由于u是（1.1）的解，我们可以重写前面的等式asEx经验-Zs∧λUkc（X（ε）v）dvUX（ε）s∧λUk= u（x）- 前任Zs∧λUkexp-Zvc（X（ε）w）dwf（X（ε）v）dv- 前任Zs∧λUkexp-Zvc（X（ε）w）dw（Aε- A）u（X（ε）v）dv. （4.15）我们首先将（4.15）中的极限取为ε↓ 0（对于固定k≥ 1和t≥ 0). 利用假设2.5，证明了O的紧子集上f，u和c的连续性∪ Γ，以及优势收敛定理，我们有limε↓0Ex经验-Zs∧λUkc（X（ε）v）dvUX（ε）s∧λUk= 前任经验-Zs∧λUkc（Xv）dvUXs∧λUk, （4.16）limε↓0ExZs∧λUkexp-Zvc（X（ε）w）dwf（X（ε）v）dv= 前任Zs∧λUkexp-Zvc（Xw）dwf（Xv）dv. （4.17）为了估计（4.15）右边的最后一个积分项，我们假设在不损失一般性的情况下，ε<1/2k，对于任何固定的k≥ 1.对于任何v∈ [0，s∧ λUk]，（Aε-A）u（X（ε）v）≤b（十五）-b（X（ε）v）Du（X（ε）v）+trYβva（Xv）-Y（ε）vβ~a（X（ε）v）Du（X（ε）v）≤b（十五）- b（X（ε）v）kDukC（`U2k）+trY（ε）vβ§a（Xv）-~a（X（ε）v）Du（X（ε）v）+trYβv-Y（ε）vβ~a（Xv）Du（X（ε）v）≤b（十五）- b（X（ε）v）kDukC（`U2k）+§a（Xv）- ~a（X（ε）v）xβdDuC（`U2k）+Yβv-Y（ε）vβDu（X（ε）v）kakC（\'U2k），（4.18），其中k·kC（\'U2k）表示“U2k”上的统一范数。Sin ce b和a一致连续且有界于U2k，在（4.18）右侧的前两项收敛为0，为ε↓ 0

对于（4.18）中的最后一个术语，请注意Yβv-Y（ε）vβDu（X（ε）v）≤ ε-β/2Y（ε）vβ- YβvxβdDuC（`U2k）{Y（ε）v≥√ε}+ 2βxβdDuC（`U2k）{Y（ε）v<√ε}≤ βmaxn（k+ε）β-1, ε(β-1） /2oε1-β/2xβdDuC（`U2k）+2βxβdDuC（`U2k）{Y（ε）v<√ε} =βmaxn（k+ε）β-1ε1-β/2,√εoxβdDuC（`U2k）+2βxβdDuC（`U2k）{Y（ε）v<√ε} ，（4.19）在等式中的第二个等式中，我们使用凸度或凹度，dep以β结尾∈ （0，2），函数p（x）=xβ[√ε、 k+ε]：（x+ε）β- xβ≤ p′(√ε)ε = βε(β-1)/2· ε, β ∈ （0,1]，（x+ε）β- xβ≤ p′（k+ε）ε=β（k+ε）β-1· ε, β ∈ [1, 2].结合（4.18）-（4.19），使用假设∈ C1,1，βs，loc（O∪ Γ）以及limε↓0{Y（ε）v<√ε} =0，a.s.，我们通过优势收敛定理得到thatlimε↓0ExZs∧λUkexp-Zvc（X（ε）w）dw（Aε- A）u（X（ε）v）dv= 因此，通过组合（4.15），（4.16），（4.17）和（4.20），我们得到了经验-Zs∧λUkc（Xv）dvUXs∧λUk= u（x）-前任Zs∧λUkexp-Zvc（Xw）dwf（Xv）dv. （4.21）作为k→ ∞ 和s→ ∞, 显然我们有∧ λUk→ λO，a.s。（4.22）通过与定理2.7的证明相同的论证，我们可以将（4.21）中的极限取为k→ ∞和s→ ∞, 为了得到它，对于任何x∈ O、 前任经验-ZλOc（X（ε）v）dvg（XλO）1{λO<∞}= u（x）- 前任ZλOexp-Zvc（Xw）dwf（Xv）dv.与（4.12）一起，我们证明了u=u（X）**在O上∪ Γ，其中u（X）**由（2.14）给出。接下来，我们在O的适当部分证明了当边界条件g是H¨older连续时（4.4）解的存在性。定理2.12的证明：对于每个x∈ O∪*O、 让(Ohm, F，（Fs）s≥0，Px，W，X）是（2.7）-（2.8）的任何弱解，初始条件（2.9）为t=0，设u（X）*（x） b定义如（2.13）所示。

必须证明，u（X）*是（4.4）的一个解，使得u（X）*∈ Clo c（O）∪*O）∩C2，αloc（O∪Γ）安杜（X）*满足线性增长条件（2.10）。事实上，u（X）*满足引理3.4的线性增长条件（2.10），每xθ=τx，XO，θ=0，ψ=0∈ O∪*O.仍需证明u（X）*∈ Clo c（O）∪*O）∩C2，αloc（O∪Γ）和u（X）*是（4.4）的解决方案。在下面的文章中，在不丧失一般性的情况下，我们将定义一个经过过滤的概率空间(Ohm, F，（Fs）s≥对于每个初始数据x，我们将弱解（x（x），W）乘以（2.7）-（2.9）∈ O∪*t=0时为O。的确，如果(Ohm, F，（Fs）s≥0，P，X，W）是初始数据X对（2.7）-（2.9）的弱解∈ O∪*O、 然后(Ohm, F，（Fs）s≥0，P，X+y-x、 W）同一概率空间上的Awak解是否具有不同的初始数据y∈ O∪*O.我们仍将使用px和Exto表示不同初始数据的概率和期望，其中弱解x的参数x以及所有停止时间w将被忽略。我们还将省略u的上标X*所有的停车时间都很简单。证明分为以下两个步骤。步骤1（u）*∈ C2，αloc（O∪Γ），以及*是（4.4）的解决方案我们首先注意到*= g onΓ直接从（2.13）开始。让（Dk）k∈Nbe是O的C2，α子域的增加序列（参见[22，定义6.2]），例如∈NDk=O andO∩ (-k、 k）d-1×（1/k，k） Dk O∩(-2k，2k）d-1×（1/2k，2k），k∈ 注意，在每个域Dk上，微分算子-A是一致椭圆的，有界且系数为C0，α（`Dk）。此外，根据我们的假设，我们有f∈ C0，α（`Dk）和g∈ C2，α（\'Dk）。因此，[22，定理6.13]暗示椭圆边值问题on=A，dku=gDk（4.23）在英国推出了独特的解决方案∈ C（`Dk）∩C2，α（Dk）。

