You are on page 1of 78

69

2-. FUNDAMENTOS MATEMÁTICOS


2.1-SISTEMAS DE ECUACIONES LINEALES.

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

(
(
(
(
(
(
¸
(

¸

=
(
(
(
(
(
(
¸
(

¸

n n nn n n n
n n
n n
n n
b
b
b
b
x a x a x a x a
x a x a x a x a
x a x a x a x a
x a x a x a x a
.
....
. . . . .
...
...
...
3
2
1
3 3 2 2 1 1
3 3 33 2 32 1 31
2 3 23 2 22 1 21
1 3 12 2 12 1 11
........................................................ (2.1)

En la literatura este sistema de ecuaciones también se representa en forma
matricial por

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

Donde A ( A ) es la matriz de los coeficientes, X es el vector de las variables o
incógnitas y b es el vector de los términos independientes.

El sistema de ecuaciones tiene solución si A es una matriz singular, o sea si su
determinante es diferente de cero.

Los métodos de solución para un sistema de ecuaciones lineales pueden ser
métodos directos o de ensayo y error. Entre los métodos directos, también
conocidos como de eliminación, se tienen: Método de Cramer, Método de
eliminación de Gauss y de Jordan - Gauss.

70
2.2-Métodos para Resolver Sistemas de Ecuaciones Utilizando Matrices
(Métodos Directos).

1-. Regla de Cramer.

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

A
A
A Det
DetA
x
1
1
1
= = .................................................................................
...........................................................................................................
A
A
x
2
2
= .............................................................................................

A
A
x
i
i
= ............................................................................................. (2.3)

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 términos independientes del mismo sistema de ecuaciones.
A=
nn n n
n
n
a a a
a a a
a a a
... ...
... ... ... ... ...
... ... ... .... ...
... ...
... ...
2 1
2 22 21
1 12 11
....................................................................
.....................................................................................................................
nn n n
n
n
a a b
a a b
a a b
A
... ...
... ... ... ... ...
... ... ... ... ...
... ...
... ...
2
2 22 2
1 12 1
1
=
71
nn n n
n
n
i
a b a
a b a
a b a
A
... ...
... ... ... ... ...
... ... ... ... ...
... ...
... ...
1
2 2 21
1 1 11
= ................................................................... (2.4)

El método de Cramer se aplica cuando el sistema de ecuaciones es pequeño,
pocas ecuaciones e incógnitas, y como se puede ver el sistema de ecuaciones no
tendrá solución si el determinante de la matriz de los coeficientes es nulo.

2-. Método de Eliminación de Gauss.

Este método 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 términos independientes) que se representa por | | b A. y por medio de
operaciones elementales en esta matriz se llega a una matriz | | ' b U 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 términos independientes
transformado por las operaciones fundamentales realizadas sobre la matriz | | b A. .

72
(
(
(
(
(
(
¸
(

¸

=
1 ... 0 0 0
. . . .
... 1 0 0
... 1 0
... 1
x
x
x x
x x x
U

El procedimiento con este método es el siguiente:

Sea un sistema de ecuaciones cuya matriz aumentada es

n nn n n
n
n
b a a a
b a a a
b a a a
Ab
... ... ...
... ... ... ... ... .... ...
... ... ... ... ... ... ...
... ... ... ... ... ... ...
.... .... ....
2 1
2 2 22 21
1 1 12 11
=

i-. Se eliminan los elementos
1 , i
a 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
ecuación cuyo primer coeficiente sea 1. Si esto no es posible se divide la primera
fila por a
11
quedando la matriz de la siguiente forma

n nn n n
n
n
b a a a
b a a a
a b a a a a
Ab
... ... ...
... ... ... ... ... .... ...
... ... ... ... ... ... ...
... ... ... ... ... ... ...
/ / .... .... .... / 1
2 1
2 2 22 21
11 1 11 1 11 12
'
= .......................................... (2.5)

73
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 así sucesivamente
hasta la fila n a la cual se le restará la nueva fila 1 multiplicada por a
1n
.

La nueva matriz será entonces

' ' '
2
'
3
'
3
'
32
'
2
'
2
'
22
'
1
'
1
'
12
) 1 (
... ... ... 0
... ... ... ... ... .... ...
... ... ... ... ... ... ...
... ... ... 0
... ... ... 0
.... .... .... 1
n nn n
n
n
n
b a a
b a a
b a a
b á a
Ab = .................................................... (2.6)
donde
11 1
'
1
/ a a a
j j
= ,
11 1
'
1
/ a b b = ,
1
'
1
'
i j ij ij
a a a a ÷ = y 1 1 ,
1
'
1
'
> ¬ . > ¬ ÷ = j i a b b b
i i i


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

Se divide la fila 2 por el elemento
1
22
a , o se reorganizan las filas de la matriz
) 1 (
Ab
de la fila 2 en adelante, de tal forma que en la fila 2 quede una fila donde el
elemento
1
2 i
a sea 1. En este caso la matriz aumentada queda así:


' ' '
2
'
3
'
3
'
32
'
22
'
2
'
22
'
2
'
22
'
23
'
1
'
1
'
12
) 1 (
... ... ... 0
... ... ... ... ... .... ...
... ... ... ... ... ... ...
... ... ... 0
/ / ... ... ... / 1 0
.... .... .... 1
'
n nn n
n
n
n
b a a
b a a
a b a a a a
b á a
Ab =


74
Se eliminan los elementos
'
2 i
a desde i=3 hasta n de la matríz
) 1 (
Ab , restando a
cada fila de la matriz anterior desde i=3 hasta n la fila 2 de la misma matriz anterior
multiplicada por
'
2 i
a . Al recorrer todas las filas desde I=3 hasta n la nueva matriz
quedará así:

2 2 2
3
2
3
2
3
2
33
2
2
2
2
2
23
'
1
1
1
1
12
) 2 (
... ... .. . 0 0
... ... ... ... ... .... ...
... ... ... ... ... ... ...
... ... .. . 0 0
... ... ... 1 0
.... .... .... 1
n nn n
n
n
n
b a a
b a a
b a a
b á a
Ab = ....................................................... (2.7)

donde
1
22
1
2
2
2
/ a a a
j j
= ,
1
22
1
2
2
2
/ a b b = y
2
2
1
2
1 2
*
j i ij ij
a a a a ÷ = y
2
2
1
12
1 2
*b a b b
i i
÷ = para i=3
hasta n y j=3 hasta n.

iii-. Se eliminan los elementos
2
3 i
a desde i=4 hasta n en la matriz
) 2 (
Ab siguiendo
dos pasos similares a los seguidos para eliminar los elementos
1 i
a de la fila 2 hasta
la fila n en la matriz Ab y los elementos
1
2 i
a de la matriz
) 1 (
Ab de la fila 3 hasta la
fila n. En este caso la matriz que resulta es

3 3 3
4
3
3
3
3
3
34
2
2
2
2
2
23
'
1
1
1
1
12
) 3 (
... ... .. 0 . 0 0
... ... ... ... ... .... ...
... ... ... ... ... ... ...
... ... .. 1 . 0 0
... ... ... 1 0
.... .... .... 1
n nn n
n
n
n
b a a
b a a
b a a
b á a
Ab = (2.8)

Donde
2
33
2
3
3
3
/ a a a
j j
= ,
2
33
2
3
3
3
/ a b b = y
3
3
2
3
2 3
*
j i ij ij
a a a a ÷ = y
3
3
2
3
2 3
*b a b b
i i i
÷ = para i=4
hasta n y j=4 hasta n

75
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 tendrá finalmente la siguiente matriz

n
n
n
n
n
n n
n
n
n
n
b o
b a
b a a
b a a
b á a
Ab
1 ... ... .. 0 . 0 0
.. . .. 1 0 0 0 0
... ... ... ... ... ... ...
... ... .. 1 . 0 0
... ... ... 1 0
.... .... .... 1
1
1
1
, 1
3
3
3
3
3
34
2
2
2
2
2
23
'
1
1
1
1
12
) (
÷
÷
÷
÷
= ................................. (2.9)

v-. El sistema de ecuaciones original se ha transformado entonces en
1 ... ... .. 0 . 0 0
.. 1 0 0 0 0
... ... ... ... ... ...
... ... .. 1 . 0 0
... ... ... 1 0
.... .... .... 1
1
, 1
3
3
3
34
2
2
2
23
1
1
1
12
o
a
a a
a a
á a
n
n n
n
n
n
÷
÷
*
n
n
x
x
x
x
x
1
3
2
1
...
÷
n
n
n
n
b
b
b
b
b
1
1
3
3
2
2
1
1
...
÷
÷
= ............................ (2.10)

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

n
n n
b x = .......................................................................................................... (2.11)
n
n
n n
n
n n
x a b x *
1
, 1
1
1 1
÷
÷
÷
÷ ÷
÷ =
n
n
n n n
n
n n
n
n n
x a x a b x * *
2
, 2 1
2
1 , 2
2
2 2
÷
÷ ÷
÷
÷ ÷
÷
÷ ÷
÷ ÷ =
¿
+ =
÷ = ¬ ÷ =
n
i j
j
i
ij
i
i i
n i x a b x
1
1 , 1 ................................. (2.12)

La siguiente es una propuesta de código para programar la solución de un sistema
de ecuaciones por el método de eliminación de Gauss:

DIMENSION S(30,31), X(30)
76
C S ES LA MATRIZ AUMENTADA Y X ES EL VECTOR DE LAS INCÓGNITAS
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
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)
77
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.

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

n n n n
d
d
d
d
x
x
x
x
b a
c b a
c b a
c b
... ...
... 0 0
... ... ... ... ...
0 0
0 0 0
3
2
1
3
2
1
3 3 3
2 2 2
1 1
= ............................................................. (2.13)

O sea que la matriz aumentada es

78
1 1 1
2 2 2 2
3 3 3 3
0
0 ...
... ... ... ... ... ...
... ... ...
n n n
b c d
a b c d
a b c d
a b d


Al aplicar el primer paso la matriz se transforma en

n n n
d b a
d c b a
a d c a b
... ... ...
... ... ... ... ... ...
... 0
0
1
3 3 3 3
1 2 2 2 1 2 2
1 1
¸ |
¸ |
÷ ÷
................................................. (2.14)

donde
1 1 1
/ b c = | y
1 1 1
/ b d = ¸ .

Al aplicar el segundo paso la nueva matriz es

n n n
d b a
a d c a b
... ... ...
... ... ... ... ... ...
... 0 0
1 0
1
2 3 3 3 2 3 3
2 2
1 1
¸ |
¸ |
¸ |
÷ ÷ ................................................ (2.15)

donde
1 2 2
2
2
|
|
a b
c
÷
= y
1 2 2
1 2 2
2
|
¸
¸
a b
a d
÷
÷
=

Cuando se aplique el paso i la matriz resultante será

79
n n n
i i
d b a ... ... ...
1 0 0 0
... ... ... .... ... ...
1 0
1
2 2
1 1
¸ |
¸ |
¸ |
................................................................... (2.16)

donde
1 ÷
÷
=
i i i
i
i
a b
c
|
| y
1
1
÷
÷
÷
÷
=
i i i
i i i
i
a b
a d
|
¸
¸

y al terminar el paso n la matriz final es
n
i i
¸
¸ |
¸ |
¸ |
1 0 ... ... ...
1 0 0 0
... ... ... .... ... ...
1 0
1
2 2
1 1
..................................................................... (2.17)

Donde
1
1
÷
÷
÷
÷
=
n n n
n n n
n
a b
a d
|
¸
¸

Entonces el sistema de ecuaciones original se ha transformado en:

n n
x
x
x
x
¸
¸
¸
¸
|
|
|
... ...
*
1 0 ... 0 0
... ... ... ... ...
... 1 0 0
... ... 1 0
... ... ... 1
3
2
1
3
2
1
3
2
1
= ........................................... (2.18)

Y de acuerdo con la definición de la multiplicación de matrices se puede
establecer:

n n
x ¸ = ............................................................................................... (2.19)
80
n n n n
x x *
1 1 1 ÷ ÷ ÷
÷ = | ¸

y en general

1 , 1 , *
1
÷ = ¬ ÷ =
+
n i x x
i i i i
| ¸ ................................................................ (2.20)

Este caso particular del método 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 ecuación i llame b
i
el coeficiente de la incógnita i, a
i
el coeficiente de
la incógnita i-1 y c
i
el coeficiente de la incógnita i+1.
ii-. Para i=1 haga
1
1
1
b
c
= | y
1
1
1
b
d
= ¸ .............................................................................. (2.21)
Y para i=2 hasta n, haga secuencialmente:

1 ÷
÷
=
i i i
i
i
a b
c
|
| y
1
1
÷
÷
÷
÷
=
i i i
i i i
i
a b
a d
|
¸
¸ ......................................................... (2.22)

iii-. Para i=n haga

n n
x ¸ = ............................................................................................... (2.23)

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

1 , 1 , *
1
÷ = ¬ ÷ =
+
n i x x
i i i i
| ¸ ................................................................ (2.24)

Obsérvese que en el paso ii, se calcula primero β
1
y γ
1
, luego β
2
y γ
2
, luego β
3
y γ
3

y así sucesivamente hasta llegar a β
n
y γ
n
, y en el paso iii-. se calcula primero x
n
,
luego x
n-1
y así sucesivamente hasta llegar a x
1
.
81

3-. Método de Jordan – Gauss.

El método de Jordan – Gauss es un proceso de eliminación en dos etapas con el
fin de convertir la matriz de los coeficientes en la matriz I; la primera etapa es la
eliminación de Gauss o sea es una eliminación hacia delante donde se van
eliminando gradualmente en cada paso i, desde la ecuación i+1 hasta la ecuación
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 ecuación (2.9); la segunda etapa es un
proceso de eliminación hacia atrás donde partiendo de la matriz triangular del final
de la primera etapa en cada paso i se elimina la incógnita x
n-i+1
de la ecuación (n-i)
hasta la ecuación (1). Los pasos de la segunda etapa serían entonces los
siguientes:

Paso 1
Tomando la matriz final de la primera etapa de eliminación a cada fila i desde i=(n-
1) hasta 1, se le resta la fila n multiplicada por
i
n i
a
,
; o sea que al final de este paso
la matriz se convierte en la matriz
1 , n
Ab representada por la ecuación (2.25) en la
cual los
1 , i
i
b están dados por
n
n
i
n i
i
i
i
i
b a b b *
,
1 ,
÷ = y 1 , 1 1 , 1
,
1 ,
,
÷ = ¬ . ÷ = ¬ = n j n i a a
i
j i
i
j i



n
n
n
n
n
b o
b
b a
b a
b a
Ab
1 ... ... .. 0 . 0 0
.. . .. 0 1 0 0 0 0
... ... ... ... ... ... ...
0 ... ... .. 1 . 0 0
0 ... ... ... 1 0
0 .... .... .... 1
1 , 1
1
1 , 3
3
1 , 3
34
1 , 2
2
1 , 2
23
1 , '
1
1 , 1
12
) 1 , (
÷
÷
= ............................................. (2.25)


82
Paso 2.
Partiendo de la matriz
1 , n
Ab , dada por la ecuación (2.25) se procede a eliminar
desde la fila n-2 hasta la fila 1, la incógnita x
n-1
restando a cada fila

i la fila (n-1)
multiplicada por
i
n i
a
1 , ÷
; o sea que al final la matriz se convierte en la ecuación (2.26)

n
n
n
n
n
b o
b
b a
b a
b a
Ab
1 ... ... .. 0 . 0 0
.. . .. 0 1 0 0 0 0
... ... 0 ... ... ... ...
0 0 ... .. 1 . 0 0
0 0 ... ... 1 0
0 0 .... .... 1
1 , 1
1
2 , 3
3
3
34
2 , 2
2
2
23
2 , 1 '
1
1
12
) 2 , (
÷
÷
= ............................................... (2.26)

donde
1 , 1
1 1 ,
1 , 2 ,
*
÷
÷ ÷
÷ =
n
n
i
n i
i
i
i
i
b a b b para i= (n-2) hasta 1.

Paso j

Partiendo de la matriz
1 , ÷ i n
Ab se procede a eliminar desde la fila (n-i) hasta la fila 1,
la incógnita x
n-i+1
restando a cada fila

la fila (n-i+1) multiplicada por
i
j n i
a
1 , + ÷
; o sea
que al final la matriz se convierte en

n
n
n
n
j j n
j n
j n
j j n
i n
b
b
b
b a
b a
Ab
1 ... ... 0 .. 0 . 0 0
.. . .. 0 1 0 0 0 0
... ... 0 ... 1 ... ... ...
.... . 0 0 ... 0 .. 1 . 0 0
0 0 ... ... ....... 1 0
0 0 .... .... 1
1 , 1
1
, 1
1
2 , 2
2
2
1 , 2
2 , 1 '
1
1
12
) , (
÷
÷
÷ ÷
÷ ÷
÷ ÷
÷ ÷ ÷
= ................................ (2.27)

donde
1 , 1
1 1 ,
1 , ,
*
÷
+ ÷ +
÷
÷ =
n
j n
i
i i
j i
i
j i
i
b a b b para i= (n-2) hasta 1.

4-. Método de la Matriz Inversa.
83
Requiere obtener la inversa de la matriz de los coeficientes.

La expresión matricial para un sistema de ecuaciones es la ecuación (2.2)

b X A = (2.2)

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

X b A X A A = =
÷ ÷ 1 1
(2.3)

De acuerdo con la ecuación (2.3) y la definición de multiplicación de matrices se
puede establecer:


¿
=
÷
=
n
s
i s s i
x b a
1
1
,
* (2.4)

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

5-. Método de Factorización de la Matriz de Coeficientes.

Este método 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

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

84
y por tanto al factorizar la matriz de los coeficientes se tendrá

( ) b X LU =

y aplicando la ley asociativa del producto de matrices se tiene

( ) b X U L = * *

Definamos ahora el siguiente vector

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

o sea que

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

De acuerdo con la definición del producto de matrices

¿
=
=
n
s
j s s i j i
u l a
1
, , ,
* ............................................................................................ (2.29)

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

¿ ¿
+ =
÷
=
+ + =
n
j s
j s s i j j j i
j
s
j s s i j i
u l u l u l a
1
, , , ,
1
1
, , ,
*

Recordando la definición de la matriz U se tiene que U
j,j
=1 y que U
s,j
=0 para todo
s>j , de la ecuación anterior se tiene

85
¿
÷
=
÷ =
1
1
, , , ,
j
s
j s s i j i j i
u l a l ....................................................................................... (2.30)

Por otra parte, la sumatoria de la ecuación (2.29) también se puede expresar
como

¿ ¿
+ =
÷
=
+ + =
n
i s
j s s i j i i i
i
s
j s s i j i
u l u l u l a
1
, , , ,
1
1
, , ,
*

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

|
.
|

\
|
÷ =
¿
÷
=
1
1
, , ,
,
,
*
1
i
s
j s s i j i
i i
j i
u l a
l
u ............................................................................ (2.31)

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

- Se calculan los elementos de la primera columna (j=1) de la matriz L
usando la ecuación (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 ecuación (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 ecuación (2.30), en este caso la sumatoria se puede calcular
porque posee un elemento que está 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 ecuación (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 así 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
86
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 ecuación (2.28) y recordando la definición de multiplicación
de matrices, ecuación (2.29)

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

¿
=
=
n
j
j j i i
g l b
1
,
* ..........................................................................................
................................................................................................................
¿ ¿
÷
= + =
+ + =
1
1 1
, , ,
* * *
i
j
n
i j
j j i i i i j j i
g l g l g l

Y como l
i,j
=0 para j>i, la segunda sumatoria de la expresión anterior es igual a
cero y por tanto se puede escribir

(
¸
(

¸

÷ =
¿
÷
=
1
1
,
,
* *
1
i
j
j j i i
i i
i
g l b
l
g ......................................................................... (2.32)

Con la ecuación (2.32) se pueden ir encontrando los elementos del vector G,
los g
i
, en orden ascendente desde i=1 hasta n.

Conocidos los elementos del vector G se procede a encontrar los valores de
las x
i
, los elementos del vector X, usando la ecuación (2.27) de acuerdo con la
cual y usando la definición de multiplicación de matrices se puede escribir

87
¿
=
=
n
j
j j i i
x u g
1
,
*
¿ ¿
÷
= + =
+ + =
1
1 1
, , ,
* * *
i
j
n
i j
j j i i i i j j i
x u x u x u

Recordando la definición de la matriz U, los u
i,i
=1 y los u
i,j
=0 para todo j<i, o sea
que la primera sumatoria de la expresión anterior es cero y por tanto
¿
+ =
÷ =
n
i j
j j i i i
x u g x
1
,
* ........................................................................ (2.33)

La ecuación (2.33) permite obtener los valores de x
i
de manera secuencial
decreciente empezando por x
n
hasta llegar a x
1
.

Cuando la matriz de los coeficientes es una matriz tridiagonal este método de
solución del sistema de ecuaciones también se simplifica apreciablemente, al igual
que en el caso del procedimiento de Gauss y el método resultante también se
conoce como algoritmo de Thomas. La matriz de los coeficientes tridiagonal se
representa por


n n
b a
c b a
c b a
c b
A
... 0 0
... ... ... ... ...
0 0
0 0 0
3 3 3
2 2 2
1 1
=

y el sistema de ecuaciones por la ecuación (2.13)

88

n n n n
d
d
d
d
x
x
x
x
b a
c b a
c b a
c b
... ...
... 0 0
... ... ... ... ...
0 0
0 0 0
3
2
1
3
2
1
3 3 3
2 2 2
1 1
= (2.13)
Al descomponer la matriz A de los coeficientes en sus factores L y U de acuerdo
con las ecuaciones

LU A=


¿
÷
=
÷ =
1
1
, , , ,
j
s
j s s i j i j i
u l a l (2.30)

|
.
|

\
|
÷ =
¿
÷
=
1
1
, , ,
,
,
*
1
i
s
j s s i j i
i i
j i
u l a
l
u (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:


n n
l a
a
l a
l
L
... ...
...
3
2 2
1
= (2.34)


1
...
... ...
1
1
1
2
1
÷
=
n
u
u
u
U (2.35)

89
Donde


1 1
b l = (2.36)


1 2 2
1
1
2 2 2
* u a b
b
c
a b l ÷ = ÷ = (2.37)

2 3 3
1 1 2 2
2
3 3 3
/ *
* u a b
b c a b
c
a b l ÷ =
÷
÷ = (2.38)


1 1 1
/ b c u = (2.39)


( )
1 2 2
2
1 1 2 2
2
2
/ * u a b
c
b c a b
c
u
÷
=
÷
= (2.40)


( )
2 3 3
3
1 1 2 2 2 3 3
3
3
/ * / * u a b
c
b c a b c a b
c
u
÷
=
÷ ÷
= (2.41)

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

n i u a b l
i i i i
, 2 ;
1
= ¬ ÷ =
÷
(2.42)

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

n i
l
c
u a b
c
u
i
i
i i i
i
i
, 2 ,
1
1
1
1
= ¬ =
÷
=
÷
÷
÷
÷
(2.43)

Las ecuaciones (2.36) y (2.4) permiten obtener la matriz L y la ecuación (2.43)
permite obtener la matriz U; obsérvese además que la diagonal inferior de la
matriz L es la misma de diagonal inferior de la matriz A.

90
Para obtener el vector G definido por la ecuación (2.27) se parte de la ecuación
(2.28), la cual usando la nomenclatura usada para la matriz tridiagonal se expresa
como

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


(
¸
(

¸

÷ =
¿
÷
=
1
1
,
,
* *
1
i
j
j j i i
i i
i
g l d
l
g (2.45)

Y recordando la configuración de la matriz L , ecuación (2.34) se pueden obtener
las siguientes expresiones para calcular los componentes del vector G:


1
1
1
l
d
g = (2.47)

n i
l
g c d
g
i
i i i
i
, 2 ,
1
= ¬
÷
=
÷
(2.48)


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

1-. Método de Jacobi

La expresión matricial para el sistema de ecuaciones es

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

La matriz A se puede descomponer en dos sumandos así
91

C D A ÷ = ..................................................................................................... (2.34)

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

(
(
(
(
(
(
¸
(

¸

=
÷
n n
n n
a
a
a
a
D
,
, 1
22
11
.... 0 0 0
0 ... 0 0
... ... ... ... ...
0 .... 0 0
0 .... 0 0
...................................................................... (2.35)

y la matriz C es una matriz cuyos elementos de la diagonal principal son cero y c
i,j

= -a
i,j
para todos los i,j; o sea

(
(
(
(
(
(
¸
(

¸

÷ ÷ ÷
÷ ÷
÷ ÷ ÷
÷ ÷
=
0 ....
.... .... .... .... ....
....
.... 0
.... 0
3 , 2 , 1 ,
, 3 2 , 3 1 , 3
, 2 3 , 2 21
, 1 3 , 1 2 , 1
n n n
n
n
n
a a a
a o a a
a a a
a a a
C
.................................................................. (2.36)

Teniendo en cuenta la ecuación (2.34) y la propiedad distributiva del producto de
matrices se tiene:

b X C X D = ÷ * *

de donde se puede despejar

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

92
Cuando X es la solución del sistema de ecuaciones se cumple la ecuación (2.37).
Pero la ecuación (2.37) también nos permite calcular un posible vector solución del
sistema de ecuaciones,
1 + m
X , a partir de un vector solución supuesto
m
X , o sea

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

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

El método de Jacobi consiste entonces en lo siguiente:

- Se supone un vector solución
m
X y a partir de este vector solución se
calcula un nuevo vector solución
1 + m
X , usando la ecuación (2.38). De
acuerdo con la definición de las matrices D y C y del producto entre
matrices, el elemento
1 + m
i
x del vector
1 + m
X se obtiene de la siguiente
expresión al aplicar la ecuación (2.38)

(
¸
(

¸

÷ ÷ =
¿ ¿
÷
= + =
+
1
1 1
, ,
1
,
i
j
n
i j
m
j j i
m
j j i i
m
i i i
x a x a b x a

................................................................................................................
(
¸
(

¸

÷ ÷ =
¿ ¿
÷
= + =
+
1
1 1
, ,
,
1
*
1
i
j
n
i j
m
j j i
m
j j i i
i i
m
i
x a x a b
a
x , n i , 1 = ¬ ....................................... (2.39)

- Con la expresión (2.39) se calculan todos los elementos del vector
1 + m
X y
una vez calculados todos los
1 + m
i
x se verifica si se cumple la siguiente
igualdad

( ) c *
1
2
1
n x x
n
i
m
i
m
i
< ÷
¿
=
+
............................................................................ (2.40)

93
donde c es la diferencia que se considera aceptable entre el valor supuesto
para una variable y el valor calculado. Si no se cumple la ecuación (2.40) el
nuevo vector solución calculado
1 + m
X se toma como un nuevo vector solución
supuesto
1 + m
X y se procede a calcular un nuevo vector solución
2 + m
X .

