Sharp bounds for non-trace class noise and applications to SPDEs

Sintesi Tecnica: Limiti Ottimali per Rumore Non di Classe Traccia e Applicazioni alle SPDE

Enunciato del Problema
Il lavoro affronta la convergenza e la regolarità delle serie gaussiane della forma $g \sum_{n \ge 1} \gamma_n \mu_n f_n$ nel contesto delle equazioni differenziali stocastiche alle derivate parziali (SPDE) guidate da rumore spazio-temporale colorato e non di classe traccia. Qui, $(\gamma_n)$ sono variabili gaussiane standard indipendenti, $g$ è un coefficiente spaziale in $L^\eta(O)$, $(\mu_n)$ è una successione di scalari che rappresenta la "colorazione" del rumore e $(f_n)$ è un sistema ortonormale in $L^2(O)$.

La letteratura esistente spesso limita l'analisi a due estremi: rumore di classe traccia (dove $\sum \mu_n^2 \|f_n\|_{L^\infty}^2 < \infty$) o rumore bianco spazio-temporale (dove $\mu_n \equiv 1$). Il regime intermedio, in cui il rumore è non di classe traccia ma più regolare del rumore bianco, presenta delle sfide. Risultati precedenti in questo regime intermedio facevano spesso affidamento su ipotesi restrittive, come richiedere che il sistema ortonormale $(f_n)$ fosse costituito da autofunzioni dell'operatore differenziale coinvolto, o imporre condizioni aggiuntive di sommabilità sugli autovalori che limitano la gamma di intensità di rumore ammissibili. Inoltre, molti limiti esistenti non erano ottimali rispetto all'invarianza di scala delle SPDE associate, in particolare per quanto riguarda l'integrabilità del coefficiente $g$.

Metodologia
Gli autori adottano un approccio di analisi funzionale centrato sugli operatori $\gamma$-radonificanti e sull'interpolazione multilineare.

1. Operatori $\gamma$-Radonificanti: La convergenza della serie gaussiana è riformulata come la limitatezza di un operatore di moltiplicazione $M_g$ composto con un operatore di rumore $R_\mu$ che mappa in spazi di operatori $\gamma$-radonificanti, specificamente $\gamma(L^2(O), \tilde{H}^{-s,q}(O))$. Ciò consente l'utilizzo della proprietà ideale degli spazi $\gamma$ e delle caratterizzazioni tramite funzioni quadratiche.
2. Spazi di Successioni Ponderati: Una innovazione cruciale è l'introduzione dello spazio di successioni ponderato $\ell^\zeta(S_f)$, definito dalla norma $\|\mu\|_{\ell^\zeta(S_f)} = (\sum |\mu_n|^\zeta \|f_n\|_{L^\infty}^2)^{1/\zeta}$. Questo spazio interpola naturalmente tra la condizione di classe traccia ($\zeta=2$) e la condizione di limitatezza ($\zeta=\infty$), codificando esplicitamente la crescita $L^\infty$ del sistema ortonormale.
3. Disuguaglianza $\gamma$-di Young: Gli autori stabiliscono una nuova "disuguaglianza di Young" per operatori $\gamma$-radonificanti che coinvolge convoluzioni con spazi di Lebesgue deboli ($L^{r,\infty}$). Ciò è essenziale per gestire le singolarità dei nuclei del potenziale di Bessel nei casi critici (invarianti di scala).
4. Interpolazione Multilineare: I risultati principali sono derivati interpolando tra due casi estremi:
   • Caso $\zeta=2$: Corrisponde al rumore di classe traccia, dimostrato tramite immersioni di Sobolev e l'identificazione degli spazi $\gamma$ con spazi $L^\eta$ a valori in $L^2$.
   • Caso $\zeta=\infty$: Corrisponde al rumore limitato, dimostrato utilizzando la disuguaglianza $\gamma$-di Young e le proprietà degli operatori di moltiplicazione negli spazi di Sobolev.
     L'interpolazione è eseguita sulla mappa bilineare $(g, \mu) \mapsto M_g R_\mu$.

Contributi e Risultati Chiave

• Immersioni di Sobolev Ottimali per Serie Gaussiane (Teorema 4.1): Il lavoro stabilisce condizioni necessarie e sufficienti affinché la serie $g \sum \gamma_n \mu_n f_n$ converga negli spazi del potenziale di Bessel $\tilde{H}^{-s,q}(O)$. Le condizioni sono:
  $$\frac{s}{d} + \frac{1}{q} \ge \frac{1}{\eta} + \frac{1}{2} - \frac{1}{\zeta} \quad \text{e} \quad \frac{1}{\eta} - \frac{1}{\zeta} < \frac{1}{2}.$$
  Questi limiti sono ottimali, nel senso che catturano l'esatta invarianza di scala del problema. Il risultato vale per sistemi ortonormali generali $(f_n)$ senza richiedere che siano autofunzioni di un operatore differenziale specifico.

