拉普拉斯变换 （英语：Laplace transform ）是应用数学 中常用的一种积分变换 ，又名拉氏变换 ，其符号为
L
{
f
(
t
)
}
{\displaystyle \displaystyle {\mathcal {L}}\left\{f(t)\right\}}
线性变换 ，可将一个有实数变量
t
(
t
≥
0
)
{\displaystyle t(t\geq 0)}
s
{\displaystyle s}
F
(
s
)
=
∫
0
∞
f
(
t
)
e
−
s
t
d
t
.
{\displaystyle F(s)=\int _{0}^{\infty }f(t)e^{-st}\,\mathrm {d} t.}
拉氏变换在大部分的应用中都是双射 的，最常见的
f
(
t
)
{\displaystyle f(t)}
F
(
s
)
{\displaystyle F(s)}
皮埃尔-西蒙·拉普拉斯 （Pierre-Simon marquis de Laplace ），他在概率论 的研究中首先引入了拉氏变换。
拉氏变换和傅里叶变换 有关，不过傅里叶变换将一个函数或是信号表示为许多弦波的叠加，而拉氏变换则是将一个函数表示为许多矩 的叠加。拉氏变换常用来求解微分方程及积分方程。在物理及工程上常用来分析线性非时变系统 ，可用来分析电子电路 、谐振子 、光学仪器 及机械设备。在这些分析中，拉氏变换可以作时域 和频域 之间的变换，在时域中输入和输出都是时间的函数，在频域中输入和输出则是复变 角频率 的函数，单位是弧度 每秒。
对于一个简单的系统，拉氏变换提供另一种系统的描述方程，可以简化分析系统行为的时间[ 1] 卷积 会变成频域下的乘法。
对于所有实数
t
≥
0
{\displaystyle t\geq 0}
f
(
t
)
{\displaystyle f(t)}
F
(
s
)
{\displaystyle F(s)}
F
(
s
)
=
∫
0
∞
e
−
s
t
f
(
t
)
d
t
{\displaystyle F(s)=\int _{0}^{\infty }e^{-st}f(t)\,\mathrm {d} t}
其中频率参数
s
{\displaystyle s}
复数 ：
s
=
σ
+
i
ω
,
{\displaystyle s=\sigma +i\omega ,\,}
σ
{\displaystyle \sigma }
ω
{\displaystyle \omega }
除了
F
{\displaystyle F}
L
f
{\displaystyle \displaystyle {\mathcal {L}}f}
L
t
{
f
(
t
)
}
{\displaystyle \displaystyle {\mathcal {L}}_{t}\left\{f(t)\right\}}
L
{\displaystyle {\mathcal {L}}}
运算符号 。
这个积分的具体含义取决于被积函数的类型。它存在的一个必要条件是在
f
{\displaystyle f}
[
0
,
∞
)
{\displaystyle [0,\infty )}
局部可积 。对于在无穷大处衰减的局部可积函数或指数型 函数，这积分可以被理解成（恰当）勒贝格积分 。然而，在很多应用中，我们有必要将其视作在
∞
{\displaystyle \infty }
条件收敛 的反常积分 。更一般的，这个积分可以在较弱的意义 上理解，在下面会去处理。
可以用勒贝格积分 定义拉普拉斯变换为一个有限博雷尔测度
μ
{\displaystyle \mu }
[ 2]
L
{
μ
}
(
s
)
=
∫
[
0
,
∞
)
e
−
s
t
d
μ
(
t
)
.
