On Gibbs measures for almost additive sequences associated to some relative pressure functions

Cet article étudie les propriétés des mesures de Gibbs associées à des suites faiblement additives et aux fonctions de pression relative, en établissant des liens entre l'additivité presque, le mélange sous-positif par fibres et les conditions nécessaires et suffisantes pour que l'image d'une mesure markovienne par un facteur à un bloc soit une mesure de Gibbs.

L'essentiel

Imaginez que vous êtes un chef cuisinier dans un restaurant très spécial : le Restaurant des Mots.

Dans ce restaurant, les clients ne commandent pas de plats, mais des séquences infinies de lettres (comme des mots qui ne finissent jamais). Le chef, qu'on appelle le Système, a des règles strictes pour savoir quelles séquences de lettres sont autorisées à entrer dans la cuisine.

Ce papier de recherche, écrit par Yuki Yayama, s'intéresse à une question fondamentale : Comment prédire le "goût" (ou la probabilité) d'une séquence de lettres, même quand les règles de la cuisine sont un peu floues ou complexes ?

Voici une explication simple, étape par étape, avec des analogies pour rendre les choses claires.

1. Le Problème : La Recette "Presque" Parfaite

Habituellement, en cuisine, si vous voulez savoir combien de sel mettre dans un plat, vous suivez une recette précise : "Ajoutez 1 cuillère de sel pour chaque 100g de farine". C'est ce qu'on appelle une fonction additive (le tout est exactement la somme des parties).

Mais dans ce restaurant, les règles sont plus bizarres. Parfois, le sel ne s'ajoute pas parfaitement. Si vous faites un plat pour 100 personnes, le sel nécessaire n'est pas exactement 100 fois celui pour une personne. Il y a un petit "bruit", une petite erreur, ou une variation. C'est ce qu'on appelle une séquence presque additive (ou weakly almost additive).

Le chercheur se demande : "Si je connais ces règles imparfaites, puis-je trouver une recette simple et parfaite (une fonction continue) qui donne le même résultat moyen ?"

2. L'Analogie du Traducteur (Le Facteur)

Imaginons maintenant que le restaurant a deux salles :

• La Cuisine (X) : C'est là où tout se passe, avec 3 types d'ingrédients (1, 2, 3).
• La Salle à Manger (Y) : C'est là où les clients voient le résultat final, avec seulement 2 types de plats (1, 2).

Il y a un traducteur (appelé $\pi$) qui transforme les ingrédients de la cuisine en plats pour la salle.

• L'ingrédient 1 devient le plat 1.
• Les ingrédients 2 et 3 deviennent tous les deux le plat 2.

Le problème est le suivant : Si on a une recette parfaite pour la cuisine (un "mesure de Gibbs"), comment savoir si le résultat qui arrive dans la salle à manger est aussi une recette parfaite ?

Souvent, le traducteur déforme les choses. Le papier dit : "Parfois, le résultat dans la salle à manger est toujours parfait, même si le traducteur n'est pas parfait."

3. La Solution : Trouver la "Vraie" Recette

Le chercheur a développé une méthode pour construire explicitement cette "vraie recette" (une fonction $\hat{f}$) dans la salle à manger.

• L'idée clé : Au lieu de regarder la recette globale, il regarde comment la recette change d'un pas à l'autre. C'est comme regarder la différence de goût entre le plat d'aujourd'hui et celui d'hier.
• Le résultat : Il prouve que même si les règles de base sont complexes et "presque" additives, on peut toujours trouver une fonction (une recette) qui décrit parfaitement le comportement moyen du système.

Il distingue deux cas :

1. Le cas "Presque Parfait" (Presque Additif) : On trouve une recette continue (lisse, sans à-coups) qui fonctionne parfaitement.
2. Le cas "Très Flou" (Faiblement Presque Additif) : On trouve une recette qui fonctionne presque, mais qui peut avoir de petits sauts ou des irrégularités. C'est une "recette faible" (weak Gibbs), mais elle suffit pour prédire le comportement moyen.

4. Pourquoi est-ce important ? (Les Applications)

Pourquoi s'embêter avec des recettes imparfaites ? Parce que dans la vraie vie (et en physique mathématique), les systèmes sont rarement parfaits.

• Exemple concret : Imaginez que vous essayez de prédire la météo. Vous avez des données complexes (température, vent, humidité) qui interagissent de manière non linéaire. Ce papier vous dit : "Même si vos équations de départ sont compliquées et imparfaites, vous pouvez trouver une fonction plus simple qui vous dit exactement quelle sera la température moyenne à long terme."

• Le cas spécial : Le papier se concentre sur un cas très précis (un traducteur qui transforme 3 ingrédients en 2). Il donne des conditions exactes (comme vérifier si certains ingrédients sont égaux) pour savoir si le résultat final sera une recette "lisse" ou non.