- El proceso continua hasta que se cumpla la ecuación (2.40).
Convergencia del Método Iterativo de Jacobi: Como en cualquier procedimiento
de ensayo y error, se debe demostrar que el método de Jacobi es convergente, o
sea que es posible que teniendo un sistema de ecuaciones si se supone un vector
solución para el mismo y se calcula un nuevo vector solución aplicando la
ecuación (2.39), después de hacer esto durante un número m de iteraciones se
llegará a una situación donde se cumpla la ecuación (2.40). Para demostrar esto
retomemos la ecuación (2.38)

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

de la cual se puede concluir que

b D X C D X
m m
* *
1 1 1 ÷ ÷ +
+ = .................................................................... (2.41)

Cuando se tiene la solución exacta X , la ecuación (2.41) es

b D X C D X * *
1 1 ÷ ÷
+ = .................................................................................. (2.42)

94
Restando la ecuación (2.42) de la (2.41) y definiendo M como D
-1
C, se tiene
.....................................................................................................................
( ) ( ) X X M X X
m m
÷ = ÷
+
*
1
............................................................................ (2.43)

En la ecuación (2.43), ( ) X X
m
÷
+1
es el error que se comete en la iteración (m+1) y
se representa por ε
m+1
, y ( ) X X
m
÷ es el error que se comete en la iteración m y se
representa por ε
m
; o sea que la ecuación también se puede escribir como
.....................................................................................................................
2 1 1
* * * * * *
÷ ÷ +
= = =
m m m m
M M M M M M c c c c ............................................

Finalmente, de acuerdo con la expresión anterior se puede escribir

0 1
c c
m m
M =
+
................................................................................................. (2.44)
En la ecuación (2.44), el término ε
0
es el error que se comete al hacer la
suposición inicial para iniciar el proceso de solución por el método de ensayo y
error de Jacobi, el cual será convergente si después de m iteraciones, cuando m
es muy grande, el error entre la solución calculada y la solución real, ε
m+1
, tiende a
cero; o sea que usando la ecuación (2.44) el método de Jacobi será convergente
si

· ÷
= =
+
m
M
m m
0 lim lim
0 1
c c
...................................................................... (2.45)

Puesto que ε
0
no es cero, ya que lo lógico es que el vector solución inicial
supuesto es diferente del vector solución real, la única posibilidad de que se
cumpla la ecuación (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 condición en los siguientes casos:

95
1-.)Una condición suficiente para que
· ÷
=
m
M
m
0 lim
es que 1 < M donde M se
conoce como la norma de la matriz M.

2-.)
( )
· ÷
< ÷ =
m
M M
m
0 0 lim µ

donde µ(M) es el radio espectral de M y está dado por ( ) { } ì µ max ) ( = M , donde ì
son los valores propios de la matriz M.

2-. Método de Gauss – Seidel

El método de Gauss – Seidel es una mejora del método de Jacobi para acelerar
su convergencia, en donde las valores que se van calculando en una iteración
dada para las variables se van usando en la misma iteración para calcular los
valores de las variables siguientes. Se basa en lo siguiente:

La matriz de los coeficientes A de la ecuación (2.2) para el sistema de ecuaciones
se descompone en tres sumandos, las matrices D, U y L

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

donde: D está definida otra vez por la ecuación (2.35)

(
(
(
(
(
(
¸
(

¸

=
÷
n n
n n
a
a
a
a
D
,
, 1
22
11
.... 0 0 0
0 ... 0 0
... ... ... ... ...
0 .... 0 0
0 .... 0 0
...................................................................... (2.35)

L está definida por

96
(
(
(
(
(
(
¸
(

¸

÷ ÷ ÷
÷ ÷
÷
=
0 ....
.... .... .... .... ....
0 .... 0
0 .... 0 0
0 .... 0 0 0
3 , 2 , 1 ,
2 , 3 1 , 3
21
n n n
a a a
a a
a
L
....................................................................... (2.47)

y U está definida por

.....................................................................................................................
(
(
(
(
(
(
¸
(

¸

÷ ÷
÷ ÷
=
0 .... 0 0 0
.... .... .... .... ....
.... 0 0
.... 0 0
.... 0
, 3
, 2 3 , 2
, 1 3 , 1 2 , 1
n
n
n
a o
a a
a a a
U
...................................................................... (2.48)

El sistema de ecuaciones se puede entonces representar matricialmente por

( ) b X U L D = ÷ ÷ *

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

La ecuación (2.49) cumple si X es la solución exacta, pero al igual que en el caso
de Jacobi también se puede plantear un procedimiento de ensayo y error de tal
forma que

( ) b X U X L D
m m
+ = ÷
+
* *
1
............................................................................ (2.50)

donde
m
X es un vector solución supuesto en una iteración y
1 + m
X es un nuevo y
mejor solución calculado en la misma iteración.

97
De acuerdo con las definiciones de las matrices D, L y U y de la suma y
multiplicación de matrices, los elementos
1 + m
i
x del vector
1 + m
X se pueden calcular
de la siguiente manera

m
n n
m m m
x a x a x a b x a
, 1 3 3 , 1 2 2 , 1 1
1
1 1 , 1
.. .......... ÷ ÷ ÷ ÷ =
+


( )
m
n n
m m m
x a x a x a b
a
x
, 1 3 3 , 1 2 2 , 1 1
1 , 1
1
1
.. ..........
1
÷ ÷ ÷ ÷ =
+


m
n n
m m m m
x a x a x a b x a x a
, 2 4 4 , 2 3 3 , 2 2
1
2 2 , 2
1
1 1 , 2
.. .......... ÷ ÷ ÷ ÷ = +
+ +


( )
m
n n
m m m
x a x a x a b
a
x
, 2 3 3 , 2
1
2 1 , 2 2
2 , 2
1
2
.. ..........
1
÷ ÷ ÷ ÷ =
+ +


y en general

¿ ¿
+ =
÷
=
+ +
÷ = +
n
i j
m
j j i i
i
j
m
i i i
m
j j i
x a b x a x a
1
,
1
1
1
,
1
,

(
¸
(

¸

÷ ÷ =
¿ ¿
÷
= + =
+ +
1
1 1
,
1
,
,
1
*
1
i
j
n
i j
m
j j i
m
j j i i
i i
m
i
x a x a b
a
x ...................................................... (2.51)

La ecuación (2.51) es la ecuación general para calcular el nuevo vector solución
en la iteración (m+1) del proceso de Gauss – Seidel; obsérvese que los elementos
se van calculando secuencialmente y cuando se esté calculando el elemento
1 + m
i
x
del vector
1 + m
X , usando la ecuación (2.51), se usan los valores de los elementos
1 + m
j
x para todo j<i los cuales ya han sido calculados en pasos anteriores de la
misma iteración, los elementos x
j
para j>i son los calculados en la iteración m
porque aún no han sido calculados en la iteración (m+1).

98
La convergencia de este método se prueba de la misma forma que en el método
de Jacobi teniendo en cuenta que en este caso la matriz M está dada por

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

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

3-. Método de Relación Sucesiva Puntual (PSOR)

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

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

( ) b X U L D = ÷ ÷ *

Si se introduce un factor W tal que
( ) b w X U L D w = ÷ ÷ *

La ecuación anterior se puede modificar de la siguiente forma

( ) X D wb X wU wL wD D + = ÷ ÷ + *

( ) ( ) | | X wU w D b w X wL D * 1 * * + ÷ + = ÷ ....................................................... (2.53)

Nuevamente, la ecuación (2.49) cumple si X es la solución exacta del sistema de
ecuaciones, pero también puede plantearse a partir de ella un procedimiento de
ensayo y error escribiéndola de la siguiente forma:

99
.....................................................................................................................
( ) ( ) | |
m m
X wU w D b w X wL D * 1 * *
1
+ ÷ + = ÷
+
................................................. (2.54)

La ecuación (2.54) plantea que es posible suponer un vector solución
m
X para el
sistema de ecuaciones, que no es la solución exacta, y a partir de el calcular un
nuevo vector
1 + m
X que es mejor solución. Esto es, al igual que en los casos de
Jacobi y Gauss Seidel, un proceso de ensayo y error y en una iteración m se
supone un vector solución
m
X y se calcula un nuevo vector solución
1 + m
X que es
mejor solución que el vector solución supuesto en la misma iteración; para una
iteración m el vector supuesto es el calculado en la iteración anterior. El proceso
termina cuando en una iteración se cumpla que la diferencia entre el vector
supuesto y el calculado esté dentro de una tolerancia establecida, o sea cuando
se cumpla la ecuación (2.42)

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

Nuevamente recordando la definición de las matrices D, L, U y de las operaciones
de suma y multiplicación de matrices se tiene aplicando la ecuación (2.54)

¿ ¿
+ =
÷
=
+ +
+ ÷ + = +
n
i j
m
j j i
m
i i i i
i
j
m
j i i
m
j j i
x a w x a w b w x a x a w
1
, ,
1
1
1
,
1
,
* * ) 1 ( * *

y despejando
1 + m
i
x se tiene

( )
(
¸
(

¸

÷ ÷ + ÷ =
¿ ¿
÷
= + =
+ +
1
1
1
, ,
,
1
* 1
i
i j
n
i j
m
j j i
m
j j i i
i i
m
i
m
i
x a x a b
a
w
x w x ........................................ (2.55)


100
Observando la ecuación (2.55) se ve que el segundo sumando es la expresión
para calcular
1 + m
i
x por el método de Gauss – Seidel, ecuación (2.51), multiplicado
por w, o sea que el valor de
1 + m
i
x en este método se obtiene haciendo un promedio
ponderado entre su valor obtenido entre la iteración anterior y su valor en la
iteración (m+1) obtenido por el método de Gauss - Seidel.

El término w se conoce como factor de relajación y dependiendo de su valor se
tendrá mejor convergencia o no que con el método de Gaus – Seidel, y el método
se conoce como de relajación; cuando el valor de w es menor que 1 se dice que
se tiene subrelajación, si es mayor que 1 se habla de sobrerelajación y si es igual
a 1 se tiene el método de Gauss – Seidel.

La convergencia de este método también se prueba siguiendo el procedimiento
aplicado en el método de Jacobi y partiendo de la ecuación (50), sea que en este
caso la matriz M está dada por

( ) ( ) | | wU D w wL D M + ÷ ÷ =
÷
1 *
1
.................................................................... (2.56)

La convergencia se tendrá si la matriz M cumple con una de las dos condiciones
que se plantearon en la demostración de convergencia del método de Jacobi.

2.4- APROXIMACION DE ECUACIONES DIFERENCIALES A DIFERENCIAS
FINITAS.

En el capítulo 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 términos de la posición y el
tiempo. En algunos casos de limitada aplicación, estas ecuaciones pueden ser
resueltas analíticamente. Sin embargo, en la mayoría de las aplicaciones se
requiere utilizar técnicas numéricas para su solución.

Este capítulo se dedica a la discusión de los conceptos básicos que rigen la
aproximación de una ecuación diferencial parcial a diferencias finitas.
Inicialmente, se discuten algunas nociones sobre variables discretas y diferencias
101
finitas. Luego, se consideran las aproximaciones para la primera y segunda
derivada, así como los esquemas de aproximación implícita y explícita.
Posteriormente, se discuten los conceptos de error de truncamiento, estabilidad,
convergencia y consistencia. En la parte final del capítulo, se habla de sistemas
de malla y condiciones de límite. A través de todo el capítulo se trabaja con una
ecuación de flujo simple con la finalidad de introducir los conceptos básicos
referentes a los temas antes mencionados. Esto facilita considerablemente la
aplicación y extensión de conceptos básicos a ecuaciones de flujo complejas que
gobiernan el comportamiento real de un yacimiento.

2.4.1-.DISCRETIZACION, VARIABLES DISCRETAS Y DIFERENCIAS FINITAS
Considérese un medio poroso lineal a través del cual fluye un fluido compresible o
levemente compresible y el cual se encuentra a una presión inicial
i
p (Figura 2.1).
Si el sistema se abre a producir en el punto L x = , la presión disminuye a medida
que se incrementa el volumen de fluido extraído del sistema. Supóngase que para
este sistema, la variación de la presión p , en función de la posición x y el tiempo
t , está descrita por la siguiente ecuación diferencial:

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

La solución analítica a la Ecuación 2.57 permite obtener una función continua
( ) t x p p , = para calcular la presión en cada punto a un tiempo determinado. Un
gráfico de p en función de x y t luciría en forma análoga a como se ilustra en la
Figura 2.1.

Para la solución numérica de una ecuación diferencial de flujo, tal como la
Ecuación 2.57, se requiere tratar el yacimiento como un conjunto de bloques. Esta
solución permite calcular la presión en cada bloque a diferentes intervalos de
tiempo. A diferencia de la solución analítica, en lugar de obtenerse una expresión
que relacione la presión como una función continua de la posición y el tiempo, se
obtiene una serie de valores discretos de presión, cada uno de los cuales
corresponde a un bloque determinado del yacimiento. La acción de dividir el
yacimiento en un número determinado de bloques e intervalos de tiempo se
denomina discretización. La Figura 2.2 presenta el ejemplo hipotético de un
yacimiento real y su correspondiente discretización. A las longitudes de cada
bloque,
1
x A ,
2
x A , ... , y a cada intervalo de tiempo,
1
t A ,
2
t A , ... , se les denomina
diferencias finitas. La Figura 2.3 presenta la forma típica de la distribución de
presión en un sistema lineal a diferentes tiempos obtenida mediante la solución
numérica de una ecuación fundamental de flujo. A manera de ejemplo, se pudiera
considerar que las Figuras 2.1 y 2.3 corresponden a las soluciones analítica y
numérica, respectivamente, de una misma ecuación de flujo (por ejemplo de la
Ecuación 2.57) para un mismo sistema.
102

Figura 2.1-.Forma Típica de la Distribución de Presión en Sistema Lineal
(Solución Analítica)


Los siguientes son algunos comentarios importantes relacionados con la
discretización de un yacimiento:

a. Los lados de cada bloque, perpendiculares a la dirección de flujo, actúan como
barreras de espesor infinitesimal (véase Figura 2.2).

b. La rata de entrada y salida de fluidos en cada bloque está gobernada por las
permeabilidades de las barreras adyacentes a cada bloque y la diferencia de
presión 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 único valor de presión y de permeabilidad relativa.

d. La variación de las propiedades en el yacimiento se representa mediante la
variación 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
variación de las propiedades de diferentes bloques es función, en parte, del
tamaño de cada bloque.
x x = L
x = 0 x = L x
t
1
t
2
t
3
t
4
p
x = 0
103
Figura 2.2-. Esquema de un Sistema Real y su Discretización


e. La precisión con la cual el comportamiento real del yacimiento puede ser
descrito por el modelo depende del número de bloques utilizados. En general,
a mayor número de bloques mayor precisión. Sin embargo, el número de
bloques está 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 únicamente al principio y al final de cada intervalo de
tiempo, razón por la cual las condiciones en cada bloque pueden cambiar
considerablemente de un intervalo de tiempo a otro. Intervalos de corta
duración (es decir, alto número de intervalos) hacen que estos cambios sean
menos fuertes y aumentan la precisión de los resultados.

g. La discretización del yacimiento hace que el comportamiento continuo de las
condiciones en él sea distorsionado. Por ejemplo: la Figura 3.4 presenta un
esquema de la distorsión ocasionada en la saturación de agua en un punto fijo
de un sistema lineal debido a su discretización.



Ax
1
Ax
2
Ax
3 Ax
4
Barrera Impermeable
k
1
p
1
k
2
p
2
k
3
p
3
k
4
p
4
Bloque 1 Bloque 3 Bloque 4 Bloque 2
|
1
|
2
|
3
|
4
104
Figura 2.3-.Forma Típica de la Distribución de Presión en un Sistema Lineal
(Solución Numérica).

2.4.2-. APROXIMACIONES PARA LA PRIMERA DERIVADA
Probablemente, el método más comúnmente utilizado para dar solución numérica
a la Ecuación 2.57 es expresar la función ( ) t , x p mediante una serie de Taylor.

Considérese una función ( ) x f continua. La función puede ser expandida
alrededor de un punto a , localizado a una distancia a x ÷ del punto “ x ” (Figura
2.5), mediante una serie de Taylor (Protter y Morrey, 1980):

( )
¿
·
=
÷
=
0
) (
!
) (
) (
n
n n
n
a x a f
x f ............................................................................ (2.58)

En la Ecuación 2,58,
( )
( ) a f
n
es la n-ésima derivada de f evaluada en el punto
a x = . Es decir, la Ecuación 3.2 puede ser escrita como:



x = 0 x = L x
x = 0 x = L x
p
1
t
2
t
3
t
4
t
105



Figura 2.4-. Distorsión Ocasionada en la Saturación de Agua en un Punto
Determinado del Yacimiento Debido a la Discretización del Tiempo


Figura 2.5-. Esquema Ilustrativo de los Bloques Tenidos en Cuenta en la
Aproximación Progresiva de la Primera Derivada


x = 0
x = L
x
i x
i + 1
a x
x – a
x
Tiempo
: Yacimiento
: Simulador
0
1
S
w
106
( ) ( )
( ) ( ) ( ) ( )
! 3 ! 2 ! 1 ! 0
3
3
3 2
2
2
0
a x
x
f a x
x
f a x
x
f a x
a f x f
a x a x a x
÷
·
|
|
.
|
c
c
+
÷
·
|
|
.
|
c
c
+
÷
·
|
|
.
|
c
c
+
÷
· =
= = =

( )
  +
÷
·
|
|
.
|
c
c
+ +
=
! n
a x
x
f
n
a x
n
n
........................................................ (2.59)

2.4.3-. La Aproximación Progresiva y su Error de Truncamiento. Supóngase
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
1
x ,
2
x , ... ,
1 ÷ i
x ,
i
x ,
1 + i
x , ...,
n
x , de acuerdo a su posición dentro del sistema. El incremento entre dos puntos
sucesivos,
i
x y
1 + i
x , está dado por la diferencia finita x A . Si se definen los
puntos
i
x a = y
1 +
=
i
x x , entonces
i i
x x a x ÷ = ÷
+ 1
. Por ser bloques de igual
longitud, x a x A = ÷ .

Si adicionalmente se tiene en cuenta que la función ( ) x f que se pretende
expandir mediante la serie de Taylor es la presión en el sistema, P , entonces de
la Ecuación 2,59 se tiene:
( ) ( )
( ) ( ) ( )
+ +
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+ =
+

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


( )
 +
A
·
|
|
.
|
c
c
! n
x
x
P
n
x
n
n
n
....................................................................... (2.60)
En la Ecuación 2.60, ( )
1 + i
x P y ( )
i
x P son las presiones en los bloques 1 + i e i ,
respectivamente. Para simplificar la notación, las presiones ( )
1 + i
x P y ( )
i
x P se
notarán en adelante como
1 + i
P y
i
P , respectivamente. Similarmente, la derivada
xi
x
P
|
|
.
|
c
c
se notará como
i
x
P
|
|
.
|
c
c
. Teniendo en cuenta esta notación, la Ecuación 2.60
puede ser escrita como:

( ) ( ) ( ) ( )
  +
A
·
|
|
.
|
c
c
+ +
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+ =
+
! ! 3 ! 2 ! 1
3
3
3 2
2
2
1
n
x
x
P x
x
P x
x
P x
x
P
P P
n
i
n
n
i i i
i
i
..................................................................................................................... (2.61)

Resolviendo para
i
x
P
|
|
.
|
c
c
:

( ) ( ) ( )
  +
A
·
|
|
.
|
c
c
÷ ÷
A
·
|
|
.
|
c
c
÷
A
·
|
|
.
|
c
c
÷
A
÷
=
|
|
.
|
c
c
÷
+
! ! 3 ! 2
1 2
3
3
2
2
1
n
x
x
P x
x
P x
x
P
x
P P
x
P
n
i
n
n
i i
i i
i
....... (2.62)
107

La Ecuación 2.62 puede ser escrita como:

p
i
i i
i
R
x
P P
x
P
+
A
÷
=
|
|
.
|
c
c
+ 1
................................................................................. (2.63)

En la Ecuación 2.63, el término
p
i
R está dado por la siguiente ecuación:

( ) ( )
(
(
¸
(

¸

+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
÷ = 
! 3 ! 2
2
3
3
2
2
x
x
P x
x
P
R
i i
p
i
.................................................. (2.64)

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

x
P P
x
P
i i
i
A
÷
~
|
|
.
|
c
c
+ 1
......................................................................................... (2.65)

A la Ecuación 2.65 se le conoce como la aproximación progresiva a la primera
derivada y permite evaluar la primera derivada de la presión en el bloque i en
términos de la presiones en los bloques i e 1 + i .

A la parte truncada de la Ecuación 2.62,
p
i
R , se le conoce como error de
truncamiento de la aproximación 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 A , en el error de truncamiento, es uno
(Ecuación 2.64). En general, se dice que la aproximación numérica de una
ecuación diferencial tiene un error de truncamiento de orden n , lo cual se nota
como ( ) | |
n
x O A , cuando la mínima potencia de la diferencia finita, x A , en la parte
truncada es n .

Obsérvese que a mayor orden del error de truncamiento, mejor es la aproximación
numérica de la ecuación diferencial. Por ejemplo, considérese dos esquemas de
aproximación cuyos errores de truncamiento sean:

|
( ) ( ) ( )
(
(
¸
(

¸

+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
÷ = 
! 4 ! 3 ! 2
3
4
4 2
3
3
2
2
1
x
x
P x
x
P x
x
P
R
i i i
i


y

108
|
( ) ( )
(
(
¸
(

¸

+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
÷ = 
! 4 ! 3
3
4
4 2
3
3
2
x
x
P x
x
P
R
i i
i


La aproximación correspondiente al error de truncamiento |
2
i
R , es la de mayor
exactitud debido a que se está truncando únicamente desde el término ( )
2
x A , en
tanto que la aproximación correspondiente al error de truncamiento |
1
i
R está
truncando desde el término ( ) x A .

2.4.4-. La Aproximación Regresiva y su Error de Truncamiento. Considere el
sistema lineal de bloques ilustrado en la Figura 2.6. Si se definen los puntos
i
x a = y
1 ÷
=
i
x x , entonces
i i
x x a x ÷ = ÷
÷1
( )
1 ÷
÷ ÷ =
i i
x x x A ÷ = . Teniendo en
cuenta estas definiciones y recordando que ( ) P x f = , de la Ecuación 2.59, se
tiene:

( ) ( ) ( )
( ) ( )
+ +
A ÷
·
|
|
.
|
c
c
+
A ÷
·
|
|
.
|
c
c
+ A ÷ ·
|
|
.
|
c
c
+ =
÷

! 3 ! 2
3
3
3 2
2
2
1
x
x
P x
x
P
x
x
P
x P x P
Xi Xi Xi
i i


( )
 +
A ÷
·
|
|
.
|
c
c
! n
x
x
P
n
Xi
n
n
................................................................. (2.66)

Con la finalidad de simplificar notación, ( )
1 ÷ i
x P se notará como
1 ÷ i
P . Teniendo en
cuenta está notación, y la notación para ( )
i
x P definida anteriormente, la Ecuación
2.66 puede ser escrita como:

( ) ( ) ( ) ( )
  +
÷
·
|
|
.
|
c
c
+ + ·
|
|
.
|
c
c
÷ ·
|
|
.
|
c
c
+ · |
.
|
c
c
÷ =
÷
!
Δ
! 3
Δ
! 2
Δ
! 1
Δ
3
3
3 2
2
2
1
n
x
x
P x
x
P x
x
P x
x
P
P P
n
i
n
n
i i
i
i
i
(2.67)

Resolviendo la Ecuación 2.66 para
i
x
P
|
|
.
|
c
c
, se tiene:

( ) ( ) ( )
  +
A ÷
·
|
|
.
|
c
c
+ +
A
·
|
|
.
|
c
c
÷
A
·
|
|
.
|
c
c
+
A
÷
=
|
|
.
|
c
c
÷
÷
! ! 3 ! 2
1 2
3
3
2
2
1
n
x
x
P x
x
P x
x
P
x
P P
x
P
n
i
n
n
i i
i i
i
.. (2.68)

La Ecuación 2.68 puede ser escrita como:

r
i
i i
i
R
x
P P
x
P
+
A
÷
=
|
|
.
|
c
c
÷1
................................................................................. (2.69)

109


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



En la Ecuación 2.69
r
i
R está dado por:

( ) ( ) ( )
  +
A ÷
·
|
|
.
|
c
c
+ +
A
·
|
|
.
|
c
c
÷
A
·
|
|
.
|
c
c
=
÷
! ! 3 ! 2
1 2
3
3
2
2
n
x
x
P x
x
P x
x
P
R
n
i
n
n
i i
r
i
.................... (2.70)
La Ecuación 2.69 puede ser aproximada de la siguiente forma:

x
P P
x
P
i i
i
A
÷
~
|
|
.
|
c
c
÷1
......................................................................................... (2.71)

A la Ecuación 2.71 se le conoce como la aproximación regresiva de la primera
derivada. Su error de truncamiento está dado por la Ecuación 2.70. Obsérvese
que el error de truncamiento de la aproximación regresiva es de primer orden,
( ) | | x O A .

