将 PageRank 的评价按顺序排列 (PageRank 小数点3位四舍五入)。名次 PageRank 文件ID 发出链接ID 被链接ID
1 0.304 1 2,3,4,5,7 2,3,5,6
2 0.179 5 1,3,4,6 1,4,6,7
3 0.166 2 1 1,3,4
4 0.141 3 1,2 1,4,5
5 0.105 4 2,3,5 1,5
6 0.061 7 5 1
7 0.045 6 1,5 5
首先应该关注的是，PageRank 的名次和反向链接的数目是基本一致的。
无论链接多少正向链接都几乎不会影响 PageRank，相反地有多少反向链接却是从根本上决定 PageRank 的大小。
但是，仅仅这些并不能说明第1位和第2位之间的显著差别(同样地、第3位和第4位，第6位和第7位之间的差别)。
总之，绝妙之处在于 PageRank 并不只是通过反向链接数来决定的。
让我们详细地看一下。ID=1 的文件的 PageRank 是0.304，占据全体的三分之一，成为了第1位。
特别需要说明的是，起到相当大效果的是从排在第3位的 ID=2 页面中得到了所有的 PageRank(0.166)数。
ID=2页面有从3个地方过来的反向链接，而只有面向 ID=1页面的一个链接，因此(面向ID=1页面的)链接就得到了所有的 PageRank 数。
不过，就因为 ID=1页面是正向链接和反向链接最多的页面，也可以理解它是最受欢迎的页面吧。
反过来，最后一名的 ID=6 页面只有 ID=1 的15％的微弱评价,这可以理解为是因为没有来自 PageRank 很高的 ID=1 的链接而使其有很大地影响。
总之，即使有同样的反向链接的数目，链接源页面评价的高低也影响 PageRank 的高低。
实际地试着计算一下PageRank的收支。
因为λ=1所以计算很简单，只要将自各页的流入量单纯相加即可。
譬如 ID=1 的流入量为，流入量＝(ID=2发出的Rank)+(ID=3发出的Rank)+(ID=5发出的Rank)+(ID=6发出的Rank)
= 0.166+0.141/2+0.179/4+0.045/2
= 0.30375
在误差范围内PageRank的收支相符合。其他页面ID的情况也一样。
以上的 PageRank 推移图正表示了这个收支。
沿着各自的链接发出的PageRank等于此页面原有的PageRank除以发出链接数的值，而且和各自的页面的PageRank收支相平衡。
不过，这样绝妙均衡的本身，对理解线形代数的人来说当然不会是让人惊讶的事情。
因为这正是「特性值和固有矢量的性质」，总之这样被选的数值的组就是固有矢量。
但即使是这样，实际试着确认一下的话，已经能够很好地使用PageRank的方法来考虑了。
以上就是 PageRank 的基本原理。
Google 做的就是大规模地处理这样的非常特性值问题。