insight.Se connecter

Maths expertes · Terminale

Chaînes de Markov : cours et fiche de révision (Maths expertes, Terminale)

Programme officiel, session 2027. Mis à jour le 7 novembre 2026. 8 min de lecture.

Ce que contient ce chapitre

  • Passer du texte au graphe et à la matrice
  • Calculer la distribution après n étapes
  • Lire Pⁿ : passer de i à j en n étapes
  • Trouver la distribution invariante
  • Prévoir l'évolution à long terme

Chaque matin, Léa choisit entre le vélo et le bus ; à chaque étape, une boule change d'urne au hasard. L'étape suivante ne dépend que de l'état présent : c'est le hasard sans mémoire des chaînes de Markov, que le calcul matriciel étudie. À la fin, tu sauras passer d'un énoncé à un graphe pondéré et à une matrice, calculer la distribution après nn étapes, interpréter PnP^n et trouver une distribution invariante.

Chaîne de Markov et graphe pondéré

Définition

On observe un système aux instants 0,1,2,…0, 1, 2, \dots ; à chaque instant, il occupe l'un de ses deux ou trois états, noté XnX_n à l'instant nn : c'est une variable aléatoire. La probabilité se note P\mathbb{P}, pour la distinguer de la matrice PP.

La suite (Xn)(X_n) est une chaîne de Markov si la probabilité d'être dans l'état jj à l'instant n+1n + 1, sachant qu'on est dans l'état ii à l'instant nn, ne dépend que de ii et de jj : ni de nn, ni des états occupés avant. Ce nombre est la probabilité de transition de ii vers jj :

pi,j=P(Xn=i)(Xn+1=j).p_{i,j} = \mathbb{P}_{(X_n = i)}(X_{n+1} = j).

Exemple

Chaque jour, Léa va au lycée à vélo (V) ou en bus (B). Si elle a pris le vélo, elle le reprend le lendemain avec la probabilité 0,70{,}7 ; si elle a pris le bus, elle prend le vélo le lendemain avec la probabilité 0,40{,}4. Son choix ne dépend que de la veille : c'est une chaîne de Markov à deux états, avec pV,V=0,7p_{V,V} = 0{,}7, pV,B=1−0,7=0,3p_{V,B} = 1 - 0{,}7 = 0{,}3, pB,V=0,4p_{B,V} = 0{,}4 et pB,B=1−0,4=0,6p_{B,B} = 1 - 0{,}4 = 0{,}6.

Le graphe orienté pondéré associé

On associe à la chaîne un graphe orienté pondéré : un sommet par état, et un arc de ii vers jj de poids pi,jp_{i,j} dès que pi,j≠0p_{i,j} \neq 0 ; l'arc de ii vers ii est une boucle. Les poids des arcs sortant d'un sommet, boucle comprise, ont pour somme 11 : le système va forcément quelque part.

Exemple

Le graphe de Léa a deux sommets V et B, deux boucles (V → V de poids 0,70{,}7, B → B de poids 0,60{,}6) et deux arcs (V → B de poids 0,30{,}3, B → V de poids 0,40{,}4). Contrôle : 0,7+0,3=10{,}7 + 0{,}3 = 1 et 0,4+0,6=10{,}4 + 0{,}6 = 1.

La matrice de transition

Les états étant numérotés 1,21, 2 (ou 1,2,31, 2, 3), la matrice de transition est la matrice carrée PP dont le coefficient ligne ii, colonne jj, vaut pi,jp_{i,j}. La ligne ii décrit les départs depuis l'état ii : ses coefficients sont positifs et leur somme vaut 11. Un arc absent donne un coefficient nul.

Exemple 1. Pour Léa, dans l'ordre V puis B :

P=(0,70,30,40,6).P = \begin{pmatrix} 0{,}7 & 0{,}3 \\ 0{,}4 & 0{,}6 \end{pmatrix}.