• Spazi Omogenei (Teorema 4.2): Per lo spazio intero $O = \mathbb{R}^d$, gli autori forniscono risultati analoghi per gli spazi di Sobolev omogenei $\dot{H}^{-s,q}(\mathbb{R}^d)$, dove la prima condizione vale con uguaglianza.

• Generalizzazione ai Multipli di Fourier (Teorema 4.9): Il quadro teorico è esteso ai rumori gaussiani definiti tramite moltiplicatori di Fourier $T_m$ su $\mathbb{R}^d$, dove il simbolo $m$ appartiene a $L^\zeta(\mathbb{R}^d)$. Ciò copre i campi casuali di Matérn e altre strutture di rumore basate su convoluzioni.

• Regolarità Ottimale per le Equazioni del Calore Stocastiche (Teorema 6.3): Applicando i limiti per le serie gaussiane all'equazione del calore stocastica $\partial_t u - \Delta u = g \partial_t W$, gli autori derivano stime di regolarità spazio-temporale ottimali per la soluzione debole $u$. Nello specifico, dimostrano:
  $$\mathbb{E}\|u\|_{L^p(0,T; H^{1-s,q}(O))}^p + \mathbb{E}\|u\|_{C([0,T]; B^{1-s-2/p}_{q,p}(O))}^p \lesssim \|\mu\|_{\ell^\zeta(S_f)}^p \mathbb{E}\|g\|_{L^p(0,T; L^\eta(O))}^p.$$
  Queste stime migliorano la letteratura esistente consentendo una minore integrabilità di $g$ (valori di $\eta$ più piccoli) e coprendo una gamma più ampia di intensità di rumore $\zeta$ senza assumere che il rumore sia legato alla base di autofunzioni del Laplaciano.

• Necessità dei Pesi (Sezione 5): Il lavoro dimostra che l'uso di spazi di successioni non ponderati $\ell^\zeta$ (ignorando la crescita di $\|f_n\|_{L^\infty}$) non riesce a catturare la scala corretta per le SPDE, portando a risultati di regolarità subottimali.

Significato e Affermazioni
Gli autori affermano che i loro risultati forniscono la prima caratterizzazione ottimale della convergenza di tali serie gaussiane negli spazi del potenziale di Bessel per rumore non di classe traccia. Il significato risiede in diversi miglioramenti specifici rispetto alla letteratura:

1. Ottimalità: Le condizioni derivate sono necessarie e sufficienti, preservando l'invarianza di scala dell'equazione del calore stocastica. Ciò è critico per l'analisi di SPDE non lineari critiche, dove la perdita anche di una piccola quantità di regolarità impedisce l'uso di argomenti di punto fisso.
2. Generalità della Struttura del Rumore: A differenza di lavori precedenti che richiedevano che $(f_n)$ fosse costituito da autofunzioni dell'operatore differenziale (ad esempio, il Laplaciano di Dirichlet), questo approccio funziona per qualsiasi sistema ortonormale. Ciò consente di applicare i risultati a operatori in forma divergente dove le autofunzioni non sono note esplicitamente.
3. Flessibilità nei Coefficienti: I risultati permettono al coefficiente $g$ di essere in $L^\eta(O)$ con $\eta$ più piccolo rispetto al possibile in precedenza, e migliorano persino la norma a sinistra delle stime (ad esempio, verso spazi di Besov). Questa flessibilità è evidenziata come una motivazione chiave del lavoro, specificamente per future applicazioni a SPDE non lineari in cui si desidera evitare di perdere regolarità nelle immersioni di Sobolev durante le iterazioni di punto fisso.
4. Indipendenza Dimensionale: I limiti valgono per qualsiasi dimensione spaziale $d$, mentre le condizioni precedenti che coinvolgevano la sommabilità degli autovalori spesso limitavano la dimensione (ad esempio, richiedendo $d < 6$ per certe condizioni di traccia).

Il lavoro conclude che questi limiti ottimali servono come strumento fondamentale per lo studio delle SPDE non lineari con rumore non di classe traccia, un argomento che gli autori indicano sarà esplorato in dettaglio nei lavori futuri.