CHAPITRE III

Le thorme de Perron-Frobenius

Sommaire
1. 2. 3. 4. 5. Le cas des matrices positives . . . . . . Les matrices irrductibles . . . . . . . . Les matrices primitives . . . . . . . . . Irrductibilit et graphe dune matrice Marches alatoires sur un graphe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 49 55 58 60

1 Le cas des matrices positives

Dans cette section, nous allons voir que le thorme de Perron ne se gnralise pas aux matrices positives. Cependant, nous montrons que les matrices positives admettent leur rayon spectral pour valeur propre. III.1.1. Exemple. La matrice A= 0 1 0 0

est positive, mais non strictement positive. Elle admet 0 comme valeur propre double, donc (A) = 0. On a multalg (A) = 2 et multgeo (A) = 1 : E0 = Vect( 1 ) 0

Il nexiste pas de vecteur x strictement positif dans E0 . 47

48 III.1.2. Exemple. La matrice A=

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

0 1 1 0

admet 1 et 1 comme valeurs propres. Son rayon spectral (A) est donc gal 1. Ainsi la matrice A possde deux valeurs propres dictinctes, donc simples, de module maximal.

III.1 Proposition. Soit A une matrice positive de Mn (R). Alors, i) (A) est une valeur propre de A, ii) il existe un vecteur propre x 0 non nul, tel que Ax = (A)x.

Preuve. Pour tout entier k

1, on dnit la matrice 1 Ak = A + E . k

La matrice A est positive et la matrice E est strictement positive, donc, pour tout k 1, la matrice Ak est strictement positive. Daprs le thorme de Perron II.13, (Ak ) est une valeur propre simple, dominante et strictement positive de Ak ; notons pk le vecteur de Perron associ. Fait 1. La suite ( (Ak ))k
1

est dcroissante.

Preuve. Pour tout entier k, on a Ak Ak+1 . Daprs le lemme II.10, on a donc (Ak ) (Ak+1 ). Ainsi, la suite ( (Ak ))k 1 est dcroissante. Fait 2. La suite ( (Ak ))k
1

converge, de plus, sa limite est minore par (A).

Preuve. La suite ( (Ak ))k 1 est dcroissante. Or pour tout entier k, Ak A, donc (Ak ) (A), la suite ( (Ak ))k 1 est donc minore par (A). Elle converge ainsi vers (A). Fait 3. La suite (pk )k tel que p
1

de Rn admet une sous-suite convergente vers un vecteur positif = p . Ap

Preuve. Lensemble des vecteurs de Perron pk , k 1, sont tous contenus dans la sphre unit S = { x R n | x 1 = 1} . La suite (pk )k 1 est donc borne ; daprs le thorme de Bolzano-Weierstrass, on peut de la donc en extraire une sous-suite convergente (p (k) )k 1 vers un vecteur positif p sphre unit S. Pour tout k 1, on a A (k) p (k) = (A (k) )p (k) .

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

49

La suite ( (Ak ))k 1 tant convergente de limite , la suite extraite ( (A (k) ))k 1 est aussi convergente de mme limite . Par ailleurs, comme lim Ak = A, on a lim A (k) = A. Ainsi = lim A (k) Ap
k+ k + k + k+

lim p (k)

k +

lim A (k) p (k) = lim (A (k) )p (k) .

k+

Do = p . Ap Fait 4. (A) est une valeur propre de A et il existe un vecteur propre positif associ. Preuve. est une valeur propre de A, on dduit que (A), or daprs le fait 2, on est a (A). Do = (A). Ainsi, (A) est une valeur propre de A et le vecteur p un vecteur propre positif associ.

