{"id":540,"date":"2026-07-22T08:18:02","date_gmt":"2026-07-22T08:18:02","guid":{"rendered":"https:\/\/matforge.org\/?p=540","raw":"https:\/\/matforge.org\/?p=540"},"modified":"2026-07-22T08:18:02","modified_gmt":"2026-07-22T08:18:02","slug":"implicit-vs-explicit-methods-stability-accuracy","status":"publish","type":"post","link":"https:\/\/matforge.org\/es\/implicit-vs-explicit-methods-stability-accuracy\/","title":{"rendered":"M\u00e9todos impl\u00edcitos vs expl\u00edcitos: estabilidad, precisi\u00f3n y cu\u00e1ndo usar cada","raw":"M\u00e9todos impl\u00edcitos vs expl\u00edcitos: estabilidad, precisi\u00f3n y cu\u00e1ndo usar cada"},"content":{"rendered":"Reading Time: <\/span> 11<\/span> minutes<\/span><\/span>
\n

Elegir un m\u00e9todo de integraci\u00f3n de tiempo es una de las decisiones m\u00e1s importantes en una simulaci\u00f3n cient\u00edfica. El m\u00e9todo determina c\u00f3mo se mueve la soluci\u00f3n num\u00e9rica de un nivel de tiempo al siguiente, qu\u00e9 tan peque\u00f1o debe ser el paso de tiempo, cu\u00e1nto cuesta cada paso y si se resuelven o suprimen los procesos f\u00edsicos r\u00e1pidos.<\/p>\n

La distinci\u00f3n com\u00fan entre m\u00e9todos expl\u00edcitos e impl\u00edcitos es \u00fatil, pero no proporciona una regla de selecci\u00f3n completa. Un m\u00e9todo impl\u00edcito no es autom\u00e1ticamente m\u00e1s preciso, y un m\u00e9todo expl\u00edcito no es autom\u00e1ticamente inadecuado para simulaciones serias. Deben considerarse juntas la estabilidad, la precisi\u00f3n, el costo computacional, la rigidez, la amortiguaci\u00f3n num\u00e9rica y las escalas de tiempo f\u00edsicas del problema.<\/p>\n

El principio central es simple: la estabilidad num\u00e9rica s\u00f3lo nos dice si los errores permanecen controlados. No nos dice si la soluci\u00f3n calculada est\u00e1 cerca de la verdadera soluci\u00f3n f\u00edsica.<\/p>\n

\u00bfQu\u00e9 es la integraci\u00f3n del tiempo?<\/h2>\n

Despu\u00e9s de que una PDE ha sido discretizada en el espacio, a menudo se convierte en un sistema de ecuaciones diferenciales ordinarias:<\/p>\n

du\/dt = F(u, t)<\/code><\/pre>\n
Un integrador de tiempo se aproxima a c\u00f3mo cambia el vector u<\/code> en un paso finito:<\/p>\n
t\u207f \u2192 t\u207f\u207a\u00b9 = t\u207f + \u0394t<\/code><\/pre>\n
La evoluci\u00f3n exacta generalmente no est\u00e1 disponible, por lo que el algoritmo construye una aproximaci\u00f3n a partir de valores conocidos, evaluaciones derivadas o un sistema que involucre el estado futuro desconocido.<\/p>\n
Un m\u00e9todo expl\u00edcito calcula el nuevo estado directamente a partir de la informaci\u00f3n ya disponible. Un m\u00e9todo impl\u00edcito define el nuevo estado a trav\u00e9s de una ecuaci\u00f3n que debe ser resuelta.<\/p>\n
Integraci\u00f3n de tiempo expl\u00edcita<\/h2>\n
Forward Euler es el m\u00e9todo expl\u00edcito m\u00e1s simple:<\/p>\n
u\u207f\u207a\u00b9 = u\u207f + \u0394t F(u\u207f, t\u207f)<\/code><\/pre>\n
Todo lo que est\u00e1 en el lado derecho es conocido. No se requiere ning\u00fan sistema lineal o no lineal. Esto hace que cada paso sea econ\u00f3mico y f\u00e1cil de paralelizar.<\/p>\n
