Fiche 6 Exemples d’applications des systémes d’équations linéaires Objectif : A la fin de ce cours, Yapprenant devra étre capable de résoudre un probléme faisant intervenir un systéme d’équations linéaires ayant un faible nombre clinconnues. Sommaire 6.1 Application en nutrition... . . : 55 6.2 Application A Péquilibrage des équations chimiques... 56 6.3 Détermination du vecteur d’équilibre (ou vecteur sta tionnaire) d’une Chaine de Markov Homogéne . 87 6.4 Exercices de travaux dirigés . . 62 6.1 Application en nutrition Exercice d’application 6.1 Le tableau suivant donne le nombre de milligrammes de vitamines A, B ct C contenus dans un (01) gramme de trois aliments différents Un diététicien veut préparer un repas qui fournit 350 mg de vitamine A, 400 mg de vitamine B ot 500 mg de vitamine C. Déterminer les nombres de grammes respectifs ‘£1, £2 et x3 des aliments 1, 2 et 3 A inclure dans la composition du repas (on donnera. la valeur exacte puis un arrondi A deux chiflres) Aliment I_[ Aliment 2 [Aliment 3 Vitamine A 20 30 0 Vitamine B 40 20 35 Vitamine C 50. 40 10 hbm Indications : On peut représenter la situation & l'aide du syst?me linéaire suivant 20x, + 30x, +4023 = 350 402; +2022 + 35x; = 400 50x; + 40x2 +1023 = 500 55qui se traduit sous la forme matricielle AX = B oft ‘20 30 40) ry A= {40 20 35], X=[m] e& B= 50 40 10 73 On a det(A) = 40.500 4 0 done 1 1200 1300 250°\ (350) X=A7B 350-1800 900 | | 400 70500, 600 700 —800) \500, 1 (225000 (5.56 = ae | 202500] ~ | 5 4509 \ ‘oco00 2.22 6.2 Application a l’équilibrage des équations chimiques Exercice d’application 6.2 Certains remédes contre le rhume utilisent la réaction du bicarbonate de sodium avec acide citique en solution. Ladite réaction produit Gu citrate de sodium, de l'eau et du dioxyde de carbone selon l’équation at NaHCOs + y CoHsO; —> z NagCpH50; +t HyO + C02 Equilibrer cette équation puis déterminer les plus petites valeurs possibles des coef- ficients. Per Indications : En considérant les nombres d’atomes de sodium, d'hydrogéne, de carbone et doxyg?ne respectivement, on peut représenter la situation & Vaide du systéme linéaire suivant 2 32 =0 x +8y —52 —2t 0 x +6y —62 -u =0 Sx tty -Tz -t tu = 0 En faisant Ly < Ly — Ly, Lz L3 — Ly, Lg — 14 — 3Ly, on obtient © 32 0 By -22 —2t 0 6y 32 —u = 0 Ty +22 -t du = 0En simplifiant Lo par 2 puis en faisant Ly — 2L3 — 3L9, Ly + 4L4 ~ 7L2, on obtient 2 ~32 = 0 dy =z -t 0 -32 +3t -2u = 0 15z +3t -8u = 0 Enfin, en faisant Ly — Ly +5Ls, on obtient 2 =0 t =0 +3t -2u = 0 1st -18u = 0 En résolvant ce dernier systime du bas vers le haut, on obtient successivement ¢ = u, 2 =u/3, y=u/3 et 2 =u, Comme les coefficients sont entiers, la plus petite valeur de w est 3 d’ot (x,y, 2,t, 0) = (3,1,1,3,3) ° 6.3. Détermination du vecteur d’équilibre (ou vecteur stationnaire) d’une Chaine de Markov Homogéne Soient x» ot a) deux vecteurs d’état consécutifs d'une chaine de Markov Homogtne (CMH) avec une matrice de transition P. On sait que x") = Px) ot a) = P*x), On s'intéresse au comportement & long terme du vecteur d'état 7”) Clest-A-dire A la limite de 1(") (ai elle existe) lorsque n — co. Il se pose alors deux questions : (1) comment déterminer si la limite de = lorsque n — 00 existe? (2) si une telle limite existe, comment la caleuler? Considérons d’abord la