{
  "id": "finite-difference-method",
  "title": "有限差分法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "用函数值的加权差近似导数，将微分方程转化为离散代数方程的一类数值方法。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "差分法",
    "FDM"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/finite-difference-method/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/finite-difference-method/",
      "json": "https://aiwiki.page/en/finite-difference-method.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "有限差分法是数值分析中用于近似导数和求解微分方程的一类方法。它用离散点上函数值的加权差替代连续微分算子，这些离散点通常排列在计算网格上。由此得到的方程用于确定未知函数在这些点上的数值近似。有限差分法既适用于常微分方程，也适用于偏微分方程，包括涉及扩散、输运、波动和平衡场的问题。(damtp.cam.ac.uk)"
    },
    {
      "heading": "基本构造",
      "text": "设 \\(u(x)\\) 是一个足够光滑的函数，在均匀网格\n\n\\[x_i=x_0+ih\\]\n\n上取样，其中 \\(h>0\\) 为网格间距。用 \\(u_i\\) 表示精确采样值 \\(u(x_i)\\)，或在求解方程时表示其数值近似。一阶导数最简单的近似公式为\n\n\\[\\begin{aligned} D_+u_i&=\\frac{u_{i+1}-u_i}{h} &&\\text{（前向差分）},\\\\ D_-u_i&=\\frac{u_i-u_{i-1}}{h} &&\\text{（后向差分）},\\\\ D_0u_i&=\\frac{u_{i+1}-u_{i-1}}{2h} &&\\text{（中心差分）}. \\end{aligned}\\]\n\n前向差分和后向差分的截断误差为一阶，即 \\(O(h)\\)；中心差分的误差为二阶，即 \\(O(h^2)\\)。这里的大O记号描述了在适当的光滑性假设下，误差随 \\(h\\) 趋于零而变化的量级。(damtp.cam.ac.uk)\n\n这些公式可由泰勒级数展开推导。例如，\n\n\\[u(x_i\\pm h) =u(x_i)\\pm hu'(x_i) +\\frac{h^2}{2}u''(x_i) \\pm\\frac{h^3}{6}u'''(x_i)+\\cdots.\\]\n\n将两式相减，偶次幂项相互抵消，便得到一阶导数的中心差分公式。将两式相加，则得到标准的二阶导数近似公式：\n\n\\[u''(x_i) =\\frac{u_{i-1}-2u_i+u_{i+1}}{h^2}+O(h^2).\\]\n\n因此，利用对称性可以消去主导误差项，而不必额外计算函数值。(tsapps.nist.gov)\n\n差分公式所用的点及其系数构成的集合称为**差分模板**。更一般的公式具有如下形式：\n\n\\[u^{(m)}(x_*)\\approx\\sum_{j=0}^{s}w_j u(x_j),\\]\n\n其中，权重取决于导数阶数、求值点和节点位置。公式中的节点不必等距。Bengt Fornberg 于 1988 年提出的算法提供了一套递推过程，可针对任意一维节点分布和导数阶数生成权重。(ams.org)"
    },
    {
      "heading": "边值问题的离散化",
      "text": "对于边值问题，有限差分法在内部网格点处用差分方程替代微分方程，同时通过单独的方程施加边界条件。考虑\n\n\\[-u''(x)=f(x),\\qquad 0<x<L,\\]\n\n并给定两端点的函数值。在均匀网格上，内部点的方程变为\n\n\\[\\frac{-u_{i-1}+2u_i-u_{i+1}}{h^2}=f(x_i).\\]\n\n将端点值移入右端项后，这些方程构成一个线性方程组 \\(A\\mathbf u=\\mathbf b\\)。每一行只耦合相邻的未知量，因此 \\(A\\) 是三对角稀疏矩阵。(ocw.mit.edu)\n\n在二维情形下，正方形网格上拉普拉斯算子的标准近似为\n\n\\[\\Delta_hu_{i,j} =\\frac{ u_{i+1,j}+u_{i-1,j} +u_{i,j+1}+u_{i,j-1} -4u_{i,j}}{h^2}.\\]\n\n对于光滑函数，这个五点模板具有二阶精度。将其用于泊松方程 \\(-\\Delta u=f\\)，可得到一个稀疏方程组，其系数反映了网格的连接关系和边界条件。(dlmf.nist.gov)\n\n边界处理是数值方法的组成部分，而不只是实现细节。狄利克雷条件指定函数值；诺伊曼条件指定法向导数；罗宾条件则指定两者的组合。可以采用单边差分，或在物理区域之外引入称为虚点的辅助点，为边界附近的点建立方程。曲线边界和界面可能需要修改差分模板或延拓解；这些构造必须保持预期的精度和稳定性。(arxiv.org)"
    },
    {
      "heading": "含时方程",
