Beruflich Dokumente
Kultur Dokumente
Ferrif
2-Chanes de Markov
24/07/01
52
B.A. Ferrif
53
I-Introduction
La structure de chane de Markov modlise un type particulier de processus
stochastiques : les processus "sans mmoire" et pour lesquels les changements
d'tat se produisent des instants dtermins. Dans certaines situations o la
mmoire du pass intervient, le concept de processus de Markov sera tendu et
prcisera le niveau de mmoire ncessaire.
La dcouverte en est due Markov, qui la dgage dune tude statistique sur la
dpendance entre certaines lettres dun texte littraire [tude de lalternance des
voyelles et des consonnes dans "Eugne Oneguine" de Pouchkine], considr
pour loccasion comme suite de symboles. Il est intressant de penser quun
sicle plus tard, le modle et la problmatique sous-jacente sont utiliss avec
succs aussi bien dans des projets de haute technologie que dans la gestion des
organisations.
Cette structure se retrouve frquemment comme modle de phnomnes
naturels et les modles markoviens se rvlent trs efficaces dans de multiples
secteurs; en particulier :
dans les systmes assimilables des rseaux de files dattente, par exemple
dans le domaine des tlcommunications avec les rseaux commutation de
paquets ;
en vie artificielle, pour tudier lvolution dune population sous linfluence des
facteurs de mutation et de slection ;
24/07/01
B.A. Ferrif
54
II-Prrequis et Objectifs
Ce que vous devez au minimum matriser pour aborder de ce chapitre :
24/07/01
B.A. Ferrif
Ce que vous devez savoir faire la fin de cette leon :
24/07/01
55
56
B.A. Ferrif
) (
24/07/01
57
B.A. Ferrif
1-2-Analogie dterministe
1 4 Simulation
Ecrire un programme permettant de simuler une marche alatoire entre 2 bornes.
24/07/01
B.A. Ferrif
58
tout instant n, si le signal vaut A, 2A, 3A ou 4A, il peut soit rester constant, soit
augmenter de A, soit diminuer de A avec quiprobabilit.
tout instant n, si le signal vaut 0, il conserve la valeur 0.
tout instant n, si le signal vaut 5A, il conserve la valeur 5A.
1 6 Simulation
Ecrire un programme permettant de simuler une marche alatoire avec
absorption.
24/07/01
59
B.A. Ferrif
" ( m, n ) N 2 , " ( x, y ) E 2 , P ( X n +1 = y X n = x ) = P ( X m +1 = y X m = x ) .
Cette probabilit sera note pxy ; c'est donc la probabilit de passer de l'tat x
l'tat y en une seule transition, c'est--dire en une seule tape.
est indpendante de n.
( )
P = pxy
x , y E
On a :
- " ( x, y ) E 2 , pxy = P ( X n +1 = y X n = x ) 0
- "x E , pxy = 1 .
y E
12
24/07/01
1
2
0
1
2
1
2
1
2
0
60
B.A. Ferrif
1
2
0
1
2
1
1
2
1
2
1
2
1
2
0
1
2
0
0
1
2
0
0
1
0
0
0
0
0
0
0
1
0
3
0
5
1
4
0
0
0
1
6
0
3
4
0
1
3
1
3
0
0
0
0
0
0
0
1
1
5
0
3
4
0
0
0
1
3
0
1
4
0
0
1
3
0 0 0
1 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
1
0
0
5
0 0 0
1 - 11 - Exercice :
Ecrire les matrices de transition des exemples (1-3) et (1-5)
24/07/01
B.A. Ferrif
61
grand nombre de problmes. Pour entrer la matrice vous pouvez utiliser la palette
"basic input" du sous-menu "palette" du menu "File" ;
24/07/01
62
B.A. Ferrif
1/2
1/2
1
1/2
2
1/2
3
1/2
4
1/2
1/2
1/2
Graphe du processus
1- 14 - Exercice
Dessiner le graphe de la troisime chane.
1- 15 - Simulation
Simulation
1- 16 - Exercice
Ecrire les matrices de transition des exemples (1-3) et (1-5).
24/07/01
63
B.A. Ferrif
tapes.
( 0)
On pose par dfinition pxy
= d xy (=1 si x=y , 0 sinon).
(n )
est la probabilit conditionnelle d'atteindre y aprs n tapes
Autrement dit: pxy
partant de l'tat x.