此外，通过关于一致椭圆偏微分方程解的随机表示的经典理论（参见[21，定理6.5.1]，[26，命题5.7.2]和[30，定理9.1.1，推论9.1.2]），UK承认了关于‘Dk:的唯一随机表示，对于任何x∈英国Dk（x）=Ex经验-ZτDkc（Xs）dsg（XτDk）1{τDk<∞}+ 前任ZτOkexp-Zsc（Xv）dvf（Xs）ds.这里，我们注意到，对于每一个x∈“-Dk，在[0，τxDk]时间段内的任何弱解都有唯一的规律（备注2.10）。此外，根据引理3.4，对于所有k，UK服从线性增长条件（2.10）∈ N.从那时起，每x∈ O（x）∈ 对于足够大的（τxDk）k∈Nis是一个不断增加的停止时间序列，收敛到τxOP-a.s.，如k→ ∞, 使用假设g∈ Clo c（O）∪ *O） ，X的样本路径的连续性，（uk）k上的线性增长条件（2.10）∈与引理3.4相比，我们可以使用定理2.7证明中使用的相同参数来获得→∞英国（x）=u*（x） ，对于任何x∈ 哦。修正x（0）∈ O，设B:=B（x（0），r）是一个以x（0）为中心，半径为r的欧几里德球，比如B O.设置B1/2:=B（x（0），r/2）。自（英国）k∈Nobeys的林耳生长条件（2.10），与引理证明3.4中的相同论点表明（英国）k∈Nis一致有界于“B”。根据内部Schauder估计（参见[22，推论6.3]），序列（英国）k∈NHA一致有界C2，α（`B1/2）范数。嵌入C2，α（\'B1/2）的紧性→ C2，γ（`B1/2），对于任何0≤ γ<α表明，在传递到子序列后，（uk）k∈n在C2，γ（`B1/2）到u中聚集*∈ C2，γ（\'B1/2），一个dhence A u*= f位于B1/2。由于该子序列具有统一的有界C2、α（\'B1/2）范数，并且它在C（\'B1/2）中收敛到u*, 我们得到了u*∈ C2，α（\'B1/2）。自x（0）∈ O是任意的，我们的结论是*是（4.4）和u的解决方案*∈ C2，α（O）。下一步，我们将任何z∈ Γ并选择足够小的r>0，使得B（z，r）∩ Γ= .

SetD:=B（z，r）∩ O和D′：=B（z，r/2）∩ O.从（Dk）k的施工中∈N、 我们可以找到k∈ N足够大以至于 Dk，为了所有人≥ k、 自从f∈ C0，α（`D）和g∈ C2，α（\'D），由[22，推论6.7]和UkkkC2，α（\'D\'）这一事实，我们得到了kukkC2，α（\'D\'）≤ CkukkC（\'D）+KKKC2，α（\'D）+KKKC0，α（\'D）, K≥ k、 （4.24）其中C>0是一个常数，仅取决于a的系数以及域D和D′。将（4.24）与（uk）k的C（`D）范数的统一界结合起来∈N、 由线性增长条件（2.10）和引理3.4中的类似论证得出，C2，α（\'D\'）的嵌入的完备性→ C2，γ（\'D\'），其中0≤ γ<α，意味着存在（uk）k的子序列∈n将str收敛到gly到u*在C2中，γ（\'D\'）。特别是，这个子序列在C（\'D\'）中收敛到u*, 因此你*∈ C2，α（\'D\'）。结合以上两种情况，我们得出结论：*∈ C2，αloc（O∪Γ). 步骤2（u）*在场景（B）中，假设x（0）=（x（0），x（0）d-1, 0) ∈Γ. 对于任意x=（x，…，xd）∈ O、 设θx:=inf{s≥ 0:Xs∈ H、 X=X}，Txd:=infns≥ 0:X（d）s=0，X（d）=xdo。显然我们有τxO≤ θx≤ Txd，P- a、 s。（4.25）它来自（3.20）和（4.25）thatlimx→x（0）θx=limx→x（0）τxO=0在（x，…，xd）中均匀分布-1) ∈ 研发部-1，P- a、 s。。（4.26）因此，根据支配收敛定理，limx→x（0）ExZτOexp-Zsc（Xv）dvf（Xs）ds= 0.（4.27）接下来，我们需要展示→x（0）Ex经验-ZτOc（Xs）dsg（XτO）1{τO<∞}= g（x（0））。（4.28）注意经验-ZτOc（Xs）dsg（XτO）1{τO<∞}- g（x（0））=Ex经验-ZτOc（Xs）dsg（XτO）-g（x（0））{τO<∞}+g（x（0））1.-前任经验-ZτOc（Xs）ds{τO<∞},根据假设2.5，（4.26）和支配收敛定理limx→x（0）Ex经验-ZτOc（Xs）ds{τO<∞}= 1、（4.29）我们只需要展示一下→x（0）Ex经验-ZτOc（Xs）dsg（XτO）- g（x（0））{τO<∞}= 0.固定ε>0。

