Cours

TH

EORIE ALG

EBRIQUE DES
SYST
`
EMES
`
A

EV

ENEMENTS DISCRETS
Guy Cohen
Centre Automatique et Syst` emes

Ecole des Mines de Paris, Fontainebleau

&
INRIA, Rocquencourt
1995
Avertissement
Ce cours est issu de recherches commenc ees en 1981 au sein dun groupe de travail ` a lINRIA-
Rocquencourt, groupe qui sest donn e plus tard le nomde Max Plus. Ont particip e ou participent toujours
` a ce groupe en dehors de lauteur : Jean-Pierre Quadrat, Michel Viot, Pierre Moller, Ramine Nikoukhah,
St ephane Gaubert, Marianne Akian. Dautres chercheurs ont contribu e ailleurs au d eveloppement de
cette th eorie. Une assez grande part de ces travaux est relat ee dans un livre paru en septembre 1992 (cf.
[4]). On y trouvera une bibliographie plus compl` ete que la liste ci-dessous qui concerne plut ot des sujets
connexes au pr esent cours que le cours lui-m eme. Les notes ci-apr` es constituent un bref compte-rendu
de lessentiel de ce qui peut etre trait e dans le volume du cours oral. Des d eveloppements plus complets
pourront etre trouv es dans [4] et dautres r ef erences plus r ecentes.
R ef erences
1. G. Birkhoff. Lattice Theory. Amer. Math. Soc. Coll. Pub., Providence, 1967 (3rd Ed.).
2. T.S. Blyth and M.F. Janowitz. Residuation Theory. Pergamon Press, Oxford, England, 1972.
3. P. Chr etienne. Les R eseaux de P etri Temporis es. Th` ese d etat, Universit e de Paris 6, Paris, France, 1983.
4. F. Baccelli, G. Cohen, G.J. Olsder, J.-P. Quadrat. Synchronization and Linearity An Algebra for Discrete
Event Systems. Wiley, New-York, 1992.
5. R.A. Cuninghame-Green. Minimax Algebra. Number 166 in Lecture Notes in Economics and Mathematical
Systems. Springer-Verlag, Berlin, Germany, 1979.
6. P. Dubreil et M.L. Dubreil-Jacotin. Lecons dAlg` ebre Moderne. Dunod, Paris, France, 1964.
7. M. Gondran and M. Minoux. Linear algebra in dioids: a survey of recent results. Annals of Discrete Mathematics.,
19:147164, 1984.
8. M. Gondran et M. Minoux. Graphes et Algorithmes. Eyrolles, Paris, 1979.
9. James L. Peterson. Petri Net Theory and the Modeling of Systems. Prentice Hall, Englewood Cliffs, N.J. 07632,
USA, 1981.
ii
Table des Mati` eres
R ef erences i
1. G en eralit es sur les syst` emes ` a ev enements discrets (SED) 1
1.1. Classes de syst` emes
1.2. Caract eristiques
1.3. Probl` emes
1.4. Approches et m ethodes
2. N ecessit e dune nouvelle arithm etique, diodes 5
2.1. Une nouvelle fa con de compter
2.2. Lalg` ebre des diodes
2.3. Autres ph enom` enes mettant en jeu lalg` ebre des diodes
3. Introduction aux r eseaux de Petri (RdP) 11
3.1. G en eralit es
3.2. Graphes d ev enements
3.3. Approche de la mod elisation bas ee sur les ressources
4. Graphes et matrices 17
4.1. Graphes orient es
4.2. Repr esentations matricielles des graphes valu es
4.3. Matrice de transition
4.4. Op erations sur les graphes et matrices
5. R esolution des equations x = Ax b dans un diode 21
5.1. Cas dun diode complet
5.2. Cas de diodes non complets
6. Mise en equations des graphes d ev enements temporis es 23
6.1. Dateurs, domaine ev enementiel et alg` ebre Z
max
6.2. Compteurs, domaine temporel et alg` ebre Z
min
6.3. Syst` emes continus min- ou max-lin eaires, analogie avec des graphes d ev enements
7. Transform ees en et et matrice de transfert 30
7.1. Transform ees en et
7.2. Matrice de transfert
7.3. Conditions initiales non canoniques
7.4. Exemple dutilisation de la matrice de transfert
8. Valeurs propres et vecteurs propres des syst` emes autonomes 33
8.1. Fermeture de la boucle et syst` eme autonome
8.2. Interpr etation du probl` eme de valeur propre et questions
8.3. Existence de valeur propre/vecteur propre
8.4. Structure de lensemble des vecteurs propres
8.5. It er ees A
k
dune matrice irr eductible. P eriodicit e de la r eponse impulsionnelle.
8.6.
`
A propos des algorithmes de calcul de valeurs propres
8.7. Valeurs propres g en eralis ees
9. Stabilisation par feedback et optimisation de ressources 42
9.1. Stabilisation par feedback
9.2. Pr eservation de la vitesse intrins` eque du syst` eme
9.3. Optimisation de ressources
9.4. Exemples
iii
10. Repr esentation des graphes d ev enements temporis es dans un domaine 2D 46
10.1. Une comparaison des repr esentations dateurs et compteurs
10.2. Filtrage des trajectoires monotones
10.3. Passage ` a la repr esentation 2D
11. Rationalit e, r ealisabilit e, p eriodicit e 56
11.1. Rationalit e, causalit e
11.2. R ealisabilit e, polyn omialit e
11.3. P eriodicit e
11.4. Th eor` eme fondamental
12. Dates au plus tard 58
1
1. G en eralit es sur les syst` emes ` a ev enements discrets (SED)
Le vocable syst` emes (dynamiques) ` a ev enements discrets
1
est relativement r ecent (moins de dix
ans) et recouvre un champ de recherches encore assez diverses, mais qui cherchent ` a se f ed erer sous ce
drapeau. Ce domaine est actuellement tr` es actif, fait lobjet de nombreuses manifestations scientiques,
et a d ej` a son propre journal sp ecialis e
2
.
1.1. Classes de syst` emes. Alors que la th eorie classique des syst` emes continus (y compris en temps
discret) et de lAutomatique sint eresse ` a des syst` emes naturels ob eissant essentiellement aux lois
de la Physique, et descriptibles par des equations diff erentielles ou aux d eriv ees partielles (ou leur
discr etisation approch ee en temps), le vocable SED recouvre des syst` emes egalement dynamiques, mais
dont la dynamique echappe totalement ` a ce genre de description. Enr ealit e, cest plut ot le niveaudescriptif
auquel on se place qui est ` a la source de cette impossibilit e : au lieu de sint eresser au d eroulement continu
des ph enom` enes, on ne se soucie que des d ebuts et des ns de ces ph enom` enes (les ev enements
discrets) et ` a leur enchanement dynamique, logique ou temporel.
Ces syst` emes, g en eralement fabriqu es par lhomme, ont une part croissante, voire pr epond erante, dans
l economie moderne. Pourtant, sur le plan de la th eorie, il ne b en eciaient pas jusqu` a r ecemment dun
statut et dune conceptualisation comparables a ceux des syst` emes continus. De plus, ils etaient plut ot
etudi es par la Recherche Op erationnelle que par lAutomatique. En voici quelques exemples.
1.1.1. Syst` emes de production, ateliers exibles. Les m ethodes de production manufacturi` ere modernes
se sont orient ees vers des ateliers organis es en r eseaux de machines multi-t aches ` a la place des anciennes
lignes de transfert rigides de machines mono-t ache. Cette organisation, qui permet la production
simultan ee de petites ou moyennes s eries en respectant des ratios de production, conduit ` a des syst` emes
plus souples mais beaucoup plus difciles ` a g erer.
1.1.2. Syst` emes informatiques. On vise l` a tout type de syst` eme, des plus microscopiques comme une
puce sp ecialis ee en traitement de signal, jusquaux plus macroscopiques comme un r eseau international
dordinateurs communiquant par satellites.
1.1.3. R eseaux de communication, de transport. T el ephone ou r eseau SNCF sont des exemples de
situation o` u des messages ou des trains doivent emprunter les m emes voies sans se t elescoper.
1.1.4. Planication de t aches. La gestion dun chantier de construction ou dun projet quelconque
n ecessite larticulation de t aches dont certaines peuvent se d erouler en parall` ele, cest-` a-dire sans ordre
pr e etabli, alors que dautres supportent des contraintes de pr ec edence
3
. Ces t aches peuvent faire appel ` a
des ressources communes (hommes, machines).
1.2. Caract eristiques. La plupart des syst` emes enum er es ci-dessus pr esente les caract eristiques com-
munes suivantes.
1.2.1. Parall elisme. De nombreux ev enements peuvent se d erouler simultan ement et ind ependamment
dans diverses parties du syst` eme.
1.2.2. Synchronisation. Laccomplissement de certains ev enements n ecessite la disponibilit e simultan ee
de plusieurs ressources ou la v erication simultan ee de plusieurs conditions. La n dun ev enement en-
trane lapparition simultan ee de plusieurs autres ev enements. Par exemple, pour quune conversation
t el ephonique ait lieu, il faut quune ligne soit disponible pour acheminer lappel et que les deux inter-
locuteurs aient d ecroch e. La n de la conversation marque la lib eration de la ligne, et le fait que les deux
interlocuteurs peuvent d esormais vaquer ` a dautres occupations. De telles consid erations peuvent etre
reprises par exemple ` a propos dun atelier exible.
1
en Anglais, Discrete Event (Dynamic) Systems DEDS
2
Journal of Discrete Event Dynamic Systems: Theory and Applications, Kluwer Academic Publishers
3
dans la construction dun immeuble, il vaut mieux construire le deuxi` eme etage apr` es le premier!
2
1.2.3. Concurrence. Certains ev enements excluent lapparition simultan ee dautres ev enements. Par
exemple, une machine ne peut travailler que sur une seule pi` ece ` a la fois.
`
A la SNCF, les voies sont
divis ees en tron cons appel es cantons. Le cantonnement consiste ` a exclure par un syst` eme de feux
rouges la pr esence simultan ee de deux trains sur le m eme canton. Sur un bus dordinateur non multiplex e,
un seul message peut transiter ` a la fois.
1.3. Probl` emes. Ce qui suit est une liste de probl` emes-type soulev es par la conception, la r ealisation,
la conduite ou la gestion, loptimisation de ces syst` emes.
1.3.1. Sp ecication. Avant de concevoir un syst` eme, il faut dire ce quon veut lui faire faire, quel doit
etre sa r eponse dans un certain nombre de situations-type, etc. Il se pose donc d ej` a un probl` eme de
langage dans lequel ces desiderata trouveront une expression pr ecise (et donc v eriable a posteriori).
1.3.2. Conception, architecture. Une fois sp eci e le comportement fonctionnel du syst` eme, il faut le
concevoir, notamment du point de vue de son architecture : composants, agencement et articulations,
m ecanismes de synchronisation et dexclusion.
1.3.3. Validationlogique. Il faut ensuite v erier que le syst` eme ainsi con cur epondbienauxsp ecications
d esir ees, et quil nengendre pas dautres comportements ind esirables. La cas typique est le deadlock :
pour commencer, Pierre attend que Paul commence, celui-ci attend que Jacques commence, mais Jacques
attend que Pierre commence. Un bel exemple de deadlock est donn e ` a la SNCF par le fameux triangle
de Gagny repr esent e sch ematiquement par la Figure 1. Si on laisse trois trains sengager dans la
Figure 1. Le triangle de Gagny
conguration indiqu ee, cest le blocage. Le m ecanisme de feux rouges devra eviter datteindre cet etat
du syst` eme.
1.3.4.

Evaluation de performance.
`
A cette etape, la notion de temps, jusque l` a, absente intervient. On
cherche alors ` a r epondre ` a des questions du type : combien d ev enements dun type donn e se produisent
en une heure, ` a quelle date se produira le n-i` eme ev enement, etc.? Par exemple, pour un syst` eme
informatique sp ecialis e en annulation d echo sur le signal de parole transmis ` a partir dune salle de
t el econf erence, il faut v erier si la vitesse de traitement du signal est compatible avec la vitesse normale
d elocution.
3
1.3.5. Ordonnancement. Lordonnancement a pour but d etablir des politiques de priorit e, de routage,
etc., destin ees ` a r esoudre les probl` emes pos es par les ph enom` enes de concurrence. Il est clair que la
performance globale dun syst` eme peut d ependre de la fa con dont ces ph enom` enes auront et e arbitr es.
`
Ala
limite, la politique dordonnancement elle-m eme peut etre la cause de deadlocks (et donc de performances
inniment mauvaises).
1.3.6. Optimisation, dimensionnement. Lordonnancement peut etre un premier levier dune optimi-
sation de performance. Mais d` es le choix de larchitecture, on risque davoir eventuellement engag e
de fa con assez d eterminante la performance du syst` eme. A posteriori, on peut essayer dam eliorer les
performances en dupliquant (ou en n-pliquant) certaines ressources (machines, serveurs, buffers, etc.),
mais ceci na g en eralement de sens que sous une contrainte de budget donn e, ou de co ut ` a minimiser.
Autre exemple : pour un chip sp ecialis e, une certaine surface de silicium est disponible ; comment
lutiliser au mieux pour avoir la performance optimale? Doit-on rajouter des buffers (effet pipe-line),
un bus, un deuxi` eme multiplieur, etc.?
Comme la discussion vient de le sugg erer, la suite de questions ci-dessus nest pas en g en eral r esolue
s equentiellement en une seule passe, mais bien par une d emarche it erative.
1.4. Approches et m ethodes. On cite ici quelques unes des approches les plus usuelles dans l etude des
SEDs en pr ecisant leur champ dapplication.
1.4.1. Simulation par ev enements sur ordinateur. Il sagit de reproduire sur un ordinateur, eventuelle-
ment avec laide de langages de programmation sp ecialis es pour la simulation, le d eroulement de
lhistoire du syst` eme : le temps courant est egren e et les ev enements ` a venir sont stock es dans une
pile jusqu` a ce que les conditions soient r eunies pour quils se produisent et sortent de la pile. Toutes
sortes de compteurs et doutils statistiques peuvent etre branch es sur une telle simulation. Ce genre
dapproche na a priori de limites que par la complexit e du programme ` a ecrire et le temps dex ecution.
Cependant, cest une m ethode aveugle ou bote noire en ce sens quil ny a pas de compr ehension
analytique de la relation entre les entr ees (les choix faits a priori) et les sorties (les r esultats observ es),
sauf ` a d epouiller des tonnes de listing permettant de suivre le d eroulement des ev enements pas ` a pas, ce
qui est rarement praticable.
1.4.2. Approche Pertubation Analysis (PA). Cette approche tourn ee vers loptimisation nest pas ` a
proprement parler une description nouvelle des SEDs mais plut ot une technique de calcul de sensibilit e
de certaines grandeurs par rapport ` a certains param` etres. On doit sappuyer sur une premi` ere trajec-
toire nominale obtenue par simulation ou par tout autre moyen. Sans r ep eter la simulation pour une
valeur l eg` erement diff erente dun param` etre, on cherche ` a evaluer les modications de la trajectoire qui
r esulteraient dune petite modication de ce param` etre. On obtient ainsi par diff erence nie une sorte
de gradient stochastique susceptible d etre utilis e en optimisation dans lalgorithme it eratif du m eme
nom.
1.4.3. R eseaux de les dattente. Le syst` eme est mod elis e en termes de serveurs et de clients en attente
dans les les devant les serveurs. Les clients circulent dune le ` a une autre apr` es avoir re cu un service.
Les temps de service sont al eatoires et ob eissent ` a des lois de probabilit e donn ees. Il existe un certain
nombre de r esultats analytiques montrant que, sous certaines conditions, la loi conjointe p(x
1
, . . . , x
n
)
des longueurs {x
i
}
i =1,...,n
de n les en r egime stationnaire peut s ecrire sous forme produit, cest-` a-dire
p(x
1
, . . . , x
n
) =
n

i =1
p
i
(x
i
) ,
ce qui est a priori surprenant puisque les variables al eatoires x
i
sont loin d etre ind ependantes. On
parle alors de r eseaux jacksoniens. Cependant, ce type de r esultat n ecessite des hypoth` eses souvent
4
irr ealistes (e.g. temps de service poissoniens
4
, pas de blocage du service amont par saturation de la le
dattente aval, etc.). Il existe aussi des tentatives dextensions de cette th eorie par des r esultats approch es.
Cependant, il faut consid erer ces approches comme des outils d evaluation en moyenne et sur le long
terme, plut ot que comme de v eritables outils d etude de ph enom` enes dynamiques.
1.4.4. Automates. On fait ici allusion ` a des extensions de la th eorie des automates par le point de vue
commande des automaticiens. Un automate reconnat, ou engendre, un langage qui est lensemble des
mots (trajectoires) form es de suites ordonn ees de lettres (associ ees aux etats de lautomate) quil est
susceptible de produire en consid erant toutes les transitions possibles entre etats. La commande consiste ` a
limiter le langage au plus grand sous-langage contenu dans un vocabulaire donn e (concr` etement, celui qui
evite les gros mots, cest-` a-dire les suites d ev enements ou les etats ind esirables) en ayant la possibilit e
dinhiber certaines transitions.
Cette th eorie est actuellement bien adapt ee ` a l etude de laspect logique du fonctionnement, des
questions de validation, etc. Par contre, elle a plus de mal ` a incorporer laspect quantitatif de l evaluation
de performance.
1.4.5. R eseaux de Petri (RdP). Les RdP sont un langage graphique de description des ph enom` enes
de synchronisation et de concurrence. Les RdP temporis es permettent de plus de prendre en compte
les aspects evaluation de performance. Un certain nombre de propri et es des syst` emes ainsi d ecrits
(invariants au cours du fonctionnement, pr esence de deadlocks, etc.) peuvent etre etudi ees dans ce cadre.
En temps que langage graphique, les RdP ont sur le plan pratique les avantages et les inconv enients
de ce type de repr esentation : concision et clart e pour des syst` emes simples, difcult e dutilisation pour
des syst` emes atteignant un certain niveau de complexit e. Dans ce cas, ` a linstar des blocs-diagramme
utilis es par les automaticiens pour d ecrire graphiquement les syst` emes continus, une approche hi erarchis ee
(proc edant par zooms successifs sur des parties du syst` eme de plus en plus d etaill ees) est hautement
recommandable.
Dans ce cours, nous nous servirons des RdP comme outil de repr esentation agr eable ` a utiliser pour
d ecrire rapidement des sch emas simples. De m eme que lalg` ebre des fonctions rationnelles permet de
plaquer sur les blocs-diagramme, et dans le cas de syst` emes lin eaires stationnaires de dimension nie, une
structure de calcul de alg ebrique (calcul sur les fonctions de transfert) permettant de prendre le relais de
loutil graphique, de m eme on peut voir lobjet de ce cours comme une d emarche visant ` a plaquer sur une
sous-classe de RdP temporis es (ceux qui apparatront comme lin eaires stationnaires dans une certaine
alg` ebre) une structure de calcul alg ebrique en tous points analogue ` a celle des fonctions de transfert.
1.4.6. Langages de programmation parall` ele/temps r eel. Un certain nombre de ces langages informa-
tiques (Occam, Est erel, Signal, Lustre, . . . ) peuvent aussi etre vus comme des langages de sp ecication,
voire de validation logique, des SEDs. Cependant la notion d evaluation de performance est pour
lessentiel absente de ce type dapproche.
1.4.7. Mod` eles dynamiques alg ebriques. Cest lobjet de ce cours de proposer une description de cer-
taines classes de SEDs, prenant en compte laspect quantitatif ( evaluation de performance), et sappuyant
sur des mod` eles math ematiques tout ` a fait analogues aux mod` eles utilis es en Automatique. Cependant,
on devra pour cela ecarter les ph enom` enes de concurrence (suppos es d ej` a arbitr es par des politiques de
priorit e, dordonnancement, etc.) pour se limiter ` a la prise en compte des ph enom` enes de synchronisation.
4
Il faut un temps quasiment d eterministe pour percer un trou dans une t ole ou pour effectuer une addition dans
un calculateur. Certes une machine peut tomber en panne, mais ces ev enements sont, on lesp` ere, assez rares, et
entre deux pannes, la description stochastique semble inappropri ee dans ce cas. Elle le sera dautant moins que
lon sint eressera ` a des ph enom` enes moins microscopiques et plus globaux comme la dur ee dune conversation
t el ephonique.
5
2. N ecessit e dune nouvelle arithm etique, diodes
2.1. Une nouvelle fa con de compter.
2.1.1. Ph enom` enes cumulatifs et alg` ebre usuelle. Le calcul diff erentiel ou plut ot int egral d ecrit des
ph enom` enes cumulatifs (un r eservoir qui se remplit ou qui se vide) : la notion daddition correspond
` a lop erateur + habituel. Si on sint eresse ` a la production de bicyclettes, on dira : 6 kg pour le cadre
+ 600 g pour les roues = 6,6 kg pour la bicyclette. On remarque quil ne faut additionner que des
grandeurs de m eme nature (dimension physique) et les exprimer dans la m eme unit e avant de pouvoir les
additionner.
2.1.2. Ph enom` enes de rendez-vous, de synchronisation, dassemblage, de m elange . . . et alg` ebre des
diodes. Si on sint eresse ` a nouveau ` a la production de bicyclettes, on peut dire quune bicyclette est
la somme dune paire de roues et dun cadre Cette nouvelle somme, not ee pour la distinguer
Figure 2. Assemblage de bicyclettes
du + habituel, correspond ` a lop eration dassemblage. On notera que lon se permet alors dajouter
des torchons et des serviettes, des chevaux et des cavaliers, des paires de roues et des cadres, etc.,
cest-` a-dire des grandeurs ne sexprimant pas dans les m emes unit es. Si on a 2 paires de roues et 1 cadre,
on ne peut fabriquer quune seule bicyclette, donc
1 2 = 1 et plus g en eralement a b = min(a, b) .
Si on sint eresse maintenant ` a la date t
n
de fabrication de la n-i` eme bicyclette, celle-ci sera calcul ee
comme max(
n
,
n
) o` u
n
est la date de disponibilit e de la n-i` eme paire de roues tandis que
n
repr esente
la date de disponibilit e du n-i` eme cadre. Si on est quatre pour faire un bridge, cest lheure darriv ee du
quatri` eme partenaire qui d etermine lheure de d ebut de la partie.
On le voit, les op erateurs tels que min ou max interviendront
5
` a chaque fois que lon consid` ere
des ph enom` enes dassemblage, de rendez-vous, ou plus g en eralement de synchronisation de plusieurs
conditions. De plus, cette situationnest pas propre aucas discret et les ph enom` enes de m elange encontinu
de uides par exemple donnent lieu aux m emes op erateurs (combien produit-on linstant t de litres de
peinture rose si celle-ci est obtenue par m elange dans la proportion un pour un de peintures blanche et
rouge, et que lon dispose linstant t de x(t ) et de y(t ) demi-litres de ces couleurs respectivement?).
En dehors de lop erateur min ou max, on aura aussi besoin de lop erateur + habituel (ph enom` enes
cumulatifs usuels) dans la mesure ou la quantit e produite ` a linstant t est la somme des quantit es produites
aux instants ant erieurs, ou que la date de n est egale ` a la date de d ebut + une dur ee.
5
min lorsquil sagira de quantit es, max lorsquil sagira de dates
6
2.2. Lalg` ebre des diodes.
2.2.1. Axiomatique. Un diode est un ensemble D muni de deux op erations internes not ees et et
appel ees addition et multiplication respectivement, telles que
laddition est associative : (a b) c = a (b c) ;
laddition est commutative : a b = b a ;
laddition admet un el ement neutre : not e et appel e z ero : a = a ;
la multiplication est associative : (a b) c = a (b c) ;
la multiplication admet un el ement neutre : not e e et appel e identit e : a e = e a = a ;
la multiplication est distributive par rapport ` a laddition : a (b c) = (a b) (a c)
et idem pour la multiplication ` a gauche ;
le z ero est absorbant pour la multiplication : a = a = ;
laddition est idempotente : a a = a.
Comme en alg` ebre usuelle, le signe multiplicatif sera parfois omis. Le diode est dit commutatif si la
multiplication est commutative. On parlera de sous-diode dun diode pour un sous-ensemble stable par
et (
6
) et contenant et e.
2.2.2. Quelques exemples.
(1) N
max
, Z
max
, Q
max
, R
max
: il sagit des ensembles N, Z, Q, R, augment es de l el ement (qui
joue le r ole de ) avec = max et = +.
Exercice 1. V erier tous les axiomes.
`
A quoi est egal e? Pourquoi ne pas prendre plut ot = +
et = max? Pourquoi ne pas se contenter de = 0 dans le cas de N
max
?.
(2) Z
min
: on remplace = max par = min dans Z
max
et par +.
(3) Diodes de parties de R
n
: on consid` ere la collection des parties de R
n
(y compris et R
n
lui-m eme) que lon note 2
R
n
, et on pose = et = + (somme vectorielle de parties : on a
par exemple A + B =