Autrement dit : Cette probabilit est la probabilit de l'ensemble de tous les
chemins possibles d'origine x d'extrmit y et de longueur n dans l'espace des
tats.
2-2-Equations de Chapman-Kolmogorov
Proposition : Soit une chane de Markov homogne temps et tats discrets.
(n )
1- On a : "m, n N , "x, y E , pxy
= P Xm +n = y Xm = x
colonne y.
2- Si on pose :
( )
( )
(n )
(m )
P n = pxy
, P m = pxy
Kolmogorov
(p
(m +n )
xz
) = p
(m )
xy
y E
. pyz( n )
en dautres termes P m + n = P m .P n .
En effet la rgle de Bayes squentielle donne
24/07/01
64
B.A. Ferrif
"m, n N , "x, y E ,
(n )
pxy
= P Xm +n = y Xm = x =
x1 , x 2 ,.., x n-1
pxx1 .. px n-1 y
On a
"m, n N , "x, z E ,
(m ) (n )
pxz( m + n ) = pxy
pyz
y E
(m ) (n )
o pxy
pyz est la probabilit que, partant de ltat x, la processus atteigne ltat z en
m+n transitions par un chemin qui passe par ltat y la mme transition.
On en dduit la relation matricielle : P m + n = P m P n
(m ) (n )
P m + n = ( pxz( m + n ) ) = pxy
pxz et en particulier on a
y E
( )
( )
(n )
(m )
P n = pxy
, P m = pxy
et
( n ) (1)
pxz( n +1) = pxy
pyz
y E
2-3- Exercice
Pour chacun des processus de Markov dfinis ci-dessous, donner "i, j E , Pij( 3 )
12
1
2
0
1
2
1
2
1
2
0
4/07/02
65
B.A. Ferrif
1
2
0
1
2
1
1
2
1
2
1
2
1
2
0
1
2
2-4- Simulation
Ecrire un programme permettant d'obtenir les puissances successives, sous forme
boolenne, de la matrice d'adjacence de la matrice P d'une chane de Markov . La
puissance n-ime de la matrice d'adjacence est-elle gale la matrice d'adjacence
de la puissance n-ime de P ?
4/07/02
66
B.A. Ferrif
Posons px( n ) = P ( X n = x ) = PX n ( x ) ; on a :
py( n ) = P ( X n = y ) = PX n ( y ) =
p .p
x
(n )
xy
x N
avec "x E , px = P ( X 0 = x ) .
La formule prcdente s'obtient par simple application de la rgle de Bayes
( )
x , y E
et la loi
( )
x , y E
..
24/07/01
67
B.A. Ferrif
3-3- Test
Les chanes suivantes sont-elle irrductibles ?
i)
12
1
2
0
1
2
1
2
1
2
0
ii)
1
2
0
1
2
1
2
iii)
24/07/01
1
2
1
2
1
2
1
2
0
1
2
68
B.A. Ferrif
0
0
1
2
0
0
0 0
1 0
0 0
0 0
0
0
1
0 0
0 1
0 0
0 0
3
0
5
1
4
0
0
0
1
6
0
3
4
0
1
3
1
3
0 0
0
0
0
0
0
0
0
1
1
5
0
3
4
0
0
0
1
3
0
1
4
0
0 0 0
0 0 0
1 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
1
0
0 0
5
1
0 0 0
3-4- Simulation
Pour raliser automatiquement une partition de l'espace des tats en classes de
communication, on peut utiliser la fermeture transitive du graphe correspondant
la matrice d'adjacence. Ecrire un programme permettant de raliser cette
opration.
3-5- Remarque
La classification des tats laide des proprits des graphes nest strictement
quivalente la classification probabiliste que dans le cas des chanes de Markov
espace dtats fini.
P X n +1 C X n C = 1.
24/07/01
69
B.A. Ferrif
Combien de temps faudra-t-il pour que le processus soit absorb, tant donn
son tat initial?
Pour rpondre ces questions nous allons introduire les quantits suivantes:
4/07/02
70
B.A. Ferrif
bij = probabilit que le processus soit absorb dans j si son tat initial est i.
ni = 0 si i est absorbant,
o i est un tat non absorbant et S' l'ensemble de tous les tats non absorbants.
Supposons que la chane a un tat absorbant j, dsignons par i l'tat initial (i
diffrend de j) et par Ak l'vnement : le processus passe de i k lors de la
premire
transition.
