Rotating random trees with Skorokhod's $M_1$ topology

Cet article étend le codage des arbres $\mathbb{R}$ mesurés aux fonctions càdlàg via la topologie de Skorokhod $M_1$ pour démontrer que l'effet de dilatation de la rotation sur les arbres critiques converge vers un arbre $\alpha$-stable lorsque la loi de descendance appartient au domaine d'attraction d'une loi stable avec $\alpha \in (1,2)$.

L'essentiel

Voici une explication de ce travail de recherche, traduite en langage simple, avec des images et des analogies pour rendre les concepts mathématiques plus concrets.

🌳 Le Titre : Faire tourner des arbres aléatoires

Imaginez que vous êtes un architecte qui étudie des forêts entières, mais pas n'importe lesquelles : ce sont des arbres mathématiques qui poussent de manière totalement aléatoire. Le but de ce papier est de comprendre ce qui se passe quand on applique une opération très spécifique à ces arbres : la rotation.

C'est un peu comme si vous preniez un arbre, vous le secouiez, et soudain, ses branches se réorganisaient dans une nouvelle forme. La question est : à quoi ressemble cette nouvelle forme quand l'arbre devient gigantesque ?

---

1. Le Problème : Des arbres qui "cassent" (La topologie M1)

Pour étudier ces arbres, les mathématiciens les transforment en dessins (des courbes).

• Le cas classique : Habituellement, on utilise des courbes lisses et continues (comme une ligne dessinée sans lever le crayon). C'est facile à manipuler.
• Le cas de ce papier : Les arbres que l'on étudie ici sont un peu plus "sauvages". Quand on les transforme en courbes, celles-ci ont des sauts brusques, des cassures. Imaginez une ligne qui monte, puis saute instantanément vers le haut, puis continue.

En mathématiques, les outils classiques pour mesurer la distance entre deux courbes lisses ne fonctionnent plus bien avec ces sauts. C'est là qu'intervient l'outil principal de l'auteur : la topologie de Skorokhod M1.

L'analogie du train :
Imaginez que vous comparez deux trains.

• Avec les méthodes classiques (J1), si un train a un petit saut de 1 mètre et l'autre non, on dit qu'ils sont très différents.
• Avec la méthode M1 (celle de ce papier), on est plus souple. On dit : "Attends, si le premier train a fait un saut, mais que le second a fait un saut un peu plus tard, mais qui a la même taille, alors c'est presque la même chose !".

Cette méthode permet de comparer des courbes qui ont des "cassures" (des discontinuités) sans que cela ne fausse tout le calcul. C'est la clé pour étudier ces arbres particuliers.

---

2. L'Expérience : La Rotation (Rot)

L'auteur s'intéresse à une transformation appelée Rotation (notée Rot). C'est une règle précise qui transforme un arbre "classique" (où une branche peut avoir 10 enfants) en un arbre "binaire" (où chaque branche n'a que 2 enfants au maximum).

L'analogie du déménagement :
Imaginez un arbre où le tronc a 5 enfants.

• Avant la rotation : Le tronc est large, il porte 5 branches directement.
• Après la rotation : On transforme cet arbre. Le tronc ne porte plus qu'une seule branche, qui porte elle-même une autre branche, etc., formant une "colonne vertébrale" (une épine dorsale). Les 5 enfants d'origine sont maintenant accrochés sur le côté de cette colonne.

C'est comme transformer un buisson touffu en un escalier en colimaçon avec des marches latérales.

---

3. Les Résultats : Ça dépend de la "gravité" de l'arbre

L'auteur a découvert que le résultat de cette rotation dépend d'un paramètre crucial, noté $\alpha$ (alpha), qui mesure à quel point l'arbre a tendance à faire de très grosses branches (des "sauts" dans la courbe).

Cas A : L'arbre "Gentil" ($\alpha = 2$)

C'est le cas classique, où les branches sont de taille moyenne (distribution normale, comme la courbe en cloche).

• Ce qui se passe : Quand on fait tourner un très grand arbre de ce type, il ne change pas vraiment de forme fondamentale. Il s'étire simplement.
• L'analogie : C'est comme étirer un élastique. Il devient plus grand, mais il reste un élastique. La rotation agit comme un simple zoom (une dilatation). L'arbre tourne, mais il ressemble toujours à l'original, juste plus grand.

Cas B : L'arbre "Sauvage" ($1 < \alpha < 2$)

C'est le cas où l'arbre peut avoir des branches énormes et rares (des "sauts" importants).

• Ce qui se passe : Là, la magie opère ! La rotation change radicalement la forme de l'arbre. Il ne s'agit plus d'un simple zoom.
• Le résultat : L'arbre tourne et se transforme en une nouvelle espèce d'arbre mathématique, appelé $T_x(\alpha)$.
• L'analogie : Imaginez que vous preniez un buisson et que vous le tourniez, et qu'il se transforme soudainement en un labyrinthe de tunnels ou en une structure en forme de chaîne de perles. Ce n'est plus le même objet, c'est une nouvelle créature mathématique avec ses propres règles de géométrie.

