矩阵数学理论与马尔可夫链详解
1. 矩阵基础与M - 矩阵
在矩阵的世界里，有一类特殊的矩阵值得我们关注。所有非对角元素非正且主 minors 非负的矩阵被定义为 M - 矩阵；而那些非对角元素非正且主 minors 为正的矩阵，则是可逆的 M - 矩阵。当我们对可逆的 M - 矩阵进行分裂，即 (A = M - N)，并且 (M^{-1} \geq 0) 时，线性平稳迭代对于所有的初始向量 (x(0)) 和右侧向量 (b) 都是收敛的，例如雅可比方法就满足这种收敛性。
2. 佩龙 - 弗罗贝尼乌斯理论
2.1 非负矩阵与正矩阵
非负矩阵是指每个元素都是非负数的矩阵，用 (A \geq 0) 表示；而正矩阵则是每个元素都大于 0 的矩阵，记为 (A > 0)。在实际应用中，像 PageRank 算法所基于的超链接矩阵 (H) 和随机矩阵 (S) 就是非负矩阵，谷歌矩阵 (G) 则是正矩阵。因此，正矩阵和非负矩阵的性质决定了 PageRank 算法的行为，而佩龙 - 弗罗贝尼乌斯理论正是揭示这些性质的关键，它描述了正矩阵和非负矩阵的主特征值和特征向量的本质。
2.2 佩龙定理
2.2.1 正矩阵的佩龙定理
对于一个 (n \times n) 的正矩阵 (A)，设 (r = \rho (A))（(\rho (A)) 表示矩阵 (A) 的谱半径），以下性质成立：
1. (r > 0)；
2. (r) 是矩阵 (A) 的一个特征值，被称为佩龙根；
3. (r) 的代数重数为 1，即佩龙根是单根；
4. 存在一个正的特征向量 (x > 0
