2-.

FUNDAMENTOS MATEMTICOS

2.1-SISTEMAS DE ECUACIONES LINEALES.

Un sistema de ecuaciones lineales se puede representar de la siguiente forma

a11 x1 a12 x 2 a12 x3 ... a1n x n b1

a x a 22 x 2 a 23 x3 ... a 2 n x n b
21 1 2
a31 x1 a 32 x 2 a 33 x3 ... a3n x n b3 ...................................................... (2.1)

. . . . . .
a n1 x1 an2 x2 a n 3 x3 .... a nn x n bn

En la literatura este sistema de ecuaciones tambin se representa en forma

matricial por

AX b o por A X b ................................................................................. (2.2)

Donde A ( A ) es la matriz de los coeficientes, X es el vector de las variables o

incgnitas y b es el vector de los trminos independientes.

El sistema de ecuaciones tiene solucin si A es una matriz no singular, o sea si su

determinante es diferente de cero.

Los mtodos de solucin para un sistema de ecuaciones lineales pueden ser

mtodos directos o de ensayo y error. Entre los mtodos directos, tambin
conocidos como de eliminacin, se tienen: Mtodo de Cramer, Mtodo de
eliminacin de Gauss y de Jordan - Gauss.

2.2-Mtodos para Resolver Sistemas de Ecuaciones Utilizando Matrices

(Mtodos Directos).
69
1-. Regla de Cramer.

La regla de Cramer dice que cada uno de los valores de las incgnitas de un
sistema de ecuaciones se puede obtener de la siguiente manera:

DetA1 A1
x1 .................................................................................
Det A A

A2
x2 ...............................................................................................
A

Ai
xi ............................................................................................... (2.3)
A

donde A es la matriz de los coeficientes del sistema de ecuaciones y A i es la matriz

de los coeficientes en la cual se ha cambiado la columna i por el vector de los
trminos independientes del mismo sistema de ecuaciones.
a11 a12 ... ... a1n
a 21 a 22 ... ... a2n
A= ... .... ... ... ... .................................................................
... ... ... ... ...
a n1 an2 ... ... a nn

b1 a12 ... ... a1n

b2 a 22 ... ... a2n
A1 ... ... ... ... ...
... ... ... ... ...
bn an2 ... ... a nn

a11 ... b1 ... a1n

a 21 ... b2 ... a2n
Ai ... ... ... ... ... ................................................................ (2.4)
... ... ... ... ...
a n1 ... bn ... a nn

70
El mtodo de Cramer se aplica cuando el sistema de ecuaciones es pequeo,
pocas ecuaciones e incgnitas, y como se puede ver el sistema de ecuaciones no
tendr solucin si el determinante de la matriz de los coeficientes es nulo.

2-. Mtodo de Eliminacin de Gauss.

Este mtodo se basa en operaciones que se realizan sobre el sistema original de

ecuaciones, basados en las siguientes propiedades de un sistema de ecuaciones
lineales:
Las ecuaciones se pueden ordenar arbitrariamente
El sistema de ecuaciones no cambia si una o varias de las ecuaciones se
multiplica por un escalar.
El sistema de ecuaciones no cambia si una o varias de las ecuaciones se
reemplazan por la suma de varias de las ecuaciones originales

Se toma la matriz aumentada (la matriz formada por los coeficientes y el vector de
los trminos independientes) que se representa por A.b y por medio de
operaciones elementales en esta matriz se llega a una matriz U b' donde U es
una matriz triangular superior o sea que los elementos de por debajo de la
diagonal principal son nulos y b es el vector de los trminos independientes
transformado por las operaciones fundamentales realizadas sobre la matriz A.b .

1 x x ... x
0 1 x ... x

U 0 0 1 ... x

. . . . x
0 0 0 ... 1

El procedimiento con este mtodo es el siguiente:

Sea un sistema de ecuaciones cuya matriz aumentada es

71
 a11 a12 .... .... .... a1n b1
a 21 a 22 a 2n b2
... ... ... ... ... ... ...
Ab
... ... ... ... ... ... ...
... .... ... ... ... ... ...
a n1 an 2 ... ... ... a nn bn

i-. Se eliminan los elementos a i ,1 desde i=2 hasta n de la siguiente manera:

Se reordenan las filas de la matriz de tal manera que en la fila 1 se tenga una
ecuacin cuyo primer coeficiente sea 1. Si esto no es posible se divide la primera
fila por a11 quedando la matriz de la siguiente forma

1 a12 / a11 .... .... .... a1n / a11 b1 / a11

a 21 a 22 a2n b2
... ... ... ... ... ... ...
Ab ' ..................................... (2.5)
... ... ... ... ... ... ...
... .... ... ... ... ... ...
a n1 an2 ... ... ... a nn bn

A la fila 2 se le resta la nueva fila 1 multiplicada por el coeficiente a 21; a la fila 3 se

le resta la nueva fila 1 multiplicada por el coeficiente a 13, y as sucesivamente
hasta la fila n a la cual se le restar la nueva fila 1 multiplicada por a 1n.

La nueva matriz ser entonces

'
1 a12 .... .... .... 1' n b1'
'
0 a 22 ... ... ... a 2' n b2'
'
0 a32 ... ... ... a 3' n b3'
Ab (1) .............................................. (2.6)
... ... ... ... ... ... ...
... .... ... ... ... ... ...
0 a n' 2 ... ... ... '
a nn bn'

donde a1 j a1 j / a11 , b1' b1 / a11 , aij aij a1 j ai1 y bi bi b1 ai1 , i 1 j 1

' ' ' ' '

72
 '
ii-. Se eliminan los elementos a i 2 desde i=3 hasta n de la matriz Ab (1) de la
siguiente manera:

Se divide la fila 2 por el elemento a 122 , o se reorganizan las filas de la matriz

Ab (1) de la fila 2 en adelante, de tal forma que en la fila 2 quede una fila donde el
1
elemento a i 2 sea 1. En este caso la matriz aumentada queda as:

'
1 a12 .... .... .... 1' n b1'
' '
0 1 a 23 / a 22 ... ... ... a 2' n / a 22
'
b2' / a 22
'

'
' 0 a32 ... ... ... a 3' n b3'
Ab (1)
... ... ... ... ... ... ...
... .... ... ... ... ... ...
0 a n' 2 ... ... ... '
a nn bn'

'
Se eliminan los elementos a i 2 desde i=3 hasta n de la matrz Ab (1) , restando a
cada fila de la matriz anterior desde i=3 hasta n la fila 2 de la misma matriz
'
anterior multiplicada por a i 2 . Al recorrer todas las filas desde I=3 hasta n la nueva
matriz quedar as:

1
1 a12 .... .... .... 11n b1'
2
0 1 a 23 ... ... ... a 22n b22
2
0 0 .a 33 .. ... ... a 32n b32
Ab ( 2 ) ................................................. (2.7)
... ... ... ... ... ... ...
... .... ... ... ... ... ...
2 2
0 0 .a ..
n3 ... ... a nn bn2

donde a 2 j a 2 j / a 22 , b22 b21 / a 122 y aij aij ai 2 * a 2 j y bi bi a12 * b2 para i=3 hasta
2 1 1 2 1 1 2 2 1 1 2

n y j=3 hasta n.

73
 2
iii-. Se eliminan los elementos a i 3 desde i=4 hasta n en la matriz Ab ( 2 ) siguiendo

dos pasos similares a los seguidos para eliminar los elementos a i1 de la fila 2
1
hasta la fila n en la matriz Ab y los elementos a i 2 de la matriz Ab (1) de la fila 3
hasta la fila n. En este caso la matriz que resulta es

1
1 a12 .... .... .... 11n b1'
2
0 1 a 23 ... ... ... a 22n b22
3
0 0 .1.. a34 ... ... a 33n b33
Ab ( 3)

... ... ... ... ... ... ...
... .... ... ... ... ... ...
3 3
0 0 .0.. a ...
n4 ... a nn bn3

(2.8)

Donde a3 j a3 j / a33 , b3 b3 / a33 y aij aij ai 3 * a3 j y bi bi ai 3 * b3 para i=4 hasta

3 2 2 3 2 2 3 2 2 3 3 2 2 3

n y j=4 hasta n

iv-. El proceso continua con las filas 4 hasta la n, repitiendo en cada caso los dos
pasos que se indicaron en los numerales i iii. Al terminar el proceso con la fila n
se tendr finalmente la siguiente matriz

1
1 a12 .... .... .... 11n b1'
2
0 1 a 23 ... ... ... a 22n b22
3
0 0 .1.. a34 ... ... a 33n b33
Ab ( n ) ...................... (2.9)
... ... ... ... ... ... ...
0 0 0 0 1 a nn11, n .. .bnn11 ..
0 0 .0.. o... ... 1 bnn

v-. El sistema de ecuaciones original se ha transformado entonces en

74
 1 1
a12 .... .... .... 11n x1 b11
0 1 2
a 23 ... ... ... a 22n x2 b22
0 0 .1.. 3
a ... ... a 3
x3 b33
34 3n
* .............. (2.10)
... ... ... ... ... ... ... ...
0 0 0 0 1 a nn11, n .. x n 1 bnn11
0 0 .0.. o... ... 1 xn bnn

O sea que de acuerdo con las operaciones entre matrices se puede establecer:

x n bnn ............................................................................................................ (2.11)

x n 1 bnn11 a nn11, n * x n

x n 2 bnn22 a nn22,n 1 * x n 1 a nn22,n * x n

n
xi bii a
j i 1
i
ij x j i n 1,1 ............................... (2.12)

La siguiente es una propuesta de cdigo para programar la solucin de un sistema

de ecuaciones por el mtodo de eliminacin de Gauss:

DIMENSION S(30,31), X(30)

C S ES LA MATRIZ AUMENTADA Y X ES EL VECTOR DE LAS INCGNITAS
10 READ (8,20) N
20 FORMAT (xx,xx)
C
C
C
NP1=N+1
READ (8,50) ((S(I,J), J=1, NP1)i=1,N)
50 FORMAT (xx,xx)
DO 70 I=1,N
IF S(I,I) .NE.0 THEN 55
ELSE

75
 DO L=I+1,N
IF S(L,I).NE.0 THEN
DO J=1,N
SS(I,J)=S(I,J)
S(I,J)=S(L,J)
S(L,J)=SS(I,J)
END DO
ELSE
END DO
END IF
END IF
55 SII=S(I,I)
DO J=1, NP1
S(I,J)=S(I,J)/SII
END DO
DO 70 K=I+1, N
SKI=S(K,I)
IF (SKI.EQ.0) THEN GO TO 70
DO 70 L=I+1, NP1
70 S(K,L)=S(K,L)-SKI*S(I,L)
X(N)=S(N,NP1)
DO I=1,N-1
X(N-I)=S(N-I,NP1)
DO L=N-I+1,N
X(N-I)=X(N-I)-S(N-I,L)*X(L)
END DO
END DO
WRITE (xx,xx) (X(I), I=1,N)
Xx FORMAT ( )
END.

76
Un caso especial de eliminacin de Gauss se presenta cuando la matriz de los
coeficientes es una matriz tridiagonal en la cual solo los elementos que estn en la
diagonal principal y en las diagonales a la derecha e izquierda de esta son
diferentes de cero, todos los dems son cero. En este tipo de sistema de
ecuaciones el proceso de eliminacin de Gauss es bastante sencillo en cuanto a
los clculos que hay que realizar pues el proceso de eliminacin que hay que
hacer con cada fila restndola de las dems filas siguientes, solo se realiza con la
fila inmediatamente siguiente ya que en las dems filas el elemento a eliminar en
el paso correspondiente es cero Una matriz de este tipo es comn en algunos
mtodos que se aplican para resolver un simulador. Este sistema de ecuaciones
se puede representar matricialmente de la siguiente manera:

b1 c1 0 0 0 x1 d1
a2 b2 c2 0 0 x2 d2
a3 b3 c3 x 3 d 3 ........................................................... (2.13)
... ... ... ... ... ... ...
0 0 ... an bn x n dn

O sea que la matriz aumentada es

b1 c1 d1
a2 b2 c2 d2
0 a3 b3 c3 ... d3
... ... ... ... ... ...
... ... ... an bn dn

Al aplicar el primer paso la matriz se transforma en

1 1 1
b2 a 2 1
0 c2 d 2 a2 1
0 a3 b3 c3 ... d3 ............................................... (2.14)
... ... ... ... ... ...
... ... ... an bn dn

77
donde 1 c1 / b1 y 1 d1 / b1 .