xA
{x + B} o` u x + B est le translat e de B par le vecteur x).
Exercice 2. V erier les axiomes. Montrer que R
max
est isomorphe au sous-diode des demies-
droites ], x] de R muni de = et = + en pr ecisant cet isomorphisme.
(4) Alg` ebre de Boole : v erier que cest un diode (le plus simple des diodes, hormis le diode trivial
r eduit ` a {}).
(5) Diode
_
R, max, min
_
: on a pos e R = R{} {+} et = max, = min. V erier les
axiomes. Consid erer de m eme
_
2
R
n
, ,
_
.
2.2.3. Diodes matriciels.
`
A partir dun diode D scalaire (mais nimporte lequel des exemples ci-
dessus peut etre consid er e comme le diode scalaire de d epart), on peut obtenir un diode matriciel
en consid erant les matrices carr ees de taille n ` a coefcients dans D et en munissant cet ensemble de la
somme et du produit matriciels usuels :
A =
_
A
i j
_
, B =
_
B
i j
_
, (A B)
i j
= A
i j
B
i j
, (A B)
i j
=
n

k=1
A
i k
B
kj
.
Exercice 3. Montrer que cette structure ob eit bien aux axiomes des diodes. Donner lexpression de
et celle de e dans ce nouveau diode
7
Donner lexpression du produit matriciel avec les notations de
lalg` ebre usuelle lorsque D = R
max
.
Observer que le diode matriciel associ e ` a un diode scalaire commutatif nest pas en g en eral lui-m eme
commutatif. On reviendra sur linterpr etation du calcul matriciel en liaison avec les graphes valu es.
6
i.e. la somme et le produit de deux el ements du sous-ensemble appartiennent aussi au sous-ensemble
7
Dans ce cours, on notera toujours et e les el ements neutres de et , quel que soit le diode consid er e.
7
2.2.4. Idempotence de laddition et non simpliabilit e, impossibilit e de la sym etrisation. Les propri et es
combinatoires des diodes (associativit e, commutativit e, distributivit e, etc.) sont similaires ` a celles des
structures alg ebriques usuelles. La diff erence majeure provient du fait que laddition ne d enit pas une
structure de groupe (pas de signe moins ou doppos e). La structure la plus famili` ere pr esentant cette
difcult e est N: on peut alors parler de semi-anneau car Npeut etre plong e dans lanneau Z. On rappelle
que la construction de Z ` a partir de N consiste ` a quotienter N N par la relation d equivalence sur les
couples : (a, b) (c, d) si a +d = b +c.
Exercice 4. Montrer qu` a cause de lidempotence de , la m eme relation d enie avec sur DD nest
pas d equivalence. Montrer de m eme que si laddition etait simpliable (i.e. a b = a c b = c),
D serait r eduit ` a {}. Montrer enn que si tout el ement avait un oppos e (i.e. a, b : a b = ), D serait
egalement r eduit ` a {}.
Ces consid erations montrent que lidempotence de laddition est la ligne de d emarcation entre les
structures alg ebriques qui nous sont famili` eres et les diodes. En fait cette idempotence est intimement
li ee ` a une structure dordre.
2.2.5. Idempotence de laddition et relation dordre. On d enit la relation suivante
a b a = a b .
Exercice 5. Montrer quune d enition equivalente est
a b c : a = b c .
Montrer que est une relation dordre. Montrer que la relation dordre d enit un ordre total si et
seulement si a b = a ou b pour tout a et tout b. Montrer que est le plus petit el ement dun diode.
Expliciter pour tous les exemples du 2.2.2. Quobserve-t-on pour Z
min
? Quels exemples ne constituent
pas des ensembles totalement ordonn es.
Cette relation dordre est compatible avec la structure de diode.
Exercice 6. Montrer que pour tout a, b, c dans un diode,
a b a c b c ainsi que a c b c ,
(m eme chose pour la multiplication ` a gauche, ce qui va de soi si le diode est commutatif).
La compatibilit e de lordre avec la multiplication par nimporte quel c montre quen quelque sorte, dans
un diode, tout el ement est non n egatif, ce qui est conrm e par le fait que tout c est tel que c . Ceci
ne nous emp eche pas de manipuler, dans Z
max
par exemple, des nombres tels que 5 . . .
2.2.6. Rappels sur les treillis.
Borne sup erieure : dans un ensemble ordonn e E (i.e. muni dune relation dordre ), la borne
sup erieure de deux el ements a et b, si elle existe, est le plus petit majorant c, i.e.
c E , c a , c b : d E , d a , d b d c .
On note c = a b.
Demi-treillis sup erieur : cest un ensemble ordonn e tel que deux el ements ont toujours une
borne sup erieure. La Figure 3 montre un ensemble ordonn e qui nest pas un demi-treillis
sup erieur (ni inf erieur dailleurs).
Exercice 7. Montrer quun diode est un demi-treillis sup erieur avec = .
Demi-treillis sup erieur complet : cest un ensemble ordonn e tel que tout sous-ensemble (ni
ou inni) admet une borne sup erieure (qui nappartient pas forc ement au sous-ensemble).
8
c
a
d
b
c a , c b , d a , d b ,
mais c et d ne sont pas comparables.
Figure 3. Cet ensemble ordonn e nest pas un demi-treillis
Construction de la borne inf erieure : si le demi-treillis sup erieur est complet, et sil contient
un plus petit el ement (comparable ` a tout autre el ement et plus petit), alors tout couple d el ements
(a, b) admet un plus grand minorant c (not e a b) que lon construit de la fa con suivante :
S
ab
def
= {x E | x a, x b} , c
def
=

xS
ab
x ,
en notant que c est bien d eni car S
ab
est non vide puisquil contient le plus petit el ement et la
borne sup erieure de S
ab
existe par hypoth` ese.
Exercice 8. Montrer que c est bien lui-m eme un minorant de a et b, i.e. que c S
ab
.
Cette construction de la borne inf erieure s etend sans difcult e au cas dun sous-ensemble inni
d el ements.
Treillis, treillis complet : un treillis est un ensemble E muni des op erations et ; le treillis est
complet si ces op erations sont d enies sur des ensembles innis. Les propri et es dassociativit e
et de commutativit e de et sont claires. Si le treillis est complet, il existe un plus petit
el ement (bottom), not e ici , et un plus grand el ement (top), not e , qui sont des el ements
neutres pour et respectivement, et qui sont absorbants pour lautre op eration (e.g. a E,
a = ).
Treillis distributif : un treillis est distributif si distribue par rapport ` a , cest-` a-dire
a (b c) = (a b) (a c) ,
et r eciproquement i.e. :
a (b c) = (a b) (a c) .
Pour un nombre ni d el ements, une distributivit e entrane automatiquement lautre (exercice
ou [6]) ; pour un nombre inni d el ements, on doit supposer les deux propri et es simultan ement.
Exemple 9. Le treillis suivant nest pas distributif. On consid` ere lensemble des intervalles
de R muni de la relation dinclusion. La borne sup erieure de deux intervalles est le plus petit
intervalle qui contient lunion (si a = [3, 2] et b = [2, 3], alors a b = [3, 3]) ; la borne
inf erieure est simplement lintersection (a b = ). On consid` ere de plus c = [1, 1]. Alors
(a b) c = c = (a c) (b c) = .
2.2.7. Diodes complets. Cest un diode dans lequel toute somme (innie) d el ements est d enie et tel
que la distributivit e (` a droite et ` a gauche) de par rapport ` a s etend aux sommes innies.
En rajoutant l el ement +` a N
max
, Z
max
, R
max
, on obtient des diodes complets not es N
max
, Z
max
, R
max
.
Exercice 10. Pourquoi cela nest-il pas vrai pour Q
max
?
`
A quoi est egal + () dans
N
max
, Z
max
, R
max
?. Et dans Z
min
?. Pour les exemples du 2.2.2 qui constituent des diodes complets,
expliciter lop eration .
9
2.2.8. Diodes distributifs. Ce sont les diodes munis dune structure de treillis (ce qui est automatique-
ment vrai pour les diodes complets) et tel que le treillis est distributif.
LExemple 9 (compl et e comme il se doit par une op eration de multiplication) a montr e que tout diode
nest pas distributif. Par contre, tous les diodes dont nous aurons besoin dans ce cours le seront.
Exercice 11. Lexemple (3) du 2.2.2 est-il un diode complet? Distributif?
2.2.9. Distributivit e de par rapport ` a . Celle-ci est rarement assur ee en dehors des cas les plus
simples.
Exercice 12. Montrer que pour un diode totalement ordonn e, distribue par rapport ` a .
Ces consid erations montrent que et ne jouent pas des r oles sym etriques en g en eral dans un diode
complet.
Exemple 13. On consid` ere lexemple (3) du 2.2.2 avec n = 2. Prenons a = {(1, 0)}, b = {(0, 1)} et
c = [1, 1] [1, 1]. Alors (voir Figure 4)
(a b) c = = (a c) (b c) = [0, 1] [0, 1] .
b + c
a + c
c
b
a
Figure 4
Exercice 14. Dune mani` ere g en erale, montrer quon a toujours
(a b) c (a c) (b c) .
2.2.10. Diodes archim ediens et caract` ere absorbant de pour . Dans un diode complet D, (plus
grand el ement) existe et est d eni par

xD
x. On peut se demander si est absorbant pour la multipli-
cation (comme lest +pour la multiplication ordinaire), cest-` a-dire si a = , a = .
Exercice 15. Parmi les exemples du 2.2.2, en trouver un pour lequel nest pas absorbant pour la
multiplication.
Cependant, cette question trouve une r eponse positive avec laide de lhypoth` ese suppl ementaire
suivante :
Diode archim edien : cest un diode tel que
a = , b D , c et d D : a c b et d a b .
Le diode r epondant ` a lExercice 15 ne lest pas.
Exercice 16. Dans un diode archim edien, montrer que est absorbant pour .
Les diodes qui nous int eressent dans ce cours sont archim ediens.
10
2.3. Autres ph enom` enes mettant en jeu lalg` ebre des diodes. Lalg` ebre des diodes est donc apparue
(et continuera ` a etre utilis ee dans ce cours) comme la structure math ematique ad equate pour mod eliser les
ph enom` enes d ecrits au 2.1.2. Avant de continuer dans cette voie, mentionnons dautres circonstances
ou domaines des math ematiques o` u cette vision alg ebrique a un r ole ` a jouer.
2.3.1. Plus courts/longs chemins dans un graphe, m ethode PERT. Cest historiquement lune des origi-
nes de la th eorie des diodes, aussi appel es pour cette raison alg` ebres de chemins. Nous verrons plus
loin que le calcul des plus courts ou des plus longs chemins
8
dans un graphe valu e se ram` ene ` a du calcul
matriciel dans un diode.
La m ethode PERT en Recherche Op erationnelle consiste, pour un projet donn e comme la construction
dun immeuble, ` a tracer le graphe qui exprime les contraintes de pr ec edence entre t aches et ` a placer la
dur ee des t aches comme poids des arcs correspondants. La dur ee totale du projet est alors donn ee par
le chemin de poids maximal dans le graphe. Tout d elai subi par une t ache situ ee sur le(s) chemin(s)
critique(s) (celui ou ceux de poids maximal) se traduira par le m eme d elai sur la dur ee totale du projet.
2.3.2. Programmation dynamique. La programmation dynamique est un algorithme pour calculer le plus
long chemin dun point ` a un autre dans un graphe. Le lecteur initi e connat aussi le r ole que joue cette
m ethode en commande optimale de syst` emes dynamiques r egis par exemple par des equations r ecurrentes
en temps discret (en sappuyant sur le fameux principe doptimalit e de Bellman). L equation de la
programmation dynamique fait essentiellement intervenir les op erateurs min ou max et + : ` a ce titre,
cette equation peut etre vue comme un ph enom` ene lin eaire dans une structure de type R
min
ou R
max
.
2.3.3. Exponentielles et ph enom` enes asymptotiques. On consid` ere les fonctions de Rdans R
+
(ensemble
not e
_
R
+
_
R
) et lapplication
c :
_
R
+
_
R
R , c( f ) = limsup
x+
log( f (x))
x
.
On consid` ere maintenant le sous-ensemble des fonctions qui sont des sommes nies dexponentielles :
une telle fonction est g en eriquement ecrite

i I

i
exp(a
i
x) o` u I est un ensemble ni,
i
N ou R
+
,
et a
i
R (si a
i
= , exp(a
i
x) est identi ee ` a la fonction identiquement nulle, et si a
i
= +, elle
est identi ee ` a la fonction identiquement egale ` a +). Ce sous-ensemble de fonctions est ferm e pour la
somme et le produit, et pour des el ements g en eriques f et g, on a
c( f ) = max
i I
a
i
, c( f + g) = max(c( f ), c(g)) , c( f g) = c( f ) +c(g) .
Donc lapplication c transporte lalg` ebre usuelle dans lalg` ebre R
max
. On r ealise ainsi que R
max
est la
structure alg ebrique adapt ee ` a l etude de certains ph enom` enes asymptotiques. Ce genre de consid erations
se rencontrent dans la th eorie des grands ecarts ` a la loi des grands nombres en th eorie des processus
stochastiques, lorsque lon trace des lieux de Bode asymptotiques en Automatique classique, ou bien
plus prosaquement lorsque lon raisonne en ordres de grandeur sur des nombres.
2.3.4. Fonctions convexes. Consid erons une fonction polyn omiale sur R
max
:
p : x
n

i =1
a
i
x
i
.
R e ecrite avec les notations usuelles
9
, la fonction polyn omiale p apparat comme lenveloppe sup erieure
de fonctions afnes ` a pentes enti` eres, et donc comme une fonction convexe de x.
Nous ne d evelopperons pas plus ces consid erations ici, mais la th eorie des diodes semble jouer ` a
certains egards le r ole de point de vue alg ebrique sur la th eorie de la convexit e consid er ee jusqualors
comme un chapitre de lanalyse fonctionnelle.
8
plus pr ecis ement, de poids minimal ou maximal
9
x
i
est ` a comprendre comme x x
. ,, .
i fois
= i x
11
2.3.5. Ph enom` enes de saturation pour des ph enom` enes continus. Nous rencontrerons plus loin un exem-
ple. On a d ej` a vu au 2.1.2 que les ph enom` enes de m elange ne sont pas sp eciques de la production
manufacturi` ere (discr` ete).
3. Introduction aux r eseaux de Petri (RdP)
3.1. G en eralit es. La pr esentation qui est faite ici des RdP est minimale etant donn e que les RdP jouent
pour nous seulement le r ole dun outil agr eable (dans les exemples simples!) de repr esentation graphique
de syst` emes que nous nous empresserons de mettre en equations pour les etudier. On exclura en particulier
de cette pr esentation toute l etude des propri et es des RdP du type vivacit e, consistance, . . .
3.1.1. Places et transitions. Un RdP est dabord un graphe bi-parti, cest-` a-dire avec deux sortes de
nuds, les places (dessin ees comme des ronds voir Figure 5) et les transitions (dessin ees comme des
Figure 5. Un r eseau de Petri
barres epaisses ou des rectangles) et des arcs allant dune sorte de nuds ` a lautre et r eciproquement,
mais jamais de places ` a places ou de transitions ` a transitions directement.
3.1.2. Marquage des places. Les places sont marqu ees par des jetons (points noirs) qui vont cir-
culer dans les places selon des r` egles d enies ci-apr` es. Ceci symbolise l evolution dynamique du
syst` eme. Le marquage initial (celui quon indique sur les dessins) donne la position initiale des jetons.
3.1.3. R` egles de fonctionnement et circulation des jetons. Nous nous contentons dindiquer une version
simple de la r` egle (celle dont nous aurons besoin) : des versions plus g en erales n ecessitent de d enir des
nombres entiers (ici canoniquement egaux ` a 1) attach es ` a chaque place qui servent ` a savoir combien de
jetons pr esents sont requis dans les places amont pour pouvoir br uler une transition et combien sont
alors produits dans les places aval. Ici la r` egle est la suivante : pour quune transition puisse etre activ ee
(ou br ul ee selon la terminologie anglo-saxonne), un jeton au moins est requis dans chaque place en
amont de la transition. Leffet de lactivation de la transition est de pr elever ces jetons des places amont
et de rajouter dans chaque place aval un nouveau jeton : voir Figure 6). On observe sur cette gure que
le nombre de jetons ne reste pas constant au cours du fonctionnement. On verra plus loin (3.3) que les
jetons ne repr esentent pas vraiment les ressources mais plut ot l etat des ressources.
3.1.4. Mod elisation de la concurrence (ou logique) et de la synchronisation (et logique).
Concurrence ` a la fourniture de jetons dans une place : cest la convergence darcs sur une
place (Figure 7a) ;
12
a
v
a
n
t
a
p
r

