Ergebnis für URL: http://www.ummisco.ird.fr/perso/bacaer/2001M2AN.html Convergence des méthodes numériques et dépendance par rapport à un paramètre des
problèmes de valeur propre min-plus: modèles de Frenkel-Kontorova et homogénéisation
des équations de Hamilton-Jacobi
Mod´lisation Mathématique et Analyse Numérique 35 (2001) 1185-1195
Nicolas Bacaër
* [de] Um den Artikel auf Deutsch zu lesen, benutzen Sie den in Ihrem Browser
integrierten automatischen Übersetzer.
* [en] To read the article in English, use your browser's machine translator.
[es] Para leer el artículo en español, utilice el traductor automático de su
navegador.
[it] Per leggere l'articolo in italiano, utilizzare il traduttore automatico
del browser.
[ja]
日本語de記事wo読muniha,_BuRaU6Zani内
;蔵saretei5ru自動翻訳機能wogo࠷
3;用kudasai5._
[pt] Para ler o artigo em português, utilize o tradutor automático do seu
navegador.
* [ru] CHtoby prochitat' stat'yu na russkom yazyke, vospol'zujtes' vstroennym
avtomaticheskim perevodchikom Vashego brauzera.
* [zh]
要阅读中文文本,请使
992;你的浏览器内置的自&
#21160;翻译器._
Résumé
On utilise la version min-plus de la formule du rayon spectral pour prouver que
la valeur propre unique d'un problème de valeur propre min-plus dépend
continûment des paramètres. On prouve aussi que la méthode numérique introduite
par Chou et Griffiths pour calculer cette valeur propre converge. Une boîte à
outils récemment développée par l'INRIA permet d'illustrer ces résultats. On
utilise les modèles de Frenkel-Kontorova en exemple. On insiste aussi sur
l'analogie avec l'homogénéisation des équations de Hamilton-Jacobi.
Mots-clés: problèmes de valeur propre min-plus; analyse numérique; modèle de
Frenkel-Kontorova; équations de Hamilton-Jacobi
Introduction
Certains problèmes d'optimisation peuvent se formuler en utilisant le
semi-anneau \[\mathbb{R}_{\min}=(\mathbb{R}\cup \{+\infty\},\oplus,\otimes),\quad
\lambda \oplus \mu=\min (\lambda,\mu)\quad \mathrm{,}\quad \lambda \otimes \mu =
\lambda + \mu,\] de sorte qu'ils apparaissent comme les analogues des problèmes
classiques de valeur propre. Par exemple, \[\min_{1\leq j\leq n} \{K_{i,j}+u_j\}
= \lambda + u_i,\quad \quad \sum_{1\leq j\leq n} K_{i,j} \times u_j = \lambda
\times u_i\] se ressemblent, ainsi que \[\min_{a\leq y\leq b} \{K(x,y)+u(y)\} =
\lambda + u(x),\quad \quad \int_a^b K(x,y) \times u(y)\, dy = \lambda \times
u(x).\] Ces analogies ont été utilisées pour développer sur ce semi-anneau une
théorie spectrale des matrices [5] et des opérateurs intégraux [14]. [6] a
utilisé une méthode numérique pour résoudre des « problèmes intégraux » de valeur
propre min-plus et ainsi tracer des diagrammes de phase pour des modèles de
Frenkel-Kontorova. Le principal objectif ici est de prouver la convergence de
cette méthode.
La section 1, inspirée de [12], rappelle comment formaliser les analogies
avec l'introduction de quelques définitions générales. La section 2 rappelle les
théorèmes principaux de la théorie spectrale sur \(\,\mathbb{R}_{\min}\). La
section 3 démontre que la valeur propre l dépend continûment des paramètres qui
interviennent dans la fonction K. La section 4 prouve la convergence de
l'approximation numérique des problèmes de valeur propre sur
\(\,\mathbb{R}_{\min}\). Les preuves des sections 3 et 4 se déduisent facilement
d'une sorte de formule du rayon spectral présentée dans la section 2. La section
5 traite du cas des fonctions périodiques. La section 6 illustre les résultats
précédents dans deux contextes: les modèles de Frenkel-Kontorova en physique du
solide et l'homogénéisation des équations de Hamilton-Jacobi.
Mentionnons que les problèmes de valeur propre à paramètre pour les équations
de Hamilton-Jacobi, qui sont équivalents à des problèmes de valeur propre
min-plus, apparaissent aussi dans l'étude des ondes progressives pour la
propulsion à propergol solide [3,15]. Cette application était la motiviation
initiale pour notre étude. Mais comme les détails techniques sont plus
compliqués, on les expliquera ailleurs.
Notons aussi que l'analyse numérique d'autres problèmes linéaires min-plus
n'est pas toujours aussi simple que celle des problèmes de valeur propre
présentée ici (voir [4] pour une discussion).
1. Algèbre linéaire généralisée
Définition. \(\mathcal{R}\) est un ensemble muni d'une loi de composition
interne \(+\). \((\mathcal{R},+)\,\) est un semi-groupe si + est associatif et a
un élément neutre. \((\mathcal{R},+)\) est un semi-groupe commutatif si + est
aussi commutatif.
