1. 项目概述一次线上常微分方程课程的深度复盘去年四月我作为助教参与了一门面向全校的数学建模公选课。那段时间线上教学成了常态我们通过钉钉平台完成了“常微分方程”这一核心章节的讲授。标题里的“2020.4.10-.12补钉钉”这个时间戳和平台备注瞬间把我拉回了那个特殊的时期。这不仅仅是一次普通的课程记录它背后折射的是在非传统教学环境下如何将抽象的数学工具——常微分方程ODE——有效地传递给不同专业背景的学生并让他们看到其在解决真实世界问题中的巨大威力。常微分方程是描述动态系统变化规律的基础语言从人口增长、传染病传播到弹簧振动、电路分析再到生态竞争、经济模型它的身影无处不在。数学建模的核心正是学会用这种“语言”去翻译和预测我们关心的现象。这门公选课的学生来自计算机、生物、经济、机械等各个专业数学基础参差不齐但都对“用数学解决实际问题”抱有热情。我们的目标不是培养数学家而是训练“数学翻译家”和“问题解决者”。因此这节关于常微分方程的课其核心任务非常明确跨越从抽象方程到具体应用的鸿沟。我们需要在有限的线上课时内让学生掌握ODE的基本解法思想更重要的是要让他们亲手体验如何将一个模糊的实际问题通过合理的假设和简化转化成一个ODE模型并利用求解结果来解释或预测。钉钉直播的屏幕背后是一双双期待将理论落地的眼睛这对课程内容的设计和讲解方式提出了比线下课堂更高的要求——必须更清晰、更聚焦、更具实操导向。2. 课程核心思路与内容架构设计面对线上教学和学生背景多元的双重挑战这节课的整体设计思路必须摒弃传统数学课“定义-定理-证明-例题”的线性模式转而采用“案例驱动、需求倒推”的螺旋式结构。我们的逻辑很简单先让大家看到一个“活”的问题产生“这该怎么描述和解决”的疑问再带着疑问去学习必要的工具最后回头把问题干掉形成闭环。这样能最大程度保持在线学习的注意力并即时兑现学习成果的获得感。2.1 核心模块分解三阶递进从认知到创造整个课程内容被划分为三个层层递进的模块对应三次课4.10-4.12的主要安排第一阶直观感知与初等解法建立工具包这一部分是基础目标是在最短时间内让学生掌握可以“手算”的几类经典ODE及其解法为后续建模提供最基本的武器库。重点不是推导的严谨性而是方法的识别和应用场景。我们聚焦三类方程可分离变量方程这是最直观的一类形式为 dy/dx g(x)h(y)。我们通过“人口指数增长模型”作为引子先抛出问题如何描述一个种群在资源无限下的增长引导学生得出 dP/dt kP。然后自然引出这类方程的解法——变量分离、两边积分。这里要强调“分离”的物理意义将关于人口P和关于时间t的变化因素拆开各自积分相当于分别累积增长效应和时间流逝。一阶线性微分方程形式为 dy/dx P(x)y Q(x)。我们用一个“盐缸混合问题”来引入一个盛有盐水的缸不断注入和排出盐水求缸内盐量变化。这个问题无法直接分离变量因为它包含了“y”的一次项和外部输入Q(x)。解法积分因子法稍显技巧我们重点讲解其思想通过乘以一个精心设计的函数积分因子将方程左侧转化为某个函数的导数从而可以直接积分。这是从“求解”到“构造”思维的第一步跃迁。二阶常系数线性微分方程形式为 ay by cy f(t)。这是描述振动、电路等系统的核心模型。我们从“弹簧-质量系统”的自由振动讲起引出齐次方程f(t)0。解法的关键是特征方程我们将它类比为寻找系统“固有模式”或“本征频率”。对于非齐次方程f(t)≠0我们重点讲解当f(t)是多项式、指数函数、正弦余弦函数时的待定系数法强调这是“猜解”的艺术基于外部激励f(t)的形式来猜测特解的形式。注意线上讲解这部分时切忌陷入冗长的公式推导。我们采用“先展示问题再给出方法框图最后用1-2个典型例题快速演示”的方式。将核心解法步骤总结为“流程图”或“决策树”贴在钉钉群公告里供学生随时查阅比如“看到dy/dx ...先判断是否能写成g(x)h(y)形式能则分离积分不能再看是否为线性...”。第二阶数值解法的引入与软件实现解放计算力绝大多数来自实际问题的ODE是解析解公式解难以求得甚至不可求的。因此必须引入数值解法。这是将数学建模从“纸上谈兵”推向“实战”的关键一步。我们选择了最经典、最直观的欧拉法和更精确实用的龙格-库塔法以四阶为例即RK4。欧拉法思想是用折线逼近曲线。从初始点出发沿着该点切线方向走一小步步长h得到下一个点的近似值。