Nontrivial weak solutions of the stationary KdV equation in sharp $L^p$ spaces

1. Problématique et Contexte

L'article s'attaque à l'équation de Korteweg-de Vries (KdV) stationnaire sur le tore unidimensionnel $\mathbb{T}$ :
$$6uu' - u''' = 0$$
Le problème central réside dans l'analyse de la régularité des solutions faibles dans les espaces $L^p(\mathbb{T})$.

• Le paradoxe de la régularité : Pour les solutions classiques, il est bien établi que si $u \in L^2(\mathbb{T})$, alors $u$ est nécessairement lisse ($C^\infty$). Cependant, la question de l'existence de solutions faibles non triviales (et potentiellement singulières) pour des régularités inférieures à $L^2$ (c'est-à-dire $p < 2$) restait largement inexplorée pour l'équation stationnaire.
• Définition du problème : La non-linéarité quadratique ($u^2$) pose un défi majeur pour $u \in L^p$ avec $p < 2$. La définition classique d'une solution faible nécessite que le produit $u^2$ soit bien défini, ce qui échoue généralement dans les espaces de Sobolev à régularité négative.
• Objectif : Établir une dichotomie tranchée (sharp dichotomy) concernant l'existence de solutions non lisses dans $L^p$ pour $p < 2$ et prouver que $L^2$ est le seuil de régularité critique au-delà duquel toutes les solutions deviennent lisses.

2. Méthodologie : Intégration Convexe et Outils Techniques

L'auteur utilise une méthode d'intégration convexe, une technique puissante initialement développée pour les équations fluides (Navier-Stokes, Euler) par De Lellis et Székelyhidi, mais difficilement applicable aux équations dispersives comme KdV.

A. Définition de la solution faible (Produit Paraproduct)

Pour contourner la difficulté de définir $u^2$ pour des distributions de régularité négative, l'article adopte une définition de solution faible basée sur le paraproduit (inspirée de l'analyse de Navier-Stokes stationnaire 2D).

• La solution $u$ est définie dans un espace de Sobolev homogène $\dot{H}^s$ avec $s < 0$.
• Le terme non linéaire est interprété comme un paraproduit $P_{\neq 0}(u^2)$, défini via une décomposition de Littlewood-Paley, garantissant la convergence de la série dans un espace de régularité approprié.

B. Le défi de l'erreur de dispersion

Dans les schémas d'intégration convexe standards, l'erreur de dispersion ($E_D = -w''_{q+1}$) doit être contrôlée.

• En dimension 1, l'utilisation de blocs de construction intermittents (intermittency) ne permet pas de réduire suffisamment l'erreur dans les normes $L^p$ ou $C^\alpha$ classiques, car le gain d'intermittence est insuffisant pour compenser la dérivée seconde ($\lambda^2$).
• Innovation clé : L'auteur mesure l'erreur non pas dans une norme $L^p$, mais dans une norme de Sobolev homogène à régularité négative ($\dot{H}^{-s}$).
  • Cela permet de "pénaliser" moins la dérivée (car $-s$ est négatif) et d'utiliser la régularité négative pour faire converger l'erreur.
  • L'estimation clé devient : $\|E_D\|_{\dot{H}^{-s}} \lesssim \|w_{q+1}\|_{\dot{H}^{-s+2}} \lesssim \|w_{q+1}\|_{L^1}$.
  • Grâce à l'intermittence, la norme $L^1$ du bloc de construction peut être rendue petite, permettant de fermer le schéma itératif.

C. Blocs de construction intermittents

L'article utilise des "slabs" (plaques) intermittents $\rho_{\lambda, \epsilon}$, des fonctions lisses à support compact et à moyenne nulle, périodiques avec une fréquence élevée $\lambda$ et un paramètre d'intermittence $\epsilon$. Ces blocs permettent de concentrer l'énergie de manière non uniforme, optimisant les estimations dans les espaces de Besov et $L^p$.

