Professional Documents
Culture Documents
6
7 1 Escuela Superior Politécnica de Chimborazo
8 Resumen: Runge- Kutta aplica procedimientos explícitos en dos pasos el cual da una alternativa
9 eficiente en los esquemas explícitos de bajo almacenamiento (LSRK) este resuelve ecuaciones de
10 Navier-Stokes. Provienen métodos especiales RSRK donde estos reducen requisitos en comparación
11 con esquemas precedentes de TSRK. Aplican y prueban esquemas de cuarto, quinto y sexto orden.
12 Nuevos esquemas valúan con dos casos, un cilindro 2D y un vórtice Taylor-Green 3D.
13 Estos cotejan estrategias clásicas de discretización del tiempo. Explicando tres configuraciones de
14 Hadware indican que los métodos de TSRK de cuarto orden son 25% rápidos que los esquemas de
15 LSRK.
16 En los métodos de sexto y quinto orden de TSRK experimentan en las pruebas de 3D que comparan
17 con los resultados de algoritmos de LSRK, aquellos resultados enseñan esquemas de quinto y sexto
18 orden de TSRK que son rivalizantes en comparación con métodos LSRK, puesto que en los métodos
19 de segundo orden LSRK son de sistemas diferenciales no lineales.
22 1. Introducción
40 Por otra parte, los códigos para la solución numérica de problemas de valores en la fron-
41 tera de dos puntos pueden manejar problemas generales de una manera bastante rutina-
42 ria y confiable. Cuando se enfrentan a ecuaciones particularmente desafiantes, como
2 of 18
43 problemas de perturbaciones singulares, los códigos más eficientes utilizan una cuadrí-
44 cula altamente no uniforme para resolver las partes no uniformes de la trayectoria de la
45 solución. Sin embargo, si el problema está mal condicionado, los algoritmos de refina-
46 miento de cuadrícula pueden ser ineficientes porque se pueden requerir muchas itera-
47 ciones para alcanzar una malla adecuada sobre la cual calcular la solución, esto de al-
48 guna manera afecta en los resultados que se quieren llegar a obtener de un proceso quí-
49 mico (3)
59 Hay que mencionar, además que según (5)la mayoría de las simulaciones requieren aco-
60 plar las ecuaciones de continuidad para la resolución de problemas aplicados en estas
61 herramientas, inevitablemente requiere resolver la ecuación de Poisson mediante un
62 procedimiento numérico iterativo, que representa la mayor parte de la carga compu-
63 tacional de un marco tan convencional, en tal caso de querer evitar resolver la ecuación
64 de Poisson se proponen varios procedimientos técnicos con un nuevo algoritmo cono-
65 cido como método de compresibilidad artificial (ACM), en el que se considera cierto
66 grado de compresibilidad artificial a pesar de tratarse de un fluido incompresible por
67 ejemplo y esto permite que el método resuelva la evolución temporal de un proceso de
68 iteración.
69 Los métodos lineales generales se han aplicado como generalizaciones naturales de
70 los métodos clásicos de Runge-Kutta y lineales de varios pasos. Hoy en día existen códi-
71 gos altamente eficientes que son basados en métodos Runge-Kutta y métodos lineales de
72 varios pasos (6).
73 (7), explicaron que los métodos de Runge-Kutta basados en la presión requieren la
74 solución de una de una ecuación Poisson que se usa posteriormente para imponer la
75 conservación de la materia. En la mayoría de ocasiones la ecuación de Poisson es una
76 propuesta de alto costo, sobre todo en la informática de alto rendimiento. Cuando es
77 combinado un esquema Runge-Kutta para lograr una alta presión, estos métodos que
78 están basados en la presión requieren una resolución de Poisson en cada etapa interme-
79 dia de RK, por este motivo estos métodos generan costos elevados.
80 (8) desarrollaron nuevas técnicas para lograr la resolución de grandes sistemas li-
81 neales acoplados que surgen de los métodos de Runge-Kutta totalmente implícitos. Al
82 transformar el sistema lineal de ecuaciones resultantes, puede ser obtenido un sistema
83 que representa un menor costo desde punto de vista computacional.
