David Madore's WebLog: Mathematics

Je m'étonne de ne pas trouver d'endroit où je me serais déjà plaint à ce sujet sur ce blog. Peut-être que je sais mal chercher et qu'un petit gnome serviable va me déterrer ça, mais même si j'ai déjà ranté à ce sujet, ça ne fait pas de mal de me répéter, après tout, radoter est un de mes super-pouvoirs :

Le théorème d'incomplétude de Gödel est sans doute le théorème mathématique le plus abusé par les non-mathématiciens. Cela tient certainement au fait qu'on peut en donner des versions dangereusement approximatives et alléchamment sensationnelles comme on ne pourra jamais tout prouver à partir desquelles il est tentant de faire un pas vers la métaphysique pour tirer des conclusions encore plus fantabuleuses. Je crois avoir vu passer des tentatives d'invoquer ce théorème pour prouver :

• l'inexistence de Dieu (sur l'air de Gödel assure qu'on ne peut jamais tout savoir, or Dieu est censé être omniscient, donc Dieu n'existe pas),
• l'existence de Dieu (sur l'air de Gödel assure que la logique et le raisonnement humains ne peuvent pas arriver à toute vérité, donc la vérité est au-delà de l'humain, et c'est qu'elle est divine ; ça me fait penser à cet extrait du film Ridicule)[#],
• la supériorité de l'humain sur la machine (sur l'air de Gödel montre qu'on ne peut pas mécaniquement arriver à la vérité, mais l'intuition humaine arrive à voir que l'énoncé de Gödel est vrai, c'est donc qu'elle est supérieure à la machine),
• l'existence de la conscience (je ne sais plus les détails, mais ça devait recouper le raisonnement précédent),
• l'inexistence de la conscience,
• que la vérité est inaccessible au seul raisonnement, ou inaccessible tout court,
• que la quête d'une théorie ultime de la physique est futile,
• etc.

[#] Une ironie supplémentaire dans l'invocation du théorème d'incomplétude de Gödel pour argumenter pour l'existence de Dieu, c'est que Gödel lui-même a inventé une « preuve » de l'existence de Dieu (ou plus exactement, une formalisation en logique modale de l'argument ontologique de Saint Anselme). Cette preuve ressemble plus à une blague qu'à un argument sérieux, en fait (Gödel introduit une série d'axiomes plus hasardeux les uns que les autres, et dont on sait maintenant qu'ils sont, en fait, sinon contradictoires, au moins amenant des conclusions complètement délirantes, et il en déduit l'existence d'un truc vérifiant la définition de Dieu), et il n'est pas clair si Gödel lui-même la prenait au sérieux. Enfin, bref.

Tous ces raisonnements sont bien sûr du pur pipo. Plus généralement, toute tentative pour donner un sens philosophique (au-delà de la philosophie des mathématiques, bien sûr : métaphysique, théologique, ou même épistémologique si on s'éloigne des mathématiques) au théorème d'incomplétude de Gödel doit être considérée comme hautement suspecte.

Ce que dit le théorème précisément, je ne vais pas le rappeler ici, je l'ai expliqué notamment ici et là, avec quel succès je ne sais pas, mais en tout cas ce n'est pas mon propos ici : mon propos est que ce théorème est un énoncé technique sur la logique du premier ordre, et que toute tentative pour le faire sortir de son cadre technique est certainement une arnaque.

Même si on ne comprend pas ce que ceci signifie, peu importe : le théorème d'incomplétude affirme que

• tout système formel en logique du premier ordre
• qui soit récursivement (= calculablement) axiomatisé
• et qui contient (un fragment suffisant de) l'arithmétique

ne peut pas être à la fois consistant [← anglicisme pratique pour cohérent] et complet, i.e., s'il ne prouve jamais simultanément P et ¬P (:= la négation de P), alors il y a un P pour lequel il ne prouve aucun des deux.

Ce que je veux souligner là, c'est qu'il y a des hypothèses techniques (essentiellement trois, celles que je viens de lister), et que si on omet ces hypothèses, on est probablement en train de dire des bêtises.

Plus exactement, ce que j'ai cité est plutôt le théorème d'incomplétude de Gödel-Rosser. Le théorème d'incomplétude de Gödel, ce serait que tout système formel en logique du premier ordre qui soit récursivement axiomatisé et qui contient (un fragment suffisant de) l'arithmétique ne peut pas être à la fois ω-consistant et complet, mais l'ω-consistance est une hypothèse pénible à expliquer (autant supposer le système arithmétiquement vrai, à ce compte-là) et je ne veux pas chercher des noises à ceux qui ne feraient pas la différence entre Gödel et Gödel-Rosser. (Enfin, si on veut ergoter, le théorème d'incomplétude de Gödel, il dit : Zu jeder ω-widerspruchsfreien rekursiven Klasse ϰ von Formeln gibt es rekursive Klassenzeichen r, so daß weder v Gen r noch Neg (v Gen r) zu Flg(ϰ) gehört (wobei v die freie Variable aus r ist) — et j'avoue que j'ai beau connaître l'allemand, avoir lu l'article par le passé, et avoir une bonne idée de ce que c'est censé vouloir dire, ce n'est pas super clair pour autant pour moi. Mais je pense qu'il est raisonnable de qualifier l'énoncé ci-dessus de théorème d'incomplétude de Gödel.)

L'absence de mention de ces trois hypothèses doit être un drapeau rouge à double titre. D'abord, que le raisonnement est suspect (si on invoque un théorème sans vérifier ses hypothèses, alors que celles-ci sont indispensables, c'est sans doute que le raisonnement est incorrect — bien sûr il peut arriver qu'on ne le dise pas explicitement parce que la satisfaction de telle ou telle hypothèse est évidente et se passe de commentaire, mais dans le cas présent, j'ai du mal à imaginer que ce soit possible). Ensuite, que la personne qui tient le raisonnement ne comprend probablement pas bien le théorème qu'elle prétend appliquer si elle n'en connaît pas les hypothèses exact et le sens de celles-ci. Un autre signe à cet égard est d'ailleurs quand on parle du théorème de Gödel comme s'il n'y en avait qu'un (alors que, sans aller chercher loin, Gödel a aussi pondu un théorème de complétude qui très superficiellement et mal interprété pourrait avoir l'air de dire exactement le contraire du théorème d'incomplétude) ; ceci dit, il ne faut pas non plus accorder trop de valeur à ce signe parce que beaucoup de mathématiciens tout à fait sérieux sont susceptibles de parler du théorème de Gödel (ou d'autres auteurs : je parle régulièrement du théorème d'Euler — pour l'affirmation que a^φ(m)≡1 (mod m) si a est premier à m — alors qu'Euler a démontré des milliers de théorèmes).

[Lire la suite…]

Je me livre ici à quelques réflexions (un peu décousues, je dis toujours ça), autour de la question à quoi servent les maths pures, et les sciences fondamentales en générales ?, sur la notion d'utilité et d'applications pratiques. Pas sûr que tout ce que je dise soit très cohérent (je passe sans véritable transition du rapport entre lettres et sciences au rapport entre enseignement et recherche sans développer adéquatement ni l'un ni l'autre), mais j'espère au moins arriver à faire passer l'idée qu'il ne faut pas accepter sans broncher les préjugés les plus banals à ce sujet.

J'ai l'impression que dans l'esprit de beaucoup de gens[#], il y a une dichotomie (assez claire même si elle n'est pas forcément clairement énoncée) entre : d'un côté les sciences et techniques, dont l'importance dans la société et notamment dans l'enseignement est justifiée par leur utilité pratique, et d'autre part les arts et aux lettres et autres humanités, dont l'importance est justifiée par leur rôle culturel. Si je reformule cette idée dans des termes qui sentent bon la fin du 19e siècle et que je mets quelques majuscules d'emphase : on aurait d'un côté ce qui meut l'Humanité sur le chemin du Progrès, et de l'autre ce qui Éclaire ce chemin en montrant la voie vers le Progrès et le distinguant des Ténèbres alentours. Ou quelque chose comme ça. Ce que je veux dire, c'est que dans cette vision des choses, on a d'un côté des domaines comme la médecine ou la physique qui apportent des bienfaits à l'Homme, et de l'autre, ceux comme la philosophie et l'Histoire qui doivent en quelque sorte alimenter son sens moral.

[#] J'accepte bien volontiers que j'énonce peut-être ici un métapréjugé (i.e., un préjugé sur les préjugés que peuvent avoir les gens) : mais ce n'est pas bien grave si je dénonce une idée qui, en fait, n'existe pas vraiment.

Peut-être que je caricature un peu, mais je pense au moins que l'idée est assez répandue que la raison pour laquelle on doit enseigner l'Histoire et la géographie au lycée est que ces disciplines feraient partie de la « culture générale » que tout bon citoyen doit avoir, tandis que la raison pour laquelle on doit enseigner les mathématiques est qu'elles seraient utiles pour toutes sortes de choses.

Bref, je pourrais m'appesantir à dénoncer le stéréotype du littéraire qui considère que la culture générale se limite aux choses qu'il connaît ; qui pense qu'il est indispensable que tous les lycéens français sachent que Le Cid est une pièce de Corneille, que la cinquième république a été établie en 1958 et que les Pyrénées sont à la frontière entre la France et l'Espagne ; mais qui ne sait pas citer une loi de Newton ou de la thermodynamique, ignore si les plantes sont des eucaryotes ainsi que la différence entre une bactérie et un virus, n'a absolument aucune idée du fonctionnement d'Internet ou du Web, et ne sait peut-être même pas dire combien il y a de millimètres cubes dans un mètre cube ; et si on lui montre du doigt ces incohérences, répondra qu'il a fait des études littéraires et que ces questions techniques sont bien plus pointues et d'ailleurs ne lui servent à rien puisqu'il n'est pas scientifique ; et consentira peut-être à donner comme exemple de culture générale scientifique à peu près la seule chose qu'il sait, disons, que la Terre tourne autour du Soleil et pas le contraire. Je caricature ? En fait, non : j'en ai rencontré plus d'un, comme ça, qui se plaignaient que les jeunes ne savaient plus rien de nos jours, et qui démontraient immédiatement après une ignorance crasse et assumée dans tout domaine scientifique (j'ai le souvenir, par exemple, de quelqu'un qui ne savait pas de quoi était fait un atome, et qui avait l'air de trouver totalement fantaisiste la suggestion que cela pouvait faire partie de la culture générale de le savoir). Mais j'ai déjà parlé de ça dans cette entrée passée, et je ne veux pas la répéter ici. J'écrirai Un Jour® une entrée sur la culture générale et l'effet de perspective dont tout le monde est victime — et je m'inclus dans le tout le monde — qui fait qu'on croit toujours indispensables les savoirs qu'on a soi-même et superflus ceux que l'on n'a pas[#2]. Nous avons tous des trous énormes dans notre « culture générale », et c'est normal : ce qui me dérange plus, en fait, est qu'à une époque où nous avons tous tout le savoir du monde à la portée de nos doigts, l'attitude consistant à ne pas se précipiter sur Wikipédia quand on découvre l'existence d'un de ces trous. Mais tout ça est une digression par rapport au sujet général de cette entrée, est je la referme maintenant.

[#2] Ceci vaut d'ailleurs encore au sein d'un domaine : les mathématiciens, par exemple, croient toujours que les outils et théorèmes mathématiques qu'ils connaissent et manipulent sont centraux dans les mathématiques et qu'il est indispensable de les connaître, alors que tout ce qui sort de leur domaine de prédilection est quelque chose d'arcane.

Toujours est-il que cette attitude consistant à imaginer que les sciences doivent être jugées à l'aune de leur utilité déteint au sein des sciences elles-mêmes, et que les scientifiques se retrouvent à justifier leur travail, notamment leur recherche pour ceux qui sont chercheurs, en expliquant que ça peut servir à quelque chose (et disons-le franchement, la plupart de ces justifications sont bidon, ce qui est normal parce que quand on découvre des choses nouvelles, on ne peut pas encore savoir où elles nous mèneront). Et ce n'est pas tout : la notion d'utilité est elle-même insidieusement réduite à celle d'applications.

Dans ces conditions, les sciences pures sont dans une situation très inconfortable d'apparence paradoxale : puisqu'elles sont des sciences, elles sont censées servir à quelque chose, mais puisqu'elles sont pures, elles n'ont pas d'applications ; donc à force d'accepter les différentes idées stupides que j'ai énoncées plus haut, on en revient à devoir trouver des justifications comme ah, mais on ne peut pas encore savoir si ceci aura un jour des applications. Avec comme exemple représentatif la théorie des nombres, que Gauß ou je ne sais qui considérait comme la reine des mathématiques parce qu'elle n'avait pas d'applications et qui finit par en avoir, et d'importance économique absolument capitale, à travers la cryptographie. Cet exemple est juste mais il est trompeur : je veux dire qu'au lieu d'essayer de trouver des justifications dans des exemples pareils, on ferait mieux de rejeter les prémisses idiotes que les sciences sont justifiées par leur utilité et que la seule forme d'utilité est dans les applications pratiques.

Au lieu de ça, la comparaison que j'aime donner est la suivante : imaginer qu'on puisse se passer des sciences pures pour se focaliser sur les applications est comme imaginer qu'on puisse couper les racines d'un pommier parce qu'il n'y a pas de pommes qui poussent dessus. Ce que je veux dire par là est que les sciences, et le savoir humain en général, est comme un être vivant : les différentes parties s'irriguent conceptuellement les unes les autres ; certaines produisent des applications directes, d'autres non, mais s'imaginer qu'on peut amputer des parties sans ruiner la santé de l'ensemble est tout simplement stupide.

Donc, pour défendre (socialement) les sciences pures, je pense qu'il ne faut pas dire peut-être que cette théorie pourra un jour avoir des applications que nous ne soupçonnons pas : car même si c'est effectivement difficile à exclure catégoriquement, il faut bien reconnaître que c'est de la mauvaise foi de défendre, disons, l'étude des grands cardinaux en théorie des ensembles sur le principe que peut-être un jour elle aura des applications pratiques, là, franchement, personne n'y croit, — et ce n'est pas juste de la mauvaise foi, c'est un mauvais calcul d'utiliser ce genre d'argument, parce que cela suggère qu'on accepte le présupposé selon lequel l'intérêt d'une science doit se mesurer à ses possibilités d'applications pratiques, fussent-elles lointaines et hypothétiques. Il vaut mieux rejeter fermement ce présupposé, — ce qui ne demande pas forcément non plus de se draper dans sa dignitié de théoricien qui ne veut travailler que pour l'honneur de l'esprit humain.

Je ne suis pas vraiment capable de parler d'autre choses que des mathématiques et, marginalement, de l'informatique et de la physique, mais je pense que la remarque suivante est probablement valable dans bien d'autres disciplines :

L'utilité de la recherche fondamentale n'est pas de produire des applications, ni même des théories qui pourraient un jour en produire, mais de préparer et d'irriguer intellectuellement et conceptuellement le domaine. Autrement dit, son but n'est pas de produire seulement de la connaissance, mais aussi des cadres de pensée, des analogies, des intuitions, des modèles, des formalismes, et plus généralement, une culture scientifique, qui peuvent ensuite inspirer, guider ou orienter la recherche plus appliquée. Les retombées ne sont pas immédiatement visibles, et demander qu'elles le soient revient à demander, dans ma métaphore du pommier, que des pommes poussent sur les racines : peut-être que le miracle a lieu occasionnellement, mais en général ce n'est juste pas comme ça que ça se passe.

Dans ces conditions, on voit aussi que la dichotomie que j'évoquais au début de cette entrée doit être rejetée : la culture scientifique et la culture humaine font partie de l'ensemble de la culture générale qui est nécessaire au développement harmonieux des différences disciplines académiques et, au-delà, de la société. (Si chaque discipline est un arbre fruitier, ces arbres forment eux-mêmes un écosystème et on ne peut pas non plus en arracher un sans compromettre l'ensemble.)

Pour donner ne serait-ce qu'un exemple de ce que j'essaie de dire, je prends celui des nombres complexes. Si on demande quelle est l'utilité des nombres complexes en insistant sur les applications pratiques, en me grattant la tête je peux sans doute trouver quantité d'exemples : les circuits électriques en courant alternatif (avec la notion d'impédance complexe) en seraient un. Mais en fait, ces exemples, même nombreux, sont vraiment peu intéressants, parce que c'est mal poser de problème. Les nombres complexes ne peuvent pas vraiment avoir d'applications essentielles en tant que tels, parce qu'on peut toujours représenter un nombre complexe comme deux nombres réels (sa partie réelle et sa partie imaginaire) et reformuler avec les nombres réels tout ce qu'on peut faire avec les complexes[#3]. Le pouvoir des nombres complexes n'est pas qu'ils permettent de faire quoi que ce soit de nouveau, mais de conceptualiser différemment ce qu'on pouvait déjà faire avec les nombres réels : et l'utilité des nombres complexes n'est donc pas à trouver dans telle ou telle « application » mais dans la façon dont ils nous permettent de repenser des choses (comme les séries trigonométriques, ou, pour revenir à l'origine des nombres complexes, les équations algébriques).

[#3] Et d'ailleurs, c'est ce qui se passera dans un ordinateur, qui ne sait pas manipuler un « nombre complexe » mais uniquement un réel, enfin, une approximation en virgule flottante d'un nombre réel.

(Peut-être que, là, je devrais remplacer ma métaphore de l'arbre par celle du pont que j'aime énormément.)

La question revient souvent quand on enseigne : Monsieur, à quoi est-ce que ce concept que vous nous enseignez sert ? (sous-entendu : nous servira) ; ou la variante : à quoi est-ce que ça sert de nous faire des démonstrations ? Essayer de répondre sous cette forme est tomber dans le piège de la question tendancieuse : essayer d'expliquer à quoi servent les nombres complexes, la dérivée, la transformée de Fourier, la notion de groupe ou celle de corps fini, est à mes yeux aussi futile et absurde que d'essayer d'expliquer à quoi servent l'air et l'eau. Ce n'est pas pour autant facile de désamorcer la question sans avoir l'air de botter en touche (n'étant pas maître Jōshū, je ne peux pas vraiment répondre 無 pour « dé-poser » la question ; et il paraît que ça ne se fait pas de faire la réponse suggérée par Zach Weinersmith dans le dessin ci-contre).

Pour prendre un autre exemple, je donne un cours d'Analyse à Télécom ParisPloum (qui, d'ailleurs, après N changements de noms, s'appelle maintenant juste Télécom Paris) où il est question de transformation de Fourier. (Celle-là, il est admis qu'elle a beaucoup d'applications, même si là aussi, je trouve que ce point de vue est trompeur.) Il y a des théorèmes pas évidents dans ce cours (je précise que ce n'est pas moi qui l'ai fait : je me contente d'en enseigner à un groupe), par exemple concernant l'extension de la transformée de Fourier de L¹(ℝ) à L²(ℝ) (enfin, de L²(ℝ)∩L¹(ℝ) à L²(ℝ)), ou sur le type de convergence qu'on obtient dans tel ou tel (cf. cette entrée passée) ; parfois on me demande à quoi il peut bien servir à des élèves destinés (pour la plupart) à devenir ingénieurs de connaître ces subtilités (voyez par exemple les commentaires de l'entrée que je viens de lier) : pourquoi ne pas se placer dans un cadre unique où tout marche bien (L², distributions tempérées), ou, d'ailleurs, ne traiter que la transformée de Fourier discrète ? Pourquoi, d'ailleurs, faire des maths et pas juste donner un formulaire calculatoire pour Fourier ? J'ai tendance à penser que pour être un ingénieur il ne suffit pas de savoir appliquer des formules, il faut comprendre un minimum ce qu'il y a derrière, et que pour comprendre véritablement la transformée de Fourier, il faut en comprendre un petit peu ses contours et limitations, les différents cadres où elle peut s'appliquer et ce qui relie ces cadres entre eux, bref, il faut aller au-delà de la situation où tout marche bien, ne serait-ce que pour savoir reconnaître si on est bien, justement, dans une situation où tout marche bien. Et que, globalement, pour comprendre un concept, il faut se constituer un stock d'exemples et de contre-exemples permettant de faire fonctionner l'intuition (cf. ce que j'écrivais ici). Un de mes collègues a aussi fait la réponse intéressante suivante à un élève qui se plaignait du caractère excessivement théorique du cours : un généraliste en médecine de ville ne sera sans doute pas confronté, dans sa carrière, au quart des pathologies bizarres dont on aura pu lui parler pendant ses études ; pourtant, il est important qu'il sache les reconnaître si elles se présentent, pour ne pas commettre l'erreur d'appliquer un traitement inadapté à un cas où il ne s'appliquerait pas : il en va exactement de même de l'ingénieur face aux pathologies mathématiques de, disons, la transformée de Fourier.

La question des démonstrations mérite aussi un mot. On défend généralement l'importance des démonstrations en mathématiques en disant que c'est la seule façon d'être certain de la véracité d'un énoncé (ou peut donner des exemples d'affirmation qui semblent expérimentalement être vraies mais qui ne le sont pas) : c'est bien sûr quelque chose d'important mais ce n'est pas la seule raison de vouloir des démonstrations, et je crois que c'est en fait passer un peu à côté de l'essentiel que de se concentrer là-dessus ; disons que c'est une justification des démonstrations en épistémologie des mathématiques, mais elles ont toutes sortes d'autres intérêts. Par exemple, une preuve va souvent non seulement nous convaincre qu'un énoncé est vrai mais nous « expliquer » pourquoi (dans la mesure où ça a un sens) il est vrai, et c'est souvent encore plus important ; elle va nous permettre de mieux comprendre ce qu'on peut espérer changer dans le résultat en obtenant qu'il soit encore vrai ; parfois elle va nous donner des sous-produits comme un algorithme constructif (cf. ce que je racontais ici) ; et globalement parlant, une preuve éclaire l'environnement mathématique autour du résultat considéré bien mieux que la simple certitude que ce résultat est vrai. (Cf. aussi ce fil MathOverflow dans lequel la question est d'ailleurs peut-être plus intéressante que les réponses.) Pédagogiquement, la notion de démonstration a aussi différents intérêts : comme il est rappelé ici, c'est une formation essentielle à la notion même de raisonnement rigoureux et de détection des erreurs intellectuelles ; mais par ailleurs, dans le cadre de l'étude d'un concept mathématique particulier, cela devrait être une façon de se forger une intuition à son sujet, d'en comprendre, comme je le disais plus haut, les contours et limitations, et d'arriver à se familiariser avec la manière dont on peut le manipuler.

Dans le cadre de l'enseignement secondaire, la situation des maths est d'autant plus inconfortable que la discipline est placée, au moins en France, dans un rôle de sélecteur de niveau (peut-être qu'il y a cent vingt ans il s'agissait avant tout d'être bon en latin, mais maintenant les maths ont tendance à jouer le rôle de gatekeeper de certaines filières). On se retrouve avec une situation hautement paradoxale de dissociation entre la matière telle que pratiquée dans le secondaire, qui est classifiée comme une matière non seulement utile pour toutes sortes d'autres disciplines mais aussi importante à cause de ce rôle de sélecteur, et la science académique qui est plutôt dans l'embarras quand il s'agit de justifier son utilité à cause de la focalisation excessive sur les « applications » que j'ai dénoncée plus haut : cette dissociation n'est saine pour personne, et certainement pas pour les lycéens, qu'ils se destinent à des études scientifiques ou non. En parallèle à ça, on a une dissociation également importante au niveau des contenus (il y aurait sans doute beaucoup à dire à ce sujet, ce n'est pas le lieu ici, mais disons qu'outre des programmes incroyablement rébarbatifs, je trouve alarmante la place trop exiguë faite à la notion de démonstration dans le secondaire eu égard à sa place dans la recherche mathématiques et compte tenu de ce que j'ai dit ci-dessus sur l'utilité de cette notion) : je ne sais pas bien dans quelle mesure ces deux dissociations sont causalement liées l'une à l'autre, mais on devrait au moins s'interroger sur leur rapport et sur les remèdes qu'on peut y apporter.

Le contenu de cette entrée est presque complètement inclus dans le très classique, et remarquablement bien écrit, livre de Leonard Gillman & Meyer Jerison, Rings of Continuous Functions (1960), qui contient d'ailleurs bien d'autres choses intéressantes. Mais j'en avais assez de perdre du temps à retrouver des choses contenues dans ce livre à chaque fois que je les oublie, donc je voulais me faire un aide-mémoire, et à ce moment-là autant le mettre en ligne sur mon blog, d'autant plus qu'il s'agit là de culture générale mathématique (que, selon moi, tout mathématicien devrait avoir, — au moins pour les grandes lignes de ce que je raconte, évidemment, disons les « spoilers » ci-dessous, pas les détails un peu arcanes sur les espaces d'Urysohn et les réelcompacts). Mais mon exposition est assez différente de celle de Gillman & Jerison, et pas seulement parce que le fait de ne pas donner de preuves permet de réorganiser les résultats dans un ordre parfois plus satisfaisant, mais aussi parce que j'ai cherché à développer autant que possible les parallèles entre les faits annoncés, et j'ai une approche un tout petit peu plus « catégorique ».

Comme j'ai écrit énormément de choses très rapidement, y compris des choses qui ne sont pas verbatim dans la littérature (je ne m'en éloigne guère, mais parfois je change un peu les hypothèses ou les conventions, et il faut donc adapter les énoncés : par exemple, Gillman & Jerison supposent les espaces complètement réguliers quand il s'agit de décrire le compactifié de Stone-Čech, ce qui me déplaît énormément ; parfois aussi, quand j'interpole des résultats, je fais une démonstration dans ma tête, mais je n'ai pas tout vérifié avec le soin le plus absolu), il est probable que j'aie fait un certain nombre d'erreurs. On va dire que le but du jeu est de les retrouver !

Je suppose que le lecteur sait déjà ce qu'est un espace topologique et une fonction continue entre espaces topologiques (ainsi que les autres termes de base de la topologie générale : ouverts, fermés, voisinages, intérieur, adhérence, homéomorphisme, sous-espace / topologie induite, topologie produit, espace compact [:= compact séparé], ce genre de choses — cf. par exemple ce glossaire ou différentes pages de ce wiki). Mais je ne suppose pas que le lecteur sait ce qu'est, par exemple, un espace complètement régulier. Je suppose aussi connues les notions d'anneau [sous-entendu : commutatif], ou plutôt de ℝ-algèbre [commutative], et d'idéal d'un tel anneau (et je rappelle qu'un idéal maximal d'un anneau est un idéal ≠(1) et maximal pour l'inclusion parmi les idéaux ≠(1), ou, ce qui revient au même, un idéal tel que quand on quotiente l'anneau par lui on obtient un corps).

❀

Remarque informatique : J'utilise dans ce qui suit les caractères ‘𝔪’, ‘𝔬’, ‘𝔭’, ‘ℱ’ et ‘𝒰’ pour, respectivement, un ‘m’ gothique minuscule, un ‘o’ gothique minuscule, un ‘p’ gothique minuscule, un ‘F’ cursif et un ‘U’ cursif. Comme ces caractères peuvent parfois manquer dans des polices j'ai prévu un peu de magie en JavaScript qui remplacera en un seul clic tous ces symboles par des lettres latines toutes bêtes : donc, si vous ne voyez pas les caractères que je viens de nommer, cliquez ici pour activer ce remplacement.

❀

✱ Si X est un espace topologique, on note C(X) l'ensemble des fonctions réelles continues X→ℝ, avec l'addition et la multiplication point à point (c'est-à-dire que f+g est la fonction x↦f(x)+g(x) et que f⁢g est la fonction x↦f(x)⁢g(x)) ; chaque réel c est identifié à la fonction constante x↦c dans C(X). (C'est donc un anneau commutatif et même une ℝ-algèbre commutative. On peut le munir d'autres structures, notamment un ordre partiel défini par f≤g lorsque f(x)≤g(x) pour tout x∈X, qui est d'ailleurs un treillis avec f∨g la fonction x ↦ f(x)∨g(x) := max(f(x),g(x)) et f∧g la fonction x ↦ f(x)∧g(x) := min(f(x),g(x)), et une valeur absolue |f| = f∨(−f). On peut éventuellement aussi introduire une ou plusieurs topologies sur C(X), mais ce n'est pas ce qui va m'intéresser ici ; en revanche, je souligne qu'on n'a pas de norme intéressante sur C(X).)

À côté de C(X), on a C*(X) qui est formé des fonctions réelles continues bornées c'est-à-dire les f∈C(X) telles qu'il existe un B∈ℝ tel que pour tout x∈X on ait |f(x)|≤B. Il est évident que la somme et le produit de deux fonctions bornées sont bornés, si bien que C*(X) est un sous-anneau de C(X).

On peut par ailleurs noter que C et C* sont des foncteurs contravariants des espaces topologiques vers les ℝ-algèbres commutatives, ce qui signifie que donnée une application continue h:X→Y on fabrique de façon évidente des morphismes C(Y)→C(X) et C*(Y)→C*(X) (remarquer le sens des flèches !), simplement par composition à droite par h, c'est-à-dire qu'elles envoient une fonction continue f:Y→ℝ [éventuellement bornée] sur la composée f∘h:X→ℝ. On peut noter C(h):C(Y)→C(X) et C*(h):C*(Y)→C*(X) pour ces deux morphismes de « composition à droite par h ». La « fonctorialité » signifie simplement que (i) si id:X→X est l'identité alors C(id) et C*(id) sont aussi l'identité, et (ii) si h:X→Y et k:Y→Z alors C(k∘h)=C(h)∘C(k) et C*(k∘h)=C*(h)∘C*(k).

✱ La problématique qui m'intéresse est de décrire le rapport entre l'espace X et son C(X) et son C*(X), comment on peut retrouver l'un à partir de l'autre, ce genre de choses.

Plus précisément, parmi les questions qu'il est naturel de se poser :

• La ℝ-algèbre C(X) caractérise-t-il l'espace topologique X ? Permet-il de le retrouver (autrement dit, si X₁ et X₂ ont « le même » C(X), c'est-à-dire que C(X₁) et C(X₂) sont isomorphes en tant que, disons, ℝ-algèbres, alors X₁ et X₂ sont-ils homéomorphes) ? Dans les cas où c'est possible, comment peut-on reconstruire X à partir de C(X) ? Par ailleurs, peut-on identifier les ℝ-algèbres qui apparaissent comme des C(X) ?
• Mêmes questions pour C*(X).
• Quel est le rapport entre C(X) et C*(X) ? Peut-on identifier les fonctions bornées de façon purement algébrique ? Pour quel genre d'espace a-t-on C(X) = C*(X) (toutes les fonctions continues sont bornées) ? Comment les ℝ-algèbres qui apparaissent comme des C(X) se situent-elles parmi ceux qui apparaissent comme des C*(X) ? Peut-on notamment trouver un espace Xˆ (en fonction de X) pour lequel on aurait C(Xˆ) = C*(X) (ou le contraire) ?

(Digression : J'ai essayé d'écrire là les questions qu'il me semble qu'on « devrait » vraiment spontanément se poser — et donc chercher à résoudre — dès qu'on introduit ce genre de constructions, sans préjuger de celles qui ont une réponse plus ou moins intéressante. Je trouve toujours agaçants les livres qui traitent d'un sujet mathématique et qui omettent une question qui me semble « évidemment naturelle », ne serait-ce que pour dire qu'on ne connaît pas de réponse satisfaisante ou que les auteurs n'en connaissent pas.)

Quelques spoilers :

• La ℝ-algèbre C*(X) caractérise l'espace X pour les espaces compacts [séparés]. On pourra alors reconstruire X comme l'ensemble des idéaux maximaux de C*(X). Je crois qu'on ne sait pas caractériser de façon algébrique satisfaisante les ℝ-algèbres C*(X). En revanche, donné un espace topologique X, il y a un unique espace compact βX pour lequel C*(βX) = C*(X) (c'est donc un choix canonique d'espace X′ ayant ce C*(X)) : on l'appelle le « compactifié de Stone-Čech » de X. En général, dire que C*(X₁) et C*(X₂) sont isomorphes va signifier que les espaces ont le même compactifié de Stone-Čech.
• La ℝ-algèbre C(X) caractérise l'espace X pour tous les espaces dits « réelscompacts » (ce qui inclut énormément de choses, par exemple tous les espaces métriques). On pourra alors reconstruire X comme l'ensemble des idéaux maximaux de C(X) tel que le quotient soit ℝ. Je crois qu'on ne sait pas caractériser de façon algébrique satisfaisante les ℝ-algèbres C(X). En revanche, donné un espace topologique X, il y a un unique espace réelcompact υX pour lequel C(υX) = C(X) (c'est donc un choix canonique d'espace X′ ayant ce C(X)) : on l'appelle le « réelcompactifié [de Hewitt-Nachbin] » de X. En général, dire que C(X₁) et C(X₂) sont isomorphes va signifier que les espaces ont le même réelcompactifié.
• Les C*(X) sont des cas particuliers des C(X), par cela je veux dire que pour tout espace topologique X il existe un espace Xˆ pour lequel on a C(Xˆ) = C*(X), et (d'après ce qui précède) ceci caractérise complètement Xˆ si on lui impose de plus d'être compact : c'est là aussi le compactifié de Stone-Čech de X (noté βX). On peut caractériser algébriquement les fonctions bornées au sein de C(X) puisqu'on peut même caractériser l'image de f∈C(X), à savoir l'ensemble des c∈ℝ tels que f−c ne soit pas inversible dans C(X). Les espaces pour lesquels C(X) = C*(X), ou simplement pour lesquels C(X) est un C*(X′), sont les espaces dits « weierstrassiens » ou « pseudocompacts » (et c'est notamment le cas des espaces compacts).

✱ Les espaces compacts (ici et tout du long, que je le rappelle ou non, quand j'écris compact, je veux toujours dire compact séparé : les espaces compacts non supposés séparés s'appellent pour moi quasi-compacts) jouent un rôle proéminant dans l'histoire, parce que c'est la situation qu'on comprend le plus facilement. La raison est que quand K est compact, d'une part on a C(K)=C*(K) (toute fonction continue sur K est bornée), mais d'autre part, on retrouve facilement K à partir de cet anneau comme l'ensemble de ses idéaux maximaux.

Plus exactement : si p∈K avec K compact, l'ensemble 𝔪_p des f∈C(K) tels que f(p)=0 (« s'annulant en p ») est un idéal de C(K) (c'est-à-dire essentiellement que la somme de deux fonctions continues s'annulant en p s'annule en p et que le produit d'une fonction continue s'annulant en p par une fonction continue quelconque s'annule encore en p), c'est une idéal maximal (i.e., ne contenant pas 1, et maximal pour l'inclusion parmi de tels idéaux), le morphisme canonique C(K) → C(K)/𝔪_p vers le quotient C(K)/𝔪_p par cet idéal étant simplement l'évaluation f↦f(p), tout ça est assez évident, mais ce qui l'est nettement moins c'est que l'application qui à p associe l'idéal maximal 𝔪_p qu'on vient de définir est une bijection entre K et les idéaux maximaux de C(K) ; et c'est même un homéomorphisme si on munit l'ensemble Specmax(C(K)) des idéaux maximaux de C(K) de la topologie de Zariski, c'est-à-dire celle qui a pour ouverts les réunions quelconques des D(f) := {𝔪∈Specmax(C(K)) : f∉𝔪} (notons que D(f₁·f₂)=D(f₁)∩D(f₂) si bien que ces D(f) forment bien la base d'une topologie).

Pour comprendre C(X) pour le cas d'un espace topologique X plus général, on cherche à se ramener autant que possible aux compacts. Un des points centraux de cette histoire, donc, c'est la notion de compactifié de Stone-Čech de X, noté βX.

❀

Mais avant de parler de βX, je vais introduire l'idée d'évaluer en un point toutes les fonctions continues :

✱ Considérons X un espace topologique, C(X) l'ensemble de toutes les fonctions continues X→ℝ (comme précédemment), et C₁(X) (sous-ensemble de C*(X)) l'ensemble de toutes les fonctions continues X→[0;1] (c'est juste un ensemble, ce n'est évidemment pas un anneau ; pour ce que je veux dire maintenant, il va être plus pratique que C*(X)). Je peux maintenant considérer ℝ^C(X) l'ensemble de toutes les applications de C(X) vers ℝ (ou, si on préfère, des familles (t_f)_f∈C(X) de réels indicées par les éléments de C(X)), et de façon analogue [0;1]^C₁(X) l'ensemble de toutes les applications de C₁(X) vers [0;1] (ou, si on préfère, des familles (t_f)_f∈C₁(X) de réels entre 0 et 1 indicées par les éléments de C₁(X)). Je munis ces deux ensembles ℝ^C(X) et [0;1]^C₁(X) de la topologie produit, c'est-à-dire la plus grossière rendant continues toutes les projections (t_f)_f∈C(X) ↦ t_g ou plus explicitement, s'agissant de ℝ^C(X) (l'autre étant tout à fait analogue), qu'un voisinage d'un point (t_f) s'obtient à partir d'un nombre fini d'éléments f₁,…,f_r de C(X) et de réels ε₁,…,ε_r strictement positifs comme l'ensemble des familles (u_f) qui vérifient |t_fi−u_fi|<ε_i pour 1≤i≤r (tous les autres u_f étant quelconques) et que les voisinages quelconques de (t_f) sont les parties contenant un voisinage comme je viens de décrire (i.e., ces voisinages sont une base de voisinages). Le théorème de Tychonoff assure que [0;1]^C₁(X) est compact pour cette topologie produit (s'agissant de ℝ^C(X), il sera juste « réelcompact », mais je définirai ce terme bien plus loin).

Maintenant, on a une application d'« évaluation universelle » Φ:X→ℝ^C(X) qui envoie un point x∈X sur la famille (f(x))_f∈C(X) c'est-à-dire la famille dont l'élément indicé par f est justement f(x) (si on préfère, Φ est x↦(f↦f(x))) ; et on a Φ₁:X→[0;1]^C₁(X), définie de façon rigoureusement analogue, qui envoie un point x∈X sur la famille (f(x))_f∈C₁(X). Un exercice trivial, mais notationnellement pénible (et intéressant pour vérifier qu'on a compris de quoi il s'agit) est que Φ et Φ₁ sont continues (en rappelant que la cible est munie de la topologie produit).

✱ Voici maintenant quelques unes de façons de définir ou de caractériser le compactifié de Stone-Čech βX (ou plus exactement, l'application continue X→βX) ; comme je ne compte pas démontrer quoi que ce soit, je peux les rassembler de façon synthétique sans me préoccuper de l'ordre logique :

• Propriété universelle : X→βX est une application continue vers un espace compact [séparé], et toute application continue X→K avec K compact [séparé], se factorise de façon unique X→βX→K (c'est-à-dire qu'il existe une unique application continue βX→K telle que l'application continue X→K donnée soit la composée de X→βX et βX→K). • Reformulation catégorique (pour ceux qui savent ce que ça signifie) : Le foncteur X↦βX est adjoint à gauche du foncteur d'inclusion de la sous-catégorie pleine des espaces compacts [séparés] dans les espaces topologiques.
• Construction par évaluation universelle : βX est l'adhérence dans [0;1]^C₁(X) de l'image de l'application Φ₁:X→[0;1]^C₁(X) d'évaluation universelle (qui envoie x∈X sur la famille (f(x))_f∈C₁(X)), munie de la topologie induite par [0;1]^C₁(X) (et comme il s'agit d'un fermé dans un compact, c'est encore un compact), et X→βX est simplement donnée par l'application Φ₁ elle-même.
• Caractérisation par fonctions continues : βX est l'unique espace compact [séparé] tel qu'on ait C(βX) = C*(X) (ou, si on préfère C*(βX) = C*(X)), et X→βX est l'application envoyant un x∈X sur l'unique p∈βX tel que l'ensemble (l'idéal maximal) des fonctions f∈C*(X) s'annulant en x s'identifie dans à celui des fonctions f∈C(βX) s'annulant en p.
• Construction par idéaux maximaux des fonctions continues bornées (essentiellement une reformulation de la précédente) : βX est l'ensemble des idéaux maximaux de C*(X) muni de la topologie de Zariski, c'est-à-dire celle qui a pour ouverts les réunions quelconques des D(f) := {𝔪∈Specmax(C*(K)) : f∉𝔪} ; et l'application X→βX est celle qui envoie x∈X sur l'idéal maximal fonctions f∈C*(X) s'annulant en x.
• Construction par z-ultrafiltres : βX est l'ensemble des « z-ultrafiltres » sur X, un terme que je définis maintenant. Un z-fermé de X est simplement un ensemble de la forme Z(f) := {x∈X : f(x)=0} (ensemble des points où f s'annule) pour une certaine fonction continue f∈C(X) (qu'on peut d'ailleurs supposer bornée, i.e. f∈C*(X) sans perte de généralité, ou même à valeurs dans [0;1]) ; notamment, un z-fermé est un fermé (mais sur un espace topologique quelconque, il n'est pas toujours vrai que tout fermé soit un z-fermé) ; un z-filtre sur X est un ensemble ℱ de z-fermés qui vérifie les propriétés (i) X∈ℱ et ∅∉ℱ, (ii) si F∈ℱ et F⊆F′ et que F′ est un z-fermé, alors F′∈ℱ, et (iii) si F₁,F₂∈ℱ alors F₁∩F₂∈ℱ (notons que F₁∩F₂ est automatiquement un z-fermé car si F₁=Z(f₁) et F₂=Z(f₂) alors F₁∩F₂=Z(f₁²+f₂²)) ; enfin, un z-ultrafiltre est un z-filtre maximal pour l'inclusion (et le lemme de Zorn implique que tout z-filtre est contenu dans un z-ultrafiltre, et notamment que tout z-fermé non vide appartient à un z-ultrafiltre). On munit cet ensemble des z-ultrafiltres de la topologie qui a pour ouverts les réunions quelconques des {𝒰∈βX : F∉𝒰} pour F un z-fermé (notons que {𝒰∈βX : (F₁∪F₂)∉𝒰} = {𝒰∈βX : F₁∉𝒰} ∩ {𝒰∈βX : F₂∉𝒰} et que F₁∪F₂=Z(f₁·f₂) est un z-fermé si F₁=Z(f₁) et F₂=Z(f₂) le sont, — si bien que ces ensembles forment bien la base d'une topologie). Enfin, l'application X→βX est celle qui envoie un point x∈X sur le z-ultrafiltre « principal » {F : x∈F}.

La première approche ci-dessus (par propriété universelle) n'est pas très explicite s'il s'agit de construire βX (ce n'est pas du tout clair qu'il existe tel qu'annoncé !), mais elle est très utile quand il s'agit de s'en servir et d'en déduire des propriétés. Elle a aussi le bon goût d'être très intrinsèque : elle ne parle que d'espaces compacts, pas de réels, donc même si on avait un doute sur le fait que les fonctions réelles continues sont un objet intéressant, elle nous assure que le compactifié de Stone-Čech est une construction digne d'intérêt. En termes savants, elle affirme que la sous-catégorie pleine des espaces topologiques compacts est « réflective » dans la catégorie des espaces topologiques, la compactification de Stone-Čech étant, justement, le réflecteur.

La dernière construction peut sembler inutilement compliquée, mais elle a aussi son intérêt. Notamment, si X est discret (c'est-à-dire est un ensemble muni de la topologie où toutes les parties sont ouvertes, ou ce qui revient au même, fermées, et elles sont alors aussi toutes des z-fermés), les z-ultrafiltres deviennent simplement des ultrafiltres [de parties de X], une notion peut-être plus familière (un filtre sur X est un ensemble ℱ de parties de X qui vérifie les propriétés (i) X∈ℱ et ∅∉ℱ, (ii) si F∈ℱ et F⊆F′, alors F′∈ℱ, et (iii) si F₁,F₂∈ℱ alors F₁∩F₂∈ℱ  ; et un ultrafiltre est un filtre maximal pour l'inclusion, et le lemme de Zorn implique que tout filtre est contenu dans un ultrafiltre, et notamment que toute partie non vide appartient à un z-ultrafiltre) : par exemple, βℕ s'identifie à l'ensemble des ultrafiltres sur ℕ.

Par ailleurs, pour faire le lien entre les notions de z-ultrafiltre et d'idéaux maximaux, signalons les choses suivantes. On peut vérifier que si I est un idéal ≠(1) de C(X) alors {Z(f) : f∈I} est un z-filtre sur X, et montrer que tout z-filtre ℱ est de cette forme pour un certain idéal I de C(X), par exemple pour I = {f∈C(X) : Z(f)∈ℱ} (un idéal de cette forme s'appelle un z-idéal). Si 𝔪 est un idéal maximal de C(X) alors le z-filtre en question {Z(f) : f∈𝔪} est un z-ultrafiltre, et tout z-ultrafiltre 𝒰 est de cette forme pour un idéal maximal de C(X) qui est unique, et qui est précisément le z-idéal {f∈C(X) : Z(f)∈𝒰}.

Le compactifié de Stone-Čech est fonctoriel : lorsque h:X→Y est une application continue entre espaces topologiques, on a une application continue βh:βX→βY. Je pourrais la définir sur chacune des constructions ci-dessus, ce serait un peu fastidieux même si c'est à chaque fois assez évident ; je vais juste dire qu'à partir de la propriété universelle il suffit de prendre la composée X→Y→βY et d'utiliser la propriété universelle de βX pour la factoriser comme X→βX→βY, ce qui donne l'application βX→βY voulue ; ou bien qu'il s'agit de l'unique application continue βX→βY telle que le morphisme d'anneaux C(βY)→C(βX) qui s'en déduit par fonctorialité de C (i.e., juste par composition, cf. ci-dessus) soit le morphisme C*(Y)→C*(X) (rappelons que C*(Z)=C(βZ)) lui-même par fonctorialité de C* appliquée à h.

Si K est déjà compact, on a βK=K (i.e., l'application K→βK est un homéomorphisme, et on identifie les deux extrémités) ; notamment, on a ββX=βX quel que soit l'espace X (certains peuvent être tentés de prononcer le mot monade ici).

✱ Malgré tant d'approches différentes, il faut reconnaître que le compactifié de Stone-Čech est très difficile à approcher ou à imaginer (à part le cas où K et compact, et alors βK=K). Le compactifié de Stone-Čech βℕ des entiers naturels (soit l'ensemble des ultrafiltres sur ℕ, cf. ci-dessus) est déjà essentiellement impossible à visualiser. (Cela n'aide pas qu'il soit nécessaire d'utiliser l'axiome du choix pour montrer l'existence d'un ultrafiltre non-principal sur ℕ, c'est-à-dire d'un élément de βℕ∖ℕ, et ils sont très problématiques à exhiber ; on peut certes les imaginer comme une succession de choix, où pour chaque partie F⊆ℕ on doit choisir soit de mettre F soit son complémentaire dans l'ultrafiltre, et lorsqu'on fait un choix on met bien sûr toutes les parties la contenant ou toutes les intersections finies de parties déjà choisies : par exemple, l'ultrafiltre contiendra soit les entiers naturels pairs soit les impairs, et s'il contient les pairs il contiendra soit les congrus à 0 modulo 4 soit les congrus à 2 modulo 4, et on peut vaguement imaginer une succession infinie de choix comme ça, mais il est plus problématique d'imaginer tous les ultrafiltres à la fois.) Le compactifié de Stone-Čech βℝ des réels (ou celui βℚ des rationnels) n'est guère plus facile. (Notons quand même que ℕ est un ouvert dense de βℕ et de même ℝ un ouvert dense de βℝ ; pour ce qui est de ℚ dans βℚ, il est un sous-espace dense, mais pas ouvert. Je vais donner des propriétés plus précises en petits caractères plus bas.)

De façon très grossièrement imagée et intuitive j'ai tendance à dire qu'un espace compact est un espace dont on ne peut pas s'échapper (au sens « fuir à l'infini ») et que le compactifié de Stone-Čech, qui est en quelque sorte le plus gros compactifié possible, s'obtient en « bouchant » toutes les façons dont on pourrait s'échapper (i.e., toutes les façons différentes de « fuir à l'infini »), de façon que tous les points distingués par n'importe quelle autre compactification soient distingués dans celle de Stone-Čech (par exemple, comme on peut compactifier ℝ en mettant +∞ d'un côté et −∞ de l'autre, il en résulte que βℝ distingue au moins ses points qui s'envoient sur +∞ et ceux qui s'envoient sur −∞). Je ne sais pas si ça aide à quoi que ce soit de dire ça, mais je n'ai pas mieux.

Ajout : J'ai mis dans ce fil Twitter une tentative pour visualiser informellement et graphiquement ce à quoi βℕ ressemble (bien sûr, c'est impossible, mais j'espère au moins avoir donné un début de commencement d'idée).

✱ Quelques remarques sur βℕ, βℚ et βℝ. ❈ J'ai mentionné plus haut, mais ça vaut la peine de le redire, que chacun de ℕ, ℚ et ℝ est un sous-espace dense du βℕ, βℚ, βℝ correspondant (cela revient à dire que ℕ, ℚ et ℝ sont complètement réguliers, cf. ci-dessous) ; de plus, ℕ et ℝ sont ouverts dans βℕ et βℝ respectivement (cela revient à dire que ℕ et ℝ sont localement compacts, cf. ci-dessous). ❈ Une des choses qui rend βℕ difficile à imaginer est qu'aucune suite ne converge non-trivialement dans βℕ (voir par exemple ici sur MathOverflow) ; en particulier, il n'est pas du tout métrisable. ❈ Par ailleurs, il existe une surjection continue βℕ→βℝ (réfutant l'idée qu'on pourrait avoir que βℝ est beaucoup plus gros que βℕ) : il suffit pour s'en rendre compte de prendre une suite de réels dont l'image est dense : ceci définit une application ℕ→ℝ, forcément continue, et l'application βℕ→βℝ qui s'en déduit a une image dense (puisqu'elle est dense dans ℝ, qui est dense dans βℝ) et fermée (puisque βℕ est compact), donc c'est βℝ tout entier. (Le même raisonnement s'applique à n'importe quel espace topologique séparable à la place de ℝ.) ❈ La même raison fait que l'application évidente βℚ→βℝ (celle qui provient de l'inclusion ℚ→ℝ des rationnels dans les réels) est surjective. Mais d'autre part, βℚ→βℝ n'est pas injective (prendre une suite de rationnels qui converge vers √2 dans ℝ dont, disons, les termes pairs sont >√2 et les termes impairs sont <√2 ; elle définit une application ℕ→ℚ→ℝ donc βℕ→βℚ→βℝ, qui envoie tous les éléments de βℕ∖ℕ sur √2∈βℝ, mais en passant par des éléments différents de βℚ puisque via l'application de βℚ vers le compact [−∞;√2] ⊎ [√2;+∞] réunion disjointe des deux intervalles en question, termes pairs et termes impairs ont des limites distinctes). ❈ Remarquons en revanche que l'inclusion ℕ→ℝ (ou plus généralement, celle de tout fermé discret de ℝ) donne, par passage au compactifié de Stone-Čech, une application continue βℕ→βℝ qui, cette fois, est bien le plongement d'un sous-espace fermé. {Esquisse de démonstration : Il suffit de montrer que βℕ→βℝ est injective puisque ensuite elle donnera une application bijective continue entre compacts si on la restreint à son image ; or si p₁ et p₂ sont deux ultrafiltres distincts sur ℕ, il existe une partie F de ℕ qui est dans l'un et pas dans l'autre, et on construit facilement une fonction ℝ→[0;1] prenant la valeur 1 sur F et 0 sur ℕ∖F, ce qui suffit à montrer que les images de p₁ et p₂ par βℕ→βℝ→[0;1] sont distinctes. On peut aussi, et c'est vaguement la même chose, invoquer le fait que ℕ est « C*-plongé » dans ℝ, cf. plus bas.} ❈ Enfin, on peut montrer que le cardinal de βℕ est ℶ₂ = 2^2ℵ₀ (le cardinal de l'ensemble des parties de ℝ). {Pour la complétude du web, en voici la preuve en condensé : Soit K l'ensemble des parties de ℝ muni de la topologie produit (de Tychonoff) en identifiant K à {0;1}^ℝ. Dans K je considère l'ensemble D des combinaisons booléennes finies d'intervalles à coefficients rationnels. Ce D est dense dans K (car quelles que soient les conditions, en nombre fini, du type tel « réel doit appartenir à la partie » ou « …n'appartenir pas à la partie », on arrive à trouver un élément de D qui les satisfait). Mais par ailleurs, il est dénombrable : considérons une surjection de ℕ sur D, donc une application h:ℕ→K (trivialement continue, pusque ℕ est discret) dont l'image est D. Puisque K est compact, la propriété universelle du compactifié de Stone-Čech assure que h se factorise à travers h˜:βℕ→K continue. Cette application h˜:βℕ→K est surjective puisque son image est dense (elle contient D) et fermée (image continue d'un compact). On a donc construit une surjection de βℕ sur un espace K de cardinal 2^#ℝ = 2^2ℵ₀.}

Bizarrement, un exemple d'espace topologique dont le compactifié de Stone-Čech est plus facile à imaginer est le premier ordinal indénombrable ω₁ (c'est-à-dire l'ensemble des ordinaux dénombrables, muni de la topologie de l'ordre), pour lequel on a β(ω₁) = (ω₁+1) (aussi muni de la topologie de l'ordre), c'est-à-dire qu'on rajoute juste un point (ω₁) à l'infini (cette description résulte du fait que toute fonction continue ω₁→ℝ est constante à partir d'un certain rang).

