计算矩阵方程[图]...

在图2-27所示网络中，已知C₄=C₅=0.5F，L₆=2H，L₁=1H，R₂=1Ω，R₃=2Ω，i_s(t)=A，V。(1)绘出电路的有向图并写出其以支路1、2、3为树的基本回路矩阵；(2)计算回路阻抗矩阵，写出回路方程。

  

在题2-14图所示网络中,已知C₄=C₅=0.5F,L₆=2H,L₁=1H,R₂=1Ω,R₃=2Ω

(1)绘出电路的有向图并写出其以支路1、2、3为树的基本回路矩阵;

(2)计算回路阻抗矩阵,写出回路方程.

图15．3(a)中各电阻均为R， R=1Ω，Us＝lV，Is=1A，其有向图如图15．3(b)所示，以图15-3(c)所示的电路为典型支路，求： (1)关联矩阵A。 (2)支路导纳矩阵Y。 (3)电压源列向量Us。 (4)电流源列向量Is。 (5)列写矩阵形式的节点电压方程(只要列写表达式，不需要进行矩阵计算)。

(浙江大学2006年考研试题)图15-21(a)中各电阻均为尺，R=1Ω，US=1V，IS=1A，其有向图如图l5-21(b)所示，以图15—21(c)所示的电路为典型支路，求： (1)关联矩阵A； (2)支路导纳矩阵Y； (3)电压源列向量US； (4)电流源列向量IS； (5)列写矩阵形式的节点电压方程(只要列写表达式，不需要进行矩阵计算)。

PageRank 是 Google 公司提出的计算网页重要度的一种方法。参见下图,简单而言,网页是由“文本”和“链接”构成的,“链接”可使用户从一个网页跳转到另一个网页。因此,所谓“链接”即是某一个网页的地址,通过网页链接的读取,可以建立起各个网页之间的链接关系。对一个网页而言,其链接到其他网页的链接被称为“正向链接”,而所有链接到该网页的链接被称为“反向链接”。关于 PageRank 算法,回答问题。 前述说过 PageRank 网页 i 重要度 可以通过迭代地计算得到,即由 m-1 状态下各个网页的重要度 ,依转移概率矩阵计算 m 状态下网页重要度 ,参见下图。 关于网页重要度的计算过程,下列说法正确的是 _____

A．在得到了转移概率矩阵 M 后，任意给出网页重要度的一组值，记为 ，是一向量，参见下图，继续进行 是将状态序列 断迭代产生后趋于稳定的，或者说收敛的 ，作为最终的 R ，即是已知 M 情况下，求方程 R=MR 的解

D．上述说法都正确

PageRank算法是基于网页链接分析对关键字匹配搜索结果进行处理的。它借鉴传统引文分析思想：当网页甲有一个链接指向网页乙，就认为乙获得了甲对它贡献的分值，该值的多少取决于网页甲本身的重要程度，即网页甲的重要性越大，网页乙获得的贡献值就越高。由于网络中网页链接的相互指向，该分值的计算为一个迭代过程，最终网页根据所得分值进行检索排序。

互联网是一张有向图，每一个网页是图的一个顶点，网页间的每一个超链接是图的一个边，邻接矩阵B=(b)w如果从网页i到网页j有超链接，则by=1，否则为0。

记矩阵B的列和及行和分别是它们分别给出了页面j的链人链接数目和页面i的链出链接数目。假如在上网时浏览页面并选择下一个页面的过程，与过去浏览过哪些页面无关，而仅依赖于当前所在的页面。那么这一-选择过程可以认为是一一个有限状态、离散时间的随机过程，其状态转移规律用Markov链描述。定义矩阵A=(ay)wxn为式中:d是模型参数，通常取d=0.85;A是Markov链的转移概率矩阵;ay表示从页面i转移到页而j的概率。根据Markov链的基本性质，对于正则Markov链存在平稳分布x=式中:x为在极限状态(转移次数趋于无限)下各网页被访问的概率分布，Google将它定义为各网页的PageRank值。假设x已经得到，则它按分量满足方程网页i的PageRank值是划，它链出的页面有τ个，于是页面i将它的PageRank值分成r份，分别“投票"给它链出的网页。x为网页k的PageRank值，即网络上所有页面“投票给网页k的最终值。根据Markov链的基本性质还可以得到，平稳分布(即PageRank值)是转移概率矩阵A的转置矩阵AT的最大特征值(=1)所对应的归一化特征向量。

已知一个N=6的网络如图4.8所示，求它的PageRank取值。

计算微分方程的通解为（ ）

A、

B、

C、

D、

计算微分方程的通解为( ).

A、

B、

C、

D、