Técnicas Numéricas en Ingeniería de Fluidos, M.Fernández Oro 2012 421pp PDF

Técnicas numéricas
en ingeniería de fluidos
Introducción a la dinámica de fluidos

computacional (CFD) por el método
de volúmenes finitos
Jesús Manuel Fernández Oro

Profesor Titular de la Universidad de Oviedo
Departamento de Energía – Área de Mecánica de Fluidos
Barcelona · Bogotá · Buenos Aires · Caracas · México

Técnicas numéricas en ingeniería de fluidos.
Introducción a la dinámica de fluidos computacional (CFD)
por el método de volúmenes finitos
Copyright © Jesús Manuel Fernández Oro
Edición en e-book:
© Editorial Reverté. S.A., 2012
ISBN: 978-84-291-9277-3
Edición en papel:
© Editorial Reverté. S.A., 2012
ISBN: 978-84-291-2602-0
Propiedad de:
EDITORIAL REVERTÉ, S. A.
Loreto, 13-15, Local B
08029 Barcelona
Tel: (34) 93 419 33 36
Fax: (34) 93 419 51 89
reverte@reverte.com
www.reverte.com
Reservados todos los derechos. La reproducción total o parcial de esta obra,

por cualquier medio o procedimiento, comprendidos la reprografía y el tra-
tamiento informático, y la distribución de ejemplares de ella mediante alqui-
ler o préstamo públicos, queda rigurosamente prohibida sin la autorización
escrita de los titulares del copyright, bajo las sanciones establecidas por las
leyes.
Para Ana, Daniel y Ángela
ÍNDICE DE CONTENIDOS
PRÓLOGO XIII
AGRADECIMIENTOS XVII
NOMENCLATURA XIX
1. INTRODUCCIÓN AL CFD 1
1.1 ¿Qué es el CFD? 3
1.2 Reseña histórica sobre el CFD 3
1.3 Campos de aplicación 12
1.4 Ventajas e inconvenientes 15
1.5 Desarrollo y empleo de códigos: usuario frente a programador 16
1.5.1 Códigos CFD: secuencia y estructura 17
1.5.2 Códigos CFD: estrategias a seguir 20
1.6 Objetivos de este libro 23
1.7 Estructura del libro 24
2. ALGUNAS IDEAS FUNDAMENTALES 27

2.1 CFD: estrategia de utilización 29
2.2 Discretización espacial: sistema algebraico
de ecuaciones 30
2.2.1 Método de diferencias finitas 30
2.2.2 Método de elementos finitos 31
2.2.3 Método de volúmenes finitos 32
viii Índice de contenidos
2.3 Solución del sistema algebraico de ecuaciones 33

2.3.1 Aplicación de condiciones de contorno 34
2.3.2 Dependencia de la malla 35
2.4 El problema de la no linealidad de las ecuaciones 36
2.5 Método iterativo de resolución 38
2.6 Criterio de convergencia para la solución iterativa 40
2.7 Estabilidad numérica 42
2.8 Precisión, consistencia, estabilidad y convergencia 44
2.9 El problema del cierre turbulento 46
3. ECUACIONES DIFERENCIALES DE CONSERVACIÓN 51

3.1 Ecuación general de conservación 53
3.2 Ecuaciones de gobierno para el flujo y la transferencia de calor 57
3.2.1 Ecuación de conservación de masa 57
3.2.2 Ecuación de conservación de momento 58
3.2.3 Ecuación de conservación de la energía 58
3.2.4 Ecuación de conservación de las especies 59
3.3 Forma integral de la ecuación general 60
3.4 Ecuaciones simplificadas para la resolución del flujo: técnicas
numéricas 61
3.4.1 Flujo potencial y flujo ideal 62
3.4.2 Flujo incompresible en la capa límite 63
3.4.3 Flujo viscoso incompresible 64
3.4.4 Flujo compresible 65
3.5 Clasificación matemática de las ecuaciones en derivadas parciales 65
3.5.1 Consideraciones físicas 66
3.5.2 Consideraciones matemáticas 67
3.5.3 Clasificación para las ecuaciones de flujo 71
3.6 Condiciones iniciales y de contorno 72
4. MÉTODO DE VOLÚMENES FINITOS (MVF) 75

4.1 Conceptos generales 77
4.2 Características y tipos de mallado 78
4.2.1 Mallados estructurados 80
4.2.2 Mallados no estructurados 83
4.2.3 Calidad de la malla y buenas prácticas 85
4.3 Discretización numérica por el método de volúmenes finitos 86
4.3.1 Definiciones generales de la metodología numérica 86
4.3.2 Fundamentos del método de volúmenes finitos 88
4.4 Implementación del método de volúmenes finitos 91
4.4.1 Mallados decalados 91
4.4.2 Discretización del término temporal 94
4.4.3 Discretización del término fuente 94
4.4.4 Discretización del término difusivo 94
Índice de contenidos ix
4.4.5 Discretización del término convectivo 95

4.4.6 Ecuación algebraica por volúmenes finitos 97
4.5 Métodos de discretización espacial 98
4.6 Métodos de discretización temporal 100
5. MVF EN PROBLEMAS DIFUSIVOS PUROS 103