s
a
v
a
n
t
a
p
r

s
a
v
a
n
t
a
p
r

s
Figure 6. Activation dune transition
a b c d
Figure 7. Concurrence et synchronisation
Concurrence ` a la consommation des jetons dune place : cest la divergence darcs ` a partir
dune place (Figure 7b) ; ce conit structurel doit etre arbitr e (lorsquil se produit effective-
ment, cest-` a-dire lorsque les transitions aval en comp etition pourraient effectivement toutes les
deux etre activ ees) par une r` egle de priorit e quelconque ; sinon le comportement du syst` eme
nest pas enti` erement sp eci e ;
Synchronisation dans la consommation de jetons de plusieurs places : cest la convergence
de plusieurs arcs sur une transition (Figure 7c) ;
Synchronisation dans la fourniture de jetons ` a plusieurs places : cest la divergence darcs
` a partir dune transition (Figure 7d) ;
3.1.5. Temporisation des places et/ou des transitions, s equentialisation des t aches et limitation de ca-
pacit e des places. Dans ce cours, nous nous int eressons aux aspects quantitatifs d evaluation de perfor-
mance : il nous faut donc introduire une notion de temporisation. A priori, on peut penser ` a lactivation
dune transition comme au d eroulement dune t ache : il faudrait alors mettre une temporisation sur les
transitions (t sur la Figure 8a). Par ailleurs, si on pense ` a une place comme un endroit o` u une ressource
a b
t t
Figure 8. Temporisation des t aches
13
s ejourne en attendant de poursuivre son parcours, il peut y avoir une dur ee minimale de s ejour ` a respecter :
penser par exemple au s ejour dune pi` ece dans un four pour atteindre une temp erature souhait ee.
On a donc envie de mettre une dur ee dactivation pour les transitions (dur ee pendant laquelle un jeton
de chaque place amont de la transition activ ee est r eserv e pour cette transition (avant de disparatre),
et au del` a de laquelle un jeton apparat dans chaque place aval) ; et une dur ee minimale de s ejour dans
les places, dur ee pendant laquelle tout jeton qui vient d etre produit dans une place ne peut pas encore
servir ` a lactivation de transitions aval.
En fait, il ny a aucune perte de g en eralit e ` a ne mettre de temporisations que sur les transitions, ou
encore que sur les places. Cest ce dernier point de vue que nous adopterons ici, autrement dit, pour nous,
toute activation de transition sera instantan ee. La Figure 8 montre la transformation dune transition de
dur ee t en deux transitions instantan ees (le d ebut et la n) s epar ee par une place de temporisation t .
Exercice 17. Si on avait plut ot opt e pour mettre des dur ees sur les transitions, montrer comment il
faudrait transformer des places de temporisation t .
Avec une transition instantan ee marquant un d ebut de t ache comme sur la Figure 8b, rien nemp eche
les jetons d etre admis dans la nouvelle place de temporisation t inniment vite, et donc de saccumuler
ind eniment dans cette place (les t aches peuvent recommencer avant den avoir termin e). Si cette salle
dattente est de capacit e nie n, on doit bloquer lacc` es apr` es un nombre dentr ees exc edant de n le
nombre de sorties. La Figure 9 repr esente le cas n = 1. La t ache de dur ee t ne peut pas recommencer
avec un jeton avant den avoir termin e avec un pr ec edent jeton. La temporisation (optionnelle) plac ee
sur la place en feedback permet m eme de respecter une dur ee minimale s eparant la n dune t ache de la
relance de la m eme t ache (dur ee de repos du serveur, de reconditionnement de la machine, etc.).
(b) (c) (a)
t
Figure 9. S equentialisation des t aches et dur ee de reconditionnement
Exercice 18. Comment peut-on dessiner le cas dune place de capacit e n > 1? V eriez en le fonction-
nement.
3.2. Graphes d ev enements.
3.2.1. Restrictions et capacit e de mod elisation. Les graphes d ev enements sont une sous-classe de RdP
pour lesquels les situations des Figures 7a et 7b ne se rencontrent pas. Autrement dit, toute place na
quune transition amont et quune transition aval. Autrement dit encore, les graphes d ev enements
peuvent mod eliser la synchronisation mais pas la concurrence. On observera que pour les graphes
d ev enements, on peut abandonner le point de vue graphe bi-parti en consid erant maintenant que les
transitions sont les nuds du graphe, et que les places sont les arcs.
14
`
Aloppos e, les machines ` a etats refusent les congurations des Figure 7c et 7d (synchronisation) pour
ne retenir que 7a et 7b (concurrence).
Lobjet du cours est l etude des graphes d ev enements temporis es, les temporisations etant plac ees sur
les transitions uniquement.
3.2.2. Une propri et e fondamentale des graphes d ev enements. On a vu quen g en eral le nombre de
jetons total dun RdP ne reste pas constant au cours l evolution de celui-ci, m eme pour un RdP ferm e
(i.e. tel que toute transition ait au moins une place amont et au moins une place aval). Cependant, pour
un graphe d ev enements, il existe un invariant : cest le nombre total de jetons le long de tout circuit du
graphe.
Exercice 19. V erier la propri et e de conservation du nombre total de jetons par circuit sur des exemples.
En donner une d emonstration g en erale.
3.2.3. Exemple : atelier exible.
Descriptiondusyst` eme. Pour illustrer la capacit e de mod elisation des graphes d ev enements temporis es,
on va examiner le mod` ele dun atelier exible de type jobshop, cest-` a-dire o` u toutes les pi` eces ne
circulent pas dans latelier dans le m eme sens de parcours des machines (par opposition aux owshops).
De plus toutes les pi` eces ne passent pas n ecessairement sur toutes les machines. Ici, il y a trois machines
M
1
, M
2
, M
3
, et latelier fabrique trois types de pi` eces P
1
, P
2
, P
3
. Chaque type de pi` ece doit subir un
certain nombre dop erations sur les machines dans un ordre pr ecis. On suppose ici les etapes suivantes
pour chaque type de pi` ece :
P
1
: M
1
M
2
M
3
,
P
2
: M
3
M
2
,
P
3
: M
1
M
3
.
Ondoit de plus respecter des ratios de production1/1/2ce qui veut dire quonveut produire simultan ement
25% de pi` eces de type P
1
, 25% de type P
2
et 50% de type P
3
. Pour cela, on constitue une s equence de
base P
1
P
2
P
3
P
3
respectant les ratios de production, et on doit d enir lordre de passage de cette
s equence de base pour chaque machine (cest lordonnancement), cet ordre etant r ep et e ind eniment. Ici
on adopte :
M
1
: P
1
P
3
P
3
,
M
2
: P
1
P
2
,
M
3
: P
1
P
2
P
3
P
3
.
Enn, on suppose que les pi` eces sont port ees par des palettes sp ecialis ees par type de pi` ece et quon a
mis en service une palette pour P
1
, une palette pour P
2
et deux palettes pour P
3
, ce qui est consistant
avec les ratios de production d esir es. Lorsquune pi` ece a subi les op erations requises, elle est d epal etis ee
et mise en stock, et une nouvelle ebauche de pi` ece du m eme type est pal etis ee. Cette op eration de
d echargement/rechargement peut etre mod elis ee par le passage sur une machine ou poste de travail
si n ecessaire, i.e. si une dur ee non n egligeable lui est associ e.
Mod` ele simple. La Figure 10 repr esente le mod` ele de latelier qui vient d etre d ecrit. On peut voir la
transition ` a lintersection du circuit de la machine M
i
et de la palette P
j
comme le d ebut de lop eration
de passage de P
j
sur M
i
.
Exercice 20. En appelant t
i j
le temps dusinage correspondant, placer sur les places du graphe les
nombres t
i j
.
Le marquage initial d etermine la fa con dont les machines et les palettes d emarrent le processus.
Exercice 21. Reprendre le dessin du graphe lorsque
on modie lordonnancement sur la machine M
3
de la fa con suivante :
M
3
: P
1
P
3
P
2
P
3
;
on met en service non pas une mais trois palettes pour le type P
1
.
15
M
1
P
1
M
2
M
3
P
2
P
3
P
3
Figure 10. Jobshop, 3 machines, 3 types de pi` eces, ratios 1/1/2
16
Mod elisation des blocage par laval par des stocks de capacit e limit ee. La mod elisation pr ec edente
suppose implicitement que d` es quune op eration est termin ee, la pi` ece peut quitter la machine pour etre
stock ee dans un stock interm ediaire en attendant de passer sur la machine suivante. Que se passe-t-il si
ces aires de stockage ont une capacit e limit ee et sont satur ees? On peut objecter quil ny a que quatre
palettes dans latelier et que donc on peut contr oler parfaitement loccupation des aires de stockage.
Mais cette objection tombe si on augmente le nombre de palettes en service comme sugg er e ` a lexercice
pr ec edent.
Exercice 22. Le long du circuit vertical de P
1
, supposons que lon veuille limiter ` a deux le nombre de
pi` eces de ce type entre M
1
et M
2
et que lorsque cette limite est atteinte, M
1
est bloqu ee en attendant de
pouvoir lib erer la pi` ece dans le stock interm ediaire. En sinspirant de la Figure 9, dessiner le graphe
qui permet dexprimer cette contrainte (indication : il faudra introduire une transition de d ebut et une
transition de n de lop eration M
1
/P
1
).
3.3. Approche de la mod elisation bas ee sur les ressources. Ce qui suit constitue un ensemble
dindications susceptibles de faciliter lapproche de la mod elisation de certains syst` emes o` u la notion de
ressources joue un r ole fondamental.
3.3.1. S equences d etapes des ressources individuelles. On suppose que chaque type de ressource peut
etre d ecrit par une suite d etapes ` a parcourir dans un ordre pr ed eni (i.e. les questions dordonnancement
et de routage sont r egl ees davance). L etat instantan e dune ressource dans ce parcours est marqu e par
un jeton dans une certaine place ` a chaque instant. La place porte la dur ee de l etape. On distingue les
ressources recyclables (machines par exemple) et non recyclables (pi` eces qui entrent ` a un bout et
sortent ` a lautre par exemple). On leur associe les sch emas de la Figure 11.
tape de recyclage
(temporisation nulle)
tape tape tape tape
point d'entre
point de sortie
ressources recyclables ressources non recyclables
Figure 11
3.3.2. Synchronisation. Il sagit de faire concider le d ebut et la n dune etape pour plusieurs ressources
impliqu ees simultan ement dans une etape donn ee. On fait appel ` a des circuits de synchronisation sans
temporisation et sans jeton. Chacun des deux arcs du circuit de synchronisation implique une in egalit e
de sens oppos e ` a lautre sur les dates dactivation des transitions, do` u l egalit e des dates dactivation
des transitions. Ces transitions synchronis ees peuvent alors etre fusionn ees (Figure 12). Lexistence
ressource 1
ressource 2
dbut fin
ressource 1
ressource 2
dbut
fin
y x x y
y
x
Figure 12. Synchronisation
de circuits sans jeton (et sans temporisation), bien quacceptable math ematiquement, est contraire ` a
lorthodoxie des RdP. On peut justier ce fonctionnement en disant quon emprunte les jetons (absents
du circuit de synchronisation) pour activer les transitions et quon est en mesure de rendre ces jetons
17
au bout dun temps nul, du fait de labsence de temporisation. La fusion des transitions synchronis ees
evite cette discussion.
On note quun nombre egal de ` eches entrent et sortent des transitions synchronis ees. En cons equence,
le nombre total de jetons dans le graphe (et non pas seulement dans les circuits) est maintenant conserv e
au cours du fonctionnement. On r ecup` ere ainsi linterpr etation ressource des jetons eux-m emes.
Une autre solution tr` es diff erente permet aussi de synchroniser deux transitions. Cette solution evite
les circuits de synchronisation au prix de lintroduction de transitions ctives en amont des transitions
r eelles. Elle est d ecrite par la Figure 13. On v eriera par la simulation du fonctionnement du RdP, et
ressource 1
transition
fictive
transition
fictive
ressource 2
transition
synchronise
transition
synchronise
Figure 13. Autre solution pour la synchronisation
plus tard par la mise en equations, que la synchronisation est effective.
Cette diversit e de solutions graphiques aboutissant ` a la m eme equation math ematique est une illustra-
tion de lint er et de proc eder ` a une mise en equations des graphes d ev enements.
3.3.3.

Etat initial canonique.
ressources recyclables : on marquage initialement l etape de recyclage par un nombre de jetons
egal au nombre de ressources identiques (par exemple, machines travaillant en pool, places dans
un stock . . . );
ressources non recyclables : le chemin est initialement vide ; les jetons seront introduits aux points
dentr ee au cours du fonctionnement ; les commandes du syst` eme (au sens de lAutomatique)
sont les dates dintroduction.
`
A partir de cet etat initial canonique, dautres etats sont atteignables, qui peuvent etre pris comme etat
initial en changeant linstant initial, mais il faut alors aussi pr eciser depuis combien de temps les jetons
du marquage initial sont dans les places avec temporisation non nulle.
4. Graphes et matrices
Cette section pr esente quelques rappels qui nous serons utiles ` a propos des interpr etations en termes
de graphes de certaines manipulations matricielles
4.1. Graphes orient es. Un graphe orient e est d eni par un ensemble de nuds Net un ensemble darcs
A ayant une origine et une extr emit e dans N. On notera
i j
un arc dorigine i et dextr emit e j .
4.1.1. Chemins, circuits. Un chemin est une suite de nuds que lon peut parcourir s equentiellement
en empruntant les arcs de A. Un chemin est el ementaire si aucun nud nest rencontr e deux fois. La
longueur dun chemin est egal ` a son nombre darcs. Un circuit est un chemin dont lorigine est confondue
avec lextr emit e. Un circuit est el ementaire si tout nud nest lorigine que dun seul arc appartenant au
circuit (on peut dans cette d enition remplacer le mot origine par le mot extr emit e). Une boucle est
un circuit de longueur 1.
18
circuit lmentaire
circuit
non lmentaire
Figure 14
4.1.2. Pr ed ecesseurs, successeurs. Lensemble des pr ed ecesseurs imm ediats dun nud i , not e (i )
est lensemble des nuds j tels que
j i
A. Pour deux multi-applications et (i.e. applications ` a
valeurs sous-ensembles) , on note

n
(i ) = ( . . . )
. ,, .
n fois
(i ) avec ()(i ) =
_
j (i )
{( j )} .
On pose alors

+
(i ) = (i )
2
(i ) . . . , (1)
que lon appelle lascendance ou les pr ed ecesseurs de i lorsquil sagit de la multi-application des
pr ed ecesseurs imm ediats. On pose aussi

(i ) = {i }
+
(i ) . (2)
On d enira de m eme lensemble (i ) des successeurs imm ediats dun nud i , lensemble
+
(i ), appel e
descendance ou successeurs de i , et enn lensemble

(i ).
4.1.3. Sources, puits. Une source est un nud i tel que (i ) = . Les sources serviront dentr ees (de
commandes au sens de lAutomatique) pour un graphe d ev enements. De m eme, on appellera puits tout
nud i tel que (i ) = . Ces nuds serviront de sorties (dobservations au sens de lAutomatique) pour
un graphe d ev enements.
4.1.4. Graphes acycliques, arbres. Un graphe acyclique sera pour nous un graphe sans circuit, cest-` a-
dire
i N : i
+
(i )
(on peut remplacer
+
par
+
dans cette d enition). Un arbre est un graphe acyclique ayant un seul
nud source.
4.1.5. Composantes fortement connexes, graphe r eduit. On d enit dabord une relation de pr eordre sur
N: i pr ec` ede j si i

( j ). Ce nest pas une relation dordre (elle nest pas antisym etrique) sauf si le
graphe est acyclique (on peut aussi tol erer un graphe dont les seuls circuits sont des boucles).
`
A chaque
fois quon est en pr esence dune relation de pr eordre, on d enit classiquement une relation d equivalence :
i Rj si i et j se pr ec` edent mutuellement. La relation de pr eordre devient alors une relation dordre sur
lensemble quotient N/R. On associe ` a cet ensemble quotient un graphe r eduit : un nud repr esente
une classe d equivalence [i ] appel ee la composante fortement connexe
10
contenant le nud i . Un arc
[i ] [ j ]
du graphe r eduit (voir Figure 15) repr esente un chemin existant du graphe original allant de i ` a j et
nempruntant pas dautres nuds que ceux de [i ] [ j ].
10
On se laissera aller ` a dire simplement composante connexe car il ne sera question que dune seule notion ici.
19
[7]
2
[4]
1
3
6
5
son graphe rduit
7
4
un graphe
Figure 15
Exercice 23. Montrer quune d enition equivalente de la relation R est : i Rj si i et j appartiennent ` a
un m eme circuit. Montrer que le graphe r eduit est acyclique. Montrer que cest un ensemble ordonn e
(de nuds repr esentant les composantes fortement connexes). Montrer que cet ensemble ordonn e est un
demi-treillis inf erieur si et seulement si le graphe r eduit est un arbre.
4.2. Repr esentations matricielles des graphes valu es. Un graphe valu e est un graphe dans lequel
chaque arc
i j
porte un poids a
j i
(noter que lindice dextr emit e j pr ec` ede lindice dorigine i ). Pour notre
propos, les poids seront ` a valeurs dans un diode. Le poids dun chemin ou dun circuit i
0
, i
1
, . . . , i
k1
, i
k
est le produit a
i
k
i
k1
a
i
1
i
0
.
4.3. Matrice de transition. Cette notion ne concerne que les graphes valu es ne comportant que des
nuds sources num erot es de 1 ` a m, et des nuds puits num erot es de m + 1 ` a m + p. La matrice de
transition T associ ee est de dimension p m, telle que (voir Figure 16)
T
i j
=
_
a
m+i, j
sil y a un arc
j m+i
de poids a
m+i, j
,
sinon.
Inversement, il est facile dassocier un graphe de transition ` a une matrice T rectangulaire.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
3
0
7
2
5
0
6
1
8
2
1
4
4
T =

3 7
2 1
0 2
5
4 8 6
4 1
0

Figure 16. Graphe et matrice de transition associ es

4.3.1. Matrice de pr ec edence. Pour un graphe valu e ` a n nuds, la matrice de pr ec edence est une matrice
carr ee A de dimension n n ayant pour el ement A
i j
le poids a
i j
de larc
j i
si celui-ci existe, et sinon.
Inversement, ` a toute matrice carr ee, on peut associer un graphe de pr ec edence. Pour la m eme matrice
que celle de la Figure 16 (qui etait carr ee), on obtient le graphe de la Figure 17 (d eduit du graphe de
transition de la Figure 16 en identiant les nuds de num eros egaux modulo 7).
20
1
2
3
4
5 6 7
4
3
0 0
1
8
1
2 2
4
5
7
6
Figure 17. Graphe de pr ec edence du graphe de transition de la Figure 16
4.3.2. Matrice irr eductible. Une matrice carr ee est irr eductible sil nest pas possible de la mettre sous
une forme bloc-triangulaire, avec des blocs carr es sur la diagonale, par une m eme permutation de ses
lignes et de ses colonnes. Sur le graphe de pr ec edence associ e, cette permutation correspond ` a une
renum erotation des nuds.
Exercice 24. Montrer quune matrice est irr eductible si et seulement si le graphe de pr ec edence associ e
est fortement connexe.
Son graphe r eduit consiste en un nud unique.
4.4. Op erations sur les graphes et matrices.
4.4.1. Composition parall` ele de graphes et addition de matrices. Laddition de deux matrices A et B
nest possible que pour des matrices de m emes dimensions. Les graphes de transition ou de pr ec edence
associ es ont donc le m eme ensemble de nuds. Laddition AB correspond ` a la composition parall` ele
des graphes : il existera un arc
i j
de poids a
j i
b
j i
si et seulement si il existe au moins un tel arc dans
lun des deux graphes initiaux (car a
i j
= a
i j
et a
j i
b
j i
= a
i j
= b
i j
= ). Pour le diode
R
max
, cela revient ` a retenir le poids maximum pour des arcs parall` eles (i.e. ayant les m emes origine et
extr emit e). Il peut y avoir un ou plusieurs arcs des graphes de A et B qui r ealise(nt) ce maximum pour
une paire de nuds donn ee. Par contre, si les poids sont pris dans un diode non totalement ordonn e, il
se peut quaucun des arcs de A ou B ne r ealise la borne sup erieure des poids des arcs en parall` ele.
4.4.2. Composition s equentielle de graphes et produit de matrices. Le produit A B de deux matrices
(selon la d enition habituelle, mais avec les op erations et ) est possible si le nombre de colonnes de
A (soit n) est egal au nombre de lignes de B. Selon la formule du produit matriciel donnant (A B)
i j
(voir Figure 18), cela revient, sur les graphes de transition associ es ` a A et B, ` a composer s equentiellement
B A
j
k i
pnuds n nuds m nuds
(A B )
ij
=
n

k=1
A
ik
B
kj
Figure 18. Produit matriciel A B
ces graphes en identiant les sorties de B aux entr ees de A (et non pas le contraire!), puis ` a inventorier
tous les chemins parall` eles de longueur 2 allant de j ` a i , enn ` a garder pour poids du chemin de j ` a i la
-somme des poids de tous ces chemins de longueur 2 (on rappelle que le poids dun chemin est egal au
-produit des poids de ses arcs voir 4.2).
21
On observe que pour un chemin quelconque dont un arc le composant serait absent (donc de poids
egal ` a ), le poids du chemin serait aussi egal ` a gr ace au fait que est absorbant pour le produit dans
un diode.
4.4.3. Poids maximal des chemins de longueur dans un graphe. Si le diode des poids est R
max
, pour
une matrice carr ee A de dimension n n, l el ement
_
A

_
i j
repr esente le poids maximal des chemins de
longueur allant de j ` a i dans le graphe de pr ec edence associ e. Si on pose
A
+
= A A
2
. . . , (3)
alors
_
A
+
_
i j
repr esente le poids maximal des chemins de nimporte quelle longueur allant de j ` a i .
5. R esolution des equations x = Ax b dans un diode
La section suivante nous am` enera ` a rencontrer des equations lin eaires quil faudra r esoudre. Dans un
diode, l equation lin eaire (en x) la plus g en erale est, du fait de labsence du signe moins, l equation
ax b = cx d .
Exercice 25. Dans R
max
, etudier une equation de cette forme et examiner tous les cas possibles (0, 1,
plusieurs solutions) en fonction des valeurs des coefcients.
On ne dispose pas de th eorie pour etudier et r esoudre des equations aussi g en erales. L equation que
nous rencontrerons est un cas particulier o` u c = e et d = . Pratiquement, nous rencontrerons des
syst` emes carr es d equations de ce type, que lon peut r e ecrire
x = Ax b , (4)
o` u x et b sont des vecteurs colonnes de taille n et A est une matrice n n. Mais si les coefcients sont
dans un diode D, on peut consid erer que cette equation est (un bout d) une equation dans le diode D
nn
en compl etant les vecteurs x et b de fa con triviale pour en faire des matrices carr ees (pour chaque vecteur,
on peut dupliquer n fois la m eme colonne, ou bien compl eter avec des colonnes egales ` a ). On peut
donc se contenter d etudier (4) dans un diode abstrait auquel on pensera au choix comme ` a un diode
scalaire ou vectoriel.
En fait, pour des raisons qui apparatront plus loin, et parce que la th eorie nest pas plus compliqu ee,
on va m eme sint eresser aux in equations du type
x Ax b . (5)
On envisage dabord le cas o` u x, A, b sont des el ements dun diode complet (par exemple R
max
ou
_
R
max
_
nn
). On consid` ere ensuite la situation pratique dans R
max
ou (R
max
)
nn
qui ne sont pas complets.
5.1. Cas dun diode complet. On pose
A

=
+

i =0
A
i
(avec A
0
= e) , (6)
qui est bien d eni dans un diode complet. On rappelle (3) et donc
A

= e A
+
, A
+
= AA

. (7)
On rapprochera les expressions (3) et (6) de (1) et (2) respectivement.
Th eor` eme 26. La quantit e A

b est la plus petite solution de (5) et de (4).

22
D emonstration. On montre dabord que A

b est un minorant des solutions de (5) (et donc de (4), ce

dernier sous-ensemble etant contenu dans lautre). En effet, pour toute solution x de (5), on a
x Ax b A(Ax b) b A
k
x
k1

i =0
A
i
b , k 0 . (8)
Donc x A

b.
On montre maintenant que A

b est une solution de (4) (et donc aussi de (5)). En effet, avec (7),
A

b = (e A
+
)b = b A (A

b) .
5.2. Cas de diodes non complets.
5.2.1. Cas de R
max
.
Si A < 0 = e, alors A

= e, donc b est solution et cest lunique solution comme on peut le voir

en d eveloppant une suite d egalit es de la m eme fa con que dans (8).
Si A = e, il ny a pas unicit e. L equation x = x b admet tout x b comme solution.
Si A > e, A
k
+ lorsque k +, et (8) montre que toute solution x A
k
x. Comme
x = nest solution que pour b = , dans tous les autres cas, il ny a pas de solution car
+ R
max
.
5.2.2. Cas de (R
max
)
nn
.
Dans le cas o` u le graphe de pr ec edence associ e ` a la matrice Aest fortement connexe (i.e. lorsque A
est irr eductible), compte tenu de linterpr etation de (A
+
)
i j
comme le poids maximal des chemins
de j ` a i de longueur arbitraire, la discussion pr ec edente s etend en discutant du signe (au sens
habituel) du poids maximumdes circuits du graphe de pr ec edence de A. En effet, il faut bien noter
quun circuit maximal peut toujours etre rejoint en partant de nimporte quel nud j gr ace ` a
la forte connexit e, etre parcouru un nombre arbitraire de fois, puis etre quitt e pour rejoindre un
nud i .
Dans le cas de deux composantes connexes (voir Figure 19), on peut, modulo une num erotation
A
11
A
22
A
21
Figure 19. Deux composantes connexes
adapt ee des nuds du graphe, d ecomposer l equation en deux :
x
1
= A
11
x
1
b
1
, x
2
= A
22
x
2
b
2
A
21
x
1
,
o` u chaque A
i i
repr esente une composante fortement connexe. Le probl` eme se ram` ene ` a discuter
dabord la premi` ere equation, puis la seconde en y reportant la (ou les) solutions de la premi` ere,
si elle(s) existe(nt).
On notera que dans un diode complet et archim edien, l el ement est la plupart du temps une solution
triviale ( = A b si A = ). Par cons equent lunicit e est sans espoir, et on remplace cette notion
par celle de plus petite solution qui singularise une solution canonique dont lint er et apparatra plus
loin.
23
6. Mise en equations des graphes d ev enements temporis es
Ce qui pr ec` ede na constitu e quun ensemble de pr eliminaires qui nous mettent enn en mesure dentrer
dans le vif du sujet : la mod elisation lin eaire des graphes d ev enements temporis es. On exposera deux
points de vue qui conduisent tous deux ` a des mod` eles lin eaires, mais dans des diodes diff erents. On
reviendra plus tard sur les m erites compar es de ces deux approches.
6.1. Dateurs, domaine ev enementiel et alg` ebre Z
max
.
6.1.1. Forme implicite. Pour une transition nomm ee x par exemple, les activations successives de cette
transition re coivent des num eros successifs k ` a partir dun instant initial
11
o` u lon commence ` a num eroter
les ev enements en partant dune valeur de k possiblement n egative, mais la m eme pour toutes les tran-
sitions : alors x(k) d esigne la date de lactivation num erot ee k de la transition x. La fonction x() est
appel ee dateur associ e ` a la transition x. Les dateurs sont d enis sur le domaine ev enementiel car k est
un num ero d ev enement.
On consid` ere lexemple de la Figure 20. Les barres dans les places indiquent les temporisations (en
x
1
(k) =max (x
2
(k 1), u
1 u
1
(k) +3)
x
2
(k) =max (x
1
(k) +1, u
2
u
2
(k 1) +1)
x
3
(k) =max (x
1
x
1
(k), x
2
(k) +1, x
3
(k 1) +2)
y(k) =max (x
2
x
2
(k 1), x
3
x
3
(k) +3)
x(k) =

