科学网

 找回密码
  注册

tag 标签: 微分方程

相关帖子

版块 作者 回复/查看 最后发表

没有相关内容

相关日志

[抗疫备课日记] 07 拉普拉斯变换小议
zlyang 2020-3-31 12:52
07 拉普拉斯变换小议 课后备课。 一、拉普拉斯变换 拉普拉斯变换(拉氏变换,Laplace transform)是 1812 年由法国数学家拉普拉斯(Pierre-Simon, marquis de Laplace, 1749-03-23 to 1827-03-05)提出,由英国物理学家 Oliver Heaviside (1850-05-18 to 1925-02-03)化简并用于求解微分方程。拉氏变换是一种积分变换(Integral transform)。 Laplace Heaviside 拉氏变换到现在已经200多年了,常用函数的拉氏变换都被人积分出来了。所以,对于常见函数,除了按照定义进行积分外,在实际意义中,一般以查表为主,即《拉氏变换、反变换表》。目前网上一个比较齐全的表,是钱德勒吉尔伯特社区学院 Chandler-Gilbert Community College 的表: https://www.cgc.edu/Academics/LearningCenter/Math/Documents/LaPlace%20Transforms.pdf 所以,同学们学习的重点是定义、基本概念、基本性质和初步的应用。复杂函数的拉氏变换积分计算,不是我们课程的重点。不用去花太多力气,除非你以此为乐! 二、两个课外的定理 关于拉氏变换,教材以外两个可能有用的定理是“初值定理 Laplace Initial Value Theorem”、“终值定理 Final Value Theorem of Laplace Transform”。简介如下: Laplace Initial Value Theorem https://www.electrical4u.com/initial-value-theorem-of-laplace-transform/ Final Value Theorem of Laplace Transform https://www.electrical4u.com/final-value-theorem-of-laplace-transform/ 同学们的具体学习内容,以教材为准。 三、亥赛维 Heaviside 还是一位杰出或伟大的教师 (1)是他把上面的拉氏变换化简到方便工程应用。 (2)麦克斯韦先生自己提出的电磁场方程,有20个变量和20个方程。是 Oliver Heaviside 先生,把麦克斯韦的理论基本上改写成了现在大家熟悉的数学形式:4个方程组,加上媒质的介电常数 ε 、媒质的磁导率 μ 、媒质的电导率 σ 描述的变量关系。 (3)目前已知的“引力波”最早的提出者。至少比爱因斯坦早了25年。 参考资料: 拉普拉斯变换的本质意义(好文!通俗易懂)_数字信号处理..._CSDN博客 https://blog.csdn.net/ciscomonkey/article/details/85067036 Laplace transform | mathematics | Britannica https://www.britannica.com/science/Laplace-transform Laplace transform. N.S. Zhavrid (originator), Encyclopedia of Mathematics. https://www.encyclopediaofmath.org/index.php/Laplace_transform Laplace Transform Table, Formula, Examples Properties https://www.electrical4u.com/laplace-transformation/ Initial Value Theorem of Laplace Transform https://www.electrical4u.com/initial-value-theorem-of-laplace-transform/ Final Value Theorem in Laplace Transform (Proof Examples) https://www.electrical4u.com/final-value-theorem-of-laplace-transform/ 钱德勒吉尔伯特社区学院 Chandler-Gilbert Community College https://www.cgc.edu/Academics/LearningCenter/Math/Documents/LaPlace%20Transforms.pdf Table of Laplace and Z Transforms https://lpsa.swarthmore.edu/LaplaceZTable/LaplaceZFuncTable.html 奥利弗·亥维赛_百度百科 https://baike.baidu.com/item/%E5%A5%A5%E5%88%A9%E5%BC%97%C2%B7%E4%BA%A5%E7%BB%B4%E8%B5%9B Oliver Heaviside https://www.britannica.com/biography/Oliver-Heaviside 相关链接: 2020-03-03, 06 同学们网上注册名称的建议 http://blog.sciencenet.cn/blog-107667-1221577.html 2020-02-17, 05 不同的书籍写作风格 http://blog.sciencenet.cn/blog-107667-1218990.html 2020-02-15, 04 学什么都不易(网上在线课程,下大雪) http://blog.sciencenet.cn/blog-107667-1218642.html 2020-02-14, 03 OBE(基于学习产出的教育模式)有没有弊端? http://blog.sciencenet.cn/blog-107667-1218466.html 2020-02-13, 02 今年会是科技“奇迹年”吗? http://blog.sciencenet.cn/blog-107667-1218321.html 2020-02-12, 01 遇上好人了! http://blog.sciencenet.cn/blog-107667-1218179.html 感谢您的指教! 感谢您指正以上任何错误! 感谢您提供更多的相关资料!