Exemple 2 : le modèle d'Ehrenfest. Deux boules sont réparties entre deux urnes A et B ; à chaque étape, on choisit une boule au hasard et on la change d'urne. L'état est le nombre de boules dans A. Depuis 00 ou 22, on passe forcément à 11. Depuis 11, on va en 00 ou en 22 avec la probabilité 12\frac12 chacune, selon l'urne de la boule choisie. Dans l'ordre 00, 11, 22 :

P=(01012012010).P = \begin{pmatrix} 0 & 1 & 0 \\ \frac12 & 0 & \frac12 \\ 0 & 1 & 0 \end{pmatrix}.

Une marche aléatoire sur un graphe est aussi une chaîne de Markov : depuis un sommet de degré dd, le pion rejoint chacun de ses voisins avec la probabilité 1d\frac1d. Sur le graphe complet à trois sommets, PP a des 00 sur la diagonale et des 12\frac12 ailleurs.

Évolution de la distribution

Distribution initiale et récurrence

La distribution à l'instant nn est la matrice ligne πn\pi_n des probabilités des états, dans l'ordre choisi ; ses coefficients ont pour somme 11. Pour deux états, πn=(P(Xn=1)P(Xn=2))\pi_n = \begin{pmatrix} \mathbb{P}(X_n = 1) & \mathbb{P}(X_n = 2) \end{pmatrix}. La distribution initiale est π0\pi_0.

Propriété. Pour tout entier naturel nn, πn+1=πnP\pi_{n+1} = \pi_n P, et donc πn=π0Pn\pi_n = \pi_0 P^n.

Démonstration (deux états). Les événements (Xn=1)(X_n = 1) et (Xn=2)(X_n = 2) forment une partition de l'univers ; pour chaque état jj, la formule des probabilités totales donne

P(Xn+1=j)=P(Xn=1)×p1,j+P(Xn=2)×p2,j.\mathbb{P}(X_{n+1} = j) = \mathbb{P}(X_n = 1) \times p_{1,j} + \mathbb{P}(X_n = 2) \times p_{2,j}.

C'est le produit de la ligne πn\pi_n par la colonne jj de PP, donc le coefficient jj de πnP\pi_n P : ainsi πn+1=πnP\pi_{n+1} = \pi_n P. Par récurrence, π0=π0I2=π0P0\pi_0 = \pi_0 I_2 = \pi_0 P^0, et si πn=π0Pn\pi_n = \pi_0 P^n, alors πn+1=πnP=π0Pn+1\pi_{n+1} = \pi_n P = \pi_0 P^{n+1}. Avec trois états, la somme a trois termes.

Exemple

Lundi (instant 00), Léa prend le vélo : π0=(10)\pi_0 = \begin{pmatrix} 1 & 0 \end{pmatrix}. Alors π1=π0P=(0,70,3)\pi_1 = \pi_0 P = \begin{pmatrix} 0{,}7 & 0{,}3 \end{pmatrix}, puis

π2=π1P=(0,7×0,7+0,3×0,40,7×0,3+0,3×0,6)=(0,610,39).\pi_2 = \pi_1 P = \begin{pmatrix} 0{,}7 \times 0{,}7 + 0{,}3 \times 0{,}4 & 0{,}7 \times 0{,}3 + 0{,}3 \times 0{,}6 \end{pmatrix} = \begin{pmatrix} 0{,}61 & 0{,}39 \end{pmatrix}.

Mercredi, Léa prend le vélo avec la probabilité 0,610{,}61 ; contrôle : 0,61+0,39=10{,}61 + 0{,}39 = 1.

Interpréter les puissances de la matrice

Propriété. Le coefficient (i,j)(i, j) de PnP^n est la probabilité de passer de l'état ii à l'état jj en nn transitions : (Pn)i,j=P(X0=i)(Xn=j)(P^n)_{i,j} = \mathbb{P}_{(X_0 = i)}(X_n = j).

Démonstration. Partir de ii, c'est prendre pour π0\pi_0 la ligne qui porte 11 en position ii et 00 ailleurs. Alors πn=π0Pn\pi_n = \pi_0 P^n est la ligne ii de PnP^n, et son coefficient jj est la probabilité d'être en jj à l'instant nn : c'est P(X0=i)(Xn=j)\mathbb{P}_{(X_0 = i)}(X_n = j).