1
e 1

x(k)

e

2

x(k 1)

u(k)

u(k 1)
y
y
(k) =

x(k)

x(k 1)
Figure 20. Un graphe d ev enements temporis e et ses equations dateurs
nombre de tops dhorloge par exemple). Dans ces conditions, les dateurs sont ` a valeurs enti` eres. Les
equations sont indiqu ees sur la gure ennotations traditionnelles puis ennotationmatricielle dans le diode
Z
max
. Le raisonnement est le suivant, en se concentrant par exemple sur la transition x
2
. Lactivation
num ero k de x
2
est conditionn ee par
lactivation num ero k de x
1
car il ny a pas de jeton dans la place entre x
1
et x
2
initialement ;
lactivation num ero k 1 de u
2
car il y a un jeton dans la place entre u
2
et x
2
initialement (en
effet, x
2
peut etre activ ee une fois si un jeton arrive du c ot e de x
1
en consommant le jeton
du marquage initial du c ot e de u
2
; ensuite, il faut obligatoirement attendre que u
2
soit activ ee
avant de pouvoir assister ` a dautres activations de x
2
).
Par ailleurs, comme un jeton arrivant dans la place entre x
1
et x
2
doit rester au moins une unit e de temps
dans cette place avant de devenir disponible (m eme chose entre u
2
et x
2
), on doit d ecaler dau moins une
unit e de temps les activations de x
2
par rapport ` a celles de x
1
(ou de u
2
) qui les conditionnent. On peut
donc ecrire
x
2
x
1
(k) +1 et x
2
u
2
(k 1) +1 soit x
2
max (x
1
(k) +1, u
2
(k 1) +1) .
L egalit e que nous avons ecrite provient du fait que puisquaucun autre ev enement ne conditionne
lactivation k de x
2
, la date au plus t ot de cette activation est la plus petite possible, donc elle est
11
instant du marquage initial du RdP
24
egale ` a sa borne inf erieure. Mais on peut aussi bien garder ` a lesprit pour linstant lin egalit e plut ot que
l egalit e.
Exercice 27. En suivant un raisonnement analogue, v erier les autres equations de la Figure 20 ainsi
que l ecriture matricielle.
Dune mani` ere g en erale, on obtient donc la forme :
x(k) =
a

i =0
A(i )x(k i )
b

j =0
B( j )u(k j ) , (9)
y(k) =
c

l=0
C(l)x(k l)
_

m=0
D(m)u(k m)
_
, (10)
le dernier terme entre parenth` eses pouvant r esulter de la pr esence darcs directs entre les transitions
sources u
i
(entr ees) et les transitions puits y
j
(sorties). On peut aussi garder des in equations (le
premier membre est sup erieur ou egal au second membre). L equation ou in equation (9) est implicite
puisque x(k) apparat dans les deux membres. Cest ce qui va etre discut e maintenant.
Auparavant, rappelons que les Statisticiens (et avec eux les Automaticiens) appellent forme ARMA
(pour Auto Regressive-Moving Average en Fran cais : auto r egressif-moyenne mobile) une relation
entr ee-sortie de la forme
z(k) =
a

i =1
A(i )z(k i )
. ,, .
AR
+
b

i =1
B(i )u(k i )
. ,, .
MA
.
6.1.2. Forme ARMA explicite.
Suppression de la forme implicite. Le sous-graphe de pr ec edence associ e ` a la matrice A(0) correspond
aux arcs (ou places) entre deux transitions internes (cest-` a-dire qui ne sont ni sources ni puits) nomm ees
x
i
, et dont les places ne portent pas de jetons dans le marquage initial (dune mani` ere g en erale, A(i )
correspond au sous-graphe avec i jetons sur chaque arc). Si le graphe d ev enements ne contient aucun
circuit sans jeton, le sous-graphe associ e ` a A(0) est acyclique, le poids maximum des circuits de A(0) est
donc egal ` a = et donc (A(0))

existe m eme dans Z

max
(voir discussion du 5.2 ; on peut aussi le
voir en disant que les chemins de longueur sup erieure ou egal ` a n, n dimension de la matrice, nexistent
pas et donc (A(0))
i
= pour tout i n).
Dune mani` ere g en erale, si on sest plac e dans Z
max
, alors (A(0))

existe toujours, le cas o` u certains

coefcients sont innis correspondant au cas o` u certains dateurs seront innis, donc certains ev enements
seront repouss es aux calendes grecques, ce qui traduit une situation de deadlock partiel ou total.
Dans tous les cas, en appliquant le Th eor` eme 26, on peut passer ` a la forme ARMA explicite suivante
` a partir de (9) :
x(k) =
a

i =1
A(i )x(k i )
b

j =0
B( j )u(k j ) , (11)
avec A(i ) = (A(0))

A(i ) et B( j ) = (A(0))

B( j ).
Justication. Nous venons de s electionner la plus petite solution de l equation ou de lin equation (9) en
x(k). Dans le cas de lin equation, on sait que la plus petite solution satisfait aussi l equation. Ceci se
justie sous les deux hypoth` eses suivantes :
le fonctionnement est au plus t ot, i.e. les transitions sont activ ees d` es que toutes les places
amont sont marqu ees dun jeton au moins ;
les conditions initiales sont les plus favorables possibles, i.e. les jetons du marquage initial
sont disponibles d` es linstant initial, quel que soit celui-ci (ou bien, ` a quelquinstant que lon
commence la r ecurrence) ; on admettra donc que les jetons du marquage initial sont disponibles
depuis linstant , et on appellera ces conditions conditions initiales canoniques.
25
On montrera plus loin comment traiter aussi, sans violer les hypoth` eses ci-dessus, des conditions ini-
tiales non canoniques, cest-` a-dire des cas o` u ` a linstant initial, les jetons dans les places ne sont pas
imm ediatement disponibles.
Interpr etation et simplications eventuelles. Du point de vue du graphe d ev enements, on a supprim e
toutes les places internes (places situ ees entre deux transitions internes) sans jeton dans le marquage
initial.
Dans lexemple pr ec edent, on a
(A(0))

=
_
_
e
1 e
2 1 e
_
_
,
et la forme explicite ainsi que le graphe correspondant sont indiqu es sur la Figure 21. La forme de la
x(k) =

e
1
2 2

x(k 1)

3
4
5

u(k)

1
2

u(k 1)
y(k) =

x(k)

x(k 1)
u
1
x
1
x
y
3
x
2
u
2
Figure 21. Suppression de la partie implicite
Figure 22 correspond ` a la remarque que x
1
nintervient ni dans la dynamique de x
2
et x
3
, ni dans l equation
de sortie y, et est donc inutile et peut etre supprim e. Autrement dit, sur le graphe pr ec edent, on note que
x
1
est un puits, mais cependant pas une sortie y ` a laquelle on est cens e sint eresser.

x
2
x
3
x
3

(k) =

1
2 2

x
2
x
3

(k 1)

4
5

u(k)

1
2

u
y
(k 1)
y(k) =

x
2
x
3

(k)

x
2
x
3

(k 1)
u
1
u
2
x
2
Figure 22.

Elagage des transitions internes inutiles
26
6.1.3. Forme r ecurrente markovienne ou forme d etat. Il sagit maintenant de passer ` a une forme o` u
le retard est exactement de 1 sur la partie AR (ce qui est d ej` a r ealis e sur lexemple) et de 0 sur la partie
MA, ainsi que sur l equation de sortie (ce qui nest pas encore le cas sur lexemple). Ceci revient ` a
effectuer des manipulations combinatoires tout-` a-fait classique en th eorie des syst` emes, qui passent par
une extension du vecteur d etat pour pouvoir se ramener ` a cette forme markovienne ou d etat (i.e. ne
d ependant que du pass e ` a un pas en arri` ere des variables x).
Suppression des retards dans la partie MA de (11) et interpr etation. Consid erons pour simplier une
dynamique purement MA, par exemple :
x(k) = 1u(k) 2u(k 1) u(k 2) .
On la transforme ainsi :

1
(k) = u(k) ,
2
(k) =
1
(k 1) , x(k) = 1u(k) 2
1
(k 1)
2
(k 1) ,
ou, sous forme matricielle,
_
_

2
x
_
_
(k) =
_
_

e
2 e
_
_
_
_

2
x
_
_
(k 1)
_
_
e

1
_
_
u(k) ,
ce qui est illustr e par la Figure 23.


u x u x
Figure 23. R eduction dune partie MA ` a une forme d etat
R eduction des retards dans la partie ARet interpr etation. Consid erons une forme purement AR(avec
quand m eme une entr ee) :
x(k) = x(k 1) 1x(k 2) 2x(k 3) u(k) .
On transforme ceci de la fa con suivante :

1
(k) =
2
(k 1),
2
(k) = x(k 1), x(k) = x(k 1) 1
2
(k 1) 2
1
(k 1) u(k),
ou, sous forme matricielle,
_
_

2
x
_
_
(k) =
_
_
e
e
2 1 e
_
_
_
_

2
x
_
_
(k 1)
_
_

e
_
_
u(k) ,
ce qui est illustr e par la Figure 24.

u
x
u
x
Figure 24. R eduction dune partie AR ` a une forme d etat
27
Suppression des retards dans l equation de sortie (10). Si a (nombre de retards dans la partie AR
de (9)), respectivement b (nombre de retards dans la partie MA de (9)), est sup erieur ` a c (nombre de
retards en x dans (10)), respectivement d (nombre de retards an u dans (10)), alors il nest plus n ecessaire
dintroduire de nouvelles variables d etats car on a d ej` a introduit sufsamment de versions retard ees
de x, respectivement u, dans le nouveau vecteur d etat par les transformations ci-dessus pour que
l equation (10) puisse s ecrire y(k) = C(k) D(0)u(k) avec une d enition appropri ee de C. Sinon,
lintroduction de variables d etat suppl ementaires sera encore n ecessaire.
6.1.4. Sup-convolution et r eponse impulsionnelle. Moyennant la manipulation dun vecteur d etat assez
grand (encore not e x) mais pas n ecessairement de taille minimale (probl` eme ouvert), on sest nalement
ramen e ` a une r ecurrence simple de la forme
x(k) = Ax(k 1) Bu(k) , y(k) = Cx(k) Du(k) . (12)
En d eveloppant cette r ecurrence, on arrive ` a la forme
y(k) = CA
p
x(k p) Du(k)
p1

i =0
CA
i
Bu(k i ) , p 1 .
Posons
h(i ) =
_

_
pour i < 0 ;
CB D pour i = 0 ;
CA
i
B pour i > 0 .
(13)
Par ailleurs, en adoptant la convention que la premi` ere activation de toute transition (apr` es linstant initial
0) est num erot ee 0, et avec les conditions initiales canoniques, on a x( j ) = et u( j ) = pour j < 0.
Dans ces conditions, d` es que, pour k donn e, p est sup erieur ou egal ` a k, on peut r e ecrire l equation
ci-dessus de la fa con suivante :
y(k) =
+

i =
h(i )u(k i ) . (14)
Il sagit l` a dune convolution, mais dans les notations de lalg` ebre ordinaire il sagit plut ot dune sup-
convolution.
Interpr etons la fonction matricielle h() (de dimension p m sil y a m entr ees et p sorties). On voit
que h
i j
(k) est la valeur de la i -` eme sortie ` a linstant k caus ee par lentr ee
u(l) =
_

_
pour l = 0 ;
_
_
, . . . , , e
.,,.
j -` eme position
, , . . . ,
_
_

pour l = 0 .
Cette entr ee correspond ` a disposer dune innit e de jetons depuis linstant sur toutes les entr ees sauf
lentr ee j o` u une innit e de jetons devient disponible seulement ` a linstant 0. On appelle une telle entr ee
une impulsion sur lentr ee j , et h
i j
() est la r eponse impulsionnelle correspondante.
6.2. Compteurs, domaine temporel et alg` ebre Z
min
. En th eorie des syst` emes, on a plut ot lhabitude
de consid erer les equations d evolution dans le domaine temporel (i.e. de d ecrire les syst` emes par des
fonctions du temps t ). Lanalogue consiste ici ` a associer ` a une transition, de nom x par exemple, la
fonction t x(t ) qui indique le num ero de la derni` ere activation de cette transition survenue avant ou
` a t . On appellera cette variable un compteur associ e ` a la transition x.
On garde donc le m eme nom de variable que pour les dateurs. Seul largument t , au lieu de k, indique
quil sagit dun compteur.
28
Le passage dune description en termes de dateurs (i.e. sch ematiquement en termes de fonctions
k t (k)) ` a une description en termes de compteurs (i.e. sch ematiquement en termes de fonctions
t k(t )) est possible parce que les fonctions dateurs sont monotones non d ecroissantes. Cependant,
comme elles ne sont pas strictement croissantes (plusieurs ev enements peuvent etre simultan es), et comme
` a chaque instant t , il ne se produit pas n ecessairement un ev enement, la fonction compteur r eciproque nest
pas d enie de mani` ere unique. La d enition ci-dessus nest pas la seule possible (et math ematiquement,
elle nest pas non plus la plus agr eable) : on peut adopter une autre d enition des compteurs comme par
exemple le num ero du premier ev enement ` a se produire ` a ou apr` es t .
Passer aux fonctions r eciproques des dateurs est une op eration non lin eaire qui na pas de raison de
pr eserver la lin earit e des equations. On obtient malgr e tout des equations lin eaires, mais dans une autre
alg` ebre.
6.2.1. Forme implicite. Pour le graphe d ev enements de la Figure 20, on obtient les equations suivantes
en termes de compteurs :
x
1
(t ) = min (x
2
(t ) +1, u
1
(t 3)) ,
x
2
(t ) = min (x
1
(t 1), u
2
(t 1) +1) ,
x
3
(t ) = min (x
1
(t ), x
2
(t 1), x
3
(t 2) +1) ,
y(t ) = min (x
2
(t ) +1, x
3
(t 3)) .
Le raisonnement est le suivant : la valeur du compteur x
2
(t ) d epend de la valeur des compteurs des
transitions amont ` a linstant t 1 pour x
1
comme pour u
2
, parce que les jetons doivent rester au moins
une unit e de temps dans les places correspondantes ; le compteur x
2
(t ) ne peut exc eder le compteur
x
1
(t 1) parce quil ny a pas de jeton en r eserve dans le marquage initial de la place entre ces deux
transitions ; par contre, x
2
(t ) peut exc eder u
2
(t 1) mais ne peut pas exc eder u
2
(t 1) + 1 car il y a
un jeton en r eserve dans le marquage initial de la place entre ces deux transitions ; nalement x
2
(t ) doit
etre inf erieur ou egal ` a x
1
(t 1) et ` a u
2
(t 1) +1 ; l egalit e au min de ces deux nombres proc` ede dun
raisonnement de fonctionnement au plus t ot produisant un maximum d ev enements.
Exercice 28. V erier les equations pour les autres transitions. R e ecrire ces equations sous forme ma-
tricielle dans lalg` ebre Z
min
en explicitant la valeur des matrices.
Les equations ci-dessus sont de la forme g en erale
x(t ) =
a

=0
A()x(t )
b

=0
B()u(t ) , (15)
y(t ) =
c

s=0
C(s)x(t s)
_

=0
D()u(t )
_
, (16)
o` u les calculs matriciels seffectuent dans lalg` ebre Z
min
(les termes nuls sont egaux ` a +).
6.2.2. Forme ARMAexplicite. Le passage ` a la forme explicite se fait comme pr ec edemment par r esolution
de la partie implicite en s electionnant la plus petite solution au sens de lalg` ebre : comme dans
lalg` ebre Z
min
, lordre est invers e par rapport ` a lordre habituel (a = a b a = min(a, b)), on
s electionne en fait la plus grande solution x(t ) de l equation implicite (15). Ceci correspond bien au
fonctionnement au plus t ot qui produit le maximum d ev enements ` a chaque instant.
Par ailleurs, lexistence de (A(0))

dans Z
min
(et non pas dans Z
min
), i.e. le fait que certains coefcients
de (A(0))

ne soient pas egaux ` a , n ecessite que la matrice A(0) nait pas de circuit de poids n egatif ,
le poids correspondant ici au nombre de jetons rencontr es le long du circuit. Il ny a pas de risque : le
nombre de jetons est un entier non n egatif!
Du point de vue de linterpr etation, la suppression de la partie implicite correspond dans le graphe
d ev enements ` a une transformation au cours de laquelle les places internes (entre deux transitions
nomm ees x
i
) sans temporisation (sans b atonnet) sont supprim ees.
29
6.2.3. Forme r ecurrente markovienne ou forme d etat. Le proc ed e est, mutatis mutandis, le m eme
que pr ec edemment. On aboutit ` a des equations analogues ` a (12) (avec t rempla cant k). Ces equations
correspondent ` a un graphe d ev enements o` u les places internes ont un et exactement un b atonnet.
6.2.4. Inf-convolution et r eponse impulsionnelle. On obtiendra comme pr ec edemment une relation du
type (14), mais il sagit ici dune inf-convolution de lentr ee par la r eponse impulsionnelle.
6.3. Syst` emes continus min- ou max-lin eaires, analogie avec des graphes d ev enements. Lobjet de
ce paragraphe est de montrer que les syst` emes lin eaires dans lalg` ebre max-plus ou min-plus ne sont pas
n ecessairement des syst` emes ` a ev enements discrets. Certains ph enom` enes continus peuvent faire surgir
les m emes propri et es math ematiques. On se limitera ici ` a la forme inf-convolution.
On consid` ere le syst` eme de la Figure 25. En raison de la limitation de d ebit, on peut ecrire
u(t) est le d ebit cumul e de 0 ` a t
avec u(t ) = 0 pour t 0
le tuyau introduit un retard de 2 secondes
l'entonnoir limite le d ebit ` a 0,5 litre/seconde
y(t) est le volume recueilli en sortie ` a t
avec y(0) = 3 litres
Figure 25. Un syst` eme min-plus lin eaire continu
t , s 0 , y(t ) y(t s) +0,5s .
En raison du retard et de la condition initiale sur y, on peut ecrire
t , y(t ) u(t 2) +3 .
La solution maximale (fonctionnement au plus t ot) de ce syst` eme d equations est
y(t ) = inf
s0
(u(t 2 s) +3 +0,5s) = inf
2
(u(t ) +3 +0,5( 2)) ,
qui s ecrit encore, en tenant compte du fait que u(t ) = 0 pour t 0,
y(t )
def
= inf
R
(u(t ) +h()) ,
` a condition de poser
h(t )
def
=
_
3 pour t 2 ;
3 +0,5(t 2) pour t > 2 .
Remarquer que h() est bien la r eponse impulsionnelle, cest-` a-dire la sortie obtenue lorsqu` a t = 0,
on introduit une quantit e innie deau ` a lentr ee.
Ce syst` eme est un analogue continu du graphe d ev enements de la Figure 26. Par exemple, la boucle ne
laisse passer quun jeton toutes les deux secondes au plus, donc le d ebit maximal est de 0,5 jeton/seconde.
Exercice 29. Pour le RdPde la Figure 26, ecrire les equations compteurs et la relation dinf-convolution
entr ee-sortie. Comparer ces equations ` a celles du syst` eme continu.
30
u
x
y
Figure 26. Analogie RdP/syst` eme continu
7. Transform ees en et et matrice de transfert
7.1. Transform ees en et . La transform ee en est lanalogue de la transform ee en z dans la th eorie
des syst` emes classiques, qui elle-m eme joue pour les syst` emes en temps discret le r ole de la transform ee
de Laplace pour les syst` emes en temps continu. De m eme que la transform ee de Laplace transforme les
convolutions en produits, de m eme la transform ee en va permettre d ecrire les convolutions pr ec edentes
comme des produits.
Pour un dateur x(), on introduit la s erie formelle X( ) ainsi d enie :
X( ) =

kZ
x(k)
k
.
On peut interpr eter comme un op erateur appel e op erateur de retard (bien quen fait la multiplication
par pousse le graphe de x() vers la droite). En effet,
X( ) =

kZ
x(k)
k+1
=

kZ
x(k 1)
k
,
ce que lon traduit tr` es formellement en disant que x(k) = x(k 1).
Exercice 30. Montrer que les s eries formelles ` a coefcients dans R
max
(et ` a exposants dans Z) constituent
un diode complet si on les munit de laddition et de la multiplication habituelle des s eries. Ce diode
est-il archim edien?
`
A noter que la multiplication revient ` a une convolution sur les coefcients de la s erie. En effet,
Y( ) = H( )U( ) y(k) =

lZ
h(l)u(k l) .
Nous ny reviendrons pas avant le 10 mais il est clair que lon peut introduire de la m eme fa con un
op erateur retard pour les compteurs.
7.2. Matrice de transfert. Partant des equations (12), on obtient
X( ) = A X( ) BU( ) X( ) = ( A)

BU( ) ,
do` u
Y( ) = (D C( A)

B) U( ) = H( )U( ) avec H( )
def
= D C( A)

B . (17)
On note que H( ), appel ee matrice de transfert, nest rien dautre que la transform ee en de la r eponse
impulsionnelle (13).
Exercice 31. Si on se limite au diode non complet des s eries formelles en ` a coefcients dans R
max
(au
lieu de R
max
), donner une condition pour que (A( ))

existe lorsque
A( ) =
a

i =0
A(i )
i
. (18)
31
On peut partir aussi directement des equations (9)(10) pour op erer la transformation en , ou bien
encore de (11). Revenant aux equations de lexemple de la Figure 20 dans leur forme initiale, on a
12
x
1
(k) = x
2
(k 1) 3u
1
(k) X
1
= X
2
3U
1
x
2
(k) = 1x
1
(k) 1u
2
(k 1) X
2
= 1X
1
1U
2
x
3
(k) = x
1
(k) 1x
2
(k) 2x
3
(k 1) X
3
= X
1
1X
2
2 X
3
y(k) = x
2
(k 1) 3x
3
(k) Y = X
2
3X
3
Les calculs donnent
X
2
= 1 X
2
4U
1
1U
2
X
2
= (1 )

(4U
1
1U
2
) X
1
= (3 4 (1 )

) U
1
1
2
(1 )

U
2
,
puis
X
3
= (3 4 (1 )

) U
1
1(1 )

(4U
1
1U
2
) 2 X
3
= (3 (1 )

(4 5)) U
1
2 (1 )

U
2
2 X
3
= (1 )

(5U
1
2U
2
) 2 X
3
,
ce qui se voit en d eveloppant le facteur de U
1
. Do` u
X
3
= (2 )

(1 )

(5U
1
2U
2
) = (2 )

(5U
1
2U
2
) .
La derni` ere egalit e d ecoule du lemme suivant.
Lemme 32. Dans un diode commutatif,
a

= (a b)

.
La d emonstration est laiss ee en exercice.
Revenant ` a notre exemple, on a nalement
Y = (1 )

(4U
1
1U
2
) 3(2 )

(5U
1
2U
2
)
= (4 (1 )

8(2 )

) U
1

_
1
2
(1 )

5 (2 )

_
U
2
= 8(2 )

U
1
5 (2 )

U
2
= 5(2 )

(3U
1
U
2
) ,
lavant-derni` ere egalit e etant encore prouv ee en d eveloppant les facteurs de U
1
et U
2
.
Exercice 33. Montrer que cette fonction de transfert est aussi celle du graphe d ev enements de la Fig-
ure 27.
u
1
u
x
y
2
Figure 27
Les RdP des Figures 20 et 27 ont donc le m eme comportement entr ee/sortie. Ceci illustre les
formidables potentialit es de simplication apport ees par cette approche alg ebrique des RdP.
12
on ecrit d esormais X au lieu de X( )
32
7.3. Conditions initiales non canoniques. L equivalence entr ee/sortie que lon vient de mentionner
entre un graphe d ev enements compliqu e et une version plus simple suppose notre hypoth` ese sur les
conditions initiales expos ee au 6.1.2 : pour les deux graphes, on suppose que les jetons du marquage
initial sont disponibles depuis . Ceci correspond ` a des conditions initiales nulles (au sens du
diode) et donc aux conditions initiales les plus petites possible (engendrant donc la plus petite solution
des equations implicites). Comme dans la th eorie des syst` emes classique, des conditions initiales non
nulles engendrent une relation entr ee/sortie qui nest pas lin eaire mais afne. On va montrer sur un
exemple simple comment introduire de telles conditions initiales.
On consid` ere une place p entre deux transitions x
1
et x
2
(Figure 28a). La fonction de transfert de x
1
` a x
2
x
w
1
x
2
x
1
x
2
p p
(a)
(b)
Figure 28. Comment imposer des conditions initiales non canoniques
est X
2
= 2
2
X
1
pour les conditions initiales nulles. Si lon veut introduire dautres conditions initiales,
on proc` ede comme sur la gure de droite. On introduit une place et une transition ctives en amont de
la place p. Il est clair que par le choix de lentr ee suppl ementaire w, on peut enti` erement contr oler la
date ` a laquelle les deux jetons du marquage initial deviennent disponibles dans la place p. La fonction
de transfert de x
1
` a x
2
est maintenant X
2
= 2
2
X
1
W. Par exemple, si on veut que le premier jeton
(num erot e 0) et le second jeton (num erot e 1) soient disponibles aux instants 1 et 2 respectivement, on
posera W = 1 2 .
7.4. Exemple dutilisation de la matrice de transfert. En th eorie des syst` emes classiques en temps
discret, il est dusage de faire intervenir u(k 1) plut ot que u(k) au second membre de l equation (12)
donnant x(k). Est-il possible, au prix dun changement de variable d etat x, de revenir aussi ` a cette forme
dans le cas de (12)? Pour r epondre ` a cette question, on va supposer que la relation entr ee/sortie d enie
par (12) peut aussi etre d ecrite par
(k) = A(k 1) Bu(k 1) , y(k) = C(k) Du(k) , (19)
dont la matrice de transfert est
D C( A)

