马尔可夫链转移矩阵的负特征向量

时间:2015-12-22 21:27:38

标签: python numpy linear-algebra probability markov-chains

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?

1 个答案:

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>