經(jīng)濟(jì)學(xué)的數(shù)學(xué)工具

序言
第一部分 矩陣代數(shù)和線性經(jīng)濟(jì)模型
　第1章 矩陣代數(shù)
　1.1 基本概念
　 1.2 行列式
　1.3 矩陣的逆
　 1.4 向量的線性相關(guān)性和矩陣的秩
　1.5 克羅內(nèi)克乘積和矩陣的向量化
　第2章 線性方程組
　2.1 定義
　 2.2 齊次情形Ax=0
　 2.3 非齊次情形Ax=b，b≠0
　2.4 特殊情形m=n
　第3章 線性經(jīng)濟(jì)模型
　3.1 引言與定義
　 3.2 線性經(jīng)濟(jì)模型示例
　 3.3 矩陣代數(shù)在統(tǒng)計學(xué)和計量經(jīng)濟(jì)學(xué)中的應(yīng)用
　第4章 二次型和正定矩陣
　 4.1 引言
　 4.2 對稱矩陣的特征值
　 4.3 特殊矩陣的特征值
　 4.4 對稱矩陣的特征向量
　 4.5 列為對稱矩陣特征向量的矩陣
　 4.6 二次型的對角化”
　 4.7 特征值與|A|，r(A)和tr A
　4.8 另一種方法：運(yùn)用行列式
第二部分 多元函數(shù)和最優(yōu)化
　第5章 多元函數(shù)
　5.1 函數(shù)的一般概念
　 5.2 偏導(dǎo)數(shù)
　5.3 函數(shù)中的特殊類
　 5.4 比較靜態(tài)分析與非線性經(jīng)濟(jì)模型
　 5.5 微分與泰勒逼近
　第6章 最優(yōu)化
　 6.1 無約束最優(yōu)化
　 6.2 局部最優(yōu)與全局最優(yōu)
　 6.3 有約束最優(yōu)化
　 6.4 有約束局部最優(yōu)與有約束全局最優(yōu)
　6.5 矩陣微積分簡介
　第7章 最優(yōu)化問題中的比較靜態(tài)分析
　7.1 引言
　 7.2 無約束最優(yōu)化
　 7.3 有約束最優(yōu)化
　 7.4 斯拉斯基方程
　7.5 包絡(luò)定理在經(jīng)濟(jì)學(xué)中的應(yīng)用
第三部分 動態(tài)分析
　第8章 積分
　 8.1 引言
　 8.2 定積分
　 8.3 作為微分逆過程的積分
　 8.4 不定積分
　8.5 進(jìn)一步的思考
　 8.6 經(jīng)濟(jì)學(xué)應(yīng)用
　第9章 連續(xù)時間：微分方程
　 9.1 定義
　 9.2 線性微分方程
　 9.3 一階常系數(shù)線性微分方程
　 9.4 利用一階微分方程進(jìn)行動態(tài)經(jīng)濟(jì)分析
　 9.5 二階線性常系數(shù)微分方程
　 9.6 經(jīng)濟(jì)學(xué)應(yīng)用：動態(tài)供求模型
　9.7 苦階線性微分方程
　 9.8 非線性微分方程的定性分析
　第10章 離散時間：差分方程
　10.1 引言和定義
　 10.2 一階線性常系數(shù)差分方程
　10.3 二階線性常系數(shù)差分方程
　 10.4 考察二次方程根的性質(zhì)
　10.5 經(jīng)濟(jì)學(xué)應(yīng)用
　 10.6 高階線性差分方程
　第11章 動態(tài)最優(yōu)化
　11.1 引言
　　11.2 動態(tài)最優(yōu)化與靜態(tài)最優(yōu)化
　11.3 基本最優(yōu)控制問題與龐特里亞金最大值原理
　11.4 基本問題的擴(kuò)展
　11.5 經(jīng)濟(jì)學(xué)應(yīng)用：拉姆齊/索羅模型
習(xí)題答案
進(jìn)一步閱讀的文獻(xiàn)
中英文詞匯對照
譯后記