108
个编辑
更改
跳到导航
跳到搜索
第1行：
第1行： − + − 一维[[连续]][[动力系统]]的研究起源于 19 世纪末对常[[微分方程]]定性理论的探索。法国数学家亨利·[[庞加莱]]（Henri Poincaré）在其著作《天体力学新方法》（1892）中提出了通过几何方法研究微分方程解整体行为的思想，确立了[[相空间]]、轨道、[[平衡点]]与稳定性等基本概念。<ref name="Poincare1892">Poincaré, H. (1892). ''Les Méthodes Nouvelles de la Mécanique Céleste.'' Paris: Gauthier-Villars.</ref> 在这一框架下，一维动力系统通常以自治常微分方程+ − + − 除[[连续]]时间模型外，一维离散[[动力系统]]作为相关研究方向逐渐发展。典型例子包括 [[逻辑斯谛映射]]+ 第27行：
第27行： − + 第36行：
第36行： − + − + − + − 与依赖[[解析解]]或符号计算的方法相比，基于相线的几何分析能够在不求解方程的情况下揭示系统解的单调性、极限行为以及长期演化趋势。对于一维[[自治系统]]而言，这种方法在理论上是完备的：系统的全部定性行为均可由相线结构刻画，同时也直接解释了一维系统中不可能出现[[周期轨道]]或[[振荡]]行为的根本原因。因此，几何思维不仅是研究一维[[动力系统]]的基础工具，也为理解更高维系统中的[[相空间]]结构提供了直观而重要的思想起点<ref name="Devaney1986" />。+ − + − + 第67行：
第67行： − 除了图形化稳定性判据，还可以从严格的[[数学]]角度判定该[[不动点]]的稳定性。在[[不动点]]<math>x^*</math>附近定义扰动<math>u(t)=x(t)-x^*</math>,其[[线性化]]方程为<math>\dot{u} \approx f'(x^*)u</math>，若 <math>f'(x^*) > 0</math>，该[[不动点]]是稳定[[不动点]]；若 <math>f'(x^*) < 0</math>，该[[不动点]]是不稳定[[不动点]]。定义特征时间尺度<math>\displaystyle \frac{1}{|f'(x^*)|}</math> 为 <math>x(t)</math> 在[[不动点]] <math>x^*</math> 邻域内发生显著变化的时间。+ − + − + − + 第83行：
第83行： − + 第98行：
第98行： − + − + − + − + 第116行：
第116行： − + − + 第124行：
第124行： − 在最常见的[[连续]]时间形式中，逻辑斯谛方程写为+ 第140行：
第140行： − 在给定初值条件下，该方程可写出[[解析解]]+ 第150行：
第150行： − 除[[连续]]时间形式外，[[逻辑斯谛方程]]在[[离散时间]]建模中也有一个极其重要的对应物：'''[[逻辑斯谛映射]]'''（logistic map）+ 第160行：
第160行： − + 第166行：
第166行： − + 第184行：
第184行： − + 第200行：
第200行： − + 第206行：
第206行： − + 第212行：
第212行： − + 第218行：
第218行： − + 第232行：
第232行： − 上式被称为企业普适生长方程（[[Gene]]ral growth equation)+ − + 第260行：
第260行： − +
去掉不需要的关键词标识
“直线上的流”研究一维自治[[动力系统]]的几何理论，其[[微分方程]]形式为<math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math>，其中 <math>f</math> 是定义在[[实数]]域（直线）上的函数。其主要通过绘制[[相图]]，即 <math>f(x)</math> 的图像，辅以较严格的稳定性分析方法分析系统的行为。该系统虽然简单，但其[[连续]]或离散的形式在各领域中均有广泛应用，如[[企业增长模型]]、[[Logistic 映射]]、[[RC 电路]]等等。
“直线上的流”研究一维自治[[动力系统]]的几何理论，其[[微分方程]]形式为<math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math>，其中 <math>f</math> 是定义在实数域（直线）上的函数。其主要通过绘制[[相图]]，即 <math>f(x)</math> 的图像，辅以较严格的稳定性分析方法分析系统的行为。该系统虽然简单，但其连续或离散的形式在各领域中均有广泛应用，如[[企业增长模型]]、[[Logistic 映射]]、[[RC 电路]]等等。
=历史=
=历史=
一维连续[[动力系统]]的研究起源于 19 世纪末对常[[微分方程]]定性理论的探索。法国数学家亨利·[[庞加莱]]（Henri Poincaré）在其著作《天体力学新方法》（1892）中提出了通过几何方法研究微分方程解整体行为的思想，确立了[[相空间]]、轨道、[[平衡点]]与稳定性等基本概念。<ref name="Poincare1892">Poincaré, H. (1892). ''Les Méthodes Nouvelles de la Mécanique Céleste.'' Paris: Gauthier-Villars.</ref> 在这一框架下，一维动力系统通常以自治常微分方程