Définition. \(\mathcal{R}\) est un ensemble muni de deux lois de composition
interne + et ×. \((\mathcal{R},+,\times)\,\) est un semi-anneau si
* \((\mathcal{R},+)\) est un semi-groupe commutatif dont l'élément neutre est
0,
* \((\mathcal{R},\times)\) est un semi-groupe dont l'élément neutre est 1,
* × est distributif par rapport à +,
* \(\forall \lambda \in \mathcal{R}\), \(0\times \lambda = \lambda \times
0=0\).
Exemples.
* \((\mathbb{R},+,\times)\) et \((\mathbb{R}_+,+,\times)\,\) sont des
semi-anneaux.
* Avec \(\,\mathbb{R}_{\min}=\mathbb{R} \cup \{+\infty\}\),
\((\mathbb{R}_{\min},\min,+)\) est un semi-anneau avec comme éléments neutres
\(+\infty\) et 0.
Définition. \((\mathcal{R},+,\times)\) est un semi-anneau et \((X,+)\,\) un
semi-groupe commutatif. On suppose que \(\forall \lambda \in \mathcal{R},\
\forall x\in X\), \(\lambda \cdot x\in X\). On dit que \(\,(X,+,\cdot)\,\) est un
semi-module sur \(\,(\mathcal{R},+,\times)\) si \(\forall \lambda,\mu \in
\mathcal{R}\), \(\forall x,y \in X\), \begin{align*} &(\lambda+\mu) \cdot
x=\lambda \cdot x + \mu \cdot x\, ,\\ & (\lambda \times \mu) \cdot x = \lambda
\cdot (\mu \cdot x),\\ &\lambda \cdot (x+y)=\lambda \cdot x + \lambda \cdot y,\\
& 1\cdot x=x. \end{align*} On dit que Y est un sous-semi-module de X si Y est un
semi-module et \(\,Y \subset X\).
Exemple. Soit X un ensemble et \(\,(\mathcal{R},+,\times)\,\) un semi-anneau.
\[\forall f,g \in \mathcal{R}^X,\quad \forall x\in X, \quad
(f+g)(x):=f(x)+g(x),\quad (\lambda\cdot f)(x):=\lambda \times f(x).\]
\((\mathcal{R}^X,+,\cdot)\) est alors un semi-module sur \(\mathcal{R}\).
Exemple. Soit X un ensemble et \(\,B(X,\mathbb{R}_{\min})\) l'ensemble des
fonctions \(X \to \mathbb{R}_{\min}\,\) qui sont bornées inférieurement.
\(B(X,\mathbb{R}_{\min})\) est un sous-semi-module de
\((\mathbb{R}_{\min}^X,\min,+)\).
Définition. \((\mathcal{R},+,\times)\) est un semi-anneau. \((X,+,\cdot)\) et
\((Y,+,\cdot)\) sont deux semi-modules et \(L:X\to Y\). On dit que L est un
opérateur linéaire si \(\,\forall \lambda,\mu \in \mathcal{R}\), \(\forall x,y
\in X\), \(L(\lambda\cdot x + \mu \cdot y)=\lambda \cdot L(x) + \mu \cdot L(y)\).
Exemple. Soit X un ensemble et \(\,K:X^2\to \mathbb{R}_{\min}\) une fonction
bornée inférieurement. \(\mathcal{K}\) est l'application de
\(B(X,\mathbb{R}_{\min})\) dans lui-même \(u \mapsto \mathcal{K}u\) avec
\[\forall x \in X,\quad (\mathcal{K}u)(x)=\inf_{y\in X} \{K(x,y)+u(y) \}.\]
\(\mathcal{K}\) est un opérateur linéaire.
Définition. \((\mathcal{R},+,\times)\) est un semi-anneau, \((X,+,\cdot)\) un
semi-module sur \(\mathcal{R}\), \(L:X\to X\) un opérateur linéaire et \(\lambda
\in \mathbb{R}\). On dit que l est une valeur propre de L si \(\exists x\in X,\ x
\neq 0,\ L(x)=\lambda\cdot x\). Dans ce cas, on dit que x est un vecteur propre
associé à l.
Exemple. Mêmes notations que l'exemple précédent. \(\,\lambda \in
\mathbb{R}_{\min}\) est une valeur propre de \(\mathcal{K}\) s'il existe \(u\in
B(X,\mathbb{R}_{\min})\,\) avec u non identiquement +infty et
\begin{equation}\tag{1} \forall x \in X,\quad \inf_{y\in X} \{K(x,y)+u(y)
\}=\lambda + u(x). \end{equation}
2. Théorie spectrale sur \(\mathbb{R}_{\min}\)
Théorème 1. Soit X un ensemble et \(\,K:X^2\to \mathbb{R}\,\) une fonction
qui est bornée inférieurement. Supposons qu'il existe \(\,\lambda \in
\mathbb{R}\) et une fonction bornée inférieurement \(u:X\to \mathbb{R}\) avec
(1). On a alors \begin{equation}\tag{2} \lambda = \inf_{(x_n) \in X^{\mathbb{N}}}
\liminf_{n \to +\infty} \frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n}\, .
\end{equation}
Cette formule est l'analogue pour \(\mathbb{R}_{\min}\,\) de la formule du
rayon spectral. [6] la donne sans précision pour \(\,X=[0,1]\). [16] ne la donne
que pour un ensemble X qui est fini. Dans ce cas, la formule (3) ci-dessous est
plus intéressante. Pour une interprétation de la formule en terme de rayon
spectral dans une semi-algèbre normée, voir [3].