2.4.5-. La Aproximación Central y su Error de Truncamiento. Si se sustrae la
Ecuación 2.67 de la Ecuación 2.61, se obtiene:

x = 0 x = L
a – x = - ( x – a)
x
i
x
i - 1
x a
110
( ) ( ) ( )
( ) ( ) ( )
(
(
¸
(

¸

+
A
·
|
|
.
|
c
c
÷
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
÷
÷
(
(
¸
(

¸

+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+ = ÷
÷ +


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


Simplificando,

( ) ( ) ( ) ( )

! ! ! 3
2
! 1
2
3
3
3
1 1
n
x
x
P
n
x
x
P x
x
P x
x
P
P P
n
i
n
n n
i
n
n
i i
i i
A ÷
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
· +
A
·
|
|
.
|
c
c
· = ÷
÷ +


Despejando
i
x
P
|
|
.
|
c
c
,

( )
( ) ( ) ( )
  +
A ÷
·
|
|
.
|
c
c
÷
A
·
|
|
.
|
c
c
÷ ÷
A
·
|
|
.
|
c
c
÷
A ·
÷
=
|
|
.
|
c
c
÷ ÷
÷ +
! 2 ! 2 ! 3 2
1 1 2
3
3
1 1
n
x
x
P
n
x
x
P x
x
P
x
P P
x
P
n
i
n
n n
i
n
n
i
i i
i
..................................................................................................................... (2.72)

La Ecuación 2.72 puede ser escrita como:

( )
c
i
i i
i
R
x
P P
x
P
+
A ·
÷
=
|
|
.
|
c
c
÷ +
2
1 1
................................................................................ (2.73)

En la Ecuación 2.73,
c
i
R está dada por:
( ) ( ) ( )
  ÷
A ÷
·
|
|
.
|
c
c
÷
A
·
|
|
.
|
c
c
÷ +
A
·
|
|
.
|
c
c
÷ =
÷ ÷
! ! ! 3
1 1 2
3
3
n
x
x
P
n
x
x
P x
x
P
R
n
i
n
n n
i
n
n
i
c
i
............ (2.74)

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

( ) x
P P
x
P
i i
i
A ·
÷
~
|
|
.
|
c
c
÷ +
2
1 1
...................................................................................... (2.75)

A la Ecuación 2.75 se le conoce como la aproximación central a la primera
derivada. Su error de truncamiento, dado por la Ecuación 2.74, es de segundo
orden, ( ) | |
2
x O A . Obsérvese que el error de truncamiento de la aproximación
central es menor que el error de truncamiento de las aproximaciones progresiva y
regresiva.
111

Las Figuras 2.7, 2.8 y 2.9 presentan la interpretación geométrica de las
aproximaciones progresiva, regresiva y central, respectivamente. De estas
figuras, se observa que la aproximación progresiva estima la primera derivada de
la presión en el bloque i con base a los valores de presión en el bloques i y en el
bloque posterior ( 1 + i ). La aproximación regresiva estima la primera derivada de la
presión en el bloque i con base a los valores de presión en el bloque i y en el
bloque anterior ( 1 ÷ i ). La aproximación central calcula la primera derivada de la
presión en el bloque i con base a los valores de presión en los bloques anterior
( 1 ÷ i ) y posterior ( 1 + i ). Este último hecho es justamente la razón por la cual el
error de truncamiento de la aproximación central es menor que los errores de
truncamiento de las aproximaciones progresiva y regresiva.


2.4.6 -.APROXIMACIÓN NUMÉRICA PARA LA SEGUNDA DERIVADA


La aproximación numérica para la segunda derivada puede ser obtenida sumando
las Ecuaciones 2.61 y 2.67:

( )
( ) ( )
 +
A
·
|
|
.
|
c
c
· +
A
·
|
|
.
|
c
c
· + A ·
|
|
.
|
c
c
+ · = +
÷ +
! 6
2
! 4
2 2
6
6
6 4
4
4
2
2
2
1 1
x
x
P x
x
P
x
x
P
P P P
i i i
i i i


Despejando
i
x
P
|
|
.
|
c
c
2
2
,


Figura 2.7-. Interpretación Geométrica de la Aproximación Progresiva
Ax
P
i + 1
P
i
P
i + 1
– P
i
progresiva
x
p
(
¸
(

¸

c
c
:
verdadera
x
p
(
¸
(

¸

c
c
:
x

x
i + 1
112



Figura 2.8-. Interpretación Geométrica de la Aproximación Regresiva

Figura 2.9-. Interpretación Geométrica de la Aproximación Central


( )
( ) ( )
 +
A
·
|
|
.
|
c
c
· ÷
A
·
|
|
.
|
c
c
· ÷
A
+ · ÷
=
|
|
.
|
c
c
+ ÷
! 6
2
! 4
2
2
4
6
6 2
4
4
2
1 1
2
2
x
x
P x
x
P
x
P P P
x
P
i i
i i i
i
........... (2.76)
P
i – 1
P
i
P
i + 1
x
i
x
i – 1
x
i + 1
verdadera
x
p
(
¸
(

¸

c
c
:
centrada
x
p
(
¸
(

¸

c
c
:
Ax
P
i – 1
P
i
P
i
– P
i – 1
x
i
x
i – 1
regresiva
x
p
(
¸
(

¸

c
c
:
verdadera
x
p
(
¸
(

¸

c
c
:
113

La Ecuación 2.76 puede ser escrita de la siguiente forma:

( )
2
2
1 1
2
2
2
i
i i i
i
R
x
P P P
x
P
+
A
+ · ÷
=
|
|
.
|
c
c
+ ÷
.................................................................. (2.77)

En la Ecuación 2.77,
2
i
R está dada por:

( ) ( )
(
(
¸
(

¸

+
A
·
|
|
.
|
c
c
· +
A
·
|
|
.
|
c
c
· ÷ = 
! 6
2
! 4
2
4
6
6 2
4
4
2
x
x
P x
x
P
R
i i
i
.......................................... (2.78)

2
i
R tiende a cero cuando x A tiende a cero. En este caso, de la Ecuación 2.77 se
obtiene:

( )
2
1 1
2
2
2
x
P P P
x
P
i i i
i
A
+ · ÷
~
|
|
.
|
c
c
+ ÷
.......................................................................... (2.79)

A la Ecuación 2.79 se le conoce como la aproximación numérica para la segunda
derivada. Esta expresión permite estimar el valor de
2
2
x
P
c
c
en el bloque i en
términos de las presiones en los bloques 1 i ÷ , i e 1 + i . El error de truncamiento
de esta ecuación está dado por la Ecuación 2.78 de donde se puede observar que
el error de truncamiento para la segunda derivada es de segundo orden.

Análogamente se pueden plantear expresiones para P
i+2
y P
i-2
de la siguiente
manera

( ) ( ) ( ) ( )
..
!
2
..
! 3
2
! 2
2
! 1
2
3
3
3 2
2
2
2
+
A
·
|
|
.
|
c
c
+ +
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
+ =
+
n
x
x
P x
x
P x
x
P x
x
P
P P
n
i
n
n
i i i
i
i

..................................................................................................................... (2.80)

( ) ( ) ( ) ( )
  +
A ÷ ÷
·
|
|
.
|
c
c
+ +
A
·
|
|
.
|
c
c
÷
A
·
|
|
.
|
c
c
+
A
·
|
|
.
|
c
c
÷ =
÷
!
2
! 3 ! 2
2
! 1
3
3
3 2
2
2
2
n
x
x
P x
x
P x
x
P x
x
P
P P
n
i
n
n
i i i
i
i

..................................................................................................................... (2.81)

Si la ecuación (2.61) la multiplicamos por 4 y le restamos la ecuación (2.81) se
puede tener la siguiente expresión para
1
|
.
|

\
|
x
P
o
o


114
( ) ( )
.....
! 4 * 2
12
! 3 * 2
4
2
3 4
4
4 3
3
3 2
2 1
+
|
|
.
|

\
| A
÷
|
|
.
|

\
| A
÷
A
÷ ÷
= |
.
|

\
|
+ +
i i
i i i
i
x
P x
x
P x
x
P P P
x
P
o
o
o
o
o
o


La expresión anterior en forma resumida se puede escribir como

( ) ( )
2
2 1
2
3 4
x
x
P P P
x
P
i i i
i
A +
A
÷ ÷
= |
.
|

\
|
+ +
u
o
o


y si se aproxima la expresión anterior a

x
P P P
x
P
i i i
i
A
÷ ÷
~ |
.
|

\
|
+ +
2
3 4
2 1
o
o
...................................................................... (2.82)

se está cometiendo un error del orden de ( )
2
x A .

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

( ) ( )
2
2 1 1 2
12
8 8
x
x
P P P P
x
P
i i i i
i
A +
A
+ ÷ + ÷
= |
.
|

\
|
+ ÷ + ÷
u
o
o
................................................... (2.83)

la cual se puede aproximar a

x
P P P P
x
P
i i i i
i
A
+ ÷ + ÷
~ |
.
|

\
|
+ ÷ + ÷
12
8 8
2 1 1 2
o
o
.................................................................. (2.84)

cometiendo un error del orden de( )
2
x A , y

( )
( ) ( )
4
2
2 1 1 2
2
2
12
16 30 16
x
x
P P P P P
x
P
i i i i i
i
A +
A
÷ + ÷ + ÷
=
|
|
.
|

\
|
÷ ÷ + +
u
o
o


la cual si se aproxima a

( )
2
2 1 1 2
2
2
12
16 30 16
x
P P P P P
x
P
i i i i i
i
A
÷ + ÷ + ÷
~
|
|
.
|

\
|
÷ ÷ + +
o
o
.................................................. (2.85)

se comete un error del orden de ( )
4
x A .

En general se puede decir que es posible obtener expresiones para la primera y
segunda derivada en función del valor de la función en diferentes puntos; por
ejemplo supongamos se quiere obtener una expresión para la segunda derivada
115
en función del valor de la función en los puntos i-1, i e i+1; o sea se quiere tener
una expresión para
i
x
P
|
|
.
|

\
|
2
2
o
o
en función de P
i-1
, P
i
y P
i+1
de tal forma que

u o o o + + + =
÷ + 1 3 2 1 1
"
i i i i
P P P P

Para hallar los α
i
se usa el método de los coeficientes indeterminados de la
siguiente manera:

- Se reemplazan P
i-1
, P
i
y P
i+1
por su serie y al reemplazarlos en la ecuación para
"
i
P se tiene

( ) ( )( ) ( )
( )
( )( ) ( ) ! 3 /
! 2
3
3 1
"
2
3 1
'
3 1 3 2 1
"
x P
x
P x P P
i i i i
A ÷ +
A
+ + A ÷ + + + = o o u o o o o o o o

- Los coeficientes de la izquierda se hacen iguales a los de la derecha para cada
uno de los términos similares y entonces

0
3 2 1
= + + o o o

( ) 3 0
1 3 1
o o o o = ÷ = A ÷ x
( )( )
( ) ( )
2
1
2
1
2
3 1
1 2
2 1 ! 2 /
3
x x
x
A
= = ÷
A
= ÷ = A + o o o o o
( ) ( )
2
2 2
2
3 2 1
2
0
2
x x A
÷ = ÷ = +
A
= + + o o o o o

- Reemplazando ahora los valores de α
1
, α
2
y α
3
en la ecuación para
"
i
P se tiene

( ) ( ) ( )
( )( ) | |
( )
( ) | |
3
2
1 1
3
3 1 1
2 2
1
2
"
2
! 3 /
1 2 1
x
x
p P P
x P
x
P
x
P
x
P
i i i
i i i i
A +
A
+ ÷
= A ÷ +
A
+
A
÷
A
=
+ ÷
÷ +
u o o u

En la expresión anterior el error en términos de ( )
3
x A no existiría porque α
1

3
y
por tanto habría que buscar el siguiente término del error, o sea que finalmente se
podría escribir

( ) ( ) ( )
( ) | |
( )
( ) | |
4
2
1 1
4
1
2 2
1
2
"
2 1 2 1
x
x
p P P
x P
x
P
x
P
x
P
i i i
i i i i
A +
A
+ ÷
= A +
A
+
A
÷
A
=
+ ÷
÷ +
u u

La expresión anterior es la ecuación (2.79) obtenida antes.

116
Dos expansiones que serán muy útiles para expandir la ecuación de difusividad
son

x
u u
u
i i
i
A
÷
=
÷ + 2 / 1 2 / 1 '
................................................................................ (2.86)

x
u u
u
i i
i
A
÷
=
+
+
1 '
2 / 1
.................................................................................. (2.87)

Con las expresiones anteriores se puede expandir la expresión siguiente de la
ecuación de difusividad
|
|
.
|

\
|
x
P kA
x o
o
µ o
o
para flujo lineal en una dimensión.

Aplicando la expresión (2.86)

( ) ( ) ( ) ( )
x
x P kA x P kA
x
P
A k
x
i i i i
A
÷
=
|
|
.
|

\
|
÷ ÷ + + 2 / 1 2 / 1 2 / 1 2 / 1
/ / / / o o µ o o µ
o
o
µ o
o
............... (2.88)

Aplicando ahora la expresión (2.87)

x
P P
x
P
i i
i
A
÷
= |
.
|

\
|
+
+
1
2 / 1
o
o
............................................................................ (2.89)

x
P P
x
P
i i
i
A
÷
= |
.
|

\
|
÷
÷
1
2 / 1
o
o
............................................................................ (2.90)


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


( ) ( ) ( ) ( )
2
1 2 / 1 2 / 1 2 / 1 1 2 / 1 1
) (
/ ) / / ( /
x
P kA P kA kA P kA
x
P
A k
x
i i i i i i
A
+ + ÷
=
|
|
.
|

\
|
÷ ÷ ÷ + + +
µ µ µ µ
o
o
µ o
o
............................................................................................................. (2.91)

La ecuación (2.91) si k
x,i+1/2
= k
x,i-1/2
se convierte en

2
2
2
1 1
) (
2
x
P kA
x
P P P kA
x
P
A k
x
i i i
o
o
µ µ o
o
µ o
o
=
|
|
.
|

\
|
A
+ ÷
=
|
|
.
|

\
|
÷ +


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

117

2.5-. ESQUEMAS DE APROXIMACIÓN EXPLICITO E IMPLICITO
Considérese que la Ecuación 2.57 es válida en el intervalo L x 0 < < y 0 > t . Para
dar solución numérica a esta ecuación, se requiere dividir el intervalo | | L , 0 en
diferencias finitas en el espacio, x A , y el intervalo | | t , 0 en diferencias finitas en el
tiempo, t A (Figura 2.10). Así mismo, es necesario expandir las derivadas
2
2
x
P
c
c
y
t
P
c
c
.
La derivada
t
P
c
c
puede ser expandida mediante una aproximación progresiva
(Ecuación 2.65), regresiva (Ecuación 2.71) ó central (Ecuación 2.75). En las
Ecuaciones 2.65, 2.71 y 2.75 se aproximó la variación de la presión con respecto a
la posición a un tiempo fijo,
t
x
P
|
|
.
|
c
c
. En este caso se requiere evaluar la variación

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


de la presión con respecto al tiempo en una posición fija,
x
t
P
|
|
.
|
c
c
. Por lo anterior,
en lugar de emplear la diferencia finita x A , tal como aparece en las Ecuaciones
2.65, 2.71 y 2.75 , se debe emplear la diferencia finita t A . Así mismo, el subíndice
At
Ax
i – 1
L 0
t
i i + 1
118
i (el cual indica posición) en este caso permanece fijo. El índice que varía debe
ser aquel que indique el nivel de tiempo. Denotaremos por la letra n los índices
que indiquen nivel de tiempo y serán superíndices de la variable P . Tal como se
indicó anteriormente, los índices que indiquen posición los denotaremos por la
letra i , y serán subíndices de la variable P . Por ejemplo,
i
P indica presión en el
bloque i ,
n
P indica presión al tiempo n ,
n
i
P indica la presión en el bloque i al
tiempo n .

Teniendo en cuenta estos comentarios, las ecuaciones para las aproximaciones
progresiva, regresiva y central de
t
P
c
c
son, respectivamente,

( ) | | t O
t
P P
t
P
n
i
n
i
A +
A
÷
=
c
c
+1
........................................................................... (2.92)

( ) | | t O
t
P P
t
P
n
i
n
i
A +
A
÷
=
c
c
÷1
........................................................................... (2.93)

( ) | |
2
1 1
2
t O
t
P P
t
P
n
i
n
i
A +
A ·
÷
=
c
c
÷ +
...................................................................... (2.94)

En las Ecuaciones 2.92 a 2.94, los superíndices 1 ÷ n , n y 1 + n representan los
tiempos
1 ÷ n
t ,
n
t y
1 + n
t , respectivamente.

Para la aproximación de la primera derivada con respecto al tiempo, no
utilizaremos la aproximación regresiva, Ecuación 2.93, debido a que nuestro
interés es calcular la presión en cada bloque i del sistema a tiempos futuros (es
decir,
1 + n
i
P ), partiendo de valores actuales (es decir,
n
i
P ) y, contrario a nuestro
interés, la aproximación regresiva relaciona la presión actual (
n
i
P ) con presiones a
tiempos pasados (
1 ÷ n
i
P ). La aproximación central tampoco será utilizada debido a
problemas de estabilidad, concepto que será discutido más adelante. Por estas
razones, se empleará la aproximación progresiva, (Ecuación 2.92), para aproximar
el término
t
P
c
c
.

Para aproximar la segunda derivada se aplicará la Ecuación 2.79:

( )
2
1 1
2
2
2
x
P P P
x
P
i i i
i
A
+ · ÷
~
|
|
.
|
c
c
+ ÷
.......................................................................... (2.79)
119

Esta ecuación, tal como está escrita, no incluye el nivel de tiempo. La pregunta
que surge sería: ¿A que tiempo hace referencia las presiones en la Ecuación
2.79?. Dependiendo del nivel de tiempo asignado a cada término de presión en la
Ecuación 2.79, se suele hablar de diferentes esquemas de aproximación, de los
cuales los más comunes son: la aproximación explícita, la aproximación implícita y
la aproximación de Crank-Nicolson. Desde el punto de vista numérico, cada uno
de estos esquemas posee características diferentes.

Esquema de Aproximación Explícita. Supóngase que las presiones incluidas en
la Ecuación 2.79 son evaluadas al tiempo
n
t . En este caso, se tiene:

( )
2
1 1
2
2
2
x
P P P
x
P
n
i
n
i
n
i
A
+ · ÷
~
c
c
+ ÷
............................................................................ (2.95)

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

( )
t
P P
x
P P P
n
i
n
i
n
i
n
i
n
i
A
÷
=
A
+ · ÷
+
÷ +
1
2
1 1
2
.................................................................. (2.96)

La Ecuación 2.96 puede ser escrita como:

( ) ( )
2 2 1
1 1
2 x P x P t P t P t P
n
i
n
i
n
i
n
i
n
i
A · ÷ A · = A · + A · · ÷ A ·
+
÷ +


o bien:

( ) ( ) ( )
2
1
2 2
1
1
1
2
x
t
P
x
t
P
x
t
P P
n
i
n
i
n
i
n
i
A
A
· +
|
|
.
|

\
|
÷
A
A ·
· ÷
A
A
· =
+ ÷
+


Definiendo la variable ì como:

( )
2
x
t
A
A
= ì .................................................................................................... (2.97)

Se obtiene:

( )
n
i
n
i
n
i
n
i
P P P P
1 1
1
1 2
+ ÷
+
· + · ÷ · ÷ · = ì ì ì ........................................................... (2.98)

A la Ecuación 2.98 se le conoce como la aproximación explícita a la Ecuación
2.57. La aplicación repetitiva de esta aproximación numérica permite estimar la
presión en cada bloque i del sistema al tiempo
1 + n
t , con base en los valores de
120
presión en los bloques 1 ÷ i , i e 1 + i al tiempo
n
t . Para llevar a cabo esta serie
de cálculos, se requiere de una condición inicial y dos condiciones de frontera. A
continuación se ilustra un ejemplo de aplicación de la Ecuación 2.98.

Ejemplo. Supóngase un sistema lineal de siete bloques tal como el presentado en
la Figura 2.3. Si
0
t es tiempo inicial, obtener las expresiones de la aproximación
explícita para el cálculo de las presiones en cada bloque a un tiempo futuro
t t t A + =
0 1
y a un tiempo t t t A + =
1 2
, asumiendo que en cada caso las
condiciones de límite son:

a. =
0
P constante
cero
P =
b. 0
8
= P

Solución. Definiendo
n
t t =
0
, entonces
1 0 1 +
= A + =
n
t t t t . Debido a que
0
t es el
tiempo actual (condición inicial), entonces la presiones a este tiempo,
( ) 0
1
P ,
( ) 0
2
P , …
( ) 0
7
P , son conocidas. De la Ecuación 2.98 se pueden obtener las expresiones para
el cálculo de las presiones en cada nodo al tiempo
1 1 +
=
n
t t :

Para el primer bloque, 1 = i :

( ) ( )
( )
( ) ( ) 0
2
0
1
0
0
1
1
1 2 P P P P · + · ÷ · ÷ · = ì ì ì

Asignando al bloque 0 = i la condición de límite izquierdo, se tiene =
0
P constante
cero
P = , por consiguiente:

( ) ( )
( )
( ) ( ) 0
2
0
1
0 1
1
1 2 P P P P
cero
· + · ÷ · ÷ · = ì ì ì

Para el segundo bloque, 2 = i :

( ) ( )
( )
( ) ( ) 0
3
0
2
0
1
1
2
1 2 P P P P · + · ÷ · ÷ · = ì ì ì



Para el séptimo bloque, 7 = i :

( ) ( )
( )
( ) ( ) 0
8
0
7
0
6
1
7
1 2 P P P P · + · ÷ · ÷ · = ì ì ì

Asignando al bloque 8 = i la condición de límite derecho, se tiene 0
8
= P , por
consiguiente:
121

( )
( )
( ) ( ) 0
6
0
7
1
7
1 2 P P P · + · ÷ · ÷ = ì ì

Al tiempo t t t A + =
1 2
, se pueden re-definir la variables
n
t y
1 + n
t de tal forma que
1
t t
n
= y
2 1
t t
n
=
+
. Teniendo en cuenta esta re-definición de variables, de la
Ecuación 2,98 se tiene:

Para el primer bloque, 1 = i :

( ) ( )
( )
( ) ( ) 1
2
1
1
1
0
2
1
1 2 P P P P · + · ÷ · ÷ · = ì ì ì

De nuevo, asignando al bloque 0 = i la condición de límite izquierdo, se tiene
cero
P P = = constante
0
, luego:

( )
( )
( ) ( ) 1
2
1
1
2
1
1 2 P P P P
cero
· + · ÷ · ÷ · = ì ì ì

Para el segundo bloque, 2 = i :

( ) ( )
( )
( ) ( ) 1
3
1
2
1
1
2
2
1 2 P P P P · + · ÷ · ÷ · = ì ì ì



Para el séptimo bloque, 7 = i :

( ) ( )
( )
( ) ( ) 1
8
1
7
1
6
2
7
1 2 P P P P · + · ÷ · ÷ · = ì ì ì

Nuevamente, asignando al bloque 8 = i la condición de límite derecho, se tiene
0
8
= P , por consiguiente:

( )
( )
( ) ( ) 1
6
1
7
2
7
1 2 P P P · + · ÷ · ÷ = ì ì

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 aproximación explícita.

De la Ecuación 2.98, y su aplicación al ejemplo anterior, se infiere el procedimiento
general para el cálculo de la distribución de presiones mediante aplicación de la
aproximación explícita:

a. A cada uno de los bloques del sistema se le asigna un valor de presión al
tiempo inicial 0 = t teniendo en cuenta las condiciones inicial y de frontera. De
122
esta forma se obtienen valores para las variables
0
1 + i
P ,
0
i
P y
0
1 ÷ i
P ,
x
..., n i , 1 , 0 =
(la variable
x
n hace referencia al número variables discretas).

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

c. Una vez barrida toda la malla, se repite el procedimiento para el tiempo
2 + n
t ,
asignando a los valores de n los respectivos valores de 1 + n previamente
calculados y aplicando la Ecuación 2,96 para 1 + n y 2 + n , en lugar de n y
1 + n , respectivamente.

Tal como se discutirá más adelante, para obtener estabilidad en este esquema de
solución, se requieren incrementos de tiempo, t A , muy pequeños, lo que limita su
aplicación en un gran número de problemas prácticos.



Figura 2.11-. Representación Esquemática de las Aproximaciones
Explícita e Implícita



Esquema de Aproximación Implícita. Supóngase que las presiones
1 ÷ i
P ,
i
P y
1 + i
P en la Ecuación 2.79 hacen referencia al tiempo
1 + n
t . En este caso, la
Ecuación 2.95 puede ser escrita como:

( )
2
1
1
1 1
1
2
2
2
x
P P P
x
P
n
i
n
i
n
i
A
+ · ÷
~
c
c
+
+
+ +
÷
....................................................................... (2.99)

t
n + 1
t
n
x
i
x
i – 1
x
i + 1
Esquema Explícito
t
n + 1
t
n
x
i
x
i – 1
x
i + 1
Esquema Implícito
123
Sustituyendo las Ecuaciones 2.92 y 2.99 en la Ecuación 2.57, se obtiene:

( ) t
P P
x
P P P
n
i
n
i
n
i
n
i
n
i
A
÷
=
A
+ · ÷
+ +
÷
+ +
+
1
2
1
1
1 1
1
2
.............................................................. (2.100)

La Ecuación 2.100 puede ser escrita de la siguiente forma:

( )
n
i
n
i
n
i
n
i
P P P P ÷ = · + · + · ÷ ·
+
÷
+ +
+
1
1
1 1
1
1 2 ì ì ì ..................................................... (2.101)

A la Ecuación 2.101 se le conoce como la aproximación implícita a la Ecuación
2.57. Si esta ecuación se aplica a cada uno de los bloques de la malla, se genera
un sistema de ecuaciones cuya solución simultánea permite obtener la distribución
de presiones del sistema al tiempo
1 + n
t .

Ejemplo. Obtener el sistema de ecuaciones generado de la aproximación
implícita, Ecuación 2.101, para el ejemplo anterior.

Solución. Definiendo
n
t t =
0
y
1 1 +
=
n
t t . La Ecuación 2.101 genera una ecuación
para cada bloque del sistema, tal como se indica a continuación:

Para el primer bloque, 1 = i ,

( )
( )
( ) ( ) ( ) 0
1
1
2
1
1
1
0
1 2 P P P P ÷ = · + · + · ÷ · ì ì ì

Al igual que en el ejemplo anterior, asignando al bloque 0 i = la condición de límite
izquierdo, se tiene =
0
P constante
cero
P = , por consiguiente:

( )
( ) ( ) ( )
cero
P P P P · ÷ ÷ = · + · + · ÷ ì ì ì
0
1
1
2
1
1
1 2

Para el segundo bloque, 2 = i :

( )
( )
( ) ( ) ( ) 0
2
1
3
1
2
1
1
1 2 P P P P ÷ = · + · + · ÷ · ì ì ì



( )
( )
( ) ( ) ( ) 0
7
1
8
1
7
1
6
1 2 P P P P ÷ = · + · + · ÷ · ì ì ì

Al igual que en el ejemplo anterior, asignando al bloque 8 = i la condición de límite
derecho, se tiene 0
8
= P , por consiguiente:

( )
( )
( ) ( ) 0
7
1
7
1
6
1 2 P P P ÷ = · + · ÷ · ì ì
124

Este sistema de ecuaciones puede ser escrito en forma matricial como
( )
F AP
1
= ,
donde A es la matriz de coeficientes definida como:

( )
( )
( )
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
¸
(

¸

+ ÷
+ ÷
+ ÷
+ ÷
+ ÷
+ ÷
+ ÷
=
1 2
1 2
1 2
1 2
1 2
1 2
1 2
ì ì
ì ì ì
ì ì ì
ì ì ì
ì ì ì
ì ì ì
ì ì
A

P y F son los vectores de presión y términos independientes, respectivamente,
definidos de la siguiente forma:

( )
( )
( )
( )
( )
( )
( )
( ) (
(
(
(
(
(
(
(
(
¸
(

¸

=
1
7
1
6
1
5
1
4
1
3
1
2
1
1
P
P
P
P
P
P
P
1
P ,
( )
( )
( )
( )
( )
( )
( ) (
(
(
(
(
(
(
(
(
¸
(

¸

÷
÷
÷
÷
÷
÷
÷ ÷
=
0
7
0
6
0
5
0
4
0
3
0
2
0
1
P
P
P
P
P
P
P P
cero
ì
F

La solución del sistema de ecuaciones
( )
F AP
1
= permite obtener los valores de
presión en cada bloque al tiempo
1 1
t t
n
=
+
. Las técnicas de solución de este tipo
de sistemas, más comúnmente utilizadas en simulación de yacimientos, serán
discutidas a lo largo de este texto, a partir del capítulo cuatro.

