Matrice stochastique

Un article de Wikipédia, l'encyclopédie libre.

En mathématiques, une matrice stochastique (aussi appelée matrice de Markov) est une matrice carrée dont chaque élément est un réel compris entre 0 et 1 et dont la somme des éléments de chaque ligne vaut 1. Cela correspond, en probabilité, à la matrice de transition d'une chaîne de Markov finie.

Voici un exemple de matrice stochastique P (dans cet exemple, la somme des éléments de chaque ligne est égale à 1; on remarque que la somme des éléments de chaque colonne est quelconque):

$P = \begin{pmatrix} 0,5 & 0,3 & 0,2 \\ 0,2 & 0,8 & 0 \\ 0,3 & 0 ,3& 0,4 \end{pmatrix}$

Si G est une matrice stochastique, alors on appelle vecteur stable pour G le vecteur h tel que:

h G = h

Par exemple:

$G = \begin{pmatrix} 0,95 & 0,05 \\ 0,03 & 0,97 \end{pmatrix}$

$h = \begin{pmatrix} 0,375 & 0,625 \end{pmatrix}$

$hG = \begin{pmatrix} 0,375 & 0,625 \end{pmatrix} \begin{pmatrix} 0,95 & 0,05 \\ 0,03 & 0,97 \end{pmatrix}$

$hG = \begin{pmatrix} 0,35625 + 0,01875 & 0,01875 + 0,60625 \end{pmatrix} = \begin{pmatrix} 0,375 & 0,625 \end{pmatrix}$

Cet exemple montre que hG = 1h. Pour des équations du type hG = βh, où β est un nombre réel , on dit que h est un vecteur propre associé à la valeur propre β. On peut donc dire que h est un vecteur propre associé à la valeur propre 1.

Une matrice stochastique est dite régulière s'il existe un entier k tel que la matrice P^k ne contient que des réels strictement positifs.

La matrice 3 × 3 précédente est régulière car :

$P^2 = \begin{pmatrix} 0,37 & 0,45 & 0,18\\ 0,26 & 0,70 & 0,04\\ 0,33 & 0,45 & 0,22 \end{pmatrix}$

Le théorème des matrices stochastiques stipule que, si A est une matrice stochastique régulière, alors A possède un vecteur stable t tel que, si x_o est un état initial quelconque, et si x_k+1 = x_kA pour k = 0, 1, 2, ..... alors la chaîne de Markov {x_k} converge vers t quand $k \to \infty$ . C’est-à-dire:

$\lim_{k \to \infty} \textbf{x}_0 A^k = \textbf{t}$

[modifier] Voir aussi

v · d · m Articles en rapport avec les matrices
Par forme	carrée • triangulaire • diagonale • tridiagonale • élémentaire • échelonnée • creuse • aléatoire • circulante • de Hankel • de Toeplitz • de Vandermonde
Transformée	transposée • adjointe • inverse • Comatrice
En relation	équivalente • semblable • congruente
Par propriété	inversible • diagonalisable • trigonalisable • symétrique • antisymétrique • hermitienne • normale • orthogonale • unitaire • symplectique • de Hadamard • définie positive • à diagonale dominante • nilpotente
Par famille	identité • de De Casteljau • de Cartan • de Hilbert • de Mueller • de Pauli • de Dirac
Particulière	CKM
Associée	de permutation • de passage • compagnon • de Sylvester • d'adjacence • laplacienne • hessienne • jacobienne • génératrice • de contrôle • de corrélation • de Gram • de variance-covariance • d'inertie • de Jones • des gains • stochastique
Résultats	décompositions : LU • QR • polaire • valeurs singulières Trigonalisation • Réduction de Jordan • facteurs invariants
Voir aussi	Théorie des matrices • Algèbre linéaire