根据g的连续性，我们可以选择δ1，ε>0，这样g（x）- g（x（0））≤ ε, 十、∈ B（x（0），δ1，ε）∩ O.（4.30）对于δ1，ε>0，根据问题5.3.15中的[26，等式（5.3.18]），存在C>0，取决于x（0）和δ1，ε>0，因此对于任何≥ 0，谢谢∈B（x（0），δ1，ε）∩OExsup0≤五、≤s | Xv- x|≤ C√s、 这意味着，通过选择足够小的sε>0，对于任何s∈ （0，sε），supx∈B（x（0），δ1，ε）∩OPxsup0≤五、≤s | Xv-x|≥ δ1,ε/2≤2C√sδ1，ε≤ ε. （4.31）此外，将（3.20）应用于X（d）（δ2，ε），我们可以选择δ2，ε>0非常小，这样pTδ2，ε>s≤ ε、 对于任何人来说∈ （0，sε]（4.32）设Δε：=min{δ1，ε/2，δ2，ε}，对于任何s∈ （0，sε）和任意x∈ B（x（0），Δε）∩ O、 前任经验-ZτOc（Xv）dvg（XτO）- g（x（0））{τO<∞}= 前任经验-ZτOc（Xv）dvg（XτO）- g（x（0））{τO≤s、 supv∈[0，s]|Xv-x |<δ1，ε/2}+ 前任经验-ZτOc（Xv）dvg（XτO）- g（x（0））{τO≤s、 supv∈[0，s]|Xv-x|≥δ1,ε/2}+ 前任经验-ZτOc（Xv）dvg（XτO）- g（x（0））{τO∈（s），∞)}. （4.33）乘（4.30），对于任何x∈ B（x（0），Δε）∩ O、 前任经验-ZτOc（Xv）dvg（XτO）- g（x（0））{τO≤s、 supv∈[0，s]|Xv-x |<δ1，ε/2}≤ ε. （4.34）为了估计（4.33）右边的第二项和第三项，我们首先注意到，根据g上的线性增长条件（2.10），引理3.1，推论3.3和可选抽样定理（参见[26，定理1.3.22]），对于任何x∈ B（x（0），Δε）∩ O、 前任经验-ZτOc（Xv）dv|g（XτO）|≤ 2K1+Ex经验-ZτOc（Xv）dvkXτOk≤ 2K1+kxk+Mc-1.1.- 前任E-cτO≤ C:=supx∈B（x（0），δ）∩O2K1+kxk+Mc-1..通过柯西-施瓦兹不等式和（4.31），f或任何s∈ （0，sε）和任意x∈ B（x（0），Δε）∩ O、 前任经验-ZτOc（Xv）dvg（XτO）- g（x（0））{τO≤s、 supv∈[0，s]|Xv-x|≥δ1,ε/2}≤前任经验-ZτOc（Xv）dvg（XτO）-g（x（0））1/2Pxsupv∈[0，s]|Xv-x|≥δ1,ε!1/2≤ 2pCε。（4.35）类似地，对于任何x，使用（4.25）和（4.32）∈ B（x（0），Δε）∩ 哦，还有其他的吗∈ （0，sε），Ex经验-ZτOc（Xv）dvg（XτO）- g（x（0））{τO∈（s），∞)}≤前任经验-ZτOc（Xv）dvg（XτO）- g（x（0））1/2Px（τO>s）1/2≤ 2pCε。

（4.36）最后，通过组合（4.33）-（4.36），对于任何x∈ B（x（0），Δε）∩ O、 我们得到那个经验-ZτOc（Xs）dsg（XτO）- g（x（0））{τO<∞}≤ ε+4pCε，与（4.27）-（4.29）一起，表明*在x（0）处是连续的。自x（0）∈“Γ是任意的，我们的结论是*在Γ上是连续的，这就完成了定理的证明。现在我们证明了（4.4）的解的存在性，当边界数据g仅在O的边界的合适部分上连续时。定理2.11的证明：对于每个x∈ O∪*O、 让(Ohm, F，（Fs）s≥0，Px，W，X）是（2.7）-（2.8）的任何弱溶液，初始条件（2.9）为t=0。我们需要显示th，u（X）*, 由（2.13）给出，是（4.4）的一个解，即u（X）*∈ Clo c（O）∪*O）∩C2，α（O）和u（X）*满足线性增长条件（2.10）。同样，对于每个x∈ O∪ *O、 我们定义了一个任意弱解（x（x），W），初始数据为x，定义在一个过滤概率空间上(Ohm, F，（Fs）s≥0，P），以及相应的概率和期望。此外，我们将省略u的上标X*为了简单起见，还提供了所有的停止时间。自从g∈ 氯离子(*O） ，在哪里*O是一个闭集，我们可以用[20，Thoerem 3.1.2]来扩展g-tord，使得它的扩展（再次用g表示）属于Clo-c（Rd）。这个定理的证明与定理2.12相似。步骤1（u）*∈ C2，α（O）和u*是（4.4）的一种解决方案该论证与定理2.12的第1步相同，不包括验证u的部分*∈ C2+α（\'D\'）在末端。步骤2（u）*∈ Clo c（O）∪ *O） ）对于场景（B），我们可以使用与定理2.12的证明步骤2相同的参数来验证u*在“Γ”上是连续的。这仍然需要证明美国*这两种情况下都是连续的。也就是说，对于任何x（0）∈ Γ，limx→x（0）u*（x） =g（x（0））。从定理2.12证明的第2步中的论点来看，必须显示limx→对于任意x（0），x（0）τxO=0的概率（相对于P）∈ Γ.

现在fix任意x（0）∈ Γ，让（Dk）k∈Nbe是O的C2，α子域的递增序列，如在Th eorem 2.12的证明中。然后，[22，定理6.13]意味着下面的椭圆边值问题Dk上的u=0，Dk上的u=1DKK是一个独特的解决方案vk∈ C（`Dk）∩C2，α（Dk），它还允许对任意x的‘Dk（参见[21，定理6.5.1]，[26，命题5.7.2]和[30，定理9.1.1，推论9.1.2]）的唯一随机表示∈\'Dk，vk（x）=Ex经验-ZτDkc（Xs）ds.德菲涅夫*（x） =前经验-ZτOc（Xs）ds, 十、∈类似于定理2.12的证明，利用X的样本路径的连续性以及引理3.4，我们→∞vk（x）=v*（x） ，对于任何x∈ O.根据定理2.12，v*这是解决问题的办法O上的u=0，O上的u=1*O、 和v*∈ C2，α（O）∩ Γ). 因此我们有limx→x（0）v*（x） =v*（x（0））=1，这意味着limx→根据假设2.5，x（0）τxO=0。5椭圆障碍问题本节包含定理2.15和2.16的证明。通过引理3.5，我们将证明场景（A）和（B）中的两个定理，如第3节开头所述。此外，与（4.4）类似，（1.2）的解的唯一性是沿着Γ的部分Dirichlet边界条件，当原点是自然（Feller）边界或X（d）的入口边界，且沿着全Dirichlet边界条件时O、 当原点是X（d）的规则边界或存在边界时，它们在自然e中是相似的。为了方便起见，我们将它们视为min{A u- f、 u- ψ} =O，g=0*O、 （5.1）在哪里*O由（4.3）给出。定理2.15的证明：我们需要证明∈ Clo c（O）∪ *O）∩ C（O）是（5.1）的一个解，它满足线性增长条件（2.10），然后它允许每x的随机表示（2.17）∈ O∪ *O、 对于任何弱解(Ohm, F，（Fs）s≥0，Px，W，X）到（2.7）-（2.8），初始条件（2.9）为t=0。