❀

✱ Revenons à l'application X→βX (dont j'ai expliqué qu'on pouvait la voir comme l'application Φ₁:X→[0;1]^C₁(X) d'évaluation universelle, qui envoie x∈X sur la famille (f(x))_f∈C₁(X)). Elle est toujours continue, mais on peut se demander à quelle condition elle a différentes autres propriétés.

Une des propriétés d'espaces topologiques qui apparaît assez naturellement de la sorte est celle des espaces [séparés] complètement réguliers ou de Tychonoff. Il s'agit des espaces topologiques X vérifiant les conditions équivalentes suivantes :

• Les singletons {y} sont fermés [cette condition porte le nom d'axiome de séparation T₁], et, par ailleurs, pour tout x∈X et tout F⊆X fermé tels que x∉F, il existe f:X→ℝ continue, qu'on peut sans perte de généralité supposer à valeurs dans [0;1], telle que f(x)=0 et f|_F=1.
• Les singletons {y} sont fermés [cette condition porte le nom d'axiome de séparation T₁], et, par ailleurs, les z-fermés (c'est-à-dire les Z(f) := {x∈X : f(x)=0}) pour f∈C(X) (ou, ce qui revient au même, f∈C*(X)) forment une base des fermés de X (c'est-à-dire que tout fermé peut s'écrire comme intersection de z-fermés).
• L'application Φ:X→ℝ^C(X) d'évaluation universelle, qui envoie x∈X sur la famille (f(x))_f∈C(X), définit un homéomorphisme entre X et son image (munie de la topologie induite par ℝ^C(X)).
• L'application Φ₁:X→[0;1]^C₁(X) d'évaluation universelle, qui envoie x∈X sur la famille (f(x))_f∈C₁(X), définit un homéomorphisme entre X et son image (munie de la topologie induite par [0;1]^C₁(X)).
• L'application X→βX de compactification de Stone-Čech définit un homéomorphisme entre X et son image (munie de la topologie induite par βX).
• L'espace X est homéomorphe à un sous-espace d'un espace compact [séparé] K (muni de la topologie induite). En plus concis : X est un sous-espace d'un espace compact.
• Et pour ceux qui savent ce que cela signifie : il existe une structure d'espace uniforme séparé qui induit la topologie sur X.

Je demande ici que mes espaces soient séparés (=T₂) : il suffit pour cela de demander la condition T₁ dans la première formulation, comme je l'ai écrit. Certains appellent complètement régulier un espace topologique qui vérifie cette première condition sans l'hypothèse T₁ ajoutée ; d'autres appellent ça T_3½ ; il y a toujours une grande confusion dans la terminologie à ce niveau, et il faut bien vérifier ce que chaque auteur essaye de dire.

✱ Bref, lorsque X est complètement régulier, on peut l'identifier à un sous-espace (forcément dense !) de son compactifié de Stone-Čech (et ceci peut servir de définition de complètement régulier). Les deux premières caractérisations, cependant, sont les plus faciles à vérifier, et c'est celles qui permettent de dire que tout espace métrique, et notamment, ℕ, ℚ ou ℝ, sont complètement réguliers (en fait, dans un espace métrique, tout fermé est un z-fermé, puisque la distance à un fermé définit une fonction réelle continue s'annulant exactement sur ce fermé).

Lorsque X est complètement régulier (et on peut toujours se ramener à ce cas, comme je vais l'expliquer ci-dessous), la compactification de Stone-Čech admet encore d'autres caractérisations plus commodes : par exemple, on peut la caractériser comme l'unique (à homéomorphisme près) compact K contenant X et tel que deux z-fermés disjoints de X aient des adhérences dans K qui restent disjointes.

☞ De ce que je crois comprendre de l'histoire des maths, la notion d'espace complètement régulier s'est dégagée après que le développement de l'homotopie s'était fait de façon embarrassée à cause de la difficulté à trouver les bonnes hypothèses : régulier ne suffit pas, et normal est problématique parce qu'il n'est pas stable par produit, ce qui donnait des hypothèses très déplaisantes du type si X est un espace topologique normal et tel que X×[0;1] est normal. L'hypothèse de complète régularité a énormément simplifié ces choses, et illustre l'importance qu'il peut y avoir à trouver les bonnes définitions.

✱ Par ailleurs, de façon très parallèle à la compactification de Stone-Čech βX, on peut définir la complète régularisation (ou « Tychonoffisation ») τX d'un espace topologique arbitraire, ce que je fais maintenant. On a vu qu'on pouvait voir βX comme l'adhérence de l'image de l'application Φ₁:X→[0;1]^C₁(X), munie de la topologie induite. De même, on peut définir τX comme simplement l'image de l'application Φ₁:X→[0;1]^C₁(X) munie de la topologie induite (sans prendre l'adhérence, donc), ou, ce qui revient au même, l'image de Φ:X→ℝ^C(X) ou de X→βX. Sa propriété universelle est : X→τX est une application continue vers un espace [séparé] complètement régulier, et toute application continue X→Z, avec Z [séparé] complètement régulier, se factorise de façon unique X→τX→Z ; c'est-à-dire qu'il existe une unique application continue τX→Z telle que l'application continue X→Z donnée soit la composée de X→τX et τX→Z. (Reformulation catégorique : le foncteur X↦τX est adjoint à gauche du foncteur d'inclusion de la sous-catégorie pleine des espaces [séparés] complètement réguliers dans les espaces topologiques.) La complète régularisation est fonctorielle comme la compactification de Stone-Čech l'est. Notons que X→τX est toujours surjective par définition ; si X est déjà complètement régulier, on a τX=X ; par ailleurs, βτX=βX (certains auteurs ne définissent la compactification de Stone-Čech que dans le cas où X est déjà complètement régulier, et ce que j'ai appelé compactification de Stone-Čech est donc la composée de la complète régularisation et de la compactification de Stone-Čech dans ce sens plus étroit) ; enfin, on a C(τX)=C(X) (cela résulte de la propriété universelle), et donc aussi C*(τX)=C*(X), ce qui permet, si on souhaite étudier les anneaux C(X) et C*(X), de se limiter au cas où X est complètement régulier.

✱ Parmi les autres propriétés que je peux évoquer au passage et qu'il peut être bon d'avoir en tête, un espace X complètement régulier est localement compact (un espace séparé est dit localement compact lorsque tout point a un voisinage compact) si et seulement si X est un sous-espace ouvert (et toujours dense !) de βX.

❀

Je parle maintenant des idéaux maximaux de C(X) et de C*(X). J'ai affirmé plus haut que, si K est compact, les idéaux maximaux de C(K)=C*(K) sont en bijection naturelle avec les points de K, la bijection étant celle qui à p∈K associe l'idéal {f∈C(K) : f(p)=0} des fonctions s'annulant en p. Qu'en est-il des idéaux maximaux de C(X) et C*(X) si X n'est pas supposé compact ? La réponse un peu bizarre est que les deux sont en bijection naturelle avec les points de βX, mais que même si les idéaux maximaux de C(X) et de C*(X) sont en bijection, le passage de l'un à l'autre n'est pas forcément celui qu'on imagine, et qu'il faut donc faire attention.

Le cas de C*(X) est le plus simple puisque C*(X)=C(βX), on peut utiliser la description qu'on vient de donner des idéaux maximaux de C(K) avec K=βX compact comme des ensembles de fonctions s'annulant en un point :

✱ Si p∈βX et f:X→ℝ (continue), on dira que f s'annule en p lorsque βf:βX→βℝ prend en p la valeur 0 (comme ℝ est un sous-espace ouvert de βℝ, il n'y a pas de problème à voir n'importe quel réel, et notamment 0, comme un élément de βℝ). Plutôt que de passer par βℝ, on peut préférer utiliser la « compactification d'Alexandroff », la plus petite possible, c'est-à-dire ℝ˚ := ℝ∪{∞}, vu comme un cercle (par la projection stéréographique, disons) : comme ℝ˚ est compact, la fonction f:X→ℝ˚ se prolonge de façon unique en une fonction f˚:βX→ℝ˚ (qui est simplement la composée de βf avec l'application continue βℝ→ℝ˚ provenant de la propriété universelle de βℝ — c'est-à-dire, concrètement, envoyant sur ∞ tout ce qui n'est pas dans ℝ) ; la condition est la même : f s'annule en p signifie que f˚ prend en p la valeur 0. (On peut aussi compactifier ℝ en ℝ∪{+∞,−∞} si on veut : la fonction f a aussi une unique extension à une fonction continue X→ℝ∪{+∞,−∞}, tout l'intérêt de la compactification de Stone-Čech étant justement qu'elle est universelle !) Bien sûr, si f est bornée, ces subtilités sont encore plus sans objet : f˚ ou βf est à valeurs réelles (bornées par les mêmes bornes que f) et le concept de s'annuler en p est encore plus transparent.

De même que je note Z(f) := {x∈X : f(x)=0} l'ensemble des points de X où f s'annule, je noterai Z(βf) := {p∈βX : (βf)(p)=0} l'ensemble des points de βX où f s'annule au sens que je viens de définir.

Bref, à un point p∈βX on associe l'idéal 𝔪*_p := {f∈C*(X) : f˚(p)=0} = {f∈C*(X) : p∈Z(βf)} de C*(X) formé des fonctions (continues) bornées f qui s'annulent en p, et p ↦ 𝔪*_p définit une bijection entre βX et les idéaux maximaux de C*(X). (Et, de nouveau, le morphisme canonique C*(X) → C*(X)/𝔪*_p vers le quotient C*(X)/𝔪*_p par cet idéal est simplement l'évaluation f ↦ f˚(p) ∈ℝ en p. Il n'y a pas de subtilité puisque f est bornée.)

✱ On pourrait peut-être s'imaginer que l'ensemble des fonctions f s'annulant en p définit aussi un idéal de C(X). Pourtant, ce n'est pas le cas en général : le produit d'une f∈C(X) qui s'annule en p par une autre fonction g∈C(X) peut très bien ne pas s'annuler en p (il est pour cela nécessaire que g˚(p)=∞, mais cela n'a rien d'impossible lorsque g n'est pas bornée). Un exemple tout simple : la fonction (forcément continue !) f:ℕ→ℝ donnée par n ↦ 1/(n+1) tend vers 0 en ∞ au sens naïf (c'est-à-dire dans ℕ˚ := ℕ∪{∞} où les voisinages de ∞ sont les complémentaires des parties finies de ℕ), cela signifie que cette fonction f s'annule en tout point p de βℕ∖ℕ (qu'on peut considérer comme un ultrafiltre non-principal), pourtant, f est inversible dans C(X), son inverse étant simplement g:n↦n+1 (on a manifestement f·g constamment égale à 1), si bien que le seul idéal de C(ℕ)=ℝ^ℕ auquel appartient f est l'idéal unité (1) (c'est-à-dire C(ℕ) tout entier). Plus généralement, toute fonction f∈C(X) qui appartient à un idéal maximal quel qu'il soit doit être non inversible, c'est-à-dire doit s'annuler quelque part sur X, c'est-à-dire doit avoir Z(f)≠∅ (en rappelant que Z(f) := {x∈X : f(x)=0}).

Ceci suggère que, pour décrire les idéaux maximaux de C(X), de s'intéresser aux ensembles Z(f). La description de βX comme l'ensemble des z-ultrafiltres sur X est ici particulièrement utile : en effet, si on voit un p∈βX comme un z-ultrafiltre sur X, on peut décrire l'idéal 𝔪_p associé simplement comme l'ensemble des f∈C(X) telles que Z(f) appartienne au z-ultrafiltre p. Mais si on n'aime pas cette description, on peut utiliser une des suivantes : l'idéal maximal 𝔪_p de C(X) associé à un p∈βX peut être défini comme l'ensemble des fonctions f∈C(X) qui vérifient l'une des conditions équivalentes suivantes (j'ai envie de dire que f s'annule strictement en p, mais ce n'est pas une terminologie standard) :

• Le point p∈βX appartient à l'adhérence cl_βX(Z(f)), prise dans βX, de [l'image dans βX de] l'ensemble Z(f) des points de X où f s'annule.
• Toute fonction f₀∈C(X) s'annulant (au moins) là où f s'annule, s'annule en p.
• Pour toute g∈C(X), la fonction f·g∈C(X) s'annule en p (au sens défini précédemment).

Bref, 𝔪_p := {f∈C(X) : p∈cl_βX(Z(f))}, qu'il s'agit de ne pas confondre avec 𝔪*_p := {f∈C*(X) : p∈Z(βf)}. Attention ! même si f∈C*(X), les deux conditions p∈cl_βX(Z(f)) et p∈Z(βf) sont différentes en général, c'est-à-dire que les idéaux 𝔪_p∩C*(X) et 𝔪*_p ne coïncident pas en général, on a seulement l'inclusion 𝔪_p∩C*(X) ⊆ 𝔪*_p. (J'ai déjà donné l'exemple de la fonction n ↦ 1/(n+1) de C*(ℕ), qui est dans les idéaux 𝔪*_p pour tout p∈βℕ∖ℕ, mais qui, étant inversible dans C(ℕ), n'est dans aucun 𝔪_p, donc dans aucun 𝔪_p∩C*(X).)

Une façon d'apprécier le phénomène que je viens d'évoquer est de considérer la fonction f, disons, x ↦ sin(2πx), élément de C*(ℝ) (le 2π me sert simplement à pouvoir dire qu'elle s'annule sur ℤ, c'est plus commode à écrire, mais je ne vais pas utiliser quoi que ce soit d'intelligent sur la fonction sinus) : on a Z(f)=ℤ, si bien que l'adhérence cl_βℝ(Z(f)) = cl_βℝ(ℤ) dans βℝ de l'ensemble des points où elle s'annule (i.e., le lieu où f « s'annule strictement » dans βℝ) est l'ensemble de tous les points de βℝ adhérents aux entiers (cet ensemble s'identifie d'ailleurs à βℤ) ; en revanche, s'agissant de Z(βf) (i.e., le lieu où f s'annule dans βℝ), il contient plein d'autres points : par exemple, si on prend une suite (x_n) de réels de limite +∞ et tels que sin(2πx_n) tende vers 0 sans qu'aucun des x_n ne soit entier, les points d'adhérence de cette suite dans βℝ vont donner plein de points où βf s'annule mais qui ne sont pas des points adhérents de points où f s'annule dans ℝ.

Une remarque pour lever une certaine confusion dont j'ai été victime : si f∈C(X), le lieu Z(βf) des points de βX où f s'annule et le lieu cl_βX(Z(f)) des points où f « s'annule strictement » sont distincts en général (même quand f∈C*(X)), comme je viens de l'expliquer, mais on pourrait encore se dire que peut-être les deux familles en question de parties de βX, c'est-à-dire {Z(βf) : f∈C(X)} et {cl_βX(Z(f)) : f∈C(X)} sont les mêmes. Il me semble que ce n'est généralement pas le cas : les Z(βf) pour f∈C(X) ou pour f∈C*(X) sont les z-fermés de βX ; les cl_βX(Z(f)) sont des fermés de βX, et comme tous fermés d'un espace complètement régulier on peut les écrire comme intersections de z-fermés (à savoir cl_βX(Z(f)) = ⋂_g∈C(X) Z(β(f·g)) d'après les équivalences ci-dessus), mais cela ne signifie pas qu'ils soient eux-mêmes des z-fermés. Par exemple, j'ai expliqué ci-dessus que βℤ vu comme une partie de βℝ est un cl_βℝ(Z(f)) ; mais si g était une fonction continue sur ℝ et s'annulant exactement sur βℤ dans βℝ, en particulier dans ℝ elle s'annulerait exactement sur ℤ, et par continuité on pourrait trouver près de chaque n∈ℕ un x_n tel que, disons, |x_n−n|<2⁻ⁿ et que |g(x_n)|<2⁻ⁿ, et comme ci-dessus, les points d'adhérence de cette suite dans βℝ vont donner plein de points où βg s'annule mais qui ne sont pas des points adhérents de points où g s'annule dans ℝ (i.e., de βℤ). Bref, si je ne dis pas de bêtises, βℤ est l'adhérence dans βℝ d'un z-fermé de ℝ (= il est un « lieu d'annulation strict »), mais il n'est pas un z-fermé de βℝ (= il n'est pas un lieu d'annulation).

✱ Alors que le quotient C*(X)/𝔪*_p est le corps des réels via l'évaluation f ↦ f˚(p) ∈ℝ en p, dans le cas de C(X)/𝔪_p, le quotient (qui est un corps : les idéaux maximaux sont précisément cels que par lesquels en quotientant on obtient un corps) est en général beaucoup plus gros que ℝ. C'est une extension de corps de ℝ que je pourrais noter ℝ_p, totalement ordonnée par la relation (f mod 𝔪_p) ≤ (g mod 𝔪_p) définie comme : p est adhérent à {x∈X : f(x)≤g(x)}. On peut considérer la surjection canonique C(X) → C(X)/𝔪_p =: ℝ_p, c'est-à-dire l'application f ↦ (f mod 𝔪_p), comme une sorte d'évaluation modifiée : appelons-la l'hyperévaluation de f en p. Le rapport entre l'évaluation (f ↦ f˚(p)) et l'hyperévaluation est alors le suivant : on a f˚(p)=0 si et seulement si l'hyperévaluation est infinitésimale (c'est-à-dire contenue, dans ℝ_p, entre −ε et +ε pour tout ε>0 réel), et plus généralement on a f˚(p)=t réel si et seulement si l'hyperévaluation de f−t est infinitésimale, tandis qu'on a f˚(p)=∞ si et seulement si l'hyperévaluation de f est supérieure à tout réel ou inférieure à tout réel.

Il arrive cependant que le quotient C(X)/𝔪_p =: ℝ_p soit égal à ℝ, ce qui se produit précisément lorsque 𝔪*_p coïncide avec 𝔪_p∩C*(X), ou encore, que toute fonction f dans C(X) ou C*(X) qui s'annule en p s'annule en fait sur un ensemble adhérent à p. On dit alors que p est un point réel de βX. C'est le cas de tout point de X, mais ce n'est pas la seule possibilité : le « point à l'infini » (ω₁) de β(ω₁) = (ω₁+1) est aussi un point réel puisque toute fonction réelle continue sur ω₁+1 qui s'y annule doit s'annuler à partir d'un certain point <ω₁.

✱ Je devrais peut-être encore dire un mot de la notion de sous-espace C-plongé et C*-plongé d'un espace complètement régulier : on dit que Y⊆X est C-plongé, respectivement C*-plongé, lorsque la restriction à Y, c'est-à-dire l'application C(X)→C(Y), respectivement C*(X)→C*(Y), donnée par f ↦ f|_Y, est surjective, c'est-à-dire que toute fonction continue, resp. continue bornée, sur Y, se prolonge à X. Par exemple, pour X complètement régulier, X est C*-plongé dans βX (mais, en général, pas C-plongé), et ceci est d'ailleurs une définition possible de βX dans le cas complètement régulier. (Une caractérisation classique du fait d'être C*-plongé et C-plongé, est qu'un sous-espace Y⊆X est C*-plongé si et seulement si deux ensembles A et B « fonctionnellement séparés » dans Y le sont encore dans X, où fonctionnellement séparés (ou encore complètement séparés) signifie qu'il existe une fonction f continue (qu'on peut supposer bornée ou même à valeurs dans [0;1]) telle que f|_A=0 et f|_B=1 ; et il (Y) est C-plongé si et seulement si il est C*-plongé et, de plus, il est fonctionnellement séparé de tout z-fermé disjoint de lui (Y). Mais franchement, je ne trouve pas ça très parlant.) Ce qu'il est utile de retenir, en revanche, c'est que dans un espace normal (:= deux fermés disjoints quelconques sont fonctionnellement séparés), et notamment dans un espace compact ou un espace métrique, tout fermé est C*-plongé et même C-plongé ; c'est encore le cas de tout compact dans un espace complètement régulier. Par ailleurs, le fait que Y soit C*-plongé dans X équivaut au fait que l'application continue βY→βX déduite de l'inclusion Y→X soit injective, et, du coup, un homéomorphisme de βY sur l'adhérence cl_βX(Y) de Y dans βX.

❀

Enfin, je dois dire un mot des espaces réelcompacts et de la réelcompactification de Hewitt-Nachbin. En bref, il s'agit de refaire avec ℝ ce qu'on faisait avec [0;1] pour la compactification de Stone-Čech :

✱ Un espace topologique X est dit réelcompact lorsqu'il est complètement régulier et qu'aucun point p∈βX∖X n'est réel, ce qui (être réel), rappelons-le, signifie que ℝ_p=ℝ ou encore que 𝔪*_p = 𝔪_p∩C*(X), ou, plus simplement, que si une fonction réelle continue f s'annule en p alors p est dans l'adhérence de points de X où elle s'annule (la fonction « s'annule strictement »). Mais cette propriété n'est pas très parlante, et en fait il vaut sans doute mieux définir les espaces réelcompacts simplement comme ceux qui sont égaux à leur réelcompactification υX, que je définis maintenant (certaines de ces caractérisations ne présupposent pas la notion d'espace réelcompact et peuvent donc servir à la définir) :

• Propriété universelle : X→υX est une application continue vers un espace réelcompact [séparé], et toute application continue X→S avec S réelcompact, se factorise de façon unique X→υX→S.
• Construction par évaluation universelle : υX est l'adhérence dans ℝ^C(X) de l'image de l'application Φ:X→ℝ^C(X) d'évaluation universelle (qui envoie x∈X sur la famille (f(x))_f∈C(X)), munie de la topologie induite par ℝ^C(X), et X→υX est simplement donnée par l'application Φ elle-même.
• Caractérisation par fonctions continues : υX est l'unique espace réelcompact [séparé] tel qu'on ait C(υX) = C(X), et X→υX est l'application envoyant un x∈X sur l'unique p∈υX tel que l'ensemble (l'idéal maximal à quotient réel) des fonctions f∈C(X) s'annulant en x s'identifie dans à celui des fonctions f∈C(υX) s'annulant en p.
• Construction par idéaux maximaux des fonctions continues (essentiellement une reformulation de la précédente) : υX est l'ensemble des idéaux maximaux de C(X) tels que le quotient soit ℝ (ou, ce qui revient au même, soit aussi le quotient correspondant de C*(X)), muni de la topologie de Zariski, c'est-à-dire, celle induite par βX avec la même construction.
• Construction par z-ultrafiltres σ-complets : υX est l'ensemble des z-ultrafiltres sur X qui soient stables par intersection dénombrable (σ-complets), muni de la topologie induite par βX avec la même construction.

Comme la compactification de Stone-Čech, la réelcompactification est fonctorielle. Par ailleurs, on a une factorisation X→υX→βX (par exemple parce que βυX=βX) ; en fait, on a même X→τX→υX→βX (voire X→ϝX→τX→υX→βX si on a lu ce que j'ai écrit sur la fonctionnelle séparification d'un espace topologique).

✱ Ceci étant, la réelcompactification est tout de même d'un intérêt limité parce qu'il est assez difficile de produire des exemples d'espaces topologiques qui ne soient pas réelcompacts : tout espace de Lindelöf complètement régulier, et aussi tout espace métrique de cardinal strictement inférieur au premier cardinal mesurable (quelque chose de monstrueusement grand, cf. ci-dessous) s'il existe, et bien sûr tout espace compact, est réelcompact ; notamment, ℕ, ℚ, ℝ sont réelcompacts. Le contre-exemple le plus simple est ω₁ (muni de la topologie de l'ordre), pour lequel on a υ(ω₁) = β(ω₁) = (ω₁+1).

Un problème ensemblistement intéressant est de savoir si tout espace discret est réelcompact : c'est-à-dire si tout ultrafiltre σ-complet (= stable par intersections dénombrables) sur un ensemble est forcément principal (= l'ensemble de toutes les parties contenant un élément donné) : cela revient à l'inexistence des cardinaux mesurables, plus exactement, un espace discret est réelcompact si et seulement si son cardinal est strictement inférieur au premier cardinal mesurable s'il existe ; il est consistant (relativement à la consistance de ZFC) que les cardinaux mesurables n'existent pas, i.e., que tout ultrafiltre σ-complet est principal, et dans ce cas, tout espace discret est réelcompact ; mais s'il existe un cardinal mesurable κ, alors, muni de la topologie discrète, il n'est pas réelcompact (et sa réelcompactification est l'ensemble de ses ultrafiltres σ-complets non principaux).

✱ À l'opposé, si on veut, des espaces réelcompacts, il y a les espaces weierstrassiens (ou pseudocompacts), qui sont ceux pour lesquels on a C(X)=C*(X), i.e., toute fonction réelle continue est bornée [et alors automatiquement, atteint ses bornes], ce qui revient à avoir υX=βX. C'est le cas, notamment, de ω₁ (muni de la topologie de l'ordre). On peut donc dire qu'on a séparé la notion d'espace compact en deux notions distinctes dont elle est la conjonction : compact ⇔ réelcompact ∧ weierstrassien. (En fait, on peut même dire qu'on a séparé la notion d'espace compact en quatre notions dont elle est la conjonction : si on regarde la factorisation X→ϝX→τX→υX→βX, on a quatre notions correspondant au fait que chacune de ces quatre flèches est un isomorphisme, la première est le fait d'être fonctionnellement séparé, la seconde est le fait que la fonctionnelle séparification soit complètement régulière, la troisième est le fait que la complète régulariation soit réelcompact, et la quatrième est le fait d'être weierstrassien.)

Cela fait un certain temps que je me dis que je devrais écrire une ou plusieurs entrées sur ce blog sur des sujets tournant autour de la logique intuitionniste et des mathématiques constructives. La présente entrée est une sorte de TODO étendu où je mélange, de façon malheureusement confuse et désorganisée, des remarques introductives voire vulgarisatrices sur le sujet (et expliquant de quoi il est question), des remarques d'ordre méta (où je dis que je devrais parler de ceci ou de cela, ou bien me demande comment je pourrais le faire, ou encore me dis que je ne comprends pas bien telle ou telle chose) et des explications de fond assez disparates (et faites à des niveaux de prérequis, il faut bien le dire, complètement incohérents). Même l'ordre dans lequel je dis les choses est assez bizarre (à la limite, je me demande s'il ne vaut pas mieux lire cette entrée en commençant par la fin). Je pense que ça vaut quand même la peine de publier tout ça, en conseillant au lecteur de simplement sauter les passages qui lui semblent obscurs (puisque de toute façon il y a très peu de dépendances dans ce que je vais raconter).

★

En fait, au départ, je me suis surtout dit que ce serait intéressant d'écrire quelque chose sur le topos effectif et la réalisabilité de Kleene. Je peux au moins recopier l'introduction informelle que j'ai commencé à rédiger à ce sujet :

Pour dire très très très sommairement et très très très vaguement de quoi il est question,

• un topos est une sorte de « monde mathématique alternatif » régi par les lois de la logique intuitionniste (une logique plus faible que la logique usuelle, ou classique, dans laquelle on a essentiellement supprimé la loi du tiers exclu qui affirme que toute formule logique est soit vraie soit fausse, ou, de façon équivalente, que tout ce qui n'est pas faux est vrai) ; de façon un peu plus précise, un topos est une catégorie (peu importe ce qu'est exactement une « catégorie ») qui possède un certain nombre de propriétés communes avec la catégorie des ensembles, ce qui permet d'y mener un certain nombre de constructions mathématiques usuelles, mais dont le comportement va néanmoins être différent sur un certain nombre de choses, et notamment la logique ; et
• le topos effectif est un topos particulier qui présente un intérêt particulier en calculabilité : il présente un monde alternatif dans lequel toutes les fonctions ℕ→ℕ sont calculables, ce qui nous offre un regard neuf sur la calculabilité par rapport à sa présentation classique, où la logique intuitionniste éclaire ce que sont les raisonnements effectifs (voir à ce sujet cet article introductif d'Andrej Bauer, qui ne parle pas du topos effectif mais explique en quoi travailler en logique intuitionniste peut rendre plus facile ou plus naturelle la calculabilité).

Mais reculons d'un cran : pour parler du topos effectif, je me suis dit qu'il fallait d'abord que j'écrive quelque chose sur la réalisabilité de Kleene, qui en est en quelque sorte le prélude. (Si vous voulez savoir très très très sommairement et très très très vaguement de quoi il est question, S. C. Kleene a introduit dès 1945 une notion appelée « réalisabilité », en tentant de donner un sens précis à l'intuitionnisme, et — en très très très gros — le fait qu'une formule arithmétique φ soit « réalisable » [par un entier naturel n] signifie que n en apporte une sorte de « témoignage algorithmique », par exemple, si φ est une formule du type ∀x.ψ(x) affirmant que ψ(x) est vraie pour tout x, alors « réaliser » cette formule va se faire en apportant un programme qui prend en entrée un entier k et en sortie calcule un entier qui réalise ψ(k) ; pour un peu plus de détails, voir le début de cette question que j'ai posée sur MathOverflow, ou pour encore plus, voir le texte Realizability: An [sic] Historical Essay de Jaap van Oosten.) Le lien entre la réalisabilité de Kleene et le topos effectif est très fort : disons que le topos effectif est défini en cherchant une généralisation assez directe de la réalisabilité à des formules plus complexes que celles de l'arithmétique (et les formules arithmétiques qui sont réalisables sont exactement celles qui sont vraies dans le topos effectif).

Bon, mais je me suis alors rendu compte que ce serait commencer in media res de parler du topos effectif ou même de réalisabilité si je ne commençais pas par parler d'intuitionnisme ou de mathématiques constructives. Et là, je suis embêté par le fait que j'ai à la fois trop de choses à dire et pas assez (trop, parce que ça touche à énormément de sujets ; pas assez, parce qu'en ce faisant ça touche aussi à trop de questions sur lesquelles je ne sais pas grand-chose).

★

La logique intuitionniste est une logique plus faible que la logique classique dans laquelle on s'interdit la loi du tiers exclu (qui dit que tout énoncé P est soit vrai soit faux ; c'est-à-dire : P∨¬P) ; cela revient essentiellement à s'interdire le raisonnement par l'absurde (ou plus exactement, le raisonnement par l'absurde de la forme je veux montrer P : supposons par l'absurde que P soit faux <…>, j'arrive à une contradiction, donc P ne peut pas être faux, c'est-à-dire qu'il est vrai — c'est la dernière partie qui coince en logique intuitionniste ; en revanche, on peut toujours dire je veux montrer que P est faux : supposons par l'absurde que P soit vrai <…>, j'arrive à une contradiction, c'est-à-dire que P est faux, parce que P est faux signifie précisément que la vérité de P est absurde). Faire des maths sans le tiers exclu peut ressembler à un exercice aussi futile qu'essayer de boxer avec les deux mains attachées derrière le dos, et dans une certaine mesure ça y ressemble effectivement, mais cela présente néanmoins un certain intérêt : non seulement c'est intéressant du point de vue de la pure logique de se demander ce qu'on peut faire sans cet axiome (et cette question a des connexions inattendue avec toutes sortes d'autres parties des mathématiques) ; mais par ailleurs, une démonstration en logique intuitionniste apporte véritablement plus de contenu qu'une démonstration classique : pour commencer, elle est valable de façon plus large (et notamment dans les topoï [pluriel de topos]), mais aussi, elle est constructive (au moins si on part de certains axiomes), c'est-à-dire qu'elle exhibe les objets dont elle affirme l'existence.

Une des idées centrales des maths constructives (qui sont à peu près, quoique pas forcément exactement, la même chose que les mathématiques exercées dans le cadre de la logique intuitionniste) est que si on veut prouver P ou Q (en symboles, P∨Q), il devrait être suffisant mais aussi nécessaire de prouver soit P, soit Q (et notamment, de savoir lequel des deux est vrai !) : ceci va manifestement complètement à l'encontre du tiers exclu qui postule que pour tout énoncé P, soit P est vrai soit ¬P l'est, sans qu'on puisse forcément trancher lequel (et parfois, effectivement, on ne peut prouver ni l'un ni l'autre). De même, si on veut prouver il existe un x tel que P(x) (en symboles, ∃x.P(x)), il devrait être suffisant mais aussi nécessaire d'exhiber un x pour lequel on peut prouver P(x) : de nouveau, ceci va à l'encontre des raisonnements par l'absurde qui ressemblent à supposons qu'aucun tel x n'existe <…>, j'arrive à une contradiction, donc un tel x doit exister (mais au final ne donnent aucune information pour en construire un).

Ajout (2019-04-15T23:37+02:00) : Juste après avoir publié cette entrée je me rends compte que j'ai oublié d'insérer un paragraphe que je comptais écrire sur l'interprétation de Brouwer-Heyting-Kolmogorov qui tente d'expliquer au moins informellement le sens des connecteurs de la logique linéaire. Spécifiquement, il s'agit de variations autour des explications suivantes :

• une preuve de P∧Q (conjonction) est un couple formé d'une preuve de P et d'une de Q,
• une preuve de P∨Q (disjonction) est la donnée d'une preuve de P ou d'une preuve de Q (avec, bien sûr, l'information de laquelle des deux),
• une preuve de P⇒Q (implication) est une manière de transformer une preuve de P en une preuve de Q,
• une preuve de ⊤ (le vrai) est triviale,
• une preuve de ⊥ (le faux) n'existe pas,
• une preuve de ∀x.P(x) est une manière de transformer un x en une preuve de P(x),
• une preuve de ∃x.P(x) est la donnée d'un t particulier et d'une preuve de P(t).

Je répète que, telles quelles, ces explications n'ont pas vraiment de sens (notamment à cause des mots manière de transformer), et d'ailleurs il en existe beaucoup de variations (Kolmogorov parlait de problèmes et de solutions de ces problèmes plutôt que de preuves d'énoncés ; c'est d'ailleurs ce qui motive la logique de Medvedev dont je parlerai plus bas). Mais elles servent au moins à motiver la manière dont on veut que la logique intuitionniste se comporte, et ce sont des formalisations de ces idées qui conduisent à la réalisabilité de Kleene (ce dernier essayait de rendre précise l'interprétation de Brouwer-Heyting-Kolmogorov) et la logique de Medvedev (cf. plus loin).

★

Je ne suis pas historien des maths et pas spécialement compétent pour en parler, et par ailleurs l'article Wikipédia sur la controverse Hilbert-Brouwer me semble bizarrement écrit et lui-même sujet à controverse ; donc je ne tenterai pas sérieusement de faire l'histoire du sujet. Ce que L. E. J. Brouwer, inventeur de l'intuitionnisme, appelait intuitionnisme, n'est pas vraiment ce que les matheux actuels appellent ainsi (notamment parce que je crois comprendre que Brouwer avait une grande méfiance de la logique, et plus encore de la logique formelle, alors que maintenant — depuis Gödel, il me semble — on considère tout ce sujet à la lumière de la logique), mais le tiers exclu est assurément un point central d'achoppement entre Brouwer, qui le rejetait pour son caractère non-constructif, et Hilbert, qui l'acceptait comme une évidence de l'orthodoxie logique. Ironiquement, la controverse est partiellement due à deux théorèmes d'existence non-constructifs dus à Hilbert et Brouwer eux-mêmes, à savoir le théorème de la base de Hilbert (dont la recherche d'une démonstration constructive a cependant mené indirectement à la théorie des bases de Gröbner) et le théorème du point fixe de Brouwer.

Mais pour donner peut-être une saveur de [hum, comment on dit a taste of en français, déjà ?] choses qui pouvaient déranger Brouwer, je peux proposer l'exemple de raisonnement suivant, qui me semble intéressant parce qu'un de mes collègues, pourtant informatheux expérimenté, a été vraiment dérangé par cet argument avant de concéder qu'il était valable :

Contexte : On ignore, actuellement, essentiellement tout sur l'écriture décimale de π (à part qu'elle n'est pas ultimement périodique puisque π n'est pas rationnel). On ne sait, notamment, pas prouver que chaque chiffre ou à plus forte raison chaque suite finie de chiffres, y apparaît infiniment souvent, et on ne sait même pas le prouver pour un chiffre ou une suite finie particulière de chiffres. On conjecture cependant que les décimales de π se comportent, pour ce genre de choses, essentiellement comme si elles étaient tirées au hasard, c'est-à-dire que chaque suite finie de longueur r apparaît en moyenne une fois toutes les 10^r décimales (et notamment, infiniment souvent). Je ne fais aucune hypothèse particulière sur les décimales de π dans ce qui suit (et vous pouvez le remplacer par le nombre réel calculable de votre choix).

Affirmation : Il existe un programme qui, donné un entier k en entrée, termine toujours en temps fini et renvoie soit l'emplacement de la première occurrence de k fois consécutivement le chiffre 7 dans l'écriture décimale de π, soit faux (ou ∞ si on préfère) si une telle occurrence n'existe pas.

Preuve : Soit f: ℕ → ℕ∪{∞} la fonction qui à k associe l'emplacement de la première occurrence de k chiffres 7 consécutifs dans l'écriture décimale de π, ou bien ∞ si cette occurrence n'existe pas. Il s'agit de montrer que cette fonction f est calculable algorithmiquement. De deux choses l'une : soit il existe k₀ tel que f(k)=∞ pour k≥k₀ (i.e., k₀−1 est la longueur de la plus grande suite de 7 consécutifs dans π) ; soit f(k)<∞ pour tout k. Dans le premier cas, la fonction f est calculable algorithmiquement par un programme puisqu'elle est constante à partir d'un certain rang (le programme peut renvoyer ∞ pour k≥k₀ et faire un nombre fini de cas pour toutes les valeurs inférieures) ; dans le second cas, il existe des suites de 7 consécutifs arbitrairement longues, et f est calculable par le programme qui calcule toutes les décimales successivement jusqu'à trouver une telle suite de longueur assez grande.

Commentaire : Ce qui rend ce raisonnement gênant est que beaucoup de gens (dont le collègue évoqué ci-dessus) vont rétorquer oui, mais on ne sait pas calculer k₀, ni même s'il existe ! — pourtant, ce raisonnement, qui ferait sans doute frémir d'horreur Brouwer, est classiquement correct, c'est-à-dire correct dans la théorie de la calculabilité enseignée dans le cadre des mathématiques usuelles (classiques, orthodoxes, comme vous voudrez l'appeler). Le problème est que je montre que quelque chose est calculable (qu'un programme pour le calculer existe) sans exhiber un tel programme : quelle que soit la valeur de k₀ (ou si k₀ n'existe pas), un tel programme existe, mais moi je ne sais pas ce qu'il est. Seulement, classiquement, f est calculable signifie qu'un programme calculant f existe, pas que je suis capable de l'exhiber. (Bon, on peut quand même se mettre d'accord que la convention usuelle de langage, en l'absence d'éclaircissement par ailleurs, quand on dit f est calculable est qu'en fait non seulement f est calculable mais qu'on s'apprête à en exhiber un algorithme explicite ; mais c'est déjà une forme de constructivisme.)

★

Maintenant, faire des maths en logique intuitionniste ressemble effectivement un peu à faire de la boxe sans utiliser ses poings (la comparaison est de Hilbert) : un matheux habitué aux maths classiques sera horrifié de ne pas avoir le droit de dire que, si x est un réel, on a soit x>0 soit x<0 soit x=0 ; ou qu'une partie d'un ensemble fini est finie ; ou que l'image d'un ensemble fini est finie ; ou toutes sortes de choses de ce genre. Pourtant, on peut quand même faire beaucoup de maths, et de façon même pas si différente de ce dont on a l'habitude : c'est quelque chose qu'E. Bishop et ses disciples ont montré (constructivement !).

À part l'aspect scientifique proprement dit, je suis tenté de trouver que ça a un réel intérêt pédagogique (voire métapédagogique, i.e., pour enseigner la pédagogie) : en obligeant à se rendre compte de la manière dont on utilise le tiers exclu (et à chercher à l'éviter), cela amène à réfléchir à la manière dont on construit des raisonnements mathématiques (et dont toutes sortes de faits « évidents » comme si tous les éléments d'un ensemble sont égaux alors il existe un élément auquel ils sont tous égaux sont démontrés) ; cela peut aussi amener le mathématicien classique, en le plaçant sur un terrain non familier et glissant pour lui, à reréfléchir à ce qu'il trouve évident, et peut-être à mieux comprendre les étudiants et autres débutants en mathématiques en comprenant leurs difficultés. Je pense d'ailleurs un peu la même chose du fait de s'obliger à repérer ou à éviter l'usage de l'axiome du choix (cf. d'ailleurs cette question sur la comparaison entre les deux) ou d'autres axiomes de la théorie des ensembles (Remplacement me vient à l'esprit).

En fait, ce qui est peut-être remarquable, c'est qu'on s'habitue relativement vite à raisonner en logique intuitionniste, et notamment, que même les matheux qui ne connaissent pas la logique formelle comprennent ce que cela signifie que de s'interdire le tiers exclu (alors qu'on pourrait se dire a priori que cela dépend du mécanisme mental précis qu'ils ont en tête pour représenter la logique classique).

(Cf. aussi cette entrée passée qui a un rapport avec le sujet.)

★

Pour la complétude de cette entrée (enfin, pour faire semblant), je vais quand même lister ici rapidement des règles permettant de définir la logique intuitionniste, un peu à la manière de celles que j'ai utilisées pour définir la logique linéaire dans cette entrée (même si cette présentation n'est peut-être pas la plus logique pour le genre de sujets que je veux évoquer concernant la logique intuitionniste ; et même si je répète qu'en fait, Brouwer avait horreur de la logique formelle et que quand on ouvre un livre tel que ceux de Bishop, il commence directement à faire des maths sans essayer d'expliquer formellement les règles — ce sont plutôt les informaticiens qui aiment ce genre de formalisme).

Comme dans mes règles pour la logique linéaire, j'introduis un symbole supplémentaire, qui ne fait pas partie de la logique elle-même mais sert à la définir : il s'agit du symbole ‘⊢’ (prononcé thèse ou taquet), mais une différence avec la logique linéaire (ou classique) est que les séquents sont asymétriques gauche-droite, ils sont de la forme Γ⊢P où Γ est une suite (finie) quelconque de (zéro ou plus) formules séparées par des virgules (les antécédents ou hypothèses du séquent) et P est une unique formule (le conséquent ou la conclusion du séquent). Dans les règles qui suivent, les lettres latines majuscules (A,B,C…) sont à remplacer par des formules quelconques de la logique intuitionniste, et les lettres grecques majuscules (Γ,Σ) par des suites (finies) quelconques de formules séparées par des virgules (ces formules-là, ainsi que celles que j'ai dénoté par la lettre P, ne seront pas modifiées et portent le nom collectif de contexte d'application de la règle — enfin, peut-être que P mériterait plutôt le nom de continuation) :

• Coupure : si Γ⊢A [est un séquent valable] et A,Σ⊢P [en est un], alors Γ,Σ⊢P [en est encore un].
• Identité : on a A⊢A [c'est un séquent valable].
• Échange : si Γ⊢P alors Γ′⊢P où Γ′ s'obtient en permutant de façon arbitraire les formules de Γ. (Remarque : on peut passer complètement sous silence l'utilisation de la règle d'échange en considérant que la liste à gauche du symbole taquet, dans un séquent, est un multiensemble, c'est-à-dire que son ordre n'est tout simplement pas défini.)
• Affaiblissement : si Γ⊢P alors Γ,A⊢P ; contraction : si Γ,A,A⊢P alors Γ,A⊢P.
• Introduction du ∧ : si Γ⊢A et Σ⊢B, alors Γ,Σ⊢A∧B ; élimination du ∧ : si Γ,A,B⊢P alors Γ,A∧B⊢P.
• Introduction du ∨ : si Γ⊢A ou bien Γ⊢B alors Γ⊢A∨B ; élimination du ∨ : si Γ,A⊢P et Γ,B⊢P, alors Γ,A∨B⊢P.
• Introduction du ⊤ : on a ⊢⊤ ; élimination du ⊤ : si Γ⊢P alors Γ,⊤⊢P (remarque : ceci est redondant avec la règle d'affaiblissement, mais il me semble logique de l'écrire quand même).
• Élimination du ⊥ : [quels que soient Γ et P,] on a Γ,⊥⊢P. (Il n'y a pas de règle d'introduction du ⊥.)
• Introduction du ⇒ (=abstraction) : si Γ,A⊢B alors Γ⊢A⇒B ; élimination du ⇒ (=application) : si Γ⊢A et Σ,B⊢P, alors Γ,Σ,A⇒B⊢P.
• Introduction du ∀ : si Γ⊢A(y) où y est une variable n'apparaissant nulle part libre dans Γ alors Γ⊢∀x.A(x) ; élimination du ∀ : si Γ,A(t)⊢P où t est un terme, alors Γ,∀x.A(x)⊢P.
• Introduction du ∃ : si Γ⊢A(t) où t est un terme, alors Γ⊢∃x.A(x) ; élimination du ∃ : si Γ,A(y)⊢P où y est une variable n'apparaissant nulle part libre dans Γ ou P, alors Γ,∃x.A(x)⊢P.
• Pour ce qui est de la négation, ¬A doit être traité comme un simple raccourci de langage pour A⇒⊥.

Sur cette présentation, la différence avec la logique classique réside dans le fait de n'autoriser qu'une seule formule à droite du symbole ‘⊢’ (i.e., on pourrait décrire la logique classique essentiellement en symétrisant les règles ci-dessus par exemple en comparant avec ce que j'ai écrit pour la logique linéaire). On pourrait aussi autoriser un axiome P∨¬P, mais ce serait moins naturel.

Un théorème du calcul des prédicats intuitionniste est une formule P telle que ⊢P [soit un séquent valable au sens ci-dessus]. Si on permet Γ⊢P où Γ sont des hypothèses prises parmi un ensemble T d'axiomes, on dira que P est un théorème de la théorie T. Pour bien faire, il faudrait que je propose des règles pour l'égalité et des axiomes pour l'arithmétique (par exemple), mais je n'ai pas la patience de le faire ici : disons juste que les axiomes usuels de l'arithmétique de Peano donnent en logique intuitionniste une théorie qu'il est habituel d'appeler l'arithmétique de Heyting.

À titre d'exemple, ¬(p∨q) et ¬p∧¬q sont équivalents, c'est-à-dire que ¬(p∨q) ⇒ (¬p∧¬q) et (¬p∧¬q) ⇒ ¬(p∨q) sont des théorèmes de la logique intuitionniste, comme en logique classique, en revanche, seule l'implication (¬p∨¬q) ⇒ ¬(p∧q) est valable et pas sa réciproque.

★

★

L'intuitionnisme et les mathématiques constructives intéressent aussi l'informatique et les informaticiens, notamment par le biais d'un dictionnaire appelé la correspondance [ou l'isomorphisme] de Curry-Howard ou la correspondance preuves-programmes, qui fait correspondre, dans des conditions qu'il n'est pas ici lieu d'expliciter plus précisément, les preuves mathématiques et les théorèmes démontrés par ces preuves, avec des programmes (termes serait sans doute plus exacts) dans des langages de programmations fonctionnels fortement typés et les types de ces termes. (Une façon de définir la correspondance serait, dans les règles de démonstration que j'ai énumérées ci-dessus, de dire à chaque fois à quoi elles correspondent au niveau de la construction de termes, où Γ⊢P va correspondre à un terme de type P ayant des variables libres de types Γ ; par exemple, la coupure correspond à la substitution d'un terme dans un autre, l'identité à l'utilisation d'une variable libre, l'élimination du ⇒ à l'application d'une fonction à un terme et l'introduction du ⇒, au contraire, à la création d'une fonction par lambda-abstraction. À titre d'exemple, le terme S := λx.λy.λz.(xz)(yz), c'est-à-dire la fonction qui prend en entrée trois variables x, y, z et renvoie le résultat de l'application de x à z appliqué au résultat de l'application de y à z, a pour type (p→q→r)→(p→q)→p→r en notant u→v le type des fonctions prenant en entrée le type u et en sortie le type v, où p→q→r serait le type de x, p→q celui de y et p celui de z ; et il correspond par l'isomorphisme de Curry-Howard à la preuve de la tautologie (p⇒q⇒r)⇒(p⇒q)⇒p⇒r consistant à dire : supposons (x) que p⇒q⇒r soit vrai et (y) que p⇒q le soit et (z) que p le soit ; alors d'après (x) et (z), on voit que q⇒r est vrai, et par ailleurs d'après (y) et (z) que q l'est, donc finalement r est vrai comme annoncé.) La correspondance de Curry-Howard est assez naturellement intuitionniste en ce sens que les preuves dont il est question sont des preuves en logique intuitionniste ; et c'est plus ou moins cette correspondance qui assure que la logique intuitionniste est constructive au sens où d'une preuve on peut (dans certaines conditions) extraire un programme calculant l'objet dont elle affirme l'existence.

☆ Il faut néanmoins nuancer tout ça par le fait que la loi de Peirce, c'est-à-dire la tautologie de la logique classique ((p⇒q)⇒p)⇒p essentiellement équivalente à la règle du tiers exclu, correspond au type ((p→q)→p)→p de la fonction classique call/cc de langages tels que Scheme ou SML/NJ (sur laquelle j'avais commencé à écrire une page il y a une éternité, qui n'a jamais été finie ; mais je remarque au passage que je suis mentionné dans la page Wikipédia sur le call/cc). Bref, l'usage du call/cc correspond à peu près, par rapport à un langage de programmation qui ne l'a pas, à l'usage du tiers exclu (enfin, de la loi de Peirce) par rapport à la logique intuitionniste. (Et donc on se dit que sans doute, d'une preuve en logique classique on doit pouvoir extraire des programmes utilisant le call/cc qui est, après tout, tout à fait implémentable — il faudrait creuser pour voir exactement ce qui vaut et ne vaut pas.)

