本书详细论证阿沛尔方程在机器人建模的应用，并提出机器人的非线性控制方法。

考虑吹填淤泥落淤阶段以自重固结为主，以及自重固结过程中渗透系数及有效应力与体积分数之间的非线性关系，在合理假定条件下，推导了一维自重固结方程．采用Crank-Nicolson型差分格式对方程进行离散，编制了差分数值解程序SFCCP，对落淤后自重固结过程中吹填淤泥孔隙比的变化进行了数值模拟，结果与现场测试结果较为吻合，验证了分析方法的合理性与差分数值解程序的正确性，同时为软基处理前落淤后吹填淤泥的土性参数提供了一种预测方法．

连续时间下的随机控制，主要介绍动态规划原则，HJB方程（有限时间、无限时间、停时）、最优停时问题、粘性解以及脉冲控制 该书是对上述问题/模型/理论的基础介绍，不过多涉及深层次定理证明，适用于入门

波动方程HLF格式是指对方程ωtt=ωxx的Hamilton形式构造的显式蛙跳．(Ieap-Frog)格式，其精度为O(△t2r+△x21)，P,q为正整数。我们研究格式的强稳定性与时间方向精度的关系．结论是：对1≤p≤6格式稳定区域的变化如波形，大小交替，对p≥7，则趋于同一个区域。这种现象是扩散方程的显格式从未见到过的．

我们对使用 Leap-frog 方法获得一维波动方程的解感兴趣。 并且边界条件是周期性的。 然而，初始条件是T(x,0)=sin(10*pi*x); 0<= x<= 0.1 =0; 0.1<= x<= 1 u = 0.25

Matlab 求解偏微分的代码PyCheb 这是一个使用谱方法求解 ODE 的 Python 包 背景 微分方程用于描述状态和过程的现象。 这些问题的解解释了它们的模式，因此人们渴望寻求这些方程的解来描述状态和预测未来。 常微分方程 (ODE)是一种微分方程，其中包含一个（作为方程的变量）自变量（函数的）及其导数的函数。 求解 ODE 相对容易，但对科学家和工程师很有用。 这就是为什么我们对它感兴趣并制作这样一个 Python 包来解决它。 光谱方法 谱方法是应用数学中用于数值求解微分方程的一类技术。 这个想法是将微分方程的解写为某个“基函数”的总和（例如，作为正弦和的傅立叶级数），然后选择总和中的系数以满足微分任何给定精度的方程。 谱方法可用于求解常微分方程 (ODE)、偏微分方程 (PDE) 和涉及微分方程的特征值问题。 与传统的 ODE 求解方法相比，在目标函数足够平滑的情况下，谱方法自然具有收敛速度超快的优势。 有关光谱方法的更多详细信息，请查看 。 它列出了用于理解谱方法和 MATLAB 项目Chebfun 的参考书目，我们将在后面专门讨论。 相关作品 2002年，由牛津大学

学习偏微分方程的经典教材 evans编的 英文版

求解非线性扩散方程，该方程可以线性化，如 Richtmyer & Morton [1] 中的一般非线性扩散方程所示。 该方法是将 pde 线性化并应用 Crank-Nicolson 隐式有限差分格式以数值方式求解方程。 Matlab 运行命令-------------------------- 类型： IsoFreeSurfaceSolver 解决 pde： ------------------- \frac{\partial h}{\partial t}=\frac{1}{12}\frac{\partial^2 h^4}{\partial x^2} pde 可应用于在重力作用下在水平基底上扩散的等温粘性流体流动 - Huppert [2]。 请注意，PDE 已无量纲化。 初始条件： t=0: h = (1 - x^2)_{+} + 10^-6（有预湿膜） 考虑到 x = 0

5.05.Multigrid1D 一维泊松方程的V周期多重网格方法

作者: [苏]菲利波夫 出版社: 上海科学技术出版社 译者: 孙广成 / 张德厚 出版年: 1981-1 页数: 147 定价: 0.46 装帧: 平装 统一书号: 13119-945目录 · · · · · · 前言 目录 §1.等斜线、曲线族微分方程的建立 §2.可分离变量的方程 §3.几何与物理问题 §4.齐次方程 §5.一阶线性方程 §6.全微分方程、积分因子 §7.解的存在性与唯一性 §8.导数未解出的方程 §9.各类一阶方程 §10.可降阶的方程 §11.常系数线性方程 §12.变系数线性方程 §13.边值问题 §14.常系数线性方程组 §15.稳定性 §16.奇点 §17.相平面 §18.解对于初始条件和参数的依赖性、微分方程的近似解 §19.非线性方程组 §20.一阶偏微分方程 答案 指数函数与对数函数表