On
E ( N i ) = E N i Ak P ( Ak ) = E ( N k ) + 1 . pik = 1 + E ( N k ). pik
k S
k S
k S
3-6-5 - Thorme - Soit j un tat absorbant et S' l'ensemble de tous les tats non
absorbants. Alors les probabilits bij (i S
) sont les solutions du systme
d'quations :
24/07/01
71
B.A. Ferrif
ik
k S
ik
.bkj + pij .1
k S
Plus gnralement :
( )
( X n )nN
i, j E
une chane de
Markov
t C = inf {n N , X n C}
( )
i, j E
p .u( j ) ;
ij
j E
u(i) = 1 si i A et u(i) = 0 si i B .
24/07/01
une chane de
. Dsignons par A et B
supposons A U B absorbant .
( X n )nN
72
B.A. Ferrif
3-7-3- Test
Un jeu!
Trois enfants sont placs chacun un sommet dun triangle quilatral. Toutes
les dix secondes (prises comme unit de temps), chacun, indpendamment des
deux autres, choisit de se rendre en lun des deux autres sommets (avec
quiprobabilit). Au bout de combien dunits de temps en moyenne les trois
enfants se retrouveront-ils au mme sommet ?
partant de i.
24/07/01
73
B.A. Ferrif
Posons :
f ij( 0 ) = 0 ,
Fij( n ) = f ij( k )
k =1
+
+
n =1
+
m j = n . f jj( n ) .
n =1
Il est clair que f kj est la probabilit que, partant de ltat k, le systme atteigne ltat j.
Il s'ensuit que fkj 1.
Quand fkj = 1, la suite
{f }
(n )
kj
(n )
>0 .
p( x ) > 1 o p( x ) = PGCD n pxx
4/07/02
74
B.A. Ferrif
Dans le cas contraire l'tat sera dit apriodique.
(n )
= 0 pour
Un tat x dans lequel aucun retour n'est possible (i.e pour lequel pxx
4-3- Remarque
La priodicit est un phnomne assez rare dans la pratique, et gnralement
lorsque cest le cas il apparat de manire vidente.
En effet le chemin
X 0 = x , X m = z , X m + p = u , X m + p + q = y reprsente une
24/07/01
75
B.A. Ferrif
naturels
et
tels
que
(n )
(m )
pxy
> 0 , pyx
>0
Ainsi
on
a :
(m + p +q )
pxz( m ) . pzz( p ) . pzx( q ) = a . pzz( m ) , (a > 0)
pxx
Prenant p=0, il apparat que m+q est ncessairement multiple de la priode p(x)
de x , ce qui entrane la nullit du terme de gauche pour tout p non multiple de
p(x); cela entrane que la priode p(y) de y est telle que p( y ) p( x ) . Par symtrie
on conclut l'galit de p(y) et p(x).
4-6- Exercice
Etudier la priodicit des tats de la chane dfinie dans l'exemple 1 :
4-7- Exercice
Etudier la priodicit des tats de la chane dfinie par la matrice de transition :
0 1 0
0 0 1
1 0 0
24/07/01
76
B.A. Ferrif
4-9- Exercice
Expliciter les classes priodiques de la chane (4-7).
ii)
(n )
ii
= + ,
n =1
iii)
P X n = i i.o X 0 = i = 1
24/07/01
77
B.A. Ferrif
i)
ii)
(n )
ii
< + ,
n =1
iii)
P X n = i i.o X 0 = i = 0
5-3- Remarques
a. Les tats transitoires sont donc rechercher parmi les tats i qui
possdent la proprit : Lim pii( n ) = 0 .
n +
"i E , pii( n ) = + et
n =1
n +
5-4- Exercices :
1-Montrer que les dfinitions (5-1) sont quivalentes :
i)
ii)
iii)
un tat non persistant est dit transitoire ; il sagit donc dun tat i qui
satisfait P T [ i ] = + > 0
2- Justifier les remarques (5-3).
24/07/01
78
B.A. Ferrif
5-5- Remarque
5-6- Martingale
Une chane de Markov de matrice de transition
(p )
ij i, j N
{ }
j .p
ij
j N
est gale i.
=i .
j N
5-7- Exercice
Supposons donne une chane de Markov finie dont l'ensemble des tats est
{0,1, 2,...,n} ; afin d'viter des trivialits, nous supposerons que cette chane ne
possde pas plus de deux sous-ensembles persistants. Supposons que cette
chane est une martingale.