Ajout/digression (2019-04-16T11:22+02:00) : Décrivons cependant brièvement à quoi peut ressembler un terme de type p∨¬p écrit en utilisant le call/cc. Autrement dit, il s'agit, de renvoyer un type union entre un type p (quelconque, donné, sur lequel on ne sait rien) et le type p→⊥ des fonctions prenant un p en entrée et renvoyant quelque chose qui n'existe pas : on est donc censé renvoyer soit l'un soit l'autre (en précisant lequel). Voici ce que fait le programme : il renvoie (dans le type union) une fonction de type p→⊥ qui se comporte de la façon suivante : si on lui passe un objet de type p (auquel cas il est censé renvoyer quelque chose d'impossible !), il « change d'avis », revient en arrière dans le temps (enfin, dans la pile d'appels) en utilisant la continuation qu'il avait soigneusement sauvegardée au moyen du call/cc, et renvoie plutôt (dans le type union) l'objet de type p qu'on lui a passé. Ceci satisfait la promesse annoncée : on fournit un objet de type p→⊥ jusqu'à ce qu'un objet de type p se manifeste, auquel cas on fournit un objet de type p ; mais on peut se dire que ce programme a manifestement triché ! En quelque sorte, je suis tenté de dire que le problème en présence du call/cc est que les types union peuvent changer d'avis sur ce qu'ils font par l'invocation d'une continuation plus tard dans le programme.

★

Bref, je voudrais écrire quelque chose sur l'intuitionnisme, mais je ne sais pas par quel bout le prendre, et j'ai peut-être trop de choses à dire.

Une possibilité serait de commencer par parler du seul calcul propositionnel, c'est-à-dire sans quantificateurs, juste avec les connecteurs logiques ⇒ (implication), ∧ (conjonction), ∨ (disjonction), ¬ (négation, mais ¬P est juste une abréviation de P⇒⊥), ⊤ (vrai) et ⊥ (faux), un peu comme j'ai parlé de logique linéaire il n'y a pas si longtemps, et avec laquelle je pourrais essayer de faire le lien. La logique intuitionniste est intéressante même au niveau du simple calcul propositionnel (alors que la logique classique ne l'est franchement pas trop : il s'agit juste de faire des tables de vérité pour décider ce qui est tautologique ou pas), et il y a déjà énormément à en dire. Par exemple, juste avec une variable, on peut fabriquer une infinité d'énoncés différents et non équivalents entre eux (on parle du treillis de Rieger-Nishimura ; pour comparaison, en logique classique on ne peut en faire que quatre, ⊥, p, ¬p et ⊤ ; cf. aussi cette question MathOverflow et la belle réponse que j'a reçue). Il y a une structure algébrique qui est l'équivalent pour la logique intuitionniste de ce que sont les algèbres de Boole pour la logique classique, à savoir les algèbres de Heyting. On peut y penser comme les ouverts d'un espace topologique (enfin, si on sait ce que ça veut dire) : si sur un espace topologique X on définit les opérations entre ouverts de X que sont l'intersection (notée A∩B ou A∧B) et la réunion (notée A∪B ou A∨B) mais surtout en notant A⇒B pour l'intérieur Int(B∪(X∖A)) de la réunion B∪(X∖A) de B et du complémentaire de A (et notamment ¬A pour Int(X∖A), complémentaire de l'adhérence de A, également appelé pseudocomplémentaire de A), et si on interprète ⊥ comme X tout entier et ⊤ comme ∅ (le vide), alors les ouverts de X forment une algèbre de Heyting (par ailleurs complète ; ceci est à mettre en parallèle avec le fait que les ouverts réguliers, de X forment une algèbre de Boole complète, les opérations étant un petit peu différentes de celles que j'ai définies) ; et un formule propositionnelle est démontrable dans la logique intuitionniste si et seulement si elle donne l'ouvert plein dans n'importe quel espace topologique (c'est le cas, par exemple, de p⇒p, mais pas de p∨¬p). Une autre façon d'interpréter (i.e., donner une sémantique à) la logique intuitionniste passe par les modèles de Kripke, et fait le lien avec la logique modale.

Rien que le sujet du calcul propositionnel est, en logique intuitionniste, déjà fort intéressant. Il y a quantité de formules propositionnelles qui sont démontrables en logique classique, pas en logique intuitionniste, mais qui sont néanmoins valides dans telle ou telle sémantique particulière de la logique intuitionniste, par exemple certains espaces topologiques (ou certains topoï), ou par exemple dans le cadre de la réalisabilité de Kleene (ou, ce qui revient au même, dans le topos effectif), ou encore dans le cadre de la « logique de Medvedev » dont je dois aussi dire un mot. Par exemple l'axiome de Scott ((¬¬p⇒p) ⇒ (p∨¬p)) ⇒ (¬¬p∨¬p) ou bien l'axiome de Kreisel-Putnam (¬p⇒(q₁∨q₂)) ⇒ ((¬p⇒q₁) ∨ (¬p⇒q₂)), dont le sens intuitif n'est pas du tout évident à imaginer, pas plus que la signification sur un espace topologique (voir ici au sujet du premier, là pour le second), qui ne sont, en l'occurrence, pas valides dans la réalisabilité de Kleene mais le sont dans la logique de Medvedev (voir aussi cette réponse MathOverflow) ; la formule de Ceitin (¬(p₁∧p₂) ∧ (¬p₁⇒(q₁∨q₂)) ∧ (¬p₂⇒(q₁∨q₂))) ⇒ ((¬p₁⇒q₁) ∨ (¬p₁⇒q₂) ∨ (¬p₂⇒q₁) ∨ (¬p₂⇒q₂)) qui est valide dans la réalisabilité de Kleene et dans la logique de Medvedev mais n'est quand même pas un théorème de la pure logique intuitionniste ; ou encore l'étrange formule ((¬¬p₁⇔(¬p₂∧¬p₃)) ∧ (¬¬p₂⇔(¬p₃∧¬p₁)) ∧ (¬¬p₃⇔(¬p₁∧¬p₂)) ∧ ((¬p₁⇒(¬p₁∨¬p₃)) ⇒ (¬p₂∨¬p₃)) ∧ ((¬p₂⇒(¬p₂∨¬p₁)) ⇒ (¬p₃∨¬p₁)) ∧ ((¬p₃⇒(¬p₃∨¬p₂)) ⇒ (¬p₁∨¬p₂))) ⇒ (¬p₁ ∨ ¬p₂ ∨ ¬p₃) qui, elle, est valide dans la réalisabilité de Kleene mais pas dans la logique de Medvedev (enfin, il paraît — franchement, je n'y vois rien). J'aimerais me faire une idée intuitive de ce que ces formules « signifient » mais je reste face à elles comme une poule face à un couteau. Je crois cependant comprendre que je ne suis pas le seul et que c'est un sujet sur lequel « on » ne sait vraiment pas dire grand-chose. Tout le sujet des logiques intermédiaires (entre les logiques classique et intuitionniste) est miné de problèmes ouverts.

★

La définition de la logique de Medvedev est assez jolie et simple pour mériter ici une mention rapide en un paragraphe. On appellera problème fini un couple (X,S) où X≠∅ est un ensemble fini non vide appelé l'ensemble des candidats du problème et S⊆X en est une partie appelée ensemble des solutions du problème. On définit les connecteurs logiques entre problèmes finis de la façon suivante : (X,S)∧(Y,T) := (X×Y, S×T) (i.e., les candidats et les solutions d'une conjonction sont juste les couples des objets correspondants des deux problèmes) ; (X,S)∨(Y,T) := (X⊎Y, S⊎T) où X⊎Y := (X×{0})∪(Y×{1}) dénote la réunion rendue disjointe (i.e., les candidats et les solutions d'une disjonction sont juste les objets correspondants de l'un ou l'autre des deux problèmes) ; et (X,S)⇒(Y,T) := (Y^X, U) où Y^X est l'ensemble des fonctions X→Y et U est la partie formée des f∈Y^X telles que f(s)∈T pour tout s∈S (autrement dit, les candidats et les solutions d'une implication sont respectivement les fonctions entre candidats et celles qui transforment une solution de l'un en solution de l'autre) ; enfin, ⊥ est défini comme ({*},∅) et ⊤ comme ({*},{*}), ce qui permet d'identifier ¬(X,S) comme ({*},{*:S=∅}) et ¬¬(X,S) comme ({*},{*:S≠∅}). Bref. Une formule propositionnelle, faisant intervenir des variables p₁,…,p_k est dite valide dans la logique de Medvedev lorsque pour tous ensembles X₁,…,X_k non vides il existe un s (ne dépendant que de X₁,…,X_k) tel que quels que soient S_i⊆X_i l'élément s soit solution du problème obtenu en substituant (X_i,S_i) à la place de p_i dans la formule. Autrement dit, il s'agit des formules décrivant des problèmes qu'on peut résoudre uniformément quels que soient les problèmes qu'on injecte dedans (uniformément au sens des ensembles S_i de solutions). Par exemple, la formule p⇒p est validé en prenant pour s l'identité dans X^X, mais la formule p∨¬p n'est pas valide dans la logique de Medvedev car on ne peut pas trouver un élément de X⊎{*} qui appartienne à toute partie S non vide de X et soit en même temps égal à * si S=∅. Les formules valides de la logique de Medvedev incluent tout ce qui est démontrable dans le calcul propositionnel intuitionniste et sont incluses dans celles qui sont démontrables en logique classique, mais ces deux inclusions sont strictes (et les axiomes de Scott et de Kreisel-Putnam évoqués plus haut donnent des exemples de formules Medvedev-valides mais non démontrables intuitionnistement). Malgré sa définition très simple, on sait finalement très peu de choses sur la logique de Medvedev. Notons que la réalisabilité de Kleene est assez analogue, en fait, à la logique de Medvedev mais en remplaçant les ensembles finis par des parties de ℕ et les fonctions par des fonctions calculables.

★

Il y a ensuite aussi énormément de choses à dire en dépassant le calcul propositionnel et en allant chercher la logique du premier ordre, voire d'ordre supérieur. On peut formuler tout un tas de principes valables en mathématiques classiques mais pas en mathématiques constructives (à titre d'exemple, le principe de Markov (∀n.(P(n)∨¬P(n)) ∧ ¬∀n.¬(P(n))) ⇒ ∃n.(P(n)) qui affirme que si α:ℕ→{0,1} est une suite binaire, dont tous les termes ne valent pas 0 alors elle a un terme qui vaut 1 ; celui-ci est classiquement valide et aussi validé par la réalisabilité de Kleene mais pas validé par les mathématiques constructives les plus générales), et chercher les implications entre elles : ceci donne naissance à une théorie des mathématiques à rebours mais (partiellement !) constructives : voir ce texte pour en savoir plus.

★

Bon, cette entrée est déjà beaucoup trop longue alors que je n'ai rien dit sauf parler de ce que je voudrais dire, donc je vais m'arrêter là un peu en queue de poisson : ça manque de conclusion mais je ne sais pas quoi y mettre, et il vaut mieux que je publie maintenant que laisser ce texte moisir dans mes cartons comme ça arrivera inévitablement si je me dis que je veux l'améliorer. (En plus, mon poussinet a allumé la télé qui parle en boucle de l'incendie de Notre-Dame, ça m'empêche de réfléchir.)

Méta : J'ai écrit un fil un peu long sur Twitter pour tenter d'expliquer le théorème de Gödel, qui reprend grosso modo des idées de cette entrée passée (au moins la partie sur Gödel de celle-ci) mais en mettant l'accent un peu différemment et donnant plus de détails sur les conditions de prouvabilité. Comme ça peut être un complément intéressant et que tout le monde n'aime pas le format Twitter, je reproduis ici ce que j'y ai dit, en reformatant un minimum (en revanche, mon style sur Twitter est sans doute un peu différent de mon style sur ce blog, et je n'ai pas le courage de reformuler plus qu'a minima) :

Je fais d'abord une tentative pour lever la confusion au sujet formalisme. Quand on formalise les [raisonnements] mathématiques, on les décrit sous forme de manipulations de suites de symboles (« syntaxe ») qui obéissent à des règles bien précises. Il est évident que si on demande que les règles de raisonnement elles-mêmes soient formalisées en mathématiques, on a une régression infinie : si quelqu'un prétend ne comprendre que ce qui est formel, c'est turtles all the way down, on ne peut rien démarrer… Pour que le bootstrap soit possible, il faut bien accepter l'idée de décrire les règles de manipulation de la logique en français, ou en faisant appel à des notions mathématiques elles-mêmes pas formalisées (mais néanmoins précises) ! (Refuser cette idée ce serait comme refuser qu'on puisse jouer aux échecs sous prétexte que les règles des échecs n'ont pas été formalisées dans ZFC. Or personne ne pense qu'on a besoin de ZFC pour jouer aux échecs !)

En revanche, ce qu'on peut faire, c'est une fois qu'on a accepté ces règles et construit un système formel avec, utiliser ce système formel pour revisiter (« refléter ») les règles, cette fois-ci formellement : autrement dit, on reconstruit tout le système qu'on a déjà construit, mais on le fait cette fois-ci à l'intérieur du système « externe » qui a été construit informellement. Il y a une mise en abyme. Je parlerai de système interne pour celui qu'on construit ainsi.

Typiquement, ça se fait avec un truc appelé codage de Gödel : si le système externe contient l'arithmétique, on dit qu'on peut refléter toutes les règles formelles comme des manipulations arithmétiques pour fabriquer le système informel. Le code de Gödel d'une formule, c'est l'entier qui représente cette formule (et qui devient, du coup, manipulable par le système externe). Du coup les énoncés comme P est prouvable (qui sont, à la base, informels, parlant du système externe) deviennent des énoncés formels du système externe et qui parlent du système interne. Des énoncés arithmétiques. (Je noterai □P plus bas pour P est prouvable.)

Et là, il y a une sorte de postulat épistémologique, qui est que ce que :

Les règles du système interne (formalisées dans le système externe) reflètent correctement les règles du système externe lui-même.

Donc si on croit que le système externe ne dit pas de conneries, et s'il dit que le système interne ne peut pas prouver <ceci-cela>, alors effectivement le système externe ne peut pas prouver <ceci-cela>. (Un ultra-formaliste pourrait rejeter ce postulat et dire : pour moi, les maths formelles sont juste un jeu typographique dénué de sens, le système externe ce sont les règles du jeu, le prétendu système interne n'a pas de sens, pas plus qu'aucun énoncé du jeu. Mais en vrai, les gens font des maths parce qu'ils croient qu'une preuve du fait que 2+2=4 apporte quelque information sur le monde réel, donc il y a bien une connexion entre le système externe, qui vit dans le monde réel, et le système interne, formalisé.)

Accessoirement, les systèmes externe et interne n'ont pas vraiment besoin d'être les mêmes : en fait on a besoin de très peu d'axiomes pour faire fonctionner Gödel. Mais je ne sais pas si ça aide de dire ça. Donc restons dans l'idée que ce sont « les mêmes ».

Maintenant, de quels ingrédients a-t-on besoin pour prouver Gödel ? On a besoin des trois « conditions de prouvabilité de Hilbert-Bernays » (que je noterai (A), (B), (C)), et de l'astuce de Quine. Expliquons ça successivement :

Les conditions de prouvabilité de Hilbert-Bernays remplacent le postulat épistémologique dont j'ai parlé plus haut par quelque chose de précis et de formel. En gros, elles font le lien entre les niveaux externe et interne (et interne², cf. plus bas).

Première chose : (A) si le système externe prouve un énoncé P, alors il prouve que le système interne prouve P [ou plutôt, le code de Gödel de P]. Pourquoi ? Parce que si on a une preuve de P, on peut « refléter » cette preuve : la réécrire comme une preuve formelle dans le système interne, et ceci fournit une preuve de son existence dans le système externe. Bien sûr, tout ce que je viens de dire est informel, puisque (A) est par essence informel ! Mais si on applique ça à un P bien précis et une preuve de P formelle explicite, la recette que je viens de dire donne une preuve tout à fait explicite et formelle (dans le système formel externe) de l'existence d'une preuve dans le système interne. Donc, si on veut, (A) est un métathéorème informel : en soi il n'est pas formel, mais il s'instancie en des théorèmes formels (du système externe) dont on a la recette de construction.

Maintenant on peut refaire tout ça avec un niveau de plus (on a alors trois systèmes : l'externe est informel, l'interne est formalisé dans le système externe, et l'interne² dans le système interne — ça s'arrêtera là) : Tout ce que j'ai dit sur le (A) vaut de nouveau et donne, cette fois, une preuve formelle (dans le système externe) du fait (B) suivant : si le système interne prouve P alors il prouve que le système interne² prouve P. Cette fois c'est un vrai théorème du système externe, pas juste un métathéorème informel.

Enfin, (C) dit que si le système interne prouve [le code de Gödel] de P⇒Q et [celui de] P, alors il prouve [celui de] Q. Ça c'est juste le fait qu'on a la règle de modus ponens dans le système interne (c'est presque une définition).

Bref, si je note □P l'énoncé (du système externe) qui dit qu'il existe une preuve de P dans le système interne, mes conditions de prouvabilité sont :

• (A) si P est un théorème alors □P en est un,
• (B) □P⇒□□P est un théorème,
• (C) □(P⇒Q)⇒□P⇒□Q est un théorème

(tous ces théorèmes dans le système externe ! et ce, quels que soient les énoncés P et Q).

Maintenant, l'astuce de Quine (en fait, le procédé diagonal), c'est quelque chose qui permet de fabriquer un énoncé G tel que G⇔¬□G (démontrablement dans le système externe !), autrement dit un énoncé qui dit je ne suis pas un théorème.

L'astuce fonctionne exactement comme la manière dont on écrit des programmes qui écrivent leur propre code, chose que j'explique en détails dans cette page web consacrée aux quines. On fabrique une formule R(x) (du système externe) qui dit si x est une formule du système interne ayant une variable libre, et qu'on remplace cette variable par le code de Gödel de x elle-même, alors le résultat n'est pas un théorème (du système interne), ou de façon encore plus informelle, R(x) signifie x(‘x’) n'est pas un théorème (soit ¬□x(‘x’)) en notant ‘x’ le code de Gödel de x. Mais du coup, R(‘R’) équivaut à R(‘R’) n'est pas un théorème (soit ¬□R(‘R’)), et c'est ça que je note G.

[Ajout par rapport au fil Twitter:] Dans la présentation informelle proposée par Hofstadter, G est en gros la phrase suivante : Si on prend le morceau de phrase suivant et qu'on le fait suivre (après deux points) de lui-même entre guillemets, on obtient quelque chose qui n'est pas un théorème : Si on prend le morceau de phrase suivant et qu'on le fait suivre (après deux points) de lui-même entre guillemets, on obtient quelque chose qui n'est pas un théorème — l'astuce est de dire cet énoncé n'est pas un théorème sans passer par une référence à cet énoncé que notre système formel ne permet pas de faire ; ceci est exactement parallèle au mécanisme des quines qui permettent de coder imprimer ce programme dans un langage qui ne permet pas une référence à ce programme.

Une fois qu'on a ces ingrédients, la preuve de Gödel est pure manipulation formelle. Tout le raisonnement est tenu dans le système externe (mais parle du système interne — voire interne² quand il y a des □□) :

Supposons □G. Alors □□G d'après (B). Mais la preuve (explicite !) de G⇒¬□G donne □(G⇒¬□G) d'après (A). Or □G et □(G⇒¬□G) donnent □¬□G par (C). Or □□G et □¬□G (i.e. □(□G⇒⊥)) donnent □⊥ d'après (C). Bref, on a prouvé □G⇒□⊥ soit ¬□⊥⇒¬□G. C'est-à-dire (qu'on a prouvé dans le système externe) que si le système interne prouve G alors il prouve ⊥ (c'est-à-dire 0=1). I.e., si le système interne est consistant (¬□⊥), il ne peut pas prouver G (soit : ¬□G)… …donc G, qui équivaut à ¬□G, est vrai ! (c'est-à-dire, est un théorème du système externe, prouvé sous l'hypothèse (¬□⊥) que le système interne est consistant. C'est le premier théorème d'incomplétude.

Maintenant, en appliquant (A) à cette preuve (explicite !) de ¬□⊥⇒¬□G, on obtient □(¬□⊥⇒¬□G) donc □¬□⊥⇒□¬□G (par (C)). Comme ¬□G⇒G donne □(¬□G⇒G) par (A) donc □¬□G⇒□G par (C), les implications □¬□⊥⇒□¬□G, □¬□G⇒□G et □G⇒□⊥ mises bout à bout donnent finalement □¬□⊥⇒□⊥, ou encore ¬□⊥⇒¬□¬□⊥. C'est le second théorème d'incomplétude : si le système (interne) est consistant (¬□⊥) alors il ne prouve pas la consistance du système interne² (¬□¬□⊥). Et comme en fait tous ces systèmes sont le même, le postulat épistémologique évoqué ci-dessus permet de lire ce théorème formel ¬□⊥⇒¬□¬□⊥ sous la forme si Peano est consistant, il ne prouve pas sa propre consistance (idem pour ZFC).

Évidemment, l'ultra-formaliste dont j'ai parlé plus haut objectera et dira que j'ai juste prouvé un énoncé cabalistique ¬□⊥⇒¬□¬□⊥ sans aucun sens dans le monde réel et qui ne dit rien sur mon système externe (lequel vit dans le monde réel). Mais si on croit que les « vrais » entiers naturels ont un sens et que Peano en dit des choses vraies, on est forcé de conclure que Peano est incomplet et ne sait pas prouver certaines choses vraies (essentiellement, il ne sait pas qu'il dit lui-même la vérité).

(Je n'ai pas de poisson d'avril à proposer cette année, mais je vous donne deux entrées pour le prix d'une.)

Même s'il a déjà été signalé hier en commentaire à cette vieille entrée, je ne peux pas ne pas écrire une petite entrée sur ce magnifique problème qui continue à narguer mon intuition — il s'agit d'un de ces cas où les mathématiques font quelque chose qui devrait être très sérieusement impossible, et j'ai beau arriver à prouver (et à comprendre la preuve intellectuellement) que c'est possible, je reste incapable de me faire intuitivement à l'idée que ça l'est. (Je sais, je sais : In mathematics you don't understand things. You just get used to them.)

Le problème est très simple (mais je l'écris de façon un peu longue pour qu'il n'y ait aucune ambiguïté sur les règles du jeu) :

Le cruel Docteur No a capturé deux mathématiciens, que nous appellerons Alice et Bob. Après avoir permis à ceux-ci de se concerter sur leur stratégie, il va les soumettre à son épreuve dont il leur communique les termes : chacun des deux pourra observer une suite binaire infinie aléatoire uniformément distribuée (c'est-à-dire une suite de 0 et 1 dont chaque terme vaut 0 ou 1 avec probabilité ½, indépendamment les uns des autres ; on peut imaginer une suite de résultats de tirages de pile ou face), les deux suites (celle qu'Alice observe et celle que Bob observe) étant indépendantes. Pour fixer les idées, mettons que les termes de chaque suite sont numérotés par les entiers naturels (0, 1, 2, 3, etc.) : appelons (A_n) la suite observée par Alice et (B_n) la suite observée par Bob. Alice et Bob ne peuvent pas communiquer entre eux (une fois finie la concertation initiale sur leur stratégie commune, mais celle-ci est antérieure à l'observation des suites). Alice, après avoir observé sa suite choisit un entier naturel a qui sera le numéro d'un terme dans la suite de Bob ; de même, Bob, après avoir observé sa suite, choisit un entier naturel b qui sera le numéro d'un terme dans la suite d'Alice. Alice et Bob gagnent (un gentil petit cadeau de la part du Docteur No) si chacun a choisi un terme valant 1 dans la suite de l'autre, c'est-à-dire, si la valeur A_b du terme de la suite d'Alice numéroté par l'entier b choisi par Bob et la valeur B_a du terme de la suite de Bob numéroté par l'entier a choisi par Alice valent tous les deux 1.

Quelle stratégie Alice et Bob peuvent-ils employer pour maximiser leur chance de gain ?

(Formellement : une stratégie d'Alice est une fonction borélienne α:{0,1}^ℕ→ℕ et une stratégie de Bob est une fonction borélienne β:{0,1}^ℕ→ℕ. La probabilité de succès est la mesure de l'ensemble des couples (A,B) ∈ {0,1}^ℕ × {0,1}^ℕ tels que A(β(B)) = B(α(A)) = 1, pour la mesure de probabilité uniforme sur {0,1}^ℕ × {0,1}^ℕ (les valeurs α(A) et β(B) sont les entiers noté a et b). Et on demande de maximiser cette probabilité.)

Remarque : Si on est gêné par les suites infinies (et c'est vrai que c'est agaçant de parler de l'observation d'une suite infinie), on peut ramener le problème à niveau fini : soit N un entier, Alice verra le résultat de N tirages de pile ou face uniformes et indépendant, Bob verra le résultat de N autres tels tirages (indépendants entre eux et indépendants de ceux d'Alice), et chacun devra choisir un entier entre 0 inclus et N exclu faisant référence à un tirage de l'autre, les deux gagnant s'ils ont choisi un tirage valant 1 chez l'autre. La situation paradoxale décrite ci-dessous est la même pour N fini que pour des suites infinies, c'est juste que les nombres sont moins ronds. (Formellement, dans le cas fini, une stratégie d'Alice est une fonction borélienne α:{0,1}^N→{0,…,N−1} et une stratégie de Bob est une fonction borélienne β:{0,1}^N→{0,…,N−1}. La probabilité de succès est la mesure de l'ensemble des couples (A,B) ∈ {0,1}^N × {0,1}^N tels que A(β(B)) = B(α(A)) = 1, pour la mesure de probabilité uniforme sur {0,1}^N × {0,1}^N.)

Une stratégie évidente consiste à ce qu'Alice et Bob choisissent tous les deux l'entier 0 (faisant référence au premier terme de la suite de l'autre). Dans ce cas, ils gagnent avec probabilité ¼, puisque chacun de A₀ et de B₀ vaut 1 avec probabilité ½, indépendamment l'un de l'autre. Choisir d'autres entiers constants (par exemple si Alice choisit 42 et Bob choisit 1729) donne toujours exactement la même chose.

L'idée intuitive qu'on a spontanément (en tout cas que j'ai eue, et dont je n'arrive toujours pas vraiment à me défaire) est qu'on ne peut pas faire mieux que ¼ :

Raisonnement incorrect : Alice et Bob ne peuvent pas communiquer, n'ont aucune information sur la suite de l'autre, et leurs deux suites sont indépendantes, donc il est impossible que l'observation de sa propre suite puisse aider Alice à faire quoi que ce soit d'utile sur la suite de Bob. Donc il n'y a rien de mieux à faire que de choisir des a et b constants (dont la valeur n'a pas d'importance).

Raisonnement incorrect (variante) : Quelle que soit la manière dont Alice choisit a, la valeur B_a vaudra 0 avec probabilité ½ et 1 avec probabilité ½ (puisque le choix de a ne peut dépendre que de A, qui est indépendant de B), et de même A_b vaudra 0 avec probabilité ½ et 1 avec probabilité ½. Puisque les suites A et B sont indépendantes et que (du coup) les variables a et b le sont, on a A_b = B_a = 1 avec probabilité ¼, et on ne peut pas faire mieux.

Et pourtant, c'est faux.

Et ce n'est même pas très compliqué de faire mieux que 1/4. Voici une stratégie simple qui donne une probabilité 1/3 de succès à Alice et Bob : Alice choisit pour a l'indice du premier 1 dans sa propre suite, et Bob choisit de même pour b l'indice du premier 1 dans la sienne. La probabilité d'avoir a=b est la somme de 1/4 (probabilité d'avoir a=b=0) plus 1/4² (probabilité d'avoir a=b=1) plus 1/4³ (probabilité d'avoir a=b=2), etc., c'est-à-dire la somme des 1/4^k, qui vaut 1/3 ; et lorsque c'est le cas, par construction, A_b = B_a = 1 ; par ailleurs, si a≠b, alors Alice et Bob perdent (par exemple, si a<b, on a B_a = 0 puisque b est l'indice du premier 1 dans la suite B). Donc la probabilité de succès de cette stratégie est exactement 1/3.

J'ai beau avoir écrit cette preuve. Je n'arrive vraiment pas à me faire une idée intuitive de comment il est possible que cette stratégie fonctionne.

Mais je peux quand même dire ceci : la raison pour laquelle les raisonnements ci-dessus (tendant à « prouver » l'impossibilité) sont incorrects, c'est que s'il est bien vrai que chacun de A_b et B_a vaut 0 ou 1 avec probabilité ½, ils ne sont pas indépendants (puisque a dépend de A et b de B), et plus exactement, Alice et Bob peuvent s'arranger (et c'est ce qu'ils font dans la stratégie ci-dessus) pour que les deux événements A_b = 1 et B_a = 1 soient corrélés. Autrement dit, si on ne peut pas améliorer la chance d'avoir A_b = 1, on peut au moins s'arranger pour que, lorsque c'est le cas, ceci apporte des informations sur a ou sur B qui font que B_a = 1 a plus de chances de se produire. Je continue à trouver ça peu clair intuitivement, mais c'est déjà ça.

Maintenant, ce qui est amusant (et presque un peu décevant ?), c'est que cette jolie stratégie donnant 1/3 n'est toujours pas optimale : comme il est expliqué sur le fil MathOverflow lié au début de cette entrée (dans la réponse de mihaild), on peut faire 7/20 (c'est-à-dire 35%). Mais on ne sait pas si c'est optimum, et on n'a pas (au moment où j'écris, d'après de fil de discussion) de borne supérieure autre que le ½ évident.

Référence croisée : ce fil Twitter.

Mise à jour (2019-04-04) : La borne supérieure a été améliorée à 3/8 dans le fil MathOverflow avec un argument très simple (quand j'aurai le temps, j'essaierai de mettre à jour ce paragraphe pour le donner). Par ailleurs, il apparaît que problème était déjà discuté (de façon un peu généralisée) dans ce papier, qui prouve une borne supérieure de 3/8, et annonce mais sans preuve une borne supérieure de 81/224.

Complément (2019-04-07) : Pour la complétude de cette entrée, je reproduis en la paraphrasant la preuve de la borne supérieure par 3/8 de la probabilité de succès. Si on note a l'entier choisi par Alice et a′ l'entier qu'elle choisirait avec la même stratégie si elle observait la suite (1−A_n) au lieu de (A_n) (i.e., si on échange les 0 et 1 dans ce qu'Alice observe), et de même b et b′ pour Bob, alors on peut remarquer que l'espérance E(A_b B_a) de A_b B_a (qui est la probabilité de succès p qu'on cherche à maximiser) est aussi égale à l'espérance de (1−A_b′) B_a (puisque 1−A est une variable distribuée comme A et toujours indépendante de B) ou de A_b (1−B_a′) ou encore de (1−A_b′) (1−B_a′). La somme de ces quatre espérances (qui est 4p) est donc l'espérance de (A_b+1−A_b′) (B_a+1−B_a′), soit 4p ≤ E((A_b+1−A_b′) (B_a+1−B_a′)) = 1 + E(A_b−A_b′) + E(B_a−B_a′) + E((A_b−A_b′) (B_a−B_a′)) soit encore 1 + E((A_b−A_b′) (B_a−B_a′)) puisque E(A_b) = E(A_b′) et E(B_a) = E(B_a′) (en fait, chacune de ces quatre espérances vaut ½). Enfin, comme A_b−A_b′ vaut +1 ou −1, l'espérance E((A_b−A_b′) (B_a−B_a′)) est majorée par E(|B_a−B_a′|), elle-même majorée par ½ (si i≠j alors E(|B_i−B_j|)=½). Au final, on a prouvé 4p≤1+½, soit p≤3/8 comme annoncé.

Je traîne depuis longtemps l'idée de vulgariser quelques notions de logique linéaire. Du point de vue de la vulgarisation, la logique linéaire a ceci de sympathique que c'est quelque chose mathématiquement à tellement « bas niveau » que je n'ai besoin de présupposer aucune sorte de connaissance mathématique préalable pour en parler : en principe, on peut la considérer comme un pur petit jeu syntactique dont les règles ne sont pas très compliquées — même si, présenté sous cette forme, il risque de ne pas apparaître comme très intéressant, et même s'il est bon d'avoir du recul pour avoir une idée de quelles règles appliquer à quel moment, la compréhension des règles elles-mêmes ne nécessite pas de savoir particulier. Du point de vue personnel, la logique linéaire est quelque chose qui me frustre beaucoup parce que, d'un côté, je la trouve extrêmement élégante et joliment symétrique, de l'autre, à chaque fois qu'elle semble avoir une application ou une interprétation quelque part, on se rend compte qu'il y a une note en bas de page qui fait que ce n'est pas vraiment la logique linéaire (il y a par exemple un axiome en plus, ou un connecteur en moins, ou seulement un fragment du système, ou quelque autre variation), et l'élégance est rompue ; et aussi, pour cette raison, l'intuition qu'on peut se former est brouillée.

De quoi s'agit-il ? D'un système formel inventé par le logicien français Jean-Yves Girard en 1987. J'avoue ne guère avoir d'idée de ce qu'il voulait faire avec, parce que les textes de Girard sont… un peu inhabituels… bourrés de mots qu'il ne définit pas, de références cryptiques, et de blagues dont on se demande si ce sont des blagues (comme l'intervention insistante du brocoli dans beaucoup de ses papiers). Mais depuis, elle a trouvé diverses applications et connexions : en logique, en informatique théorique ou plus appliquée, en algèbre et théorie des catégories, en théorie des jeux et même en physique quantique (sauf qu'à chaque fois, comme je le dis ci-dessus, il y a quelque chose en plus ou en moins) ; mais je ne compte pas essayer de décrire ces applications et connexions, qui sont pourtant sans doute ce qu'il y a de plus intéressant dans l'histoire, parce que je n'ai pas l'espace ni le temps pour ça.

Bref. Avant d'expliquer quelles sont les règles du jeu, il faut que j'essaye de donner une idée de ce dont il s'agit (en agitant les mains). On parle de logique linéaire, et il s'agit effectivement d'une généralisation de la logique classique, mais ce terme risque de donner une impression tout à fait fausse, et on devrait peut-être plutôt s'imaginer que ça s'appelle formalisme d'échanges ou synallagologie universelle ou quelque chose de ce genre (le seul problème du mot synallagologie est que personne ne sait ce qu'il veut dire puisque je viens de l'inventer… mais à part ça, il est parfait). La différence essentielle est la suivante : en logique usuelle, si on fait un raisonnement tendant à démontrer une conclusion X à partir d'hypothèses A, B et C, disons, on peut utiliser librement A, B et C dans le cours du raisonnement, chacune aussi souvent qu'on veut (on peut aussi, d'ailleurs, ne pas du tout utiliser une hypothèse) ; la logique linéaire, pour sa part, exige que chacune des « hypothèses » (qu'il vaut mieux, du coup, ne pas considérer comme des hypothèses) soit utilisée une et une seule fois : on ne peut ni les multiplier ni les faire disparaître (évidemment, il y aura des moyens de marquer des hypothèses spéciales qu'on peut multiplier et/ou faire disparaître, mais ce n'est pas le cas par défaut) ; dans ces conditions, il vaut mieux, donc, considérer qu'on n'a pas du tout à faire à une logique, à des raisonnements et à des hypothèses et conclusions, mais à des échanges (gestion de ressources abstraites, transactions économiques, réactions chimiques, que sais-je encore) qui ont des entrées (réactifs) et des sorties (produits), ou quelque chose comme ça. Par exemple, la logique linéaire pourrait concevablement servir à formaliser des contrats financiers (j'avais déjà évoqué quelque chose de ce genre), mais il ne faut pas s'imaginer que la logique linéaire elle-même dira grand-chose d'intéressant : de même que la logique classique ne fournit que le langage le plus basique au-dessus duquel on peut bâtir des raisonnements (il faut ajouter des axiomes intéressants pour obtenir quelque chose d'intéressant), la logique linéaire n'est qu'un cadre, en lui-même extrêmement primitif pour possiblement décrire des échanges.

[Lire la suite…]

Le Docteur No est de retour ! Il était plutôt occupé ces derniers temps à résoudre des problèmes informatiques, mais le voilà revenu et qui s'adonne à son passe-temps favori qui consiste à capturer des mathématiciens pour les soumettre à des énigmes idiotes (voir ici pour des épisodes précédents) :

Le cruel Docteur No a capturé 100 mathématiciens pour les soumettre à une épreuve démoniaque. Après avoir permis aux mathématiciens de se concerter initialement, il va placer sur la tête de chacun d'entre eux un chapeau portant un nombre entier entre 1 et 100 (inclus) de façon que chacun puisse voir le nombre porté par les chapeaux de tous les autres mais pas le sien. Les mathématiciens n'ont aucune information sur la manière dont les numéros seront attribués et il peut parfaitement y avoir des répétitions. Les mathématiciens n'auront plus le droit de communiquer à partir du moment où la distribution des chapeaux commence. Chacun devra émettre un avis sur le numéro qu'il pense que son propre chapeau porte : ces avis seront émis par pli secret et connus du seul Docteur No (i.e., les mathématiciens ne connaissent pas les réponses fournis les les autres). Le Docteur No est plutôt clément aujourd'hui : il libérera les mathématiciens si au moins l'un d'entre eux a fourni une réponse correcte (i.e., deviné le numéro que porte son chapeau) ; dans le cas contraire, il tuera tous les mathématiciens avec ses tortures particulièrement raffinées.

Les mathématiciens pourraient évidemment tous répondre au hasard (auquel cas ils auraient 63% de chances d'être libérés ; je laisse ça aussi en exercice mais ça n'a pas vraiment de rapport avec le problème). Mais en se concertant, ils peuvent s'arranger pour être certains d'être libérés : comment font-ils ?

La solution est simple, mais on peut perdre beaucoup de temps en cherchant dans la mauvaise direction. Je tire ça d'ici (la réponse est indiquée en rot13 dans un commentaire en-dessous) ; ce fil contient d'ailleurs un certain nombre d'autres devinettes rigolotes.

⁂

Sinon, voici un autre problème (pas vraiment une énigme), qui n'a absolument aucun rapport avec celui qui précède si ce n'est qu'il est venu à ma connaissance autour du même moment (il est inspiré de cette question mais c'est une variante assez différente du même genre d'idées) :

On considère n+1 objets et deux joueurs (Alice et Bob). Chacun des deux joueurs a un ordre de préférence (strict) sur les objets, et ces ordres de préférence sont connus de l'un comme de l'autre. Ils vont jouer au jeu suivant : chacun, tour à tour, va éliminer un objet, jusqu'à ce qu'il n'en reste plus qu'un (après n tours, donc). Ce dernier objet est gagné par les deux joueurs (i.e., ils se le partagent, ou si on préfère on peut dire qu'il y en a deux copies et que chacun en reçoit une, bref, chacun cherche à maximiser la valeur qu'il accorde à l'objet restant). Le jeu est à information parfaite (les deux joueurs savent tout : ce que l'autre joueur veut, et ce qu'il fait). Quelle stratégie vont-ils appliquer (en fonction des deux ordres de préférence) ? Et comment peut-on prédire efficacement l'objet final ?

On peut le formaliser plus précisément ainsi : soient 1,…,n les objets, triés dans l'ordre de préférence d'Alice (du moins préféré au plus préféré), et soient σ(1),…,σ(n) les valeurs de préférence de Bob pour les objets dans cet ordre, où σ est une permutation de {1,…,n} (c'est-à-dire qu'il aime le moins l'objet σ⁻¹(1) et qu'il préfère σ⁻¹(n)). Alice va jouer la stratégie qui cherche à maximiser la valeur i du dernier objet restant, tandis que Bob va jouer la stratégie qui cherche à maximiser σ(i) : on demande comment calculer i en fonction de σ et comment Alice doit calculer son premier coup. (On peut évidemment procéder de façon inductive : chaque coup possible d'Alice se ramène à un jeu de même nature avec un objet de moins et les rôles des joueurs échangés, mais ce que je demande c'est si on peut faire mieux ou plus simple.)

À titre d'exemple, si n=2 et que les préférences d'Alice sont 1<2<3, selon les valeurs (σ(1),σ(2),σ(3)) des préférences de Bob pour ces trois objets l'objet choisi est 3 (le préféré d'Alice) dans tous les cas sauf si (σ(1),σ(2),σ(3)) vaut (2,3,1) ou (3,2,1) (i.e., si l'objet préféré d'Alice est celui que Bob aime le moins), auquel cas l'objet choisi est 2 (le deuxième préféré d'Alice). C'est assez intuitif.

Il se peut que la réponse soit très facile : je n'ai pas pris le temps d'y réfléchir (trop occupé que j'étais à coudre des numéros sur des chapeaux).

On pourrait aussi demander ce qui se passe si l'un des joueurs joue la stratégie « gloutonne » (consistant à éliminer à chaque coup son objet le moins préféré), selon que l'autre joueur le sait ou selon que l'autre joueur croit toujours qu'il jouera désormais de façon rationnelle. On pourrait aussi jouer à changer l'alternance des coups entre Alice et Bob (plutôt que de les faire alterner mécaniquement) et chercher l'ordre le « plus équitable » dans un sens qu'il faudrait formaliser. Bon, bref, je trouve l'idée générale du jeu intéressante, mais je ne sais pas quelle est la bonne question à poser (c'est peut-être ça la question, en fait : trouver la question la plus intéressante à poser sur ce jeu).

L'an dernier, j'ai eu l'honneur de déjeuner avec Jean-Pierre Serre, et nous avons discuté entre autres de la rédaction des mathématiques. (Comme Serre est à mon avis — et je suis loin d'être le seul à le penser — un des mathématiciens dont le style de rédaction est le plus parfait qui soit, c'était évidemment très intéressant pour moi d'entendre ce qu'il avait à dire. Je recommande d'ailleurs de regarder cet exposé où il dénonce beaucoup de mauvaises habitudes dans ce domaine.)

Il a beaucoup insisté sur l'importance d'écrire des énoncés justes : c'est-à-dire notamment, si un énoncé P(n) est vrai pour tout n≥1, de bien écrire pour tout n≥1 et de ne pas laisser le lecteur penser que P(0) puisse être vrai lorsqu'il ne l'est pas (et c'est encore pire quand l'énoncé commence à être vrai à 2 ou 3, voire au-delà). Je savais déjà qu'il accordait beaucoup d'importance à ça[#]. Mais comme je mentionnais les codes correcteurs d'erreurs, il a fait cette autre remarque que je trouve tout à fait digne d'être érigée en maxime, à savoir qu'il essayait d'écrire les mathématiques comme un code correcteur d'erreurs (je n'ai malheureusement pas noté la phrase exact qu'il a employée, mais ça fait peut-être justement partie du phénomène souligné). Ce qu'il voulait dire est qu'inévitablement, dans une rédaction mathématiques, il y aura des choses qui seront mal lues : soit que l'auteur lui-même fasse un lapsus, soit que le manuscrit soit mal retapé, soit que l'imprimeur change certains symboles, soit que le lecteur lise mal ou ait une convention différente sur certaines choses : il faut essayer d'écrire de manière à rendre le texte relativement robuste par rapport à ces erreurs (pour qu'elles soient détectables ou, encore mieux, corrigeables).

[#] Plusieurs fois j'ai assisté à un séminaire où Serre était dans l'assistance[#2], où l'orateur commence énonce un théorème et où Serre s'exclame mais c'est complètement faux ! ce n'est pas possible, ça ! — alors là, l'orateur, visiblement paniqué, se demande si Serre vient de trouver en direct un contre-exemple au théorème principal, et au bout d'un moment de confusion on comprend que Serre protestait contre le fait que l'énoncé était trivialement faux pour n=0. Moment sans doute très désagréable pour l'orateur, mais je pense qu'après ça on apprend très vite à se demander si pour tout n veut vraiment dire tout n.

[#2] Tiens, puisque j'en suis à raconter des anecdotes à son sujet[#3], un jour j'ai assisté à un séminaire où l'orateur a commencé à parler du groupe de Serre comme si tout le monde savait évidemment de quoi il s'agissait (je sais que c'était dans un contexte de représentations galoisiennes, mais moi-même je n'avais aucune idée de ce que c'était censé être). L'éponyme a levé la main pour demander qu'est-ce que le groupe de Serre ?. La morale, là, et je pense aussi que l'orateur l'aura bien retenue, c'est que même quand on parle à une assistance de gens très distingués, il faut être très conservateur dans ce qu'on suppose que tout le monde connaît.

[#3] Allez, une troisième pour la route. Quand j'ai écrit cet article avec mon directeur de thèse, ce dernier l'a envoyé à Serre pour lui demander son avis avant publication. Entre autres remarques, il a relevé le bout de phrase par récurrence sur le naturel k et a commenté ce n'est sûrement pas vous [Colliot-Thélène] qui avez écrit ça : de fait, c'est moi qui l'avais rédigé ce passage. (L'objection est que Serre n'aime pas qu'on écrive un naturel pour un entier naturel. Je vous rassure, ses autres remarques sur l'article étaient beaucoup plus intéressantes.) Colliot-Thélène a regardé dans le petit Robert, qui recense bien quelque part naturel comme nom masculin dans le sens de entier naturel, et nous avons décidé de laisser la phrase comme ça. Mais depuis, je fais plus attention à écrire généralement un entier naturel plutôt que juste un naturel (sauf quand j'ai l'impression que le second allège vraiment la phrase).

[Lire la suite…]

Dans cette entrée, je vais commencer par parler de maths, mais ensuite je veux me servir de ce que j'aurai raconté pour soulever une question de philosophie (ou peut-être, de psychologie) des maths. Ces deux parties n'ont pas vraiment de rapport sauf que la première sert d'illustration pour la seconde : on doit pouvoir sauter la première partie (ou la lire en diagonale) et quand même comprendre quelque chose à la seconde, enfin, j'espère. (Mais bon, je ne suis pas content de ce que j'ai écrit dans la seconde partie, donc ça n'a peut-être pas d'intérêt.)

*

Je racontais récemment que le nombre 24 était particulièrement magique à cause de l'existence de certains objets exceptionnels, notamment le réseau de Leech en dimension 24 (défini dans l'entrée en question). Maintenant, considérons le fait suivant (problème des boulets de canon, conjecturé par Édouard Lucas autour de 1875 et démontré par George Watson en 1918) :

L'équation 0² + 1² + ⋯ + n² = m² a exactement trois solutions, à savoir quand (n,m) vaut (0,0), (1,1) ou (24,70). Autrement dit, à part les deux cas triviaux (0²=0² et 0²+1²=1²), la seule situation où la somme des carrés des premiers entiers naturels est encore un carré est donnée par 0² + 1² + ⋯ + 24² = 70².

(La somme 0²+1²+⋯+n² vaut encore n·(n+1)·(2n+1)/6, mais si on écrit l'équation comme n·(n+1)·(2n+1) = 6m², on ne voit pas vraiment pourquoi elle est intéressante.)

Ce n'est pas très facile à montrer, mais ce n'est pas ça qui m'intéresse.

On pourrait dire que le fait que la somme des carrés des entiers naturels jusqu'à 24 est un carré (et qu'à part les cas triviaux c'est le seul) est une propriété remarquable du nombre 24. Pas franchement passionnante, mais bon. Mais a priori, on se dit que cette propriété n'a aucun rapport particulier avec les propriétés magiques du nombre 24 que j'ai évoquées dans mon autre entrée.

Sauf qu'en fait, si.

[Lire la suite…]

S'il y a un nombre magique en mathématiques, c'est bien 24. (Je pense que Douglas Adams a juste inversé les chiffres.) Le nombre 8 vient presque à égalité, et 12, peut-être 6 et 16 ont aussi quelques propriétés magiques (qui, globalement, sont toujours liées à celles de 24), mais celui qui est vraiment farabuleux (pardonnez le néologisme), c'est 24.

Je voudrais dans cette entrée essayer de témoigner de la magie de 24 en définissant deux et en évoquant le troisième de trois objets exceptionnels qui font que 24 est si spécial. On pourrait aussi les appeler les trois générations de « magiciens » qui tirent leur pouvoir magique du nombre 24. Ces objets sont : le code de Golay binaire (première génération), le réseau de Leech (deuxième génération), et le module de Moonshine (troisième génération). Mon but est donc d'en parler un peu, en définissant proprement les deux premières générations, en essayant que ce que je dis sur la première soit accessible à un très large public, et en disant quelques mots de la troisième. Ou du moins, mon but était tout ça, parce que je me suis pas mal embourbé et je ne suis pas du tout content de ce que j'ai écrit : je donne certes une définition du code de Golay binaire et du réseau de Leech, mais je crois ne pas avoir du tout réussi à passer l'idée de pourquoi ils sont intéressants au fond. Et comme souvent, je crois que je me retrouve à présupposer de mon lecteur un niveau de connaissances mathématiques préalables qui varie de façon assez incohérente d'un endroit à l'autre (au début je m'efforce vraiment de ne rien supposer, et à la fin, il sera certainement nécessaire d'avoir au moins une intuition de ce qu'est un groupe). Néanmoins, maintenant que tout ça est écrit, je ne vais pas ne pas le publier, donc prenez-le pour ce que ça vaut.

Comme par ailleurs, le nombre 8 est aussi magique (quoiqu'un peu moins que 24), je peux aussi parler de deux des trois[#] générations de magiciens qui tirent leur pouvoir magique de celui-ci : le code de Hamming de longueur 8 et le réseau E₈, parce qu'ils sont utiles pour approcher leurs analogues du nombre 24.

[#] Je crois que le troisième qui complète la série serait l'algèbre d'opérateurs de sommets dont Griess parle dans son article A vertex operator algebra related to E₈ with automorphism group O⁺(10,2), mais je ne comprends décidément pas bien tout ça.

Bref, le tableau à garder en tête (juste pour le plan : je vais expliquer ce que tout ça veut dire) est quelque chose comme :

Le terme de génération évoque l'idée que les objets de la deuxième génération se définissent en termes de ceux de la première, et ceux de la troisième en termes de ceux de la deuxième, et qui plus est, il y a une certaine similarité entre la manière dont ces objets s'enfantent les uns les autres (je ne prétends pas que c'est rigoureusement la même, ni entre les colonnes, ni entre les lignes : notemment, il n'y a pas de « foncteur » dans l'affaire, juste une certaine analogie).

Je vais aussi évoquer, à chaque fois, les groupes de symétrie de ces différents objets, qui ressembleront à la numérologie suivante (là aussi, je dois expliquer ce que sont ces machins, mais à chaque fois, je donne le nom du groupe de symétrie et son ordre, c'est-à-dire le nombre de symétries) :

Plan de la suite :

• Le code de Hamming de longueur 8
• Le code de Golay binaire
  • L'hexacode
  • Le MOG et le code de Golay
  • Le groupe de Mathieu M₂₄
• Le réseau E₈ et le réseau de Leech
  • Définitions
  • Quelques propriétés de ces réseaux
  • Symétries de ces réseaux
• Quelques mots sur le module de Moonshine

[Lire la suite…]

Les chasseurs-prouveurs se rassemblaient comme chaque soir autour de l'équation de la chaleur et se racontaient les histoires de leurs aventures. Joueur-Atlas, qui était célèbre pour avoir autrefois attrapé un groupe parfait à 8 315 553 613 086 720 000 éléments évoqua le fils de « son » groupe, dont il avait aperçu la silhouette monstrueuse, à la lumière de la lune, en train de remuer près du nombre 196 883, et qu'il espérait voir un jour capturé. Mais ce soir, c'était au tour du vieux Bâtisseur-Alternatif de prendre la parole.

— Un jour, j'ai vu un corps comme je n'en avais jamais vu auparavant.

Il désigna une figure rupestre qu'il avait exécutée il y a longtemps, à la craie sur le tableau noir du Hilbertraum : un F pas tout à fait gras finissant par un 1 plutôt bas. Et il conclut théâtralement :

— Figurez-vous que ce corps n'avait qu'un seul élément.