2 Les matrices irrductibles

Le rayon spectral dune matrice positive peut ne pas tre simple, cf. exemple III.1.1, cest aussi le cas de la matrice 1 0 A= 1 1 Par ailleurs, le rayon spectral dune matrice positive peut ne pas tre dominant, cf. exemple III.1.2. Lobjectif est maintenant de comprendre les hypothses sous lesquelles, le thorme de Perron II.13 peut tre gnralis aux matrices positives. III.2.1. Matrices irrductibles. Une matrice A Mn (R) est dite rductible sil existe une partition de lensemble {1, . . . , n} en deux sous-ensembles I = {i1 , . . . , is }, J = { j1 , . . . , jt }, s + t = n, s, t 1,

tels que, pour tout (i, j) I J , Aij = 0, sinon la matrice A est dite irrductible. III.2 Proposition. Une matrice A de Mn (R) est rductible si, et seulement si, il existe une matrice de permutation P de Mn (R), telle que P AP = B C 0 D , 1.

o B Mt (R) et D Ms (R) sont deux matrices carres, avec t , s

50

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

Preuve. Supposons que A soit rductible. Il existe donc une partition de lensemble {1, . . . , n} en deux sous-ensembles I = {i1 , . . . , is }, J = { j1 , . . . , jt }, s + t = n, s, t 1,

tels que, pour tout (i, j) I J , Aij = 0. Soit P la matrice de permutation qui ordonne les colonnes de A dans lordre ( j1 , . . . , jt , i1 , . . . , is ) : j 1 jt i1 is 1 a1 . . . an a . . . a a . . . a 1 1 1 1 1 . . . . . . . . . . . , alors AP = si A = . . . . . . . . j1 jt n is 1 a1 a1 . . . a1 ai n . . . an 1 . . . a1 Pour appliquer la mme permutation sur les lignes on multiplie gauche la matrice obtenue par P :
1 aj j1 . . . . . . j1 aj ... t P AP = a j1 . . . i1 . . . aijs1 . . .

i1 is t aj j1 a j1 . . . a j1 . . . . . . . . . jt i1 a jt a jt . . . aijst is t 1 ai aij1 i1 . . . ai1 . . . . . . . . . jt i1 s ais ais . . . ai is

jt 1 aj j1 . . . a j1 . . . . . . j1 t aj ... aj jt = t 0 ... 0 . . . . . . 0 ... 0

aij11 . . . aijs1 . . . . . . i1 a jt . . . aijst is 1 ai i1 . . . ai1 . . . . . .

is 1 ai is . . . ais

Cette dernire matrice a bien la forme cherche. Inversement, sil existe une matrice de permutation P, telle que B C , P AP = 0 D avec B Mt (R) et D Ms (R), alors P est la matrice dune permutation : (1, . . . , n) ( j1 , . . . , jt , i1 , . . . , is ), telle que Aij = 0, pour tous i i1 , , is et j j1 , jt . III.2.2. Exemples. 1. Une matrice dont tous les coefcients sont non nuls est irrductible. 2. Une matrice qui possde une ligne nulle est rductible. 3. Une matrice qui possde une colonne nulle est rductible. 4. Une matrice A est rductible si, et seulement si, sa transpose A est rductible. III.2.3. Exemple. La matrice suivante de M2 (R) A= a b c d

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

51

est irrductible si, et seulement si, bc = 0. En effet, dans ce cas les seules matrices de permutations sont 0 1 1 0 , Pid = , P12 = 1 0 0 1 et on a
1 P id APid = A, 1 P 12 AP12 =

d c b a

Ces deux matrices sont de la forme de la caractrisation de la proposition III.2, si et seulement si, b = 0 ou c = 0. III.2.4. Exemple. La matrice suivante est rductible : A= En effet, on a : 0 1 1 0 1 0 1 1 0 1 1 0 .

1 1 0 1

III.3 Proposition. Soit A une matrice de Mn (R). Sil existe un entier k 1, tel que la matrice Ak ne possde que des coefcients non nuls, alors la matrice A est irrductible.

Preuve. Supposons que la matrice A soit rductible. Il existe alors une matrice de permutation P, telle que B C A=P P , 0 D o B et D sont deux matrices carres. Par suite, pour tout entier k Ak = P Bk 0 Dk P . 1,

La matrice Ak est donc rductible et possde au moins un coefcient non nul. On montre ainsi, que sil existe un entier k 1, tel que la matrice Ak ne possde pas de coefcient nul, alors la matrice A est rductible. III.2.5. Exemple. Daprs la proposition III.3, la matrice 1 1 0 A= 1 1 1 1 1 1

52 est irrductible, car

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

2 2 1 A2 = 3 3 2 . 3 3 2

III.4 Proposition. Si A est une matrice positive irrductible de Mn (R), alors (1n + A)n1 > 0.