4748 次阅读|3 个评论
方程的变迁
热度 9 fdc1947 2019-7-18 08:39
方程的变迁 小时候上初中一年级,有了代数课,知道了 “方程”,许多小学算术课中间的很“绕”的题目,列一个方程,就很容易解出来。一眨眼,六十多年过去了。但是,我学过的课本上可从来没有告诉我,为什么这样“含有未知数的等式”叫做“方程”。小时候的我也没有去想这个问题,就像当年坐在我边上的那位同学叫张家麒,我当时并没有去追问他为什么叫这个名字一样。 不过,年长之后,慢慢明白了,给人给物取名称都是有一定根据或一个缘由的,如张家麒的家长希望他像他们家的 “麒麟”,给他们家带来荣华富贵,所以给他取了这样一个吉祥的名字。但是,很长时间以后,虽然学了一元二次方程、高次方程、指数方程等等,我也仍然不知道为什么把这些方程称为“方程”。 直到后来学矩阵,用计算机解线性方程组,看到这由数字组成的方方正正的阵列,才模模糊糊地感到,怪不到这叫做方程。 实际上, “方程”这个词,有着非常久远的历史,原来就是指线性方程组。方,方形;程,程式。差不多两千年前,汉代的《九章算术》的第八卷就取名“方程”。该卷一开始就给出了一道三元一次方程组的算题,翻译成白话文如下: 今有上等黍 3捆、中等黍2捆、下等黍1捆,打出的黍子共39斗;上等黍2捆、中等黍3捆、下等黍1捆,打出的黍子有34斗;而上等黍1捆、中等黍2捆、下等黍3捆,打出的黍子则有26斗。问每一捆上等黍、中等黍和下等黍分别能打出多少斗黍子? 显然,任何没有把初中代数全部忘记的人,都很容易写出如下的三元一次方程组 3x + 2y + z = 39 2x + 3y + z = 34 x + 2y + 3z = 26 在《九章算术》中,自然不会有 xyz这些变量名,它们实际上也没有什么用处,只要人们记住它们的相对位置即可,如我们可以这样写 3 2 1 39 2 3 1 34 1 2 3 26 当然,《九章算术》中也不会有阿拉伯数字,而且根据中国人写文章的传统习惯,字是竖着排列的,列序是从右到左,这样就给出了下面这样的 “方程”。上面阿拉伯数字阵列的第一行相当于最右边的一列,第二行为中间的一列等等 接着《九章算术》就给出了求解这个方程组的方法即所谓 “方程术”,实际上就是现在初中所学习的“加减消元法”。只是更接近现在我们用计算机程序来计算的过程,虽然显得有些“笨拙”,但是却像现在我们使用的各种“傻瓜机”一样,即使使用者能力差一些也没有关系,只要照着“方程术”按部就班去做,类似的问题都一样解决。实际上,我们用以计算的计算机也就很“傻瓜”,并不会变通,只会照着编好的程序和输入的数据,老老实实地去照做,麻烦一点倒没有关系。 方程在中国古代就是指这样一类线性方程组。 我们现在把 “含有未知数的等式”称为方程,是因为1859年清代数学家李善兰把equation 翻译成“方程”。李善兰当然知道“方程”一词的本来含义,他这样做,实际上已经把“方程”这个词的定义进行了扩张。 随着时代的发展,人类知识的增加,绝大多数名词的定义都在变化,其中很多是在扩张。例如,数,最初只是指自然数,后来扩张到分数,又扩张到负数和〇,这就成了有理数;再扩张到无理数,就成了实数;又扩张到虚数,成了复数;以后又有了多重复数。 方程或方程式这个术语也是如此,也在不断扩充它的 “定义域”。 一开始,方程(组)只是指线性方程(组),后来就有了二次或更高次的方程,再有了分式方程和分数次方即开方运算的方程,也就是在代数式里带有未知数的等式,或者称代数方程。 以后,又有了带有三角函数、指数或对数函数的所谓超越方程。 在科学和工程上非常有用的是微分方程。只有一个变量的是常微分方程,有多个变量的称偏微分方程。微分方程的一般解是一个或多个函数,甚至是 “函数的函数”,而不仅仅是一个或几个数值。 由于某个方程(组)的解,或者说适合于某个方程(组)的函数,具有某种特定的性质。许多物理问题就可以写为某个方程的解,也就是说,很多物理定律就可以用方程来表示。 像人人皆知的牛顿第二定律就被写为 F( r ,t ) = m*a( r ,t )。其中 m是质点的质量, r 为质点的坐标, t为时间,力F和加速度a都是坐标和时间的函数。这样的方程实际上已经成为一个物理定律的表达式,或者称为公式。这样,方程式和公式(equation和 formula)在很多情况下成了近义词或者可以混用的词汇。 在更一般的情况下,许多物理定律都被表达为微分方程。像经典力学即牛顿力学的规律被总结成的哈密顿方程,经典电磁学的规律被表达为麦克斯韦方程组,量子力学的运动规律是薛定谔方程,如此等等。 在很多情况下,如果客观世界的某一种规律尚不能用方程式表示,人们往往会不认为我们对此规律有了充分的了解。 由于实际问题的复杂性,很多微分方程实际上是无法得到它的解析解或者说严格解的,只能求得其数值解,当然现在这项工作总是由计算机完成的。有趣的是,在求解的过程中,许多情况下,可以把偏微分方程转化为线性方程组,这样又回归到了原始的 “方程”。 例如,对于原子 -分子体系,由于一般都是多体问题(原子-分子一般总是有许多个原子核和电子组成),其薛定谔方程就无法得到解析解,也就是说,薛定谔方程的解即体系的波函数不能写出它的准确表达式。但是,当人们把构成方程解的函数写为一系列已知函数的线性组合后,薛定谔方程这个二阶偏微分方程就可以还原成了线性方程组,也就是类似于《九章算术》中的真正的“方程”了。 当然,对于一个有十来个到几十个原子组成的体系,其方程组的系数行列式可能会有成百上千阶,不过这对于现在的电子计算机来说还是基本上能够胜任的。 从原子 -分子的角度看,化学反应过程中的不同状态,就是薛定谔方程在不同参数下的解,因而,照着现在这样的方法,我们的化学世界,林林总总的化学反应,也不过是不同参数的“方程”而已。 不过,我们从中学化学中就开始接触到的化学反应方程式的含义,却与上面所说的数学方程不是一回事情了。它只是表示表示化学反应中的物质变化过程。例如,碳酸氢钠(小苏打)分子的分解反应,就把反应物和产物分列在等号或箭头的两边即可。 当然,我们需要使得等式两边保持 “物质不灭”,即等式两边各个化学元素的原子数相等,也就是将方程式“配平”,以保证这仍然是一个“等式”。 但是,在许多情况下,我们只需要说明 由这些物质变为那些物质,一个示意而已,画一个箭头,也不必配平。我们也把它称为方程或方程式。这只是一个式子,这样的 “方程式”与原始意义上的方程已经不是一回事情了。 至于在竞技赛车中的 “方程式”,则只是根据赛车的大小、重量、功率等所划分的等级,如一级方程式赛车的功率最大。之所以有这样的说法,大概是由于当年的“体育老师”偷懒,不肯把formula另外再翻译一个名词,就硬傍着“数学老师”的“方程式”了。
