交替方向隐式法

考虑二维扩散方程,

${\displaystyle {\partial u \over \partial t}=\left({\partial ^{2}u \over \partial x^{2}}+{\partial ^{2}u \over \partial y^{2}}\right)=(u_{xx}+u_{yy})\quad }$ 

隐式Crank-Nicolson方法将给出以下有限差分方程：

${\displaystyle {u_{ij}^{n+1}-u_{ij}^{n} \over \Delta t}={1 \over 2}\left(\delta _{x}^{2}+\delta _{y}^{2}\right)\left(u_{ij}^{n+1}+u_{ij}^{n}\right)}$ 

其中，${\displaystyle \delta _{p}}$ 是关于坐标方向p上的中心差分算符。通过稳定性分析可以证明该方法对于任意${\displaystyle \Delta t}$ 都表现稳定。

但是，Crank-Nicolson方法的缺点在于，上述方程中的带状矩阵分布过宽，这使得求解方程相当耗时。

ADI方法的思想在于将一个有限差分方程分割为两个，一个在x方向上隐式求导，另一个在y方向上隐式求导。

${\displaystyle {u_{ij}^{n+1/2}-u_{ij}^{n} \over \Delta t/2}=\left(\delta _{x}^{2}u_{ij}^{n+1/2}+\delta _{y}^{2}u_{ij}^{n}\right)}$ 

${\displaystyle {u_{ij}^{n+1}-u_{ij}^{n+1/2} \over \Delta t/2}=\left(\delta _{x}^{2}u_{ij}^{n+1/2}+\delta _{y}^{2}u_{ij}^{n+1}\right).}$ 

这样，该方程系统涉及一个对称阵和一个三角矩阵，可以用三对角阵的求解算法进行计算。

可以证明，二维条件下该方法无条件稳定^[2]。

在此基础上扩展有更多的ADI方法，如Douglas^[3]，f-factor方法^[4]，可用于求解三维及更高维的问题。