AlgèbreThéorème · Glossaire
Perron-Frobenius (théorème de)
Le théorème de Perron-Frobenius affirme que toute matrice carrée à coefficients réels strictement positifs admet une valeur propre réelle positive strictement plus grande que toutes les autres valeurs propres en valeur absolue, appelée valeur propre de Perron. Le vecteur propre associé a toutes ses composantes strictement positives. Pour les matrices non négatives irréductibles, l'existence d'un vecteur propre strictement positif demeure garantie, mais la domination stricte en module exige la primitivité. Ce résultat est fondamental pour les chaînes de Markov, l'analyse de réseaux et le classement de pages web.
Sommaire
Ce que vous allez apprendre
- Identifier la valeur propre de Perron et son vecteur propre positif.
- Distinguer les hypothèses de positivité stricte, d'irréductibilité et de primitivité.
- Recalculer un exemple matriciel complet de dimension deux.
- Relier le théorème aux chaînes de Markov, aux réseaux et à la méthode de la puissance.
En clair
Imaginez deux groupes qui s'influencent mutuellement à chaque étape. La matrice positive A de notre exemple attribue un poids 2 à l'influence interne et un poids 1 à l'influence reçue de l'autre groupe. En répétant l'opération, la taille augmente, mais la répartition finit par s'aligner sur une même proportion stable.
Le théorème de Perron-Frobenius identifie cette direction privilégiée. Elle est portée par un vecteur dont toutes les composantes sont positives, et son facteur d'agrandissement est la valeur propre de Perron.
Définition
Soit A une matrice carrée réelle. Elle est strictement positive lorsque chacun de ses coefficients est supérieur à zéro. Le rayon spectral, noté ρ(A), est le plus grand module de ses valeurs propres. Le théorème assure alors que ρ(A) est une valeur propre réelle positive, simple, associée à un vecteur propre dont toutes les composantes sont strictement positives. Ce vecteur est unique à multiplication par un nombre positif près.
Pour toute autre valeur propre λ, la domination est stricte : . Cette séparation explique pourquoi les puissances successives de A, après normalisation et hors cas initial exceptionnel, font émerger la direction du vecteur propre positif.
Si A est seulement non négative, l'hypothèse pertinente est l'irréductibilité : son graphe orienté doit permettre de rejoindre tout sommet depuis tout autre. Le rayon spectral reste alors une valeur propre simple dotée d'un vecteur propre strictement positif. En revanche, d'autres valeurs propres peuvent avoir le même module. La domination stricte est retrouvée lorsque la matrice est primitive, c'est-à-dire lorsqu'une de ses puissances est strictement positive.
Le principe
Si A est une matrice carrée réelle strictement positive, alors il existe un réel ρ(A) > 0 et un vecteur v à composantes strictement positives tels que :
La valeur ρ(A) est simple et toute autre valeur propre λ vérifie . Si A est non négative irréductible, l'existence, la positivité et la simplicité subsistent, mais l'inégalité stricte sur les autres modules exige en plus que A soit primitive.
Quand l'utiliser
Le théorème porte sur une matrice carrée à coefficients réels. Si tous les coefficients sont strictement positifs, sa version forte s'applique directement. Si certains coefficients sont nuls, il faut vérifier l'irréductibilité ; pour obtenir une valeur propre strictement dominante en module, il faut encore vérifier la primitivité.
Une matrice diagonale non négative fournit un contre-cas concret : ses deux coordonnées n'échangent aucune influence, donc elle est réductible et aucun vecteur propre strictement positif privilégié n'est garanti. Une matrice irréductible périodique pose un autre obstacle : elle possède bien un vecteur propre positif, mais peut conserver plusieurs valeurs propres sur le cercle de rayon ρ(A). Il faut alors employer la version irréductible du théorème, sans conclure à la domination stricte.
Un exemple, pas à pas
Prenons la matrice positive A qui décrit deux groupes symétriques :
Nous cherchons sa valeur propre dominante et la proportion vers laquelle convergent des itérations normalisées.
