极限分布通常是指马尔可夫链的稳态分布，也就是当马尔可夫链经过足够多的时间步后，系统状态的概率分布不再随时间变化，达到一个稳定的状态。对于有限状态的马尔可夫链，极限分布可以通过求解线性方程组来获得。以下是求解极限分布的基本步骤：

写出状态转移矩阵

假设马尔可夫链有`n`个状态，状态转移矩阵`P`是一个`n x n`的矩阵，其中`P[i][j]`表示从状态`i`转移到状态`j`的概率。

写出初始分布向量

初始分布向量`π`是一个`n x 1`的列向量，其中`π[i]`表示系统处于状态`i`的初始概率。

列出方程组

极限分布满足以下方程组：

π * P = π

π + π + ... + π[n] = 1

其中`π * P`表示将初始分布向量与状态转移矩阵相乘，结果仍然是初始分布向量，因为系统最终会达到一个稳态。

求解方程组

如果上述方程组有解，则该解即为极限分布。解这个方程组通常可以通过线性代数的方法，例如高斯消元法或者矩阵求逆来获得。

检查解的条件

在求解之前，需要确保方程组有解。这通常要求状态转移矩阵`P`满足某些条件，例如是双随机矩阵（即行和列的和都为1）。

以上步骤适用于有限状态的马尔可夫链。对于更复杂的情况，可能需要使用更高级的数学工具，如特征值和特征向量。