<math>\frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math>
<math>\frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math>
为基本形式，其研究重点集中于[[平衡点]]的存在性、稳定性及解的定性结构。这些思想构成了低维动力系统理论的基础。<ref name="Katok1995">Katok, A. & Hasselblatt, B. (1995). ''Introduction to the Modern Theory of Dynamical Systems.'' Cambridge University Press.</ref>
为基本形式，其研究重点集中于[[平衡点]]的存在性、稳定性及解的定性结构。这些思想构成了低维动力系统理论的基础。<ref name="Katok1995">Katok, A. & Hasselblatt, B. (1995). ''Introduction to the Modern Theory of Dynamical Systems.'' Cambridge University Press.</ref>
随着[[动力系统]]理论的发展，一维[[连续]]系统逐渐成为研究[[非线性]]现象的重要模型。研究者系统地建立了相线分析、[[线性化]]方法以及稳定性判据，使得在不求显式解的情况下，也能够判断系统的长期行为。一维动力系统因此被广泛用于阐释非线性常[[微分方程]]的基本定性特征，并成为更高维系统研究的入门模型。<ref name="Strogatz1994">Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref>
随着[[动力系统]]理论的发展，一维连续系统逐渐成为研究[[非线性]]现象的重要模型。研究者系统地建立了相线分析、[[线性化]]方法以及稳定性判据，使得在不求显式解的情况下，也能够判断系统的长期行为。一维动力系统因此被广泛用于阐释非线性常[[微分方程]]的基本定性特征，并成为更高维系统研究的入门模型。<ref name="Strogatz1994">Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref>
在研究含参数的一维连续动力系统时，人们发现系统的定性结构可能随参数变化而发生突变，例如[[平衡点]]的产生、消失或稳定性的改变。这类现象被统一描述为[[分岔]]（bifurcation）。一维系统在[[分岔]]理论的发展中起到了核心作用，典型分岔类型包括鞍结分岔、跨[[临界]]分岔和叉形分岔，一维[[动力系统]]由此成为研究[[非线性系统]]结构变化的标准模型。<ref name="Katok1995" /><ref name="Strogatz1994" />
在研究含参数的一维连续动力系统时，人们发现系统的定性结构可能随参数变化而发生突变，例如[[平衡点]]的产生、消失或稳定性的改变。这类现象被统一描述为[[分岔]]（bifurcation）。一维系统在[[分岔]]理论的发展中起到了核心作用，典型分岔类型包括鞍结分岔、跨[[临界]]分岔和叉形分岔，一维[[动力系统]]由此成为研究[[非线性系统]]结构变化的标准模型。<ref name="Katok1995" /><ref name="Strogatz1994" />
除连续时间模型外，一维离散[[动力系统]]作为相关研究方向逐渐发展。典型例子包括 [[逻辑斯谛映射]]
<math>x_{n+1} = r x_n(1 - x_n)</math>，
<math>x_{n+1} = r x_n(1 - x_n)</math>，
其在参数变化下可表现出倍周期分岔与[[混沌]]行为。<ref name="May1976">May, R. M. (1976). Simple mathematical models with very complicated dynamics. ''Nature'', 261(5560), 459–467.</ref> 尽管离散系统与连续一维动力系统在数学结构与[[动力学]]性质上存在显著差异，但二者在[[分岔]][[机制]]、[[非线性]]分析思想以及复杂行为的产生方式上具有重要联系，离散一维系统通常被视为连续动力系统理论的补充研究方向。<ref name="Devaney1986">Devaney, R. L. (1986). ''An Introduction to Chaotic Dynamical Systems.'' 2nd ed. Addison-Wesley.</ref>
其在参数变化下可表现出倍周期分岔与[[混沌]]行为。<ref name="May1976">May, R. M. (1976). Simple mathematical models with very complicated dynamics. ''Nature'', 261(5560), 459–467.</ref> 尽管离散系统与连续一维动力系统在数学结构与[[动力学]]性质上存在显著差异，但二者在[[分岔]][[机制]]、[[非线性]]分析思想以及复杂行为的产生方式上具有重要联系，离散一维系统通常被视为连续动力系统理论的补充研究方向。<ref name="Devaney1986">Devaney, R. L. (1986). ''An Introduction to Chaotic Dynamical Systems.'' 2nd ed. Addison-Wesley.</ref>
== 几何思维与相线表示 ==
== 几何思维与相线表示 ==
