4.

Modles matriciels
4.1 Chirement de Hill
On dcoupe le texte coder en blocs de trois lettres. Si le nombre de lettres du texte nest pas un multiple de 3, on complte par une ou deux lettres factices. On utilise la table de correspondance numrique suivante :
A 0 B 1 C 2 D 3 E 4 F 5 G 6 H 7 I 8 J 9 K 10 L 11 M 12 N 13 O 14 P 15 Q 16 R 17 S 18 T 19 U 20 V 21 W 22 X 23 Y 24 Z 25

2 18 11 Par exemple, le mot CASSOULET est dcoup en B1 = 0 , B2 = 14 et B3 = 4 . 18 20 19 On utilise ensuite une matrice inversible H de taille 3 3 (la matrice de chirement) pour coder nos blocs de trois lettres via HB1 , HB2 et HB3 , le tout tant pris modulo 26. 1 2 3 4.1. Soit H = 9 7 4. 8 6 5

1. Coder CASSOULET laide de H . 2. Montrer que H est inversible en exhibant son inverse H 1 . 3. Peut-on dcoder laide de 23 12 4. Montrer que A = 13 17 10 2
1 H directement ? 13 15 vrie AH I mod 26. 3

5. Dcoder le message cod la premire question.

6. Comment pourrait-on dcoder un long message sans avoir la matrice de chirement ?

4.2 Suites rcurrentes matricielles linaires

4.2 (suite de Fibonacci). La suite (fn ) est dnie par f0 = 0, f1 = 1 et fn+1 = fn + fn1 . On cherche exprimer son terme gnral en fonction de n. 1. Trouver la matrice A vriant 2. Montrer que fn+1 fn =A . fn fn1

fn f1 = An1 . fn1 f0 1 1+ 5 1 5 2 5 5 5 . Calculer P Q et QAP . 3. Soient P = et Q = 2 2 20 2 5 5 + 5 4. En dduire An puis le terme gnral fn .

140

un + 2vn 4.3. Soient (un ) et (vn ) les suites relles barycentriques dnies par u0 = 12 et un+1 = , 3 un + 3vn v0 = 1 et vn+1 = . 4 Dterminer les termes gnraux et la convergence de ces deux suites. On pourra utiliser la fonction de jordanisation de Sage, qui permet en particulier de diagonaliser une matrice : <matrice>.jordan_form(transformation=True).

4.3 Suites rcurrentes matricielles anes

On vient de voir un exemple de suite rcurrente matricielle linaire Un+1 = AUn . On trouve le terme gnral en calculant An et en lutilisant dans Un = An U0 . Dnition. Une suite de matrices de mme taille converge si chaque lment forme une suite convergente. 4.4 (tude thorique). Soient A une matrice carre de taille p et B une matrice colonne de taille p. Soit (Un ) une suite de matrices colonnes de taille p dnie par Un+1 = AUn + B . 1. Supposons quune suite constante gale C vrie la relation de rcurrence. Peut-on expliciter C ? 2. Si une telle suite existe, dterminer le terme gnral Un en sinspirant de la mthode vue dans le cadre des suites rcurrentes anes relles. 3. Montrer que si (An ) converge alors il en est de mme pour (Un ). 4.5. Soient A = 0, 3 0, 2 12 et B = . 0, 1 0, 4 0 24 et Un+1 = AUn + B . 3

On dnit la suite matricielle (Un ) par U0 = 1. Soient P =

1 1 2 0, 5 0 1 2 ,D= et Q = . 1 1 0 0, 2 3 1 1 Calculer P DQ et QP puis en dduire lexpression de An en fonction de n.

2. Exprimer Un en fonction de n puis tudier la convergence de (Un ). 3 7 4.6. On dnit les suites relles (xn ) et (yn ) par x0 = , y0 = , xn+1 = 6xn + 3yn + 4 et 8 8 yn+1 = xn + 2yn 1. Dterminer les termes gnraux de (xn ) et (yn ) puis tudier leur convergence.

4.4 Modle dvolution de Lotka-Volterra

On sintresse lvolution dune population de marmottes Mn (les proies) et de renards Rn (les prdateurs), o n reprsente lanne. Le nombre de marmottes augmente de 10% par an. Il y a Mn Rn rencontres possibles ; parmi celles-ci, seules 0, 1% ont lieu et se nissent mal pour la marmotte. La population dcrot naturellement de 5% par an. Cependant, la nourriture revigore les renards et leur population augmente de 5% du nombre de marmottes croques. 141

4.7 (modlisation). 1. Vrier quon a les quations rcurrentes dvolution non linaires Mn+1 = 1, 1Mn 0, 001Mn Rn et Rn+1 = 0, 95Rn + 0, 0005Mn Rn .

