# 암시적 방법

## 개요

**암시적 방법Implicit Method)은치해석에서 편분방정식DE)을 해하는 대표적인 시간 적분 기법 중 하나로, 주로 시간에 대한 변화를 포함하는 열전도 방정식 나비에-스토크스 방정식 등과 같은 시간 종속적 편미분방정식의 수치 해를 구하는 데 사용된다. 암시적 방법은 명시적 방법(Explicit Method)과 대조되며, 시간 단계의 미래 상태를 현재 상태의 정보만으로 결정하지 않고, 미래 상태 그 자체에 대한 방정식을 구성하여 이를 동시에 푸는 방식이다.

이 방법은 수치적 안정성 측면에서 뛰어난 성능을 보이며, 특히 시간 단계 크기(time step size)가 큰 경우에도 안정적인 해를 제공할 수 있어 널리 활용된다. 다만, 매 시간 단계마다 선형 또는 비선형 연립방정식을 풀어야 하므로 계산 비용이 상대적으로 높다는 단점이 있다.

---

## 암시적 방법의 원리

암시적 방법은 시간 미분을 미래 시점에서 근사하는 방식으로, 일반적으로 **후진 오일러법**(Backward Euler Method)과 같은 기법을 사용한다. 예를 들어, 1차 시간 미분을 포함하는 편미분방정식:

\[
\frac{\partial u}{\partial t} = \mathcal{L}(u)
\]

에서, \( u \)는 상태 변수(예: 온도, 속도 등), \( \mathcal{L} \)은 공간에 대한 미분 연산자(예: 라플라시안)를 의미한다. 이 방정식을 시간 단계 \( \Delta t \)로 이산화할 때, 암시적 방법은 다음과 같이 표현한다:

\[
\frac{u^{n+1} - u^n}{\Delta t} = \mathcal{L}(u^{n+1})
\]

여기서 \( u^n \)은 시간 \( t_n \)에서의 해, \( u^{n+1} \)은 다음 시간 단계 \( t_{n+1} = t_n + \Delta t \)에서의 해이다. 중요한 점은, 우변의 \( \mathcal{L}(u^{n+1}) \)이 **미래의 상태**에 대해 계산된다는 것이다. 이로 인해 \( u^{n+1} \)이 방정식의 양변에 동시에 등장하게 되며, 이는 \( u^{n+1} \)에 대한 **연립방정식**을 구성하게 된다.

---

## 대표적인 암시적 기법들

### 1. 후진 오일러법 (Backward Euler Method)

가장 단순한 암시적 방법으로, 시간 미분을 후진 차분으로 근사한다:

\[
\frac{u^{n+1} - u^n}{\Delta t} = f(u^{n+1}, t_{n+1})
\]

이 방법은 1차 정확도를 가지며, **무조건 안정**(unconditionally stable)한 특성을 지닌다. 즉, 시간 단계 크기에 관계없이 수치 해가 발산하지 않는다. 그러나 시간 단계가 클 경우 정확도가 떨어질 수 있다.

### 2. 크랭크-니콜슨 방법 (Crank-Nicolson Method)

후진 오일러법과 전진 오일러법의 평균을 취한 방법으로, 시간 미분을 다음과 같이 근사한다:

\[
\frac{u^{n+1} - u^n}{\Delta t} = \frac{1}{2} \left[ \mathcal{L}(u^n) + \mathcal{L}(u^{n+1}) \right]
\]

이 방법은 **2차 시간 정확도**를 가지며, 후진 오일러법보다 정확한 해를 제공한다. 또한, 대부분의 선형 문제에서 안정성을 유지한다. 하지만 비선형 문제에서는 반반 암시적 특성으로 인해 반복 해법(예: 뉴턴-랍슨법)이 필요할 수 있다.

---

## 암시적 방법의 장단점

| 장점 | 설명 |
|------|------|
| **높은 안정성** | 시간 단계 \( \Delta t \)가 크더라도 해가 발산하지 않음 (무조건 안정) |
| **큰 시간 단계 사용 가능** | 계산 효율성 향상 (적은 시간 스텝으로 장시간 시뮬레이션 가능) |
| **정확도 조절 가능** | 크랭크-니콜슨 등 고차 방법을 통해 정확도 향상 가능 |

| 단점 | 설명 |
|------|------|
| **계산 비용 증가** | 매 스텝마다 선형/비선형 방정식 시스템을 풀어야 함 |
| **메모리 사용량 증가** | 계수 행렬을 저장하고 해를 구하는 과정에서 메모리 요구량 큼 |
| **구현 복잡성** | 특히 비선형 문제의 경우 반복 해법과 선형화 과정 필요 |

---

## 공간 이산화와의 결합

암시적 방법은 일반적으로 유한차분법(FDM), 유한요소법(FEM), 또는 유한체적법(FVM)과 결합되어 사용된다. 예를 들어, 1차원 열전도 방정식:

\[
\frac{\partial u}{\partial t} = \alpha \frac{\partial^2 u}{\partial x^2}
\]

에 대해 공간을 유한차분으로 이산화하고, 시간을 암시적으로 처리하면 다음과 같은 차분 방정식을 얻는다:

\[
\frac{u_i^{n+1} - u_i^n}{\Delta t} = \alpha \frac{u_{i+1}^{n+1} - 2u_i^{n+1} + u_{i-1}^{n+1}}{(\Delta x)^2}
\]

이 식을 정리하면 \( u^{n+1} \)에 대한 삼중대각행렬(Tridiagonal Matrix) 형태의 선형 시스템이 되며, **TDMA**(Thomas Algorithm)를 사용하여 효율적으로 풀 수 있다.

---

## 활용 사례

- **구조 해석**: 시간 종속적 열응력 해석에서 안정적인 해 필요
- **유체역학**: 난류 모사 또는 압축성 흐름에서의 압력-속도 결합 해법
- **재무 공학**: 블랙-숄즈 방정식의 수치 해법
- **반도체 소자 해석**: 드리프트-확산 방정식의 시뮬레이션

---

## 참고 자료 및 관련 문서

- [LeVeque, R. J. (2007). *Finite Difference Methods for Ordinary and Partial Differential Equations*. SIAM.](https://doi.org/10.1137/1.9780898717839)
- [Hoffman, J. D. (2001). *Numerical Methods for Engineers and Scientists*. CRC Press.]
- 관련 문서: [[명시적 방법]], [[크랭크-니콜슨 방법]], [[유한차분법]], [[선형 연립방정식 해법]]

---

암시적 방법은 수치해석의 핵심 기법 중 하나로, 안정성과 정확도의 균형을 요구하는 다양한 과학 및 공학 문제에서 필수적인 도구로 자리잡고 있다.