Exemple

Pour Léa, P2=(0,610,390,520,48)P^2 = \begin{pmatrix} 0{,}61 & 0{,}39 \\ 0{,}52 & 0{,}48 \end{pmatrix} : sa première ligne est π2\pi_2, car Léa partait de V. Partie à vélo, elle prend le bus deux jours plus tard avec la probabilité (P2)1,2=0,39(P^2)_{1,2} = 0{,}39. L'arbre retrouve ce nombre : deux chemins mènent de V à B en deux étapes, V → V → B et V → B → B.

0,7V0,7V0,3B0,3B0,4V0,6B

Ainsi (P2)1,2=0,7×0,3+0,3×0,6=0,21+0,18=0,39(P^2)_{1,2} = 0{,}7 \times 0{,}3 + 0{,}3 \times 0{,}6 = 0{,}21 + 0{,}18 = 0{,}39 : un coefficient de PnP^n additionne les probabilités de tous les chemins de longueur nn.

Distribution invariante

Une distribution π\pi est invariante (on dit aussi probabilité invariante) si πP=π\pi P = \pi : si π0=π\pi_0 = \pi, alors πn=π\pi_n = \pi pour tout nn. Pour la trouver, pose π=(xy)\pi = \begin{pmatrix} x & y \end{pmatrix} (ou (xyz)\begin{pmatrix} x & y & z \end{pmatrix}), écris le système πP=π\pi P = \pi et ajoute-lui x+y=1x + y = 1 (ou x+y+z=1x + y + z = 1) : sans cette équation, le système a une infinité de solutions.

Exemple 1 (Léa). Le système πP=π\pi P = \pi s'écrit

{0,7x+0,4y=x0,3x+0,6y=y\begin{cases} 0{,}7x + 0{,}4y = x \\ 0{,}3x + 0{,}6y = y \end{cases}

et ses deux équations reviennent à 0,3x=0,4y0{,}3x = 0{,}4y. Avec y=1−xy = 1 - x : 0,3x=0,4−0,4x0{,}3x = 0{,}4 - 0{,}4x, donc 0,7x=0,40{,}7x = 0{,}4, d'où x=47x = \frac47 et y=37y = \frac37. La distribution invariante est (4737)\begin{pmatrix} \frac47 & \frac37 \end{pmatrix}.

Exemple 2 (Ehrenfest). Avec π=(xyz)\pi = \begin{pmatrix} x & y & z \end{pmatrix}, le système πP=π\pi P = \pi s'écrit x=12yx = \frac12 y, y=x+zy = x + z et z=12yz = \frac12 y. Avec x+y+z=1x + y + z = 1 : 12y+y+12y=1\frac12 y + y + \frac12 y = 1, soit y=12y = \frac12, puis x=z=14x = z = \frac14. La distribution invariante est (141214)\begin{pmatrix} \frac14 & \frac12 & \frac14 \end{pmatrix}.

Comportement à long terme

Pour Léa, pose pn=P(Xn=V)p_n = \mathbb{P}(X_n = V), d'où P(Xn=B)=1−pn\mathbb{P}(X_n = B) = 1 - p_n ; la relation πn+1=πnP\pi_{n+1} = \pi_n P donne

pn+1=0,7pn+0,4(1−pn)=0,3pn+0,4.p_{n+1} = 0{,}7p_n + 0{,}4(1 - p_n) = 0{,}3p_n + 0{,}4.

La suite (pn)(p_n) est arithmético-géométrique. Comme 47=0,3×47+0,4\frac47 = 0{,}3 \times \frac47 + 0{,}4, on obtient pn+1−47=0,3(pn−47)p_{n+1} - \frac47 = 0{,}3\left(p_n - \frac47\right) : la suite (pn−47)\left(p_n - \frac47\right) est géométrique de raison 0,30{,}3. Avec p0=1p_0 = 1, pn=47+37×0,3np_n = \frac47 + \frac37 \times 0{,}3^n. Comme 0<0,3<10 < 0{,}3 < 1, 0,3n0{,}3^n tend vers 00 et pnp_n tend vers 47\frac47 : à long terme, Léa prend le vélo environ quatre jours sur sept. Quel que soit p0p_0, πn\pi_n tend vers la distribution invariante (4737)\begin{pmatrix} \frac47 & \frac37 \end{pmatrix}.

