{
  "id": "implicit-explicit-method",
  "title": "隐式–显式方法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "隐式–显式方法对微分方程中的部分项作隐式处理、其余项作显式处理，以平衡稳定性要求与计算成本。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "IMEX方法",
    "隐显式方法",
    "隐显格式",
    "隐显时间积分方法"
  ],
  "generated_at": "2026-11-06",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/implicit-explicit-method/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/implicit-explicit-method/",
      "json": "https://aiwiki.page/en/implicit-explicit-method.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "隐式–显式方法通常简称为 IMEX方法，是一类求解微分方程的时间积分方法，对部分项作隐式处理，对其余项作显式处理。隐式部分需要求解包含新时刻或新阶段未知解的方程，而显式部分则使用已有的数值。当不同过程对计算或稳定性提出不同要求时，这种划分十分有用：可以对刚性项作隐式处理，而不必将所有计算成本高或非线性的项也纳入隐式求解。\n\nIMEX方法是数值分析中的一大类方法，而非某一种算法。其效果既取决于时间步进公式，也取决于选择哪些项进行隐式处理。"
    },
    {
      "heading": "数学背景",
      "text": "考虑一个写成加性形式的常微分方程：\n\n\\[\\frac{dy}{dt}=F(t,y)+G(t,y), \\qquad y(t_0)=y_0.\\]\n\n这里的 \\(y\\) 可以是标量，也可以是向量。IMEX方法对 \\(F\\) 作显式计算，对 \\(G\\) 作隐式计算。通常：\n\n- \\(F\\) 包含非刚性项、输运项，或纳入隐式求解后计算成本较高的非线性项。\n- \\(G\\) 包含刚性项；若对这些项作显式处理，时间步长将受到严格限制。\n\n当一个系统同时包含快速衰减分量和演化较慢的分量时，通常会出现刚性。此时，即使所关注的解变化缓慢，显式方法也可能需要采用很小的步长才能保持稳定。\n\n这种分裂方式并不唯一。例如，若有\n\n\\[\\frac{dy}{dt}=Ly+N(y),\\]\n\n其中 \\(L\\) 为刚性线性算子，\\(N\\) 为非刚性非线性函数，那么一种自然的选择是\n\n\\[G(y)=Ly, \\qquad F(y)=N(y).\\]\n\n这样，即使完整的微分方程是非线性的，隐式部分也只需进行线性求解。在其他应用中，\\(G\\) 本身可能是非线性的，需要使用非线性求解器。"
    },
    {
      "heading": "一阶IMEX欧拉方法",
      "text": "最简单的例子是对 \\(F\\) 使用显式欧拉方法，对 \\(G\\) 使用隐式欧拉方法。取固定步长 \\(h>0\\)，该方法为\n\n\\[y_{n+1} = y_n+hF(t_n,y_n)+hG(t_{n+1},y_{n+1}).\\]\n\n由于 \\(G\\) 依赖于 \\(y_{n+1}\\)，这一公式通常是一个需要求解的方程，而非直接求值的表达式。\n\n若 \\(G(y)=Ly\\)，则更新公式变为\n\n\\[(I-hL)y_{n+1} = y_n+hF(t_n,y_n),\\]\n\n其中 \\(I\\) 为单位矩阵。因此，每一步都需要求解一个线性方程组。当 \\(L\\) 和 \\(h\\) 保持不变时，通常可以重复使用同一次矩阵分解的结果。\n\n若 \\(G\\) 是非线性的，定义\n\n\\[H(z)=z-hG(t_{n+1},z)-y_n-hF(t_n,y_n).\\]\n\n新值满足 \\(H(y_{n+1})=0\\)。可以使用牛顿法等求解方法，其中涉及的雅可比矩阵为\n\n\\[I-h\\frac{\\partial G}{\\partial y}.\\]\n\n只有作隐式处理的项对这个雅可比矩阵有贡献。因此，与对 \\(F+G\\) 作全隐式处理相比，这种求解可能简单得多。\n\n在适当的光滑性和稳定性假设下，IMEX欧拉方法具有一阶全局精度。"
    },
    {
      "heading": "主要类别",