définition suivante Définition 6.1 Une matrice de transition P est dite réguliére s'il existe un entier r €N* tel que tous éments de la matrice P” soient strictement positifs mes de Enongons maintenant un théoréme trés important dans la théorie de ch. Markov Théoréme 6.1 ({4]) Si une chaine de Markov a une matrice de transition régulicre P, alors, quelque soit 7), le vecteur d’états x de cette chaine admet une limite = lorsque n + 00. Cette limite m, appelée vecteur d’équilibre (ou vecteur stationnaire) de la chaine, est définie de fagon unique par la relation n= Pr et le fait que la somme des composantes de x est égale & 1Exemple 6.1 ((4]) Considérons une CMH & trois états notés 1, 2 et 3 dont la matrice de transition est donnée par 0.75 0.25 0.2! P=([015 045 04 OL 03 0.4, La matrice P est régulitre (ici r = 1 car tous les éléments de P sont strictement positifs) done il existe un vectour d’équilibre x = (m, 72,73)" tel que et mbm tas 0.75 0.25 0.2\ fm m Prax => [0.15 045 04] |m] =| m o1 03 04) \ns, 1, 0,75m + 0.2572 + 0.25 m ==> [0.15m; + 0.4512 +0475 | = | m2 a =0 0 0 Ona O.1m + 0.312 + 0.43 =0.251y + 0.2522 + 0.213 0.15m, — 0.55m + O.Ars 0.1m, +0.3%2 — 0.6715 En prenant en compte la condition m + m2 +73 = 1, on tire m3 = 1-7, — m dod le systéme devient =0.25m + 0.25m2 +0.2(1—m—m) = 0 0.15m — 0.5572 +0.4(1—m—m) = 0 0.1m +0.3m—0.6(1—m—m) = 0 soit, -0.45m +0.05n2 = -0.2 0.25, — 0.95, = —04 0.7m + 0.9m 0.6 soit, encore 0.457, —0.05m, = 0.2 0.25 +0.95m, = 04 0.7m + 0.9m. 06 La troisiéme équation étant la somme des deux promiéres, on peut éerire plus sim- plement 0.457, —0.05t, = 0.2 0.25%, +0.95m2 = 04 Le déterminant du systéme ost [0.45 —0.05 A=l025 0.95 |= 04140 58done le systéme est de Cramer et on déduit 1 [02 -005]_ 021 me ia ue | oa O07 1 |o.45 0.2) _ 0.13 - = Tag 0.25 04 aaa ~ 9295 my = 1 my ~ 1 0,228 0.477 ne | 0.295 0.228, Co qui signific qu’a long terme, quelque soit la répartition initiale «!°), on aura ap- proximativement 47.7% de la population sera dans l'état 1, 29.5% dans ’état 2 et 22.8% dans l'état 3. Le vecteur d’équilibre est done Pour illustrer cette notion de convergence, nous considérons trois (3) valeurs possibles pour le vecteur d’états initial + et nous calculons les valeurs successives du vectour d’états x) = (n{"), 1", 22")? pour n variant de 1 4 10. Les valeurs de 7 correspondent aux trois cas suivants — Cas 1: 7! = (0.5,0.5,0)7 — Cas 2: xl) = (0.7,0,0.3)" — Cas 3: 7 = (0.4,0.3,0.3)7 Les figures 6.1, 6.2 et 6.3 donnent les évolutions respectives des composantes de 7") en fonction du temps n, Pour tout i = 1,2,3, on remarque que pour tous les choix de al”, x!" converge vers 7. Remarque 6.1 La condition de régularité du théortme 6.1 est suflisante mais pas nécessaire. C’est-A-dire que si la matrice de transition n'est pas réguliére, l'on ne peut rien dire. 59055 050 045, 026 028 030 024 Ficure 6.2 - |-- cast» cas2—— Cass Temps n Evolution de 7!" en fonction de n. On constate la convergence vers 7 0.47 (en pointillés rouges) | cast cas2—— cass 2 4 6 8 10 Temps n Evolution de 7$" en fonction de n. On constate la convergence vers m2 = 0.295 (en pointillés rouges) 60022 0.23 024 0.25 |-- cas1—-- cas2—- Cas 3 Evolution de 7! 3 6 8 10 Temps n en fonction den. On constate la convergence vers 0.228 (en pointillés rouges) 61