5.1 Difusión 1-D estacionaria 105
5.1.1 Discretización 105
5.1.2 Discusión 107
5.2.1 Discretización 107
5.2.2 Discusión 109
5.3 Implementación de condiciones de contorno 110
5.3.1 Condición de contorno de Dirichlet (valor) 111
5.3.2 Condición de contorno de Neumann (flujo) 112
5.3.3 Condición de contorno de Robin (mixta) 113
5.4 Difusión 2-D no estacionaria 114
5.4.1 Esquema explícito 116
5.4.2 Esquema implícito 117
5.4.3 Esquema Crank-Nicholson 118
5.5 Difusión 2-D en coordenadas cilíndricas 119
5.6 Difusión 2-D en dominios axisimétricos 121
5.8 Consideraciones adicionales 125
5.8.1 Interpolación del coeficiente de difusión 125
5.8.2 Linealización del término fuente 126
5.8.3 Subrelajación 127
5.8.4 Análisis de estabilidad de Von Neumann 129
5.8.5 Discretización en mallados no estructurados 132
6. MVF EN PROBLEMAS DIFUSIVOS-CONVECTIVOS 137

6.1 Difusión-convección 1-D estacionaria 139
6.2.1 Esquema en diferencias centradas (CDS) 142
6.2.2 Esquema upwind 144
6.2.3 Generalización a mallas no estructuradas 145
6.3 Esquemas de primer orden con soluciones exactas 147
6.3.1 Esquema exponencial 147
6.3.2 Esquema híbrido 149
6.3.3 Esquema potencial 150
6.4 Esquemas de orden superior 151
6.4.1 Difusión y dispersión numéricas 151
6.4.2 Esquemas de segundo orden 153
6.4.3 Esquemas de tercer orden 154
6.4.4 Generalización a mallas no estructuradas 156
x Índice de contenidos
6.5 Difusión-convección no estacionaria 158

6.5.1 Formulación general 158
6.5.2 Condición de Courant para esquemas explícitos 159
6.5.3 Caso particular: difusión-convección no estacionaria 3-D con esquema
híbrido y discretización implícita 162
6.5.4 Extensión no estacionaria a otros esquemas de primer orden 162
6.6 Condiciones de contorno 164
6.6.1 Condiciones de entrada 164
6.6.2 Condiciones de salida 165
6.6.3 Condiciones geométricas 166
7. RESOLUCIÓN DE LAS ECUACIONES DE FLUJO 167

7.1 Introducción 169
7.2 Mallado decalado 171
7.3 Discretización de la ecuación de momento 173
7.4 Discretización de la ecuación de continuidad 177
7.5 Algoritmo SIMPLE de resolución 177
7.5.1 Ecuación de corrección para la presión 180
7.5.2 Subrelajación 181
7.5.3 Algoritmo completo 184
7.6 Otros algoritmos de acoplamiento presión-velocidad 186
7.6.1 Algoritmo SIMPLER 186
7.6.2 Algoritmo SIMPLEC 190
7.6.3 Algoritmo PISO 191
7.7 Conclusiones y reflexiones finales 194
8. CONDICIONES DE CONTORNO Y TÉRMINOS FUENTE 197

8.2 Linealización 200
8.2.1 Especificación de valores 201
8.2.2 Especificación de flujos 202
8.3 Condiciones de contorno típicas 202
8.3.1 Condición de flujo entrante 202
8.3.2 Condición de flujo saliente 204
8.3.3 Contornos sólidos 206
8.3.4 Condición de perfil de presión constante 211
8.3.5 Condición de simetría 212
8.3.6 Condiciones periódicas y cíclicas 212
8.4 Otras fuentes 214
8.5 Reflexiones finales y conclusiones 214
9. MÉTODOS ITERATIVOS DE RESOLUCIÓN 219

9.1.1 Métodos iterativos frente a métodos directos 222
9.1.2 Almacenamiento de variables 223
Índice de contenidos xi
9.2 Algoritmo para matrices tridiagonales (TDMA) 227

9.2.1 Método punto-a-punto (TDMA 1-D) 227
9.2.2 Método línea-a-línea (TDMA 2-D) 228
9.2.3 Método plano-a-plano (TDMA 3-D) 230
9.3 Métodos iterativos Jacobi y Gauss-Seidel 231
9.3.1 Métodos iterativos generales 232
9.3.2 Convergencia de los métodos iterativos 234
9.3.3 Análisis de los métodos iterativos 238
9.4 Métodos multigrid 239
9.4.1 Corrección mediante malla basta 240
9.4.2 Multigrid geométrico (GMG) 241
9.4.3 Multigrid algebraico (AMG) 244
9.4.4 Estrategias cíclicas 246
10. MODELIZACIÓN DE LA TURBULENCIA 251

10.1 ¿Qué es la turbulencia? 253
10.1.1 La naturaleza de la turbulencia 253
10.1.2 La ubicuidad de la turbulencia 256
10.1.3 El origen de la turbulencia: inestabilidades 256
10.2 Escalas de la turbulencia: la cascada de energía 259
10.3 El problema del cierre de la turbulencia 264
10.4 Aproximaciones numéricas para el tratamiento
de la turbulencia 265
10.4.1 Simulaciones directas (DNS) 265
10.4.2 Promediados de las ecuaciones (técnicas LES y modelos RANS) 268
10.5 Large Eddy Simulation (LES) 270
10.5.1 Filtrado espacial. Tipos de filtro 271
10.5.2 Tratamiento de las subescalas de malla 279
10.5.3 El problema de la pared: técnicas híbridas 280
10.6 Modelos de turbulencia para las ecuaciones RANS 284
10.6.1 Filtrado temporal. Propiedades 284
10.6.2 Modelo de longitud de mezcla de 0 ecuaciones 289
10.6.3 Modelos de viscosidad artificial (Eddy Viscosity Models, EVM) 291
10.6.4 Modelos de transporte para las tensiones de Reynolds (RSM) 299
10.6.5 El problema de la pared: tratamiento de la capa límite 304
10.7 Estrategias y buenas prácticas para la utilización
de los modelos de turbulencia 307
11. APLICACIÓN DEL CFD A FLUJOS INDUSTRIALES (I-CFD) 311