{\displaystyle {\mathcal {L}}\{\mu \}(s)=\int _{[0,\infty )}e^{-st}\,\mathrm {d} \mu (t).}
以上定义的一个特殊情况是
μ
{\displaystyle \mu }
概率测度 ，或者更具体地说，是狄拉克δ函数 时。在运算微积分 中，拉普拉斯变换的测度常常被视作由分布函数
f
{\displaystyle f}
L
{
f
}
(
s
)
=
∫
0
−
∞
e
−
s
t
f
(
t
)
d
t
,
{\displaystyle {\mathcal {L}}\{f\}(s)=\int _{0^{-}}^{\infty }e^{-st}f(t)\,\mathrm {d} t,}
其中积分下限
0
−
{\displaystyle 0^{-}}
lim
ε
→
0
∫
−
ε
∞
{\displaystyle \lim _{\varepsilon \rightarrow 0}\int _{-\varepsilon }^{\infty }}
的简化符号。
这个极限强调任何位于 0 的质点都被拉普拉斯变换完全捕获。虽然在使用勒贝格积分 时，我们没有必要取这个极限，但它让我们更自然地与拉普拉斯–斯蒂尔吉斯变换
更广义地，对于定义于整个实轴上的实值函数或复值函数
f
(
t
)
{\displaystyle f(t)}
双边拉普拉斯变换 为
B
{
f
}
(
s
)
=
∫
−
∞
∞
e
−
s
t
f
(
t
)
d
t
{\displaystyle {\mathcal {B}}\left\{f\right\}(s)=\int _{-\infty }^{\infty }e^{-st}f(t)\,\mathrm {d} t}
两个相异的可积函数，只有在其差的勒贝格测度 为零时，才会有相同的拉普拉斯变换。因此以变换的角度而言，存在其反变换。包括可积分函数在内，拉普拉斯变换是单射 映射，将一个函数空间映射到其他的函数空间。典型的函数空间包括有界连续函数、函数空间L∞ (0, ∞) 、或是更广义，在 (0, ∞) 区间内的缓增广义函数（函数的最坏情形是多项式增长）。
拉普拉斯逆变换 有许多不同的名称，如维奇积分 、傅立叶-梅林积分 、梅林逆公式 ，是一个复数 积分：
f
(
t
)
=
L
−
1
{
F
}
(
t
)
=
1
2
π
i
lim
T
→
∞
∫
γ
−
i
T
γ
+
i
T
e
s
t
F
(
s
)
d
s
{\displaystyle f(t)={\mathcal {L}}^{-1}\{F\}(t)={\frac {1}{2\pi i}}\lim _{T\to \infty }\int _{\gamma -iT}^{\gamma +iT}e^{st}F(s)\,\mathrm {d} s}
其中
γ
{\displaystyle \gamma }
F
(
s
)
{\displaystyle F(s)}
Post反演公式
在实务上一般会配合查表，将函数的拉普拉斯变换分换为许多已知函数的拉普拉斯变换，再利用观察的方式产生其拉普拉斯逆变换。在微分方程中会用到拉普拉斯逆变换，会比用傅里叶变换的处理方式要简单。
函数
f
(
t
)
{\displaystyle f(t)}
g
(
t
)
{\displaystyle g(t)}
F
(
s
)
{\displaystyle F(s)}
G
(
s
)
{\displaystyle G(s)}
f
(
t
)
=
L
−
1
{
F
(
s
)
}
g
(
t
)
=
L
−
1
{
G
(
s
)
}
{\displaystyle {\begin{aligned}f(t)&={\mathcal {L}}^{-1}\{F(s)\}\\g(t)&={\mathcal {L}}^{-1}\{G(s)\}\end{aligned}}}
下面的表格是一系列单边拉普拉斯变换的性质：[ 3]
单边拉普拉斯变换的性质
时域
s域
注释
线性 叠加
a
f
(
t
)
+
b
g
(
t
)
{\displaystyle af(t)+bg(t)\ }
a
F
(
s
)
+
b
G
(
s
)
{\displaystyle aF(s)+bG(s)\ }
可以用积分的基本规则证明。
s域一阶微分
t
f
(
t
)
{\displaystyle tf(t)\ }
−
F
′
(
s
)
{\displaystyle -F'(s)\ }
F
′
{\displaystyle F'}
F
{\displaystyle F}
导数 。