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

Aproximación de Crank-Nicolson. Se obtiene de una combinación de las
aproximaciones implícita y explícita; consiste en aproximar la ecuación diferencial
en el punto |
.
|

\
|
+
2
1
, n i tal como se ilustra en la Figura 2.12.

La aproximación de Crank-Nicolson aplicada a la Ecuación 2.57 está dada por la
siguiente ecuación:
125
Figura 2.12-. Representación Esquemática del Método de Crank-Nicolson


2 1
2
2
1
2
2
2
1
2
1
+ +
|
|
.
|
c
c
=
|
|
.
|
c
c
· +
|
|
.
|
c
c
·
n en Central
i
n
i
n
i
t
P
x
P
x
P
..................................................... (2.102)
Reemplazando los términos diferenciales de la Ecuación 2.102 por sus
correspondientes aproximaciones numéricas, se obtiene:

( ) ( )
|
.
|

\
| A
·
÷
=
(
(
¸
(

¸

A
+ · ÷
· +
(
(
¸
(

¸

A
+ · ÷
·
+
÷ +
+
÷
+ +
+
2
2
2
2
1
2
2
1
1
2
1 1
2
1
1
1 1
1
t
P P
x
P P P
x
P P P
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i


( ) ( ) t
P P
x
P P P
x
P P P
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
A
÷
=
(
(
¸
(

¸

A
+ · ÷
· +
(
(
¸
(

¸

A
+ · ÷
·
+
÷ +
+
÷
+ +
+
1
2
1 1
2
1
1
1 1
1
2
2
1
2
2
1
................ (2.103)

Obsérvese que la expansión numérica de la derivada de la presión con respecto al
tiempo, proviene de una aproximación central en
2
1
+
=
n
t t y, en consecuencia,
puede ser escrita como:

...
6
2
2
2
2
1
2
2
2
1
+
+
|
|
.
|
c
c
·
|
.
|

\
| A
÷
|
.
|

\
| A
·
÷
=
c
c
n
i
n
i
n
i
t
P
t
t
P P
t
P
......................................................... (2.104)

Otras aproximaciones de expansión para la ecuación (2.57) son:

La de Richardson dada por

t
n + 1
t
n
x
i
x
i – 1
x
i + 1
( x
i
,

t
n + ½
)

126
( )
t
P P
x
P P P
n i n i n i n i n i
A
÷
=
A
+ ÷
÷ + + ÷
2
2
1 , 1 ,
2
, 1 , , 1
........................................................ (2.105)

La cual es una expansión implícita pero la expansión de la derivada del tiempo se
ha tomado como centrada; esta expansión implicaría manejar información 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

( )
( )
t
P P
x
P P P P
n i n i n i n i n i n i
A
÷
=
A
+ + ÷
+ + ÷ , 1 ,
2
, 1 , , , 1
.................................................. (2.106)

la cual es también una expansión explícita.

Finalmente, también podría expandirse la ecuación (2.57) de la siguiente forma


( )
( )
t
P P
x
P P P P
n i n i n i n i n i n i
A
÷
=
A
+ + ÷
+ + + + ÷ , 1 ,
2
1 , 1 1 , , , 1
.............................................. (2.107)

la cual es una forma implícita.


2.6 -. CRITERIOS TENIDOS EN CUENTA PARA LA SELECCION DE UN
ESQUEMA DE APROXIMACIÓN NUMERICA.
Existen diferentes esquemas de aproximación numérica a las ecuaciones
diferenciales de flujo, algunos de los cuales han sido discutidos en el numeral 2.5.
La selección 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 capítulo se dedica a la
discusión del significado de estos conceptos y algunos métodos para su análisis.

2.6.1-. Error de Truncamiento. Tal como se menciona en la sección 2.3, el error
de truncamiento hace referencia al error en que se incurre al utilizar la
aproximación en diferencias finitas, luego de ser truncada, en lugar de la ecuación
diferencial misma. En términos generales el error de truncamiento se define
como:

(
¸
(

¸

÷
(
¸
(

¸

=
Finitas s Diferencia
en Ecuación
l Diferencia
Ecuación
T
c .................................................. (2.108)

127
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 únicamente números de "tamaño finito" (es decir,
hasta cierto número de cifras significativas). El error cometido por esta clase de
truncamiento, el cual se propaga a medida que se incrementa el número de
operaciones, es diferente al error de truncamiento numérico a que hace referencia
la Ecuación 2.108.

Ejemplo. Considérese la Ecuación 2.57, cuya aproximación explícita está dada
por la Ecuación (2.96):

( )
t
P P
x
P P P
n
i
n
i
n
i
n
i
n
i
A
÷
=
A
+ · ÷
+
÷ +
1
2
1 1
2
.................................................................. (2.96)

Aplicando la Ecuación 2.108, se tiene:

( )
(
(
¸
(

¸

A
÷
÷
A
+ · ÷
÷
(
¸
(

¸

c
c
÷
c
c
=
+
÷ +
t
P P
x
P P P
t
p
x
p
n
i
n
i
n
i
n
i
n
i
T
1
2
1 1
2
2
2
c

Llevando las Ecuaciones 2.79 y 2.92, en reemplazo de
2
2
x
p
c
c
y
t
p
c
c
, a la anterior
ecuación se tiene:

( )
( ) ( )

¸

A
÷
÷ +
A
·
|
|
.
|
c
c
· ÷
A
·
|
|
.
|
c
c
· ÷
A
+ · ÷
=
+
÷ +
t
P P
x
x
P x
x
P
x
P P P
n
i
n
i
i i
n
i
n
i
n
i
T
1 4
6
6 2
4
4
2
1 1
! 6
2
! 4
2
2
 c
( )
(
(
¸
(

¸

A
÷
÷
A
+ · ÷
÷
(
(
¸
(
÷
A
·
|
|
.
|
c
c
+
+
÷ +
t
P P
x
P P P
t
t
P
n
i
n
i
n
i
n
i
n
i
i
1
2
1 1
2
2
2
2


Simplificando,

( )
( ) ( ) | | t x O
t
P t
x
P x
i i
T
A + A = +
|
|
.
|
c
c
·
A
÷
|
|
.
|
c
c
·
A
÷ =
2
2
2
4
4 2
2 12
 c ............................ (2.109)

La ecuación (2.109) indica que el error de truncamiento al hacer la expansión
explícita depende de (Δx)
2
y (Δt), pero es más afectado por el tamaño del paso en
t que por el tamaño del paso en x; además el truncamiento tiende a cero mientras
más pequeños sean los pasos, o sea es válida la expansión explícita.

Encontremos el error de truncamiento en la expansión de Crank – Nicolson:
128

Llevando las Ecuaciones 2.57 y 2.103 a la definición de error de truncamiento,
Ecuación 2.108, se tiene:

( ) ( )
(
(
¸
(

¸

A
÷
÷
A
+ · ÷
· +
A
+ · ÷
· ÷
(
¸
(

¸

c
c
÷
c
c
=
+
÷ +
+
÷
+ +
+
t
P P
x
P P P
x
P P P
t
p
x
p
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
T
1
2
1 1
2
1
1
1 1
1
2
2
2
2
1
2
2
1
c
..................................................................................................................... (2.110)

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

( )
( )
( )
2
1 1
4
4 2
2
1
1
1 1
1
2
2
1
12 2
1
2
2
1
x
P P P
x
P x
x
P P P
n
i
n
i
n
i
i
n
i
n
i
n
i
T
A
+ · ÷
· +

¸

÷
|
|
.
|
c
c
·
A
· ÷
A
+ · ÷
· =
÷ +
+
÷
+ +
+
 c

( )
(
(
(
(
(
¸
(
÷
|
|
.
|
c
c
·
|
.
|

\
| A
+
|
.
|

\
| A
·
÷
÷ ÷
|
|
.
|
c
c
·
A
· ÷
+
+
 
2
1
3
3
2
1
4
4 2
6
2
2
2
12 2
1
n
i
n
i
n
i
i
t
P
t
t
P P
x
P x

( ) ( )
(
(
¸
(
A
÷
÷

¸

A
+ · ÷
· +
A
+ · ÷
· ÷
+
÷ +
+
÷
+ +
+
t
P P
x
P P P
x
P P P
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
1
2
1 1
2
1
1
1 1
1
2
2
1
2
2
1


Simplificando,

( ) ( )
 +
|
|
.
|
c
c
·
|
.
|

\
| A
+
|
|
.
|
c
c
·
A
÷
|
|
.
|
c
c
·
A
÷ =
+ +
2
1
3
3
2
4
4 2
1
4
4 2
6
2
24 24
n
i
n
i
n
i
T
t
P
t
x
P x
x
P x
c

Es decir, el orden del error de truncamiento de la aproximación de Crack-Nicolson
está dado por:

( ) ( ) | |
2 2
t x O
T
A + A = c ................................................................................ (2.111)

Al comparar las Ecuaciones (2.109) y (2.111), se infiere que la aproximación de
Crank-Nicolson presenta un menor error de truncamiento que las aproximaciones
implícita y explícita.

2.6.2-. Estabilidad. Análisis de estabilidad es un procedimiento a través 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 aproximación es estable. Si aumenta, se dice que es
inestable. Si el error disminuye únicamente bajo ciertas condiciones, se dice que
es condicionalmente estable. Para que una aproximación numérica conlleve a
129
resultados útiles se requiere que dicha aproximación sea estable. La Figura 2.13
ilustra la variación de presión en un punto determinado del sistema en función del
tiempo para un esquema estable y un esquema inestable. A continuación se
presentan dos criterios muy útiles para determinar estabilidad: El criterio de
Karplus y el Método de Von Neumann.

El Criterio de Karplus. El método de Karplus no considera el efecto de
condiciones de límite en el análisis de estabilidad. El procedimiento a seguir para
la aplicación del método puede ser resumido de la siguiente forma:

a. La ecuación en diferencias finitas es reordenada de manera tal que tome la
siguiente forma:

( ) ( ) ( ) ( ) 0
* 1 * 1 *
1
*
1
= + ÷ · + + ÷ · + ÷ · + ÷ ·
÷ +
÷ +
 
i
n
i i
n
i i
n
i i
n
i
P P d P P c P P b P P a ... (2.112)
En la Ecuación 2.112,
*
i
P indica la presión en el punto i y al tiempo en torno al
cual se efectúa la aproximación numérica.


Figura 2.14-. Comportamiento en el Cambio de Presión en un Punto
Determinado de un Esquema Estable y un Esquema Inestable


b. La aproximación será 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.

Nivel de tiempo, t
n
n 1 n
P P P ÷ =
+
A
n
P A
Esquema Estable
Esquema Inestable
130
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 aproximación
explícita, la Ecuación 2.96 puede ser escrita de la siguiente forma:

( ) ( ) ( ) 0
1
1 1
= ÷ ÷ ÷ · + ÷ ·
+
÷ +
n
i
n
i
n
i
n
i
n
i
n
i
P P P P P P ì ì ............................................. (2.113)

Esta aproximación será estable siempre y cuando se cumpla que:

( )
( )
0 1 2 1 2 1
2
s ÷
A
A
· = ÷ · = ÷ +
x
t
ì ì ì

Despejando para ( )
2
x t A A , se obtiene:
( )
( )
2
1
2
s
A
A
x
t
................................................................................................... (2.114)

Por consiguiente, la aproximación explícita es condicionalmente estable y la
condición de estabilidad está dada por la Ecuación 2.114 .

Siguiendo un procedimiento completamente análogo es posible determinar que la
aproximación implícita es estable. La expresión para la expansión implícita es la
ecuación (2.100)

( )
n
i
n
i
n
i
n
i
P P P P ÷ = · + · + · ÷ ·
+
÷
+ +
+
1
1
1 1
1
1 2 ì ì ì ........................................... (2.101)

La cual se puede llevar a

( ) ( )( ) ( ) 0 1 2
1
1
1 1
1
= ÷ + ÷ + ÷ ÷
+
÷
+ +
+
n
i
n
i
n
i
n
i
n
i
n
i
P P P P P P ì ì ì

En la expresión anterior el coeficiente ( ) 1 2 + ÷ ì es menor que cero y por tanto
para que se tenga estabilidad según el criterio de Karplus se requiere que

( ) 0 1 0 1 2 s ÷ ¬ s + + ÷ ì ì ì ................................................................ (2.115)

La expresión (2.115) siempre se va a cumplir y por tanto la expansión implicita es
incondicionalmente estable.

Por su parte la estabilidad de la expansión de Crank – Nicolson se puede probar
por el criterio de Karplus de la siguiente manera:

La expresión para esta expansión es la ecuación (2.103)
131

( ) ( ) t
P P
x
P P P
x
P P P
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
A
÷
=
(
(
¸
(

¸

A
+ · ÷
· +
(
(
¸
(

¸

A
+ · ÷
·
+
÷ +
+
÷
+ +
+
1
2
1 1
2
1
1
1 1
1
2
2
1
2
2
1
................. (2.103)

La cual también se puede escribir como

n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
P P P P P P P P ÷
=
(
(
¸
(

¸
+ · ÷
· +
(
(
¸
(

¸
+ · ÷
+
÷ +
+
÷
+ +
+
1
1 1
1
1
1 1
1
2
2 2
ì ì

Y llevándola a una forma similar a la ecuación (2.103) se tiene

( ) ( )( ) ( ) ( ) ( ) 0 1 2
1 1
1
1
1 1
1
= ÷ + ÷ + ÷ + ÷ + ÷ ÷
+ ÷
+
+
+ +
+
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
P P P P P P P P P P ì ì ì ì ì

Y como en la expresión anterior hay un coeficiente menor que cero, según Karplus
para que la expansión dada por la ecuación (2.103) se requiere que

( )
2
1
0 3 1 2 s ¬ s + + ÷ ì ì ì ì ............................................................... (2.116)
La condición dada por la ecuación (2.116) es la misma dada para la expansión
explícita, ecuación (2.115).

El Método de Von Neumann o Análisis Armónico. Una de las suposiciones
básicas de este método se fundamenta en el hecho de que el error de una
aproximación numérica satisface la aproximación numérica. El valor exacto de
presión en un punto
i
x a un tiempo
n
t , ( )
n i
t , x p , y el valor calculado al aplicar una
aproximación numérica,
n
i
P ,están relacionados mediante la siguiente expresión:

( )
n
i
n
i n i
P t , x p c + = ....................................................................................... (2.117)

En la Ecuación 3.58
n
i
c es el error de truncamiento en el cual se incurre al
aproximar el valor exacto ( )
n i
t , x p al valor obtenido de la aproximación numérica,
n
i
P .

Los valores de presión obtenidos de la solución exacta satisfacen la aproximación
numérica, pues la solución exacta tiene el mismo valor de la aproximación
numérica cuando el error tiende a cero. A manera de ejemplo, considérese la
aproximación explícita a la Ecuación 2.57. Puesto que la solución exacta satisface
la aproximación numérica, de la Ecuación 2.96 se obtiene:

132
( ) ( ) ( )
( )
( ) ( )
t
x p x p
x
x p x p x p
i i i i i
A
÷
=
A
+ · ÷
+ ÷ + n 1 n
2
n 1 n n 1
t , t , t , t , 2 t ,
.................... (2.118)

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

( ) ( ) ( )
( )
( ) ( )
t
P P
x
P P P
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
n
i
A
+ ÷ +
=
A
+ + + · ÷ +
+ +
÷ ÷ + +
c c c c c
1 1
2
1 1 1 1
2
.... (2.119)

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

( )
t
x
n
i
n
i
n
i
n
i
n
i
A
÷
=
A
+ · ÷
+
÷ +
c c c c c
1
2
1 1
2
..................................................................... (2.120)

Es decir, el error también satisface la aproximación numérica.

Una función ( ) x f puede ser expandida en series de Fourier de la siguiente forma
(Zauderer, 1989):

( )
¿
÷ =
· · ÷
· =
o
o
|
¸
k
x
k
k
e x f
1
................................................................................. (2.121)

En la Ecuación 2.121,
k
¸ y
k
| son k -ésimos coeficientes de la serie de Fourier.

Si asumimos que la función expandida es la función error ( ) x c y se evalúa dicha
función en el punto x i x x
i
A · = = , la Ecuación 2.121 toma la siguiente forma:

( )
¿ ¿
÷ = ÷ =
A · · · ÷
· = · =
o
o
o
o
|
¸ ¸ c
k
i k
k
x i
k i
k E e
k
1
............................................................ (2.122)

En la Ecuación 2.122, ( )
x i
i
k
e k E
A · · · ÷
=
| 1
. Para análisis de estabilidad es suficiente
con examinar el comportamiento de una sola componente del error
i
c en la
Ecuación 2.122 (es decir,
x i
i
e E
A · · · ÷
=
| 1
). La componente del error en el espacio del
tiempo debe ser tal que reduzca el error a
i
c cuando 0 t = . Por tal motivo, la
expresión para el error
i
E que tenga en cuenta la componente del error en el
espacio del tiempo tendrá la siguiente forma:

t n x i t x i n
i
e e e e E
A · · A · · · ÷ · A · · · ÷
= =
o | o | 1 1
................................................................... (2.123)

133
En la Ecuación 2.123, n es una constante. En forma más general, la Ecuación
2.123 puede ser escrita de la siguiente forma:

x i n n
i
e E
A · · · ÷
=
|
q
1


Análogamente,

x i n n
i
e E
A · · · ÷ + +
=
|
q
1 1 1


Si el error en el punto i se mantiene estable al pasar del tiempo
n
t al tiempo
1 n
t
+
,
entonces
n
i
n
i
E E s
+1
; es decir,
x i n x i n
e e
A · · · ÷ A · · · ÷ +
s
| |
q q
1 1 1
obteniéndose:

1
1
s =
+
n
n
q
q
v ................................................................................................ (2.124)

A la Ecuación 2.124 se le conoce como el factor de amplificación.
Como resultado de la discusión anterior, para que una aproximación numérica sea
estable, es necesario que 1 s v . A continuación se ilustra el procedimiento de
aplicación de este criterio mediante un ejemplo.

Ejemplo. Para aplicar el método de Von Neumann al análisis de estabilidad de
una aproximación numérica, se expresa la ecuación que representa la
aproximación numérica en términos del error. Particularmente, para la
aproximación explícita se obtiene:

( ) t
E E
x
E E E
n
i
n
i
n
i
n
i
n
i
A
÷
=
A
+ · ÷
+
÷ +
1
2
1 1
2


O bien,

( ) ( )
( )
=
A
· + · · ÷ ·
A · ÷ · · ÷ A · · · ÷ A · + · · ÷
2
1 1 1 1 1
2
x
e e e
x i n x i n x i n | | |
q q q


t
e e
x i n x i n
A
· ÷ ·
A · · · ÷ A · · · ÷ + | |
q q
1 1 1


De donde se obtiene:

( )
| |
n n x n n x n
e e
x
t
q q q q q
| |
÷ = · + · ÷ · ·
A
A
+ A · · ÷ ÷ A · · ÷ 1 1 1
2
2

134
Despejando para
n n
q q
1 +
, se llega a:

( )
| |
x x
n
n
e e
x
t
A · · ÷ ÷ A · · ÷
+
+ ÷ ·
A
A
+ =
| |
q
q
1 1
2
1
2 1

De las identidades de Euler:

u u
u u
u
u
sen e
sen e
· ÷ ÷ =
· ÷ + =
· ÷ ÷
· ÷
1 cos
1 cos
1
1


Luego, haciendo x A | u · = , se obtiene:

( )
| | 1 cos 2 1
2 n
1 n
÷ ·
A
A
· + =
+
u
q
q
x
t
....................................................................... (2.125)

Aplicando la Ecuación 2.124 a la Ecuación 2.125, para que el esquema sea
estable se debe cumplir la siguiente desigualdad:

( )
| | 1 cos 1 2 1
2
s ÷ ·
A
A
· ÷ u
x
t


La cual se cumple solamente si:

( )
| | 1 cos 1 2 1 1
2
s ÷ ·
A
A
· ÷ s ÷ u
x
t


Debido a que 1 cos 1 s s ÷ u el lado derecho de desigualdad anterior siempre se
cumple. En cuanto al lado izquierdo, se tiene:

( )
u cos 1
1
2
÷
s
A
A
x
t


El valor mínimo de la expresión | | u cos 1 1 ÷ se obtiene para 1 cos ÷ = u , en cuyo
caso | |
2
1
cos 1 1 = ÷ u . Por tanto, el esquema será estable siempre y cuando se
cumpla que:

( )
2
1
2
s
A
A
x
t


135
Este resultado corrobora el resultado obtenido en la Ecuación 2.115: la
aproximación explícita es condicionalmente estable y la condición de estabilidad
está dada por la Ecuación 3.115.

Si se procede en forma análoga para el análisis de estabilidad de la aproximación
implícita, se obtendrá a partir de l ecuación (2.100)

( )
t
E E
x
E E E
n
i
n
i
n
i
n
i
n
i
A
÷
=
A
+ · ÷
+ +
÷
+ +
+
1
2
1
1
1 1
1
2


O bien,

( ) ( )
( )
=
A
· + · · ÷ ·
A · ÷ · · ÷ + A · · · ÷ + A · + · · ÷ +
2
1 1 1 1 1 1 1 1
2
x
e e e
x i n x i n x i n | | |
q q q


t
e e
x i n x i n
A
· ÷ ·
A · · · ÷ A · · · ÷ + | |
q q
1 1 1


La expresión anterior luego de dividir por
x i
e
A ÷ | 1
se convierte en

( )
=
A
· + · · ÷ ·
A · · ÷ ÷ + + A · · ÷ +
2
1 1 1 1 1
2
x
e e
x n n x n | |
q q q
t
n n
A
÷
+
q q
1

y despejando
q
q
1 + n
se tiene

( ) ( )
( ) 1 2 cos 1 2
1
1 2
1
1 2
1
1 1 1 1
1
+ ÷
=
+ ÷ +
=
÷ ÷ +
÷ =
A ÷ ÷ A ÷ A ÷ ÷ A ÷
+
u ì
ì ì ì ì
q
q
| | | | x x x x
n
n
e e e e


La estabilidad se dará si

( )
1
1 2 cos 1 2
1
1
s
+ ÷
=
+
u ì q
q
n
n


lo cual es equivalente a decir que

( ) 1 1 cos 1 2 > + A ÷ x | ì

lo que también es equivalente a decir que

( ) 0 cos 1 > A ÷ x |
136

La anterior desigualdad siempre se va a cumplir pues 1 cos 1 s A s ÷ x | . Esta
conclusión indica que la expansión implícita es incondicionalmente estable, lo cual
coincide con la conclusión obtenida por el criterio de Karplus.

Debido a lo anterior, la aproximación implícita es la de mayor aplicación en
simulación numérica de yacimientos.

Por este mismo procedimiento se podrá probar la estabilidad de la expansión de
Crank – Nicolson y se deja como tarea al lector.

Criterio Matricial

Es el procedimiento más general para probar la estabilidad de una expansión y a
diferencia de los otros criterios vistos, tiene en cuenta las condiciones de límite
del sistema discretizado. Se basa en lo siguiente:

El sistema de ecuaciones generado a l expandir una ecuación diferencial en
diferencias finitas se puede expresar en forma matricial de la siguiente forma:

d X B X A
n n
+ =
+1
(2.126)

Donde
1 + n
X y
n
X son los vectores solución a los tiempos t
n
y t
n+1
, d es un vector
conformado por los términos independientes del sistema de ecuaciones y las
condiciones de límite establecidas para el sistema. Las matrices A y B dependen
del sistema de expansión que se esté aplicando.

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

d X B X A + = (2.127)

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

( ) ( ) X X B X X A
n n
÷ = ÷
+1


( ) ( )
n n
e B e A =
+1
(2.128)

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

De la ecuación (2.128) se puede obtener

( ) ( )
n n
e B A e
1 1 ÷ +
= (2.129)

Y de acuerdo con la ecuación (2.129) se puede establecer:
137
( ) ( ) ( )
1
2
1 1 ÷ ÷ +
=
n n
e B A e

( ) ( ) ( )
2
3
1 1 ÷ ÷ +
=
n n
e B A e
.
.
.
( ) ( ) ( )
0
1
1 1
e B A e
n
n
+
÷ +
= (2.130)

Donde
0
e es el error que se comete inicialmente a hacer la aproximación en
diferencias finitas, el cual obviamente debe ser diferente de cero y es constante.
De acuerdo con la ecuación (2.130) para que el error al tiempo t
n+1
tienda acero se
requiere que la matriz A
-1
B al irse multiplicando por si misma se vaya aproximando
a la matriz nula ; o sea que la matriz debe ser nilpotente, y una condición para que
la matriz sea nilpotente es que su radio espectral sea menor de 1.

Miremos el caso de la expansión explícita de la ecuación (2.57) cuya forma
genérica es la ecuación (2.98)

( )
1
1 1
1 2
+
+ ÷
= + ÷ ÷
n
i
n
i
n
i
n
i
P P P P ì ì ì (2.98)

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

( )
1
1 2 1 0
1 2
+
= + ÷ ÷
n n n n
P P P P ì ì ì

( )
1
2 3 2 1
1 2
+
= + ÷ ÷
n n n n
P P P P ì ì ì
.
.
( )
1
1 1
1 2
+
+ ÷
= + ÷ ÷
n
i
n
i
n
i
n
i
P P P P ì ì ì
.
.
( )
1
1 1
1 2
+
+ ÷
= + ÷ ÷
n
N
n
N
n
N
n
N
P P P P ì ì ì

En el sistema de ecuaciones anterior los valores te cons P P
n
tan
0 0
= = ì ì y
te cons P P
N
n
N
tan
1 1
= =
+ +
ì ì , están definidos por las condiciones de límite y por tanto
el sistema se puede expresar matricialmente de la siguiente forma:

138
( )
( )
( )
( )
1
0
1
2
1
1
1
1
1
1
2
1
1
.
0
0
. *
1 2
. . . . .
1 2
1 2
1 2
*
1 0 0 0 0
0 1 0 0 0
. . . . .
0 0 0 1 0
0 0 0 0 1
+
÷
+
+
÷
+
+
+
+
÷ ÷
÷ ÷
÷ ÷
÷ ÷
=
N
n
N
n
N
n
n
n
N
n
N
n
i
n
n
P
P
P
P
P
P
P
P
P
P
P
ì
ì
ì ì
ì ì ì
ì ì ì
ì ì


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

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

( )
( )
( )
( ) 1 2
. . . . .
1 2
1 2
1 2
÷ ÷
÷ ÷
÷ ÷
÷ ÷
=
ì ì
ì ì ì
ì ì ì
ì ì
B (2.132)

1
0
.
0
0
+
=
N
P
P
d
ì
ì
(2.133)

La expansión explícita será estable si se cumple la ecuación (2.130), o sea si la
matriz A
-1
B es nilpotente, pero como en este caso la matríz A es la matriz
identidad A
-1
B=B y se requiere es que la matriz B sea nilpotente, lo cual sucederá
si el radio espectral de la matríz 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 máximo valor propio, o sea su radio espectral, es menor
que 1



139
2.6.3-. Convergencia. Se dice que una aproximación numérica es convergente si
el valor discreto
n
i
P calculado de la aproximación numérica tiende al valor exacto
( )
n i
t , x p cuando x A y t A tienden a cero.