11.2 Transferencia de calor 313
11.2.1 Introducción 314
11.2.2 Convección natural. Fenómenos de flotabilidad 315
11.2.3 Radiación 319
xii Índice de contenidos
11.3 Flujos multiespecie 322

11.3.1 Transporte sin reacción química 323
11.3.2 Transporte con reacción química 325
11.3.3 Combustión 330
11.4 Flujos multifásicos 336
11.4.1 Elección del modelo multifase apropiado 338
11.4.2 Modelo de fase dispersa (DPM) 340
11.4.3 Modelo euleriano 341
11.4.4 Modelo de mezcla 344
11.4.5 Modelo de volumen de fluido (VOF) 347
11.5 Modelos de solidificación 352
11.6 Transporte de escalares como trazadores 353
11.7 Modelización del flujo en máquinas de fluidos 356
11.7.1 Flujo no estacionario en máquinas de fluidos: mallas dinámicas 356
11.7.2 Flujo en máquinas volumétricas: mallados deformables 357
11.7.3 Flujo en turbomáquinas: mallados deslizantes 360
11.7.4 Ejemplos de análisis del flujo en turbomáquinas 364
REFERENCIAS 371
ÍNDICE ALFABÉTICO 379

PRÓLOGO
Las técnicas numéricas en Ingeniería han experimentado un gran desarrollo en las
últimas décadas y, en particular, la Mecánica de Fluidos ha sido una de las discipli-
nas científicas donde este auge ha tenido una mayor repercusión. Para el estudio de
las ecuaciones generales de comportamiento de los flujos se han desarrollado diver-
sas técnicas y aproximaciones, siendo el Método de los Volúmenes Finitos (MVF) el
más utilizado hoy día gracias a su flexibilidad y particular adecuación para describir
ecuaciones de conservación. En este libro, se presentan las bases de este método
como herramienta para el estudio computacional de la Mecánica de Fluidos. Se
aborda el desarrollo de esta metodología mostrando cómo se implementan y se
resuelven las ecuaciones de conservación (masa, momento, energía y especies)
desde los casos más sencillos y simplificados hasta su formulación más general.
Finalmente, se complementa el método con la inclusión de modelos de turbulencia
y de otros modelos de propósito industrial que permiten extender la simulación de
los flujos al ámbito de la Ingeniería de Fluidos.
Aunque las obras publicadas en castellano sobre esta disciplina son escasas, sí
existe una amplia bibliografía en inglés dedicada a esta temática. Sin embargo, la
mayoría de esas referencias son textos avanzados, muy específicos, que no han
sido concebidos como una breve introducción a las técnicas numéricas sino más
bien como vastos tratados en la materia. A pesar de ello, sí que hay un reducido
número de textos en inglés que abordan estas técnicas desde un punto de vista
más aplicado, centrándose en lo esencial y ofreciendo una mejor didáctica. Cabe
citar específicamente en este prólogo dos contribuciones que han inspirado al
autor para desarrollar su trabajo, y que destacan por lo acertada de su estructura
xiv Prólogo
y por la claridad expositiva de sus contenidos. Se trata del texto de los profesores
H.K. Versteeg y W. Malalasekera, “An Introduction to Computational Fluid
Dynamics: The Finite Volume Method” (Ed. Pearson, 2007, 2º edición), y de las
notas de los profesores S. Mathur y J. Y. Murthy, “The Finite Volume Method,
class notes for Numerical Methods in Heat, Mass and Momentum Transfer”
(2001-2011), en los que se ha basado la estructura adoptada aquí y de los cuales
se han considerado un buen número de contenidos y de figuras, adaptándolos al
contexto de esta obra. En particular, del primero se han adaptado parcialmente
contenidos de los temas dedicados a los algoritmos de resolución de las ecuacio-
nes de flujo y a la definición de las condiciones de contorno (capítulos 7 y 8),
mientras que del segundo se han recogido los contenidos relacionados con las
discretizaciones difusivas y convectivas para mallas no estructuradas (capítulos
5 y 6), así como los conceptos básicos de los métodos iterativos de resolución
(capítulo 9).
Además de acudir a estas referencias básicas, se han adaptado contenidos de otra

serie de fuentes para equilibrar los temas abordados aquí y poder presentar una obra
lo más completa y adecuada posible. Así, para elaborar un tema inicial sobre ideas
fundamentales acerca del CFD, se adaptó diverso material on-line de los profesores
R. Bhaskaran y L. Collins, expertos en la docencia sobre simulación numérica para
la Ingeniería. Del mismo modo, para la descripción general del Método de Volúme-
nes Finitos se han adaptado algunas notas del profesor C. Hirsch, basadas en su libro
"Numerical Computation of Internal and External Flows. The Fundamentals of
Computational Fluid Dynamics" (Ed. Elsevier-Butterworth-Heinemann, 2007).
Análogamente, para la descripción de las técnicas LES y DNS en el capítulo sobre
modelización de la turbulencia, se ha acudido a los apuntes del profesor U. Piomelli,
resultado de varias de sus ponencias en el Von Kárman Institute for Fluid Dynamics
(Bélgica). Finalmente, para el repaso de los distintos modelos de turbulencia dispo-
nibles en los softwares comerciales, así como de otros modelos de carácter industrial
(multifase y multiespecie) se ha utilizado la ayuda al usuario del programa ANSYS®
FLUENT®. Como podrá comprobar el lector, en cada capítulo se ha añadido una
breve reseña donde se indica la bibliografía de referencia consultada para la elabora-
ción de cada tema del libro.
El texto se compone de once capítulos que proporcionan una visión global y

muy detallada, no sólo de las bases del método, sino también de las posibles apli-
caciones industriales. En particular, el texto ha sido desarrollado con vocación de
dar respuesta a las necesidades de modelización que aparecen en los diversos
ámbitos de la Ingeniería. De esta forma, se han incluido temas específicos que
analizan las implicaciones prácticas del método, así como otros que contemplan
modelos específicamente desarrollados para procesos industriales tan comunes
como son los flujos de calor y masa en hornos, coladas continuas, motores y turbi-
Prólogo xv
nas, sistemas de ventilación y precipitadores o reactores de mezcla. Los temas

desarrollados son:
c Capítulo 1. Introducción al CFD.