84 (9), propusieron la utilización de métodos implícitos-explícitos de Runge Kutta que
85 disminuyen la variación total para la integración temporal de las ecuaciones de movi-
86 miento asociadas con el problema de la semiconvección en la simulación de la convec-
87 ción estelar.
88 (10), investigaron sobre el uso de elementos finitos RKDG para la simulación de
89 flujo compresible de dos medios con un tratamiento que es conservador de las interfases
90 de material en movimiento. Establecieron que el método Galerkin discontinuo de
91 Runge-Kutta (RKDG) para la resolución de leyes de conservación hiperbólicas es un mé-
92 todo de elementos finitos de alto orden.
93
3 of 18
146 Una simulación se ejecuta para evaluar el impacto de posibles cambios en las reglas
147 de este procedimiento, los resultados se ven reflejados en esta investigación según los
148 análisis de Figueroa (22).
149 Para una simulación de dinámica de fluidos computacional (CFD), las actividades de ve-
150 rificación y validación son útiles para evaluar la exactitud del código, cuantificar la preci-
151 sión numérica de la simulación y determinar la aplicabilidad del modelo matemático se-
152 leccionado. Los diferentes criterios para evaluar la verificación del código son: juicio ex-
153 perto, cuantificación de errores, consistencia/convergencia y orden de precisión (23). De
154 estos, la prueba de orden de precisión es la prueba de aceptación recomendada para la
155 verificación rigurosa del código (23).
156 La prueba de orden de precisión requiere la evaluación del error de discretización en múl-
157 tiples niveles de cuadrícula. Aquí se puede utilizar una técnica llamada Método de Solu-
158 ciones Manufacturadas (MMS) (24),donde una solución se "fabrica" y se utiliza como una
159 solución exacta.
160 En algunos trabajos recientes han acoplado el PBE para un NDF multivariante con las
161 ecuaciones de flujo, incluyendo una segunda coordenada interna como la composición
162 química (25). que puede ser utilizado para verificar los códigos especializados de diná-
163 mica de fluidos computacional (CFD) escritos para resolver numéricamente el PBE que
164 contiene múltiples coordenadas internas y externas4 independientes.
165
166 2. Metodologia
168 En esta sección, nuestra atención se restringe a una clase del método TSRK con u =
169 0 and 𝜃 = 0. Estos métodos toman la forma:
𝒊−𝟏 𝒔
[𝒏] [𝒏]
𝒀𝒊 = 𝒚𝒏−𝟏 + 𝒉 ∑ 𝒂𝒊𝒋 𝐅𝒋 ̅𝒊𝒋 𝐅𝒋 [𝒏−𝟏] , 𝒊 = 𝟏, 𝟐, … , 𝒔,
+ 𝒉∑𝒂
𝒋=𝟏 𝒋=𝟏
[𝒏]
170 𝑭𝒊 = 𝒇(𝒕𝒏−𝟏 + 𝒄𝒊 𝒉, 𝒀𝒋 [𝒏] ), 𝒊 = 𝟏, 𝟐, … , 𝒔,
𝒔 𝒔
[𝒏]
𝒚𝒏 = 𝒚𝒏−𝟏 + 𝒉 ∑ 𝐯𝒋 𝐅𝒋 + 𝒉 ∑ 𝐯̅𝒋 𝐅𝒋 [𝒏−𝟏]
{ 𝒋=𝟏 𝒋=𝟏
171 Con n=1, 2,…,N. Siguiendo la notación adoptada, estos métodos ahora estarán re-
172 presentados por el Butcher tableau:
173 𝒄𝟏 𝟎 ̅𝟏𝟏
𝒂 ̅ 𝟏𝟐
𝒂 ⋯ 𝒂
̅𝟏𝒔
𝒄𝟐 𝟎 ̅𝟐𝟏
𝒂𝟐𝟏 𝒂 ̅ 𝟐𝟐
𝒂 ⋯ 𝒂
̅𝟐𝒔
̅ ⋮ ⋮ ⋱ ⋱ [ ⋮ ]
174 c A 𝑨 = ⋮ ⋱ ⋮
𝐯𝑻 𝐯̅ 𝑻 𝒄𝒔 𝒂𝒔𝟏 ⋯ 𝒂𝒔,𝒔−𝟏 𝟎 ̅𝒔𝟏
𝒂 ̅𝒔𝟏
𝒂 ̅𝒔𝒔
⋯ 𝒂
175 𝐯𝟏 ⋯ 𝐯𝒔−𝟏 𝐯𝒔 𝐯̅𝟏 𝐯̅𝟐 ⋯ 𝐯̅𝒔
1 v 𝑇 𝑐 𝑣−1 v̅ 𝑇 (𝑐 − 𝑒)𝑣−1
178 ̂𝑣 =
𝐶 − − ,
𝑣! (𝑣 − 1)! (𝑣 − 1)!