Preuve. On choisit \(\,(x_n) \in X^{\mathbb{N}}\). On a alors \[\forall n \in
\mathbb{N}^*,\quad \lambda+u(x_{n-1}) = \inf_{y \in X} \{K(x_{n-1},y)+u(y) \}
\leq K(x_{n-1},x_n)+u(x_n).\] Additionnons les n premières équations. On obtient
\[\forall n\in \mathbb{N}^*,\quad n\lambda + u(x_0) \leq K(x_0,x_1)+\cdot +
K(x_{n-1},x_n)+u(x_n).\] Puisque u est borné, divisons par n et prenons \(\,n \to
+\infty\). On obtient \[\lambda \leq \liminf_{n \to +\infty}
\frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n}\, .\] \((x_n)\,\) était arbitraire. On
a donc \[\lambda \leq \inf_{(x_n) \in X^{\mathbb{N}}} \liminf_{n \to +\infty}
\frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n}\, .\] Pour prouver l'inégalité
opposée, soit e>0 et \(y_0 \in X\). On peut construire par récurrence une suite
\(\,(y_n) \in X^{\mathbb{N}}\) avec \[\forall n \in \mathbb{N}^*,\quad
K(y_{n-1},y_n)+u(y_n) \leq \inf_{x \in X} \{K(y_{n-1},x)+u(x)\} + \varepsilon =
\lambda +u(y_{n-1})+\varepsilon.\] Additionnons les n premières équations et
divisons par n. On obtient \[\forall n \in \mathbb{N}^*,\quad
\frac{K(y_0,y_1)+\cdots+K(y_{n-1},y_n)}{n} + \frac{u(y_n)}{n} \leq \lambda +
\frac{u(y_0)}{n} + \varepsilon.\] Avec \(n\to +\infty\,\), on obtient
\begin{align*} \lambda &\geq \liminf_{n\to +\infty}
\frac{K(y_0,y_1)+\cdots+K(y_{n-1},y_n)}{n}-\varepsilon \\ &\geq \inf_{(x_n) \in
X^{\mathbb{N}}} \liminf_{n \to +\infty}
\frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n}-\varepsilon. \end{align*}
Théorème 2. Soit un espace métrique compact \(\,(X,d)\) et \(K\in
C^0(X^2,\mathbb{R})\). Il existe un unique \(\,\lambda \in \mathbb{R}\) pour
lequel il existe \(u \in C^0(X,\mathbb{R})\) avec (1).
C'est un analogue pour \(\mathbb{R}_{\min}\,\) du théorème de
\(\text{Krein}\,\) et Rutman. [5] donne une preuve pour un ensemble X qui est
fini. [7] donne une preuve pour \(\,X=[0,1]\,\) et note que diverses
généralisations sont possibles. [9] étend la preuve à \(\,X=[0,1]^n\). [14] donne
une preuve dans le cadre général et même avec des hypothèses plus faibles. Mais
la méthode de preuve de [14] est un peu différente de celle utilisée dans [7,9]
et moins claire. La preuve ci-dessous est une généralisation directe de celle
dans [7,9].
Preuve. \(E=C^0(X,\mathbb{R})\). On définit \(\,\|u\|=\sup_{x\in X} |u(x)|\)
si \(u \in E\). Alors E est un espace de Banach. On définit \[\forall u \in
E,\quad \forall x\in X,\quad (Tu)(x)=\inf_{y \in X} \{K(x,y)+u(y)\}-\inf_{z\in X}
\inf_{y \in X} \{K(z,y)+u(y)\}.\] \(T(E)\,\) est un ensemble équicontinu. En
effet, soit e>0. Puisque K est uniformément continu, \[\exists \alpha > 0, \quad
\forall x,y,x',y' \in X,\quad \max \{d(x,x');d(y,y')\} \leq \alpha \ \Rightarrow
\ |K(x,y)-K(x',y')| \leq \varepsilon.\] On choisit \(\,x,x' \in X\) avec
\(d(x,x') \leq \alpha\). On a alors \begin{align*} \forall u \in E,\quad
(Tu)(x)-(Tu)(x')&= \inf_{y \in X} \{K(x,y)+u(y)\} - \inf_{y \in X}
\{K(x',y)+u(y)\}\\ &\leq \inf_{y \in X} \{K(x',y)+\varepsilon+u(y)\}-\inf_{y \in
X} \{K(x',y)+u(y)\}=\varepsilon. \end{align*} Avec \(x'\,\) à la place de x, on
obtient \(\,|(Tu)(x)-(Tu)(x')| \leq \varepsilon\).
La fonction \(T:E\to E\), \(u\mapsto Tu\ \) est continue. Avec \(\,u,v \in
E\), \begin{align*} \forall x\in X,\quad (Tv)(x) &= \inf_{y \in X}
\{K(x,y)+v(y)-u(y)+u(y)\} \\ &\quad \quad - \inf_{z \in X} \inf_{y \in X}
\{K(z,y)+v(y)-u(y)+u(y)\}\\ &\leq (Tu)(x)+\sup_{y \in X} \{v(y)-u(y)\} - \inf_{y
\in X} \{v(y)-u(y)\}\\ &\leq (Tu)(x) + 2 \|v-u\|. \end{align*} Échangeons les
rôles de v et u. On obtient \(\,\|Tv-Tu\| \leq 2 \|v-u\|\).