      "text": "含时问题可以同时对空间和时间进行离散化，也可以先只对空间离散化。后一种方法称为**线法**，它将偏微分方程转化为常微分方程组，再用时间积分方法求解。(damtp.cam.ac.uk)\n\n对于一维热方程\n\n\\[u_t=\\alpha u_{xx},\\qquad \\alpha>0,\\]\n\n令 \\(u_i^n\\) 近似 \\(u(x_i,t_n)\\)，其中 \\(t_n=n\\Delta t\\)，并定义\n\n\\[r=\\frac{\\alpha\\Delta t}{h^2}.\\]\n\n采用时间前向差分和空间中心差分，可得\n\n\\[u_i^{n+1} =u_i^n+r\\left(u_{i-1}^n-2u_i^n+u_{i+1}^n\\right).\\]\n\n这一显式格式直接根据已知值计算下一时间层的值。对于标准的均匀网格问题，当 \\(0\\le r\\le\\tfrac12\\) 时，该格式稳定。其截断误差为 \\(O(\\Delta t+h^2)\\)。因此，加密空间网格时，时间步长必须按 \\(h^2\\) 的比例缩小，或取得更小。(damtp.cam.ac.uk)\n\n若改用时间后向差分，则得到隐式格式\n\n\\[u_i^{n+1} -r\\left(u_{i-1}^{n+1}-2u_i^{n+1}+u_{i+1}^{n+1}\\right) =u_i^n.\\]\n\n每个时间步都需要求解一个耦合方程组。对于这一线性扩散问题，后向欧拉法无条件稳定，即稳定性不对 \\(r\\) 施加上限。不过，精度要求仍会限制实际可用的时间步长。(damtp.cam.ac.uk)\n\n**克兰克–尼科尔森法**对旧时间层和新时间层的空间算子取平均：\n\n\\[u_i^{n+1}-u_i^n =\\frac r2\\left[ \\delta^2u_i^{n+1}+\\delta^2u_i^n \\right], \\qquad \\delta^2u_i=u_{i-1}-2u_i+u_{i+1}.\\]\n\n对于光滑解，该方法在时间和空间上均具有二阶精度，并且对标准线性热方程无条件稳定。不过，稳定性并不保证强阻尼：对于刚性足够强的空间模态，其放大因子趋近于 \\(-1\\)，因此较大的时间步长可能产生衰减缓慢、正负交替的数值分量。(math.mit.edu)"
    },
    {
      "heading": "相容性、稳定性与收敛性",
      "text": "差分格式的分析主要围绕以下三个性质展开：\n\n- **相容性：**将光滑的精确解代入离散方程后，所产生的残差随离散尺度细化而趋于零。\n- **数值稳定性：**离散数据或计算中间过程中的扰动始终受到控制，且其界在相关的细化过程中保持一致。\n- **收敛性：**随着离散尺度细化，数值解在指定范数下趋近于精确解。\n\n**拉克斯–里希特迈尔等价定理**将这些性质联系起来：对于适定线性初值问题的相容线性近似，在满足该定理假设的条件下，稳定性与收敛性等价。该定理并不能为非线性方程或任意边界处理提供普遍保证。(epubs.siam.org)\n\n冯·诺伊曼分析研究差分格式对各个傅里叶级数模态的放大作用。对于热方程的显式格式，代入\n\n\\[u_i^n=G^n e^{\\mathrm{i}i\\theta}\\]\n\n可得\n\n\\[G(\\theta)=1-4r\\sin^2(\\theta/2).\\]\n\n要求所有频率都满足 \\(|G(\\theta)|\\le1\\)，便得到 \\(r\\le\\tfrac12\\)。这种分析对无限网格或周期网格上的常系数问题尤其有用；对于物理边界，还需作进一步考察。(math.mit.edu)\n\n对于传播问题，**柯朗–弗里德里希斯–列维条件**将数值依赖域与微分方程的依赖域联系起来。例如，方程 \\(u_{tt}=c^2u_{xx}\\) 的标准中心差分格式具有如下稳定性限制：\n\n\\[\\frac{|c|\\Delta t}{h}\\le1.\\]\n\nCFL 限制取决于所用格式，仅满足依赖域条件，并不能证明稳定性或收敛性所需的其他条件也都成立。(damtp.cam.ac.uk)"
    },
    {
      "heading": "精度与数值局限",
      "text": "差分模板的形式阶数针对的是光滑函数及其局部近似误差。计算解中实际观察到的误差还取决于边界离散化、解的正则性、时间积分以及代数方程求解器的精度。因此，仅有高阶内部模板，并不足以证明整个方法具有高阶收敛性。(epubs.siam.org)\n\n网格细化也会受到浮点运算的限制。数值微分将邻近的函数值相减，再除以较小的间距，这可能放大相消造成的误差和函数求值误差。对于精度为 \\(p\\) 阶的一阶导数公式，一个简化的误差模型为\n\n\\[E(h)\\approx C_{\\mathrm{tr}}h^p+ C_{\\mathrm{round}}\\frac{\\varepsilon}{h},\\]\n\n其中 \\(\\varepsilon\\) 表示浮点误差的尺度。这个模型解释了为何无限减小 \\(h\\) 并不一定能改善导数估计。(tsapps.nist.gov)\n\n输运方程还带来一些额外困难。迎风差分考虑了传播方向，但可能引入人工扩散；其他格式则可能产生相位误差或振荡。当解中包含激波或陡峭的波前时，针对光滑解的误差估计并不充分，可能需要专门的通量形式、限制器或非线性重构。(damtp.cam.ac.uk)"
    },
    {
      "heading": "应用及与其他方法的关系",