Obsérvese que la convergencia concierne al error ( )
n i
n
i
t , x p P ÷ en un punto y a
un tiempo determinado, mientras la estabilidad tiene que ver con la propagación
(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 simulación de yacimientos no se suele conocer la solución exacta de la
ecuación diferencial de flujo. Por esta razón, la forma de analizar convergencia de
una aproximación numérica consiste en dar solución numérica a la ecuación para
varios valores de x A y t A . Si las soluciones para valores sucesivamente menores
de x A y t A tienden a un cierto valor constante, con cierta tolerancia, se suele
concluir convergencia de la aproximación numérica.

2.6.4-. Consistencia o Compatibilidad. Se dice que un esquema numérico es
consistente, si la ecuación en diferencias finitas tiende a la ecuación diferencial
cuando x A y t A 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 A y t A , por ejemplo, tienden a cero.

Ejemplo. El error de truncamiento para la aproximación explícita está dado por
Ecuación 2.109,

( )
 +
|
|
.
|
c
c
· ÷
|
|
.
|
c
c
· ÷ =
i
2
2
i
4
4 2
T
t
P
2
t
x
P
12
x A A
c ......................................................... (2.109)

Cuando x A y t A tienden a cero,
T
c tiende a cero; luego, la aproximación
explícita es consistente.

2.7-.SISTEMAS DE MALLAS Y CONDICIONES DE LÍMITE
Existen básicamente dos sistemas de mallas: sistema de bloque centrado y
sistema de punto centrado o nodo distribuido. A continuación 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
140
condiciones de límite son de tipo Neumann, las cuales se caracterizan por que
especifican las derivadas de las variables dependientes a través de las fronteras
del sistema, como por ejemplo, la rata de intrusión de agua desde un acuífero a un
yacimiento.

2.7.2-. Sistema de Punto Centrado o Nodo Distribuido. En el sistema de punto
centrado, también conocido como nodo distribuido, las variables dependientes son
calculadas en la intersección entre bloques, tal como se ilustra en la Figura 2.15.
Este sistema es el preferido cuando se utilizan condiciones de límite 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 Límite Externo. Un yacimiento permanece en equilibrio a
menos que se introduzca algún tipo de disturbio en el sistema. Este disturbio se
introduce a través de los límites del yacimiento. En general, existen dos tipos de
límites de yacimiento: internos y externos.

Los límites internos hacen referencia a la interacción del yacimiento con los pozos
y dan origen a las condiciones de límite interno. Al tratamiento de las condiciones
de límite interno se le conoce como modelamiento de pozos en simulación
numérica de yacimientos. El modelamiento de pozos ha sido uno de los temas de
141
mayor importancia, y por ende más ampliamente investigados, en simulación de
yacimientos.


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



Las condiciones de límite externo hacen referencia a la forma como el yacimiento
interactúa con sus alrededores. En general existen dos tipos de condiciones de
límite externo: Dirichlet y Neumann. En esta sección se discute la discretización
de estos dos tipos de condiciones de límite externo.

Condiciones de Límite Tipo Dirichlet. En una condición tipo Dirichlet se
especifica la variable dependiente en los límites externos del sistema. En el caso
de la expansión de la Ecuación las condiciones de límite tipo Dirichlet consisten en
especificar la presión de poro en los límites 0 = x y L x = , donde L representa la
longitud del sistema. Analíticamente,

P = P
e
142
( ) ( ) t P P
cero
= 0
(2.134)

( ) ( ) t P L P
L
=
(2.135)

Un caso particular de las Ecuaciones (2.134) y (2.135) ocurre cuando ( ) t P
cero
y
( ) t P
L
son constantes e iguales a
cero
P y
L
P , respectivamente. Sin pérdida de
generalidad, este será 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, … 1 ÷ i , i , 1 + i …
x
N ), (ii) puntos o celdas fantasmas (rotulados como 0 y 1 +
x
N ), y (iii) puntos o
celdas ficticios (rotulados como 1 ÷ y 2 +
x
N ). Los puntos interiores hacen
referencia a puntos localizados dentro del dominio físico real del sistema. Los
puntos fantasmas son puntos que identifican celdas adyacentes a los límites
externos del sistema y son utilizados para la discretización de las condiciones de
límite 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
programación y eficiencia computacional. Obsérvese que la condición de límite
externo izquierdo se aplica en las interfase que une el bloque fantasma 0 y el
primer bloque interior. Así mismo, la condición de límite externo derecho se aplica
en la interfase que une el último bloque interior y el bloque fantasma 1 +
x
N .

Por tratarse de una malla de bloque centrado, el punto de aplicación de las
condiciones de límite tipo Dirichlet no coincide con la ubicación de ninguno de los
nodos o puntos discretos. Por tal motivo, las condiciones de límite tipo Dirichlet se
suelen discretizar aplicando promedios de las variables discretas en los bloques
adyacentes a la interfase que representa el límite externo. Por ejemplo, para el
sistema ilustrado en la Figura 2.17, la condición en 0 = x se discretiza de la
siguiente forma:
143

Figura 2.17-. Malla Unidimensional de Bloque Centrado Indicando los
Diferentes Tipos de Celdas o Nodos (No Se Absorben Condiciones de Límite)



cero
P
P P
=
+
2
1 0


O bien,

cero
P P P 2
1 0
= +
(2.136)

En forma análoga, la condición en L x = se discretiza de la siguiente forma:
L Nx Nx
P P P 2
1
= +
+
(2.137)

Obsérvese que la discretización de las condiciones de límite adiciona dos nuevas
incógnitas al sistema de ecuaciones de la expansión de la ecuación (2.57) (
0
P y
0 1 1 ÷ 1 i ÷ i 1 i +
x
N 1 N
x
+ 2 N
x
+
0 x = L x =
( )
cero
P 0 P = ( )
L
P L P =
Celda interior
Celda fantasma
Celda ficticia
144
1 + nx
P ) lo que hace necesario el planteamiento de dos ecuaciones adicionales
(Ecuaciones (2.136) y (2.137).

Discretización de Condiciones de Límite Tipo Neumann. En una condición tipo
Neumann se especifica la rata de flujo a través de la frontera del yacimiento. En el
caso de la expansión de la ecuación (2.57) una condición Neumann en el límite
0 = x puede expresarse de la siguiente forma:

( )
cero
x
x
q
x
p kA
q =
|
|
.
|

\
|
c
c
=
=
=
0
0
µ
(2.138))

En la Ecuación (2.138),
cero
q es un valor conocido. La Ecuación (2.138) puede ser
escrita de la siguiente forma:

kA
q
x
p
cero
x
µ
= |
.
|

\
|
c
c
=0
(2.139)

En el caso de un sistema cerrado, no existe flujo a través de sus límites externos
y, en consecuencia, 0 =
cero
q . En este caso la Ecuación (2.139) toma la siguiente
forma:

0
0
= |
.
|

\
|
c
c
= x
x
p
(2.140)

Análogamente, en el caso general, una condición Neumann en el límite L x =
puede expresarse de la siguiente forma:
kA
q
x
p
L
L x
µ
= |
.
|

\
|
c
c
=
(2.141)

145
En la Ecuación (2.141),
L
q es un valor conocido. En particular, para un sistema
cerrado, la Ecuación (2.141) toma la siguiente forma:

0 =
|
.
|

\
|
c
c
=L x
x
p
(2.142)

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

kA
q
x x
P P
cero
µ
=
÷
÷
0 1
0 1


O bien,

( )
0 1 0 1
x x
kA
q
P P
cero
÷ = ÷
µ
(2.143
En particular, para un sistema cerrado, la Ecuación (2.143) toma la siguiente
forma:

0
0 1
= ÷ P P
(2.144)

En L x = , las formas discretizadas de las Ecuaciones (2.141) y (2.142) pueden ser
expresadas de la siguiente manera:
kA
q
x x
P P
L
Nx Nx
Nx Nx
µ
=
÷
÷
+
+
1
1


O bien,
146

( )
Nx Nx
L
Nx Nx
x x
kA
q
P P ÷ = ÷
+ + 1 1
µ
(2.145)

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

0
1
= ÷
+ Nx Nx
P P (2.146)

Al igual que en el caso de las condiciones de límite tipo Dirichlet, la discretización
de las condiciones de límite tipo Neumann adiciona dos nuevas incógnitas al
sistema de ecuaciones representado por la Ecuación 4.34. Estas dos nuevas
incógnitas son
cero
P y
1 + Nx
P . Este hecho hace necesario el planteamiento de dos
ecuaciones adicionales (Ecuación (2.143) o (2.144), para 0 = x , y Ecuación
(2.145) o (2.146), para L x = ).




2.2-Métodos para Resolver Sistemas de Ecuaciones Utilizando Matrices (Métodos Directos).

1-. Regla de Cramer.

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

x1 

A1 DetA1 .................................................................................  Det A A

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

x2 
xi 

A2 A
Ai A

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

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

(2.3)

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 términos independientes del mismo sistema de ecuaciones.

a11 a 21 A= ... ... a n1

a12 a 22 .... ... an2

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

... a1n ... a 2 n ... ... .................................................................... ... ... ... a nn

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

b1 a12 b2 a 22 A1  ... ... ... ... bn a n 2

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

... a1n ... a 2 n ... ... ... ... ... a nn

70

a11 a 21 Ai  ... ... a n1

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

b1 b2 ... ... bn

... a1n ... a 2 n ... ... ................................................................... ... ... ... a nn

(2.4)

El método de Cramer se aplica cuando el sistema de ecuaciones es pequeño, pocas ecuaciones e incógnitas, y como se puede ver el sistema de ecuaciones no tendrá solución si el determinante de la matriz de los coeficientes es nulo.

2-. Método de Eliminación de Gauss.

Este método 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 términos 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 términos independientes transformado por las operaciones fundamentales realizadas sobre la matriz A.b .

71

.... . .. . a2n .. . . ... a1n / a11 a 22 ... x 0 0 .. ... .......... ..... a nn b1 / a11 b2 . Si esto no es posible se divide la primera fila por a11 quedando la matriz de la siguiente forma 1 a 21 Ab'  ... .1 0  U  0  . x   0 1 .. ..... b1 b2 . . ...... bn .. ...... a1n a2n . ....5) 72 ....... . a n1 a12 a 22 . ........ ... 1   x El procedimiento con este método es el siguiente: Sea un sistema de ecuaciones cuya matriz aumentada es a11 a 21 Ab  . Se eliminan los elementos a i ...... a n1 a12 / a11 ..... ... . x   . ..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 ecuación cuyo primer coeficiente sea 1..... .... .......... .... ... ....... ......... . .......... ........... ....... ... (2. ...... an2 . ..... ... 0  x . a nn i-...... ... an2 ....... x  1 x . . . .... ... .. . . bn .

.... .... de tal forma que en la fila 2 quede una fila donde el elemento a i12 sea 1... .. . y así sucesivamente hasta la fila n a la cual se le restará la nueva fila 1 multiplicada por a1n. o se reorganizan las filas de la matriz Ab(1) 22 de la fila 2 en adelante. ...... .............. a 2 n / a 22 ' ... . .. ........... 0 ' an2 ...... .......... i  1  j  1 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 1 ..... . ' bn .. . .. ....... b1'  b1 / a11 ..... a nn ' ' ' donde a1 j  a1 j / a11 .... (2. En este caso la matriz aumentada queda así: 1 Ab(1)  ' ' a12 . ..... a 2 n ' ... .. ' bn 73 ........ ... .. a3n ..... .. ... ..... ..6) ' . .. .... 0 ' an2 . ............ a la fila 3 se le resta la nueva fila 1 multiplicada por el coeficiente a 13...... . a3n b1' ' b2 b3' . ' a nn . .. . ... .......A la fila 2 se le resta la nueva fila 1 multiplicada por el coeficiente a 21.... . ...... ..... á1' n b1' ' ' b2 / a 22 b3' 0 0 1 ' a32 ' ' ' ' a 23 / a 22 . . á1' n ' .. . La nueva matriz será entonces 1 Ab(1)  0 0 ' a12 ' a 22 ' a32 .... ... . ... ....... .. aij  aij  a1 j ai1 y bi'  bi  b1' ai1 ...

. ... ........ .. .8) 3 3 a n 4 .... .0. ....... . . á1n b1' 2 b2 b32 1 0 2 2 a 23 ................a n 3 ..... ... a nn 3 2 3 2 2 3 2 3 Donde a3 j  a3 j / a33 . .. a3n ..... 1 ..... .. .. .... . a3n ... a 2 n 3 3 ... . . En este caso la matriz que resulta es 1 Ab( 3)  0 0 1 a12 .....a33 .... b33  b32 / a 33 y aij  aij  ai23 * a3 j y bi3  bi2  a i23 * b3 para i=4 hasta n y j=4 hasta n 74 .. .. a 2 n 2 2 .. b2  b2 / a 1 y aij  aij  ai12 * a2 j y bi2  bi1  a12 * b2 para i=3 22 2 22 hasta n y j=3 hasta n. . 0 0 . 0 0 . ......... 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 .... (2........... .. . ..... .... iii-.. .... 2 bn ... ........ ..... a nn 1 2 2 1 2 2 1 2 donde a2 j  a1 j / a1 .. ...... Se eliminan los elementos a i23 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 hasta la fila n en la matriz Ab y los elementos a i12 de la matriz Ab(1) de la fila 3 hasta la fila n.......... ..... á1n b1' 2 b2 3 b3 1 0 2 2 a 23 . 3 bn (2.... a34 .... .........7) 2 2 ... .. .....Se eliminan los elementos a i' 2 desde i=3 hasta n de la matríz Ab(1) . . .1..... .. 1 . Al recorrer todas las filas desde I=3 hasta n la nueva matriz quedará así: 1 Ab( 2 )  0 0 1 a12 . ... . .

. .. 0 o..... ...n ....... ....0.. ............0............ * ... .. (2. 0 ............. 0 0 2 a 23 . 2 a 23 ... 1 á1n 2 a2n 3 a3n .. 1 n bn .1.. 1 á1n 2 a2n 3 a3n b1' 2 b2 3 b3 1 0 ..n * xn n 2 n 2 n 2 xn2  bn2  an2.. ........ x1 x2 x3 .... (2.31)...... .. 1 O sea que de acuerdo con las operaciones entre matrices se puede establecer: n x n  bn . ....................... x n 1 xn  b11 b22 b33 ...11) n1 n1 xn1  bn1  an1.............9) v-..................... . 3 .............................. 0 0 1 a12 ...... .... 0 0 1 a12 1 . Al terminar el proceso con la fila n se tendrá finalmente la siguiente matriz 1 Ab( n )  0 0 . a34 ..... (2. El proceso continua con las filas 4 hasta la n....10) 0 o.... .. ....... X(30) 75 . 0 0 3 a34 ... ..... ...... ......... . . ...................  bnn11 bnn 0 .......... 0 .......n ....iv-............... El sistema de ecuaciones original se ha transformado entonces en 1 0 0 ....... .1....1 . n 1 a n 1... n 1 n 1 1 a n 1..... repitiendo en cada caso los dos pasos que se indicaron en los numerales i – iii... 1 ..12) La siguiente es una propuesta de código para programar la solución de un sistema de ecuaciones por el método de eliminación de Gauss: DIMENSION S(30.n1 * xn1  an2.n * xn xi  bii  j  i 1 a n i ij x j i  n  1..bn 1 . (2.... .. .

L)-SKI*S(I.0 THEN DO J=1.J).J) S(L.L) 76 .20) N 20 FORMAT (xx.L)=S(K.J)=SS(I.N SS(I.J) END DO ELSE END DO END IF END IF 55 SII=S(I. N SKI=S(K.J)/SII END DO DO 70 K=I+1.xx) C C C NP1=N+1 READ (8.C S ES LA MATRIZ AUMENTADA Y X ES EL VECTOR DE LAS INCÓGNITAS 10 READ (8. NP1 70 S(K. NP1 S(I.I) DO J=1.J) S(I.I).I) .EQ. NP1)i=1.N) 50 FORMAT (xx.xx) DO 70 I=1.N IF S(L.50) ((S(I. J=1.NE.0) THEN GO TO 70 DO 70 L=I+1.J)=S(I.NE.N IF S(I.J)=S(I.0 THEN 55 ELSE DO L=I+1.I) IF (SKI.J)=S(L.

.... a n bn x1 d1 x2 d 2 x3  d 3 ..X(N)=S(N... solo se realiza con la fila inmediatamente siguiente ya que en las demás filas el elemento a eliminar en el paso correspondiente es cero Una matriz de este tipo es común en algunos métodos que se aplican para resolver un simulador...... I=1....13) O sea que la matriz aumentada es 77 ...... xn d n (2.... ..... todos los demás son cero..........N X(N-I)=X(N-I)-S(N-I...NP1) DO I=1......xx) (X(I). .N-1 X(N-I)=S(N-I.. ...............NP1) DO L=N-I+1.. ..L)*X(L) END DO END DO WRITE (xx. ..... ) Un caso especial de eliminación de Gauss se presenta cuando la matriz de los coeficientes es una matriz tridiagonal en la cual solo los elementos que están en la diagonal principal y en las diagonales a la derecha e izquierda de esta son diferentes de cero. . En este tipo de sistema de ecuaciones el proceso de eliminación de Gauss es bastante sencillo en cuanto a los cálculos que hay que realizar pues el proceso de eliminación que hay que hacer con cada fila restándola de las demás filas siguientes.N) Xx FORMAT ( END.......... Este sistema de ecuaciones se puede representar matricialmente de la siguiente manera: b1 a2 c1 0 0 0 b2 c 2 0 0 a3 b3 c3 . 0 0 ....

. ....... 2  a3  2 ............. d 3  a3 2 ..... ....... an bn d n Al aplicar el primer paso la matriz se transforma en 1 1 0 b2  a 2 1 0 a3 ..... .. . c1 0 d1 b2 c2 d2 a3 b3 c3 .... .... 1 2 c3 .15) donde  2  c2 d  a 2 1 y 2  2 b2  a 2  1 b2  a 2  1 Cuando se aplique el paso i la matriz resultante será 78 ... Al aplicar el segundo paso la nueva matriz es 1 1 0 1 0 0 b3 .. .. .. .... .. d3 ..... . ........ ...... . d3 .................. ... .. a n bn dn (2... a n bn dn (2.... ... 1 c2 d 2  a2 1 ....... .. .. b3 c3 ...................................14) donde 1  c1 / b1 y  1  d1 / b1 ...............b1 a2 0 .. .. .. .....

....... ............ ...... ..... . ..... a n bn d n ci d  a i  i 1 y i  i bi  a i  i 1 bi  a i  i 1 (2...................... 1 ...... 0 0 ........... ......................... ...... 0 0 0 1 i  i ..................... . ....... 0 1 2 0 0 1 ..... x1 ...... .......................... x 2  2  3 . 0 0 0 1 i ..... .. .... 0 1 xn  n ...................... (2..................... .. . (2........ .....19) 79 . ........... (2..16) donde  i  y al terminar el paso n la matriz final es 1 1 0 1 2 .................................. ......... ............................ .......... ..1 1 1 0 1 2 2 ...17) i n Donde  n  d n  a n  n 1 bn  a n  n 1 Entonces el sistema de ecuaciones original se ha transformado en: 1 1 . ........18) Y de acuerdo con la definición de la multiplicación de matrices se puede establecer: x n   n ........ ............ 0 1 1 2 .. * x3   3 ...

...... Para cada ecuación i llame bi el coeficiente de la incógnita i...23) Y para i=n-1 hasta 1....21) Y para i=2 hasta n.............................20) Este caso particular del método de gauss para este tipo de matriz tridiagonal.... haga secuencialmente xi   i   i * xi 1 ...................... Para i=n haga x n   n ........................... Para i=1 haga 1  c1 d y  1  1 ........................ y en el paso iii-......1 ... (2.. se calcula primero β1 y γ1................. bi  a i  i 1 bi  a i  i 1 i  (2..... b1 b1 (2...........x n 1   n 1   n 1 * x n y en general xi   i   i * xi 1 .......... se calcula primero xn.............. haga secuencialmente: ci d  a i  i 1 y i  i ..........1 ... (2.......24) Obsérvese que en el paso ii... ii-..................................... luego β2 y γ2...... i  n  1............. (2.... luego xn-1 y así sucesivamente hasta llegar a x1....................... ai el coeficiente de la incógnita i-1 y ci el coeficiente de la incógnita i+1................ luego β3 y γ3 y así sucesivamente hasta llegar a βn y γn.......... 80 .........22) iii-............... i  n  1.............. se conoce como el algoritmo de Thomas y se puede resumir en los siguientes pasos: i-..........................

...... dada por la ecuación (2.. 0 0 0 b1'..1  aii..1 representada por la ecuación (2.0...1 están dados por bii. .25) en la n cual los bii .. ........ .......... Los pasos de la segunda etapa serían entonces los siguientes: Paso 1 Tomando la matriz final de la primera etapa de eliminación a cada fila i desde i=(n1) hasta 1....... . a 231 .9). .bn 1 ..1 1 0 ...3-. . 1 n bn .. o sea que al final de este paso la matriz se convierte en la matriz Abn...1  bii  aii.... ... ... la segunda etapa es un proceso de eliminación hacia atrás donde partiendo de la matriz triangular del final de la primera etapa en cada paso i se elimina la incógnita xn-i+1 de la ecuación (n-i) hasta la ecuación (1).1. ... 0 . a34 .. la primera etapa es la eliminación de Gauss o sea es una eliminación hacia delante donde se van eliminando gradualmente en cada paso i..25) 81 .. desde la ecuación i+1 hasta la ecuación n la variable i. El método de Jordan – Gauss es un proceso de eliminación en dos etapas con el fin de convertir la matriz de los coeficientes en la matriz I... j i  n  1.. n 1. 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....1 3 b3 .n * bn y aii. se le resta la fila n multiplicada por aii. a121 . 3..1 j 1 Ab( n ..... 0 0 2. .. 0 0 1.....1 .... (2.1)  0 0 ..... ... 0 o.......1 2 b2 ..1 1 0. Método de Jordan – Gauss..1  j  n  1...n .

.bn 1 ... .. n  jj 2. . 0 0 0 0 . dada por la ecuación (2.......... Método de la Matriz Inversa.. .. 0 0 1 a12 . .... la incógnita xn-i+1 restando a cada fila la fila (n-i+1) multiplicada por aii.. 0 a n 2 ....0..i 1 se procede a eliminar desde la fila (n-i) hasta la fila 1..1...... (2... 0.1 0... Partiendo de la matriz Ab n .27) n 1 donde bii .. 0 0 . 2 n  1 . Paso j Partiendo de la matriz Abn...... ...... n bn ... 0 0 2 a 23 .. 0 0 0 0 b1'1.... 2 3 b3 .. ... la incógnita xn-1 restando a cada fila i la fila (n-1) multiplicada por aii. 0 . 0 . a34 . j 4-. 0 o.. . 2 )  0 0 . o sea que al final la matriz se convierte en 1  0 0 .1 ... (2. 1 b1'1.. 1 n bn .. 0 1 .0......... 82 .26) 1 Ab( n ....1 ..... j 1 ..bn  jj1 .1 para i= (n-2) hasta 1..25) se procede a eliminar desde la fila n-2 hasta la fila 1.. n 1. 0... n 1 ..... 0 0 1 a12 ...1  aii.. 2 2 b2 ....bn 1 .......... 0 0 1 0... 0 ........ 2  bii . Ab ( n ...... 1.... j  bii .. .. 0 ..... o sea que al final la matriz se convierte en la ecuación (2. ...i ) 1 0 ..1..1 para i= (n-2) hasta 1....Paso 2..n j 1 .i 1 * bn 1..n1 ...... 2 2 b2 .. 2 1 0 ...n1 * bn1 . j 1  aii... 0 3 .26) n 1 donde bii .. ..... j .......

.. Método de Factorización de la Matriz de Coeficientes..............4) Con la ecuación (2. El sistema de ecuaciones a resolver.. 5-...4) y una vez obtenida la inversa de la matriz de los coeficientes se pude obtener el valor de cada una de las incógnitas xi desde I=1 hasta n...s * bs  x i (2...2) 83 ............2) AX  b (2.3) y la definición de multiplicación de matrices se puede establecer: a s 1 n 1 i.............. se puede representar matricialmente por AX  b o por A X  b .. 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... La expresión matricial para un sistema de ecuaciones es la ecuación (2. (2..Requiere obtener la inversa de la matriz de los coeficientes............2) la cual por la definición de inversa de la matriz A se puede transformar en A 1 A X  A 1 b  X (2................. como ya vimos. Este método consiste en factorizar la matriz de los coeficientes A en dos matrices L y U....3) De acuerdo con la ecuación (2.

..... j  l i ...............................................29) y la sumatoria de la ecuación (2.................... j   li ............... s * u s .... j Recordando la definición de la matriz U se tiene que U j..j=0 para todo s>j ....................... (2.27) o sea que L * G  b ................................................28) De acuerdo con la definición del producto de matrices ai ....... j .................... s 1 n (2........ j  s 1 s  j 1 l n i ...... j u j .... de la ecuación anterior se tiene 84 ................ (2..................29) se puede descomponer en j 1 ai .s u s............. s * u s .................................j=1 y que Us... j   l i .....y por tanto al factorizar la matriz de los coeficientes se tendrá 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 ...............