Al aplicar el segundo paso la nueva matriz es

1 1 1
0 1 2 2
0 0 b3 a3 2 c3 ... d 3 a 3 2 ............................................... (2.15)
... ... ... ... ... ...
... ... ... an bn dn

c2 d 2 a 2 1
donde 2 y 2
b2 a 2 1 b2 a 2 1

Cuando se aplique el paso i la matriz resultante ser

1 1 1
0 1 2 2
... ... .... ... ... ... ................................................................ (2.16)
0 0 0 1 i i
... ... ... an bn dn

ci d i ai i 1
donde i y i
bi ai i 1 bi ai i 1

y al terminar el paso n la matriz final es

1 1 1
0 1 2 2
... ... .... ... ... ... ................................................................ (2.17)
0 0 0 1 i i
... ... ... 0 1 n

78
 d n a n n 1
Donde n
bn a n n 1

Entonces el sistema de ecuaciones original se ha transformado en:

1 1 ... ... ... x1 1

0 1 2 ... ... x2 2
0 0 1 3 ... * x3 3 ........................................ (2.18)
... ... ... ... ... ... ...
0 0 ... 0 1 xn n

Y de acuerdo con la definicin de la multiplicacin de matrices se puede

establecer:

x n n .................................................................................................. (2.19)
x n 1 n 1 n 1 * x n

y en general

xi i i * xi 1 , i n 1,1 ................................................................. (2.20)

Este caso particular del mtodo de gauss para este tipo de matriz tridiagonal, se
conoce como el algoritmo de Thomas y se puede resumir en los siguientes pasos:

i-. Para cada ecuacin i llame b i el coeficiente de la incgnita i, a i el coeficiente de

la incgnita i-1 y ci el coeficiente de la incgnita i+1.
ii-. Para i=1 haga
c1 d1
1 y 1 ................................................................................ (2.21)
b1 b1

Y para i=2 hasta n, haga secuencialmente:

79
 ci d i ai i 1
i y i .......................................................... (2.22)
bi ai i 1 bi ai i 1

iii-. Para i=n haga

x n n .................................................................................................. (2.23)

Y para i=n-1 hasta 1, haga secuencialmente

xi i i * xi 1 , i n 1,1 ................................................................. (2.24)

Obsrvese que en el paso ii, se calcula primero 1 y 1, luego 2 y 2, luego 3 y 3

y as sucesivamente hasta llegar a n y n, y en el paso iii-. se calcula primero x n,
luego xn-1 y as sucesivamente hasta llegar a x1.

3-. Mtodo de Jordan Gauss.

El mtodo de Jordan Gauss es un proceso de eliminacin en dos etapas con el

fin de convertir la matriz de los coeficientes en la matriz I; la primera etapa es la
eliminacin de Gauss o sea es una eliminacin hacia delante donde se van
eliminando gradualmente en cada paso i, desde la ecuacin i+1 hasta la ecuacin
n la variable i; con este proceso se tiene al final la matriz de los coeficientes
transformada en la matriz triangular superior con todos los elementos de la
diagonal principal iguales a 1, dada por la ecuacin (2.9); la segunda etapa es un
proceso de eliminacin hacia atrs donde partiendo de la matriz triangular del final
de la primera etapa en cada paso i se elimina la incgnita x n-i+1 de la ecuacin (n-i)
hasta la ecuacin (1). Los pasos de la segunda etapa seran entonces los
siguientes:

Paso 1

80
Tomando la matriz final de la primera etapa de eliminacin a cada fila i desde i=(n-
i
1) hasta 1, se le resta la fila n multiplicada por a i , n ; o sea que al final de este paso

la matriz se convierte en la matriz Ab n ,1 representada por la ecuacin (2.25) en la

cual los bii ,1 estn dados por bii ,1 bii aii,n * bnn y

aii,,1j a ii, j i n 1,1 j n 1,1

1,1
1 a12 .... .... .... 0 b1',1
2 ,1
0 1 a 23 ... ... ... 0 b22,1
3,1
0 0 .1.. a34 ... ... 0 b33,1
Ab ( n ,1) .................................. (2.25)
... ... ... ... ... ... ...
0 0 0 0 1 0.. .bnn11,1 ..
0 0 .0.. o... ... 1 bnn

Paso 2.
Partiendo de la matriz Ab n ,1 , dada por la ecuacin (2.25) se procede a eliminar
desde la fila n-2 hasta la fila 1, la incgnita x n-1 restando a cada fila i la fila (n-1)
i
multiplicada por a i , n 1 ; o sea que al final la matriz se convierte en la ecuacin
(2.26)

1
1 a12 .... .... 0 0 b1'1, 2
2
0 1 a 23 ... ... 0 0 b22, 2
3
0 0 .1.. a34 ... 0 0 b33, 2
Ab ( n , 2 ) ..................................... (2.26)
... ... ... ... 0 ... ...
0 0 0 0 1 0.. .bnn11,1 ..
0 0 .0.. o... ... 1 bnn

n 1,1
donde bi bi ai ,n 1 * bn 1 para i= (n-2) hasta 1.
i,2 i ,1 i

Paso j
81
Partiendo de la matriz Ab n ,i 1 se procede a eliminar desde la fila (n-i) hasta la fila
i
1, la incgnita xn-i+1 restando a cada fila la fila (n-i+1) multiplicada por a i , n j 1 ; o
sea que al final la matriz se convierte en

1
1 a12 .... .... 0 0 b1'1, 2
0 1 .......a nn jj22, j 1 ... ... 0 0 b22 , 2
0 0 .1.. 0... 0 0 .bnn jj11, j ....
Ab ( n ,i )
............... (2.27)
... ... ... 1... 0 ... ...
0 0 0 0 1 0.. .bnn11,1 ..
0 0 .0.. 0... ... 1 bnn

i , j 1
donde bi bi
i, j
a ii,i 1 * bnn1j ,11 para i= (n-2) hasta 1.

4-. Mtodo de la Matriz Inversa.

Requiere obtener la inversa de la matriz de los coeficientes.

La expresin matricial para un sistema de ecuaciones es la ecuacin (2.2)

AX b (2.2)

la cual por la definicin de inversa de la matriz A se puede transformar en

A 1 A X A 1 b X

(2.3)

De acuerdo con la ecuacin (2.3) y la definicin de multiplicacin de matrices se

puede establecer:

a
s 1
1
i,s * bs x i (2.4)

82
Con la ecuacin (2.4) y una vez obtenida la inversa de la matriz de los coeficientes
se pude obtener el valor de cada una de las incgnitas x i desde I=1 hasta n.

5-. Mtodo de Factorizacin de la Matriz de Coeficientes.

Este mtodo consiste en factorizar la matriz de los coeficientes A en dos matrices

L y U, tal que L sea una matriz triangular inferior y la matriz U es una matriz
triangular superior con todos los elementos de la diagonal principal iguales a uno.

El sistema de ecuaciones a resolver, como ya vimos, se puede representar

matricialmente por

AX b o por A X b ................................................................................. (2.2)

y por tanto al factorizar la matriz de los coeficientes se tendr

LU X b

y aplicando la ley asociativa del producto de matrices se tiene

L * U * X b

Definamos ahora el siguiente vector

U * X G ........................................................................................................ (2.27)

o sea que

L * G b ......................................................................................................... (2.28)

83
De acuerdo con la definicin del producto de matrices

n
ai , j l i , s * u s , j ............................................................................................. (2.29)
s 1

y la sumatoria de la ecuacin (2.29) se puede descomponer en

j 1 n
ai , j li , s * u s , j l i , j u j , j l i,s u s, j
s 1 s j 1

Recordando la definicin de la matriz U se tiene que U j,j=1 y que Us,j=0 para todo
s>j , de la ecuacin anterior se tiene

j 1
l i , j ai , j l i , s u s , j ........................................................................................ (2.30)
s 1

Por otra parte, la sumatoria de la ecuacin (2.29) tambin se puede expresar

como

i 1 n
a i , j l i , s * u s , j l i ,i u i , j l i,s u s, j
s 1 s i 1

Recordando la definicin de la matriz L se tiene que los l i,s=0 para todo s>i y por
tanto

1 i 1

ui, j * ai , j li , s u s , j .............................................................................. (2.31)
l i ,i s 1

Las ecuaciones (2.30) y (2.31) permiten calcular los elementos de las matrices U y
L de la siguiente manera:

84
 Se calculan los elementos de la primera columna (j=1) de la matriz L
usando la ecuacin (2.30), en este caso la sumatoria vale cero. Luego se
pasa a calcular los elementos de la primera fila (i=1) de la matriz U usando
la ecuacin (2.31), en este caso la sumatoria vale cero.

Se pasa luego a calcular los elementos de la segunda columna de la matriz

L, usando la ecuacin (2.30), en este caso la sumatoria se puede calcular
porque posee un elemento que est dado por elementos de la columna 1
de la matriz L y de la fila 1 de la matriz U, ya calculados. Se pasa luego a
calcular los elementos de la fila 2 de la matriz U usando la ecuacin (2.31),
en este caso la sumatoria se puede calcular y posee un elemento dado por
elementos de las columnas 1 de la matriz L y elementos de la fila 1 de la
matriz U, ya calculados.

Se procede o a calcular los elementos de la columna 3 de la matriz L y

luego los de la fila 3 de la matriz U usando las ecuaciones (2.30) y (2.31)
respectivamente, y as se continua en cada paso i calculando los elementos
de la columna i de la matriz L y luego los elementos de la fila i de la matriz
U hasta llegar a calcular los elementos de la columna n de la matriz L y los
elementos de la fila n de la matriz U.

Una vez obtenidas las matrices L y U se procede a obtener el vector G de la

siguiente manera:

De acuerdo con la ecuacin (2.28) y recordando la definicin de multiplicacin

de matrices, ecuacin (2.29)

L * G b .................................................................................................... (2.28)

n
bi li , j * g j ............................................................................................
j 1

i 1 n
l i , j * g j l i ,i * g i l i, j *gj
j 1 j i 1

Y como li,j =0 para j>i, la segunda sumatoria de la expresin anterior es igual a

cero y por tanto se puede escribir

85
 1 i 1
gi * bi l i , j * g j ............................................................................. (2.32)
l i ,i j 1

Con la ecuacin (2.32) se pueden ir encontrando los elementos del vector G,

los gi, en orden ascendente desde i=1 hasta n.

Conocidos los elementos del vector G se procede a encontrar los valores de

las xi, los elementos del vector X, usando la ecuacin (2.27) de acuerdo con la
cual y usando la definicin de multiplicacin de matrices se puede escribir

n
g i ui, j * x j
j 1

i 1 n
u i , j * x j u i ,i * x i u i, j *xj
j 1 j i 1

Recordando la definicin de la matriz U, los u i,i=1 y los ui,j=0 para todo j<i, o sea
que la primera sumatoria de la expresin anterior es cero y por tanto
n
xi g i u
j i 1
i, j *xj ........................................................................... (2.33)

La ecuacin (2.33) permite obtener los valores de x i de manera secuencial

decreciente empezando por xn hasta llegar a x1.

Cuando la matriz de los coeficientes es una matriz tridiagonal este mtodo de

solucin del sistema de ecuaciones tambin se simplifica apreciablemente, al igual
que en el caso del procedimiento de Gauss y el mtodo resultante tambin se
conoce como algoritmo de Thomas. La matriz de los coeficientes tridiagonal se
representa por

86
 b1 c1 0 0 0
a2 b2 c2 0 0
A a3 b3 c3
... ... ... ... ...
0 0 ... an bn

y el sistema de ecuaciones por la ecuacin (2.13)

b1 c1 0 0 0 x1 d1
a2 b2 c2 0 0 x2 d2
a3 b3 c3 x3 d 3
... ... ... ... ... ... ...
0 0 ... an bn x n dn

(2.13)
Al descomponer la matriz A de los coeficientes en sus factores L y U de acuerdo
con las ecuaciones

A LU

j 1
l i , j ai , j l i , s u s , j
s 1

(2.30)

1 i 1

ui, j * ai, j li ,s u s , j
l i ,i s 1
(2.31)

Y teniendo en cuenta la nomenclatura que se ha usado para la matriz de los

coeficientes tridiagonal, se encuentra que las matrices L y U tiene la siguiente
forma:

87
 l1
a2 l2
L a3 ...
... ...
an ln

(2.34)

1 u1
1 u2
U ... ...
... u n 1
1

(2.35)

Donde

l1 b1

(2.36)

c1
l 2 b2 a 2 * b2 a 2 u1 (2.37)
b1

c2
l3 b3 a3 * b3 a3u 2 (2.38)
b2 a 2 * c1 / b1

u1 c1 / b1 (2.39)

c2 c2
u2 (2.40)
b2 a 2 * c1 / b1 b2 a 2 u1

c3 c3
u3 (2.41)
b3 a3 * c 2 / b2 a 2 * c1 / b1 b3 a3 u 2

De acuerdo con las ecuaciones (2.37) y (2.38) se puede establecer

88
 li bi ai u i 1 ; i 2, n

(2.42)

De acuerdo con las ecuaciones (2.40) y (2.41)

ci c
u i 1 i 1 , i 2, n (2.43)
bi ai u i 1 l i 1

Las ecuaciones (2.36) y (2.4) permiten obtener la matriz L y la ecuacin (2.43)

permite obtener la matriz U; obsrvese adems que la diagonal inferior de la
matriz L es la misma de diagonal inferior de la matriz A.

Para obtener el vector G definido por la ecuacin (2.27) se parte de la ecuacin

(2.28), la cual usando la nomenclatura usada para la matriz tridiagonal se expresa
como

L *G d (2.44)
O sea que la ecuacin (2.32) se convierte en

1 i 1
gi * d i li, j * g j (2.45)
l i ,i j 1

Y recordando la configuracin de la matriz L , ecuacin (2.34) se pueden obtener

las siguientes expresiones para calcular los componentes del vector G:

d1
g1 (2.47)
l1

d i ci g i 1
gi , i 2, n (2.48)
li

89
2.3-. Mtodos Indirectos (Ensayo y Error) para Resolver Sistemas de
Ecuaciones.