公式简单y_{n1} y_n h * f(x_n, y_n)。我们通过画图动画演示让学生直观理解其“前进”思想和误差来源局部截断误差。这是理解所有数值解法思想的基石。四阶龙格-库塔法RK4我们不讲复杂推导而是将其比喻为“一个更聪明的预测-校正系统”。它在一个步长内计算四个斜率像是对该区间内变化率的多次采样和加权平均然后用一个加权平均的斜率来前进。其精度远高于欧拉法。我们直接给出标准的RK4公式并强调“你不需要记住公式但需要知道用什么工具来实现它”。软件实现立即在课堂上演示如何用Python使用SciPy库的odeint或solve_ivp函数或MATLAB使用ode45函数来求解一个简单的ODE。代码不超过10行。重点展示如何定义方程函数、设置初始条件、时间区间和步长或精度以及如何调用求解器和绘图。让学生亲眼看到复杂的计算过程被封装成一行函数调用瞬间得到解曲线。这种即时反馈对线上学习激励巨大。第三阶综合建模案例实战打通任督二脉这是课程的升华部分选取1-2个经典案例完整走通“问题分析 - 模型假设 - 建立方程 - 求解解析/数值 - 结果分析与验证”的全流程。 我们选择的案例是传染病SI/SIR模型。这个案例在2020年的背景下具有极强的现实感和吸引力。问题描述在一个封闭人群中一种传染病开始传播。如何预测感染人数随时间的变化模型假设这是建模的灵魂。我们引导学生一起讨论总人数N恒定人群分为易感者(S)和感染者(I)SI模型或再加入康复者(R)SIR模型疾病通过S和I的有效接触传播接触率、感染率、康复率如何定义和简化通过讨论将模糊的“传播”概念量化为参数β日接触率*感染概率和γ日康复率。建立方程基于假设利用“单位时间内某类人群数量的变化率 流入率 - 流出率”这一基本平衡原理推导出微分方程组。对于SI模型dS/dt -β * S * I / N dI/dt β * S * I / N。对于SIR模型dS/dt -β * S * I / N dI/dt β * S * I / N - γ * I dR/dt γ * I。求解与分析SI模型可以解析求解化为逻辑斯蒂方程我们展示求解过程得到一条S型曲线。SIR模型通常没有简单解析解这正是数值解法大显身手的时候。我们带领学生用上一节课学的Python/Matlab代码代入具体的β和γ值例如参考一些流感的粗略估计值进行数值求解并绘图。观察结果感染者峰值何时出现最终有多少人会被感染改变β和γ模拟戴口罩降低接触率、研发药物提高康复率曲线如何变化模型评价与扩展讨论模型的优缺点假设过于理想未考虑潜伏期、年龄结构、空间因素等并简要提及更复杂的SEIR模型等打开学生的思路。通过这个完整案例学生亲身体验了从现实问题到数学方程再到计算机求解和结果分析的完整建模链条真正理解了常微分方程作为“动态系统描述语言”的核心价值。3. 线上教学实操要点与互动设计在钉钉平台上进行数学内容教学最大的挑战是如何保持学生的参与感和克服“黑板”缺失带来的推导理解困难。我们采用了“直播讲解屏幕共享实时互动群资料沉淀”的组合拳。3.1 课件与板书设计动静结合清晰为先课件PPT/Keynote风格必须极简、清晰。背景纯白或浅灰一页一个核心概念或一个主要步骤。大量使用图示讲解“分离变量”时用动画将方程左右两侧的变量“挪”到等号两边。讲解“积分因子”时用颜色高亮显示乘上积分因子前后方程左边如何神奇地变成一个全微分。讲解欧拉法时直接绘制坐标轴动态画出切线、前进的线段和真实的解曲线。讲解SIR模型时用三个色块分别代表S、I、R用箭头和公式展示它们之间的转化关系。对于复杂的推导步骤如一阶线性方程积分因子法的推导、二阶常系数方程特征根法的推导我们不会在PPT上堆砌大段公式。而是在屏幕共享模式下打开一个手写软件如OneNote、Notability或平板像在真实黑板上一样边讲边写。这一步至关重要它还原了数学思考的实时过程学生可以跟着你的笔触一步步理解逻辑脉络这比播放预制动画效果要好得多。3.2 代码演示与实操引导所见即所得数值解法和建模案例部分屏幕共享直接切换到编程环境如Jupyter Notebook、MATLAB Live Editor。操作节奏要慢关键代码行要逐句解释# 示例使用SciPy求解SIR模型 import numpy as np from scipy.integrate import solve_ivp import matplotlib.pyplot as plt # 1. 