5 of 18
179 Donde 𝑒 = [1, … ,1]𝑇 ∈ 𝑅 𝑠 , y 𝑐 𝑣 = [𝑐1 𝑣 , … , 𝑐𝑠 𝑣 ]𝑇 Entonces un método TSRK tiene orden de
180 etapa 𝑞 si:
181 𝐶𝑣 = 0, 𝑣 = 1,2, … , 𝑞.
182 Para una clase especial de métodos TSRK, supondremos que el método satisface la rela-
183 ción:
184 ̅ )𝒆 = 𝟎,
𝐶1 = 𝒄 − (𝑨 + 𝑨
187 𝑝 = 1:
188 ̂
𝐶1 = 0;
189 𝑝 = 2:
190 ̂2 = 0;
𝐶
191 𝑝 = 3:
192 ̂3 = 0,
𝐶
193 (v 𝑇 + v̅ 𝑇 )𝐶2 = 0;
194 𝑝 = 4:
195 ̂4 = 0,
𝐶
196 (v 𝑇 + v̅ 𝑇 )𝐶3 − v̅ 𝑇 𝐶2 = 0,
198 (v 𝑇 + v̅ 𝑇 )Γc 𝐶2 − v̅ 𝑇 𝐶2 = 0;
199 𝑝 = 5:
200 ̂5 = 0,
𝐶
208 (v 𝑇 + v̅ 𝑇 )𝐶22 = 0;
211 𝑝 = 6:
225 Para una clase restringida de métodos de orden TSRK p=6 y orden de etapa q=5,
226 que se construirá en este artículo, las condiciones de orden toman una forma simple:
227 ̂𝟎 = 𝟎
𝑪 y 𝑪𝟏 = 𝑪𝟐 = 𝑪𝟑 = 𝑪𝟒 = 𝑪𝟓 = 𝟎.
228 En la tabla 2.1, listamos el número de condiciones de orden #oc, el número de con-
229 diciones de orden de etapa #soc y el número total de condiciones de orden y orden de
230 etapa #total para métodos TSRK con p=4, q=1 o q=3, y s=3, p=5, q=1 o q=4, y s=4, y p= 6,
231 q=1 o q=5, y s=5.
233 El primer paso para analizar un método TSRK con respecto a la ecuación de prueba,
234 es reformularlos como una subclase de GLM. Esta reformulación para la clase especial
235 de métodos TSRK toma la forma0:0
𝑌 [𝑛] [𝑛]
𝑈] [ ℎ𝐹 ]
236 [ [𝑛] ] = [𝐴
𝑦 𝐵 𝑉 𝑦 [𝑛−1]
237 n = 1, 2, ……, N. Aquí, los vectores Y[n] y F[n] e y[n] de aproximaciones internas, están
238 definidos por:
𝑌 [𝑛] 𝐹 [𝑛] 𝑦𝑛
239 𝑌 [𝑛] = [ 1 [𝑛] ], 𝐹 [𝑛] = [ 1[𝑛] ], 𝑦 [𝑛] = [ [𝑛] ]
𝑌𝑠 𝐹𝑠 ℎ𝐹
240 Los GLM tienen el mismo vector de abscisas c que los métodos TSRK, y las matrices
241 de coeficientes A, U, B y V están definidas por:
242
243
244
7 of 18
261
262 Figura 1. Región de estabilidad, región de estabilidad escalada del método TSRK con p = 4, q
263 = 2, s = 3 de [6], y del método de Runge-Kutta con p = s = 4. Fuente: (18)
264
265 4. Ejemplos del método TSRK de orden p=4 con s=3 etapas
266 En esta sección buscaremos métodos TSRK (2.1) de orden p = 4, con s = 3 etapas, y
267 con grandes regiones o intervalos de estabilidad absoluta. Estos métodos están definidos
268 por la tabla de coeficientes:
269
270
271
272
273
274 Un ejemplo del método TSRK de orden p = 4, orden de etapa q = 2 con s = 3 etapas, y con
275 coeficientes racionales simples. Este método está definido por:
8 of 18
276
277
278
279
280
285
286 Figura 2. Región de estabilidad, región de estabilidad escalada del método TSRK con
287 p=4,s=3, obtenido al resolver, y del método de Runge-Kutta con p=s=4. Fuente: (18)
288
289 Figura 3. Región de estabilidad, región de estabilidad escalada del método TSRK con p=4,
290 s=3, obtenido al resolver, y del método de Runge-Kutta con p=s=4. Fuente: (18).
