齐次电路？
一、齐次电路？
定义
在线性电路中，当全部激励（独立电压源、电流源）同时增大K倍（缩小K倍），其响应（支路电流或电压）也相应的增大（缩小）K倍。
路中只有一个激励（独立源）时，则响应（电压或电流）与激励成正比。
齐次定理只适用于线性电路，它描述了线性电路的比例特性。
二、电路分析齐次定理？
齐次定理，内容为在线性电路中，当全部激励（独立电压源、电流源）同时增大K倍（缩小K倍），其响应（支路电流或电压）也相应的增大（缩小）。
证明步骤
n次齐次函数定义： f(tx,ty)=t的n次幂*f(x,y) 对任意实数t都成立所以可以把等式的左右边都看成关于x,y,t的三元函数。
假定f可以微分上式两边都对t求偏导数，再化简（偏导符号假定为￠）设u=tx,v=ty 即得 (￠f/￠u)*(￠u/￠t)+(￠f/￠v)*(￠v/￠t)=n*t的n-1次幂*f(x,y) 因为f(u,v)=t的n次幂*f(x,y) 代入上式 (￠f/￠u)*x+(￠f/￠v)*y=n*f(u,v)/t 所以 (￠f/￠u)*u+(￠f/￠v)*v=n*f(u,v)
三、什么是线性电路的齐次性？
线性电路的叠加性可以用叠加定理来描述：线性电阻电路中，任一支路电压或电流都是电路中各个独立电源单独作用时，在该支路分别产生的电压或电流的叠加。
叠加定理适用于线性电路的电压和电流，不适用功率。也不适用非线性电路。
线性电路的齐次性：线性电路中，所有激励（独立电源）都同时增大(或减小)同样的倍数，则电路中响应也增大(或减小)同样的倍数。当电路中只有一个激励(独立源)时，则响应(电压或电流)
与激励成正比。
四、齐次定理适用于非线性电路吗？
线性电路(系统)满足齐次性和可加性,非线性电路(系统)不满足齐次性和可加性。 齐次性是指激励(输入)增大多少倍,响应(输出)增加相同倍数。
五、齐次线性和非齐次的区别？
非齐次线性方程组，等号右边不全为零的线性方程组，如：
x+y+z=1
2x+y+z=3
x+2y+2z=4
齐次线性方程组，等号右边全为零的线性方程组，如：
x+y+z=0
2x+y+z=0
x+2y+2z=0
一个多项式中各个单项式的次数都相同的式子,我们称之为齐次式。正如上面例题中的，xyz的次数都是1，所以就是齐次式。
六、n次齐次定理？
n次齐次函数定义： f(tx,ty)=t的n次幂*f(x,y) 对任意实数t都成立所以可以把等式的左右边都看成关于x,y,t的三元函数。
假定f可以微分上式两边都对t求偏导数，再化简（偏导符号假定为￠）设u=tx,v=ty 即得 (￠f/￠u)*(￠u/￠t)+(￠f/￠v)*(￠v/￠t)=n*t的n-1次幂*f(x,y) 因为f(u,v)=t的n次幂*f(x,y) 代入上式 (￠f/￠u)*x+(￠f/￠v)*y=n*f(u,v)/t 所以 (￠f/￠u)*u+(￠f/￠v)*v=n*f(u,v)
七、含有二极管电路是否满足齐次定理？
Zn与酸反应，H+少了，无法反应。电压也就没有了。
八、齐次电流法？
在线性电路中，当全部激励（独立电压源、电流源）同时增大K倍（缩小K倍），其响应（支路电流或电压）也相应的增大（缩小）K倍。
在线性电路中，当全部激励（独立电压源、电流源）同时增大K倍（缩小K倍），其响应（支路电流或电压）也相应的增大（缩小）K倍。
在线性电路中，当全部激励（独立电压源、电流源）同时增大K倍（缩小K倍），其响应（支路电流或电压）也相应的增大（缩小）K倍。
九、齐次变换通式？
齐次变换
一直对齐次坐标这个概念的理解不够彻底，博客上看到一篇关于透视投影变换的探讨的文章，其中有对齐次坐标有非常精辟的说明。
由于作者对齐次坐标真的解释的不错，我就原封不动的摘抄过来：
对于一个向量v以及基oabc，可以找到一组坐标(v1,v2,v3)，使得v = v1 a + v2 b + v3 c （1）
而对于一个点p，则可以找到一组坐标（p1,p2,p3），使得 p – o = p1 a + p2 b + p3 c （2），
从上面对向量和点的表达，我们可以看出为了在坐标系中表示一个点（如p），我们把点的位置看作是对这个基的原点o所进行的一个位移，即一个向量——p – o（有的书中把这样的向量叫做位置向量——起始于坐标原点的特殊向量），我们在表达这个向量的同时用等价的方式表达出了点p：p = o + p1 a + p2 b + p3 c (3)
由于**(1)(3)**是坐标系下表达一个向量和点的不同表达方式。这里可以看出，虽然都是用代数分量的形式表达向量和点，但表达一个点比一个向量需要额外的信息。如果我写出一个代数分量表达(1, 4, 7)，谁知道它是个向量还是个点！
我们现在把（1）（3）写成矩阵的形式：v = (v1 v2 v3 0) X (a b c o)p = (p1 p2 p3 1) X (a b c o),这里(a,b,c,o)是坐标基矩阵，右边的列向量分别是向量v和点p在基下的坐标。
这样，向量和点在同一个基下就有了不同的表达：3D向量的第4个代数分量是0，而3D点的第4个代数分量是1。像这种这种用4个代数分量表示3D几何概念的方式是一种齐次坐标表示。这样，上面的(1, 4, 7)如果写成（1,4,7,0），它就是个向量；如果是(1,4,7,1)，它就是个点。
下面是如何在普通坐标(Ordinary Coordinate)和齐次坐标(Homogeneous Coordinate)之间进行转换：
(1)从普通坐标转换成齐次坐标时 如果(x,y,z)是个点，则变为(x,y,z,1);
如果(x,y,z)是个向量，则变为(x,y,z,0)
(2)从齐次坐标转换成普通坐标时 如果是(x,y,z,1)，则知道它是个点，变成(x,y,z); 如果是(x,y,z,0)，则知道它是个向量，仍然变成(x,y,z)以上是通过齐次坐标来区分向量和点的方式。
从中可以思考得知，对于平移T、旋转R、缩放S这3个最常见的仿射变换，平移变换只对于点才有意义，因为普通向量没有位置概念，只有大小和方向.而旋转和缩放对于向量和点都有意义，你可以用类似上面齐次表示来检测。
从中可以看出，齐次坐标用于仿射变换非常方便。此外，对于一个普通坐标的点P=(Px, Py, Pz)，有对应的一族齐次坐标(wPx, wPy, wPz, w)，其中w不等于零。比如，P(1, 4, 7)的齐次坐标有(1, 4, 7, 1)、（2, 8, 14, 2）、（-0.1, -0.4, -0.7, -0.1）等等。
因此，如果把一个点从普通坐标变成齐次坐标，给x,y,z乘上同一个非零数w，然后增加第4个分量w；如果把一个齐次坐标转换成普通坐标，把前三个坐标同时除以第4个坐标，然后去掉第4个分量。
由于齐次坐标使用了4个分量来表达3D概念，使得平移变换可以使用矩阵进行，从而如F.S. Hill, JR所说，仿射（线性）变换的进行更加方便。
由于图形硬件已经普遍地支持齐次坐标与矩阵乘法，因此更加促进了齐次坐标使用，使得它似乎成为图形学中的一个标准。
以上很好的阐释了齐次坐标的作用及运用齐次坐标的好处。其实在图形学的理论中，很多已经被封装的好的API也是很有研究的，要想成为一名专业的计算机图形学的学习者，除了知其然必须还得知其所以然。这样在遇到问题的时候才能迅速定位问题的根源，从而解决问题。
十、齐次式解法？
举一个最简单的例子：
已知tana=3 求(2sina-cosa)/(sina+3cosa)
分子分母同时除以cosa得：
(2tana-1)/(tana+3)
代入得：
(2*3-1)/(3+3)=5/6