定义微分方程组。注意函数签名必须是 (t, y)返回dy/dt def sir_model(t, y, beta, gamma): S, I, R y N S I R # 总人口假设恒定 dSdt -beta * S * I / N dIdt beta * S * I / N - gamma * I dRdt gamma * I return [dSdt, dIdt, dRdt] # 2. 设置参数和初始条件 beta 0.3 # 日接触率*感染概率 gamma 0.1 # 日康复率 S0, I0, R0 990, 10, 0 # 初始易感者990人感染者10人康复者0人 y0 [S0, I0, R0] t_span [0, 160] # 模拟时间范围0到160天 # 3. 调用求解器 solution solve_ivp(sir_model, t_span, y0, args(beta, gamma), dense_outputTrue, max_step0.1) # 4. 绘图 t np.linspace(0, 160, 500) y solution.sol(t) plt.plot(t, y.T) plt.xlabel(时间 (天)) plt.ylabel(人数) plt.legend([易感者 S, 感染者 I, 康复者 R]) plt.title(SIR模型模拟 (beta0.3, gamma0.1)) plt.grid(True) plt.show()讲解时重点强调四个部分模型函数定义如何将数学方程转化为代码、参数设置物理意义、求解器调用理解solve_ivp或ode45的关键参数如时间区间、初始值、精度控制rtol, atol、结果可视化。演示完毕后立刻将完整代码文件上传到钉钉群文件。3.3 课堂互动与反馈机制打破屏幕隔阂为了对抗线上教学的孤独感我们设计了多种即时互动选择题随堂练讲解完一个知识点比如识别出方程类型后通过钉钉直播的“答题卡”功能发布一道简单的选择题“下列哪个方程是可分离变量的”限时30秒。即时看到正确率分布快速判断学生理解情况。弹幕提问与关键词收集鼓励学生在公屏用简短弹幕提问或回复。在案例讨论环节可以提问“要建立SIR模型你认为最重要的假设是什么”让学生用1-2个关键词回复老师快速总结。连麦讲解对于主动申请连麦回答问题的学生给予额外加分鼓励。可以让他/她口述一下对某个建模步骤的理解或者解释一段代码的含义。分组任务课后课后在钉钉群发布一个小型建模任务例如“请用欧拉法和RK4分别求解一个简单方程并比较不同步长下的误差”要求学生以小组3-4人为单位在群内协作讨论最终提交一份简短的报告或代码。老师在群内巡视参与讨论给予点拨。4. 学生常见困惑点与答疑策略实录在线上授课和课后答疑中我总结了学生最容易卡壳的几个地方以及相应的解释技巧4.1 概念理解类困惑困惑1“微分”和“导数”在方程里到底是什么意思为什么能这样列方程这是建模初学者的最大障碍。我的解释是忘掉严格的微积分定义把“dy/dt”想象成“y这个东西随时间t变化的快慢”或者“y的变化速度”。例如在人口模型dP/dt kP中等号左边是“人口变化的速度”右边是“与当前人口成正比”。整个方程就是在说“人口增长的速度和现在有多少人成正比”。这样就从抽象的符号回到了直观的物理意义。列方程时核心是寻找这种“变化率等于什么”的关系。困惑2一阶线性方程里的“线性”指什么学生常和“一次函数”混淆。需要强调这里的“线性”特指未知函数y及其导数y是以一次幂线性形式出现的即方程关于y和y是线性的。像 y p(x)y q(x) 就是线性而 y y² sin(x) 就不是因为出现了y²。可以类比线性代数里“线性组合”的概念。困惑3特征方程怎么来的为什么二阶方程的解和代数方程根有关这是二阶常系数线性方程的教学难点。我用“猜想解”法来直观推导既然方程是线性的且系数是常数我们猜测解具有指数形式 y e^(rt)。代入方程 aybycy0会发现每求一次导就多乘一个r最终得到 e^(rt)(ar²brc)0。由于e^(rt)不为零所以必须有 ar²brc0。这个代数方程就决定了指数r的值从而决定了解的基本模式实根、复根对应指数增长/衰减、振荡。这样就把解微分方程的问题转化成了更简单的解代数方程问题。