En Résumé

Ce papier est comme un guide pour un chef qui veut simplifier des recettes complexes.

1. Le défi : Les règles de cuisine sont floues et ne s'ajoutent pas parfaitement.
2. L'outil : Le chercheur crée un "traducteur mathématique" qui transforme ces règles floues en une nouvelle recette.
3. La découverte : Même si les règles de départ sont imparfaites, on peut souvent trouver une nouvelle recette simple et précise qui décrit exactement ce qui se passe à long terme.
4. La condition : Cela fonctionne bien tant que le système de traduction (le facteur) ne brise pas certaines règles de symétrie entre les ingrédients.

C'est une avancée importante pour comprendre comment des systèmes complexes et désordonnés peuvent quand même produire des résultats prévisibles et structurés.

Résumé technique

Voici un résumé technique détaillé de l'article "On Gibbs measures for almost additive sequences associated to some relative pressure functions" de Yuki Yayama, publié sur arXiv en janvier 2025.

1. Problématique et Contexte

L'article s'inscrit dans le cadre de la formalisme thermodynamique pour les systèmes dynamiques symboliques (sous-décalages). Le problème central porte sur la relation entre les séquences de fonctions continues et les mesures de Gibbs.

• Contexte théorique : La théorie thermodynamique classique traite des potentiels continus additifs. Cependant, de nombreux problèmes (notamment en dimension fractale) nécessitent l'étude de séquences de fonctions presque additives (almost additive) ou faiblement presque additives (weakly almost additive).
• La question fondamentale [Q1] : Si $F = \{\log f_n\}_{n=1}^\infty$ est une séquence presque additive, il est connu qu'elle est asymptotiquement additive, c'est-à-dire qu'il existe une fonction continue $\hat{f}$ telle que $\lim_{n\to\infty} \frac{1}{n} \| \log f_n - S_n \hat{f} \|_\infty = 0$. La question posée par l'auteur est : Quelle forme prend cette fonction $\hat{f}$ et quelles sont ses propriétés (en particulier, est-elle continue ?) lorsque la séquence est presque additive ou faiblement presque additive ?
• Application spécifique : L'article se concentre sur les images de mesures de Gibbs par des applications facteurs (factor maps) entre sous-décalages. Plus précisément, étant donné un facteur $\pi: X \to Y$ et une fonction continue $f$ sur $X$, on s'intéresse à la fonction de pression relative $P(\sigma_X, \pi, f)$ sur $Y$. Cette pression relative est généralement seulement mesurable de Borel. L'objectif est de déterminer si l'image d'une mesure de Gibbs par $\pi$ reste une mesure de Gibbs pour une fonction continue (ou mesurable) sur $Y$, et dans ce cas, de construire explicitement cette fonction.

2. Méthodologie

L'auteur combine plusieurs outils de la théorie ergodique et de l'analyse matricielle :

1. Construction explicite de fonctions limites :

   • Pour une séquence $F = \{\log f_n\}$, l'auteur définit des fonctions mesurables $\hat{f}$ via des limites inférieures et supérieures de rapports :
     $$\hat{f}(x) = \lim_{n\to\infty} \log \left( \frac{f_n(x)}{f_{n-1}(\sigma x)} \right)$$
   • Il établit des conditions sous lesquelles cette limite existe et définit une fonction bornée mesurable satisfaisant la propriété d'additivité asymptotique.

2. Théorie des mesures de Gibbs faibles :

   • L'article étend la notion de mesure de Gibbs aux fonctions mesurables de Borel. Une mesure $\mu$ est dite "faible Gibbs" pour une fonction $g$ si elle satisfait une inégalité de type Gibbs avec une erreur $C_n$ telle que $\frac{1}{n}\log C_n \to 0$.

3. Fonctions de pression relative et séquences sous-additives :

   • L'auteur utilise la fonction de pression relative introduite par Ledrappier et Walters. Pour un facteur $\pi$ et une fonction $f$, on définit une séquence sous-additive $G = \{\log g_n\}$ sur $Y$ où $g_n(y)$ est la somme maximale des poids exponentiels sur les fibres de $\pi$.
   • Le lien entre la propriété de Gibbs de l'image $\pi\mu$ et l'additivité presque de la séquence $G$ est au cœur de l'analyse.

4. Analyse matricielle et formes de Jordan :

   • Pour une classe spécifique d'applications facteurs (entre décalages de type fini sur 3 et 2 symboles), l'auteur modélise la séquence $g_n$ comme la somme des entrées de produits de matrices non négatives.
   • L'analyse de la continuité de la fonction limite $\hat{g}$ repose sur l'étude des valeurs propres et des vecteurs propres des sous-matrices associées (notamment la sous-matrice $M_{22}$ correspondant à la fibre au-dessus du symbole '2'). L'utilisation de formes canoniques de Jordan réelles permet de déterminer les conditions de convergence des limites.