c Capítulo 2. Algunas ideas fundamentales.
c Capítulo 3. Ecuaciones diferenciales de conservación.
c Capítulo 4. Método de Volúmenes Finitos (MVF).
c Capítulo 5. MVF en problemas difusivos puros.
c Capítulo 6. MVF en problemas difusivos-convectivos.
c Capítulo 7. Resolución de las ecuaciones de flujo.
c Capítulo 8. Condiciones de contorno y términos fuente.
c Capítulo 9. Métodos iterativos de resolución.
c Capítulo 10. Modelización de la turbulencia.
c Capítulo 11. Aplicación del CFD a flujos industriales (I-CFD).
En el desarrollo del texto se ha tratado de mantener un enfoque práctico, orien-

tando a aquellos lectores que buscan comprender los puntos clave de cualquier
simulación numérica. Se ha prestado especial atención en mostrar las ideas básicas
relacionadas con las aplicaciones en la Ingeniería de Fluidos pensando en quienes
realizan modelizaciones CFD con software comercial, con el objetivo de que puedan
desarrollar toda la potencialidad de este tipo de herramientas. Además, se ha bus-
cado una exposición pedagógica de las bases y aplicaciones del método, tratando de
evitar planteamientos excesivamente formales y académicos.
Todos los temas han sido estructurados de forma homogénea, intentando que
fuesen equilibrados en extensión y contenidos. Sin embargo, dada la particular
importancia de la modelización de la turbulencia, se ha hecho una revisión muy
concisa de los distintos enfoques que existen en la literatura en cuanto al trata-
miento específico de flujos turbulentos. Además, se ha introducido un capítulo con
ideas fundamentales acerca de todo el proceso de modelización, que ha de ser de
especial utilidad como punto de partida para entender el alcance de las técnicas
CFD. Finalmente, para aquellos lectores interesados en profundizar en algún
aspecto concreto, se proporciona una bibliografía complementaria especializada
donde pueden ampliar sus conocimientos.
Esta publicación resume toda la experiencia acumulada por el autor durante la
última década en la simulación de flujos industriales, período en el que además ha
firmado ya una veintena de artículos de investigación en diversas revistas interna-
cionales de reconocido prestigio, entre las que cabe destacar el “IMechE Journal of
xvi Prólogo
Power and Energy”, el “International Journal for Numerical Methods in Fluids”, el

