On the order of Runge Kutta methods reusing last stage

Resumen Técnico: Sobre el orden de los métodos de Runge-Kutta que reutilizan la última etapa

Planteamiento del problema
Los métodos de Runge-Kutta (RK) explícitos son algoritmos estándar para resolver Problemas de Valor Inicial (PVI) en ecuaciones diferenciales. El costo computacional de un método RK explícito de $s$ etapas es directamente proporcional al número de evaluaciones de la función por paso, que típicamente es $s$. Una estrategia común para reducir este costo es reutilizar la última evaluación de la función del paso actual ($f_{n,s}$) como la primera evaluación del paso subsiguiente ($f_{n+1,1}$). Este enfoque, denominado "métodos RK explícitos que reutilizan la última etapa" (RKRLS, por sus siglas en inglés), reduce teóricamente el costo de $s$ a $s-1$ evaluaciones por paso (después del paso inicial).

Sin embargo, surge un problema crítico: si bien el método RK estándar subyacente puede poseer un alto orden de precisión $p$, el método RKRLS modificado no generalmente retiene este orden. La reutilización de la etapa introduce una dependencia en la aproximación del paso anterior, lo que puede degradar el orden de convergencia global. El artículo aborda el problema específico de identificar las condiciones necesarias sobre los coeficientes de un método RK para que el método RKRLS resultante mantenga el orden original $p$.

Metodología
Los autores emplean la teoría de métodos compuestos y las series de Butcher para analizar el orden de convergencia de los métodos RKRLS.

1. Composición de métodos: El análisis se basa en el concepto de que $n$ pasos consecutivos de un método son equivalentes a un único paso de un método "compuesto". Para RKRLS, los autores definen un método compuesto de $n$ pasos $(\bar{A}^{(n)}, \bar{b}^{(n)})$ donde la primera etapa del nuevo paso es sustituida por la última etapa del paso anterior.
2. Método adjunto y series de Butcher: Para manejar el hecho de que la etapa reutilizada ($f_{n,1}$) es una aproximación de la derivada del paso anterior en lugar de la derivada exacta en el punto actual, los autores utilizan el método adjunto (o inverso). Definen un error local basado en la expansión de la solución alrededor del punto actual utilizando los coefres del método adjunto.
3. Condiciones de orden: Los autores derivan condiciones algebraicas sobre los coeficientes ($A, b, c$) del método RK base. Demuestran que si el método base tiene orden $p$, el método RKRLS retiene el orden $p$ si y solo si se cumplen ciertas restricciones adicionales. Estas restricciones aseguran que los términos de error introducidos por la reutilización de la etapa se cancelen o permanezcan dentro de la magnitud de orden requerida.
4. Pruebas teóricas: El artículo proporciona pruebas rigurosas (Teorema 2) demostrando que si los métodos RKRLS compuestos tienen orden local $p$, el error global se comporta como $O(h^p)$. Los teoremas subsiguientes (Teorema 4) enumeran explícitamente las condiciones de los coeficientes requeridas para los órdenes $p=2, 3, 4$ y $5$.

Contribuciones clave

• Condiciones de preservación del orden: El artículo establece condiciones algebraicas precisas sobre los coeficientes de un método RK explícito que garantizan que el método RKRLS asociado retenga el mismo orden de precisión.
  • Para $p=2$ y $p=3$, las condiciones son relativamente simples (por ejemplo, para $p=3$, ya sea $b_1=0$ o $a^T c = 1/2$).
  • Para $p=4$, las condiciones son más restrictivas, requiriendo combinaciones tales como $b_1=0$ y $(b^T A)_1=0$, o propiedades de orden específicas del vector $a$ (por ejemplo, que el método $(A, a)$ tenga orden 3).
  • Para $p \ge 5$, los autores muestran que si $b_1=0$, $(b^T A)_1=0$ y $a^T c = 1/2$, el método RKRLS retiene un orden $\ge 5$.
• Existencia de métodos óptimos: Los autores demuestran la existencia de familias de RK estándar que satisfacen estas condiciones. Específicamente:
  • Para $p=2, 3, 4$, existen métodos con $s=p$ etapas (proporcionando $p-1$ etapas efectivas) que satisfacen las condiciones de RKRLS.
  • Para $p=5$, identifican una subfamilia de métodos de 6 etapas (proporcionando 5 etapas efectivas) que satisfacen las condiciones, específicamente aquellos donde $b_1=0$.
• Rechazo de supuestos generales: El estudio aclara que tener simplemente $c_s=1$ es insuficiente; se requieren restricciones estructurales específicas en los pesos ($b$) y la matriz ($A$) para evitar la reducción del orden.

Resultos

• Verificación teórica: Las condiciones derivadas fueron aplicadas a familias conocidas de RK.
  • El método RK4 clásico ($c_2=c_3=1/2$) falla la condición de orden 4 de RKRLS (retiene orden 3).
  • El método RK 3/8 ($c_2=1/3, c_3=2/3$) falla la condición de orden 4 de RKRLS (retiene orden 2).
  • Se construyeron o identificaron nuevos métodos (denotados como "New2", "New3", "New4", "New5") que satisfacen las condiciones y retienen su orden completo $p$ cuando se reutiliza la última etapa.
• Experimentos numéricos: Los autores probaron estos métodos en dos PVI: un problema de dos cuerpos y un problema de oscilación lineal.
  • Los gráficos de convergencia confirmaron que las pendientes de las curvas de error global coincidían con los órdenes teóricos ($p$) para los nuevos métodos RKRLS.
  • Las comparaciones de los errores globales entre el RK estándar y los métodos RKRLS mostraron que la precisión de los métodos RKRLS es muy similar a la de sus contrapartes sin reutilización, confirmando que el orden se preserva.
  • Se observó una anomalía para el método RKRLS de orden 4 en el problema de dos cuerpos con un tamaño de paso grande ($h=0.2$), donde el error fue significativamente mayor que el del RK estándar. Los autores atribuyen esto a posibles problemas de estabilidad, señalando que la región de estabilidad de los métodos RKRLS puede ser más pequeña que la de los métodos RK originales.

Significancia
El artículo afirma que es posible reducir el costo computacional de los métodos de Runge-Kutta explícitos de $s$ a $s-1$ evaluaciones de la función por paso sin sacrificar el orden de precisión, siempre que se cumplan condiciones específicas de los coeficientes. Esto es significativo porque ofrece un mecanismo sencillo para mejorar la eficiencia de los métodos de alto orden sin requerir el desarrollo de esquemas de integración completamente nuevos y complejos. Los resultados son validados teóricamente mediante métodos de composición y análisis adjunto, y numéricamente mediante pruebas de convergencia. Los autores concluyen que, si bien las propiedades de estabilidad pueden diferir, el orden de precisión puede mantenerse, lo que convierte al RKRLS en una estrategia viable para solucionadores de PVI eficientes.