291
293
295 Luego buscamos métodos de orden TSRK p=4 y orden de etapas q=3, con s=3. Estos mé-
296 todos satisfacen las condiciones de orden y orden de etapa.
297
298 Figura 4.Región de estabilidad, región de estabilidad escalada del método TSRK con p=4,
299 q=3, s=3 y del método de Runge-Kutta con p=s=4. Fuente: (18)
300
301 Figura 5. Región de estabilidad, región de estabilidad escalada del método TSRK con p=4,
302 q=3, s=3 y del método de Runge-Kutta con p=s=4. Fuente: (18)f
303
304
305 Resolviendo el problema de minimización con las restricciones anteriores y las mis-
306 mas restricciones sobre el vector de abscisas c que antes, obtenemos el método con coefi-
307 cientes:
10 of 18
308
310 Resolviendo el problema de minimización con las mismas restricciones que antes
311 conduce al método TSRK con coeficientes:
312
316 Este caso de prueba clásico se utiliza para medir las velocidades obtenidas con los méto-
317 dos TSRK y LSRK. El tamaño de dominio considerado es de −4 ≤ x ≤ 20, −8 ≤ y ≤ 8, con
318 las incógnitas libres de cambiar en ymin, ymax, flujo de entrada uniforme prescrito y
319 características prescritas en el flujo de salida. Los detalles sobre los parámetros físicos y
320 el sistema de red utilizado están disponibles en [12]. Se utilizaron cuatro esquemas para
321 la integración temporal: a) un esquema LSRK de 4 etapas (LSRK4), b) un esquema TSRK
322 de cuarto orden presentado en [12] (TSRK4), c) el nuevo esquema TSRK de cuarto orden
323 obtenido al resolver (3.2) (TSRK413A), y d) el método TSRK de cuarto orden obtenido al
324 resolver el problema de minimización (3.3) (TSRK413I). La discretización espacial es de
325 cuarto orden y el cilindro se resuelve utilizando condiciones de contorno sumergidas. Se
326 colocaron varios puntos del historial de tiempo de la estación en el flujo y se registraron
327 los resultados. Las Figs. 9.1–9.2 muestran los valores para las velocidades x e y en dos
328 Posiciones:
331 Los valores de velocidad obtenidos son similares a los resultados presentados en [1]. No
332 se puede observar ninguna diferencia notable en las velocidades x e y entre los métodos
333 LSRK y TSRK utilizando diferentes números de Courant. El mayor número de Courant
334 encontrado es Cmax = 0.50, Cmax = 0.85, Cmax = 0.75 y Cmax = 0.86 para los métodos
11 of 18
335 LSRK4, TSRK4, TSRK413A y TSRK413I respectivamente. Tenga en cuenta que TSRK4 y
336 TSRK413A permiten números de Courant un 70% más altos en comparación con el
337 LSRK4. Las simulaciones se realizaron en 8 núcleos utilizando OpenMP y los tiempos
338 totales de cálculo se resumen en la Tabla 9.1. La aceleración obtenida utilizando el nuevo
339 método TSRK de cuarto orden TSRK2 en comparación con un esquema LSRK de cuarto
340 orden en el número máximo permitido de Courant es de aproximadamente el 50%.