Données :
les quatre coefficients de A sont strictement positifs ;
le vecteur initial est u0 = (1, 0) ;
après chaque multiplication, les deux composantes sont divisées par leur somme.
les quatre coefficients de A sont strictement positifs ;
le vecteur initial est u0 = (1, 0) ;
après chaque multiplication, les deux composantes sont divisées par leur somme.
1. Le polynôme caractéristique vaut : les valeurs propres sont 3 et 1.
2. Pour λ = 3, résoudre Av = 3v donne v = (1, 1), à un facteur positif près.
3. Une première itération donne Au0 = (2, 1), puis u1 = (2/3, 1/3).
4. La suivante donne u2 = (5/9, 4/9), plus proche de (1/2, 1/2).
2. Pour λ = 3, résoudre Av = 3v donne v = (1, 1), à un facteur positif près.
3. Une première itération donne Au0 = (2, 1), puis u1 = (2/3, 1/3).
4. La suivante donne u2 = (5/9, 4/9), plus proche de (1/2, 1/2).
Le résultat est ρ(A) = 3 et la direction positive est celle de (1, 1). Le contrôle se refait directement : A(1, 1) = (3, 3) = 3(1, 1), tandis que l'autre valeur propre a pour module 1, strictement inférieur à 3.
En pratique
Pour une chaîne de Markov finie, on étudie la matrice de transition. Si elle est irréductible, Perron-Frobenius garantit une distribution stationnaire positive ; si elle est aussi apériodique, les itérations convergent vers cette distribution. En présence de plusieurs classes fermées, il faut les analyser séparément.
Dans un réseau, le vecteur propre positif attribue un poids cohérent aux nœuds qui se renforcent mutuellement. Les méthodes de classement de pages, dont PageRank, adaptent cette idée. Si l'on veut garantir un classement strictement positif, unique et stable pour toutes les initialisations, une modification de la matrice peut être nécessaire lorsque le graphe n'est pas suffisamment connecté.
Numériquement, la méthode de la puissance multiplie un vecteur par la matrice puis le normalise. Elle convient lorsqu'une valeur propre domine strictement en module. Si plusieurs valeurs propres partagent le rayon spectral, une méthode tenant compte de la périodicité ou de la structure en blocs est préférable.
À ne pas confondre
Une matrice à coefficients positifs n'est pas une matrice définie positive. La première condition porte coefficient par coefficient ; la seconde porte sur une forme quadratique et suppose habituellement une matrice symétrique. La matrice de l'exemple satisfait les deux propriétés, mais ce cumul n'est pas général.
La valeur propre de Perron n'est pas une valeur singulière. Une valeur propre résout Av = λv, tandis qu'une valeur singulière mesure l'étirement euclidien. Pour une matrice non symétrique, ces deux listes peuvent différer.
Limites et pièges
Irréductible ne signifie pas primitive. La matrice
est non négative et irréductible, mais ses valeurs propres 1 et −1 ont toutes deux le module 1. Les itérations alternent au lieu de converger ; il faut détecter la période 2.
Réductible peut signifier non-unicité ou zéros. Si le graphe se décompose en blocs indépendants, plusieurs blocs peuvent atteindre le même rayon spectral. Il faut alors étudier les composantes séparément au lieu d'annoncer un unique vecteur propre strictement positif.
La normalisation ne crée pas la convergence. Diviser chaque itéré par sa somme évite seulement l'explosion de sa taille. Sans écart strict entre ρ(A) et les autres modules, la direction peut osciller ; il faut vérifier la primitivité ou employer une analyse spectrale adaptée.
Pour aller plus loin
La fiche valeur propre reprend la relation qui définit les directions conservées par une transformation linéaire.
Le glossaire Vecteur propre précise le rôle du vecteur positif qui porte la direction de Perron.
La fiche Rayon spectral éclaire pourquoi la valeur de Perron contrôle la croissance des puissances de la matrice.
Le glossaire chaîne de Markov montre comment une matrice de transition fait évoluer une distribution d'état.
Explorez les mathématiques autrement
Retrouvez nos magazines, podcasts et jeux pour explorer les mathématiques autrement.
Découvrir les offres