      "text": "IMEX龙格–库塔方法\n\nIMEX龙格–库塔方法在每个时间步内使用多个中间阶段值。对于自治系统\n\n\\[y'=F(y)+G(y),\\]\n\n一种常见形式为\n\n\\[Y_i = y_n +h\\sum_{j<i}\\widetilde a_{ij}F(Y_j) +h\\sum_{j\\leq i}a_{ij}G(Y_j), \\qquad i=1,\\ldots,s,\\]\n\n随后按下式更新：\n\n\\[y_{n+1} = y_n +h\\sum_{i=1}^{s}\\widetilde b_iF(Y_i) +h\\sum_{i=1}^{s}b_iG(Y_i).\\]\n\n系数 \\(\\widetilde a_{ij}\\) 构成严格下三角的显式系数阵。系数 \\(a_{ij}\\) 通常构成下三角的隐式系数阵，因此各隐式阶段可以依次求解。也可以采用更一般的耦合隐式系数阵。\n\n这些格式属于加性龙格–库塔方法。它们的精度不仅取决于显式公式和隐式公式各自的阶数，还取决于两者之间的耦合条件。将两个独立选取的 \\(p\\) 阶方法配对，并不一定能得到一个 \\(p\\) 阶IMEX方法。\n\n对于非自治方程，还必须以相容的方式指定各阶段的时刻。\n\nIMEX线性多步法\n\nIMEX线性多步法使用之前多个时间层上的值。一种常见形式为\n\n\\[\\sum_{j=0}^{k}\\alpha_j y_{n+j} = h\\sum_{j=0}^{k-1}\\beta_jF(t_{n+j},y_{n+j}) + h\\sum_{j=0}^{k}\\gamma_jG(t_{n+j},y_{n+j}).\\]\n\n显式部分不包含最新时间层上的求值，而隐式部分的求和可以包含未知值 \\(y_{n+k}\\)。\n\n一个常见的二阶例子是对 \\(G\\) 使用克兰克–尼科尔森方法，对 \\(F\\) 使用亚当斯–巴什福思方法：\n\n\\[\\frac{y_{n+1}-y_n}{h} = \\frac{3}{2}F(t_n,y_n) -\\frac{1}{2}F(t_{n-1},y_{n-1}) +\\frac{1}{2} \\left[ G(t_{n+1},y_{n+1})+G(t_n,y_n) \\right].\\]\n\n多步法可以减少每一步所需的求值和求解次数，但需要启动过程。采用变步长时，需要使用与变化的步长比相适应的系数。"
    },
    {
      "heading": "稳定性",
      "text": "采用IMEX积分的主要目的是以低于全隐式积分的成本改善数值稳定性。但这并不意味着IMEX方法是无条件稳定的。\n\n一个标准的标量测试方程为\n\n\\[y'=\\lambda_E y+\\lambda_I y,\\]\n\n其中 \\(\\lambda_E\\) 表示显式处理的分量，\\(\\lambda_I\\) 表示隐式处理的分量。IMEX欧拉方法给出\n\n\\[y_{n+1}=R(z_E,z_I)y_n, \\qquad R(z_E,z_I)=\\frac{1+z_E}{1-z_I},\\]\n\n其中\n\n\\[z_E=h\\lambda_E, \\qquad z_I=h\\lambda_I.\\]\n\n对于这个标量测试问题，不发生放大的条件为\n\n\\[|R(z_E,z_I)|\\leq 1.\\]\n\n若 \\(z_E=0\\)，该方法退化为隐式欧拉方法，其在整个复平面左半平面上都稳定。若 \\(z_I=0\\)，它退化为显式欧拉方法，仍受该方法有界稳定域的限制。因此，对一个分量作隐式处理，并不能消除另一个分量带来的限制。\n\n对于矩阵形式的问题，特征值有助于刻画稳定性，但标量测试无法给出完整描述。分裂算子不满足交换律，以及非正规系统中的瞬态放大，都可能使分析变得复杂。\n\n快速模态的阻尼\n\n不同隐式公式对快速衰减模态的阻尼强度不同。隐式欧拉方法对这类模态具有很强的阻尼作用。克兰克–尼科尔森方法虽然对整个左半平面内的标量衰减问题都稳定，但对于经步长缩放后为绝对值很大的负数的特征值所对应的模态，其阻尼并不强；它的放大因子趋近于 \\(-1\\)。\n\n因此，基于克兰克–尼科尔森方法的IMEX方法，即使满足稳定性判据，也可能在刚性分量中出现持续的数值振荡。稳定性、阻尼和精度是不同的性质。"
    },
    {
      "heading": "在偏微分方程中的应用",
      "text": "IMEX方法广泛用于偏微分方程的空间离散之后。通过有限差分法或有限元法进行空间离散，可以得到一个大型常微分方程组。\n\n考虑平流–扩散方程\n\n\\[\\frac{\\partial u}{\\partial t} + a\\frac{\\partial u}{\\partial x} = \\nu\\frac{\\partial^2u}{\\partial x^2}, \\qquad \\nu>0.\\]\n\n空间离散后，它可概略地写为\n\n\\[\\frac{du}{dt}=Au+Du,\\]\n\n其中 \\(A\\) 近似表示平流，\\(D\\) 近似表示扩散。一种常见的IMEX选择是对 \\(Au\\) 作显式处理，对 \\(Du\\) 作隐式处理。\n\n对于标准离散格式，显式处理扩散通常会带来如下形式的限制：\n\n\\[h\\leq C_D\\frac{(\\Delta x)^2}{\\nu},\\]\n\n而显式处理平流通常会带来如下形式的库朗–弗里德里希斯–莱维条件：\n\n\\[h\\leq C_A\\frac{\\Delta x}{|a|}.\\]\n\n这些常数取决于空间离散方法和时间积分方法。对扩散作隐式处理可以消除显式扩散所带来的限制，但仍保留平流带来的限制。在精细网格上，这可以大幅减少所需的时间步数。\n\n其他应用包括：\n\n- 反应–扩散方程，其中对快速反应或扩散作隐式处理。\n- 基于纳维–斯托克斯方程的流体模型，其中对选定的黏性项或快波项作隐式处理。\n- 输运与刚性源项相结合的系统。\n- 高阶耗散方程，其中对高阶空间导数作显式处理可能使时间步长受到特别严格的限制。\n\n合适的分裂方式取决于具体问题：扩散并不总是刚性最强的过程，而反应项也并不总是最适合采用隐式处理。"