Certains soupiraient d'entendre Bâtisseur-Atlernatif raconter toujours la même histoire à dormir debout, mais les jeunes chasseurs-prouveurs étaient fascinés :

— Un corps à un seul élément ? Mais ce n'est pas possible, grand-père !

— Pourtant je l'ai bien vu. Et attendez, ce n'est pas le plus incroyable… il était… sous l'anneau des entiers !

Cette révélation fit place à un silence choqué de la part de ceux qui n'avaient pas encore entendu cette légende. Un corps caché sous l'anneau des entiers ! Cela semblait si impossible — et en même temps si prometteur !

⁂

Bon, trêve d'humour à 1/1728 zorkmids.

Ce que j'appelle licorne mathématique, c'est un objet mathématique dont on aimerait croire à l'existence, un objet dont on a une certaine intuition et même des indices suggérant sa présence, qui, naïvement envisagé tel quel, n'existe pas, n'est pas possible, conduit à des paradoxes et des contradictions. On peut démontrer qu'il n'existe pas, que les propriétés qu'on lui attribue sont impossibles, et pourtant, on cherche quand même un moyen de le faire exister.

Ce qui fait que les licornes sont des licornes, c'est qu'on n'a pas trouvé la bonne définition ou la bonne théorie-cadre. Chasser la licorne, c'est donc chasser la définition ou la théorie qui lui permettra d'exister et de faire disparaître les paradoxes. Cela peut sembler bizarre : si on s'imagine qu'on donne naissance à un objet mathématique en le définissant, comment peut-il y avoir des objets qu'on poursuive sans parvenir à les définir ? Pourtant, cela se produit assez souvent (et je prends même ça pour un indice — certes pas terriblement concluant — dans le sens que les mathématiques existent indépendamment de l'homme).

*

L'exemple le plus simple est sans doute celui des nombres complexes. La manière dont je vais l'évoquer prend des libertés avec l'Histoire, qu'on m'en pardonne, mais mon but n'est past de raconter l'histoire des maths mais d'expliquer le concept d'une licorne. La racine carrée de −1, donc, était une licorne : un nombre qui, multiplié par lui-même, donne −1, c'est impossible a priori. Et on a une preuve de cette impossibilité : à savoir, que x soit positif ou négatif, son carré x² = x·x est forcément positif, donc ne peut jamais valoir −1. Bref, √(−1) est une licorne. Pourtant, quelqu'un prétend avoir vu des traces de la licorne : si on fait comme si elle existait, si on oublie cette impossibilité, si on mène les calculs comme si la racine carrée des nombres négatifs avait un sens, on arrive à résoudre des équations du troisième degré qu'on ne savait pas résoudre autrement (celles qui ont trois racines). Comment expliquer que quelque chose d'impossible conduise à une conclusion heureuse ? C'est cela qui fait soupçonner que la licorne existe vraiment, et qui donne envie de la capturer.

Maintenant on ne voit plus du tout que cette histoire a été une licorne : maintenant, √(−1) est un nombre complexe, quelque chose de tellement banal qu'on en oublie trop facilement que cela a pu représenter un paradoxe, une licorne. Pourtant, pour capturer cette licorne, il a fallu faire un saut conceptuel : abandonner l'idée que les nombres soient ordonnés, c'est un saut conceptuel gigantesque (les nombres ont été faits pour être ordonnés, pourrait-on dire ; les opérations algébriques sont une sophistication ajoutée sur le concept de comparaison). Mais une fois fait le saut conceptuel, une fois définie la notion de nombre complexe, la licorne est capturée, elle perd tout son mystère, on s'aperçoit que la définition antérieure de nombre était restrictive (ce qui ne signifie pas qu'elle n'ait pas de valeur !, il n'est pas question de remplacer systématiquement les nombres réels par des nombres complexes en mathématiques ou ailleurs).

Ce qui m'intéresse dans cette histoire, c'est la démarche où d'abord on aperçoit des traces de pas qui semblent paradoxales (cette bestiole marche comme un cheval, pourtant elle semble avoir une corne !), on traque le concept, et on finit par capturer la licorne, c'est-à-dire résoudre le paradoxe, rendre possible ce qu'on avait démontré impossible, en contournant l'impossibilité par une définition élargie. La licorne se capture par la définition. C'est inhabituel par rapport à la pratique générale des mathématiques qui consiste à chasser les preuves, pas les définitions (ni les licornes).

Méta : Dans la suite, je vais évoquer quelques autres licornes. Ne sachant pas à quel niveau de vulgarisation me placer, je n'ai pas vraiment pris de décision cohérente à ce sujet, et je suppose donc de la part de mon lecteur des connaissances variables de paragraphe en paragraphe : j'espère néanmoins avoir fait en sorte qu'on puisse comprendre un petit peu l'idée générale même si on ne comprend pas tel ou tel passage. D'autre part, comme mon but était de raconter une histoire plus que d'exposer des maths, il se peut que je dise des choses un peu abusées ici ou là (j'espère quand même avoir toujours été assez vague pour qu'on ne puisse pas m'accuser d'avoir écrit un énoncé indiscutablement faux, mais si c'est le cas, je mettrai la faute sur les licornes qui m'ont poussé).

[Lire la suite…]

À l'approche de la rentrée, je me dis qu'il peut être utile que je publie quelques conseils pour les étudiants en maths. Ceux-ci sont inspirés à la fois de ce que j'ai écrit dans ce fil Twitter et de ce que j'ai expliqué de vive voix à un élève de prépa qui me demandait de tels conseils : ayant ainsi un peu réfléchi à ce que j'avais à dire, autant le mettre sur ce blog.

Il s'agit là de conseils généraux (et sans doute d'une bonne dose de proverbial enfonçage de portes ouvertes à ma fidèle hache bénie +2 trempée dans la potion de banalités), s'adressant plutôt à des étudiants entre approximativement ce qui correspond, dans le système éducatif français, aux niveaux bac à bac+5 (disons) : grosso modo, avant ça, on ne fait pas tellement de maths au sens « raisonnement déductif » (ayant la démonstration comme méthode essentielle) ; et après, si vous en êtes arrivé là, vous avez assez de familiarité avec les mathématiques pour ne pas avoir besoin de mes conseils. Certaines des choses que je vais dire s'appliquent à d'autres disciplines adjacentes, comme la physique ou l'informatique (pour ce qui est de l'informatique théorique, mon avis est qu'il s'agit de toute façon d'une branche des mathématiques, même si elle ne s'assume pas toujours comme telle) ; quelques uns s'appliquent sans doute à n'importe quelle discipline, mais je me focalise quand même sur les maths.

On doit pouvoir tirer de ces conseils aux étudiants quelques conseils pour les enseignants (en appliquant la dualité étudiant-enseignant et le foncteur de réduction des platitudes), mais comme je n'aime pas donner des leçons à ce sujet, je vais laisser ça en exercice au lecteur.

✱ Conseil nº1 : aimer ce que l'on fait. C'est peut-être un peu idiot de dire ça, mais je suis persuadé qu'on ne peut correctement faire des maths que si on les trouve un minimum belles et intéressantes. Si on les conçoit comme une corvée, elles le resteront. Si on les conçoit comme (la métaphore que j'aime bien utiliser) l'exploration d'un palais magnifique et incompréhensiblement gigantesque, à la structure à la fois labyrinthique et élégante, on peut arriver à comprendre que ce soit à la fois excitant et séduisant, et en tirer la motivation nécessaire à leur étude.

Je ne peux évidemment pas donner de recette magique pour comprendre que les maths sont belles. C'est quelque chose que j'essaie de communiquer, mais il est évident que je ne vais pas transformer tout le monde en matheux. Mais, même si on a un a priori négatif (et certaines formes d'enseignement des mathématiques laissent hélas place à bien peu d'autre que la corvée rébarbative), il est au moins essentiel de garder l'esprit ouvert à cette possibilité, que les maths puissent être fascinantes. Je pense qu'il est au moins utile, même si on est réfractaire, de chercher les sous-domaines sur lesquels on accroche un peu plus, et de peut-être chercher à se renseigner sur l'allure générale du paysage mathématique, méditer sur la question de pourquoi certaines personnes y trouvent goût (est-ce qu'on a reçu une image déformée par un enseignement rébarbatif ou est-ce qu'on est véritablement hostile aux mathématiques ? dans ce dernier cas, il vaut certainement mieux arrêter de les étudier le plus rapidement possible et ne pas céder aux sirènes qui promettent une meilleure carrière ou quelque chose de ce genre). L'histoire des sciences peut aussi être une passerelle vers un intérêt pour les mathématiques elles-mêmes.

✱ Conseil nº1b : faire preuve de curiosité intellectuelle, et questionner ce que l'on fait. Apprendre le cours pour le cours est la meilleure garantie d'en rester là. Pour comprendre un cours de maths, il faut plutôt le questionner[#], le décortiquer, essayer de prendre du recul. Pour ça, le mieux est de garder à l'esprit toutes sortes de questions (pourquoi fait-on ça ?, où veut-on en venir ?, comment fonctionne cet objet ?) ; je vais donner des exemples plus précis de telles questions (à se poser à soi-même ou à poser à l'enseignant) dans les conseils suivants, mais le message plus général est que tout questionnement est bienvenu (voir aussi les conseils nº6 et 6b ci-dessous).

[#] Dans un cours de langue, si un étudiant demande pourquoi 95 en français de France se dit-il quatre-vingt-quinze ?, on ne peut pas vraiment lui donner de réponse sauf des choses comme c'est comme ça ou c'est un accident historique, peut-être accompagnées d'une histoire du phénomène (mais c'est déjà empiéter des langues sur la linguistique, et ça n'aidera pas tellement à l'apprentissage du français). L'enseignant en maths, lui, doit être prêt à se justifier de plus près que ça.

[Lire la suite…]

Il y a des des figures que je me retrouve à refaire encore et toujours, à chaque fois que je veux réfléchir à un certain sujet. Parmi ceux que je reproduis avec une fréquence qui finit par devenir vraiment pénible, il y a ceux qui apparaissent ci-contre à droite, et que je me suis enfin de sorti les doigts du c** pour produire en PDF avec TikZ (suivez le lien pour le PDF). Comme je ne suis certainement pas le seul trouver ces figures utiles pour réfléchir, je les mets en ligne. Et du coup, je peux en profiter pour faire un peu de vulgarisation sur ce qu'ils représentent.

Je vais essayer d'expliquer ça sous l'angle de la géométrie euclidienne élémentaire, à travers la question de classifier et de comprendre les kaléidoscopes (simpliciaux). L'intérêt, outre que c'est peut-être plus parlant, est ne pas supposer que qui que ce soit ait lu mon récent rant interminable sur les groupes de Lie (mais en même temps, essayer de dire les choses de manière à quand même éclairer le rant en question). En fait, après coup, je ne suis rendu compte que ce n'était pas forcément une très bonne approche, et que cette entrée ressemble beaucoup à une accumulation de faits qui partent dans tous les sens et qui ne reflètent pas bien (pun unintended) l'élégance du sujet. En plus de ça, comme c'est un sujet que j'ai l'habitude de voir abordé autrement que comme de la géométrie euclidienne, je ne suis pas très sûr de l'ordre dans lequel les faits s'agencent logiquement, et je n'ai pas toujours une idée très claire de la difficulté qu'il y aurait à les démontrer dans une telle approche. Et aussi à cause de ça, il faut que j'avertisse que je n'ai pas vérifié très soigneusement (je veux dire, encore moins que d'habitude…) tous les résultats que j'énonce dans cette entrée, et qu'il est fort possible que j'aie oublié une hypothèse ou une autre pour me raccrocher à là où je veux en venir ; notamment, j'ai failli complètement négliger la « condition supplémentaire » que j'ai finalement trouvé utile d'introduire plus bas dans la définition d'un kaléidoscope. Malgré tout ça, j'espère que ce que je raconte est au moins un peu intéressant.

[Lire la suite…]

Dans cette entrée, je voudrais évoquer la question des grandeurs physiques (longueur, durée, vitesse, masse, courant électrique…) et des unités de ces grandeurs. Je vais jeter un regard de matheux sur ce que ces choses sont, proposer quelques points de vue ou (esquisses de) définitions formelles possibles, et m'interroger sur l'utilité et la pertinence de ces points de vue, notamment pédagogiques, mais aussi du point de vue de la question de l'incertitude des mesures.

Je précise que cette entrée part un peu dans tous les sens, parce que j'ai commencé par écrire de la façon dont les idées me venaient (ou me revenaient, parce que ce sont des idées que je rumine depuis longtemps), et j'ai voulu raconter trop de choses à la fois, donc il y a plein de digressions. En plus de ça, j'ai un peu permuté les bouts que j'avais écrits (il en reste certainement des incohérences comme des je vais y revenir alors que les choses sont dans un autre ordre), puis repermuté, puis re-repermuté au fur et à mesure que j'ajoutais des digressions, et finalement je ne sais plus du tout dans quel ordre je dis les choses. Heureusement, il n'y a pas trop de lien logique clair ni de dépendance entre les différents morceaux ce que je raconte, donc on doit pouvoir lire cette entrée dans le désordre puisque c'est comme ça qu'elle a été écrite ! J'ai essayé de marquer par des triples accolades {{{…}}} (cf. ici) les digressions les plus identifiables, dans l'espoir que ça aide à s'y retrouver un peu.

À l'origine je voulais parler de la manière dont un mathématicien peut définir ce que sont les grandeurs physiques et leurs unités. Mais je n'ai pas résisté à parler d'autres choses, à faire un tableau de plein de grandeurs (ci-dessous) et à entrer dans des discussions sur ce que sont les grandeurs dans la pratique, sur les incertitudes et les échelles de masse. J'ai commencé à écrire des choses sur la réforme du SI qui doit avoir lieu d'ici quelques mois, puis je me suis dit que non, ça faisait vraiment trop, mais il en reste quand même des bouts… (Je garde donc pour une entrée ultérieure les explications précises sur la réforme du SI, même si j'y fais allusion à diverses reprises ici.) Bref, voilà pourquoi cette entrée est encore plus désordonnée que d'habitude. J'espère qu'il y a quand même des choses à en tirer !

⁂

Pour essayer de fixer la terminologie, j'appellerai grandeur (plutôt que dimension qui peut causer confusion) quelque chose comme « la masse » de façon abstraite ; et j'appellerai quantité [de cette grandeur] une masse particulière (par exemple 70kg), mesurée, donc, dans une unité. Si on veut parler comme un informaticien, donc, la grandeur sera, pour moi, le type (« la masse »), tandis que la quantité sera l'instance de ce type (70kg). Et l'unité est une quantité particulière (de la grandeur) qu'on a choisie pour exprimer toutes les autres. Comme n'importe quelle quantité non nulle (disons peut-être strictement positive) peut servir d'unité, la différence entre « quantité » et « unité » est juste une question de regard qu'on porte dessus.

Je ne sais pas si ce choix terminologique était le meilleur, je conviens que c'est un peu contre-intuitif de dire que la grandeur de [la quantité] 70kg est la masse, mais je ne suis pas certain qu'il existe de choix vraiment bon (et puis, maintenant que c'est fait, je n'ai plus envie de tout rééditer). J'ai essayé de m'y tenir systématiquement, de toujours utiliser le mot grandeur pour le type et quantité pour la valeur dans le type, mais je ne peux pas exclure quelques lapsus occasionnels.

Ajout (2018-08-16T14:15+02:00) : En fait, je ne distingue pas vraiment la grandeur et la dimensionnalité de cette grandeur (définie formellement ci-dessous), par exemple je ne distingue pas les grandeurs « énergie » et « moment d'une force » (tous les deux ayant l'unité SI de kg·m²/s², même si dans un cas on l'appelle plutôt le joule et dans un autre cas plutôt le newton·mètre, la distinction est plus mnémotechnique que fondamentale) ; de même, pour moi, le watt et le volt·ampère sont bien la même chose, nonobstant le fait qu'on ne les utilise pas exactement de la même manière ; je vais faire occasionnellement allusion à ce problème.

⁂

Bref, qu'est-ce que c'est que toute cette histoire ?

Pour commencer, une des propriétés des grandeurs et des unités est qu'on peut les multiplier et les inverser (donc, les diviser) ; alors qu'on ne peut ajouter ou soustraire que des quantités de même grandeur, mais ça j'y reviendrai plus loin. Par exemple, une unité de longueur divisée par une unité de durée (=temps) donne une unité de vitesse (mètre par seconde, kilomètre par heure) : et il s'agit bien d'une division des quantités correspondantes (1km=1000m, 1h=3600s donc 1km/h = 1000m/3600s = (1000/3600)m/s = 0.2777…m/s). On peut dire que, indépendamment des unités, la grandeur « vitesse » est le quotient de la grandeur « longueur » par la grandeur « durée ». De même, la grandeur « surface » est le carré de la grandeur « longueur » (son produit par elle-même). Et la grandeur « fréquence » est l'inverse de la grandeur « durée » (l'unité SI de fréquence, le hertz, est l'inverse de l'unité SI de temps, la seconde).

[Lire la suite…]

Méta : Régulièrement je tombe sur des problèmes mathématiques qui me paraissent tellement simples, tellement naturels et/ou tellement évidents (je veux dire évidents à poser, pas forcément évidents à résoudre !) que c'est inconcevable qu'il n'existe pas déjà une littérature abondante à leur sujet. Mais faute de connaître les bons mots-clés ou la bonne façon de formuler le problème (car souvent un même problème admet mille et une reformulations ou réinterprétations), je peux galérer pour mettre le doigt sur cette littérature. C'est extrêmement frustrant. Pour digresser sur ce problème en général, cf. par exemple cette vidéo où le YouTubeur Tom Scott passe la moitié du temps à raconter combien il a eu du mal à trouver le terme Inogon light pour en savoir plus sur un type de signal nautique utilisant intelligemment des effets de moiré pour montrer aux bateaux où aller en fonction de leur position. L'Internet a quelque chose de la Kabbale : quand on connaît le Vrai Nom de quelque chose, on acquiert du pouvoir sur cette chose — en l'occurrence, le pouvoir d'en savoir plus. Le problème que je veux évoquer ici fait partie de ces problèmes qui me semblent tellement « s'imposer » que je suis sûr qu'il a un nom et qu'il y a des chapitres entiers de bouquins d'algorithmiques qui lui sont consacrés ; mais comme je ne le formule pas forcément sous le bon angle, je ne trouve pas.

Il s'agit, donc, de quelque chose que je comprends raisonnablement bien du côté mathématique, mais dont l'algorithmique me laisse passablement perplexe. Ce qui veut dire que j'ai beaucoup de choses à raconter, dont beaucoup ne sont sans doute pas pertinentes pour le problème algorithmique, mais je ne sais pas au juste ce qui l'est et ce qui ne l'est pas.

Voici la première variante du problème algorithmique, qui est la plus simple et élémentaire à énoncer : je vais l'appeler la variante (AS), parce que je vais vouloir en formuler un certain nombre, ce sera plus commode si je leur donne des noms. (Le S signifie symétrique ; le A est là comme dans la classification de Killing-Cartan, mais pour l'instant peu importe.)

(AS) On se donne x et y deux vecteurs (de longueur, disons, n≥1), à coordonnées entières. Je suppose que la somme des coordonnées de x est nulle, et pareil pour y (je ne sais pas si ça sert vraiment à quelque chose).

Problème : trouver tous les produits scalaires possibles σ(x)·y entre y et un vecteur σ(x) obtenu en permutant les coordonnées de x, avec, pour chacun, son nombre d'occurrences, c'est-à-dire le nombre de permutations σ des coordonnées de x qui conduisent à ce produit scalaire.

Exemple : si x=(−2,−1,0,1,2) et y=(−2,0,0,1,1), la réponse attendue est {−7: 4 fois, −6: 4 fois, −5: 12 fois, −4: 8 fois, −3: 12 fois, −2: 4 fois, −1: 8 fois, 0: 16 fois, 1: 8 fois, 2: 4 fois, 3: 12 fois, 4: 8 fois, 5: 12 fois, 6: 4 fois, 7: 4 fois} (chaque produit scalaire possible σ(x)·y étant suivi de son nombre d'occurrences : notamment, il y a 16 permutations des coordonnées de x qui donnent un produit scalaire nul avec y). • Autre exemple : si x=y=(−2,−1,0,1,2), la réponse attendue est {−10: 1 fois, −9: 4 fois, −8: 3 fois, −7: 6 fois, −6: 7 fois, −5: 6 fois, −4: 4 fois, −3: 10 fois, −2: 6 fois, −1: 10 fois, 0: 6 fois, 1: 10 fois, 2: 6 fois, 3: 10 fois, 4: 4 fois, 5: 6 fois, 6: 7 fois, 7: 6 fois, 8: 3 fois, 9: 4 fois, 10: 1 fois}.

Il y a évidemment plein de façons de reformuler ça et plein de remarques évidentes à faire. Par exemple, je peux dire qu'il s'agit de considérer toutes les façons d'apparier (bijectivement) les coordonnées de x avec celles de y et de sommer les produits des coordonnées appariées entre elles : sous cette forme, il est évident que le résultat est symétrique entre x et y ; par ailleurs, il est clair que ça ne change rien de permuter les coordonnées de x ou celles de y, donc on peut les supposer triées au départ. Si on veut, je me donne deux paquets (deux « multiensembles ») x et y de nombres, de même taille, mais sans ordre, et je cherche toutes les façons de faire un produit scalaire.

[Lire la suite…]

En lien avec l'entrée précédente (que personne n'a lue mais c'est normal), j'ai produit ce petit gadget JavaScript qui (s'il n'est pas complètement cassé) représente une animation de l'équation des ondes sur un tore plat, en l'occurrence le tore plat E/L quotient du plan euclidien E=ℝ² par un réseau L triangulaire équilatéral (i.e., la fonction est périodique par L), à partir d'une condition initiale gaussienne assez piquée (censée donnée une idée d'approximation d'une distribution δ). Si on préfère, cela revient à faire l'équation des ondes dans le plan à partir d'une condition initiale qui est la somme d'une gaussienne centrée sur chaque point de L. Concrètement, il s'agit juste de calculer (la fonction du temps t et du point x∈E/L) :

${\displaystyle \sum _{\alpha \in L^{*}}{c}_{\alpha }\text{exp}\left(2i\pi \left(\alpha \cdot x\right)\right)\text{cos}\left(2\pi \left|\alpha \right|t\right)}$ où ${\displaystyle c_{\alpha }=\text{exp}\left(-{\left|\alpha \right|}^2/U^2\right)}$

— soit, en plus moche pour les navigateurs cassés qui ne gèrent pas le MathML —

∑_α∈L^* c_α·exp(2iπ(α·x))·cos(2π|α|·t)où c_α = exp(−|α|²/U²)

où U est un paramètre d'étroitesse de la condition initiale, et, histoire de faire le lien avec les notations de l'entrée précédente, Λ(α)=|α|² et m(α)=1 pour le paramétrage par tous les éléments α∈L^*. Ce que fait mon programme est uniquement de calculer cette somme (pour les α pas trop loin de l'origine dans L^* ; pour alléger les calculs, il précalcule les fonctions de α et x et se contente ensuite de les sommer).

Commentaire mathématique : Si la dimension d'espace était impaire, l'évolution de l'équation des ondes à partir d'un δ initial se ferait uniquement sur des fronts sphériques centrés sur les points du réseau (imaginez que vous superposez une sphère centrée en chaque point de L, dont le rayon croit linéairement avec le temps, et dont l'amplitude décroît proportionnellement à la surface de façon que la quantité totale reste constante), et l'évolution à partir d'une gaussienne donne la même chose avec des sphères un peu épaissies ; en dimension paire, ce qui est le cas ici, ce « principe de Huygens » ne vaut pas, la fonction de Green de l'équation des ondes n'est pas concentrée sur une sphère[#], il y a une « queue » (négative par rapport au front d'onde, et qui apparaît en bleu sur mon animation). • Par ailleurs, même si le réseau L^* ici est le réseau des poids de SU₃ et même si on a symétrie par le groupe de Weyl, il ne s'agit pas de l'équation des ondes sur SU₃ (pour ça il faudrait corriger Λ(α) et m(α)), c'est en gros ce qu'essaie d'expliquer l'interminable entrée qui précède.

[#] Ceci dit, ça doit être aussi assez joli comme dessin, une superposition de cercles de rayon croissant linéairement avec le temps et centrés sur chacun des points d'un réseau L triangulaire équilatéral.

Bon, tout ça fait des images pas trop moches, je dois l'avouer, et l'aspect « kaléidoscopique » apparaît assez clairement. Je pourrais mettre une animation de ce genre sur YouTube.

Ajout (2018-06-28T16:40+02:00) : Voici les vidéos YouTube : pour un réseau triangulaire équilatéral et pour un réseau carré (j'ai eu la folie, dans les deux cas, de calculer ça en 1920×1080, 25fps, pour une vidéo de 3′=180s ; ça m'a pris deux fois 40 minutes de calcul, mais il faut reconnaître que le résultat n'est pas mal).

Ajout 2 : Je recopie le lien fourni dans le commentaire de Benoit qui a écrit une version bien plus efficace de mon animation en utilisant WebGL.

Mais le calcul en direct est péniblement lent. Je pensais que sur un ordinateur moderne je n'aurais même pas besoin d'optimiser et je pouvais calculer la somme de quelques centaines de cosinus par pixel d'une image de taille raisonnable à une vitesse d'animation qui dépasse la perception de l'œil humain, mais apparemment calculer des centaines de millions de cosinus par seconde ça ne se fait pas sur un simple ordinateur de bureau, en tout cas pas en JavaScript.

Comme je déteste optimiser par-dessus tout, et que JavaScript commence à me sortir par les oreilles, je ne touche plus à ce code. Si quelqu'un veut l'améliorer (rendre le truc interactif en ajoutant un bouton pause ou quelque chose comme ça, permettre de bouger, zoomer, ou ce que vous voudrez, ou encore changer le réseau — il y a juste quelques lignes à commenter/décommenter pour faire un réseau carré), envoyez-moi des patchs, mon code est lisible et commenté, mais je ne veux pas de suggestions non codées. Parce que, là, pour le moment, les incantations propitiatoires du JavaScript servant à conjurer des petites crottes de ragondin, elles me gonflent prodigieusement.

Si vous voulez savoir ce que ça donne comme son, voici la conversion directe en onde sonore de la valeur mesurée au point central (l'origine de E/L, celle où est centrée la gaussienne initiale, i.e., mettre x=0 dans les formules ci-dessus), avec exactement les paramètres de l'animation, juste accélérée d'un facteur 8800 par rapport à l'animation affichée par le JavaScript. Mais ça donne juste un bruit strident atroce (moralité, une jolie image ne correspond pas forcément à un joli son, et si je veux transformer des spectres en sons un peu harmonieux, une dissipation dans le temps, dépendant de la fréquence, est indispensable).

Avant-propos : Cette entrée est une sorte de brain-dump, qui finit assez différemment de ce qu'elle commence. J'étais parti sur l'idée, sans avoir forcément pour but d'être compréhensible (en tout cas pas complètement, en tout cas pas par tout le monde), de jeter des réflexions surtout pour moi-même (comme une sorte de sauvegarde de mon état mental) sur des questions autour du spectre du laplacien. Sachant que je n'avais pas les idées complètement claires sur certaines des choses qui suivent, donc je ne peux pas expliquer tout ça parfaitement, encore moins le vulgariser au niveau où j'aimerais idéalement le faire : le but était plutôt de retrouver mes idées éventuellement plus tard, quitte à produire quelque chose d'un peu abscons et pas forcément bien correct mathématiquement ; et je me disais que ça ne ferait pas de mal de les mettre en ligne. Mais en pondant tout ça, je me suis laissé emporter par mon sujet, et la section sur les groupes de Lie compacts a pris une place démesurée, et s'est écartée du point de vue initial (finalement, pour ce que je raconte sur les groupes de Lie, on n'a pas vraiment besoin de savoir ce qu'est un laplacien ni de prononcer son nom, et d'ailleurs comme je prends l'exemple du groupe des rotations, on n'a pas vraiment non plus besoin de savoir ce qu'est un groupe de Lie compact) ; et j'en ai écrit des pages sur l'analyse de Fourier sur un groupe de Lie compact. Chose que je comprends quand même nettement mieux que le problème du spectre du laplacien en général, mais ça ne veut pas forcément dire que je l'explique mieux. Et finalement, je ne sais plus bien de quoi parle cette entrée, il y a plusieurs sujets assez indépendants, et le niveau auquel je place mes explications varie d'un endroit à l'autre. Bref, je ne sais pas ce que tout ça vaut, mais maintenant que c'est écrit, ce serait quand même idiot de ne pas le mettre en ligne. C'est dommage que, comme j'ai fait une énorme moussaka, tout le monde va être rebuté, mais tant pis, je n'ai plus le courage d'essayer de démêler les ingrédients de la moussaka.

Je commence en reprenant la ligne de pensées commencée dans l'entrée précédente (et inspirée par un roman de Connes, Chéreau et Dixmier, donc) : je cherche à produire des sons mathématiques intéressants (et pas déplaisants) à écouter, et une des façons d'y arriver semble être de considérer un spectre, notamment le spectre du laplacien (et donc en pratique, de l'équation des ondes) sur une variété riemannienne (compacte, parce que je ne suis pas analyste ni géomètre, moi, je ne sais pas gérer le cas non-compact[#]) ; plusieurs questions soulevées incidemment : quels objets choisir pour lesquels on sait calculer explicitement le spectre du laplacien (et qu'est-ce que ça signifie au juste) ?, quelles données sont associées au spectre en question ?, comment précisément convertir ce spectre en un son ?, d'ailleurs, comment mener le calcul sur ordinateur ? ; et aussi : comment vulgariser la notion de spectre du laplacien (notamment sur un groupe de Lie, espace riemannien symétrique, etc.) ? (Je ne compte pas tant essayer de faire cette vulgarisation ici et maintenant, mais peut-être donner les pistes par lesquelles je l'aborderais pour pouvoir les retrouver si je devais le faire plus tard.) Je vais évoquer le cas des tores plats (quotients de l'espace euclidien par un réseau) puis, comme expliqué au paragraphe précédent, je vais dévier sur la théorie de Weyl de l'analyse harmonique sur les groupes de Lie compacts, ce qui est largement indépendant de ce que je raconte au début. Et à la fin, je serai trop fatigué pour parler des espaces riemanniens symétriques autrement que pour dire que suis trop fatigué.

[#] Une blague, qui est d'ailleurs peut-être une histoire vraie, qu'on m'avait racontée il y a longtemps, concerne un mathématicien dont la femme… — non, ne soyons pas sexiste comme ceux qui m'ont raconté cette histoire, je vais plutôt dire : — une mathématicienne dont le mari ne connaît absolument rien aux maths ; mais elle lui a donné l'astuce suivante permettant presque à tous les coups de poser une question pertinente lors d'un échange entre matheux : il suffit d'attendre qu'il y ait une petite pause dans la conversation, de prendre un air pensif, et de demander et est-ce que vous avez considéré le cas non-compact ?.

[Lire la suite…]

(La première partie de cette entrée parle d'un roman qui parle de maths, la second parle de maths vaguement inspirées par le roman en question : à part cette proximité d'idées, il n'y a pas vraiment de rapport entre elles. Si les maths vous ennuient, à la fin, il y a des sons bizarres à écouter.)

Je viens de finir de lire le livre Le Spectre d'Atacama d'Alain Connes, Danye Chéreau et Jacques Dixmier, et j'avoue que je ne sais pas bien ce que j'en ai pensé. Pour commencer, c'est un livre assez difficilement classable : une sorte de mélange entre roman de science-fiction, fantaisie poétique, vulgarisation scientifique, plaidoyer sur l'intelligence artificielle, conte philosophique, récit picaresque et transposition en fiction de cet essai sur l'hypothèse de Riemann. Chacun des ingrédients me plaît a priori, et j'aime beaucoup l'idée de faire de la fiction à partir de la science, y compris de façon un peu poétique ; mais je trouve le mélange trop peu homogène… disons qu'il y a des grumeaux.

Le style est souvent un peu faible, mais ça ne me gêne pas tant que ça ; ce qui me gêne nettement plus, en revanche, c'est que l'intrigue part tellement dans tous les sens, accumule tellement d'invraisemblances et de rebondissements en apparence gratuits que ma suspension d'incrédulité, à force d'être tellement secouée, finit par lâcher complètement le coup. Parfois le roman devient didactique, parfois il est humoristique, parfois encore onirique, mais il y a trop de moments où on ne sait pas vraiment à quel degré le lire. L'idée de départ est bonne : un astrophysicien travaillant au réseau d'antennes de l'Atacama détecte un spectre d'absorption qui l'intrigue et fait appel à un ami mathématicien (de l'IHÉS…) pour essayer de le comprendre. Il y a aussi quelques tableaux du milieu académique qui sont plutôt réussis. Mais rapidement, et quitte à divulgâcher jusqu'à la fin de ce paragraphe, il est question d'une physicienne qui a volontairement passé son cerveau dans le rayon du LHC et qui a acquis la conscience quantique de vivre dans un espace de Hilbert et des capacités transhumaines mais seulement quand elle est à proximité d'un certain ordinateur : et là, je trouve que c'est vraiment un peu trop ; en plus de ça, le mathématicien part dans un périple dont on ne comprend pas vraiment le sens, qui l'emmène à Valparaiso puis sur une île perdue au milieu de nulle part puis à Sainte-Hélène, et tout ça ne sert pas vraiment l'intrigue. Et quand il est question d'ordinateurs, on sent que les auteurs ne sont pas du tout dans leur élément.

Ceci étant, je pense que c'est un ouvrage intéressant sur le plan de la communication scientifique : pas tellement d'idées scientifiques (il y a un peu de vulgarisation, mais ce n'est certainement pas l'objet principal du livre, et elle est plutôt light), mais de l'amour de la science et — et c'est important — des liens qui relient mathématiques, physique et informatique, et aussi du fait que la science « dure » peut avoir des aspects poétiques. Sur ce plan-là, je dirais que c'est plutôt une réussite. Peut-être finalement que ce roman, qui ne présuppose pas de connaissances scientifiques ou mathématiques, plaira plus à ceux qui justement l'abordent sans a priori.

⁂

J'en viens à des maths : la lecture du roman décrit ci-dessus m'a au moins convaincu (ou rappelé) que « les spectres » c'est important et intéressant. Je sais bien, pour avoir souvent entendu des gens le dire, que le spectre du laplacien (sur une variété riemannienne, disons), par exemple, c'est archi-super-important, mais j'avoue que je ne sais essentiellement rien de ce qu'il y a à dire, justement, sur ce spectre du laplacien, même dans des cas idiots (compacts, agréablement symétriques, tout ça tout ça).

En guise d'exercice, je me suis dit que j'allais calculer le spectre du laplacien pour des groupes de Lie compacts G (ou éventuellement des espaces homogènes G/H, par exemple des espaces riemanniens symétriques ou bien des R-espaces (variétés de drapeaux réelles), choses que je confonds d'ailleurs trop facilement[#]).

[#] Digression : Les espaces riemanniens symétriques irréductibles de type compact et simplement connexes sont (les groupes de Lie compacts simples simplement connexes eux-mêmes ainsi que) les quotients G/K où G est un groupe de Lie compact simple simplement connexe et K le sous-groupe compact connexe maximal d'une forme réelle G₀ de G (par exemple, la sphère de dimension n est Spin(n+1)/Spin(n) où Spin(n) est le compact connexe maximal de la forme Spin(n,1) de Spin(n+1)), et on peut aussi voir K comme les points fixes d'une involution de G qui correspond à l'involution de Cartan définissant G₀ ; j'ai certainement commis quelques erreurs en disant ça (notamment dans la connexité et la simple connexité), mais l'idée générale doit être à peu près ce que j'ai dit. Les R-espaces, eux, s'obtiennent sous la forme G₁/P où P est un parabolique d'un groupe de Lie réel semisimple G₁, qu'on peut aussi voir comme G/(G∩P) où G est un sous-groupe compact connexe maximal de G₁ et G∩P un sous-groupe compact maximal (du facteur de Levi) de P (par exemple, l'espace projectif réel dimension n est défini par le quotient de SL(n+1,ℝ) par son parabolique maximal associé à la première racine simple, i.e., les matrices dont la première colonne n'a que des zéros à partir de la deuxième ligne, et on peut le voir comme le quotient SO(n+1)/S(O(n)×O(1)) du sous-groupe compact connexe maximal SO(n+1) de SL(n+1,ℝ)) ; de nouveau, j'ai certainement commis quelques erreurs en disant ça, mais l'idée générale doit être ça. Je n'ai jamais vraiment compris « pourquoi » il y avait ces deux types de quotients très importants des groupes de Lie réels compacts, comment il faut y penser, par exemple du point de vue de l'analyse harmonique, et, de façon encore plus perturbante, pourquoi certains espaces peuvent se voir à la fois comme un espace riemannien symétrique et comme un R-espace (ou presque : cf. l'exemple que je viens de donner de la sphère et de l'espace projectif réel). Si quelqu'un a des éléments de réponse à m'apporter ou simplement des références où ces deux types de quotients sont discutés côte à côte de manière à me désembrouiller, ça m'intéresse ! (J'ai regardé l'article Geometry of Symmetric R-spaces de Tanaka, et j'ai eu l'impression de comprendre encore moins bien et de confondre encore plus après sa lecture.)

Mais aussi, j'avais (peut-être même que j'ai encore) vaguement l'espoir que des spectres intéressants, comme le spectre du laplacien sur tel ou tel espace bien sympathique, pourrait conduire à des sons harmonieux et donc répondre à ma question de trouver un objet mathématique qui s'« auditorise » de façon intéressante et agréable (plutôt que de se « visualiser ») ; dans cet ordre d'idées j'avais bien produit ceci, mais ce n'était pas du tout agréable à écouter et la construction de ces sons n'était pas franchement des plus naturelles.

L'idée générale, cette fois-ci, est qu'une fois connu le spectre du laplacien on peut s'en servir pour résoudre l'équation des ondes et obtenir les fréquences des vibrations propres de l'objet considéré (comme les racines carrées des opposées des valeurs propres du laplacien). Et donc produire des sons qui correspondraient à la manière dont « vibre » l'objet considéré — un groupe de Lie compact G ou un espace homogène G/H — quand, par exemple, on donne un coup dessus.

J'avoue que l'idée de taper un groupe de Lie pour voir comment il résonne me plaît énormément. (Et si j'en crois la lecture du Spectre d'Atacama, ça a aussi des chances de plaire à Connes et/ou Dixmier.)

Bref. Du peu que je sais de l'analyse harmonique sur les groupes de Lie et du théorème de Peter-Weyl, et si je comprends bien que le Casimir fournit la valeur du laplacien sur ce qui correspond à chaque représentation irréductible, le spectre du laplacien sur un groupe de Lie compact G est donné, à un facteur multiplicatif près (essentiellement arbitraire(?), mais négatif), par l'ensemble des valeurs C(v) := ⟨v,v+2ρ⟩ où v parcourt le réseau des poids dominants pour G. (Si tout ceci est du chinois pour vous, ce n'est pas très important, mais l'idée est qu'à G est associé un réseau euclidien appelé le « réseau des poids » et un cône polyédral de sommet l'origine dans cet espace euclidien appelé la « chambre de Weyl », auquel appartient le vecteur ρ dit « vecteur de Weyl », et les poids dominants sont les éléments de la chambre de Weyl ; chaque tel v, ou plus exactement le « caractère » χ_v associé, peut se concevoir comme un mode propre — un mode de vibration, si on veut — du groupe G, et la valeur du Casimir C(v) := ⟨v,v+2ρ⟩, est essentiellement l'opposé de la valeur propre du laplacien dont le vecteur propre est le caractère : Δχ_v = −C(v)·χ_v pour une certaine normalisation de Δ. S'il y a dans l'assistance des gens qui s'y connaissent en analyse harmonique et qui pourraient confirmer que j'ai bien compris, et peut-être même recommander un endroit où ce que je viens de dire serait écrit noir sur blanc sous cette forme y compris avec la valeur du Casimir, je leur serais reconnaissant.) Par exemple, pour les groupes de rang 2 : pour A₂ (i.e., SU₃), je trouve des valeurs (proportionnelles à) 8/3, 6, 20/3, 32/3, 12, 16, 50/3, 56/3, 68/3, 24, 80/3, 30… (où seules celles qui sont entières sont possibles pour la forme adjointe PSU₃) ; pour B₂ (i.e., Spin₅), je trouve 5/2, 4, 6, 15/2, 10, 21/2, 12, 29/2, 16, 35/2, 18, 20… (où seules celles que j'ai soulignées sont possibles pour la forme adjointe SO₅) ; et pour G₂, je trouve 12, 24, 28, 42, 48, 60, 64, 72, 84, 90, 100, 108… ; et sinon, pour F₄ : 12, 18, 24, 26, 32, 36, 39, 40, 42, 46, 48, 52… ; et vous devinez évidemment j'ai fait le calcul pour E₈ : 60, 96, 120, 124, 144, 160, 180, 186, 192, 196, 200, 210…

Et pour les espaces homogènes G/H, il doit s'agir de se limiter aux plus hauts poids v qui définissent des représentations de G dont la restriction à H a des points fixes (ou, ce qui revient au même par réciprocité de Frobenius, des représentations qui apparaissent dans l'induite à G de la représentation triviale de H, mais je ne suis pas si ça aide de le dire comme ça). J'arrive (mais laborieusement) à faire les calculs sur des cas particuliers en utilisant l'implémentation des règles de branchement dans Sage. Par exemple, le spectre de G₂/SO₄ (l'espace des sous-algèbres de quaternions dans les octonions) semble être : 28, 60, 72, 112, 132, 168, 180, 208, 244, 264, 300, 324… Mais je comprends trop mal les règles de branchement pour savoir s'il faut chercher une logique d'ensemble ou ce à quoi elle ressemblerait (sur les coordonnées de v dans la base des poids fondamentaux ; ce n'est même pas clair pour moi les v en question forment un sous-réseau du réseau des poids ou quel est son rang). Ajout (2018-06-18T18:50+02:00) : À la réflexion, pour les espaces riemanniens symétriques, je crois que je comprends au moins à peu près la situation (tout est dans la notion de système de racines restreintes) ; je crois même que tout est dit dans le chapitre V (par ex., théorème V.4.1) du livre de 1984 de Sigurður Helgason (Groups and Geometric Analysis), même si j'ai vraiment du mal à le lire ; je crois bien que le rang du réseau des poids v tels que la restriction à H ait des points fixes non triviaux coïncide avec le rang de l'espace symétrique G/H, même si j'aimerais bien voir ça écrit noir sur blanc.

Une chose qui m'étonne beaucoup est que ces suites ne semblent pas être dans l'OEIS. Tout le monde parle de l'importance du spectre du laplacien et personne n'a pris la peine de mettre le résultat, pour les cas les plus évidents que sont les groupes de Lie compacts, dans l'OEIS ‽ Comment est-ce possible ‽ J'hésite cependant à les soumettre moi-même parce que, à vrai dire, je ne suis pas très sûr de bien comprendre ce que je fais. (Et, entre autres choses, je ne sais pas du tout si les valeurs que j'ai listées ci-dessus ont un sens dans l'absolu ou seulement à proportionalité près. La valeur du Casimir semble dépendre d'une normalisation un peu arbitraire sur la longueur des racines ou quelque chose comme ça, et du coup je ne sais pas bien quoi prendre ou quoi soumettre.)

Pour ce qui est de produire des sons à partir de ça, il y a un autre truc sur lequel je n'ai pas des idées claires, c'est quelles amplitudes relatives il serait logique d'utiliser pour ces différentes harmoniques. Si on donne un coup de marteau sur le groupe de Lie G₂ (mais pas assez fort pour le casser !), il va peut-être résonner à des fréquences proportionnelles aux racines carrées de 12, 24, 28, 42, 48, 60, etc., mais avec quelles amplitudes ? Le problème se pose déjà sur une sphère de dimension 2 (SO₃/SO₂, si on veut) : les valeurs propres du laplacien sphérique sont (proportionnelles à) ℓ(ℓ+1), donc si on fait vibrer une sphère, elle produit des fréquences proportionnelles à 1, √3, √6, √10, etc., mais une fois ce spectre connu, ça ne donne pas pour autant un son (même si ça peut faire de jolies animations). Un bout de la réponse est fourni par la multiplicité des valeurs propres en question (sur la sphère, par exemple, ℓ(ℓ+1) a la multiplicité ℓ+1 parce qu'il y a ce nombre-là d'harmoniques sphériques de niveau ℓ indépendantes) ; s'agissant d'un groupe de Lie G, les multiplicités sont les carrés N(v)² des dimensions N(v) = χ_v(1) des représentations irréductibles correspondantes (par exemple, s'agisant de G₂, les valeurs propres avec multiplicité sont (12,7²), (24,14²), (28,27²), (42,64²), (48,77²), (60,77²), etc.). Mais ensuite ? Il me semble que, pour parler abusivement, les « coefficients » de la distribution δ (centrée en 1∈G) sur la base des caractères χ_v sont les N(v) = χ_v(1) et qu'il serait donc logique de donner à la fréquence √C(v) une amplitude proportionnelle à N(v)² (si on tape un coup sec et très localisé sur notre groupe de Lie), mais évidemment ceci diverge très méchamment. Je peux régulariser en remplaçant δ par une gaussienne, ce qui doit revenir à multiplier les coefficients par exp(−C(v)·σ²) avec σ une sorte d'écart-type de la gaussienne, mais le choix de σ est complètement arbitraire dans l'histoire. Bref, je peux produire des sons en superposant des fréquences proportionnelles aux √C(v) avec des amplitudes proportionnelles aux N(v)²·exp(−C(v)·σ²), mais le son en question dépend de façon énorme de σ. Une autre idée est de faire varier l'amplitude avec le temps pour donner une dissipation aux modes de vibration, par exemple en exp(−C(v)·t) (inspiré de l'équation de la chaleur).

Pour faire quand même des essais, de façon assez arbitraire, j'ai décidé de faire que l'intensité de la fréquence √C(v) décroisse en exp(−(C(v)/C(v₀))·(1+t/3s)) où v₀ est le poids qui correspond à la représentation adjointe de G (c'est-à-dire, la plus haute racine), et j'ai de même normalisé les fréquences pour que la fréquence de v₀ soit à 440Hz. C'est-à-dire que j'ai superposé des sin(2π·440Hz·(C(v)/C(v₀))·t) · N(v)² · exp(−(C(v)/C(v₀))·(1+t/3s)) où t est le temps et v parcourt les poids de G. Je n'aime pas le côté assez arbitraire de tout ça (et en particulier de mon 1+), donc je suis preneur d'idées plus naturelles, mais au moins les sons sont intéressants et, pour une fois, pas du tout désagréables à écouter.

Ceci n'est qu'une première expérience : j'en ferai sans doute d'autres quand j'aurai des idées plus claires sur ce que je veux faire et ce qui est intéressant, mais en attendant, voici quelques essais de ce que ça peut donner comme son de frapper différents groupes de Lie compacts (calibrés pour que leur représentation adjointe sonne le la à 440Hz) : en rang 1 : A₁ (c'est-à-dire SU₂, qui est vraiment une 3-sphère, je voulais vérifier que ça avait un son de cloche plausible et ça a effectivement un son de cloche vaguement plausible, c'est déjà ça) ; en rang 2 : A₂ (c'est-à-dire SU₃), B₂ (c'est-à-dire Spin₅) et G₂ ; en rang 4 : A₄ (c'est-à-dire SU₅), B₄ (c'est-à-dire Spin₉), C₄ (c'est-à-dire Sp₄), D₄ (c'est-à-dire Spin₈) et F₄ ; et bien sûr : E₆ et E₈. Tous ces fichiers sont du FLAC et chacun dure 6 secondes, si votre navigateur ne les ouvre pas spontanément, téléchargez-les et vous trouverez certainement un truc qui les lit. Tous les groupes que je viens de donner sont la forme simplement connexe, mais j'ai aussi produit des essais pour comparer le son de la forme simplement connexe avec la forme adjointe (laquelle a moins d'harmoniques) : Spin₅ versus SO₅ d'une part, et SU₃ versus PSU₃ de l'autre.

Ajout (2019-08-23) : voir ce fil Twitter et/ou cette version sur YouTube pour les sons de quelques grassmanniennes réelles, complexes et quaternioniques, ainsi que le plan projectif octonionique.

Je racontais ici que les « mathématiciens du dimanche » étaient souvent fascinés par les nombres premiers et capables de produire toutes sortes de conjectures fantaisistes à leur sujet ; et aussi, ils sont fascinés par l'écriture en base 10. Voici que je vois passer sur MathOverflow (et précédemment sur Math.StackExchange) la conjecture suivante, qui ressemble beaucoup à la caricature de la « conjecture du mathématicien du dimanche », à ceci près qu'elle conjecture que des nombres ne sont pas premiers :

Soit j≥1 un entier naturel, et N_j le nombre formé de la concaténation des écritures en base 10 des nombres (« de Mersenne » consécutifs) 2^j+1−1 et 2^j−1 ; c'est-à-dire : N_j = 10^m·(2^j+1−1) + (2^j−1) où m := ⌊log(2^j−1)/log(10)⌋+1 est le nombre de chiffres de l'écriture décimale de 2^j−1.

(Par exemple, N₁=31 (concaténation de 3 et 1), N₂=73 (concaténation de 7 et 3), N₃=157 (concaténation de 15 et 7), N₄=3115 (concaténation de 31 et 15), etc.)

Conjecture d'Enzo Creti : si N_j≡6 (mod 7), alors N_j n'est pas premier.

(Par exemple : pour j=9, on a N₉=1023511, qui est congru à 6 modulo 7, et il n'est pas premier : il vaut 19×103×523 ; pour j=10, on a N₁₀=20471023, qui est congru à 6 modulo 7, et il n'est pas premier : il vaut 479×42737.)

(Je ne sais pas si l'auteur de cette conjecture est un mathématicien « du dimanche », je ne sais rien sur lui, mais l'énoncé, en tout cas, ressemble exactement au type de spéculations sur les nombres premiers et les écritures en base 10 dont je voulais parler.)

Ce genre de problèmes est à la fois agaçant et passablement intéressant au niveau méta.

Expérimentalement, la conjecture est vérifiée jusqu'à des valeurs passablement grandes de j (l'auteur prétend être allé jusqu'à 4×10⁵ ; moi je me suis arrêté à 10⁴) ; et de plus, elle n'est pas vide, c'est-à-dire qu'il y a effectivement une densité significative (en fait, 1 sur 9) de j pour lesquels la prémisse N_j≡6 (mod 7) est vérifiée.

(On peut accessoirement remarquer que dans chacune des autres classes de congruence de N_j modulo 7, exceptée bien sûr la classe 0, on trouve des nombres premiers. C'est la classe 6 qui semble éviter les nombres premiers. À toutes fins utiles, en distinguant les cas de congruence de m modulo 6 et de j modulo 3, on peut remarquer que 10^m·(2^j+1−1) + (2^j−1) est congru à 6 modulo 7 lorsque soit (m≡3 (mod 6) et j≡0 (mod 3)) soit (m≡4 (mod 6) et j≡1 (mod 3)).)

Pourtant, je pense que n'importe quel théoricien des nombres sera d'accord avec moi pour dire qu'il ne croit pas une seule seconde à une telle conjecture. Pourquoi ?