Los m\u00e9todos expl\u00edcitos de Runge-Kutta de orden superior calculan varias etapas intermedias. El m\u00e9todo cl\u00e1sico de cuarto orden utiliza cuatro evaluaciones derivadas:<\/p>\n
k\u2081 = F(u\u207f, t\u207f)\n\nk\u2082 = F(\n    u\u207f + 0.5 \u0394t k\u2081,\n    t\u207f + 0.5 \u0394t\n)\n\nk\u2083 = F(\n    u\u207f + 0.5 \u0394t k\u2082,\n    t\u207f + 0.5 \u0394t\n)\n\nk\u2084 = F(\n    u\u207f + \u0394t k\u2083,\n    t\u207f + \u0394t\n)\n\nu\u207f\u207a\u00b9 = u\u207f\n      + \u0394t(k\u2081 + 2k\u2082 + 2k\u2083 + k\u2084) \/ 6<\/code><\/pre>\n
Los m\u00e9todos expl\u00edcitos son atractivos cuando cada evaluaci\u00f3n de derivados es asequible y el l\u00edmite de estabilidad no obliga a un n\u00famero excesivo de pasos.<\/p>\n
Integraci\u00f3n de tiempo impl\u00edcita<\/h2>\n
Euler hacia atr\u00e1s eval\u00faa la derivada en el estado futuro desconocido:<\/p>\n
u\u207f\u207a\u00b9 = u\u207f + \u0394t F(u\u207f\u207a\u00b9, t\u207f\u207a\u00b9)<\/code><\/pre>\n
El nuevo valor aparece en ambos lados. Un problema lineal puede requerir una soluci\u00f3n de matriz, mientras que un problema no lineal puede requerir iteraciones de Newton u otro algoritmo no lineal.<\/p>\n
Crank-Nicolson promedia la derivada entre los estados actuales y futuros:<\/p>\n
u\u207f\u207a\u00b9 = u\u207f\n      + 0.5 \u0394t [\n          F(u\u207f, t\u207f)\n          + F(u\u207f\u207a\u00b9, t\u207f\u207a\u00b9)\n        ]<\/code><\/pre>\n
Los m\u00e9todos impl\u00edcitos cuestan m\u00e1s por paso, pero los esquemas adecuados pueden permanecer estables en los pasos de tiempo que har\u00edan que un m\u00e9todo expl\u00edcito divergiera. Esto es especialmente valioso para sistemas r\u00edgidos y finas cuadr\u00edculas espaciales.<\/p>\n
La estabilidad no es precisi\u00f3n<\/h2>\n
Un c\u00e1lculo estable no proporciona necesariamente una trayectoria f\u00edsica precisa. La distinci\u00f3n se puede estudiar con la ecuaci\u00f3n de prueba lineal:<\/p>\n
dy\/dt = \u03bby<\/code><\/pre>\n
La soluci\u00f3n exacta despu\u00e9s de un paso de tiempo es:<\/p>\n
y(t + \u0394t) = exp(\u03bb\u0394t)y(t)<\/code><\/pre>\n
En cambio, un m\u00e9todo num\u00e9rico produce:<\/p>\n
y\u207f\u207a\u00b9 = R(z)y\u207f\n\nz = \u03bb\u0394t<\/code><\/pre>\n
La funci\u00f3n R(z)<\/code> es el factor de amplificaci\u00f3n. La estabilidad absoluta requiere:<\/p>\n
|R(z)| \u2264 1<\/code><\/pre>\n
Esta condici\u00f3n evita el crecimiento num\u00e9rico ilimitado para un problema de prueba de decaimiento. No garantiza que R(z)<\/code> se aproxime de cerca a exp(z)<\/code>.<\/p>\n
Un m\u00e9todo impl\u00edcito puede permanecer limitado con un paso de tiempo muy grande mientras se reproduce mal la tasa de decaimiento, la fase o la respuesta transitoria. El informe de la NASA m\u00e9todos expl\u00edcitos, impl\u00edcitos e h\u00edbridos<\/a> analiza la necesidad de considerar la precisi\u00f3n en lugar de usar la estabilidad solo para justificar un m\u00e9todo.<\/p>\n
