显式算法和隐式算法，有时也称为显式解法和隐式解法，是计算力学中常见的两个概念，但是它们并没有普遍认可的定义。
一、两种算法的比较
1、显式算法
基于动力学方程，因此无需迭代；而静态隐式算法基于虚功原理，一般需要迭代计算。显式算法，最大优点是有较好的稳定性。
动态显式算法采用动力学方程的一些差分格式（如广泛使用的中心差分法、线性加速度法、newmark法和wilson法等），不用直接求解切线刚度，不需要进行平衡迭代，计算速度快，时间步长只要取的足够小，一般不存在收敛性问题。因此需要的内存也比隐式算法要少。并且数值计算过程可以很容易地进行并行计算，程序编制也相对简单。但显式算法要求质量矩阵为对角矩阵，而且只有在单元级计算尽可能少时速度优势才能发挥, 因而往往采用减缩积分方法，容易激发沙漏模式，影响应力和应变的计算精度。
静态显式法基于率形式的平衡方程组与euler向前差分法，不需要迭代求解。由于平衡方程式仅在率形式上得到满足，所以得出的结果会慢慢偏离正确值。为了减少相关误差，必须每步使用很小的增量。
2、隐式算法
隐式算法中，在每一增量步内都需要对静态平衡方程进行迭代求解，并且每次迭代都需要求解大型的线性方程组，这以过程需要占用相当数量的计算资源、磁盘空间和内存。该算法中的增量步可以比较大，至少可以比显式算法大得多，但是实际运算中上要受到迭代次数及非线性程度的限制，需要取一个合理值。
二、求解时间
使用显式方法，计算成本消耗与单元数量成正比，并且大致与最小单元的尺寸成反比，应用隐式方法，经验表明对于许多问题的计算成本大致与自由度数目的平方成正比，因此如果网格是相对均匀的，随着模型尺寸的增长，显式方法表明比隐式方法更加节省计算成本。
三、两种方法的应用范围：
a)在求解动力学问题时，将方程在空间上采用有限元法（或其他方法）进行离散后，变为常微分方程组f=m(u) c(u) k(u)。求解这种方程的其中两种方法为，中心差分法和newmark法。采用中心差分法解决动力学问题被称为显式算法，采用newmark法解决动力学问题被称为隐式算法。
b)在求解动力学问题时，离散元法（也有其他方法）主要有两种思想：动态松弛法（向后时步迭代），静态松弛法（每一步要平衡）。动态松弛法是显式算法，静态松弛法是隐式算法。其中冲压成型就是动态松弛法的主要例子。
c)在求解静力学问题时，有时候将其看作动力学问题来处理而采用动态松弛法，这是显式算法。flac就是主要例子。
| 显式算法
| 隐式算法
|
每步求解方法
| 矩阵乘法
| 线性方程组
|
时步稳定性
| 有条件
| 无条件
|
适用问题
| 动力中心差分法
动力动态松弛法
静力动态松弛法
| 动力newmark法
动力静态松弛法
|
四、总结：
1) 求解线性静力学问题，虽然求解线性方程组，但是没有时步的关系，所以不应将其看作隐式算法。
2) 求解非线性静力学问题，虽然求解过程需要迭代，或者是增量法，但是没有明显的时步问题，所以不应将其看作隐式算法。
3) 静态松弛法，可以认为是将动力学问题看作静力学问题来解决，每一步达到静力平衡，需要数值阻尼。
4) 动态松弛法，可以认为是将静力学问题或者动力学问题，分为时步动力学问题，采用向后时步迭代的思想计算。对于解决静力学问题时，需要人工阻尼