s域一般微分
t
n
f
(
t
)
{\displaystyle t^{n}f(t)\ }
(
−
1
)
n
F
(
n
)
(
s
)
{\displaystyle (-1)^{n}F^{(n)}(s)\ }
更一般的形式是
F
(
s
)
{\displaystyle F(s)}
n
{\displaystyle n}
时域一阶微分
f
′
(
t
)
{\displaystyle f'(t)\ }
s
F
(
s
)
−
f
(
0
)
{\displaystyle sF(s)-f(0)\ }
f
{\displaystyle f}
可微函数 ，并且其导数为指数类型 。这条性质可以通过分部积分 得到。
时域二阶微分
f
″
(
t
)
{\displaystyle f''(t)\ }
s
2
F
(
s
)
−
s
f
(
0
)
−
f
′
(
0
)
{\displaystyle s^{2}F(s)-sf(0)-f'(0)\ }
f
{\displaystyle f}
f
(
t
)
{\displaystyle f(t)}
时域一般微分
f
(
n
)
(
t
)
{\displaystyle f^{(n)}(t)\ }
s
n
F
(
s
)
−
∑
k
=
1
n
s
k
−
1
f
(
n
−
k
)
(
0
)
{\displaystyle s^{n}F(s)-\sum _{k=1}^{n}s^{k-1}f^{(n-k)}(0)\ }
f
{\displaystyle f}
n
{\displaystyle n}
n
{\displaystyle n}
数学归纳法 证明。
s域积分
1
t
f
(
t
)
{\displaystyle {\frac {1}{t}}f(t)\ }
∫
s
∞
F
(
σ
)
d
σ
{\displaystyle \int _{s}^{\infty }F(\sigma )\,\mathrm {d} \sigma \ }
这是由s域微分和条件收敛推导出来的。
时域积分
∫
0
t
f
(
τ
)
d
τ
=
(
u
∗
f
)
(
t
)
{\displaystyle \int _{0}^{t}f(\tau )\,\mathrm {d} \tau =(u*f)(t)}
1
s
F
(
s
)
{\displaystyle {1 \over s}F(s)}
u
(
t
)
{\displaystyle u(t)}
阶跃函数 ，注意到
(
u
∗
f
)
(
t
)
{\displaystyle (u*f)(t)}
u
(
t
)
{\displaystyle u(t)}
f
(
t
)
{\displaystyle f(t)}
卷积 。
时间标度
f
(
a
t
)
{\displaystyle f(at)}
1
a
F
(
s
a
)
{\displaystyle {\frac {1}{a}}F\left({s \over a}\right)}
a
>
0
{\displaystyle a>0\ }
s域平移
e
a
t
f
(
t
)
{\displaystyle e^{at}f(t)\ }
F
(
s
−
a
)
{\displaystyle F(s-a)\ }
时域平移
f
(
t
−
a
)
u
(
t
−
a
)
{\displaystyle f(t-a)u(t-a)\ }
e
−
a
s
F
(
s
)
{\displaystyle e^{-as}F(s)\ }
u
(
t
)
{\displaystyle u(t)}
阶跃函数
乘法
f
(
t
)
g
(
t
)
{\displaystyle f(t)g(t)}
1
2
π
i
lim
T
→
∞
∫
c
−
i
T
c
+
i
T
F
(
σ
)
G
(
s
−
σ
)
d
σ
{\displaystyle {\frac {1}{2\pi i}}\lim _{T\to \infty }\int _{c-iT}^{c+iT}F(\sigma )G(s-\sigma )\,\mathrm {d} \sigma \ }
积分沿完全处在
F
{\displaystyle F}
R
e
(
σ
)
=
c
{\displaystyle Re(\sigma )=c}
[ 4]
卷积
(
f
∗
g
)
(
t
)
=
∫
0
t
f
(
τ
)
g
(
t
−
τ
)
d
τ
{\displaystyle (f*g)(t)=\int _{0}^{t}f(\tau )g(t-\tau )\,\mathrm {d} \tau }
F
(
s
)
⋅
G
(