1-. Mtodo de Jacobi

La expresin matricial para el sistema de ecuaciones es

A X b ........................................................................................................... (2.2)

La matriz A se puede descomponer en dos sumandos as

A D C ....................................................................................................... (2.34)

donde D es una matriz diagonal cuyos elementos son todos cero con excepcin de
los elementos de la diagonal principal que son igual esa los elementos de la
diagonal principal de A; o sea

a11 0 0 .... 0
0 a 22 0 .... 0

D ... ... ... ... ... .................................................................... (2.35)

0 0 ... a n 1,n 0
0 0 0 .... a n ,n

y la matriz C es una matriz cuyos elementos de la diagonal principal son cero y c i,j
= -ai,j para todos los i,j; o sea

90
 0 a1, 2 a1,3 .... a1,n
a 0 a 2,3 .... a 2,n
21

C a3,1 a 3, 2 o .... a 3, n ......................................................... (2.36)

.... .... .... .... ....
a n ,1 an, 2 a n,3 .... 0

Teniendo en cuenta la ecuacin (2.34) y la propiedad distributiva del producto de

matrices se tiene:

D* X C* X b

de donde se puede despejar

D * X C * X b .............................................................................................. (2.37)

Cuando X es la solucin del sistema de ecuaciones se cumple la ecuacin

(2.37). Pero la ecuacin (2.37) tambin nos permite calcular un posible vector
solucin del sistema de ecuaciones, X m 1 , a partir de un vector solucin supuesto
X m , o sea

D * X m 1 C * X m b ........................................................................................ (2.38)

m 1
Cuando se cumpla que la diferencia entre X y X
m
es mnima, se ha
encontrado la solucin del sistema de ecuaciones.

El mtodo de Jacobi consiste entonces en lo siguiente:

Se supone un vector solucin X m y a partir de este vector solucin se

calcula un nuevo vector solucin X m 1 , usando la ecuacin (2.38). De
acuerdo con la definicin de las matrices D y C y del producto entre
m 1
matrices, el elemento xi del vector X m 1 se obtiene de la siguiente
expresin al aplicar la ecuacin (2.38)

91
 i 1 n
a i ,i xim 1 bi ai , j x mj a i, j x mj
j 1 j i 1

..................................................................................................................

1 i 1 n
xim1 * bi a i , j x mj a i, j x mj , i 1, n .................................... (2.39)
a i ,i j 1 j i 1

Con la expresin (2.39) se calculan todos los elementos del vector X m 1 y

m 1
una vez calculados todos los xi se verifica si se cumple la siguiente
igualdad

x
n
2
m 1
i xim n * ................................................................................ (2.40)
i 1

donde es la diferencia que se considera aceptable entre el valor supuesto

para una variable y el valor calculado. Si no se cumple la ecuacin (2.40) el
m 1
nuevo vector solucin calculado X se toma como un nuevo vector solucin
m 1 m2
supuesto X y se procede a calcular un nuevo vector solucin X .

El proceso continua hasta que se cumpla la ecuacin (2.40).

92
Convergencia del Mtodo Iterativo de Jacobi: Como en cualquier procedimiento

de ensayo y error, se debe demostrar que el mtodo de Jacobi es convergente, o

sea que es posible que teniendo un sistema de ecuaciones si se supone un vector

solucin para el mismo y se calcula un nuevo vector solucin aplicando la

ecuacin (2.39), despus de hacer esto durante un nmero m de iteraciones se

llegar a una situacin donde se cumpla la ecuacin (2.40). Para demostrar esto

retomemos la ecuacin (2.38)

m 1
b ........................................................................................ (2.38)
m
D* X C*X

de la cual se puede concluir que

m 1
X D 1C * X
m
D 1 * b ...................................................................... (2.41)

Cuando se tiene la solucin exacta X , la ecuacin (2.41) es

X D 1C * X D 1 * b ..................................................................................... (2.42)

Restando la ecuacin (2.42) de la (2.41) y definiendo M como D -1C, se tiene

........................................................................................................................
X m 1

X M* X m

X ................................................................................ (2.43)

En la ecuacin (2.43), X m 1 X es el error que se comete en la iteracin (m+1) y

se representa por m+1, y X m X es el error que se comete en la iteracin m y se

representa por m; o sea que la ecuacin tambin se puede escribir como
........................................................................................................................
m 1 M * m M * M * m1 M * M * M * m 2 .................................................

93
Finalmente, de acuerdo con la expresin anterior se puede escribir

m 1 M m 0 .................................................................................................... (2.44)
En la ecuacin (2.44), el trmino 0 es el error que se comete al hacer la
suposicin inicial para iniciar el proceso de solucin por el mtodo de ensayo y
error de Jacobi, el cual ser convergente si despus de m iteraciones, cuando m
es muy grande, el error entre la solucin calculada y la solucin real, m+1, tiende a
cero; o sea que usando la ecuacin (2.44) el mtodo de Jacobi ser convergente
si

lim m 1 lim M m 0 0
....................................................................... (2.45)
m

Puesto que 0 no es cero, ya que lo lgico es que el vector solucin inicial

supuesto es diferente del vector solucin real, la nica posibilidad de que se
cumpla la ecuacin (2.45) es que la matriz M multiplicada m veces por si misma se
convierta en la matriz 0, o sea una matriz en la que todos sus elementos sean
cero. Una matriz cumpla con esta condicin en los siguientes casos:

lim M m 0
1-.)Una condicin suficiente para que es que M 1 donde M se
m

conoce como la norma de la matriz M.

lim M m 0 M 0
2-.)
m

donde (M) es el radio espectral de M y est dado por ( M ) max , donde

son los valores propios de la matriz M.

2-. Mtodo de Gauss Seidel

El mtodo de Gauss Seidel es una mejora del mtodo de Jacobi para acelerar
su convergencia, en donde las valores que se van calculando en una iteracin

94
dada para las variables se van usando en la misma iteracin para calcular los
valores de las variables siguientes. Se basa en lo siguiente:

La matriz de los coeficientes A de la ecuacin (2.2) para el sistema de ecuaciones

se descompone en tres sumandos, las matrices D, U y L

A D L U .................................................................................................. (2.46)

donde: D est definida otra vez por la ecuacin (2.35)

a11 0 0 .... 0
0 a 22 0 .... 0

D ... ... ... ... ... .................................................................... (2.35)

0 0 ... a n 1,n 0
0 0 0 .... a n ,n

L est definida por

0 0 0 .... 0
a 0 0 .... 0
21

L a 3,1 a 3, 2 0 .... 0 ............................................................. (2.47)

.... .... .... .... ....
a n ,1 a n, 2 a n ,3 .... 0

y U est definida por

95
........................................................................................................................

0 a1, 2 a1,3 .... a1, n

0 0 a 2,3 .... a 2, n

U 0 0 o .... a 3, n .............................................................. (2.48)

.... .... .... .... ....
0 0 0 .... 0

El sistema de ecuaciones se puede entonces representar matricialmente por

D L U * X b

o sea
D L * X U * X b ....................................................................................... (2.49)

La ecuacin (2.49) cumple si X es la solucin exacta, pero al igual que en el caso

de Jacobi tambin se puede plantear un procedimiento de ensayo y error de tal
forma que

D L * X m1 U * X m b ................................................................................ (2.50)

m 1
donde X
m
es un vector solucin supuesto en una iteracin y X es un nuevo y
mejor solucin calculado en la misma iteracin.

De acuerdo con las definiciones de las matrices D, L y U y de la suma y

m 1 m 1
multiplicacin de matrices, los elementos xi del vector X se pueden calcular
de la siguiente manera

a1,1 x1m 1 b1 a1, 2 x 2m a1,3 x 3m ............ a1, n x nm

96
x1m 1
1
a1,1

b1 a1, 2 x 2m a1, 3 x3m ............ a1, n x nm

a 2,1 x1m 1 a 2, 2 x 2m 1 b2 a 2 ,3 x3m a 2, 4 x 4m ............ a 2 ,n x nm

x 2m 1
1
a 2, 2
b2 a 2 ,1 x 2m 1 a 2 ,3 x3m ............ a 2 ,n x nm

y en general

i 1 n

a
j 1
i, j x mj 1 ai ,i xim 1 bi a
j i 1
i, j x mj

1 i 1 n
xim 1 * bi ai , j x mj 1 a i, j x mj ...................................................... (2.51)
a i ,i j 1 j i 1

La ecuacin (2.51) es la ecuacin general para calcular el nuevo vector solucin

en la iteracin (m+1) del proceso de Gauss Seidel; obsrvese que los elementos
m 1
se van calculando secuencialmente y cuando se est calculando el elemento xi
m 1
del vector X , usando la ecuacin (2.51), se usan los valores de los elementos
1
xm
j para todo j<i los cuales ya han sido calculados en pasos anteriores de la
misma iteracin, los elementos xj para j>i son los calculados en la iteracin m
porque an no han sido calculados en la iteracin (m+1).

La convergencia de este mtodo se prueba de la misma forma que en el mtodo

de Jacobi teniendo en cuenta que en este caso la matriz M est dada por

M D L U ...............................................................................................
1
(2.52)

y para que haya convergencia la matriz M dada por la ecuacin (2.52) debe
cumplir con una de las dos condiciones que se plantearon para la matriz M del
mtodo de Jacobi.

97
3-. Mtodo de Relacin Sucesiva Puntual (PSOR)

Es una mejora del mtodo de Gauss Seidel para acelerar la convergencia, como
se puede ver aplicando el siguiente desarrollo

Aplicando la ecuacin (2.46) a la ecuacin (2.2) se tiene

D L U * X b

Si se introduce un factor W tal que

w D L U * X wb

La ecuacin anterior se puede modificar de la siguiente forma

D wD wL wU * X wb D X

D wL * X wb D * 1 w wU * X ............................................................ (2.53)

Nuevamente, la ecuacin (2.49) cumple si X es la solucin exacta del sistema de

ecuaciones, pero tambin puede plantearse a partir de ella un procedimiento de
ensayo y error escribindola de la siguiente forma:

........................................................................................................................
D wL * X m1 wb D * 1 w wU * X m .....................................................(2.54)

La ecuacin (2.54) plantea que es posible suponer un vector solucin X

m
para el
sistema de ecuaciones, que no es la solucin exacta, y a partir de el calcular un
m 1
nuevo vector X que es mejor solucin. Esto es, al igual que en los casos de
Jacobi y Gauss Seidel, un proceso de ensayo y error y en una iteracin m se
m 1
supone un vector solucin X
m
y se calcula un nuevo vector solucin X que es
98
mejor solucin que el vector solucin supuesto en la misma iteracin; para una
iteracin m el vector supuesto es el calculado en la iteracin anterior. El proceso
termina cuando en una iteracin se cumpla que la diferencia entre el vector
supuesto y el calculado est dentro de una tolerancia establecida, o sea cuando
se cumpla la ecuacin (2.42)

m 1
Los elementos del vector X se calculan de la siguiente manera:

Nuevamente recordando la definicin de las matrices D, L, U y de las operaciones

de suma y multiplicacin de matrices se tiene aplicando la ecuacin (2.54)

i 1 n
w * ai , j x mj 1 ai ,i x mj 1 w * bi (1 w) * ai ,i xim w * a i, j x mj
j 1 j i 1

m 1
y despejando xi se tiene

w i 1 n
xim 1 1 w * xim bi ai , j x j
m
a i, j x mj 1 ........................................ (2.55)
a i ,i j i j i 1

Observando la ecuacin (2.55) se ve que el segundo sumando es la expresin

m 1
para calcular xi por el mtodo de Gauss Seidel, ecuacin (2.51), multiplicado
m 1
por w, o sea que el valor de xi en este mtodo se obtiene haciendo un
promedio ponderado entre su valor obtenido entre la iteracin anterior y su valor
en la iteracin (m+1) obtenido por el mtodo de Gauss - Seidel.

El trmino w se conoce como factor de relajacin y dependiendo de su valor se

tendr mejor convergencia o no que con el mtodo de Gaus Seidel, y el mtodo
se conoce como de relajacin; cuando el valor de w es menor que 1 se dice que

99
se tiene subrelajacin, si es mayor que 1 se habla de sobrerelajacin y si es igual
a 1 se tiene el mtodo de Gauss Seidel.

La convergencia de este mtodo tambin se prueba siguiendo el procedimiento

aplicado en el mtodo de Jacobi y partiendo de la ecuacin (50), sea que en este
caso la matriz M est dada por

M D wL * 1 w D wU .......................................................................
1
(2.56)

La convergencia se tendr si la matriz M cumple con una de las dos condiciones

que se plantearon en la demostracin de convergencia del mtodo de Jacobi.

2.4- APROXIMACION DE ECUACIONES DIFERENCIALES A DIFERENCIAS

FINITAS.

En el captulo anterior se discutieron algunas ecuaciones diferenciales parciales

denominadas ecuaciones fundamentales de flujo en medios porosos. Las
soluciones a estas ecuaciones permiten simular el comportamiento de un
yacimiento, bajo diferentes condiciones de flujo, en trminos de la posicin y el
tiempo. En algunos casos de limitada aplicacin, estas ecuaciones pueden ser
resueltas analticamente. Sin embargo, en la mayora de las aplicaciones se
requiere utilizar tcnicas numricas para su solucin.