[[文件:相图.png|缩略图|一维[[动力系统]]的图，展示[[状态变量]]沿[[实数]]轴的演化方向与[[不动点]]结构<ref>{{cite web
[[文件:相图.png|缩略图|一维[[动力系统]]的图，展示状态变量沿实数轴的演化方向与[[不动点]]结构<ref>{{cite web
|title=Phase Graph
|title=Phase Graph
|url=https://pattern.swarma.org/study_group_issue/998
|url=https://pattern.swarma.org/study_group_issue/998
在一维[[动力系统]]的研究中，几何思维构成了理解系统长期行为的核心工具之一。一维[[连续]][[动力系统]]通常写为自治[[常微分方程]]
在一维[[动力系统]]的研究中，几何思维构成了理解系统长期行为的核心工具之一。一维连续[[动力系统]]通常写为自治[[常微分方程]]
<math display="block">
<math display="block">
\dot{x} = f(x),
\dot{x} = f(x),
</math>
</math>
其中 <math>x</math> 表示系统的[[状态变量]]，<math>t</math> 为时间参数，<math>f(x)</math> 是定义在[[实数]]轴上的[[标量]]函数。该方程描述了[[系统状态]]在一维[[相空间]]（即[[实数]]轴）中的时间演化规律，是一维[[动力系统]]定性分析的基本出发点<ref name="Strogatz1994" />。由于系统是自治的，时间本身并不作为相空间坐标出现，而仅起到参数的作用，这使得系统的几何结构完全由函数 <math>f(x)</math> 决定。
其中 <math>x</math> 表示系统的状态变量，<math>t</math> 为时间参数，<math>f(x)</math> 是定义在实数轴上的标量函数。该方程描述了[[系统状态]]在一维[[相空间]]（即实数轴）中的时间演化规律，是一维[[动力系统]]定性分析的基本出发点<ref name="Strogatz1994" />。由于系统是自治的，时间本身并不作为相空间坐标出现，而仅起到参数的作用，这使得系统的几何结构完全由函数 <math>f(x)</math> 决定。
从几何角度看，<math>f(x)</math> 在[[实数]]轴上每一点给出了[[系统状态]]的瞬时演化方向与变化趋势。当 <math>f(x) > 0</math> 时，状态随时间向正方向演化；当 <math>f(x) < 0</math> 时，状态向负[[方向]]演化；而当 <math>f(x) = 0</math> 时，系统处于静止状态，对应一个[[不动点]]。在一维情况下，通常所说的[[向量场]]退化为定义在[[实数]]轴上的方向场，其全部信息可以通过在 <math>x</math>-轴上标注箭头来直观表示。这种表示方式将微分方程转化为一条“流动方向图”，从而使系统的整体[[动力学]]结构在几何上变得清晰可见<ref name="Devaney1986" />。
从几何角度看，<math>f(x)</math> 在实数轴上每一点给出了[[系统状态]]的瞬时演化方向与变化趋势。当 <math>f(x) > 0</math> 时，状态随时间向正方向演化；当 <math>f(x) < 0</math> 时，状态向负方向演化；而当 <math>f(x) = 0</math> 时，系统处于静止状态，对应一个[[不动点]]。在一维情况下，通常所说的[[向量场]]退化为定义在实数轴上的方向场，其全部信息可以通过在 <math>x</math>-轴上标注箭头来直观表示。这种表示方式将微分方程转化为一条“流动方向图”，从而使系统的整体[[动力学]]结构在几何上变得清晰可见<ref name="Devaney1986" />。
通过考察[[不动点]]两侧 <math>f(x)</math> 的符号分布，可以直接判断不动点的稳定性：若轨道在不动点两侧均指向该点，则对应[[吸引子]]；若轨道在两侧均远离该点，则对应排斥子；若一侧指向而另一侧远离，则为半[[稳定不动点]]。这种稳定性判据完全基于几何信息，无需显式求解微分方程，因而构成了一维[[动力系统]]定性分析的基本方法之一<ref name="Strogatz1994" />。
通过考察[[不动点]]两侧 <math>f(x)</math> 的符号分布，可以直接判断不动点的稳定性：若轨道在不动点两侧均指向该点，则对应[[吸引子]]；若轨道在两侧均远离该点，则对应排斥子；若一侧指向而另一侧远离，则为半[[稳定不动点]]。这种稳定性判据完全基于几何信息，无需显式求解微分方程，因而构成了一维[[动力系统]]定性分析的基本方法之一<ref name="Strogatz1994" />。
与依赖解析解或符号计算的方法相比，基于相线的几何分析能够在不求解方程的情况下揭示系统解的单调性、极限行为以及长期演化趋势。对于一维[[自治系统]]而言，这种方法在理论上是完备的：系统的全部定性行为均可由相线结构刻画，同时也直接解释了一维系统中不可能出现[[周期轨道]]或[[振荡]]行为的根本原因。因此，几何思维不仅是研究一维[[动力系统]]的基础工具，也为理解更高维系统中的[[相空间]]结构提供了直观而重要的思想起点<ref name="Devaney1986" />。
==[[不动点]]及其稳定性==
==不动点及其稳定性==
===[[不动点]]的定义===
===不动点的定义===