B .
On doit donc r ealiser l egalit e de cette s erie formelle en ` a coefcients matriciels avec la matrice de
transfert de (12), ` a savoir D C( A)

B. En consid erant les premiers termes, on obtient

D = D CB , C B = CAB , C A B = CA
2
B , . . . .
Ceci est r ealis e en prenant
D = D CB , A = A , B = AB , C = C .
En revenant aux equations (12) et (19), on saper coit quune relation possible entre x et est x(k) =
(k) Bu(k). Mais il ny avait aucune chance de trouver a priori en fonction de x et u car il aurait
fallu disposer du signe moins.
33
8. Valeurs propres et vecteurs propres des syst` emes autonomes
8.1. Fermeture de la boucle et syst` eme autonome. Reprenons lexemple de latelier exible examin e
au 3.2.3. On peut consid erer que les circuits des machines font partie du mod` ele interne du syst` eme (les
machines font partie des ressources recyclables d ecrites au 3.3 : elles cyclent ind eniment sur plusieurs
types de pi` eces). Au contraire, les circuits des palettes portant les pi` eces ont et e obtenus en rebouclant
les entr ees (des palettes) sur les sorties (de ces m emes palettes) car les pi` eces elles-m emes sont des
ressources non recyclables. Autrement dit, quand une palette sort, une autre est r eintroduite dans latelier
apr` es un certain temps (temps de recyclage). Pour un type de pi` eces donn e, il y aura un certain nombre
de palettes en fonction. Le recyclage se traduit par une equation de feedback de la forme
u(k) = K(0)y(k) K(1)y(k 1) . . . . (20)
Pour une coordonn ee u
i
(un type de pi` ece i )
13
, il y a aura en g en eral un seul terme non egal ` a et situ e
sur la diagonale (la sortie dune palette portant une pi` ece de type i conditionne lentr ee dune palette de
m eme type) : si cest K
i i
( p
i
), linterpr etation de K
i i
( p
i
) est le temps de recyclage des palettes de type i ,
et il y a p
i
palettes identiques pr etes ` a etre recycl ees initialement (nombre de jetons du marquage initial
dans la place correspondant ` a lop eration de recyclage des pi` eces ).
Le bouclage du syst` eme cr ee de nouveaux circuits. Il y a un risque de cr eer ainsi des circuits sans
jeton. Ceci ne peut se produire en tout cas que si il existe des p
i
egaux ` a 0, car dans tous les autres cas,
un nouveau circuit empruntant larc avec p
i
jetons ( p
i
> 0) ne peut poser de probl` eme. Si p
i
= 0, il
faut esp erer quil existe au moins une autre position dans le circuit de cette palette o` u le marquage initial
nest pas nul : cela correspondrait ` a une pi` ece en cours dusinage au d ebut du jeu.
Math ematiquement, supposons que les equations d ecrivant le fonctionnement de latelier en boucle
ouverte ont d ej` a et e mises sous la forme (12). Cela implique, rappelons le, quil y a n ecessairement un
jeton dans chaque place entre deux transitions internes. En pla cant (20) dans les equations (12) (o` u on
supposera cest g en eralement le cas que D = ) , on aboutit au syst` eme autonome (sans entr ee)
x(k) = Ax(k 1) B (K(0)Cx(k) K(1)Cx(k 1) . . . ) .
La partie implicite provient de la matrice BK(0)C si cette matrice nest pas identiquement nulle. Le
graphe de transition de cette matrice est la composition s equentielle des graphes de transition de C, K(0)
et B dans cet ordre : on va donc des transitions internes vers les transitions de sortie, puis des transitions
de sortie vers les transitions dentr ee en nempruntant que des arcs de recyclage marqu es daucun jeton,
puis des transitions dentr ee vers les transitions internes. Si ce graphe est sans circuit, alors (BK(0)C)

existe et on peut eliminer la partie implicite dans l equation ci-dessus. Ensuite, on r eduit le processus
auto-r egressif ` a une forme markovienne au prix dune certaine augmentation de la taille de x pour aboutir
nalement ` a la forme
x(k) = Ax(k 1) , (21)
que nous allons etudier maintenant (ici x et A ne sont pas les m emes que dans les equations (12) de
d epart).
Exercice 34. Recommencer cette analyse lorsque D = (indication : on traite le couple (x, y) comme
x ant erieurement).
8.2. Interpr etation du probl` eme de valeur propre et questions. Supposons quil existe une valeur
propre et un vecteur propre z = dans lalg` ebre consid er ee ici, i.e.
Az = z . (22)
Ceci signie quen partant de la condition initiale x(0) = z, l equation r ecurrente (21) donne x(k) =
k
z.
Dans lalg` ebre ordinaire, i et k, x
i
(k) = z
i
+k : en toute transition, les ev enements successifs sont
13
On a vu que certains types de pi` eces sont r ep et es eventuellement plusieurs fois dans la s equence de base pour
respecter des ratios de production donn es. Ici ces types n-pliqu es sont trait es comme des types distincts.
34
s epar es du m eme intervalle de temps (en particulier, dans un atelier exible, tous les types de pi` eces
sortent ` a la m eme cadence de 1 par unit es de temps de fa con p eriodique). Plus est grand, plus le taux
de production est faible.
Les questions qui se posent alors sont les suivantes.
(1) Une telle paire (, z) existe-t-elle?
(2) Y a-t-il unicit e de (taux de production) et de z (forme du r egime p eriodique)?
(3) En partant de nimporte quelle condition initiale, nit-on par etre absorb e par lun de ces r egimes
p eriodiques, et si oui, au bout de combien de temps?
8.3. Existence de valeur propre/vecteur propre. On va dabord montrer quelques r esultats conduisant
` a la caract erisation de la, ou des, valeur(s) propre(s) si elle(s) existe(nt) (cela r epondra aussi dans une
certaine mesure ` a la question de lunicit e), puis on prouvera lexistence en exhibant des vecteurs propres
associ es.
Les r esultats sont enonc es et d emontr es dans le diode R
max
. On r ealisera facilement que ces r esultats
restent vrais dans dautres diodes, tel que Z
max
par exemple, mais dans ce dernier cas, on devra chercher
dans Q.
Certains r esultats ci-dessous sont vrais que soit egal ` a ou non. Dautres ne le sont pas dans le cas
= . On va donc traiter une fois pour toutes, pour l ecarter ensuite, le cas = .
8.3.1. Cas de la valeur propre nulle.
Lemme 35. Il nexiste de vecteur z = tel que Az = que si le graphe de pr ec edence associ e ` a A
contient des nuds puits. Dans ce cas, il y a autant de vecteurs z ind ependants
14
quil y a de puits, et
chacun deux correspond ` a prendre toutes les coordonn ees nulles sauf une qui correspond ` a un nud
puits.
D emonstration. Si Az = , alors
_
i ,

j
A
i j
z
j
=
_

_
i, j , A
i j
z
j
=
_

_
z
j
= A
i j
= , i
_
.
Ceci montre que si z
j
est non nul, alors (z
j
) = et z
j
est un puits. Il est clair que tout vecteur v eriant
cette propri et e peut s ecrire comme somme de vecteurs nayant quune seule coordonn ee non nulle (sur
un puits) et que ces derniers v erient aussi Az = .
8.3.2. Caract erisation des valeurs propres.
Lemme 36. Si z est un vecteur propre, si z
i
= , alors z
j
= pour tout j
+
(i ).
D emonstration. En effet, dapr` es la ligne i de (22),
{z
i
= }
_
A
i j
z
j
= , j
_

_
z
j
= si A
i j
=
_
,
i.e. z
j
(i ). Le r esultat pour
+
est alors d emontr e de proche en proche.
Corollaire 37. Sur une composante connexe du graphe de pr ec edence de A, tous les z
i
sont nuls ou non
nuls simultan ement.
D emonstration. En effet, dans une composante connexe donn ee, pour tous i et j , i
+
( j ) et j

+
(i ).
14
Bien que nous nayons pas trait e dans ce cours la question de lind ependance lin eaire des vecteurs, on pourra
comprendre ici cette expression en disant quaucun vecteur ne peut etre obtenu comme combinaison lin eaire des
autres.
35
On comprend maintenant comment est fait le graphe support dun vecteur propre z, cest-` a-dire le
sous-graphe sur lequel les coordonn ees de z sont non nulles. On peut se limiter au graphe r eduit, puisque
chaque composante connexe (repr esent ee par un nud du graphe r eduit) est toute enti` ere dans le support
ou non. Sur le graphe r eduit, le support ne peut etre obtenu quen supprimant des nuds en amont
dun nud appartenant au support, mais jamais en supprimant des nuds en aval de ce nud dapr` es le
Lemme 36 (ou son enonc e contrapos e).
Corollaire 38. Si A est irr eductible, aucune coordonn ee dun vecteur propre z nest nulle.
D emonstration. On rappelle quune matrice irr eductible a un graphe de pr ec edence fortement connexe.
Comme il ny a quune seule composante connexe, sil y avait un z
i
egal ` a , alors z tout entier serait
egal ` a , ce qui ne peut etre le cas dun vecteur propre.
Lemme 39. Si z est un vecteur propre correspondant ` a une valeur propre non nulle, si z
i
= , alors il
existe j (i ) tel que z
j
= .
D emonstration. Ceci est une sorte de r eciproque du Lemme 36 qui se d emontre de fa con tout-` a-fait
similaire. En effet, dapr` es la ligne i de (22),
{z
i
= }
_
j : A
i j
z
j
= z
i
_

_
A
i j
z
j
=
_

_
z
j
= et A
i j
=
_
,
et donc z
j
(i ).
Corollaire 40. Si = et z
i
= , alors il existe un circuit dans

(i ) le long duquel les coordonn ees

de z sont toutes diff erentes de .
D emonstration. En appliquant le Lemme 39 de proche en proche, on construit ` a reculons ` a partir
dun z
i
= quelconque (il en existe un!), un chemin (inclus dans

(i )) le long duquel tous les z

j
correspondants sont diff erents de . Comme ce chemin est de longueur arbitrairement longue, on nit
n ecessairement par d ecrire un circuit
15
.
Corollaire 41. Toute valeur propre non nulle est le poids moyen dun circuit.
D emonstration. Dans la construction du circuit de la d emonstration du Corollaire 40, on peut toujours
choisir le pr ed ecesseur j dun nud k quelconque du circuit de telle sorte que A
kj
z
j
= z
k
(
16
). Supposons
sans perte de g en eralit e que le circuit construit est
1 2

2 3
. . .
p 1
). Alors
A
21
z
1
= z
2
, A
32
z
2
= z
3
, . . . , A
1p
z
p
= z
1
,
et aucun des z
j
ci-dessus nest nul. En multipliant ces p equations membre ` a membre entre elles et en
simpliant par

z
i
, on obtient

p
= A
1p
A
32
A
21
=
1
p
(A
1p
+ + A
32
+ A
21
)
dans les notations ordinaires. La valeur est donc la moyenne (arithm etique dans le cadre de lalg` ebre
ordinaire, g eom etrique dans le cadre de R
max
) des poids des arcs du circuit.
Lemme 42. Toute valeur propre non nulle est sup erieure ou egal au poids moyen de tous les circuits des
composantes connexes du graphe associ e sur lesquelles le vecteur propre correspondant est non nul.
D emonstration. On a vu (Corollaire 37) que sur une composante connexe du graphe, les coordonn ees
de z sont toutes nulles ou non nulles simultan ement. Sur toute composante connexe o` u les z
i
sont non
nulles et le long de tout circuit de cette composante connexe comportant des arcs g en eriques
i j
, on peut
enchaner les in egalit es A
j i
z
i
z
j
; on multiplie ` a nouveau ces in egalit es entre elles et le r esultat est
etabli.
15
Le nud i initial nappartient pas n ecessairement ` a ce circuit.
16
il suft de prendre un j qui r ealise larg max dans max

(A
k
+ z

)
36
Th eor` eme 43. Pour une matrice irr eductible, il ne peut exister quune unique valeur propre egale au
poids moyen maximum des circuits du graphe.
D emonstration. Il suft de rassembler les r esultats du Lemme 42 et des Corollaires 41 et 38.
8.3.3. Existence dun vecteur propre associ e.
Cas dune matrice A irr eductible. Jusqu` a maintenant, on sest efforc e de caract eriser les valeurs
propres en supposant quelles existaient. Il faut maintenant montrer leur existence en exhibant un vecteur
propre associ e. Pour cela, on va dabord proc eder ` a une normalisation qui consiste ` a soustraire (au sens
habituel) au poids de chaque arc la valeur propre qui est egal, dans le cas irr eductible (voir Th eor` eme 43)
au poids moyen maximum. Autrement dit, on consid` ere l equation (22) sous la forme
Bz = z avec B
def
=
1
A .
Lemme 44. Tout circuit du graphe de B =
1
A est de poids inf erieur ou egal ` a e = 0.
D emonstration. Consid erons un circuit de B, par exemple
1 2
. . .
p1 p

p 1
de poids
B
1p
B
p, p1
B
21
=
p
A
1p
A
p, p1
A
21
.
Compte tenu de la valeur de , cette expression est inf erieure ou egale ` a 0.
Lemme 45. Si i appartient ` a un circuit de poids maximal e de B, alors
_
B
+
_
i i
= e.
D emonstration. Cela r esulte dune part de linterpr etation de
_
B
+
_
i i
comme poids maximumdes chemins
de longueur quelconque allant de i ` a i (donc des circuits), dautre part du fait que pour B tous les circuits
sont de poids inf erieur ou egal ` a e, et quil y a justement un circuit de longueur e passant par i .
Th eor` eme 46. Si i appartient ` a un circuit de poids maximal e de B, la colonne
_
B
+
_
i
est un vecteur
propre de A.
D emonstration. En effet, comme B

= e B
+
(e matrice identit e), les colonnes correspondantes de B

et B
+
ne diff` erent en g en eral que par l el ement diagonal. Mais si
_
B
+
_
i i
= e alors (B

)
i i
= e
_
B
+
_
i i
=
_
B
+
_
i i
et donc (B

)
i
=
_
B
+
_
i
.
Par ailleurs, comme B
+
= BB

, cela se traduit pour une colonne i quelconque par

_
B
+
_
i
= B (B

)
i
mais si i est tel que (B

)
i
=
_
B
+
_
i
, alors
_
B
+
_
i
= B
_
B
+
_
i
, ce qui traduit le fait que
_
B
+
_
i
est vecteur
propre de B pour la valeur propre e, donc de A pour la valeur propre .
Cas dune matrice non irr eductible. On ne cherchera pas ici ` a traiter du cas g en eral mais seulement ` a
donner une id ee de ce qui se passe dans le cas de deux composantes fortement connexes. Moyennant une
renum erotation des nud du graphe, on peut mettre A sous forme bloc-triangulaire (voir aussi Figure 19).
L equation (22) se r e ecrit alors par blocs sous la forme
A
11
z
1
= z
1
, A
21
z
1
A
22
z
2
= z
2
. (23)
Par ailleurs, on notera
1
, resp.
2
, la valeur propre (unique) de la matrice irr eductible A
11
, resp. A
22
, et
z
1
, resp. z
2
, un vecteur propre associ e.
Lemme 47. La valeur propre
2
de A
22
est toujours valeur propre de A.
D emonstration. Il suft dobserver que dans les equations (23), le vecteur (, z
2
) (en colonne) convient
toujours comme vecteur propre de A pour la valeur propre
2
.
Lemme 48. La valeur propre
1
de A
11
est valeur propre de A si
1

2
.
37
D emonstration. Remarquons dabord que dapr` es le Corollaire 41, une valeur propre de A ne peut etre
egale qu` a
1
ou
2
. Si (z
1
, z
2
) (en colonne) est un vecteur propre de A pour la valeur propre
1
, alors on
voit que z
1
est un vecteur propre de A
11
(on le notera donc z
1
). Quant ` a z
2
, il doit etre solution de
z
2
=

1
1
(A
22
z
2
A
21
z
1
) ,
z
1
etant donn e. La plus petite solution de cette equation implicite en z
2
fait intervenir la matrice
_

1
1
A
22
_

.
Celle-ci explose si

1
1
A
22
comporte des circuits de poids positif (et tous ses el ements explosent car elle
est irr eductible), cest-` a-dire pr ecis ement si
1
nest pas sup erieure ou egal au plus grand poids moyen des
circuits dans A
22
, poids moyen qui est pr ecis ement egal ` a
2
: alors la plus petite solution de l equation
en z
2
est innie. Dans le cas contraire, au moins une solution z
2
peut etre exhib ee, venant compl eter tout
vecteur propre z
1
de A
11
pour former un vecteur propre de A pour la valeur propre
1
.
En r esum e,
_

1
<
2
une seule valeur propre
2
pour A ;

1
=
2
une valeur propre
1
=
2
pour A ;

1
>
2
deux valeurs propres
1
et
2
pour A.
Une interpr etation de ce r esultat en termes concrets est la suivante. Les deux composantes connexes
repr esentent deux ateliers. Celui de lamont alimente celui de laval. Le fonctionnement ind ependant
des deux ateliers est caract eris e par leur d ebit 1/
i
(car
i
repr esente le temps s eparant deux sorties
successives de produits en fonctionnement p eriodique etabli). Si latelier aval est le plus lent (
1
<
2
),
la seule vitesse compatible pour lensemble est cette vitesse la plus lente. Si latelier amont est le plus
lent, la vitesse 1/
1
est compatible avec le fonctionnement densemble. Mais on a dit que
2
est aussi
valeur propre pour le vecteur propre (en colonne) (, z
2
). Ce sinterpr` ete comme suit : latelier amont
a accumul e un stock inni en amont de latelier aval (car repr esente lentr ee la moins contraignante
pour latelier aval) en fonctionnant ` a lavance : dans ces conditions (un peu articielles!), la vitesse
1/
2
devient compatible avec le fonctionnement densemble.
8.4. Structure de lensemble des vecteurs propres. On se limitera ` a nouveau ici ` a une matrice A
irr eductible, bien que certains des r esultats sappliquent aussi au cas non irr eductible, ` a condition de se
limiter ` a la plus grande valeur propre. On travaillera ` a nouveau avec la matrice normalis ee B =
1
A
dont tous les circuits sont de poids inf erieur ou egal ` a e.
8.4.1. Graphe critique. Il sagit du sous-graphe de B compos e des nuds et des arcs qui appartiennent
` a au moins un circuit de poids egal ` a e, cest-` a-dire, en revenant aux poids de la matrice A originale, ` a
un circuit r ealisant le maximum des poids moyens (circuit dit critique).
Lemme 49. Tout circuit du graphe critique est critique.
D emonstration. Consid erons un circuit du graphe critique, par exemple
i j

j k

k i
sur la Figure 29. Tout
i
j
k
Figure 29. Un graphe critique
38
arc de ce circuit appartient ` a un circuit critique et on a repr esent e en gris le reste de ces circuits critiques
(dont on se souviendra que le poids total est e). Alors, ou bien le circuit noir est de poids sup erieur ` a e,
mais ceci est impossible, ou bien il est inf erieur ` a e, mais dans ce cas cest le circuit constitu e par tous
les arcs gris qui serait de poids sup erieur ` a e la somme (au sens ordinaire) valant e ce qui est tout
aussi impossible, donc le poids du circuit noir est exactement e.
On notera que, bien que lon ait suppos e le graphe initial fortement connexe (matrice A irr eductible), le
graphe critique na pas de raison d etre fortement connexe.
8.4.2. D ependance et ind ependance lin eaire des vecteurs propres. On a vu pr ec edemment que si i est
un nud du graphe critique, alors la colonne
_
B
+
_
i
est un vecteur propre.
Lemme 50. Si i et j appartiennent ` a la m eme composante fortement connexe du graphe critique, alors
_
B
+
_
i
et
_
B
+
_
j
sont proportionnels.
D emonstration. Si i et j sont dans la m eme composante fortement connexe du graphe critique, alors un
circuit du graphe critique passe par i et j et ce circuit est critique. Donc
_
B
+
_
i j
_
B
+
_
j i
= e. Par ailleurs,
comme dune mani` ere g en erale B
+
B
+
= B
2
B
3
B
+
, pour tout k,
_
B
+
_
kj
_
B
+
_
j i

_
B
+
_
ki
=
_
B
+
_
ki
_
B
+
_
i j
_
B
+
_
j i
. ,, .
e
=
_
B
+
_
ki
_
B
+
_
i j
. ,, .
B
+
B
+
B
+
_
B
+
_
j i

_
B
+
_
kj
_
B
+
_
j i
,
et l egalit e des termes extr emes implique l egalit e des deux premiers termes, vraie pour tout k, et donc les
vecteurs colonnes
_
B
+
_
j
et
_
B
+
_
i
sont proportionnels, le coefcient de proportionnalit e etant
_
B
+
_
j i
.
On peut montrer le r esultat r eciproque : si deux colonnes de B
+
correspondent ` a des nuds du graphe
critique nappartenant pas ` a la m eme composante fortement connexe de ce graphe, elles ne sont pas
proportionnelles. Nous nous contenterons ici de lexemple de la Figure 30. Comme ici B
2
= B, alors
1 2
1 2
1
3
3 3
graphe de prcdence de
graphe
critique
A =