个人分类: 教育|12051 次阅读|22 个评论
神秘的极限环
热度 8 dongmingwang 2017-12-6 12:06
话说微分方程dx/dt=p(x,y),dy/dt=q(x,y)构成的平面自治系统,它的解是由无穷多条互不相交的解曲线(x,y)=(x(t),y(t))构成。 如果平面上的一点 X 是 该微分方程的 一个奇点,那么过 X 点附近任一点的解曲线在 t 趋向 正无穷或者负无穷 时都 无限趋近X ,或者环绕 X 周期性地 旋转 。解曲线趋向 X 的 方式 有 图 1 所示的前三种可能,它们对应的 X 分别称为微分系统的 焦点、结点、 鞍点 ,而解曲线环绕 X 旋转 时 的 X 则 称为 微分系统的 中心 。 (a) 焦点 (b) 结点 (c) 鞍点 (d) 中心 图1:微分系统的4类奇点及其附近解曲线的示意图 如果平面上的一个闭环 T 是上述微分方程的一个孤立周期解,那么过 T 附近任意一点的解曲线在t趋向 正无穷或者负无穷 时都会 无限 逼近 T 。 这时 T 就是 微分系统的 极限环 :如果解曲线都在t趋向 正无穷 时逼近 T ,则称该极限环稳定;否则称其不稳定,如图2所示。 (a) 稳定极限环 (b) 不稳定极限环 图2:稳定和不稳定极限环示意图 微分系统的解曲线构成的向量场中会出现极限环,这一现象是由 法国 大数学家 H.Poincar é 首先观察发现的。 极限环 的出现让微分系统解向量场的性态和结构特征陡添神秘色彩。什么时候会出现极限环?会出现多少个?它们会处于怎样的相对位置? 德国大数学家D.Hilbert将这些问题作为第16问题的后半部分列入了他在1900年国际数学家大会上提出的、影响整个二十世纪数学发展的23个问题。Hilbert所提的问题是,当p(x,y)和q(x,y)为n次实系数多项式时,上述平面微分系统极限环的最大个数是多少?它们的相对位置关系如何? 经过诸多数学家一百多年的不懈努力,Hilbert 23个问题中的大部分问题都已获得解决,唯有第16问题,其研究进展缓慢,人们至今仍看不到这一问题被完全解决的希望。尽管如此,勇于攻坚克难的有志之士仍然不妨一试。 (a) Henri Poincar é (1854-1912) (b) David Hilbert (1862-1943) 图 3 : 极限环研究的先驱 Hilbert 的极限环问题为何百年不得其解?神秘的极限环背后到底暗藏着何等玄机?阿狗数学能否为其贡献微薄之力? 在说明这些问题之前,我们来看两个具体例子。首先容易验证原点是三次平面系统 dx/dt=-y-x(x 2 +y 2 ),dy/dt=x-y(x 2 +y 2 ) 的唯一孤立奇点,它是稳定焦点,见图4(a)。考虑该系统的扰动系统dx/dt=kx-y-x(x 2 +y 2 ),dy/dt=x+ky-y(x 2 +y 2 ):当扰动参数k大于0时,扰动微分系统都会有一个稳定的极限环,见图4(b)。 (a) 稳定焦点 (b) 稳定极限环 图4:稳定焦点和不稳定焦点附近的极限环 通过适当扰动焦点型微分系统,通常可以得到具有极限环的扰动系统。这种通过扰动分岔出极限环的经典方法是由 Poincar é 、Lyapunov、Andronov等数学大家在十九、二十世纪发展起来的。该方法及其奠基理论——微分方程的定性理论,可以用来有效地分析微分方程解的稳定性、周期性、分岔等各种结构性质。结构性质的研究会相对容易如果我们知道解的解析表达式,可是在绝大多数情形微分方程的解都无法用解析表达式给出。所以微分方程的定性理论在解的形式未知时为分析解的性态提供了一条有效的途径。 微分方程的定性分析方法涉及到大量繁琐复杂的推理和演算,往往超出了以纸笔为工具的传统数学家推演能力的极限。很多经典的定性分析结果都未能幸免这样或那样的推演错误。特别值得一提的是,1955年俄国数学家I.G.Petrovskii和E.M.Landis声称证明了平面二次系统最多只有3个极限环。这个结果曾轰动一时,但其中的若干引理很快受到其他学者的质疑。1978年,我国数学家史松龄与陈兰荪、王明淑分别举出了具有4个极限环的实例,从而推翻了俄国数学家的结论。中国数学家令人称奇的这一发现将极限环问题的研究推向高潮,同时也展示了中国学者在这一领域的研究水平。1990年前后,王东明首先将特征列、Gröbner基等符号计算方法用于微分系统的定性分析,很大程度上化解了定性分析中的繁琐推演问题,并取得了若干研究成果,包括给出了一类具有6个极限环的平面三次系统。王东明的工作引发了大量基于符号计算软件和方法分析微分系统性态结构的后续研究。一大批著名学者包括N.G.Lloyd、H.Zoladek、李继彬、李承志 、韩茂安 等相继对极限环问题展开了深入研究,获得了一系列标志性的成果,从而使该领域的研究热度二十多年持续不减。与此同时,符号计算方法还被用于生物学、控制理论、系统科学等领域中的微分系统和离散动力系统的定性分析。 微分方程是描述非线性现象和规律的最基本数学工具,遍及数学、力学、生物学等众多科学和工程领域,其研究和应用范围都非常广泛。微分方程的定性分析始终会是十分重要的难题。随着符号计算和算法数学的不断发展、计算机计算能力的不断提高、计算机软件的不断改进,微分方程定性分析所涉及的推理和计算问题有望在未来的20年内取得重大突破。正在兴起的超大规模网络并行计算和以构造性数学为基础的计算智能有可能帮助揭开极限环的神秘面纱,为 Hilbert 极限环问题的最终解决提供系统化、机械化的工具和途径。 翘尾观望、拭鼻以待——阿狗必有用武之地! (黄博) 来源: 阿狗数学AlgoMath
个人分类: 阿狗数学|20074 次阅读|9 个评论
人工神经元和微分方程
热度 1 swordbell 2014-2-2 08:54