D'abord, on se rappelle que le théorème des nombres premiers peut s'interpréter en disant que la « probabilité d'être premier » empirique d'un entier x tiré au hasard vaut environ 1/log(x) ; ou si le nombre est impair par construction, disons plutôt 2/log(x). En l'occurrence, on a log(N_j) = 2·log(2)·j + O(1), si bien que N_j a empiriquement une « probabilité d'être premier » qui décroît comme une fonction harmonique de j (quelque chose comme 1/(log(2)·j), en tenant compte du fait qu'il est forcément impair). Or la série harmonique diverge, donc il n'est pas vraisemblable que les N_j échouent tous à être premiers « par hasard ». En revanche, comme la série harmonique diverge très lentement (logarithmiquement), cela veut bien dire qu'il peut être nécessaire de pousser très très loin pour trouver un contre-exemple, donc avoir vérifié 10⁴ ou 10⁵ valeurs ne vaut pas grand-chose, et il n'est pas du tout invraisemblable que 10⁴ ou 10⁵ valeurs échouent toutes à être premières « par hasard » (expliquant ainsi la constatation expérimentale).

Il est donc invraisemblable que la conjecture soit vraie « par hasard », mais vraisemblable qu'elle le paraisse quand même jusqu'à 10⁴ ou 10⁵. Maintenant, se peut-il que la conjecture soit vraie autrement que « par hasard » ? Cela voudrait dire qu'il y aurait une « raison » expliquant une factorisation de 10^m·(2^j+1−1) + (2^j−1) à tous les coups (par exemple une identité algébrique, ou une conguence à 0 qui vaut à tous les coups, enfin, une « raison » qui fait qu'il n'est jamais premier). Or, si on met de côté la donnée que m est le nombre de chiffres décimaux de 2^j−1, ce n'est pas vrai que 10^m·(2^j+1−1) + (2^j−1) n'est jamais premier. En effet, en changeant un petit peu m, j'ai le contre-exemple de 10⁷⁰·(2²³⁰−1) + (2²²⁹−1) (où le nombre 2²²⁹−1 a 69 chiffres décimaux, j'ai inséré juste un 0 de plus dans la concaténation) : ce nombre est bien congru à 6 modulo 7, et il est premier (il a 140 chiffres, alors vous m'épargnerez de l'écrire complètement). Bref, si la conjecture était vraie autrement que par hasard, il faudrait avoir une factorisation de 10^m·(2^j+1−1) + (2^j−1) qui dépende du fait que m est précisément le nombre de chiffres décimaux de 2^j−1, et ça, ça semble complètement abracadabrant. (Tout ce que je raconte est complètement empirique, bien sûr, je n'ai pas de contre-exemple à la conjecture énoncée plus haut, mais j'explique pourquoi je n'y crois pas.)

Bref, je suis complètement convaincu qu'il y a un contre-exemple, et que ce contre-exemple a un j très grand (donc un N_j gigantesque), et ce n'est pas très surprenant qu'il soit difficile à trouver. Pour être un peu plus précis dans la quantification de la vraisemblance, numériquement, le produit des 1−(2/log(N_j)) (i.e., leur probabilité empirique de ne pas être premiers, le 2 étant là parce qu'ils sont impairs) parcourant ceux des N_j qui sont congrus à 6 modulo 7 vaut environ 0.25 pour j allant jusqu'à 10⁴, c'est-à-dire qu'il y avait a priori environ 25% de chances pour qu'aucun de ces nombres ne soit premier compte tenu de leurs tailles (et du fait qu'ils sont impairs) ; si on monte jusqu'à 4×10⁵, cela doit tomber à environ 18%. Bref, ce n'est pas du tout invraisemblable que la conjecture soit vraie jusqu'à ce point-là « par hasard ». Il suffit qu'il y ait une dizaine de mathématiciens du dimanche qui essaient des conjectures de ce genre, et il y en aura bien un qui tombera sur une qui marche sur toutes les valeurs que sa patience lui permettra de tester ; en fait, il suffit même qu'un seul mathématicien du dimanche ait testé la restriction des N_j à suffisamment de classes de congruence modulo des petits nombres pour tomber sur une qui semble ne contenir que des nombres composés.

Il n'est cependant pas exclu à mes yeux qu'il y ait une « raison » un peu plus précise que le hasard pour laquelle la conjecture soit vraie pour des « assez petites » valeurs de j, et c'est un problème possiblement intéressant. Il est par exemple possible que plein de cas de congruence de j et de m excluent la primalité. (Un exemple idiot est que si j est congru à 0 modulo 4, sans aucune discussion sur m, alors N_j est multiple de 5 — parce que 2^j−1 l'est — et donc N_j n'est certainement pas premier ; donc déjà il n'y a plus que les quatre cinquièmes des j qui jouent vraiment, et cela contribue à rendre encore moins invraisemblable que la conjecture soit vraie « par hasard » pour des petites valeurs de j. Mais il y a peut-être des choses plus intelligentes à dire.)

Il y a notamment une chose qu'on peut voir, c'est que m := ⌊log(2^j−1)/log(10)⌋+1 (le nombre de chiffres décimaux de 2^j−1) vaut en fait ⌊j·ξ⌋+1 où ξ := log(2)/log(10) ≈ 0.301. Les réduites du développement en fraction continue de ξ sont 1/3, 3/10, 28/93, 59/196, etc. Si je remplace m=⌊j·ξ⌋+1 par m=⌊j·x⌋+1 où x est une de ces réduites, j'obtiens d'autres suites de nombres N′_j (dépendant de x que j'omets abusivement dans la notation), à savoir N′_j := 10^{(⌊j·x⌋+1)}·(2^j+1−1) + (2^j−1), qui coïncident avec N_j au début (et d'autant plus loin que la réduite est bonne), et je peux poser la question de la conjecture analogue pour ces suites-là. Pour x=1/3, la conjecture sur les N′ ne vaut pas, car pour j=330, le nombre N′₃₃₀ = 10¹¹¹·(2³³¹−1) + (2³³⁰−1) est congru à 6 modulo 7 et est premier ; pour x=3/10, la conjecture sur les N′ ne vaut pas non plus, car pour j=849, le nombre N′₈₄₉ = 10²⁵⁵·(2⁸⁵⁰−1) + (2⁸⁴⁹−1) est congru à 6 modulo 7 et est premier. Mais pour x=28/93 (autrement dit, avec N′_j := 10^{(⌊j·28/93⌋+1)}·(2^j+1−1) + (2^j−1)), je n'ai pas trouvé de contre-exemple : au moins jusqu'à j=10⁴, les N′_j qui sont congrus à 6 modulo 7 ne sont jamais premiers. C'est déjà moins invraisembable d'imaginer que tous ces N′_j-là soient premiers que pour les N_j de la conjecture de départ : on peut tout à fait imaginer qu'il y ait une distinction de quelque chose comme 93 cas selon la valeur de j qui permette, dans chacun des cas (ou simplement dans un grand nombre de ces cas, diminuant d'autant le hasard !), de montrer que N′_j serait divisible par quelque chose. Du coup, si N′_j n'est jamais premier, cela expliquerait que plein de petites valeurs de N_j soient composées, et il est encore moins surprenant qu'ensuite on tombe par hasard sur des nombres composés.

Mise à jour (avant publication) : bon, en fait, pour j=14058, le nombre N′₁₄₀₅₈ = 10⁴²³³·(2¹⁴⁰⁵⁹−1) + (2¹⁴⁰⁵⁸−1) est congru à 6 modulo 7 et semble être premier (en tout cas il passe des tests de pseudo-primalité), donc mon explication n'est pas la bonne, mais je la laisse parce qu'on voit que ce genre de choses est tout à fait imaginable.

Laissant de côté la question mathématique proprement dite, il reste la question de savoir comment un mathématicien (au hasard, féru de vulgarisation) doit réagir face à ce genre de conjectures. C'est toujours un peu délicat d'expliquer je n'y crois pas du tout malgré vos constatations expérimentales, et même si on peut expliquer tout ce que je viens d'expliquer sur les probabilités, il reste quand même un certain acte de foi, quand je dis qu'il est « complètement abracadabrant » qu'il y ait un phénomène de ce genre sur les nombres premiers qui fasse intervenir de façon cruciale le nombre de chiffres décimaux du nombre 2^j−1 (même si on le revoit comme ⌊j·ξ⌋+1 avec ξ = log(2)/log(10)).

Écrire l'entrée récente sur la vulgarisation des mathématiques m'a motivé a essayer d'écrire un morceau de vulgarisation sur la symétrie, les groupes finis et (l'histoire de) la classification des groupes simples finis. Comme c'était évidemment prévisible, ce texte est en train de grandir jusqu'à une taille démesurée, et comme d'habitude le risque commence à devenir sérieux que je finisse par en avoir marre et que je laisse tomber ; j'essaierai, le cas échéant, de m'efforcer de publier ce que j'aurai déjà écrit même si c'est inachevé plutôt que le garder indéfiniment dans mes cartons en pensant je finirai peut-être un jour. Ceci n'est pas le texte en question : c'est une tangente qui est déjà insupportablement longue en elle-même. Mais ceci est une illustration de ce que je disais dans l'entrée récente liée ci-dessus : on apprend toujours quelque chose en faisant de la vulgarisation, même quand on croit se placer à un niveau où on sait déjà tout ; et aussi que ça peut être un problème mathématiquement difficile de trouver comment bien expliquer ceci ou cela.

Puisqu'il s'agit de raconter mes difficultés, je m'adresse dans ce qui suit à des lecteurs qui sont déjà familiers avec la notion de groupe (et de sous-groupe, de quotient, de permutations, de signature (=parité) d'une permutation, et quelques choses à peu près à ce niveau-là). Normalement le contenu de l'entrée interminable que je viens de promettre pour un lendemain rieur devrait suffire à comprendre celle-ci (mais bon, c'est la théorie ; pour la pratique, je ne sais pas bien). Bref.

Remarque informatique : J'utilise la notation 𝔖 pour le groupe symétrique et 𝔄 pour le groupe alterné. Vous devriez voir une ‘S’ gothique (enfin, fraktur) pour le premier et un ‘A’ gothique pour le second. Mais on me souffle que dans certaines contrées reculées où la totalité d'Unicode ne baigne pas encore le monde de sa lumière bienfaisante et où les polices sont incomplètes, ces deux symboles pourraient apparaître comme des simples carrés (sans même un numéro hexadécimal à l'intérieur permettant de les distinguer simplement), ce qui est un peu fâcheux si je cherche à dire que 𝔄_n est simple (pour n≥5) alors que 𝔖_n n'est que « presque simple », par exemple. Pour toucher aussi ces provinces reculées (ainsi que les gens qui font une allergie à l'écriture gothique), j'ai prévu un peu de magie en JavaScript qui remplacera en un seul clic tous ces symboles par des identifiants plus explicites Sym et Alt : cliquez ici pour activer ce remplacement.

Je commence par expliquer le contexte (même si ce n'est pas vraiment important pour ce que je veux raconter ci-dessous, et c'est un peu plus technique, donc on peut ignorer), une des idées que je veux évoquer, au moins rapidement et en petits caractères, même si c'est un peu technique, est le fait qu'un groupe simple fini non abélien G apparaît souvent, dans la nature, « étendu » par des petits groupes (résolubles, souvent cycliques), de l'une ou l'autre, ou les deux, de manières (que, à ma grande honte, j'ai beaucoup tendance à confondre). À savoir : (1) « par la droite » par des automorphismes extérieurs, c'est-à-dire sous la forme d'un groupe E (dit presque simple) intermédiaire entre G et le groupe Aut(G) des automorphismes de G, si bien que G est un sous-groupe distingué de E avec un « petit » quotient (le plus gros possible étant le groupe Out(G)=Aut(G)/Int(G) des automorphismes extérieurs de G) ; ou bien (2) « par la gauche » par un sous-groupe central, c'est-à-dire sous la forme d'un groupe G˜ (dit quasisimple), parfait (= sans quotient abélien), ayant cette fois G comme quotient par un noyau contenu dans le centre de G˜ (et de nouveau il y a un plus gros revêtement possible, donné par le multiplicateur de Schur) ; et on peut avoir les deux à la fois, ce qui complique encore les définitions (je n'en connais d'ailleurs pas qui ne soient pas passablement pénibles à donner, donc si quelqu'un a ça, ça m'intéresse), et en plus on se perd dans les marais de l'« isoclinisme ». Je voudrais donner des exemples des deux phénomènes, voire des deux à la fois. Ne voulant pas supposer que mon lecteur est familier avec l'algèbre linéaire, je voudrais donner l'exemple du groupe alterné G = 𝔄_n des permutations paires sur n objets. À ce moment-là, l'exemple de la situation (1) est facile à donner, c'est le groupe symétrique E = G:2 = 𝔖_n de toutes les permutations sur n objets (et il n'est pas difficile d'expliquer que l'automorphisme intérieur défini par une permutation impaire devient, quand on le restreint au groupe alterné G = 𝔄_n, un automorphisme extérieur). La situation (2) se produit aussi, et il existe un revêtement double G˜ = 2·G = 2·𝔄_n, et deux revêtements doubles (« isoclinaux ») 2·𝔖_n⁺ et 2·𝔖_n⁻. J'ai donc bien envie d'essayer de décrire à quoi ressemblent ces groupes. L'ennui, c'est qu'ils ne sont vraiment pas commodes à décrire.

Ce dont il est question, ce sont deux groupes 2·𝔖_n⁺ et 2·𝔖_n⁻ qui sont des « revêtements doubles » du groupe symétrique 𝔖_n sur n objets, et qu'on peut considérer comme des sortes de « permutations avec un signe »[#].

[#] (Ajout)Il vaut mieux éviter de dire permutations signées, parce que le groupe des permutations signées est encore autre chose (que les quatre groupes de permutations-avec-un-signé décrits ci-dessous, et qui ont tous 2·n! éléments) : le groupe des permutations signés, ou « produit en couronne » {±1} ≀ 𝔖_n, lui, a 2ⁿ·n! éléments : on peut le décrire comme les permutations de l'ensemble {±1}×{1,…,n} qui, si elles envoient (+1,x) sur (±1,y) doivent alors nécessairement envoyer (−1,x) sur (∓1,y) (autrement dit, changer la première coordonnée de la source change la première coordonnée de la cible) ; on peut aussi voir ça comme des matrices dont toutes les entrées sont nulles sauf qu'il y a des ±1 sur le graphe d'une permutation (entre lignes et colonnes). Ce groupe {±1} ≀ 𝔖_n, bien que plus gros, est assez simple à manipuler, et malheureusement il ne contient pas (sauf pour n très petit) les groupes 2·𝔖_n⁺ et 2·𝔖_n⁻ dont je veux parler ici. Je vais y revenir.

L'idée est la suivante : je vais chercher des groupes G˜ ayant 2n! éléments, à savoir deux pour chaque permutation σ dans G := 𝔖_n ; disons qu'on va noter +[σ] (ou simplement [σ]) et −[σ] les deux éléments de G˜ correspondant à une permutation σ, mais attention, le choix de qui est +[σ] et qui est −[σ] est dans une certaine mesure arbitraire, c'est bien ça qui va poser problème. Je vais maintenant imposer plusieurs choses : d'abord, si 1 désigne la permutation triviale (l'identité : celle qui envoie chaque objet sur lui-même), alors +[1], qu'on va juste noter +1 ou 1 sera l'élément neutre de mon groupe ; quant à −[1], qu'on va simplement noter −1, il aura la propriété que le produit (−1)·[σ] sera −[σ] et le produit (−1)·(−[σ]) sera +[σ] comme on s'y attend, autrement dit, −1 est « central » (il commute à tout) et échange +[σ] et −[σ] ; enfin, je vais vouloir que [σ]·[τ] soit ±[σ·τ] où σ·τ désigne le produit dans 𝔖_n et ± signifie qu'il y a peut-être un signe (cela dépend de σ et τ : on pourrait le noter c(σ,τ)) mais je n'impose rien à son sujet (c'est-à-dire, rien que ce qui est nécessaire pour obtenir un groupe).

Il se trouve qu'il y a (pour n≥4) exactement quatre groupes qui répondent aux contraintes que je viens d'énoncer : deux sont sans intérêt (mais il est pertinent de les décrire pour expliquer un peu comment les choses peuvent fonctionner) et les deux autres sont ces fameux revêtements doubles 2·𝔖_n⁺ et 2·𝔖_n⁻ dus à Issai Schur :

0. Le plus évident est le groupe produit direct {±1}×𝔖_n (ou 2×𝔖_n étant entendu que 2 désigne abusivement le groupe cyclique Z₂={+1,−1} à deux éléments) ; c'est-à-dire qu'ici le signe et la permutation n'interagissent pas du tout. Autrement dit, dans ce groupe-là, on a [σ]·[τ] = [σ·τ] (toujours avec un signe ‘+’), et il n'y a vraiment rien d'intéressant à en dire. Remarquons que si σ est une transposition (= permutation d'ordre 2 échangeant deux éléments et laissant fixes tous les autres), alors ±[σ] est d'ordre 2 dans ce groupe, et que si σ est le produit de deux transpositions de support disjoints (= permutation d'ordre 2 échangeant deux paires d'éléments et laissant fixes tous les autres), alors ±[σ] est encore d'ordre 2.
1. Un groupe un petit peu moins évident est celui dans lequel [σ]·[τ] = [σ·τ] sauf lorsque σ et τ sont toutes les deux impaires, auquel cas [σ]·[τ] = −[σ·τ]. Faute d'idée de meilleure notation, je vais le noter 2⊙𝔖_n pour y faire référence plus tard. En fait, il est peut-être plus parlant pour y penser de modifier la notation et, lorsque σ est une permutation impaire, de noter (ou en tout cas de penser comme) +i[σ] et −i[σ] plutôt que +[σ] et −[σ] les deux éléments du groupe qui relèvent σ, où i est la racine carrée complexe standard de −1, auquel cas la règle des signes que je viens de donner est assez logique. (Je répète que je ne change pas du tout le groupe, là, je change juste la manière de noter ses éléments ou simplement d'y penser.) Ce groupe a la propriété que si σ est une transposition, alors ±[σ] est d'ordre 4 dans ce groupe (puisque son carré va être −1 d'après la règle de signe), et que si σ est le produit de deux transpositions de support disjoints, alors ±[σ] est d'ordre 2.
2. On a le groupe 2·𝔖_n⁺ que je vais essayer (sans grand succès) de décrire : il a la propriété que si σ est une transposition, alors ±[σ] est d'ordre 2 dans ce groupe (son carré vaut 1), et que si σ est le produit de deux transpositions de support disjoints, alors ±[σ] est d'ordre 4 (son carré vaut −1).
3. Enfin, on a le groupe 2·𝔖_n⁻ : il a la propriété que si σ est une transposition, alors ±[σ] est d'ordre 4 dans ce groupe (son carré vaut −1), et que si σ est le produit de deux transpositions de support disjoints, alors ±[σ] est également d'ordre 4 (son carré vaut −1).

Les deux premiers groupes dont je viens de parler (2×𝔖_n et 2⊙𝔖_n) deviennent identiques si on se limite aux permutations paires (et c'est toujours aussi inintéressant : c'est {±1}×𝔄_n qu'on peut aussi noter 2×𝔄_n) ; il en va de même des deux derniers : on note 2·𝔄_n (groupe d'ordre n!) la restriction de l'un ou l'autre de 2·𝔖_n⁺ ou 2·𝔖_n⁻ aux permutations ±[σ] avec σ paire.

[Lire la suite…]

(Pour l'explication du titre, voir cette vieille entrée.)

J'assistais tout à l'heure à une séance de présentation, pour les élèves de Télécom ParisPloum où j'enseigne, des différentes filières (=spécialisations) entre lesquelles ils doivent piocher pour leur deuxième année. (La première année est généraliste, et en seconde année ils doivent choisir essentiellement deux-parmi-N spécialisations.) À vrai dire, j'étais plus là pour écouter les questions des élèves et les réponses faites par mes collègues, qui s'en sortaient très bien et n'avaient pas trop besoin de mon aide ; mais c'est intéressant, ne serait-ce que sociologiquement, de savoir ce que nos élèves ont comme questions à poser, et éventuellement comme préconceptions, sur les enseignements qu'on leur propose.

L'une des filières où j'enseigne s'appelle MITRO comme Mathématiques, Informatique Théorique, et Recherche Opérationnelle : c'est un rassemblement légèrement hétéroclite de cours à dominance plus théorique ayant pour but de donner une culture générale utile, soit en complément d'autres filières, soit pour entrer dans un master en informatique ou en recherche opérationnelle ; j'y fais un cours de théorie des jeux dont j'ai déjà parlé. (J'enseigne aussi un cours sur les courbes algébriques dans une filière AC2Q comme Algèbre, Codage, Crypto, Quantique, et les deux filières ont une intersection assez importante dans leur population d'élèves.)

Et une des questions qui m'a frappée à laquelle mon collègue présentant MITRO a dû répondre à un bon nombre de reprises, portait sur le contenu des mathématiques. Ça ne m'avait pas tellement frappé les années précédentes, ou peut-être que je n'avais juste pas fait attention :

En fait, nos élèves ont une vision très étroite de ce que sont les mathématiques. Et on ne peut pas leur en vouloir : ils sortent (pour l'essentiel) des classes prépa françaises, où on leur a enseigné, au moins sous l'étiquette mathématiques, des maths qui se limitent essentiellement à deux choses, (1) de l'algèbre linéaire, (2) de l'analyse réelle classique, et depuis récemment un peu de (3) probabilités. En première année à Télécom, ils ont des cours de maths qui couvrent les probabilités et encore plus d'analyse (un peu d'analyse fonctionnelle, cette fois ; j'enseigne aussi dans le cadre de ce cours-là). Donc au final, pour eux, les maths, c'est des espaces vectoriels (réels ou complexes), des intégrales et des probas (essentiellement). Et ils nous demandent, soit en l'espérant soit en le craignant, s'il y a des choses comme ça dans la filière MITRO. La notion de maths discrètes leur est largement inconnue.

Mais ce qui est un peu ironique, c'est qu'en fait ils ont déjà fait des maths discrètes (par exemple, ils savent ce que c'est qu'un graphe, un arbre, ce genre de choses) : simplement, ils en ont fait, en prépa ou après, dans des cours étiquetés informatique. Et j'enseigne moi-même un cours sur les langages formels (cf. ici) qui, dans mon esprit, est clairement un cours de maths, mais qui est étiqueté informatique (ceci provoque d'ailleurs des malentendus dans l'autre sens, parce que j'en ai qui se plaignent qu'on ait besoin de raisonner).

Je suis de l'avis que l'informatique théorique, ainsi qu'une bonne partie de la physique théorique, fait partie des mathématiques. En fait, pour moi, les mathématiques ne se définissent pas par leur objet d'étude mais par leur méthode, c'est-à-dire le fait qu'on arrive à la vérité par un raisonnement déductif dont la rigueur se cherche dans l'aspect formel ou du moins formalisable ; par opposition, essentiellement, aux sciences expérimentales dont la méthode est inductive et la rigueur se cherche dans l'application méticuleuse d'un protocole expérimental. Il se trouve que cette distinction — qui n'exclut pas qu'il y ait des régions intermédiaires où on combine un raisonnement partiellement heuristique et des constatations expérimentales — est largement transverse à un domaine comme l'informatique, la physique ou l'astronomie, et je classifie donc l'informatique théorique comme étant à la fois des maths (pour la méthode) et de l'informatique (pour la finalité).

Mais peu importent les classifications. (Si vous trouvez que je dis des conneries ci-dessus, je n'ai pas vraiment l'intention de défendre ma position, je dis comment je pense spontanément les choses, mais fondamentalement je me fous un peu de savoir comment on place les frontières entre les domaines d'investigation du savoir humain.) Ce qui m'inquiète, c'est l'effet de myopie disciplinaire.

Que les classes prépa françaises n'enseignent essentiellement que de l'algèbre linéaire, de l'analyse réelle classique et des probabilités, je ne me sens pas spécialement fondé à le critiquer. À un certain niveau, j'aimerais bien qu'on y rencontre la notion de corps fini, mais je comprends qu'il y a plein de choix à faire, que tout le monde tire la couverture à soi, que c'est très politique, etc.

Mais ce que je trouve vraiment regrettable, quand je repense à l'entrée que je viens d'écrire où j'évoque l'idée que le grand public se fait des mathématiques (manipuler des gros nombres ou manipuler des grosses formules), c'est que des élèves qui en ont quand même avalé nettement plus que le grand public aient toujours une idée finalement toujours aussi étroite de ce que sont les mathématiques. C'est-à-dire que je trouve que, même si on n'a pas le temps d'enseigner ceci ou cela de précis, et même si « ça ne sert à rien » (or je ne crois pas que ça ne serve à rien), on doit quand même pouvoir trouver le moyen de faire un survol de ce que sont les branches, et comment elles se nomment, des mathématiques, toutes les mathématiques. (Disons au moins en se donnant comme but que ce ne soit pas une surprise d'apprendre qu'il y a des mathématiciens qui étudient les graphes et qui n'ont qu'un rapport extrêmement lointain avec l'informatique. Mais aussi pour pouvoir leur dire, voyez, ce qu'on va vous enseigner, c'est les parties anciennes de ce tout petit bout-là.) Je pense bien sûr la même chose des autres sciences qu'ils peuvent être amenés à étudier, même si j'ai l'impression — peut-être effet de ma propre myopie — que la « cartographie » des mathématiques est particulièrement mal connue.

Bon, il faut peut-être que j'arrête d'intituler mes entrées quelques réflexions sur… ou réflexions décousues sur…, parce qu'à peu près tout ce que j'écris finit par rentrer dans cette forme. Mais j'aime bien me retrancher derrière cette sorte d'excuse quand je ne sais pas très bien à l'avance ce que je vais raconter et/ou que je n'ai pas envie d'essayer d'élaborer un plan. [Ajout : J'ai essayé de faire un plan a posteriori en insérant des intertitres à certains points dans cette entrée, peut-être que ça aide à la lire.]

☞ Vulgarisation à différents niveaux

La vulgarisation mathématique (et occasionnellement, physique) occupe une grande place dans ce blog. Enfin, déjà, il faut se demander ce que le terme vulgarisation recouvre au juste, vu que je parle rarement en faisant l'effort d'être compréhensible par un public complètement non-initié (i.e., Madame Michu — parce que ma maman en a marre d'être prise en exemple de la-personne-qui-ne-connaît-rien-aux-maths), mais je pense qu'il y a justement une place intéressante, et trop peu exploitée, pour toute forme de communication qui s'adresse à un public plus large que les spécialistes mais néanmoins plus étroit que le vulgum pecus, par exemple un scientifique d'un autre domaine, ou un enseignant du secondaire. (Le monde scientifique est tellement cloisonné[#] que les initiatives par lesquelles les biologistes et les informaticiens se tiendraient mutuellement au courant de leurs recherches, hors d'un cadre d'applications directes, sont extrêmement rares, et c'est même le cas entre algébristes et analystes ; et il en va semblablement entre enseignants-chercheurs dans le supérieur et enseignants du secondaire. Tout cela est vraiment triste.) Convenons d'appeler encore ça de la vulgarisation. Je ne sais pas si c'est exactement ça que j'essaie de faire, le niveau auquel je place mon exposition de tel ou tel concept mathématique dépend plus de mon inspiration du moment et de la difficulté du concept lui-même que de l'intention de viser tel ou tel public que je cerne, de toute façon, assez mal. Mais il est certain que j'écris des explications à ces niveaux assez variés[#2], et j'ose espérer qu'au moins une partie de ce que j'ai pu écrire au chapitre vulgarisation mathématique a été compréhensible par le très grand public et qu'au moins une partie a pu être intéressante pour d'autres matheux (et peut-être même que ces parties ont une intersection non-triviale, ce qui serait formidable). Bref.

[#] J'ai déjà plusieurs fois cité Giancarlo Rota à ce sujet : A leader in the theory of pseudo-parabolic partial differential equations in quasi-convex domains will not stoop to being understood by specialists in quasi-parabolic partial differential equations in pseudo-convex domains.

[#2] Enfin, j'ai toujours considéré ça comme évident, mais au moins une personne lisant mon blog (et que je ne dénoncerai pas) ne s'en était pas aperçu. Dès qu'il est question de maths, je ne comprends plus rien… — D'accord, mais est-ce que tu avais bien compris que parfois quand je parle de maths ce n'est pas censé être compréhensible par le grand public et parfois si ? — Hum… Là on peut vraiment considérer que c'est un échec.

☞ Mon intérêt pour la vulgarisation

Bref, je fais souvent de la vulgarisation mathématique, mais je n'ai jamais vraiment parlé de vulgarisation mathématique : pourquoi ça m'intéresse, pourquoi j'en lis, pourquoi j'en fais, etc.

Je suis tombé dans la marmite de la vulgarisation scientifique quand j'étais petit (avouons que mon papa m'a un peu poussé dans la marmite en question), par exemple à travers le livre Cosmos de Carl Sagan (tiré de la série du même nom), ou de One, Two, Three… Infinity de George Gamow (ça fait plus de trente ans que je ne l'ai pas lu, celui-là, je devrais sans doute y jeter à nouveau un œil pour voir ce qu'il contenait), ou encore The Emperor's New Mind de Penrose ainsi que (plus tard) Gödel, Escher, Bach de Hofstadter auquel le livre de Penrose est plus ou moins une réponse, ou enfin Les Trous noirs de Jean-Pierre Luminet.

Et je continue à apprécier la vulgarisation scientifique (en tout cas quand elle est bonne) à différents niveaux. Même quand je n'apprends rien sur le fond, ce qui est rarement le cas ne serait-ce que parce que les vulgarisateurs racontent de l'histoire des sciences en même temps que la science elle-même, j'apprends quelque chose de très important, qui est comment communiquer, justement, avec le grand public, ce qui est loin d'être évident, et d'autant moins évident qu'on parle d'un sujet abstrait comme la physique théorique ou les mathématiques. Une des difficultés de l'exercice est de trouver des analogies ou des images qui respectent le double impératif largement contradictoire d'être parlantes (c'est-à-dire compréhensibles mais aussi éclairantes) et correctes (c'est-à-dire qui évitent de simplifier tellement les choses que ça devient une bouillie de mots qui ne veulent plus rien dire) : c'est quelque chose de véritablement difficile, et j'essaie de retenir les bonnes analogies que je trouve pour pouvoir les resservir éventuellement. Et même quand il s'agit de quelque chose que je connais très bien, il y a toujours quelque chose à apprendre sur comment bien le résumer, comment souligner ce qui est le plus important, quoi mettre en lumière et quoi passer sous silence, etc. À titre d'exemple, le cosmologiste Sean Carroll est, à mon avis, un vulgarisateur extraordinaire, et cette petite série de cinq épisodes de trois ou quatre minutes chacun sur la direction du temps (s'adressant à des gens qui, quand même, ont une certaine culture scientifique générale) est un modèle à suivre de comment expliquer les choses clairement bien que rapidement (ou cet exposé, plus long et sans doute plus élémentaire, sur le même sujet).

Inversement, quand on écrit de la vulgarisation, on apprend toujours quelque chose sur ce sur quoi on écrit. Même quand on pense exposer quelque chose qu'on connaît parfaitement, et quel que soit le niveau auquel on se place, il y aura toujours quelque chose à apprendre, ou au moins à mieux comprendre, dans le processus d'explication. C'est une des raisons qui me pousse à me prêter à l'exercice (et plus généralement, à aimer enseigner), et je pense que cela devrait faire partie de n'importe quel travail de recherche.

☞ Pourquoi j'aime parler de trucs « vieux »

Il y a quand même une chose qui m'agace dans la vulgarisation, en tout cas comme certains la pratiquent, c'est la tendance à surreprésenter les progrès récents (dans le domaine scientifique considéré), voire, la recherche personnelle du vulgarisateur. Je comprends évidemment les raisons qui poussent à ça : il est gratifiant de parler de ce qu'on fait soi-même, et on a envie de montrer au grand public qu'on fait avancer la science, et ce qui se passe « sur le front ». Et inversement, le grand public a sans doute plus envie qu'on lui parle de la physique toute récente que de celle de Newton. L'ennui, c'est que pour bien faire comprendre la physique toute récente, il faut sans doute commencer par bien faire comprendre celle de Newton (puis celle de Maxwell, puis celle d'Einstein et celle de Schrödinger et Heisenberg… enfin, vous voyez l'idée). Forcément, dans le cadre de la vulgarisation, on va sauter des étapes, commettre des approximations, passer des choses sous silence, et peut-être ne faire qu'évoquer Newton pour dire directement des choses sur le boson de Higgs ou les ondes gravitationnelles ou la théorie des cordes ou que sais-je encore. C'est bien, et c'est normal. Mais il est quand même utile qu'il y ait aussi des gens qui vulgarisent Newton, et ce n'est pas forcément si évident que ça, et c'est vraiment utile parce que Newton est quand même bigrement pertinent dans la vie de tous les jours (certainement plus que les ondes gravitationnelles), et d'ailleurs ce serait sacrément utile dans le débat politique si le grand public connaissait un peu mieux la physique, disons, de Boltzmann (par exemple ce que j'en racontais ici). Mais je m'écarte un peu de la question de la vulgarisation pour m'aventurer dans celle de la culture générale scientifique (question sur laquelle j'aurais beaucoup à dire, mais je vais essayer de garder ça pour une autre fois).

Je ne suis pas spécialement tenté, moi, de vulgariser ma propre recherche[#3] (même en mettant de côté le fait que ma propre recherche papillonne dans tous les sens plutôt qu'elle ne progresse dans une direction bien définie). J'en ai déjà déçu plus d'un, comme ça, qui m'invitait à parler devant telle ou telle assistance (par exemple ici) et qui espérait plus ou moins que je parlerais de quelque chose d'un peu actuel : non, j'ai plutôt envie de parler d'objets ou de théories mathématiques qui sont bien connues depuis des dizaines et des dizaines d'années. Ne serait-ce que parce que plus c'est vieux, mieux c'est compris, et mieux on sait, entre autres, quelle est la bonne façon de voir et de présenter les choses. J'aime comparer les maths à un palais magnifique et incompréhensiblement gigantesque, à la structure à la fois labyrinthique et extraordinairement belle, — palais qu'on visite en étant totalement aveugle, si bien qu'on ne peut que tâtonner pour comprendre comment les salles sont agencées et quels bibelots précieux elles contiennent : si je dois emmener un groupe de touristes faire un tout petit tour du palais, je vais plutôt les emmener visiter les salles bien cartographiées que celles qu'on ne sait atteindre que par un chemin compliqué et qui sont peut-être encore en train d'être déterrées par les archéologues (hum, mes métaphores sont un peu mélangées, mais vous voyez l'idée).

[#3] Plus généralement, d'ailleurs, je constate empiriquement que les exposés scientifiques sont d'autant plus intéressants et agréables à écouter (à mon avis personnel à moi que j'ai) que l'orateur ne parle pas de ses propres travaux (c'est la règle au séminaire Bourbaki, mais j'aimerais que plus de séminaires adoptassent le même principe).

☞ Comment communiquer la beauté des mathématiques ?

C'est indiscutablement la beauté des mathématiques, et plus précisément la beauté de certains objets mathématiques, qui me motive à la fois pour faire des maths et pour communiquer autour des maths. La physique m'intéresse mais les maths font bien plus, elles m'émerveillent. J'ai déjà parlé ici et là de deux de mes fascinations mathématiques les plus profondes (la symétrie et la « grandeur »), j'ai déjà plein de fois fait références à ces entrées, donc je ne vais pas revenir dessus. Mais étant moi-même envoûté par l'élégance de telle ou telle structure mathématique, j'ai envie de partager cette fascination, pas seulement à mes collègues mais aussi au grand public.

Et la frustration, quand on essaie de communiquer la beauté d'un objet mathématique, est à peu près celle qu'un musicien sourd aurait à essayer d'expliquer à un autre sourd (mais non musicien) la beauté d'une symphonie de Beethoven (compositeur lui-même sourd), qu'il aurait appris à « comprendre » en lisant la partition, mais que personne ne l'aurait jamais entendue jouée. Mes métaphores sont décidément pourries, mais vous voyez l'idée. Mes métaphores sont notamment pourries parce que je suis fermement dans le camp « platonicien » s'agissant des structures mathématique (au moins celles qui sont finitaires), c'est-à-dire convaincu que ces structures préexistent à leur découverte, existent indépendamment du monde matériel ou des lois de la physique (ou de la neurologie du cerveau du mathématicien), et notamment que leur beauté est telle qu'aucun humain n'aurait jamais pu la créer. (Je sais que tout cela peut sembler un tantinet religieux — et je vais revenir là-dessus au sujet d'un chauffeur de taxi. De nouveau, je m'écarte un peu de la question de la vulgarisation, cette fois vers celle de la philosophie des mathématiques, et de nouveau j'aurais beaucoup à dire mais je vais efforcer de garder ça pour une autre fois.) Bref, une meilleure comparaison serait peut-être d'essayer de décrire la beauté de la planète Jupiter dans un monde où tout le monde est aveugle.

Alors on peut faire quelques images. Je fais des choses comme ça sur YouTube et vous en avez vu passer d'autres sur ce blog (comme récemment ici) ou sur des pages web spécifiques (genre ici ou là). Ces images peuvent peut-être aider à commencer de convaincre qu'il y a une forme de beauté dans les mathématiques, mais pour l'essentiel, il ne s'agit que de pâles reflets des objets représentés. L'ensemble de Mandelbrot, on aura peut-être une toute petite idée de sa richesse en jouant à zoomer dessus de façon interactive, en prenant vraiment le temps d'explorer ses recoins, certainement pas en regardant une seule vidéo de zoom. S'agissant de E₈, cette vidéo est jolie et a eu un certain succès (49k vues, quand même !), mais on est littéralement dans la situation de l'allégorie de la caverne de Platon, on regarde la projection en deux dimensions d'un objet plus riche, sauf que cet objet est de dimension 8 (et encore, l'objet de dimension 8, ce n'est que le système de racines de E₈, qui n'est qu'une sorte d'empreinte à partir de laquelle le vrai E₈, le groupe algébrique, est fabriqué, et lui il est de dimension 248). S'agissant des ordinaux, je peux bien représenter ε₀ par des petits bâtons, mais on n'y voit franchement pas grand-chose, et ça ne donne aucune idée de comment « fonctionne » cet ordinal, sans parler d'ordinaux beaucoup plus grands. Pour ce qui est du groupe de Mathieu sur 24 objets, vous pouvez jouer à ce petit puzzle tant que vous voudrez (cf. ici pour les explications), je doute que ça permette de visualiser vraiment le groupe. Quant à ceci, c'est une représentation à peu près fidèle du graphe de Higman-Sims (si tant est qu'on arrive à distinguer les sommets, mais bon, j'ai mis sur Wikipédia les vues les plus importantes), mais ça ne montre pas vraiment ce qui le rend remarquable, on ne peut certainement pas voir le groupe de Higman-Sims là-dedans, et je ne vous parle pas du réseau de Leech dont il s'agit d'un bout vraiment minuscule. (S'il y a un objet mathématique que je donnerais mon âme pour pouvoir « voir » directement, c'est probablement le réseau de Leech. Ce truc est… C'est juste… Comment dire… Aaaah, mais pourquoi 24 ?) Et encore, le réseau de Leech, on peut au moins vaguement imaginer faire quelque chose pour des petits bouts (comme E₈ ou le graphe de Higman-Sims, justement), mais s'agissant de quelque chose comme le groupe monstre (voyez ici pour une tentative de vulgarisation par Numberphile de ce dont il s'agit), c'est peine perdue ; c'est cependant intéressant que Conway, dans la vidéo de Numberphile, compare les groupes simples en général, et le monstre en particulier, à une décoration de Noël et ensuite à une gemme, et semble aussi contrarié que moi de ne pas pouvoir le « voir ». (Il est aussi intéressant qu'il se plaigne de ne pas comprendre pourquoi le monstre existe, mais ça aussi c'est un problème philosophique dont je voudrais parler une autre fois.) Et je ne dis rien des objets fondamentalement infinis dont les mathématiques regorgent. Comment diable pourrait-on représenter βℕ, la Longue Droite ou un cardinal inaccessible ? Tout ça est, je répète, extrêmement frustrant.

Un des buts de la vulgarisation, comme je la comprends, est donc d'essayer de faire comprendre, même en l'absence d'images — ou en présence d'images qui ne sont que des ombres sur le mur de la caverne —, que les mathématiques en général, et certains objets mathématiques en particulier, sont beaux. Et je cherche encore à explorer les manières d'y arriver. Parfois on peut décrire l'objet assez précisément, mais ce n'est pas forcément la bonne façon de communiquer sa beauté (le réseau E₈ peut se décrire comme l'ensemble des octuplets de nombres, qui sont soit tous entiers soit tous entiers-et-demi, et dont la somme est paire, ce n'est vraiment pas compliqué à dire ni à comprendre ; le réseau de Leech a une description un chouïa plus compliquée, mais qu'on peut quand même rendre très terre-à-terre, avec 24 nombres : mais dans un cas comme dans l'autre, ça ne vous donne aucune idée de pourquoi c'est intéressant ou beau, ni pourquoi 8 et 24 sont si remarquables). Une autre approche possible est d'énumérer quelques propriétés remarquables[#4] (par exemple, je peux dire que si vous prenez des boules toutes de même taille en dimension 8 et que vous cherchez à en placer le plus grand nombre possible en contact d'une centrale, sans qu'elles se chevauchent, vous arriverez à en mettre 240 et pas plus, et la manière dont vous aurez placé 240 boules autour d'une centrale sera rigide et les centres formeront le système de racines de E₈ ; et en dimension 24, vous arriverez à en placer 196560 et la configuration sera à symétrie près celle des vecteurs de plus petite norme dans le réseau de Leech ; et je crois qu'il n'y a qu'en dimensions 1, 2, 8 et 24 qu'il y a une telle unicité, en tout cas, elle n'a pas lieu en d'autres dimensions ≤24). Encore une autre approche consiste à décrire les connexions entre différents objets mathématiques, même si on ne les décrit pas précisément (par exemple, si on raconte un peu l'histoire de la classification des groupes simples finis, qui est en quelque sorte l'histoire de la classification de toutes les sortes de symétries finies possibles, on va évoquer les groupes sporadiques, on peut expliquer qu'au sein même de ceux-ci, à part quelques « parias », forment une « famille heureuse » qui compte trois générations, les groupes de Mathieu qui sont essentiellement des symétries sur un ensemble de (12 ou) 24 objets, les groupes qu'on peut voir comme des symétries du réseau de Leech en 24 dimensions, et la troisième génération, dont le monstre, symétries d'un « module de Moonshine », mais ce n'est peut-être pas la bonne façon de voir les choses).

[#4] Reste à savoir dans quelle mesure beau, remarquable et exceptionnel sont synonymes en mathématiques (sans doute pas complètement, c'est sûr). J'avais essayé dans cette entrée de décrire précisément un objet remarquable pas trop compliqué (l'automorphisme exceptionnel du groupe symétrique sur six objets) et d'énoncer — sans démonstration — le fait, qui le rend remarquable, que ça n'est possible que pour six objets et pas un autre nombre (et aussi ses liens avec d'autres objets exceptionnels). Est-ce que ce fait est beau ? J'ai tendance à le trouver.

☞ L'« interaction » avec les objets mathématiques

J'ai tendance à penser que le mieux est que la vulgarisation s'accompagne d'une possibilité d'« interagir » avec l'objet (c'est-à-dire l'explorer de façon interactive, naviguer dedans, jouer avec, quelque chose comme ça). L'informatique ouvre un certain nombre de possibilités dans ce sens. C'est la raison pour laquelle j'ai essayé de faire des pages Web interactives comme mon labyrinthe hyperbolique pour visualiser le (ou plus exactement, un quotient fini du) plan hyperbolique, et — je les ai déjà mentionnés ci-dessus — ce puzzle basé sur le groupe de Mathieu sur 24 objets pour essayer de comprendre ce dernier ainsi que ce navigateur d'ordinaux qui permet de zoomer sur telle ou telle partie de l'ordinal ; et en-dehors des pages Web en JavaScript, j'ai aussi fait (et je suis le zillionième à avoir fait) un programme pour calculer l'ensemble de Mandelbrot qui permet de zoomer de façon interactive. Inspiré de jeux commerciaux tels que Set et Dobble, j'ai aussi fait imprimer des jeux de cartes (voir ici et là pour des exemples, j'en ai encore un basé sur la combinatoire des 27 droites sur une surface cubique) autour de structures combinatoires finies, mais le jeu à faire avec ces cartes reste à trouver. Je reviendrai plus bas sur l'idée d'un musée des mathématiques. Mais ce qui est sûr, c'est que cette idée d'interactivité, si elle demande plus d'efforts (de programmation) à déployer, multiplie les possibilités de « représenter » un objet mathématique et de le faire comprendre, ou au moins d'en faire comprendre quelques facettes, par le grand public. Je pense qu'il y a vraiment un terrain de recherche, je veux dire de recherche en vulgarisation, à mener pour trouver toutes sortes de façons de rendre « interactifs » toutes sortes d'objets mathématiques, et qui n'a été que très peu exploré. (Je considère comme un problème ouvert, par exemple, la question de savoir si on peut trouver un puzzle dont le groupe des transformations soit le groupe de Mathieu sur 24 objets, et qui soit réellement jouable et intéressant — ce que ne sont pas mes différentes tentatives dans ce sens. Et je précise que j'ai beaucoup joué avec Gap pour trouver des systèmes de générateurs qui tentent de résoudre ce « problème ouvert ».)

Une autre possibilité d'interaction, d'ailleurs, serait d'utiliser les maths pour faire des tours de magie (de cartes, par exemple) ou des choses de ce genre. On peut dire que la stratégie gagnante du jeu de nim est une forme d'interaction avec les mathématiques, il y en aurait d'autres à chercher dans le domaine de la théorie des jeux (combinatoire ou classique). Ou dans le domaine des codes correcteur (du genre choisissez un nombre entre 0 et 4000 [en fait, 4095], je vais maintenant vous poser 24 questions auxquelles vous répondrez par oui ou non pour essayer de deviner ce nombre, mais pour me compliquer la tâche vous aurez le droit de mentir à jusqu'à trois questions et je devrai quand même retrouver votre nombre (ou même, vous pouvez mentir quatre fois, mais dans ce cas ma seule obligation est de détecter le fait que vous aurez menti quatre fois) ; l'astuce est d'utiliser un bon code correcteur ; les questions prendront toutes la forme de votre nombre est-il dans la liste des 2048 suivants ?, ce qui n'est pas très drôle, mais on peut facilement mettre ça dans un ordinateur).

Après, pour revenir à la question de la beauté, je ne sais pas si l'interactivité permet vraiment de faire passer ce concept : cela permet de mieux faire comprendre l'objet, sans doute, et certainement de mieux faire comprendre qu'il y a un objet à faire comprendre (si je gagne systématiquement au jeu de nim, cela démontre — au sens usuel et pas mathématique — que j'ai bien une forme de stratégie qui me permet d'y arriver), mais la beauté, je ne sais pas vraiment.

☞ Vulgarisation des objets, ou vulgarisation des histoires

Ma conception de la vulgarisation, qui se concentre sur les objets mathématiques, n'est pas forcément bien partagée, même par ceux qui essaient d'en faire. Il y a d'autres approches que d'essayer de décrire / présenter / visualiser / rendre interactifs des objets mathématiques : on peut vulgariser en racontant l'histoire des mathématiques ou en racontant des histoires des mathématiques (vu de haut, par exemple, quelles sont les principales branches des mathématiques et comment elles interagissent et interagissent avec d'autres sciences ou disciplines ; ou l'histoire de telle ou telle aventure mathématique, comme la classification des groupes simples finis[#5]). J'aime à croire qu'il faut mélanger les approches, mais que la présentation d'objets mathématiques précis est importante et qu'il ne faut pas trop céder à la facilité de « raconter des histoires ».

[#5] Dans le genre de la vidéo de Numberphile que j'ai déjà liée ci-dessus, ou, en plus sérieux, du livre Symmetry and the Monster de Mark Ronan, que je recommande (malgré sa façon un peu agaçante d'utiliser le terme atom of symmetry pour désigner les groupes simples finis parce qu'il pense que ce sera plus parlant pour le grand public — je comprends l'idée, la comparaison est bonne, mais utiliser ce terme dout du long est tout de même un peu abusif).

☞ Que pense l'homme de la rue des mathématiques ?

En un certain sens, il me semble que les maths sont très en retard sur d'autres sciences dans le domaine de la vulgarisation, et peut-être même simplement au niveau de la culture générale : les termes d'ADN ou de trou noir sont devenus familiers au grand public, je ne suis pas certain qu'on puisse trouver un concept mathématique de découverte à peu près aussi récente et qui soit à peu près aussi connu. La notion même de cryptographie (et ne serait-ce que le terme cryptographie), alors qu'elle a un impact concret dans la vie quotidienne de n'importe qui va sur Internet, n'a franchement pas l'air connu du grand public comme je m'en suis aperçu en en parlant à des gens comme mon coiffeur.

Il faut dire que l'exposition principale qu'a le grand public avec les mathématiques, c'est-à-dire ce qu'on lui en a enseigné à l'école, est incroyablement rébarbative. Donc j'imagine que beaucoup de gens pensent que les mathématiciens passent leur temps à faire de gros calculs : soit avec des nombres soit, pour ceux qui sont allés un peu plus loin dans l'enseignement secondaire, avec des formules symboliques (c'est un petit peu moins faux, et il y a assurément des mathématiciens qui manipulent des formules compliquées, peut-être même des nombres, mais c'est tout de même extraordinairement réducteur). La notion de raisonnement déductif étant, je crois, devenue presque obscène dans les programmes scolaires français jusqu'au bac, l'activité principale du mathématicien, la démonstration, devient complètement étrangère[#6] à ceux qui ont suivi cet enseignement. (Bon, là aussi, je me mets à digresser, et j'aurais sans doute beaucoup à dire sur le sujet de l'enseignement scolaire, mais pour ça je veux d'abord trouver le temps de lire le rapport Villani-Torossian.) Et en tout cas, sauf travail intensif de vulgarisation, je ne vois pas ce qui pourrait, a priori, donner la moindre idée au grand public que les mathématiques (ou des objets mathématiques particuliers) puissent être belles. Utile, il doit en avoir quelque idée, mais là aussi je veux m'interdire de trop digresser sur la question de comment on doit essayer de justifier, auprès du grand public et dans le débat politique, la science pure (non appliquée) et son financement.

[#6] J'ai essayé dans cette entrée de faire de la vulgarisation consistant à donner une démonstration complète, à un niveau complètement élémentaire, d'un énoncé mathématique non-trivial (et vaguement récent). Et à travers certaines des questions qu'on m'a posées dans les commentaires, j'ai pu me rendre compte qu'il y a beaucoup d'éléments du raisonnement mathématique (que ce soit des techniques de démonstration ou simplement des conventions sur la manière dont on les écrit en français) qui sont problématiques à expliquer.

Peut-être que je me trompe. Un jour il y a longtemps, j'ai pris un taxi pour une course assez longue, le chauffeur s'est mis à bavarder avec moi, il m'a demandé ce que je faisais, j'ai dit que j'étais mathématicien, je m'attendais à une des réactions habituelles comme oh j'ai toujours été nul en maths (ou au contraire j'étais plutôt bon en maths mais j'ai arrêté), mais il m'a dit quelque chose qui m'a beaucoup surpris, c'est qu'il était persuadé que faire des mathématiques était comme lire l'esprit de Dieu. (Il était musulman : peut-être cela joue que l'islam enseigne que la divinité est parfaite et ne peut être représentée que de façon symbolique — il y a plus d'un mathématicien « platonicien » qui pense ce genre de choses de l'univers mathématique ou de tel ou tel de ses habitants.) J'aurais dû lui demander ce qui lui avait donné une telle perspicacité, en tout cas je trouve que c'est une façon vraiment intéressante de penser les choses.