Preuve. Daprs la proposition II.3, il suft de montrer que, pour tout vecteur x nul, on a (1n + A)n1 x > 0.

0 non

Notons n(y) le nombre de coefcients nuls dun vecteur y de Rn . Pour montrer lingalit prcdente, il suft de montrer que n((1n + A)y) < n(y), pour tout vecteur positif non nul y. On procde par labsurde. Supposons quil existe un vecteur positif y, tel que n((1n + A)y) n(y). Comme Ay 0, le cas n(y + Ay) > n(y) est impossible. Reste le cas n(y + Ay) = n(y). Quitte permuter les coefcients, on peut supposer que y1 y= 0 avec y1 Rnn(y) strictement positif. La repartition des coefcients nuls tant la mme dans le vecteur (1n + A)y, on peut appliquer la mme permutation ce dernier vecteur et y1 y1 y +A = , 0 0 0 o y Rnn(y) est strictement positif. En dcomposant A en blocs, on a y1 0 + B C F D y1 0 = y 0 ,

avec B Mnn(y) (R) et D Mn(y) (R). En particulier, Fy1 = 0 avec y1 > 0, do F = 0 ce qui est impossible puisque la matrice A est irrductible. Ainsi, (1n + A)n1 x > 0, qui montre la proposition. III.5 Lemme. Soit A une matrice de Mn (R) et soit B = (1n + A)n1 . Alors, SpecC (B) = { (1 + )n1 | SpecC (A)}. En particulier, on a (B) = (1 + (A))n1 .

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

53

Preuve. Supposons que le polynme caractristique de A, scind dans C[X ], soit pA = (1)n (X 1 )h1 . . . (X p )h p , avec i = j , si i = j. Daprs le thorme de dcomposition spectrale algbrique, la matrice A est semblable une matrice diagonale par blocs triangulaires suprieurs : h
1

1 0

...

h1 1
h2

2 0

...

h2 2 ... p

0 0

0 hp ... hp p

Par suite, la matrice B = (1n + A)n1 est semblable une matrice de la forme
h1

(1 + 1 )n1 0

...

h1 (1 + 1 )n1

0
hp

(1 + p )n1 0 0

...

(1 + p )n1

hp

Le polynme caractristique de B est donc pB = (1)n (X (1 + 1 )n1 )h1 . . . (X (1 + p )n1 )h p . Par suite, (B) = max |1 + |n1 = (1 + (A))n1 .
Sp(A)

III.6 Proposition. Soit A une matrice positive irrductible de Mn (R). Alors, (A) est une valeur propre simple A.

54

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

Preuve. Daprs la proposition III.4, la matrice B = (1n + A)n1 est strictement positive. Donc, daprs le thorme de Perron II.13, (B) est une valeur propre simple de B. Daprs le lemme III.5, on a (B) = (1 + (A))n1 et lordre de multiplicit de (A) dans A est gal lordre de multiplicit de (B) dans B. On montre ainsi que (A) est une valeur propre simple de la matrice A.

III.7 Proposition. Soit A une matrice positive irrductible de Mn (R). Alors, i) la valeur propre (A) possde un unique vecteur propre strictement positif p, tel que ||p||1 = 1, ii) (A) > 0, iii) les seuls vecteurs propres positifs de A sont les multiples positifs du vecteur p.

Preuve. La matrice A est positive, donc daprs la proposition III.1, il existe un vecteur propre positif x associ la valeur propre (A), soit Ax = (A)x. Do (1n + A)x = (1 + (A))x. On en dduit que Bx = (B)x, avec B = (1n + A)n1 et (B) = (1 + (A))n1 . Comme la matrice B est strictement positive, daprs le thorme de Perron II.13, le vecteur x est un multiple positif du vecteur de Perron de B, en particulier x est strictement positif. De plus, daprs la proposition III.6, (A) est une valeur propre simple de A, donc le sous-espace propre associ est de dimension 1. Par suite, en normalisant x, on obtient lunique vecteur propre p normalis strictement positif associ la valeur propre (A). On montre ainsi lassertion i). Montrons ii). On a (A) > 0, car sinon Ap = 0. Ce qui est absurde, car daprs la proposition II.1, A tant positive et p strictement positif, on a Ap > 0. Pour montrer iii), on procde de la mme faon que dans la preuve de la proposition II.12. III.2.6. Vecteur de Perron. Pour une matrice positive et irrductible A, lunique vecteur propre strictement positif p associ la valeur propre (A), tel que ||p||1 = 1, est appel le vecteur de Perron de A. III.2.7. Thorme de Perron-Frobenius. Nous avons ainsi montr le thorme de Perron-Frobenius :

