Pour , on dit que est accessible à partir de si et seulement s'il existe tel que On note :
On dit que et communiquent si et seulement s'il existe tels que et On note :
La relation communiquer, notée est une relation d'équivalence. Quand on parle de classe en parlant des états d'une chaîne de Markov, c'est général aux classes d'équivalence pour la relation qu'on fait référence. Si tous les états communiquent, la chaîne de Markov est dite irréductible.
La relation être accessible, notée s'étend aux classes d'équivalence : pour deux classes et , on a
La relation est une relation d'ordre entre les classes d'équivalence.
Une classe est dite finale si elle ne conduit à aucune autre, i.e. si la classe est minimale pour la relation Sinon, elle est dite transitoire. L'appartenance à une classe finale ou transitoire a des conséquences sur les propriétés probabilistes d'un état de la chaîne de Markov, en particulier sur son statut d'état récurrent ou d'état transient. Le nombre et la nature des classes finales dicte la structure de l'ensemble des probabilités stationnaires, qui résument de manière précise le comportement asymptotique de la chaîne de Markov, comme on peut le voir à la prochaine section et dans les deux exemples détaillés à la fin de cette page.
Soit
La période d'un état est le PGCD de l'ensemble Si deux états communiquent, ils ont la même période : on peut donc parler de la période d'une classe d'états. Si la période vaut 1, la classe est dite apériodique. L'apériodicité des états d'une chaîne de Markov conditionne la convergence de la loi de vers la probabilité stationnaire, voir la page Probabilité stationnaire d'une chaîne de Markov.
La classification des états et leur période se lisent de manière simple sur le graphe de la chaîne de Markov. Toutefois, si tous les éléments de la matrice de transition sont strictement positifs, la chaîne de Markov est irréductible et apériodique : dessiner le graphe de la chaîne de Markov est alors superflu.
Définition — Le nombre est appelé probabilité de transition de l'état à l'état en un pas, ou bien probabilité de transition de l'état à l'état s'il n'y a pas d'ambiguité. On note souvent ce nombre
La terminologie matrice de transition est la plus utilisée, mais elle n'est appropriée, en toute rigueur, que lorsque, pour un entier Lorsque est fini, par exemple de cardinal on peut toujours numéroter les éléments de arbitrairement de 1 à ce qui règle le problème, mais imparfaitement, car cette renumérotation est contre-intuitive dans beaucoup d'exemples.
Deux chiens se partagent puces de la manière suivante : à chaque instant, une des puces est choisie au hasard et saute alors d'un chien à l'autre. L'état du système est décrit par un élément où
Alors possède éléments, mais les numéroter de 1 à serait malcommode pour suivre l'évolution du système, qui consiste à choisir une des coordonnées de au hasard et à changer sa valeur. Si l'on veut comprendre le système moins en détail (car on n'est pas capable de reconnaître une puce d'une autre), on peut se contenter d'étudier le nombre de puces sur le chien n°1, ce qui revient à choisir Là encore, pour la compréhension, il serait dommage de renuméroter les états de 1 à Notons que pour cette nouvelle modélisation,
puisque, par exemple, le nombre de puces sur le dos du chien n°1 passe de k à k-1 si c'est une de ces k puces qui est choisie pour sauter, parmi les N puces présentes dans le "système". Ce modèle porte plus souvent le nom de "modèle des urnes d'Ehrenfest". Il a été introduit en 1907 par Tatiana et Paul Ehrenfest pour illustrer certains des « paradoxes » apparus dans les fondements de la mécanique statistique naissante, et pour modéliser le bruit rose. Le modèle des urnes d'Ehrenfest était considéré par le mathématicien Mark Kac [1] comme « ... probablement l'un des modèles les plus instructifs de toute la physique ... »
Plutôt que de renuméroter les états à partir de 1, il est donc plus ergonomique dans beaucoup de cas d'accepter des matrices finies ou infinies dont les lignes et colonnes sont "numérotées" à l'aide des éléments de Le produit de deux telles "matrices", et , est alors défini très naturellement par
par analogie avec la formule plus classique du produit de deux matrices carrées de taille
Proposition — La matrice de transition est stochastique : la somme des termes de n'importe quelle ligne de donne toujours 1.
Proposition — La loi de la chaîne de Markov est caractérisée par le couple constitué de sa matrice de transition et de sa loi initiale (la loi de ) : pour tout la loi jointe de est donnée par
Par récurrence, au rang 0,
Au rang en posant
en vertu de la propriété de Markov faible, donc si a l'expression attendue, alors aussi.
Lorsqu'on étudie une chaîne de Markov particulière, sa matrice de transition est en général bien définie et fixée tout au long de l'étude, mais la loi initiale peut changer lors de l'étude et les notations doivent refléter la loi initiale considérée sur le moment : si à un moment de l'étude on considère une chaîne de Markov de loi initiale définie par alors les probabilités sont notées et les espérances sont notées En particulier, si on dit que la chaîne de Markov part de les probabilités sont notées et les espérances sont notées
Pour la probabilité de transition en pas, ne dépend pas de :
Proposition — La matrice de transition en pas, est égale à la puissance -ème de la matrice de transition On note
et
Par récurrence. Au rang 1, c'est une conséquence de l'homogénéité de la chaîne de Markov déjà mentionnée à la section :
Au rang
où
Pour conclure, on divise les deux termes extrêmes de cette suite d'égalités par sauf si ce dernier terme est nul, auquel cas on peut définir arbitrairement, donc, par exemple, égal à
Par une simple application de la formule des probabilités totales, on en déduit les lois marginales de la chaîne de Markov.
Corollaire — La loi de est donnée par
En particulier,
En écriture matricielle, si la loi de est considérée comme un vecteur-ligne avec cela se reformule en :