线性代数系列讲解第十一篇 马尔可夫矩阵和对称矩阵

马尔可夫矩阵

马尔可夫矩阵的条件：1.所有的元素均$\ge 0$
          \qquad \qquad\qquad\;\quad\;\;\; 2.每列元素加起来为1
马尔可夫矩阵的特点：1.矩阵的幂也是马尔可夫矩阵
          \qquad \qquad\qquad\;\quad\;\;\; 2.${\lambda }_1=1$，其他特征值的绝对值$\le 1$
举个例子：
$$A=\left[\begin{array}{ccc}0.1& 0.01& 0.3\\ 0.2& 0.99& 0.3\\ 0.7& 0& 0.4\end{array}\right]$$
我们可以看出这个矩阵满足马尔可夫矩阵的条件，在我看来，我会将其认为概率矩阵。下列计算其特征值和特征向量看看矩阵的信息，我们能够计算其中一个特征值为$1$，我们可以验证一下
$$A-I=\left[\begin{array}{ccc}-0.9& 0.01& 0.3\\ 0.2& -0.01& 0.3\\ 0.7& 0& -0.6\end{array}\right]$$
我们可以发现它是奇异矩阵，而且特征向量(即零空间)为$\left[\begin{array}{c}0.6\\ 33\\ 0.7\end{array}\right]$，而且我们能看出它的左零空间是$\left[\begin{array}{ccc}1& 1& 1\end{array}\right]$
我们来讨论一下：$A$的特征值和$A^T$特征值相同。
$$det(A-\lambda I)=det(A^T-\lambda I)=0$$
得证
应用马尔可夫矩阵，我们可以做预测，以下例子借鉴MIT的线性代数
预测加州(cal)和麻省(mass)的人口：
利用差分方程$u_{k+1}=A{u}_k$，$u_k=[\begin{array}{c}{u}_{cal}\\ u_{}\end{array}$