342 El vórtice verde de Taylor (TGV) en Re = 1600 es un punto de referencia clásico que
343 ejemplifica cómo una condición de flujo inicial simple causa una desintegración total-
344 mente isotrópica a un estado turbulento en el tiempo. Este caso se ha utilizado repetida-
345 mente como validación para esquemas de alto orden, véase, por ejemplo, [13,7,2,3]. Ade-
346 más, el TGV ha sido estudiado previamente por los autores en [12](ver para detalles de
347 configuración) utilizando métodos TSRK. El objetivo de esta sección es evaluar los nue-
348 vos esquemas TSRK desarrollados en este artículo y compararlos con algoritmos TSRK
349 anteriores. Las simulaciones se realizaron con discretizaciones espaciales y temporales
350 de 4º orden utilizando esquemas LSRK y TSRK. Los resultados esperados a medida que
351 avanza el tiempo consisten en una serie de procesos físicos clave en la turbulencia: roll-
352 up de vórtice, estiramiento e interacción de vórtice, y finalmente total disipación de la
353 energía en el fluido que conduce a un estado estacionario.
354
355
𝑡𝑒𝑥𝑒
368 t = ,
𝑡𝑠𝑖𝑚
369 donde texe representa el tiempo de ejecución y tsim representa el tiempo de simulación.
370 Las simulaciones en las mallas gruesas y medianas se llevaron a cabo en una CPU In-
371 tel(R) Xeon(R) Silver 4208 con 16 núcleos. El esquema TSRK de cuarto orden es aproxi-
372 madamente un 30% más rápido que el LSRK de cuarto orden regular en esta configura-
373 ción de hardware. Las simulaciones para un caso de prueba similar se llevaron a cabo en
374 un Intel Xeon E5-2698v4 Broadwell con 512 núcleos. La Tabla 9.3 presenta el tiempo para
375 la malla media y fina. Para este caso de prueba, los esquemas TSRK son aproximada-
376 mente un 25% más rápidos que el método LSRK.
377 Los esfuerzos de programación recientes permiten que FDFLO se ejecute en GPU. El
378 código ha sido portado a un dispositivo GPU utilizando el estándar OpenACC incluido
379 en el compilador PGI Fortran. La GPU utilizada en todas las simulaciones es una NVI-
380 DIA V100 con una memoria de 32GB. Tres mallas con tamaños 1003, 2003 y 3003 se utili-
381 zan para fines de prueba con discretización temporal y espacial de cuarto orden. En la
382 Tabla 9.4 se presentan varios tiempos obtenidos con los esquemas LSRK y TSRK. El algo-
383 ritmo TSRK413I exhibe el mejor rendimiento entre los métodos probados y es aproxima-
384 damente un 20% más rápido que la versión LSRK implementada en el código.
385
13 of 18
386
389
390 Tabla 2. Tiempos de ejecución para el cilindro 2D. LSRK4 = Método RK de bajo almace-
391 namiento, TSRK4 = RK de dos pasos descrito en [12]. TSRK413A y TSRK413I son los re-
392 gímenes definidos en la sección 4. Fuente: (6).
14 of 18
393
394 Figura 8. Vórtice verde de Taylor: Tasas de disipación de energía cinética (tke) y vortici-
395 dad (vor) utilizando esquemas LSRK4, TSRK4 y TSRK413I en una malla con 1003 no-
396 dos. FR-SD-63X4 es una solución p3 que utiliza el método FR-SD en una malla 643.
397 Fuente: (7)
398
399
400
15 of 18
401
402 Además, cuatro esquemas TSRK de quinto orden obtenidos en la Sección 5 se implemen-
403 taron y probaron en FDFLO. Se utilizaron dos rejillas de tamaño 1003 y 2003 para fines
404 de prueba. El objetivo de estas pruebas es evaluar la estabilidad de los métodos y esti-
405 mar las posibles ganancias en los tiempos de ejecución. El rendimiento de estos esque-
406 mas se compara con un esquema LSRK de quinto orden.