2. Quelle est la nature de la suite Mn lorsquil ny a pas de renards ? Dterminer son sens de variation et sa limite.

3. Quelle est la nature de la suite Rn lorsquil ny a pas de marmottes ? Dterminer son sens de variation et sa limite. 4. Existe-t-il des populations initiales de R renards et M de marmottes qui rendent leur nombre constant ? 4.8 (tude sur tableur). En 2001, on comptait dans le secteur dHry-sur-Ugine 210 marmottes et 50 renards. 1. tudier lvolution du nombre de marmottes et de renards jusquen 2789. 2. Tracer ces volutions, dabord sur une priode de 200 ans. 3. Tracer lvolution conjointe, i.e. les couples (Mn , Rn ). 4. Que se produit-il ? 5. Que se passe-t-il si on change les populations initiales ? Mn . On se place au voisinage du Rn point dquilibre (M ; R) en eectuant le changement de variable mn = Mn M et rn = Rn R ; on suppose donc que mn et rn sont petits. 4.9 (tude au voisinage du point dquilibre). On note Un = 2. Montrer que ces quations peuvent tre raisonnablement approches par les quations linaires mn+1 = mn 0, 1rn et rn+1 = rn + 0, 05mn . 1. Montrer que mn+1 = mn 0, 1rn 0, 001mn rn et rn+1 = rn + 0, 05mn + 0, 0005mn rn .

3. Traduire matriciellement ce systme dquations et en dduire les expressions de Mn et Rn au voisinage du point dquilibre. 4. Que se passe-t-il alors lorsque n devient grand ?

4.5 Marches alatoires

Introduction Imaginons un bonhomme qui se dplace sur les sommets dun graphe en ayant une probabilit xe de passer dun sommet lautre. Formalisons : Une marche alatoire sur un ensemble ni est la donne : dun ensemble E = {x1 , , xd } dtats ; de probabilits de transition {pij } entre ces tats ; dune suite alatoire X = (Xn ) dtats vriant PXn =xi (Xn+1 = xj ) = pij et de rpartid k tion initiale alatoire 0 = {1 0 , , 0 } i.e. P(X0 = xk ) = 0 . On sintresse donc aux chanes de Markov nies : ltat de X un temps donn ne dpend que de son tat au temps prcdent.

142

Modlisation matricielle Lorsque la marche aboutit un tat xj , elle vient forcment de lun des tats xi possibles et la formule des probabilits totales donne : P(Xn+1 = xj ) = PXn =x1 (Xn+1 = xj )P(Xn = x1 ) + + PXn =xd (Xn+1 = xj )P(Xn = xd )
d

=
i=1 d

PXn =xi (Xn+1 = xj )P(Xn = xi ) pij P(Xn = xi )

i=1

On est donc amen poser : k d Mn = 1 n n la suite de distributions de probabilits, i.e. n = P(Xn = xk ) ;

P11 P12 P1d P21 P22 P2d P = . la matrice de transition. . . . . . . . . . . . Pd1 Pd2 Pdd La somme de chaque ligne de P vaut 1, tout comme la somme des lments de Mn (la somme des probabilits des lments dune partition vaut 1). Dans ces conditions, on a lquation dvolution stochastique Mn+1 = Mn P . Dterminer lvolution de la suite (Mn ) revient donc ltude dune suite rcurrente matricielle linaire. En particulier, on obtient Mn = M0 P n i.e. PX0 =x (Xn = y ) = (P n )xy .

Probabilit invariante Un tat stable probabiliste est une probabilit sur les tats de la chane conserve ltape suivante : les probabilits de prsence ne changent pas. Une probabilit invariante est un vecteur vriant P = . On comprend bien ladjectif invariante mais le lien avec un tat physique stable est plus dlicat. Pour claircir ce point, on remarque que : P =
y

y Pyx = x x

y,y =x

y Pyx = x x Pxx

y,y =x

y Pyx = x (1 Pxx ).

L cest intressant car on peut interprter cette galit comme P(Xn = x, Xn+1 = x) = P(Xn = x, Xn+1 = x) ce qui signie que la chane a autant de chance de partir de x que dy arriver, quel que soit ltat x. voquons ensuite le lien entre probabilit invariante et frquences de visite. Dnissons le 1 n1 x vecteur alatoire des frquences de visite aux dirents tats x de la chane : Yn = 1 X =x . n k=0 k x 1 n1 1 n1 k x On passe lesprance : E(Yn ) = P(Xk = x) = 0 P , ce qui donne vectoriellen k=0 n k=0 1 n1 ment : E(Yn ) = 0 P k . n k=0 1 n1 1 n1 1 1 k Notons n ce vecteur : n P = 0 P P = 0 P k+1 = n 0 + 0 P n . n k=0 n k=0 n n Donc si la suite (P n ) converge alors n converge et lim n P = lim n soit nalement P = .