从数学的角度,人工神经元的活动可以被描述为这样一种生物-物理的混合系统:神经元的状态连续演变过程可以用某些生物物理方程来描述,这些生物物理方程通常都是微分方程,包括确定性的方程或者随机方程,包括常微方程或者偏微分方程,当方程中与突触相关的某些变量变化时,就会触发神经元,使之进入兴奋状态而激发(放电)。一个神经元的动态特性可以用微分(差分)方程描述如下: d X t /d t = f ( X t ) X t = g i ( X t -1 ) 方程中, X t 是 t 时刻一个神经元 X 的状态向量。从理论上,考虑到神经元的电生理活动会导出偏微分方程,但是在实践中,人们通常采用近似方法耦合突触相接处的区位电势,这就导出了与时间区段相关的离散事件差分方程。 当某 些阈值条件满足时,神经元进入兴奋状态 被被激发,例如在 积分-激发神经元 模型中,当 V m ≥ θ 时神经元激发,这里 V m 是神经元的膜电位,它可以是向量 X 的第一个分量,在 Hodgkin–Huxley( 霍奇金-赫胥黎,也可简写成 HH )的电导模型中,当d V m /d t ≥θ时,神经元激发。这种模型可以概括成, 当某个神经元 X ∈A这个条件被满足时 ,这个神经元X激发。对于积分-激发模型, 当神经元产生激发后,它的 膜电位 V m 将会因重置而复位或者进入静息状态(复位或者静息电位可记为 V m =0)。复位后(静息)的神经元从形式上开始积分,也就是从与其它神经元连接的突触累积其它神经元产生并传导过来的激发电势,这个过程可以用数学式标记为 X = g i ( X ), i =0,1,2..., i 是神经元X的突触编号。 对于这种类型的数学方程,如果不考虑累积的膜电位随时间递减,与时间相关的激发电位并不需要被神经元记忆。考虑下边的积分-激发神经元模型 V ( t )=∑ w i ∑ K ( t - t i )+ V rest 其中 V ( t ): 膜电位, V rest :静息电位, w i :突触 i 的权重, t i :突触 i 的激发尖峰电位到来的时刻, K ( t − t i ) = exp( − ( t − t i ) / τ ) − exp( − ( t − t i ) / τ s ) 这是突触后电位(P ost-Synaptic Potential: PSP),它由所有与之相连的突触电位累加而成。该模型可以重新表述为一个两变量离散事件的差分方程系统: τ (d V /d t )= V rest - V + J t τ s (d J t /d t )=- J t J t = J t- 1 +(( τ - τ s )/ τ ) w i
5261 次阅读|2 个评论
微分方程与预报
热度 1 qianlivan 2013-4-25 13:41
学习高等数学和普通物理的时候,一些解的唯一性定理是最吸引我的内容之一。根据这些定理,对于一定的初始条件和边界条件,只要得到了一个解,就无须再寻找其他解了。这就给工作带来了方便,节省了精力。解的唯一性基本是建立在微分方程基础上的。比如,简单地说,对于一个一阶常微分方程,确定了初值就确定了物理量后来的演化。对于有限阶的微分方程,只要能获得足够多关于初值和边值的信息,就可以对物理量进行预测。 物理学中最神奇的事情就是,几乎所有物理规律都是由二阶及二阶以下的微分方程描述的。所以原则上只要我们能精确了解初始条件和边界条件,物理量随后的演化规律都是可以知道的,也就是说是“可以预报的”。 然而,有一些因素使得我们的预报能力是有限的。首先,对于量子系统,微分方程描述的只是概率幅,所以我们能预测的只是概率幅,而具体的物理量不一定可以精确预测。其次,我们无法精确地了解初始条件和边界条件,所以,即使对于经典物理中的物理量,在长期的情况下,我们也不能精确预测。所谓的“蝴蝶效应”就反映了这个情况。但是,需要再次强调的是,如果我们能精确了解初始条件和边界条件,我们是可以对物理量进行预测的。而且,虽然我们不能精确了解初始条件和边界条件,但是我们也可以在一定时标能对物理量在一定精度范围内进行预测。这就是为什么,虽然有“蝴蝶效应”,我们还是可以对两周内的天气情况进行粗略的预报。 所以,对于由微分方程描述的物理世界,如果我们能对系统有足够的了解,那么我们就可以在一定时标内、一定精度范围内对系统的行为进行预测。既然可以粗略预报两周内的天气,那么就没有理由认为地震是不可预报的、太阳活动是不可预报的、小行星撞击地球是不可预报的。问题仅在于,可预报的时标是多少?预报的精度是多少?
个人分类: 思考|3823 次阅读|2 个评论
生存微分方程的数值解
热度 3 gzchengzhi 2012-5-12 09:24
生存微分方程的数值解
  先列出改进后的生存方程:   \   对该方程进行精确求解有点难度,为了节约时间,先尝试使用数值的方法来求解该方程组。在对该方程的解的特性有了深入了解以后,就可以对其进行深入的分析。   其中:   A 1 表示重金属含量   A 2 表示温室气体含量   B表示恐龙数量   图中恐龙数量已做归一化处理,以便于比较。而三个变量:A 1 、A 2 和B都必须大于零。   经过仔细设置相应的参数,可以获得如下的数值解:      图1 两个因素衰减速度一致      从图中可以看出这跟单因素的影响一致。      参数:    a = 0.02    b1 = 1    c1 = 0.0000000003    e1 = 0.00000003    b2 = 1    c2 = 0.0000000003    e2 = 0.00000003    alpha = 100    beta = 10    k = 50         图2 两个因素上升速度一样,但重金属含量衰减的更慢一些      参数:    a = 0.02    b1 = 1    b2 = 1    c1 = 0.0000000003    c2 = 0.0000000003    e1 = 0.000000003    e2 = 0.00000003    alpha = 100    beta = 10    k = 50         图3 重金属上升的慢、衰减的慢;温室气体衰减的快      此时可以看出温室气体出现衰减振荡,而恐龙数量也出现衰减振荡,直至最终灭绝。   参数:    a = 0.02    b1 = 1    b2 = 1    c1 = 0.00000000003    c2 = 0.0000000003    e1 = 0.0000000003    e2 = 0.0000003    alpha = 100    beta = 10    k = 50         图4 温室气体衰减速度继续增加      可以看出温室气体振荡次数增加。而恐龙数量也呈现不规则的变化。最终还是趋向灭绝。   参数:    a = 0.02    b1 = 1    b2 = 1    c1 = 0.00000000003    c2 = 0.0000000003    e1 = 0.0000000003    e2 = 0.0000001    alpha = 100    beta = 10    k = 50         图5 温室气体衰减的太快      从图中可以看出温室气体不再出现振荡。但是恐龙数量还是出现衰减式振荡变化。   参数:    a = 0.02    b1 = 1    b2 = 1    c1 = 0.00000000003    c2 = 0.0000000003    e1 = 0.0000000003    e2 = 0.000001    alpha = 100    beta = 10    k = 50      由于时间比较匆忙,图表制作的不够精细。或许采用gif动画方式,显示上升和衰减参数的动态变化会更直观一些。   当然最终还是通过直接对公式本身进行分析的方式来得可靠一些,如果有时间、也不太难的话,近期就可以做这样的工作。
