• Non ci sono risultati.

Misure fisiche e sistemi dinamici stocastici

N/A
N/A
Protected

Academic year: 2021

Condividi "Misure fisiche e sistemi dinamici stocastici"

Copied!
1
0
0

Testo completo

(1)

Riassunto tesi

Misure fisiche e sistemi dinamici stocastici

Lo studio dell’andamento asintotico di sistemi dinamici stocastici generati da equazioni differenziali stocastiche, come quelle associate a modelli della flui-dodinamica, ha messo in luce la presenza di particolari oggetti, come attrattori e misure invarianti, di difficile descrizione. Uno strumento che potrebbe avere un ruolo particolare nella descrizione di alcune propriet`a asintotiche di questi si-stemi `e l’equilibrio statistico, una misura aleatoria invariante costruita mediante lo stessa costruzione pullback che ha rilevato la presenza di attrattori stocastici. Consideriamo un sistema dinamico stocastico ϕ su uno spazio Polacco (X, B), dato un sistema dinamico metrico (Ω, F , P, (θt)t∈R). Se il moto a un punto

as-sociato a ϕ `e un processo di Markov, e il semigruppo markoviano associato possiede una misura invariante ρ, l’equilibrio statistico (µω)ω∈Ω di ϕ si trova

come limite debole, per quasi ogni ω, della misura ϕ(t, θ−tω)ρ, per t tendente a

infinito. Esso descrive il comportamento asintotico di orbite scelte casualmente secondo la misura ρ. Nella tesi ci chiediamo se, data una misura di probabi-lit`a λ su (X, B), possa aver luogo, per quasi ogni ω, la convergenza debole di ϕ(t, θ−tω)λ a µω.

Propriet`a di questo tipo sono oggetto di interesse sia nel caso di sistemi deterministici che stocastici, in quanto mettono in evidenza la presenza di misure che, permettendo una descrizione della distribuzione asintotica di orbite uscenti da generiche condizioni iniziali, hanno un particolare significato fisico.

Per la descrizione della propriet`a che consideriamo, `e necessaria una analisi delle strutture peculiari dei sistemi dinamici stocastici, come le misure aleatorie, gli attrattori stocastici e i semigruppi di transizione; ad essi sono dedicati i primi capitoli. Viene poi considerato un possibile criterio per stabilire se la propriet`a di convergenza debole presentata `e soddisfatta. Le condizioni per l’applicabilit`a di questo criterio portano allo studio del moto a due punti associato al sistema dinamico stocastico, e in particolare all’ergodicit`a del semigruppo di Markov da esso generato. Nell’ultima parte della tesi viene affrontato il problema dell’er-godicit`a per i semigruppi di Markov associati al moto a un punto e al moto a due punti per un semplice modello stocastico di dinamica dei fluidi, e vengo-no riportati dei risultati parziali ottenuti nel tentativo di applicare il criterio considerato a questo sistema.

Riferimenti

Documenti correlati

 Per poter richiamare la funzione dobbiamo essere nella directory nella quale è salvata la funzione oppure “settare” nel path di Matlab la directory nella quale

 Non sempre è possibile trovare una distribuzione da cui generare i campioni indipendenti, mentre è molto semplice generare una catena di Markov che si muova nello spazio

 è caratterizzato da una funzione N(t), definita per t>0 e detta processo di conteggio che rappresenta il numero degli eventi che si sono verificati nel periodo

 Per poter richiamare la funzione dobbiamo essere nella directory nella quale è salvata la funzione oppure “settare” nel path di Matlab la directory nella quale

 calcolatore: il calcolatore è un oggetto puramente deterministico e quindi prevedibile, per cui nessun calcolatore è in grado di generare numeri puramente

 Dato l’intervallo di tempo in cui voglio simulare il processo di Poisson di parametro , genero variabili esponenziali di parametro  fino a quando la loro somma

La funzione p(x) caratterizza la densità di distribuzione dei valori della variabile aleatoria in un dato punto x: la densità di probabilità è una delle forme per esprimere la legge

Se anche lo spazio degli stati E è discreto allora {Xn | n ∈N} è una catena di Markov a tempo discreto, e Xn=j indica che il processo si trova nello stato j al tempo n, n ∈N,