Métodos de Runge-Kutta: Fundamentos, Aplicaciones y Simulación Continua

1. Objetivo de los métodos de Runge-Kutta

El objetivo de los métodos numéricos de Runge-Kutta es la resolución de problemas de valor inicial de ecuaciones diferenciales ordinarias (EDO). Estos métodos representan una extensión del método de Euler para resolver EDO, pero con un orden de exactitud superior.

2. Diferencia entre los métodos explícitos e implícitos

• Métodos explícitos: Requieren que se pueda obtener claramente dy/dx, la cual es evaluada para el cálculo directo de nuevos valores para las variables en el siguiente punto en el tiempo.
• Métodos implícitos: Utilizan algoritmos que dan como resultado ecuaciones que deben resolverse para obtener los nuevos valores en el paso siguiente en el tiempo.

3. Ventajas de Runge-Kutta con respecto a Taylor

La ventaja de los métodos de Runge-Kutta frente al uso de la serie de Taylor (también un método de un paso) radica en que los métodos de Runge-Kutta requieren únicamente de la función f(x, y) y no necesitan el cálculo de derivadas. Esto hace que, en la práctica, la aplicación de los métodos de Runge-Kutta sea más sencilla que el uso de la serie de Taylor.

4. Ventajas y desventajas de los métodos multipasos

En la selección de un método para resolver numéricamente una ecuación diferencial intervienen muchos aspectos:

• Métodos de un paso (Runge-Kutta): Suelen usarse por su exactitud y facilidad de programación. Sin embargo, su mayor desventaja es que el lado derecho de la ecuación diferencial debe evaluarse muchas veces en cada etapa (por ejemplo, el método de Runge-Kutta de cuarto orden requiere cuatro evaluaciones de función por paso).
• Métodos multipasos: Si se han calculado y guardado las evaluaciones de función en la etapa anterior, solo se necesita una evaluación de función por paso, lo que puede originar grandes ahorros de tiempo y costo computacional.

5. Simulación continua

Los modelos de simulación continua, donde las variables de estado son continuas, usualmente son descritos mediante ecuaciones diferenciales y algebraicas. Estas variables de estado por lo general cambian de forma continua a medida que la simulación avanza; por ejemplo, el contenido de agua en un embalse cambia continuamente con la afluencia y salida de agua, y no en instantes específicos del tiempo.

Muchas simulaciones por eventos discretos incluyen subsistemas continuos y viceversa. Este proceso puede realizarse tanto en computadores analógicos como en computadores digitales.