5,443
个编辑
更改
跳到导航
跳到搜索
第98行：
第98行： − 第108行：
第107行： − 进一步，若<math>\pi_0</math>是方程<math>\pi=\pi P</math>的解，那么由递推关系得+ 第118行：
第117行： − + + 第126行：
第126行： − 那么+
→转移概率矩阵的特征值
即<math>1</math>是<math>P</math>的特征值，且对应的特征向量为<math>\mathbf{1}</math>。
即<math>1</math>是<math>P</math>的特征值，且对应的特征向量为<math>\mathbf{1}</math>。
另一方面，
另一方面，
若<math>\pi_0</math>是方程<math>\pi=\pi P</math>的解，那么由递推关系得
<math>\pi_n=\pi_0P^n=\pi P^n=\pi.</math>
<math>\pi_n=\pi_0P^n=\pi P^n=\pi.</math>
即<math>\pi_0</math>为平稳分布。
即<math>\pi_0</math>为平稳分布。
进一步，设<math>\lambda</math>为<math>P</math>的任一特征值，对应的特征向量为<math>x=(x_1,x_2,\ldots)^{\rm T}</math>。那么，<math>\lambda</math>也是<math>P^{\rm T}</math>的特征值，且</math>\lambda x^{\rm T}=x^{\rm T}P^{\rm T}</math>，展开得
进一步，设<math>\lambda</math>为<math>P</math>的任一特征值，对应的特征向量为<math>x=(x_1,x_2,\ldots)^{\rm T}</math>。那么，<math>\lambda</math>也是<math>P^{\rm T}</math>的特征值，且<math>\lambda x^{\rm T}=x^{\rm T}P^{\rm T}</math>，展开得
<math>\lambda x_j=\sum_{i}p_{ij}x_i.</math>
<math>\lambda x_j=\sum_{i}p_{ij}x_i.</math>
<math>|x_j|=\max_{k}|x_i|</math>，
<math>|x_j|=\max_{k}|x_i|</math>，
有
<math>|\lambda|\cdot|x_j|=\Big|\sum_i p_{ij}x_i\Big|\leq\sum_{i}p_{ij}|x_i|\leq\sum_{i}p_{ij}|x_j|=|x_j|.</math>
<math>|\lambda|\cdot|x_j|=\Big|\sum_i p_{ij}x_i\Big|\leq\sum_{i}p_{ij}|x_i|\leq\sum_{i}p_{ij}|x_j|=|x_j|.</math>