本书开始介绍线性代数的空间理论，主要包括一般域上的线性空间、线性变换和内积理论，空间的维数不作限制．线性空间理论是对向量和矩阵知识的抽象和扩充．有限维线性空间上的线性代数问题，可以转化为矩阵问题加以研究．面对无限维线性空间上的线性代数问题时，有限维线性空间中成立的结论在无限维线性空间中有可能不成立，矩阵方法无法替代空间理论．线性代数的矩阵理论和空间理论是两套不同的数学语言，分别具有代数属性和几何属性，它们是线性代数的一体两面，各有所长．综合掌握这两套数学语言，有利于从多个角度深入思考具体问题

通过本课程的学习，使学生建立线性离散系统控制理论的基本概念，掌握线性离散系统分析和设计的一般规律。使学生能够利用脉冲传递函数对离散系统的稳定性、稳态误差、动态性能进行分析，实现对离散系统的设计。本课程还要求学生掌握非线性控制系统的基本内容，掌握非线性控制系统的特点，非线性特性的线性化，非线性特性对系统的影响，利用相平面法及描述函数法对非线性系统进行分析。本课程的学习将为后续课程的学习打好基础，也为学生以后从事实际工作和科研奠定一定的理论基础。教学重点、难点：1、线性离散系统控制理论的基本概念，信号的离散化与信号保持器，Z变换定理。2、闭环脉冲传递函数的求取，系统动、静态特性的分析。3、离散系统的设计（串联模拟校正，最少拍系统的设计）。4、非线性控制系统的特点，非线性特性的线性化，非线性特性对系统的影响。5、非线性系统的描述函数分析；6、相轨迹的绘制与分析。奇点及奇线的分析与确定，自激振荡存在性及自振参数的确定

第五章5-1双线性函数 5.1.1线性空间上的线性函数的定义 1、线性函数的定义 定义设V为数域K上的线性空间,fV→K为映射,满足 f(a+B)=f(a)+f(),va,B∈V;f(ka)kf(a),∈k,aev,则称f为由V 到K的一个线性函数(即f为V到K的一个线性映射) 如同一般的线性映射,有以下事实: i)、f:V→K是线性函数当且仅当f(ka+1B)=kf(a)+lf(B) i)、f(0)=0; i)、f(-a)=-f(a) 命题数域K上的n维线性空间V上的线性函数的全体关于函数加法和数乘构成K上 的n维线性空间

第一节 向量组的线性相关与线性无关 一、向量、向量组与矩阵 二、线性相关性的概念 三、线性相关性的判定 六、小节、思考题 四、向量组的线性相关性质 五、线性表示、线性相关以及 线性无关三者的关系 第二节 向量组的秩 一、最大无关向量组的概念 二、矩阵与向量组秩的关系 三、向量组秩的重要结论 四、小节、思考题 第三节 向量空间 一、向量空间的概念 二、子空间 三、向量空间的基和维数 四、小节、思考题 第四节 线性方程组解的结构 一、齐次线性方程组解的性质 二、基础解系及其求法 三、非齐次线性方程组解的性质 四、小节、思考题 第五节 向量的内积 一、内积的定义与性质 二、向量的长度与性质 三、正交向量组的概念及求法 四、正交矩阵与正交变换 五、小节、思考题

第一节 向量组的线性相关与线性无关 一、向量、向量组与矩阵 二、线性相关性的概念 三、线性相关性的判定 六、小节、思考题 四、向量组的线性相关性质 线性无关三者的关系 五、线性表示、线性相关以及 第二节 向量组的秩 一、最大无关向量组的概念 二、矩阵与向量组秩的关系 三、向量组秩的重要结论 四、小节、思考题 第三节 向量空间 一、向量空间的概念 二、子空间 三、向量空间的基和维数 四、小节、思考题 第四节 线性方程组解的结构 一、齐次线性方程组解的性质 二、基础解系及其求法 三、非齐次线性方程组解的性质 四、小节、思考题 第五节 向量的内积 一、内积的定义与性质 二、向量的长度与性质 三、正交向量组的概念及求法 四、正交矩阵与正交变换 五、小节、思考题