从（2.16）和（2.17）中，我们可以看到u（x）=v（x）*（x） =g（x），对于任何x∈ *O.（5.2）仍需证明u=v*关于O，我们按照以下两个步骤组织。同样，我们将为每个x定义一个任意的弱解∈ O∪ *O、 将省略v的上标X*.步骤1（u）≥ 五、*让（好）好∈Nbe是O的C2，α子域的增加序列，位于Th eorem 2.7的顶部。对于任何x∈ O、 x∈ 当k足够大时。自从你∈ C（O），根据I^O’s公式，对于任何停止时间θ∈ 德克萨斯州、X州和s州≥ 0，前经验-Zs∧θ∧τOkc（Xv）dvUXs∧θ∧τOk= u（x）- 前任Zs∧θ∧τOkexp-Zvc（Xw）dwu（Xv）dv.通过拆分左侧，并使用u≥ ψ和A u≥ f on O，前面的恒等式givesu（x）≥ 前任经验-Zs∧θc（Xv）dvψ（Xs）∧θ） 1{θ<τOk}+ 前任经验-Zs∧τOkc（Xv）dvUXs∧τOk{θ≥τOk}+ 前任Zs∧θ∧τOkexp-Zvc（Xw）dwf（Xv）dv. （5.3）在定理2.7的证明中，随机变量的集合经验-Zs∧θc（Xv）dvψ（Xs）∧θ） 1{θ<τOk}:k∈ N和经验-Zs∧τOkc（Xv）dvUXs∧τOk{θ≥τOk}:k∈ N是一致可积的，因为u和ψ满足线性增长条件（2.10）。通过O上u和ψ的连续性∪ *O、 我们也有Limk→∞经验-Zs∧θc（Xv）dvψ（Xs）∧θ） 1{θ<τOk}=exp-Zs∧θc（Xv）dvψ（Xs）∧θ） 1{θ<τO}，Px- a、 美国林克→∞经验-Zs∧τOkc（Xv）dvUXs∧τOk{θ≥τOk}=exp-Zs∧τOc（Xv）dvu（Xs）∧τO）1{θ≥τO}，Px- a、 s。因此，通过[4，定理4.5.4]，增长估计（3.9）和支配收敛定理，我们可以将（5.3）中的极限作为k→ ∞, 并获得thatu（x）≥ 前任经验-Zs∧θc（Xv）dvψ（Xs）∧θ） 1{θ<τO}+ 前任经验-Zs∧τOc（Xv）dvu（Xs）∧τO）1{θ≥τO}+ 前任Zs∧θ∧τOexp-Zvc（Xw）dwf（Xv）dv. （5.4）下一步，我们将使用s→ ∞ 在（5.4）中。在定理2.7的证明中再次使用类似的参数，ran dom变量的集合经验-Zs∧θc（Xv）dvψ（Xs）∧θ） 1{θ<τO}:s≥ 0和经验-Zs∧τOc（Xv）dvu（Xs）∧τO）1{θ≥τO}:s≥ 0都是一致可积的，因为u和ψ满足线性增长条件（2.10）。

此外，通过O上u和ψ的连续性∪*O、 林斯→∞经验-Zs∧θc（Xv）dvψ（Xs）∧θ） 1{θ<τO}=exp-Zθc（Xv）dvψ（Xθ）1{θ<τO}，Px- a、 美国，林→∞经验-Zs∧τOc（Xv）dvu（Xs）∧τO）1{τO≤θ<∞}= 经验-ZτOc（Xv）dvu（XτO）1{θ≥τO}，Px-a、 s。因此，通过[4，定理4.5.4]、边界条件（1.3）、恒等式（3.7）、增长估计（3.9）和支配收敛定理，我们可以将（5.4）中的极限作为s→ ∞,并得到thatu（x）≥ 前任经验-Zθc（Xv）dvψ（Xθ）1{θ<τO}+ 前任经验-ZτOc（Xv）dvg（XτO）1{θ≥τO，τO<∞}+ 前任Zθ∧τOexp-Zvc（Xw）dwf（Xv）dv= 前任经验-Zθc（Xv）dvψ（Xθ）1{θ<τO}+ 前任经验-ZτOc（Xv）dvg（XτO）1{θ≥τO}+ 前任Zθ∧τOexp-Zvc（Xw）dwf（Xv）dv,对于任何θ∈ Tx、x和x∈ O、 这就产生了u≥ 五、*关于O.第2步（u）≤ 五、*关于O）延拓区域c:={x∈ O:u（x）>ψ（x）}（5.5）是由u和ψ的连续性决定的一个开集。我们表示∧τt，x，x:=inf{s≥ t:Xs/∈ C，Xt=x}，（5.6）并且当t=0时，为了简洁起见，写入)τ=)τt，x，xf。■τt，x，Xis确实是相对于（Fs）s的停止时间≥t、 自（Xs）s≥这是连续的，O是开放的。使用与步骤1中相同的参数，用θ替换为τ，并且由于u（XSτ）=ψ（XSτ）和连续区域C上的A u=f，我们得到u（X）=Ex经验-Z~τc（Xs）dsψ（X碜τ）1{ττ<τO}+ 前任经验-ZτOc（Xs）dsg（XτO）1{≥τO}+ 前任Z~τ∧τOexp-Zsc（Xv）dvf（Xs）ds,对于任何x∈ O、 这意味着≤ 五、*关于O.证据现已完成。定理2.16的证明：我们需要证明在场景（B）下∈ Clo c（O）∪Γ) ∩C（O）∩C1,1，βs，loc（O∪Γ）是部分边界条件（1.3）下（1.2）的解，满足线性增长条件（2.10），然后它允许任意x的随机表示（2.18）∈ O∪ Γ和任何弱解(Ohm, F，（Fs）s≥0，Px，W，X）到（2.7）-（2.8），初始条件（2.9）为t=0。我们将再次省略v的上标X**, 当我们为每一个x求一个任意弱解时∈ O∪Γ.

