Tagged
Python
常微分方程（十八）：前沿专题与系列总结
系列终章。回顾正在重塑动力学建模的四大前沿——Neural ODE、时滞方程、随机微分方程、分数阶微积分——然后用一张方法选择流程图、一张 ODE-机器学习连接图，把整个 18 章的旅程做一次完整的盘点和送别。
常微分方程（十七）：物理与工程应用
ODE 在物理和工程中的真实应用：非线性单摆、RLC 电路与谐振、开普勒轨道与守恒律、多自由度结构振动与调谐质量阻尼器、流体从 Poiseuille 流到旋涡脱落——五个经典案例配完整 Python 仿真。
常微分方程（十六）：控制理论基础
从经典 PID 控制器、根轨迹、Bode 图，到现代状态空间方法、极点配置、LQR 最优控制和 Luenberger 观测器：本章用 ODE 把控制理论的核心串成一个完整的设计闭环。
常微分方程（十三）：偏微分方程引论
当未知函数依赖多于一个自变量时，ODE 世界分裂为更广阔的偏微分方程世界。本章系统地讲三大经典方程：热方程、波动方程、Laplace 方程。
常微分方程（十二）：边值问题
边值问题在区间两端各给一部分信息。掌握打靶法、有限差分、配点法和 Sturm-Liouville 特征值问题——从梁的挠度到量子谐振子。
常微分方程（十一）：数值方法
从欧拉的切线一步到 Dormand-Prince 自适应积分器：实用数值工具集。收敛阶、A-稳定性、刚性问题，以及何时该用 Radau 或 BDF 取代 RK45。
常微分方程（一）：微分方程的起源与直觉
微分方程为何存在？从冷却的咖啡和摆动的单摆出发，建立你对 ODE 的第一直觉，并用 Python 求解第一个微分方程。