III.8 Thorme (Perron-Frobenius). Soit A Mn (R) une matrice positive irrductible. Alors, i) (A) est une valeur propre de A, ii) (A) > 0, iii) (A) est simple,

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

55

iv) il existe un vecteur propre x > 0, tel que Ax = (A)x, v) les seuls vecteurs propres positifs de A sont les multiples positifs du vecteur de Perron p.

III.2.8. Exemple. On considre la matrice 0 1 0 A= 3 0 3 0 2 0 Pour tout entier k 1, on a 3 k 1 0 3 k 1 0 3k 0 . A 2k = ( k 1 ) ( k 1 ) 2.3 0 2.3 0 3 k 1 0 0 3k , A2k+1 = 3k 0 2.3(k1) 0

Il nest donc pas possible de montrer lirrductibilit de la matrice A en utilisant le critre de la proposition III.3. On montre que la matrice A est irrductible, en montrant quil B C nexiste pas de matrice de permutation P de M3 (R) telle que A = P P , o B 0 D et D sont deux matrices carres ; il faut tester les 6 matrices de permuation de M3 (R). Nous verrons plus loin un critre pour montrer lirrductibilit des matrices. Le spectre de A est Sp(A) = {3, 0, 3}, on a ) = 3. Le sous-espace propre E3 est (A 1 de dimension 1, engendr par le vecteur v = 3 . Les sous-espaces E3 et E0 tant 2 1 1 engendr par 3 et 0 respectivement, les seuls vecteurs propres positifs de 2 1 A sont les multiples positifs de v. Le vecteur de Perron de A est 1 1 1 v = 3 . p= v 1 6 2

3 Les matrices primitives

Lirrductibilit dune matrice positive ne garantit pas que son rayon spectral soit une valeur propre dominante. Ceci est illustr par lexemple III.2.8. Lobjectif de cette section est de comprendre les hypothses sous lesquelles le rayon spectral dune matrice

56

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

positive irrductible est une valeur propre dominante. III.3.1. Matrices primitives. Une matrice A de Mn (R) est dite primitive si elle est positive, irrductible et possde une unique valeur propre de module maximal.

III.9 Proposition. Soit A une matrice primitive de Mn (R). Alors, i) (A) est une valeur propre de A, ii) (A) > 0, iii) (A) est simple, iv) (A) est dominante, v) il existe un vecteur propre x > 0, tel que Ax = (A)x. vi) les seuls vecteurs propres positifs de A sont les multiples positifs du vecteur de Perron p de A.

Preuve. Comme A est irrductible, cest le thorme de Perron-Frobenius, III.8. De plus, la valeur propre (A) est dominante, car A tant primitive, (A) est lunique valeur propre de module maximal.

III.10 Proposition. Soit A une matrice primitive de Mn (R), alors lim A (A)
k

k+

= (A) ,

o (A) est le projecteur spectral de A associ la valeur propre (A).

Preuve. La matrice A est primitive, donc (A) > 0. Par suite, cf. proposition II.6, on a ( (1 A) A) = 1. Comme (A) est une valeur propre simple dominante de A, 1 est une valeur propre simple dominante de la matrice II.2.11, on montrer qualors lim A (A)
1 (A) A.

Avec le mme raisonnement quen

k+

= 1 ,

o 1 est le projecteur spectral de la matrice (1 A) A associ la valeur propre 1, ou de faon quivalente, le projecteur spectral de la matrice A associ la valeur propre (A).

