Regularization and Asymptotic Behaviour of Ornstein-Uhlenbeck Evolution Operators in Infinite Dimension

Résumé Technique : Régularisation et Comportement Asymptotique des Opérateurs d'Évolution d'Ornstein-Uhlenbeck en Dimension Infinie

Énoncé du Problème
L'article étudie les propriétés des opérateurs d'évolution d'Ornstein-Uhlenbeck (OU) agissant sur des fonctions définies dans un espace de Hilbert séparable $X$. L'étude se concentre spécifiquement sur le cadre non autonome en dimension infinie où les coefficients de l'équation de Kolmogorov inversée associée dépendent du temps. Les objectifs principaux sont doubles :

1. Établir des propriétés de régularisation générales de ces opérateurs lorsqu'ils agissent sur des espaces $L^p$ par rapport à un système de mesures d'évolution approprié.
2. Analyser le comportement asymptotique des opérateurs dans le cas périodique dans le temps, en identifiant spécifiquement le taux de convergence optimal vers la moyenne par rapport au temps, et en fournissant un critère d'optimalité basé uniquement sur le terme de dérive.

Bien que la théorie pour les opérateurs d'OU autonomes en dimension infinie soit bien établie, le cas non autonome reste moins complet. Des travaux antérieurs ont traité des équations non autonomes en dimension finie et des inégalités fonctionnelles spécifiques (par exemple, la propriété de Feller forte, l'hypercontractivité) en dimension infinie, mais une analyse complète des taux de décroissance asymptotique et de leur optimalité dans le contexte $L^p$ faisait défaut.

Méthodologie
L'analyse est structurée autour de l'opérateur d'évolution $\{U(t, s)\}$ associé à une famille d'opérateurs linéaires $\{A(t)\}$ et une famille bornée $\{B(t)\}$. L'opérateur d'évolution d'OU $P_{s,t}$ est défini via une mesure gaussienne de moyenne $U(t, s)x$ et de covariance $Q(t, s)$.

La méthodologie procède à travers plusieurs étapes clés :

• Systèmes de Mesures d'Évolution : Les auteurs introduisent la famille de mesures gaussiennes centrées $\mu_t = N(0, Q(t, -\infty))$, appelée « système de mesures d'évolution ». Celles-ci généralisent le concept de mesures invariantes dans le contexte non autonome, satisfaisant la propriété d'invariance $\int P_{s,t}\phi \, d\mu_s = \int \phi \, d\mu_t$.
• Extension aux Espaces $L^p$ : L'opérateur $P_{s,t}$, initialement défini sur les fonctions continues bornées $C_b(X)$, est étendu à $L^p(X, \mu_t)$. Cette extension repose sur la propriété d'invariance et la nature contractante de l'opérateur.
• Régularisation via les Espaces de Sobolev : Un composant technique central consiste à prouver que $P_{s,t}$ projette les fonctions $L^p$ dans les espaces de Sobolev de premier ordre $W^{1,p}(X, \mu_s)$. Cela nécessite de traiter des fonctions scalaires et vectorielles. Les auteurs définissent les espaces de Sobolev à valeurs vectorielles en utilisant des fonctions cylindriques et la clôture de l'opérateur gradient dans la norme de Hilbert-Schmidt. La preuve de la régularisation utilise le théorème de Cameron-Martin et la « condition de contrôlabilité » (Hypothèse 8), qui garantit que l'image de l'opérateur d'évolution est contenue dans l'image de la racine carrée de l'opérateur de covariance.
• Analyse Spectrale dans le Cas Périodique : En supposant que les coefficients $A(\cdot)$ et $B(\cdot)$ sont $T$-périodiques, les auteurs emploient la théorie spectrale des opérateurs compacts. Ils analysent l'opérateur $P_{0,T}$ restreint au sous-espace des fonctions de moyenne nulle. La compacité de $P_{0,T}$ (dérivée des résultats de régularisation) permet d'utiliser les formules du rayon spectral pour estimer les taux de convergence.
• Liaison des Spectres : Une étape critique consiste à relier le spectre de l'opérateur d'OU $P_{0,T}$ au spectre de l'opérateur d'évolution adjoint $U(T, 0)^*$. Les auteurs démontrent que les valeurs propres de $U(T, 0)^*$ correspondent aux valeurs propres de $P_{0,T}$, spécifiquement pour les fonctions propres linéaires.

