{
  "id": "crank-nicolson-method",
  "title": "克兰克–尼科尔森法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "克兰克–尼科尔森法是一种时间二阶精度的隐式时间步进方法，广泛用于扩散方程及其他含时微分方程。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "克兰克–尼科尔森格式",
    "C–N格式",
    "隐式梯形法"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/crank-nicolson-method/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/crank-nicolson-method/",
      "json": "https://aiwiki.page/en/crank-nicolson-method.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "克兰克–尼科尔森法是一种求含时微分方程近似解的隐式数值方法。它通过对每个时间步起点和终点的变化率取平均来推进数值解。该方法最初为求解热方程而提出，如今广泛用于经过空间离散的偏微分方程。其主要优点是时间上具有二阶精度，且对标准线性扩散问题具有无条件稳定性。其主要局限在于对快速衰减分量的阻尼较弱，因此即使计算保持稳定，也可能出现数值振荡。"
    },
    {
      "heading": "公式",
      "text": "考虑一个常微分方程初值问题，其中的未知量可以是向量：\n\n\\[\\frac{dy}{dt}=f(t,y),\\qquad y(t_0)=y_0.\\]\n\n令 \\(t_n=t_0+n\\Delta t\\)，并以 \\(y^n\\) 近似 \\(y(t_n)\\)。克兰克–尼科尔森法的更新公式为\n\n\\[y^{n+1} = y^n+\\frac{\\Delta t}{2} \\left[ f(t_n,y^n)+f(t_{n+1},y^{n+1}) \\right].\\]\n\n由于未知量 \\(y^{n+1}\\) 同时出现在等式两侧，该方法是隐式的：每一步通常都需要求解一个代数方程或方程组。\n\n这一公式可通过在一个时间步内对微分方程积分得到：\n\n\\[y(t_{n+1})-y(t_n) = \\int_{t_n}^{t_{n+1}}f(t,y(t))\\,dt,\\]\n\n再用梯形法近似其中的积分。因此，对于常微分方程，这一时间步进公式也称为隐式梯形法。当它用于经过空间离散的偏微分方程时，克兰克–尼科尔森法这一名称尤为常见。\n\n对于线性系统\n\n\\[\\frac{dU}{dt}=AU+g(t),\\]\n\n更新公式变为\n\n\\[\\left(I-\\frac{\\Delta t}{2}A\\right)U^{n+1} = \\left(I+\\frac{\\Delta t}{2}A\\right)U^n + \\frac{\\Delta t}{2} \\left(g(t_n)+g(t_{n+1})\\right),\\]\n\n其中 \\(I\\) 为单位矩阵。当 \\(A\\) 和步长均为常量时，左端矩阵在整个计算过程中保持不变。"
    },
    {
      "heading": "热方程的离散化",
      "text": "对于扩散系数为常量 \\(\\kappa>0\\) 的一维热方程，\n\n\\[\\frac{\\partial u}{\\partial t} = \\kappa\\frac{\\partial^2u}{\\partial x^2},\\]\n\n引入均匀空间网格 \\(x_j=jh\\)，并用 \\(U_j^n\\) 表示 \\(u(x_j,t_n)\\) 的近似值。在空间上采用中心有限差分法，并结合克兰克–尼科尔森时间步进，可得\n\n\\[\\frac{U_j^{n+1}-U_j^n}{\\Delta t} = \\frac{\\kappa}{2h^2} \\left[ U_{j-1}^{n+1}-2U_j^{n+1}+U_{j+1}^{n+1} + U_{j-1}^{n}-2U_j^{n}+U_{j+1}^{n} \\right].\\]\n\n定义\n\n\\[r=\\frac{\\kappa\\Delta t}{h^2},\\]\n\n则该格式可写为\n\n\\[-\\frac r2U_{j-1}^{n+1} +(1+r)U_j^{n+1} -\\frac r2U_{j+1}^{n+1} = \\frac r2U_{j-1}^{n} +(1-r)U_j^{n} +\\frac r2U_{j+1}^{n}.\\]\n\n当两端点的值给定时，内部网格点的未知值构成一个三对角线性方程组。采用专门的消元算法，求解这一方程组所需的计算量与空间网格点数成正比。\n\n边界条件必须以相容的方式纳入离散格式。随时间变化的给定边界值需要同时计入 \\(t_n\\) 和 \\(t_{n+1}\\) 时刻的贡献；导数或通量边界条件则需要采用适当的边界近似。"