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

57

III.3.2. Calcul du projecteur (A) . tant donne une matrice primitive A de Mn (R), on exprime le projecteur (A) en terme de vecteurs de Perron. Les matrices A et A ont le mme polynme caractristique, on a donc (A) = (A ). La matrice A tant positive et irrductible, il en est de mme pour la matrice A . Par suite, (A) est une valeur propre simple de A et (A ) est une valeur propre simple de A . Notons p le vecteur de Perron de A et q le vecteur de Perron de A . Montrons que pq (A) = . q p
pq Les vecteurs p et q sont de Perron, donc q p est non nul. De plus q p est un projecteur, car pq pq pq = . q p q p q p

Par ailleurs, Im(

pq ) Ker(A (A)1n ) = Vect(p), q p

), alors il existe un vecteur x de Rn tel que car si y Im( pq q p y= q x pq x = p. q p q p

pq Les deux sous-espaces sont de mme dimension gale 1, on a donc Im( q p ) = Ker(A pq (A)1n ). De la mme faon, on montre que Ker( q p ) = Im(A (A)1n ). On montre pq ainsi que q p est le projecteur spectral de la matrice A associ la valeur propre (A). Les vecteurs de Perron p et q sont strictement positifs, par suite :

III.11 Proposition. Soit A une matrice primitive de Mn (R), alors le projecteur spectral (A) est strictement positif.

On obtient un critre de primitivit des matrices.

III.12 Proposition. Une matrice positive A de Mn (R) est primitive, si et seulement si, il existe un entier m 1 tel que Am est strictement positive.

Preuve. Soit A une matrice positive, telle quil existe un entier m > 0 tel que Am > 0. Daprs la proposition III.3, la matrice A est irrductible. Montrons que (A) est une valeur propre dominante de A. Supposons que le spectre de A soit Sp(A) = {1 , . . . , p }. Les valeurs propres de la matrice Am sont toutes de la

58

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

m , . . . , m . On a de plus, pour tout i 1, p , forme 1 p m A multA alg (i ) = multalg (i ).

m

Daprs le thorme de Perron II.13, la matrice Am possde une unique valeur propre de module maximal. Il en est donc de mme pour A. Ainsi (A) est une valeur propre dominante de A. Inversement, soit A une matrice primitive. Daprs la proposition III.10, lim A (A)
k

k+

= (A) .

Daprs la proposition III.11, le projecteur (A) est strictement positif, il existe donc un entier m 1 tel que
A (A) m

> 0. Do Am > 0.

III.3.3. Exemple. Calculer lim Ak , o A est la matrice

k +

A=

1a b a 1b

o 0 < a < 1 et 0 < b < 1. La matrice A est strictement positive donc primitive. On calcule (A) = 1. On a A = 1a a b 1b , b , le vecteur de Perron a

1 et (A ) = (A) = 1. Le vecteur de Perron de A, est p = a+ b

de A est q =

1 2

1 . Daprs la section III.3.2, on a : 1 pq 1 lim A = = k + q p a+b

k

b b a a

4 Irrductibilit et graphe dune matrice

III.4.1. Graphes orients. Un graphe (orient ni) G est la donne dun ensemble ni S de sommets, dun ensemble ni A dartes et de deux applications s, t : A S qui toute arte associe respectivement sa source et son but. Soit k 1 un entier, un chemin de longueur k du sommet s au sommet t est une suite (e1 , . . . , ek ) dartes, telles que s(e1 ) = s, t (ei ) = s(ei+1 ), pour tout i 1, k 1 , t (ek ) = t .

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

59

Un graphe est dit fortement connexe si, pour tout couple de sommets (s, t ), il existe un chemin de source s et but t . III.4.2. Graphe dune matrice. toute matrice A de Mn (R), on associe un graphe appel graphe de la matrice A, not GA , qui possde n sommets, numrots 1, 2 . . . , n, et ayant une arte de source i et but j lorsque Aij = 0. Si A et A sont deux matrices telles quil existe une matrice de permutation P telle que A = P AP, alors les graphes associs GA et GA sont les mmes, une renumrotation des sommets prs, dnie par la permutation P. En particulier le graphe GA est fortement connexe si, et seulement si, le graphe GA est fortement connexe. III.4.3. Exemples. Les graphes des matrices suivantes A= sont respectivement 1 0 1 1 , B= 0 1 1 0 .

Le premier graphe nest pas fortement connexe, car il nexiste pas de chemin du sommet 1 au sommet 2. Le deuxime graphe est fortement connexe. III.4.4. Irrductibilit et forte connexit. Lirrductibilit dune matrice est lie la forte connexit du graphe associ.