Etudier les tats 0 et n .
Calculer Lim pi(0k) et Lim pin( k) et interprter ces limites.
k +
24/07/01
k +
79
B.A. Ferrif
5-9- Exercice :
Nature des tats de la chane :
ir
0
0
0
k0
p
r
0
0
0
0
p
r
0
0
e
e
e
1
0
0y
0
p
0
1{
volution ;
24/07/01
80
B.A. Ferrif
Posons
A={Le systme passe au moins n fois par l'tat j},
B={Le systme atteint l'tat j} , on a :
gij( n ) = P A X 0 = i
gij(1) = P B X 0 = i = Fij
On a :
Pour que le systme passe au moins deux fois par ltat j, il doit dans un premier
temps atteindre
rcurrence :
On a :
P ( N ii = n ) = gii( n -1) - gii( n )
P ( N ii = n ) = (1 - Fii ) Fiin -1
4/07/02
81
B.A. Ferrif
On a :
(
P (N
P (N
)
= m) = F ( F - F )
= m) = F (1 - F ) F
ij
ij
ij
m -1
jj
ij
m
jj
jj
m -1
jj
Il sensuit que :
1
.
1 - Fii
( )
Fij
.
1 - F jj
En rsum on a :
Proposition : On a
(
P (N
)
( )
= i) = 1 - f = 1 - F si
= r X0
ij
ij
r=0
E N j X 0 = i = n =1 pij( n )
Notons :
24/07/01
82
B.A. Ferrif
t c
t T R
c 0 C
On a :
0 si k c
P passage en j X1 = k = 1 si k = j
F si k j
kj
Soit :
"i, j t , Fij = pij +
k j , k t
rcurrents, on a
F jj =
1
(I - T ) -jj1
(I - T ) -ij1
Fij =
(I - T ) -jj1
24/07/01
83
B.A. Ferrif
Ti = N ij ; il sensuit :
j t
( )
E (Ti ) = E N ij = ( I - T ) ij = ( I - T ) i .U o :
j t
-1
-1
j t
-1
alors E (T ) = ( I - T ) .U .
5-12 - Problme :
Soit
( X n )nN
( )
i, j E
On pose
f kj = f kj( n ) ,
n =1
1- Montrer que :
24/07/01
84
B.A. Ferrif
2- Montrer que la chane ( X n ) n N est rcurrente si et seulement si Lim gii( n ) = 1.
n
6-Ergodicit
Nous avons prcis, au paragraphe 2, la notion de transition dordre suprieur
pour une chane de Markov
( X n )nN
( )
(n )
P n = pxy
6-1- Dfinition :
Nous dirons quune chane de Markov est ergodique si et seulement si la
(n )
limite "x, y E , Lim pxy
existe et est indpendante de ltat initial x . Comme cette
n
(n )
limite ne dpend que de ltat final y , nous la noterons Lim pxy
= py.
n
24/07/01
85
B.A. Ferrif
Ainsi une chane de Markov ergodique atteint aprs un grand nombre dtapes
une situation dquilibre statistique au sens suivant :
nous avons vu que la loi marginale PX n est dfinie pour tout y E par
(n )
py( n ) = P ( X n = y ) = PX n ( y ) = px . pxy
;
x E
x E
x E
car px =1.
x E
6-2- Remarques
(n )
Lorsque "y E , Lim pxy
= p y > 0 on prcise parfois que la chane de Markov
n
(n )
Lorsque "y E , Lim pxy
= p y = 0 on prcise parfois que la chane de Markov
n
24/07/01
86
B.A. Ferrif
6-4- Remarque
Il rsulte de ce qui prcde que si l'tat y est apriodique alors
soit
(n )
(n )
Lim pxy
= f xy m y-1 soit Lim pxy
= 0.
n
Si j est dans Cn alors fjk = 1 pour tout k dans Cn et f jk = 0 pour tout k extrieur
Cn.
24/07/01
87
B.A. Ferrif
{b }
ip
P Absorption par C p X1 = j = 0 si j C - C p
P Absorption par C p X1 = j = 1 si j C p
b jp si j T
Il s'ensuit :
b ip =
p + p .b
ij
j C p
ij
jp
j T
24/07/01
B.A. Ferrif
88
p1 j
b1 p
j C p
b
p2 j = ( I - T ). 2 p (en numrotant les lments de T de 1 (n-m) )
j C p
...