3824 次阅读|5 个评论
《微分方程的定性理论》(英文版)刘和涛
ustcpress 2012-4-12 08:38
《微分方程的定性理论》(英文版)刘和涛
出版日期:2009年5月 出版社:中国科学技术大学出版社 书号(ISBN):978-7-312-02455-9 页码:256(16开) 定价:29.00元 编辑邮箱: edit@ustc.edu.cn (欢迎来索要目录、样章的PDF) 当当网购书链接: http://product.dangdang.com/product.aspx?product_id=20650246 【 内容简介 】 本书是美国培生教育出版社出版的关于微分方程定性理论方面教科书的中国版本,文中针对中国学生的具体情况做了内容调整。书中主要讲解了微分方程理论的基本方法,对微分方程的存在性、连续依赖性、稳定性、周期解、自治微分系统、动力系统等基本问题进行详细分析,并注重理论间的联系。本书基础性强、应用广泛,是一本适合大学高年级选修课、研究生双语教学以及读者自学的英文教科书。 【 教材特色 】 刘和涛教授留美执教数十年,曾在培生教育等国际著名出版机构出版过多种教材,为美国多所院校采用。本教材秉承了国外先进教学理念,并针对国内学生实际情况,尤其注、意了由浅入深的理论过渡,建立了完备的逻辑体系,语言地道,是适合于双语教学的优秀教科书,亦适合学生自学。
个人分类: 专业英语|5874 次阅读|0 个评论
Maple 16发布,数学软件的易用性达到了前所未有的高度
热度 3 maplesim 2012-3-29 10:26
Maple 16发布,数学软件的易用性达到了前所未有的高度
- 超过 4500 个新增和改进功能贯穿整个产品 加拿大, 2012 年 3 月 27 日: Maplesoft ™ 今天宣布发布公司旗舰产品 Maple 16 。 Maple 是面向数学家、工程师、科学家的科学计算软件,在 Maple 16 , Maplesoft 引入了创新的工具和技术帮助用户探索数学,继续扩展 Clickable Math ™ 的功能,设定了数学软件易用性的新标准。 Maple 16 增加了 Drag-to-Solve ™ 和智能弹出菜单、交互式分析助手、右键菜单、向导以及其他可点击式数学计算工具,提供点击式界面帮助用户求解、可视化、探索广泛的数学问题。使用 Drag-to-Solve ™ ,用户仅需要简单地拖放单个项就可以 step-by-step 求解方程。他们也可以探索数学表达式,加深对问题的理解,决定解决问题的下一步骤。 智能弹出菜单可以直观地显示所选表达式的数学属性、图形、因式分解等,帮助用户决策下一步要进行的操作。 用户界面仅仅是 Maple 16 众多得到增强的领域之一,大量的改进贯穿于整个产品,包括数学算法、可视化、编程语言、工程工具、计算工作表、教育、出版工具等等。主要亮点有: l 可视化的重要增强,包括智能图形自动聚焦在感兴趣的区域上。 l 高性能计算,运行在多核和多线程上的 Maple 计算速度得到显著提升。 l 世界领先的微分方程和计算物理算法,超越其他软件的能力范围。 l 新增超过 100 个 Math Apps ,让用户更好地理解数学、统计、物理、金融概念。 l 新的统计算法和可视化工具。 l 面向对象的编程方式支持编程和应用程序开发。 Maple 是一个数学计算环境, Maple 16 中的一个主要改进是计算引擎。许多基础操作(例如多项式计算)的 计算性能 得到显著提高,远超其他工具。新的内存管理器极大地提高了 Maple 多核计算的扩展性。 Maple 是唯一的允许用户级多线程编程工具,并且现在运行速度更快。 新的算法,包括 连分式 , 微分几何 , 微分方程 , 插值 , 线性动态系统 , 多项式系统求解 , 求根 , 统计 ,以及在其他许多领域的增强功能,进一步扩展了 Maple 16 的应用范围。需要特别关注的是 Maple 16 中的 物理函数包 ,其计算能力远超过其他系统。 可视化是另一个重要的改进,你可以发现 Maple 16 中的图形看起来很炫 。改进包括优化配色方案、网格线、表面特性和照明模式,从而轻松生成高质量的图形。新的smart view可以自动调整视图显示二维图形中最感兴趣的特征, 橡皮筋工具 允许你交互式缩放图形中感兴趣的区域。 . 现在可以使用面板快速实现 数据可视化 。 Maplesoft 副主席兼首席科学家, Dr. Laurent Bernardin 评价到:“ Maple 16 中新的可点击数学工具代表着 Maple 的重大飞跃,设定了数学软件易用性的新标准,为用户提供了难以置信的工具,涵盖从直观的点击式工具到高级编程语言等广泛的范围,因此他们可以更有效地使用 Maple 16 中的超过 5,000 个数学函数。” Dr. Amir Khajepour ,机械和机电工程学教授, WatCAR ( Waterloo Center for Automotive Research )执行董事, Maple 的资深用户,他对 Maple 16 非常兴奋:“我在许多项目中广泛使用 Maple ,从大型项目的模型开发完成复杂的大规模计算,到交互式探索、可视化、撰写报告等。由于在数学引擎、计算性能、用户界面、编程、以及其他领域的重要改进, Maple 16 可以为我的技术活动提供更多的支持。” Maple 16 多国语言版提供英文、中文、日文、法语、西班牙语、韩语、希腊语、匈牙利语、葡萄牙语(巴西)等语言包。 关于 Maplesoft Maplesoft是全球领先的面向工程、科学和数学的高性能软件开发商。Maplesoft公司在科学、技术、工程和数学 (STEM) 有超过30年的研发积累,面向教育用户、工程师、研究人员提供基于数学计算软件的解决方案。Maplesoft的旗舰产品Maple透过智能用户界面提供世界上最强大的数学计算引擎,能够非常方便地分析、探索、可视化、求解数学问题。基于科学计算技术,Maplesoft公司产品系列包括教育和研究、系统仿真、计算管理、系统工程的解决方案。2018年,Maplesoft剥离了在线教育产品,成立了独立公司DigitalEd。 无论是在智能手机上探索数学概念,还是降低复杂工程设计项目中的风险,Maplesoft产品提供现代化、创新型的解决方案应对现有的技术挑战。Maplesoft产品和服务已在90个国家超过8000家教育机构、研究所、实验室以及企业中广泛使用。 关于Maplesoft公司的信息,请访问: www.maplesoft.com. Maplesoft中国办事处 上海市北京西路968号嘉地中心1145室 电话:021--52037605 邮箱:China@maplesoft.com