Este captulo se dedica a la discusin de los conceptos bsicos que rigen la

aproximacin de una ecuacin diferencial parcial a diferencias finitas.
Inicialmente, se discuten algunas nociones sobre variables discretas y diferencias
finitas. Luego, se consideran las aproximaciones para la primera y segunda
derivada, as como los esquemas de aproximacin implcita y explcita.
Posteriormente, se discuten los conceptos de error de truncamiento, estabilidad,
convergencia y consistencia. En la parte final del captulo, se habla de sistemas
de malla y condiciones de lmite. A travs de todo el captulo se trabaja con una
ecuacin de flujo simple con la finalidad de introducir los conceptos bsicos
referentes a los temas antes mencionados. Esto facilita considerablemente la
aplicacin y extensin de conceptos bsicos a ecuaciones de flujo complejas que
gobiernan el comportamiento real de un yacimiento.

2.4.1-.DISCRETIZACION, VARIABLES DISCRETAS Y DIFERENCIAS FINITAS

Considrese un medio poroso lineal a travs del cual fluye un fluido compresible o
levemente compresible y el cual se encuentra a una presin inicial p i (Figura 2.1).

100
Si el sistema se abre a producir en el punto x L , la presin disminuye a medida
que se incrementa el volumen de fluido extrado del sistema. Supngase que para
este sistema, la variacin de la presin p , en funcin de la posicin x y el tiempo
t , est descrita por la siguiente ecuacin diferencial:

2 p p
......................................................................................... (2.57)
x 2
t

La solucin analtica a la Ecuacin 2.57 permite obtener una funcin continua

p p x, t para calcular la presin en cada punto a un tiempo determinado. Un
grfico de p en funcin de x y t lucira en forma anloga a como se ilustra en
la Figura 2.1.

Para la solucin numrica de una ecuacin diferencial de flujo, tal como la

Ecuacin 2.57, se requiere tratar el yacimiento como un conjunto de bloques. Esta
solucin permite calcular la presin en cada bloque a diferentes intervalos de
tiempo. A diferencia de la solucin analtica, en lugar de obtenerse una expresin
que relacione la presin como una funcin continua de la posicin y el tiempo, se
obtiene una serie de valores discretos de presin, cada uno de los cuales
corresponde a un bloque determinado del yacimiento. La accin de dividir el
yacimiento en un nmero determinado de bloques e intervalos de tiempo se
denomina discretizacin. La Figura 2.2 presenta el ejemplo hipottico de un
yacimiento real y su correspondiente discretizacin. A las longitudes de cada
bloque, x 1 , x 2 , ... , y a cada intervalo de tiempo, t 1 , t 2 , ... , se les
denomina diferencias finitas. La Figura 2.3 presenta la forma tpica de la
distribucin de presin en un sistema lineal a diferentes tiempos obtenida
mediante la solucin numrica de una ecuacin fundamental de flujo. A manera
de ejemplo, se pudiera considerar que las Figuras 2.1 y 2.3 corresponden a las
soluciones analtica y numrica, respectivamente, de una misma ecuacin de flujo
(por ejemplo de la Ecuacin 2.57) para un mismo sistema.

101
 x=0 x x=L

t2 t1
t3
t4
p

x=0 x x=L

Figura 2.1-.Error: Reference source not foundForma Tpica de la Distribucin

de Presin en Sistema Lineal (Solucin Analtica)

Los siguientes son algunos comentarios importantes relacionados con la

discretizacin de un yacimiento:

a. Los lados de cada bloque, perpendiculares a la direccin de flujo, actan como

barreras de espesor infinitesimal (vase Figura 2.2).

b. La rata de entrada y salida de fluidos en cada bloque est gobernada por las
permeabilidades de las barreras adyacentes a cada bloque y la diferencia de
presin entre ellos.

c. Las propiedades dentro de cada bloque son las mismas en todos los puntos del
bloque. Por ejemplo: a un tiempo determinado, a cada bloque le corresponde
un nico valor de presin y de permeabilidad relativa.

d. La variacin de las propiedades en el yacimiento se representa mediante la

variacin de las propiedades en cada bloque. Por ejemplo: a cada bloque se le
puede asignar un valor diferente de porosidad. Esto implica que pueden existir
variaciones fuertes en las propiedades de bloques adyacentes. El grado de
variacin de las propiedades de diferentes bloques es funcin, en parte, del
tamao de cada bloque.

102
 Barrera Impermeable

p1 p2 p3 p4
1 k1 2 k2 3 k3 4 k4

x1 x2 x3 x4
Bloque 1 Bloque 2 Bloque 3 Bloque 4

Figura 2.2-. Esquema de un Sistema Real y su Discretizacin

e. La precisin con la cual el comportamiento real del yacimiento puede ser

descrito por el modelo depende del nmero de bloques utilizados. En general,
a mayor nmero de bloques mayor precisin. Sin embargo, el nmero de
bloques est limitado por factores tales como el costo del simulador, en lo que
se refiere a eficiencia computacional y capacidad de almacenamiento, y la
disponibilidad de datos de entrada.

f. La vida del yacimiento es discretizada en intervalos de tiempo. Las condiciones

del yacimiento se definen nicamente al principio y al final de cada intervalo de
tiempo, razn por la cual las condiciones en cada bloque pueden cambiar
considerablemente de un intervalo de tiempo a otro. Intervalos de corta
duracin (es decir, alto nmero de intervalos) hacen que estos cambios sean
menos fuertes y aumentan la precisin de los resultados.

g. La discretizacin del yacimiento hace que el comportamiento continuo de las

condiciones en l sea distorsionado. Por ejemplo: la Figura 3.4 presenta un
esquema de la distorsin ocasionada en la saturacin de agua en un punto fijo
de un sistema lineal debido a su discretizacin.

103
 x=0 x x=L

t1
t2
t3
p
t4

x=0 x x=L

Figura 2.3-.Forma Tpica de la Distribucin de Presin en un Sistema Lineal

(Solucin Numrica).

2.4.2-. APROXIMACIONES PARA LA PRIMERA DERIVADA

Probablemente, el mtodo ms comnmente utilizado para dar solucin numrica

a la Ecuacin 2.57 es expresar la funcin p x , t mediante una serie de Taylor.

Considrese una funcin f x continua. La funcin puede ser expandida

alrededor de un punto a , localizado a una distancia x a del punto x (Figura
2.5), mediante una serie de Taylor (Protter y Morrey, 1980):

f (n)
(a) x a n
f ( x)
n0 n!
............................................................................ (2.58)

En la Ecuacin 2,58, f n a es la n-sima derivada de f evaluada en el punto

x a . Es decir, la Ecuacin 3.2 puede ser escrita como:

104
 1
: Yacimiento
: Simulador

Sw

0
Tiempo
Figura 2.4-. Distorsin Ocasionada en la Saturacin de Agua en un Punto
Determinado del Yacimiento Debido a la Discretizacin del Tiempo

x
xa
a x

x=0 xi xi + 1 x=L

Figura 2.5-. Esquema Ilustrativo de los Bloques Tenidos en Cuenta en la

Aproximacin Progresiva de la Primera Derivada

a x a x a x a 2 x a 3
0
f 2 f 3 f
f x f
0! x xa
1! x 2 xa
2! x 3 xa
3!

f n


x a n

x n n!
........................................................ (2.59)
xa

105
2.4.3-. La Aproximacin Progresiva y su Error de Truncamiento. Supngase
un sistema lineal de bloques de igual longitud, tal como se ilustra en la Figura 2.5.
A cada bloque le corresponde una variable discreta x 1 , x 2 , ... , x i 1 , x i , x i 1
, ..., x n , de acuerdo a su posicin dentro del sistema. El incremento entre dos
puntos sucesivos, x i y x i 1 , est dado por la diferencia finita x . Si se
definen los puntos a x i y x x i 1 , entonces x a x i 1 x i . Por ser
bloques de igual longitud, x a x .

Si adicionalmente se tiene en cuenta que la funcin f x que se pretende

expandir mediante la serie de Taylor es la presin en el sistema, P , entonces de
la Ecuacin 2,59 se tiene:
P xi 1 P xi
P

x
2P

x 2
3P

x 3
x x1
1! x 2 x2
2! x 3 x3
3!
nP

x n ..........................................................................(2.60)
x n xn
n!

En la Ecuacin 2.60, P x i 1 y P xi son las presiones en los bloques i 1 e i

, respectivamente. Para simplificar la notacin, las presiones P x i 1 y P xi se
notarn en adelante como Pi 1 y Pi , respectivamente. Similarmente, la derivada
P P
se notar como . Teniendo en cuenta esta notacin, la Ecuacin
x x i
xi

2.60 puede ser escrita como:

P Pi
P

x
2P

x 2
3P

x 3
nP

x n
i 1 x i
1! x 2 i
2! x 3 i
3! x n i
n!
........................................................................................................................(2.61)

P
Resolviendo para :
x i

P

Pi 1 Pi

2P

x
3P

x 2
nP

x n 1 . (2.62)
x i
x x 2 i
2! x 3 i
3! x n i
n!

La Ecuacin 2.62 puede ser escrita como:

P Pi 1 Pi
R ip ................................................................................. (2.63)
x i
x

p
En la Ecuacin 2.63, el trmino Ri est dado por la siguiente ecuacin:

R ip
2P

x
3P

x 2

2 ..................................................... (2.64)
x i
2! x 3 i
3!

106
La Ecuacin 2.63 puede ser escrita en forma aproximada de la siguiente forma:

P Pi 1 Pi
......................................................................................... (2.65)
x i
x

A la Ecuacin 2.65 se le conoce como la aproximacin progresiva a la primera

derivada y permite evaluar la primera derivada de la presin en el bloque i en
trminos de la presiones en los bloques i e i 1 .
p
A la parte truncada de la Ecuacin 2.62, R i , se le conoce como error de
truncamiento de la aproximacin progresiva. En este caso, se dice que el error de
truncamiento es de primer orden debido a que la menor potencia a la cual se
encuentra elevada la diferencia finita x , en el error de truncamiento, es uno
(Ecuacin 2.64). En general, se dice que la aproximacin numrica de una
ecuacin diferencial tiene un error de truncamiento de orden n , lo cual se nota

como O x n , cuando la mnima potencia de la diferencia finita, x , en la parte
truncada es n .

Obsrvese que a mayor orden del error de truncamiento, mejor es la aproximacin

numrica de la ecuacin diferencial. Por ejemplo, considrese dos esquemas de
aproximacin cuyos errores de truncamiento sean:

Ri
2P

x
3P

x 2
4P

x 3

2
1
x 2! x 3 3! x 4 4!
i i i

Ri
3P

x 2
4P

x 3

3
x 4
x
2
3! 4!
i i

La aproximacin correspondiente al error de truncamiento R i 2 , es la de mayor

exactitud debido a que se est truncando nicamente desde el trmino x 2 , en
tanto que la aproximacin correspondiente al error de truncamiento R i 1 est
truncando desde el trmino x .

2.4.4-. La Aproximacin Regresiva y su Error de Truncamiento. Considere el

sistema lineal de bloques ilustrado en la Figura 2.6. Si se definen los puntos
a x i y x x i 1 , entonces x a x i 1 x i x i x i 1 x . Teniendo
en cuenta estas definiciones y recordando que f x P , de la Ecuacin 2.59, se
tiene:

P xi 1 P xi
P
x
2P

x 2
3P

x 3
x Xi
x 2 Xi
2! x 3 Xi
3!

107
 nP

x n
x n n!
................................................................... (2.66)
Xi

Con la finalidad de simplificar notacin, P x i 1 se notar como Pi 1 . Teniendo

en cuenta est notacin, y la notacin para P xi definida anteriormente, la
Ecuacin 2.66 puede ser escrita como:

Pi
P

x 2 P
x 2
3 P x

n P x
3
...........(2.67)
n
P
i 1 x i 1! x 2 i 2! x 3 i 3! x n i n!

P
Resolviendo la Ecuacin 2.66 para , se tiene:
x i

P

Pi Pi 1

2P

x
3P

x 2
nP

x n 1
x i
x x 2 i
2! x 3 i
3! x n i
n!
........................................................................................................................(2.68)

La Ecuacin 2.68 puede ser escrita como:

P Pi P i 1
R ir ................................................................................. (2.69)
x i
x

a x = - ( x a)

x a

x=0 x i-1 xi x=L

Figura 2.6-. Esquema Ilustrativo de los Bloques Tenidos en Cuenta en la
Aproximacin Regresiva de la Primera Derivada

108
 r
En la Ecuacin 2.69 Ri est dado por:

R ir
2P

x
3P

x 2
nP

x n 1
x 2 2! x 3 3! x n n!
..................... (2.70)
i i i

La Ecuacin 2.69 puede ser aproximada de la siguiente forma:

P Pi P i 1
......................................................................................... (2.71)
x i
x

A la Ecuacin 2.71 se le conoce como la aproximacin regresiva de la primera

derivada. Su error de truncamiento est dado por la Ecuacin 2.70. Obsrvese
que el error de truncamiento de la aproximacin regresiva es de primer orden,
O x .