Comme prévu, je pars un peu dans tous les sens et tout ceci est assez décousu. Mais pour revenir à l'intérêt et à l'importance de la vulgarisation, il faut sans doute que je cite Hilbert :

Ein alter französischer Mathematiker hat gesagt: Eine mathematische Theorie ist nicht eher als vollkommen anzusehen, als bis du sie so klar gemacht hast, daß du sie dem ersten Manne erklären könntest, den du auf der Straße triffst.

(Un vieux mathématicien français a dit: Une théorie mathématique ne doit pas être considérée comme complète tant qu'on ne l'a pas rendue si claire qu'on puisse l'expliquer au premier homme qu'on croise dans la rue.)

— Mathematische Probleme (exposé au congrès international des mathématiciens, Paris 1900)

(Je n'ai pas réussi à retrouver qui est le mathématicien français en question, peut-être que Hilbert l'a plus ou moins inventé.)

☞ Sur les fascinations des « mathématiciens du dimanche »

Un autre point sur lequel je devrais dire un mot concerne la manière dont les mathématiciens amateurs se fascinent pour tel ou tel type de mathématiques. Les nombres premiers, par exemple, ou les décimales de π en base 10. Et s'évertuent à chercher de l'ordre dedans, ou quelque chose de ce genre. Je suis sûr (je préfère ne pas chercher, ce genre de choses m'énerve) qu'il y a plein de gens qui ont fait de la musique composée à partir des décimales de π (et que la plupart de ceux qui ont fait ça n'ont même pas, au minimum, écrit π en base 12 s'il s'agit de jouer sur la gamme tempérée dodécaphonique usuelle). C'est un peu ironique parce que (a) toutes les conjectures vont dans le sens que les décimales de π se comportent essentiellement comme du pur hasard, c'est-à-dire comme la chose la plus chiante et inintéressante à écouter en musique et dans laquelle on ne trouvera aucun ordre intéressant (s'agissant des nombres premiers, c'est un peu plus compliqué parce que leur proportion décroît — logarithmiquement — mais l'idée est vaguement la même), et (b) on ne sait d'ailleurs essentiellement rien prouver d'intéressant dans le sens de telles conjectures (ni même vraiment formaliser autre chose que des variantes très faibles comme conjecturer que toute suite finie de chiffres se trouvera dans les décimales de π en n'importe quelle base fixée avec la même fréquence asymptotique que dans une suite aléatoire de chiffres de cette base, ce qui est certainement vrai mais qu'on est à des années-lumières de savoir prouver). Bon, tant mieux pour eux si les mathématiciens du dimanche ont envie d'accumuler les questions du genre il existe une infinité de nombres premiers p tels que les nombres p−6 et (2^p)−1 soient également premiers (conjecture de Tartempion Dugenou : je ne sais pas si quelqu'un a déjà sorti celle-là précisément, mais on peut facilement générer une infinité de telles conjectures sur lesquelles personne ne saura rien dire), mais j'ai l'impression qu'à se focaliser sur des bouts des maths qui sont faciles à comprendre mais sur lesquels il n'y ait finalement pas grand-chose à dire en tout cas dans cette ligne d'idée, ils passent à la fois à côté de la beauté plus profonde des mathématiques et à côté de domaines où ils (des amateurs) pourraient faire des contributions utiles. Un des buts de la vulgarisation devrait être, selon moi, de montrer aux passionnés de ce genre qu'ils peuvent se passionner pour quantité d'autres choses que les nombres premiers et les décimales de π.

☞ Sur un musée des mathématiques

J'ai entendu des rumeurs autour de la possibilité de créer à Paris un musée des mathématiques. Je sais que Cédric Villani était enthousiaste de cette idée, maintenant qu'il s'est lancé en politique j'ai peur qu'il y ait une équation de conservation qui fait que s'il a plus de pouvoir pour faire avancer les choses il a aussi moins de temps à y consacrer, donc je ne sais pas si ce projet verra vraiment le jour. (J'ai trouvé ceci, qui est récent et sans doute en rapport, donc je suis plutôt optimiste.) Cela sera peut-être l'occasion de réfléchir à comment rendre les mathématiques interactives (parce que l'interactivité est particulièrement importante dans le cadre d'un musée où, contrairement à un musée d'histoire ou d'histoire naturelle, on n'a pas de choses uniques à mettre dans des vitrines) ; la principale difficulté que je vois dans un musée est que le visiteur n'a sans doute pas envie de lire de longues explications, et que si on veut dépasser le stade ah, c'est joli, il est difficile de faire l'économie d'explications. Je ne sais pas ce que valent les quelques musées des maths qui existent déjà dans le monde (la seule fois où je suis allé à New York j'ai appris trop tard l'existence du MoMath), mais les quelques salles consacrées aux maths dans des musées de sciences que j'ai pu visiter m'ont souvent semblé assez décevantes (surtout par leur caractère hétéroclite et désorganisé : on rassemble au même endroit un tas de trucs qui n'ont guère de rapport entre eux, et on laisse le spectateur sans fil directeur, sans idée de quelles maths exposées sont vieilles ou récentes, faciles ou difficiles…).

⁂

Ajout (2018-06-02T13:25+02:00) : Je suis tombé sur cette vidéo de vulgarisation mathématique ou peut-être, plutôt, de méta-vulgarisation, qui insiste sur l'importance du choix des bonnes analogies. Je ne suis pas forcément d'accord avec la qualité des analogies qu'il décrit, ou surtout, avec l'idée que l'une doit remplacer l'autre (elles doivent plutôt s'additionner), mais la vidéo est intéressante au moins dans le contexte de cette entrée.

J'ai donné mardi un exposé à des professeurs de classes préparatoires, dans le cadre d'un journée Télécom-UPS, sur la factorisation des entiers (l'idée était que je fisse un exposé général introductif sur le problème, qu'un de mes collègues donnât un exposé sur les courbes elliptiques et qu'un autre organisât un TP sur l'algorithme de Lenstra). Mes transparents ne sont sans doute pas très intéressants parce que je les ai écrits à la quatrième vitesse (quoi, le 15 mai c'est demain ? mais j'étais persuadé que c'était mercredi !), ils contiennent d'ailleurs du coup sans doute beaucoup d'erreurs ou d'approximations, et je les ai accompagnés d'énormément d'explications à l'oral ; mais à tout hasard, les voici.

Encore un peu d'art mathématique construit autour de l'élégance du nombre 7 et de la quasipériodicité. Cette fois-ci, je vais faire travailler votre navigateur plutôt que calculer les images moi-même (l'image qui suit, normalement, est animée et change de temps en temps ; sa périodicité est d'une semaine de 10 minutes et 04.8 secondes [correction (2018-04-26T23:35+02:00) j'avais fait une erreur d'un facteur 1000 parce que JavaScript renvoie le temps en millisecondes et pas en secondes]) :

M'étant fatigué à programmer ça, j'avoue que j'ai maintenant un peu la flemme d'expliquer de quoi il s'agit (surtout que je ne suis pas sûr d'en avoir une idée si précise moi-même), et je suis un peu tenté de dire vous n'avez qu'à lire le source JavaScript, il n'est pas obfusqué. Mais pour dire quand même un peu d'où ça sort, je suis parti d'une jolie construction de pavages de Penrose décrite dans un article de Nicolaas Govert de Bruijn, Algebraic theory of Penrose's non-periodic tilings of the plane, I, Nederl. Akad. Wetensch. (=Indag. Math.) 43 (1981), 39–42 (notamment §4), et j'ai remplacé 5 par 7 un peu partout (on peut d'ailleurs changer seven = 7 par d'autres valeurs dans mon code et voir ce que ça fait, ça devrait marcher ou au moins marchouiller) et supprimé une hypothèse qui a sans doute un intérêt pour cet article mais pas vraiment s'il s'agit juste de faire de « jolies images ». (Cet article m'avait été présenté par un candidat au moment où j'étais examinateur aux TIPE à l'ENS. J'avais écrit du code à ce moment-là, mais je n'avais pas bien compris comment fabriquer quelque chose de symétrique, et par ailleurs je coloriais les morceaux de façon bizarre, donc ça ne donnait pas un résultat très beau ; j'y ai repensé en écrivant l'entrée précédente.)

Très sommairement, la construction est la suivante : on part de sept familles de droites parallèles régulièrement espacées dont les directions sont séparées des multiples de 2π/7 (dans un premier temps, on pourra imaginer que l'origine du plan est à mi-chemin entre deux droites dans chaque famille) : appelons ça une heptagrille. On fait l'hypothèse qu'il n'y a pas de points où trois droites différentes de l'heptagrille se coupent. Le pavage sera en quelque sorte dual de l'heptagrille, au sens où à chaque intersection de deux droites de l'heptagrille on va associer un losange du pavage (et chaque sommet du pavage est associé à une composante connexe du complémentaire de la réunion des droites de l'heptagrille). Pour calculer les coordonnées d'un point du pavage, on commence par attribuer des valeurs entières aux bandes délimitées par les droites de chaque famille de l'heptagrille, disons de façon que l'origine ait la valeur 0 : pour un point P « général » du plan où vit l'heptagrille (« général » c'est-à-dire non situé sur une droite) on a ainsi sept valeurs entières k₀,…,k₆, selon les bandes où il se situe, et on associe à P le point Φ(P) du plan complexe somme des k_j·ζ^j où ζ=exp(2iπ/7) est une racine septième de l'unité ; si le point P est sur une droite, l'un des k_j va prendre deux valeurs entières adjacentes au voisinage de P, et s'il est sur deux droites à la fois, on va avoir deux des k_j qui prennent deux valeurs adjacentes : les quatre points associés par Φ (i.e., sommes des k_j·ζ^j) sont alors les quatre sommets d'un losange du pavage. Ceci définit le pavage, qu'il est facile de construire en énumérant tous les points de croisement de droites de deux familles de l'heptagrille. (La forme du losange est déterminée par l'écart entre les angles des deux droites qui s'intersectent au point auquel il est associé.) Pour muter le pavage, on peut décaler les différentes familles de droites constituant l'heptagrille (si le décalage est le même pour chaque famille, la symétrie est conservée).

Bon, la description ci-dessus est certainement assez obscure, mais je n'ai pas le temps d'expliquer mieux. Par ailleurs, il y a certainement quelque chose d'intelligent à dire qui fait intervenir les mots système de racines de type A₆ et plan de Coxeter, mais là, tout de suite, comme ça, je ne vois pas bien.

Ajout (2018-04-25T15:25+02:00) : J'ai ajouté un sélecteur pour afficher ça en couleurs (les couleurs sont choisies d'après l'orientation des losanges). Mais je continue à préférer nettement la version en teintes de gris (choisies d'après la forme des losanges). Nouveaux ajouts : J'ai aussi ajouté de quoi changer l'échelle, et de quoi se déplacer (cliquer+déplacer la souris), voir aussi l'entrée suivante.

Pour une fois, cette entrée mathématique n'a aucun autre but que de « faire joli ». Il y a peut-être des choses intéressantes à dire à ce sujet (et ces choses intéressantes font peut-être intervenir des mots comme quasi-cristal ou pavage de Penrose), mais je n'ai pas vraiment envie d'y réfléchir.

Les images ci-contre à droite (faites défiler vers le haut et vers le bas, ou voyez ici sur Imgur) représentent les transformée de Fourier de polygones réguliers, et plus exactement des n-gones réguliers pour n pair allant de 4 à 24. Elles sont représentées par des nuances de gris pour les valeurs positives (où 0=noir et n=blanc) et des nuances de bleu pour les valeurs négatives (où 0=noir et −n=bleu intense). Ce que j'appelle transformée de Fourier d'un n-gone régulier (ou plus exactement, des sommets du polygone — je ne trouve pas de tournure qui ne soit pas invraisemblablement lourde), c'est la transformée de Fourier d'une somme de n distributions δ, l'une centrée en chaque sommet du n-gone (le n-gone étant lui-même centré à l'origine). Plus concrètement, la fonction tracée est donc la somme de n ondes planes (toutes en phase à l'origine) partant dans chacune des n directions régulièrement espacées autour de l'origine :

${\displaystyle \sum _{k=0}^{n-1}\text{exp}\left(2i\pi \left(\text{cos}\left(\frac{2k\pi }{n}\right)x+\text{sin}\left(\frac{2k\pi }{n}\right)y\right)\right)}$

(Ou, pour les navigateurs pourris qui ne gèrent pas le MathML : ∑_k=0ⁿ⁻¹exp(2iπ·(cos(2kπ/n)·x+sin(2kπ/n)·y)).) Pour n pair, ceci est bien une fonction réelle, et elle possède une symétrie de rotation d'ordre n autour de l'origine. Contrairement à l'impression qu'on peut avoir, elle n'est pas périodique (sauf dans les cas « cristallographiques » n=4 et n=6, qui ne sont pas franchement passionnants), seulement quasi-périodique. Il n'est pas concevable une seule seconde que je sois le premier à mettre de telles images en ligne mais, bizarrement, je ne trouve pas comment d'autres gens ont pu les appeler.

On pourra noter que quand n tend vers l'infini, la fonction (correctement renormalisée) tend (en un certain sens, que je n'ai vraiment pas envie de chercher à préciser) vers une fonction de Bessel de première espèce J₀ de la distance à l'origine : c'est ce qu'on commence à voir par le jeu d'anneaux concentriques autour de l'origine pour n grands.

Bon, enfin, ce qui importe surtout c'est que ce soit visuellement plaisant, et je trouve que ça l'est.

Comme la fonction n'est pas périodique, ça pourrait être intéressant (surtout pour n modérément grand) d'en faire un « explorateur » interactif en JavaScript, où on pourrait se déplacer dessus, zoomer ou dézoomer, et ce serait calculé en temps réel. Mais j'avoue que je n'ai pas la patience de programmer ça.

En revanche, pour ceux qui trouvent que mes images 2D ci-dessus sont trop statiques, je peux vous proposer une version 3D, qui consiste à faire la transformée de Fourier d'un polyèdre régulier et de la « trancher » en tranches 2D (c'est-à-dire, d'afficher des valeurs dans des plans parallèles les uns aux autres) selon une direction de plan qui présente une symétrie maximale (plan de Coxeter) : j'ai mis ça sur YouTube, et vous pouvez voir la transformée de Fourier d'un icosaèdre régulier et celle d'un dodécaèdre régulier (le plan de Coxeter fournit une symétrie d'ordre 10 : c'est la direction de plan parallèle à deux faces opposées quelconques du dodécaèdre). Là aussi, j'ai du mal à comprendre pourquoi une recherche Google de Fourier transform of dodecahedron ou variantes ne donne essentiellement rien (à part des choses que j'ai moi-même calculées, dont une vieille version des mêmes vidéos) : même si ça ne doit servir qu'à « faire joli », c'est pourtant quelque chose d'éminemment naturel à regarder, il me semble.

(J'ai vaguement imaginé, aussi, calculer la transformée de Fourier de polygones et polyèdres pleins, et aussi de leurs facettes et arêtes, mais outre que ce serait excessivement pénible à calculer, je pense que ce serait très décevant, en fait : ça ressemblerait sans doute à peu près la même chose mais en s'atténuant très vite quand on s'écarte de l'origine.)

J'ai déjà parlé à plusieurs reprises du problème de Hadwiger-Nelson sur ce blog (ici en général, et ici pour mes malheurs personnels liés à ce problème), et il faut que j'en reparle puisqu'il y a eu un progrès considérable. Le problème de Hadwiger-Nelson a ceci de sympathique que c'est un problème de mathématique de niveau recherche (au sens empirique où il y a, effectivement, des mathématiciens professionnels qui ont fait de la recherche dessus et publié des choses à son sujet) dont un bon élève de primaire peut comprendre l'énoncé, un bon collégien peut comprendre les meilleures bornes connues jusqu'à la semaine dernière, et un bon lycéen peut les trouver lui-même. (Enfin, quelque chose comme ça.) Je rappelle l'énoncé :

Trouver le plus petit nombre χ de couleurs nécessaires pour colorier le plan de manière à ce qu'il n'y ait jamais deux points situés à distance 1 l'un de l'autre et qui aient la même couleur.

Ce χ s'appelle le nombre chromatique du plan ou nombre [chromatique] de Hadwiger-Nelson. Jusqu'à la semaine dernière, tout ce qu'on savait était que 4≤χ≤7.

Le fait que χ≤7, c'est-à-dire que sept couleurs suffisent, est montré par un coloriage explicite (d'un pavage du plan par des hexagones) avec 7 couleurs, coloriage qui est représenté par le dessin ci-contre à droite que je recopie de ma précédente entrée sur le sujet ; l'unité de longueur est figurée par le trait noir dans le coin en haut à gauche de la figure : quel que soit l'endroit où on le place et la manière dont on le tourne, les deux extrémités tombent toujours sur deux couleurs différentes ; et le problème est, donc, de savoir si on peut faire ça avec strictement moins de sept couleurs.

La minoration χ≥4 (c'est-à-dire qu'au moins quatre couleurs sont nécessaires), elle, est démontrée par un graphe fini tout à fait explicite, appelé Moser's spindle (fuseau de Moser ?) : je le recopie lui aussi de mon entrée précédente (ci-contre à gauche), toutes les arêtes représentées ont la même longueur (l'unité de longueur), et il n'est pas possible de colorier ses sommets avec seulement trois couleurs de façon que deux sommets reliés par une arête ne soient jamais de la même couleur. (En effet, si on ne dispose que de trois couleurs, chaque triangle équilatéral de côté 1 [du graphe] doit avoir un sommet de chaque couleur, du coup, dans le graphe représenté à gauche, chacun des deux sommets en haut à droite a la même couleur que celui en bas à gauche, donc ils ont la même couleur l'un que l'autre, or ils sont reliés par une arête.) Bref, dans tout coloriage du plan avec 3 couleurs, il y en a deux situés à distance 1 qui ont la même couleur.

Si vous n'aimez pas le fuseau de Moser, vous pouvez aussi utiliser le graphe de Golomb, représenté ci-contre à gauche (lui n'était pas dans l'entrée précédente, il faut bien que je m'embête un peu à faire du SVG et à calculer que les coordonnées d'un point valent (1,√11)/6), qui est plus joli et plus symétrique. Comme le fuseau de Moser, il n'est pas coloriable avec trois couleurs : si on a seulement trois couleurs, une fois qu'on en donne une au point central, les six points à distance 1 de lui doivent partager les deux autres couleurs en alternance, et notamment les trois qui sont reliés au triangle « oblique » sont de la même couleur, ce qui ne laisse que deux couleurs pour colorier ce dernier.

Bref, la minoration vient de graphes finis tout à fait explicites.

En fait, on sait à cause d'un théorème de compacité (que les théoriciens des graphes appellent le théorème d'Erdős et de Bruijn, et que les logiciens considèrent comme une conséquence immédiate du théorème de compacité du calcul propositionnel) que toute minoration sur χ s'obtient par un graphe fini, c'est-à-dire que χ est aussi la plus grande valeur possible du nombre de couleurs d'un graphe de ce genre. Donc on peut reformuler le problème de Hadwiger-Nelson de la façon suivante :

Trouver le plus petit nombre χ de couleurs nécessaires pour colorier un nombre fini quelconque de points du plan de manière à ce qu'il n'y ait jamais deux points situés à distance 1 l'un de l'autre et qui aient la même couleur.

(Le « fuseau de Moser » ci-dessus étant à comprendre comme l'ensemble de sept points qui sont les sommets tracés : on ne peut pas colorier cet ensemble de sept points avec trois couleurs donc χ≥4.)

Jusqu'à la semaine dernière, donc, c'est tout ce qu'on savait. Toute recherche sur ce problème a porté sur des analogues ou des généralisations (nombre chromatique de l'espace, nombre chromatique du plan à coordonnées dans ceci-cela, nombre chromatique fractionnaire, ce genre de choses).

•

Voilà que, dimanche, un certain Aubrey (David Nicholas Jasper) de Grey a mis un papier sur l'arXiv prouvant que χ≥5 : i.e., dans tout coloriage du plan avec 4 couleurs, il y en a deux situés à distance 1 qui ont la même couleur. (Je l'ai appris par un commentaire sur ma première entrée au sujet du problème.)

C'est assez sidérant pour plusieurs raisons. D'abord parce que c'est quand même un problème sur lequel on est restés coincés pendant environ 50 ou 60 ans (l'histoire du problème est elle-même assez tarabiscotée, mais il semble que Nelson l'ait imaginé dans les années '50 et qu'il — le problème — soit devenu célèbre une petite dizaine d'années plus tard). Mais aussi parce le de Grey auteur du papier n'est pas mathématicien (ou en tout cas, pour éviter de se mouiller sur ce que mathématicien veut dire, il n'est pas mathématicien de profession, et ne semble pas avoir fait de contributions aux mathématiques avant ça) ; il est « biogérontologue », connu pour ses positions contre le vieillissement, et considéré par certains comme un gourou voire un crackpot (le fait qu'il ressemble à Gandalf doit aider ce genre de préjugés). Il ne faut pas croire sur parole n'importe quel papier mis sur l'arXiv surtout quand il annonce un résultat « spectaculaire », mais, en l'occurrence, (1) le papier est bien écrit (les arguments sont rapides mais clairs et écrits dans le style habituel dans lequel on écrit les mathématiques), et de toute façon (2) une fois connu le graphe construit, il est modérément facile de vérifier le résultat par ordinateur, des gens ont déjà vérifié qu'un des graphes décrits par de Grey est réalisable avec distance 1[#] et (au moyen d'un SAT-solver) n'est pas 4-coloriable[#2], donc le résultat principal est certifié valable (nonobstant d'éventuelles erreurs très mineures dans la description).

[#] Ici et dans la suite, j'emploie le terme réalisable avec distance 1 pour dire que le graphe est réalisable comme un ensemble de points dans le plan de sorte que toutes les arêtes aient longueur 1. (On peut éventuellement demander que, réciproquement, chaque paire de points à distance 1 donne effectivement une arête du graphe ça ne changera rien puisque ajouter des arêtes ne peut qu'augmenter le nombre chromatique.)

[#2] Ici et dans la suite, j'emploie le terme k-coloriage pour signifier, bien sûr, un coloriage avec k couleurs de façon que deux sommets reliés par une arête (i.e. à distance 1) ne soient jamais de la même couleur ; et k-coloriable pour dire qu'un k-coloriage existe.

Mais pour être épatant, ce résultat est aussi un peu frustrant, je vais essayer de dire pourquoi.

Quand j'avais commencé à réfléchir au problème de Hadwiger-Nelson, ma première intuition était que χ=7 était sans l'ombre d'un doute la bonne valeur, et qu'il s'agissait juste de trouver de bons graphes, et que, si on ne les connaissait pas, c'était juste qu'on n'avait pas cherché assez fort, notamment avec des ordinateurs. (Cette intuition initiale est donc confirmée par le résultat de de Grey, mais je ne vais pas dire ha ha, j'avais raison, puisque, comme je vais l'expliquer, j'ai ensuite changé d'avis.) En gros, ce qui fait « marcher » le « fuseau de Moser » représenté ci-dessus est qu'on a le triangle équilatéral dont les 3-coloriages sont très peu nombreux, donc suffisamment rigides pour qu'on arrive à les combiner pour fabriquer un graphe plus gros qui n'est pas 3-coloriable. L'espoir, ensuite, serait que les 4-coloriages du fuseau (ou du graphe de Golomb) soient assez rigides pour qu'on arrive à combiner plusieurs fuseaux pour former un graphe qui ne soit pas 4-coloriable. Et qu'on puisse monter encore un coup pour former un graphe qui ne soit pas 5-coloriable, puis un qui ne soit pas 6-coloriable, ce qui démontrerait χ=7.

Plus tard, j'étais beaucoup moins convaincu de χ=7 : la raison est que j'ai essayé de réfléchir à comment on pourrait construire des graphes réalisable avec distance 1 et qui ne soient pas 4-coloriables, et j'ai eu l'impression de buter contre des problèmes insurmontables. Comme je le dis au paragraphe précédent, on peut essayer de combiner des fuseaux de Moser (ou des graphes de Golomb) et essayer de limiter leurs possibilités de 4-coloriages jusqu'à toutes les tuer. Mais j'ai un peu essayé et je m'y suis salement cassé les dents : tout me semblait suggérer que plus on augmente le nombre de sommets plus les possibilités de 4-coloriages se multiplient, plus vite qu'on arrive à les tuer en ajoutant des arêtes. Pour être un peu moins vague, j'ai eu l'impression que la seule façon exploitable de fabriquer des graphes réalisables avec distance 1 dans le plan est de prendre deux graphes G₁,G₂ déjà réalisés avec distance 1 et utiliser une isométrie plane sur G₂ (en faixant G₁) pour imposer des identifications de sommets ou fabriquer des arêtes, mais pour ça, on n'a que très peu de degrés de liberté (le groupe des isométries planes est de dimension 3), donc, sauf coïncidences, on ne peut ajouter essentiellement que trois arêtes (ou une identification de sommet et une arête) ; j'ai eu l'impression que « sauf coïncidence », tout ceci devrait conduire à une borne sévère sur la dégénérescence des graphes réalisables avec distance 1, donc sur leur nombre chromatique ; en fait, qu'ils devaient être des graphes de Laman — « sauf coïncidence », donc, mais je ne voyais pas comment fabriquer des « coïncidences » intéressantes. Bref, tout ça pour dire que j'ai essayé justement l'approche que de Grey fait marcher, que je n'ai pas du tout réussi à en faire quoi que ce soit, et que je me suis même mis à penser que ça ne pouvait pas marcher « sauf coïncidence » mais que ce serait extraordinairement difficile de prouver l'inexistence de telles « coïncidences » ou, a contrario, d'en fabriquer. Du coup, j'ai commencé à douter que χ=7 soit la bonne valeur (je ne prétends pas que j'étais convaincu que χ=4, mais que ma foi dans le fait que χ=7 s'était envolée jusqu'à ce qu'on me signale la trouvaille de de Grey).

Ajout : Un autre de mes espoirs était qu'on puisse chercher à extraire un graphe de nombre chromatique au moins 5 (voire 6, voire 7) comme un sous-graphe de l'analogue de Hadwiger-Nelson sur un corps fini, disons le graphe (ℤ/pℤ)² avec une arête entre (x₁,y₁) et (x₂,y₂) lorsque (x₂−x₁)² − (y₂−y₁)² = 1. (La motivation étant que si un graphe plan est réalisable avec distance 1, il est aussi réalisable à coordonnées algébriques, ces coordonnées de scindent modulo un ensemble de densité >0 de nombres premiers p, donc imposent la même inégalité sur les nombres chromatiques des (ℤ/pℤ)² pour la relation que je viens de dire.) Évidemment, cet espoir était naïf — mais vu que les coordonnées du graphe calculé par de Grey sont dans des extensions assez petites de ℚ comme je le soupçonnais, ce n'était pas complètement stupide non plus.

C'est dire que je suis surpris par le tour de force. La lecture du papier lui-même est un peu décevante, cependant : il y a un mélange de raisonnements « à la main » sur les 4-coloriages de graphes de plus en plus grands réalisables avec distance 1, et de vérifications par ordinateur (avec différentes astuces pour rendre la vérification plus gérable), mais au final je ne suis pas vraiment Éclairé sur la manière dont il arrive à obtenir suffisamment d'arêtes eu égart au nombre de sommets (le graphe réalisable avec distance 1 et non 4-coloriable dont Dustin Mixon publie le fichier de données sur son blog — revoici le lien — a 1585 sommets et 7909 arêtes), ou sur la raison pour laquelle je m'étais trompé en pensant qu'il était très difficile d'obtenir une grande dégénérescence.

Ce qui est frustrant, c'est que ce progrès rend le problème de Hadwiger-Nelson beaucoup moins intéressant. Peut-être que la presse généraliste va s'en emparer (et raconter des conneries), et il va sans doute y avoir des efforts renouvelés pour construire des graphes plus simples prouvant χ≥5 (cf. ici) ou pour pousser jusqu'à χ≥6 voire χ=7, mais mathématiquement, le problème a un peu perdu de sa beauté. Pourquoi ? Déjà parce qu'on ne peut plus donner ça comme un exemple de problème où l'état de l'art correspond à ce qu'un lycéen peut trouver tout seul. Mais surtout je suis maintenant revenu à mon intuition première, et complètement convaincu d'une part que χ=7 et d'autre part que des graphes le démontrant peuvent se construire avec des techniques de type « dupliquer et identifier » et des recherches sur ordinateur (à supposer qu'ils ne soient pas trop grands). Il aurait été beaucoup plus intéressant de chercher à montrer que certains graphes ne peuvent pas exister que de chercher à les exhiber.

Après, on peut s'intéresser à toutes sortes de problèmes adjacents. Je soumets notamment la question suivante, ou problème de Hadwiger-Nelson lorentzien (que j'espérais rendre publique via cette note, mais comme cette dernière est partie à la poubelle, personne n'est au courant de ce problème) :

Trouver le plus petit nombre χ_L de couleurs nécessaires (ou bien ∞ si aucun nombre fini ne suffit) pour colorier le plan de manière à ce qu'il n'y ait jamais deux points (t₁,x₁) et (t₂,x₂) situés à intervalle de Lorentz 1 l'un de l'autre, c'est-à-dire (t₂−t₁)² − (x₂−x₁)² = 1, et qui aient la même couleur.

(Autrement dit, on remplace les cercles de rayon 1 — translatés de {x²+y²=1} — dans le problème de Hadwiger-Nelson par des hyperboles translatées de {t²−x²=1}, représentant, si on veut, un intervalle d'espace-temps. Il y a beaucoup de similarités, parce que le groupe des isométries lorentziennes, comme le groupe des isométries euclidiennes, et de dimension 3. À la différence du problème de Hadwiger-Nelson euclidien, dans le problème lorentzien les graphes réalisables avec intervalle 1 sont naturellement orientés, par la valeur de la coordonnée t ; et on peut se convaincre qu'il n'existe pas de triangle ; comme il existe néanmoins des cycles d'ordre impair, on a quand même χ_L≥3.)

Je conjecture que χ_L=∞ (en tout cas, je ne sais montrer aucune borne supérieure sur χ_L). Le problème semble plus dur que Hadwiger-Nelson euclidien, car il ne semble pas exister de coloriage évident avec un nombre fini de couleurs, mais a contrario, si on veut prouver χ_L=∞, il faudra construire toute une famille de graphes finis.

Ajout : Je devrais mentionner qu'une des raisons de s'intéresser à χ_L est que l'analogue complexe du nombre de Hadwiger-Nelson, c'est-à-dire le nombre chromatique χ_C du graphe ℂ² avec une arête entre (x₁,y₁) et (x₂,y₂) lorsque (x₂−x₁)² − (y₂−y₁)² = 1, majore à la fois χ (euclidien) et χ_L (lorentzien), et qu'il est lui-même majoré par le χ de ℝ⁴ pour la métrique de signature indéfinie (++−−) (c'est-à-dire le nombre chromatique du graphe ℝ⁴ avec des arêtes définies par des hyperboloïdes translatés de {t²+u²−v²−w²=1}). Je conjecture à plus forte raison que χ_C=∞, et en fait c'est surtout ça que je trouve intéressant (parce que c'est un problème purement algébrique).

Cette entrée est la petite sœur de la précédente : après avoir écrit cette dernière, je me suis rendu compte (et on me l'a par ailleurs fait remarquer dans les commentaires) qu'il y a une version plus simple de ce dont j'y parlais et que j'aurais pu évoquer. Du coup, je vais essayer de le faire ici, en utilisant massivement le copier-coller et le recherche-remplacement. Ce que je ne sais pas, c'est s'il vaut mieux lire cette entrée-ci, ou la précédente, ou les deux en parallèle ou dans un certain ordre (bon, la réponse est peut-être bien « aucune des deux »).

Note : Principales modifications systématiques par rapport à l'entrée précédente : 8→4, E₈→F₄, D₈→B₄, 696 729 600 → 1152, et (0,1,2,3,4,5,6,23) → (½,3⁄2,5⁄2,11/2) ; il n'y a que trois vecteurs dans ma liste finale au lieu de 135 ; les contraintes de parité de changements de signes disparaissent (et du coup trouver un représentant dominaint pour W(B₄) consiste juste à passer aux valeurs absolues et à trier) ; l'opération de soustraire à chacune des huit composantes le quart de la somme de toutes devient soustraire à chacune des quatre composantes la moitié de la somme de toutes. Mais il y a quelques autres différences par ci par là, comme le fait que le système de racines est un tout petit peu plus compliqué à définir (c'est bien la seule chose qui se complique). ⁂ Ah, et puis sinon j'ai un problème typographique, qui est de savoir comment représenter agréablement des demi-entiers : il y a un symbole magique ½ pour un demi, qui est bien pratique parce que ça apparaît souvent, pour trois demis et cinq demis on peut utiliser le U+2044 FRACTION SLASH et écrire 3⁄2 et 5⁄2 ce qui si vous avez la bonne police apparaîtra peut-être comme une jolie fraction ; mais pour 11/2 je ne peux pas vraiment faire mieux qu'avec un bête U+002F SOLIDUS, parce que si je mets U+2044 FRACTION SLASH à la place, la sémantique est celle de 1½ (et ça apparaîtra exactement comme ça sous certaines polices), soit un-et-demi. Du coup, j'ai le choix entre cette écriture (½, 3⁄2, 5⁄2, 11/2) qui est bien moche, ou bien écrire (1/2, 3/2, 5/2, 11/2) mais alors il y a à la fois du ½ et du 1/2 pour le même nombre, c'est bizarre ; et si j'écris 1/2 partout, le vecteur (1/2, 1/2, 1/2, 1/2) est quand même moins lisible que (½, ½, ½, ½). Remarquez, je pourrais écrire 1½ pour trois demis et 2½ pour cinq demis, mais les matheux détestent ça en général (vu que 2·½ c'est 1 et pas 5/2). Pfff, que c'est pénible, les petites crottes de ragondin.

Partons de quatre nombres (= un élément de ℝ⁴) ; pour que ce que je raconte ne suppose aucune connaissance mathématique particulière, je précise que j'appellerai ça un vecteur et j'appellerai composantes du vecteur les quatre nombres en question. Par exemple (1, 0, 0, 0), ou bien (½, 3⁄2, 5⁄2, 11/2) sont des vecteurs avec lesquels on va pouvoir jouer (ces exemples vont être intéressants pour la suite ; et oui, c'est bien un 11/2 que j'ai écrit à la fin, bear with me, ce n'est pas une blague dans le style quel est le quatrième nombre qui complète la suite : ½, 3⁄2, 5⁄2… ? — c'est évidemment 11/2). Maintenant, à partir de ce vecteur, imaginons qu'on ait le droit de faire, autant de fois qu'on veut, et dans n'importe quel ordre, les opérations très simples suivantes :

• permuter ses composantes — c'est-à-dire les réordonner — de n'importe quelle manière (par exemple, on peut transformer (½, 3⁄2, 5⁄2, 11/2) en (3⁄2, 11/2, 5⁄2, ½), ce sont les mêmes nombres écrits dans un ordre différent),
• changer le signe — c'est-à-dire transformer en leur opposé, remplacer moins par plus et vice versa — d'un nombre quelconque des composantes (par exemple, on peut transformer (½, 3⁄2, 5⁄2, 11/2) en (½, −3⁄2, −5⁄2, −11/2), j'ai changé le signe de trois composantes),
• soustraire à chacune des quatre composantes la moitié de la somme de toutes (par exemple, ceci transforme (½, 3⁄2, 5⁄2, 11/2) en (−9⁄2, −7⁄2, −5⁄2, ½) : la somme des nombres était (½)+(3⁄2)+(5⁄2)+(11/2)=10 donc j'ai soustrait 5 à chacun).

Voilà qui n'est pas bien compliqué. Pour fixer la terminologie les opérations des deux premiers types que je viens de dire seront appelées opérations de W(B₄) tandis que les opérations des trois types seront dites opérations de W(F₄) (je n'essaye pas du tout de définir ce que c'est que W(B₄) ou W(F₄), en tout cas pas pour le moment, ce sont juste des termes à considérer comme un bloc).

Les opérations de W(B₄) sont assez faciles à comprendre, en réfléchissant un peu on arrive assez facilement à voir ce qu'on peut faire avec (une description plus précise sera donnée plus bas, notamment, de quand on peut passer d'un vecteur à un autre par ces opérations). Celles de W(F₄), c'est-à-dire si on permet la troisième opération que j'ai dite, sont déjà plus mystérieuses mystérieuses : je vais donner quelques exemples ci-dessous ce qu'on peut faire avec.

La question générale est, que peut-on atteindre en appliquant les règles qui viennent d'être dites ? Autrement dit, partant d'un certain vecteur initial, quels vecteurs va-t-on pouvoir fabriquer avec les opérations qui viennent d'être dites (et combien y en a-t-il) ?

Pour prendre un exemple vraiment idiot, si le vecteur d'origine était (0, 0, 0, 0), on ne va pas très loin, il reste identique à lui-même sous l'effet de n'importe laquelle des opérations que j'ai décrites, et donc c'est la seule chose qu'on pourra atteindre.

Si le vecteur de départ est (1, 0, 0, 0), les opérations de W(B₄) (i.e., celles les deux premiers types) permettent de le transformer en n'importe quel vecteur ayant une composante égale à +1 ou −1 et les trois autres nulles, ou en abrégé un vecteur du type (±1, 0, 0, 0) (cela fait 4×2=8 vecteurs si on compte bien) ; la troisième opération transforme (1, 0, 0, 0) en (½, −½, −½, −½), et de là avec les opérations de W(B₄) on peut fabriquer les différents vecteurs (±½, ±½, ±½, ±½) dont toutes les composantes valent +½ ou −½ ; cela fait 2⁴=16 vecteurs de cette forme, soit 8+16=24 vecteurs : il se trouve (il faut le vérifier mais ce n'est pas difficile) que c'est tout ce qu'on obtient de la sorte : 24 vecteurs et pas plus. Ces 24 vecteurs portent le nom de racines courtes de F₄ (là aussi, je ne vais pas chercher à définir ce que ça veut dire, en tout cas pas aujourd'hui).

Pour donner un autre exemple, si le vecteur de départ est (1, 1, 0, 0), les opérations de W(B₄) permettent de le transformer en n'importe quel vecteur du type (±1, ±1, 0, 0) (deux composantes égales à +1 ou −1, les deux autres nulles : cela fait 6×4=24 vecteurs), et la troisième opération ne fait, cette fois, rien de nouveau. Ces 24 vecteurs portent le nom de racines longues de F₄ ; et réunies aux 24 vecteurs définis au paragraphe précédent, on obtient 48 vecteurs appelés système de racines de F₄ (c'est là essentiellement le seul point sur lequel F₄ est plus compliqué que E₈ défini à l'entrée précédente : il y a des racines courtes et longues alors que dans E₈ il n'y a qu'une seule longueur).

Je peux donner d'autres exemples. Si on part de (1, 1, 1, 0), on va pouvoir atteindre 96 vecteurs différents par les opérations de W(F₄) : il y a les 32 vecteurs du type (±1, ±1, ±1, 0) avec des signes quelconques (et un emplacement quelconque du 0), et les 64 vecteurs du type (±3⁄2, ±½, ±½, ±½) avec des signes quelconques (et un emplacement quelconque du 3⁄2), ce qui fait 32+64=96 vecteurs au total. Si on part de (2, 1, 1, 0), on peut aussi atteindre 96 vecteurs différents (ce sont juste ceux qui s'obtiennent déjà par les opérations de W(B₄), c'est-à-dire (±2, ±1, ±1, 0) avec des signes quelconques et une permutation quelconque des composantes). Si on part de (2, 1, 0, 0), on peut atteindre 144 vecteurs différents (les 48 du type (±2, ±1, 0, 0) et les 96 du type (±3⁄2, ±3⁄2, ±½, ±½)).

Mais dans le « cas général » (disons, celui qui se produit avec probabilité 1 si notre vecteur initial a été tiré au hasard, ou bien si on est parti de (½, 3⁄2, 5⁄2, 11/2)), on va atteindre exactement 1152 vecteurs. (En fait, la condition pour que ça soit le cas n'est pas très compliqué : il est nécessaire et suffisant, pour que cela se produise, que les quatre composantes du vecteur initial soient toutes non nulles, deux à deux distinctes, qu'il n'y en ait pas deux qui soient opposées, et qu'il n'y en ait pas non plus un certain nombre dont la somme soit égale à la somme des autres.) Et dans absolument tous les cas, le nombre de vecteurs qu'on peut atteindre sera fini, et sera même un diviseur de ce nombre maximal qu'est 1152.

(Il y a d'ailleurs exactement 16 cas possibles entre le cas le plus spécial qu'est (0, 0, 0, 0) et qui donne un seul vecteur atteignable et le cas le plus général qui en donne 1152. Mais je préfère rester vague sur ce que j'entends par un cas possible, parce que ce n'est pas vrai que chacun de ces cas donne forcément un nombre de vecteurs atteints différents. Les nombres de vecteurs atteignables possibles sont : 1, 24, 96, 144, 192, 288, 576 et 1152)

Pour y voir plus clair, je vais appeler orbite sous W(F₄) l'ensemble de tous les vecteurs qu'on peut atteindre à partir d'un vecteur donné par les opérations de W(F₄) (toutes celles que j'ai décrites), et orbite sous W(B₄) la chose analogue avec les opérations de W(B₄) (c'est-à-dire celles qui n'autorisent qu'à permuter les composantes et à changer le signe d'un nombre quelconques d'entre elles). Par exemple, (½, ½, ½, ½) est dans l'orbite sous W(F₄) de (1, 0, 0, 0), mais pas dans son orbite sous W(B₄).

Il sera utile de faire l'observation suivante : toutes les opérations que j'ai décrites peuvent se faire à l'envers. S'agissant des opérations de W(B₄) c'est évident (une permutation des composantes a pour inverse une autre permutation des composantes, et changer les signes deux fois revient au vecteur de départ) ; s'agissant de W(F₄), il suffit de remarquer que la troisième opération que j'ai décrite retourne sur le vecteur dont on est parti quand on l'applique deux fois (c'est un petit exercice que je laisse au lecteur). Par conséquent, si un vecteur v est dans l'orbite d'un vecteur w (que ce soit sous W(B₄) ou sous W(F₄)), alors réciproquement, w est dans l'orbite de v, et, en fait, ils ont exactement la même orbite : a contrario, deux orbites distinctes sont forcément disjointes (c'est-à-dire, sans élément commun).

Il est facile de reconnaître à quelle condition deux vecteurs définissent la même orbite sous W(B₄) : c'est-à-dire qu'on peut passer de l'un à l'autre en permutant les composantes et en changeant le signe d'un nombre quelconque d'entre elles. Pour ce faire, le mieux est de rendre toutes les composantes positives, puis de les trier par ordre croissant : on obtient ainsi un représentant de l'orbite du vecteur sous W(B₄) que je vais appeler le représentant dominant ou vecteur dominant pour W(B₄) (il faut que je souligne, cependant, que c'est un choix que j'ai fait : j'aurais pu trier par ordre décroissant, ou mettre autant de signes moins que possible ou ce genre de choses). Par exemple, le représentant dominant de (−3, −2, 5, −1) est (1, 2, 3, 5) (on passe bien d'un vecteur à l'autre par les opérations de W(B₄), et les composantes du second sont bien triées, et toutes positives). Il est très facile de calculer le représentant dominant d'un vecteur, et deux vecteurs ont la même orbite sous W(B₄) exactement lorsqu'ils ont le même représentant dominant (il y a un représentant dominant par orbite).

Il est par ailleurs aussi facile, avec un peu de dénombrement, de calculer le nombre de vecteurs dans une orbite sous W(B₄) : dans tous les cas, c'est un diviseur de 4!×2⁴ (où 4! := 1×2×3×4 = 24), soit 384, ce nombre correspondant au cas « général » qui est, par exemple, le cas pour (1, 2, 3, 4) : je détaille ça dans le paragraphe suivant en petits caractères parce que ce n'est pas important pour ce que je veux raconter.

Pour dénombrer l'orbite d'un vecteur sous W(B₄), ce qui importe est, premièrement, le nombre r de composantes qui valent 0, et, deuxièmement, les nombres s₁,…,s_k de composantes qui sont égales en valeur absolue. Le premier détermine le nombre de changements de signes sur un nombre de composantes qui ne change rien au vecteur : il vaut 2^r ; les s_i, eux, déterminent le nombre de permutations des valeurs absolues des composantes qui ne changent rien : il vaut s₁!⋯s_k! ; donc finalement, la taille de l'orbite sous W(B₄) vaut 384/(2^r·s₁!⋯s_k!). Par exemple, (−1, 1, 3, 3) a une orbite sous W(B₄) de taille 384/(2!·2!) (comptez un 2! pour chacune des valeurs absolues 1 et 3 qui sont répétées deux fois), soit 96, tandis que (0, 0, 0, 1) en a une de taille 384/(2³·3!) = 8, un nombre déjà signalé ci-dessus.

On peut chercher à dire des choses analogues avec les orbites sous W(F₄). À la limite ce n'est pas tellement ça qui m'intéresse ici, mais il faut quand même que j'en dise un mot, par souci de cohérence. Je vais appeler représentant dominant d'une orbite sous W(F₄), ou vecteur dominant pour W(F₄), un vecteur qui vérifie déjà toutes les conditions pour être dominant pour W(B₄) (c'est-à-dire trié par ordre croissant, avec des composantes positives), et qui vérifie, en outre, la condition suivante : la dernière composante est supérieure ou égale à la somme des trois autres (si on veut : − v₀ − v₁ − v₂ + v₃ ≥ 0, où les composantes du vecteur ont été notées v₀ à v₃). (Là aussi, c'est un choix que je fais, on pourrait en faire d'autres ; ce choix précis a une certaine logique, et comme pour le choix que j'ai fait pour W(B₄) il est vaguement « standard », mais il n'est pas forcément le plus opportun eu égard à la description que j'ai donnée des opérations de W(F₄) : peu importe.) Par exemple, (½, 3⁄2, 5⁄2, 11/2) est dominant pour W(F₄) parce que, outre qu'il l'est déjà pour W(B₄), on a 11/2≥½+3⁄2+5⁄2 ; il en va de même de (0, 0, 0, 1) (ou, d'ailleurs, de (0, 0, 0, 0)) ; en revanche, (½, ½, ½, ½) n'est pas dominant pour W(F₄) (il l'est pour W(B₄)) parce que ½ est strictement plus petit que ½+½+½. Chaque orbite sous W(F₄) possède un unique représentant dominant ; et un algorithme pour le calculer consiste à alterner les deux étapes suivantes (qui effectuent bien des opérations de W(F₄)) :

• calculer un représentant dominant pour W(B₄) (c'est-à-dire trier les valeurs absolues, et retirer les signes moins),
• calculer ½·(− v₀ − v₁ − v₂ + v₃) où les composantes du vecteur ont été notées v₀ à v₃ et, si ce nombre est négatif, le soustraire à v₃ tandis qu'on l'ajoute à v₀ à v₂ (il revient au même de : changer le signe des composantes v₀ à v₂, soustraire à chacune des quatre composantes la moitié de la somme de toutes, ce qui est l'opération spécifique avec laquelle j'ai définie W(F₄), et changer de nouveau le signe des composantes v₀ à v₂).

Il s'agit de répéter jusqu'à ce que le vecteur ne change plus, mais, en fait, il me semble que deux itérations suffiront toujours. À titre d'exemple, si je pars de (9⁄2, −7⁄2, −5⁄2, ½), son représentant dominant pour W(B₄) est (½, 5⁄2, 7⁄2, 9⁄2), l'étape suivante soustrait ½(−½−5⁄2−7⁄2+9⁄2)=−1 (c'est-à-dire, ajoute 1) à la dernière composante tandis qu'elle l'ajoute (c'est-à-dire, retire 1) aux autres, ce qui donne (−½, 3⁄2, 5⁄2, 11/2), dont le représentant dominant pour W(B₄) est (½, 3⁄2, 5⁄2, 11/2), et l'algorithme s'arrête là. On est donc passé de (9⁄2, −7⁄2, −5⁄2, ½) à son représentant dominant (½, 3⁄2, 5⁄2, 11/2) par des opérations de W(F₄), et bien sûr, si on inverse les opérations, on peut passer dans l'autre sens : ces deux vecteurs sont dans une même orbite sous W(F₄).

Ajout/digression : Pour dénombrer l'orbite d'un vecteur sous W(F₄), il y a une méthode, mais elle est plus compliquée que celle que j'ai donnée plus haut pour W(B₄). (Le présent paragraphe n'est inséré ici que pour être un peu complet, et il est recommandé de ne pas le lire.) On commence par remplacer le vecteur par le représentant dominant de son orbite pour W(F₄), qu'on peut calculer comme on l'a expliqué ci-dessus. Maintenant, on trace le diagramme de Dynkin de F₄, qui est représenté sur cette page. Pour chacun des quatre nœuds qui sont alignés sur ce diagramme, dans l'ordre (en suivant l'ordre indiqué par la flèche), on va l'effacer si l'une des sept quantités suivantes est non nulle : v₂ − v₁, v₁ − v₀, v₀ et ½·(− v₀ − v₁ − v₂ + v₃). (Remarquer que, par la définition d'un représentant dominant pour W(F₄), toutes les quantités qu'on vient de tester sont positives ou nulles : on efface le nœud quand la quantité est strictement positive.) À la fin du processus, il reste entre 0 et 4 nœuds (à savoir 4 si le vecteur était identiquement nul, et 0 si c'était par exemple (½, 3⁄2, 5⁄2, 11/2)) ; on efface aussi toutes les arêtes du diagramme reliant des nœuds dont au moins l'un a été effacé. Il reste une réunion disjointe de diagrammes de Dynkin (de nouveau, consulter la page Wikipédia que j'ai indiquée) : on considère l'ordre du groupe de Weyl de chacun, sachant que l'ordre du groupe de Weyl de A_n vaut (n+1)!, et celui de B_n ou C_n vaut 2ⁿ·n! (ce sont les seuls qui peuvent apparaître) ; on fait le produit de tous ces ordres, et on divise 1152 par le produit en question : le quotient est un entier, qui est la taille de l'orbite. Par exemple, si le vecteur était (0, 0, 0, 1), qui est bien un représentant dominant sous W(F₄), la seule quantité non nulle parmi celles testées est ½·(− v₀ − v₁ − v₂ + v₃) (qui vaut ½), donc on efface le quatrième nœud de la chaîne de quatre, ce qui reste est le diagramme de Dynkin de B₃, et on effectue donc le rapport 1152 / 48 = 24. L'orbite est donc de cardinal 24.

Maintenant, quand on a une orbite sous W(F₄), pour mieux la comprendre, on peut essayer de la décomposer en orbites sous W(B₄). C'est ce que j'ai fait plus haut : l'orbite de (0, 0, 0, 1) sous W(F₄) est la réunion de deux orbites sous W(B₄), à savoir celle de (0, 0, 0, 1) lui-même, qui a 8 éléments, et celle de (½, ½, ½, ½), qui en a 16. De même, l'orbite de (0, 0, 1, 2) sous W(F₄) est réunion de deux orbites sous W(B₄), à savoir celle de (0, 0, 1, 2) (qui a 48 éléments), celle de (½, ½, 3⁄2, 3⁄2) (qui en a 96). Ce que j'ai écrit, ici, colle avec ce que j'ai déjà écrit plus haut, si ce n'est que j'ai systématiquement utilisé les représentants dominants, à la fois pour les orbites sous W(F₄) et sous W(B₄).