3. Résultats Principaux

L'article établit deux théorèmes fondamentaux qui définissent le seuil de régularité précis :

Théorème 1.3 : Résultat de Rigidité (Rigidity Result)

• Énoncé : Si $u \in L^2(\mathbb{T})$ est une solution faible de l'équation stationnaire KdV, alors $u \in C^\infty(\mathbb{T})$.
• Signification : L'espace $L^2$ est un seuil de régularité. Dès que la solution appartient à $L^2$, elle devient automatiquement infiniment différentiable. Aucune solution singulière n'existe dans cet espace.

Théorème 1.4 : Résultat de Flexibilité (Flexibility Result)

• Énoncé : Il existe une solution faible non triviale $u$ telle que :
  $$u \in \bigcap_{0 < \epsilon < 1} \left( \dot{B}^{-\epsilon}_{\infty, \infty}(\mathbb{T}) \cap L^{2-\epsilon}(\mathbb{T}) \right) \setminus L^2(\mathbb{T})$$
  Cette solution satisfait l'équation au sens du paraproduit défini précédemment.
• Signification : Pour tout $p < 2$, il existe des solutions non lisses (et même non dans $L^2$) qui résolvent l'équation. Le résultat est "sharp" (optimal) car il montre que la frontière entre l'existence de solutions singulières et la régularité infinie se situe exactement à $p=2$.

4. Contributions Techniques et Preuve

La preuve du Théorème 1.4 repose sur un proposition inductive (Proposition 4.1) construite via un schéma d'intégration convexe itératif :

1. Construction itérative : On part d'une solution approchée $(u_q, E_q)$ et on ajoute une perturbation $w_{q+1}$ pour obtenir $(u_{q+1}, E_{q+1})$.
2. Contrôle des erreurs : L'erreur totale $E_{q+1}$ est décomposée en erreur de Nash ($E_N$), erreur d'oscillation ($E_O$) et erreur de dispersion ($E_D$).
   • L'erreur de dispersion est contrôlée grâce à la norme $\dot{H}^{-s}$.
   • L'erreur d'oscillation est annulée par le choix judicieux de l'amplitude $a_q$ et l'utilisation de l'intermittence pour rendre les termes résiduels petits dans $\dot{H}^{-s}$.
3. Convergence : La suite $u_q$ converge vers une limite $u$ dans les espaces $\dot{B}^{-\epsilon}_{\infty, \infty} \cap L^{2-\epsilon}$, mais diverge dans $L^2$ (la norme $L^2$ croît avec le nombre d'itérations), garantissant que la solution limite n'est pas dans $L^2$.

5. Importance et Impact

• Résolution d'un problème ouvert : Ce travail comble un vide dans la théorie des équations dispersives stationnaires, démontrant que le comportement des solutions faibles de KdV stationnaire diffère radicalement de celui des solutions classiques ou des solutions dans $L^2$.
• Extension de l'intégration convexe : C'est l'une des premières applications réussies de l'intégration convexe à une équation dispersives (KdV) en dimension 1. L'article surmonte l'obstacle historique de la "perte de dérivées" liée à l'erreur de dispersion en changeant l'espace de mesure de l'erreur (vers des normes négatives).
• Dichotomie précise : L'article identifie $L^2$ comme le seuil critique exact. Cela suggère que pour les équations dispersives, la régularité $L^2$ joue un rôle de "point de bascule" vers la régularité infinie, similaire à ce qui est observé dans d'autres contextes d'équations aux dérivées partielles non linéaires.
• Nouvelles perspectives : La méthode ouvre la voie à l'étude de solutions faibles de régularité contrôlée pour d'autres équations dispersives intégrables ou non-intégrables, en particulier dans des régimes de faible régularité où les méthodes classiques échouent.

En résumé, Mandon Pathak démontre que l'équation KdV stationnaire admet une richesse de solutions faibles non lisses en dessous du seuil $L^2$, tout en prouvant que ce seuil est strictement nécessaire pour garantir la régularité infinie, le tout grâce à une adaptation ingénieuse de l'intégration convexe utilisant des normes de Sobolev négatives.