...
b
(n -m ) p
p( n - m ) j
j C p
et la solution
b1 p
b p
2
...
b
(n -m ) p
p1 j
j C p
-1
p2 j
= ( I - T ) . j
C p
...
p( n - m ) j
j C p
24/07/01
89
B.A. Ferrif
, i k et j k
0 xi 1 , i k
admet une solution non identiquement nulle.
Rsultat quivalent :
, i k et j k
0 xi 1 , i k ,
n'admet aucune solution autre que xi = 0 pour tout i.
7-9- Exercice
Caractriser les tats de la chane de Markov dfinie par la matrice de transition :
24/07/01
90
B.A. Ferrif
1
M=
12
1
2
0
1
2
1
2
1
2
0
7-10-Test
Caractriser les tats de la chane de Markov dfinie par la matrice de transition :
0.7
0
0
0
0
0
0
0.3
0 y
i 0
0.8
0
0.2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0.4
0
0.05
.0
0.25 0.05 0.25
0
0
0
0
0
0.2
0.8
0
0
0
P=
0
0
0
0
0.1 0.2
0.7
0
0
0
0
0
0
0
0.7 0.3
0
0
0
0
0
0
0
0.35
0
0.15 0.1
0
0
0.4
1
0
0
0
0
0
0
0
0
0
0
0
0.5
0
0
0.05 0.05
0
0.4 {
k 0
Rcrire cette matrice sous la forme :
T
R
.
C
p = (p 0 ,p1,..,p n ,...) (o
"i N , p i 0 et
p
n
4/07/02
= 1) si et
91
B.A. Ferrif
8-2- Lois limites
Une chane de Markov homogne est dite possder une loi limite
p = (p 0 ,p1,..,p n ,...)
0, 1, 2, ... .
( X n )nN
La loi limite
1. Soit
=1
iN
p j = p i . pij
j = 0, 1, 2, ..
iN
24/07/01
pj =
pour tout j et
1
mj
92
B.A. Ferrif
entrane p n = 0 .
8-5- Remarques :
Ces distributions sont fondamentales pour traiter des files d'attente. Cela
indique aussi pourquoi il est important de possder des critres permettant de
savoir si une chane de Markov est ou non ergodique.
24/07/01
93
B.A. Ferrif
8-6- Ergodicit des chanes espace dtats fini
Thorme : Une chane de Markov ( X n ) n N dont le nombre d'tats est fini et qui
est irrductible et apriodique est (fortement) ergodique.
En effet, daprs (7-3) la chane est persistente et daprs (8-3-3) elle est
fortement ergodique.
8-7- Exercice :
12
1
2
0
1
2
1
2
1
2
0
8-8- Test
Le sige d'une entreprise est assimilable un polygone ayant N s sommets.
chaque sommet est situ un accs au btiment. Une partie de la scurit du
btiment est assure par un vigile. Il est dcid qu'il se dplacera dun accs
l'autre de telle sorte que, s'il quitte un sommet, il y a une probabilit p quil dcide
daller au sommet adjacent dans le sens des aiguilles dune montre et une
probabilit (1-p) qu'il aille lautre sommet adjacent.
24/07/01
94
B.A. Ferrif
1
1
9- Extension:
9-1- Matrices de transition d'une chane de Markov non-homogne.
Lorsque la chane de Markov n'est pas homogne, la probabilit de transition de
l'tat x l'tat y dpend de l'indice n. On a donc une famille de matrices de
transition satisfaisant :
24/07/01
95
B.A. Ferrif
9-2-1-Dfinition:
Un processus alatoire est un processus de Markov d'ordre 2 s'il vrifie l'axiome
suivant, que nous appellerons proprit de Markov l'ordre 2 :
"( t0 , t1,..., tn -1, tn ) I n +1 , t0 < t1 < ... < tn -1 < tn , "( x 0 , x1,..., x n -1, x n ) E n +1,
P ( X t n-1 = x t n-1 ,..., X t1 = x t1 , X t 0 = x t 0 ) > 0 ,
P ( X t n = x t n X t n-1 = x t n-1 , X t n-2 = x t n-2 ,..., X t 0 = x t 0 ) = P ( X t n = x t n X t n-1 = x t n-1 , X t n-2 = x t n-2 ) .
Autrement dit :
La proprit de Markov exprime que l'tat futur X t n dpend seulement de ltat
pass immdiatement antrieur ltat prsent X t n-2 et de ltat prsent X t n-1 .