La convergence n'est pas automatique. Pour Ehrenfest, partant de π0=(100)\pi_0 = \begin{pmatrix} 1 & 0 & 0 \end{pmatrix}, on trouve π1=(010)\pi_1 = \begin{pmatrix} 0 & 1 & 0 \end{pmatrix}, π2=(12012)\pi_2 = \begin{pmatrix} \frac12 & 0 & \frac12 \end{pmatrix}, puis π3=π1\pi_3 = \pi_1, et ainsi de suite : (πn)(\pi_n) alterne entre deux valeurs et ne tend pas vers la distribution invariante.

Les pièges

  • Ligne ou colonne. pi,jp_{i,j} se lit sur la ligne de départ ii : chaque ligne, pas chaque colonne, a pour somme 11.
  • Le sens du produit. La distribution est une ligne : on calcule π0Pn\pi_0 P^n, et Pnπ0P^n \pi_0 n'est pas défini.
  • Le coefficient élevé au carré. (P2)1,2=0,39(P^2)_{1,2} = 0{,}39, pas 0,32=0,090{,}3^2 = 0{,}09 : on additionne tous les chemins de longueur 22.
  • La boucle oubliée. La probabilité de rester en ii va sur la diagonale de PP.
  • L'ordre des états. Garde le même dans PP, dans π0\pi_0 et dans ta conclusion.
  • La condition x+y=1x + y = 1 oubliée. Sans elle, la distribution invariante n'est pas déterminée.
  • Invariante n'est pas limite. Pour Ehrenfest, (πn)(\pi_n) ne converge pas vers la distribution invariante : une limite se démontre.

Ce qu'il faut retenir

  • Chaîne de Markov : la probabilité pi,jp_{i,j} de passer de ii à jj ne dépend que de ii et de jj.
  • Graphe orienté pondéré : un arc i→ji \to j de poids pi,jp_{i,j} ; les poids sortant d'un sommet ont pour somme 11.
  • Matrice de transition : pi,jp_{i,j} en ligne ii, colonne jj ; chaque ligne a pour somme 11.
  • πn+1=πnP\pi_{n+1} = \pi_n P et πn=π0Pn\pi_n = \pi_0 P^n, où πn\pi_n est une matrice ligne.
  • (Pn)i,j(P^n)_{i,j} est la probabilité de passer de ii à jj en nn transitions.
  • Distribution invariante : πP=π\pi P = \pi, coefficients positifs de somme 11.

À l'épreuve

En contrôle continu, ce chapitre tombe en devoir surveillé sous forme d'exercice à partir d'un texte. Questions habituelles : « Représente la situation par un graphe pondéré », « Donne la matrice de transition », « Interprète le coefficient (1,2)(1, 2) de P3P^3 », « Détermine la distribution invariante », « Montre que pn+1=0,3pn+0,4p_{n+1} = 0{,}3p_n + 0{,}4, puis étudie la limite ».

Le professeur attend l'ordre des états annoncé, les calculs de π1\pi_1 ou de P2P^2 posés et une conclusion rédigée dans le contexte ; les deux démonstrations du cours peuvent être demandées. On perd des points pour une ligne de somme différente de 11, un produit Pπ0P\pi_0 ou une limite affirmée sans preuve.

À retenir

  • Passer du texte au graphe et à la matrice

    Un sommet par état ; un arc de ii vers jj de poids pi,jp_{i,j}, probabilité de passer de ii à jj ; une boucle pour rester en ii.Les poids des arcs sortant d'un sommet ont pour somme 11.Matrice de transition PP : pi,jp_{i,j} en ligne ii (départ), colonne jj (arrivée) ; chaque ligne a pour somme 11.Annonce l'ordre des états et garde-le ; un arc absent donne un coefficient nul.
  • Calculer la distribution après n étapes

    La distribution πn\pi_n est une matrice ligne : les probabilités des états à l'instant nn, de somme 11.Probabilités totales : πn+1=πnP\pi_{n+1} = \pi_n P.Par récurrence : πn=π0Pn\pi_n = \pi_0 P^n.La ligne se place à gauche : π0P\pi_0 P, jamais Pπ0P \pi_0.
  • Lire Pⁿ : passer de i à j en n étapes