...... j  ............ s 1 j 1 (2.31) Las ecuaciones (2............31). j  (2.. l i ....................s u s... s u s .. y así 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 85   .... j   l i .... Luego se pasa a calcular los elementos de la primera fila (i=1) de la matriz U usando la ecuación (2..... ya calculados...30) y (2.30) y (2..30)........... en este caso la sumatoria se puede calcular porque posee un elemento que está dado por elementos de la columna 1 de la matriz L y de la fila 1 de la matriz U...s u s ...31).30) Por otra parte.... j   li .. j ... la sumatoria de la ecuación (2... 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)........................ j  l i . j  a i ....... j   l i .... en este caso la sumatoria vale cero. usando la ecuación (2.29) también se puede expresar como i 1 a i . j Recordando la definición de la matriz L se tiene que los l i............ j  s 1 s i 1 l n i .......i  s 1  ui ....... Se pasa luego a calcular los elementos de la segunda columna de la matriz L.s=0 para todo s>i y por tanto i 1 1   *  ai .. 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.. Se pasa luego a calcular los elementos de la fila 2 de la matriz U usando la ecuación (2..l i .i u i .. s * u s .. en este caso la sumatoria vale cero.............31) respectivamente.31) permiten calcular los elementos de las matrices U y L de la siguiente manera:  Se calculan los elementos de la primera columna (j=1) de la matriz L usando la ecuación (2. ya calculados...

....................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.............................. la segunda sumatoria de la expresión anterior es igual a cero y por tanto se puede escribir i 1  1  * bi   li ..29) L * G  b ....... Conocidos los elementos del vector G se procede a encontrar los valores de las xi......27) de acuerdo con la cual y usando la definición de multiplicación de matrices se puede escribir 86 ......................... usando la ecuación (2..28) y recordando la definición de multiplicación de matrices..................j =0 para j>i...................32) Con la ecuación (2....................... (2....... j * g j  ...................... los elementos del vector X.........28) bi   l i ......................32) se pueden ir encontrando los elementos del vector G.. en orden ascendente desde i=1 hasta n.... j *gj Y como li... ecuación (2..... j * g j  l i ............................................ l i .......i * g i  j 1 i 1 j  i 1 l n i.......................................... j * g j ..................... j 1 n .i  j 1  gi  (2....................... Una vez obtenidas las matrices L y U se procede a obtener el vector G de la siguiente manera: De acuerdo con la ecuación (2....   l i .............. los gi.............

.. j *xj Recordando la definición de la matriz U. j * x j  u i .. Cuando la matriz de los coeficientes es una matriz tridiagonal este método de solución del sistema de ecuaciones también se simplifica apreciablemente.......... ..33) La ecuación (2.......... 0 0 .. al igual que en el caso del procedimiento de Gauss y el método resultante también se conoce como algoritmo de Thomas.i * x i  j 1 i 1 j i 1 u n i....... ........... j * xj .....13) 87 . .j=0 para todo j<i............ (2. o sea que la primera sumatoria de la expresión anterior es cero y por tanto xi  g i  j  i 1 u n i...... .....g i   ui.......i=1 y los ui.... los ui... j * x j j 1 n   u i . La matriz de los coeficientes tridiagonal se representa por c1 0 0 0 b2 c 2 0 0 A a3 b3 c3 ..... a n bn b1 a2 y el sistema de ecuaciones por la ecuación (2....33) permite obtener los valores de xi de manera secuencial decreciente empezando por xn hasta llegar a x1...

13) Al descomponer la matriz A de los coeficientes en sus factores L y U de acuerdo con las ecuaciones A  LU j 1 li .. j  i 1 1   *  ai . s u s . . . 0 0 ........ ..31) Y teniendo en cuenta la nomenclatura que se ha usado para la matriz de los coeficientes tridiagonal.. an ln (2. . ...s u s . j  ai .... j s 1 (2. .....i  s 1  (2..30) ui . . . j  l i ...b1 a2 c1 0 0 0 b2 c 2 0 0 a3 b3 c3 . a n bn x1 d1 x2 d 2 x3  d 3 . xn d n (2...35) .. u n1 1 88 (2. j   l i .. se encuentra que las matrices L y U tiene la siguiente forma: l1 a2 L l2 a3 . .. j   li .34) 1 u1 1 U u2 ..

40) y (2. n (2.Donde l1  b1 (2. bi  ai u i 1 li 1 i  2.4) permiten obtener la matriz L y la ecuación (2.42) De acuerdo con las ecuaciones (2.43) Las ecuaciones (2.43) permite obtener la matriz U. n (2.37) (2. 89 .41) u i 1  ci c  i 1 .38) se puede establecer li  bi  ai u i 1 .38) u1  c1 / b1 (2.40) u3  c3 c3  b3  a 3 * c 2 / b2  a 2 * c1 / b1  b3  a3 u 2 (2.36) y (2.41) De acuerdo con las ecuaciones (2. obsérvese además que la diagonal inferior de la matriz L es la misma de diagonal inferior de la matriz A.37) y (2. i  2.36) l 2  b2  a 2 * l3  b3  a3 * c1  b2  a 2 u1 b1 c2  b3  a 3 u 2 b2  a 2 * c1 / b1 (2.39) u2  c2 c2  b2  a 2 * c1 / b1  b2  a 2 u1 (2.

...... Métodos Indirectos (Ensayo y Error) para Resolver Sistemas de Ecuaciones.3-...........Para obtener el vector G definido por la ecuación (2.............34) se pueden obtener las siguientes expresiones para calcular los componentes del vector G: g1  d1 l1 d i  ci g i 1 ....i  j 1  gi  (2.2) La matriz A se puede descomponer en dos sumandos así 90 ............45) Y recordando la configuración de la matriz L .. (2.........48) 2................28).. la cual usando la nomenclatura usada para la matriz tridiagonal se expresa como L *G  d (2.... j * g j  l i .. n (2...44) O sea que la ecuación (2.......32) se convierte en i 1  1  * d i   l i .... 1-.. Método de Jacobi La expresión matricial para el sistema de ecuaciones es A X  b .....47) gi  i  2. ecuación (2.............. li (2.27) se parte de la ecuación (2.....

. a1.  a n . ......1   .........  .. (2...... (2..... 0  0   .....35) y la matriz C es una matriz cuyos elementos de la diagonal principal son cero y c i..............36) Teniendo en cuenta la ecuación (2......... 2 ..........................  0  a n.. 0   ................................ a n 1..... o sea  0  a 21  C    a3.....j para todos los i.......  .. 2 0  a 3...... 0 0 0 ......................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 .3  a 2.....  0 0  0 a 22 .........3 o ................ ..n 0 ..........................3 ..34) donde D es una matriz diagonal cuyos elementos son todos cero con excepción de los elementos de la diagonal principal que son igual esa los elementos de la diagonal principal de A...... (2.n   ................n  ...37) 91 .  a 2.... a3....  a n ..1   a1..........  a n.......... 2  a1........j = -ai.....A  D  C ................... 0 .. .............................................n   (2....n   ..j.................................... . o sea a11 0  D   ...........

....39) se calculan todos los elementos del vector X y una vez calculados todos los x im 1 se verifica si se cumple la siguiente igualdad m 1  x n i 1 m 1 i  xim   n *  ... (2................................... 2 (2................ j x m  .38) m 1 m i 1  ai .......... j x m   ai ........... Pero la ecuación (2........................ xim1  i 1 n  1  * bi   ai ................40) 92 ... i  1..... X m 1 .................. o sea D * X m 1  C * X m  b .......... n ..........38).39)  Con la expresión (2................................................ a partir de un vector solución supuesto X m ... usando la ecuación (2.i xim1  bi   ai ........ j x m  j j 1  j i 1 a n i..............i  j 1 j i 1  (2.. m 1 y X m es mínima.37)............... j j a i .... se ha El método de Jacobi consiste entonces en lo siguiente:  Se supone un vector solución X y a partir de este vector solución se calcula un nuevo vector solución X ..................37) también nos permite calcular un posible vector solución del sistema de ecuaciones............ el elemento x im 1 del vector X se obtiene de la siguiente expresión al aplicar la ecuación (2................ j  xm  j  . De acuerdo con la definición de las matrices D y C y del producto entre m 1 matrices.38) Cuando se cumpla que la diferencia entre X encontrado la solución del sistema de ecuaciones.........................Cuando X es la solución del sistema de ecuaciones se cumple la ecuación (2.

.... después de hacer esto durante un número m de iteraciones se llegará a una situación donde se cumpla la ecuación (2... (2..........................41) Cuando se tiene la solución exacta X ..... se debe demostrar que el método de Jacobi es convergente.................................38) de la cual se puede concluir que m 1 X  D 1C * X m  D 1 * b .....40) el nuevo vector solución calculado X supuesto X  m 1 m 1 se toma como un nuevo vector solución m2 y se procede a calcular un nuevo vector solución X .. Si no se cumple la ecuación (2.donde  es la diferencia que se considera aceptable entre el valor supuesto para una variable y el valor calculado................41) es X  D 1C * X  D 1 * b ......... El proceso continua hasta que se cumpla la ecuación (2.42) 93 ..... la ecuación (2................... Para demostrar esto retomemos la ecuación (2...... o sea que es posible que teniendo un sistema de ecuaciones si se supone un vector solución para el mismo y se calcula un nuevo vector solución aplicando la ecuación (2..40).. (2.40)...........39).....................................................................................38) D* X m 1 C*X m  b ......... Convergencia del Método Iterativo de Jacobi: Como en cualquier procedimiento de ensayo y error.... (2...

.....................45) Puesto que ε0 no es cero................41) y definiendo M como D-1C..... el término ε es el error que se comete al hacer la suposición inicial para iniciar el proceso de solución por el método de ensayo y error de Jacobi.........................44) el método de Jacobi será convergente si lim  m1  lim M m 0  0 .Restando la ecuación (2.... cuando m es muy grande..... el cual será convergente si después de m iteraciones..............43)............. Finalmente.....................42) de la (2.    m1  M *  m  M * M *  m1  M * M * M *  m2 .................. m (2.......45) es que la matriz M multiplicada m veces por si misma se convierta en la matriz 0......................................................... se tiene X . X   X es el error que se comete en la iteración (m+1) y m  se representa por εm+1....... ya que lo lógico es que el vector solución inicial supuesto es diferente del vector solución real.................................. εm+1.................... y X  X es el error que se comete en la iteración m y se representa por εm.................................. o sea una matriz en la que todos sus elementos sean cero.................................. de acuerdo con la expresión anterior se puede escribir  m1  M m  0 .............43) En la ecuación (2...........44) En la ecuación (2............................ m 1 (2.................... m 1 X M* X   m X  ..................... o sea que la ecuación también se puede escribir como ........44).............. el error entre la solución calculada y la solución real.............. tiende a cero.............. Una matriz cumpla con esta condición en los siguientes casos: 94 .......... 0 (2......................................... la única posibilidad de que se cumpla la ecuación (2.............. o sea que usando la ecuación (2.

.............................. las matrices D... .. donde  son los valores propios de la matriz M........46) donde: D está definida otra vez por la ecuación (2...  0 0  0 a 22 .....  ..............1-.... U y L A  D  L  U . 0  0   .. 0 ................................2) para el sistema de ecuaciones se descompone en tres sumandos.............35) a11 0  D   ... lim M m  0   M   0 m lim M m  0 es que M  1 donde M se m 2-.... ..... Se basa en lo siguiente: La matriz de los coeficientes A de la ecuación (2.....n   (2.......n 0 ...) donde (M) es el radio espectral de M y está dado por  ( M )  max   ....... en donde las valores que se van calculando en una iteración dada para las variables se van usando en la misma iteración para calcular los valores de las variables siguientes....35) L está definida por 95 .........)Una condición suficiente para que conoce como la norma de la matriz M..........  0  a n... ............... 2-.. a n 1... 0 0 0 ...... Método de Gauss – Seidel El método de Gauss – Seidel es una mejora del método de Jacobi para acelerar su convergencia....... (2..

..... 2 0 0  U 0 0  .........3  a 2.....  ...49) cumple si X es la solución exacta.......... 2 ....... 0   (2.................  0 0   a1............. 0   .............................3 .....47) y U está definida por . ................... ... 0   ..48) El sistema de ecuaciones se puede entonces representar matricialmente por D  L  U  * X o sea b D  L  * X  U * X  b ........  a n...............  a n .......... n   ....... pero al igual que en el caso de Jacobi también se puede plantear un procedimiento de ensayo y error de tal forma que D  L  * X m1  U * X m  b ...................................... 0  a 21  L    a 3........................ a 3... ...50) es un vector solución supuesto en una iteración y X m 1 es un nuevo y mejor solución calculado en la misma iteración.....3 o ...................... 0   ...2 0 0 0 .... donde X m (2.......49) La ecuación (2...................................  a 2........ ......................  a n . (2....1  0 0  a 3.....  0  a1................................... 0 a1..... (2........ 0  ................ .......... 96 ........................................... n  ... ............................. n   ...1   ...

. j j a i .3 x3  ..n x n a 2.... .3 x3  ..... m 1 se pueden calcular x1m 1  1 m m m b1  a1....1 x 2 1  a 2.............  a1...  a2...1 x1m1  b1  a1... 2   y en general i 1  ai ...i xim1  bi  j j 1 j i 1 a n i.........i  j 1 j i 1  (2.. obsérvese que los elementos se van calculando secuencialmente y cuando se esté calculando el elemento x im 1 del vector X m 1 ..3 x3  ... j xm j xim1  i 1 n  1  * bi   ai ....... se usan los valores de los elementos x m1 para todo j<i los cuales ya han sido calculados en pasos anteriores de la j misma iteración.4 x4  .. . los elementos x im 1 del vector X de la siguiente manera m m m a1.. 2 x2 1  b2  a2......51)..De acuerdo con las definiciones de las matrices D..3 x3  a2.......  a 2.51) La ecuación (2...n xn .n x n a1... los elementos xj para j>i son los calculados en la iteración m porque aún no han sido calculados en la iteración (m+1).. L y U y de la suma y multiplicación de matrices..1   m m m m a2.51) es la ecuación general para calcular el nuevo vector solución en la iteración (m+1) del proceso de Gauss – Seidel. usando la ecuación (2. j x m  .... m x 2 1  1 m m m b2  a 2.....  a1.....1 x1m1  a2... 2 x 2  a1.. 97 .. j x m1   ai ..... j x m1  ai .n xn ...2 x2  a1..

....2) se tiene D  L  U  * X b Si se introduce un factor W tal que wD  L  U  * X  wb La ecuación anterior se puede modificar de la siguiente forma D  wD  wL  wU  * X D  wL  * X  wb  D X  wb  D * 1  w  wU * X ........................46) a la ecuación (2.............. como se puede ver aplicando el siguiente desarrollo Aplicando la ecuación (2.52) y para que haya convergencia la matriz M dada por la ecuación (2..... pero también puede plantearse a partir de ella un procedimiento de ensayo y error escribiéndola de la siguiente forma: 98 .............. 3-......................52) debe cumplir con una de las dos condiciones que se plantearon para la matriz M del método de Jacobi...........49) cumple si X es la solución exacta del sistema de ecuaciones.....53) Nuevamente......... Método de Relación Sucesiva Puntual (PSOR) Es una mejora del método de Gauss Seidel para acelerar la convergencia............. la ecuación (2........... 1 (2....................... (2..La convergencia de este método se prueba de la misma forma que en el método de Jacobi teniendo en cuenta que en este caso la matriz M está dada por M  D  L  U ..

un proceso de ensayo y error y en una iteración m se supone un vector solución X y se calcula un nuevo vector solución X m m 1 que es mejor solución que el vector solución supuesto en la misma iteración.......... para una iteración m el vector supuesto es el calculado en la iteración anterior...................... El proceso termina cuando en una iteración se cumpla que la diferencia entre el vector supuesto y el calculado esté dentro de una tolerancia establecida.... j x m 1  ai .............. (2...........i x m 1  w * bi  (1  w) * ai ..  j j j i j i 1   (2.......55) 99 . y a partir de el calcular un nuevo vector X m 1 que es mejor solución.. o sea cuando se cumpla la ecuación (2............ L...........i xim  w * j j j 1 j i 1 a n i... j xm j y despejando x im 1 se tiene xim1  1  w * xim  w a i ......... j x m1  ..54) La ecuación (2.. al igual que en los casos de Jacobi y Gauss Seidel... j x m   ai ................................54) i 1 w *  ai ..... Esto es.......i i 1 n   bi   ai ....................54) plantea que es posible suponer un vector solución X m para el sistema de ecuaciones............ D  wL  * X m1  wb  D * 1  w  wU * X m ....................42) m 1 Los elementos del vector X se calculan de la siguiente manera: Nuevamente recordando la definición de las matrices D........ U y de las operaciones de suma y multiplicación de matrices se tiene aplicando la ecuación (2..... que no es la solución exacta.....

....56) La convergencia se tendrá si la matriz M cumple con una de las dos condiciones que se plantearon en la demostración de convergencia del método de Jacobi. 2.... En el capítulo anterior se discutieron algunas ecuaciones diferenciales parciales denominadas ecuaciones fundamentales de flujo en medios porosos.... si es mayor que 1 se habla de sobrerelajación y si es igual a 1 se tiene el método de Gauss – Seidel..................55) se ve que el segundo sumando es la expresión para calcular x im 1 por el método de Gauss – Seidel.. estas ecuaciones pueden ser resueltas analíticamente.4..Seidel. 1 (2... En algunos casos de limitada aplicación...... ecuación (2..Observando la ecuación (2.. Inicialmente...... multiplicado por w. Este capítulo se dedica a la discusión de los conceptos básicos que rigen la aproximación de una ecuación diferencial parcial a diferencias finitas. Sin embargo... sea que en este caso la matriz M está dada por M  D  wL  * 1  wD  wU  . Las soluciones a estas ecuaciones permiten simular el comportamiento de un yacimiento.. y el método se conoce como de relajación... bajo diferentes condiciones de flujo... o sea que el valor de x im 1 en este método se obtiene haciendo un promedio ponderado entre su valor obtenido entre la iteración anterior y su valor en la iteración (m+1) obtenido por el método de Gauss .. en la mayoría de las aplicaciones se requiere utilizar técnicas numéricas para su solución. El término w se conoce como factor de relajación y dependiendo de su valor se tendrá mejor convergencia o no que con el método de Gaus – Seidel...... La convergencia de este método también se prueba siguiendo el procedimiento aplicado en el método de Jacobi y partiendo de la ecuación (50).. en términos de la posición y el tiempo...51)......APROXIMACION DE ECUACIONES DIFERENCIALES A DIFERENCIAS FINITAS.. se discuten algunas nociones sobre variables discretas y diferencias 100 .. cuando el valor de w es menor que 1 se dice que se tiene subrelajación..

Esto facilita considerablemente la aplicación y extensión de conceptos básicos a ecuaciones de flujo complejas que gobiernan el comportamiento real de un yacimiento.. se habla de sistemas de malla y condiciones de límite. Esta solución permite calcular la presión en cada bloque a diferentes intervalos de tiempo......... se obtiene una serie de valores discretos de presión..... así como los esquemas de aproximación implícita y explícita... La Figura 2...57 permite obtener una función continua p  px. .... Un gráfico de p en función de x y t luciría en forma análoga a como se ilustra en la Figura 2..2 presenta el ejemplo hipotético de un yacimiento real y su correspondiente discretización...  t 2 .. A manera de ejemplo....57.. (2.1.. estabilidad.... ...1-.. La acción de dividir el yacimiento en un número determinado de bloques e intervalos de tiempo se denomina discretización. t 1 .... 2..... Para la solución numérica de una ecuación diferencial de flujo.57) para un mismo sistema. la variación de la presión p ... se discuten los conceptos de error de truncamiento....57)  t x 2 La solución analítica a la Ecuación 2..... A través de todo el capítulo se trabaja con una ecuación de flujo simple con la finalidad de introducir los conceptos básicos referentes a los temas antes mencionados....4....  x 2 .. La Figura 2. se consideran las aproximaciones para la primera y segunda derivada... 101 ..... se requiere tratar el yacimiento como un conjunto de bloques....1 y 2.. se pudiera considerar que las Figuras 2. de una misma ecuación de flujo (por ejemplo de la Ecuación 2.....finitas.. cada uno de los cuales corresponde a un bloque determinado del yacimiento. tal como la Ecuación 2. Posteriormente. A diferencia de la solución analítica. convergencia y consistencia.. t  para calcular la presión en cada punto a un tiempo determinado. la presión disminuye a medida que se incrementa el volumen de fluido extraído del sistema.. se les denomina diferencias finitas.3 presenta la forma típica de la distribución de presión en un sistema lineal a diferentes tiempos obtenida mediante la solución numérica de una ecuación fundamental de flujo... VARIABLES DISCRETAS Y DIFERENCIAS FINITAS Considérese un medio poroso lineal a través del cual fluye un fluido compresible o levemente compresible y el cual se encuentra a una presión inicial p i (Figura 2...DISCRETIZACION..  x 1 ..3 corresponden a las soluciones analítica y numérica..1). y a cada intervalo de tiempo. Supóngase que para este sistema..... en función de la posición x y el tiempo t ... está descrita por la siguiente ecuación diferencial: 2 p p . ... A las longitudes de cada bloque.. respectivamente. Luego. En la parte final del capítulo. .. en lugar de obtenerse una expresión que relacione la presión como una función continua de la posición y el tiempo. Si el sistema se abre a producir en el punto x  L .

x=0 x x=L t3 p t4 t2 t1 x=0 x x=L Figura 2. actúan como barreras de espesor infinitesimal (véase Figura 2. perpendiculares a la dirección de flujo. La rata de entrada y salida de fluidos en cada bloque está gobernada por las permeabilidades de las barreras adyacentes a cada bloque y la diferencia de presión entre ellos.1-. Por ejemplo: a cada bloque se le puede asignar un valor diferente de porosidad. c. La variación de las propiedades en el yacimiento se representa mediante la variación de las propiedades en cada bloque. d. Los lados de cada bloque. b. del tamaño de cada bloque.2). Las propiedades dentro de cada bloque son las mismas en todos los puntos del bloque. a cada bloque le corresponde un único valor de presión y de permeabilidad relativa. El grado de variación de las propiedades de diferentes bloques es función. Por ejemplo: a un tiempo determinado.Forma Típica de la Distribución de Presión en Sistema Lineal (Solución Analítica) Los siguientes son algunos comentarios importantes relacionados con la discretización de un yacimiento: a. Esto implica que pueden existir variaciones fuertes en las propiedades de bloques adyacentes. 102 . en parte.

Sin embargo. La precisión con la cual el comportamiento real del yacimiento puede ser descrito por el modelo depende del número de bloques utilizados. Las condiciones del yacimiento se definen únicamente al principio y al final de cada intervalo de tiempo. g. La discretización del yacimiento hace que el comportamiento continuo de las condiciones en él sea distorsionado. f. En general. en lo que se refiere a eficiencia computacional y capacidad de almacenamiento. el número de bloques está limitado por factores tales como el costo del simulador. Por ejemplo: la Figura 3. a mayor número de bloques mayor precisión.2-.Barrera Impermeable p1 k1 p2 k2 x2 Bloque 2 p3 k3 x3 Bloque 3 p4 k4 x4 Bloque 4 1 x1 2 3 4 Bloque 1 Figura 2. razón por la cual las condiciones en cada bloque pueden cambiar considerablemente de un intervalo de tiempo a otro. y la disponibilidad de datos de entrada. La vida del yacimiento es discretizada en intervalos de tiempo.4 presenta un esquema de la distorsión ocasionada en la saturación de agua en un punto fijo de un sistema lineal debido a su discretización. Intervalos de corta duración (es decir. 103 . Esquema de un Sistema Real y su Discretización e. alto número de intervalos) hacen que estos cambios sean menos fuertes y aumentan la precisión de los resultados.

.....57 es expresar la función p  x ..... mediante una serie de Taylor (Protter y Morrey.. La función puede ser expandida alrededor de un punto a ....... el método más comúnmente utilizado para dar solución numérica a la Ecuación 2.........x=0 x x=L t3 t2 t1 p t4 x=0 x x=L Figura 2. t  mediante una serie de Taylor. APROXIMACIONES PARA LA PRIMERA DERIVADA Probablemente..2 puede ser escrita como: 104 .58) n! En la Ecuación 2..... f n  a  es la n-ésima derivada de f evaluada en el punto x  a .....4....Forma Típica de la Distribución de Presión en un Sistema Lineal (Solución Numérica).......3-.... 1980): f ( x)  n0   f (n) (a)  x  a  n ... (2............ la Ecuación 3....2-...58........ localizado a una distancia x  a del punto “ x ” (Figura 2.... Considérese una función f x  continua.. Es decir.5). 2..

4-.5-.1 : Yacimiento : Simulador Sw 0 Tiempo Figura 2. Distorsión Ocasionada en la Saturación de Agua en un Punto Determinado del Yacimiento Debido a la Discretización del Tiempo x x–a a x x=0 xi xi + 1 x=L Figura 2. Esquema Ilustrativo de los Bloques Tenidos en Cuenta en la Aproximación Progresiva de la Primera Derivada 105 .

Supóngase un sistema lineal de bloques de igual longitud.......... entonces x  a  x i  1  x i .............x  a  f x   f a  0! 0  x  a    2 f   x  a  2   3 f f     x  x  a 1! 2! x 2  x  a x 3    x  a  3    3! xa  n f x n  x  a  n   .... La Aproximación Progresiva y su Error de Truncamiento...... x 2 ...3-....... Para simplificar la notación. entonces de la Ecuación 2.............. (2......... las presiones P x i  1  y P  xi  se notarán en adelante como Pi  1 y Pi ..... Si se definen los puntos a  x i y x  x i  1 . P ....... la derivada P  P   ...... Teniendo en cuenta esta notación................ x i y x i  1 ...59)    n! xa 2..... P x i  1  y P  xi  son las presiones en los bloques i  1 e i . x i  1 ...... (2....60) n! x n x  n n n 1 2 3 En la Ecuación 2.. la Ecuación 2.. x i .. de acuerdo a su posición dentro del sistema.... (2........ (2............ A cada bloque le corresponde una variable discreta x 1 ......... x  a   x .... Por ser bloques de igual longitud.... Similarmente.................60. .... respectivamente....5...... x n ............ El incremento entre dos puntos sucesivos.... ..... respectivamente.59 se tiene: 2 3 2 3    x i  1   P x i    P   !x    P   2x!   P   3x!    P x  x 1 x 2  x x 3  x     P   x      .............. tal como se ilustra en la Figura 2.62) x  i x n!  x 2  i 2!  x 3  i 3! x n  i     106 .4. está dado por la diferencia finita  x .. x i  1 ................. .61) Resolviendo para P   : x i  n 1 Pi 1  Pi  2 P   x   3 P   x  2 P   n P   x               ......... Si adicionalmente se tiene en cuenta que la función f x  que se pretende expandir mediante la serie de Taylor es la presión en el sistema....60  se notará como  x i  x  xi  puede ser escrita como: P  P   x   2 P   x   3 P   x   n P   x           Pi       x  i 1!  x 2  i 2!  x 3  i 3!  x n  i n!     2 3 n i 1 ...........................