“ASME Journal of Fluids Engineering”, el “Internacional Journal of Numerical
Methods for Heat and Fluid Flow”, o el “Journal of Turbulence”. Además, esta amplia
experiencia y conocimiento en la simulación de flujos industriales es actualmente
desarrollada por el autor en la asignatura sobre Técnicas Numéricas de Ingeniería
Térmica y de Fluidos del nuevo Máster de Investigación en Ingeniería Energética de
la Universidad de Oviedo de acuerdo con los nuevos programas de doctorado en el
marco del Espacio Europeo de Educación Superior.
Finalmente, es preciso destacar que el ambicioso objetivo de este libro no es sim-
plemente el de proporcionar una visión integral de las técnicas CFD para que el lec-
tor las comprenda y sepa qué ofrecen los paquetes comerciales, tanto desde el punto
de vista del usuario como del programador avanzado; también se ha perseguido
dotar de las herramientas y metodologías necesarias para que pueda adquirir los
conocimientos y habilidades suficientes que le permitan desarrollar sus propios
códigos.
Jesús Manuel Fernández Oro
AGRADECIMIENTOS
Quiero expresar mi agradecimiento a todos mis compañeros del Área de Mecánica
de Fluidos de la Universidad de Oviedo por su apoyo y colaboración en mi trayecto-
ria docente e investigadora durante estos últimos años. Ellos han contribuido, con
su ambiente de trabajo, la sensibilidad por las cosas bien hechas y el espíritu crítico,
a que esta publicación haya podido ver la luz. En especial, quiero citar al Profesor
Rafael Ballesteros, con quien me inicié en el uso de las técnicas CFD y cuyos enfo-
ques impregnan muchas partes de este libro, y al Profesor Eduardo Blanco, por sus
acertadas intuiciones e innumerables enseñanzas sobre modelización numérica.
También quiero agradecer a la propia Universidad de Oviedo, como institución,
todos los medios y posibilidades que brinda a sus profesores e investigadores, entre
los que me incluyo, para desarrollar las diversas actividades docentes e investigado-
ras. Mi reconocimiento es también para todos los organismos y empresas financia-
doras, tanto públicos como privados, que han participado en el desarrollo de
muchas de las investigaciones que se recogen en este libro. Todos ellos, al apostar
por el desarrollo y la innovación, y por entender la necesidad de investigar en el
ámbito de la Ingeniería, me han permitido adquirir los conocimientos suficientes
para llevar a cabo una obra de estas características.
Respecto a los contenidos del libro, el autor quiere agradecer expresamente a la
profesora Jayathi Y. Murthy y al profesor Sanjay Mathur, de la Purdue University
(Indiana, EEUU), por su colaboración y permiso para adaptar parte de algunos capí-
tulos de sus notas de clase para este volumen en castellano. También quiere agrade-
cer a los profesores Rajesh Bhaskaran y Lance Collins, así como al "Swanson
Engineering Simulation Program" de la Cornell University en Ithaca (New York,
EEUU) dedicado a la integración de la simulación por CFD en el ámbito de la edu-
cación en Ingeniería, por permitir adaptar diversos contenidos de su página web
xviii Agradecimientos
para la elaboración del capítulo 2 de este libro. Y, finalmente, reconocer a los profe-
sores Charles Hirsch, de la Universidad Libre de Bruselas, y Ugo Piomelli, actual-
mente en la Queen's University (Ontario, Canadá), por ver con buenos ojos la
adaptación hecha aquí al castellano de diversos materiales suyos, recopilados de
entre sus conferencias y publicaciones más relevantes.
En lo personal, no puedo olvidar el apoyo de toda mi familia durante estos últi-
mos años, muy intensos de trabajo y repletos de sacrificios. En especial, a mis
padres, por confiar siempre en mí, y por supuesto, a mi esposa Ana, por su paciencia
y ánimo durante la preparación de esta obra.
Por último, quiero agradecer al personal de Editorial Reverté su confianza, desde
el principio, en esta publicación y el tiempo y esfuerzo dedicado para mejorar el
contenido de la misma. A todos ellos mi reconocimiento por su contribución para
que este libro sea una realidad.
NOMENCLATURA
Símbolos
a Coeficiente de la ecuación algebraica de transporte.
A Área. Matriz de coeficientes. Factor pre-exponencial.
b Matriz de términos independientes. Término fuente.
B Número total de coeficientes. Término de flotabilidad.
Br Número de Brinkman.
c Velocidad de onda. Constante de proporcionalidad modelo de mezcla.
c ′k , c ′k′ Constante estequiométrica de reactantes y reactivos.
cp Calor específico a presión constante.
cξ Constante de escala turbulenta en reacciones químicas.
C Factor de curvatura (discretización QUICK). Constante de Kolmogorov.
Cl Constante del modelo RSM.
C1, C1’ Constante del modelo RSM.
C2, C2’ Constante del modelo RSM.
Cb2 Constante del modelo Spalart-Allmaras
Cν1 Constante del modelo Spalart-Allmaras
C ε1 Constante del modelo k-épsilon.
C ε2 Constante del modelo k-épsilon.
Cμ Constante del modelo k-épsilon.
Cf Coeficiente de fricción.
CS Constante del modelo Smagorinsky-Lilly. Constante en el término de difusión
del modelo RMS.
xx Nomenclatura
CP Término convectivo.
CD Contante del modelo ASM.
d, d Distancia a la pared. Distancia a la pared en técnicas DES.
dP Coeficiente de corrección de presión
D Intensidad de difusión. Matriz diagonal. Diámetro.
Di Difusividad másica.
Dij Término de difusión en el modelo RMS.
DT,ij Término de difusión turbulenta en el modelo RMS.
DL,ij Término de difusión molecular en el modelo RMS.
DP Término difusivo.
e Energía por unidad de masa.
eij Gradiente de deformación.
er Vector unitario en la dirección radial.
eθ Vector unitario en la dirección tangencial.
eξ Vector unitario en la dirección intrínseca 1.
eη Vector unitario en la dirección intrínseca 2.
E Energía. Constante de pared. Energía de activación.
f Factor de discretización temporal. Fracción de vapor.
fν1 Función del modelo Spallart-Almaras.
fβ , fβ∗ Funciones del modelo k-omega.
f Campo másico.
F Intensidad de convección. Función no lineal.
F , FV Fuerza. Fuerza volumétrica.
Ftg Fuerza de cizalladura en la pared.
g, g Aceleración gravitatoria. Función genérica.
G Matriz de iteración. Núcleo (kernel) de convolución.
Gr Número de Grashof.
Gk Producción de energía cinética turbulenta.
Gν Producción viscosidad turbulenta.
h Entalpía por unidad de masa.
hcc Coeficiente de película en condición de contorno.
H Entalpía. Poder calorífico.
HL Calor latente de solidificación.
i Vector unitario en la dirección x.
I Nodo i-ésimo. Intensidad de radiación.
I, I Tensor identidad. Operador de refino.
J Determinante del jacobiano de la transformación.
J Nodo j-ésimo.
J Flujo.
j Vector unitario en la dirección y.
Nomenclatura xxi
k Coeficiente de conductividad térmica.

k, kr Energía cinética turbulenta. Energía cinética turbulenta residual.
k Vector unitario en la dirección z.
Kb Constate de deformación en reacción química.
Kf Constante de formación en reacción química.
l Nivel de refinado.
ℓ Escala espacial característica.
L Longitud característica. Matriz inferior. Escala de longitud integral.
Le Número de Lewis.
m Masa. Modo de Fourier.
mi Fracción másica i-ésima.
m Caudal másico.
M Matriz de descomposición.
Mk Peso molecular de la especie k-ésima.
Ma Número de Mach.
Mat Número de Mach turbulento.
n Instante n-ésimo. Número de celda.
N Número de puntos. Matriz de descomposición.
n Vector normal a la superficie.
O( ) Orden de truncamiento.
p Presión.
p( ) Función de probabilidad.
pv Presión de vapor.
p Presión promediada.
Pij Término de producción de tensiones de Reynolds en el modelo RMS.
Pe Número de Peclet.
Pr Número de Prandtl.
q Flujo de calor por unidad de masa.
q Vector flujo de calor por unidad de área.
qcc Flujo por condición de contorno.
qH Calor intercambiado por un sistema por unidad de masa.
Q Fuente volumétrica.
Q Potencia calorífica.
r Coordenada radial. Matriz de residuos.
r Vector desplazamiento.
R Residuo.
Rk Tasa molar de Arrhenius.
Ra Número de Rayleigh.
Re Número de Reynolds.
xxii Nomenclatura
Rij Tensiones de Reynolds algebraicas.

