Явные и неявные методы являются подходами , используемыми в численном анализе для получения численных приближений к решениям , зависящие от времени обыкновенных и дифференциальных уравнений с частными , как это требуется в компьютерном моделировании из физических процессов . Явные методы вычисляют состояние системы в более позднее время по состоянию системы в текущий момент времени, в то время как неявные методы находят решение, решая уравнение, включающее как текущее состояние системы, так и более позднее. Математически, если это текущее состояние системы и состояние в более позднее время ( это небольшой временной шаг), то для явного метода а для неявного метода решается уравнение найти Неявные методы требуют дополнительных вычислений (решения вышеуказанного уравнения), и их может быть намного сложнее реализовать. Неявные методы используются, потому что многие проблемы, возникающие на практике, являются жесткими , для которых использование явного метода требует непрактично малых временных шагов, чтобы сохранить ошибку в результате ограниченной (см. Численную стабильность ). Для таких задач для достижения заданной точности требуется гораздо меньше вычислительного времени для использования неявного метода с большими временными шагами, даже с учетом того, что необходимо решать уравнение вида (1) на каждом временном шаге. Тем не менее, следует ли использовать явный или неявный метод, зависит от решаемой проблемы. Поскольку неявный метод не может быть реализован для каждого типа дифференциального оператора, иногда рекомендуется использовать так называемый метод разделения операторов, который означает, что дифференциальный оператор переписывается как сумма двух дополнительных операторов в то время как один обрабатывается явно, а другой - неявно. Для обычных приложений неявный член выбирается линейным, а явный член может быть нелинейным. Эта комбинация первого метода называется неявно-явным методом (сокращенно IMEX,). Явные и неявные методы - https://ru.qaz.wiki/wiki/Explicit_and_implicit_methods
Answers & Comments
Ответ:
Явные и неявные методы являются подходами , используемыми в численном анализе для получения численных приближений к решениям , зависящие от времени обыкновенных и дифференциальных уравнений с частными , как это требуется в компьютерном моделировании из физических процессов . Явные методы вычисляют состояние системы в более позднее время по состоянию системы в текущий момент времени, в то время как неявные методы находят решение, решая уравнение, включающее как текущее состояние системы, так и более позднее. Математически, если это текущее состояние системы и состояние в более позднее время ( это небольшой временной шаг), то для явного метода а для неявного метода решается уравнение найти Неявные методы требуют дополнительных вычислений (решения вышеуказанного уравнения), и их может быть намного сложнее реализовать. Неявные методы используются, потому что многие проблемы, возникающие на практике, являются жесткими , для которых использование явного метода требует непрактично малых временных шагов, чтобы сохранить ошибку в результате ограниченной (см. Численную стабильность ). Для таких задач для достижения заданной точности требуется гораздо меньше вычислительного времени для использования неявного метода с большими временными шагами, даже с учетом того, что необходимо решать уравнение вида (1) на каждом временном шаге. Тем не менее, следует ли использовать явный или неявный метод, зависит от решаемой проблемы. Поскольку неявный метод не может быть реализован для каждого типа дифференциального оператора, иногда рекомендуется использовать так называемый метод разделения операторов, который означает, что дифференциальный оператор переписывается как сумма двух дополнительных операторов в то время как один обрабатывается явно, а другой - неявно. Для обычных приложений неявный член выбирается линейным, а явный член может быть нелинейным. Эта комбинация первого метода называется неявно-явным методом (сокращенно IMEX,). Явные и неявные методы - https://ru.qaz.wiki/wiki/Explicit_and_implicit_methods
Пошаговое объяснение: