写一段关于故障传递有向图矩阵化处理，求得概率转移矩阵之后用pagerank方法，并给出故障相关子系统所有节点的被影响度CK值和影响度CI值的matlab程序，举个相关的例子

故障传递有向图是指在复杂系统中，由于各个子系统之间的相互作用，当某个子系统发生故障时，可能会引起其他子系统的故障，从而导致整个系统的崩溃。为了分析这种情况，可以建立故障传递有向图，并对其进行矩阵化处理，得到概率转移矩阵，进而使用pagerank算法计算节点的影响度。

下面以一个简单的例子来说明：

假设有一个由A、B、C、D四个子系统组成的复杂系统，它们之间的故障传递关系如下图所示：


为了进行矩阵化处理，我们可以对每个子系统进行编号，例如A为1，B为2，C为3，D为4。然后，我们可以建立一个4×4的概率转移矩阵P，其中第i行第j列的元素表示从子系统i到子系统j的故障传递概率。例如，P(1,2)表示从子系统1到子系统2的故障传递概率。

根据上图，我们可以得到概率转移矩阵P如下：

      0       0.5      0.5      0
P =   0       0        0.5      0.5
      0       0        0        1
      0       0        0        1

接下来，我们可以使用pagerank算法计算节点的影响度。在matlab中，可以使用如下代码实现：

% 概率转移矩阵P
P = [0, 0.5, 0.5, 0;
     0, 0, 0.5, 0.5;
     0, 0, 0, 1;
     0, 0, 0, 1];

% pagerank算法计算节点的影响度
alpha = 0.85; % 阻尼系数
n = size(P,1); % 节点数
I = ones(n,1); % 初始影响度
E = ones(n,n)/n; % 等价矩阵
CK = zeros(n,1); % 节点的被影响度
CI = zeros(n,1); % 节点的影响度

for i = 1:100 % 迭代100次
    I = alpha*P*I + (1-alpha)*E*I;
end

for i = 1:n
    CK(i) = sum(P(i,:)); % 节点的被影响度
    CI(i) = I(i); % 节点的影响度
end

最终，可以得到故障相关子系统所有节点的被影响度CK值和影响度CI值。如果我们关心的是子系统A、B、C、D的影响度，可以将CK和CI的第1到4个元素取出来即可。