      "text": "有限差分法用于近似求解描述扩散、波传播、流体流动和电磁场的方程。其局部模板在结构化网格上尤为方便。在图像处理中，差分用于近似图像梯度，而离散泊松方程则用于根据指定或修改后的梯度场重建图像。(math.mit.edu)\n\n有限差分法不同于**有限元法和有限体积法**：前者通常使用定义在网格单元上的函数，对弱形式或变分形式进行近似；后者则在控制体积上建立通量平衡。这些区别涉及离散化的推导方式和解释：在简单网格上，不同方法可能产生相同或密切相关的代数方程。有限体积形式显式体现了局部守恒，而有限差分格式则必须经过适当构造，才能保持这一性质。(math.mit.edu)"
    },
    {
      "heading": "历史发展",
      "text": "有限差分理论的一项重要基础，是理查德·柯朗、库尔特·弗里德里希斯和汉斯·列维于 1928 年发表的关于数学物理中偏差分方程的论文。该论文研究了微分方程的离散近似，并确立了与 CFL 条件相关的依赖域原理。此后的发展通过拉克斯–里希特迈尔框架将相容性、稳定性和收敛性联系起来，并将差分公式推广到更高阶和非均匀网格；Fornberg 于 1988 年的工作则提供了一种生成数值微分权重的系统算法。(web.stanford.edu)"
    }
  ],
  "links": [
    "numerical-analysis",
    "derivative",
    "differential-equation",
    "partial-differential-equation",
    "big-o-notation",
    "taylor-series",
    "boundary-value-problem",
    "system-of-linear-equations",
    "sparse-matrix",
    "laplace-operator",
    "poisson-equation",
    "heat-equation",
    "crank-nicolson-method",
    "numerical-stability",
    "fourier-series",
    "courant-friedrichs-lewy-condition",
    "floating-point-arithmetic",
    "diffusion",
    "image-processing",
    "finite-element-method",
    "finite-volume-method"
  ],
  "sources": [
    {
      "title": "Course 18.336: Numerical Methods for Partial Differential Equations",
      "url": "https://math.mit.edu/classes/18.336/index.html"
    },
    {
      "title": "DLMF: §3.4 Differentiation",
      "url": "https://dlmf.nist.gov/3.4"
    },
    {
      "title": "Numerical Differentiation",
      "url": "https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=930138"
    },
    {
      "title": "Generation of Finite Difference Formulas on Arbitrarily Spaced Grids",
      "url": "https://www.ams.org/mcom/1988-51-184/S0025-5718-1988-0935077-0/S0025-5718-1988-0935077-0.pdf"
    },
    {
      "title": "Finite Differences and Fast Poisson Solvers",
      "url": "https://ocw.mit.edu/courses/18-086-mathematical-methods-for-engineers-ii-spring-2006/5f469576670a2c7a874999dbafc8c3cb_am35.pdf"
    },
    {
      "title": "A Finite Difference Ghost-Cell Multigrid Approach for Poisson Equation with Mixed Boundary Conditions in Arbitrary Domain",
      "url": "https://arxiv.org/abs/1111.0983"
    },
    {
      "title": "High-Order Finite-Difference Discretization for Elliptic Problems on Complex Domains",
      "url": "https://math.mit.edu/classes/18.086/2014/reports/AbdulazizAlbaiz.pdf"
    },
    {
      "title": "The Heat Equation and Convection-Diffusion",
      "url": "https://math.mit.edu/classes/18.086/2006/am54.pdf"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}