3 1
3 3

, = 3
B =
1
A =

e 2
e e

Figure 30
B
+
= B et les deux colonnes de B sont des vecteurs propres car les nuds 1 et 2 sont chacun sur un
circuit critique (dailleurs B
2
= B exprime justement que les deux colonnes de B sont des vecteurs
propres pour la valeur propre e). Il est clair que ces deux colonnes ne sont pas proportionnelles.
Lemme 51. Tout vecteur propre est une combinaison lin eaire de colonnes de B
+
correspondant ` a des
nuds du graphe critique.
D emonstration. Remarquons dabord que dapr` es le Lemme 50, il suft de garder dans la combinaison
lin eaire un seul nud par composante fortement connexe du graphe critique effectivement repr esent ee.
Pour prouver le r esultat ci-dessus, on observe dabord que si z est vecteur propre de B pour la valeur
propre e, on voit tr` es simplement quil est aussi vecteur propre de B
+
pour cette valeur propre, et donc
z = B
+
z, ce qui montre que z est effectivement combinaison lin eaire des colonnes de B
+
. Il sagit
ensuite de montrer quon peut se limiter ` a des colonnes indic ees par des nuds du graphe critique. Nous
admettrons ce r esultat.
39
En conclusion, pour une matrice irr eductible, on peut dire que les vecteurs propres sont tous engendr es
par des combinaisons lin eaires de vecteurs en nombre egal au nombre de composantes fortement connexes
du graphe critique
17
.
8.5. It er ees A
k
dune matrice irr eductible. P eriodicit e de la r eponse impulsionnelle.
8.5.1. Convergence de A
k
et cyclicit e. On se restreint ` a nouveau au cas dune matrice irr eductible de
valeur propre unique . Si on part, pour l equation (21), dune condition initiale x(0) egale ` a un vecteur
propre z, on est imm ediatement dans un r egime p eriodique : x(k) =
k
x(0), i.e., avec larithm etique
traditionnelle, i , x
i
(k) = x
i
(0)+k. Mais que se passe-t-il si onpart dune conditioninitiale quelconque?
On va enoncer (sans d emonstration) un r esultat qui montre que, apr` es un r egime transitoire, on entre ` a
nouveau dans un r egime p eriodique (non unique mais de cadence moyenne toujours d enie par ).
Ceci d ecoule du fait que x(k) = A
k
x(0) et du r esultat suivant sur A
k
, enonc e sans d emonstration (voir
[4]).
Th eor` eme 52. Pour une matrice irr eductible A de valeur propre , il existe deux entiers K et c tels que
k K , A
k+c
=
c
A
k
.
Lentier c est appel e cyclicit e de A. On va donner une formule permettant de l evaluer. Auparavant,
on notera que, dans larithm etique traditionnelle, la propri et e ci-dessus signie que, apr` es un r egime
transitoire de longueur K, le r egime devient p eriodique en ce sens que
i , x
i
(k +c) = x
i
(k) +c .
On a donc toujours en moyenne un ev enement toutes les unit es de temps, mais la moyenne ne s etablit
quen observant des paquets de c ev enements cons ecutifs.
Du point de vue math ematique, lorsque le r egime transitoire est termin e, il est clair que chaque x(k)
est devenu un vecteur propre de A
c
pour la valeur propre
c
. On notera que A
c
nest pas forc ement
irr eductible, m eme si A lest. Des r esultats plus pr ecis sur les projecteurs spectraux sont disponibles
(fa con dont toute condition initiale x(0) est attir ee par un certain r egime p eriodique).
Le calcul de c se fait de la fa con suivante. On consid` ere le graphe critique de A. Dans chacune de ses
composantes fortement connexes, on consid` ere le p.g.c.d. des longueurs des circuits (tous critiques). La
cyclicit e c est egale au p.p.c.m. de tous ces nombres (un par composante).
Exercice 53. Pour la matrice
_
_
_
_
_
_
e 1
e e
e 1
1 e
e
_
_
_
_
_
_
,
dessiner le graphe, evaluer , dessiner le graphe critique, evaluer c, v erier la p eriodicit e de A
k
, trouver
les vecteurs propres ind ependants.
8.5.2.
`
A propos du r egime transitoire. En ce qui concerne la longueur du transitoire d etermin ee par K,
il nest pas possible de donner une estimation. M eme pour un tr` es petit syst` eme, le transitoire peut etre
arbitrairement long. Consid erons la matrice
_
1
e e
_
17
On evite de parler de dimension du sous-espace propre, ou dind ependance lin eaire de vecteurs dans la
mesure o` u ces questions nont pas et e abord ees ici.
40
o` u est un tr` es petit nombre positif (ce qui signie que e est valeur propre, la boucle
2 2
etant le circuit
critique, mais la boucle
1 1
est presque critique). On a c = 1 (le graphe critique est r eduit ` a une boucle)
et on doit donc avoir A
k+1
= A
k
apr` es un transitoire. On montre facilement que
_
1
e e
_
n
=
_
max(n, 1) 1
e e
_
,
le second membre etant ecrit dans larithm etique ordinaire. On voit que le r egime stationnaire est atteint
quand n 1, i.e. n 1/ qui est dautant plus grand que est proche de e = 0.
Cet exemple pathologique sugg` ere quune simulation sur ordinateur dun syst` eme ` a ev enements dis-
crets peut mettre un temps arbitrairement long ` a fournir des evaluations correctes du taux de production
alors que le calcul alg ebrique fournissant le m eme renseignement peut etre tr` es simple.
Cette situation nest nalement pas tr` es diff erente de celle des syst` emes lin eaires continus. Con-
sid erons un syst` eme dynamique lin eaire d ecrit par un syst` eme diff erentiel ordinaire dx(t )/dt = Ax(t )
de dimension 2 et supposons que A ait deux valeurs propres r eelles n egatives
1
et
2
. Toute solution
est de la forme exp(
1
t )x
1
+exp(
2
t )x
2
o` u x
1
et x
2
sont les composantes de la condition initiale sur les
sous-espaces propres associ es aux deux valeurs propres. Si
1
>>
2
, au bout dun temps tr` es court,
on ne verra plus que le mode associ e ` a
1
(sauf le cas num eriquement instable o` u x
1
= 0). Par
contre, si
2
est tr` es proche de
1
, les deux modes propres superpos es resteront visibles assez longtemps.
8.5.3. P eriodicit e de la r eponse impulsionnelle. On a vu par l equation (13) que CA
i
B est le terme
g en eral de la r eponse impulsionnelle d` es que i > 0, ou si lon pr ef` ere le coefcient de
i
dans lexpression
de la matrice de transfert (voir (17)). Le Th eor` eme 52 montre que la r eponse impulsionnelle dun syst` eme
dont la matrice A est irr eductible
18
a egalement un comportement p eriodique au del` a dun transitoire.
Cependant, comme le montre lexercice suivant, si la repr esentation interne nest pas minimale, il se
peut que la cyclicit e constat ee sur la r eponse impulsionnelle soit inf erieure ` a celle apparaissant sur la
matrice A.
Exercice 54.

Ecrire les equations en dateurs pour le RdP de la Figure 31. Montrer que la matrice A
x
1
x
y
u
2
Figure 31
obtenue est de cyclicit e 2. Calculer la fonction de transfert. Montrer que la cyclicit e qui apparat sur
cette fonction de transfert est egale ` a 1. Dessiner un RdP plus simple qui a la m eme fonction de transfert.
8.6.
`
A propos des algorithmes de calcul de valeurs propres. Nous ne faisons ici qu evoquer cette
question. Le calcul du poids moyen maximum (en fait, minimum) dun circuit a et e consid er e par
R.M. Karp
19
qui propose un algorithme efcace. Dautres possibilit es d ecoulent de certaines propri et es
rencontr ees pr ec edemment. La premi` ere consiste tout simplement ` a enum erer les circuits du graphe et ` a
calculer leur poids moyen. Ceci nest evidemment praticable que pour des petits graphes. Le calcul des
puissances successives de la matrice associ ee jusqu` a apparition de la cyclicit e est une autre possibilit e.
18
on verra plus loin que cette propri et e peut etre vue comme une notion de stabilit e
19
Richard M. Karp. A characterization of the minimum cycle mean in a digraph. Discrete Mathematics,
23:309311, 1978.
41

Egalement, le calcul de la matrice de transfert et son d eveloppement en fait aussi apparatre la propri et e
de cyclicit e, et donc permet l evaluation de la valeur propre.
Pour les vecteurs propres, on a vu quils sont donn es par certaines colonnes de
_

1
A
_
+
(celles o` u
l el ement diagonal vaut e). Dans le calcul de cette matrice, on peut sarr eter ` a la puissance n 1 de

1
A (A etant une matrice n n), car, au del` a, les chemins sont de longueur sup erieure ou egal ` a n, ils
comportent donc obligatoirement des circuits, tous de poids inf erieur ou egal ` a e, et donc dont le poids
ne peut plus augmenter par rapport ` a des chemins de longueur inf erieure.
Une fa con efcace de calculer B

pour une matrice B donn ee est de prendre les carr es successifs de

(e B) : au bout de k fois, on a calcul e
(e B)
2
k
= e B B
2
k
.
On a vu que dans le cas qui nous int eresse, il suft que 2
k
n 1 donc k est de lordre de log(n).
8.7. Valeurs propres g en eralis ees. Nous avons etudi e des syst` emes autonomes obtenus par rebouclage
de lentr ee sur la sortie. On a vu quen partant dun graphe d ev enements quelconque, on obtient
dabord un syst` eme dynamique de la forme (9)(10) que lon transforme, apr` es un certain nombre de
manipulations, en la forme (12). Lintroduction dun feedback de la forme (20) oblige encore a des
manipulations pour revenir ` a la forme (21) caract eris ee par un retard unitaire, ce qui veut dire que le RdP
correspondant est tel que toute place comporte un et un seul jeton. Les places jouant le r ole des arcs, on
peut dire que les poids moyens des circuits sont obtenus en divisant la somme (au sens habituel), le long
de ces circuits, des temporisations dans les places (qui jouent le r ole des poids des arcs) par le nombre
total de jetons le long de ces m emes circuits. On va voir quen effet, pour un graphe d ev enements plus
g en eral comportant de 0 ` a a jetons par place, ce quil faut utiliser au d enominateur de la fraction donnant
le poids moyen des circuits, cest bien le nombre total de jetons, et non pas le nombre darcs, de ces
circuits.
On consid` ere donc encore un graphe d ev enements mod elisant un syst` eme dynamique autonome
(obtenu par bouclage des transitions dentr ee sur les transitions de sortie
20
) qui conduit aux equations
g en erales
x(k) = A(0)x(k) A(1)x(k 1) A(a)x(k a) . (24)
On suppose que A(0) ne contient pas de circuit an quil y ait existence et unicit e de la solution de (24)
dans R
n
max
. On peut donc dabord se ramener ` a la forme explicite
x(k) = (A(0))

(A(1)x(k 1) A(a)x(k a)) , (25)

puis ` a la forme markovienne
(k) = A(k 1) (26)
(cf. (21)) avec
(k) =
_
_
_
_
_
x(k a +1)
x(k a +2)
.
.
.
x(k)
_
_
_
_
_
et A =
_
_
_
_
_
_
_
_
e . . .
e
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. e
(A(0))

A(a) . . . . . . . . . (A(0))

A(1)
_
_
_
_
_
_
_
_
.
Pour une matrice polyn omiale A( ) (voir (18)), la valeur propre g en eralis ee est un nombre (diff erent
de et +) tel quil existe un vecteur z non trivial (non identique ` a ou ` a +), appel e vecteur propre
g en eralis e qui soit solution de l equation
z = A(
1
)z . (27)
20
le graphe ne comporte plus alors de source ni de puits
42
Ici,
1
doit etre compris au sens du diode, cest-` a-dire que cest en notations habituelles. Autrement
dit, z est vecteur propre de A(
1
) pour la valeur propre e.
Th eor` eme 55. Il est equivalent de dire que
(1) est valeur propre g en eralis ee de la matrice polyn omiale associ ee ` a (24) ;
(2) est valeur propre g en eralis ee de la matrice polyn omiale associ ee ` a (25) ;
(3) est valeur propre g en eralis ee de la matrice polyn omiale associ ee ` a (26) ;
(4) est valeur propre ordinaire de la matrice A.
D emonstration. L equivalence de (3) et (4) est evidente. Celle de (1) et (2) lest aussi compte tenu de
lhypoth` ese faite sur A(0). Montrons l equivalence de (2) et (4). Si est vecteur propre de Apour la valeur
propre , dapr` es la forme de la matrice A et en partitionnant en sous-vecteurs de fa con consistante
avec la partition de A en blocs, on voit facilement, en exploitant les a 1 premi` eres equations par blocs,
que
i
=
i a

a
, i = 1, . . . , a 1. Alors, en posant z =
a
, on arrive avec la derni` ere equation par blocs,
` a la conclusion (2). R eciproquement, partant de (2) et posant
a
= z et
i
=
i a

a
, i = 1, . . . , a 1,
on montre facilement (4).
Consid erons maintenant (27) qui signie que e est valeur propre au sens habituel de la matrice
num erique A(
1
). Alors e = 0 est le poids moyen dun circuit du graphe de pr ec edence associ e
` a cette matrice, et donc ce circuit est aussi de poids 0. Supposons, sans perte de g en eralit e, que ce circuit
est
1 2
. . .
p1 p

p 1
. Pour tout arc
j j +1
, il existe au moins un entier i ( j ) tel que
_
A(
1
)
_
j +1, j
=
i ( j )
(A(i ( j )))
j +1, j
.
Le poids du circuit est donc (avec la convention p +1 1)
e = 0 =
p

j =1

i ( j )
(A(i ( j )))
j +1, j
=
p

j =1
(A(i ( j )))
j +1, j

_
p

j =1
i ( j )
_
,
et donc
=

p
j =1
(A(i ( j )))
j +1, j

p
j =1
i ( j )
.
Au num erateur, on a la somme (au sens habituel) des temporisations sur les arcs du circuit, et au
d enominateur, il sagit de la somme des jetons sur ces m emes arcs dans la mesure o` u la matrice A(i )
repr esente la partie du graphe d ev enements constitu ee des arcs portant i jetons exactement. Cest
donc cette r` egle qui sera appliqu ee ` a lavenir pour un graphe d ev enements avec un marquage initial
quelconque.
9. Stabilisation par feedback et optimisation de ressources
9.1. Stabilisation par feedback. La notion de stabilit e dun syst` eme r ecurrent comme (25) ou (21)
ne peut correspondre, comme en th eorie des syst` emes classiques, au fait que la sortie tend vers z ero,
puisque les trajectoires sont monotones non d ecroissantes. Une notion appropri ee de stabilit e est que
toutes les transitions du graphe d ev enements marchent en moyenne ` a la m eme vitesse apr` es un
transitoire, ce qui evite par exemple laccumulation de produits ` a lint erieur dun atelier exible. Une
condition sufsante pour quune telle propri et e soit r ealis ee est que le graphe correspondant soit fortement
connexe, puisqualors il y a unicit e de la valeur propre qui xe la vitesse moyenne de toutes les transitions.
Un graphe d ev enements se pr esente dabord en boucle ouverte : les entr ees sont les transitions-
source o` u il faut amener les jetons de lext erieur (les mati` eres premi` eres, les pi` eces ` a usiner, les palettes
portant ces pi` eces, etc.) ; les sorties sont les transitions-puits (la sortie des pi` eces usin ees, etc.). Les
circuits internes de ce syst` eme en boucle ouverte correspondent, comme on la vu, ` a des ressources
recyclables (les machines par exemple).
Pour essayer dobtenir un graphe fortement connexe, donc un syst` eme stable, on reboucle les entr ees
sur les sorties (on nintroduit de nouvelles pi` eces, ou on recycle des palettes, que lorsque des pi` eces
43
sont sorties id ee de production ` a la demande). Les notions de commandabilit e structurelle et
dobservabilit e structurelle d enies ci-dessous permettent dassurer quil existe un rebouclage qui rend
effectivement le graphe fortement connexe.
On dit quun syst` eme est structurellement commandable si pour toute transition interne, il existe dans
le graphe un chemin dau moins une entr ee vers cette transition.
On dit quun syst` eme est structurellement observable si de toute transition interne, il existe dans le
graphe un chemin vers au moins une sortie.
Lemme 56. Si un syst` eme est structurellement commandable et observable, son graphe peut etre rendu
fortement connexe par rebouclage, et donc le syst` eme est stabilisable.
D emonstration. En effet, pour deux transitions internes x
1
et x
2
, il existe des transitions dentr ee u
1
, u
2
,
et de sortie y
1
, y
2
, telles que les chemins u
i
x
i
y
i
existent pour i = 1, 2. On constitue un circuit
passant par x
1
et x
2
en bouclant u
2
sur y
1
et u
1
sur y
2
.
9.2. Pr eservation de la vitesse intrins` eque du syst` eme. Par bouclage, on a cr e e de nouveaux circuits
par rapport ` a ceux qui existaient initialement (ceux des machines par exemple) et on risque davoir
ralenti le syst` eme : le maximum des poids moyens des circuits na pu quaugmenter avec lapparition de
nouveaux circuits.
Dans un atelier exible, la machine qui a le circuit de poids maximum (total des temps dusinage
le long de ce circuit) constitue le goulot d etranglement du syst` eme et cest elle qui xe la cadence la
plus rapide possible de production de latelier. Mais si apr` es rebouclage son circuit nest plus critique,
cela signie quelle est inactive une partie du temps, et latelier ne fonctionne pas ` a son maximum. On
va voir que dans certaines conditions, on peut stabiliser le syst` eme sans d egrader sa performance, ce
qui constituera un analogue dun r esultat classique en Automatique (th eor` eme de placement de p oles
par feedback dynamique pour un syst` eme commandable et observable), sauf quici la valeur propre du
syst` eme boucl e ne peut etre plac ee nimporte o` u a priori, mais seulement sur la demi-droite [
0
, +[,
0
etant la plus grande valeur propre du syst` eme avant rebouclage.
En effet, si, apr` es rebouclage, un circuit critique s etablit avec un poids moyen sup erieur au poids
moyen maximum des circuits du syst` eme en boucle ouverte, cest que ce circuit a et e nouvellement cr e e
par les arcs de rebouclage, et donc il emprunte au moins un tel arc de rebouclage. Si sur cet arc on a la
possibilit e dajouter autant de jetons que lon veut dans le marquage initial sans faire augmenter dans les
m emes proportions la temporisation de cet arc, alors le ratio (temporisation totale du circuit/nombre de
jetons du circuit) va forc ement diminuer jusqu` a cesser de r ealiser le maximum parmi tous les circuits.
Le circuit critique se reforme alors ailleurs. Si un nouvel arc de rebouclage est en cause, et si on peut
r ep eter lop eration avec ce nouvel arc, on continue ainsi jusqu` a ce que le circuit critique nemprunte plus
darc de rebouclage : alors le r esultat recherch e est atteint car le circuit ultimement critique correspond
` a un circuit pr eexistant dans le syst` eme en boule ouverte.
9.2.1. Application ` a un owshop. Dans un owshop, les pi` eces descendent latelier, cest-` a-dire
quelles visitent les machines toutes dans le m eme ordre (mais elles peuvent sauter certaines machines).
Les arcs repr esentant les pi` eces peuvent donc etre dessin es verticalement et de haut en bas (entr ee en
haut, sortie en bas). Les circuits des machines sont repr esent es horizontalement. Pour pouvoir dessiner
un tel graphe, il faut dabord xer lordre de passage des pi` eces sur les machines (ordonnancement).
Supposons quapr` es rebouclage du syst` eme, un circuit critique se forme, et que ce circuit nest pas
purement horizontal : donc ce nest pas celui de la machine la plus lente. Puisque ce circuit a au moins
un arc vertical, il en a au moins deux, car sil descend, il doit remonter. Or les seuls arcs remontant
sont ceux des arcs de recyclage des palettes : rajouter des jetons sur ces arcs revient ` a mettre plus de
palettes en service ` a lentr ee du syst` eme ` a linstant initial.
On vient donc de d emontrer que quel que soit lordre de passage des pi` eces sur les machines que
lon a choisi a priori, il est toujours possible de saturer la machine la plus lente en mettant assez de
palettes en service. Il sagit l` a dun r esultat dind ependance de la vitesse de latelier par rapport ` a
44
lordonnancement : m eme avec un mauvais ordonnancement (on dira plus loin en quel sens), latelier
peut fonctionner ` a sa vitesse maximale pourvu quil y ait assez den cours, i.e. de pi` eces en cours
dusinage, pi` eces port ees par les palettes.
9.2.2. Application ` a un jobshop. La diff erence avec le cas du owshop tient au fait quici les pi` eces
peuvent visiter les machines dans des ordres diff erents. Par cons equent, il peut exister des circuits
empruntant des arcs verticaux m eme avant rebouclage : donc la machine la plus lente peut tr` es bien ne
pas etre satur ee. Cette situation d epend en g en eral de lordonnancement choisi : elle peut se produire
avec certains ordonnancements mais pas avec dautres.
Pour pouvoir saturer la machine la plus lente malgr e tout, il faut eventuellement pouvoir rajouter des
jetons sur des arcs verticaux donc obligatoirement des arcs correspondant ` a des palettes mais qui ne
sont pas forc ement des arcs de rebouclage : cela peut correspondre ` a rajouter des palettes qui ` a linstant
initial se trouveront entre deux machines, et non plus ` a lentr ee de latelier, et donc au milieu du processus
de fabrication (pi` eces ` a moiti e usin ees). Si ceci est praticable, alors le r esultat pr ec edent (possibilit e de
saturer la machine la plus lente ind ependamment de lordonnancement choisi) s etend au cas du jobshop.
9.3. Optimisation de ressources. On vient donc de voir que dans un syst` eme structurellement com-
mandable et observable, on peut toujours pr eserver la vitesse intrins` eque du syst` eme en boucle ouverte,
tout en le stabilisant, par simple ajout de jetons sur les arcs de feedback (donc en introduisant des retards
dans les equations feedback dynamique). Cependant, on souhaiterait obtenir ce r esultat au moindre
co ut. Par exemple, dans un atelier, il est souhaitable de diminuer les en-cours pour diverses raisons
economiques et pratiques (diminution des immobilisations, de lencombrement du r eseau de transport
interne et des aires de stockage, co ut des palettes elles-m emes, etc.).
Le probl` eme est donc de mettre en service le moins de moyens possible (minimisation dune fonction
co ut repr esentant la somme des valeurs immobilis ees dans le processus de fabrication) tout en atteignant
la performance de vitesse souhait ee (contrainte, celle impos ee par le circuit-machine critique si le nombre
de machines est d ej` a x e sinon, ce nombre est aussi une ressource ` a optimiser).
On peut formuler ce probl` eme comme un programme lin eaire en nombres entiers
21
. Contentons nous
ici de faire remarquer que lapproche progressive par en dessous d ecrite pr ec edemment (on part avec
un minimumde jetons au moins un par circuit et on ajoute progressivement des jetons pour casser
les circuits critiques g enants qui ne permettent pas de satisfaire la contrainte) est une fa con heuristique
de chercher une solution ` a ce probl` eme.
Finalement, on doit r ealiser que la valeur optimale du seuil, en nombres de jetons du marquage initial,
qui permet de saturer la machine la plus lente dans un atelier exible, d epend de la forme du graphe
qui d epend elle-m eme de lordonnancement du passage des pi` eces sur les machines choisi a priori. Si
comme on la vu, en particulier pour un owshop, quel que soit lordonnancement, la performance
optimale peut etre atteinte ` a condition dy mettre les moyens, la quantit e de moyens n ecessaire d epend
elle de lordonnancement : cest cela qui distingue un bon dun mauvais ordonnancement. Loptimisation
de lordonnancement de ce point de vue est une question difcile pour laquelle la visualisation des circuits
critiques peut apporter une certaine aide dans une approche heuristique.
9.4. Exemples.
9.4.1. Un jobshop. On consid` ere un jobshop avec deux machines 1 et 2 et deux types de pi` eces A et B.
Les pi` eces de type A doivent passer dabord sur la machine 2 puis sur la machine 1, tandis que les pi` eces
de type B passent dans lordre sur la machine 1 puis 2. Les temps dusinage sont donn es par la table
suivante :
A B
1 4 7
2 6 3
21
S. Gaubert a montr e comment le calcul formel sur des s eries en plusieurs ind etermin ees permet darriver de
fa con efcace ` a la formulation de ce programme en nombres entiers ; voir : S. Gaubert. Th eorie Lin eaire des
Syst` emes dans les Diodes. Th` ese,

