SDE 解的存在唯一性 | Codeboy's Blog

形式陈述

固定 $T<\infty$ 。设 $(\Omega,\mathcal F,(\mathcal F_t),P)$ 满足通常条件， $W$ 是 $m$ 维 Brownian 运动， $\xi\in L^2(\Omega;\mathbb R^d)$ 为 $\mathcal F_0$ -可测。令 Borel 系数 $b:[0,T]\times\mathbb R^d\to\mathbb R^d$ 、 $\sigma:[0,T]\times\mathbb R^d\to\mathbb R^{d\times m}$ 满足：存在常数 $L,C<\infty$ ，对所有 $t,x,y$ ，

|b(t,x)-b(t,y)|+\|\sigma(t,x)-\sigma(t,y)\|_{\mathrm{HS}} \le L|x-y|,

以及

|b(t,x)|^2+\|\sigma(t,x)\|_{\mathrm{HS}}^2 \le C(1+|x|^2).

则方程

X_t=\xi+\int_0^tb(s,X_s)ds+\int_0^t\sigma(s,X_s)dW_s

存在唯一强解；“唯一”是路径唯一，即同一 $(\xi,W)$ 上的任意两解不可分辨。解适应、路径连续，并满足

E\left[\sup_{0\le t\le T}|X_t|^2\right] \le C_T(1+E|\xi|^2)

其中 $C_T$ 只依赖 $T,L,C$ 与维数。若系数只在每个紧集上局部 Lipschitz，则先得到唯一最大强解到爆炸时刻 $\zeta$ ；再有全局线性增长时，停止时刻矩估计推出 $P(\zeta>T)=1$ ，从而对任意有限 $T$ 全局存在。仅说“Lipschitz”时必须注明是全局还是局部。

存在性可用 Picard 迭代

X_t^{n+1}=\xi+\int_0^tb(s,X_s^n)ds+\int_0^t\sigma(s,X_s^n)dW_s

证明。预测可测性、Itô 等距与最大不等式使迭代在 $E\sup_{t\le T}|\cdot|^2$ 的短时间范数中收敛，再分段覆盖 $[0,T]$ 。唯一性对差过程估计后使用Gronwall 不等式。这些步骤同时说明二阶初值、增长和 Lipschitz 条件各自控制什么，不能只保留结论名称。

直觉

Lipschitz 条件限制两条相近轨迹所看到的漂移与噪声系数差异。即使它们被同一个 Brownian 增量反复扰动，误差的二阶矩也只能按当前误差线性放大；Gronwall 把“零初始误差”锁在零。Picard 迭代则从任意简单轨迹出发，把方程右侧反复代回，Lipschitz 控制保证修正越来越小。

线性增长承担另一件事：阻止系数在状态变大时快到让轨迹有限时爆炸。它不负责局部唯一性；局部 Lipschitz 也不负责非爆炸。把两项分开看，才能在更精细模型中用 Lyapunov 条件替代线性增长，而保留局部唯一性证明。

例子与边界

几何 Brownian 方程

dS_t=\mu S_tdt+\sigma S_tdW_t,\qquad S_0=s

的两个系数都是全局 Lipschitz 且线性增长，因为

|\mu x-\mu y|+|\sigma x-\sigma y| \le(|\mu|+|\sigma|)|x-y|.

定理给唯一全局强解；Itô 公式进一步识别为

S_t=s\exp\!\left((\mu-\tfrac12\sigma^2)t+\sigma W_t\right).

该显式式验证非爆炸与正初值下的正性，但正性不是一般存在唯一性定理自动给出的，需要系数结构或边界论证。

去掉 Lipschitz 会真实失去唯一性。方程 $dX_t=2\sqrt{|X_t|}dt$ 、 $X_0=0$ 满足次线性增长，却有 $X_t=(t-c)_+^2$ 的整族解。增长控制没有补上零点附近的非 Lipschitz 分叉。另一方面， $dX_t=X_t^2dt$ 在每个紧集上局部 Lipschitz，所以爆炸前路径唯一，但 $X_0=x>0$ 时解 $x/(1-xt)$ 于 $1/x$ 爆炸；缺少全局增长控制使“唯一最大解”不能升级为全局解。

全局 Lipschitz 是易检验的充分条件，并非必要条件。例如一维扩散的单调漂移、平方根扩散系数可在更弱的单边 Lipschitz、Yamada–Watanabe 模条件或边界条件下仍保持唯一。使用这些变体时必须逐条陈述维数、非退化性与模函数积分条件，不能笼统声称“连续系数就足够”。

推论与应用

路径唯一与强存在让解成为初值和 Brownian 路径的因果可测泛函。若系数为确定性的 Markov 型函数，重启同一方程并利用唯一性，可证明解具有强 Markov 性；再加系数对初值的 Lipschitz 估计，得到

E\sup_{t\le T}|X_t^x-X_t^y|^2\le C_T|x-y|^2,

从而控制转移半群对初值的连续依赖。

同一稳定估计也支撑 Euler–Maruyama 的强收敛：在进一步具备适当时间正则性时，把真解与同一 Brownian 增量驱动的离散解比较，局部误差经最大不等式和 Gronwall 累积，典型均方强阶为 $1/2$ 。若系数超线性或只满足弱唯一性，这条论证可能失效，数值方案需截断、驯化或改用弱收敛分析。

参考资料

Bernt Øksendal, Stochastic Differential Equations: An Introduction with Applications, 6th ed., Springer, 2003, Ch. 5, Theorem 5.2.1, existence and uniqueness theorem。
Ioannis Karatzas and Steven E. Shreve, Brownian Motion and Stochastic Calculus, 2nd ed., Springer, 1991, Ch. 5, §5.2, strong existence and pathwise uniqueness。
Xuerong Mao, Stochastic Differential Equations and Applications, 2nd ed., Horwood, 2007, Ch. 2, §§2.2–2.4, local solutions, moment bounds and non-explosion。

形式陈述 ​

形式陈述