11040 次阅读|7 个评论
[转载]用DDE解时滞方程
热度 2 wjc05 2011-8-30 20:59
Solving Delay Differential Equations with dde23.pdf
个人分类: 程序|5026 次阅读|2 个评论
[转载]新版本Maple 15提供前所未有的计算能力和性能(含pdf)
热度 2 COMSOLFEM 2011-8-12 10:33
新版本Maple 15提供前所未有的计算能力和性能 5年来最重要的版本升级,破纪录的微分方程求解器是Maple 15诸多新功能之一 2011年4月13日 :Maplesoft 今天宣布正式发布新版本Maple 15,现代数学家、工程师、科学家必备的科学计算工具。新特征包括:新增270个新的数学函数、对上千个已有算法进行改进,用户可以更快地求解更复杂的问题。 由于采用了高性能基础运算、领先的计算算法、以及许多选项利用多核计算能力,让Maple 15在扩展性和计算性能方面异常强大。Maple 15可以求解微分方程的符号解,包括其他软件不能处理的微分方程类型,新版本可以求解史无前例的96%的微分方程,遥遥领先于其他软件。 使用Maple 15,用户更有效地处理大型数据,用数据表创建更吸引人的交互式程序。使用新的变量管理器,用户可以更好地控制Maple程序,轻松访问计算状态。用户也可以使用创新的Clickable Math工具,包括超过40个新的探索和说明常规数学概念的示例。 “Maple 15是近五年最重要的Maple升级,我们非常高兴能够与用户分享,”Laurent Bernardin说,Maplesoft副主席/首席科学家:“我们了解用户会不断遇到有挑战性的问题,从设计火星探测车到微积分教学。我们引以为豪的是Maple 15新功能将为他们的成功提供重要帮助。” “Maple是一个包含大量功能的系统 — 数学、编程工具、点击式工具、技术文件特征、教育资源、连接功能、等等。” Dr. Harald Kammerer,一个有着20多年Maple使用经验的用户,德国GERB公司(振动控制)研发部主管:“Maple 15对所有这些领域提供了重要改进,无论您用Maple做什么、或者如何使用它,您将会发现有价值的东西。” Maple 15新功能详细描述(PDF文件): www.cybernet.sh.cn/download/maple/newsletter/201104/Maple15Released.pdf 关于Maplesoft Maplesoft是全球领先的工程、科学研究和数学计算的高性能软件开发商。公司产品的体现了“Given great tools, people can do great things”的理念。Maplesoft公司的核心技术包括世界上最强大的符号计算引擎和创新的物理建模技术,这些领先的技术提供了尖端的工具用于设计、建模、和高性能仿真。 Maplesoft公司的产品帮助用户降低出错率、缩短设计时间,以及管理数据、模拟和结果。Maplesoft产品组合包括Maple,解决各种复杂的数学问题和创建丰富的技术文档;以及MapleSim,用于对物理系统的高性能、多领域建模和仿真。 全球众多的公司和机构在几乎所有的技术领域中应用着Maplesoft 的解决方案,用户渗透超过96%的世界主要大学和研究所,包括MIT, Stanford, Oxford, the NASA Jet Propulsion Laboratory, the U.S. Department of Energy等,他们使用Maplesoft解决方案提高教学和研究工作;商业用户覆盖超过81%的世界财富五百强企业,如Ford、BMW、Bosch、NASA、Boeing、Bloomberg、Microsoft Research、DreamWorks等,应用领域包括汽车、航空航天、电子、国防、能源、金融服务、船舶、快速消费品、娱乐等。2007年,Maplesoft与丰田成为战略合作伙伴,开发新的基于模型开发(MBD)技术应用于汽车工业。 Maplesoft是CYBERNET Systems集团下属全资子公司,中国办事处是莎益博工程系统开发(上海)有限公司。更多信息,请访问: http://www.cybernet.sh.cn/
个人分类: Maple|5010 次阅读|2 个评论
一个能源供需系统的同步方案
brbaba 2011-6-13 22:27
介绍一个能源供需系统的同步方案: Baogui Xin, Tong Chen and Yanqin Liu. Projective synchronization of chaotic fractional-order energy resources demand-supply systems via linear control. Communications in Nonlinear Science and Numerical Simulation. 16(11): 4479-4486,2011. 点击如下链接下载: Projective synchronization of chaotic fractional-order energy resources demand–.pdf
个人分类: 科研资料|2625 次阅读|0 个评论
Maple中的偏微分方程求解
热度 1 maplesim 2010-12-25 18:28
