第六章：解的存在唯一性定理
在常微分方程 (ODE) 的理论中，我们通过 Picard 迭代法结合 Lipschitz 条件来证明初值问题 \(y' = f(x,y), y(x_0)=y_0\) 解的存在唯一性。
对于随机微分方程 (SDE)，我们面临着包含布朗运动积分的复杂情形：
为了保证该方程有唯一强解，我们需要对漂移系数 \(b\) 和扩散系数 \(\sigma\) 施加类似的限制。本节将详细梳理这一核心定理及其严谨证明。
1. 存在唯一性定理 (Existence and Uniqueness Theorem)
定理：SDE 强解的存在唯一性
设 \(T > 0\)，函数 \(b(x,t): \mathbb{R}^n \times [0,T] \to \mathbb{R}^n\) 和 \(\sigma(x,t): \mathbb{R}^n \times [0,T] \to \mathbb{R}^{n \times m}\) 满足以下两个基本条件：
1. 全局利普希茨条件 (Global Lipschitz Condition)： 存在常数 \(L > 0\)，使得对于任意的 \(x, y \in \mathbb{R}^n\) 和 \(t \in [0,T]\)，有：
2. 线性增长条件 (Linear Growth Condition)： 存在常数 \(L > 0\)，使得对于任意的 \(x \in \mathbb{R}^n\) 和 \(t \in [0,T]\)，有：
初始条件： 设 \(\xi\) 是一个与布朗运动 \(W_t\) 独立的随机变量，且满足二阶矩有限 \(E|\xi|^2 < \infty\)。
结论： 那么，初值问题 \(X_t = \xi + \int_0^t b(X_s, s)ds + \int_0^t \sigma(X_s, s)dW_s\) 在区间 \([0,T]\) 上存在唯一的平方可积连续强解 \(X_t\)，且满足：
2. 定理的证明 (Proof of the Theorem)
证明分为两大部分：唯一性（利用 Gronwall 不等式）和存在性（利用 Picard 迭代和 Borel-Cantelli 引理）。
2.1 唯一性的证明
唯一性证明：Gronwall 不等式的应用（点击展开）
假设存在两个解 \(X_t\) 和 \(\tilde{X}_t\) 满足相同的初始条件 \(X_0 = \tilde{X}_0 = \xi\)。
令误差过程为 \(Y_t = X_t - \tilde{X}_t\)，则 \(Y_0 = 0\)。根据方程的积分形式，我们有：
利用基本不等式 \((a+b)^2 \le 2a^2 + 2b^2\)，两边取绝对值平方并求期望：
对于第一项（黎曼积分），利用 Cauchy-Schwarz 不等式：
对于第二项（Itô 积分），利用 Itô 等距同构 (Itô Isometry)：
将 Lipschitz 条件 \(|b(X) - b(\tilde{X})|^2 \le L^2 |X - \tilde{X}|^2 = L^2 |Y_s|^2\) 以及 \(|\sigma(X) - \sigma(\tilde{X})|^2 \le L^2 |Y_s|^2\) 代入上式：
令常数 \(C = 2L^2(T+1)\)，我们得到：
由于 \(E|Y_t|^2\) 是非负的，由 Gronwall 不等式直接可得，对于所有的 \(t \in [0,T]\)：
这意味着对于任意给定的 \(t\)，几乎必然有 \(X_t = \tilde{X}_t\)。结合样本路径的连续性，得出这两个解在整个区间 \([0,T]\) 上是不可区分的 (indistinguishable)。唯一性得证。 \(\square\)
2.2 存在性的证明 (Picard 迭代法)
存在性的核心思想是构造逼近序列。这一部分的推导逻辑链条较长，需要步步为营。
存在性证明：Picard 迭代法（点击展开）
步骤 1：构造 Picard 迭代序列
定义初始近似为 \(X^{(0)}_t = \xi\)。