s
)
{\displaystyle F(s)\cdot G(s)\ }
复共轭
f
∗
(
t
)
{\displaystyle f^{*}(t)}
F
∗
(
s
∗
)
{\displaystyle F^{*}(s^{*})}
互相关
f
(
t
)
⋆
g
(
t
)
{\displaystyle f(t)\star g(t)}
F
∗
(
−
s
∗
)
⋅
G
(
s
)
{\displaystyle F^{*}(-s^{*})\cdot G(s)}
周期函数
f
(
t
)
{\displaystyle f(t)}
1
1
−
e
−
T
s
∫
0
T
e
−
s
t
f
(
t
)
d
t
{\displaystyle {1 \over 1-e^{-Ts}}\int _{0}^{T}e^{-st}f(t)\,\mathrm {d} t}
f
(
t
)
{\displaystyle f(t)}
周期 为
T
{\displaystyle T}
t
≥
0
{\displaystyle t\geq 0}
f
(
t
)
=
f
(
t
+
T
)
{\displaystyle f(t)=f(t+T)}
几何级数 的结果。
f
(
0
+
)
=
lim
s
→
∞
s
F
(
s
)
{\displaystyle f(0^{+})=\lim _{s\to \infty }{sF(s)}}
F
(
s
)
{\displaystyle {F(s)}}
多项式除法 将
F
(
s
)
{\displaystyle {F(s)}}
f
(
∞
)
=
lim
s
→
0
s
F
(
s
)
{\displaystyle f(\infty )=\lim _{s\to 0}{sF(s)}}
s
F
(
s
)
{\displaystyle sF(s)}
复平面 或原点为单极点。由于终值定理无需经过部分分式 分解或其他困难的代数就能给出长期的行为，它就很有用。如果
F
(
s
)
{\displaystyle F(s)}
f
(
t
)
=
e
t
{\displaystyle f(t)=e^{t}}
f
(
t
)
=
sin
(
t
)
{\displaystyle f(t)=\sin(t)}
拉普拉斯变换可以看成是幂级数的一个连续 模拟。如果 a (n ) 是正整数 n 的一个离散函数，那么与 a (n ) 相关的幂级数为
∑
n
=
0
∞
a
(
n
)
x
n
{\displaystyle \sum _{n=0}^{\infty }a(n)x^{n}}
其中 x 是实变量（参见Z变换 ）。将对 n 的加和替换成对 t 的积分，则此幂级数的连续形式为
∫
0
∞
f
(
t
)
x
t
d
t
{\displaystyle \int _{0}^{\infty }f(t)x^{t}\,\mathrm {d} t}
其中离散型函数 a (n ) 被替换成连续型的 f (t )。（参见下文梅林变换 。）改变幂的基底 x 为 e 得
∫
0
∞
f
(
t
)
(
e
log
x
)
t
d
t
{\displaystyle \int _{0}^{\infty }f(t)\left(e^{\log {x}}\right)^{t}\,\mathrm {d} t}
要使这个积分对任何有界函数 f 都收敛，就需要满足
log
x
<
0
{\displaystyle \log {x}<0}
−s = log x
∫
0
∞
f
(
t
)
e
−
s
t
d
t
{\displaystyle \int _{0}^{\infty }f(t)e^{-st}\,\mathrm {d} t}
换句话说，拉普拉斯变换是幂级数的一个连续模拟，只是把离散参数 n 换成了连续变量 t ， x 换成了 e −s
函数 f 的矩 为
μ
n
=
∫
0
∞
t
n
f
(
t
)
d
t
{\displaystyle \mu _{n}=\int _{0}^{\infty }t^{n}f(t)\,\mathrm {d} t}
如果 f 的前 n 阶矩绝对收敛，则通过反复在积分符号内取微分 ，就得到
(
−
1
)
n
(
L
f
)
(
n
)
(
0
)
=
μ
n
{\displaystyle (-1)^{n}({\mathcal {L}}f)^{(n)}(0)=\mu _{n}}
X 的矩是
μ
n
=
E
[
X
n
]
{\displaystyle \mu _{n}=E[X^{n}]}
μ
n
=
(
−
1
)
n
d
n
d
s
n
E
[
e
−
s
X
]
.