. (2........ se le conoce como error de truncamiento de la aproximación progresiva.. lo cual se nota n como O  x  ....... se dice que la aproximación numérica de una ecuación diferencial tiene un error de truncamiento de orden n .. A la parte truncada de la Ecuación 2..  x ...64)......La Ecuación 2... es uno (Ecuación 2........ Rip ....... en la parte truncada es n ............ Por ejemplo.... (2............ En general...............62.. (2.. el término Rip está dado por la siguiente ecuación:   2 P   x   3 P   x  2    R ip    2      .................62 puede ser escrita como: Pi  1  Pi P     R ip .65) x  i x  A la Ecuación 2.........65 se le conoce como la aproximación progresiva a la primera derivada y permite evaluar la primera derivada de la presión en el bloque i en términos de la presiones en los bloques i e i  1 .................... En este caso.........64)   x 3  i 3!   x  i 2!     La Ecuación 2........ 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 ..... considérese dos esquemas de aproximación cuyos errores de truncamiento sean: Ri  1   2 P   x   3 P   x  2  4 P   x  3       2         x 3  i 3!  x 4  i 4!   x  i 2!      y 107 ........   Obsérvese que a mayor orden del error de truncamiento........ en el error de truncamiento...63 puede ser escrita en forma aproximada de la siguiente forma: Pi  1  Pi P    .................................. cuando la mínima potencia de la diferencia finita. mejor es la aproximación numérica de la ecuación diferencial.63)  x  i x En la Ecuación 2.63...........................

................ La Aproximación Regresiva y su Error de Truncamiento..... (2..4..........Ri  2   3 P   x  2  4 P   x  3     3        x 4  i 4!   x  i 3!     La aproximación correspondiente al error de truncamiento R i 2 ...... se tiene: P x i  1   P x i   2 3 P   2 P    x   3 P    x          x      x  Xi 2! 3!  x 2  Xi  x 3  Xi    n  n P    x      ........68 puede ser escrita como: Pi  P i  1 P     R ir ...... la Ecuación 2...66 puede ser escrita como: P  Pi  P  Δx   2 P  Δx   3 P  Δ x   n P   Δ x   2   3   n     (2.. se tiene: x i  n 1 Pi  Pi  1  2 P   x   3 P   x  2 P   n P    x               . es la de mayor exactitud debido a que se está truncando únicamente desde el término  x  .... Si se definen los puntos a  x i y x  x i  1 .. (2..............68) x  i x n!  x 2  i 2!  x 3  i 3! x n  i     La Ecuación 2. en tanto que la aproximación correspondiente al error de truncamiento R i 1 está 2   truncando desde el término  x  . y la notación para P  x i  definida anteriormente.. Teniendo en cuenta está notación.69)  x  i x 108 .67)   x  i 1! 2! 3! n! x  i x  i x  i    2 3 n i 1 Resolviendo la Ecuación 2. 2... (2. Considere el sistema lineal de bloques ilustrado en la Figura 2...................6..........................59......... Teniendo en cuenta estas definiciones y recordando que f x   P ..4-.66 para P   .. entonces x  a  x i  1  x i   x i  x i  1     x ...66) n!  x n  Xi  Con la finalidad de simplificar notación................ P x i  1  se notará como Pi  1 ..... de la Ecuación 2..

....... Obsérvese que el error de truncamiento de la aproximación regresiva es de primer orden...... O  x   .4.69 puede ser aproximada de la siguiente forma: Pi  P i 1 P    . Esquema Ilustrativo de los Bloques Tenidos en Cuenta en la Aproximación Regresiva de la Primera Derivada En la Ecuación 2....a – x = ......... La Aproximación Central y su Error de Truncamiento...71)  x  i x A la Ecuación 2.........70) La Ecuación 2.71 se le conoce como la aproximación regresiva de la primera derivada............70.6-... se obtiene: 109 ........ (2. 2.( x – a) x a x=0 x i-1 xi x=L Figura 2....69 Rir está dado por: R ir   2 P   x   3 P   x   n P    x          n!  x 2  i 2!  x 3  i 3! x n  i    2 n 1   ......5-............ Si se sustrae la Ecuación 2............61............... Su error de truncamiento está dado por la Ecuación 2...... (2....67 de la Ecuación 2...

... Ric está dada por: R ic    3 P   x   n P   x       n!  x 3  i 3! x n  i   2 n 1   n P    x    n! x n  i  n 1   ....... es de segundo 2 orden...............73)  x  i 2   x  En la Ecuación 2.....   110 ........2 3    P   x   2 P   x   3 P   x        Pi  1  Pi  1   Pi        x  i 1!  x 2  i 2!  x 3  i 3!        2 3    P   x   2 P   x   3 P   x         Pi       x  i 1!  x 2  i 2!  x 3  i 3!        Simplificando... la Ecuación 2..................74) El error el truncamiento.. Obsérvese que el error de truncamiento de la aproximación central es menor que el error de truncamiento de las aproximaciones progresiva y regresiva. (2......................... En este caso. se simplifica de la siguiente forma: P  Pi  1 P    i 1 x  i 2   x   ........ Ric .....................74. Pi  1  Pi  1  2   P   x   3 P   x   n P   x   n P    x         2 3       x  i 1! n!  x  i 3!  x n  i n! x n  i     3 n n Despejando P   .......... (2.......72 puede ser escrita como: P  Pi  1 P    i 1  R ic ..... dado por la Ecuación 2.............................. Su error de truncamiento............................ tiende a cero cuando  x tiende a cero....... x i  n 1 n 1 Pi  1  Pi  1  3 P   x  2 P   n P   x   n P    x              x  i 2   x  2n ! 2n !  x 3  i 3! x n  i x n  i     .................................75) A la Ecuación 2....73............... (2.................................75 se le conoce como la aproximación central a la primera derivada..... O  x  .........73.72) La Ecuación 2..... (2.........

6 -. Interpretación Geométrica de la Aproximación Progresiva 111 . 2. La aproximación central calcula la primera derivada de la presión en el bloque i con base a los valores de presión en los bloques anterior ( i  1) y posterior ( i  1 ). respectivamente.7-. Despejando x 2  i  Pi + 1 Pi + 1 – Pi Pi  p  :     x  progresiva x  p  :     x  verdadera x xi + 1 Figura 2. La aproximación regresiva estima la primera derivada de la presión en el bloque i con base a los valores de presión en el bloque i y en el bloque anterior ( i  1).4. Este último hecho es justamente la razón por la cual el error de truncamiento de la aproximación central es menor que los errores de truncamiento de las aproximaciones progresiva y regresiva. se observa que la aproximación progresiva estima la primera derivada de la presión en el bloque i con base a los valores de presión en el bloques i y en el bloque posterior ( i  1 ).Las Figuras 2. 2.7.8 y 2. regresiva y central.61 y 2. De estas figuras.67: Pi  1  Pi  1  2  Pi  2P  4 P   x   6 P   x     x  2  2  4    2 6    x 2  i  x  i 4!  x  i 6!    4 6 2P  .APROXIMACIÓN NUMÉRICA PARA LA SEGUNDA DERIVADA La aproximación numérica para la segunda derivada puede ser obtenida sumando las Ecuaciones 2.9 presentan la interpretación geométrica de las aproximaciones progresiva.

Interpretación Geométrica de la Aproximación Regresiva Pi + 1 Pi Pi – 1  p  :     x  centrada  p  :     x  verdadera xi – 1 xi xi + 1 Figura 2...8-......9-. (2.. Interpretación Geométrica de la Aproximación Central 2 4 Pi  1  2  Pi  Pi  1 2P  4 P   x   6 P   x     2 4    2 6     .76) x 2  i  x  i 4!  x  i 6!  x  2    112 ..Pi Pi – Pi – 1 Pi – 1  p  :     x  regresiva  p  :     x  verdadera x xi – 1 xi Figura 2..

...........77.....79) x 2  i  x  2  A la Ecuación 2........................ de la Ecuación 2...............76 puede ser escrita de la siguiente forma: P  2  Pi  Pi  1 2P   i 1  R i2 ..........................77) 2  2 x  i  x  En la Ecuación 2..................... Ri2 está dada por: 4   4 P   x  2   6 P   x  R i2   2  4    2 6     .....................78)   x  i 6!   x  i 4!     R i2 tiende a cero cuando  x tiende a cero......................... (2................................ i e i  1 ..............................79 se le conoce como la aproximación numérica para la segunda 2P derivada........... (2.. (2...............81) Si la ecuación (2.........80) P i 2  Pi   P   x   2 P  2 x   3 P   x   n P    2 x               x  i 1! 2! n! x 2  i  x 3  i 3! x n  i     . En este caso............................81) se  P  puede tener la siguiente expresión para    x 1 113 ................ 2 3 n (2.......77 se obtiene: P  2  Pi  Pi  1 2P   i 1 .La Ecuación 2...61) la multiplicamos por 4 y le restamos la ecuación (2................... Análogamente se pueden plantear expresiones para P i+2 y Pi-2 de la siguiente manera P  Pi   P  2 x   2 P  2 x   3 P  2 x   n P  2 x             ............   ...... Esta expresión permite estimar el valor de en el bloque i en x2 términos de las presiones en los bloques i  1 ........................................................78 de donde se puede observar que el error de truncamiento para la segunda derivada es de segundo orden........... (2..........  x  i 1! 2! 3! n! x 2  i x 3  i x n  i     2 3 n i2 ................ El error de truncamiento de esta ecuación está dado por la Ecuación 2.......

2 Combinando las ecuaciones (2.....79)-(2...61) y (2...... 4 En general se puede decir que es posible obtener expresiones para la primera y segunda derivada en función del valor de la función en diferentes puntos..........................................81) se puede obtener  Pi  2  8 Pi 1  8 Pi 1  Pi  2  P  2   x  ............84)    12 x  x  i cometiendo un error del orden de x  ...................... (2....... (2.......  x  2 * 4!  x 4  i  i   La expresión anterior en forma resumida se puede escribir como 4 P  3Pi  Pi  2  P  2   x     i 1 2x  x  i   y si se aproxima la expresión anterior a 4 P  3Pi  Pi  2  P  ........82)    i 1 2x  x  i se está cometiendo un error del orden de x  ................... (2....83)    12 x  x  i   la cual se puede aproximar a  Pi  2  8 Pi 1  8 Pi 1  Pi  2  P  ............4 P  3Pi  Pi  2 4x 2  P   i 1    2x 2 * 3!  x  i   3 P  12x 3   4 P   3      ..................... por ejemplo supongamos se quiere obtener una expresión para la segunda derivada 114 .............................85) 2  x  12x   i se comete un error del orden de x  ..... y 2  2P   Pi  2  16Pi 1  30Pi  16Pi 1  Pi 2 4  2     x  2  x  12x   i la cual si se aproxima a    2P   Pi  2  16Pi 1  30Pi  16Pi 1  Pi 2  2   .............................. (2......................

Pi y Pi+1 de tal forma que  x   i Pi "   1 Pi 1   2 Pi   3 Pi 1   Para hallar los αi se usa el método de los coeficientes indeterminados de la siguiente manera:  Se reemplazan Pi-1. o sea que finalmente se podría escribir Pi"  x 1 2 Pi 1  x  2 2 Pi  x 1 2 Pi 1   x   4   Pi 1  2Pi  pi 1 x 2   x   4  La expresión anterior es la ecuación (2. Pi y Pi+1 por su serie y al reemplazarlos en la ecuación para Pi " se tiene Pi"   1   2   3 Pi   1   3 x Pi '   1   3  x 2 P "      x 3 / 3! i 1 3 2!  Los coeficientes de la izquierda se hacen iguales a los de la derecha para cada uno de los términos similares y entonces 1   2   3  0 1   3 x  0  1   3  1   3 x 2 / 2! 1 1   2   3    2 1  x  2 2  1   3  x 2 1 x  2 2 2  0  2   x 2 2 Reemplazando ahora los valores de α1. α2 y α3 en la ecuación para Pi " se tiene Pi"  x 1 2 Pi 1  x 2 2 Pi  x 1 2 Pi 1   1   3 x  / 3!  3 3   Pi 1  2Pi  pi 1 x 2   x   3  En la expresión anterior el error en términos de x  no existiría porque α1=α3 y por tanto habría que buscar el siguiente término del error. 115 .79) obtenida antes.en función del valor de la función en los puntos i-1. o sea se quiere tener  2P  una expresión para  2  en función de Pi-1. i e i+1.

.................................................. ecuación de difusividad x   x    Aplicando la expresión (2.89)   x  x  i 1 / 2 P  Pi 1  P   i .................90)   x  x  i 1 / 2 Llevando ahora las expresiones (2..................................Dos expansiones que serán muy útiles para expandir la ecuación de difusividad son u i'  u i 1 / 2  u i 1 / 2 ..................i-1/2 se convierte en   k A P  kA  Pi 1  2 Pi  Pi 1  kA  2 P       x 2 x   x    (x) 2     Las ecuaciones anteriores suponen que los pasos (Δx) son constantes 116 ....................................................91) La ecuación (2... (2............. (2.......90) a la ecuación (2.......... (2..89) y (2.....................i+1/2 = kx............88) x   x  x   Aplicando ahora la expresión (2..........................................88) se tiene   k A P  kA/  11 / 2 Pi 1  (kA/  i 1 / 2  kA/  i 1 / 2 ) Pi  kA/  i 1 / 2 Pi 1   x   x  (x) 2   ...................................................86)   k A P  kA/  i 1 / 2 P / x i 1 / 2  kA/  i 1 / 2 P / x i 1 / 2   .........91) si kx.................................. (2......86) x u i 1  u i ............ (2............................................ (2........87) P  Pi  P   i 1 ......87) x u i' 1 / 2  Con las expresiones anteriores se puede expandir la expresión siguiente de la   kA P    para flujo lineal en una dimensión..

65).71 y 2. en lugar de emplear la diferencia finita  x . x t  t t i–1 0 x i i+1 L Figura 2.2. En este caso se requiere evaluar la variación la posición a un tiempo fijo.75). tal como aparece en las Ecuaciones 2. L  en diferencias finitas en el espacio.5-. En las Ecuaciones 2. Así mismo. t (Figura 2.10-. regresiva (Ecuación 2. Por lo anterior. 2.65. t  en diferencias finitas en el 2P tiempo.75 se aproximó la variación de la presión con respecto a P   .10). t  x  de la presión con respecto al tiempo en una posición fija. el subíndice 117 . Así mismo.75 . Discretización de un Sistema Lineal en el Espacio y el Tiempo P   .65.71) ó central (Ecuación 2. se requiere dividir el intervalo 0. t P La derivada puede ser expandida mediante una aproximación progresiva t (Ecuación 2. es necesario expandir las derivadas y x2 P . se debe emplear la diferencia finita t . Para dar solución numérica a esta ecuación.71 y 2. 2.57 es válida en el intervalo 0  x  L y t  0 . ESQUEMAS DE APROXIMACIÓN EXPLICITO E IMPLICITO Considérese que la Ecuación 2. y el intervalo 0.  x .

. contrario a nuestro interés... se empleará la aproximación progresiva.. Tal como se indicó anteriormente... Denotaremos por la letra n los índices que indiquen nivel de tiempo y serán superíndices de la variable P ..... (2................i (el cual indica posición) en este caso permanece fijo........93) t t n 1  Pi n  1  P Pi 2   O  t  t 2  t   ........... respectivamente.... La aproximación central tampoco será utilizada debido a problemas de estabilidad................................92) t t n n 1  P Pi  Pi   O  t   .. regresiva y central de son.... (2......... P n indica presión al tiempo n .. respectivamente...... los índices que indiquen posición los denotaremos por la letra i ................ t Para aproximar la segunda derivada se aplicará la Ecuación 2.... (2...... Por estas razones.................. n y n  1 representan los tiempos t n  1 ........... Ecuación 2...........79: P  2  Pi  Pi  1 2P   i 1 . t n 1  Pi n  P Pi   O  t   .. El índice que varía debe ser aquel que indique el nivel de tiempo............. Pi n ) y. debido a que nuestro interés es calcular la presión en cada bloque i del sistema a tiempos futuros (es decir..... partiendo de valores actuales (es decir...79) x 2  i  x  2  118 ....92).......... y serán subíndices de la variable P ... para aproximar P el término .....92 a 2.........93..... los superíndices n  1 .. (2......94....... Pi n  1 )... (Ecuación 2... Pi indica presión en el bloque i . Teniendo en cuenta estos comentarios.. las ecuaciones para las aproximaciones P progresiva...94) En las Ecuaciones 2. concepto que será discutido más adelante.......... Pi n indica la presión en el bloque i al tiempo n ............................ la aproximación regresiva relaciona la presión actual ( Pi n ) con presiones a tiempos pasados ( Pi n  1 ). no utilizaremos la aproximación regresiva... Para la aproximación de la primera derivada con respecto al tiempo........................ t n y t n  1 ...... Por ejemplo...

......................... se tiene: n n n  2 P Pi  1  2  Pi  Pi  1  .98 se le conoce como la aproximación explícita a la Ecuación 2..79.....................79 son evaluadas al tiempo t n ................. (2.Esta ecuación.......... Dependiendo del nivel de tiempo asignado a cada término de presión en la Ecuación 2........................ tal como está escrita.....95 a la Ecuación 2....................97) Se obtiene: Pi n  1    Pi n 1  2    1  Pi n    Pin 1 . de los cuales los más comunes son: la aproximación explícita..........96) La Ecuación 2......95) x 2  x  2 Si se lleva las Ecuaciones 2......79?......... (2................... La aplicación repetitiva de esta aproximación numérica permite estimar la presión en cada bloque i del sistema al tiempo t n  1 .... se suele hablar de diferentes esquemas de aproximación... Desde el punto de vista numérico..92y 2.......... La pregunta que surge sería: ¿A que tiempo hace referencia las presiones en la Ecuación 2......... (2..................57..................... se obtiene: Pin 1  2  Pi n  Pi n 1  Pi n  1  Pi n t  x  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: Pi n  1  Pi n 1   2  t  t t n   Pi n   2   x  2  1  Pi  1   x  2  x    Definiendo la variable  como:   x  2 t ......... la aproximación implícita y la aproximación de Crank-Nicolson..98)  A la Ecuación 2... cada uno de estos esquemas posee características diferentes.....57................... En este caso................ no incluye el nivel de tiempo........ (2...... Esquema de Aproximación Explícita. Supóngase que las presiones incluidas en la Ecuación 2. con base en los valores de 119 ................

98. por consiguiente: 0  P11    Pcero  2    1  P10    P20 Para el segundo bloque. P20  . obtener las expresiones de la aproximación explícita para el cálculo de las presiones en cada bloque a un tiempo futuro t 2  t 1   t . se requiere de una condición inicial y dos condiciones de frontera. De la Ecuación 2. se tiene P8  0 . b. se tiene P0  constante  Pcero . i e i  1 al tiempo t n .3. A continuación se ilustra un ejemplo de aplicación de la Ecuación 2. i  2 : P21    P10  2    1  P20    P30  Para el séptimo bloque.presión en los bloques i  1 . entonces la presiones a este tiempo. i  7 : P71    P60  2    1  P70    P80 Asignando al bloque i  8 la condición de límite derecho. i  1 : P11    P00  2    1  P10    P20 Asignando al bloque i  0 la condición de límite izquierdo. Definiendo t 0  t n . por consiguiente: 120 . son conocidas. Supóngase un sistema lineal de siete bloques tal como el presentado en la Figura 2. Si t 0 es tiempo inicial. Debido a que t 0 es el tiempo actual (condición inicial). P10  . … P70  . Para llevar a cabo esta serie de cálculos. entonces t 1  t 0  t  t n  1 . asumiendo que en cada caso las t1  t 0  t y a un tiempo condiciones de límite son: a.98 se pueden obtener las expresiones para el cálculo de las presiones en cada nodo al tiempo t1  t n  1 : Para el primer bloque. Ejemplo. P0  constante  Pcero P8  0 Solución.

P12    P01  2    1  P11    P21 De nuevo. i  2 : P22    P11  2    1  P21    P31  Para el séptimo bloque. de la Ecuación 2. De la Ecuación 2. luego: P12    Pcero  2    1  P11    P21 Para el segundo bloque. i  1 : t n  t1 y t n  1  t 2 . se tiene P8  0 . A cada uno de los bloques del sistema se le asigna un valor de presión al tiempo inicial t  0 teniendo en cuenta las condiciones inicial y de frontera. asignando al bloque i  8 la condición de límite derecho. se infiere el procedimiento general para el cálculo de la distribución de presiones mediante aplicación de la aproximación explícita: a. por consiguiente: P72   2    1  P71    P61 En la parte izquierda de la Figura 2. i  7 : P72    P61  2    1  P71    P81 Nuevamente. De 121 . se pueden re-definir la variables t n y t n  1 de tal forma que Teniendo en cuenta esta re-definición de variables.P71   2    1  P70    P60 Al tiempo t 2  t1  t . asignando al bloque i  0 la condición de límite izquierdo.98. se tiene P0  constante  Pcero . y su aplicación al ejemplo anterior.98 se tiene: Para el primer bloque.11 se indican los puntos en el espacio y los niveles de tiempo tenidos en cuenta en la aproximación explícita.

. t n+1 t n+1 tn xi – 1 xi Esquema Explícito xi + 1 xi – 1 xi Esquema Implícito tn xi + 1 Figura 2.. Una vez barrida toda la malla.. ..... se repite el procedimiento para el tiempo t n  2 .99) 2 2 x  x  122 ..... para obtener estabilidad en este esquema de solución.. Pi 0 y Pi 1 . se requieren incrementos de tiempo. muy pequeños....... Pi y Pi  1 en la Ecuación 2. asignando a los valores de n los respectivos valores de n  1 previamente calculados y aplicando la Ecuación 2..0 0 esta forma se obtienen valores para las variables Pi 1 . respectivamente...... i  0.. 1..96 para n  1 y n  2 . n x (la variable n x hace referencia al número variables discretas).. b.. t ...95 puede ser escrita como: n 1 n 1  Pin 1  2 P Pi  1  2  Pi 1  ..... (2............... en lugar de n y n  1. Tal como se discutirá más adelante. Supóngase que las presiones Pi  1 ... Se hace n  0 y se calcula los valores de Pi n 1 para cada uno de los bloques de la malla ( i  0. la Ecuación 2...... Representación Esquemática de las Aproximaciones Explícita e Implícita Esquema de Aproximación Implícita.. c..11-.... 1. lo que limita su aplicación en un gran número de problemas prácticos....... .. n x ).....79 hacen referencia al tiempo t n  1 .. En este caso.....

101 genera una ecuación para cada bloque del sistema.. asignando al bloque i  0 la condición de límite izquierdo......... por consiguiente:  2    1  P11    P21   P10    Pcero Para el segundo bloque.100 puede ser escrita de la siguiente forma:   Pin 1  2    1  Pi n  1    Pi n 1   Pi n .. Solución.... tal como se indica a continuación: Para el primer bloque..... por consiguiente:   P61  2    1  P71   P70 123 .............. Obtener el sistema de ecuaciones generado de la aproximación implícita. (2..92 y 2...... se obtiene: Pin 1  2  Pi n  1  Pi n 1 1 1  Pi n  1  Pi n t  x  2 .... Definiendo t 0  t n y t 1  t n  1 ..... (2...101 se le conoce como la aproximación implícita a la Ecuación 2.101) 1 1 A la Ecuación 2.99 en la Ecuación 2......... Ecuación 2. Si esta ecuación se aplica a cada uno de los bloques de la malla..... i  2 :   P11  2    1  P21    P31   P20    P61  2    1  P71    P81   P70 Al igual que en el ejemplo anterior...Sustituyendo las Ecuaciones 2. para el ejemplo anterior..100) La Ecuación 2.............57. se tiene P0  constante  Pcero .... se genera un sistema de ecuaciones cuya solución simultánea permite obtener la distribución de presiones del sistema al tiempo t n  1 .... La Ecuación 2..........57.........101... asignando al bloque i  8 la condición de límite derecho.   P01  2    1  P11    P21   P10 Al igual que en el ejemplo anterior... se tiene P8  0 . Ejemplo........ i  1 ........

 P 1   51   P6   P 1   7   P10   Pcero     P20    0     P3   F  P40   0     P5    P60    0     P7   P 1  La solución del sistema de ecuaciones AP1  F permite obtener los valores de presión en cada bloque al tiempo t n  1  t 1 . respectivamente. n   tal como se ilustra en la Figura 2.11 incluye los puntos en el espacio y los niveles de tiempo tenidos en cuenta en la aproximación implícita. a partir del capítulo cuatro. Se obtiene de una combinación de las aproximaciones implícita y explícita. consiste en aproximar la ecuación diferencial 1  en el punto  i.12.Este sistema de ecuaciones puede ser escrito en forma matricial como AP1  F . La Figura 2. Las técnicas de solución de este tipo de sistemas. 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 presión y términos independientes. 2  La aproximación de Crank-Nicolson aplicada a la Ecuación 2. más comúnmente utilizadas en simulación de yacimientos. definidos de la siguiente forma:  P11   1   P2   P31      P41  .57 está dada por la siguiente ecuación: 124 . serán discutidas a lo largo de este texto. Aproximación de Crank-Nicolson.

...103)     2 2  t  x   x  2  2       1 2P   2 x 2  i  n Obsérvese que la expansión numérica de la derivada de la presión con respecto al tiempo..............104) 6 t  i  2 n 1  Pi n  P Pi  t  t  2   2 Otras aproximaciones de expansión para la ecuación (2...12-... n 2 puede ser escrita como:  t  1 n   2  P 2 2    2  ..... se obtiene: n 1 n 1  Pi n 1  1  Pin 1  2  Pi n  Pi n 1  Pi n  1  Pi n 1  Pi  1  2  Pi 1      2 2   t   x   x  2  2       2   2 n 1 n 1  Pi n 1  1  Pin 1  2  Pi n  Pi n 1  Pi n  1  Pi n 1  Pi  1  2  Pi 1  .. (2...... .......... proviene de una aproximación central en t  t 1 y... (2.57) son: La de Richardson dada por 125 ... Representación Esquemática del Método de Crank-Nicolson n 1 Central en n 1 2 P  1 2P    2  ..t n+1 ( xi ..... t n + ½ ) tn xi – 1 xi xi + 1 Figura 2..................102)  2 x  i t  i  Reemplazando los términos diferenciales de la Ecuación 2.......................102 por sus correspondientes aproximaciones numéricas.... (2..................... en consecuencia................

