（更新）
我需要找到一个巨大的马尔可夫链的固定分布。我的状态向量是（t，x_1，x_2，x_3，x_4，x_5），其中t = 1，...，7，每个x_j = 0，...，40。如您所见，转换矩阵的大小非常大。
我试图解决P = PxA，其中P是行向量是静态分布，A是转移概率矩阵。为了解决这个问题，我使用了Gauss-Seidel方法等数值方法。总之，我从初始答案开始，然后对于迭代n + 1，我使用迭代n的静态分布作为输入;因此，
P_（N + 1）= P_nxA
（加上归一化为1）
我可以非常轻松快速地计算A的每个成员;所以我真的不需要在内存中存储巨大的转换矩阵;但是，我需要存储P_n，它是一个包含1.3亿个元素的向量。
我正在尝试用Python编写代码，并且想知道是否有任何关于＆＃34;有效＆＃34;的建议。在Python中存储这些值。