On définit \[K_-=\inf_{x,y\in X} K(x,y),\quad K_+=\sup_{x,y\in X} K(x,y),\]
\[C=\{u \in E;\ \forall x\in X,\ 0 \leq u(x) \leq K_+-K_-\}.\] On a \[\forall u
\in E, \quad \forall x\in X,\quad 0 \leq (Tu)(x) \leq \inf_{y \in X} \{K_++u(y)\}
- \inf_{z \in X} \inf_{y \in X} \{K_-+u(y)\} = K_+-K_-.\] On a donc \(T(E)
\subset C\). En particulier, \(\,T(C) \subset C\) et \(T(C)\,\) est borné.
\(\,T(E)\) est équicontinu. \(T(C)\,\) est donc aussi équicontinu. \(\,T(C)\) est
relativement compact dans E d'après le théorème d'Ascoli et Arzela. \(C\,\) est
un sous-ensemble fermé et convexe. Pour une fonction continue d'un sous-ensemble
fermé et convexe d'un espace de Banach à valeurs dans un sous-ensemble compact de
C, il y a un point fixe d'après le théorème de Schauder : \(\exists u \in C,\
Tu=u\), ce qui signifie (1) avec \[\lambda= \inf_{z\in X} \inf_{y \in X}
\{K(z,y)+u(y)\}.\] L'unicité de la valeur propre l résulte du théorème 1.
3. Problèmes qui dépendent d'un paramètre
Les problèmes de valeur propre min-plus qui dépendent d'un paramètre ne
semblent pas avoir été encore étudiés.
Proposition 1. Soit un espace métrique compact \(\,(X,d)\), W* un espace
topologique et \(K:\alpha \mapsto K_\alpha\) une fonction continue de \(\Omega
\to (C^0(X^2,\mathbb{R}),\|\cdot\|_\infty)\). \(\,\lambda_\alpha\) est l'unique
nombre réel associé à \(K_\alpha\) d'après le théorème 2. On a alors : \(\alpha
\mapsto \lambda_\alpha\) de \(\Omega\to \mathbb{R}\) est une fonction continue.
Preuve. On choisit \(\,\alpha \in \Omega\) et \(\varepsilon > 0\). Il existe
un voisinage \(\,\mathcal{V}\) de \(\alpha\) avec \[\beta \in \mathcal{V}
\Rightarrow \sup_{x,y \in X} |K_\alpha(x,y)-K_\beta(x,y)|\leq \varepsilon.\] On a
alors \begin{align*} \forall (x_n) \in X^{\mathbb{N}}, \quad \forall n \in
\mathbb{N}^*,\quad \frac{K_\alpha(x_0,x_1)+\cdots+K_\alpha(x_{n-1},x_n)}{n} -
\varepsilon &\leq \frac{K_\beta(x_0,x_1)+\cdots+K_\beta(x_{n-1},x_n)}{n}\\ &\leq
\frac{K_\alpha(x_0,x_1)+\cdots+K_\alpha(x_{n-1},x_n)}{n}+\varepsilon.
\end{align*} Prenons d'abord la \(\liminf_{n\to +\infty}\) de ces inégalités,
puis l'infimum sur tous les \((x_n) \in X^{\mathbb{N}}\). On obtient, d'après la
formule (2), que \[\lambda_\alpha - \varepsilon \leq \lambda_\beta \leq
\lambda_\alpha+\varepsilon.\]
Proposition 2. Soit un espace métrique compact \(\,(X,d)\) et W* un
sous-ensemble convexe d'un espace vectoriel réel. \(K_\alpha \in
C^0(X^2,\mathbb{R})\) si \(\,\alpha \in \Omega\). On suppose \(\, \forall x,y \in
X\), \(\alpha \mapsto K_\alpha(x,y)\) de \(\Omega\to \mathbb{R}\) est une
fonction concave. \(\lambda_\alpha\) est l'unique nombre réel associé à
\(K_\alpha\) par le théorème 2. On a alors : \(\alpha \mapsto \lambda_\alpha\) de
\(\Omega\to \mathbb{R}\) est une fonction concave.
[6] mentionne cette propriété pour \(X=[0,1]\) et \(\Omega=\mathbb{R}\).
Preuve. Avec \(\,{\bf x}=(x_n) \in X^{\mathbb{N}}\), \(n \in \mathbb{N}^*\)
et \(\alpha \in \Omega\), on définit
\[S(\mathbf{x},n,\alpha)=\frac{K_\alpha(x_0,x_1)+\cdots+K_\alpha(x_{n-1},x_n)}{n}
\, .\] On choisit \(t \in ]0,1[\) et \(\alpha,\beta \in \Omega\). On a alors
\[\forall \mathbf{x} \in X^{\mathbb{N}}, \quad \forall n \in \mathbb{N}^*,\quad
S(\mathbf{x},n,t\cdot \alpha+(1-t)\cdot \beta) \geq t\,
S(\mathbf{x},n,\alpha)+(1-t) S(\mathbf{x},n,\beta)\] à cause de l'hypothèse de
concavité. Avec les propriétés de \(\,\liminf\), on obtient \[ \forall x\in
X^{\mathbb{N}},\quad \liminf_{n \to +\infty} S(\mathbf{x},n,t\cdot \alpha + (1-t)
\cdot \beta) \geq t\ \liminf_{n \to +\infty} S(\mathbf{x},n,\alpha) + (1-t)\
\liminf_{n \to +\infty} S(\mathbf{x},n,\beta).\] Prenons l'infimum sur tous les
\(\mathbf{x} \in X^{\mathbb{N}}\), on obtient \begin{align*} &\inf_{\mathbf{x}
\in X^{\mathbb{N}}}\liminf_{n \to +\infty} S(\mathbf{x},n,t\cdot \alpha + (1-t)
\cdot \beta) \\ &\quad \quad \geq t \inf_{\mathbf{x} \in X^{\mathbb{N}}}
\liminf_{n \to +\infty} S(\mathbf{x},n,\alpha) + (1-t) \inf_{\mathbf{x} \in
X^{\mathbb{N}}} \liminf_{n \to +\infty} S(\mathbf{x},n,\beta). \end{align*} Donc
d'après la formule (2), \(\lambda_{t\cdot \alpha + (1-t) \cdot \beta} \geq t\,
\lambda_\alpha + (1-t) \lambda_\beta\).
