使用python设计一个简单的微分方程求解的非线性对象，给出程序

在Python中，我们可以使用数值计算库如`scipy.integrate`来解决微分方程。这里我们以简单的一阶常微分方程为例，比如牛顿冷却模型。假设我们要模拟物体温度随时间的变化：

import numpy as np
from scipy.integrate import odeint

# 定义微分方程函数
def heat_equation(t, y, T0, k):
    # y = [temperature]，t = time，T0 = initial_temperature，k = cooling_rate
    return -k * (y[0] - T0)  # dT/dt = -k(T-T0)

# 示例参数
T0 = 50  # 初始温度
k = 0.1  # 冷却速率
initial_condition = [T0]  # 初始温度值

# 时间范围
t_span = (0, 10)  # 从0到10秒
t_eval = np.linspace(*t_span, num=100)  # 时间点

# 解决微分方程
solution = odeint(heat_equation, initial_condition, t_eval, args=(T0, k))

# 输出结果
print("Temperature vs. Time:")
for i in range(len(solution)):
    print(f"Time {t_eval[i]:.2f}s, Temperature {solution[i][0]:.2f}")

# 可视化结果
import matplotlib.pyplot as plt
plt.plot(t_eval, solution)
plt.xlabel('Time (s)')
plt.ylabel('Temperature')
plt.title('Newton Cooling Model')
plt.show()