Badly approximable points on non-linear carpets

Cet article résout une question ouverte de 2019 en identifiant la première classe d'attracteurs non linéaires non conformes dont l'intersection avec les points mal approximables est de pleine dimension, tout en fournissant une formule pour leur dimension de Hausdorff.

L'essentiel

Voici une explication de ce papier de recherche, traduite en langage simple et imagé pour le grand public.

Le Titre : "Les Points Têtus sur des Tapis Déformés"

Imaginez que vous essayez de dessiner un point précis sur une feuille de papier en utilisant uniquement des coordonnées entières (comme des cases d'un échiquier). C'est ce qu'on appelle l'approximation diophantienne.

• Les points "faciles" : La plupart des points peuvent être approchés très facilement par ces cases. C'est comme essayer de viser le centre d'une cible avec un arc : vous vous en rapprochez vite.
• Les points "têtus" (Badly Approximable) : Il existe certains points spéciaux, très "têtus", qui résistent à cette approximation. Peu importe combien vous essayez, vous ne pouvez jamais les viser plus précisément qu'une certaine limite. Ce sont les points les plus difficiles à atteindre.

Le problème mathématique de ce papier est le suivant : Si l'on prend une forme géométrique bizarre (un "fractale") et que l'on cherche à y trouver ces points "têtus", combien y en a-t-il ?

En mathématiques, on ne compte pas le nombre, mais on mesure la "taille" ou la "dimension" de cet ensemble. La question est : Les points têtus remplissent-ils toute la forme, ou sont-ils juste quelques grains de poussière perdus ?

Le Défi : Les Tapis Non-Linéaires

Jusqu'à présent, les mathématiciens savaient répondre à cette question pour des formes simples (comme des lignes droites ou des carrés parfaits) et pour des formes un peu plus complexes appelées "tapis de Bedford-McMullen". Ces tapis sont construits avec des règles rigides et linéaires (comme des photocopies réduites).

Mais les auteurs de ce papier (Anttila, Fraser et Koivusalo) voulaient aller plus loin. Ils s'intéressent à des tapis non-linéaires.

L'analogie du tapis déformé :
Imaginez un tapis classique fait de carrés. Maintenant, imaginez que vous prenez ce tapis et que vous le tordiez, que vous l'étirez de manière irrégulière, comme si vous le posiez sur une surface ondulée ou que vous le regardiez à travers une lentille déformante.

• Les règles de construction ne sont plus droites (non-linéaires).
• Les étirements ne sont pas les mêmes dans toutes les directions (non-conformes).

C'est un cauchemar pour les mathématiciens, car les outils habituels pour mesurer la "taille" de ces formes ne fonctionnent plus bien.

La Question de 2019

En 2019, un groupe de chercheurs (Das, Fishman, Simmons, Urbański) a posé une question cruciale :

"Peut-on prouver que même sur ces tapis tordus et déformés, les points 'têtus' sont toujours aussi nombreux que le tapis lui-même ?"

Autrement dit : Même si le tapis est déformé, les points difficiles à atteindre sont-ils toujours partout ?

La Réponse : OUI !

Ce papier répond par l'affirmative. C'est la première fois que l'on prouve cela pour une classe de formes aussi complexes et déformées.

Comment ont-ils fait ? (L'astuce magique)

Pour comprendre la taille de ces tapis tordus, les auteurs utilisent une méthode ingénieuse qui ressemble à de la "démolition contrôlée" :

1. Le jeu de Schmidt : Imaginez un jeu où deux joueurs essaient de piéger un point. L'un essaie de le cacher, l'autre de le trouver. Si le point est "têtus", il résiste au joueur qui veut le trouver. Les auteurs utilisent les règles de ce jeu pour prouver que les points têtus sont omniprésents.
2. L'approche par les "sous-tapis" : Au lieu d'essayer de mesurer le tapis tordu d'un seul coup (ce qui est impossible), ils le découpent en petits morceaux.
   • Ils montrent que si vous regardez de très près, le tapis tordu ressemble à des petits carrés presque parfaits (des sous-systèmes).
   • Ils calculent la taille de ces petits carrés, puis ils les réassemblent mentalement pour reconstruire la taille du tapis entier.
3. La formule de dimension : Ils ont aussi trouvé une nouvelle formule pour calculer la "dimension" (la complexité) de ces tapis déformés. C'est comme trouver la recette exacte pour dire à quel point un objet est "fractale" (entre une ligne et une surface).

