马尔可夫矩阵
马尔可夫矩阵的条件:1.所有的元素均 ≥ 0 \geq 0 ≥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. λ 1 = 1 \lambda_1=1 λ1=1,其他特征值的绝对值 ≤ 1 \leq 1 ≤1
举个例子:
A = [ 0.1 0.01 0.3 0.2 0.99 0.3 0.7 0 0.4 ] A=\begin{bmatrix}0.1&0.01&0.3\\0.2&0.99&0.3\\0.7&0&0.4\end{bmatrix} A=⎣⎡0.10.20.70.010.9900.30.30.4⎦⎤
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 1 1,我们可以验证一下
A − I = [ − 0.9 0.01 0.3 0.2 − 0.01 0.3 0.7 0 − 0.6 ] A-I=\begin{bmatrix}-0.9&0.01&0.3\\0.2&-0.01&0.3\\0.7&0&-0.6\end{bmatrix} A−I=⎣⎡−0.90.20.70.01−0.0100.30.3−0.6⎦⎤
我们可以发现它是奇异矩阵,而且特征向量(即零空间)为 [ 0.6 33 0.7 ] \begin{bmatrix}0.6\\33\\0.7\end{bmatrix} ⎣⎡0.6330.7⎦⎤,而且我们能看出它的左零空间是 [ 1 1 1 ] \begin{bmatrix}1&1&1\end{bmatrix} [111]
我们来讨论一下: A A A的特征值和 A T A^T AT特征值相同。
d e t ( A − λ I ) = d e t ( A T − λ I ) = 0 det(A-\lambda I)=det(A^T-\lambda I)=0 det(A−λI)=det(AT−λI)=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+1}=Au_k uk+1=Auk, u k = [ u c a l u m a s s ] t = k u_k=\begin{bmatrix}u_{cal}\\u_{mass}\end{bmatrix}_{t=k} uk=[ucalu