    (Pn)i,j=P(X0=i)(Xn=j)(P^n)_{i,j} = \mathbb{P}_{(X_0 = i)}(X_n = j) : probabilité de passer de ii à jj en nn transitions.Preuve : partir de ii, c'est prendre π0\pi_0 avec un 11 en position ii ; alors π0Pn\pi_0 P^n est la ligne ii de PnP^n.Un coefficient de PnP^n additionne les probabilités de tous les chemins de longueur nn de ii à jj.(P2)i,j(P^2)_{i,j} n'est pas (pi,j)2(p_{i,j})^2.
  • Trouver la distribution invariante

    π\pi est invariante si πP=π\pi P = \pi, avec des coefficients positifs de somme 11.Pose π=(xy)\pi = \begin{pmatrix} x & y \end{pmatrix} ou (xyz)\begin{pmatrix} x & y & z \end{pmatrix} et écris le système πP=π\pi P = \pi.Ajoute x+y=1x + y = 1 ou x+y+z=1x + y + z = 1 : sans cette équation, le système a une infinité de solutions.Vérifie : πP=π\pi P = \pi et somme des coefficients égale à 11.
  • Prévoir l'évolution à long terme

    À deux états, pn=P(Xn=1)p_n = \mathbb{P}(X_n = 1) vérifie pn+1=qpn+rp_{n+1} = q p_n + r : suite arithmético-géométrique.Avec ℓ=qℓ+r\ell = q\ell + r, la suite (pn−ℓ)(p_n - \ell) est géométrique de raison qq ; si −1<q<1-1 < q < 1, pnp_n tend vers ℓ\ell.Marche aléatoire : depuis un sommet de degré dd, chaque voisin avec la probabilité 1d\frac{1}{d}.Une distribution invariante n'est pas toujours la limite de (πn)(\pi_n) : le modèle d'Ehrenfest oscille.

Teste-toi

Trois questions. Réponds, la correction s’affiche.

Question 1 sur 3
Une chaîne de Markov a deux états, 1 et 2. Depuis l'état 1, on y reste avec la probabilité 0,20{,}2 ; depuis l'état 2, on passe à l'état 1 avec la probabilité 0,50{,}5. Quelle est la matrice de transition PP, les états étant rangés dans l'ordre 1, 2 ?

Correction

Ligne 1 (départs de 1) : p1,1=0,2p_{1,1} = 0{,}2 et p1,2=1−0,2=0,8p_{1,2} = 1 - 0{,}2 = 0{,}8.Ligne 2 (départs de 2) : p2,1=0,5p_{2,1} = 0{,}5 et p2,2=1−0,5=0,5p_{2,2} = 1 - 0{,}5 = 0{,}5.Erreur classique : ranger les probabilités de départ en colonnes — les départs de l'état ii forment la ligne ii, de somme 11.
Question 2 sur 3
Pour une chaîne de Markov de matrice de transition PP, que représente le coefficient ligne 2, colonne 1 de P3P^3, noté (P3)2,1(P^3)_{2,1} ?

Correction

(Pn)i,j(P^n)_{i,j} est la probabilité de passer de l'état ii (ligne) à l'état jj (colonne) en nn transitions.Ici i=2i = 2, j=1j = 1 et n=3n = 3.Erreur classique : lire (i,j)(i, j) à l'envers — la ligne est l'état de départ, la colonne l'état d'arrivée.
Question 3 sur 3
Un pion se déplace sur un graphe à trois sommets A, B, C dont les seules arêtes sont AB et BC. À chaque étape, il rejoint un voisin de son sommet, choisi au hasard avec la même probabilité pour chaque voisin. Depuis B, avec quelle probabilité rejoint-il A ?

Correction

B a deux voisins, A et C : le degré de B est 22.Chaque voisin est choisi avec la probabilité 1d=12\frac1d = \frac12.Erreur classique : répondre 13\frac13 en divisant par le nombre de sommets — on divise par le degré du sommet de départ.

Dans Insight, ce chapitre a 85 questions, et l’app te les repose au bon moment pour que tu ne les oublies pas avant le bac.

Contenu préparé avec l’aide d’outils d’IA, vérifié.

Réviser ce chapitre gratuitement