2.4.5-. La Aproximacin Central y su Error de Truncamiento. Si se sustrae la

Ecuacin 2.67 de la Ecuacin 2.61, se obtiene:

Pi 1 Pi 1 Pi
P

x
2P

x 2
3P

x 3

x i
1! x 2 i
2! x 3 i
3!

Pi
P

x
2P

x 2
3P

x 3

x i
1! x 2 i
2! x 3 i
3!

Simplificando,

Pi 1 Pi 1 2
P

x 2
3P

x 3
nP

x n
nP

x n
x i
1! x 3 i
3! x n i
n! x n i
n!

P
Despejando ,
x i

P

Pi 1 Pi 1

3P

x 2
nP

x n 1
nP

x n 1
x i
2 x x 3 i
3! x n i
2n ! x n i
2n !
........................................................................................................................(2.72)

La Ecuacin 2.72 puede ser escrita como:

P Pi 1 Pi 1
R ic ............................................................................. (2.73)
x i
2 x

c
En la Ecuacin 2.73, R i est dada por:
R ic
3P

x 2
nP

x n 1
nP

x n 1
x 3 3! x n n! x n n!
........... (2.74)
i i i

109
 c
El error el truncamiento, R i , tiende a cero cuando x tiende a cero. En este
caso, la Ecuacin 2.73, se simplifica de la siguiente forma:

P Pi 1 Pi 1
.................................................................................... (2.75)
x i
2 x

A la Ecuacin 2.75 se le conoce como la aproximacin central a la primera

derivada. Su error de truncamiento, dado por la Ecuacin 2.74, es de segundo

orden, O x 2 . Obsrvese que el error de truncamiento de la aproximacin
central es menor que el error de truncamiento de las aproximaciones progresiva y
regresiva.

Las Figuras 2.7, 2.8 y 2.9 presentan la interpretacin geomtrica de las

aproximaciones progresiva, regresiva y central, respectivamente. De estas
figuras, se observa que la aproximacin progresiva estima la primera derivada de
la presin en el bloque i con base a los valores de presin en el bloques i y en
el bloque posterior ( i 1 ). La aproximacin regresiva estima la primera derivada
de la presin en el bloque i con base a los valores de presin en el bloque i y
en el bloque anterior ( i 1 ). La aproximacin central calcula la primera derivada
de la presin en el bloque i con base a los valores de presin en los bloques
anterior ( i 1 ) y posterior ( i 1 ). Este ltimo hecho es justamente la razn por la
cual el error de truncamiento de la aproximacin central es menor que los errores
de truncamiento de las aproximaciones progresiva y regresiva.

2.4.6 -.APROXIMACIN NUMRICA PARA LA SEGUNDA DERIVADA

La aproximacin numrica para la segunda derivada puede ser obtenida sumando

las Ecuaciones 2.61 y 2.67:

Pi 1 Pi 1 2 Pi
2P
x
2
2
4P

x 4 2
6P

x 6
x 2 i
x 4 i
4! x 6 i
6!

2P
Despejando ,
x 2 i

110
 Pi + 1
Pi + 1 Pi
Pi
p
:
x progresiva

p
x :
x verdadera

x xi + 1
Figura 2.7-. Interpretacin Geomtrica de la Aproximacin Progresiva

Pi
Pi Pi 1
Pi 1 p
:
x regresiva
p
:
x x verdadera

xi 1 xi

Figura 2.8-. Interpretacin Geomtrica de la Aproximacin Regresiva

111
 Pi + 1

Pi

p
:
Pi 1 x centrada

p
:
x verdadera

xi 1 xi xi + 1
Figura 2.9-. Interpretacin Geomtrica de la Aproximacin Central

2P

Pi 1 2 Pi Pi 1
2
4P

x 2 2
6P

x 4 ....... (2.76)
x 2 i x 2 x 4 i
4! x 6 i
6!

La Ecuacin 2.76 puede ser escrita de la siguiente forma:

2P Pi 1 2 Pi Pi 1
R i2 ................................................................ (2.77)
x 2 i
x 2

2
En la Ecuacin 2.77, Ri est dada por:

R i2 2
4P

x 2 2
6P

x 4

........................................... (2.78)
x 4 i
4! x 6 i
6!

R i2 tiende a cero cuando x tiende a cero. En este caso, de la Ecuacin 2.77 se

obtiene:

2P Pi 1 2 Pi Pi 1
....................................................................... (2.79)
x 2 i
x 2

A la Ecuacin 2.79 se le conoce como la aproximacin numrica para la segunda

2P
derivada. Esta expresin permite estimar el valor de en el bloque i en
x2
trminos de las presiones en los bloques i 1 , i e i 1 . El error de

112
truncamiento de esta ecuacin est dado por la Ecuacin 2.78 de donde se puede
observar que el error de truncamiento para la segunda derivada es de segundo
orden.

Anlogamente se pueden plantear expresiones para P i+2 y Pi-2 de la siguiente

manera

P Pi
P

2 x
2P

2 x 2
3P

2 x
3

..
nP

2 x
n

..
i2 x i
1! x 2 i
2! x 3 i
3! x n i
n!
........................................................................................................................ (2.80)

P Pi
P

x
2P

2 x 2
3P

x 3
nP

2 x
n

i 2 x i
1! x 2 i
2! x 3 i
3! x n i
n!
........................................................................................................................(2.81)

Si la ecuacin (2.61) la multiplicamos por 4 y le restamos la ecuacin (2.81) se

P
puede tener la siguiente expresin para
x 1

P 4 Pi 1 3Pi Pi 2 4 x 2 3P 12 x
3
4P
3
4
.....
x i 2x 2 * 3! x i
2 * 4! x i

La expresin anterior en forma resumida se puede escribir como

P

4 Pi 1 3Pi Pi 2
x
2

x i 2x

y si se aproxima la expresin anterior a

P 4 Pi 1 3Pi Pi 2
.......................................................................(2.82)
x i 2x

se est cometiendo un error del orden de x 2 .

Combinando las ecuaciones (2.61) y (2.79)-(2.81) se puede obtener

P

Pi 2 8 Pi 1 8 Pi 1 Pi 2

x ...................................................(2.83)
2

x i 12x

la cual se puede aproximar a

P Pi 2 8 Pi 1 8 Pi 1 Pi 2
.................................................................(2.84)
x i 12x

113
cometiendo un error del orden de x 2 , y

2P
2

Pi 2 16 Pi 1 30 Pi 16 Pi 1 Pi 2

x
4

x 12 x
2
i

la cual si se aproxima a

2P Pi 2 16 Pi 1 30 Pi 16 Pi 1 Pi 2
2
.................................................(2.85)
x 12 x
2
i

se comete un error del orden de x 4 .

En general se puede decir que es posible obtener expresiones para la primera y

segunda derivada en funcin del valor de la funcin en diferentes puntos; por
ejemplo supongamos se quiere obtener una expresin para la segunda derivada
en funcin del valor de la funcin en los puntos i-1, i e i+1; o sea se quiere tener
2P
una expresin para 2
en funcin de Pi-1, Pi y Pi+1 de tal forma que
x i

Pi " 1 Pi 1 2 Pi
Para hallar los i se usa el mtodo de los coeficientes indeterminados de la
siguiente manera:

Se reemplazan Pi-1, Pi y Pi+1 por su serie y al reemplazarlos en la ecuacin para

"
Pi se tiene

Pi
"
1 2 3 Pi 1 3

Los coeficientes de la izquierda se hacen iguales a los de la derecha para cada

uno de los trminos similares y entonces

1 2 3 0

1 3 x 0 1 3
2 1
1 3 x 2 / 2! 1 2 1 1 3
x 2
x 2
114
 2 2
1 2 3 2 0 2
x 2
x 2

"
Reemplazando ahora los valores de 1, 2 y 3 en la ecuacin para Pi se

tiene

1
P "
P
i
x
2 i 1

En la expresin anterior el error en trminos de x 3 no existira porque 1=3 y
por tanto habra que buscar el siguiente trmino del error, o sea que finalmente se
podra escribir

1
P "
P
i
x
2 i 1

La expresin anterior es la ecuacin (2.79) obtenida antes.

Dos expansiones que sern muy tiles para expandir la ecuacin de difusividad
son

u i 1 / 2 u i 1 / 2
u i' ..................................................................................(2.86)
x

u i 1 u i
u i' 1 / 2 ....................................................................................(2.87)
x

Con las expresiones anteriores se puede expandir la expresin siguiente de la

kA P
ecuacin de difusividad x x
para flujo lineal en una dimensin.

Aplicando la expresin (2.86)

k A P

kA / i 1 / 2 P / x i 1 / 2 kA / i 1 / 2 P / x i 1 / 2
...................(2.88)
x x x

Aplicando ahora la expresin (2.87)

115
 P Pi 1 Pi
.............................................................................(2.89)
x i 1 / 2 x

P Pi Pi 1
.............................................................................(2.90)
x i 1 / 2 x

Llevando ahora las expresiones (2.89) y (2.90) a la ecuacin (2.88) se tiene

k A P

kA / 11 / 2 Pi 1 ( kA / i 1 / 2 kA / i 1 / 2 ) Pi kA / i 1 / 2 Pi 1
x x ( x) 2
...............................................................................................................(2.91)

La ecuacin (2.91) si kx,i+1/2 = kx,i-1/2 se convierte en

k A P kA Pi 1 2 Pi Pi 1 kA 2 P

x x ( x ) 2 x 2

Las ecuaciones anteriores suponen que los pasos (x) son constantes

2.5-. ESQUEMAS DE APROXIMACIN EXPLICITO E IMPLICITO

Considrese que la Ecuacin 2.57 es vlida en el intervalo 0 x L y t 0 .

Para dar solucin numrica a esta ecuacin, se requiere dividir el intervalo 0, L
en diferencias finitas en el espacio, x , y el intervalo 0, t en diferencias finitas
en el tiempo, t (Figura 2.10). As mismo, es necesario expandir las derivadas
2P P
y t .
x 2

P
La derivada t
puede ser expandida mediante una aproximacin progresiva
(Ecuacin 2.65), regresiva (Ecuacin 2.71) central (Ecuacin 2.75). En las
Ecuaciones 2.65, 2.71 y 2.75 se aproxim la variacin de la presin con respecto a
P
la posicin a un tiempo fijo, . En este caso se requiere evaluar la variacin
x t

116
 t

i1 i i+1
0 x L

Figura 2.10-. Discretizacin de un Sistema Lineal en el Espacio y el Tiempo

P
de la presin con respecto al tiempo en una posicin fija, . Por lo anterior,
t x

en lugar de emplear la diferencia finita x , tal como aparece en las Ecuaciones

2.65, 2.71 y 2.75 , se debe emplear la diferencia finita t . As mismo, el
subndice i (el cual indica posicin) en este caso permanece fijo. El ndice que
vara debe ser aquel que indique el nivel de tiempo. Denotaremos por la letra n
los ndices que indiquen nivel de tiempo y sern superndices de la variable P .
Tal como se indic anteriormente, los ndices que indiquen posicin los
denotaremos por la letra i , y sern subndices de la variable P . Por ejemplo,
Pi indica presin en el bloque i , P n indica presin al tiempo n , Pi n indica la
presin en el bloque i al tiempo n .

Teniendo en cuenta estos comentarios, las ecuaciones para las aproximaciones

P
progresiva, regresiva y central de t son, respectivamente,

P Pi n 1 Pi n
O t .......................................................................... (2.92)
t t

P Pi n Pi n 1
O t .......................................................................... (2.93)
t t

P
t

Pi n 1 Pi n 1
2 t

O t
2
..................................................................... (2.94)

117
En las Ecuaciones 2.92 a 2.94, los superndices n 1 , n y n 1 representan
los tiempos t n 1 , t n y t n 1 , respectivamente.

Para la aproximacin de la primera derivada con respecto al tiempo, no

utilizaremos la aproximacin regresiva, Ecuacin 2.93, debido a que nuestro
inters es calcular la presin en cada bloque i del sistema a tiempos futuros (es
n 1 n
decir, Pi ), partiendo de valores actuales (es decir, Pi ) y, contrario a nuestro
n
inters, la aproximacin regresiva relaciona la presin actual ( Pi ) con presiones
n 1
a tiempos pasados ( Pi ). La aproximacin central tampoco ser utilizada
debido a problemas de estabilidad, concepto que ser discutido ms adelante.
Por estas razones, se emplear la aproximacin progresiva, (Ecuacin 2.92), para
P
aproximar el trmino t .

Para aproximar la segunda derivada se aplicar la Ecuacin 2.79:

2P Pi 1 2 Pi Pi 1
....................................................................... (2.79)
x 2 i
x 2

Esta ecuacin, tal como est escrita, no incluye el nivel de tiempo. La pregunta
que surge sera: A que tiempo hace referencia las presiones en la Ecuacin
2.79?. Dependiendo del nivel de tiempo asignado a cada trmino de presin en la
Ecuacin 2.79, se suele hablar de diferentes esquemas de aproximacin, de los
cuales los ms comunes son: la aproximacin explcita, la aproximacin implcita y
la aproximacin de Crank-Nicolson. Desde el punto de vista numrico, cada uno
de estos esquemas posee caractersticas diferentes.