从（2.16）和（2.18）中，我们可以看到u（x）=v**（x） =g（x），对于任何x∈ Γ. （5.7）仍需显示u=v**关于O，正如定理2.15的证明一样，我们将证明分为以下两个步骤。步骤1（u）≥ 五、**关于O）设ε>0，设（Uk）k∈定理2.9证明中Oas增子域的集合。对于任何x∈ O、 x∈ 当k足够大时。根据It^o公式，对于任何≥ 0和θ∈ Tx，X，u（X）=Ex经验-Zs∧θ∧λUkc（X（ε）v）dvUX（ε）s∧θ∧λUk+前任Zs∧θ∧λUkexp-Zvc（Xw）dwAεu（X（ε）v）dv,其中X（ε）由（4.13）定义，Aε由（4.14）定义。通过（4.14）和使用u≥ fon O，前面的身份givesu（x）≥ 前任经验-Zs∧θ∧λUkc（X（ε）v）dvUX（ε）s∧θ∧λUk+ 前任Zs∧θ∧λUkexp-Zvc（X（ε）w）dwf（X（ε）v）dv+ 前任Zs∧θ∧λUkexp-Zvc（X（ε）w）dw（Aε- A）u（X（ε）v）dv. （5.8）在不丧失一般性的情况下，我们假设ε<1/k，对于任何固定的大k∈ N.通过O的紧子集上的连续性off和u∪Γ，以及支配收敛定理，我们看到（4.16）和（4.17）成立。另外，由于残差项（Aε- A）u符合估计值（4.18），（4.20）在本案中也适用。因此，通过取ε↓ 0英寸（5.8），u（x）≥前任经验-Zs∧θ∧λUkc（Xv）dvUXs∧θ∧λUk+前任Zs∧θ∧λUkexp-Zvc（Xw）dwf（Xv）dv. （5.9）最后，应用定理2.7证明中使用的相同论点，并使用（4.22），我们可以取k→ ∞ 和s→ ∞ 在前面的不等式中，求出u（x）≥ 前任经验-Zθ∧λOc（Xv）dvu（Xθ）∧λO）+ 前任Zθ∧λOexp-Zvc（Xw）dwf（Xv）dv≥ 前任经验-Zθc（Xv）dvψ（Xθ）1{θ<λO}+ 前任经验-ZλOc（Xv）dvg（XλO）1{θ≥λO，λO<∞}+ 前任Zθ∧λOexp-Zvc（Xw）dwf（Xv）dv= 前任经验-Zθc（Xv）dvψ（Xθ）1{θ<λO}+ 前任经验-ZλOc（Xv）dvg（XλO）1{θ≥λO}+ 前任Zθ∧λOexp-Zvc（Xw）dwf（Xv）dv, （5.10）对于任何θ∈ Tx、x和x∈ O、 在第二个不平等中，我们使用了≥ ψon O∪Γ，从（1.2）开始，然后是u和ψ到Γ的连续性，在第三个等式中，我们使用了恒等式（3.7）。

由此得出结论，美国≥ 五、**关于O.第2步（u）≤ 五、**在O）上，我们在前面的步骤中选择θ=～τ，其中～τ由（5.6）定义，t=0。通过定义（5.5）中给出的连续区域C和障碍问题（1.2），不等式（5.8）、（5.9）和（5.10）保持相等。因此，我们得出以下结论：≤ 五、**在O上，完成了p屋顶。6抛物型终端/边值问题和障碍物问题在这一部分，我们将推导部分/完全边界条件下抛物型终端/边值问题（1.7）和障碍物问题（1.8）解的Feynman-Kac公式。回想一下Q=（0，T）×O，当∈ (0, ∞) 是固定的，其中O是上半空间H=Rd的一个（可能是无界的）连通的开放子集-1× (0, ∞) 使Γ=O∩ H 6=. 我们将需要对假设2.3进行以下类似操作：假设6.1。（线性增长条件）如果u是[0]子集上的向量值或矩阵值函数，∞) 存在一个单周期常数K>0，如ku（t，x）K≤ K（1+kxk）（6.1）在其域上。设C（Q）表示Q上连续函数的向量空间，而C（Q）表示Q上一致连续且有界的函数的banach空间。假设Du和Du分别表示函数u在Q上相对于空间变量的梯度和Hessian矩阵。设C（Q）表示函数u的向量空间，使得，u，ut和Du在Q上是连续的，而C（Q）表示函数u的Banach空间，使得，u，ut和Du一致连续且有界于Q。最后，设C（Q）表示函数u的向量空间，使得，u，ut，Du在Q上是连续的，而C（Q）表示函数u的Banach空间，使得，u，ut，Du和Du是一致连续的，并且是连续的。

如果T$Q是一个相对开放的集合，让Clo c（Q∪ T）表示函数u的向量空间，使得对于任何预紧开子空间 Q∪ T，u∈ C（V）。对于任何（t，x）∈ Q、 让(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））是（2.7）（2.8）的任意弱解，初始条件为（2.9）（回想一下，假设2.2和假设2.3保证了这种解的存在）。我们定义（X）*（t，x）=Et，x经验-ZτO∧Ttc（Xs）dsg（τO）∧ T、 XτO∧（T）+ Et，xZτO∧Ttexp-Zstc（Xv）dvf（s，Xs）ds, （6.2）u（X）**（t，x）=Et，x经验-ZλO∧Ttc（Xs）dsg（λO）∧ T、 XλO∧（T）+ Et，xZλO∧Ttexp-Xv（zsdv）f（s，Xs）ds, （6.3）式中，τO=τt，x，xo和λO=λt，x，xo分别定义为（2.11）和（2.12）。让Tx、Xt、T为所有（Fs）的集合∈[t，t]-停止时间取[t，t]中的值。对于任何θ，θ∈ Tx，Xt，T，定义θ，θX（T，X）：=Et，XZθ∧θtexp-Zstc（Xv）dvf（s，Xs）ds+Et，x经验-Zθtc（Xs）dsg（θ，Xθ）1{θ≤θ}+ Et，x经验-Zθtc（Xs）dsψ（θ，Xθ）1{θ>θ}, （6.4）andv（X）*（t，x）：=supθ∈Tx，Xt，TJτO∧T、 θX（T，X），（6.5）v（X）**（t，x）：=supθ∈Tx，Xt，TJλO∧T、 θX（T，X）。（6.6）在上面，以及在续集中，我们省略了概率Pt，x和期望值Et，x中所有随机变量的上标t和x。作为抛物线情况下引理3.4的模拟，我们对functionjθ，θx有以下估计。特别是函数u（x）*, u（X）**, v（X）*和v（X）**, 分别由（6.2）、（6.3）、（6.5）和（6.6）给出，定义良好，满足线性增长条件（6.1）。这个证明类似于引理3.4，因此被省略。引理6.2。修正T>0。设f，g和ψ是[0，T]×rdl上满足线性增长条件（6.1）的实值可测函数。假设系数函数b、σ和c满足（3.2）。