第四章4-3线性映射与线性变换 4.3.1线性映射的定义 定义设U,V为数域K上的线性空间,φ:U→V为映射,且满足以下两个条件: i)、(a+)=(a)+(),(a,B∈U); i)、(ka)=k(a),(a∈U,k∈K), 则称为(由U到V的)线性映射, 由数域K上的线性空间U到V的K的线性映射的全体记为Hom(U,V),或简记为 Hom(U,). 定义中的i和)二条件可用下述一条代替 (ka+1)=k(a)+kq(B),(a,B∈U,k,l∈K)

6.1 反馈线性化及其标准形 6.2 输入-状态线性化 6.3 数学工具 6.4 单输入-单输出系统的输入-状态线性化 6.5 单输入-单输出系统的输入-输出线性化 6.6 非线性系统的零动态设计方法 6.7 多输入-多输出系统的输入-输出线性化及应用例子 6.8 反馈线性化在光伏系统分析中应用

第四章4-3线性映射与线性变换(续) 4.3.4线性变换的定义与运算 定义线性空间到自身的线性映射称为线性变换,记Hom(V,V)为Endr(V)或End (V)。 例恒同变换 E:V→V, >a. 例投影(射影)设V=V1V2,Va∈V,a=a+a2(a1eV,a2∈V2),定义V到 V的投影P(a)=a1,V到V2的投影P2(a)=a2 定义End(V)中的运算(加法、数乘和乘法) 加法定义为(A+)(a)=A(a)+B(a)(Va∈V) 数乘定义为(kA)(a)=k(A(a)),其中k∈K; 乘法(复合)定义为(AB)(a)=A(B(a)

5.1 向量空间的定义 一、向量空间概念的引入 二、向量空间的定义 三、向量空间的例子 四、向量空间的基本性质 5.2 向量的线性相关性 5.3 基维数和坐标 一. 基 二. 维数 三. 关于基和维数的几个结论 四. 坐标 五. 过渡矩阵及向量在不同基下坐标的关系 六. 过渡矩阵的性质 5.4 子空间 5.5 向量空间的同构 第六章 线性方程组 6.1 消元解法 6.3 齐次线性方程组解的结构 6.4 一般 线性方程组解结构 6.5 秩与线性相关性 6.6 特征向量与矩阵的对角化 第七章 线性变换 7.1 线性变换的定义及性质 7.2 线性变换的运算 7.3 线性变换的矩阵 7.4 不变子空间 7.5 线性变换的本征值和本征向量 第八章 欧氏空间 8.1 欧氏空间的定义及基本性质 8.2 度量矩阵与正交基 8.3 正交变换与对称变换 8.4 子空间与正交性 8.5 对称矩阵的标准形

第一节 微分方程的基本概念 一、问题的提出 二、微分方程的定义 三、主要问题-----求方程的解 第二节 可分离变量的微分方程 第三节 齐次方程 一、齐次方程 二、可化为齐次的方程 第四节 一阶线性微分方程 一、线性方程 二、伯努利方程 第五节 全微分方程 一、全微分方程及其求法 二、积分因子法 三、一阶微分方程小结 第六节 欧拉－柯西近似法 一、方向场 积分曲线 二、欧拉-柯西近似法 第七节 可降阶的高阶微分方程 一、 型 二、 型 三、恰当导数方程 四、齐次方程 第八节 高阶线性微分方程 一、概念的引入 二、线性微分方程的解的结构 三、降阶法与常数变易法 第九节 二阶常系数齐次线性微分方程 一、定义 二、二阶常系数齐次线性方程解法 三、n阶常系数齐次线性方程解法 第十节 二阶常系数非齐次线性微分方程 第十一节 欧拉方程 第十二节 微分方程的幂级数解法 一、问题的提出 二、 特解求法 三、二阶齐次线性方程幂级数求法 第十三节 常系数线性微分方程组解法举例 一、微分方程组 二、常系数线性微分方程组的解法 三、小结