Esquema de Aproximacin Explcita. Supngase que las presiones incluidas en

la Ecuacin 2.79 son evaluadas al tiempo t n . En este caso, se tiene:

2P Pi n 1 2 Pi n Pi n 1
......................................................................... (2.95)
x 2 x 2

Si se lleva las Ecuaciones 2.92y 2,95 a la Ecuacin 2,57, se obtiene:

Pi n 1 2 Pi n Pi n 1 Pi n 1 Pi n
............................................................... (2.96)
x 2 t

La Ecuacin 2.96 puede ser escrita como:

Pin 1 t 2 Pi n t Pi n 1 t Pi n 1 x Pi n x
2 2

o bien:

118
 t 2 t t
Pi n 1 Pi n 1 Pi n 1 Pi n 1
x 2
x 2
x
2

Definiendo la variable como:

x 2 ...................................................................................................... (2.97)

Se obtiene:

Pi n 1 Pi n 1 2 1 Pi n Pi n 1 ................................................... (2.98)

A la Ecuacin 2.98 se le conoce como la aproximacin explcita a la Ecuacin

2.57. La aplicacin repetitiva de esta aproximacin numrica permite estimar la
presin en cada bloque i del sistema al tiempo t n 1 , con base en los valores de
presin en los bloques i 1 , i e i 1 al tiempo t n . Para llevar a cabo esta
serie de clculos, se requiere de una condicin inicial y dos condiciones de
frontera. A continuacin se ilustra un ejemplo de aplicacin de la Ecuacin 2.98.

Ejemplo. Supngase un sistema lineal de siete bloques tal como el presentado en

la Figura 2.3. Si t 0 es tiempo inicial, obtener las expresiones de la aproximacin
explcita para el clculo de las presiones en cada bloque a un tiempo futuro
t1 t 0 t y a un tiempo t 2 t 1 t , asumiendo que en cada caso las
condiciones de lmite son:

a. P0 constante Pcero
b. P8 0

Solucin. Definiendo t 0 t n , entonces t 1 t 0 t t n 1 . Debido a que t 0 es

el tiempo actual (condicin inicial), entonces la presiones a este tiempo, P1 0 , P2 0 ,
0
P7 , son conocidas. De la Ecuacin 2.98 se pueden obtener las expresiones
para el clculo de las presiones en cada nodo al tiempo t1 t n 1 :

Para el primer bloque, i 1 :

P1 1 P0 0 2 1 P1 0 P2 0

Asignando al bloque i 0 la condicin de lmite izquierdo, se tiene P0

constante Pcero , por consiguiente:

P1 1 Pcero
0
2 1 P1 0 P2 0

119
Para el segundo bloque, i 2 :

P2 1 P1 0 2 1 P2 0 P3 0

Para el sptimo bloque, i 7 :

P7 1 P6 0 2 1 P7 0 P8 0

Asignando al bloque i 8 la condicin de lmite derecho, se tiene P8 0 , por

consiguiente:

P7 1 2 1 P7 0 P6 0

Al tiempo t 2 t1 t , se pueden re-definir la variables t n y t n 1 de tal forma

que t n t1 y t n 1 t 2 . Teniendo en cuenta esta re-definicin de variables, de la
Ecuacin 2,98 se tiene:

Para el primer bloque, i 1 :

P1 2 P0 1 2 1 P1 1 P2 1

De nuevo, asignando al bloque i 0 la condicin de lmite izquierdo, se tiene

P0 constante Pcero , luego:

P1 2 Pcero 2 1 P1 1 P2 1

Para el segundo bloque, i 2 :

P2 2 P1 1 2 1 P2 1 P3 1

Para el sptimo bloque, i 7 :

P7 2 P6 1 2 1 P7 1 P8 1

Nuevamente, asignando al bloque i 8 la condicin de lmite derecho, se tiene

P8 0 , por consiguiente:

P7 2 2 1 P7 1 P6 1

120
En la parte izquierda de la Figura 2.11 se indican los puntos en el espacio y los
niveles de tiempo tenidos en cuenta en la aproximacin explcita.

De la Ecuacin 2.98, y su aplicacin al ejemplo anterior, se infiere el procedimiento

general para el clculo de la distribucin de presiones mediante aplicacin de la
aproximacin explcita:

a. A cada uno de los bloques del sistema se le asigna un valor de presin al

tiempo inicial t 0 teniendo en cuenta las condiciones inicial y de frontera.
0 0 0
De esta forma se obtienen valores para las variables Pi 1 , Pi y Pi 1 ,
i 0, 1, ..., n x (la variable n x hace referencia al nmero variables discretas).

n 1
b. Se hace n 0 y se calcula los valores de Pi para cada uno de los bloques
de la malla ( i 0, 1, ..., n x ).

c. Una vez barrida toda la malla, se repite el procedimiento para el tiempo t n 2 ,

asignando a los valores de n los respectivos valores de n 1 previamente
calculados y aplicando la Ecuacin 2,96 para n 1 y n 2 , en lugar de n y
n 1 , respectivamente.

Tal como se discutir ms adelante, para obtener estabilidad en este esquema de

solucin, se requieren incrementos de tiempo, t , muy pequeos, lo que limita su
aplicacin en un gran nmero de problemas prcticos.

t n+1 t n+1

tn tn
xi 1 xi xi + 1 xi 1 xi xi + 1
Esquema Explcito Esquema Implcito
Figura 2.11-. Representacin Esquemtica de las Aproximaciones
Explcita e Implcita

121
Esquema de Aproximacin Implcita. Supngase que las presiones Pi 1 , Pi
y Pi 1 en la Ecuacin 2.79 hacen referencia al tiempo t n 1 . En este caso, la
Ecuacin 2.95 puede ser escrita como:

2P Pi n 1 1 2 Pi n 1 Pi n11
..................................................................... (2.99)
x 2 x 2

Sustituyendo las Ecuaciones 2.92 y 2.99 en la Ecuacin 2.57, se obtiene:

Pi n11 2 Pi n 1 Pi n 1 1 Pi n 1 Pi n
........................................................... (2.100)
x 2 t

La Ecuacin 2.100 puede ser escrita de la siguiente forma:

Pi n11 2 1 Pi n 1 Pi n1 1 Pi n ................................................ (2.101)

A la Ecuacin 2.101 se le conoce como la aproximacin implcita a la Ecuacin

2.57. Si esta ecuacin se aplica a cada uno de los bloques de la malla, se genera
un sistema de ecuaciones cuya solucin simultnea permite obtener la distribucin
de presiones del sistema al tiempo t n 1 .

Ejemplo. Obtener el sistema de ecuaciones generado de la aproximacin

implcita, Ecuacin 2.101, para el ejemplo anterior.

Solucin. Definiendo t 0 t n y t 1 t n 1 . La Ecuacin 2.101 genera una

ecuacin para cada bloque del sistema, tal como se indica a continuacin:

Para el primer bloque, i 1 ,

P0 1 2 1 P1 1 P2 1 P1 0

Al igual que en el ejemplo anterior, asignando al bloque i 0 la condicin de lmite

izquierdo, se tiene P0 constante Pcero , por consiguiente:

2 1 P1 1 P2 1 P1 0 Pcero

Para el segundo bloque, i 2 :

P1 1 2 1 P2 1 P3 1 P2 0

P6 1 2 1 P7 1 P8 1 P7 0

122
Al igual que en el ejemplo anterior, asignando al bloque i 8 la condicin de lmite
derecho, se tiene P8 0 , por consiguiente:

P6 1 2 1 P7 1 P7 0

Este sistema de ecuaciones puede ser escrito en forma matricial como AP 1 F ,

donde A es la matriz de coeficientes definida como:

2 1
2 1

2 1

A 2 1
2 1

2 1

2 1

P y F son los vectores de presin y trminos independientes, respectivamente,

definidos de la siguiente forma:

P11 P1 0 Pcero
1
P2 P2 0
P31 P3 0

P 1 P41 , F P4 0
P 1 P5 0
51 0

P6 P6
P 1 P7 0
7

La solucin del sistema de ecuaciones AP 1 F permite obtener los valores de

presin en cada bloque al tiempo t n 1 t 1 . Las tcnicas de solucin de este tipo
de sistemas, ms comnmente utilizadas en simulacin de yacimientos, sern
discutidas a lo largo de este texto, a partir del captulo cuatro.

La Figura 2.11 incluye los puntos en el espacio y los niveles de tiempo tenidos en
cuenta en la aproximacin implcita.

123
 Aproximacin de Crank-Nicolson. Se obtiene de una combinacin de las
aproximaciones implcita y explcita; consiste en aproximar la ecuacin diferencial
1
en el punto i, n tal como se ilustra en la Figura 2.12.
2

La aproximacin de Crank-Nicolson aplicada a la Ecuacin 2.57 est dada por la

siguiente ecuacin:
t n+1

( xi , t n + )

tn

xi 1 xi xi + 1
Figura 2.12-. Representacin Esquemtica del Mtodo de Crank-Nicolson

n 1 n Central en n 1 2
1 2P 1 2P P
............................................... (2.102)
2 x 2 i
2 x 2 i
t i

Reemplazando los trminos diferenciales de la Ecuacin 2.102 por sus

correspondientes aproximaciones numricas, se obtiene:

1 Pi 1 2 Pi Pi n1 1 1 Pi 1 2 Pi Pi 1
n 1 n 1 n n n
Pi n 1 Pi n

2 x 2 2 x 2 2
t

2

1 Pi 1 2 Pi Pi n1 1 1 Pi 1 2 Pi Pi 1
n 1 n 1 n n n
Pi n 1 Pi n
........ (2.103)
2 x 2 2 x 2 t

Obsrvese que la expansin numrica de la derivada de la presin con respecto al

t t
tiempo, proviene de una aproximacin central en n
1
2
y, en consecuencia,
puede ser escrita como:
2
t
n 1 n
1
P Pi Pi n 2P

2 2
... ........................................................ (2.104)
t t 6 t 2
2 i
2

124
Otras aproximaciones de expansin para la ecuacin (2.57) son:

La de Richardson dada por

Pi 1, n 2 Pi , n Pi 1, n Pi , n 1 Pi , n 1
....................................................(2.105)
x 2
2t

La cual es una expansin implcita pero la expansin de la derivada del tiempo se

ha tomado como centrada; esta expansin implicara manejar informacin a tres
niveles de tiempo lo cual muchas veces puede no ser recomendable por razones
de requerimiento de espacio del computador.

La de Dufort Frankel dada por

Pi 1,n Pi ,n Pi , n 1 Pi ,n Pi , n 1 Pi , n
...............................................(2.106)
x 2
t

la cual es tambin una expansin explcita.

Finalmente, tambin podra expandirse la ecuacin (2.57) de la siguiente forma

Pi 1,n Pi ,n Pi , n 1 Pi 1, n 1 Pi , n 1 Pi , n
.........................................(2.107)
x 2
t

la cual es una forma implcita.

2.6 -. CRITERIOS TENIDOS EN CUENTA PARA LA SELECCION DE UN

ESQUEMA DE APROXIMACIN NUMERICA.

Existen diferentes esquemas de aproximacin numrica a las ecuaciones

diferenciales de flujo, algunos de los cuales han sido discutidos en el numeral 2.5.
La seleccin de uno u otro de estos esquemas se debe realizar teniendo en
cuenta, fundamentalmente, los siguientes criterios: error de truncamiento,
estabilidad, convergencia y consistencia. Esta parte del captulo se dedica a la
discusin del significado de estos conceptos y algunos mtodos para su anlisis.

2.6.1-. Error de Truncamiento. Tal como se menciona en la seccin 2.3, el error

de truncamiento hace referencia al error en que se incurre al utilizar la
aproximacin en diferencias finitas, luego de ser truncada, en lugar de la ecuacin
diferencial misma. En trminos generales el error de truncamiento se define
como:

125
 Ecuacin Ecuacine
T ........................................................................................ (2.108)

D ifer ncial Difer nciasFintas

Es importante anotar que este error de truncamiento es diferente al error de
truncamiento en el que se incurre debido a las operaciones repetitivas del
computador. Los computadores tienen una memoria de capacidad finita y, en
consecuencia, pueden retener nicamente nmeros de "tamao finito" (es decir,
hasta cierto nmero de cifras significativas). El error cometido por esta clase de
truncamiento, el cual se propaga a medida que se incrementa el nmero de
operaciones, es diferente al error de truncamiento numrico a que hace referencia
la Ecuacin 2.108.

Ejemplo. Considrese la Ecuacin 2.57, cuya aproximacin explcita est dada

por la Ecuacin (2.96):

Pi n 1 2 Pi n Pi n 1 Pi n 1 Pi n
............................................................... (2.96)
x 2 t

Aplicando la Ecuacin 2.108, se tiene:

2 p p Pi n 1 2 Pi n Pi n 1 Pi n 1 Pi n
T
x
2
t x 2 t

2 p p
Llevando las Ecuaciones 2.79 y 2.92, en reemplazo de y t , a la anterior
x 2

ecuacin se tiene:

T
Pi n 1 2 Pi n Pi n 1
2
4P

x 2 2
6P

x 4
Pi n 1 Pi n
x 2 x 4 i
4! x 6 i
6! t

126
 2P t Pin 1 2 Pi n Pi n 1 Pi n 1 Pi n

t 2 i
2 x 2 t

Simplificando,

T
x 2 4 P
t 2 P
O x 2
t ............................ (2.109)
12 x 4 2 t 2
i i

La ecuacin (2.109) indica que el error de truncamiento al hacer la expansin

explcita depende de (x) 2 y (t), pero es ms afectado por el tamao del paso en
t que por el tamao del paso en x; adems el truncamiento tiende a cero mientras
ms pequeos sean los pasos, o sea es vlida la expansin explcita.