III.13 Thorme. Soit A une matrice positive de Mn (R). La matrice A est irrductible si, et seulement si, son graphe GA est fortement connexe.

Preuve. Montrons que le graphe dune matrice rductible nest pas fortement connexe. Soit A une matrice rductible, il existe une matrice de permutation P telle que P AP = B C 0 D = A ,

o B Mt (R) et D Mnt (R) sont des matrices carres. Pour tout i t + 1, n et j 1, t , il nexiste pas darte dans le graphe GA , de source i et de but j. Ainsi, le graphe GA nest pas fortement connexe, par suite, le graphe GA nest pas fortement connexe. On a donc montr que si le graphe GA est fortement connexe, alors la matrice A est irrductible. Inversement, supposons que le graphe GA ne soit pas fortement connexe. Notons 1, . . . , n les sommets du graphe GA . Il existe au moins un couple de sommets de GA ,

60

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

tels quil nexiste pas de chemin de lun vers lautre. Notons i1 et in ces deux sommets, en supposant quil nexiste pas de chemin de in vers i1 . Notons S1 = {i1 , . . . , it } lensemble des sommets du graphe GA tel quil nexiste pas de chemins de in vers ces sommets. Les autres sommets forment un ensemble que lon note S2 = {it +1 , . . . , in1 }. Pour tout j S1 et tout i S2 , il nexiste pas de chemin de i vers j. Par construction, on a donc Aij = 0, pour tout i S2 et tout j S1 . Notons P la matrice de la permutation correspondant la renumrotation des sommets ainsi dnie (1, 2, . . . , n) (i1 , . . . , it , it +1 , . . . , in ). La matrice P AP est donc de la forme B C 0 D ,

o B Mt (R) et D Mnt (R). Ainsi, la matrice A est rductible. III.4.5. Exemples. Reprenons les matrices de lexemple III.4.3. Le graphe GA nest pas fortement connexe, donc la matrice A est rductible. Le graphe GB est fortement connexe, donc la matrice B est irrductible. Par ailleurs, il est vident quaucune puissance de B nest strictement positive. La matrice B nest donc pas primitive. Cet exemple montre quen gnral une matrice irrductible nest pas primitive. Le graphe de la matrice de lexemple III.2.8 est fortement connexe, donc la matrice est irrductible.

5 Marches alatoires sur un graphe

Cette partie prsente une application du thorme de Perron-Frobenius, III.8, ltude des chanes de Markov. III.5.1. Les chanes de Markov. Une chane de Markov est un processus alatoire sans mmoire , dans lequel la prdiction du futur partir du prsent ne dpend pas du pass. Formellement, on dnit une chane de Markov en temps discret, comme une suite de variables alatoires {Xk } k=0 prenant leurs valeurs dans un mme ensemble dtats, appel lespace des tats, et vriant, pour tout entier k, P(Xk+1 = e | X0 , X1 , . . . , Xk ) = P(Xk+1 = e | Xk ),

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

61

o e est un tat quelconque du processus. Autrement dit, ltat de lvnement linstant k + 1 dpend uniquement de ltat de lvnement linstant k et non pas des tats aux instants prcdents. III.5.2. Matrices stochastiques. On appelle matrice stochastique une matrice carre relle, dont tous les coefcients sont positifs ou nuls et dont la somme des coefcients sur chaque ligne est gale 1. Prcisment, une matrice P de Mn (R) est stochastique si, pour tous i, j 1, n , Pij 0 et, pour tout i 1, n ,

j=1

Pij = 1.

En dautres termes, P est stochastique, si tous ses coefcients sont positifs et si Pe = e. Par exemple, la matrice suivante est stochastique 1/3 1/3 1/3 1/2 1/2 0 . 0 0 1 Exercice 1. Montrer que si P est une matrice stochastique, alors Pk est stochastique, pour tout entier k 1. III.5.3. Matrice de transition. Lorsque lespace des tats dune chane de Markov est ni, en numrotant les tats par les entiers 1, . . . , n, on peut reprsenter la chane de Markov par une matrice P(k) de Mn (R), appele matrice de transition de la chane de Markov, dont le coefcient (P(k))ij est dni par P(k)ij = P(Xk+1 = j | Xk = i), exprimant la probabilit que le processus se trouve dans ltat j linstant k + 1, alors quil tait dans ltat i linstant k.