Comprender las regiones de estabilidad<\/h2>\n
La regi\u00f3n de estabilidad es el conjunto de valores de z = \u03bb\u0394t<\/code> para los cuales el factor de amplificaci\u00f3n permanece acotado.<\/p>\n
Euler hacia adelante<\/h3>\n
Euler delantero tiene:<\/p>\n
R(z) = 1 + z<\/code><\/pre>\n
Su regi\u00f3n de estabilidad satisface:<\/p>\n
|1 + z| \u2264 1<\/code><\/pre>\n
Esto forma un disco centrado en \u22121<\/code> con radio uno. A lo largo del eje real negativo, el intervalo estable es:<\/p>\n
\u22122 \u2264 z \u2264 0<\/code><\/pre>\n
Cl\u00e1sico RK4<\/h3>\n
El m\u00e9todo cl\u00e1sico de Runge-Kutta de cuarto orden tiene una regi\u00f3n de estabilidad m\u00e1s grande pero a\u00fan acotada. A lo largo del eje real negativo, permanece estable aproximadamente hasta:<\/p>\n
z \u2248 \u22122.785<\/code><\/pre>\n
Esto es considerablemente mayor que el intervalo de Euler hacia adelante, pero ning\u00fan m\u00e9todo de Runge-Kutta expl\u00edcito puede incluir la mitad izquierda del plano complejo.<\/p>\n
Una introducci\u00f3n pr\u00e1ctica a la estabilidad absoluta, la A-estabilidad y la L-estabilidad est\u00e1 disponible en el Curso de choque sobre ODES num\u00e9ricas<\/a>.<\/p>\n
Euler hacia atr\u00e1s<\/h3>\n
Euler hacia atr\u00e1s tiene:<\/p>\n
R(z) = 1 \/ (1 - z)<\/code><\/pre>\n
Su regi\u00f3n de estabilidad contiene el semiplano izquierdo completo. Por lo tanto, es estable.<\/p>\n
A medida que z<\/code> se vuelve cada vez m\u00e1s negativo, el factor de amplificaci\u00f3n se acerca a cero. Los modos de decaimiento fuerte se suprimen r\u00e1pidamente. Esto hace que Euler L-estable est\u00e9 al rev\u00e9s, aunque solo es preciso de primer orden.<\/p>\n
manivela-Nicolson<\/h3>\n
Crank-Nicolson tiene:<\/p>\n
R(z) = (1 + z\/2) \/ (1 - z\/2)<\/code><\/pre>\n
Tambi\u00e9n es estable porque su regi\u00f3n de estabilidad incluye el semiplano izquierdo. Sin embargo, como z \u2192 \u2212\u221e<\/code>:<\/p>\n
R(z) \u2192 \u22121<\/code><\/pre>\n
Los modos altamente r\u00edgidos no se mueven a cero. En cambio, pueden alternar en signo mientras conservan una magnitud casi constante. Por lo tanto, la manivela-Nicolson no es estable en L y puede producir oscilaciones temporales no f\u00edsicas cuando se aplican pasos muy grandes a sistemas r\u00edgidos.<\/p>\n
A-estabilidad y L-estabilidad<\/h2>\n
Un m\u00e9todo A-estable es estable para cada valor propio de la ecuaci\u00f3n de prueba con una parte real no positiva, independientemente del tama\u00f1o del paso de tiempo.<\/p>\n
Un m\u00e9todo L-estable es A-estable y tambi\u00e9n satisface:<\/p>\n
R(z) \u2192 0 as z \u2192 \u2212\u221e<\/code><\/pre>\n
Esta distinci\u00f3n es importante para los sistemas r\u00edgidos. La estabilidad A evita el crecimiento explosivo, mientras que L-estabilidad asegura que los modos de decaimiento r\u00e1pido no resueltos se vean fuertemente amortiguados.<\/p>\n
No todos los m\u00e9todos impl\u00edcitos son estables, y no todos los m\u00e9todos A-estables son L-estable. Las propiedades pertenecen al esquema individual m\u00e1s que a toda la categor\u00eda impl\u00edcita.<\/p>\n