对于 \(k \ge 0\)，递归地定义：
步骤 2：证明迭代序列的均方有界性
我们需要确保序列中每一个元素的二阶矩 \(E|X^{(k)}_t|^2\) 是有限的。这可以通过数学归纳法和线性增长条件来证明：
（此处的推导与唯一性证明中的 Cauchy-Schwarz 和 Itô 等距类似，利用了线性增长条件，笔记中缩写为 \(E|X^k_t|^2 \le Ce^{ct}\)，此处略去重复步骤）。
步骤 3：估计相邻迭代项差异的衰减速度
定义相邻两项的均方误差为 \(d_k(t) = E|X^{(k+1)}_t - X^{(k)}_t|^2\)。
利用与唯一性证明完全相同的放缩技巧（Cauchy-Schwarz + Itô Isometry + Lipschitz 条件），可以得到递推关系：
其中 \(M = 2L^2(T+1)\)。
对于 \(k=0\) 时：
不断向后递推积分：
这说明误差的期望以极快的速度（阶乘级别）衰减。
步骤 4：利用 Doob 极大值不等式控制路径上确界
为了证明一致收敛，我们需要考察路径在整个区间上的最大误差。利用 Doob 鞅不等式 (Doob's Martingale Inequality) 和 Burkholder-Davis-Gundy (BDG) 不等式处理 Itô 积分项的最大值：
根据马尔可夫不等式 (Markov's Inequality)：
步骤 5：Borel-Cantelli 引理与一致收敛
由于阶乘的增长速度远快于指数，级数是收敛的：
由 Borel-Cantelli 引理 可知，事件 \(\{\sup_{0 \le t \le T} |X^{(k+1)}_t - X^{(k)}_t| > 2^{-k}\}\) 发生无限次的概率为 0。
这意味着，对于几乎所有的样本路径 \(\omega\)，存在一个 \(K(\omega)\)，当 \(k > K(\omega)\) 时，\(\sup_{0 \le t \le T} |X^{(k+1)}_t - X^{(k)}_t| \le 2^{-k}\)。
由于 \(\sum 2^{-k}\) 收敛，这保证了级数 \(\sum (X^{(k+1)}_t - X^{(k)}_t)\) 绝对且一致收敛。因此，极限过程存在：
且该收敛在 \(t \in [0,T]\) 上是一致的，保证了极限过程 \(X_t\) 是连续的。
步骤 6：相容性 (Consistency) - 验证极限是解
最后，需要验证这个几乎必然一致收敛的极限 \(X_t\) 确实满足原方程。
在 Picard 迭代公式中对两边取极限 \(k \to \infty\)。由于 \(b\) 和 \(\sigma\) 满足 Lipschitz 连续，结合控制收敛定理 (Dominated Convergence Theorem) 和 Itô 积分的等距同构性质，极限可以穿透积分号：
由此验证了 \(X_t = \xi + \int_0^t b(X_s, s)ds + \int_0^t \sigma(X_s, s)dW_s\)。存在性得证。 \(\square\)
3. 解的高阶矩与初值依赖性 (Properties of the Solution)
在笔记的最后部分，提到了解的高阶矩界限以及对初始值的连续依赖性。这是 SDE 理论中非常重要的推论。
性质：高阶矩与依赖性
1. 高阶矩的界限
如果初始条件 \(\xi\) 满足 \(E|\xi|^{2p} < \infty\) (\(p \ge 1\))，那么在全局 Lipschitz 和线性增长条件下，强解 \(X_t\) 满足：
(证明同样利用 Itô 公式、BDG 不等式和 Gronwall 不等式)。
2. 对初值的连续依赖性
设 \(X^x_t\) 和 \(X^y_t\) 分别是初值为 \(X_0 = x\) 和 \(X_0 = y\) 的强解，那么它们之间的差异受初值差异的控制：
这说明 SDE 的解对其初始状态是 Lipschitz 连续依赖的，这在研究马尔可夫半群和偏微分方程 (PDEs) 的联系时具有关键作用。