14.1 拉普拉斯变换的定义 14.2 拉普拉斯变换的基本性质 14.3 拉普拉斯反变换的部分分式展开 14.4 运算电路 14.5 用拉普拉斯变换法分析线性电路 14.6 网络函数的定义 14.7 网络函数的极点和零点 14.8 极点、零点与冲激响应 14.9 极点、零点与频率响应

5.1 单边拉普拉斯变换 5.2 拉普拉斯变换的性质 5.3 拉普拉斯反变换 5.4 线性系统的拉氏变换分析法 5.5 连续时间系统函数与系统特性

本文引用向量、矩阵的模,采用纯量Liapunov函数法,得到了变系数线性大系统的零解渐近稳定的几个充分条件,即定理1、2和3,并通过严格的理论证明,对其各自的稳定性参数区域进行了比较

14.1 拉普拉斯变换的定义 14.2 拉普拉斯变换的基本性质 14.3 拉普拉斯反变换的部分分式展开 14.4 运算电路 14.5 应用拉普拉斯变换法分析线性电路 14.6 网络函数的定义 14.7 网络函数的极点和零点 14.8 极点、零点与冲激响应 14.9 极点、零点与频率响应

8.1 采样控制 8.2 采样过程和采样定理 8.3 信号恢复 8.4 Z变换理论及线性差分方程求解 8.5 脉冲传递函数 8.6 采样系统的稳定性分析 8.7 采样系统的稳态误差 8.8 采样系统的暂态特性分析

第一章 多项式习题解答 第二章 行列式习题解答 第三章 线性方程组习题参考答案 第四章 矩阵练习题参考答案 第五章 二次型习题解答 第六章 线性空间习题解答 第九章 第九章 欧几里得空间习题解答

为了分析运动的稳定性,李雅普诺夫提出了两 种方法: 第一方法包含许多步骤，包括最终用微分方 程的显式解来对稳定性近行分析，是一个间接的 方法。 第二方法不是求解微分方程组，而是通过构 造所谓李雅普诺夫函数（标量函数）来直接判断 运动的稳定性，因此又称为直接法

分枝定界法(Branch and Bound Method 基本思想: 先求出整数规划相应的线性规划(即不考虑整数限制)的最优解, 若求得的最优解符合整数要求,则这个解就是原整数规划的最优解; 若不满足整数条件,则任选一个不满足整数条件的变量来构造新的约束,在原可行域中剔除部分非整数解。 然后,再在缩小的可行域中求解新构造的线性规划的最优解,这 样通过求解一系列线性规划问题,最终得到原整数规划的最优解。 ·定界的含义: 整数规划是在相应的线性规划的基础上增加变量为整数的约束条件,整数规划的最优解不会优于相应线性规划的最优解。 对极大化问题来说,相应线性规划的目标函数最优值是原整数规划函数值的上界;

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的参数估计 (Estimation of Simple Linear Regression Model) 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计 §2.3 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 一、Ŷ0是条件均值E(Y|X=X0)或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间