然后，对于任何（t，x）∈Q、 有弱解吗(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））到（2.7）-（2.8），初始条件为（2.9），以及任何θ，θ∈ Tx，Xt，T，函数Jθ，θX，由（6.4）给出，满足Jθ，θX（t，X）≤ C（1+kxk），（6.7），其中C i是一个普适正常数，仅取决于（6.1）中的K、假设2.5中的cas和（3.4）中的M。在续集中，我们将用引理3.5证明场景（A）和（B）中的抛物终端/边值和障碍问题的唯一性和存在性定理，这在第4节的开头已经说明。定义d*问：=dQ，如果场景（A）发生s，dQ，如果场景（B）发生，（6.8），并将前面提到的终端/边界值问题视为-ut+A u=f in Q，u=g ond*Q.（6.9）6.1抛物型终端/边值问题的Feynman-Kac公式我们首先建立了部分终端/边界条件（1.9）或完全终端/边界条件（1.11）的抛物型终端/边值问题（1.7）解的Feynman-Kac公式的唯一性。定理6.3。假设b，σ和c满足（3.2），b和σ服从线性增长条件（2.10），f∈ C（Q）在Q上服从线性增长条件（6.1），（1）假设定理2.7中的（a）、（b）或（C）出现。A给我那个g∈ Clo c（dQ）在dQ上服从（6.1）∈ cloc（Q）∪ dQ）∩ C（Q）是抛物型终端/边值问题（1.7）和（1.9）的一个解，它在Q上是（6.1）。然后，对于任何（t，x）∈ Q∪ dQ，u（t，x）=u（x）*（t，x），对于任何弱解(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））到（2.7）-（2.8），初始条件为（2.9），其中u（x）*由（6.2）给出。（2） 假设定理2.7中的情况（d）或（e）发生。假设g∈ Clo c（dQ）在dQ上是（6.1）。

乐土∈ cloc（Q）∪ dQ）∩ C（Q）是抛物型终端/边值问题（1.7）和（1.11）的一个解，它在Q上是（6.1）。然后，对于任何（t，x）∈ Q∪ dQ，u（t，x）=u（x）*（t，x），对于任何弱解(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））到（2.7）-（2.8），初始条件为（2.9），其中u（x）*由（6.2）给出。证据：我们需要证明如果你∈ cloc（Q）∪d*Q）∩C（Q）是（6.9）的解，它满足线性增长条件（6.1），然后它允许任意（t，x）的随机表示（6.2）∈ Q∪d*Q、 和任何弱解(Ohm, F，（Fs）s≥t、 在初始条件（2.9）下，Pt，x，W（t），x（t）到（2.7）-（2.8）。从u（X）的表达式*而u在（6.9）中的边界条件，很容易看出u（t，x）=u（x）*d上的（t，x）=g（t，x）*对于任何弱解。仍然需要证明u=u（X）*关于任意弱解的Q。这个证明与定理2.7相似，我们只是在这里略述一下。让（好的）k∈Nbe是O的C2，α开放子域的递增序列，如Theorem2的p屋顶。7，带α∈ （0,1），这样“好的” 每个k∈ N、 及∪K∈NOk=O.对于任何（t，x）∈ Q、 我们定义任意弱解(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））到（2.7）-（2.8），初始条件为（2.9），显然是（t，x）∈ 好的，足够大了。根据它的公式，Et，x经验-ZT∧τOktc（Xs）dsUτOk∧T、 XT∧τOk= u（t，x）- Et，xZT∧τOktexp-Zstc（Xv）dvf（s，Xs）ds. 我们需要把（6.10）中的极限取为k→ ∞.

通过增长估计（3.9）的一个分解版本（引理3.4中的条件可能比f弱得多，或者由于[26，问题5.3.15]的原因，停止时间以T为界），我们可以应用支配收敛定理来获得thatlimk→∞Et，xZT∧τOktexp-Zstc（Xv）dvf（s，Xs）ds= Et，xZT∧τOtexp-Zstc（Xv）dvf（s，Xs）ds.对于（6.10）左侧的非整数项，通过u和样本路径sof（Xs）s的连续性≥t、 我们首先是哈维利姆→∞经验-ZT∧τOktc（Xs）dsUT∧τ好，XT∧τOk= 经验-ZT∧τOtc（Xs）dsu（T）∧τO，XT∧τO），a.s。根据[4，定理4.5.4]，为了证明相应期望的收敛性，我们只需要证明经验-ZT∧τOktc（Xs）dsUT∧ τ好，XT∧τOk: K∈ N是一致可积随机变量的集合。要做到这一点，必须证明它们的第二阶矩是均匀有界的，这是从[26，问题3.15]和u上的线性增长条件（6.1）得出的。证明现在已经完成。设C1,1，βs，loc（（0，T）×（O）∪（0，T）×（O）的子空间∪Γ))∩cloc（（0，T）×O∪Γ））由函数Γ组成，使得，f或任何预紧开子集V [0，T]×（O）∪ Γ，sup（t，x）∈五、||（t，x）|+kD|（t，x）k+xβdD~n（t，x）< ∞.然后我们得到了以下替代唯一性结果。定理6.4。假设定理2.7中的情况（d）或（e）发生。设b，σ和c如6.3所示，设c∈ Clo c（O）∪Γ). 假设f，g∈ Clo c（dQ）在dQ上服从线性增长条件（6.1）∈ cloc（Q）∪ dQ）∩ C（Q）∩ C1,1，βs，loc（（0，T）×（O）∪Γ）是抛物型终端/边值问题（1.7）和（1.11）的解，在Q上服从（6.1）。

然后，对于任何（t，x）∈ Q∪ dQ，我们有u（t，x）=u（x）**（t，x），对于任何弱解(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））到（2.7）-（2.8），初始条件为（2.9），其中u（x）**是吉文比（6.3）。证明：对于ε>0，根据It^o公式，我们得到了x经验-Zt∧λUkc（X（ε）s）dsUT∧ λUk，X（ε）t∧λUk= u（t，x）- Et，xZt∧λUkexp-Zsc（X（ε）v）dvAεu（s，X（ε）s）ds,其中Uk、Aε和X（ε）的定义与定理2.9的证明相同。现在，p屋顶与定理2.9的论点相同。与椭圆型情形类似，我们得到了关于抛物型终端/边值问题解的存在性的两个结果，分别是连续和H¨older连续终端/边界数据。定理6.5。除了定理6.3的假设之外，假设Γ属于C2，α，thatb，σ类∈ C0，α（O），和f∈ C0，α（Q），对于某些α∈ (0, 1).（1） 假设定理2.7中的任一情况（a）、（b）或（c）发生。A给我那个g∈ Clo c（dQ）在dQ上服从（6.1）。对于任何（t，x）∈ Q∪ dQ，让我们(Ohm, F，（Fs）s≥t、 在初始条件（2.9）下，Pt，x，W（t），x（t）是（2.7）-（2.8）的绝对解，并设u（x）*定义如（6.2）所示。然后，u（X）*是（1.7）的解，终端/边界条件（1.9）沿dQ.特别是u（X）*∈ cloc（Q）∪ dQ）∩ C2，α（Q），它在Q上服从（6.1）∪ dQ.（2）假设定理2.7中的情况（d）或（e）发生。假设g∈ Clo c（dQ）在dQ上是（6.1），对于任何（t，x）∈ Q∪ dQ，让我们(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））是（2.7）-（2.8）在初始条件（2.9）下的弱解，并设u（x）*定义如（6.2）所示。然后，u（X）*是（1.7）的解，终端/边界条件（1.11）沿dQ.特别是u（X）*∈ cloc（Q）∪ dQ）∩ C2，α（Q），它在Q上服从（6.1）∪ dQ.证明：该证明类似于定理2.11的证明，我们将仅概述一下。

