AnnalesÉcoles d'ingénieurs
Mines-Ponts PC 2023 — Maths 2
Pour une matrice stochastique , on étudie , noyau de Markov vérifiant , que l'on interprète comme une chaîne dont le nombre de sauts suit une loi de Poisson de paramètre . Lorsque est réversible pour une probabilité et que est valeur propre simple, le théorème spectral pour le produit scalaire pondéré par donne , où est la plus petite valeur propre non nulle de , d'où la convergence de vers .
Le sujet, partie par partie
Notations et préliminaires p. 2–3
Matrices stochastiques et bistochastiques · Exponentielle de matrices · Familles sommables et produit de Cauchy — noyau de Markov, matrice stochastique, produit de Cauchy, série exponentielle de matrices
Partie 1 — Modélisation probabiliste p. 3
Chaînes de Markov · Loi de Poisson · Conditionnement et indépendance — chaîne de Markov, probabilité de transition, nombre de sauts de loi de Poisson
Partie 2 — Étude d'un endomorphisme autoadjoint p. 4
Théorème spectral · Projection orthogonale et moindres carrés · Quotient de Rayleigh et Courant-Fischer — endomorphisme autoadjoint, produit scalaire pondéré, valeur propre simple
Partie 3 — Convergence de vers la loi réversible p. 4–5
Chaînes de Markov · Théorème spectral · Espaces préhilbertiens et euclidiens · Équations différentielles linéaires · Exponentielle de matrices — probabilité réversible, loi stationnaire, trou spectral, vitesse de convergence exponentielle