Plus gnralement :
Autrement dit :
24/07/01
96
B.A. Ferrif
tats
passs
24/07/01
97
B.A. Ferrif
( )
1 i, j n
sur E, avec
( )
la matrice B = bkj
1 k m ,1 j n
24/07/01
98
B.A. Ferrif
( )
triplet P = pij
24/07/01
1 i, j n
( )
, B = bkj
1 k m ,1 j n
, PX 0 .
99
B.A. Ferrif
APPENDICE A :
Formule de Bayes
A-1-Formule de Bayes : rappel et complments.
P ( A B)
P ( A)
Si
i j
n
et P U Ai = 1, alors
i =1
Cette dernire relation porte souvent le nom de "principe des probabilits totales".
24/07/01
Ai A j = si
n
i j et P U Ai = 1, alors
i =1
100
B.A. Ferrif
P ( B Ai ) P ( Ai )
n
P (B A ) P ( A )
j
pour i = 1 , 2 , ...
j =1
,n .
P ({(1A , 1B ) = (11
, )} )
P ({1A = 1})
( E, F, P)
P ({Y B, X = x )}
P ({Y B} {X = x})
=
.
P ({X = x})
P ({X = x})
Si ( X i ) i =1,..,n est une famille de variables alatoires discrtes dfinie sur l'espace
probabilis ( E , F , P ) on a, bien entendu :
24/07/01
101
B.A. Ferrif
P ( X1 , X 2 , .. , X n ) = P ( X1 ) P ( X 2 X1 ) P ( X 3 X1 , X 2 ) .. P ( X n X1 , ...., X n -1 ) .
Par substitution, on dduit le rsultat utile suivant : si ( X i ) i =1,..,n est une famille
de variables alatoires discrtes et si U est une variable alatoire discrte
dfinies sur l'espace probabilis ( E , F , P ) on a:
P (Y , X )
.
P( X )
P (W ,Y )
24/07/01
( X , Z )) =
P ((W ,Y )) P ( X , Z )(W ,Y )
P ((W ,Y ), ( X , Z ))
=
.
P (( X , Z ))
P (( X , Z ))
102
B.A. Ferrif
Appendice B :
Graphes
Cet appendice regroupe quelques rsultats de thorie des graphes auxquels il est
fait rfrence dans le cours de systmes stochastiques.
B-1-Dfinitions
Dfinition des graphes : Un graphe G est un couple (E,V) o E est lensemble
des sommets et V lensemble des arcs , lensemble des arcs tant un sousensemble de lensemble ExE.
figure 1
24/07/01
103
B.A. Ferrif
Soit G=(E,R) un graphe o E est lespace des sommets (dans ce cours lespace
des tats) et R lensemble des arcs (dans ce cours les transitions).
Deux arcs sont dits adjacents sils ont une extrmit commune.
Sur la figure 1 les arcs (j,k) et (k,l) sont adjacents, il en est de mme
des arcs (m,m) et (m,l) etc.
Un arc qui a son extrmit terminale (resp. initiale) en un sommet est dit
incident vers lintrieur (resp. vers lextrieur) ce sommet.
Larc (k,j) est incident vers lintrieur j, larc (k,j) est incident vers
lextrieur k.
24/07/01
104
B.A. Ferrif
figure 2
Une arborescence est donc sans cycle et le demi-degr intrieur de chaque
nud est gal 1 sauf pour la racine. Les sommets de demi-degr extrieur nul
sont appels les feuilles de larborescence.
Dans lexemple de la figure 2 les feuilles sont f1 ,f2 ,f3 .
24/07/01
105
B.A. Ferrif
figure 3
Un graphe est toujours orient. On est parfois amen ignorer cette orientation si
le problme pos est de nature non oriente. Un arc sappelle alors une arte,
note [x,y], et lon a [x,y]=[y,x].
figure 4
24/07/01
106
B.A. Ferrif
Un graphe est dit complet si et seulement si lon a :
( x, y ) E ( y, x ) E
U n chemin c = (v1, v 2 ,...v n ) est une suite darcs telle que pour chaque arc
v i = ( x i , x i +1 )
Si lon fait abstraction de lorientation, le chemin sappelle une chane. Une chane
est donc une squence dartes pouvant tre parcourues de manire que
lextrmit terminale de larte que lon quitte soit lextrmit initiale de larte que
lon va parcourir.