4.2 计算与操作类问题问题1分离变量积分后常数C到底写在哪边什么时候用ln这是计算细节上的混乱。我们的口诀是“不定积分必加C分离变量两边积只加一个C”。通常把C写在等号一边通常是x那边或整理后的表达式一边。关于ln只要积分结果是ln|f(y)|就保留ln形式直到最后一步如果需要解出y再通过指数函数去掉ln。在课堂上我们会用两个例题对比演示一个最终需要取指数另一个不需要。问题2待定系数法设特解时形式总是设不对。我们总结了一个“猜解对照表”发给学生非齐次项 f(t) 的形式特解 y_p(t) 的猜测形式备注关键调整多项式 (如 t²1)同次多项式 (At²BtC)设出所有次数的项包括常数项指数函数 (如 e^(αt))A e^(αt)如果α恰好是齐次方程的特征根则乘以t或t的k次方k为重根数正弦/余弦 (如 sin(βt))A sin(βt) B cos(βt)必须同时包含sin和cos即使f(t)只有其中一个混合形式 (如 e^(αt)sin(βt))e^(αt)[A sin(βt) B cos(βt)]先按指数和三角的规则组合再考虑特征根调整强调最易错的两点1) 看到sin或cos必须同时设出sin和cos项2) 时刻检查特解猜测形式是否与齐次通解“撞车”即是否满足齐次方程如果撞车就要乘以t。问题3用Python/Matlab求解时我的方程函数总是报错。90%的错误源于函数签名不对或返回格式不对。我们制作了一个“代码自查清单”对于SciPy的solve_ivp或odeint模型函数必须是def model(t, y, *args)形式其中y是状态变量数组即使只有一个变量也要写成数组如[y]返回值必须是导数数组与y同形状。args用于传递额外参数如beta, gamma。初始条件必须是一个列表或数组如[S0, I0, R0]。时间区间是一个二元列表[t_start, t_end]。参数传递使用args参数正确传递。 我们会要求学生在遇到错误时首先对照这个清单检查并鼓励他们将报错信息截图发到群里大家共同“诊断”。4.3 建模思想类疑问疑问模型假设是不是太理想化了和现实差很远还有意义吗这是非常好的问题触及了建模的本质。我的回答是所有模型都是错的但有些是有用的George Box名言。建模是一个从简单到复杂、不断逼近现实的过程。SI/SIR模型虽然简单但它抓住了传染病传播最核心的机制接触传染、康复免疫并能定性解释感染者曲线的S型增长和峰值现象。它的预测可能不精确但能告诉我们趋势和关键影响因素如接触率β。这正是建模的第一步价值理解机制识别关键参数。在此基础上我们可以加入更多细节潜伏期、年龄结构、空间异质性、政府干预等建立更复杂的模型。简单模型是理解复杂世界的基石和出发点。5. 课程效果反思与持续改进建议回顾这次线上ODE专题教学学生的最终项目作业一个自选问题的简单ODE建模报告质量超出了我的预期。不少非数学专业的学生成功建立了描述“宿舍楼热水器水温变化”、“校园自行车共享点车辆调度”、“自媒体文章阅读量增长”等有趣问题的模型并给出了数值模拟和分析。这说明“案例驱动、工具先行、实战落地”的思路是有效的。几点深刻的体会工具前置尽早引入数值计算和编程工具哪怕只是调用现成库能极大增强学生的信心和能力感让他们敢于去尝试解决更真实、更复杂的问题。数学建模课计算工具不是选修是必修。可视化即理解一个动态的求解过程图胜过千言万语。无论是欧拉法的折线逼近动画还是SIR模型三条曲线的交互变化图形都能直观揭示数学行为这是线上教学的优势要充分利用。降低抽象抬高应用对于公选课学生严格的理论证明和繁琐的手算技巧可以大幅精简。把时间省下来用于剖析更多样的应用案例展示ODE在不同领域的“面孔”更能激发学习兴趣。互动设计需“低门槛、高频率”线上互动不能设计得太复杂。像选择题、关键词弹幕这种几乎零成本的参与方式能有效保持课堂“体温”让老师及时调整节奏。如果未来再上这门课我会考虑增加一个“ODE模型诊断室”环节收集学生自己尝试建立但失败或存在疑问的模型在课堂上进行集体“会诊”分析假设的合理性、方程列写的正确性、参数估计的可行性。这种基于真实问题的讨论或许能带来更深刻的 learning by doing 的体验。数学建模的魅力就在于从混沌的现实中发现简洁的数学秩序并用它来照亮前路。而这节在钉钉上完成的常微分方程课正是带领学生们迈出这探索第一步的尝试。