Rc Coeficiente de creación de burbujas (cavitación).
Re Coeficiente de destrucción de burbujas (cavitación).
s'ij Tensor fluctuante de deformaciones.
s Vector de dirección de radiación.
s′ Vector de dispersión de radiación.
S Término fuente. Superficie.
Sc Número de Schmidt.
Stk Número de Stokes.
Sij Tensor de deformaciones.
SC Coeficiente independiente de linealización del término fuente.
SP Coeficiente de linealización del término fuente.
Sg Gradiente secundario.
t Tiempo.
T Temperatura. Período.
TP Término temporal.
Tu Intensidad de la turbulencia.
u Componente de la velocidad en la dirección x.
u+ Velocidad adimensional de pared.
ur, uθ, uz Vectores unitarios en coordenadas cilíndricas.
u0 Velocidad característica.
û Energía interna específica.
uτ Velocidad cortante en la pared.
U Módulo de la velocidad de un flujo uniforme. Cantidad escalar. Matriz
superior.
v Componente de la velocidad en la dirección y. Módulo de velocidad.
v ,vg Vector velocidad. Velocidad de malla.
vi Base de vectores.
V Volumen.
w Componente de la velocidad en la dirección z
w Velocidad relativa.
W Potencia.
x Coordenada cartesiana.
xj Fracción molar de la especie j.
x Vector de posición.
y Coordenada cartesiana. Profundidad.
y+ Distancia adimensional a la pared.
Yν Destrucción de viscosidad turbulenta.
YM Disipación por dilatación.
z Coordenada cartesiana. Cota geométrica.
Nomenclatura xxiii
Símbolos griegos
α Difusividad térmica. Factor de subrelajación. Coeficiente de sustitución.
Constante de Kolmogorov y del modelo k-omega. Fracción de volumen.
α∗ Constante del modelo k-omega.
αm Coeficiente de variación autoespacial.
β Amplitud de los modos de variación espaciales. Coeficiente de sustitución.
Constante del modelo k-omega. Coeficiente de dilatación térmica. Exponente
de temperatura. Fracción de líquido.
γ Coeficiente de sustitución. Coeficiente de intercambio.
Γ Coeficiente de transporte.
Γt Difusividad turbulenta.
Δ Tamaño de celdas. Tamaño de filtro.
δ Distancia entre centroides.
δ Espesor de la capa límite.
δ∗ Espesor de desplazamiento de la capa límite.
ε Tasa de disipación turbulenta. Error. Valor infinitesimal.
εijk Operador de signo.
ζ Coordenada intrínseca o curvilínea 3.
θ Coordenada tangencial.
θ Operador booleano.
η Coordenada intrínseca o curvilínea 2. Escala de Kolmogorov de longitud.
η’,η” Exponentes de las especies.
ϑ Volumen. Escala característica de velocidad.
κ Parámetro de discretización. Constante de pared de Von Karman. Número de
onda.
κc Filtro de corte.
λm Modo de variación espacial.
μ Viscosidad (dinámica).
μt Viscosidad artificial (turbulenta).
ν Viscosidad cinemática.
ν Turbulencia viscosa modificada.
νt Viscosidad cinemática turbulenta.
ξ Vorticidad. Coordenada intrínseca o curvilínea 1.
ξ* Escala de longitud turbulenta en reacciones químicas.
π Pi.
Π Tasa de transferencia de energía.
Πij Esfuerzos de presión en el modelo RSM. Reflejo sobre pared.
Πij,r Término rápido en los esfuerzos de presión en el modelo RSM.
Πij,s Término lento en los esfuerzos de presión en el modelo RSM.
xxiv Nomenclatura
Πij,w Término de reflexión de pared en los esfuerzos de presión en el modelo RSM.