Mais le cas qui m'intéresse le plus est le cas général, celui des orbites sous W(F₄) de taille 1152 (le maximum) : elles se décomposent en exactement trois orbites sous W(B₄), toutes également de taille maximale 384. La liste complète des 3 représentants des orbites pour W(B₄) constituant l'orbite pour W(F₄) de (½, 3⁄2, 5⁄2, 11/2) est la suivante :

(1/2, 3/2, 5/2, 11/2)
(1, 2, 3, 5)
(1/2, 5/2, 7/2, 9/2)

(Ils sont ici triés par ordre lexicographique inverse donnant le poids le plus fort aux dernières composantes. Mais ce n'est peut-être pas l'ordre le plus logique ici.)

Autrement dit, les vecteurs qu'on peut atteindre à partir de (½, 3⁄2, 5⁄2, 11/2) par application des opérations de W(F₄) sont exactement les vecteurs qu'on peut atteindre à partir de l'un des trois vecteurs ci-dessus par application des opérations de W(B₄) (384 vecteurs atteignables par permutation des coordonnées et changement de signes sur chacun des trois listés, soit 1152 au total). C'est d'ailleurs un exercice de programmation assez simple de vérifier la liste en question.

Voici maintenant la question à 3 zorkmids : y a-t-il une description élémentaire de la liste ci-dessus ? Euh, non, là, franchement, le copier-coller de l'entrée sur E₈ échoue un peu : autant chercher la logique dans une liste de 135×8 nombres se tient assez, autant la chercher dans une liste de 3×4 nombres aussi petits semble un peu idiot. Mais quand même, en supposant que je donne juste cette liste (en précisant éventuellement que l'ordre des entrées n'a pas d'importance, que l'ordre des composantes de chaque ligne n'en a pas non plus, et qu'on peut changer arbitrairement les signes) et que je demande trouvez la logique, y a-t-il quelque chose qui évite de parler de F₄ ?

Je subodore que la réponse est oui dans le cas de E₈, mais j'avoue que le cas de F₄ me fait un peu douter.

Il faut que j'explique cependant en quoi cela peut avoir un intérêt d'en chercher une. Dans mes explications (peut-être irritantes) ci-dessus, j'ai soigneusement omis d'expliquer ce qu'est, au juste, W(F₄), j'ai juste défini les opérations de W(F₄) et les orbites sous W(F₄). Ceux qui en savent un peu plus que le niveau élémentaire où je me suis placé auront bien sûr deviné que W(F₄) est censé être un groupe, que 1152 est son ordre, et que les 1152 vecteurs atteignables à partir de (½, 3⁄2, 5⁄2, 11/2) sont une orbite régulière (= un espace principal homogène) pour ce groupe, qui, du coup, peut servir à représenter le groupe si on choisit une origine. Pour éviter de supposer qu'on sait ce qu'est un groupe, je peux dire les choses ainsi : si je prend deux vecteurs v et w quelconques de l'orbite de (½, 3⁄2, 5⁄2, 11/2) sous W(F₄), et si j'appelle u le vecteur (½, 3⁄2, 5⁄2, 11/2) lui-même (le représentant qu'on a choisi d'appeler « dominant »), quelle que soit la succession d'opérations de W(F₄) amenant u en v, on peut appliquer la même suite d'opérations sur w, et on obtient un nouveau vecteur de l'orbite, que je vais noter v•w : il se trouve qu'il ne dépend pas des opérations choisies pour amener u en v (ce n'est pas du tout évident, et c'est là qu'intervient le fait que l'orbite a 1152 éléments et pas moins). Ceci constitue une « loi de composition » sur mes 1152 éléments ; cette loi est, de plus, associative (on a x•(y•z) = (x•y)•z quels que soient x,y,z) et elle a u pour élément neutre (c'est-à-dire que u•v=v•u=v quel que soit v, ce qui est évident sur la définition), et chaque élément v a un inverse v′ (c'est-à-dire que v•v′=v′•v=u). C'est ça qu'on appelle un groupe, et c'est ce groupe-là qui s'appelle W(F₄) (même si ce n'est pas vraiment la façon la plus naturelle de le définir : on a plutôt envie de le voir comme les transformations elles-mêmes plutôt que leur effet sur le vecteur particulier (½, 3⁄2, 5⁄2, 11/2)). Si on faisait pareil pour W(B₄) sur l'orbite de (1, 2, 3, 4), la loi de composition ainsi fabriquée serait la composition des permutations signées ; dans le cadre de W(A_r), que je n'ai pas défini, on obtient la composition des permutations sur r+1 objets. Représenter les éléments de W(F₄) par des quadruplets de nombres est possiblement plus sympathique que de le représenter comme on le fait habituellement (par des matrices 4×4, pour ceux qui savent ce que c'est, correspondant à la transformation linéaire effectuée) ; la description que j'ai faite est en principe algorithmique puisque j'ai donné ci-dessus un algorithme pour envoyer u = (½, 3⁄2, 5⁄2, 11/2) sur un vecteur v quelconque de l'orbite (ce qui permet, du coup, de refaire les mêmes opérations sur w), mais en pratique ce n'est pas très commode. J'aimerais croire qu'il y a une description plus élémentaire et plus sympathique comme il y a pour la composition des permutations ou des permutations signées. Ou en tout cas qui permette de calculer différentes choses sur un élément de W(F₄), par exemple son ordre ou son inverse.

Ajout/éclaircissement : Le paragraphe précédent est assez confus, mais l'idée générale est que W(F₄) est, de beaucoup de point de vues, très semblable à un groupe de permutations ou de permutations signées ; or il est facile et courant de représenter les éléments d'un groupe de permutations (éventuellement signées) par des listes d'entiers : il est possible d'en faire autant pour W(F₄), et c'est essentiellement ce que j'ai expliqué jusqu'ici, mais ce qui n'est pas très clair c'est ce que sont, au juste, les listes d'entiers en question (ou, à plus forte raison, comment fonctionne au juste l'opération de composition — ce que j'ai présenté est algorithmique, mais l'algorithme n'est vraiment pas très parlant).

J'ai posé la question sur MathOverflow pour le cas de E₈, mais pour l'instant sans grand succès.

0	(1/2, 3/2, 5/2, 11/2)
1	(2, 3, -1, 5)
2	(7/2, -1/2, -5/2, 9/2)
3	(3/2, -1/2, -11/2, 5/2)
4	(3, -2, -5, -1)
5	(-1/2, -7/2, -9/2, -5/2)
6	(-1/2, -3/2, -5/2, -11/2)
7	(-2, -3, 1, -5)
8	(-7/2, 1/2, 5/2, -9/2)
9	(-3/2, 1/2, 11/2, -5/2)
10	(-3, 2, 5, 1)
11	(1/2, 7/2, 9/2, 5/2)
12	(1/2, 3/2, 5/2, 11/2)

Il faut que je précise encore une chose : pourquoi précisément (½, 3⁄2, 5⁄2, 11/2) ? On pourrait chercher à représenter le groupe W(F₄) à partir de n'importe quel vecteur ayant une orbite de taille 1152, mais (½, 3⁄2, 5⁄2, 11/2) est ce qu'on appelle un vecteur de Weyl, et je soupçonne que c'est ce qui a le plus de chances de donner une réponse simple à ma question s'il peut y en avoir une (dans le cas de W(B₄), le vecteur de Weyl dominant est (1, 2, 3, 4), ce qui est quand même bien sympathique pour représenter les permutations signées). Définir exactement ce qu'est un vecteur de Weyl n'est pas tout à fait évident : je peux par exemple proposer la façon suivante, mais ce n'est pas forcément clair que ce soit intéressant : considérons un vecteur dominant u général pour W(F₄), et maintenant considérons parmi les 48 vecteurs que j'ai appelés système de racines de F₄ ci-dessus, ceux dont le produit scalaire avec u (c'est-à-dire la somme des produits des coordonnées correspondantes) est positif (sachant qu'il ne peut pas être nul) ; il se trouve que ce sont les 24 vecteurs (sur les 24 du système de racines) dont la dernière coordonnée non nulle est strictement positive ; maintenant, faisons la demi-somme de tous ces vecteurs : cela donne (½, 3⁄2, 5⁄2, 11/2) ; et en fait, si j'étais parti d'un vecteur u général quelconque (général voulant dire que son orbite a 1152 éléments, ou, ce qui revient au même, que les quatre composantes du vecteur u soient toutes non nulles et deux à deux distinctes, qu'il n'y en ait pas deux qui soient opposées, et qu'il n'y en ait pas non plus un certain nombre dont la somme soit égale à la somme des autres), alors la même procédure (faire la demi-somme des 120 vecteurs du système de racine ayant un produit scalaire positif avec u) donnerait un des 1152 vecteurs de l'orbite de (½, 3⁄2, 5⁄2, 11/2) sous W(F₄), que je cherche justement à identifier. Mais bon, cette description n'est pas franchement éclairante. Il faut plutôt se dire, moralement, que (½, 3⁄2, 5⁄2, 11/2) est, en un certain sens, le vecteur « le plus petit et le plus simple » (mais je ne veux pas chercher à définir exactement ce que cela signifie) qui ait une orbite sous W(F₄) de taille 1152.

J'ai raconté plein de fois dans ce blog (généralement je fais référence à cette entrée-là, mais c'est un thème récurrent, et de toute façon je radote) à quel point je suis fasciné par la symétrie et les structures combinatoires et toujours à la recherche de nouvelles façons de faire apparaître ou de représenter des objets mathématiques que je trouve remarquables. (Tiens, je n'ai pas encore parlé de mon jeu de cartes faussement divinatoires basé sur la combinatoire des 27 droites sur une surface cubique ? Faites-moi penser à vous montrer ça, un jour.) Je voudrais essayer ici de parler de façon extrêmement élémentaire un de mes objets préférés (il s'agit du groupe de Weyl de E₈, mais chut ! je veux éviter les mots barbares) pour arriver à une sorte de petite devinette, dont je n'ai pas la réponse, sur le mode « quelle est la logique dans les nombres suivants ? ».

Avertissement : La présentation qui suit risque d'être un peu irritante pour les mathématiciens — ou d'ailleurs pour des non-mathématiciens — parce que je vais faire tout un tas d'affirmations sans aucune sorte de justification, ce qui est normal pour de la vulgarisation, mais, pire, de façon peut-être gratuitement mystifiante ou à l'encontre de l'ordre et de la présentation logiques des choses. Désolé pour ceux que ça agacera, mais cette approche a un certain mérite pour là où je veux en venir. • Pour ceux qui veulent jouer, vous pouvez sauter toutes les explications, aller voir directement la liste de nombres donnée ci-dessus, et chercher une logique élémentaire : je pense qu'il y en a une, mais je ne la trouve pas.

Ajout : Voir aussi l'entrée suivante (qui est en bonne partie un copier-coller de celle-ci) pour le cas de F₄, qui est plus simple et donc peut-être pédagogiquement préférable.

Partons de huit nombres (= un élément de ℝ⁸) ; pour que ce que je raconte ne suppose aucune connaissance mathématique particulière, je précise que j'appellerai ça un vecteur et j'appellerai composantes du vecteur les huit nombres en question. Par exemple (1, 1, 0, 0, 0, 0, 0, 0), ou bien (0, 1, 2, 3, 4, 5, 6, 23) sont des vecteurs avec lesquels on va pouvoir jouer (ces exemples vont être intéressants pour la suite ; et oui, c'est bien un 23 que j'ai écrit à la fin, bear with me, ce n'est pas une blague dans le style quel est le huitième nombre qui complète la suite : 0, 1, 2, 3, 4, 5, 6… ? — c'est évidemment 23). Maintenant, à partir de ce vecteur, imaginons qu'on ait le droit de faire, autant de fois qu'on veut, et dans n'importe quel ordre, les opérations très simples suivantes :

• permuter ses composantes — c'est-à-dire les réordonner — de n'importe quelle manière (par exemple, on peut transformer (0, 1, 2, 3, 4, 5, 6, 23) en (0, 4, 3, 6, 1, 23, 5, 2), ce sont les mêmes nombres écrits dans un ordre différent),
• changer le signe — c'est-à-dire transformer en leur opposé, remplacer moins par plus et vice versa — d'un nombre pair quelconque des composantes (par exemple, on peut transformer (5, 6, 7, 8, 9, 10, 11, −12) en (−5, −6, 7, −8, 9, −10, −11, 12), j'ai changé le signe de six composantes, et six est bien pair),
• soustraire à chacune des huit composantes le quart de la somme de toutes (par exemple, ceci transforme (0, 1, 2, 3, 4, 5, 6, 23) en (−11, −10, −9, −8, −7, −6, −5, 12) : la somme des nombres était 0+1+2+3+4+5+6+23=44 donc j'ai soustrait 11 à chacun).

Voilà qui n'est pas bien compliqué. Pour fixer la terminologie les opérations des deux premiers types que je viens de dire seront appelées opérations de W(D₈) tandis que les opérations des trois types seront dites opérations de W(E₈) (je n'essaye pas du tout de définir ce que c'est que W(D₈) ou W(E₈), en tout cas pas pour le moment, ce sont juste des termes à considérer comme un bloc).

Les opérations de W(D₈) sont assez faciles à comprendre, en réfléchissant un peu on arrive assez facilement à voir ce qu'on peut faire avec (une description plus précise sera donnée plus bas, notamment, de quand on peut passer d'un vecteur à un autre par ces opérations). Celles de W(E₈), c'est-à-dire si on permet la troisième opération que j'ai dite, sont déjà plus mystérieuses mystérieuses : je vais donner quelques exemples ci-dessous ce qu'on peut faire avec.

La question générale est, que peut-on atteindre en appliquant les règles qui viennent d'être dites ? Autrement dit, partant d'un certain vecteur initial, quels vecteurs va-t-on pouvoir fabriquer avec les opérations qui viennent d'être dites (et combien y en a-t-il) ?

Pour prendre un exemple vraiment idiot, si le vecteur d'origine était (0, 0, 0, 0, 0, 0, 0, 0), on ne va pas très loin, il reste identique à lui-même sous l'effet de n'importe laquelle des opérations que j'ai décrites, et donc c'est la seule chose qu'on pourra atteindre.

Si le vecteur de départ est (1, 1, 0, 0, 0, 0, 0, 0), les opérations de W(D₈) (i.e., celles les deux premiers types) permettent de le transformer en n'importe quel vecteur ayant deux composantes égales à +1 ou −1 et les six autres nulles, ou en abrégé un vecteur du type (±1, ±1, 0, 0, 0, 0, 0, 0) (cela fait 8×7×2=112 vecteurs si on compte bien) ; la troisième opération transforme (1, 1, 0, 0, 0, 0, 0, 0) en (½, ½, −½, −½, −½, −½, −½, −½), et de là avec les opérations de W(D₈) on peut fabriquer les différents vecteurs (±½, ±½, ±½, ±½, ±½, ±½, ±½, ±½) dont toutes les composantes valent ±½ avec un nombre pair de signes moins (ou, ce qui revient au même, de signes plus ; cela fait 2⁷=128 vecteurs de cette forme), soit 112+128=240 vecteurs : il se trouve (il faut le vérifier mais ce n'est pas très difficile) que c'est tout ce qu'on obtient de la sorte : 240 vecteurs et pas plus. Ces 240 vecteurs forment d'ailleurs ce qui s'appelle le système de racines de E₈ (là aussi, je ne vais pas chercher à définir ce que ça veut dire, en tout cas pas aujourd'hui).

Je peux donner d'autres exemples. Si on part de (2, 0, 0, 0, 0, 0, 0, 0) (ou de (1, 0, 0, 0, 0, 0, 0, 0), cela revient évidemment au même quitte à tout diviser par deux, mais j'ai des raisons de préférer (2, 0, 0, 0, 0, 0, 0, 0)), on va pouvoir atteindre 2160 vecteurs différents par les opérations de W(E₈) ; c'est un peu plus fastidieux à compter : pour ceux qui veulent les détails, il y a les 16 vecteurs du type (±2, 0, 0, 0, 0, 0, 0, 0), les 1024 du type (∓3⁄2, ±½, ±½, ±½, ±½, ±½, ±½, ±½) avec un nombre pair de signes d'en bas, et les 1120 du type (±1, ±1, ±1, ±1, 0, 0, 0, 0) avec des signes quelconques. Si on part de (2, 1, 1, 0, 0, 0, 0, 0), on peut atteindre 6720 vecteurs différents (c'est encore plus pénible à compter). Si on part de (5⁄2, ½, ½, ½, ½, ½, ½, ½), on peut atteindre 17 280 vecteurs différents. Si on part de (3, 1, 0, 0, 0, 0, 0, 0) on peut atteindre 30 240 vecteurs différents.

Mais dans le « cas général » (disons, celui qui se produit avec probabilité 1 si notre vecteur initial a été tiré au hasard, ou bien si on est parti de (0, 1, 2, 3, 4, 5, 6, 23)), on va atteindre exactement 696 729 600 vecteurs. (En fait, la condition pour que ça soit le cas n'est pas très compliqué : il est nécessaire et suffisant, pour que cela se produise, que les huit composantes du vecteur initial soient deux à deux distinctes, qu'il n'y en ait pas deux qui soient opposées, et qu'il n'y ait pas non plus un nombre pair d'entre elles dont la somme soit égale à la somme des autres.) Et dans absolument tous les cas, le nombre de vecteurs qu'on peut atteindre sera fini, et sera même un diviseur de ce nombre maximal qu'est 696 729 600.

(Il y a d'ailleurs exactement 256 cas possibles entre le cas le plus spécial qu'est (0, 0, 0, 0, 0, 0, 0, 0) et qui donne un seul vecteur atteignable et le cas le plus général qui en donne 696 729 600. Mais je préfère rester vague sur ce que j'entends par un cas possible, parce que je ne crois pas que chacun de ces cas donne forcément un nombre de vecteurs atteints différents. En tout cas, les plus petits nombres possibles de vecteurs qu'on peut atteindre à partir d'un vecteur donné sont essentiellement ceux que j'ai listés ci-dessus : 1, 240, 2160, 6720, 13 440 et 17 280.)

☞ Il faut que je souligne que le fait qu'on obtienne un nombre fini de vecteurs est tout à fait remarquable. Si je faisais juste une toute petite modification à mes règles ci-dessus en autorisant, dans la deuxième opération, de changer le signe d'un nombre quelconque de composantes (au lieu d'exiger un nombre pair), alors n'importe quel vecteur non nul permettrait d'atteindre un nombre infini d'autres vecteurs avec les règles ainsi modifiées. La situation que je décris est véritablement exceptionnelle au sens où les « choses de ce genre » (en fait, les groupes finis de réflexions dans un espace euclidien) se rangent en un certain nombre de familles infinies plus une poignée d'exceptions, et W(E₈) fait partie de ces exceptions. Mais revenons à la situation bien particulière que j'ai considérée.

Pour y voir plus clair, je vais appeler orbite sous W(E₈) l'ensemble de tous les vecteurs qu'on peut atteindre à partir d'un vecteur donné par les opérations de W(E₈) (toutes celles que j'ai décrites), et orbite sous W(D₈) la chose analogue avec les opérations de W(D₈) (c'est-à-dire celles qui n'autorisent qu'à permuter les composantes et à changer le signe d'un nombre pair quelconques d'entre elles). Par exemple, (½, ½, ½, ½, ½, ½, ½, ½) est dans l'orbite sous W(E₈) de (1, 1, 0, 0, 0, 0, 0, 0), mais pas dans son orbite sous W(D₈).

Il sera utile de faire l'observation suivante : toutes les opérations que j'ai décrites peuvent se faire à l'envers. S'agissant des opérations de W(D₈) c'est évident (une permutation des composantes a pour inverse une autre permutation des composantes, et changer les signes deux fois revient au vecteur de départ) ; s'agissant de W(E₈), il suffit de remarquer que la troisième opération que j'ai décrite retourne sur le vecteur dont on est parti quand on l'applique deux fois (c'est un petit exercice que je laisse au lecteur). Par conséquent, si un vecteur v est dans l'orbite d'un vecteur w (que ce soit sous W(D₈) ou sous W(E₈)), alors réciproquement, w est dans l'orbite de v, et, en fait, ils ont exactement la même orbite : a contrario, deux orbites distinctes sont forcément disjointes (c'est-à-dire, sans élément commun).

Il est facile de reconnaître à quelle condition deux vecteurs définissent la même orbite sous W(D₈) : c'est-à-dire qu'on peut passer de l'un à l'autre en permutant les composantes et en changeant le signe d'un nombre pair d'entre elles. Pour ce faire, le mieux est de rendre toutes les composantes positives sauf éventuellement la plus petite en valeur absolue (lorsqu'il y avait initialement un nombre impair de composantes négatives), puis de les trier par ordre croissant : on obtient ainsi un représentant de l'orbite du vecteur sous W(D₈) que je vais appeler le représentant dominant ou vecteur dominant pour W(D₈) (il faut que je souligne, cependant, que c'est un choix que j'ai fait : j'aurais pu trier par ordre décroissant, ou mettre autant de signes moins que possible ou ce genre de choses). Par exemple, le représentant dominant de (−6, 3, −2, 1, 5, 5, −3, 1) est (−1, 1, 2, 3, 3, 5, 5, 6) (on passe bien d'un vecteur à l'autre par les opérations de W(D₈), et les composantes du second sont bien triées, et toutes positives sauf éventuellement la plus petite en valeur absolue). Il est très facile de calculer le représentant dominant d'un vecteur, et deux vecteurs ont la même orbite sous W(D₈) exactement lorsqu'ils ont le même représentant dominant (il y a un représentant dominant par orbite).

Il est par ailleurs aussi facile, avec un peu de dénombrement, de calculer le nombre de vecteurs dans une orbite sous W(D₈) : dans tous les cas, c'est un diviseur de 8!×2⁷ (où 8! := 1×2×⋯×8 = 40 320), soit 5 160 960, ce nombre correspondant au cas « général » qui est, par exemple, le cas pour (0, 1, 2, 3, 4, 5, 6, 7) : je détaille ça dans le paragraphe suivant en petits caractères parce que ce n'est pas important pour ce que je veux raconter.

Pour dénombrer l'orbite d'un vecteur sous W(D₈), ce qui importe est, premièrement, le nombre r de composantes qui valent 0, et, deuxièmement, les nombres s₁,…,s_k de composantes qui sont égales en valeur absolue. Le premier détermine le nombre de changements de signes sur un nombre pair de composantes qui ne change rien au vecteur : il vaut 2^r−1 si r≥1 (ou bien 1 si r=0, soit 2^max(r,1)−1) ; les s_i, eux, déterminent le nombre de permutations des valeurs absolues des composantes qui ne changent rien : il vaut s₁!⋯s_k! ; donc finalement, la taille de l'orbite sous W(D₈) vaut 5 160 960/(2^max(r,1)−1·s₁!⋯s_k!). Par exemple, (−1, 1, 2, 3, 3, 5, 5, 6) a une orbite sous W(D₈) de taille 5 160 960/(2!·2!·2!) (comptez un 2! pour chacune des valeurs absolues 1, 3 et 5 qui sont répétées deux fois), soit 645 120, tandis que (0, 0, 0, 0, 0, 0, 1, 1) en a une de taille 5 160 960/(2⁵·6!·2!) = 112, un nombre déjà signalé ci-dessus.

On peut chercher à dire des choses analogues avec les orbites sous W(E₈). À la limite ce n'est pas tellement ça qui m'intéresse ici, mais il faut quand même que j'en dise un mot, par souci de cohérence. Je vais appeler représentant dominant d'une orbite sous W(E₈), ou vecteur dominant pour W(E₈), un vecteur qui vérifie déjà toutes les conditions pour être dominant pour W(D₈) (c'est-à-dire trié par ordre croissant, avec au plus une composante de signe négatif, qui est alors la première et qui est inférieure ou égale à la suivante en valeur absolue), et qui vérifie, en outre, la condition suivante : la somme de la première et de la dernière composante est supérieure ou égale à la somme des six autres (si on veut : v₀ − v₁ − v₂ − v₃ − v₄ − v₅ − v₆ + v₇ ≥ 0, où les composantes du vecteur ont été notées v₀ à v₇). (Là aussi, c'est un choix que je fais, on pourrait en faire d'autres ; ce choix précis a une certaine logique, et comme pour le choix que j'ai fait pour W(D₈) il est vaguement « standard », mais il n'est pas forcément le plus opportun eu égard à la description que j'ai donnée des opérations de W(E₈) : peu importe.) Par exemple, (0, 1, 2, 3, 4, 5, 6, 23) est dominant pour W(E₈) parce que, outre qu'il l'est déjà pour W(D₈), on a 0+23≥1+2+3+4+5+6 ; il en va de même de (0, 0, 0, 0, 0, 0, 1, 1) (ou, d'ailleurs, de (0, 0, 0, 0, 0, 0, 0, 0)) ; en revanche, (½, ½, ½, ½, ½, ½, ½, ½) n'est pas dominant pour W(E₈) (il l'est pour W(D₈)) parce que ½+½ est strictement plus petit que ½+½+½+½+½+½. Chaque orbite sous W(E₈) possède un unique représentant dominant ; et un algorithme pour le calculer consiste à alterner les deux étapes suivantes (qui effectuent bien des opérations de W(E₈)) :

• calculer un représentant dominant pour W(D₈) (c'est-à-dire trier les valeurs absolues, et placer un signe moins sur la première composante s'il y a un nombre impair de signes moins),
• calculer ¼·(v₀ − v₁ − v₂ − v₃ − v₄ − v₅ − v₆ + v₇) où les composantes du vecteur ont été notées v₀ à v₇ et, si ce nombre est négatif, le soustraire à v₀ et v₇ tandis qu'on l'ajoute à v₁ à v₆ (il revient au même de : changer le signe des composantes v₁ à v₆, soustraire à chacune des huit composantes le quart de la somme de toutes, ce qui est l'opération spécifique avec laquelle j'ai définie W(E₈), et changer de nouveau le signe des composantes v₁ à v₆).

Il s'agit de répéter jusqu'à ce que le vecteur ne change plus, mais, en fait, il me semble que trois itérations suffiront toujours. À titre d'exemple, si je pars de (0, 10, 11, 12, 13, −9, 1, 2), son représentant dominant pour W(D₈) est (0, 1, 2, 9, 10, 11, 12, 13), l'étape suivante soustrait ¼(0−1−2−9−10−11−12+13)=−8 (c'est-à-dire, ajoute 8) à la première et dernière composante tandis qu'elle l'ajoute (c'est-à-dire, retire 8) aux autres, ce qui donne (8, −7, −6, 1, 2, 3, 4, 21), dont le représentant dominant pour W(D₈) est (1, 2, 3, 4, 6, 7, 8, 21), l'étape suivante (en notant que ¼(1−2−3−4−6−7−8+21)=−8) donne (3, 0, 1, 2, 4, 5, 6, 23), dont le représentant dominant pour W(D₈) est (0, 1, 2, 3, 4, 5, 6, 23), et l'algorithme s'arrête là. On est donc passé de (0, 10, 11, 12, 13, −9, 1, 2) à son représentant dominant (0, 1, 2, 3, 4, 5, 6, 23) par des opérations de W(E₈), et bien sûr, si on inverse les opérations, on peut passer dans l'autre sens : ces deux vecteurs sont dans une même orbite sous W(E₈).

Ajout/digression : Pour dénombrer l'orbite d'un vecteur sous W(E₈), il y a une méthode, mais elle est plus compliquée que celle que j'ai donnée plus haut pour W(D₈). (Le présent paragraphe n'est inséré ici que pour être un peu complet, et il est recommandé de ne pas le lire.) On commence par remplacer le vecteur par le représentant dominant de son orbite pour W(E₈), qu'on peut calculer comme on l'a expliqué ci-dessus. Maintenant, on trace le diagramme de Dynkin de E₈, qui est représenté sur cette page. Pour chacun des sept nœuds qui sont alignés sur ce diagramme, dans l'ordre (sachant que le troisième des sept porte trois voisins), on va l'effacer si l'une des sept quantités suivantes est non nulle : ½·(v₀ − v₁ − v₂ − v₃ − v₄ − v₅ − v₆ + v₇), v₁ − v₀, v₂ − v₁, v₃ − v₂, v₄ − v₃, v₅ − v₄, v₆ − v₅ ; et pour le dernier nœud (celui qui est attaché au troisième des sept alignés) : v₀ + v₁. (Remarquer que, par la définition d'un représentant dominant pour W(E₈), toutes les quantités qu'on vient de tester sont positives ou nulles : on efface le nœud quand la quantité est strictement positive.) À la fin du processus, il reste entre 0 et 8 nœuds (à savoir 8 si le vecteur était identiquement nul, et 0 si c'était par exemple (0, 1, 2, 3, 4, 5, 6, 23)) ; on efface aussi toutes les arêtes du diagramme reliant des nœuds dont au moins l'un a été effacé. Il reste une réunion disjointe de diagrammes de Dynkin (de nouveau, consulter la page Wikipédia que j'ai indiquée) : on considère l'ordre du groupe de Weyl de chacun, sachant que le groupe de Weyl de E₇ vaut 2 903 040, celui de E₆ vaut 51 840, celui de A_n vaut (n+1)!, et celui de D_n vaut 2ⁿ⁻¹·n! (ce sont les seuls qui peuvent apparaître) ; on fait le produit de tous ces ordres, et on divise 696 729 600 par le produit en question : le quotient est un entier, qui est la taille de l'orbite. Par exemple, si le vecteur était (0, 0, 0, 0, 0, 0, 1, 1), qui est bien un représentant dominant sous W(E₈), la seule quantité non nulle parmi celles testées est v₆−v₅ (qui vaut 1), donc on efface le septième nœud de la chaîne de sept, ce qui reste est le diagramme de Dynkin de E₇, et on effectue donc le rapport 696 729 600 / 2 903 040 = 240. L'orbite est donc de cardinal 240.

Maintenant, quand on a une orbite sous W(E₈), pour mieux la comprendre, on peut essayer de la décomposer en orbites sous W(D₈). C'est ce que j'ai fait plus haut : l'orbite de (0, 0, 0, 0, 0, 0, 1, 1) sous W(E₈) est la réunion de deux orbites sous W(D₈), à savoir celle de (0, 0, 0, 0, 0, 0, 1, 1) lui-même, qui a 112 éléments, et celle de (½, ½, ½, ½, ½, ½, ½, ½), qui en a 128. De même, l'orbite de (0, 0, 0, 0, 0, 0, 0, 2) sous W(E₈) est réunion de trois orbites sous W(D₈), à savoir celle de (0, 0, 0, 0, 0, 0, 0, 2) (qui a 16 éléments), celle de (−½, ½, ½, ½, ½, ½, ½, 3⁄2) (qui en a 1024), et celle de (0, 0, 0, 0, 1, 1, 1, 1) (qui en a 1120). Ce que j'ai écrit, ici, colle avec ce que j'ai déjà écrit plus haut, si ce n'est que j'ai systématiquement utilisé les représentants dominants, à la fois pour les orbites sous W(E₈) et sous W(D₈).

Mais le cas qui m'intéresse le plus est le cas général, celui des orbites sous W(E₈) de taille 696 729 600 (le maximum) : elles se décomposent en exactement 135 orbites sous W(D₈), toutes également de taille maximale 5 160 960. La liste complète des 135 représentants des orbites pour W(D₈) constituant l'orbite pour W(E₈) de (0, 1, 2, 3, 4, 5, 6, 23) est la suivante :

(0, 1, 2, 3, 4, 5, 6, 23)
(-1/2, 3/2, 5/2, 7/2, 9/2, 11/2, 13/2, 45/2)
(0, 1, 3, 4, 5, 6, 7, 22)
(1/2, 3/2, 5/2, 9/2, 11/2, 13/2, 15/2, 43/2)
(0, 1, 2, 5, 6, 7, 8, 21)
(1, 2, 3, 4, 6, 7, 8, 21)
(1/2, 3/2, 5/2, 9/2, 13/2, 15/2, 17/2, 41/2)
(3/2, 5/2, 7/2, 9/2, 11/2, 15/2, 17/2, 41/2)
(0, 1, 3, 4, 7, 8, 9, 20)
(1, 2, 3, 5, 6, 8, 9, 20)
(2, 3, 4, 5, 6, 7, 9, 20)
(-1/2, 3/2, 5/2, 7/2, 15/2, 17/2, 19/2, 39/2)
(1/2, 3/2, 7/2, 9/2, 13/2, 17/2, 19/2, 39/2)
(3/2, 5/2, 7/2, 11/2, 13/2, 15/2, 19/2, 39/2)
(5/2, 7/2, 9/2, 11/2, 13/2, 15/2, 17/2, 39/2)
(0, 1, 2, 3, 8, 9, 10, 19)
(0, 2, 3, 4, 7, 9, 10, 19)
(0, 1, 4, 5, 6, 9, 10, 19)
(1, 2, 4, 5, 7, 8, 10, 19)
(2, 3, 4, 6, 7, 8, 9, 19)
(1/2, 3/2, 5/2, 7/2, 15/2, 19/2, 21/2, 37/2)
(-1/2, 3/2, 7/2, 9/2, 13/2, 19/2, 21/2, 37/2)
(1/2, 5/2, 7/2, 9/2, 15/2, 17/2, 21/2, 37/2)
(1/2, 3/2, 9/2, 11/2, 13/2, 17/2, 21/2, 37/2)
(3/2, 5/2, 9/2, 11/2, 15/2, 17/2, 19/2, 37/2)
(0, 1, 3, 4, 7, 10, 11, 18)
(-1, 2, 3, 5, 6, 10, 11, 18)
(1, 2, 3, 4, 8, 9, 11, 18)
(0, 2, 4, 5, 7, 9, 11, 18)
(0, 1, 5, 6, 7, 8, 11, 18)
(1, 3, 4, 5, 8, 9, 10, 18)
(1, 2, 5, 6, 7, 9, 10, 18)
(-1/2, 3/2, 5/2, 9/2, 13/2, 21/2, 23/2, 35/2)
(-3/2, 5/2, 7/2, 9/2, 11/2, 21/2, 23/2, 35/2)
(1/2, 3/2, 7/2, 9/2, 15/2, 19/2, 23/2, 35/2)
(-1/2, 5/2, 7/2, 11/2, 13/2, 19/2, 23/2, 35/2)
(-1/2, 3/2, 9/2, 11/2, 15/2, 17/2, 23/2, 35/2)
(3/2, 5/2, 7/2, 9/2, 17/2, 19/2, 21/2, 35/2)
(1/2, 5/2, 9/2, 11/2, 15/2, 19/2, 21/2, 35/2)
(1/2, 3/2, 11/2, 13/2, 15/2, 17/2, 21/2, 35/2)
(0, 1, 2, 5, 6, 11, 12, 17)
(-1, 2, 3, 4, 6, 11, 12, 17)
(0, 2, 3, 5, 7, 10, 12, 17)
(-1, 3, 4, 5, 6, 10, 12, 17)
(0, 1, 4, 5, 8, 9, 12, 17)
(-1, 2, 4, 6, 7, 9, 12, 17)
(1, 2, 4, 5, 8, 10, 11, 17)
(0, 3, 4, 6, 7, 10, 11, 17)
(0, 2, 5, 6, 8, 9, 11, 17)
(0, 1, 6, 7, 8, 9, 10, 17)
(-1/2, 3/2, 5/2, 9/2, 11/2, 23/2, 25/2, 33/2)
(1/2, 3/2, 5/2, 11/2, 13/2, 21/2, 25/2, 33/2)
(-1/2, 5/2, 7/2, 9/2, 13/2, 21/2, 25/2, 33/2)
(-1/2, 3/2, 7/2, 11/2, 15/2, 19/2, 25/2, 33/2)
(-3/2, 5/2, 9/2, 11/2, 13/2, 19/2, 25/2, 33/2)
(-3/2, 5/2, 7/2, 13/2, 15/2, 17/2, 25/2, 33/2)
(1/2, 5/2, 7/2, 11/2, 15/2, 21/2, 23/2, 33/2)
(-1/2, 7/2, 9/2, 11/2, 13/2, 21/2, 23/2, 33/2)
(1/2, 3/2, 9/2, 11/2, 17/2, 19/2, 23/2, 33/2)
(-1/2, 5/2, 9/2, 13/2, 15/2, 19/2, 23/2, 33/2)
(-1/2, 3/2, 11/2, 13/2, 17/2, 19/2, 21/2, 33/2)
(0, 1, 3, 4, 5, 12, 13, 16)
(0, 2, 3, 5, 6, 11, 13, 16)
(0, 1, 3, 6, 7, 10, 13, 16)
(-1, 2, 4, 5, 7, 10, 13, 16)
(-1, 2, 3, 6, 8, 9, 13, 16)
(-2, 3, 4, 6, 7, 9, 13, 16)
(1, 2, 3, 6, 7, 11, 12, 16)
(0, 3, 4, 5, 7, 11, 12, 16)
(0, 2, 4, 6, 8, 10, 12, 16)
(-1, 3, 5, 6, 7, 10, 12, 16)
(-1, 3, 4, 7, 8, 9, 12, 16)
(0, 1, 5, 6, 9, 10, 11, 16)
(-1, 2, 5, 7, 8, 10, 11, 16)
(1/2, 3/2, 5/2, 7/2, 9/2, 25/2, 27/2, 31/2)
(1/2, 3/2, 7/2, 9/2, 11/2, 23/2, 27/2, 31/2)
(-1/2, 3/2, 7/2, 11/2, 13/2, 21/2, 27/2, 31/2)
(-1/2, 3/2, 5/2, 13/2, 15/2, 19/2, 27/2, 31/2)
(-3/2, 5/2, 7/2, 11/2, 15/2, 19/2, 27/2, 31/2)
(-5/2, 7/2, 9/2, 11/2, 15/2, 17/2, 27/2, 31/2)
(1/2, 5/2, 7/2, 11/2, 13/2, 23/2, 25/2, 31/2)
(1/2, 3/2, 7/2, 13/2, 15/2, 21/2, 25/2, 31/2)
(-1/2, 5/2, 9/2, 11/2, 15/2, 21/2, 25/2, 31/2)
(-1/2, 5/2, 7/2, 13/2, 17/2, 19/2, 25/2, 31/2)
(-3/2, 7/2, 9/2, 13/2, 15/2, 19/2, 25/2, 31/2)
(-1/2, 3/2, 9/2, 13/2, 17/2, 21/2, 23/2, 31/2)
(-3/2, 5/2, 11/2, 13/2, 15/2, 21/2, 23/2, 31/2)
(-3/2, 5/2, 9/2, 15/2, 17/2, 19/2, 23/2, 31/2)
(0, 1, 2, 3, 4, 13, 14, 15)
(1, 2, 3, 4, 5, 12, 14, 15)
(0, 1, 4, 5, 6, 11, 14, 15)
(-1, 2, 3, 6, 7, 10, 14, 15)
(0, 1, 2, 7, 8, 9, 14, 15)
(-2, 3, 4, 5, 8, 9, 14, 15)
(-3, 4, 5, 6, 7, 8, 14, 15)
(1, 2, 4, 5, 6, 12, 13, 15)
(0, 2, 4, 6, 7, 11, 13, 15)
(0, 2, 3, 7, 8, 10, 13, 15)
(-1, 3, 4, 6, 8, 10, 13, 15)
(-2, 4, 5, 6, 8, 9, 13, 15)
(0, 1, 4, 7, 8, 11, 12, 15)
(-1, 2, 5, 6, 8, 11, 12, 15)
(-1, 2, 4, 7, 9, 10, 12, 15)
(-2, 3, 5, 7, 8, 10, 12, 15)
(-2, 3, 4, 8, 9, 10, 11, 15)
(3/2, 5/2, 7/2, 9/2, 11/2, 25/2, 27/2, 29/2)
(1/2, 3/2, 9/2, 11/2, 13/2, 23/2, 27/2, 29/2)
(-1/2, 5/2, 7/2, 13/2, 15/2, 21/2, 27/2, 29/2)
(1/2, 3/2, 5/2, 15/2, 17/2, 19/2, 27/2, 29/2)
(-3/2, 7/2, 9/2, 11/2, 17/2, 19/2, 27/2, 29/2)
(-5/2, 9/2, 11/2, 13/2, 15/2, 17/2, 27/2, 29/2)
(-1/2, 3/2, 9/2, 13/2, 15/2, 23/2, 25/2, 29/2)
(-1/2, 3/2, 7/2, 15/2, 17/2, 21/2, 25/2, 29/2)
(-3/2, 5/2, 9/2, 13/2, 17/2, 21/2, 25/2, 29/2)
(-5/2, 7/2, 11/2, 13/2, 17/2, 19/2, 25/2, 29/2)
(-3/2, 5/2, 7/2, 15/2, 19/2, 21/2, 23/2, 29/2)
(-5/2, 7/2, 9/2, 15/2, 17/2, 21/2, 23/2, 29/2)
(0, 1, 5, 6, 7, 12, 13, 14)
(-1, 2, 4, 7, 8, 11, 13, 14)
(0, 1, 3, 8, 9, 10, 13, 14)
(-2, 3, 5, 6, 9, 10, 13, 14)
(-3, 4, 6, 7, 8, 9, 13, 14)
(-1, 2, 3, 8, 9, 11, 12, 14)
(-2, 3, 4, 7, 9, 11, 12, 14)
(-3, 4, 5, 7, 9, 10, 12, 14)
(-3/2, 5/2, 7/2, 15/2, 17/2, 23/2, 25/2, 27/2)
(-1/2, 3/2, 5/2, 17/2, 19/2, 21/2, 25/2, 27/2)
(-5/2, 7/2, 9/2, 13/2, 19/2, 21/2, 25/2, 27/2)
(-7/2, 9/2, 11/2, 15/2, 17/2, 19/2, 25/2, 27/2)
(-7/2, 9/2, 11/2, 13/2, 19/2, 21/2, 23/2, 27/2)
(0, 1, 2, 9, 10, 11, 12, 13)
(-3, 4, 5, 6, 10, 11, 12, 13)
(-4, 5, 6, 7, 9, 10, 12, 13)
(-9/2, 11/2, 13/2, 15/2, 17/2, 21/2, 23/2, 25/2)
(-5, 6, 7, 8, 9, 10, 11, 12)

(Ils sont ici triés par ordre lexicographique inverse donnant le poids le plus fort aux dernières composantes. Mais ce n'est peut-être pas l'ordre le plus logique ici.)

Autrement dit, les vecteurs qu'on peut atteindre à partir de (0, 1, 2, 3, 4, 5, 6, 23) par application des opérations de W(E₈) sont exactement les vecteurs qu'on peut atteindre à partir de l'un des 135 vecteurs ci-dessus par application des opérations de W(D₈) (5 160 960 vecteurs atteignables par permutation des coordonnées et changement d'un nombre pair de signes sur chacun des 135 listés, soit 696 729 600 au total). C'est d'ailleurs un exercice de programmation assez simple mais possiblement rigolo de générer ou vérifier la liste en question (si possible sans utiliser de tableau de taille 696 729 600).

Ajout : Voici le code Sage qui peut servir à générer la liste ci-dessus, ainsi que ce graphe dont je devrais expliquer un jour® plus en détails quelle est la relation d'adjacence.

Voici maintenant la question à 135 zorkmids : y a-t-il une description élémentaire de la liste ci-dessus ? Autrement dit, en supposant que je donne juste cette liste (en précisant éventuellement que l'ordre des entrées n'a pas d'importance, que l'ordre des composantes de chaque ligne n'en a pas non plus, et que pour ce qui est des signes seule leur parité importe) et que je demande trouvez la logique, y a-t-il quelque chose qui évite de parler de E₈ ?

Je subodore que la réponse est oui, mais j'avoue que je n'ai pas vraiment de raison de le croire à part une sorte de foi inébranlable en l'harmonie des mathématiques.

Il faut que j'explique cependant en quoi cela peut avoir un intérêt d'en chercher une. Dans mes explications (peut-être irritantes) ci-dessus, j'ai soigneusement omis d'expliquer ce qu'est, au juste, W(E₈), j'ai juste défini les opérations de W(E₈) et les orbites sous W(E₈). Ceux qui en savent un peu plus que le niveau élémentaire où je me suis placé auront bien sûr deviné que W(E₈) est censé être un groupe, que 696 729 600 est son ordre, et que les 696 729 600 vecteurs atteignables à partir de (0, 1, 2, 3, 4, 5, 6, 23) sont une orbite régulière (= un espace principal homogène) pour ce groupe, qui, du coup, peut servir à représenter le groupe si on choisit une origine. Pour éviter de supposer qu'on sait ce qu'est un groupe, je peux dire les choses ainsi : si je prend deux vecteurs v et w quelconques de l'orbite de (0, 1, 2, 3, 4, 5, 6, 23) sous W(E₈), et si j'appelle u le vecteur (0, 1, 2, 3, 4, 5, 6, 23) lui-même (le représentant qu'on a choisi d'appeler « dominant »), quelle que soit la succession d'opérations de W(E₈) amenant u en v, on peut appliquer la même suite d'opérations sur w, et on obtient un nouveau vecteur de l'orbite, que je vais noter v•w : il se trouve qu'il ne dépend pas des opérations choisies pour amener u en v (ce n'est pas du tout évident, et c'est là qu'intervient le fait que l'orbite a 696 729 600 éléments et pas moins). Ceci constitue une « loi de composition » sur mes 696 729 600 éléments ; cette loi est, de plus, associative (on a x•(y•z) = (x•y)•z quels que soient x,y,z) et elle a u pour élément neutre (c'est-à-dire que u•v=v•u=v quel que soit v, ce qui est évident sur la définition), et chaque élément v a un inverse v′ (c'est-à-dire que v•v′=v′•v=u). C'est ça qu'on appelle un groupe, et c'est ce groupe-là qui s'appelle W(E₈) (même si ce n'est pas vraiment la façon la plus naturelle de le définir : on a plutôt envie de le voir comme les transformations elles-mêmes plutôt que leur effet sur le vecteur particulier (0, 1, 2, 3, 4, 5, 6, 23)). Si on faisait pareil pour W(D₈) sur l'orbite de (0, 1, 2, 3, 4, 5, 6, 7), la loi de composition ainsi fabriquée serait la composition des permutations signées-avec-un-nombre-pair-de-signes-moins ; dans le cadre de W(A_r), que je n'ai pas défini, on obtient la composition des permutations sur r+1 objets. Représenter les éléments de W(E₈) par des octuplets de nombres est possiblement plus sympathique que de le représenter comme on le fait habituellement (par des matrices 8×8, pour ceux qui savent ce que c'est, correspondant à la transformation linéaire effectuée) ; la description que j'ai faite est en principe algorithmique puisque j'ai donné ci-dessus un algorithme pour envoyer u = (0, 1, 2, 3, 4, 5, 6, 23) sur un vecteur v quelconque de l'orbite (ce qui permet, du coup, de refaire les mêmes opérations sur w), mais en pratique ce n'est pas très commode. J'aimerais croire qu'il y a une description plus élémentaire et plus sympathique comme il y a pour la composition des permutations ou des permutations signées. Ou en tout cas qui permette de calculer différentes choses sur un élément de W(E₈), par exemple son ordre ou son inverse.

Ajout/éclaircissement : Le paragraphe précédent est assez confus, mais l'idée générale est que W(E₈) est, de beaucoup de point de vues, très semblable à un groupe de permutations ou de permutations signées ; or il est facile et courant de représenter les éléments d'un groupe de permutations (éventuellement signées) par des listes d'entiers : il est possible d'en faire autant pour W(E₈), et c'est essentiellement ce que j'ai expliqué jusqu'ici, mais ce qui n'est pas très clair c'est ce que sont, au juste, les listes d'entiers en question (ou, à plus forte raison, comment fonctionne au juste l'opération de composition — ce que j'ai présenté est algorithmique, mais l'algorithme n'est vraiment pas très parlant).

J'ai posé la question sur MathOverflow, mais pour l'instant sans grand succès.

0	(0, 1, 2, 3, 4, 5, 6, 23)
1	(-1, 3, 4, 5, 6, 7, 0, 22)
2	(0, 5, 6, 7, 8, 1, -2, 21)
3	(-3/2, 15/2, 17/2, 19/2, 5/2, -1/2, -7/2, 39/2)
4	(-3/2, 23/2, 25/2, 11/2, 5/2, -1/2, -9/2, 33/2)
5	(-2, 16, 9, 6, 3, -1, -8, 13)
6	(-7/2, 29/2, 23/2, 17/2, 9/2, -5/2, -21/2, 15/2)
7	(0, 15, 12, 8, 1, -7, -11, 4)
8	(-4, 16, 12, 5, -3, -7, -11, 0)
9	(-2, 18, 11, 3, -1, -5, -10, -6)
10	(-2, 15, 7, 3, -1, -6, -14, -10)
11	(-5/2, 23/2, 15/2, 7/2, -3/2, -19/2, -21/2, -29/2)
12	(0, 10, 6, 1, -7, -8, -9, -17)
13	(-5/2, 17/2, 7/2, -9/2, -11/2, -13/2, -15/2, -39/2)
14	(-1/2, 13/2, -3/2, -5/2, -7/2, -9/2, -11/2, -45/2)
15	(0, -1, -2, -3, -4, -5, -6, -23)
16	(1, -3, -4, -5, -6, -7, 0, -22)
17	(0, -5, -6, -7, -8, -1, 2, -21)
18	(3/2, -15/2, -17/2, -19/2, -5/2, 1/2, 7/2, -39/2)
19	(3/2, -23/2, -25/2, -11/2, -5/2, 1/2, 9/2, -33/2)
20	(2, -16, -9, -6, -3, 1, 8, -13)
21	(7/2, -29/2, -23/2, -17/2, -9/2, 5/2, 21/2, -15/2)
22	(0, -15, -12, -8, -1, 7, 11, -4)
23	(4, -16, -12, -5, 3, 7, 11, 0)
24	(2, -18, -11, -3, 1, 5, 10, 6)
25	(2, -15, -7, -3, 1, 6, 14, 10)
26	(5/2, -23/2, -15/2, -7/2, 3/2, 19/2, 21/2, 29/2)
27	(0, -10, -6, -1, 7, 8, 9, 17)
28	(5/2, -17/2, -7/2, 9/2, 11/2, 13/2, 15/2, 39/2)
29	(1/2, -13/2, 3/2, 5/2, 7/2, 9/2, 11/2, 45/2)
30	(0, 1, 2, 3, 4, 5, 6, 23)

Il faut que je précise encore une chose : pourquoi précisément (0, 1, 2, 3, 4, 5, 6, 23) ? On pourrait chercher à représenter le groupe W(E₈) à partir de n'importe quel vecteur ayant une orbite de taille 696 729 600, mais (0, 1, 2, 3, 4, 5, 6, 23) est ce qu'on appelle un vecteur de Weyl, et je soupçonne que c'est ce qui a le plus de chances de donner une réponse simple à ma question s'il peut y en avoir une (dans le cas de W(D₈), le vecteur de Weyl dominant est (0, 1, 2, 3, 4, 5, 6, 7), ce qui est quand même bien sympathique pour représenter les permutations signées). Définir exactement ce qu'est un vecteur de Weyl n'est pas tout à fait évident : je peux par exemple proposer la façon suivante, mais ce n'est pas forcément clair que ce soit intéressant : considérons un vecteur dominant u général pour W(E₈), et maintenant considérons parmi les 240 vecteurs que j'ai appelés système de racines de E₈ ci-dessus, ceux dont le produit scalaire avec u (c'est-à-dire la somme des produits des coordonnées correspondantes) est positif (sachant qu'il ne peut pas être nul) ; il se trouve que ce sont les 120 vecteurs (sur les 240 du système de racines) dont la dernière coordonnée non nulle est strictement positive ; maintenant, faisons la demi-somme de tous ces vecteurs : cela donne (0, 1, 2, 3, 4, 5, 6, 23) ; et en fait, si j'étais parti d'un vecteur u général quelconque (général voulant dire que son orbite a 696 729 600 éléments, ou, ce qui revient au même, que les huit composantes du vecteur u soient deux à deux distinctes, qu'il n'y en ait pas deux qui soient opposées, et qu'il n'y ait pas non plus un nombre pair d'entre elles dont la somme soit égale à la somme des autres), alors la même procédure (faire la demi-somme des 120 vecteurs du système de racine ayant un produit scalaire positif avec u) donnerait un des 696 729 600 vecteurs de l'orbite de (0, 1, 2, 3, 4, 5, 6, 23) sous W(E₈), que je cherche justement à identifier. Mais bon, cette description n'est pas franchement éclairante. Il faut plutôt se dire, moralement, que (0, 1, 2, 3, 4, 5, 6, 23) est, en un certain sens, le vecteur « le plus petit et le plus simple » (mais je ne veux pas chercher à définir exactement ce que cela signifie) qui ait une orbite sous W(E₈) de taille 696 729 600.