III.14 Proposition. La matrice de transition P(k) dune chane de Markov est stochastique positive.

Dans la suite, on sintressera des processus dont la matrice de transition est constante, i.e., indpendante du temps. La probabilit Pij de passer de ltat i ltat j est indpendante du temps. Notons, quinversement, toute matrice stochastique dnit un chane de Markov. Soit P une matrice stochastique dont le polynme caractristique est scind sur R. On note 2 , . . . , p ses valeurs propres diffrentes de 1. On suppose que pour tout i, |i | < 1 et que P est diagonalisable. Alors
k+

lim Pk = 1 ,

62

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

o 1 est le projecteur spectral de la matrice P associ la valeur propre 1. III.5.4. Distribution de probabilit. Une distribution de probabilit est un vecteur positif x1 . x= . . xn de Rn , tel que
n

= |xi | = 1.
i=1

Autrement dit, cest un vecteur positif x tel que x e = 1. La distribution de probabilit la k-ime tape du processus de la chane de Markov est le vecteur p(k) de Rn , deni par p (k) = [ p1 (k) . . . pn (k)], o pi (k) = P(Xk = i) exprime la probabilit dtre dans ltat i, aprs la k-ime tape. La distribution de probabilit initiale est p(0). Pour tout entier k 1, on a p (k) = p (0)Pk . Le coefcient (Pk )ij reprsente ainsi la probabilit de passer de ltat i ltat j en exactement k tapes. Une distribution de probabilit est dite invariante si p = pP. Une distribution invariante reprsente ltat dquilibre du systme. III.5.5. Au muse. La situation suivante fournit un exemple de chane de Markov. Un visiteur se promne dans un muse. chaque tape de sa visite, il change de salle en prenant une porte au hasard pour passer la salle suivante. Passionn, notre visiteur va passer le restant de ses jours poursuivre sa visite, sans plus jamais sortir du muse. Le plan du muse ci-dessous indique la position des salles et de leurs portes :

Lentre du muse donne sur la salle 1, si bien que le vecteur de distribution initial est p (0) = [1 0 0 0 0].

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

63

Les dplacements du visiteur dune salle lautre dnissent une chane de Markov ; un tat reprsente ici la prsence du visiteur dans une salle. Exercice 2. 1. crire la matrice stochastique P de cette chane de Markov. 2. Montrer que le coefcient (Pk )ij reprsente la probabilit de passer de la salle i la salle j en exactement k tapes. Pour i = 1 . . . 5, notons pi (k) la probabilit que le visiteur se trouve dans la i-me salle aprs ltape k. Soit p (k) = [ p1 (k) . . . p5 (k)] la distribution de probabilit linstant k. Exercice 3. 1. Calculer la probabilit que le visiteur se trouve dans la salle 3 en exactement 1, 2, 3 et 4 tapes. 2. Dterminer les valeurs propres de P. La matrice P est-elle diagonalisable ? 3. Calculer les projecteurs spectraux de P. 4. Exprimer P en fonction des projecteurs spectraux. En dduire la valeur de p(k) en fonction de p(0) et des projecteurs spectraux. 5. Calculer la probabilit que le visiteur se trouve dans la salle 3 la k-me tape avec la distribution initiale p (0) = [1 0 0 0 0]. 6. Calculer p(10), p(20) avec la distribution initiale p (0) = [1 0 0 0 0]. Quobservezvous ? 7. Calculer lim p (k) avec la distribution initiale p (0) = [1 0 0 0 0] en utilisant la dcomposition spectrale de P. Si q = [q1 q2 q3 q4 q5 ] dsigne le vecteur limite. On peut interprter cette distribution de probabilit limite en disant qu terme le visiteur aura pass en proportion qi de son temps dans la salle i. Exercice 4. Calculer lim p (k) avec la distribution initiale
k+ k +

p (0) = [1/5 1/5 1/5 1/5 1/5]. Cest la distribution que lon peut considrer si le visiteur dbute sa visite en choisissant au hasard lune des cinq salles. Exercice 5. Dans ce qui suit, le visiteur entre toujours par la porte de la salle 1, mais quelques modications ont t apportes. Dans le premier cas, la porte qui relie les salles 1 et 4 a t bouche. Dans le second cas, la salle 5 a t condamne, sa visite est impossible. Les plans correspondant ces deux cas sont respectivement

64

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

Dans chaque cas, calculer la distribution de probabilit limite. III.5.6. Chanes de Markov irrductible. Une chane de Markov est dite irrductible (resp. rductible), si sa matrice de transition est irrductible (resp. rductible).