3. Résultats Clés

A. Résultats Généraux (Sections 3)

• Théorème 3.1 : Pour une séquence presque additive $F$ avec variation bornée, il existe une fonction mesurable bornée $\hat{f}$ telle que l'état d'équilibre unique de $F$ est l'état d'équilibre unique de $\hat{f}$ et est une mesure de Gibbs invariante pour $\hat{f}$. Si $F$ est seulement faiblement presque additive, $\hat{f}$ existe et l'état d'équilibre est une mesure de Gibbs faible.
• Théorème 3.2 : Une construction similaire est proposée en utilisant la mesure de Gibbs invariante $\nu$ elle-même pour définir la fonction limite via les rapports de mesures de cylindres.

B. Applications aux Images de Mesures (Section 4)

• Corollaire 4.1 & 4.2 : Ces résultats appliquent le théorème 3.1 aux séquences associées à la pression relative. Ils établissent que si la séquence $G$ associée à la pression relative est presque additive, alors l'image d'une mesure de Gibbs $\pi\mu$ est une mesure de Gibbs pour une fonction mesurable $\hat{g}$.
• Proposition 4.1 : L'auteur montre que la propriété de "mélange sous-positif sur les fibres" (fiber-wise sub-positive mixing), qui était une condition suffisante connue, n'est pas nécessaire. Il existe des facteurs non mélangeants sur les fibres pour lesquels l'image reste une mesure de Gibbs.

C. Résultats Spécifiques et Conditions Nécessaires/Suffisantes (Théorème 4.2)

C'est le résultat principal de l'article, traitant d'un cas spécifique mais significatif :

• Cadre : $\pi: X \to Y$ où $X \subset \{1,2,3\}^\mathbb{N}$ et $Y \subset \{1,2\}^\mathbb{N}$, avec $\pi(1)=1$ et $\pi(2)=\pi(3)=2$.
• Théorème 4.2 : Il fournit des conditions nécessaires et suffisantes pour que la séquence $G$ soit presque additive (et donc que l'image soit une mesure de Gibbs pour une fonction continue).
  • La condition dépend de la structure de la sous-matrice $M_{22| \pi^{-1}(22)}$.
  • Si cette sous-matrice n'est pas de la forme $\begin{pmatrix} 0 & a_1 \\ a_2 & 0 \end{pmatrix}$, alors la fonction limite $\hat{g}$ est continue.
  • Si elle est de cette forme, la continuité dépend de relations spécifiques entre les coefficients de la matrice de transition et les valeurs de la fonction $f$ (ex: $M_{21} = M_{23}$ ou $M_{12} = M_{13}$).
• Mesures de Markov : Le théorème s'applique directement aux mesures de Markov à un pas (qui sont des mesures de Gibbs pour des potentiels à deux coordonnées).

D. Exemples (Section 6)

• L'article fournit des exemples concrets (basés sur des travaux antérieurs de Boyle, Petersen, etc.) montrant des cas où la propriété de mélange sur les fibres échoue, mais où la séquence reste presque additive, confirmant ainsi que cette propriété n'est pas nécessaire.

4. Contributions et Significativité

1. Construction explicite : L'article ne se contente pas d'assurer l'existence d'une fonction $\hat{f}$ asymptotiquement équivalente à une séquence presque additive ; il en donne une construction explicite basée sur les limites de rapports locaux.
2. Caractérisation de la continuité : Il identifie des conditions algébriques précises (via l'analyse spectrale des matrices associées) sous lesquelles la fonction limite est continue. Cela répond directement à la question de savoir quand une mesure de Gibbs image est une mesure de Gibbs pour un potentiel continu.
3. Affinement des conditions sur les facteurs : En démontrant que la propriété de "mélange sous-positif sur les fibres" n'est pas nécessaire, l'article élargit la classe de facteurs pour lesquels la propriété de Gibbs est préservée.
4. Lien entre théorie non-additive et additive : L'article fait le pont entre le formalisme thermodynamique non-additif (séquences de fonctions) et le formalisme classique (fonctions continues), en montrant comment les propriétés de la séquence (presque additive) se traduisent par les propriétés de la fonction limite (continuité, Gibbs).

En résumé, ce travail fournit un cadre rigoureux pour analyser le comportement des mesures de Gibbs sous l'action de facteurs, en particulier pour les potentiels non-additifs, en offrant des critères constructifs pour déterminer si l'image conserve la structure de Gibbs pour un potentiel continu.