Contributions Clés et Résultats

1. Régularisation et Compacité : L'article prouve que pour $p > 1$, l'opérateur d'OU étendu $P_{s,t}: L^p(X, \mu_t) \to L^p(X, \mu_s)$ est un opérateur compact. Son image est contenue dans l'espace de Sobolev $W^{1,p}(X, \mu_s)$, et le gradient satisfait une estimation spécifique impliquant l'opérateur $\Lambda(t, s) = Q(t, s)^{-1/2}U(t, s)$. Cette compacité est pivotale pour l'analyse spectrale ultérieure.

2. Taux de Convergence Exponentielle : Dans le cas périodique dans le temps, l'article établit que la convergence de $P_{s,t}f$ vers sa moyenne $\int f d\mu_t$ est exponentielle. Plus précisément, pour tout $\omega$ strictement supérieur au taux de décroissance $\omega_0$ de l'opérateur d'évolution $U(t, s)$ (où $\|U(t, s)\| \leq Me^{\omega_0(t-s)}$), il existe une constante $C_{T,\omega}$ telle que :
   $$\| P_{s,t}f - \int_X f d\mu_t \|_{L^p(X, \mu_s)} \leq C_{T,\omega} e^{\omega(t-s)} \|f\|_{L^p(X, \mu_t)}$$
   Le rayon spectral de $P_{0,T}$ restreint aux fonctions de moyenne nulle est montré être borné par $e^{\omega_0 T}$.

3. Critère d'Optimalité : L'article fournit une condition suffisante pour que le taux de convergence soit optimal, signifiant que le taux ne peut être amélioré au-delà de $e^{\omega_0(t-s)}$. La condition est que toutes les valeurs propres de $U(T, 0)^*$ ayant le module maximal $e^{\omega_0 T}$ doivent être semi-simples. Si cette condition est remplie, l'estimation est valable avec $\omega = \omega_0$.

   • Crucialement, les auteurs notent que ce critère d'optimalité dépend uniquement du terme de dérive $A(\cdot)$ (via $U(T, 0)^*$) et non du terme de diffusion $B(\cdot)$.

4. Exemple Concret : La section 5 construit un exemple concret dans $X = L^2(\Omega)$ où $A(t)$ est un opérateur différentiel elliptique périodique dans le temps et $B(t)$ est une puissance fractionnaire de $A(t)^{-1}$. Les auteurs vérifient que ce système satisfait toutes les hypothèses, y compris la condition de contrôlabilité et la non-dégénérescence des mesures. De plus, ils prouvent que pour cet exemple spécifique, la valeur propre de $U(T, 0)^*$ ayant le module maximal est unique et semi-simple, confirmant ainsi que le taux de convergence dérivé est effectivement optimal pour cette classe d'opérateurs.

Signification
L'article prétend faire progresser la théorie des équations d'évolution non autonomes en dimension infinie en :

• Fournissant un cadre rigoureux pour la régularisation $L^p$ des opérateurs d'OU par rapport à des systèmes de mesures d'évolution.
• Établissant un lien direct entre les propriétés spectrales de l'opérateur d'évolution déterministe sous-jacent $U(t, s)$ et la décroissance asymptotique de l'opérateur d'OU stochastique $P_{s,t}$.
• Offrant un critère vérifiable (semi-simplicité des valeurs propres maximales de l'opérateur de dérive) pour déterminer la précision du taux de convergence.
• Démontrant que la vitesse de convergence optimale est gouvernée entièrement par les coefficients de premier ordre (dérive) du générateur, un résultat qui simplifie l'analyse de systèmes stochastiques complexes.

Ce travail comble le fossé entre le cas autonome bien compris et le scénario non autonome plus complexe, fournissant des outils pour analyser le comportement à long terme des solutions d'équations différentielles stochastiques en dimension infinante.