Il est bien connu que l'ensemble ℚ des rationnels, que je noterai ici p/q sous forme irréductible, est dense dans les réels ℝ, c'est-à-dire que si x∈ℝ, on peut trouver p/q aussi proche qu'on veut de x, ou encore : (pour tout ε>0, il existe p/q tel que) |x − p/q| < ε. Là où les choses deviennent plus intéressantes, c'est quand on commence à se demander, donné x∈ℝ, combien il faut payer pour l'approcher par p/q rationnel : autrement dit, si je veux une approximation de qualité ε>0, combien je dois le payer en utilisant un rationnel compliqué, le « compliqué » en question se mesurant par le dénominateur q>0 utilisé (on pourrait prendre la « hauteur » max(|p|,q), ou peut-être |p|+q, mais ça ne changerait pas grand-chose). Le sujet général s'appelle l'approximation diophantienne, et je n'y connais pas grand-chose, mais rappelons quand même les résultats les plus standards à ce sujet.

Si h est une fonction croissante des entiers naturels non nuls vers les réels strictement positifs, je peux dire qu'un réel x est h-approchable par les rationnels (ou simplement h-approchable) lorsqu'il existe des rationnels p/q de dénominateur q arbitrairement élevé tels que |x − p/q| < 1/h(q) (formellement : pour tout n entier naturel non nul, il existe p et q entiers premiers entre eux avec q≥n tels que |x − p/q| < 1/h(q)). Il faut y penser comme : en payant avec un dénominateur q j'obtiens une qualité d'approximation h(q). Plus la fonction h grandit vite, plus je demande une bonne approximation, donc plus il est difficile de trouver de tels x. Si h′≥h, ou même simplement si cette inégalité vaut à partir d'un certain rang, alors tout réel h′-approchable est, en particulier, h-approchable. Si h est constante (je demande une qualité d'approximation constante, et je suis prêt à payer arbitrairement cher pour l'avoir) ou simplement bornée, tout réel x est approchable, c'est ce que j'ai rappelé ci-dessus, mais on va voir ci-dessous qu'on peut faire mieux. Dans la pratique, on prendra donc une fonction h de limite ∞ en ∞, sinon la définition n'a guère d'intérêt.

Si h est quelconque (croissante des entiers naturels non nuls vers les réels strictement positifs), il existe toujours des réels h-approchables au sens ci-dessus : c'est une conséquence du théorème de Baire : quel que soit n>0, l'ensemble des x pour lesquels il existe p/q avec q≥n vérifiant |x − p/q| < 1/h(q) est ouvert (puisque c'est une réunion d'intervalles ouverts de largeur 2/h(q) centrés en les p/q) et dense (puisqu'il contient l'ensemble dense des rationnels p/q de dénominateur q≥n) ; donc (le théorème de Baire assure que) leur intersection est non vide, c'est-à-dire qu'il existe des réels x, et même qu'il existe un ensemble dense, pour lesquels il existent des p/q avec q arbitrairement grand vérifiant |x − p/q| < 1/h(q), ce qui signifie exactement qu'ils (les x en question) sont h-approchables. Bref, on peut trouver des réels approchés arbitrairement bien par des rationnels, quelle que soit la qualité h de l'approximation qu'on demande pour un dénominateur donné.

Un autre résultat, dit théorème d'approximation de Dirichlet, est que quel que soit x irrationnel, il existe des p/q de dénominateur q arbitrairement élevé tels que |x − p/q| < 1/q² (c'est-à-dire que x est q²-approchable, ceci étant une écriture abusive pour dire h-approchable pour h(q)=q²). La démonstration est vraiment facile mais astucieuse : on considère les parties fractionnaires z_k := y_k−⌊y_k⌋ (entre 0 inclus et 1 exclu) des réels y_k := k·x pour 0≤k≤N entier ; ceci fait N+1 nombres z_k, qu'on répartit en les N intervalles de largeur 1/N partitionnant [0;1[ (je veux dire : l'intervalle entre 0 inclus et 1/N exclu, l'intervalle entre 1/N inclus et 2/N exclu, et ainsi de suite jusqu'à l'intervalle entre (N−1)/N inclus et 1 exclu) ; comme il y a plus de réels que d'intervalles, deux d'entre eux, disons z_k et z_ℓ avec k<ℓ, qui tombent dans le même intervalle de largeur 1/N, donc ils vérifient |z_ℓ − z_k| < 1/N, c'est-à-dire |ℓ·x − ⌊ℓ·x⌋ − k·x + ⌊k·x⌋| < 1/N, ce qui donne |q·x − p| < 1/N où q = ℓ−k et p = ⌊ℓ·x⌋−⌊k·x⌋, et comme 0<q<N (puisque 0≤k<ℓ≤N), on a du coup |x − p/q| < 1/(N·q) < 1/q² comme annoncé ; quant au fait qu'on puisse trouver des q arbitrairement grands vérifiant ça, c'est simplement parce que (tant que x est irrationnel !, ce qui n'a pas encore été utilisé), chaque q donné ne peut vérifier |x − p/q| < 1/(N·q) que jusqu'à un certain N (à savoir la partie entière de |q·x − p|), et donc en prenant un N plus grand que ça, on obtient un p/q forcément différent (je laisse le lecteur remplir les détails).

[Lire la suite…]

Un des cours (de première année) dont je suis responsable à l'ENST Télécom ParisTech ParisSaclay NewUni l'école où j'enseigne concerne la théorie des langages [formels], c'est-à-dire les langages rationnels, expressions rationnelles et automates finis, les langages algébriques et grammaires hors-contexte, et pour finir une toute petite introduction à la calculabilité (sujet dont je me suis déjà plaint, et plus d'une fois, de la difficulté à l'enseigner proprement). J'ai tout juste fini d'en réécrire le poly, complètement en retard puisque le cours a déjà commencé et qu'il va falloir du temps pour l'impression.

Comme je suis partisan de l'ouverture et de la disponibilité des documents d'enseignement, voici les notes en question. Si certains de mes lecteurs sont intéressés par ce sujet, ou veulent m'aider à traquer les erreurs qui demeurent certainement nombreuses, n'hésitez pas à me faire parvenir vos commentaires (mais comme je mets à jour ce lien régulièrement, pensez à recopier la ligne Git de la première page pour que je sache à quelle version vous faites référence).

(Il va de soi que le contenu lui-même, qui est le résultat de divers compromis, que ce soit sur le temps imparti ou sur l'équilibre entre mathématiques et informatique pratique, est souvent boiteux. Ce n'est pas la peine de me faire des remarques à ce sujet ; enfin, ce n'est pas qu'elles soient mal venues, c'est juste qu'elles ne seront pas suivies d'effets.)

[Lire la suite…]

Ça fait très longtemps que j'ai envie d'écrire cette entrée, parce que je trouve le sujet extrêmement rigolo : en gros, ce dont je veux parler, c'est comment définir et programmer un ordinateur transfini ? (comment concevoir un langage de programmation considérablement plus puissant qu'une machine de Turing parce qu'il est capable de manipuler directement des — certains — ordinaux ?). Techniquement, ce dont je veux parler ici, c'est de la théorie de la α-récursion (une branche de la calculabilité supérieure qui a fleuri dans les années '70 et qui semble un peu moribonde depuis) ; sauf que la α-récursion n'est jamais présentée comme je le fais ici, c'est-à-dire en décrivant vraiment un langage assez précis dans lequel on peut écrire des programmes pour certains ordinateurs transfinis. Ces ordinateurs ont le malheur de ne pas pouvoir exister dans notre Univers (encore que, si on croit certaines théories complètement fumeuses que j'avais imaginées… ?) ; mais même s'ils n'existent pas, je pense que le fait d'écrire les choses dans un style « informatique » aide à rendre la théorie mathématique plus palpable et plus compréhensible (en tout cas, c'est comme ça que, personnellement, j'aime m'en faire une intuition).

Bref, ce que je voudrais, c'est que cette entrée puisse plaire à la fois à ceux qui aiment la programmation et à ceux qui aiment les ordinaux ; ce que je crains, c'est qu'en fait elle déplaise à la fois à ceux qui n'aiment pas la programmation et à ceux qui n'aiment pas les ordinaux — ce qui est logiquement différent. On verra bien.

Il faut que je précise que tout ce que je raconte est un territoire relativement mal couvert par la littérature mathématique (il y a certainement des gens qui trouveraient tout ça complètement évident, mais je n'en fais pas partie, et comme je le disais, je soupçonne que la plupart étaient surtout actifs vers '70 et sont maintenant un peu âgés ou sont passés à autre chose), et jamais de la manière dont je le fais (comme un vrai langage de programmation : il y a des gens qui ont « redécouvert » des domaines proches comme avec les machines de Turing infinies ou les machines ordinales de Koepke, mais c'est un peu différent). Du coup, il faut prendre tout ce que je raconte avec un grain de sel : je n'ai pas vérifié chaque affirmation avec le soin que j'aurais fait si j'étais en train d'écrire un article à publier dans un journal de recherche.

Une autre remarque : cette entrée contient un certain nombre de digressions, notamment parce que je pars dans plusieurs directions un peu orthogonales. Je n'ai pas voulu les mettre en petits caractères comme je le fais souvent, pour ne pas préjuger de ce qui est important et ce qui ne l'est pas, et je n'ai pas eu le courage de tracer un leitfaden, mais tout ne dépend pas de tout : donc, si on trouve un passage particulièrement obscur ou inintéressant, on peut raisonnablement espérer(!) qu'il ne soit pas vraiment important pour la suite.

*

Pour faire une sorte de plan ce dont je veux parler, je vais décrire un langage de programmation assez simple (dont la syntaxe sera imitée de celle du C/JavaScript) et différentes variantes autour de ce langage. Plus exactement, je vais définir quatre langages : un langage (0) « de base » et deux extensions qu'on peut appliquer à ce langage (les extensions « forward » et « uloop », qui seront définies après), de sorte qu'à côté du langage (0) de base, il y aura le langage (1) avec extension « forward », le langage (2) avec extension « uloop », et le langage (3) avec les deux extensions à la fois ; tout ça peut encore être multiplié par deux si j'autorise les tableaux dans le langage, ce qui, finalement, ne changera rien à son pouvoir d'expression, et c'est peut-être surprenant.

Chacun de ces langages pourra servir dans le « cas fini » (le langage manipule des entiers naturels, et chacun des langages (0)–(3) peut être implémenté sur un vrai ordinateur et servir de vrai langage de programmation) ou dans le « cas transfini » (le langage manipule des ordinaux). J'expliquerai plus précisément en quoi consiste ce cas transfini, mais je veux insister dès à présent sur le fait que les langages de programmation (0)–(3) seront exactement les mêmes dans ce cas transfini que dans le cas fini (plus exactement, leur syntaxe sera exactement la même ; la sémantique pour les langages (0)&(1) sera prolongée, tandis que pour les langages (2)&(3) elle sera raffinée et dépendra d'un « ordinal de boucle » λ).

[Lire la suite…]

Il y a quelque temps, je me désolais de ne jamais avoir réussi à trouver un objet mathématique dont je pourrais faire une représentation sous forme auditive — plutôt que visuelle — et qui serait mélodieux à entendre.

Or ces derniers temps, je réfléchissais à des problèmes — et globalement, à essayer de comprendre plus précisément des choses — autour de caractères de groupes de Lie, et j'ai été amené à tracer des fonctions qui ressemblent à ceci (cliquez pour agrandir) :

Là, je devrais essayer de dire de quoi il s'agit. L'ennui, c'est que ce n'est pas facile. Je peux donner une explication pour les experts, mais elle n'éclairera pas du tout le grand public (ni même le public moyennement averti) ; je l'écris surtout pour m'en souvenir moi-même :

(Pour les experts, donc.)

Il s'agit des caractères fondamentaux d'un groupe de Lie (réel compact) simple (dans la figure ci-dessus, il s'agit de F₄), restreints au tore du SU₂ principal de Kostant, c'est-à-dire, plus concrètement, le groupe à un paramètre engendré par la demi-somme des coracines positives. Autrement dit, si ρ# est la demi-somme des coracines positives (ou somme des copoids fondamentaux), donnée une représentation définie par son système de poids, on applique ρ# aux poids en question, ce qui donne des demi-entiers (les multiplicités étant sommées), à interpréter comme les poids d'une représentation de SU₂, ou comme définissant un polynôme trigonométrique. Une façon de calculer en pratique consiste à appliquer la formule de caractère de Weyl avec une petite astuce (cf. §3.1 de cet article) : si ρ est la demi-somme des racines positives et λ un poids dominant, on calcule le produit des t^{⟨λ+ρ,α#⟩}−1 où t est une indéterminée et α# parcourt les coracines positives, et on divise ce polynôme par le produit des t^⟨ρ,α#⟩−1 ; ceci donne un polynôme en t (dont la valeur en 1 est précisément la dimension de la représentation de poids dominant λ, c'est la formule de dimension de Weyl ; quant au degré, il vaut 2⟨λ,ρ#⟩, c'est-à-dire la somme des coefficients de λ sur la base des racines simples) : les coefficients de ce polynôme sont ceux recherchés : si on les décale (i.e. on divise encore par t^⟨λ,ρ#⟩) et qu'on lit comme un polynôme trigonométrique, c'est la fonction recherchée. Voici par exemple le calcul en Sage dans le cas de F₄ :

sage: WCR = WeylCharacterRing("F4", style="coroots")
sage: weylvec = sum([rt for rt in WCR.positive_roots()])/2
sage: R.<t> = PolynomialRing(QQ,1)
sage: weyldenom = prod([t^weylvec.scalar(rt.associated_coroot())-1 for rt in WCR.positive_roots()])
sage: weylnumer1 = prod([t^(weylvec+WCR.fundamental_weights()[1]).scalar(rt.associated_coroot())-1 for rt in WCR.positive_roots()])
sage: weylnumer2 = prod([t^(weylvec+WCR.fundamental_weights()[2]).scalar(rt.associated_coroot())-1 for rt in WCR.positive_roots()])
sage: weylnumer3 = prod([t^(weylvec+WCR.fundamental_weights()[3]).scalar(rt.associated_coroot())-1 for rt in WCR.positive_roots()])
sage: weylnumer4 = prod([t^(weylvec+WCR.fundamental_weights()[4]).scalar(rt.associated_coroot())-1 for rt in WCR.positive_roots()])
sage: weylnumer1/weyldenom
t^22 + t^21 + t^20 + t^19 + 2*t^18 + 2*t^17 + 3*t^16 + 3*t^15 + 3*t^14 + 3*t^13 + 4*t^12 + 4*t^11 + 4*t^10 + 3*t^9 + 3*t^8 + 3*t^7 + 3*t^6 + 2*t^5 + 2*t^4 + t^3 + t^2 + t + 1
sage: weylnumer2/weyldenom
t^42 + t^41 + 2*t^40 + 3*t^39 + 5*t^38 + 7*t^37 + 10*t^36 + 12*t^35 + 16*t^34 + 20*t^33 + 25*t^32 + 29*t^31 + 35*t^30 + 39*t^29 + 45*t^28 + 50*t^27 + 55*t^26 + 58*t^25 + 62*t^24 + 63*t^23 + 66*t^22 + 66*t^21 + 66*t^20 + 63*t^19 + 62*t^18 + 58*t^17 + 55*t^16 + 50*t^15 + 45*t^14 + 39*t^13 + 35*t^12 + 29*t^11 + 25*t^10 + 20*t^9 + 16*t^8 + 12*t^7 + 10*t^6 + 7*t^5 + 5*t^4 + 3*t^3 + 2*t^2 + t + 1
sage: weylnumer3/weyldenom
t^30 + t^29 + 2*t^28 + 3*t^27 + 4*t^26 + 5*t^25 + 7*t^24 + 8*t^23 + 10*t^22 + 11*t^21 + 13*t^20 + 14*t^19 + 16*t^18 + 16*t^17 + 17*t^16 + 17*t^15 + 17*t^14 + 16*t^13 + 16*t^12 + 14*t^11 + 13*t^10 + 11*t^9 + 10*t^8 + 8*t^7 + 7*t^6 + 5*t^5 + 4*t^4 + 3*t^3 + 2*t^2 + t + 1
sage: weylnumer4/weyldenom
t^16 + t^15 + t^14 + t^13 + 2*t^12 + 2*t^11 + 2*t^10 + 2*t^9 + 2*t^8 + 2*t^7 + 2*t^6 + 2*t^5 + 2*t^4 + t^3 + t^2 + t + 1

Le polynôme en question doit d'ailleurs avoir un rapport très fort avec les crystal graphs de Kashiwara et Littelmann (les coefficients énumèrent le nombre de nœuds à chaque hauteur du graphe) ; et sans doute avec les groupes quantiques : je n'y connais rien, mais dans le cas de A_r, on obtient exactement le coefficient binomial gaussien (r+1,i) pour la i-ième représentation fondamentale. • Par ailleurs, il y a une grande similarité avec un autre polynôme important, à savoir le produit des t^{⟨α,ρ#⟩+1}−1 où t est une indéterminée et α parcourt les racines positives, divisé par le produit des t^⟨α,ρ#⟩−1 : ce polynôme-là énumère les éléments du groupe de Weyl par leur longueur (Carter, Simple Groups of Lie Type (1972/1989), théorème 10.2.2 page 153), par exemple pour F₄ on trouve t^24 + 4*t^23 + 9*t^22 + 16*t^21 + 25*t^20 + 36*t^19 + 48*t^18 + 60*t^17 + 71*t^16 + 80*t^15 + 87*t^14 + 92*t^13 + 94*t^12 + 92*t^11 + 87*t^10 + 80*t^9 + 71*t^8 + 60*t^7 + 48*t^6 + 36*t^5 + 25*t^4 + 16*t^3 + 9*t^2 + 4*t + 1, il est en lien avec les exposants du groupe de Weyl (id, théorème 10.2.3 page 155), et à très peu de choses près donne la fonction zêta du groupe algébrique, c'est-à-dire compte ses points sur les corps fini (id, proposition 8.6.1 page 122), ou de façon sans doute plus pertinente, les points de la variété de drapeau associée. Je ne comprends pas bien le rapport précis entre tous ces polynômes (notons que j'ai écrit le dernier pour coller avec ce que je trouve dans Carter, mais si je ne m'abuse, c'est aussi le produit des t^{⟨ρ,α#⟩+1}−1 où t est une indéterminée et α parcourt les racines positives, divisé par le produit des t^⟨ρ,α#⟩−1, ce qui le fait ressembler encore plus à ce que j'ai écrit ci-dessus). [Ajout : ce dernier polynôme est appelé q-polynomial ici. Je devrais ajouter, pour reproduire ce qui est mentionné sur cette page, que pour obtenir le polynôme donnant nombre de points de la variété de drapeau partielle définie par un ensemble S de nœuds du diagramme de Dynkin, on fait le produit des t^{⟨α,ρ#⟩+1}−1 divisé par le produit des t^⟨α,ρ#⟩−1, où cette fois α parcourt seulement les racines ayant au moins un coefficient strictement positif devant une racine simple omise de S.]

Il faudrait essayer de vulgariser tout ça, mais ce n'est pas évident : pas tellement parce que les objets en question sont compliqués (fondamentalement, le calcul final est un petit calcul combinatoire, assez facile, même si évidemment le présenter comme tel ne fournit aucune motivation), mais surtout parce que, comme c'est souvent le cas dans ce domaine entre la théorie des groupes algébriques, la théorie de la représentation, et la combinatoire algébrique, chaque objet peut se voir d'une multitude de manières différentes (ce qui est d'ailleurs la source d'incompréhensions diverses et variées). J'avais commencé à essayer d'écrire quelque chose, non pas vraiment pour expliquer mais juste pour donner une idée de ce dont il est question (en agitant énormément les mains), mais même comme ça, ça partait tellement dans tous les sens que c'est incompréhensible : je le recopie quand même ici (comme un gros bloc de texte), mais je ne recommande de le lire que pour rigoler :

[Lire la suite…]

Je ne savais pas bien à quoi m'attendre quand j'ai calculé cette image, mais probablement pas à ça :

(Cliquez pour une vue plus large.)

De quoi s'agit-il ? C'est une section plane aléatoire du diagramme de Voronoï du réseau E₈ : il faut que j'explique ces termes (mais is ça ne vous intéresse pas, il y a d'autres images, et des liens vers des vidéos, plus bas).

Le réseau E₈ est un arrangement régulier de points en dimension 8, qui a toutes sortes de propriétés remarquables. En fait, il n'est pas difficile de le définir concrètement : il s'agit des octuplets (x₀,x₁,…,x₇) de nombres réels tels que :

• les coordonnées x₀,x₁,…,x₇ sont soit toutes entières soit toutes entières-et-demi (par entier-et-demi je veux évidemment dire un nombre qui vaut un entier plus ½, par exemple 5/2),
• la somme x₀+x₁+⋯+x₇ de toutes les coordonnées (qui est forcément un entier d'après le point précédent) est paire.

À titre d'exemple, (0, 0, 0, −1, 2, −1, 1, −1) et (−1.5, 2.5, −0.5, 1.5, −1.5, −0.5, −2.5, 0.5) sont dans le réseau E₈ ; en revanche, (0, 0, 0, −1, 2, −1, 1.5, −1.5) n'y sont pas (les coordonnées ne sont ni toutes entières ni toutes entières-et-demi), et (−1.5, 2.5, −0.5, 1.5, −1.5, −0.5, −2.5, 0.5) non plus (la somme n'est pas paire).

La somme ou différence de deux points du réseau E₈ est encore dedans : c'est là la propriété essentielle d'être un réseau (et ce qu'un non-mathématicien qualifierait de points régulièrement espacés). Les points du réseau E₈ les plus proches de l'origine (0,0,0,0,0,0,0,0) sont d'une part ceux de la forme (±1,±1,0,0,0,0,0,0) (où exactement deux coordonnées, quelconques, valent soit 1 soit −1 : ceci fait 28×4=112 possibilités — 28 choix de deux coordonnées et 4 choix de leurs signes), et d'autre part ceux de la forme (±½,±½,±½,±½,±½,±½,±½,±½) (où chaque coordonnée vaut ½ ou −½, et où il y a un nombre pair de valeurs −½ : ceci fait 2⁸/2=128 possibilités) : au total, 112+128=240 points tous à distance √2 de l'origine ; ces 240 points sont ce qu'on appelle les racines du système E₈ et ils engendrent le réseau, mais ici c'est le réseau plus que ses racines qui m'intéresse. Entre autres propriétés remarquables, c'est le réseau E₈ qui réalise l'empilement optimal de boules identiques en dimension 8 (mettre une boule de rayon (√2)/2 autour de chaque point du réseau : elles se touchent sans se chevaucher et remplissent 25.367% de l'espace, ce qui ne paraît peut-être pas impressionnant, mais en dimension 8 on ne peut pas faire mieux).

Donné un ensemble (discret) de points dans l'espace euclidien, le diagramme de Voronoï associé est la division de l'espace en cellules de Voronoï, la cellule de Voronoï d'un point étant la région des points de l'espace qui sont plus proches de ce point-là que de tout autre point de l'ensemble. En général, un diagramme de Voronoï ressemble à ce que Google images vous montrera (il est formé de cellules qui sont des polytopes convexes dont les facettes sont hyperplans médiateurs entre le point définissant la cellule et un autre point). Lorsque l'ensemble des points est un réseau, toutes les cellules ont la même forme : la cellule de Voronoï de l'origine est l'ensemble des points plus proches de l'origine que de tout autre point du réseau, elle est d'ailleurs symétrique, et toutes les autres cellules sont identiques autour d'un autre point, elles sont translatées les unes des autres. S'agissant du réseau E₈ précisément, la cellule de Voronoï de l'origine est un polytope convexe ayant 240 facettes[#], une par racine du système de racines, chaque facette étant un morceau de l'hyperplan médiateur entre l'origine et la racine en question. (Il n'est pas vrai dans un réseau en général que les facettes de la cellule de Voronoï de l'origine soient ainsi définies uniquement par les points les plus proches de l'origine. Mais c'est vrai pour ce qu'on appelle un réseau de racines, et notamment E₈.)

[#] Il a aussi 19440 sommets : 2160 sont les points à distance 1 de l'origine ainsi que de quinze autres points du réseau, on les appelle les trous profonds du réseau E₈ (un exemple d'un tel point est (1,0,0,0,0,0,0,0)), et 17280 sont les points à distance (2√2)/3≈0.943 de l'origine ainsi que de sept autres et ce sont les trous superficiels (un exemple d'un tel point est (−5/6, 1/6, 1/6, 1/6, 1/6, 1/6, 1/6, 1/6)).

Bref, le diagramme de Voronoï du réseau E₈ est un pavage de l'espace de dimension 8 par des copies (translatées) de ce polytope à 240 facettes, chacune étant centrée sur un point du réseau. Il y a un algorithme assez simple[#2] pour décider, quand on se donne un point de l'espace, à quelle cellule de Voronoï il appartient, c'est-à-dire, trouver le point du réseau le plus proche (on parle aussi d'algorithme de décodage pour ce réseau).

[#2] En voici une description. Commençons par expliquer comment trouver le point du réseau D₈ le plus proche d'un point donné, où le réseau D₈ est le réseau formé des points de coordonnées toutes entières de somme paire (c'est-à-dire les points du réseau E₈ dont toutes les coordonnées sont entièrs). Donné (z₀,z₁,…,z₇) un point à approcher, on appelle x₀ l'entier le plus proche de z₀ et de même pour les autres : ceci fournit le point (x₀,x₁,…,x₇) à coordonnées entières le plus proche de (z₀,z₁,…,z₇). Si la somme x₀+x₁+⋯+x₇ des coordonnées est paire, c'est le point de D₈ recherché. Sinon, l'astuce suivante permet de le trouver : parmi les coordonnées x, prendre celle qui est le plus loin du z correspondant, et la remplacer par l'arrondi de ce z dans l'autre sens. À titre d'exemple, si on part du point (0.3, −0.1, 0.1, −1.0, 2.0, −0.4, 0.9, −0.7), l'arrondi des coordonnées à l'entier le plus proche donne (0, 0, 0, −1, 2, 0, 1, −1), la somme est impaire, donc on corrige le plus mauvais arrondi, à savoir −0.4 transformé en 0, en prenant l'entier de l'autre côté, donc −1, ce qui donne le point (0, 0, 0, −1, 2, −1, 1, −1) qui est le point du réseau D₈ le plus proche du point initial. S'agissant du réseau E₈, maintenant, on peut faire ce calcul une fois pour trouver le point de D₈ le plus proche, puis soustraire ½ toutes les coordonnées, refaire le calcul pour trouver le point de D₈ le plus proche du point ainsi modifié et rajouter ½ à toutes les coordonnées : on obtient ainsi deux points de E₈ (l'un dans D₈ et l'autre dans D₈+(½,½,½,½,½,½,½,½)) ; il n'y a plus qu'à comparer la distance de ces deux points au point d'origine et choisir le plus proche (soit en comparant les distances soit en calculant l'équation de l'hyperplan médiateur, ce qui revient essentiellement au même). Il existe des algorithmes légèrement plus efficaces que ce que je viens de décrire, mais en contrepartie ils sont plus fastidieux à implémenter et je pense que ça n'en vaut pas la peine.

Maintenant, ce que j'ai fait pour calculer l'image ci-dessus est de prendre un plan aléatoire dans l'espace euclidien de dimension 8 (plus exactement, la direction du plan est définie par deux vecteurs unitaires orthogonaux, tirés uniformément pour cette propriété, et l'origine est tirée uniformément modulo le réseau), et tracer l'intersection de ce plan avec les cellules de Voronoï du réseau E₈. Bien que le diagramme de Voronoï de E₈ soit complètement régulier, le fait de l'intersecter avec un plan aléatoire fournit quelque chose d'assez irrégulier comme on le voit, mais où on peut discerner, si on regarde bien (et surtout sur la vue plus complète), une forme de quasipériodicité. Je ne suis pas sûr d'avoir une description ni une explication complète de tout ce qu'il y a à remarquer sur l'image.

Pour information, l'échelle de l'image est de 10 pixels pour 1 unité (l'« unité » en question étant celle des coordonnées que j'ai exposées ci-dessus, c'est-à-dire que la distance entre deux points les plus proches du réseau vaut √2, ou encore que l'unité est le rayon de la sphère circonscrite à une cellule de Voronoï, ou encore que la cellule a un volume de 1 unité⁸), ce qui veut dire que l'image fait 136.6 unités en largeur et 76.8 en hauteur pour les images larges (la moitié pour les images plus étroites reproduites ci-dessus).

Pour ce qui est du coloriage des cellules de Voronoï, j'ai tiré aléatoirement trois directions orthogonales au plan et orthogonales entre elles, et les composantes rouge, verte et bleue donnent la distance au point du réseau (le centre de la cellule de Voronoï) selon ces trois directions, le gris étant le zéro.

J'ai aussi calculé des images selon des plans ayant des directions particulières : on appelle plan de Coxeter du réseau E₈ un plan tel que la projection (orthogonale) du système de racines sur ce plan présente une symétrie d'ordre maximal, en l'occurrence 30. (Le dessin le plus courant du système de racines de E₈ est généralement choisi projeté selon un tel plan : par exemple, cette image Wikimédia Commons est une projection sur un plan de Coxeter, aussi appelé dans ce contexte plan de Petrie.) Le résultat est le suivant :

(Cliquez pour une vue plus large.)

De nouveau, l'origine de projection est aléatoire modulo le réseau, et les directions choisies pour définir les couleurs des cellules sont aléatoires sujettes à la contrainte d'être perpendiculaires au plan de projection. Ce qui est intéressant est qu'on voit apparaître des symétries d'ordre 30 approximatives autour de différents points : ce sont ceux qui sont les plus proches d'un point du réseau. Si ça ne vous frappe pas, regardez attentivement la vue plus large, éventuellement depuis une certaine distance : on voit apparaître toutes sortes de figures en cercles concentriques, un peu comme des ondes de gravité circulaires à la surface de l'eau quand on y fait tomber quelque chose (des encyclies si on veut faire chic, des ronds dans l'eau si on veut faire moins chic) ; je suppose que le cortex visuel détecte quelque chose de cette symétrie localte approximative d'ordre 30, mais je ne sais pas exactement ce qu'il détecte.

J'ai aussi fait le calcul pour un plan la projection sur lequel présente une symétrie d'ordre 24 du système de racines :

L'effet est à peu près le même, peut-être encore plus fort.

J'ai aussi calculé et mis sur YouTube des vidéos de sections tridimensionnelles (ou (2+1)-dimensionnelles) du même diagramme de Voronoï : tridimensionnelles, c'est-à-dire que le temps est la troisième dimension, ou plus exactement, qu'il s'agit de sections planes se déplaçant dans une direction aléatoire orthogonale au plan (et orthogonale aux trois directions servant à définir les couleurs comme expliqué ci-dessus) : celle-ci montre une section aléatoire et celle-ci une section dont le plan 2D est un plan de Coxeter. Les deux sont assez envoutantes à regarder, mais la seconde l'est particulièrement à cause de la manière dont apparaissent puis disparaissent des symétries approximatives d'ordre 30. Les vidéos sont cadrées plus serré que les images fixes : l'image est large de 16 unités et haute de 9, et dans le temps le plan parcourt 40 unités en 48 secondes.

J'hésite à refaire des calculs analogues pour le réseau de Leech, qui est un réseau peut-être encore plus remarquable en dimension 24. Mais l'algorithme pour retrouver « décoder » le réseau de Leech (c'est-à-dire en trouver le point le plus proche d'un point donné, autrement dit, pour calculer les cellules de Voronoï) est un peu pénible à écrire, et j'ai peur que le résultat soit décevant parce que autant 2 dimensions (voire 2+3 en comptant les couleurs, voire 2+1+3 pour les vidéos) sur 8, ce n'est pas complètement négligeable, autant 2 dimensions, ou même 2+3 ou 2+1+3, sur 24, ça ne fait vraiment pas beaucoup, et j'ai peur qu'il ne subsiste absolument rien de la très extraordinaire symétrie du réseau de Leech.

A contrario, je pourrais peut-être baisser la dimension et regarder ce qui se passe dans des réseaux comme A₄ à A₆, D₄ à D₆ et E₆. S'agissant de A₄, par exemple, si on le regarde selon un plan de Coxeter, cela fera apparaître une symétrie d'ordre 5 qui ne manque sans doute pas d'intérêt (je crois qu'il y a des liens avec les quasi-cristaux et les pavages de Penrose à symétrie pentagonale, mais je ne connais pas les détails). D'un autre côté, j'ai une certaine flemme, parce que calculer les plans de Coxeter est assez fastidieux, et je ne sais plus bien comment il faut faire (dans le cas de E₈ j'avais les résultats sous la main, mais je me souviens m'être battu contre Sage et Gap pour les obtenir). Quant au réseau A_n, il est pénible parce que son système de coordonnées le plus naturel utilise n+1 coordonnées entières à somme nulle, certes il rend le plan de Coxeter évident, mais il est plus délicat à manier (sinon, pour A₄, exactement la même définition que j'ai donnée de E₈ doit marcher avec 4 coordonnées, mais alors de nouveau le plan de Coxeter n'est pas évident).

Ajout (2017-04-10T22:50+02:00) : Finalement, j'ai fait les calculs pour A₈ et D₈ (ainsi que ℤ⁸, qui n'est pas très intéressant). L'algorithme pour trouver le point de D₈ le plus proche d'un point de ℝ⁸ est expliqué au passage quand j'explique celui de E₈ ci-dessus ; s'agissant de A₈ (qui est l'ensemble des 9-uples d'entiers de somme nulle), l'algorithme pour décoder (z₀,z₁,…,z₈) consiste à considérer (x₀,x₁,…,x₈) les entiers les plus proches, puis, si la somme x₀+x₁+⋯+x₈ est strictement positive, soustraire 1 aux x qui tels que l'erreur x−z correspondante est la plus grande pour l'amener à 0, tandis que si elle est strictement négative, ajouter 1 aux x qui tels que l'erreur x−z correspondante est la plus négative. Le plan de Coxeter de D₈ présente une symétrie d'ordre 14 (correspondant à une rotation cyclique des 7 premières coordonnées en même temps qu'on change le signe des deux dernières), tandis que pour A₈ elle est d'ordre 9 (correspondant à une rotation cyclique des 9 coordonnées). Voici les images : section plane aléatoire de D₈, section plane de Coxeter de D₈, section plane aléatoire de A₈, section plane de Coxeter de A₈, section plane aléatoire de ℤ⁸. J'ai aussi calculé une section de E₈ selon le plan de Coxeter de D₈, pour mieux comparer les deux. (J'ai aussi rassemblé ces images ici sur imgur.) Je vais peut-être produire aussi quelques vidéos.

Ajout 2 (2017-04-14T23:23+02:00) : Comme on m'y a incité en commentaire, j'ai aussi calculé des images où ce qui est représenté est la distance (au carré) au point du réseau le plus proche (avec 0=noir et 1=blanc). C'est effectivement beaucoup plus joli à voir, et peut-être encore plus parlant visuellement (même s'il y a, techniquement, plutôt moins d'information) ; et je dois dire qu'artistiquement je trouve ça absolument époustouflant (quoique légèrement déconseillé aux trypophobes), ça fait penser à quelque chose en train de bouillonner ou aux cellules de convexion dans le soleil. Bref, merci à Fab pour la suggestion. Voici donc une vidéo noir et blanc selon un plan aléatoire et selon un plan de Coxeter, et en bonus selon un plan présentant une symétrie d'ordre 24.

Code source : Il est ici pour la version originale, et ici pour la version mentionnée dans le deuxième ajout ci-dessus. Quelques explications (et les instructions sur comment compiler) sont en commentaire au début du code lui-même.

J'ai mis en ligne ici le support que je compte utiliser pour mon exposé devant des lycéens samedi après-midi à Math en Jeans, intitulé Le jeu de nim : thème et variations.

Soit dit en passant, je ne suis pas spécialement hostile aux anglicismes, mais celui-là m'agace — en fait, le terme anglais n'est pas terrible pour commencer : qu'est-ce qu'on peut dire en français, plutôt que slide, pour parler d'une image projetée, de nos jours, par vidéoprojecteur, et servant à illustrer un exposé ?

Il manque, évidemment, l'accompagnement audio (si je suis très motivé, je ferai une vidéo sur YouTube), mais je me dis que si je n'ai pas trop mal réussi mon coup, on doit pouvoir à peu près comprendre même sans les explications orales. (Évidemment, il y a des endroits où elles sont quand même utiles à la clarté des choses ! Je pense par exemple au calcul des valeurs de Grundy dans l'exemple slide 18, qui est très facile à expliquer de vive voix avec un pointeur laser mais franchement laborieux si on veut l'écrire.)

Je précise que je n'ai pas l'intention de tout présenter : il y en a sans toute trop, peut-être même beaucoup trop (combien n'est pas clair). J'essaierai de m'adapter en fonction de la manière dont mon auditoire réagit. Disons que le minimum est le contenu des slides 3 à 14, ce qui suit contient plusieurs sujets de difficulté inégale, donc j'en traiterai un sous-ensemble, quelque part entre « rien » et « tout », selon le temps disponible et la manière dont j'ai l'impression qu'ils comprennent. (Exemple de parcours possible : 1–16,20–22,29.)

Les commentaires sont bienvenus ; mais ce n'est pas la peine de me dire que j'aurais dû m'y prendre complètement autrement, ou traiter un autre sujet : il est trop tard pour ça ; et ce n'est pas non plus la peine de me suggérer d'ajouter une figure, j'ai suffisamment souffert avec TikZ comme ça. Les suggestions locales d'amélioration/reformulation (surtout en nombre de mots constant !) seront appréciées. Mais ce qui est particulièrement bienvenu est un avis sur la difficulté relative des différentes slides pour des lycéens (motivés), ainsi que leur attrait, ou le temps qu'il faudrait y passer pour les expliquer : relatif, parce que si ça ne sert pas à grand-chose de dire que tout est trop dur, ça a un intérêt de se demander si la slide 30 est plus ou moins difficile à comprendre que la 23 (par exemple), dans la mesure où je devrai certainement faire des choix sur quoi présenter (modulo un hypothétique director's cut sur YouTube).

Bilan : voir l'entrée suivante.

Mon poussinet et moi sommes allés voir le film Hidden Figures (le titre français — Les Figures de l'ombre — ne rend pas vraiment le jeu de mot le jeu de mot entre une personne et un chiffre dans un calcul), et je voudrais vraiment le recommander.

Il s'agit de l'histoire, vraie mais bien sûr partiellement romancée, de trois femmes noires « calculatrices » à la NASA au début des années 1960 (plus exactement, au centre de recherches Langley en Virginie, entre le premier vol dans l'espace de Ûrij [=Yuri] Gagarin en 1961 et celui de John Glenn en 1962). La manière dont elles sont confrontées à la fois à la discrimination raciale et au sexisme, et leurs différentes façons d'y faire face, sont montrées avec une certaine subtilité, de même que l'atmosphère côté américain de la « course à l'espace ». L'histoire suit une trame hollywoodienne bien formatée et qu'on peut trouver un peu trop schématique, mais les actrices jouent très bien (Taraji Henson, qui interprète Katherine Goble, Janelle Monáe qui joue Mary Jackson, et surtout Octavia Spencer — que je connaissais par un autre film remarquable, The Help — dans le rôle de Dorothy Vaughan), et pour une fois qu'on voit un film dont les personnages principaux sont des femmes noires, et mathématiciennes qui plus est, ne boudons pas notre plaisir. (Et puis j'ai un faible pour l'ambiance course à l'espace, l'ambiance « atompunk », ici illustrée avec une certaine sympathie sans excès.)

Scientifiquement, le film ne commet pas de bourde majeure, en tout cas pas que j'en aie repérée : le moment le plus faux sur ce plan-là est celui où l'héroïne principale, Katherine Goble, effectue au tableau, devant une salle de généraux un peu médusés, un calcul de paramètres de réentrée orbitale avec une précision dont il devrait être à peu près évident pour n'importe qui ayant un chouïa de culture scientifique, qu'il n'est pas atteignable de tête, en tout cas pas un temps tel que présenté ; je suis prêt à ne pas faire mon grincheux pour quelque chose du genre. Il y a aussi un certain nombre de modifications du tempo par rapport à la réalité, imposées pour s'adapter au rythme cinématographique, que je suis également prêt à pardonner.

Il est vrai que j'aurais aimé voir un peu de considération pour la différence entre la notion de calcul symbolique et celle de calcul numérique, choses que le grand public ne doit pas vraiment apprécier, mais qui n'est certainement pas impossible à faire passer. Les équations qu'on entr'aperçoit dans différents plans ont l'air superficiellement sensées, mais mélangent inexplicablement des valeurs numériques à virgules dans des expressions par ailleurs symboliques ; et de façon plus profonde, je n'ai pas vraiment idée de quel genre de calculs on faisait faire à ces « calculatrices », soit en général, soit précisément celles qui sont les héroïnes de ce film.

Et on ne peut pas dire que les répliques m'aident à deviner. À un moment, le chef d'équipe joué par Kevin Costner demande à Katherine Goble si elle sait calculer un repère de Frénet — et elle complète : par le procédé d'orthogonalisation de Schmidt. C'est vraiment amusant comme effet Zahir, parce que je discutais du repère de Frénet avec mon poussinet un quart d'heure avant d'aller voir le film (à propos du tome 5, particulièrement poussiéreux, du Cours de Mathématiques spéciales de MM. Ramis-Deschamps-Odoux), et je mentionnais justement qu'il s'agissait précisément du résultat d'un Gram-Schmidt sur les dérivées successives du mouvement : j'ai eu du mal à ne pas éclater de rire à la coïncidence. Mais même si vois le lien avec des trajectoires dans l'espace, je ne sais vraiment pas précisément dans quel genre de calcul, symbolique ou numérique, on utilise le repère de Frénet.

En vérité, même si je connais ma mécanique orbitale et lagrangienne, je n'ai aucune idée précise du genre de calculs qu'il faut réellement mener pour envoyer un homme dans l'espace. (Bon, je dois dire, je n'ai même pas d'idée précise sur le genre de calculs qu'il faut mener pour construire un pont ou un moteur à explosion. Je suis un peu comme le matheux d'une blague générique sur les ingénieurs, physiciens et mathématiciens, qui démontrerait que le pont, le moteur à explosion ou le vol orbital sont possibles — par une démonstration non-constructibe qui ferait appel à l'axiome du choix.)

⁂

Sur la précision scientifique des films hollywoodiens de façon plus générale, j'étais tombé il y a un certain temps sur cette vidéo qui explique que des gens ont mis en place une hotline permettant à l'industrie du cinéma d'être mis en contact avec des scientifiques de tel ou tel domaine quand ils veulent des conseils ou des éléments (phrases, équations à mettre sur un tableau, etc.) pour rendre leurs films scientiquement plus crédibles. Ça expliquerait un certain progrès que j'ai cru constater dans le domaine depuis les années '90 (même si ce progrès est souvent bien superficiel, il faut l'admettre : le fait de prononcer une phrase techniquement sensée à tel ou tel moment ne va pas compenser une absurdité fondamentale de principe ; il y a toujours très peu de films qui, comme The Martian, se donnent pour mission d'être véritablement réalistes scientifiquement, d'un bout à l'autre, ce qui implique d'aller plus loin qu'appeler une hotline de temps à autre).

⁂

À part ça, je me rends compte que je ne remplis pas vraiment consciencieusement la catégorie cinema de ce blog : ces derniers temps, j'ai vu en salles, entre autres, Manchester by the Sea et 君の名は (traduit en « français »(?!) par Your Name), et j'ai trouvé que les deux étaient vraiment des chefs d'œuvre. Je n'ai pas le temps d'en faire une critique maintenant (et ce serait un peu du réchauffé), mais je les recommande tous les deux très vivement, ce sont des films d'une très grande subtilité humaine et psychologique.

Je me suis engagé à donner un exposé (quelque part entre le 24 et le 27 mars) dans le cadre de l'événement Math en Jeans : c'est-à-dire qu'il s'agit de vulgarisation adressée à des lycéens motivés (a priori de seconde).

J'ai toute latitude pour choisir le sujet, donc je vais sans doute choisir un des trucs sur lesquels j'ai déjà fait de la vulgarisation, soit sur ce blog soit ailleurs : la contrainte est que je dois pouvoir raconter ça en une heure (en prévoyant des probables interruptions par des questions) et que ça soit accessible à des lycéens. Et, bien sûr, que ce soit susceptible de les intéresser.

Je n'ai pas une idée très précise de ce qu'un lycéen (motivé !) connaît en maths ni de ce qui l'intéressera : peut-être que certains lecteurs (par exemple s'il y en a qui enseignent en lycée ou qui sont ou out été lycéens il n'y a pas trop longtemps) peuvent m'éclairer un peu.

Globalement, j'ai plutôt trop d'idées que pas assez, donc je me demande si vous avez des conseils sur ce qui passerait plus ou moins bien parmi les thèmes suivants (j'essaie de mettre à chaque fois un lien vers une entrée de ce blog qui raconte de quoi il s'agit, mais il ne s'agit pas forcément de raconter exactement la même chose, notamment quand il s'agit de choses un peu techniques : c'est plus pour donner une idée) :

[Ajout : quelques arguments pour/contre ces différents sujets.]

• Les (très très) grands nombres et/ou les ordinaux infinis. (On peut donner un côté ludique à la chose avec le jeu de l'hydre. Pour : ça intéresse facilement, voire, ça impressionne ; ça ne dépend pas trop de connaissances qu'ils pourraient avoir ou ne pas avoir. Contre : ça peut donner l'impression d'être peu rigoureux, et on peut facilement larguer les gens dans les définitions sans leur donner de moyen de se rattraper ; certains risquent d'avoir déjà entendu de la vulgarisation à ce sujet.)
• La géométrie sphérique et la géométrie hyperbolique (voir cette entrée et les quelques suivantes). (On peut donner un côté ludique à la chose en montrant mes différents labyrinthes hyperboliques. Pour : c'est visuel et ça accroche facilement. Contre : ils ne connaissent pas forcément grand-chose en trigonométrie, donc difficile d'introduire la formule fondamentale qui permet de faire plein de calculs réels. Autre problème pratique : les illustrations sont très fastidieuses à réaliser pour moi.)
• Quelques notions de théorie combinatoire des jeux et notamment comment gagner au jeu de nim (un peu comme ici mais sans les trucs infinis). (Pour : ils ressortent avec quelque chose de vraiment utilisable — à savoir la stratégie gagnante de jeux comme nim, des jeux de retournement de pièces, voir nim⊗nim ; sur les jeux de retournement de pièces, je peux introduire des codes correcteurs ; le tout serait sans doute facile à comprendre et ils n'auront sans doute pas vu avant. Contre : ça peut donner l'impression d'être très anecdotique.)
• Quelques notions de géométrie finie (voir ici et là pour des illustrations). (Contre : n'ayant pas vu de géométrie projective avant, l'élégance de l'idée de construire des structures combinatoires à partir de notions géométriques risque de leur échapper complètement.)
• …et sans doute plein d'autres choses dont j'ai parlé à l'occasion sur mon blog, comme le problème de Hadwiger-Nelson (pas sûr qu'on puisse tenir une heure avec ça), le lemme de Higman (ça fait une démonstration complète et très accessible, mais c'est sans doute très peu vendeur), l'automorphisme exceptionnel de 𝔖₆ (peut-être pas très motivant).
• Les cardinaux infinis. (Pour : ça a l'avantage de permettre de faire des vraies démonstrations : argument diagonal de Cantor et/ou théorème de Cantor-Bernstein. Contre : c'est peut-être aride ; et comme pour les ordinaux, ça peut donner l'impression d'être peu rigoureux.)
• Les groupes finis, vus comme des groupes de permutations, et présentés comme des puzzles (cf. ceci).
• Une introduction à la géométrie projective.
• …et encore plein d'autres choses.

(Sujets triés par ordre approximatif d'intérêt/faisabilité a priori.)

PS : Je dois fournir un titre rapidement, donc c'est plutôt pressé !

PPS : Idéalement, j'aimerais arriver à faire au moins une « vraie » démonstration pendant mon exposé, mais je me rends compte que c'est mal parti. Certains sujets le permettent quand même mieux que d'autres.

Fin : Finalement, j'ai choisi de faire un exposé sur la théorie des jeux, dont le titre sera Jeu de nim : thème et variations. (Comme je l'explique en commentaires, les géométries sphérique et hyperbolique m'ont paru trop difficiles à présenter à des élèves qui connaissent a priori très peu de trigonométrie et pas la fonction exponentielle — ni à plus forte raison les lignes trigonométriques hyperboliques. Quant aux grands nombres et ordinaux, c'est sans doute plus facile de trouver en ligne de la vulgarisation à ce sujet, et j'avais peur par ailleurs que ça puisse en perdre rapidement plus d'un, et/ou que ça donne l'impression d'être peu rigoureux, foire fumeux. Les jeux dont je vais parler, au contraire, sont quelque chose de bien concret et sur quoi on peut « mettre les mains ».) • Je parlerai au moins du jeu de nim, de ses différentes variations et déguisements, et de jeux de retournement de pièces (ce que Berlekamp, Conway et Guy appellent, avec leur terminologie inimitablement baroque, Moebius, Mogul et Gold Moidores, et peut-être leurs liens avec les codes correcteurs ; ou de façon générale, de certaines choses qu'on trouve au tout début du volume ♣ de Winning Ways).

Ajout : voir une entrée ultérieure.

L'avant-dernière entrée était consacrée au commentaire mathématique d'un dessin illustrant une propriété magique du nombre six : l'existence de six « pentades » (c'est-à-dire six façons de regrouper trois par trois les doublets sur six objets de manière que deux doublets regroupés ne partagent jamais un objet) ; ce dessin était présenté sous forme « hexagonale », c'est-à-dire que chacune des pentades montrait les six objets sous la forme des six sommets d'un hexagone régulier, ce qui à son tour suggérait une certaine disposition des pentades elles-mêmes (comme la permutation cyclique de l'hexagone fixe une pentade, en échange deux, et permute cycliquement les trois dernières, j'avais choisi une disposition et un coloriage qui mettait en évidence ces transformations). On m'a convaincu de refaire le même dessin sous forme « pentagonale », c'est-à-dire en disposant les six objets sous la forme des cinq sommets d'un pentagone régulier plus son centre. Voici le résultat (il s'agit donc, conceptuellement, du même dessin, mais où les objets ont été disposés différemment, les pentades aussi, et les couleurs sont différentes) :