Pourquoi est-ce important ?

1. Répondre à une énigme : Ils ont résolu un problème ouvert depuis 5 ans.
2. Nouveaux outils : Ils ont développé des méthodes pour mesurer des formes géométriques très irrégulières, ce qui pourrait aider dans d'autres domaines (comme la physique ou l'informatique).
3. L'universalité : Cela montre que même dans le chaos et la déformation, il existe une structure cachée et une régularité mathématique. Les points "têtus" sont si bien répartis qu'ils ne peuvent pas être évités, même sur un tapis tordu.

En résumé

C'est comme si vous preniez un puzzle complexe et déformé, et que vous prouviez que, peu importe comment vous le tordiez, les pièces les plus rares (les points têtus) sont toujours réparties de manière à remplir tout l'espace disponible. Les auteurs ont non seulement prouvé cela, mais ils ont aussi inventé une nouvelle règle pour mesurer la taille de ce puzzle déformé.

Le mot de la fin : Les mathématiciens ont réussi à prouver que la "résilience" des points difficiles à atteindre est une propriété fondamentale qui survit même aux déformations les plus extrêmes.

Résumé technique

Voici un résumé technique détaillé de l'article « Badly Approximable Points on Non-Linear Carpets » (Points mal approximables sur les tapis non linéaires) par Roope Anttila, Jonathan M. Fraser et Henna Koivusalo.

1. Contexte et Problématique

Le problème de l'approximation diophantienne :
L'approximation diophantienne étudie la capacité à approximer des points irrationnels par des vecteurs rationnels. Le théorème de Dirichlet établit un taux d'approximation optimal pour tout point dans $\mathbb{R}^d$. Les points pour lesquels ce théorème ne peut pas être amélioré (au-delà d'une constante multiplicative) sont appelés points mal approximables (notés $Bad_d$). Bien que l'ensemble $Bad_d$ ait une mesure de Lebesgue nulle, il est de dimension de Hausdorff pleine ($d$).

La question centrale :
Un problème majeur consiste à déterminer si l'intersection de l'ensemble des points mal approximables avec un ensemble fractal donné $X$ conserve la dimension de Hausdorff de $X$, c'est-à-dire si :
$$\dim_H(X \cap Bad_d) = \dim_H(X)$$
Cette propriété a été vérifiée pour de nombreuses classes de fractales (ensembles réguliers d'Ahlfors, tapis auto-affines de Bedford-McMullen), souvent en utilisant le jeu de Schmidt et la notion de dimension inférieure ($\dim_L$).

La lacune identifiée :
Dans un travail antérieur (Das–Fishman–Simmons–Urbański, 2019), la question a été posée de savoir si cette propriété de dimension pleine pouvait être établie pour des fractales définies par des systèmes dynamiques qui sont à la fois non-conformes et non-linéaires. Jusqu'à présent, les résultats pour les systèmes non-conformes reposaient sur la linéarité (affinité) des applications définissantes.

2. Méthodologie et Outils Théoriques

Les auteurs développent une approche combinant la géométrie fractale, la théorie ergodique et l'approximation diophantienne.

A. Définition des "Tapis Non-Linéaires" :
L'article introduit une classe d'attracteurs appelés tapis non-linéaires. Ce sont des attracteurs d'un système itéré de fonctions (IFS) planaire $(S_{i,j} = (f_i, g_j))_{(i,j) \in \Lambda}$, où :

• $f_i$ et $g_j$ sont des contractions uniformes $C^{1+\alpha}$ et $C^{1+\beta}$ sur $[0,1]$ (systèmes conformes unidimensionnels).
• L'IFS global est non-conforme car les taux de contraction dans les directions horizontale et verticale peuvent différer.
• L'IFS est non-linéaire car les applications $f_i$ et $g_j$ ne sont pas affines.
• Une condition de séparation ouverte coordonnée (Coordinate OSC) est imposée.

B. Espace Symbolique et Approximation :
Pour traiter la non-linéarité, les auteurs utilisent des espaces symboliques. Ils approximent le système non-linéaire par des sous-systèmes générés par des itérées profondes. Grâce à une condition de distortion bornée (valable pour les IFS conformes), les attracteurs de ces sous-systèmes se comportent asymptotiquement comme des tapis de Barański symboliques (des structures auto-affines).