    },
    {
      "heading": "精度与收敛性",
      "text": "对于足够光滑的解，隐式梯形法的单步局部误差为 \\(O(\\Delta t^3)\\)，在固定时间区间上的全局误差为 \\(O(\\Delta t^2)\\)。这些表述采用大O记号，并以通常的正则性和稳定性条件成立为前提。\n\n对于热方程的中心差分离散，预期的综合误差为\n\n\\[O(\\Delta t^2+h^2),\\]\n\n前提是解和边界数据足够光滑，且代数方程组的求解精度足够高。这一结果可由时间和空间上的泰勒级数展开结合适当的稳定性估计得到。\n\n时间上的二阶精度并不保证整个模拟具有二阶精度。以下因素可能降低实际观测到的收敛阶：\n\n- 初始数据不光滑；\n- 初始条件与边界条件不相容；\n- 边界近似或空间近似的精度阶较低；\n- 对源项的处理不够精确；\n- 非线性或线性方程组的求解精度不足。\n\n对于经过空间离散的偏微分方程，误差常数还可能取决于空间网格和解的正则性。"
    },
    {
      "heading": "稳定性",
      "text": "分析数值稳定性时，标准的标量测试方程为\n\n\\[y'=\\lambda y.\\]\n\n克兰克–尼科尔森法给出\n\n\\[y^{n+1}=R(z)y^n,\\qquad R(z)=\\frac{1+z/2}{1-z/2}, \\qquad z=\\lambda\\Delta t.\\]\n\n其稳定性函数满足\n\n\\[|R(z)|\\leq 1 \\qquad\\text{whenever}\\qquad \\operatorname{Re}(z)\\leq 0.\\]\n\n因此，该方法是A稳定的：对于任意正时间步长，每个衰减的标量线性模态都是稳定的。\n\n对于扩散问题的标准空间离散，这意味着该方法在适当的范数下具有无条件稳定性。与显式前向欧拉离散不同，它不需要仅为防止不稳定而施加与 \\(h^2/\\kappa\\) 成正比的步长限制。\n\n这一结论有其适用范围。它并不意味着任意大的时间步长都能保证精度，也不能据此断言该方法对所有非线性方程或所有空间离散都无条件稳定。对于含有非正规算子的系统，也可能需要进行超出考察其特征值范围的分析。\n\n缺乏强阻尼\n\n尽管克兰克–尼科尔森法是A稳定的，但它并非L稳定，因为\n\n\\[\\lim_{z\\to-\\infty}R(z)=-1\\]\n\n而不是零。\n\n对于强烈衰减的模态，经过足够长的一个时间步后，其精确解会变得可以忽略。相比之下，克兰克–尼科尔森法赋予这种模态的放大因子接近 \\(-1\\)：其符号交替变化，而幅值仅缓慢减小。对于某些分量比其他分量衰减快得多的刚性微分方程，这一点尤为重要。"
    },
    {
      "heading": "振荡与保正性",
      "text": "对于均匀网格上的热方程，相位增量为 \\(\\theta\\) 的空间傅里叶模态具有放大因子\n\n\\[G(\\theta) = \\frac{1-2r\\sin^2(\\theta/2)} {1+2r\\sin^2(\\theta/2)}.\\]\n\n尽管对任意 \\(r\\geq0\\) 都有 \\(|G(\\theta)|\\leq1\\)，但当\n\n\\[2r\\sin^2(\\theta/2)>1.\\]\n\n时，该因子为负。\n\n因此，高频模态的符号可能在相邻时间层之间交替变化。不连续或变化剧烈的初始数据往往包含显著的高频成分，使这些振荡尤为明显。\n\n稳定性、模态放大因子的非负性以及解值非负性的保持，是不同的性质。例如，在上述分析中，\\(r\\leq 1/2\\) 可保证每个傅里叶模态的放大因子均非负。对于通常的一维狄利克雷边界离散，\\(r\\leq1\\) 是更新过程在数据非负时保持解值非负的充分条件。这些是不同的判据，而不是对稳定性的相互竞争的定义。\n\n处理不光滑初始数据的一种常用方法是兰纳赫平滑：将最初的一个克兰克–尼科尔森时间步替换为两个后向欧拉法半步，有时也会将这一处理扩展到最初的若干个时间区间。后向欧拉法可在开始二阶时间步进之前，对快速变化的分量施加强阻尼。"
    },
    {
      "heading": "实现",