对于一般的映射 <math>g</math>, 满足 <math>g(x^*)=0</math>的点 <math>x^*</math> 成为 <math>g</math> 的[[不动点]]。可以验证对[[不动点]] <math>x^*</math>，有 <math>g(g(x^*)) = g(x^*) = x^*</math>。直观上看，这个点在系统的映射下一直保持不动，因此也称其为系统的平衡解。在一维[[动力学]] <math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math> 中，如果系统处在[[不动点]]的位置，那么[[系统状态]]将不再改变，也即 <math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = 0 = f(x)</math>，因此我们只需研究 <math>f(x)</math> 的零点即可。
对于一般的映射 <math>g</math>, 满足 <math>g(x^*)=0</math>的点 <math>x^*</math> 成为 <math>g</math> 的[[不动点]]。可以验证对[[不动点]] <math>x^*</math>，有 <math>g(g(x^*)) = g(x^*) = x^*</math>。直观上看，这个点在系统的映射下一直保持不动，因此也称其为系统的平衡解。在一维[[动力学]] <math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math> 中，如果系统处在[[不动点]]的位置，那么[[系统状态]]将不再改变，也即 <math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = 0 = f(x)</math>，因此我们只需研究 <math>f(x)</math> 的零点即可。
===线性稳定性分析（定量方法）===
===线性稳定性分析（定量方法）===
除了图形化稳定性判据，还可以从严格的数学角度判定该[[不动点]]的稳定性。在[[不动点]]<math>x^*</math>附近定义扰动<math>u(t)=x(t)-x^*</math>,其[[线性化]]方程为<math>\dot{u} \approx f'(x^*)u</math>，若 <math>f'(x^*) > 0</math>，该[[不动点]]是稳定[[不动点]]；若 <math>f'(x^*) < 0</math>，该[[不动点]]是不稳定[[不动点]]。定义特征时间尺度<math>\displaystyle \frac{1}{|f'(x^*)|}</math> 为 <math>x(t)</math> 在[[不动点]] <math>x^*</math> 邻域内发生显著变化的时间。
===[[势函数]]===
===势函数===
除了使用 <math>f(x)</math> 分析外，还可以使用系统的[[势函数]]<math>V(x)</math>进行分析。它由<math>f(x)=-\frac{\mathrm{d} V}{\mathrm{d} x}</math>定义。通过该定义，系统行为等价于一个过阻尼粒子在[[势能]]景观<math>V(x)</math>中的运动。粒子总是向[[势能]]减小 (<math>\frac{\mathrm{d} V}{\mathrm{d} t}\leq 0</math>) 的[[方向]]运动。其中系统的稳定[[不动点]] <math>\leftrightarrow</math> <math>V(x)</math>的局部极小值（[[势能]]谷），而不稳定[[不动点]] <math>\leftrightarrow</math> <math>V(x)</math>的局部极大值（[[势能]]峰）
除了使用 <math>f(x)</math> 分析外，还可以使用系统的[[势函数]]<math>V(x)</math>进行分析。它由<math>f(x)=-\frac{\mathrm{d} V}{\mathrm{d} x}</math>定义。通过该定义，系统行为等价于一个过阻尼粒子在[[势能]]景观<math>V(x)</math>中的运动。粒子总是向[[势能]]减小 (<math>\frac{\mathrm{d} V}{\mathrm{d} t}\leq 0</math>) 的方向运动。其中系统的稳定[[不动点]] <math>\leftrightarrow</math> <math>V(x)</math>的局部极小值（[[势能]]谷），而不稳定[[不动点]] <math>\leftrightarrow</math> <math>V(x)</math>的局部极大值（[[势能]]峰）
==解的性质==
==解的性质==
===单调性与[[振荡]]的不可能性===
===单调性与振荡的不可能性===
一维（自治）系统 <math>\dot{x} = f(x)</math> 的解 <math>x(t)</math> 必须是时间<math>t</math>的单调函数（或为常数）。换言之，一维系统的解要么是常数，要么收敛到[[不动点]]，要么发散到无穷。如右图所示，如果相点初始位于左侧稳定[[不动点]]附近，它将收敛到稳定[[不动点]]；如果相点初始时恰好位于两个[[不动点]]处，则它将始终呆在原位。而如果相点初始位于不稳定[[不动点]]的右侧，可知相点的速度始终向右，且逐渐增加，因此它最终将发散至（正）无穷大。作为单调性的直接推论，一维系统不可能出现周期解、[[超调]]或[[阻尼振荡]]。这是由实线的[[拓扑]]结构所决定的，假设某个一维[[自治系统]]的解是周期或存在超调，那么一定会存在某个状态，对应这两个不同的 <math>\dot{x}</math>，这和 <math>f</math> 是一个函数矛盾。因此一维[[自治系统]]的解一定是单调的。