4. Méthodes numériques
La proposition suivante prouve la convergence de la méthode numérique
utilisée par [6].
Proposition 3. Soit un espace métrique compact \(\,(X,d)\). Soit une fonction
lipschitzienne \(\,K:X^2 \to \mathbb{R}\) \[\exists \kappa > 0,\quad \forall
x,x',y,y' \in X,\quad |K(x,y)-K(x',y')|\leq \kappa \max \{d(x,x');d(y,y')\}.\]
D'après le théorème 2, soit l l'unique nombre réel pour lequel \(\exists\ u\in
C^0(X,\mathbb{R})\,\) avec (1). Soit une suite de sous-ensembles finis de X,
\((X_p)_{p\in \mathbb{N}}\,\), avec \[h_p=\sup_{x \in X} \min_{y \in X_p} d(x,y)
\mathop{\longrightarrow}_{p \to +\infty} 0.\] D'après le théorème 2, \[\forall
p\in \mathbb{N},\quad \exists ! \, \lambda_p\in \mathbb{R},\quad \exists \, u_p:
X_p \to \mathbb{R},\quad \forall x\in X_p,\quad \min_{y \in X_p}
\{K(x,y)+u_p(y)\} = \lambda_p +u_p(x).\] On a alors \(\lambda \leq \lambda_p \leq
\lambda + \kappa\, h_p\) et \(\lambda_p \to \lambda\) si \(p\to +\infty\).
Cette proposition est liée au point de vue de l'analyse non-standard de [10],
qui considère des valeurs de p infiniment grandes.
Preuve. On choisit \(\,p \in \mathbb{N}\). D'après (2), \begin{align*}
\lambda &= \inf_{(x_n) \in X^{\mathbb{N}}} \liminf_{n \to +\infty}
\frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n}\, ,\\ \lambda_p &= \inf_{(x_n) \in
X_p^{\mathbb{N}}} \liminf_{n \to +\infty}
\frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n}\, . \end{align*} D'un côté, \(X_p
\subset X\), on a donc \(\lambda \leq \lambda_p\). D'un autre côté, soit e>0. Il
existe \(\,(x_n)\in X^{\mathbb{N}}\,\) avec \[\lambda \leq \liminf_{n \to
+\infty} \frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n} \leq \lambda + \varepsilon\,
.\] Par hypothèse, \(\forall n \in \mathbb{N}\), \(\exists y_n \in X_p\),
\(d(x_n,y_n)\leq h_p\). Mais K est lipschitzienne, donc \(\,\forall n \in
\mathbb{N}\), \(|K(x_n,x_{n+1})-K(y_n,y_{n+1})| \leq \kappa\, h_p\). En
conclusion, \begin{align*} \lambda_p &\leq \liminf_{n \to +\infty}
\frac{K(y_0,y_1)+\cdots+K(y_{n-1},y_n)}{n}\\ &\leq \liminf_{n \to +\infty}
\frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n} + \kappa\, h_p \leq \lambda +
\varepsilon + \kappa \, h_p. \end{align*} Parce que e était arbitraire, on
obtient \(\lambda_p \leq \lambda + \kappa\, h_p\).
Proposition 4. Soit un ensemble avec q éléments, \(\,X_p\). On a alors
\begin{equation}\tag{3} \lambda_p = \min_{1\leq n\leq q}\
\min_{(x_0,\ldots,x_{n-1}) \in X_p^n}
\frac{K(x_0,x_1)+\cdots+K(x_{n-1},x_n)}{n}\, . \end{equation}
Preuve. Voir [5] par exemple.
\(\lambda_p\,\) est la « moyenne cyclique minimale ». Cette moyenne se
calcule avec un nombre fini d'opérations. La preuve est semblable à celle de (2).
Néanmoins, ce n'est pas la formule (3) que l'on utilise en pratique. Il y a de
meilleurs algorithmes, comme l'algorithme de Karp qui nécessite \(\,O(q^3)\,\)
opérations, ou l'algorithme de Howard qui semble être le plus rapide [8]. Noter
que dans l'analyse numérique des problèmes de valeur propre min-plus, les
matrices impliquées sont pleines et très grandes. Donc les algorithmes efficaces
sont bienvenus, en particulier lorsqu'en plus le problème dépend d'un paramètre
que l'on varie comme dans les prochaines sections. L'algorithme de Karp est très
facile à programmer, tandis que celui de Howard est disponible à travers la boîte
à outils Maxplus de Scilab. Voir [1]www-rocq.inria.fr/scilab/ et
[2]www-rocq.inria.fr/scilab/contributions.html.
