MathLabs
定理已证明

有限马尔可夫链基本定理

命题陈述

若有限状态空间 SS 上的马尔可夫链是不可约且非周期的,则存在唯一的平稳分布 π\pi,满足 πP=π\pi P=\pi、对每个状态 πi>0\pi_i>0,且 lim⁡n→∞Pn=1 π\lim_{n\to\infty}P^n=\mathbf 1\,\pi——即无论初始分布如何,PnP^n 的每一行当 n→∞n\to\infty 时都收敛到 π\pi。

为什么成立?

这正是马尔可夫链之所以有用的原因:它表明一个随机演化系统的长期行为会稳定到一个单一的、可预测的模式,并且会忘记自己的出发点,同时准确告诉我们这个模式是什么(转移动力学的唯一不动点)。

证明思路

存在性与唯一性。由于 PP 是行随机矩阵,全1向量是特征值为1的右特征向量,故1也是 PP 的特征值(矩阵与其转置共享特征值),从而存在相应的左特征向量 π\pi 满足 πP=π\pi P=\pi。不可约性意味着 PP 是一个强连通图的转移矩阵,因此可以应用佩龙-弗罗贝尼乌斯定理:特征值1是单重的(重数为一),且其特征向量可取为严格为正,归一化使各分量之和为1后即得唯一性。

收敛性。非周期性加上不可约性意味着 PP 的所有其他特征值 λ\lambda 都满足 ∣λ∣<1|\lambda|<1(这正是周期性会破坏的部分:周期链恰好在单位圆上有额外的特征值,例如 −1-1,它永远不会衰减)。将任意初始分布 μ0\mu_0 用 PP 的特征基展开,沿 π\pi 方向的分量(特征值1)永远保持不变,而其余每个分量在第 nn 步都被乘以 λn\lambda^n,以几何速度衰减到零。

结合这两步,μ0Pn\mu_0 P^n 收敛到唯一的特征值1分量,即恰为 π\pi;由于这对任意初始分布 μ0\mu_0(包括每个点质量,即单位矩阵的每一行)都成立,故 PnP^n 的每一行都如所述收敛到 π\pi。

用到此定理的主题

分步证明

该定理暂无分步证明。

参考文献

  1. David A. Levin, Yuval Peres, Elizabeth L. Wilmer (2017). Markov Chains and Mixing Times
  2. Sergey Brin, Lawrence Page (1998). The Anatomy of a Large-Scale Hypertextual Web Search Engine
  3. James R. Norris (1997). Markov Chains