Ecole des Mines de Paris, Paris, 1992.
45
La machine la plus lente est donc la machine 1 qui met 11 unit es de temps ` a traiter une s equence de
base contre 9 pour la machine 2. On consid` ere alors quatre situations dordonnancement d ecrites par
les Figures 32abcd. Les temporisations sont indiqu ees en chiffres dans les places. Les transitions
4
3
7
6
7
3 6 4
1B 1A
2A
2B
4
3
7
6
7
3 6 4
1B 1A
2A
2B
4
7
6
7
3 6 4
1B 1A
2A
2B
4
3
7
6
7
3 6 4
1B 1A
2A
2B
(a) (b)
(c) (d)
3
Figure 32
repr esentent les ev enements d ebuts dusinage. Les arcs en pointill es correspondent aux arcs de recy-
clage des palettes et ils portent le marquage initial repr esentant les palettes dans leur position initiale.
La position des jetons sur les circuits verticaux des palettes montrent bien que les pi` eces de type A
commencent par la machine 2 tandis que les pi` eces de type B commencent par la machine 1.
(a) Lordonnancement sur la machine 1 est AB et il est BA sur la machine 2. Autrement dit, la
machine 1 commence sa s equence de base avec une pi` ece de type A tandis que la machine 2
commence avec une pi` ece de type B, ce qui est re et e par la position des jetons sur les circuits
horizontaux des machines. Cette situation correspond ` a un deadlock visualis e par le circuit gris
sans jeton sur la Figure 32a. La machine 1 attend une pi` ece A qui voudrait dabord passer sur la
machine 2 qui attend dabord une pi` ece de type B qui voudrait dabord passer sur la machine 1.
(b) Lordonnancement sur les machines 1 et 2 est AB. Le circuit critique est le circuit gris sur la
Figure 32b avec un poids moyen de 20. Pour abaisser ce poids moyen au dessous de 11, il faut
rajouter un second jeton, mais le circuit ne comporte aucun arc de recyclage (arcs en pointill es).
Il faut donc pouvoir d emarrer avec une pi` ece en cours dusinage (soit un jeton entre 2A et 1A
correspondant ` a une palette suppl ementaire de type A d ej` a pass ee sur la machine 2, soit un
jeton entre 1B et 2B correspondant ` a une palette suppl ementaire de type B d ej` a pass ee sur la
machine 1). Il faut donc au total 3 palettes pour saturer la machine la plus lente.
(c) Lordonnancement sur les machines 1 et 2 est BA. Le circuit critique est le circuit gris sur la
Figure 32c avec un poids moyen de 20. La situation appelle les m emes observations que dans le
cas pr ec edent.
(d) Lordonnancement sur la machine 1 est BA et il est AB sur la machine 2. Le circuit critique
est le circuit gris sur la Figure 32b avec un poids moyen de 11. La performance optimale est
46
donc atteinte dans ce cas avec une seule palette de chaque type.
9.4.2. La technique du kanban. Cet exemple est propos e par S. Gaubert
22
et il correspond ` a la stabil-
isation dun syst` eme par feedback selon une technique dorigine japonaise appel ee kanban (qui veut
dire etiquette en Japonais). Consid erons le RdP de la Figure 33a qui repr esente un atelier compos e
(a) (b)
Figure 33
de deux cellules en s erie. La cellule amont contient une seule machine traitant une pi` ece en 2 unit es
de temps. Les pi` eces transitent dans un four de capacit e innie o` u elles doivent s ejourner pendant au
moins 4 unit es de temps avant de pouvoir etre trait ees par la seconde cellule qui comporte deux machines
identiques capables de travailler en parall` ele. Le temps dusinage dans la seconde cellule est de 5 unit es
de temps. Dans cette conguration, le circuit amont est de poids moyen 2 tandis que le circuit aval est de
poids moyen 2,5. La cellule amont etant plus rapide, les pi` eces vont avoir tendance ` a saccumuler dans
le four, inutilement.
Pour eviter ce ph enom` ene et stabiliser le syst` eme, on installe un tableau ` a lentr ee de la premi` ere
cellule avec des etiquettes. Toute pi` ece qui entre est etiquet ee. Cette etiquette accompagne la pi` ece
jusqu` a lentr ee de la seconde cellule : lorsquune pi` ece est admise dans cette cellule, l etiquette est
enlev ee et remise sur le tableau de la premi` ere cellule. Aucune pi` ece ne peut etre admise dans latelier
sans quune etiquette soit disponible sur le tableau. Cette situation est repr esent ee par la Figure 33b. Le
nouveau graphe est fortement connexe donc le syst` eme est stable. Mais il faut au moins 3 kanbans pour
que le circuit nouvellement cr e e ne soit pas critique et que latelier ne soit pas ralenti. Ainsi, il ny aura
jamais plus de 3 pi` eces simultan ement dans le four.
Exercice 57.

Ecrire pour les syst` emes avant et apr` es bouclage les equations aux dateurs et calculer les
fonctions de transfert de lentr ee ` a la sortie de latelier dans le cas o` u n kanbans sont disponibles. Discuter
en fonction de n.
10. Repr esentation des graphes d ev enements temporis es dans un domaine 2D
Nous avons vu quil y a deux repr esentations possibles des graphes d ev enements temporis es, les
dateurs (domaine ev enementiel) et les compteurs (domaine temporel), qui conduisent toutes deux ` a une
repr esentation lin eaire, mais dans des alg` ebres diff erentes (Z
max
ou Z
min
). Les compteurs sont grosso
22
travaux dirig es du cours
47
modo les fonctions inverses de applications dateurs k t (k) qui sont monotones non d ecroissantes
23
.
Cette op eration dinversion est evidemment non lin eaire, le miracle etant quil existe pourtant un con-
texte o` u les repr esentations restent lin eaires toutes les deux. Fondamentalement, cette inversion nest
envisageable que parce que les fonctions manipul ees sont monotones. On peut dire quen dehors du
changement de lalg` ebre lin eaire habituelle en lalg` ebre des diodes, une autre originalit e marquante de
cette nouvelle th eorie des syst` emes par rapport ` a la th eorie classique est le fait que lon ne sint eresse
qu` a des trajectoires monotones.
Puisque lon est en pr esence de deux repr esentations, on peut se demander laquelle est pr ef erable,
ou sil est indiff erent de manipuler lune ou lautre. On va voir au travers de diverses consid erations
quaucune de ces deux repr esentations nest totalement satisfaisante, et nous evoluerons alors vers une
repr esentation dans un domaine bi-dimensionnel (on dira 2D) qui est en fait le produit cart esien des
domaines ev enementiel et temporel.
10.1. Une comparaison des repr esentations dateurs et compteurs.
10.1.1. Monotonie des trajectoires. La propri et e de monotonie nest pas une propri et e naturelle des
solutions d equations lin eaires r ecurrentes dans les diodes, m eme pour des entr ees monotones. Con-
sid erons par exemple le RdP de la Figure 34. Les equations r ecurrentes en dateurs et en compteurs sont
24
y x u
Figure 34
y(k) = 2y(k 2) u(k) ; y(t ) = 2y(t 2) u(t ) .
Pour lentr ee
u(k) =
_
si k < 0 ,
e si k 0 ,
on peut v erier que la sortie
y(k) =
_
k +1 si k est pair,
k 1 si k est impair,
est bien solution, ce qui donne
k . . . 2 1 0 1 2 . . .
y(k) . . . 1 2 1 0 3 . . .
qui nest effectivement pas monotone. La m eme constatation pourrait evidemment aussi etre faite en
compteurs.
La fonction de transfert du syst` eme en dateurs est (2 )

= e 2
2
4
4
. . . et donc la r eponse
impulsionnelle est e, , 2, , 4, , . . . (
25
) qui nest pas monotone non plus. Par ailleurs, lorsque nous
avons parl e de r eponse impulsionnelle au 6.1.4, nous avons admis (sans trop insister!) que limpulsion
23
Nous ne serons pas plus pr ecis ici mais il faudrait examiner attentivement comment on l` eve, dans la d enition
des fonctions inverses, les difcult es dues au fait que ces applications ne sont pas strictement croissantes (plusieurs
ev enements peuvent se produire simultan ement) et quelles sont moralement discontinues (i.e. on peut avoir
t (k +1) > t (k) +1).
24
On rappelle que les fonctions dateurs ou compteurs sont not ees avec le m eme symbole qui est celui de la
transition ` a laquelle elles sont attach ees. Seul largument not e k, respectivement t , permet de savoir de quoi on
parle. On rappelle aussi que le symbole na pas le m eme sens dans les deux contextes.
25
puisque les coefcients des mon omes ,
3
, etc. sont egaux ` a
48
` a 0, qui correspond ` a placer une innit e de jetons ` a linstant 0 sur lentr ee
26
, avait e pour transform ee
en (
27
). Or e = 0
0

2
. . . ne correspond pas une fois de plus ` a une suite monotone.
Dailleurs, si une innit e de jetons sont arriv es ` a 0, on devrait avoir pour transform ee en de cette suite
d ev enements 0
0
0 0
2
=

. Il va donc nous falloir expliquer pourquoi, en un certain

sens, e =

.
Exercice 58. Calculer (2 )

(qui serait la r eponse impulsionnelle du syst` eme de la Figure 34 si

limpulsion etait cod ee

). La suite des coefcients des mon omes en est-elle monotone pour cette
suite?
10.1.2. Simplications. Consid erons la situation de la Figure 35a. On peut ecrire, en dateurs, que
u
y
u
y
(a) (b) u
y
u
y
Figure 35
y(k) = 2u(k 1) 1u(k 1) = (2 1)u(k 1) = 2u(k 1) ,
ce qui r esulte ` a la fois de lalg` ebre Z
max
et de lintuition du fonctionnement de ce RdP. Mais alors, il
faudrait, en compteurs, que
y(t ) = 1u(t 2) 1u(t 1) = 1(u(t 2) u(t 1)) = 1u(t 2) ,
ce qui ne devient clair que si lon se sert du fait que u(t 2) u(t 1) puisque t u(t ) est non
d ecroissante, et du fait que veut dire min pour les compteurs
28
. En transform ee en et en , on en
d eduit les r` egles
t
k

k
= max(t, )
k
, k
t
k

= k
max(t,)
. (28)
Si lon consid` ere maintenant le cas de la Figure 35b, on a
y(t ) = 2u(t 1) 1u(t 1) = (2 1)u(t 1) = 1u(t 1) ,
ce qui r esulte ` a la fois de lalg` ebre Z
min
et de lintuition du fonctionnement. Il faut donc que
y(k) = 1u(k 2) 1u(k 1) = 1(u(k 2) u(k 1)) = 1u(k 1) ,
ce qui sexplique ici encore par le fait que k u(k) est non d ecroissante, donc u(k 1) u(k 2),
mais quici signie max. On en d eduit donc les r` egles
k
t

t
= min(k, )
t
, t
k
t

= t
min(k,)
. (29)
Si on d ecidait de noter
k

t
les mon omes t
k
et k
t
, alors les r` egles (28) et (29) se r esumeraient ` a

=
min(k,)
,
t

=
max(t,)
. (30)
26
rappelons que le premier jeton, ou la premi` ere activation de la transition u, est num erot e 0
27
et si U( ) = e, alors on a bien Y( ) = H( )U( ) = H( ), donc on obtient bien le codage H( ) pour la
sortie correspondant ` a lentr ee impulsionnelle
28
Dans le contexte des compteurs, du fait que lordre du diode Z
min
est invers e par rapport ` a lordre habituel, il
faut pr eciser par rapport ` a quel ordre nous parlons de croissance : il sagit bien s ur de lordre naturel ici. Cest
pour eviter cette difcult e de langage que nous dirons souvent monotone, en dateurs comme en compteurs, en
laissant le lecteur y mettre un sens plus pr ecis en fonction du contexte.
49
10.1.3. Ordre du syst` eme. Consid erons ` a nouveau le RdP de la Figure 34 mais avec un seul b atonnet
dans la boucle au lieu de deux. Alors les equations seraient
y(k) = 1y(k 2) u(k) , y(t ) = 2y(t 1) u(t ) .
Ce syst` eme est dordre 2 (
29
) dans sa repr esentation en dateurs, et seulement dordre 1 dans sa repr esen-
tation en compteurs.

Evidemment, nous aurions abouti ` a la conclusion inverse si nous avions suppos e
quil y avait un seul jeton et deux b atonnets dans la boucle.
Cependant, on observera que pour le syst` eme autonome (i.e. quand lentr ee est non contraignante),
un ecart de t se traduit de toute fa con par un ecart k = 2 t , et donc, m eme si apparemment il
faut 2 fois plus de mots m emoire pour simuler le syst` eme en dateurs quil nen faut en compteurs, en
nombre de bits, les mots peuvent etre deux fois plus courts en dateurs quen compteurs pour assurer
une simulation comportant le m eme nombre d ev enements. La complexit e du syst` eme, compt ee en
nombre de bits plut ot quen nombre de mots m emoire, est donc la m eme dans les deux cas. Mais il y a
une certaine dissym etrie dans les repr esentations, ce que nous chercherons ` a eviter avec la repr esentation
2D.
10.1.4. Histoire de circulation de jetons. Consid erons maintenant le RdP de la Figure 36a. Ind epen-
(a) avant (b) aprs
u u

1

2
y y
x
1
x
2
Figure 36. Avant et apr` es activation de la transition x
1
damment de larriv ee de jetons par u, le RdP peut passer ` a la situation de la Figure 36b par activation
de la transition x
1
. Nous avons renomm e les variables internes puisque cette activation a affect e les
compteurs d ev enements internes et que nous allons remettre en equations le syst` eme apr` es activation en
repartant de conditions initiales canoniques. Par contre, les variables externes u et y restent les m emes
puisquaucun jeton nest entr e ou sorti. Les equations avant et apr` es activation de la transition x
1
sont
Avant Apr` es
x
1
(k) = 1x
1
(k 1) x
2
(k 1) ,
1
(k) = 1
1
(k 1)
2
(k) ,
x
2
(k) = x
1
(k) u(k) ,
2
(k) =
1
(k 1) u(k) ,
y(k) = x
2
(k) , y(k) =
2
(k) .
Apr` es quelques manipulations simples laiss ees en exercice, on parvient ` a la forme d etat
Avant
_
x
1
(k)
x
2
(k)
_
=
_
1 e
1 e
__
x
1
(k 1)
x
2
(k 1)
_

e
_
u(k) , y(k) =
_
e
_
_
x
1
(k)
x
2
(k)
_
,
Apr` es
_

1
(k)

2
(k)
_
=
_
1
e
__

1
(k 1)

2
(k 1)
_

_
e
e
_
u(k) , y(k) =
_
e
_
_

1
(k)

2
(k)
_
.
29
ramen e ` a une forme d etat (12), il faut un x(k) de dimension 2
50
Exercice 59. En utilisant les deux r` egles de simplication pour les mon omes en donn ees en (28) et
(29), montrer que la fonction de transfert correspondant aux deux s eries d equations ci-dessus est la
m eme et quelle est egale ` a e (1 )

.
On en d eduit donc que lon est en pr esence de deux r ealisations internes de la m eme fonction de
transfert. Cette situation est classique en th eorie des syst` emes, et, dhabitude, il existe un changement
de base qui fait passer dun vecteur d etat (x) ` a lautre ().

Ecrivons les deux r ealisations sous la forme
x(k) = Ax(k 1) Bu(k) , y(k) = Cx(k) ,
(k) = A(k 1) Bu(k) , y(k) = C(k) .
Dans le cas pr ecis, on se convainc assez facilement quun tel changement de base nexiste pas. En effet,
soit T lhypoth etique matrice 2 2 inversible telle que x = T. Alors, on devrait avoir les relations
A = T AT
1
, B = T B , C = CT
1
.
Ceci impliquait par exemple, dans le cas consid er e ici,
_
B = T B
_

__

e
_
=
_
T
11
T
12
T
21
T
22
__
e
e
__
premi` ere ligne
===={T
11
T
12
= } {T
11
= T
12
= } ,
ce qui est incompatible avec le fait que T est inversible.
En fait, en fonction de linterpr etation physique de la situation, il est clair que la relation ` a laquelle on
sattend entre x et est
_

1
(k)

2
(k)
_
=
_
x
1
(k +1)
x
2
(k)
_
.
Cest pourquoi il est difcile de trouver un changement de base statique. Cependant, si nous avions
adopt e une repr esentation en compteurs, la m eme relation se serait ecrite
_
x
1
(t )
x
2
(t )
_
=
_
1
1
(t )

2
(t )
_
,
et donc la matrice de changement de base serait alors
x(t ) = S(t ) avec S =
_
1
e
_
.
Exercice 60.

Ecrire les equations en compteurs des deux RdP de la Figure 36. Les mettre sous forme
d etat. Montrer que le changement de base ci-dessus permet effectivement de passer des matrices A, B, C
aux matrices A, B, C avec par exemple A = S
1
AS.
Lexplication est simple. En compteurs, les jetons du marquage initial interviennent dans la
d etermination des coefcients des matrices, alors quils interviennent dans les retards pour les equations
en dateurs. Dans ces conditions, en compteurs, lactivation dune transition interne, pr elevant un je-
ton sur chaque place amont, diminue de 1 les coefcients correspondants de la matrice A (graphe de
pr ec edence interne) et de B (graphe de transition entre les entr ees et les transitions internes)
30
. Ces
coefcients sont rang es dans la ligne correspondant ` a cette transition. Matriciellement, cela se traduit
par une pr e-multiplication par une matrice diagonale qui dans notre cas est bien la matrice
S
1
=
_
1
e
_
.
De plus, les places aval de la transition voient leur marquage augmenter de 1, ce qui affecte la colonne
correspondante de A et C, ceci etant obtenu matriciellement par une post-multiplication par la matrice
inverse de la pr ec edente.
30
Ceci nest evidemment possible que si cette diminution de 1 nentrane pas une valeur n egative, ce qui suppose
quil y avait bien au d epart des jetons dans les places amont de la transition activ ee.
51
Alors, faut-il en conclure que lon a trouv e enn un bon argument pour pr ef erer la repr esentation en
compteurs ` a celle en dateurs? Eh bien non! Lexercice suivant explique pourquoi.
Exercice 61. Pour un graphe d ev enements temporis e, montrer que si lon supprime un b atonnet dans
toute place en amont dune transition interne donn ee (` a supposer que ce soit possible) et quon rajoute un
b atonnet sur toute place en aval de la m eme transition, la relation entr ee-sortie (exprim ee par la fonction
de transfert) ne change pas. Montrer que les equations d etat en dateurs avant et apr` es avoir r ealis e cette
op eration sont reli ees par un changement de base alors que ce ne sera pas en g en eral le cas en compteurs.
10.2. Filtrage des trajectoires monotones.
10.2.1. Th eorie. La propri et e de monotonie dune trajectoire de dateur d(k) ou de compteur c(t ) se
traduit par
k Z , {d(k) d(k 1)} {d(k) = d(k) d(k 1)} ,
t Z , {c(t ) c(t 1)} {c(t 1) = c(t 1) c(t )} .
On se souviendra en effet que lordre naturel de diode est invers e entre Z
max
et Z
min
. En passant aux
transform ees en et en , on obtient donc, comme caract erisation de cette propri et e,
{D( ) = D( ) D( )} {D( ) =

D( )} , (31)
_
C() = C()
1
C()
_

_
C() =
_

1
_

C()
_
. (32)
La d emonstration de ces equivalences est laiss ee en exercice.
Th eor` eme 62. On consid` ere le diode Z
max
[[ ]] des s eries formelles en ` a coefcients dans Z
max
et ` a
exposants dans Z muni de laddition et de la multiplication habituelle des s eries formelles.
(1) Le sous-ensemble, not e

Z
max
[[ ]], des el ements de la forme

D( ) est un diode d el ements

neutres pour laddition et

pour la multiplication
31
. Ce diode sera aussi not e D[[ ]].
(2) Dans Z
max
[[ ]], la relation
{D
1
( ) R D
2
( )} {

D
1
( ) =

D
2
( )}
est une relation d equivalence compatible avec la structure de diode (et donc le quotient
Z
max
[[ ]]/R est aussi un diode).
(3) Toute classe d equivalence i.e. tout el ement de Z
max
[[ ]]/Rcontient un et un seul el ement de
D[[ ]] qui est de plus laborne sup erieure de laclasse. Cet el ement est lameilleure approximation
par dessus de tout el ement de la classe par un el ement de D[[ ]], cest-` a-dire le plus petit el ement
de D[[ ]] sup erieur ou egal ` a D( ), pour un el ement quelconque D( ) de la classe
32
.
(4) Les diodes Z
max
[[ ]]/R et D[[ ]] sont isomorphes.
D emonstration.
(1) Le sous-ensemble

Z
max
[[ ]] est stable par addition et par multiplication (i.e. la somme et le
produit de deux el ements du sous-ensemble appartiennent aussi au sous-ensemble). L el ement e
nappartient pas ` a ce sous-ensemble. Par contre, puisque

, alors

est l el ement
neutre (forc ement unique) de la multiplication pour les el ements du sous-ensemble.
(2) Le fait que R soit une relation d equivalence est imm ediat. La compatibilit e de R avec laddition
du diode signie que la classe d equivalence de D
1
D
2
ne d epend que de la classe de D
1
et
de celle de D
2
, et non pas de ces deux repr esentants particuliers. Ceci r esulte de la distributivit e
de la multiplication par rapport ` a laddition. Pour la multiplication, gr ace ` a la commutativit e
qui est tr` es importante ici, et ` a lassociativit e, on a

(D
1
D
2
) = (

D
1
) D
2
= D
1
(

D
2
), ce
qui montre que, l` a aussi, la classe d equivalence du produit de deux el ements ne d epend que de
31
Nous ne disons pas que cest un sous-diode de Z
max
[[ ]] car il nadmet pas e comme el ement neutre.
32
On aurait donc pu aussi d enir la relation d equivalence en disant que deux el ements sont equivalents sils ont
la m eme meilleure approximation par dessus dans D[[ ]].
52
leurs classes d equivalence respectives. On peut donc d enir sans ambigut e une addition et une
multiplication pour la structure quotient qui devient elle aussi un diode.
(3) Il est clair que pour tout el ement D, l el ement

D est dans la m eme classe d equivalence, quil

appartient ` a D[[ ]], et quil est sup erieur ou egal ` a D puisque

e. Soit D

un autre el ement
tel que D

x et D

D[[ ]], donc D

pour un certain D

. Alors

D, mais

= D

donc D

D.
(4) Il y a donc une correspondence biunivoque entre une classe d equivalence (un el ement de
Z
max
[[ ]]) et son unique repr esentant dans D[[ ]] (quon peut appeler repr esentant canonique).
Il est clair que cette correspondence est un isomorphisme de diode puisquajouter ou multiplier
deux classes peut se faire en additionnant ou en multipliant leurs repr esentants canoniques.
Il doit maintenant etre clair que le v eritable diode des transform ees en des dateurs est le diode D[[ ]]
et non pas Z
max
[[ ]]. Ceci dit, pratiquement, quand nous faisons des calculs, nous manipulons des s eries
formelles en , donc des el ements de Z
max
[[ ]]. Mais il faut garder ` a lesprit que ce faisant, nous parlons
en fait de la meilleure approximation non d ecroissante de l el ement manipul e. Comme on vient de le
voir, une classe d equivalence peut avoir plusieurs repr esentants
33
, et donc on peut formellement faire
des calculs diff erents qui veulent dire la m eme chose dans D[[ ]]. Par exemple, on vient de voir que
e est equivalent ` a

. Ceci constitue a posteriori la justication que larriv ee dune innit e de jetons ` a

linstant 0 puissent etre cod ee e alors que, mot pour mot, cette situation devrait etre cod ee

.
Exercice 63. Montrer que si
Y( ) =

kZ
y(k)
k
=

X( ) =

kZ
x(k)
k
_
,
alors
y(k) =

lk
x(l) = sup
lk
x(l) .
En d eduire, dans D[[ ]], les r` egles de simplication (28) et (29) (pour ce qui concerne les mon omes en ).
10.2.2. Interpr etation g eom etrique.

