5,443
个编辑
更改
跳到导航
跳到搜索
小第123行：
第123行： − + 第132行：
第132行： − + 第143行：
第143行： − + − +
→转移概率矩阵的特征值
另一方面，
另一方面，
<math>det(P-\lambda I)=det((P-\lambda I)^{\rm T})=det(P^{\rm T}-\lambda I).</math>
<math>det(P-\lambda I)=det((P-\lambda I)^{\rm T})=det(P^{\rm T}-\lambda I)</math>。
所以，<math>1</math>也是<math>P^{\rm T}</math>的特征值。
所以，<math>1</math>也是<math>P^{\rm T}</math>的特征值。
若<math>\pi_0</math>是方程<math>\pi=\pi P</math>的解，那么由递推关系得
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_0.</math>
<math>\pi_n=\pi_0P^n=\pi_0</math>。
即若<math>P(X_0=i)=\pi_0(i)</math>，有
即若<math>P(X_0=i)=\pi_0(i)</math>，有
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>。
不失一般性，假设<math>|x_j|=\max_{k}|x_i|</math>，有
不失一般性，假设<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>。
那么，<math>|\lambda|\leq 1</math>。
那么，<math>|\lambda|\leq 1</math>。