Long-time behaviour of dynamical systems driven by bounded mixing noises

Resumen Técnico: Comportamiento a largo plazo de sistemas dinámicos impulsados por ruidos de mezcla acotados

Planteamiento del Problema
Este trabajo investiga el comportamiento estadístico a largo plazo, específicamente las propiedades de mezcla, de sistemas dinámicos disipativos impulsados por fuerzas aleatorias acotadas. El estudio aborda tanto sistemas de tiempo discreto de la forma $u_k = S(u_{k-1}, \eta_k)$ como sistemas de tiempo continuo $\dot{u}(t) = F(u(t), \eta(t))$. El objetivo principal es establecer la mezcla exponencial en la métrica de variación total (para espacios de fase de dimensión finita) y en la métrica dual-Lipschitz (para espacios de dimensión infinita) bajo condiciones donde el forzamiento aleatorio $\eta$ es acotado y satisface propiedades específicas de mezcla y regularidad. El trabajo extiende el marco desarrollado por Kuksin y Shirikyan (2025) a clases más amplias de procesos no estacionarios y sistemas de tiempo continuo con trayectorias de muestras continuas.

Metodología
Los autores emplean una estrategia de "elevación de Markov" (Markov lifting) combinada con un argumento de acoplamiento basado en el funcional de Kantorovich. Los pasos metodológicos centrales incluyen:

1. Reducción a Tiempo Discreto: Los sistemas de tiempo continuo se reducen a sistemas dinámicos aleatorios (RDS) de tiempo discreto mediante mapas de tiempo uno. Para trayectorias continuas, el ruido sobre un intervalo $I_k = [k-1, k)$ se trata como un elemento de un espacio de Hilbert de curvas.
2. Elevación de Markov: El sistema original no markoviano (donde el ruido puede tener memoria) se eleva a un proceso de Markov en un espacio de estado extendido $\mathcal{X} = X \times K$, donde $X$ es el espacio de fase y $K$ es el espacio de historias del ruido. La dinámica en $\mathcal{X}$ se define mediante un mapa $\mathcal{S}(U, \eta) = (S(v, \eta), (\xi, \eta))$.
3. Acoplamiento Doeblin vía Funcional de Kantorovich: Para probar la mezcla exponencial, los autores construyen un acoplamiento de dos trayectorias que parten de diferentes condiciones iniciales. Esto implica:
   • Estabilización Local: Utilizar supuestos de controlabilidad linealizada para construir un mapa $\Phi$ que "comprime" la distancia entre dos estados cuando están cerca.
   • Recurrencia: Utilizar una condición de "recurrencia al origen" para asegurar que las trayectorias entren en una pequeña vecindad del origen con probabilidad positiva.
   • Decaimiento Iterativo: Aplicar el funcional de Kantorovich para mostrar que la distancia entre las leyes de las trayectorias acopladas decae exponencialmente.
4. Manejo de Dimensiones Infinitas: Para espacios de fase de dimensión infinita, el supuesto estándar de controlabilidad linealizada se reemplaza por una condición de "Controlabilidad Linealizada Aproximada" (ALC) que involucra un subespacio determinante de dimensión finita y una secuencia de subespacios de dimensión finita que aproximan el espacio del ruido.

Supuestos Clave
Los resultados dependen de los siguientes supuestos estructurales sobre el sistema y el ruido:

• Disipatividad: El sistema no forzado es estrictamente disipativo, y el sistema forzado posee un conjunto absorbente compacto.
• Regularidad (SF): Las distribuciones condicionales del ruido con respecto a su pasado son Lipschitz continuas en la distancia de variación total (análogo a la propiedad de fuerte Feller).
• Recurrencia (RZ): El proceso de ruido tiene una probabilidad positiva de entrar y permanecer en una pequeña vecindad del origen durante una duración fija, independientemente del pasado.
• Controlabilidad/No degeneración:
  • Dimensión finita: Una condición de controlabilidad linealizada donde la derivada del mapa con respecto al ruido, restringida a un subespacio de dimensión finita, es sobreyectiva. La distribución del ruido condicional en este subespacio debe admitir una densidad Lipschitz.
  • Dimensión infinita: Una versión aproximada donde la imagen de la derivada del ruido contiene un subespacio determinante de dimensión finita, y el ruido satisface una propiedad de descomponibilidad y Lipschitz (DLP) sobre una secuencia de subespacios de dimensión finita.

Resultados Principales

1. Caso de Dimensión Finita (Teorema A/3.3): Bajo los supuestos establecidos, el sistema de tiempo discreto es exponencialmente mezclante en la distancia de variación total. Existe un proceso estacionario único (en distribución) tal que cualquier solución converge a él con una velocidad exponencial.
2. Caso de Dimensión Infinita (Teorema B/5.2): Para sistemas con espacios de fase de dimensión infinita (p. ej., EDP), el sistema es exponencialmente mezclante en la distancia dual-Lipschitz. Generalmente no se reclama la mezcla en variación total para el caso de dimensión infinita debido a la falta de absolutely continuidad de las medidas en dimensiones infinitas.
3. Reconstrucción del Proceso (Corolario C): El artículo demuestra que las propiedades de mezcla del sistema elevado implican que un proceso aleatorio puede ser reconstruido de forma única a partir de sus probabilidades de transición condicionales, si dichas probabilidades satisfacen las condiciones de regularidad y recurrencia.
4. Aplicaciones a ODEs y EDPs:
   • ODEs: Los resultados se aplican a ecuaciones diferenciales ordinarias impulsadas por procesos aleatorios acotados con trayectorias $H^1_{loc}$ (trayectorias continuas). Los autores muestran cómo descomponer el ruido para satisfacer las hipótesis requeridas.
   • PDEs: La teoría se aplica a las ecuaciones primitivas de la dinámica atmosférica (3D) perturbadas aleatoriamente. Los autores establecen la mezcla exponencial en la métrica dual-Lipschitz para estas ecuaciones impulsadas por fuerzas aleatorias continuas y acotadas.

Significancia y Reivindicaciones
El artículo afirma proporcionar una versión más accesible del enfoque introducido por Kuksin y Shirikyan (2025) al tiempo que extiende significativamente su aplicabilidad. Específicamente:

• Elimina el requisito de que el proceso de ruido sea estacionario, acomodando procesos acotados no estacionarios.
• Extiende el marco a sistemas de tiempo continuo con trayectorias de muestras continuas (específicamente trayectorias $H^1_{loc}$), que no estaban cubiertos en el trabajo previo que se centraba en procesos $L^2_{loc}$.
• Relaja los supuestos de densidad en el espacio del ruido en el entorno de dimensión infinita, permitiendo casos donde la unión de los subespacios de dimensión finita no es densa en el espacio completo del ruido.
• La metodología maneja con éxito las ecuaciones primitivas de la dinámica atmosférica, un sistema de EDP no lineal significativo, probando su mezcla exponencial bajo forzamiento continuo acotado, un régimen donde la buena adecuación (well-posedness) es conocida pero las propiedades de mezcla no se habían establecido previamente para fuerzas continuas.

Los autores enfatizan que su enfoque se basa en elevar la dinámica a un proceso de Markov en un espacio de historia y aplicar un argumento de acoplamiento, lo que permite sortear la propiedad de fuerte Feller del sistema original, la cual a menudo falla en dimensiones infinitas o para ruidos no markovianos.