III.15 Proposition. Soit P une matrice stochastique, positive et irrductible de Mn (R). Alors, i) (P) = 1, ii) le vecteur de Perron de P est 1 p = e. n

Preuve. La matrice P est stochastique, donc le vecteur e, dont tous les coefcients sont gaux 1, est vecteur propre de P, on a Pe = e. La matrice P tant positive et irrductible, daprs le thorme de Perron-Frobenius III.8, le vecteur e tant positif, il est multiple 1 positif du vecteur de Perron p de P. Comme p est unitaire, on a ncessairement p = n e. De (P)p = Pp, on dduit donc que (P)e = e, do (P) = 1.

III.16 Proposition. Soit P une matrice stochastique et primitive. Alors, lim Pk existe et
k+ k+

lim Pk = eq ,

o q est le vecteur de Perron de P .

Preuve. Si la matrice P est primitive, daprs le thorme de Perron-Frobenius III.8, (P) = 1 est une valeur propre simple dominante de P. Donc, la suite (Pk )k converge et
k+

lim Pk = 1

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

65

o 1 est le projecteur spectral de P associ la valeur propre 1. Le fait que 1 = eq , o q est un vecteur de Perron de P est une consquence immdiate de la section III.3.2 : 1 =
1 n eq 1 q n e

= eq .

III.17 Proposition. Une matrice stochastique primitive P admet une unique distribution de probabilit invariante.

Preuve. Si la matrice P est primitive, alors P est primitive. La valeur propre (P ) = 1 est simple et dominante. Une distribution de probabilit invariante de P est un vecteur unitaire p de Mn (R), tel que p = pP, ou de faon quivalente p = P p . Le vecteur p est donc le vecteur de Perron de la matrice P . La distribution de probabilit invariante de la matrice P est ainsi unique. III.5.7. Marche alatoire sur un graphe orient. tant donn un graphe orient G , on peut dnir une chane de Markov partir dune marche alatoire sur le graphe G . La matrice de transition de cette marche alatoire est la matrice stochastique P dnie par ni, j , Pij = ni o ni, j est le nombre dartes de source i et but j et ni le nombre total dartes de source i. III.5.8. Exemple. Considrons le graphe G suivant

La matrice stochastique dune marche alatoire sur G est 0 1 0 P = 1/3 1/3 1/3 1/2 1/2 0

66

CHAPITRE III. LE THORME DE PERRON-FROBENIUS

III.5.9. Exemples. On considre les marches alatoires sur les graphes suivants

Les matrices de transition sont respectivement 0 1 0 P 1 = 0 1 / 2 1 /2 , 1/2 0 1/2

0 0 1 ... ... ... P2 = 0 ... 0 1 1 0 0

0 1

Mn1 (R),

4 Les matrices P1 et P3 sont primitives, car P3 1 > 0 et P3 > 0. La matrice P1 (resp. P3 ) admet donc une unique distribution de probabilit p1 (resp. p2 ), dnie par

P3 =

0 0 1/2 1/2 0 0 0 0 1/2 1/2 1/2 0 0 0 1/2 . 1/2 1/2 0 0 0 0 1 /2 1 /2 0 0

p 1 = [1/5 2/5 2/5],

(resp. p 3 = [1/5 1/5 1/5 1/5 1/5]).

k La suite (Pk 1 )k (resp. (P3 )k ) converge vers 1 2 2 1 1 2 2 , 5 1 2 2

(resp.

1 E). 5

La matrice P2 nest pas primitive. Elle est cependant irrductible car son graphe associ est fortement connexe. La valeur propre (P2 ) = 1 nest pas dominante, car les valeurs propres de P2 sont les racines n 1-ime de lunit. Daprs la premire partie du thorme de Perron II.13, la matrice P2 admet une unique distribution de probabilit invariante : p 2 = [1/n . . . 1/n]. La suite (Pk 2 )k ne converge pas.