA,
gdzieA
jest pewnym zbiorem polarnym]. JeżeliE
jest zbiorem domkniętym, to warunek s-regular- ności jest równoważny temu, żeE
=E*,
a warunek quasi s-regularności jest równoważny temu, że zbiórE\E*
jest polarny.Dowodzi się, że następujące warunki są równoważne: 1°
E
* =Er,
2°
E
jest quasi s-regularny, 3°8?
=BE
dlave3fl{U).
§ 11.3. Zbiory półklasyczne. Podzbiór