ρ Densidad.
σ Constante de Stefan-Boltzmann.
σ Tensión superficial.
σ Tensor de tensiones.
σε Constante del modelo k-épsilon.
σk Constante del modelo k-épsilon.
σm Modo de variación temporal.
σs Coeficiente de dispersión de radiación.
σt Coeficiente de difusividad turbulenta.
σν Constante del modelo Spallart-Almaras.
τ Escala temporal de Kolmogorov. Tiempo de inestabilidad térmica.
τ Tensor de tensiones viscosas.
τij Tensiones de Reynolds. Tensiones de subescala SGS.
τpared Tensión cortante en la pared.
ϒ Efecto de reacciones indirectas.
φ Variable genérica.
Φ Función potencial de velocidad. Solución exacta de variable genérica. Función
desfase
ΦL Energía específica disipada.
ψ Función de corriente.
χ Disipación molecular.
ω Velocidad de Onda. Velocidad de giro.
Ω Volumen.
Ωij Tensor vorticidad.
Ωk Vector rotación.
ωm Autovector de variación espacial.
Operadores matemáticos
∝ Proporcional.
∫ Operador integral.
∇ Operador gradiente. Operador divergencia.
∂ Operador derivada parcial.
Δ Variación de una variable. Operador Laplaciana.
Σ Sumatorio.
d Operador derivada.
Operador estadístico. Promedio temporal.
Nomenclatura xxv
Subíndices y superíndices
b Abajo.
B Abajo.
comb Combustible.
cc Condición de contorno.
ch Característico.
c.v. Celdas vecinas.
dato Valor conocido.
des Deslizamiento.
e Este, exterior.
externa Subcapa límite exterior.
E Este.
fase Fase.
i Punto o componente i-ésima.
in Inerte.
interna Subcapa límite interior.
j Punto o componente j-ésima.
k Instante k-ésimo.
kk Diagonal principal.
lam Laminar.
liq Líquido.
max Máximo.
min Mínimo.
n Dirección normal. Norte.
N Norte.
ox Oxidante.
p Partícula.
pared Valor en la pared.
pro Producto.
P Presión.
q Fase q-ésima.
r Dirección radial.
rad Radiación.
s Sur. Relación estequiométrica.
S Superficie. Sistema. Salida. Sur.
sim Simulación.
st Estequiométrico.
t Total. Dirección tangencial. Arriba.
T Arriba.
xxvi Nomenclatura
th Teórica.
tran Transición.
turb Turbulento.
vap Vapor.
V Volumétrica.
VC Volumen de control.
w Oeste.
W Oeste.
x Coordenada cartesiana.
y Coordenada cartesiana.
z Coordenada cartesiana.
0 Inicial. Instante previo. Referencia.
1 Instante actual.
∞ Condiciones del flujo aguas arriba. Condiciones de longitud infinita.
∗ Numérico. Supuesto.
∗∗ Doblemente supuesto.
∗∗∗ Triplemente supuesto.
− Valor medio. Filtrado espacial.
‘ Fluctuación. Correción
^ Pseudo
Siglas
ACF Función de autocorrelación
AMG Multigrid aritmético
ASM Modelo algebraico
CAE Computer-Aided Engineering
CDS Central Differences Scheme
CFD Computational Fluid Dynamics
CFL Courant-Friedrich-Lewy
CHAM Concentration Heat And Momentum
CINDEX Matriz de índices de celda
COEF Matriz de coeficientes
CSF Continuum Surface Force
DES Detached Eddy simulation
DNS Direct Numerical Simulation
DO Discrete Ordinates
DOF Degrees Of Freedom
DPM Discrete Phase Model
Nomenclatura xxvii
DSGS Dinamic Subgrid Scale

DTR Discrete Transference Radiation
EARSM Explicit Algebraic Reynolds Stresses Model
EDC Eddy Dissipation Concept
EVM Eddy Viscosity Models
EWT Enhanced wall treatment
FIC Fluid In Cell
FIDAP Fluid Dynamics Analysis Package
FINE Flow INtegrated Environments
FLOPS FLoating points Operations Per Second
GMG Multigrid geométrico
I-CFD Industrial-CFD
IBM International Business Machines
LANL Los Alamos National Laboratory
LES Large Eddy Simulation
LES-NWR LES-Near Wall Resolved
LLNL Lawrence Livermore National Laboratory
MAC Marker And Cell
MANIAC Mathematical Analyzer Numerical Integrator And Computer
NASA National Aeronautics and Space Administration
NNSA National Nuclear Security Administration
NWF Non-equilibrium wall-function
PDF Probability Distribution Function
PHOENICS Parabolic Hyperbolic Or Elliptic Numerical Integration Code
PIC Particle In Cell
PISO Pressure Implicit with Splitting of Operators
PLIC Piecewise Linear Interface Calculation
PNS Parabolized Navier Stokes
QUICK Quadratic Upwind Interpolation for Convective Kinetics
RANS Reynolds Averaged Navier Stokes
RSM Reynolds Stress Models
RTD Residence Time Distribution
S-A Spallart-Almaras
S2S Surface-To-Surface
SGS Escalas de submalla (subgrid scale)
SIMPLE Semi Implicit Method for Pressure Linked Equations
SIMPLEC Semi Implicit Method for Pressure Linked Equations Consistent
SIMPLER Semi Implicit Method for Pressure Linked Equations Revised
SLIC Simple Line Interface Calculation
xxviii Nomenclatura
SST Shear Stress Transport

SWF Standard wall function
TDMA Algoritmo de Tridiagonalización de Matrices
TSH Thin Shear Layer
URANS Unsteady RANS
VC Volumen de Control
VECINDEX Matriz de índices vecinos
VLES Very Large Eddy Simulation
VLES-NWR Very Large Eddy Simulation with Near Wall Modeling
VOF Volume Of Fluid
WALE Wall-Adapting Local Eddy-viscosity model
WF Wall-function
WRLES Wall-Resolved LES
1
INTRODUCCIÓN AL
CFD
Las técnicas numéricas en Ingeniería han experimentado un gran desarrollo

en las últimas décadas, siendo concretamente la Mecánica de Fluidos una de las
disciplinas científicas donde este auge ha tenido mayor repercusión.
Las ecuaciones generales de la Mecánica de Fluidos no admiten soluciones
generales analíticas. Por esta razón, su estudio se ha abordado desde diferentes
puntos de vista, tales como la experimentación, el análisis dimensional o el análi-
sis matemático simplificado. Con la evolución de los computadores desde media-
dos del siglo pasado, se ha añadido una nueva técnica de análisis: el estudio
computacional de los flujos, comúnmente conocido como Dinámica de Fluidos
Computacional (CFD).
En este primer capítulo se abordan los antecedentes de esta disciplina, mos-
trando su desarrollo histórico desde sus comienzos hasta la situación actual. Ade-
más se presentan una serie de ideas introductorias, acerca del uso de estas
técnicas, que resumen sus capacidades y restricciones, así como las aplicaciones
más destacadas en el ámbito de la Ingeniería.
2 Capítulo 1 Introducción al CFD
Contenidos
1.1. ¿Qué es el CFD?