.. La selección de uno u otro de estos esquemas se debe realizar teniendo en cuenta...n1  Pi .6 -....n1 x 2  Pi ....n  Pi .. 2...... los siguientes criterios: error de truncamiento..106) la cual es también una expansión explícita.n t .1-.......n1   Pi 1............... 2.n1  Pi .........n x2  Pi .. Esta parte del capítulo se dedica a la discusión del significado de estos conceptos y algunos métodos para su análisis...n  Pi ..............n1   Pi . también podría expandirse la ecuación (2.....Pi 1..........3... (2...........5.6..... La de Dufort – Frankel dada por Pi 1.....n  Pi 1..........n t ... convergencia y consistencia........n  Pi ....n1  Pi ..... algunos de los cuales han sido discutidos en el numeral 2.n x  2  Pi .......107) la cual es una forma implícita..... Tal como se menciona en la sección 2...... fundamentalmente.......... el error de truncamiento hace referencia al error en que se incurre al utilizar la aproximación en diferencias finitas...... luego de ser truncada..n1 2t ..... Existen diferentes esquemas de aproximación numérica a las ecuaciones diferenciales de flujo.......... estabilidad.....105) La cual es una expansión implícita pero la expansión de la derivada del tiempo se ha tomado como centrada. Error de Truncamiento.... (2....57) de la siguiente forma Pi 1.. (2. CRITERIOS TENIDOS EN CUENTA PARA LA SELECCION DE UN ESQUEMA DE APROXIMACIÓN NUMERICA...... esta expansión implicaría manejar información a tres niveles de tiempo lo cual muchas veces puede no ser recomendable por razones de requerimiento de espacio del computador.. Finalmente...... en lugar de la ecuación diferencial misma..n  2 Pi ... (2.. En términos generales el error de truncamiento se define como: T     ..108)  Diferencial   Diferencias Finitas   Ecuación   Ecuación en  126 ...n  Pi ........

....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... el cual se propaga a medida que se incrementa el número de operaciones...108. T  x  2   4 P    12 t  2 P    2  O 2 t  i x 4  i     x  2   t  ....... o sea es válida la expansión explícita... hasta cierto número de cifras significativas).. se tiene: T   2   t    x   2 p p   Pin 1  2  Pi n  Pi n 1  x  2  Pi n  1  Pi n   t   p 2 p y . cuya aproximación explícita está dada por la Ecuación (2.... es diferente al error de truncamiento numérico a que hace referencia la Ecuación 2... Considérese la Ecuación 2.109) indica que el error de truncamiento al hacer la expansión explícita depende de (Δx)2 y (Δt)......92... (2...57....... Ejemplo. además el truncamiento tiende a cero mientras más pequeños sean los pasos............ pueden retener únicamente números de "tamaño finito" (es decir.......109)  La ecuación (2.96): Pin 1  2  Pi n  Pi n 1  Pi n  1  Pi n t  x  2 ...... Encontremos el error de truncamiento en la expansión de Crank – Nicolson: 127 .... pero es más afectado por el tamaño del paso en t que por el tamaño del paso en x. El error cometido por esta clase de truncamiento.108.....79 y 2. (2........... en reemplazo de ecuación se tiene: T       Pin 1  2  Pi n  Pi n 1  x  2  2 2 4 Pi n  1  Pi n  4 P   x   6 P   x     2 6    t  x 4  i 4!  x  i 6!     P n  2  Pi n  Pi n 1 Pi n  1  Pi n  2 P  t       i  1  t t 2  i 2  x  2          Simplificando...96) Aplicando la Ecuación 2. a la anterior 2 t x Llevando las Ecuaciones 2........... en consecuencia...

..2-.........99)................. y (2.... se infiere que la aproximación de Crank-Nicolson presenta un menor error de truncamiento que las aproximaciones implícita y explícita..... Si aumenta.6... Estabilidad.......110)  2 p p  2 t  x Combinando las Ecuaciones (2..92)....... se dice que es condicionalmente estable....111)...... Ecuación 2... 2.......... (2. se dice que es inestable.......... se obtiene: n n n  1 Pin 1  2  Pi n  1  Pi n 1 1  x  2  4 P  1 Pi  1  2  Pi  Pi  1 1 1     T       2 12  x 4  i 2  x  2  x  2 2   2   t  1 n    n 1 n 2 4 3 Pi  Pi  P 2 1  x   P  2    4      3     2 12  x  i 6 t  i  t    2    2   n 1 n 1 n 1 n n n n 1  1 Pi  1  2  Pi  Pi  1  Pi n  1 Pi  1  2  Pi  Pi  1 Pi       2 t  x  2  x  2 2    Simplificando.........95)...............111) Al comparar las Ecuaciones (2. T  x  2   4 P    24 n 1 x 4  i   t  1 n n 2 4  x    P    2    3 P  2        24  x 4  i 6 t 3  i   2 Es decir.. se tiene: T   n 1 n 1  Pi n 1 1 Pin 1  2  Pi n  Pi n 1 Pi n  1  Pi n    1 Pi  1  2  Pi 1        2 2 t  x   x  2   2   .. Análisis de estabilidad es un procedimiento a través del cual es posible determinar si el error obtenido en un punto (bloque) de la malla. Si el error disminuye..............109) y (2... (2............ (2...Llevando las Ecuaciones 2........... Para que una aproximación numérica conlleve a 128   ... se dice que la aproximación es estable..... (2....76)........ disminuye o aumenta al incrementar el tiempo..103 a la definición de error de truncamiento..............108...... Si el error disminuye únicamente bajo ciertas condiciones......57 y 2... el orden del error de truncamiento de la aproximación de Crack-Nicolson está dado por:  T  O   x  2   t  2 ............. en un momento determinado....

cuando la suma de los coeficientes a .. d .… sean positivos o si alguno de ellos es negativo. .112. tn Figura 2. c .         Esquema Estable Esquema Inestable  Pn P  P n  1  P n Nivel de tiempo. La aproximación será estable cuando todos los coeficientes a. La Figura 2. c.112)   En la Ecuación 2. La ecuación 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 .resultados útiles se requiere que dicha aproximación sea estable.13 ilustra la variación de presión en un punto determinado del sistema en función del tiempo para un esquema estable y un esquema inestable.. El procedimiento a seguir para la aplicación del método puede ser resumido de la siguiente forma: a. sea menor o igual a cero... b. .. El Criterio de Karplus. Pi* indica la presión en el punto i y al tiempo en torno al cual se efectúa la aproximación numérica. 129 . (2. d. Comportamiento en el Cambio de Presión en un Punto Determinado de un Esquema Estable y un Esquema Inestable b. b ... A continuación se presentan dos criterios muy útiles para determinar estabilidad: El criterio de Karplus y el Método de Von Neumann. El método de Karplus no considera el efecto de condiciones de límite en el análisis de estabilidad.14-.

la Ecuación 2...............................114 ................ c . (2... el criterio debe ser aplicado a cada nodo... d pueden cambiar de un nodo a otro..............115) siempre se va a cumplir y por tanto la expansión implicita es incondicionalmente estable........... ... la aproximación explícita es condicionalmente estable y la condición de estabilidad está dada por la Ecuación 2........................... se obtiene:  t   1 ........................ (2...................... b ....100)   Pin 1  2    1  Pi n  1    Pi n 1   Pi n ..Debido a que los coeficientes a .... Por su parte la estabilidad de la expansión de Crank – Nicolson se puede probar por el criterio de Karplus de la siguiente manera: La expresión para esta expansión es la ecuación (2........ Un esquema determinado puede ser estable en un nodo pero inestable en otros......114)  x 2 2 Por consiguiente........ La expresión para la expansión implícita es la ecuación (2....................96 puede ser escrita de la siguiente forma:   Pin 1  Pi n     Pin 1  Pi n   Pi n  1  Pi n   0 ..103) 130 ....101) 1 1 La cual se puede llevar a n n  Pi 1 1  Pi n   2  1Pi n 1  Pi n    Pi 1 1  Pi n   0 En la expresión anterior el coeficiente  2  1 es menor que cero y por tanto para que se tenga estabilidad según el criterio de Karplus se requiere que   2  1    0  1  0 ....... Ejemplo................ Siguiendo un procedimiento completamente análogo es posible determinar que la aproximación implícita es estable.....113) Esta aproximación será estable siempre y cuando se cumpla que:     1  2  1  2  t   x 2 2 1 0 Despejando para t x  ..........................115) La expresión (2.. (2... (2..... Con la finalidad de aplicar el criterio de Karplus a la aproximación explícita.

..117) En la Ecuación 3... pues la solución exacta tiene el mismo valor de la aproximación numérica cuando el error tiende a cero..   2  1  3  0    El Método de Von Neumann o Análisis Armónico. t n  ... ecuación (2.n 1 n 1  Pi n 1  1  Pin 1  2  Pi n  Pi n 1  Pi n  1  Pi n 1  Pi  1  2  Pi 1  .......103) se requiere que 1 ... Pi n .......96 se obtiene: 131 ................. Pi n .................. A manera de ejemplo.. de la Ecuación 2......58  in es el error de truncamiento en el cual se incurre al aproximar el valor exacto p x i ..... t n  al valor obtenido de la aproximación numérica..........57......... t n   Pi n   in . (2.......... p x i ........... (2.............................103) se tiene n n n n  Pi 1 1  Pi n   2  1Pi n 1  Pi n    Pi 1 1  Pi n    Pi 1  Pi n    Pi 1  Pi n   0 Y como en la expresión anterior hay un coeficiente menor que cero... según Karplus para que la expansión dada por la ecuación (2....116) 2 La condición dada por la ecuación (2.están relacionados mediante la siguiente expresión: p x i .115)...... y el valor calculado al aplicar una aproximación numérica..... El valor exacto de presión en un punto x i a un tiempo t n ....103)     2 2  t  x   x  2  2       La cual también se puede escribir como  Pin 1  2  Pi n  1  Pi n 1   Pin 1  2  Pi n  Pi n 1  Pi n  1  Pi n 1 1      2         Y llevándola a una forma similar a la ecuación (2..... Puesto que la solución exacta satisface la aproximación numérica.. (2. considérese la aproximación explícita a la Ecuación 2. Una de las suposiciones básicas de este método se fundamenta en el hecho de que el error de una aproximación numérica satisface la aproximación numérica. Los valores de presión obtenidos de la solución exacta satisfacen la aproximación numérica........116) es la misma dada para la expansión explícita........

...........118.......................... t n  x   2  p x i ........122 (es decir..... Para análisis de estabilidad es suficiente con examinar el comportamiento de una sola componente del error  i en la Ecuación 2........ Por tal motivo....123) 132 ....118 de la Ecuación 2....122) En la Ecuación 2........... (2.......121 toma la siguiente forma: i  k    k  e  1   k  i   x  k     k  Ei k  .......... (2...... se obtiene:  in 1  2   in   in 1  x  2   in  1   in t ............. La componente del error en el espacio del tiempo debe ser tal que reduzca el error a  i cuando t  0 . el error también satisface la aproximación numérica............122...... (2....117 en la Ecuación 2... (2........... se tiene: P n i 1   in 1  2  Pi n   in    x   P n i 1   in 1 2   P n 1 i   in  1  Pi n   in t    .....120) Es decir................ la Ecuación 2..... 1989): f x   k    k e 1   k  x .......  k y  k son k -ésimos coeficientes de la serie de Fourier............ Si asumimos que la función expandida es la función error   x  y se evalúa dicha función en el punto x  x i  i   x ...............................p x i  1 ...... Ei  e 1 ix )...........119....121) En la Ecuación 2.. t n  1   p x i ..... Una función f x  puede ser expandida en series de Fourier de la siguiente forma (Zauderer....118) Sustituyendo la Ecuación 2.................. Ei k   e 1 k ix .......121. t n   p x i  1 .. t n   2  p x i ..... la expresión para el error E i que tenga en cuenta la componente del error en el espacio del tiempo tendrá la siguiente forma: Ein  e 1 ix  t e e 1 ix  nt e ............ t n  t . (2.....119) Restando la Ecuación 2.............. (2........

...En la Ecuación 2.... Ein1   n1e 1 ix Si el error en el punto i se mantiene estable al pasar del tiempo t n al tiempo t n  1 .........123............ para la aproximación explícita se obtiene: E in 1  2  E in  E in 1  E in  1  E in t  x  2 O bien......124) n A la Ecuación 2... n es una constante..... En forma más general. se expresa la ecuación que representa la aproximación numérica en términos del error. Como resultado de la discusión anterior..123 puede ser escrita de la siguiente forma: Ein   n e 1  ix Análogamente.... Ejemplo. es necesario que   1 ....... Para aplicar el método de Von Neumann al análisis de estabilidad de una aproximación numérica......124 se le conoce como el factor de amplificación...... es decir........ n e  1    i  1   x  2  n  e 1    i   x  x  2  n e  1    i  1   x  1    i   x  n 1  e  n  e t 1    i   x De donde se obtiene:  x  t 2   n e  1     x  2  n   n  e  1     x   n 1  n 133 . (2..............  n 1e 1  ix   ne 1  ix obteniéndose:   n 1  1 . la Ecuación 2.. entonces E in  1  E in .. para que una aproximación numérica sea estable...... A continuación se ilustra el procedimiento de aplicación de este criterio mediante un ejemplo...... Particularmente........

.......125) n   x  2 Aplicando la Ecuación 2.. haciendo      x ............ En cuanto al lado izquierdo.... Por tanto........ se obtiene: t  n 1  1  2   cos  1  ...... se tiene:  x  t 2  1 1  cos El valor mínimo de la expresión 1 1  cos  se obtiene para cos  1 .. (2........... el esquema será estable siempre y cuando se cumpla que:  x  t 2  1 2 134 .....125...Despejando para  n 1  n . se llega a: t  n 1 1  e n   x  2  1     x  2  e 1     x  De las identidades de Euler: e e  1   1   cos  1  sen   cos  1  sen  Luego.......124 a la Ecuación 2......... en cuyo caso 1 1  cos   1 2 .. para que el esquema sea estable se debe cumplir la siguiente desigualdad: 1  2 t   1  cos  x  2  1 La cual se cumple solamente si: 1  1  2  t  1  cos   1  x  2 Debido a que 1  cos  1 el lado derecho de desigualdad anterior siempre se cumple.....

 n 1  e  1    i  1   x  2  n1  e 1    i   x  x  2   n1  e  1    i  1   x  1    i   x  n 1  e  n  e t 1    i   x La expresión anterior luego de dividir por e 1 ix se convierte en  n1  e 1     x  2  n1    n1  e  1     x  x  2   n 1   n t y despejando  se tiene  n 1  n1  n e  1 1x e  1x  2  1  2  1   e  1 1x e  1x   1 2 1  cos 2   1 La estabilidad se dará si  n1 n  1 1 2 1  cos2   1 lo cual es equivalente a decir que 2 1  cos x   1  1 lo que también es equivalente a decir que 1  cos x   0 135 .100)   E in 1  2  E in1  E in 1 1 1  x  2  E in  1  E in t O bien. Si se procede en forma análoga para el análisis de estabilidad de la aproximación implícita.115: la aproximación explícita es condicionalmente estable y la condición de estabilidad está dada por la Ecuación 3.Este resultado corrobora el resultado obtenido en la Ecuación 2. se obtendrá a partir de l ecuación (2.115.

127) Restando las ecuaciones (2. De la ecuación (2. Esta conclusión indica que la expansión implícita es incondicionalmente estable.126) Donde X n1 y X n son los vectores solución a los tiempos tn y tn+1.129) se puede establecer: 136 . d es un vector conformado por los términos independientes del sistema de ecuaciones y las condiciones de límite establecidas para el sistema.128) se puede obtener e   A Be  n 1 1 n (2. Criterio Matricial Es el procedimiento más general para probar la estabilidad de una expansión y a diferencia de los otros criterios vistos. la aproximación implícita es la de mayor aplicación en simulación numérica de yacimientos.128)    Donde e n 1 y e n son los errores al tiempo tn+1 y tn respectivamente.129) Y de acuerdo con la ecuación (2. Por este mismo procedimiento se podrá probar la estabilidad de la expansión de Crank – Nicolson y se deja como tarea al lector. Las matrices A y B dependen del sistema de expansión que se esté aplicando.126) y (2. Se basa en lo siguiente: El sistema de ecuaciones generado a l expandir una ecuación diferencial en diferencias finitas se puede expresar en forma matricial de la siguiente forma: AX n1  BX n  d (2. lo cual coincide con la conclusión obtenida por el criterio de Karplus. Para la solución exacta del sistema de ecuaciones se puede establecer: AX  BX  d (2. tiene en cuenta las condiciones de límite del sistema discretizado.127) se tiene: A X n 1  X  B X n  X A e n 1  B e n      (2. Debido a lo anterior.La anterior desigualdad siempre se va a cumplir pues  1  cos x  1 .

y una condición para que la matriz sea nilpotente es que su radio espectral sea menor de 1. De acuerdo con la ecuación (2.130) Donde e 0 es el error que se comete inicialmente a hacer la aproximación en diferencias finitas. .e   A B e  n1 1 2 n 1 e   A B e  n1 1 3 n 2 . . o sea que la matriz debe ser nilpotente. están definidos por las condiciones de límite y por tanto el sistema se puede expresar matricialmente de la siguiente forma: 137 .98) n n Pi 1  2  1Pi n  Pi 1  Pi n 1 de la ecuación (2. e   A B e  n1 1 n1 0 (2. el cual obviamente debe ser diferente de cero y es constante.57) cuya forma (2. n n Pi 1  2  1Pi n  Pi 1  Pi n 1 . PNn1  2  1PNn  PNn1  PNn 1 En el sistema de ecuaciones anterior los valores P0n  P0  cons tan te y PNn1  PN 1  cons tan te . Miremos el caso de la expansión explícita genérica es la ecuación (2. .98) Aplicando esta ecuación a todos los bloques de la malla se tiene P0n  2  1P1n  P2n  P1n 1 P1n  2  1P2n  P3n  P2n 1 . .130) para que el error al tiempo tn+1 tienda acero se requiere que la matriz A-1B al irse multiplicando por si misma se vaya aproximando a la matriz nula .

P0 0 d  0 . o sea si la matriz A-1B es nilpotente. .130). 1 0 P0 0 P1n 1  2  1  P1n 0 0 P2n 1   2  1  P2n * . * Pi n 1    2  1  n 1 n . lo cual sucederá si el radio espectral de la matríz B es menor que 1. .133) La expansión explícita será estable si se cumple la ecuación (2. . . PN 1 n 1 n PN 1 1 PN   2  1 PN O sea que ha quedado de la forma de la ecuación (2. 0 PN 1 .131)  B . PN 1 (2. 0 0 0 0 . o sea su radio espectral.   2  1    2  1  .132)   2  1 . . 0 0 0 1 . . es menor que 1 138 .1 0 .  0 . 0 0 0 0 . (2. . .126) donde 1 0 0 0 0 0 1 0 0 0 A . pero como en este caso la matríz A es la matriz identidad A-1B=B y se requiere es que la matriz B sea nilpotente. 0 0 0 1 0 0 0 0 0 1  2  1 (2. . . 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 máximo valor propio.

la aproximación explícita es consistente. t n  en un punto y a un tiempo determinado. luego. si la ecuación en diferencias finitas tiende a la ecuación diferencial cuando  x y t tienden a cero.6... la forma de analizar convergencia de una aproximación numérica consiste en dar solución numérica a la ecuación para varios valores de  x y t . tienden a cero.. Se dice que una aproximación numérica es convergente si el valor discreto Pi n calculado de la aproximación numérica tiende al valor exacto p x i .3-.... El error de truncamiento para la aproximación explícita está dado por Ecuación 2. Dadas las definiciones de error de truncamiento y consistencia.....7.4-....6.... Se dice que un esquema numérico es consistente. En el sistema de bloque centrado las variables dependientes son calculadas en el centro de cada celda o bloque. En general.. T    x  2   4 P   12 t  2 P     . (2..15.. por ejemplo...  x y  t . cuando sus diferencias finitas...... estabilidad y consistencia implican convergencia. Sistema de Bloque Centrado. Consistencia o Compatibilidad.. Si las soluciones para valores sucesivamente menores de  x y t tienden a un cierto valor constante.....109....... Este sistema es el preferido cuando las 139 ..2.. se suele concluir convergencia de la aproximación numérica...1-.. La estabilidad es un criterio de mayor peso que la convergencia. A continuación se define cada uno de ellos.. 2...SISTEMAS DE MALLAS Y CONDICIONES DE LÍMITE Existen básicamente dos sistemas de mallas: sistema de bloque centrado y sistema de punto centrado o nodo distribuido. 2.. Convergencia. Por esta razón.. Obsérvese que la convergencia concierne al error Pi n  p x i . mientras la estabilidad tiene que ver con la propagación (incremento) del error en un punto determinado al incrementar el tiempo..  T tiende a cero.7-.109)   2 t 2  i x 4  i   Cuando  x y t tienden a cero.. tal como se ilustra en la Figura 2. Ejemplo..... un esquema es consistente si su error de truncamiento tiende a cero.. En simulación de yacimientos no se suele conocer la solución exacta de la ecuación diferencial de flujo... con cierta tolerancia. t n  cuando  x y t tienden a cero. 2.

las cuales se caracterizan por que especifican las derivadas de las variables dependientes a través de las fronteras del sistema. como por ejemplo.15.16). Al tratamiento de las condiciones de límite interno se le conoce como modelamiento de pozos en simulación numérica de yacimientos. las cuales se caraterizan por que especifican el valor de la variable dependiente en las fronteras del sistema (Figura 2. Este sistema es el preferido cuando se utilizan condiciones de límite tipo Dirichlet. tal como se ilustra en la Figura 2. Esquema Ilustrativo de una Malla de Bloque Centrado 2. Este disturbio se introduce a través de los límites del yacimiento.7. Un yacimiento permanece en equilibrio a menos que se introduzca algún tipo de disturbio en el sistema. Figura 2.condiciones de límite son de tipo Neumann. Sistema de Punto Centrado o Nodo Distribuido. Condiciones de Límite Externo. también conocido como nodo distribuido.15-. Los límites internos hacen referencia a la interacción del yacimiento con los pozos y dan origen a las condiciones de límite interno. El modelamiento de pozos ha sido uno de los temas de 140 .8-. En el sistema de punto centrado. En general. 2.2-. la rata de intrusión de agua desde un acuífero a un yacimiento. las variables dependientes son calculadas en la intersección entre bloques. existen dos tipos de límites de yacimiento: internos y externos.

mayor importancia, y por ende más ampliamente investigados, en simulación de yacimientos.

P = Pe

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

Las condiciones de límite externo hacen referencia a la forma como el yacimiento interactúa con sus alrededores. En general existen dos tipos de condiciones de límite externo: Dirichlet y Neumann. En esta sección se discute la discretización de estos dos tipos de condiciones de límite externo.

Condiciones de Límite Tipo Dirichlet.

En una condición tipo Dirichlet se

especifica la variable dependiente en los límites externos del sistema. En el caso de la expansión de la Ecuación las condiciones de límite tipo Dirichlet consisten en especificar la presión de poro en los límites x  0 y x  L , donde L representa la longitud del sistema. Analíticamente,

141

P0   Pcero t 
PL   PL t 

(2.134)

(2.135)

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 pérdida de

generalidad, este será 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 físico real del sistema. Los puntos fantasmas son puntos que identifican celdas adyacentes a los límites externos del sistema y son utilizados para la discretización de las condiciones de límite 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 programación y eficiencia computacional. Obsérvese que la condición de límite externo izquierdo se aplica en las interfase que une el bloque fantasma 0 y el primer bloque interior. Así mismo, la condición de límite externo derecho se aplica en la interfase que une el último bloque interior y el bloque fantasma N x  1 .

Por tratarse de una malla de bloque centrado, el punto de aplicación de las condiciones de límite tipo Dirichlet no coincide con la ubicación de ninguno de los nodos o puntos discretos. Por tal motivo, las condiciones de límite tipo Dirichlet se suelen discretizar aplicando promedios de las variables discretas en los bloques adyacentes a la interfase que representa el límite externo. Por ejemplo, para el sistema ilustrado en la Figura 2.17, la condición en x  0 se discretiza de la siguiente forma: 142

P0   Pcero

PL   PL

1

0

1
x 0

i 1

i

i 1

Nx

Nx  1 Nx  2

Celda interior Celda fantasma Celda ficticia

xL

Figura 2.17-. Malla Unidimensional de Bloque Centrado Indicando los Diferentes Tipos de Celdas o Nodos (No Se Absorben Condiciones de Límite)

P0  P1  Pcero 2

O bien,

P0  P1  2 Pcero

(2.136)

En forma análoga, la condición en x  L se discretiza de la siguiente forma:

PNx  PNx 1  2 PL

(2.137)

Obsérvese que la discretización de las condiciones de límite adiciona dos nuevas incógnitas al sistema de ecuaciones de la expansión de la ecuación (2.57) ( P0 y

143

Pnx 1 ) lo que hace necesario el planteamiento de dos ecuaciones adicionales (Ecuaciones (2. La Ecuación (2. En el caso de la expansión de la ecuación (2.140) Análogamente.138) puede ser escrita de la siguiente forma: q   p     cero kA  x  x 0 (2.139) En el caso de un sistema cerrado. Discretización de Condiciones de Límite Tipo Neumann. En una condición tipo Neumann se especifica la rata de flujo a través de la frontera del yacimiento.139) toma la siguiente forma:  p    0  x  x 0 (2. en consecuencia. en el caso general. una condición Neumann en el límite x  L puede expresarse de la siguiente forma: q   p     L kA  x  x  L (2. En este caso la Ecuación (2. no existe flujo a través de sus límites externos y.136) y (2.141) 144 .137).138).138)) En la Ecuación (2.57) una condición Neumann en el límite x  0 puede expresarse de la siguiente forma:   q x0   kA p      x  x 0  qcero (2. qcero es un valor conocido. q cero  0 .

las formas discretizadas de las Ecuaciones (2. qcero x1  x0  kA P  P0  1 (2. la Ecuación (2.144) En x  L .141) y (2. para un sistema cerrado. Por ejemplo. En particular.17.141). Ecuación (2.143) toma la siguiente forma: P1  P0  0 (2. una condición tipo Neumann en x  0 .138). q L es un valor conocido.En la Ecuación (2. las condiciones de límite tipo Neumann se suelen discretizar calculando el gradiente entre los puntos discretos adyacentes a la interfase que representa el límite externo.143 En particular. para un sistema cerrado. 145 . para el sistema ilustrado en la Figura 2.141) toma la siguiente forma:  p  0    x  x L (2.142) pueden ser expresadas de la siguiente manera: PNx 1  PNx q L   x Nx 1  x Nx kA O bien.142) Para una malla de bloque centrado. se discretiza de la siguiente forma: P1  P0 q cero   x1  x 0 kA O bien. la Ecuación (2.

para x  0 .145) toma la siguiente forma: PNx 1  PNx  0 (2. para x  L ). y Ecuación (2.PNx 1  PNx  qL  x Nx 1  x Nx  kA (2.145) Para un sistema cerrado.146) Al igual que en el caso de las condiciones de límite tipo Dirichlet.145) o (2. la Ecuación (2.143) o (2.144). la discretización de las condiciones de límite tipo Neumann adiciona dos nuevas incógnitas al sistema de ecuaciones representado por la Ecuación 4. Este hecho hace necesario el planteamiento de dos ecuaciones adicionales (Ecuación (2. 146 .146).34. Estas dos nuevas incógnitas son Pcero y PNx 1 .