Un chemin est dit lmentaire sil ne rencontre pas deux fois le mme sommet.
Un chemin est dit simple sil nutilise pas deux fois le mme arc.
Un circuit (resp. un cycle) est un chemin (resp. une chane) qui se referme sur luimme (resp. sur elle-mme)
24/07/01
B.A. Ferrif
107
La longueur dun chemin (resp. dune chane) est gale au nombre darcs (resp.
dartes) qui le constituent.
Un chemin qui passe une seule fois par tous les sommets dun graphe est appel
chemin hamiltonien.
B-2-Connexit
B-2-1-Graphe connexe.
Un graphe connexe est un graphe tel que pour toute paire x, y de sommets
distincts, il existe un chemin qui les relie.
24/07/01
B.A. Ferrif
108
24/07/01
109
B.A. Ferrif
0
M=
0
1
0
1
0
0
0
0
1
0
0
1
0
0
0
1
0
1
0
1
0
0
0
1
0
0
0
0
0
i
i 0
j 0
avec k 0
l 0
m 0
n 0
j
1
0
1
0
0
0
k
0
1
0
0
1
0
l m n
0 1 0
0 0 0
1 0 0
0 0 0
1 1 0
0 0 0
ik
.akj ; il sensuit
k =1
que si lun des produits aih .ahj est gal 0, on a aih = 0 ou ahj = 0 , autrement dit il
nexiste pas darc (i, h ) ou darc ( h, j ) ; si le produit aih .ahj est diffrent de 0, on a
aih = 1 et ahj = 1 , autrement dit il existe un darc (i, h ) et un arc ( h, j ) . La somme
n
ik
k =1
24/07/01
110
B.A. Ferrif
24/07/01
(I + M ) k = I + M 1 + M 2 + ... + M k (Oprations
111
B.A. Ferrif
Il est clair quil nest pas utile de considrer les puissances de M suprieures n1 (n tant le nombre de sommets du graphe). En pratique on peut sarrter ds
que M p +1 = M p .
Si r est le nombre des sommets du graphe, cest--dire le nombre dvnements
de lespace des tats, et si r est fini, le chemin lmentaire de longueur maximale
dans le graphe comprend au plus r-1 arcs. On obtient la fermeture transitive en
calculant ( I + M )
( r -1)
identit. [La matrice M est une matrice boolenne]. Les oprations sur les
constituants de M et de I+M sobtiennent en utilisant comme lois de composition
le produit et la somme logique.
. 0 1
Table du produit logique : 0 0 0
1 0 1
Ainsi il suffit de calculer ( I + M )
(2 p )
+ 0 1
Table de la somme logique : 0 0 1
1 1 1
jusqu ce que ( I + M )
(2 p )
= (I + M )
( 2 p +1 )
pour
24/07/01
B.A. Ferrif
112
24/07/01
113
B.A. Ferrif
Problmes de synthse
Thme d'tude 1 : Etude du cursus dun lve dans une
grande cole
Ce thme d'tude servira de fil rouge tout au long de ce chapitre. Nous
rsoudrons les questions qui se pose
Dans certaines grandes coles les tudes durent trois ans ; lissue de chaque
anne, chaque lve a une certaine probabilit
suprieure (ou dobtenir le diplme sil est en troisime anne); une certaine
probabilit de redoubler, et une certaine probabilit dtre renvoy. Pour certains
tablissements, disons les tablissements de type A, le nombre de
redoublements n'est pas limit; pour d'autres, appelons-les de type B, il n'est pas
possible d'une part de faire les deux premires annes en plus de 3 ans (un lve
en chec qui a dj accompli deux annes est exclu) et d'autre part de faire la
troisime anne 3 fois (un lve en chec qui a dj accompli deux troisimes
annes est exclu).
Nous traiterons dans un premier temps le cas des tablissements de type A, les
tablissements de type B pourrons faire l'objet d'une tude de synthse la fin du
chapitre 3.
1.Quel est le modle du cursus dun lve dans un tablissement de type A .
2. Quelle est la probabilit pour quun lve obtienne son diplme de fin dtudes
selon son tat prsent dans le cursus dans un tablissement de type A.
3.Quel est le temps moyen pour quun lve obtienne son diplme, selon son
tat prsent dans le cursus, dans un tablissement de type A
24/07/01
B.A. Ferrif
114
24/07/01