Etant donn e un el ement de X( ) =

kZ
x(k)
k
dans Z
max
[[ ]],
on lui associe lensemble des points (k, x(k)) dans le plan discret. Cet ensemble peut etre consid er e
comme le graphe de lapplication k x(k).

Etant donn e que x(k) est ` a valeurs dans Z
max
, laddition de
deux s eries correspond ` a prendre lenveloppe sup erieure des graphes correspondants. Une autre fa con
de proc eder est dassocier ` a X( ) lhypographe de lapplication k x(k), cest-` a-dire la partie du plan
discret qui se situe sous le graphe de lapplication, y compris le graphe lui-m eme (voir Figure 37). Cela
Figure 37. Hypographe
correspond ` a lid ee que si le mon ome x(k)
k
existe dans la s erie X( ), alors on ne change pas cette s erie
en lui rajoutant tout mon ome y
k
pour y x(k). Dans ces conditions, la somme de s eries se traduit
simplement par lunion des hypographes correspondants.
Exercice 64. Montrer que le produit de s eries correspond ` a la somme vectorielle des hypographes cor-
respondants.
33
Il ny a gu` ere que la classe de qui contient un seul el ement.
53
Finalement, le diode Z
max
[[ ]] est isomorphe au diode des hypographes (consid er es comme des parties
du plan discret) muni de lunion pour addition et de la somme vectorielle pour intersection. Si on se
place dans Z
2
= ZZ plut ot que dans ZZ (
34
), il faut consid erer que correspond ` a lensemble vide
et que correspond ` a tout le plan.
Exercice 65.
`
A quoi correspond e dans le diode des hypographes?
Examinons maintenant ` a quoi correspond le diode D[[ ]]. Puisquil est isomorphe ` a

Z
max
[[ ]],
regardons ` a quoi correspond un el ement g en erique

X. Cest le produit de X, associ e ` a un hypographe

du type de celui de la Figure 37, par

qui code la demi-droite horizontale issue de lorigine du

plan et s etendant vers la droite (cest-` a-dire la collection des points (0, 0), (0, 1), (0, 2), . . . ), ou plus
exactement lhypographe correspondant, cest-` a-dire le c one Sud-Est de sommet (0, 0). Alors, le
produit

X correspond ` a la somme vectorielle qui se traduit g eom etriquement par le fait daccrocher ` a
chaque point de lhypographe de X un c one Sud-Est
35
. Cette op eration est repr esent ee sur la Figure 38
o` u les nouveaux points rajout es par rapport ` a ceux de la Figure 37 sont gur es comme des carr es. Le
Figure 38. Meilleure approximation monotone par dessus
r esultat obtenu est bien le plus petit hypographe dune fonction monotone qui contient lhypographe de
X.
10.3. Passage ` a la repr esentation 2D. On vient de voir quen ltrant les el ements de Z
max
[[ ]] pour
ne garder que ceux qui pr esentent une propri et e de monotonie de leur trajectoire, on est arriv e ` a une
structure alg ebrique D[[ ]] o` u les r` egles de calcul sur les s eries formelles en se sont enrichies dune
r` egle de simplication suppl ementaire qui porte sur les exposants (la seconde des r` egles (29)) en plus de
celle naturelle sur les coefcients (la premi` ere des r` egles (28)). On soup conne quune situation analogue
devrait normalement se produire si nous partions initialement dune repr esentation en compteurs et des
transform ees en correspondantes, et si nous r ealisions un ltrage analogue des el ements monotones.
Ceci nous conduirait aux r` egles en dans (28)(29).
Exercice 66. Sachant que la propri et e de monotonie se caract erise par la propri et e (32), enoncer un
th eor` eme similaire au Th eor` eme 62 pour le diode Z
min
[[]].
Plut ot que de suivre cette voie, qui nous conduirait ` a nouveau ` a une situation o` u les domaines
ev enementiel et temporel sont trait es de fa con dissym etrique, nous allons essayer d evoluer vers la
repr esentation 2D o` u les op erateurs et sont trait es de fa con sym etrique.
10.3.1. Autre repr esentation de Z
max
. Consid erons lapplication
Z 2
Z
: x
_

_
si x = = ,
Z si x = = +,
{y Z | y x} sinon.
34
ce qui engendrerait des difcult es sur lesquelles nous ne souhaitons pas nous etendre ici
35
La somme vectorielle de deux sous-ensembles est en effet lunion des translat es de lun des sous-ensemble
par tous les points de lautre.
54
Cette application est un isomorphisme de diode entre Z
max
et lensemble des demi-droites de Zs etendant
vers , ensemble muni de lunion pour laddition et la somme vectorielle pour multiplication.
Exercice 67. Montrer que lensemble des demi-droites de Zs etendant vers muni des op erations in-
diqu ees est bien un diode et quil est bien isomorphe ` a Z
max
. Quel est l el ement neutre de la multiplication
dans ce diode de demi-droites.
Nous allons maintenant coder les sous-ensembles (quelconques) de points de Z par des s eries dune
variable formelle ` a coefcients bool eens et ` a exposants dans Z : on notera B le diode bool een {, e} et
B[[]] les s eries en . Le codage est r ealis e de la fa con suivante : ` a un sous-ensemble T de Z, on associe
la s erie telle que, pour tout t Z, le coefcient de
t
est egal ` a e si t T, et ` a sinon. En particulier ` a
est associ e la s erie identiquement nulle et ` a Z lui-m eme est associ ee la s erie

1
_

.
Exercice 68. Montrer que le diode des parties de Z muni de lunion et de la somme vectorielle est
isomorphe au diode B[[]] muni des op erations habituelles des s eries par le codage ci-dessus.
La derni` ere etape de notre construction consiste ` a trouver le diode inclus dans B[[ ]] qui correspond
au diode de demi-droites de lExercice 67. Pour cela, on remarque quune demi-droite s etendant vers
est un sous-ensemble de Z caract eris e par la propri et e que si on le translate dune unit e vers la
gauche, on obtient un nouveau sous-ensemble inclus dans le sous-ensemble de d epart. On remarque par
ailleurs (exercice) que lop eration de translation ci-dessus est traduite dans B[[ ]] par la multiplication
dun el ement (repr esentant une partie de Z) par
1
. Donc, par isomorphisme, limage C() dune
demi-droite dans B[[ ]] est caract eris ee par la propri et e (32).
Exercice 69. D eduire de tout ce qui pr ec` ede que Z
max
et
_

1
_

B[[]] sont deux diodes isomorphes. Quel

est l el ement neutre de la multiplication dans ce dernier diode?
10.3.2. Le diode #[[, ]]. Nous avons vu que le diode des dateurs est D[[ ]] =

Z
max
[[ ]] et que
Z
max
est isomorphe a
_

1
_

B[[]]. Donc D[[ ]] est isomorphe ` a

__

1
_

B[[]]
_
[[ ]] qui est lui-m eme
isomorphe ` a

1
_

B[[, ]]. Ce dernier diode est not e #[[, ]]. Pour aboutir ` a ce diode, nous
aurions pu partir de Z
min
[[]] que nous aurions quotient e par la relation d equivalence
_
C
1
() R

C
2
()
_

__

1
_

C
1
() =
_

1
_

C
2
()
_
(ltrage des trajectoires monotones) pour aboutir ` a un diode isomorphe ` a
_

1
_

Z
min
[[]]. Puis, en
remarquant que Z
min
est isomorphe ` a

B[[ ]] (par une construction analogue ` a celle du 10.3.1), nous

aurions obtenu un diode isomorphe ` a
_

1
_

B[[ ]]] [[]], lui-m eme isomorphe ` a #[[, ]].

Enn, nous aurions pu partir directement du diode B[[, ]] des s eries formelles en deux ind etermin ees
(, ) ` a coefcients dans B. Ce diode est isomorphe au diode des parties de Z
2
muni de lunion et de la
somme vectorielle comme addition et multiplication, respectivement
36
. Ensuite, en quotientant ce diode
par la relation d equivalence
_
X
1
(, ) R

X
2
(, )
_

1
_

X
1
(, ) =

1
_

X
2
(, )
_
,
on aurait encore abouti ` a un diode isomorphe ` a #[[, ]].
La multiplication par

1
_

dun el ement de B[[, ]] revient ` a accrocher ` a chaque point du

sous-ensemble qui est associ e ` a cet el ement (par lapplication inverse de celle recherch ee ` a lexercice de
la note 36 de bas de page) un c one Sud-Est, dans la mesure o` u

1
_

est le codage dun tel c one de

sommet (0, 0).
Exercice 70. Pour un el ement de B[[, ]], on appelle valuation en , resp. degr e en , le degr e minimum
en , resp. maximum en , des mon omes apparaissant dans cet el ement (i.e. avec un coefcient egal ` a
e). Ces valeurs peuvent etre egales ` a . Montrer que deux el ements de B[[, ]] repr esentant le m eme
el ement de #[[, ]] ont n ecessairement la m eme valuation en et le m eme degr e en , quon peut
donc appeler la valuation (en ) et le degr e (en ) de l el ement de #[[, ]]. En fait, les pr ecisions entre
36
Exercice. D enir lapplication des parties de Z
2
dans B[[, ]] qui repr esente cet isomorphisme.
55
parenth` eses ne sont pas n ecessaires car, a contrario, le degr e en et la valuation en sont des notions
sans int er et pour des el ements de #[[, ]]. Pourquoi?
Le diagramme commutatif de la Figure 39 r esume tous les cheminements que nous avons d ecrits
pour aboutir ` a #[[, ]]. Dans ce diode, on manipule des s eries formelles en (, ) ` a coefcients
Z
min
[[]]
B[[, ]] Z
max
[[ ]]
#[[, ]]

Figure 39. Plusieurs fa cons dobtenir #[[, ]]

bool eens et ` a exposants dans Z avec en plus des r` egles de calcul habituelles sur les s eries, les r` egles de
simplication (30).
Exercice 71. Montrer que dans #[[, ]], on a les egalit es

1
_

1
_

=
_

1
_

.
Revenons au RdP de la Figure 20. Les equations de ce RdP dans #[[, ]] s ecrivent
37
X
1
= X
2

3
U
1
,
X
2
= X
1
U
2
,
X
3
= X
1
X
2

2
X
3
,
Y = X
2

3
X
3
.
Exercice 72. Calculer pour ce RdP la matrice de transfert dans #[[, ]].
10.3.3. Interpr etation informationnelle des calculs dans #[[, ]]. Lorsquun dateur (i.e. une suite
d ev enements de m eme nature, comme les activations successives dune m eme transition) est cod e par
un el ement X(, ) de #[[, ]], si cet el ement contient le mon ome
k

t
avec le coefcient e, on peut
interpr eter ce fait comme un el ement dinformation qui s enonce :
l ev enement num erot e k a lieu au plus t ot ` a linstant t .
En effet, la repr esentation de X(, ) dans #[[, ]] par une s erie formelle de B[[, ]] nest pas
unique (puisque X(, ) ne d enit quune classe d equivalence dans le diode quotient B[[, ]]/R

#[[, ]]), et si le mon ome
k

t
est pr esent dans X, il se peut quil ne soit pas d eterminant dans la date
exacte de l ev enement k si il existe un autre mon ome

au Nord-Ouest du point (k, t ), i.e. tel que

k et t , ce que nous ecrirons (, ) (k, t ) .
Par contre, tout mon ome
l

au Sud-Est de
k

t
, i.e. tel que (l, ) (k, t ), ne sert ` a rien car on peut
le rajouter ` a X sans changer cet el ement en tant qu el ement de #[[, ]]. En Fran cais, cela revient
` a dire que linformation l ev enement num erot e l a lieu au plus t ot ` a linstant est plus faible que
linformation analogue donn ee par (k, t ) si l k et t . Le lecteur est invit e ` a y r e echir et ` a sen
convaincre!
On peut donc voir la somme X(, ) de mon omes comme une somme dinformations sur la trajectoire
du dateur x(k). Les r` egles de simplication dans lalg` ebre de #[[, ]] vise ` a eliminer les informations
37
nous ecrivons X pour X(, ) an dall eger les notations
56
inutiles. Ces informations sont v ehicul ees par les arcs (cest-` a-dire les places) du graphe d ev enements
qui op` erent des d ecalages : une place avec un marquage initial de a jetons et avec b b atonnets d ecale
linformation dune quantit e a en ce qui concerne les num eros d ev enements (domaine ev enementiel) et
dune quantit e b en ce qui concerne les dates (domaine temporel). Ceci est obtenu dans #[[, ]] par la
multiplication par le mon ome
a

b
. Enn, les transitions additionnent les informations v ehicul ees par
les arcs qui aboutissent ` a ces transitions (ou les recoupent) en op erant eventuellement les eliminations
des informations inutiles d ej` a evoqu ees.
11. Rationalit e, r ealisabilit e, p eriodicit e
Lun des r esultats fondamentaux de la th eorie des syst` emes lin eaires classiques est le suivant : une
condition n ecessaire et sufsante pour quune matrice de transfert soit r ealisable par un syst` eme lin eaire
stationnaire avec etat de dimension nie est que ce soit une matrice de transfert rationnelle, cest-` a-dire
dont les coefcients sont des fractions rationnelles de la variable s (op erateur symbolique de d erivation
en temps continu) ou z (op erateur symbolique davance en temps discret). Nous allons tr` es bri` evement
evoquer un r esultat analogue pour les matrices de transfert dans #[[, ]]. Cependant ici l equivalence
entre rationalit e et r ealisabilit e saccompagne dune autre equivalence avec la notion de p eriodicit e. En
effet, nous avons d ej` a vu au 8.5.3 que la r eponse impulsionnelle dun syst` eme lin eaire stationnaire de
dimension nie pr esente une propri et e de p eriodicit e. L equivalence de cette propri et e avec la rationalit e
cette derni` ere notion va etre d enie est ` a mettre en parall` ele avec le fait bien connu quun nombre
rationnel a un d eveloppement d ecimal p eriodique.
11.1. Rationalit e, causalit e. On dira quun el ement de #[[, ]] est rationnel sil lun de ces
repr esentants au moins peut etre obtenu par un nombre ni dop erations , et

` a partir de lensemble
{, e, , }. On dira quune matrice ` a coefcients dans #[[, ]] est rationnelle si tous ses coefcients
sont rationnels.
En fait, cette notion contient aussi une notion de causalit e dans la mesure o` u, par les op erations
autoris ees, on ne peut obtenir que des exposants non n egatifs de et . Mais, pour ce qui est des
exposants de , on peut obtenir dautres repr esentants dun el ement de #[[, ]] en multipliant lun
dentre eux par
_

1
_

. Par cons equent, on ne peut donner une d enition de la causalit e en parlant du

signe non n egatif des exposants en dun repr esentant quelconque dun el ement de #[[, ]]. On
v eriera que le fait quil existe un repr esentant ` a exposants uniquement non n egatifs peut etre caract eris e
par la d enition alternative suivante : on dira quun el ement X de #[[, ]] est causal sil est egal ` a
, ou si, dune part, sa valuation (en voir Exercice 70), not ee val X, est non n egative, et si, dautre
part, X
val X
pour lordre naturel de #[[, ]].
Exercice 73. Montrer que le sous-ensemble des el ements causaux de #[[, ]] est un sous-diode.
11.2. R ealisabilit e, polyn omialit e. On dira quun el ement de #[[, ]] est r ealisable sil existe un
graphe d ev enements mono-entr ee/mono-sortie dont cet el ement est la fonction de transfert, ou plus
pr ecis ement, sil existe trois matrices C, A, B ` a coefcients polyn omiaux et causaux dans #[[, ]]
telles que cet el ement puisse s ecrire CA

B.

Evidemment, pour que cette ecriture soit possible, il faut que
les dimensions (nies!) des trois matrices soient compatibles, en particulier que C soit une matrice-ligne
et que B soit une matrice-colonne. On ne perd rien ` a supposer que A est carr ee (il suft de compl eter C
ou B par des ).
Un el ement de #[[, ]] est polyn omial sil admet au moins un repr esentant polyn omial dans B[[, ]].
Ainsi e est polyn omial m eme si une autre repr esentation de e est la s erie

1
_

qui contient une innit e

de termes. Une autre caract erisation des el ements polyn omiaux de #[[, ]] est la suivante : un el ement
X est polyn omial sil est egal ` a ou si sa valuation (en ), not ee val X et son degr e (en voir Exercice 70),
not e deg X, sont tous les deux nis. On observera que
val X

deg X
X : en fait
val X

deg X
X est le plus
petit mon ome qui a cette propri et e. Un el ement de #[[, ]] est mon omial sil est egal ` a ou sil admet
un repr esentant mon omial. Une d enition equivalente revient ` a dire, si X = , que X est mon omial si
X =
val X

deg X
.
57
On dit quune matrice est r ealisable si elle est la matrice de transfert dun graphe d ev enements
(ayant donc un nombre dentr ees, resp. de sorties, egal au nombre de colonnes, resp. de lignes, de cette
matrice). Il revient au m eme de dire quune matrice est r ealisable si tous ses coefcients sont r ealisables.
En effet, la premi` ere d enition implique que chaque coefcient (i, j ) de la matrice est la fonction de
transfert de lentr ee u
j
vers la sortie y
i
lorsque lon met toutes les autres entr ees u
n
, n = j, egales ` a .
R eciproquement, si on sait r ealiser chaque coefcient (i, j ) de la matrice par un triplet
_
C
i j
, A
i j
, B
i j
_
,
alors on sait r ealiser la matrice sous la forme CA

B. Montrons le pour une matrice 2 2. Supposant

que chaque coefcient (i, j ) s ecrit C
i j
A

i j
B
i j
pour des matrices polyn omiales, on v erie que la matrice
2 2 s ecrit CA

B avec
C =
_
C
11
C
12

C
21
C
22
_
, A =
_
_
_
_
A
11

A
12

A
21

A
22
_
_
_
_
, B =
_
_
_
_
B
11

B
12
B
21

B
22
_
_
_
_
.

Evidemment, on ne pr etend pas que cette r ealisation est de taille minimale!

On peut donner une d enition apparemment beaucoup plus restrictive, mais en fait equivalente, de
la r ealisabilit e. On peut dire quune matrice est r ealisable si elle peut s ecrire C( A
1
A
2
)

B o` u les
quatre matrices C, A
1
, A
2
et B sont maintenant ` a coefcients bool eens.
11.3. P eriodicit e. On dira quun el ement de #[[, ]] est p eriodique sil peut s ecrire P QM

o` u
P et Q sont des polyn omes et M est un mon ome. Une matrice est p eriodique si tous ses coefcients sont
p eriodiques.
Une autre d enition de la p eriodicit e, apparemment plus restrictive mais en fait equivalente, est la
suivante : un el ement de #[[, ]] est p eriodique sil admet un repr esentant dans B[[, ]] qui peut
s ecrire
P (

)Q (
r

s
)

,
o` u , , r, s sont des entiers non n egatifs, et P et Q sont des polyn omes en (, ) ` a exposants positifs et
de degr e en (, ) inf erieur ou egal ` a ( 1, 1), resp. (r 1, s 1). Le polyn ome P repr esente
ici la partie transitoire de largeur ( 1) et de hauteur ( 1), tandis que le polyn ome Q repr esente le
motif p eriodique commen cant apr` es ce transitoire (` a cause de la translation par

), de largeur (r 1)
et de hauteur (s 1), r ep et e ind eniment selon la pente s/r (` a cause de la multiplication par (
r

s
)

).
La Figure 40 donne un exemple pour = 5, = 4, r = 4, s = 3.
0 5 10
5
10
Figure 40. Repr esentation de e
2

4
_
e
2

3

2
_ _

3
_

11.4. Th eor` eme fondamental. Nous pouvons maintenant enoncer (sans d emonstration cf. [4]) le
th eor` eme suivant.
Th eor` eme 74. Pour un el ement H de #[[, ]], ou pour une matrice H ` a coefcients dans #[[, ]],
les trois propositions suivantes sont equivalentes :
(1) H est rationnelle ;
58
(2) H est r ealisable ;
(3) H est p eriodique.
Lun des probl` emes ouverts ` a lheure actuelle est celui de la r ealisation minimale.
12. Dates au plus tard
Jusqu` a maintenant, on a suppos e que des dates dentr ee etaient donn ees aux transitions-source et que
lon cherchait ` a calculer les dates de sortie aux transitions-puits dans lhypoth` ese dun fonctionnement
au plus t ot. On peut se poser le probl` eme dual suivant : etant donn ees des dates d esir ees de sortie, quelles
sont les dates dentr ee au plus tard qui assurent le respect de ces objectifs (non pas exactement, mais
avec des dates de sortie inf erieures ou egales aux dates d esir ees donn ees)? Il sagit donc dune sorte de
probl` eme inverse, les donn ees etant fournies aux sorties et les r esultats recherch es concernant les entr ees.
Sur le cas de lexemple de la Figure 20, on etablit les equations r ecurrentes de ces dates au plus tard :
` a toute transition, pour calculer la date au plus tard dune activation num eot ee k, on doit consid erer
toutes les transitions en aval de celle-ci, et prendre parmi elles la date la plus contraignante, cest-` a-dire
la plus petite, en tenant compte en marche arri` ere des d ecalages habituels induits par les jetons du
marquage initial et des temporisations des places interm ediaires. Ceci donne le r esultat indiqu e sur la
Figure 41 en partant des sorties et en remontant jusquaux entr ees (on d esigne par x(k) la date au plus
tard dactivation de num ero dordre k de la transition nomm ee x). La forme matricielle est ecrite dans
x
3
x
2
x
1
u
y
1
u
2 x
3
(k) = min (x
3
(k +1) 2, y(k) 3)
x
2
(k) = min (x
1
(k +1), x
3
(k) 1, y(k +1))
x
1
(k) = min (x
2
(k) 1, x
3
(k))
u
1
(k) = x
1
(k) 3 , u
2
(k) = x
2
(k +1) 1
x(k) =x(k)

1
e 1

x(k +1)

e

2

y(k)

y(k +1)

u(k) =x(k)

x(k +1)

Figure 41. Dates au plus tard

Z
max
(et non pas Z
min
) gr ace ` a un changement de signe sur les deux membres des equations (formule
classique : max(a, b) = min(a, b)) et on a pos e :
x =
_
x
1
x
2
x
3
_
, y = y , u =
_
u
1
u
2
_
.
Noter aussi que lon utilise ici des vecteurs-ligne qui op` erent ` a gauche des matrices (qui sont exacte-
ment les m emes que celles qui interviennent dans les equations directes des dates au plus t ot). Le fait
dop erer ` a gauche provient du fait que lon remonte le graphe, cest-` a-dire que les dates dune transi-
tion sont maintenant calcul ees ` a partir des dates des transitions en aval. Les d ecalages en k sont aussi
r etrogrades : on remonte ` a la fois le graphe et les num eros d ev enements (sens r etrograde dans le domaine
ev enementiel). Ces equations sont tr` es analogues aux equations de l etat adjoint en th eorie classique
de la commande optimale. Observer aussi que les diff erences entre dates au plus t ot et dates au plus
tard (correspondant aux sorties impos ees obtenues lors du calcul au plus t ot) permettent de calculer des
marges : celles-ci qui sont nulles mettent en evidence les ev enements sur lesquels tout d elai accidentel
entranera un retard sur la sortie.