为了简单起见，我们将省略u的上标X*因为，对于每个（t，x）∈ Q∪ d*Q、 我们给出了任意弱解(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））。从（6.3）的表达式来看，显然我们有*= g ond*Q.通过[20，定理3.1.2]，我们可以扩展g∈ cloc（d）*Q） 到[0，T]×Rd上的一个函数（再次调用），使其扩展属于Clo c（[0，T]×Rd）。让（好的）k∈Nbe定理2.7中O的C2，α开s子域的递增序列∈ （0,1），这样“好的” O每k∈ N、 及∪K∈NOk=O，设Qk:=（0，T）×每k∈ N.在Qk上，根据[20，定理3.4.9]，终端/边值问题-在Qk中，u=g在（（0，T）×上好的）∪{T}×\'好的,在英国有独特的解决方案∈ C（`Qk）∩ C2，α（Qk），根据[21，定理6.5.2]，它允许随机表示：对于任意（t，x）∈ （（0，T）×）好的）∪{T}×\'好的,英国（t，x）=东部，x经验-ZτOk∧Ttc（Xs）dsGτOk∧ T、 XτOk∧T+ Et，xZτOk∧Ttexp-Zstc（Xv）dvf（s，Xs）ds.这里，我们注意到，对于（2.7）-（2.8）的任何弱解，具有相同的初始数据（t，x）∈ Q、 在τt，x，XO上有唯一的规律。因为τOk→ τOa。s、 ，作为k→ ∞, 使用与第6.3节相同的论点，我们可以证明上述方程右侧的收敛性。因此→ ∞, 英国向美国靠拢*在Q中有针对性地使用抛物型方程的内部Schauder估计[29，练习10.4.2]，并使用与定理2.12证明的第一步相同的论证，我们可以得到*∈C2，α（Q）。为了获得u的连续性*直到边界d*Q、 我们可以在定理2.12证明的第二步中使用相同的论点。定理6.6。除了定理6.3的假设，假设b，σ∈ C0，α（O）和thatf∈ C0，αloc（Q∪ dQ），对于某些α∈ (0, 1).（1） 假设定理2.7中的任一情况（a）、（b）或（c）发生。

假设边界部分Γ属于C2类，α，且g∈ C2，αloc（Q∪dQ）在Q上服从线性增长条件（6.1）∪dQ，以及-gt+ag=f在{T}×Γ上。（6.11）对于任何（t，x）∈ Q∪ dQ，让我们(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））是（2.7）（2.8）在初始条件（2.9）下的弱解，且设u（x）*定义如（6.2）所示。然后，u（X）*沿dQ的终端/边界条件（1.9）的（1.7）的isa解，特别是u（X）*∈ C2，αloc（Q∪ dQ）在Q上服从（6.1）∪ dQ.（2）假设定理2.7中的情况（d）或（e）发生。假设边界C2类的Ois，α，和g∈ C2，αloc（Q∪ dQ）∩ cloc（Q）∪ dQ）在Q上服从线性增长条件（6.1）∪ dQ，以及-{T}×上的gt+ag=fO.（6.12）对于任何（t，x）∈ Q∪ dQ，让我们(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））在初始条件（2.9）下是（2.7）-（2.8）的弱解，并设u（x）*定义如（6.2）所示。然后，u（X）*是具有终端/边界条件（1.9）的（1.7）的解。特别是u（X）*∈ C2，αloc（Q∪ dQ）Q上的whichobeys（6.1）∪ dQ.证明：对于这种抛物线情况，我们可以使用与定理2.12的p屋顶相同的策略。唯一不同的是，当我们证明*∈ C2，α（Q）（或u）*∈ C2，α（d）*Q） ）你在哪里*当我们通过与定理6.5的证明类似的极限论证获得解时，我们对抛物方程使用内部Schauderistimate[29，练习10.4.2]（或边界Schauder估计[16，命题a.1]），而不是椭圆情况下的[22，推论6.3]（或[22，推论6.7]）。备注6.7。与定理2.12关于具有H¨older连续终端/边界条件的椭圆终端/边值问题解的存在性不同，抛物线情况需要相容性条件（6.11）和（6.12）（参见。

[29，第10.4节]）.6.2抛物线障碍物问题的费曼-卡克公式在最后一小节中，我们简要研究了抛物线障碍物问题（1.8）的费曼-卡克公式，以及部分/全部终端/边界条件。与椭圆情况类似，这两种情况（见第4节）取决于过程X是否达到Γ，可以合并为一个障碍问题闵{-ut+A u- f、 u- ψ} =0 in Q，u=g ond*Q、 在哪里*Q在（6.8）中定义。下面两个定理的证明分别与定理2.15和定理2.16的证明相似，因此省略。定理6.8。设f，b，σ和c如定理6.3所示，设ψ∈ C（Q）这是线性生长条件（6.1）。（1） 假设定理2.7中的任一情况（a）、（b）或（c）发生。假设ψ∈ cloc（Q）∪dQ），以及∈ Clo c（dQ）在dQ上服从（1.10）和（6.1）∈ cloc（Q）∪ dQ）∩ C（Q）是抛物线障碍问题（1.8）和（1.9）的解，使得u和a uobey（6.1）都在Q上。然后，对于任何（t，x）∈ Q∪ dQ，u（t，x）=v（x）*（t，x），对于任何弱解(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））到（2.7）-（2.8），初始条件为（2.9），其中v（x）*由（6.5）给出。（2） 假设在定理M2.7中出现了（d）或（e）。假设ψ∈ cloc（Q）∪ dQ），以及∈ Clo c（dQ）在dQ上服从（1.12）和（6.1）∈ cloc（Q）∪ dQ）∩ C（Q）是椭圆障碍问题（1.8）和（1.11）的解，使得u和a uobey（6.1）都在Q上。然后，对于任何（t，x）∈ Q∪ dQ，u（t，x）=v（x）*（t，x），对于任何弱解(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））至（2.7）-（2.8），初始条件为（2.9），其中v（x）*由（6.5）给出。定理6.9。假设定理2.7中的情况（d）或（e）发生。设f，b，σ和c为定理6.4。