407
408 Figura 9.Vórtice verde de Taylor: Tasas de disipación de energía cinética (tke) y vortici-
409 dad (vor) utilizando esquemas LSRK5, TSRK514A, TSRK514I, TSRK544A, TSRK544I en
410 una malla con 1003 nodos. Fuente: (7).
411
412
416 soluciones similares en ambos casos. Esto se puede apreciar en la Fig. 9.4. La Tabla 9.5
417 muestra el número máximo de Courant para cada método, donde el método TSRK544I
418 alcanza el número de Courant más alto permitido Cmax = 0.49. El método TSRK544I ex-
419 hibe el mejor rendimiento entre todos los esquemas de quinto orden, con una acelera-
420 ción del 10% en comparación con el método LSRK5. Finalmente, el caso de prueba TGV
421 se resuelve con los métodos TSRK de sexto orden desarrollados en la Sección 6 y con una
422 discretización espacial de sexto orden. Además, los resultados y los tiempos se compa-
423 ran con un LSRK de orden seis (LSRK6) y el esquema RK "Luther" de sexto orden intro-
424 ducido anteriormente. El esquema TSRK655I ofrece un rendimiento que es un 35% más
425 rápido que el esquema RK67, sin embargo, sigue siendo más lento que el algoritmo
426 LSRK6. Fig. 5 y Tabla 2 resumir los resultados y tiempos obtenidos con los distintos mé-
427 todos.
428
429
430
431
432
433
434
435
436 Figura 10. Vórtice verde de Taylor: Tasas de disipación de energía cinética (tke) y vorti-
437 cidad (vor) utilizando esquemas RK67, LSRK6, TSRK655A, TSRK655I en una malla con
438 1003 nodos. Fuente: (7).
439 4. Conclusión
440 En el presente artículo, se definió una clase especial de métodos TSRK con demandas
441 reducidas de almacenamiento y computación (las variables u y θ se establecen en cero).
442 Las principales ventajas de los esquemas TSRK recientemente desarrollados sobre los
443 métodos TSRK anteriores son: a) reducción de los requisitos de almacenamiento, b) me-
444 nor cantidad de operaciones aritméticas y, c) simplificación de la implementación numé-
445 rica. En [12], se ha demostrado que los métodos explícitos de Runge-Kutta de dos pasos
446 son una alternativa eficiente a los esquemas tradicionales explícitos de Runge-Kutta para
447 resolver las ecuaciones de Navier-Stokes. Los métodos TSRK exhiben regiones e interva-
448 los más grandes de estabilidad absoluta (es decir, permitiendo el uso de tamaños escalo-
449 nados más grandes) en comparación con los métodos tradicionales de Runge-Kutta de
450 los mismos órdenes. Los nuevos métodos se prueban con dos casos de prueba comunes,
451 un cilindro 2D y un vórtice Taylor-Green 3D, y se comparan con las estrategias clásicas
452 de discretización del tiempo.
453 Los tiempos obtenidos en varias configuraciones de hardware (CPU y GPU) muestran
454 que el método TSRK413I exhibe el mejor rendimiento sobre todos los métodos de cuarto
455 orden. El método TSRK413I es al menos un 25% más rápido para dos configuraciones de
456 CPU y un 20% más rápido para simulaciones realizadas en una GPU, en comparación
457 con los métodos LSRK comúnmente utilizados. Además, los métodos TSRK de quinto y
458 sexto orden se desarrollan aplicando los mismos criterios de diseño que los esquemas
17 of 18
459 TSRK de orden cuatro. El esquema TSRK544I muestra resultados prometedores en com-
460 paración con el método LSRK de quinto orden ya implementado en FDFLO. Los dos
461 métodos de sexto orden obtenidos en la Sección 6 presentan una reducción del 20-30%
462 en los tiempos de ejecución en comparación con el esquema de sexto orden desarrollado
463 por Luther, sin embargo, todavía son un 60% más lentos que el método LSRK6. Las prin-
464 cipales razones por las que el método LSRK de sexto orden es más rápido que el
465 TSRK544A y TSRK544I se deben al mayor número de Courant permitido y al número
466 bajo de FLOPs. Es importante tener en cuenta que los métodos LSRK son solo de se-
467 gundo orden para los ODE no lineales, mientras que los métodos TSRK mantienen el
468 orden para los ODE no lineales.
