Théorème de Perron-Frobenius pour les matrices positives irréductibles et application aux chaînes de Markov
Il est question dans ce développement de montrer que si $A \in \mathcal{M}_n(\mathbb{R})$ est positive et irréductible alors :
1) $\rho(A) > 0$ et $\rho(A) \in \text{Sp}(A)$,
2) La valeur propre $\rho(A)$ est simple (i.e. elle est de multiplicité algébrique égale à 1),
3) L'espace propre $E_{\rho(A)}(A)$ est engendré par un vecteur propre strictement positif,
4) Si $A$ est strictement positive, alors $\rho(A)$ est l'unique valeur propre de module maximal.
À cela s'ajoute une application aux chaînes de Markov : Si $(X_n)_{n \in \mathbb{N}}$ est une chaîne de Markov irréductible à valeurs dans un espace d'états fini $E$, de matrice associée $P$ alors
1) Il existe une unique probabilité invariante $\mu$ pour la dynamique issue de $P$, et cette mesure charge tous les éléments de $E$,
2) Si de plus la chaîne est apériodique, alors :
$$
P^k \xrightarrow[k \to +\infty]{} \begin{pmatrix}
\mu \\
\vdots \\
\mu
\end{pmatrix}
$$
où on a représenté la mesure $\mu$ comme un vecteur ligne. En particulier, quelle que soit la loi de $X_0$, $(X_n)$ converge en loi vers la probabilité invariante $\mu$.
| Qualité | Numéro | Titre |
|---|---|---|
| 5 | 153 | Valeurs propres, vecteurs propres. Calculs exacts ou approchés d’éléments propres. Applications.2026 |
| 5 | 206 | Exemples d’utilisation de la notion de dimension finie en analyse.2026 |
| 5 | 262 | Convergences d’une suite de variables aléatoires. Théorèmes limite. Exemples et applications.2026 |
| 5 | 264 | Variables aléatoires discrètes. Exemples et applications.2026 |
| 4 | 226 | Suites vectorielles et réelles définies par une relation de récurrence un+1=f(un). Exemples. Applications à la résolution approchée d’équations.2026 |
Utilisateur : Xx_MasterPoulet13_xX
'
Références :
Probabilités pour les non-probabilistes - Walter Appel
Utilisateur : 20160
Le théorème de Perron-Frobenius n'est jamais que de l'analyse matricielle, mais il n'a d'intérêt qu'en son interprétation dans le contexte des chaînes de Markov. Le recasage en probas est donc osé, même si l'on est pas option A ; en revanche il est très adapté à la 206 ou la 226. C'est aussi pour moi c'est aussi l'histoire d'une réconciliation avec les processus aléatoires, et c'est émouvant. Pendant markovien de Galton-Watson, qui lui embraye sur les martingales, c'est un « ancien classique » qui a l'avantage de n'être pas nommément frowned-upon comme son analogue dans le rapport du jury. L'adhérence - même au sein des chaînes de Markov - n'est pas violente et l'on peut également parler de l'algorithme PageRank de Google sans avoir vraiment de bagage probabiliste.
J'ai choisi de montrer le théorème dans le cas d'une matrice > 0 (et donc le corollaire en probas dans le cas ergodique). C'est déjà très chaud de tout loger en quinze minutes. N'étant pas un spécialiste je peux donc me permettre de faire une partie du plan sur les chaînes de Markov... sans parler de probas, mais uniquement des bases sur les matrices de transition, c'est-à-dire en éludant les notions de périodicité, récurrence et transience. Pour plus de détails je renvoie au plan que j'ai produit le jour J, il est sur mon site.'
Références :
Probabilités pour les non-probabilistes - Walter Appel
Utilisateur : Méthivier
Je me suis inspiré du document de Matoumatheux pour l'idée du développement mais je n'ai pas spécialement suivi sa preuve. En fait je pense que ça fait deux développements et non un. Pour la partie Perron Frobenius, je pense c'est un bon dev. En revanche pour la partie chaine de Markov, j'en suis pas si sûr. J'ai vraiment pas beaucoup de recul sur ce que l'on démontre et je sais pas si ça a un quelconque intérêt. Attention aux coquilles'
Références :
Probabilités pour les non-probabilistes - Walter Appel
Probabilités - Barbe-Ledoux
Analyse matricielle\r - Rombaldi
Utilisateur : Matoumatheux
ATTENTION !! Ce développement est oméga trop long !! Je conseille de ne traîter que le cas strictement positif si vous voulez embrayer sur les chaînes de Markov ! Pour la leçon 153, faites comme vous le sentez : ou bien vous parlez des chaînes de Markov pour illustrer que vous pouvez approcher un vecteur propre associé à la valeur propre $1$ de $P^T$ en mode \"méthode de la puissance\", ou bien vous faites la totale sans parler de chaînes de Markov.'
Références :
Analyse matricielle\r - Rombaldi
Thèmes de probabilités et statistique\r - Toulouse