      "text": "线性问题\n\n对于常系数线性问题，可以预先对左端矩阵进行一次LU分解，并重复使用分解结果。在一维空间中，三对角结构使这种做法尤其高效。\n\n在多维空间或非结构网格上，方程组通常更大，但仍是稀疏矩阵方程组。可以使用直接求解器或迭代求解器。尽管无条件稳定性允许采用较大的时间步长，但由此得到的方程组可能更难求解，而且精度要求仍会限制步长。\n\n非线性问题\n\n对于非线性系统 \\(U'=F(t,U)\\)，每一步都需要求解\n\n\\[H(V) = V-U^n -\\frac{\\Delta t}{2} \\left[ F(t_n,U^n)+F(t_{n+1},V) \\right] =0.\\]\n\n牛顿法是一种常见选择。其雅可比矩阵为\n\n\\[H'(V) = I-\\frac{\\Delta t}{2}F_U(t_{n+1},V).\\]\n\n若用外推、单次迭代或显式计算的非线性项替代非线性求解，得到的将是一个修改后的格式，其精度和稳定性需要另行评估。\n\n有限元系统\n\n空间上的有限元法离散通常得到\n\n\\[M\\dot U+KU=F(t),\\]\n\n其中 \\(M\\) 为质量矩阵，\\(K\\) 表示空间算子。克兰克–尼科尔森法给出\n\n\\[\\left(M+\\frac{\\Delta t}{2}K\\right)U^{n+1} = \\left(M-\\frac{\\Delta t}{2}K\\right)U^n + \\frac{\\Delta t}{2} \\left(F(t_n)+F(t_{n+1})\\right).\\]\n\n因此，该方法并不局限于有限差分：它是一种时间离散方法，可以与多种空间近似方法结合使用。"
    },
    {
      "heading": "与其他时间步进方法的关系",
      "text": "克兰克–尼科尔森法是下列方法族中 \\(\\theta=\\tfrac12\\) 的情形：\n\n\\[U^{n+1} = U^n+\\Delta t \\left[ (1-\\theta)F(t_n,U^n) +\\theta F(t_{n+1},U^{n+1}) \\right].\\]\n\n取 \\(\\theta=0\\) 和 \\(\\theta=1\\)，分别得到前向欧拉法和后向欧拉法。在这些固定 \\(\\theta\\) 的格式中，\\(\\theta=\\tfrac12\\) 可提供时间上的二阶精度。\n\n克兰克–尼科尔森法应与隐式中点法区分开来，后者为\n\n\\[U^{n+1} = U^n+\\Delta t\\, F\\left( t_n+\\frac{\\Delta t}{2}, \\frac{U^n+U^{n+1}}{2} \\right).\\]\n\n对于自治线性系统，两者相同；但对于非线性方程和随时间变化的源项，两者通常不同。因此，不能将一种方法的性质直接归于另一种方法。"
    },
    {
      "heading": "历史与应用",
      "text": "约翰·克兰克和菲利斯·尼科尔森于1947年在研究热传导方程数值解的工作中提出了这一方法。端点平均公式与更早的梯形积分法有关；该方法以克兰克和尼科尔森命名，反映了他们在含时偏微分方程领域对这一方法的发展和应用。\n\n应用包括热传导、扩散、反应–扩散系统以及金融期权定价方程。其适用性部分取决于对快速模态的弱阻尼究竟是有利特性还是不利因素。\n\n对于经过空间离散、哈密顿算子为不随时间变化的厄米算子的薛定谔方程，克兰克–尼科尔森法的更新在精确算术下保持离散范数不变。这是因为其更新矩阵是酉矩阵。在这种情形下，不引入人为的幅值阻尼是一项优点，但相位误差仍然存在，并且仍会限制时间步长。"
    }
  ],
  "links": [
    "differential-equation",
    "heat-equation",
    "partial-differential-equation",
    "ordinary-differential-equation",
    "trapezoidal-rule",
    "integral",
    "identity-matrix",
    "finite-difference-method",
    "system-of-linear-equations",
    "big-o-notation",
    "taylor-series",
    "numerical-stability",
    "eigenvalues-and-eigenvectors",
    "lu-decomposition",
    "sparse-matrix",
    "newtons-method",
    "finite-element-method",
    "diffusion",
    "unitary-matrix"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}