469
470 References
471 1. Verner JH. Starting methods for two-step Runge-Kutta methods of stage-order 3 and order 6. J Comput Appl Math.
472 2006;185(2):292-307.
473 2. Simos TE, Tsitouras C. On high order Runge–Kutta–Nyström pairs. J Comput Appl Math [Internet]. 2022;400:113753.
474 Disponible en: https://doi.org/10.1016/j.cam.2021.113753
475 3. Cash JR, Mazzia F, Sumarti N, Trigiante D. The role of conditioning in mesh selection algorithms for first order systems of
476 linear two point boundary value problems. J Comput Appl Math. 2006;185(2):212-24.
477 4. Enright WH. Verifying approximate solutions to differential equations. J Comput Appl Math. 2006;185(2):203-11.
478 5. Nagata K, Ikegaya N, Tanimoto J. Consideration of artificial compressibility for explicit computational fluid dynamics
479 simulation. J Comput Phys [Internet]. 2021;443:110524. Disponible en: https://doi.org/10.1016/j.jcp.2021.110524
480 6. Butcher J. General linear methods for ordinary differential equations. Math Comput Simul. 2009;79(6):1834-45.
481 7. Karam M, Sutherland JC, Saad T. Low-cost Runge-Kutta integrators for incompressible flow simulations. J Comput Phys
482 [Internet]. 2021;443:110518. Disponible en: https://doi.org/10.1016/j.jcp.2021.110518
483 8. Pazner W, Persson PO. Stage-parallel fully implicit Runge–Kutta solvers for discontinuous Galerkin fluid simulations. J
484 Comput Phys [Internet]. 2017;335(January):700-17. Disponible en: http://dx.doi.org/10.1016/j.jcp.2017.01.050
485 9. Kupka F, Happenhofer N, Higueras I, Koch O. Total-variation-diminishing implicit-explicit Runge-Kutta methods for the
486 simulation of double-diffusive convection in astrophysics. J Comput Phys [Internet]. 2012;231(9):3561-86. Disponible en:
487 http://dx.doi.org/10.1016/j.jcp.2011.12.031
488 10. Qiu J, Liu T, Khoo BC. Runge-Kutta discontinuous Galerkin methods for compressible two-medium flow simulations: One-
489 dimensional case. J Comput Phys. 2007;222(1):353-73.
490 11. Ren T, Hu J, Xiong T, Qiu JM. Runge-Kutta central discontinuous Galerkin BGK method for the Navier-Stokes equations. J
491 Comput Phys [Internet]. 2014;274:592-610. Disponible en: http://dx.doi.org/10.1016/j.jcp.2014.06.045
492 12. Vuorinen V, Keskinen JP, Duwig C, Boersma BJ. On the implementation of low-dissipative Runge-Kutta projection methods
493 for time dependent flows using OpenFOAM®. Comput Fluids [Internet]. 2014;93:153-63. Disponible en:
494 http://dx.doi.org/10.1016/j.compfluid.2014.01.026
495 13. García-Herrera CM, Celentano DJ, Cruchaga MA, Loewe C. Thermomechanical simulation of an industrial quenching
496 process applied to a centrifugal pump impeller. Rev Int Metod Numer para Calc y Disen en Ing [Internet]. 2015;31(3):182-7.
497 Disponible en: http://dx.doi.org/10.1016/j.rimni.2014.06.002
498 14. Martín-Vaquero J, Kleefeld A. ESERK5: A fifth-order extrapolated stabilized explicit Runge–Kutta method. J Comput Appl
499 Math. 2019;356:22-36.
500 15. Staia MH, Kossman S, Contreras V, Chicot D, Iost A, Van Gorp A. Recubrimientos nanoestructurados de circoniaestabilizada
501 con itria (YSZ) depositados mediantetermorrociado por plasma por suspensión. Bol la Soc Esp Ceram y Vidr [Internet].
18 of 18