Maple中微分方程求解器使用领先的算法求解以下问题: 常微分方程 (ODEs): dsolve 命令用于求解线性和非线性ODEs, 初始值问题 (IVP), 以及边界值问题 (BVP),可以通过参数项选择求符号解 (解析解) 或数值解。ODE Analyzer Assistant微分方程分析器助手提供一个交互式用户界面方便用户求解 ODE 以及显示结果的图形。了解更多信息,参考帮助系统中的 dsolve, dsolve/numeric, 和 ODE Analyzer. 偏微分方程 (PDEs): pdsolve 命令用于求 PDEs 和含边界值问题的 PDEs 的符号解或数值解。使用Maple的PDE工具可以完成对PDE系统的结构分析和指数降阶处理。了解更多信息,参考帮助系统中的 pdsolve and pdsolve/numeric. 微分-代数方程 (DAEs): dsolve/numeric 命令是符号-数值混合求解器,使用符号预处理和降阶技术,让Maple能够求解高指数的DAE问题。Maple内置三个求解器用于处理DAEs:1)修正的 Runge-Kutta Fehlberg 方法,2)Rosenbrock 方法,以及 3)修正的拓展后向差分隐式方法。 附件中的示例 - 求解偏微分方程PDE问题(BVP和IVP)
个人分类: Maple基础学习|20519 次阅读|1 个评论
使用微分方程建模的一个小例子
agri521 2010-7-8 23:41
我看了一篇名为定西地区旱作小麦产量与降水量关系探讨的文章。这篇文章是讲旱地小麦产量年际变化与当年降水量的变化密切相关,因此作者想找到两 者之间的定量关系。作者先后使用了线性回归和微分方程建立了两个模型。 主要建模过程: 作者发现小麦在分蘖至孕穗期处于缺水状态,所以作者就以缺水生育期前后对应的月份即四、五、六和七月的降水量为自变数,建立与产量的回归方程。作者 使用逐步回归,从四个月份中筛选出五月和七月两个变量,并建立了二元回归方程。 y = 1.6275* x5 0.3150* x7 + 96.636 但作者又考虑到五月和七月降水量不可能相互独立,一定存在互作。如果使用线性关系处理降水量与产量的关系,而没有考虑到自变量的互作,可能模型的预 测效果打了折扣。作者下一步就想建立了一个非线性方程,在这里使用了微分方程。 由数据得知,在一定的降水量范围内,产量( y )与产量增量( dy )、五月份降水量增量( dx ) 成正比,就有了这个关系: dy/dx=C1*y ,其中C1为常数。 此式为一阶微分方程,其通解为:y=C2*e C1*x (C1和C2为常数) 。 求得参数后,模型为:y=69.7065*e 0.101417*x 。 作者没有对两个模型进行检验,我们也无法知道模型的预测效果。 我在这里不是想说这两个模型构成的有多好,而是我从文章中看到作者扎实的统计和数学建模功底,作者思路清晰,文笔细腻,简洁明了。看完之后,就想听 一个小故事,而我们也从中得到了想要的知识。 这是一篇上世纪80年代的文章,而从现在的期刊中找到一篇建模思路清晰,影响因素考虑周全的文章可是不容易呀。外文期刊也不例外。我问一位美国朋友,他说材料与方法没有写清楚,可能是编辑不让写清楚,也可能是作者本人不太懂。哎,老外也太搞了。 建议数学和统计知识背景较浅,又需要数学建模的初学者可以看看这篇文章。不过,这只是一篇入门文章,要构建复杂点的模型还需要好好学习建模知识呀。
个人分类: 农业建模|4562 次阅读|1 个评论
人算不如天算·那一阵风告诉我们的
songshuhui 2010-3-6 17:00
方弦 发表于 2010-03-03 16:24 【前言】自然是解题的好手。 你的手每次划过空中,自然就给出了一组微分方程的数值解,而同样的一组微分方程解的性质,却已困扰数学界数百年。 每一道光传入你的眼睛,它走的路径便需要数学家用一种繁复的数学技巧变分法才能计算出来,而光,天生就知道怎么走。 蚂蚁并没有人那样的智慧,它们只有简单的脑,能看到的也就是它面前的一点点距离,但一群蚂蚁可以找到从它们的巢穴到食物的最短距离。 螽斯尽然愚笨,但它在漫长的演化路上学会了模仿蟋蟀求偶的鸣叫来诱捕这些可怜的受害者。而蟋蟀同时也演化出了一些判别的方法,与螽斯展开了一场演化军备竞赛。 分子没有意识,但在退火之下,它们能形成近乎完美的晶体。没有人命令它们,它们自然而然就知道自己应该在什么位置。 这一切一切,一切你说能看到或者不能看到的,都是自然在计算。而人,只能亦步亦趋跟在自然之后,学习自然是如何计算的。 自然是可敬畏的,不为它的力量,而为它的精巧,在极简单极简单的规则之下,演出着极宏大极宏大的歌剧。 我将尽我所能,描述这场歌剧中的计算,以及人是如何学习这样的计算的。 最后,我以一段歌词结尾: 围着雾的冰水任瓶边结露 凝聚渐厚过后交汇成川渗于台布 神奇而极普通的景象 谁人曾又会静来一睹? 谢安琪《活着》 我 是 目 录 的 分 隔 线 这个系列的文章,讲的东西可能比较杂,但是围绕的是同一个主题:自然的计算,以及人们受自然启发而提出的各种算法。虽然如此,每篇文章是各自独立的。以下是一个目录,每一篇新文章发表在群博上后,我会及时在这里更新链接。另外,读者您也可以通过标签人算不如天算来访问这个系列的文章。 遗传算法:内存中的进化 这就是自然在计算,它以不计其数的分子和原子,用离散的方法,编织了一个连续的世界;我们活在其中,却不知觉。 田野中有一朵蒲公英,你向它吹了一口气,它的种子便随着你的气流在空中飞舞。于你而言,这只是一阵风,但对于自然而言,它又给出了一个偏微分方程的数值解。 流体引发的问题 像水和空气这样会流动的东西,我们将它们称为流体。对流体的研究,肇源于古希腊阿基米德的浮力原理,经过十八世纪微积分的推动,最终在十九世纪达到顶峰。十九世纪的两位物理学家纳维和斯托克斯将流体流动的奥秘都汇聚到了一个偏微分方程中(注1)。这个方程也因他们而得名纳维-斯托克斯方程。 但随着实验水平的提高,人们发现,对于一些在极端条件之下的流体,纳维-斯托克斯方程失去了预言的力量。 究其原因,物理学家在研究流体的时候,往往假定流体是连续的,这与我们在生活中的体验也是一致的。但事实上,空气和水都是由大量分子组成的,只不过因为分子体积极小而数量惊人,所以在我们看来,空气就变成连续的了,于是风空气的流动对我们来说也就是连续的。这就好比大型广告牌一样:在远处看,广告上是一位天真无邪的小孩子,但靠近看的话,不过是数量巨大的油墨点组成的点阵而已。 但在极端条件之下,分子的这种离散的特性变得突出,变得不再那么连续了。既然流体是连续的这个假设失效了,那么在这个假设的基础上推导出来的流体力学方程,它在极端条件下失去准确性也就并非不可理解了。 对于物理学家来说,这就意味着在极端条件下,他们需要从另外的假设出发来推导流体所服从的方程。 离散对连续的模拟 但对于研究数学分析的数学家来说,连续的流体要比离散的原子分子更自然,方程比现实更自然。与其说方程描述了现实,不如说现实是方程的近似。在每一阵风中,自然给我们展示的,正是如何通过离散去得到连续。 自然告诉我们的,正是这样一个道理:通过离散的手段,也能模拟出连续的现象。 