143

Irrductibilit Sur une chane nie, il existe toujours une probabilit invariante. Lunicit nest par contre pas assure. Par exemple, la chane (nombriliste ? conservatrice ?) dnie par : 1 0 1 1

possde une innit de probabilits invariantes. Si deux tats x et y sont relis par un chemin dont la probabilit est non nulle (i.e. en un certain nombre dtapes il est possible daller de x y , i.e. x, y E, k N , (P k )xy > 0) alors x conduit y . Si x conduit y et y conduit x alors les tats x et y communiquent. Une chane dont tous les tats communiquent est irrductible. Si une chane est irrductible alors elle possde une unique probabilit invariante. Sil existe un entier k tel que tous les coecients de P k soient strictement positifs (i.e. en k tapes x conduit y quels que soient les tats x et y , i.e. k N , x, y E, (P k )xy > 0 noter la dirence avec lirrductibilit simple , i.e. il existe une puissance k > 0 telle que tous les coecients de P k sont > 0) alors la chane est fortement irrductible. Dans ce cas lim P n = , i.e. quelle que soit la rpartition de probabilit initiale de la chane, ses n + itrations conduisent la probabilit invariante. Priodicit Soient x est un tat de la chane et R(x) = {n N , (P n )xx > 0} lensemble des longueurs de chemins qui partent de x pour y revenir. La priode de x est le pgcd des entiers de R(x). Si la chane est irrductible alors tous ses tats ont mme priode. En eet considrons deux tats x et y avec x conduisant y en m tapes et y conduisant x en n tapes. Si r R(y ) alors y conduit lui-mme en r tapes. Ainsi x conduit lui-mme en m + n tapes (via le chemin x y x) mais aussi en m + r + n tapes (via le chemin x y y x). Par consquent m + n R(x) et m + r + n R(x) ; il en dcoule que la priode de x divise m + n et m + r + n et donc aussi leur dirence qui est r . Ceci tant valable quel que soit r dans R(y ), on en dduit que p(x) p(y ). De mme on peut tablir que p(y ) p(x) et donc que x et y ont mme priode. Ceci dnit donc la priode dune chane irrductible. Si cette priode vaut 1 alors la chane est apriodique. Par exemple, sil existe un tat x pour lequel Pxx > 0 alors la chane est apriodique. La chane est fortement irrductible ssi elle est irrductible et apriodique. Limplication directe est facile tablir : supposons la chane fortement irrductible dexposant k ; elle est donc irrductible et il reste montrer que sa priode vaut 1. Choisissons deux tats x et y vriant Pxy > 0. On a (P k+1)xx Pxy (P k )yx > 0. Ainsi k mais aussi k + 1 appartiennent R(x). Ces deux entiers tant premiers entre eux, la priode de x vaut 1. tats rcurrents et transitoires Un tat x est rcurrent si, en partant de x, la probabilit que le nombre de retours en x soit inni vaut 1. Dans le cas contraire, ltat x est transitoire.

144

Si une chane est irrductible alors tous ses tats sont soit rcurrents soit transitoires. Or nous considrons des chanes nies : il y existe donc au moins un tat rcurrent (cest le principe des tiroirs ). Par consquent une chane nie et irrductible est donc rcurrente. La matrice potentielle de la chane est U = I + P + P 2 + + P n + . Ses lments peuvent tre nis ou innis. Le nombre Uxy reprsente le nombre moyen de visites de la chane ltat y en partant de ltat x. En eet, le nombre moyen de visites ltat y en partant de x en n tapes exactement est (P n )xy . On vrie facilement que U = I + P (I + P + P 2 + ) = I + P U . Si la matrice I P I est inversible alors U = . Le rsultat est mettre en relation avec la somme des termes I P 1 1 q n+1 , qui tend vers si 1 < q < 1. dune suite gomtrique : 1 + q + q 2 + + q n = 1q 1q Si Uxx = + alors ltat x est rcurrent et si Uxx < + alors il est transitoire. Assez intuitivement, si x conduit y mais y ne conduit pas x alors x est un tat transitoire. Thorme ergodique Si la chane est irrductible (et donc rcurrente) et de probabilit inva1 n1 1 n1 k riante alors x = lim 1Xk =x = lim (P )yx i.e. quel que soit ltat y de dpart n + n n + n k =0 k =0 de la chane, le nombre moyen de visites ltat x tend vers la probabilit invariante de ltat x. 1 De plus, si Tx est linstant du premier retour en x en partant de x alors x = . E(Tx ) (Rappel : si la chane est apriodique alors lim (P n )yx = x quel que soit ltat y initial.)
n +

145