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

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

§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基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 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 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值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 §2.6 实例及时间序列问题

案例分析一：关于计量经济学方法论的讨论 案例分析二：我国城市居民家庭消费函数——一元线性回归模型 案例分析三：建筑行业工资差异制度因素的分析——一元线性回归模型 案例分析四：中国税收增长的分析——多元线性回归模型的应用 案例分析五：中国 A 股新股抑价率多因素回归分析——多元线性回归模型应用 案例分析六：影响中国旅游市场发展的主要因素——多重共线性问题 案例分析七：医疗机构数与人口数量的关系——异方差问题 案例分析八：中国农村居民消费模型——自相关问题 案例分析九：1978-2003 年我国国民总收入与居民储蓄存款的关系——虚拟变量模型的应用

案例分析一：关于计量经济学方法论的讨论 案例分析二：我国城市居民家庭消费函数——一元线性回归模型 案例分析三：建筑行业工资差异制度因素的分析——一元线性回归模型 案例分析四：中国税收增长的分析——多元线性回归模型的应用 案例分析五：中国 A 股新股抑价率多因素回归分析——多元线性回归模型应用 案例分析六：影响中国旅游市场发展的主要因素——多重共线性问题 案例分析七：医疗机构数与人口数量的关系——异方差问题 案例分析八：中国农村居民消费模型——自相关问题 案例分析九：美国制造业库存量 Y 和销售额 X 的关系——分布滞后模型应用 案例分析十：1978-2003 年我国国民总收入与居民储蓄存款的关系——虚拟变量模型的应用 案例分析十一：影响中国进口量的主要因素分析——模型的设定偏误问题 案例分析十二 ：研究中国城镇居民的生活费支出与可支配收入的关系——时间序列计量经济学模型 案例分析十三 ：美国个人汽油消费支出中的协整问题——时间序列计量经济学模型 案例分析十四：中国宏观经济调控模型——联立方程计量经济学模型