Encontremos el error de truncamiento en la expansin de Crank Nicolson:

Llevando las Ecuaciones 2.57 y 2.103 a la definicin de error de truncamiento,

Ecuacin 2.108, se tiene:

2 p p 1 Pin11 2 Pi n 1 Pi n1 1 1 Pi 1 2 Pi Pi 1
n n n
Pi n 1 Pi n
T
x
2
t 2 x 2 2 x 2 t
........................................................................................................................ (2.110)

Combinando las Ecuaciones (2.76), (2.92), (2.95), y (2.99), se obtiene:

1 Pin11 2 Pi n 1 Pi n1 1 1 x 1 Pi 1 2 Pi Pi 1
n n n
4P
2

T
2 x 2 2 12 x 4 i
2 x 2
t
2

1

1 x P
n
2 4
Pi n 1 Pi n P3

2 2
.............
2 12 x 4 t 6 t 3
i 2 i

2
1 Pin11 2 Pi n 1 Pi n 1 1 1 Pi 1 2 Pi Pi 1
n n n
Pi n 1 Pi n

2 x 2 2 x 2 t

Simplificando,
2
t
1
x 2 4 P x 2 4 P
n 1 n n
3P

2 2
T
24 x 4 i
24 x 4 i
6 t 3 i

Es decir, el orden del error de truncamiento de la aproximacin de Crack-Nicolson

est dado por:

127
T O x 2
t 2 .................................................................................. (2.111)

Al comparar las Ecuaciones (2.109) y (2.111), se infiere que la aproximacin de

Crank-Nicolson presenta un menor error de truncamiento que las aproximaciones
implcita y explcita.

2.6.2-. Estabilidad. Anlisis de estabilidad es un procedimiento a travs del cual

es posible determinar si el error obtenido en un punto (bloque) de la malla, en un
momento determinado, disminuye o aumenta al incrementar el tiempo. Si el error
disminuye, se dice que la aproximacin es estable. Si aumenta, se dice que es
inestable. Si el error disminuye nicamente bajo ciertas condiciones, se dice que
es condicionalmente estable. Para que una aproximacin numrica conlleve a
resultados tiles se requiere que dicha aproximacin sea estable. La Figura 2.13
ilustra la variacin de presin en un punto determinado del sistema en funcin del
tiempo para un esquema estable y un esquema inestable. A continuacin se
presentan dos criterios muy tiles para determinar estabilidad: El criterio de
Karplus y el Mtodo de Von Neumann.

El Criterio de Karplus. El mtodo de Karplus no considera el efecto de

condiciones de lmite en el anlisis de estabilidad. El procedimiento a seguir para
la aplicacin del mtodo puede ser resumido de la siguiente forma:

a. La ecuacin en diferencias finitas es reordenada de manera tal que tome la

siguiente forma:

a Pi n 1 Pi * b Pi n 1 Pi * c Pi n 1 Pi* d Pi n 1 Pi * 0
.................................................................................................................(2.112)
En la Ecuacin 2.112, Pi* indica la presin en el punto i y al tiempo en torno
al cual se efecta la aproximacin numrica.

128
 Esquema Estable
Esquema Inestable

Pn

P P n 1 P n

Nivel de tiempo, tn
Figura 2.14-. Comportamiento en el Cambio de Presin en un Punto
Determinado de un Esquema Estable y un Esquema Inestable

b. La aproximacin ser estable cuando todos los coeficientes a, b, c, d, sean

positivos o si alguno de ellos es negativo, cuando la suma de los coeficientes
a , b , c , ..., d , ... sea menor o igual a cero.
Debido a que los coeficientes a , b , c , ..., d pueden cambiar de un nodo a otro,
el criterio debe ser aplicado a cada nodo. Un esquema determinado puede ser
estable en un nodo pero inestable en otros.

Ejemplo. Con la finalidad de aplicar el criterio de Karplus a la aproximacin

explcita, la Ecuacin 2.96 puede ser escrita de la siguiente forma:

Pi n 1 Pi n Pin 1 Pi n Pi n 1 Pi n 0 ....................................... (2.113)

Esta aproximacin ser estable siempre y cuando se cumpla que:

1 2 1 2
t 1 0
x 2

Despejando para t x 2 , se obtiene:

t
1
.................................................................................................... (2.114)
x 2 2

Por consiguiente, la aproximacin explcita es condicionalmente estable y la

condicin de estabilidad est dada por la Ecuacin 2.114 .
129
Siguiendo un procedimiento completamente anlogo es posible determinar que la
aproximacin implcita es estable. La expresin para la expansin implcita es la
ecuacin (2.100)

Pi n11 2 1 Pi n 1 Pi n1 1 Pi n ......................................(2.101)

La cual se puede llevar a

Pi n11 Pi n 2 1 Pi n 1 Pi n Pi n11 Pi n 0

En la expresin anterior el coeficiente 2 1 es menor que cero y por tanto

para que se tenga estabilidad segn el criterio de Karplus se requiere que

2 1 0 1 0 .....................................................................(2.115)

La expresin (2.115) siempre se va a cumplir y por tanto la expansin implicita es

incondicionalmente estable.

Por su parte la estabilidad de la expansin de Crank Nicolson se puede probar

por el criterio de Karplus de la siguiente manera:

La expresin para esta expansin es la ecuacin (2.103)

1 Pi 1 2 Pi Pi n1 1 1 Pi 1 2 Pi Pi 1
n 1 n 1 n n n
Pi n 1 Pi n
.........(2.103)
2 x 2 2 x 2 t

La cual tambin se puede escribir como

Pi n11 2 Pi n 1 Pi n 1 1 Pin 1 2 Pi n Pi n 1 Pi n 1 Pi n
2

Y llevndola a una forma similar a la ecuacin (2.103) se tiene

Pi n11 Pi n 2 1 Pi n 1 Pi n Pi n11 Pi n Pi n1 Pi n Pi n1 Pi n 0

Y como en la expresin anterior hay un coeficiente menor que cero, segn Karplus
para que la expansin dada por la ecuacin (2.103) se requiere que

1
2 1 3 0 .....................................................................(2.116)
2
La condicin dada por la ecuacin (2.116) es la misma dada para la expansin
explcita, ecuacin (2.115).

130
El Mtodo de Von Neumann o Anlisis Armnico. Una de las suposiciones
bsicas de este mtodo se fundamenta en el hecho de que el error de una
aproximacin numrica satisface la aproximacin numrica. El valor exacto de
presin en un punto x i a un tiempo t n , p x i , t n , y el valor calculado al aplicar
n
una aproximacin numrica, Pi ,estn relacionados mediante la siguiente
expresin:

p x i , t n Pi n in ........................................................................................ (2.117)

En la Ecuacin 3.58 i es el error de truncamiento en el cual se incurre al

n

aproximar el valor exacto p x i , t n al valor obtenido de la aproximacin

n
numrica, Pi .

Los valores de presin obtenidos de la solucin exacta satisfacen la aproximacin

numrica, pues la solucin exacta tiene el mismo valor de la aproximacin
numrica cuando el error tiende a cero. A manera de ejemplo, considrese la
aproximacin explcita a la Ecuacin 2.57. Puesto que la solucin exacta satisface
la aproximacin numrica, de la Ecuacin 2.96 se obtiene:

p x i 1, t n 2 p xi , t n p x i 1, t n p xi , t n 1 p xi , t n
............... (2.118)
x 2 t

Sustituyendo la Ecuacin 2.117 en la Ecuacin 2.118, se tiene:

P n
i 1
in 1 2 Pi n in P n
i 1 in 1 P i
n 1

in 1 Pi n in
.(2.119)
x 2
t

Restando la Ecuacin 2.118 de la Ecuacin 2.119, se obtiene:

in 1 2 in in 1 in 1 in
....................................................................(2.120)
x 2 t

Es decir, el error tambin satisface la aproximacin numrica.

Una funcin f x puede ser expandida en series de Fourier de la siguiente forma

(Zauderer, 1989):

f x k e 1 k x
............................................................................... (2.121)
k

En la Ecuacin 2.121, k y k son k -simos coeficientes de la serie de Fourier.

131
Si asumimos que la funcin expandida es la funcin error x y se evala dicha
funcin en el punto x x i i x , la Ecuacin 2.121 toma la siguiente forma:

i k e 1 k i x
k E i k ......................................................... (2.122)
k k

En la Ecuacin 2.122, E i k e 1 k i x
. Para anlisis de estabilidad es suficiente
con examinar el comportamiento de una sola componente del error i en la
Ecuacin 2.122 (es decir, E i e 1 ix ). La componente del error en el espacio
del tiempo debe ser tal que reduzca el error a i cuando t 0 . Por tal motivo, la
expresin para el error E i que tenga en cuenta la componente del error en el
espacio del tiempo tendr la siguiente forma:

1 i x
E in e e t e 1 i x
e nt ................................................................. (2.123)

En la Ecuacin 2.123, n es una constante. En forma ms general, la Ecuacin

2.123 puede ser escrita de la siguiente forma:

1 i x
E in n e

Anlogamente,

1 i x
E in 1 n 1e

Si el error en el punto i se mantiene estable al pasar del tiempo t n al tiempo

tn1, entonces E in 1 E in ; es decir, e
e n 1 1 i x n 1 i x

obtenindose:

n 1
1 ................................................................................................ (2.124)
n

A la Ecuacin 2.124 se le conoce como el factor de amplificacin.

Como resultado de la discusin anterior, para que una aproximacin numrica sea
estable, es necesario que 1 . A continuacin se ilustra el procedimiento de
aplicacin de este criterio mediante un ejemplo.

Ejemplo. Para aplicar el mtodo de Von Neumann al anlisis de estabilidad de

una aproximacin numrica, se expresa la ecuacin que representa la
aproximacin numrica en trminos del error. Particularmente, para la
aproximacin explcita se obtiene:

132
E in 1 2 E in E in 1 E in 1 E in

x 2 t

O bien,

1 i 1 x 1 i x 1 i 1 x
n e 2 n e n e

x 2
1 i x 1 i x
n 1 e n
e
t

De donde se obtiene:

t
x 2

n e 1 x
2 n n e 1 x
n 1
n

Despejando para n 1 n , se llega a:

n 1
n
1
t
x 2
e 1 x
2 e 1 x

De las identidades de Euler:
1
e cos 1 sen
1
e
cos 1 sen

Luego, haciendo x , se obtiene:

n 1 t
1 2 cos 1 .................................................................... (2.125)
n
x 2

Aplicando la Ecuacin 2.124 a la Ecuacin 2.125, para que el esquema sea

estable se debe cumplir la siguiente desigualdad:

t
1 2 1 cos 1
x 2

La cual se cumple solamente si:

t
1 1 2 1 cos 1
x 2

Debido a que 1 cos 1 el lado derecho de desigualdad anterior siempre se

cumple. En cuanto al lado izquierdo, se tiene:

133
 t 1

x 2
1 cos

El valor mnimo de la expresin 1 1 cos se obtiene para cos 1 , en

cuyo caso 1 1 cos 1 2 . Por tanto, el esquema ser estable siempre y
cuando se cumpla que:

t 1

x 2
2

Este resultado corrobora el resultado obtenido en la Ecuacin 2.115: la

aproximacin explcita es condicionalmente estable y la condicin de estabilidad
est dada por la Ecuacin 3.115.

Si se procede en forma anloga para el anlisis de estabilidad de la aproximacin

implcita, se obtendr a partir de l ecuacin (2.100)

E in11 2 E in 1 E in11 E in 1 E in

x 2 t

O bien,

1 i 1 x 1 i x 1 i 1 x
n 1 e 2 n 1
e n 1
e

x 2
1 i x 1 i x
n 1
e n
e
t

La expresin anterior luego de dividir por e 1 ix

se convierte en

1 x 1 x
n 1 e 2 n 1 n 1 e n 1 n

x 2 t
n 1
y despejando se tiene

n 1 1 1 1

n e 1 x
e 1 x
2 1 2 1 e 1 x
e 1 x
2 1 cos 2 1

La estabilidad se dar si

n 1 1
1
n 2 1 cos 2 1

134
lo cual es equivalente a decir que

2 1 cos x 1 1

lo que tambin es equivalente a decir que

1 cos x 0

La anterior desigualdad siempre se va a cumplir pues 1 cos x 1 . Esta

conclusin indica que la expansin implcita es incondicionalmente estable, lo cual
coincide con la conclusin obtenida por el criterio de Karplus.

Debido a lo anterior, la aproximacin implcita es la de mayor aplicacin en

simulacin numrica de yacimientos.

Por este mismo procedimiento se podr probar la estabilidad de la expansin de

Crank Nicolson y se deja como tarea al lector.