一维（自治）系统 <math>\dot{x} = f(x)</math> 的解 <math>x(t)</math> 必须是时间<math>t</math>的单调函数（或为常数）。换言之，一维系统的解要么是常数，要么收敛到[[不动点]]，要么发散到无穷。如右图所示，如果相点初始位于左侧稳定[[不动点]]附近，它将收敛到稳定[[不动点]]；如果相点初始时恰好位于两个[[不动点]]处，则它将始终呆在原位。而如果相点初始位于不稳定[[不动点]]的右侧，可知相点的速度始终向右，且逐渐增加，因此它最终将发散至（正）无穷大。作为单调性的直接推论，一维系统不可能出现周期解、[[超调]]或[[阻尼振荡]]。这是由实线的[[拓扑]]结构所决定的，假设某个一维[[自治系统]]的解是周期或存在超调，那么一定会存在某个状态，对应这两个不同的 <math>\dot{x}</math>，这和 <math>f</math> 是一个函数矛盾。因此一维[[自治系统]]的解一定是单调的。
在应用视角下，我们总是假定的一维系统 <math>\dot{x} = f(x)</math> 存在唯一的解。但一些看似简单的病态系统拥有不止一个解。例如考虑 <math>\dot{x} = x^{1/3}, x(0) = 0</math>，可以验证 <math>x(t) \equiv 0</math> 和 <math>x(t) = \left(\frac{2}{3} t\right)^{3/2}</math> 都是原系统的解。究其原因，<math>x^{1/3}</math> 在 <math>x = 0</math> 处的斜率为无穷大，而该系统除了上面两个解外还有无穷多个解。
在应用视角下，我们总是假定的一维系统 <math>\dot{x} = f(x)</math> 存在唯一的解。但一些看似简单的病态系统拥有不止一个解。例如考虑 <math>\dot{x} = x^{1/3}, x(0) = 0</math>，可以验证 <math>x(t) \equiv 0</math> 和 <math>x(t) = \left(\frac{2}{3} t\right)^{3/2}</math> 都是原系统的解。究其原因，<math>x^{1/3}</math> 在 <math>x = 0</math> 处的斜率为无穷大，而该系统除了上面两个解外还有无穷多个解。
下面给出了保证解存在性和唯一性的条件。若<math>f(x)</math>及其导数<math>f'(x)</math> 在包含初始点<math>x_0</math>的开区间上[[连续]]，则初值问题
下面给出了保证解存在性和唯一性的条件。若<math>f(x)</math>及其导数<math>f'(x)</math> 在包含初始点<math>x_0</math>的开区间上连续，则初值问题
<math>
<math>
==数值积分方法==
==数值积分方法==
'''数值积分方法'''（numerical integration methods）是通过将[[连续]]时间离散化，把常[[微分方程]]
'''数值积分方法'''（numerical integration methods）是通过将连续时间离散化，把常[[微分方程]]
<math>\frac{\mathrm{d} x}{\mathrm{d} t}=f(x,t)</math>
<math>\frac{\mathrm{d} x}{\mathrm{d} t}=f(x,t)</math>
转化为逐步更新的[[递推关系]]，从而在[[离散时间]]点上近似计算系统轨道随时间演化的方法<ref name="Burden2011">Burden, R. L., & Faires, J. D. (2011). ''Numerical Analysis'' (9th ed.). Brooks Cole.</ref><ref name="Hairer1993">Hairer, E., Nørsett, S., & Wanner, G. (1993). ''Solving Ordinary Differential Equations I: Nonstiff Problems''. Springer.</ref>。在[[动力系统]]问题中，[[解析解]]往往难以获得，而[[相图]]与轨道结构的定性研究又依赖对轨道的生成与比较，因此数值积分成为研究与数值实验中的基础工具之一<ref name="Strogatz1994" />。
转化为逐步更新的[[递推关系]]，从而在[[离散时间]]点上近似计算系统轨道随时间演化的方法<ref name="Burden2011">Burden, R. L., & Faires, J. D. (2011). ''Numerical Analysis'' (9th ed.). Brooks Cole.</ref><ref name="Hairer1993">Hairer, E., Nørsett, S., & Wanner, G. (1993). ''Solving Ordinary Differential Equations I: Nonstiff Problems''. Springer.</ref>。在[[动力系统]]问题中，解析解往往难以获得，而[[相图]]与轨道结构的定性研究又依赖对轨道的生成与比较，因此数值积分成为研究与数值实验中的基础工具之一<ref name="Strogatz1994" />。
