更改

首先定义<math>s^{(t)}</math>表示系统在<math>t</math>时刻处于各微观状态的概率，微观状态空间为<math>S=\{s_1, s_2, ... ,s_n\}</math>。

首先定义<math>s^{(t)}</math>表示系统在<math>t</math>时刻处于各微观状态的概率，微观状态空间为<math>S=\{s_1, s_2, ... ,s_n\}</math>。

给定一个任意state partition <math>A=\{A_1, A_2, ... ,A_r\}</math>，也可以把其理解为宏观的状态空间。<math>S</math> 和 <math>A</math> 之间的Hard Partition映射关系<math>\Phi:S \rightarrow A</math>为：<math>A_i \in S, A_i \neq \empty, A_i \cap A_j = \empty , \forall i, j, \cup_i A_i = S</math>。这种映射关系是指：<math>A</math>中的每个元素<math>A_i</math>都包括了若干个<math>s_i</math>；<math>A_i</math>和<math>A_j</math>之间没有交集，即每个<math>s_i</math>不会同时属于<math>A_i</math>和<math>A_j</math>；<math>S</math>中的每个元素必须属于某个<math>A</math>的元素，即<math>A</math>覆盖了<math>S</math>。

给定一个任意状态划分（state partition） <math>A=\{A_1, A_2, ... ,A_r\}</math>，也可以把其理解为宏观的状态空间。<math>S</math> 和 <math>A</math> 之间的硬性划分映射关系<math>\Phi:S \rightarrow A</math>为：<math>A_i \in S, A_i \neq \empty, A_i \cap A_j = \empty , \forall i, j, \cup_i A_i = S</math>。这种映射关系是指：<math>A</math>中的每个元素<math>A_i</math>都包括了若干个<math>s_i</math>；<math>A_i</math>和<math>A_j</math>之间没有交集，即每个<math>s_i</math>不会同时属于<math>A_i</math>和<math>A_j</math>；<math>S</math>中的每个元素必须属于某个<math>A</math>的元素，即<math>A</math>覆盖了<math>S</math>。

在这里，我们考虑的是线性的马尔科夫过程的投影，所以<math>\Phi</math>是一个<math>n \times n</math>的投影矩阵。因此，我们可以定义宏观状态<math>A^{(t)} = s^{(t)} \Phi</math>为微观状态<math>s^{(t)}</math>在宏观空间上的投影。

在这里，我们考虑的是线性的马尔科夫过程的投影，所以<math>\Phi</math>是一个<math>n \times n</math>的投影矩阵。因此，我们可以定义宏观状态<math>A^{(t)} = s^{(t)} \Phi</math>为微观状态<math>s^{(t)}</math>在宏观空间上的投影。

[[文件:Lumpable矩阵粗粒化示例.png|缩略图|500x500像素|图2：矩阵粗粒化示例]]对于任意state partition <math>A</math>，我们能够定义一个lumped process，即把微观的动力学轨迹<math>s^{(t)}</math>通过投影矩阵<math>\Phi</math>投影到<math>A</math>的空间上。

[[文件:Lumpable矩阵粗粒化示例.png|缩略图|500x500像素|图2：矩阵粗粒化示例]]对于任意状态划分 <math>A</math>，我们能够定义一个lumped process，即把微观的动力学轨迹<math>s^{(t)}</math>通过投影矩阵<math>\Phi</math>投影到<math>A</math>的空间上。

比如，我们有某条微观状态序列<math>\{ s^{(1)}, ..., s^{(6)} \}</math> 是 <math>\{ s_1, s_3, s_4, s_2, s_2, s_3  \}</math>，对于投影矩阵<math>\Phi  = \left ( \begin{array}{cc} 1 & 0 \\ 1 & 0 \\ 0 & 1 \\ 0 & 1 \end{array} \right )</math>，我们得到的投影后的宏观状态序列为<math>\{ A_1, A_2, A_2, A_1, A_1, A_2  \}</math>

比如，我们有某条微观状态序列<math>\{ s^{(1)}, ..., s^{(6)} \}</math> 是 <math>\{ s_1, s_3, s_4, s_2, s_2, s_3  \}</math>，对于投影矩阵<math>\Phi  = \left ( \begin{array}{cc} 1 & 0 \\ 1 & 0 \\ 0 & 1 \\ 0 & 1 \end{array} \right )</math>，我们得到的投影后的宏观状态序列为<math>\{ A_1, A_2, A_2, A_1, A_1, A_2  \}</math>

需要注意的是，虽然任意一个状态划分 <math>A</math>都能走这样的路径，并形成lumped process，但不是所有的这些lumped process都是有意义且满足交换律的。他们不一定能够得出一个宏观动力学来描述式子（3）中微观状态的宏观投影，也不一定会拥有马尔科夫性。

需要注意的是，虽然任意一个状态划分 <math>A</math>都能走这样的路径，并形成lumped process，但不是所有的这些lumped process都是有意义且满足交换律的。他们不一定能够得出一个宏观动力学来描述式子（3）中微观状态的宏观投影，也不一定会拥有马尔科夫性。

我们暂且先不考虑‘失败’的情况，先关注‘成功’的部分。书中接下来就定义了什么叫做lumpable partition：

我们暂且先不考虑‘失败’的情况，先关注‘成功’的部分。书中接下来就定义了什么叫做lumpable 划分：

'''''定义2'''''：'''lumpable partition'''

'''''定义2'''''：'''lumpable partition 划分'''

'''对于一个给定的state partition <math>A</math>，当下列两个条件都满足时，<math>A</math>是一个lumpable partition。'''

'''对于一个给定的状态 <math>A</math>，当下列两个条件都满足时，<math>A</math>是一个lumpable partition 划分。'''

# '''定义1中式子(3)描述的lumped process具有马尔科夫性，即式子(3.3)可写成<math>Pr_{\pi} \left [s^{(t)} \in A_m | s^{(t-1)} \in A_k, ... ,  s^{(1)} \in A_j,  s^{(0)} \in A_i \right ] = Pr_{\pi} \left [s^{(t)} \in A_m | s^{(t-1)} \in A_k \right ]</math>'''

# '''定义1中式子(3)描述的lumped process具有马尔科夫性，即式子(3.3)可写成<math>Pr_{\pi} \left [s^{(t)} \in A_m | s^{(t-1)} \in A_k, ... ,  s^{(1)} \in A_j,  s^{(0)} \in A_i \right ] = Pr_{\pi} \left [s^{(t)} \in A_m | s^{(t-1)} \in A_k \right ]</math>'''