Orden de precisi\u00f3n<\/h2>\n
El orden de un m\u00e9todo determina qu\u00e9 tan r\u00e1pido disminuye su error a medida que el paso de tiempo se reduce.<\/p>\n
Para un m\u00e9todo de orden p<\/code>:<\/p>\n
Local truncation error = O(\u0394t^(p+1))\nGlobal error           = O(\u0394t^p)<\/code><\/pre>\n\n\n\n\n\n\n\n\n\n
M\u00e9todo<\/th>\nTipo<\/th>\nPedido<\/th>\nerror local<\/th>\nerror global<\/th>\n<\/tr>\n
Euler hacia adelante<\/td>\nExpl\u00edcito<\/td>\n1<\/td>\nO(\u0394t\u00b2)<\/code><\/td>\nO(\u0394t)<\/code><\/td>\n<\/tr>\n
Euler hacia atr\u00e1s<\/td>\nImpl\u00edcito<\/td>\n1<\/td>\nO(\u0394t\u00b2)<\/code><\/td>\nO(\u0394t)<\/code><\/td>\n<\/tr>\n
manivela-Nicolson<\/td>\nImpl\u00edcito<\/td>\n2<\/td>\nO(\u0394t\u00b3)<\/code><\/td>\nO(\u0394t\u00b2)<\/code><\/td>\n<\/tr>\n
bdf2<\/td>\nMultipaso impl\u00edcito<\/td>\n2<\/td>\nO(\u0394t\u00b3)<\/code><\/td>\nO(\u0394t\u00b2)<\/code><\/td>\n<\/tr>\n
Cl\u00e1sico RK4<\/td>\nExpl\u00edcito<\/td>\n4<\/td>\nO(\u0394t\u2075)<\/code><\/td>\nO(\u0394t\u2074)<\/code><\/td>\n<\/tr>\n
Pr\u00edncipe 5(4)<\/td>\nRK integrado expl\u00edcito<\/td>\n5 con estimador de cuarto orden<\/td>\ndependiente del m\u00e9todo<\/td>\nAproximadamente O(\u0394t\u2075)<\/code> para la soluci\u00f3n de quinto orden<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
Euler hacia adelante y hacia atr\u00e1s tienen el mismo orden formal aunque sus propiedades de estabilidad difieren mucho. RK4 puede ser mucho m\u00e1s preciso que Euler hacia atr\u00e1s con el mismo tama\u00f1o de paso cuando la estabilidad permite su uso.<\/p>\n
La etiqueta expl\u00edcita o impl\u00edcita describe principalmente c\u00f3mo se calcula un paso. No determina el orden formal.<\/p>\n
\u00bfQu\u00e9 es la rigidez?<\/h2>\n
Un sistema es r\u00edgido cuando contiene escalas de tiempo fuertemente separadas y requisitos de estabilidad expl\u00edcitos de fuerza mucho m\u00e1s peque\u00f1os que los necesarios para resolver el comportamiento de inter\u00e9s.<\/p>\n
Considere:<\/p>\n
dy\/dt = -1000(y - cos(t)) - sin(t)<\/code><\/pre>\n
La soluci\u00f3n deseada puede variar en una escala de tiempo del orden uno, pero un componente que se descompone r\u00e1pidamente tiene una escala de tiempo cercana a 0.001<\/code>. Es posible que un m\u00e9todo expl\u00edcito deba resolver el modo r\u00e1pido de estabilidad incluso despu\u00e9s de que ese modo haya dejado de ser f\u00edsicamente poco importante.<\/p>\n
Un m\u00e9todo impl\u00edcito adecuado puede pasar por encima de la r\u00e1pida decadencia y seguir la soluci\u00f3n m\u00e1s lenta. Esta es la raz\u00f3n principal por la que se utilizan m\u00e9todos impl\u00edcitos para sistemas de reacci\u00f3n r\u00edgidos, ecuaciones de difusi\u00f3n, circuitos el\u00e9ctricos y modelos multif\u00edsicos estrechamente acoplados.<\/p>\n
Amortiguaci\u00f3n num\u00e9rica<\/h2>\n
La impl\u00edcita no implica autom\u00e1ticamente una fuerte amortiguaci\u00f3n. La amortiguaci\u00f3n se controla por el factor de amplificaci\u00f3n del m\u00e9todo.<\/p>\n