{\displaystyle \mu _{n}=(-1)^{n}{\frac {\mathrm {d} ^{n}}{\mathrm {d} s^{n}}}E\left[e^{-sX}\right].}
很方便用拉普拉斯变换的微分性质来求函数导数的变换。从拉普拉斯变换的基本表达式就可以推导如下：
L
{
f
(
t
)
}
=
∫
0
−
∞
e
−
s
t
f
(
t
)
d
t
=
[
f
(
t
)
e
−
s
t
−
s
]
0
−
∞
−
∫
0
−
∞
e
−
s
t
−
s
f
′
(
t
)
d
t
(by parts)
=
[
−
f
(
0
−
)
−
s
]
+
1
s
L
{
f
′
(
t
)
}
,
{\displaystyle {\begin{aligned}{\mathcal {L}}\left\{f(t)\right\}&=\int _{0^{-}}^{\infty }e^{-st}f(t)\,\mathrm {d} t\\&=\left[{\frac {f(t)e^{-st}}{-s}}\right]_{0^{-}}^{\infty }-\int _{0^{-}}^{\infty }{\frac {e^{-st}}{-s}}f'(t)\,\mathrm {d} t\quad {\text{(by parts)}}\\&=\left[-{\frac {f(0^{-})}{-s}}\right]+{\frac {1}{s}}{\mathcal {L}}\left\{f'(t)\right\},\end{aligned}}}
导出
L
{
f
′
(
t
)
}
=
s
⋅
L
{
f
(
t
)
}
−
f
(
0
−
)
,
{\displaystyle {\mathcal {L}}\left\{f'(t)\right\}=s\cdot {\mathcal {L}}\left\{f(t)\right\}-f(0^{-}),}
而在双边的情形下，
L
{
f
′
(
t
)
}
=
s
∫
−
∞
∞
e
−
s
t
f
(
t
)
d
t
=
s
⋅
L
{
f
(
t
)
}
.
{\displaystyle {\mathcal {L}}\left\{{f'(t)}\right\}=s\int _{-\infty }^{\infty }e^{-st}f(t)\,\mathrm {d} t=s\cdot {\mathcal {L}}\{f(t)\}.}
一般化的结果是
L
{
f
(
n
)
(
t
)
}
=
s
n
⋅
L
{
f
(
t
)
}
−
s
n
−
1
f
(
0
−
)
−
⋯
−
f
(
n
−
1
)
(
0
−
)
,
{\displaystyle {\mathcal {L}}\left\{f^{(n)}(t)\right\}=s^{n}\cdot {\mathcal {L}}\left\{f(t)\right\}-s^{n-1}f(0^{-})-\cdots -f^{(n-1)}(0^{-}),}
其中 f (n ) 表示 f 的 n 阶导数，可以由归纳 假设得出。
令
L
{
f
(
t
)
}
=
F
(
s
)
{\displaystyle {\mathcal {L}}\left\{f(t)\right\}=F(s)}
L
{
f
(
t
)
t
}
=
∫
s
∞
F
(
p
)
d
p
,
{\displaystyle {\mathcal {L}}\left\{{\frac {f(t)}{t}}\right\}=\int _{s}^{\infty }F(p)\,\mathrm {d} p,}
或
∫
0
∞
f
(
t
)
t
e
−
s
t
d
t
=
∫
s
∞
F
(
p
)
d
p
.
{\displaystyle \int _{0}^{\infty }{\frac {f(t)}{t}}e^{-st}\,\mathrm {d} t=\int _{s}^{\infty }F(p)\,\mathrm {d} p.}
令 s → 0，假定可以改变取极限顺序，就得到性质
∫
0
∞
f
(
t
)
t
d
t
=
∫
0
∞
F
(
p
)
d
p
.