    },
    {
      "heading": "精度、守恒性与极限行为",
      "text": "收敛性与降阶\n\n形式阶描述的是在适当假设下，当 \\(h\\to0\\) 时误差的变化行为。它并不保证随着刚性增强，同样的误差行为仍然一致成立。\n\nIMEX方法可能出现降阶现象：实际观测到的收敛阶可能低于其经典阶数，尤其是在具有时变边界条件或阶段精度不足的刚性问题中。边界数据的处理方式和隐式求解器的容差也会影响测得的误差。\n\n守恒性与保正性\n\nIMEX格式并不会自动保持守恒律、非负性或离散能量不等式。\n\n例如，设 \\(c^\\mathsf{T}y\\) 为一个线性守恒量。若分别满足\n\n\\[c^\\mathsf{T}F(y)=0, \\qquad c^\\mathsf{T}G(y)=0\\]\n\n则在各阶段方程得到一致求解的前提下，标准加性更新在精确算术下会保持这一守恒量。若守恒性仅通过 \\(F\\) 和 \\(G\\) 之间的相互抵消才得以实现，则需要额外注意。\n\n保正性和单调性通常要求采用合适的空间离散方法、时间积分系数，并且可能需要限制步长。仅靠隐式处理并不能保证这些性质。\n\n奇异极限\n\n有些系统包含一个小参数：\n\n\\[y'=F(y)+\\frac{1}{\\varepsilon}G(y), \\qquad 0<\\varepsilon\\ll1.\\]\n\n当 \\(\\varepsilon\\) 趋于零时，解可能趋近于某个平衡约束，例如 \\(G(y)=0\\)。经过适当构造的渐近保持方法可以在不分辨最快时间尺度的情况下保持稳定，并退化为极限问题的相容离散格式。\n\n并非所有IMEX方法都具有这一性质。精度关于 \\(\\varepsilon\\) 的一致性是一项额外要求，与渐近保持性不同。"
    },
    {
      "heading": "与其他方法的关系",
      "text": "IMEX积分与算子分裂有关，但两者并不相同。算子分裂方法通常依次推进各个独立子问题，例如先按 \\(F\\) 演化，再按 \\(G\\) 演化。加性IMEX方法则在一个耦合的时间步进公式中结合两项的贡献。这两种方法都会引入分量之间的相互作用，但其阶条件和误差机制有所不同。\n\n半隐式方法一词常用于指代IMEX格式，但其含义并不统一。它也可以指线性化、非线性系数的外推，或对选定变量作隐式处理，而不一定采用固定的加性分裂。"
    },
    {
      "heading": "计算上的权衡",
      "text": "如果只对模型中的有限部分作隐式处理，就能在保持求解难度可控的同时大幅增大时间步长，那么IMEX方法就很有吸引力。线性刚性项、可重复使用的分解结果，以及具有结构的稀疏矩阵，都是尤其有利的因素。\n\n当显式处理的项仍带来很强的限制、隐式求解成本很高，或所需精度本身就要求采用小步长时，IMEX方法的优势会减弱。不恰当的分裂还可能使重要的快速相互作用仍以显式方式处理。\n\n因此，实际性能取决于多种成本的综合作用：函数求值、线性或非线性迭代、内存使用、通信，以及被接受的时间步数。只有在所得解足够精确，而且每步工作量的增加没有抵消步数减少所带来的收益时，更大的稳定步长才有价值。"
    }
  ],
  "links": [
    "differential-equation",
    "numerical-analysis",
    "ordinary-differential-equation",
    "identity-matrix",
    "system-of-linear-equations",
    "matrix-factorization",
    "newtons-method",
    "jacobian-matrix",
    "numerical-stability",
    "eigenvalues-and-eigenvectors",
    "partial-differential-equation",
    "finite-difference-method",
    "finite-element-method",
    "courant-friedrichs-lewy-condition",
    "navier-stokes-equations",
    "sparse-matrix"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}