从几何直觉上看，数值积分等价于在[[状态空间]]中用有限的时间步长 <math>h</math> 逐步逼近真实轨道：步长越小，局部逼近通常越好，但计算量也随之增加；步长过大则可能引入显著的截断误差，甚至导致数值轨道在定性行为上偏离真实解（例如出现错误的发散或虚假的稳定性）<ref name="Hairer1993" />。因此实际计算常需要在精度、稳定性与计算成本之间进行[[权衡]]<ref name="Burden2011" />。
从几何直觉上看，数值积分等价于在[[状态空间]]中用有限的时间步长 <math>h</math> 逐步逼近真实轨道：步长越小，局部逼近通常越好，但计算量也随之增加；步长过大则可能引入显著的截断误差，甚至导致数值轨道在定性行为上偏离真实解（例如出现错误的发散或虚假的稳定性）<ref name="Hairer1993" />。因此实际计算常需要在精度、稳定性与计算成本之间进行权衡<ref name="Burden2011" />。
数值积分方法可按更新结构与稳定性特征粗略分为以下类别：
数值积分方法可按更新结构与稳定性特征粗略分为以下类别：
* '''显式方法'''：下一步状态由已知的当前信息直接计算，如[[欧拉方法]]与各类 [[Runge–Kutta 方法]]；实现简单、计算效率高，但在刚性问题或强敏感系统中可能受到稳定性限制<ref name="Hairer1993" /><ref name="Butcher2016">Butcher, J. C. (2016). ''Numerical Methods for Ordinary Differential Equations'' (3rd ed.). Wiley.</ref>。
* '''显式方法'''：下一步状态由已知的当前信息直接计算，如[[欧拉方法]]与各类 [[Runge–Kutta 方法]]；实现简单、计算效率高，但在刚性问题或强敏感系统中可能受到稳定性限制<ref name="Hairer1993" /><ref name="Butcher2016">Butcher, J. C. (2016). ''Numerical Methods for Ordinary Differential Equations'' (3rd ed.). Wiley.</ref>。
* '''隐式方法'''：下一步状态需通过求解[[代数]]方程获得，通常具有更好的稳定性，因此常用于刚性系统或需要较大步长的情形<ref name="Hairer1993" />。
* '''隐式方法'''：下一步状态需通过求解代数方程获得，通常具有更好的稳定性，因此常用于刚性系统或需要较大步长的情形<ref name="Hairer1993" />。
* '''多步方法'''：利用多个历史时间点的信息更新（如 Adams–Bashforth 与 Adams–Moulton 系列），在长时间积分中可提高效率，但对初始步的生成与误差传播较敏感<ref name="Hairer1993" />。
* '''多步方法'''：利用多个历史时间点的信息更新（如 Adams–Bashforth 与 Adams–Moulton 系列），在长时间积分中可提高效率，但对初始步的生成与误差传播较敏感<ref name="Hairer1993" />。
* '''自适应步长方法'''：通过误差估计动态调整步长，在保证[[误差控制]]的同时减少不必要的计算，是工程与科学计算中常见的通用[[策略]]<ref name="Butcher2016" />。
* '''自适应步长方法'''：通过误差估计动态调整步长，在保证[[误差控制]]的同时减少不必要的计算，是工程与科学计算中常见的通用[[策略]]<ref name="Butcher2016" />。
=典型应用=
=典型应用=
==种群增长模型（[[逻辑斯谛方程]]）==
==种群增长模型（逻辑斯谛方程）==
=== 模型背景与[[动力学]]意义 ===
=== 模型背景与动力学意义 ===
'''[[逻辑斯谛方程]]'''（Logistic equation）是一类用于描述有限资源环境下种群增长的常[[微分方程]]模型。该方程由比利时数学家皮埃尔·弗朗索瓦·费赫尔胡斯特（Pierre-François Verhulst）于 1838 年提出，最初用于解释人口增长过程中由资源限制引起的自我[[抑制]]现象，被认为是一维[[动力系统]]方法在种群生物学中的早期且经典的应用实例<ref name="Verhulst1838">Verhulst, P.-F. (1838). "Notice sur la loi que la population poursuit dans son accroissement". ''Correspondance Mathématique et Physique''.</ref>。
'''[[逻辑斯谛方程]]'''（Logistic equation）是一类用于描述有限资源环境下种群增长的常[[微分方程]]模型。该方程由比利时数学家皮埃尔·弗朗索瓦·费赫尔胡斯特（Pierre-François Verhulst）于 1838 年提出，最初用于解释人口增长过程中由资源限制引起的自我[[抑制]]现象，被认为是一维[[动力系统]]方法在种群生物学中的早期且经典的应用实例<ref name="Verhulst1838">Verhulst, P.-F. (1838). "Notice sur la loi que la population poursuit dans son accroissement". ''Correspondance Mathématique et Physique''.</ref>。
=== 连续时间模型 ===
=== 连续时间模型 ===
在最常见的连续时间形式中，逻辑斯谛方程写为
[[文件:Logistics Equation - Graph.png|thumb|right|250px|逻辑斯谛方程解的典型 S 型增长曲线示意图，展示种群数量随时间增长并逐渐趋近环境承载量的行为<ref>{{cite web
[[文件:Logistics Equation - Graph.png|thumb|right|250px|逻辑斯谛方程解的典型 S 型增长曲线示意图，展示种群数量随时间增长并逐渐趋近环境承载量的行为<ref>{{cite web
其中 <math>N(t)</math> 表示时间 <math>t</math> 的种群数量，<math>r</math> 为内禀增长率，<math>K</math> 为环境承载量。方程右端由两部分构成：<math>rN</math> 对应“数量越多增长越快”的[[自催化]]式增长趋势，而因子 <math>1-\frac{N}{K}</math> 则体现资源限制带来的[[负反馈]]，使得当 <math>N</math> 接近 <math>K</math> 时增长率趋于零，从而自然产生增长饱和并形成 S 型增长曲线<ref name="Murray2002" />。
其中 <math>N(t)</math> 表示时间 <math>t</math> 的种群数量，<math>r</math> 为内禀增长率，<math>K</math> 为环境承载量。方程右端由两部分构成：<math>rN</math> 对应“数量越多增长越快”的[[自催化]]式增长趋势，而因子 <math>1-\frac{N}{K}</math> 则体现资源限制带来的[[负反馈]]，使得当 <math>N</math> 接近 <math>K</math> 时增长率趋于零，从而自然产生增长饱和并形成 S 型增长曲线<ref name="Murray2002" />。
在给定初值条件下，该方程可写出解析解
=== 离散模型与应用拓展 ===
=== 离散模型与应用拓展 ===
除连续时间形式外，[[逻辑斯谛方程]]在[[离散时间]]建模中也有一个极其重要的对应物：'''[[逻辑斯谛映射]]'''（logistic map）
<math display="block">
<math display="block">
逻辑斯谛模型及其变体广泛用于生态学中的种群增长描述，也常作为更复杂模型（例如加入时间延迟、空间扩散或[[随机]]扰动）的基准框架；此外，其 S 型增长形态也被借用到[[社会科学]]中的技术扩散与增长过程刻画中，并在形式上与[[统计学]]中的[[逻辑斯谛回归]]等方法产生联系<ref name="Murray2002" />。
逻辑斯谛模型及其变体广泛用于生态学中的种群增长描述，也常作为更复杂模型（例如加入时间延迟、空间扩散或[[随机]]扰动）的基准框架；此外，其 S 型增长形态也被借用到[[社会科学]]中的技术扩散与增长过程刻画中，并在形式上与[[统计学]]中的[[逻辑斯谛回归]]等方法产生联系<ref name="Murray2002" />。
==RC[[电路]]分析==
==RC电路分析==
===模型定义===
===模型定义===
[[文件:RC_Series_Filter_(with_V&I_Labels).png|300x500像素|thumb|right|串联RC电路，左侧为输入电压，电阻值为 R，电容值量为 C，输出电压为电容两端的电压。引自<ref name='wikipedia rc circuit'>https://en.wikipedia.org/wiki/RC_circuit</ref>]]
[[文件:RC_Series_Filter_(with_V&I_Labels).png|300x500像素|thumb|right|串联RC电路，左侧为输入电压，电阻值为 R，电容值量为 C，输出电压为电容两端的电压。引自<ref name='wikipedia rc circuit'>https://en.wikipedia.org/wiki/RC_circuit</ref>]]
考虑右图所示的 RC [[电路]]，电阻大小为 <math>R</math>，电容量为 <math>C</math>。记左端输入[[电压]]为 <math>V_{\text{in}}</math>，电容器两端的[[电压]] <math>V_{C}</math> 为输出[[电压]]，[[电路]]中的电流为 <math>I</math>。根据[[基尔霍夫定律]]，可得下面的方程
考虑右图所示的 RC 电路，电阻大小为 <math>R</math>，电容量为 <math>C</math>。记左端输入电压为 <math>V_{\text{in}}</math>，电容器两端的电压 <math>V_{C}</math> 为输出电压，电路中的电流为 <math>I</math>。根据[[基尔霍夫定律]]，可得下面的方程
<math>
<math>
</math>
</math>
当 <math>V_{\text{in}}</math> 为恒定[[电压]] <math>V_{0}</math> 时，考虑电容 <math>C</math> 上的充电量 <math>Q</math>。有
当 <math>V_{\text{in}}</math> 为恒定电压 <math>V_{0}</math> 时，考虑电容 <math>C</math> 上的充电量 <math>Q</math>。有
<math>
<math>
