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

Sintesi Tecnica: Comportamento a lungo termine di sistemi dinamici guidati da rumori miscelanti limitati

Enunciato del Problema
Questo lavoro investiga il comportamento statistico a lungo termine, specificamente le proprietà di miscelamento (mixing), di sistemi dissipativi guidati da forze casuali limitate. Lo studio affronta sia sistemi a tempo discreto della forma $u_k = S(u_{k-1}, \eta_k)$ sia sistemi a tempo continuo $\dot{u}(t) = F(u(t), \eta(t))$. L'obiettivo primario è stabilire il miscelamento esponenziale nella metrica della variazione totale (per spazi di fase a dimensione finita) e nella metrica dual-Lipschitz (per spazi a dimensione infinita) sotto condizioni in cui il forzante casuale $\eta$ è limitato e soddisfa specifiche proprietà di miscelamento e regolarità. Il lavoro estende il framework sviluppato da Kuksin e Shirikyan (2025) a classi più ampie di processi non stazionari e sistemi a tempo continuo con cammini campionari continui.

Metodologia
Gli autori impiegano una strategia di "Markov lifting" combinata con un argomento di accoppiamento basato sul funzionale di Kantorovich. I passaggi metodologici centrali includono:

1. Riduzione al Tempo Discreto: I sistemi a tempo continuo sono ridotti a sistemi dinamici casuali (RDS) a tempo discreto tramite mappe a tempo unitario. Per i cammini continui, il rumore su un intervallo $I_k = [k-1, k)$ è trattato come un elemento di uno spazio di Hilbert di curve.
2. Markovian Lifting: L'originale sistema non-Markoviano (dove il rumore può avere memoria) viene elevato a un processo di Markov su uno spazio di stato esteso $\mathcal{X} = X \times K$, dove $X$ è lo spazio di fase e $K$ è lo spazio delle storie del rumore. La dinamica su $\mathcal{X}$ è definita dalla mappa $\mathcal{S}(U, \eta) = (S(v, \eta), (\xi, \eta))$.
3. Accoppiamento Doeblin tramite Funzionale di Kantorovich: Per dimostrare il miscelamento esponenziale, gli autori costruiscono un accoppiamento di due traiettorie partendo da diverse condizioni iniziali. Ciò comporta:
   • Stabilizzazione Locale: Utilizzando assunzioni di controllabilità linearizzata per costruire una mappa $\Phi$ che "comprime" la distanza tra due stati quando sono vicini.
   • Ricorrenza: Utilizzando una condizione di "ricorrenza verso l'origine" per garantire che le traiettorie entrino in un piccolo intorno dell'origine con probabilità positiva.
   • Decadimento Iterativo: Applicando il funzionale di Kantorovich per dimostrare che la distanza tra le leggi delle traiettorie accoppiate decada esponenzialmente.
4. Gestione delle Dimensioni Infinite: Per spazi di fase a dimensione infinita, la standard assunzione di controllabilità linearizzata è sostituita da una condizione di "Controllabilità Linearizzata Approssimata" (ALC) che coinvolge un sottospazio determinante a dimensione finita e una sequenza di sottospazi a dimensione finita che approssimano lo spazio del rumore.

Assunzioni Chiave
I risultati si basano sulle seguenti assunzioni strutturali sul sistema e sul rumore:

• Dissipatività: Il sistema non forzato è strettamente dissipativo, e il sistema forzato possiede un insieme assorbente compatto.
• Regolarità (SF): Le distribuzioni condizionali del rumore rispetto al suo passato sono Lipschitz continue nella distanza della variazione totale (analogamente alla proprietà strong Feller).
• Ricorrenza (RZ): Il processo di rumore ha una probabilità positiva di entrare e rimanere in un piccolo intorno dell'origine per una durata fissa, indipendentemente dal passato.
• Controllabilità/Non-degenerazione:
  • Dimensione finita: Una condizione di controllabilità linearizzata in cui la derivata della mappa rispetto al rumore, ristretta a un sottospazio a dimensione finita, è suriettiva. La distribuzione del rumore condizionale su questo sottospazio deve ammettere una densità Lipschitz.
  • Dimensione infinita: Una versione approssimata in cui l'immagine della derivata del rumore contiene un sottospazio determinante a dimensione finita, e il rumore soddisfa una proprietà di decomponibilità e Lipschitz (DLP) su una sequenza di sottospazi a dimensione finita.

Risultati Principali

1. Caso a Dimensione Finita (Teorema A/3.3): Sotto le assunzioni dichiarate, il sistema a tempo discreto è esponenzialmente miscelante nella distanza della variazione totale. Esiste un unico processo stazionario (in distribuzione) tale che ogni soluzione converge ad esso con velocità esponenziale.
2. Caso a Dimensione Infinita (Teorema B/5.2): Per sistemi con spazi di fase a dimensione infinita (es. PDE), il sistema è esponenzialmente miscelante nella distanza dual-Lipschitz. Il miscelamento della variazione totale non è generalmente rivendicato per il caso a dimensione infinita a causa della mancanza di assoluta continuità delle misure in dimensioni infinite.
3. Ricostruzione del Processo (Corollario C): Il documento dimostra che le proprietà di miscelamento del sistema elevato implicano che un processo casuale può essere ricostruito unicamente dalle sue probabilità di transizione condizionate, se tali probabilità soddisfano le condizioni di regolarità e ricorrenza.
4. Applicazioni a ODE e PDE:
   • ODE: I risultati si applicano a equazioni differenziali ordinarie guidate da processi casuali limitati con traiettorie $H^1_{loc}$ (cammini continui). Gli autori mostrano come decomporre il rumore per soddisfare le ipotesi richieste.
   • PDE: La teoria è applicata alle equazioni primitive perturbate casualmente della dinamica atmosferica (3D). Gli autori stabiliscono il miscelamento esponenziale in metrica dual-Lipschitz per queste equazioni guidate da forzanti casuali continue e limitate, un regime in cui la ben-posedness è nota ma le proprietà di miscelamento erano precedentemente non stabilite per forzanti continue.

Significatività e Rivendicazioni
Il documento rivendica di fornire una versione più accessibile dell'approccio introdotto da Kuksin e Shirikyan (2025) pur estendendone significativamente l'applicabilità. Nello specifico:

• Rimuove il requisito che il processo di rumore sia stazionario, accogliendo processi limitati non stazionari.
• Estende il framework a sistemi a tempo continuo con cammini campionari continui (specificamente traiettorie $H^1_{loc}$), che non erano coperti dal lavoro precedente focalizzato su processi $L^2_{loc}$.
• Rilassa le assunzioni di densità sullo spazio del rumore nell'ambito a dimensione infinita, permettendo casi in cui l'unione dei sottospazi a dimensione finita non è densa nello spazio completo del rumore.
• La metodologia gestisce con successo le equazioni primitive della dinamica atmosferica, un significativo sistema di PDE non lineare, provando il loro miscelamento esponenziale sotto forzante continua e limitata, un regime in cui la ben-posedness è nota ma le proprietà di miscelamento erano precedentemente non stabilite per forzanti continue.

Gli autori sottolineano che il loro approccio si basa sull'elevazione della dinamica a un processo di Markov su uno spazio di storia e sull'applicazione di un argomento di accoppiamento, il che permette di bypassare la proprietà strong Feller del sistema originale, che spesso fallisce in dimensioni infinite o per rumore non-Markoviano.