在复杂网络中研究动力学行为已经成为了一个前沿热点,人们通常采用连续时间动力学来研究动力学传播的过程,而分析现实中收集的数据往往是基于离散时间动力学的。连续时间中,系统无时不刻都在发生变化,而离散时间中,系统演化时间被时间间隔Δ离散化,在经过一个时间间隔后,系统才会发生变化。两种动力学在概念上不同,因此它们具有非常大的差异。研究人员连接两种动力学的方法是使用线性映射（离散时间概率=连续时间速率×Δ）,线性映射广泛应用于动力学建模和经验数据分析。但它存在一个严重的缺点,即在时间间隔或转变参数较大时,映射关系失效,其根本原因是线性映射没有考虑时间间隔内多个事件的耦合效应。因此,通过分析连续时间二态动力学在一个时间间隔[,+Δ]内事件的耦合效应,本文给出了连续时间与离散时间动力学的非线性映射理论框架。本文给出的非线性映射关系能完全的将连续与离散时间二态动力学进行映射。该理论不单在易感-感染-易感（SIS）模型得到了验证,对于Bass模型、Ising Glauber模型和多数投票者模型,我们同样进行了验证。此外,文中给出的结果说明了非线性映射能突破线性映射的局限性,即,在状态转变参数或时间间隔较大时,它依然有效。同时,依据二态动力学的非线性映射关系,本文给出了两个状态转变概率之和必须严格小于1的定量判据,这意味着只有在满足该判据的条件下,才存在离散时间和连续时间动力学的映射。最后,我们将非线性映射理论框架拓展到具有三个状态的易感-感染-恢复（SIR）模型中。