🧩

Terminale Comp · Fiche de cours

Matrices et graphes

Matrices 2×2 : opérations, produit, inversion. Chaînes de Markov : vecteur d'état, matrice de transition, état stable. Graphes probabilistes et applications.

9 min Expert⚡ Jouer ce chapitre

✅ À retenir

  • Produit AB : terme (i,j) = \sum_k A_{ik}B_{kj}. En général, AB \neq BA (non commutatif).
  • Chaîne de Markov : vecteur d'état V_n = V_0 \times M^n. L'état stable \pi vérifie \pi M = \pi.
  • État stable : résoudre \pi = \pi M avec \sum_i \pi_i = 1.

📖 Définition — Opérations sur les matrices

Addition et multiplication scalaire : terme à terme.

Produit A×BA \times B (AA de taille m×pm\times p, BB de taille p×np\times n) :

[AB]ij=k=1paikbkj[AB]_{ij} = \sum_{k=1}^p a_{ik} b_{kj}

Pour 2×22\times 2 :

(abcd)×(efgh)=(ae+bgaf+bhce+dgcf+dh)\begin{pmatrix}a & b \\ c & d\end{pmatrix} \times \begin{pmatrix}e & f \\ g & h\end{pmatrix} = \begin{pmatrix}ae+bg & af+bh \\ ce+dg & cf+dh\end{pmatrix}

Inverse de M=(abcd)M = \begin{pmatrix}a&b\\c&d\end{pmatrix} (si detM=adbc0\det M = ad-bc \neq 0) :

M1=1adbc(dbca)M^{-1} = \frac{1}{ad-bc}\begin{pmatrix}d & -b \\ -c & a\end{pmatrix}

📖 Définition — Chaînes de Markov

Une chaîne de Markov modélise un système qui peut se trouver dans différents états, avec des probabilités de transition entre états.

Matrice de transition MM : mijm_{ij} = probabilité de passer de l'état jj à l'état ii (colonnes de somme 1).

Évolution : Vn+1=M×VnV_{n+1} = M \times V_n, donc Vn=Mn×V0V_n = M^n \times V_0.

État stable π\pi : M×π=πM \times \pi = \pi (vecteur propre de valeur propre 1).

Pour deux états : π1+π2=1\pi_1 + \pi_2 = 1 et m11π1+m12π2=π1m_{11}\pi_1 + m_{12}\pi_2 = \pi_1.

🔢 Méthode — Trouver l'état stable d'une chaîne de Markov

  1. Poser π=(π₁, π₂, …) avec Σπᵢ = 1.
  2. Écrire l'équation π = M×π (système d'équations linéaires).
  3. Remplacer une équation par Σπᵢ = 1 (car le système est redondant).
  4. Résoudre le système réduit.
  5. Vérifier : Σπᵢ = 1 et M×π = π.

✏️ Exemple — Chaîne de Markov — météo

⚠️

Le produit matriciel n'est pas commutatif : ABBAAB \neq BA en général. Toujours vérifier l'ordre des matrices dans une multiplication. De plus, seules les matrices carrées peuvent être inversibles — et pas toutes (det doit être non nul).

Numi

Les chaînes de Markov modélisent des processus "sans mémoire" : l'état futur ne dépend que du présent, pas du passé. Elles sont partout : modélisation de la météo, algorithme PageRank de Google, jeux de plateau, biologie (séquences d'ADN), finance.

🎯 Mini-quiz

1. Produit A×B avec A=[[1,2],[3,4]] et B=[[1],[0]] : résultat ?

2. État stable π d'une chaîne de Markov vérifie :

3. Matrice M=[[0,7;0,3],[0,4;0,6]]. Les colonnes somment à :