5. Fonctions périodiques
Proposition 5. Soit un groupe topologique abélien \(\,(X,+)\), une fonction
bornée inférieurement \(K:X^2 \to \mathbb{R}\,\) et P un sous-groupe de X. On
suppose \[\forall p \in P,\ \forall (x,y) \in X^2,\ K(x+p,y+p)=K(x,y).\]
\((\mathbf{X},+)\,\) est le groupe topologique qui est le quotient de X par P. On
définit \begin{equation}\tag{4} \forall \mathbf{x},\mathbf{y} \in
\mathbf{X},\quad \mathbf{K}(\mathbf{x},\mathbf{y})=\inf_{y \in \mathbf{y}} K(x,y)
\end{equation} avec \(x \in \mathbf{x}\). Soit l \(\in \mathbb{R}\).
* Si on a une fonction continue \(u:X\to \mathbb{R}\) avec \[\forall p \in P,
\quad \forall x\in X, \quad u(x+p)=u(x)\] et \begin{equation}\tag{5} \inf_{y
\in X} \{K(x,y)+u(y)\}=\lambda + u(x), \end{equation} alors la fonction
quotient \(u:\mathbf{X} \to \mathbb{R}\,\) déduite de u est continue et
\begin{equation}\tag{6} \forall \mathbf{x} \in \mathbf{X},\quad
\inf_{\mathbf{y} \in \mathbf{X}}
\{\mathbf{K}(\mathbf{x},\mathbf{y})+\mathbf{u}(\mathbf{y}) \} = \lambda +
\mathbf{u}(\mathbf{x}). \end{equation}
* Inversement, si \(\mathbf{u}:\mathbf{X}\to \mathbb{R\,}\) est une fonction
continue avec (6), alors la fonction périodique de période P, \(\,u:X\to
\mathbb{R}\), déduite de \(\mathbf{u}\) est continue et vérifie (5).
[6] prouve cette proposition pour \(X=\mathbb{R}\) et \(P=\mathbb{Z}\), [9]
pour \(X=\mathbb{R}^n\) et \(P=\mathbb{Z}^n\).
Preuve. Notons d'abord que \(\,\mathbf{K}\) est bien défini, parce que
\[\forall x\in X, \quad \forall \mathbf{y} \in \mathbf{X}, \quad \forall p \in
P,\quad \inf_{y \in \mathbf{y}} K(x+p,y) = \inf_{y \in \mathbf{y}}
K(x,y-p)=\inf_{y \in \mathbf{y}} K(x,y).\] Le reste se déduit facilement du fait
que si \(\mathbf{x} \in \mathbf{X}\) et \(x \in \mathbf{x}\), on a \begin{align*}
\inf_{y \in X} \{K(x,y)+u(y)\}=\inf_{\mathbf{y} \in \mathbf{X}} \inf_{y \in
\mathbf{y}} \{K(x,y)+u(y)\} &=\inf_{\mathbf{y} \in \mathbf{X}} \inf_{y \in
\mathbf{y}} \{K(x,y)+\mathbf{u}(\mathbf{y})\}\\ &= \inf_{\mathbf{y} \in
\mathbf{X}} \{\mathbf{K}(\mathbf{x},\mathbf{y})+\mathbf{u}(\mathbf{y})\}.
\end{align*}
6. Exemples
Pour tout a \(\in \mathbb{R}\,\), \(K_\alpha \in
C^0(\mathbb{R}^2,\mathbb{R})\). On suppose que \begin{align} \forall x,y \in
\mathbb{R}, \forall \alpha \in \mathbb{R},\quad K_0(x+1,y+1)&=K_0(x,y)\tag{7}\\
K_\alpha(x,y)&=K_0(x,y)-\alpha(x-y).\tag{8} \end{align} On définit
\begin{equation} \forall \alpha \in \mathbb{R}, \quad \lambda_\alpha=\inf_{(x_n)
\in \mathbb{R}^{\mathbb{N}}} \liminf_{n \to +\infty}
\frac{K_\alpha(x_0,x_1)+\cdots+K_\alpha(x_{n-1},x_n)}{n}\, . \end{equation}
\(\mathbb{R}/\mathbb{Z}\,\) est compact. D'après le théorème 2 et la proposition
5, \(\lambda_\alpha\) est l'unique nombre réel pour lequel il existe une fonction
périodique de période 1, \(\,u_\alpha \in C^0(\mathbb{R},\mathbb{R})\,\) avec
\begin{equation}\tag{9} \forall x \in \mathbb{R},\quad \inf_{y \in \mathbb{R}}
\{K_\alpha(x,y)+u_\alpha(y) \} = \lambda_\alpha +u_\alpha(x). \end{equation}
D'après la proposition 2, \(\alpha \mapsto \lambda_\alpha\) est une fonction
concave. Donc elle a une dérivée du côté droit
\(\,\frac{d\lambda}{d\alpha}(\alpha^+)\) pour tout a, et \(\alpha \mapsto
\frac{d\lambda}{d\alpha}(\alpha^+)\) est une fonction décroissante.