C. La Dimension Inférieure Modifiée ($\dim_{ML}$) :
L'approche clé repose sur la dimension inférieure modifiée :
$$\dim_{ML} X = \sup \{ \dim_L Y : Y \subseteq X \}$$
où $\dim_L$ est la dimension inférieure (liée aux tangentes faibles).
Le théorème de base (Proposition 1.1) stipule que si $X$ est fermé et "diffus par rapport aux hyperplans" (ne se concentre pas trop sur des lignes), alors :
$$\dim_H(X \cap Bad_d) \ge \dim_L X$$
L'objectif devient donc de montrer que $\dim_{ML} X = \dim_H X$ pour ces tapis non-linéaires.

D. Principe Variationnel :
Les auteurs établissent un principe variationnel pour la dimension de Hausdorff de ces tapis, exprimée comme le supremum des dimensions de Hausdorff des mesures ergodiques. Ils utilisent ensuite des mesures de Bernoulli sur les sous-systèmes symboliques pour construire des sous-ensembles avec une dimension inférieure arbitrairement proche de la dimension globale.

3. Résultats Principaux

Théorème 2.1 (Dimension de Hausdorff) :
Pour un tapis non-linéaire satisfaisant la condition OSC coordonnée, la dimension de Hausdorff est donnée par :
$$\dim_H X = \sup \{ \dim_H \mu : \mu \text{ est ergodique} \}$$
De plus, cette dimension peut être calculée comme une limite de solutions à des problèmes d'optimisation sur les sous-systèmes symboliques (formule de type Gatzouras-Lalley/Barański).

Théorème 2.2 (Égalité des dimensions) :
Pour ces mêmes tapis, la dimension de Hausdorff coïncide avec la dimension inférieure modifiée :
$$\dim_H X = \dim_{ML} X$$
C'est un résultat technique crucial. La difficulté réside dans le fait que la dimension inférieure n'est pas stable sous les applications Hölder (contrairement à la dimension de Hausdorff). Les auteurs contournent ce problème en construisant des sous-systèmes dominés où les exposants de Lyapunov sont distincts, permettant de contrôler la distortion.

Théorème 2.3 (Réponse à la question de Das et al.) :
Si un tapis non-linéaire satisfait la condition OSC coordonnée et possède au moins deux applications dans une certaine colonne et une certaine ligne (garantissant une diffusion par rapport aux hyperplans), alors :
$$\dim_H(X \cap Bad_2) = \dim_H X$$
Ceci répond affirmativement à la question ouverte de 2019, établissant l'existence de la première classe d'attracteurs non-linéaires et non-conformes pour lesquels les points mal approximables sont de dimension pleine.

Proposition 5.1 (Ensembles de Cantor Paraboliques) :
Les auteurs montrent également que la même approche fonctionne pour les ensembles de Cantor paraboliques (IFS avec points fixes paraboliques), prouvant que $\dim_H(X \cap Bad_1) = \dim_H X$.

4. Signification et Impact

1. Résolution d'un problème ouvert : Ce travail résout la question posée par Das, Fishman, Simmons et Urbański, étendant la théorie des points mal approximables au-delà du cadre linéaire (affine) et conforme.
2. Innovation Méthodologique : L'article démontre comment combiner la théorie des systèmes dynamiques non-linéaires (via la distortion bornée) avec la géométrie des ensembles auto-affines (tapis de Barański) pour analyser des propriétés arithmétiques fines.
3. Nouveaux outils de dimension : La dérivation d'une formule pour la dimension de Hausdorff de ces tapis non-linéaires (Théorème 2.1) est un résultat indépendant d'intérêt pour la géométrie fractale.
4. Généralisation : Bien que formulé principalement pour $d=2$, les auteurs indiquent que la méthode s'étend naturellement à des dimensions supérieures $d \ge 2$ en utilisant des IFS conformes sur des espaces de dimension $d_1$ et $d_2$ ($d_1+d_2=d$).

En résumé, cet article établit un pont fondamental entre l'approximation diophantienne et la géométrie des fractales non-linéaires, prouvant que la "difficulté" d'approximation des points rationnels ne réduit pas la taille fractale de ces ensembles complexes, même en l'absence de linéarité.