让ψ∈ cloc（Q）∪dQ）在Q上服从线性增长条件（6.1），并且∈ Clo c（dQ）在dQ上服从（1.10）和（6.1）∈ cloc（Q）∪ dQ）∩ C（Q）∩ C1,1，βs，loc（Q∪ （0，T）×（O）∪ Γ）是抛物线障碍问题（1.8）和（1.9）的解，使得u和a都服从（6.1）。然后，对于任何（t，x）∈ Q∪dQ，u（t，x）=v（x）**（t，x），对于任何弱解(Ohm, F，（Fs）s≥t、 Pt，x，W（t），x（t））到（2.7）-（2.8），初始条件为（2.9），其中v（x）**由（6.6）给出。参考文献[1]R.A.亚当斯，索博列夫空间出版社，学术出版社，纽约，1975年。[2] E。Bayraktar，C.Kardaras和H.Xing，《随机波动模型的估值方程》，暹罗金融数学杂志，第3卷，第1期，351-373页，2012年。[3] A.Bensousan和J.L.Lions，变分不等式在随机控制中的应用，北荷兰，纽约，1982年。[4] 《概率论课程》，第三版，学术出版社，2001年，纽约。[5] J.C.Cox，关于期权定价的注释I:方差差异的恒定弹性，未出版注，斯坦福德大学商学院，1975年。[6] P.Daskalopoulos和P.M.N.Feehan，《数学金融中退化椭圆障碍问题的存在性、唯一性和全局正则性》，预印本，2011年。可访问arXiv:1109.1075v1。[7] 《金融学》和《金融学》，2012年。可从arXiv获得：1206.0831v1。[8] P.Daskalopoulos和R.Hamilton，《多孔介质方程自由边界的正则性》，美国数学学会杂志，第11卷，第4期，第899-065页，1998年。[9] D.Du ffie，D.Filipovi\'c和W.Schachermayer，《应用概率年鉴》，第13卷，第4期，第984-1053页，2003年。[10] E.Ekstrom和J。

Tysk，《随机波动模型中的Black-Scholes方程》，数学分析与应用杂志，第368卷，第2期，第498-507页，2010年。[11] E.Ekstrom和J.Tysk，单因素项结构方程的边界条件，应用概率年鉴，第21卷，第1期，332-350页，2011年。[12] H.J.Engelbert and W.Schmidt，关于具有广义漂移的e维随机微分方程，Lec tu re Notes in Control and Information Sciences，第69卷，第143-155页，Springer Verlag，柏林，1985年。[13] H.J.Engelbert和W.Schmidt，关于无漂移随机微分方程的解，Zeitschrift f–ur Wahrscheinlichkeits theory and verwandte Gebiete，第68卷，287-3141985页。[14] P.M.N.Feehan和C.Pop，《数学金融学中的退化椭圆算子与变分方程和不等式解的H–older连续性》，P再版，2013年。可从arXiv获得：1110.5594v3。[15] P.M.N.Feehan和C.Pop，《关于具有无界系数的退化抛物偏微分算子的鞅问题和It^o过程的模拟定理》，美国数学学会学报，第367卷，第11期，第7565-75932015页。[16] P.M.N.Feehan和C.Pop，退化椭圆型和抛物型边值问题解的随机表示，带Dirichlet边界条件的障碍物问题，美国数学学会学报，第367卷，第981-1031页，2015年。[17] P.M.N.Feehan和C.Pop，《数学函数中的退化椭圆算子和变分方程解的高阶正则性》，微分方程进展，第20卷，第3/4期，第361-432页，2015年。[18] R.P.费曼，《量子力学中的最小作用原理》，普林斯顿大学博士论文，1942年。重印于《费曼论文：量子理论的新方法》，L.M。

布朗，世界科学出版社，纽约，2005年。[19] 《金融过程：理论与应用》，高级金融建模，计算与应用数学系列，第8卷，第125-164页，柏林沃尔特·德·格鲁伊特，2009年。[20] A.弗里德曼，《抛物线型偏微分方程》，普伦蒂斯·霍尔，纽约，1964[21]A.弗里德曼，《随机微分方程与应用》，第一、二卷，学术出版社，纽约，1975和1976年。[22]D.Gilbarg和N.Trudinger，《二阶椭圆偏微分方程》，第二版，纽约斯普林格，1983年。[23]P.S.Hagan，D.Kumar，A.S.Lesniewski和D.E.Wo odward，管理微笑风险，Wilmottmagzine，2003年。[24]S.Heston，随机波动期权的封闭形式解，适用于债券和现金期权，金融研究综述，第6卷，第2期，327-3431993页。[25]M.K ac，关于某些维纳泛函的分布，《美国数学学会学报》，第65卷，第1期，第1-13页，1949年。[26]I.Karatzas和S.E.S hreve，《布朗运动与随机微积分》，第二版，斯普林格，纽约，1991年。[27]S.Karlin和H.Taylor，关于随机过程的第二门课程，学术，纽约，1981年。[28]H.Koch，非欧几里德奇异积分和多孔介质方程，适应化论文，海德堡大学，1999年。[29]N.V.Krylov，H¨older空间中的椭圆和抛物方程讲座，美国数学学会，普罗维登斯，国际扶轮，1996年。[30]B.Oksendal，《随机微分方程》，第六版，柏林斯普林格，2003年。[31]D.Revuz和M.Yor，《连续鞅与布朗运动》，第三版，纽约斯普林格，1999年。[32]D.W.Stroock和S.R.S.Varadhan，关于二阶退化椭圆型抛物算子及其相关影响，纯数学和应用数学通讯，第25卷，第6期，pp。

651-713, 1972.[33]T.Yamada，Su r u ne Construction des Solutions D\'\'方程组的微分方程组，dansle Cas Non-lipschitzien，S\'eminaire de Probabilit\'es，X II（斯特拉斯堡大学，斯特拉斯堡，1976/1977），数学课堂讲稿，第649卷，第114-131页，柏林斯普林格，1978年。[34]周伟，退化椭圆型方程解导数估计的拟竞争方法，随机过程及其应用，第123卷，第8期，第30643099页，2013年。