{\displaystyle \int _{0}^{\infty }{\frac {f(t)}{t}}\,\mathrm {d} t=\int _{0}^{\infty }F(p)\,\mathrm {d} p.}
即便在不可以交换，此计算依然有暗示性。例如，形式上按此计算得到
∫
0
∞
cos
a
t
−
cos
b
t
t
d
t
=
∫
0
∞
(
p
p
2
+
a
2
−
p
p
2
+
b
2
)
d
p
=
1
2
ln
p
2
+
a
2
p
2
+
b
2
|
0
∞
=
ln
b
−
ln
a
.
{\displaystyle \int _{0}^{\infty }{\frac {\cos at-\cos bt}{t}}\,\mathrm {d} t=\int _{0}^{\infty }\left({\frac {p}{p^{2}+a^{2}}}-{\frac {p}{p^{2}+b^{2}}}\right)\,\mathrm {d} p={\frac {1}{2}}\left.\ln {\frac {p^{2}+a^{2}}{p^{2}+b^{2}}}\right|_{0}^{\infty }=\ln b-\ln a.}
这个性质的正确性可以用其他方法证明。它是傅汝兰尼积分（Frullani integral）的一个例子。
例子还有狄利克雷积分 。
连续傅里叶变换相当于计算令
s
=
ı
ω
{\displaystyle s=\imath \omega }
s
=
2
π
f
ı
{\displaystyle s=2\pi f\imath }
f
^
(
ω
)
=
F
{
f
(
t
)
}
=
L
{
f
(
t
)
}
|
s
=
i
ω
=
F
(
s
)
|
s
=
i
ω
=
∫
−
∞
∞
e
−
ı
ω
t
f
(
t
)
d
t
.
{\displaystyle {\begin{aligned}{\hat {f}}(\omega )&={\mathcal {F}}\left\{f(t)\right\}\\[1em]&={\mathcal {L}}\left\{f(t)\right\}|_{s=i\omega }=F(s)|_{s=i\omega }\\[1em]&=\int _{-\infty }^{\infty }e^{-\imath \omega t}f(t)\,\mathrm {d} t.\\\end{aligned}}}
z 变换表达式为：
X
(
z
)
=
∑
n
=
0
∞
x
[
n
]
z
−
n
{\displaystyle X(z)=\sum _{n=0}^{\infty }x[n]z^{-n}}
其中
z
←
e
s
T
{\displaystyle z\leftarrow e^{sT}\ }
X
q
(
s
)
=
X
(
z
)
|
z
=
e
s
T
.
{\displaystyle X_{q}(s)=X(z){\Big |}_{z=e^{sT}}.}
下表提供了许多常用单变量函数的拉普拉斯变换。 [ 5] [ 6]
由于拉普拉斯变换是一个线性算子：
L
{
f
(
t
)
+
g
(
t
)
}
=
L
{
f
(
t
)
}
+
L
{
g
(
t
)
}
{\displaystyle {\mathcal {L}}\left\{f(t)+g(t)\right\}={\mathcal {L}}\left\{f(t)\right\}+{\mathcal {L}}\left\{g(t)\right\}}
一个函数的常数倍拉普拉斯变换等于其拉普拉斯变换的常数倍。
L
{
a
f
(
t
)
}
=
a
L
{
f
(
t
)
}
{\displaystyle {\mathcal {L}}\left\{af(t)\right\}=a{\mathcal {L}}\left\{f(t)\right\}}
使用这个线性性质 ，以及各种三角 、双曲 、和复数 （等）的性质，可以从其他拉普拉斯变换得到一些拉普拉斯变换，这会比直接通过使用定义更快。
单边拉普拉斯变换取时域为非负实数的函数作为输入，这就是下表中所有时域函数都乘以单位阶跃函数 u(t ) 的原因。表中涉及时间延迟 τ 的条目必须是因果 的 （即 τ > 0）。因果系统是 t = 0 之前的冲激响应 h (t ) 都为零的一个系统。在一般情况下，因果系统的收敛区域和反因果系统是不相同的。
拉普拉斯变换在物理学和工程中是常用的；线性时不变系统的输出可以通过卷积单位脉冲响应与输入信号来计算，而在拉氏空间中执行此计算将卷积通过转换成乘法来计算。后者是更容易解决，由于它的代数形式。
拉普拉斯变换也可以用来解决微分方程，这被广泛应用于电气工程。拉普拉斯变换把线性差分方程化简为代数方程，这样就可以通过代数规则来解决。原来的微分方程可以通过施加逆拉普拉斯变换得到其解。英国电气工程师奥利弗·黑维塞 第一次提出了一个类似的计划，虽然没有使用拉普拉斯变换；以及由此产生的演算被誉为黑维塞演算。
