线性代数学习笔记7-4：马尔可夫矩阵、矩阵幂的稳态问题

马尔可夫矩阵Markov Matrix

马尔可夫矩阵与概率的思想有关，马尔可夫矩阵满足

• 每个元素$a_{ij}\ge 0$
• 每列元素的总和为1

有时也定义马尔可夫矩阵的每行元素总和为1，两个情况不冲突：
" 每列元素的总和为1"与"马尔可夫矩阵右乘列向量"配套
" 每行元素的总和为1"与"行向量左乘马尔可夫矩阵"配套

马尔可夫矩阵的性质：

• 马尔可夫矩阵的幂（矩阵与自身相乘），仍为马尔可夫矩阵
  进一步考虑矩阵幂的稳态问题，稳态问题与特征值和特征向量问题紧密关联（在7-2说过，特征值$\lambda =1$对应的矩阵幂为稳态）
• 马尔可夫矩阵必然有特征值${\lambda }_i=1$（对应项就是矩阵幂最终的稳态），且对应的特征向量${\mathbf{x}}_i$中所有元素非负（要注意的是，$\mathbf{A}$的特征向量在$(\mathbf{A}-\lambda \mathbf{I})$的零空间中，即特征向量为方程$(\mathbf{A}-\lambda \mathbf{I})\mathbf{x}=0$的非零解）
  且其余所有特征值$|{\lambda }_j|\le 1$

证明：马尔可夫矩阵必然有特征值${\lambda }_i=1$（对应的特征向量${\mathbf{x}}_i$的所有元素非负，证明略）
只要证明$\mathbf{A}-\mathbf{I}$是奇异矩阵即可（对应于$det(\mathbf{A}-\lambda \mathbf{I})=0,\lambda =1$，这保证了方程有非零解/$\mathbf{A}$有特征向量）
由于马尔可夫矩阵$\mathbf{A}$每列元素的总和为1，故$\mathbf{A}-\mathbf{I}$每列元素总和为0，也就是说，$\mathbf{A}-\mathbf{I}$的行向量相加等于就是0向量，因此行向量线性相关（$(\mathbf{A}-\mathbf{I}{)}^T\mathbf{x}=0$有非零解$[11...1{]}^T$），矩阵为奇异矩阵，证毕

7-2复习：矩阵的幂乘以向量${\mathbf{A}}^k{\mathbf{u}}_0$，可以简化表示为通式$${\mathbf{A}}^k{\mathbf{u}}_0=\mathbf{S}{\mathbf{\Lambda }}^k{\mathbf{S}}^{-1}\mathbf{S}\mathbf{c}=\mathbf{S}{\mathbf{\Lambda }}^k\mathbf{c}=c_1{\lambda }_1^k{\mathbf{x}}_1+c_2{\lambda }_2^k{\mathbf{x}}_2+\dots +c_n{\lambda }_n^k{\mathbf{x}}_n$$
其中需要将${\mathbf{u}}_0$表示为特征向量的线性组合${\mathbf{u}}_0=\mathbf{S}\mathbf{c}$，并且注意前提是需要一整套线性无关的特征向量/或者说特征向量矩阵$\mathbf{S}$可逆（否则无法保证任意${\mathbf{u}}_0$都可以被拆解）
关于矩阵的幂的“稳态”：特征值$|{\lambda }_i|<1$的项最终会消失，特征值$|{\lambda }_i|=1$的项恒定，特征值$|{\lambda }_i|>1$的项最终不断增长

• 由上推出，马尔可夫矩阵的幂，最终的稳态只会留下那些特征值$\lambda =1$对应的项，而其余$|{\lambda }_j|\le 1$的项最终都会消失
  也就是说，特征值${\lambda }_i=1$及其对应的特征向量${\mathbf{x}}_i$已经给出了矩阵幂的最终稳态（并且，由于特征向量${\mathbf{x}}_i$的所有元素非负，若初始值为正，则最终的稳态也为正）

应用：求解人口流动问题

有两个城市，每年这两个城市各自有一定比例留下/迁移到另一个城市（概率总和为1）
这个问题的特点是，人口总数是固定不变的，并且对于某个城市，留下或迁移的比例总和为1，因此可用马尔可夫矩阵来描述
两个城市的人口用向量$\left[\begin{array}{c}{u}_A\\ u_B\end{array}\right]$表示，假如每年的变换情况为（假设每年的人口流动概率情况都相同）$${\left[\begin{array}{c}{u}_A\\ u_B\end{array}\right]}_{t=k+1}=\left[\begin{array}{cc}.9& .2\\ .1& .8\end{array}\right]{\left[\begin{array}{c}{u}_A\\ u_B\end{array}\right]}_{t=k}$$

其中，结果的第一行$u_A$来自于马尔可夫矩阵的第一行，表示$A$城市有0.9的人口留下，$B$城市有0.2的人口迁移到$A$城市，最终第二年$u_A=.9u_A+.2u_B$

若初态为$u_0=\left[\begin{array}{c}0\\ 1000\end{array}\right]$，求第$k$年两城市的人口分布情况

• 马尔可夫矩阵的特征值和特征向量${\lambda }_1=1,x_1=\left[\begin{array}{c}2\\ 1\end{array}\right]$,${\lambda }_2=0.7,x_2=\left[\begin{array}{c}1\\ -1\end{array}\right]$
• 初态分解为特征向量的线性组合：$u_0=c_1{x}_1+c_2{x}_2，其中c_1=1000/3,c_2=2000/3$
• 通解为${\mathbf{u}}_k=c_1\left[\begin{array}{l}2\\ 1\end{array}\right]+c_2(0.7{)}^k\left[\begin{array}{c}-1\\ 1\end{array}\right]$，当$k$很大时第二项消失
  也就是说，最初每年人口总体上从$B$向$A$流动，但最终的人口分布趋于稳定，两城市分别有$1000/3$和$2000/3$人

上面的例子验证了：

• 马尔可夫矩阵必有特征值$\lambda =1$，并且$\lambda =1$对应的特征向量+初态就确定了矩阵幂最终的稳态；
  其余特征值$|\lambda |\le 1$，$|\lambda |<1$的对应项最终会消失