---

4. Le Lien Secret : Les Arbres et les "Boucles" (Looptrees)

Une découverte fascinante de l'auteur est le lien entre ces arbres tournés et des objets appelés looptrees (arbres-boucles).

L'analogie du squelette :
Imaginez un objet en forme de chaîne de ballons (les looptrees).
L'auteur montre que l'arbre obtenu après rotation (l'arbre tourné) est en fait le squelette ou l'échafaudage qui traverse ces ballons.

Si vous prenez un arbre tourné et que vous "gonflez" ses branches pour en faire des boucles, vous retrouvez l'objet original. C'est une relation profonde entre la structure de l'arbre et la structure de ces boucles.

---

En Résumé

Ce papier est une aventure mathématique qui dit :

1. On a inventé une nouvelle règle de mesure (la topologie M1) pour pouvoir comparer des formes qui ont des cassures.
2. On a appliqué une transformation de "rotation" à des arbres géants.
3. Si les arbres sont "normaux", la rotation ne fait que les étirer.
4. Si les arbres sont "sauvages" (avec de grosses branches), la rotation les transforme en une toute nouvelle espèce d'arbre, qui ressemble étrangement à un squelette de boucles.

C'est comme si l'auteur avait découvert que, selon la météo (le paramètre $\alpha$), tourner une forêt pouvait soit la faire grandir, soit la transformer en une forêt complètement différente, avec des règles de géométrie inédites.

Résumé technique

Voici un résumé technique détaillé de l'article « Rotating random trees with Skorokhod's M1 topology » d'Antoine Aurillard, rédigé en français.

1. Problématique et Contexte

L'article s'inscrit dans l'étude des limites d'échelle des arbres aléatoires, en particulier les arbres de Bienaymé-Galton-Watson (BGW) conditionnés à avoir $n$ sommets. Une approche classique consiste à encoder ces arbres par des fonctions continues (processus de contour, processus de hauteur, marche de Łukasiewicz) et à étudier la convergence de ces fonctions vers des excursions continues (comme l'excursion brownienne normalisée).

Le problème central abordé par l'auteur est l'analyse asymptotique de la correspondance de rotation (notée $Rot$) appliquée à de grands arbres BGW critiques. Cette bijection transforme un arbre plan à $n$ sommets en un arbre binaire plan à $n$ feuilles.

• Cas connu : Pour les arbres uniformes (distribution géométrique critique, variance finie), Marckert a montré que la rotation agit asymptotiquement comme une dilatation des distances : l'arbre tourné et l'arbre original convergent vers le même arbre continu (l'arbre CRT brownien), à un facteur de dilatation près.
• Question ouverte : Ce résultat reste-t-il vrai pour des distributions de descendance critiques dont la variance est infinie, c'est-à-dire dans le domaine d'attraction d'une loi stable d'indice $\alpha \in (1, 2)$ ? De plus, comment formaliser rigoureusement la convergence des arbres codés par des fonctions discontinues ?

2. Méthodologie

L'auteur développe une méthodologie en deux temps, combinant théorie des arbres aléatoires et topologie fonctionnelle :

A. Extension du codage des R-arbres aux fonctions càdlàg

La contribution méthodologique majeure est l'extension du codage classique des R-arbres (basé sur des fonctions continues $C_0$) aux fonctions càdlàg (continues à droite, limites à gauche, notées $D_0$).

• Outil clé : La topologie de Skorokhod M1. Contrairement à la topologie uniforme ou à la topologie J1 (qui exige une correspondance précise des sauts), la topologie M1 permet de contrôler la convergence des graphes complétés en remplissant les discontinuités par des segments.
• Construction : L'auteur utilise la notion de représentation paramétrique d'une fonction $x \in D_0$. Une telle représentation $(\chi, \tau)$ est une paramétrisation continue et croissante du graphe complété de $x$.
• Définition de l'arbre : Pour une fonction càdlàg $x$, l'arbre $T_x$ est défini comme l'arbre R codé par la composante spatiale $\chi$ d'une représentation paramétrique de $x$. Cette définition est bien posée (invariante par changement de paramétrisation) et permet d'associer une mesure $\mu_x$ à l'arbre.
• Continuité : L'auteur prouve que l'application $x \mapsto T_x$ est continue pour la topologie M1 sur les fonctions et la topologie de Gromov-Hausdorff (GH) sur les arbres. Pour les arbres mesurés, l'application $x \mapsto (T_x, \mu_x)$ est continue pour la topologie M1 et la topologie de Gromov-Hausdorff-Prokhorov (GHP).