^ Korn & Korn 1967 ，§8.1^ Feller 1971 ，§XIII.1 harvnb模板错误: 无指向目标: CITEREFFeller1971 (帮助 ) ^ Korn & Korn 1967 ，第226–227页^ Bracewell 2000 ，Table 14.1, p. 385 harvnb模板错误: 无指向目标: CITEREFBracewell2000 (帮助 ) ^ K.F. Riley, M.P. Hobson, S.J. Bence, Mathematical methods for physics and engineering 3rd, Cambridge University Press: 455, 2010, ISBN 978-0-521-86153-3 ^ J.J.Distefano, A.R. Stubberud, I.J. Williams, Feedback systems and control 2nd, Schaum's outlines: 78, 1995, ISBN 0-07-017052-5 ^ Lipschutz, S.; Spiegel, M. R.; Liu, J., Mathematical Handbook of Formulas and Tables, Schaum's Outline Series 3rd, McGraw-Hill: 183, 2009, ISBN 978-0-07-154855-7 q .^ http://mathworld.wolfram.com/LaplaceTransform.html （页面存档备份 ，存于互联网档案馆 ） - Wolfram Mathword provides case for complex q
Korn, G. A.; Korn, T. M., Mathematical Handbook for Scientists and Engineers 2nd, McGraw-Hill Companies, 1967, ISBN 0-07-035370-0
![{\displaystyle \mu _{n}=E[X^{n}]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/4d6a2571134657fa946ba1079dfcda66c521cbd5)
![{\displaystyle \mu _{n}=(-1)^{n}{\frac {\mathrm {d} ^{n}}{\mathrm {d} s^{n}}}E\left[e^{-sX}\right].}](https://wikimedia.org/api/rest_v1/media/math/render/svg/c14dddd9d0d7ed6f99336d8b210432a7bde98ba5)
![{\displaystyle {\begin{aligned}{\mathcal {L}}\left\{f(t)\right\}&=\int _{0^{-}}^{\infty }e^{-st}f(t)\,\mathrm {d} t\\&=\left[{\frac {f(t)e^{-st}}{-s}}\right]_{0^{-}}^{\infty }-\int _{0^{-}}^{\infty }{\frac {e^{-st}}{-s}}f'(t)\,\mathrm {d} t\quad {\text{(by parts)}}\\&=\left[-{\frac {f(0^{-})}{-s}}\right]+{\frac {1}{s}}{\mathcal {L}}\left\{f'(t)\right\},\end{aligned}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6a56ba46c739dc0c631bc51748f1a992d1508eb8)
![{\displaystyle {\begin{aligned}{\hat {f}}(\omega )&={\mathcal {F}}\left\{f(t)\right\}\\[1em]&={\mathcal {L}}\left\{f(t)\right\}|_{s=i\omega }=F(s)|_{s=i\omega }\\[1em]&=\int _{-\infty }^{\infty }e^{-\imath \omega t}f(t)\,\mathrm {d} t.\\\end{aligned}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/bf5895ba4634696d409dd1b7131df86b64fe61d0)
![{\displaystyle X(z)=\sum _{n=0}^{\infty }x[n]z^{-n}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/fbf7e6d1a9bf26a3017c79040c80295cb1f2eaa1)
![{\displaystyle {\sqrt[{n}]{t}}\cdot u(t)}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d4345a4c33a88daeb8ec5a3002d02d62f66ff3fb)
![{\displaystyle -{1 \over s}\,\left[\ln(s)+\gamma \right]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/443e300447c3c06d1a0fe2dd051073dba815ee08)