Euler hacia atr\u00e1s suprime fuertemente los modos cuando |\u03bb\u0394t|<\/code> es grande. Esto puede ser deseable cuando esos modos representan una rigidez no resuelta. Puede ser indeseable cuando representan ondas o transitorios que deben medirse.<\/p>\n
Crank-Nicolson introduce un amortiguamiento mucho menos de alta frecuencia. Esto preserva cierto comportamiento oscilatorio, pero tambi\u00e9n puede permitir que permanezcan oscilaciones num\u00e9ricas r\u00edgidas no deseadas.<\/p>\n
La discusi\u00f3n de Flow-3D de m\u00e9todos num\u00e9ricos impl\u00edcitos y expl\u00edcitos<\/a> ilustra c\u00f3mo grandes pasos impl\u00edcitos pueden distorsionar el comportamiento transitorio. El efecto no debe interpretarse como un factor de baja relajaci\u00f3n fijo universal. Su magnitud depende del esquema de integraci\u00f3n, el paso de tiempo, la ecuaci\u00f3n y el solucionador iterativo.<\/p>\n
La baja relajaci\u00f3n es un tema aparte<\/h2>\n
La baja relaxaci\u00f3n se usa a menudo dentro de los solucionadores iterativos no lineales o acoplados:<\/p>\n
u(updated) =\n    u(old)\n    + \u03b1 [\n        u(computed)\n        - u(old)\n      ]<\/code><\/pre>\n
El par\u00e1metro \u03b1<\/code> suele estar entre cero y uno. Los valores m\u00e1s peque\u00f1os pueden estabilizar una soluci\u00f3n iterativa pero ralentizar su convergencia y alterar el transitorio aparente cuando se detienen las iteraciones antes de la convergencia total.<\/p>\n
La relajaci\u00f3n insuficiente no es una propiedad inevitable de todo integrador de tiempo impl\u00edcito. Es una elecci\u00f3n algor\u00edtmica adicional que puede aparecer dentro del proceso de soluci\u00f3n no lineal.<\/p>\n
Restricciones CFL para m\u00e9todos expl\u00edcitos<\/h2>\n
Para una ecuaci\u00f3n de advecci\u00f3n, los m\u00e9todos expl\u00edcitos suelen seguir una condici\u00f3n de Courant:<\/p>\n
\u0394t \u2264 C \u0394x \/ |v|<\/code><\/pre>\n
La constante C<\/code> depende del m\u00e9todo espacial y del integrador de tiempo.<\/p>\n
Para una ecuaci\u00f3n de difusi\u00f3n expl\u00edcitamente integrada, el l\u00edmite suele escalar como:<\/p>\n
\u0394t \u2264 C \u0394x\u00b2 \/ D<\/code><\/pre>\n
Esta dependencia cuadr\u00e1tica puede volverse costosa en mallas finas. La reducci\u00f3n a la mitad del tama\u00f1o de la celda puede requerir aproximadamente cuatro veces m\u00e1s pasos de tiempo para un esquema expl\u00edcito controlado por difusi\u00f3n.<\/p>\n
Estas restricciones no significan que los m\u00e9todos expl\u00edcitos sean inexactos. Definen un rango de estabilidad. En las simulaciones hiperb\u00f3licas, la necesidad f\u00edsica de resolver el recorrido de las ondas ya puede requerir un paso similar al l\u00edmite CFL.<\/p>\n
Costo por paso<\/h2>\n
Los m\u00e9todos expl\u00edcitos generalmente requieren evaluaciones de funciones, c\u00e1lculos de flujo o productos de matriz-vector escasos. Sus pasos son relativamente econ\u00f3micos y, a menudo, se escalan bien en hardware paralelo.<\/p>\n
Los m\u00e9todos impl\u00edcitos pueden requerir:<\/p>\n