Nächste Seite: Ergodizität und Stationarität
Aufwärts: Modellbeschreibung und Beispiele
Vorherige Seite: Rekursive Darstellung
  Inhalt
Matrix der
-stufigen Übergangswahrscheinlichkeiten
- Beachte
-
- Die Matrix
wird
die
-stufige Übergangsmatrix der Markov-Kette
genannt.
- Mit der Schreibweise
, wobei
die
-dimensionale Einheitsmatrix bezeichnet, lassen
sich die folgenden Darstellungsformeln für
angeben.
Lemma 2.1
Für beliebige

gilt
 |
(22) |
und somit
 |
(23) |
- Beweis
Die Gleichung (22) folgt
unmittelbar aus (20) und aus der Definition der
Matrix-Multiplikation.
- Beispiel
(Wettervorhersage)
- Sei
, und sei
eine beliebige Übergangsmatrix mit
.
- Man kann zeigen (vgl. Übungsaufgabe 2.3), dass dann die
-stufige Übergangsmatrix
gegeben ist
durch
- Beachte
-
- Die Matrix-Identität (23) wird in der Literatur
Gleichung von Chapman-Kolmogorov genannt.
- Unmittelbar aus (23) ergeben sich die folgenden
nützlichen Abschätzungen.
Außerdem ergibt sich aus Lemma 2.1 die folgende
Darstellung der Verteilung des zufälligen Zustandes
der
Markov-Kette zum Zeitpunkt
.
- Beweis
-
- Aus der Formel der totalen Wahrscheinlichkeit (vgl.
Theorem WR-2.6) und aus (21) folgt, dass
wobei wir
setzen, falls
.
- Die Behauptung (26) ergibt sich nun aus
Lemma 2.1.
- Beachte
-
- Wegen Theorem 2.3 kann die Berechnung der
Wahrscheinlichkeiten
auf die Berechnung der
-ten Potenz
der Übergangsmatrix
zurückgeführt
werden.
- Dabei ist in vielen Fällen die sogenannte Spektraldarstellung von
nützlich, die auf die folgende
Weise mit Hilfe der Eigenwerte bzw. Eigenvektoren der
Übergangsmatrix
bestimmt werden kann.
- Zur Erinnerung
- Sei
eine (nicht notwendig stochastische)
Matrix, seien
zwei
-dimensionale (Spalten-) Vektoren, so daß jeweils mindestens
eine ihrer Komponenten von 0 verschieden ist, und sei
eine beliebige (reelle oder komplexe) Zahl.
- Falls
bzw. |
(27) |
dann ist
ein Eigenwert von
, und
bzw.
ist ein rechter bzw. linker (zu
gehörender) Eigenvektor.
- Weil (27) und

bzw.
äquivalent sind, ist
genau dann ein Eigenwert von
, wenn
eine Lösung der sogenannten charakteristischen Gleichung ist:
 |
(28) |
- Weil (28) eine algebraische Gleichung der Ordnung
ist, besitzt sie somit
Lösungen
, die komplex sein können und die
nicht alle voneinander verschieden sein müssen.
- Wir nehmen o.B.d.A. an, dass die Eigenwerte
so numeriert sind, dass
- Für jeden Eigenwert
existieren (jeweils von
verschiedene) rechte bzw. linke Eigenvektoren
bzw.
.
- Sei
die
Matrix, die aus den rechten Eigenvektoren
besteht, und sei
die
Matrix, die aus den linken Eigenvektoren
gebildet wird.
- Mit dieser Schreibweise ergibt sich, dass
 |
(29) |
wobei
und
die Diagonalmatrix mit den Diagonalelementen
bezeichnet.
- Falls die Eigenvektoren
linear
unabhängig sind,
- dann existiert die inverse Matrix
, und wir können
setzen.
- Außerdem ergibt sich in diesem Fall aus (29), dass
und somit
- Hieraus ergibt sich die Spektraldarstellung von
:
 |
(30) |
- Beachte
-
- Die Anwendung von (30) für die Übergangsmatrix
führt zu einem einfachen Algorithmus zur Berechnung
der
-ten Potenz
in (26).
- Dabei sind lediglich die Eigenwerte und Eigenvektoren von
zu berechnen, wofür Standard-Software wie MAPLE, MATLAB oder
MATHEMATICA verwendet werden kann.
- Ein wesentlicher Vorteil der Spektraldarstellung (30)
besteht darin, dass sich bei der Verwendung von (30)
die Komplexität der numerischen Berechnung von
mit
wachsendem
nicht erhöht.
- Allerdings wird bei der Herleitung von (30)
vorausgesetzt, dass die Eigenvektoren
linear unabhängig sind. Das
folgende Lemma liefert eine hinreichende Bedingung hierfür.
- Beweis
-
- Die Gültigkeit der ersten Teilaussage zeigen wir mit vollständiger
Induktion.
- Weil jeder Eigenvektor
mindestens eine Komponente hat,
die von 0 verschieden ist, impliziert
,
dass
.
- Seien nun sämtliche Eigenwerte
von
voneinander verschieden, und für ein gewisses
seien die Eigenvetoren
linear
unabhängig.
- Um zu beweisen, dass dann auch die Eigenvektoren
linear unabhängig sind, genügt es zu
zeigen, dass
 |
(32) |
die Gültigkeit von
impliziert.
- Die Koeffizienten
seien nun so gewählt, dass
(32) gilt. Dann gilt auch
- Auf die gleiche Weise ergibt sich, dass
und somit
- Weil angenommen wird, dass die Eigenvektoren
linear unabhängig sind, folgt
hieraus, dass
bzw.
, weil
für
.
- Wegen (32) muss dann auch
gelten.
- Falls sämtliche Eigenwerte
von
voneinander verschieden sind,
- dann besteht also die
Matrix
aus
linear unabhängigen Spaltenvektoren,
- und
ist somit invertierbar.
- Die Matrix
der linken Eigenvektoren kann also durch den
Ansatz
gebildet werden, woraus sich
unmittelbar die Gültigkeit von (31) ergibt.
Nächste Seite: Ergodizität und Stationarität
Aufwärts: Modellbeschreibung und Beispiele
Vorherige Seite: Rekursive Darstellung
  Inhalt
Ursa Pantle
2003-09-29