Criterio Matricial

Es el procedimiento ms general para probar la estabilidad de una expansin y a

diferencia de los otros criterios vistos, tiene en cuenta las condiciones de lmite
del sistema discretizado. Se basa en lo siguiente:

El sistema de ecuaciones generado a l expandir una ecuacin diferencial en

diferencias finitas se puede expresar en forma matricial de la siguiente forma:

AX n 1 BX n d (2.126)

Donde X n 1 y X n son los vectores solucin a los tiempos t n y tn+1, d es un vector

conformado por los trminos independientes del sistema de ecuaciones y las
condiciones de lmite establecidas para el sistema. Las matrices A y B dependen
del sistema de expansin que se est aplicando.

Para la solucin exacta del sistema de ecuaciones se puede establecer:

AX BX d (2.127)

Restando las ecuaciones (2.126) y (2.127) se tiene:

A X n 1 X B X n X

A e n 1 B e n
(2.128)

Donde e n 1 y e n son los errores al tiempo tn+1 y tn respectivamente.

135
De la ecuacin (2.128) se puede obtener

e A B e
n 1 1 n

(2.129)

Y de acuerdo con la ecuacin (2.129) se puede establecer:

e A
n 1 1
B e
2 n 1

e A
n 1 1
B e
3 n2

.
.
.
e A
n 1 1
B e
n 1 0

(2.130)

Donde e 0 es el error que se comete inicialmente a hacer la aproximacin en

diferencias finitas, el cual obviamente debe ser diferente de cero y es constante.
De acuerdo con la ecuacin (2.130) para que el error al tiempo t n+1 tienda acero se
requiere que la matriz A-1B al irse multiplicando por si misma se vaya aproximando
a la matriz nula ; o sea que la matriz debe ser nilpotente, y una condicin para que
la matriz sea nilpotente es que su radio espectral sea menor de 1.

Miremos el caso de la expansin explcita de la ecuacin (2.57) cuya forma

genrica es la ecuacin (2.98)

Pi n1 2 1 Pi n Pi n1 Pi n 1
(2.98)

Aplicando esta ecuacin a todos los bloques de la malla se tiene

P0n 2 1 P1n P2n P1n 1

P1n 2 1 P2n P3n P2n 1

.
.
Pi n1 2 1 Pi n Pi n1 Pi n 1
.
.
PNn1 2 1 PNn PNn1 PNn 1

136
En el sistema de ecuaciones anterior los valores P0 P0 cons tan te y
n

PNn1 PN 1 cons tan te , estn definidos por las condiciones de lmite y por tanto
el sistema se puede expresar matricialmente de la siguiente forma:

1 0 0 0 0 P1n 1 2 1 P1n P0
0 1 0 0 0 P 2
n 1
2 1 P 2
n
0
. . . . . *P i
n 1
2 1 * . 0
n 1
0 0 0 1 0 P N 1
. . . . . PNn1 .
0 0 0 0 1 P N
n 1
2 1 PNn PN 1

O sea que ha quedado de la forma de la ecuacin (2.126) donde

1 0 0 0 0
0 1 0 0 0
A . . . . .
0 0 0 1 0
0 0 0 0 1
(2.131)

2 1
2 1
B 2 1
. . . . .
2 1
(2.132)

P0
0
d 0
.
PN 1
(2.133)

La expansin explcita ser estable si se cumple la ecuacin (2.130), o sea si la

matriz A-1B es nilpotente, pero como en este caso la matrz A es la matriz identidad
A-1B=B y se requiere es que la matriz B sea nilpotente, lo cual suceder si el radio
espectral de la matrz B es menor que 1; o sea que en este caso el problema se
reduce a encontrar los valores propios de de la matriz B y verficar bajo que
condiciones su mximo valor propio, o sea su radio espectral, es menor que 1

137
2.6.3-. Convergencia. Se dice que una aproximacin numrica es convergente si
n
el valor discreto Pi calculado de la aproximacin numrica tiende al valor exacto
p x i , t n cuando x y t tienden a cero.

Obsrvese que la convergencia concierne al error Pi p x i , t n en un punto y

n

a un tiempo determinado, mientras la estabilidad tiene que ver con la propagacin

(incremento) del error en un punto determinado al incrementar el tiempo. La
estabilidad es un criterio de mayor peso que la convergencia. En general,
estabilidad y consistencia implican convergencia.

En simulacin de yacimientos no se suele conocer la solucin exacta de la

ecuacin diferencial de flujo. Por esta razn, la forma de analizar convergencia de
una aproximacin numrica consiste en dar solucin numrica a la ecuacin para
varios valores de x y t . Si las soluciones para valores sucesivamente
menores de x y t tienden a un cierto valor constante, con cierta tolerancia, se
suele concluir convergencia de la aproximacin numrica.

2.6.4-. Consistencia o Compatibilidad. Se dice que un esquema numrico es

consistente, si la ecuacin en diferencias finitas tiende a la ecuacin diferencial
cuando x y t tienden a cero.

Dadas las definiciones de error de truncamiento y consistencia, un esquema es

consistente si su error de truncamiento tiende a cero, cuando sus diferencias
finitas, x y t , por ejemplo, tienden a cero.

Ejemplo. El error de truncamiento para la aproximacin explcita est dado por

Ecuacin 2.109,

T
x 2 4 P
t 2 P

12 x 4 2 t 2
.......................................................... (2.109)
i i

Cuando x y t tienden a cero, T tiende a cero; luego, la aproximacin

explcita es consistente.

2.7-.SISTEMAS DE MALLAS Y CONDICIONES DE LMITE

Existen bsicamente dos sistemas de mallas: sistema de bloque centrado y

sistema de punto centrado o nodo distribuido. A continuacin se define cada uno
de ellos.

2.7.1-. Sistema de Bloque Centrado. En el sistema de bloque centrado las

variables dependientes son calculadas en el centro de cada celda o bloque, tal
como se ilustra en la Figura 2.15. Este sistema es el preferido cuando las
condiciones de lmite son de tipo Neumann, las cuales se caracterizan por que
especifican las derivadas de las variables dependientes a travs de las fronteras

138
del sistema, como por ejemplo, la rata de intrusin de agua desde un acufero a un
yacimiento.

2.7.2-. Sistema de Punto Centrado o Nodo Distribuido. En el sistema de punto

centrado, tambin conocido como nodo distribuido, las variables dependientes son
calculadas en la interseccin entre bloques, tal como se ilustra en la Figura 2.15.
Este sistema es el preferido cuando se utilizan condiciones de lmite tipo Dirichlet,
las cuales se caraterizan por que especifican el valor de la variable dependiente
en las fronteras del sistema (Figura 2.16).

Figura 2.15-. Esquema Ilustrativo de una Malla de Bloque Centrado

2.8-. Condiciones de Lmite Externo. Un yacimiento permanece en equilibrio a

menos que se introduzca algn tipo de disturbio en el sistema. Este disturbio se
introduce a travs de los lmites del yacimiento. En general, existen dos tipos de
lmites de yacimiento: internos y externos.

Los lmites internos hacen referencia a la interaccin del yacimiento con los pozos
y dan origen a las condiciones de lmite interno. Al tratamiento de las condiciones
de lmite interno se le conoce como modelamiento de pozos en simulacin
numrica de yacimientos. El modelamiento de pozos ha sido uno de los temas de
mayor importancia, y por ende ms ampliamente investigados, en simulacin de
yacimientos.

139
 P = Pe

2.16-. Esquema Ilustrativo de una Malla de Punto Centrado o Nodo

Distribuido.

Las condiciones de lmite externo hacen referencia a la forma como el yacimiento

interacta con sus alrededores. En general existen dos tipos de condiciones de
lmite externo: Dirichlet y Neumann. En esta seccin se discute la discretizacin
de estos dos tipos de condiciones de lmite externo.

Condiciones de Lmite Tipo Dirichlet. En una condicin tipo Dirichlet se

especifica la variable dependiente en los lmites externos del sistema. En el caso
de la expansin de la Ecuacin las condiciones de lmite tipo Dirichlet consisten en
especificar la presin de poro en los lmites x 0 y x L , donde L representa la
longitud del sistema. Analticamente,

P 0 Pcero t (2.134)

P L PL t (2.135)

140
Un caso particular de las Ecuaciones (2.134) y (2.135) ocurre cuando Pcero t y

PL t son constantes e iguales a Pcero y PL , respectivamente. Sin

prdida de generalidad, este ser el caso asumido en las siguientes discusiones.

La Figura 2.17 ilustra un sistema lineal discretizado, el cual incluye tres tipos de
puntos o celdas: (i) puntos o celdas interiores (rotulados como 1 , i 1 , i ,
i 1 N x ), (ii) puntos o celdas fantasmas (rotulados como 0 y N x 1 ), y (iii)

puntos o celdas ficticios (rotulados como 1 y N x 2 ). Los puntos interiores

hacen referencia a puntos localizados dentro del dominio fsico real del sistema.
Los puntos fantasmas son puntos que identifican celdas adyacentes a los lmites
externos del sistema y son utilizados para la discretizacin de las condiciones de
lmite externo. Los puntos ficticios son puntos que identifican celdas que se
adicionan a los lados de las celdas fantasmas y son utilizadas por conveniencia en
programacin y eficiencia computacional. Obsrvese que la condicin de lmite
externo izquierdo se aplica en las interfase que une el bloque fantasma 0 y el
primer bloque interior. As mismo, la condicin de lmite externo derecho se aplica
en la interfase que une el ltimo bloque interior y el bloque fantasma N x 1 .

Por tratarse de una malla de bloque centrado, el punto de aplicacin de las

condiciones de lmite tipo Dirichlet no coincide con la ubicacin de ninguno de los
nodos o puntos discretos. Por tal motivo, las condiciones de lmite tipo Dirichlet se
suelen discretizar aplicando promedios de las variables discretas en los bloques
adyacentes a la interfase que representa el lmite externo. Por ejemplo, para el
sistema ilustrado en la Figura 2.17, la condicin en x 0 se discretiza de la
siguiente forma:

141
 P 0 Pcero P L PL

1 0 1 i 1 i i1 Nx Nx 1 Nx 2

x 0 xL
Celda interior
Celda fantasma
Celda ficticia

Figura 2.17-. Malla Unidimensional de Bloque Centrado Indicando los

Diferentes Tipos de Celdas o Nodos (No Se Absorben Condiciones de Lmite)

P0 P1
Pcero
2

O bien,

P0 P1 2 Pcero (2.136)

En forma anloga, la condicin en x L se discretiza de la siguiente forma:

PNx PNx 1 2 PL (2.137)

Obsrvese que la discretizacin de las condiciones de lmite adiciona dos nuevas

incgnitas al sistema de ecuaciones de la expansin de la ecuacin (2.57) ( P0 y
Pnx 1 ) lo que hace necesario el planteamiento de dos ecuaciones adicionales

(Ecuaciones (2.136) y (2.137).

142
Discretizacin de Condiciones de Lmite Tipo Neumann. En una condicin tipo
Neumann se especifica la rata de flujo a travs de la frontera del yacimiento. En el
caso de la expansin de la ecuacin (2.57) una condicin Neumann en el lmite
x 0 puede expresarse de la siguiente forma:

kA p
q x 0 q cero
x x 0

(2.138))

En la Ecuacin (2.138), qcero es un valor conocido. La Ecuacin (2.138) puede

ser escrita de la siguiente forma:

p q cero

x x 0 kA

(2.139)

En el caso de un sistema cerrado, no existe flujo a travs de sus lmites externos

y, en consecuencia, q cero 0 . En este caso la Ecuacin (2.139) toma la siguiente
forma:

p
0
x x 0

(2.140)

Anlogamente, en el caso general, una condicin Neumann en el lmite x L

puede expresarse de la siguiente forma:
p qL

x xL kA

(2.141)

143
En la Ecuacin (2.141), qL es un valor conocido. En particular, para un sistema
cerrado, la Ecuacin (2.141) toma la siguiente forma:

p
0 (2.142)
x x L

Para una malla de bloque centrado, las condiciones de lmite tipo Neumann se
suelen discretizar calculando el gradiente entre los puntos discretos adyacentes a
la interfase que representa el lmite externo. Por ejemplo, para el sistema ilustrado
en la Figura 2.17, una condicin tipo Neumann en x 0 , Ecuacin (2.138), se
discretiza de la siguiente forma:

P1 P0 q cero

x1 x 0 kA

O bien,

qcero
P1 P0 x1 x0
kA
(2.143
En particular, para un sistema cerrado, la Ecuacin (2.143) toma la siguiente
forma:

P1 P0 0 (2.144)

En x L , las formas discretizadas de las Ecuaciones (2.141) y (2.142) pueden ser

expresadas de la siguiente manera:
PNx 1 PNx q
L
x Nx 1 x Nx kA

O bien,

144
 qL
PNx 1 PNx x Nx 1 x Nx
kA
(2.145)

Para un sistema cerrado, la Ecuacin (2.145) toma la siguiente forma:

PNx 1 PNx 0 (2.146)

Al igual que en el caso de las condiciones de lmite tipo Dirichlet, la discretizacin

de las condiciones de lmite tipo Neumann adiciona dos nuevas incgnitas al
sistema de ecuaciones representado por la Ecuacin 4.34. Estas dos nuevas
incgnitas son Pcero y PNx 1 . Este hecho hace necesario el planteamiento de
dos ecuaciones adicionales (Ecuacin (2.143) o (2.144), para x 0 , y Ecuacin
(2.145) o (2.146), para x L ).

145