Теорема о поглощении — различия между версиями
(→Доказательство теоремы) |
|||
Строка 12: | Строка 12: | ||
== Доказательство теоремы == | == Доказательство теоремы == | ||
− | Обозначим через ''d'' минимальный элемент матрицы '''''P''''' (''d''>0). Введем функцию ''f'', переводящую вероятностный вектор в другой: <tex>f=p \times P</tex>. Отображение ''f'' сжимающиеся, т.е. отношение "расстояния" между ''f(p)'' и ''f(q)'' к расстоянию между векторами p и q не превосходит, некоторого ''R'' (''R''<1). | + | Обозначим через ''d'' минимальный элемент матрицы '''''P''''' (''d''>0). Введем функцию ''f'', переводящую вероятностный вектор в другой: <tex>f=p \times P</tex>. Отображение ''f'' сжимающиеся, т.е. отношение "расстояния" между ''f(p)'' и ''f(q)'' к расстоянию между векторами ''p'' и ''q'' не превосходит, некоторого ''R'' (''R''<1). |
Пусть расстояние между ''p'' и ''q'' равно: <tex>r(p,r) = \sum_{i} {|p_i - q_i|}</tex> | Пусть расстояние между ''p'' и ''q'' равно: <tex>r(p,r) = \sum_{i} {|p_i - q_i|}</tex> | ||
Строка 24: | Строка 24: | ||
Где <tex>(1-md)< 1</tex>, следовательно оно равно ''R''. | Где <tex>(1-md)< 1</tex>, следовательно оно равно ''R''. | ||
− | В итоге получаем <tex>r(pP,qP)\leqslant R \times r(p,q)</tex>, из которого следует для любого ''n'' <tex>r(pP^n,qP^n)\leqslant R^n \times r(p,q)</tex>. Отсюда получаем сходимость <tex>p^{(0)}P^n</tex>. И переходя в исходном уравнении к пределу в итоге получаем уравнение для предельного вектора <tex>\bar p</tex> | + | В итоге получаем <tex>r(pP,qP)\leqslant R \times r(p,q)</tex>, из которого следует для любого ''n'' <tex>r(pP^n,qP^n)\leqslant R^n \times r(p,q)</tex>. Отсюда получаем сходимость <tex>p^{(0)}P^n</tex>. И переходя в исходном уравнении к пределу, в итоге получаем уравнение для предельного вектора <tex>\bar p</tex> <tex>\bar p = \bar p P</tex>. |
− | |||
− | |||
Единственность решения для уравнения следует из этого же неравенства. Если <tex>p_1</tex> и <tex>p_2</tex> решения системы, то получаем <tex>r(p_1,p_2)=r(p_1P,p_2P)\leqslant R \times r(p_1,p_2)</tex>, что возможно только при совпадении этих решений. | Единственность решения для уравнения следует из этого же неравенства. Если <tex>p_1</tex> и <tex>p_2</tex> решения системы, то получаем <tex>r(p_1,p_2)=r(p_1P,p_2P)\leqslant R \times r(p_1,p_2)</tex>, что возможно только при совпадении этих решений. |
Версия 09:52, 15 января 2011
Формулировка теоремы
Формулировка
С вероятностью, равной 1, марковская цепь перейдет в поглощающее состояние.
Альтернативная формулировка
Пусть P - матрица переходов, где элемент
равен вероятности перехода из i-го состояния в j-ое, а вектор вероятностей нахождения в определенном состоянии на шаге t, тогда, если все элементы матрицы переходных состояний P положительны, то при t , стремящимся к бесконечности, вектор стремится к вектору , являющемуся единственному решению системы
Доказательство теоремы
Обозначим через d минимальный элемент матрицы P (d>0). Введем функцию f, переводящую вероятностный вектор в другой:
. Отображение f сжимающиеся, т.е. отношение "расстояния" между f(p) и f(q) к расстоянию между векторами p и q не превосходит, некоторого R (R<1).Пусть расстояние между p и q равно:
Введем матрицу D, элементы которой на d меньше, чем у P. Тогда
. Таким образом .Подставляем это выражение в определение расстояния и получаем выражение:
Где
, следовательно оно равно R.В итоге получаем
, из которого следует для любого n . Отсюда получаем сходимость . И переходя в исходном уравнении к пределу, в итоге получаем уравнение для предельного вектора .Единственность решения для уравнения следует из этого же неравенства. Если
и решения системы, то получаем , что возможно только при совпадении этих решений.Используемая литература
И.В. Романовский "Дискретный анализ", 2003