Modèles de Frenkel et Kontorova
On choisit \(L\in C^0(\mathbb{R}^2,\mathbb{R})\). On suppose \[\forall x,y
\in \mathbb{R},\quad L(x+1,y+1)=L(x,y).\] On définit \[\forall \alpha \in
\mathbb{R}, \quad \forall x,y \in \mathbb{R},\quad
K_\alpha(x,y)=L(x,y)-\alpha(x-y).\] Les hypothèses (7) et (8) sont vérifiées. Un
cas particulier est celui où \(\,V \in C^0(\mathbb{R},\mathbb{R})\) est
périodique de période 1 et \[ \forall x,y \in \mathbb{R},\quad
L(x,y)=V(x)+\frac{(y-x)^2}{2}\, .\] La figure 1 montre la dépendance de
\(\lambda_\alpha\) par rapport à a si \(V(x)=C[1-\cos(2\pi x)]\) avec un autre
paramètre \(\,C\,\). Frenkel et Kontorova ont proposé cet exemple en 1938. On
prend \(\,C=(4/3)/(2\pi)^2\). On prend \(\,\{0,1/p,2/p,\ldots,(p-1)/p\}\) pour
discrétiser \(\mathbb{R}/\mathbb{Z}\). On a \[\forall \alpha \in [0,1/2],\quad
\forall x,y \in [0,1],\quad \inf_{p \in \mathbb{Z}} K_\alpha(x,y+p)=V(x) +
\inf_{p\in \{-1,0,1\}} \left \{ \frac{(y-x+p)^2}{2}-\alpha (x-y-p) \right \}.\]
La figure (a) illustre la continuité de \(\alpha \mapsto \lambda_\alpha\). La
figure (b) suggère que \(\,\frac{d\lambda}{d\alpha}(\alpha^+)\,\) est aussi une
fonction continue de a, mais comme un « escalier du diable ». Un doute subsiste
pour savoir si ceci peut se déduire des résultats d'Aubry [1,2] et des remarques
de Griffith [13].
[FK.png] Figure 1. L'énergie minimale du modèle de Frenkel et Kontorova.
Homogénéisation des équations de Hamilton-Jacobi
On choisit \(\,L \in C^0(\mathbb{R}^2,\mathbb{R})\). On suppose \[\forall x,v
\in \mathbb{R}, \quad L(x+1,v)=L(x,v).\] On définit \begin{align} \forall \alpha
\in \mathbb{R},\quad \forall x,y \in \mathbb{R},\quad K_0(x,y)&=\inf \left \{
\int_0^1 L(\xi(s),\dot{\xi}(s))\, ds\, ;\ \xi \in C^1([0,1],\mathbb{R}),\
\xi(0)=y, \, \xi(1)=x \right \}, \nonumber\\ K_\alpha(x,y)&=K_0(x,y)- \alpha
(x-y) \tag{10} \end{align} Les hypothèses (7) et (8) sont vérifiées. Un cas
particulier de cette situation est celui où \(\,V \in
C^0(\mathbb{R},\mathbb{R})\) est périodique de période 1, et \[\forall x,v \in
\mathbb{R},\quad L(x,v)=V(x)+\frac{v^2}{2}\, .\] Dans cette situation, il y a une
formule presque explicite pour la valeur propre \(\lambda_\alpha\) (voir [9] par
exemple), à savoir \[\lambda_\alpha = \left \{ \begin{array}{ll} \min V &
\forall\ |\alpha| \leq \int_0^1 \sqrt{2[V(x)-\min V]}\, dx\\ \lambda,\quad
|\alpha|=\int_0^1 \sqrt{2[V(x)-\lambda]}\, dx & \forall\ |\alpha| > \int_0^1
\sqrt{2[V(x)-\min V]}\, dx. \end{array}\right.\] La figure 2 montre la dépendance
de \(\lambda_\alpha\) par rapport à a si \(\,V(x)=1-\cos(2\pi x)\). Notez les
similitudes et les différences avec la figure 1. Il est étrange que deux modèles
aussi proches aient des comportements si différents.
[HJ.png] Figure 2. Le hamiltonien effectif pour l'équation eikonale.
Dans le cas où \(L(x,v)\,\) est convexe par rapport à v, [9] montre que le
problème de valeur propre (9) avec la fonction (10) est équivalent au problème
pour une cellule \[H\left (x,\alpha+\frac{\partial u}{\partial x}(x) \right
)=\bar{H}(\alpha),\] avec \(\bar{H}(\alpha)=-\lambda_\alpha\) et \[\forall x,p
\in \mathbb{R},\quad H(x,p)=\sup_{v \in \mathbb{R}} \left \{p\cdot v - L(x,v)
\right \}.\] Rappelons que ce problème pour une cellule vient de
l'homogénéisation quand \(\varepsilon \to 0\) de l'équation \[\frac{\partial
v}{\partial t}(t,x)+H\left ( \frac{x}{\varepsilon},\frac{\partial v}{\partial
x}(t,x) \right )=0.\] [11] expose d'autres liens entre la théorie d'Aubry et
Mather et les équations de Hamilton et Jacobi. Notez aussi que la méthode
numérique, qui est assez facile pour le modèle de Frenkel et Kontorova, n'est pas
facile à adapter au cas des équations de Hamilton et Jacobi car le noyau (10) est
déjà difficile à calculer. Dans certains cas, on pourrait utiliser un logiciel
qui résout les problèmes aux limites liés à l'équation d'Euler et Lagrange pour
(10). Ceci nécessite d'être étudié par ailleurs.
