✅ 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 ( de taille , de taille ) :
Pour :
Inverse de (si ) :
📖 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 : = probabilité de passer de l'état à l'état (colonnes de somme 1).
Évolution : , donc .
État stable : (vecteur propre de valeur propre 1).
Pour deux états : et .
🔢 Méthode — Trouver l'état stable d'une chaîne de Markov
- Poser π=(π₁, π₂, …) avec Σπᵢ = 1.
- Écrire l'équation π = M×π (système d'équations linéaires).
- Remplacer une équation par Σπᵢ = 1 (car le système est redondant).
- Résoudre le système réduit.
- Vérifier : Σπᵢ = 1 et M×π = π.
✏️ Exemple — Chaîne de Markov — météo
Le produit matriciel n'est pas commutatif : 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).

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 :