Q(t) = V_{0}C(1 - e^{-t/RC}),
Q(t) = V_{0}C(1 - e^{-t/RC}),
</math>
</math>
相应地，也能得到电容器的[[稳态电压]] <math>V_{C}(\infty)</math> 为 <math>V_{0}C</math>，输出[[电压]]随时间变化规律为
相应地，也能得到电容器的[[稳态电压]] <math>V_{C}(\infty)</math> 为 <math>V_{0}C</math>，输出电压随时间变化规律为
<math>
<math>
V_{C}(t) = \frac{Q}{C} = V_{0}(1 - e^{-t/RC}),
V_{C}(t) = \frac{Q}{C} = V_{0}(1 - e^{-t/RC}),
其中 <math>\tau = RC</math> 称为[[时间常数]]，它决定电容器充电的快慢。
其中 <math>\tau = RC</math> 称为[[时间常数]]，它决定电容器充电的快慢。
===[[势函数]]的定性视角===
===势函数的定性视角===
可以将 (RC-1) 写成下面的形式：
可以将 (RC-1) 写成下面的形式：
f(Q) = \dot{Q} = \frac{V_{0}}{R} - \frac{Q}{RC} = -\frac{1}{RC} \cdot Q + \frac{V_{0}}{R},
f(Q) = \dot{Q} = \frac{V_{0}}{R} - \frac{Q}{RC} = -\frac{1}{RC} \cdot Q + \frac{V_{0}}{R},
</math>
</math>
可见等号右侧的函数是一个截距为正，斜率为负的直线，有一个[[稳定不动点]] <math>Q = V_{0}C</math>。另外，从该函数也可明显的看出上面的结论：当电容初始电量为零时，依该函数，其电量会一直增长，[[无限]]趋于[[稳定不动点]]。
可见等号右侧的函数是一个截距为正，斜率为负的直线，有一个[[稳定不动点]] <math>Q = V_{0}C</math>。另外，从该函数也可明显的看出上面的结论：当电容初始电量为零时，依该函数，其电量会一直增长，无限趋于[[稳定不动点]]。
==企业生长模型==
==企业生长模型==
'''企业生长模型'''是[[张江]]团队提出的、基于企业[[规模标度律]]和企业财务平衡方程构建的企业资产变化的[[微分方程]]，刻画企业的平均生长[[动力学]]
'''企业生长模型'''是[[张江]]团队提出的、基于企业[[规模标度律]]和企业财务平衡方程构建的企业资产变化的[[微分方程]]，刻画企业的平均生长[[动力学]]
=== [[数学]]形式 ===
=== 数学形式 ===
{{NumBlk|:|
{{NumBlk|:|
* <math>c_L</math>和<math>\beta_L</math>代表资产和企业总债务<math>L</math>之间的[[幂律]]关系参数（<math>L = c_L A^{\beta_L}</math>）
* <math>c_L</math>和<math>\beta_L</math>代表资产和企业总债务<math>L</math>之间的[[幂律]]关系参数（<math>L = c_L A^{\beta_L}</math>）
上式被称为企业普适生长方程（General growth equation)
=== 解的形式 ===
=== 解的形式 ===
上式方程{{EquationNote|1}}直接积分，难以给出资产随时间的显式解析[[表达式]]，但可以给出企业资产生长轨迹的隐式解
上式方程{{EquationNote|1}}直接积分，难以给出资产随时间的显式解析表达式，但可以给出企业资产生长轨迹的隐式解
{{NumBlk|:|
{{NumBlk|:|
* <math> c = \exp \left\{ \frac{1}{1-\beta_I} \left[ \ln \frac{(1-\beta_I)c_I}{(1-c_L)}\right] \left[ 1- \left(\frac{1-\beta_L}{1-\beta_I}\right)\left(\frac{c_L}{1-c_L}\right) \right] + \frac{\beta_{I}(1-\beta_L)}{(1-\beta_I)^2}\left(\frac{c_L}{1-c_L}\right) \right\}</math>
* <math> c = \exp \left\{ \frac{1}{1-\beta_I} \left[ \ln \frac{(1-\beta_I)c_I}{(1-c_L)}\right] \left[ 1- \left(\frac{1-\beta_L}{1-\beta_I}\right)\left(\frac{c_L}{1-c_L}\right) \right] + \frac{\beta_{I}(1-\beta_L)}{(1-\beta_I)^2}\left(\frac{c_L}{1-c_L}\right) \right\}</math>
===[[不动点]]分析===
===不动点分析===
分析企业生长方程的[[动力学]]性质，我们可知，方程只有一个[[不动点]]<math>A = 0</math>，该点意味着企业的资产为0，考虑到企业资产往往不会出现为0的情况，该点并无实际的经济意义。
分析企业生长方程的[[动力学]]性质，我们可知，方程只有一个[[不动点]]<math>A = 0</math>，该点意味着企业的资产为0，考虑到企业资产往往不会出现为0的情况，该点并无实际的经济意义。