不知道是巧合还是必然,为了模拟自然中流体的流动,研究人员发展了一种数值计算方法,叫有限差分方法,能给出一些偏微分方程的数值解。 有限差分方法的精髓,正是自然告诉我们的道理:通过离散的手段,模拟连续的现象。它将一个原本连续的区域离散化,划分成一个一个的点,就像空气中的分子。然后它将连续的问题转化为离散的问题,也就是说将要求解的问题翻译成线性方程组。最后通过求解这个方程组,我们就得到了原来问题的一个数值解。由于计算机善于处理离散的问题,而离散的问题也会比连续的容易处理,这就使有限差分方法成为了得到偏微分方程的近似数值解的好工具。 下面,我们来看一个用有限差分方法解决问题的例子。 肥皂膜的数学模型 【公式出没,注意!不适者欢迎绕行。相信我,不会过于影响后面的阅读。】 如果我们将下面这个铁丝架浸到肥皂水中再拿出来,架上会有一层肥皂膜,它是什么形状的呢? 我们先将架子放在一个平面上,它的底面就是一个正方形。为了描绘肥皂膜的形状,我们在正方形上定义一个函数f,在某个点(x,y)上,找到肥皂膜上在它正上方的那一点,然后量度两点的距离,然后我们定义f(x,y)为这两点的距离,如下图所示(细黑线是等高线)。这样的话,定义在这个正方形上的函数f就完全地反映了整个肥皂膜的形状了。 而在这个正方形的边界上,由于肥皂泡附着在架子上,所以在一条边上,函数f的取值为1,而在其它边上它的取值为0。这种定义在边界上的条件被数学家称为边界条件。 由于表面张力的原因,从局部看来,肥皂膜肯定是非常平滑的。任何可能的突起都会迅速被表面张力拉平。如果将这种平滑的特性翻译成数学的语言的话,就是函数f满足以下偏微分方程: 于是,我们需要解决的问题就变成:在这个正方形内,根据给定的边界条件,数值求解以上的偏微分方程,也就是说求出满足上面方程的函数f。 这正是有限差分方法派上用场的时候。 有限差分方法的回答 不知道有限差分方法的灵感是否来自自然,但以自然作类比,我们能更好地理解它。 回到肥皂膜的例子上,我们知道,实际上肥皂膜并不是连续的,而是由数量有限的水分子和肥皂分子构成的,它的整体形状也是由这些分子的相互作用所决定的。如果我们能够在计算机上模拟肥皂膜上每个分子和它们的相互作用的话,我们就能得到整个肥皂膜的形状。 但尽管这些分子的数量有限,对于现代计算机而言仍是天文数字,完全的模拟并不可行。是否可能减少进行模拟的分子数量,牺牲模拟的精度去换取更高的速度呢?不妨想象一下,如果肥皂的分子很大很大,大到那块肥皂膜变成一个1616的分子网格,上面只有256个肥皂分子。那么,由于需要模拟的分子数目不大,对肥皂膜的模拟变得非常容易。 不妨试试在这种基础上做个模拟,看看结果如何。 我们不妨假定这些巨大的肥皂分子在平面上的投影将正方形分成了一个1616的网格。 每个格点都代表了一个肥皂分子。那么,只要知道每个格点对应的肥皂分子离地面的高度,我们就能知道整个肥皂膜的形状了。我们用h 表示第i行第j列的肥皂分子离地面的高度。 然后,我们需要将刚才的偏微分方程表达成这些h 之间的关系。经过不算复杂的推导,对于不在边界上的格点h ,我们可以得到如下的关系: 用自然语言来说,就是一个肥皂分子的高度正好是它前后左右四位邻居高度的平均值。这也非常符合我们的直觉,因为只有这样,在每个局部看来这个肥皂膜都是比较平坦的。如果我们想象每个肥皂分子的邻居都用同样大小的力(可以看作表面张力)拉着它的话,它的稳定位置正好就符合上面的方程。 数学家们把这个关系称为偏微分方程的差分形式,这也就是有限差分方法这个名字的来源。 最后剩下的要翻译过来的内容就是边界条件了。在网格的边界处,肥皂分子都是附着在铁丝网上的。根据铁丝网的形状,我们容易知道,除了网格第一行的肥皂分子的离地高度都是1以外,其余的都是0。 当所有条件都翻译完毕后,我们手头上就有了一个由这些条件构成的线性方程组。剩下的工作就是解方程组。对于计算机来说,此乃小菜一碟。将方程组的解画出来,就是这样: 效果似乎不错,但正确性如何呢? 我们同时画出原来偏微分方程的解: 肉眼看不出它们之间的差异,不是吗? 从上面的例子中,我们可以窥见有限差分方法的一般框架:对于一个求偏微分方程解的问题,先将要求解的区域剖分成网格,然后将偏微分方程和边界条件翻译成网格中每一个格点之间的关系,从而得到一个多变量的方程组,每一个格点对应一个变量,最后通过求解这个方程组,我们得到一组解,结合原来的网格,我们就得到了原来问题的一个数值解。 自然的总结 事实上,有限差分方法得出的解是一个比较好的近似,所需的计算资源也不多。对于经常处理边界复杂的偏微分方程的工程师而言,这些问题如果用传统的数学分析方法解决的话,计算量相当浩大,只能人手计算,更别提需要做的各种近似了;但如果利用有限差分方法的话,误差不算太大,计算量却不太大,而且可以交给计算机去处理。当然,它计算出来的解永远都是近似解,但在实际应用中,过高的精度是不必要的。有限差分方法正是舍弃了一点点精确性,换来了计算的速度。 流体力学研究的自然流体实际上是离散的分子组成的,我们不知道有限差分方法的灵感是否来源于此,但它的确曾在计算流体力学中起过很大的作用。它也被应用在热力学的数值计算中,比如说计算电脑芯片的散热情况。它的吸引力很大一部分来源于它的简单和易用。 但有限差分方法也并非尽善尽美。它的求解过程只能在一个形状规则、分布均匀的网格上进行,但显然会有某些地方的变化更值得关注。比如说,如果我们想要模拟一条溪流,我们肯定更关注礁石丛生之处被扰乱的水流,而不是毫无阻碍缓缓流淌的部分。而有限差分方法对模拟区域是一视同仁的,每个地方的模拟精度都是一样的,这样的话为了提高精度,很多计算资源就被白白浪费在无关紧要的地方上。此外,还有精度和数值稳定性的问题。 但通过对有限差分方法的改进,人们可以部分地绕过这些问题。也有别的数值计算方法可以弥补这些缺陷,如有限元方法、有限体积方法等。它们的基本思路与有限差分方法是一样的:将问题用不同的方式离散化,然后用离散的手段去解决它。 而这,正是由分子和原子组成的每一股水流、每一阵风每时每刻都在做的事情,而且它们比我们、比计算机做得更好。这就是自然在计算,它是一个巨大的并行计算机。它以不计其数的分子和原子,用离散的方法,编织了一个连续的世界;我们活在其中,却不知觉。 注1:纳维-斯托克斯方程看起来是这样的: 自然用原子和分子就能模拟出如此复杂的偏微分方程,着实令人惊叹。
个人分类: 计算机科学|1648 次阅读|0 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-5 04:05

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部