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 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 ,满足 、对每个状态 ,且 ——即无论初始分布如何, 的每一行当 时都收敛到 。
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 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 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 满足 。不可约性意味着 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 的所有其他特征值 都满足 (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 ,它永远不会衰减)。将任意初始分布 用 的特征基展开,沿 方向的分量(特征值1)永远保持不变,而其余每个分量在第 步都被乘以 ,以几何速度衰减到零。
结合这两步, 收敛到唯一的特征值1分量,即恰为 ;由于这对任意初始分布 (包括每个点质量,即单位矩阵的每一行)都成立,故 的每一行都如所述收敛到 。
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
- David A. Levin, Yuval Peres, Elizabeth L. Wilmer (2017). Markov Chains and Mixing Times
- Sergey Brin, Lawrence Page (1998). The Anatomy of a Large-Scale Hypertextual Web Search Engine
- James R. Norris (1997). Markov Chains