B. Analyse combinatoire de la rotation

Pour étudier la rotation $Rot$ sur les arbres BGW critiques ($\alpha \in (1, 2]$), l'auteur utilise une approche combinatoire fine :

1. Sous-arbre interne : Il identifie les sommets internes de $Rot(T_n)$ avec les sommets de $T_n \setminus \{\emptyset\}$ via une correspondance géométrique.
2. Arbre miroir : Il introduit l'arbre miroir $T_n^\div$ (obtenu en inversant l'ordre des enfants). La rotation de $T_n$ est liée à la structure de $T_n^\div$.
3. Processus intermédiaires : Il définit un processus de hauteur "non standard" $H^*_n$ basé sur une énumération spécifique des sommets internes de l'arbre tourné.
4. Comparaison M1 : Il établit des relations combinatoires entre les processus de contour et de Łukasiewicz de $T_n$, $T_n^\div$ et $Rot(T_n)$. Il montre que, bien que les processus ne soient pas proches au sens de la topologie J1 (à cause de sauts macroscopiques non alignés), ils convergent vers la même limite au sens de la topologie M1.

3. Résultats Principaux

A. Limites d'échelle conjointes (Théorème 1.3)

Le résultat principal décrit le comportement asymptotique de la paire $(T_n, Rot(T_n))$ lorsque $n \to \infty$, selon la variance $\sigma^2$ de la loi de descendance $\mu$.

1. Cas Gaussien ($\alpha = 2$, $\sigma^2 < \infty$) :
   La rotation agit comme une dilatation. Les arbres $T_n$ et $Rot(T_n)$ convergent vers le même arbre CRT brownien $T_e$, mais avec des facteurs d'échelle différents :
   $$\left( \frac{1}{\sqrt{n}}T_n, \frac{1}{\sqrt{n}}Rot(T_n) \right) \xrightarrow{(d)} \left( \frac{2}{\sigma}T_e, \frac{2+\sigma^2}{\sigma}T_e \right)$$
   La rotation ne change pas la géométrie fondamentale, seulement l'échelle.

2. Cas Stable ($\alpha \in (1, 2)$, $\sigma^2 = \infty$) :
   Le comportement est radicalement différent. La rotation transforme la limite d'échelle.

   • $T_n$ converge vers un arbre stable $T_h$ codé par l'excursion continue $h$ associée à un processus de Lévy stable $\alpha$.
   • $Rot(T_n)$ converge vers un nouvel arbre $T_x$ codé par l'excursion càdlàg $x$ du même processus de Lévy stable.
     $$\left( \frac{\ell(n)}{n^{1-1/\alpha}}T_n, \frac{1}{\ell(n)n^{1/\alpha}}Rot(T_n) \right) \xrightarrow{(d)} (T_h, T_x)$$
     où $\ell(n)$ est une fonction à variation lente.

B. Propriétés géométriques de l'arbre $T_x$

L'arbre $T_x$, limite de la rotation dans le cas stable, possède des propriétés géométriques distinctes de l'arbre stable $T_h$ :

• Structure binaire : $T_x$ est presque sûrement un arbre binaire (degré des sommets $\in \{1, 2, 3\}$), alors que $T_h$ possède des sommets de degré infini.
• Dimension de Hausdorff : La dimension de Hausdorff de $T_x$ est $\alpha$, tandis que celle de $T_h$ est $\alpha/(\alpha-1)$.
• Lien avec les looptrees : $T_x$ peut être vu comme un arbre couvrant (spanning tree) du looptree stable $L_x$ introduit par Curien et Kortchemski. Il existe une projection 1-Lipschitz de $T_x$ sur $L_x$ qui est bijective sur le complément des points de discontinuité.

C. La co-rotation ($Tor$)

L'auteur étudie également la "co-rotation" ($Tor$), une transformation symétrique. Contrairement à la rotation, les processus d'encodage de $Tor(T_n)$ convergent vers la même limite que ceux de $T_n$ (y compris la marche de Łukasiewicz), même si la limite géométrique de l'arbre est différente. Cela illustre une asymétrie surprenante entre la convergence des processus et celle des arbres.

4. Signification et Impact

• Nouveauté topologique : L'article démontre que la topologie de Skorokhod M1 est l'outil adéquat pour étudier les limites d'échelle d'arbres dont les processus d'encodage deviennent discontinus (cas $\alpha < 2$). Elle permet de traiter des convergences où les sauts macroscopiques ne correspondent pas point par point, ce que la topologie J1 ne permet pas.
• Nouvelle classe d'objets : L'identification de $T_x$ comme limite d'échelle d'arbres tournés dans le régime stable ouvre une nouvelle famille d'arbres aléatoires continus, intermédiaires entre le segment unité et l'arbre CRT brownien, avec des propriétés géométriques (dimension, structure binaire) spécifiques.
• Géométrie des transformations : L'article montre que la rotation, qui préserve la structure pour les arbres à variance finie, modifie fondamentalement la géométrie (dimension de Hausdorff, type de singularités) pour les arbres à variance infinie.
• Outils combinatoires : La méthode reliant les processus discrets via des relations combinatoires précises et le contrôle des distances M1 offre un cadre robuste pour l'analyse d'autres transformations d'arbres.

En résumé, ce travail généralise la théorie des limites d'échelle des arbres aux fonctions discontinues, révélant un changement de phase géométrique majeur induit par la rotation lorsque l'on passe d'un régime gaussien à un régime stable.