Doppelt-stochastische Matrix: Unterschied zwischen den Versionen
Eine stochastische matrix muss quadratisch sein. Ich habe das Wort voran gestellt. Wenn man es in die Bedingungen mit aufnehmen würde, würden die Sätze unnötig kompliziert werden. |
(kein Unterschied)
|
Aktuelle Version vom 24. November 2024, 22:53 Uhr
In der Mathematik bezeichnet eine doppelt-stochastische Matrix (manchmal auch doppelt-stochastische Übergangsmatrix) eine quadratische Matrix, deren Zeilen- und Spaltensummen betragen und deren Elemente zwischen und liegen.
Charakterisierungen
Die folgenden Charakterisierungen doppelt-stochastischer Matrizen sind äquivalent:
- Eine quadratische Matrix ist doppelt-stochastisch genau dann, wenn Zeilen- und Spaltensummen eins betragen und alle Elemente der Matrix zwischen und liegen.
- Eine quadratische Matrix ist doppelt-stochastisch genau dann, wenn sowohl als auch die transponierte Matrix Übergangsmatrizen sind.
- Eine quadratische Matrix ist doppelt-stochastisch genau dann, wenn Zeilen- und Spaltensummen betragen und alle Elemente der Matrix nicht negativ sind.
Eigenwerte und Eigenvektoren
Wie alle Übergangsmatrizen besitzen auch doppelt-stochastische Matrizen als betragsgrößten Eigenwert den Eigenwert . Da jede doppelt-stochastische Matrix sowohl zeilen- als auch spaltenstochastisch ist, ist der Einsvektor (welcher nur Einsen als Einträge hat) sowohl Links- als auch Rechtseigenvektor jeder doppelt-stochastischen Matrix. Ist nun die Matrix doppelt-stochastisch und noch zusätzlich entweder irreduzibel oder echt positiv (vgl. Satz von Perron-Frobenius), so ist die einzige stationäre Verteilung der Markow-Kette, die durch charakterisiert wird, die Gleichverteilung, also der Wahrscheinlichkeitsvektor (das bezieht sich auf die Dimension der -Matrix ).
Satz von Birkhoff und von Neumann
Für eine -Matrix gilt, dass sie genau dann doppelt-stochastisch ist, wenn sie eine Konvexkombination von Permutationsmatrizen ist.
Zusatz: Die Permutationsmatrizen sind die Extremalpunkte der Menge der doppelt-stochastischen Matrizen.