我有以下片段来计算转换矩阵的稳定状态:
import numpy as np
import scipy.linalg as la
if __name__ == "__main__":
P = np.array([[0.5, 0.2 , 0.3, 0],
[0.5, 0 , 0.1 , 0.4],
[0.6, 0.1, 0, 0.3],
[0.5, 0.2, 0.3, 0]])
# Sanity check:
assert np.sum(P, axis=1).all() == 1.0
print la.eig(P,left=True)[1]
并打印:
[[ -8.78275813e-01 -7.07106781e-01 -5.00000000e-01 1.47441956e-01]
[ -2.51874610e-01 -1.58270385e-16 -5.00000000e-01 -2.94883912e-01]
[ -3.50434239e-01 -2.60486675e-16 5.00000000e-01 -5.89767825e-01]
[ -2.05880116e-01 7.07106781e-01 5.00000000e-01 7.37209781e-01]]
如果我理解正确,第一列确实是稳定状态。对于我处于消极状态的概率,我没有意义。我错过了什么?
答案 0 :(得分:5)
特征向量的任何非零标量倍数都是特征向量。因此,这也包括在R \ {0}中形式为 v = -n * w , n 并且 w 形式为正特征向量的向量。 / p>