La vitesse de convergence
Retournons aux modèles de Frenkel et Kontorova. Comme dans [6], on choisit la
fonction périodique de périod 1, parabolique par morceaux, \(\,V:\mathbb{R} \to
\mathbb{R}\), avec \[V(x)=\left \{ \begin{array}{ll} \frac{c}{2}\, x^2 & \ -1/4
\leq x \leq 1/4,\\ \frac{c}{16}-\frac{c}{2} \left (x-\frac{1}{2} \right )^2 & \
1/4 \leq x \leq 3/4 \end{array}\right.\] avec \(c\geq 0\). On utilise
\(\,\{0,1/p,2/p,\ldots,(p-1)/p \}\,\) pour la discrétisation. D'après la
proposition 3 avec \(\,h_p=1/p\,\), on a \[\log_{10}(\lambda_p-\lambda) \leq
\log_{10} (\kappa) - \log_{10}(p).\] k est la constante de lipschitz de la
fonction \(\mathbf{K}\,\) définie par (4). On suppose \(\,c=4/3\) et
\(\alpha=13/32\). Alors l se calcule explicitement, comme indiqué dans [6], à
savoir \(\,\lambda=-\frac{265}{2048}\). La figure 3 montre
\(\,\log_{10}(\lambda_p-\lambda)\) en fonction de \(-\log_{10}(p)\). À cause de
propriétés spécifiques de K, la pente de la fonction semble proche de 2, ce qui
suggère que l'erreur est quadratique. Cependant, on peut construire des exemples
de problèmes de valeur propre min-plus pour lesquels la vitesse de convergence
n'est que linéaire. Il reste à trouver des hypothèses suffisantes sur le noyau
pour que la convergence soit quadratique.
[convergence.png] Figure 3. Convergence. \(\log_{10}(\lambda_p-\lambda)\) en
fonction de \(-\log_{10}(p)\).
Remerciements
L'auteur remercie Lin Yi-Jiun et l'Université de Colombie britannique pour
l'atelier stimulant sur les méthodes de viscosité pour les équations aux dérivées
partielles.
Références bibliographiques
1. S. Aubry, The new concept of transitions by breaking of analyticity in a
crystallographic model, in Solitons and Condensed Matter Physics, A.R. Bishop
et T. Schneider (éd.), Springer-Verlag, Berlin (1978) 264-277.
2. S. Aubry, The twist map, the extended Frenkel-Kontorova model and the devil's
staircase. Physica D 7 (1983) 240-258.
3. N. Bacaër, Min-plus spectral theory and travelling fronts in combustion. In:
System Structure and Control 2001, P. Horacek (éd.), Elsevier, 2001,
p.731-736.
4. N. Bacaër, Can one use Scilab's max-plus toolbox to solve eikonal equations?
In: System Structure and Control 2001, P. Horacek (éd.), Elsevier, 2001,
p.737-742.
5. F. Baccelli, G.J. Olsder, J.P. Quadrat, G. Cohen, Synchronization and
Linearity. Wiley, Chichester (1992).
6. W. Chou, R.B. Griffiths, Ground states of one-dimensional systems using
effective potentials. Phys. Rev. B 34 (1986) 6219-6234.
7. W. Chou, R.J. Duffin, An additive eigenvalue problem of physics related to
linear programming. Adv. in Appl. Math. 8 (1987) 486-498.
8. J. Cochet-Terrasson, G. Cohen, S. Gaubert, M. Mc Gettrick, J.P. Quadrat,
Numerical computation of spectral elements in max-plus algebra.
http://amadeus.inria.fr/gaubert/HOWARD.html
9. M. Concordel, Periodic homogenization of Hamilton-Jacobi equations: additive
eigenvalues and variational formula. Indiana Univ. Math. J. 45 (1996)
1095-1117.
10. P.I. Dudnikov, S.N. Samborskii, Endomorphisms of semimodules over semirings
with idempotent operation. Math. USSR-Izv. 38 (1992) 91-105.
11. L.C. Evans and D. Gomes, Effective Hamiltonians and averaging for Hamiltonian
dynamics I. Arch. Rational Mech. Anal. 157 (2001) 1-33.
12. J.S. Golan, The Theory of Semirings with Applications in Mathematics and
Theoretical Computer Science. Longman Scientific & Technical, Harlow (1992).
13. R.B. Griffiths, Frenkel-Kontorova models of commensurate-incommensurate phase
transitions, in Fundamental Problems in Statistical Mechanics. VII, H. van
Beijeren, éd., North-Holland, Amsterdam (1990) 69-110.
14. V.N. Kolokoltsov, V.P. Maslov, Idempotent Analysis and its Applications.
Kluwer Academic Publishers, Dordrecht, Pays-Bas (1997).
15. G. Namah, J.M. Roquejoffre, The ``hump" effect in solid propellant
combustion. Interfaces Free Bound. 2 (2000) 449-467.
16. S.J. Sheu, A.D. Wentzell, On the solutions of the equation arising from the
singular limit of some eigen problems, in Stochastic Analysis, Control,
Optimization and Applications, W.M. McEneaney et al. (éd.), Birkhäuser,
Boston (1999) 135-150.
References
1. http://www-rocq.inria.fr/scilab/
2. http://www-rocq.inria.fr/scilab/contributions.html
Usage: http://www.kk-software.de/kklynxview/get/URL
e.g. http://www.kk-software.de/kklynxview/get/http://www.kk-software.de
Errormessages are in German, sorry ;-)