拉普拉斯变换
1、前言
因笔者学生时代,复变函数相关课程,学得并不认真,以致于工作后,阅读相关论文时,遇到拉普拉斯变换时,常不知所言,遂心生“负师友规训之德”的愧意,于是重新记录下拉普拉斯变换的学习历程。供自己闲时温故。
2、拉普拉斯变换
2.1 定义
设函数f(t)当t≥0时有定义,且广义积分
∫0+∞f(t)e−stdt
在s的某一区域内收敛,则由此积分确定的参数为s的函数
F(s)=∫0+∞f(t)e−stdt(式1)
叫做函数f(t)的拉普拉斯变换,F(s)也可称做f(t)的象函数。
2.2 算子
f(t)⟶F(s)
dtdf(t)⟶sF(s)
2.3 RLC无源网络
如下图是由电阻R、电感L、电容C组成的无源网络
其输入输出关系的微分方程为:
LCdt2d2uo(t)+RCdtduo(t)+uo(t)=ui(t)
对上式进行拉普拉斯变换得到:
L[dtduo(t)]=sUo(s)−uo(0)
L[dt2d2u0(t)]=s2Uo(s)−suo(0)−uo′(0)
整理可得:
LC(s2Uo(s)−suo(0)−uo′(0))+RC(sUo(s)−uo(0))+Uo(s)=Ui(s)
相关阅读
因为傅里叶变换之类的很常用,时间长了不用总会忘记,所以一次性罗列出来权当总结好了。主要参考《信号与线性系统分析》(吴大正),也有
一、傅里叶变换的局限性 用傅里叶变换提取信号的频谱需要利用信号的全部时域信息,傅里叶变换没有反映出随着时间的变化信号频率成
这个马氏链蒙特卡洛方法,我这实在是感觉太难了,脑阔疼。不过终于找到一本书详细介绍这个方法《模式识别与机器学习》马春鹏 这个版
三元组的表示(1)、目的:对于在实际问题中出现的大型的稀疏矩阵,若用常规分配方法在计算机中储存,将会产生大量的内存浪费,而且在访问和
向量叉乘(Cross Product)--------------------------------------------------------------------------------------刚体变换(Rigid