1.2. Reseña histórica sobre el CFD
1.3. Campos de aplicación
1.4. Ventajas e inconvenientes
1.5. Desarrollo y empleo de códigos: usuario frente a programador
1.5.1. Códigos CFD: secuencia y estructura
1.5.2. Códigos CFD: estrategias a seguir
1.6. Objetivos de este libro
1.7. Estructura del libro
1.1 ¿Qué es el CFD? 3
1.1 ¿Qué es el CFD?
Este acrónimo —adoptado directamente del inglés— hace referencia a la rama de la

Mecánica de Fluidos denominada Computational Fluid Dynamics, traducida nor-
malmente al castellano como Fluidodinámica Computacional o Dinámica de Flui-
dos Computacional, y que consiste en el empleo de computadores y de técnicas
numéricas para resolver todos aquellos problemas físicos que están relacionados con
el movimiento de los fluidos y, en ocasiones, de otros fenómenos asociados como la
transferencia de calor, las reacciones químicas, el arrastre de sólidos, etc.
En general, el CFD comprende un amplio abanico de disciplinas científicas,
entre las que cabe destacar a las matemáticas, la programación, las ciencias físicas y
la ingeniería, que deben aunarse para dar lugar el desarrollo de un código que sea
capaz de resolver las ecuaciones del flujo de manera satisfactoria.
Por tanto, el objetivo final es la creación de un software (programa numérico)
que proporcione el cálculo detallado del movimiento de los fluidos por medio del
empleo del ordenador (capaz de ejecutar una gran cantidad de cálculos por unidad
de tiempo) para la resolución de las ecuaciones matemáticas que expresan las leyes
por las que se rigen los fluidos.
1.2 Reseña histórica sobre el CFD
Lógicamente, la consolidación de estas técnicas ha sido una consecuencia más del

progresivo desarrollo de los computadores desde los años 1950-1960. Hasta enton-
ces, los métodos computacionales para resolver numéricamente las ecuaciones del
flujo no eran viables, al no disponerse de máquinas capaces de ejecutar un gran
número de operaciones de cálculo por unidad de tiempo.
Hace ya casi dos siglos desde que las ecuaciones de gobierno de la Mecánica de Flui-
dos quedaron definitivamente formuladas por Claude Navier (1785-1836) y George
Stokes (1819-1903) cuando introdujeron los términos de transporte viscoso a las ecua-
ciones de Euler (1707-1783), dando lugar a las famosas ecuaciones de Navier-Stokes:
∂ρ G
+ ∇⋅( ρv ) = 0 [1.1]
∂t
G
∂v G G G
ρ + ρ(v ⋅∇)v =−∇p + ρg + ∇⋅τij [1.2]
∂t
∂E G G G + q
ρ + ρ∇⋅ (vE ) = ∇⋅ (k ∇T ) + ρg + ∇⋅ (σ ⋅ v ) + W f H
[1.3]
∂t
Estas ecuaciones incluyen las leyes de conservación para la masa, la cantidad de

movimiento y la energía de un flujo. Desgraciadamente, se constituyen en un sistema
acoplado de ecuaciones, del que no es posible obtener una solución analítica única.
Por esta razón, la experimentación y el análisis dimensional siempre acompañaron
históricamente a la vía analítica, como dos herramientas esenciales en el estudio de la
Mecánica de Fluidos, para validar y contrastar los limitados estudios teóricos.
Afortunadamente, gracias a la aparición de los modernos computadores, sobre
todo a partir de la década de 1970, se dispuso de una nueva herramienta como el
CFD, que complementa tanto a los estudios teóricos como a los experimentales.
Basadas en estas mismas ecuaciones, las modernas técnicas de CFD permiten su
resolución numérica en un tiempo razonable, con el objeto de simular tanto flujos
reales, de interés en la industria, como flujos canónicos, para la investigación o la
docencia.
A principios del siglo XX, ya asentadas las bases teóricas de la Mecánica de Flui-
dos, las investigaciones en este campo de la ciencia se centraron en el estudio de capas
límite, de capas de cortadura de chorros y, en general, de la turbulencia en los flu-
jos[1]. De hecho, el análisis de la turbulencia sigue siendo uno de los mayores retos a
los que se enfrentan los investigadores en este campo científico; su modelización y su
tratamiento son ahora mismo la principal línea de investigación dentro del CFD. Los
primeros trabajos en esta materia son obra de Ludwig Prandtl (1875-1953), quien
desarrolló una teoría sobre la capa límite que ya introducía el concepto de “longitud
de mezcla” para el modelado de los términos turbulentos en las ecuaciones. Poste-
riormente, Theodore von Kárman (1881-1963) estudió el desprendimiento de vórti-
ces en las estelas de cuerpos en flujo externo, fenómeno que se conoce precisamente
como vórtices de Von Kárman. Geoffrey Ingram Taylor (1886-1975) avanzó la utili-
zación de modelos estadísticos para el estudio de la turbulencia, definiendo microes-
calas para la isotropía de la turbulencia. Sus ideas serían la base para la introducción
de la teoría de las escalas de la turbulencia, formulada por Andréi Nikoláyevich
Kolmogórov (1903-1987) en 1941, y en la que se definía el concepto del espectro uni-
versal de energía de la turbulencia y de la cascada de energía.
Aunque no es fácil determinar la fecha exacta de los primeros cálculos realizados
utilizando técnicas CFD, sí se puede citar al inglés Lewis Fry Richardson (1881-1953)
como el precursor de la utilización de dichas técnicas. De hecho, fue el primero en uti-
lizar un modelo numérico para la predicción meteorológica, dividiendo el espacio en
celdas y empleando un primitivo método por diferencias finitas. Su propio intento de
1. Los pioneros trabajos de Osborne Reynolds (1842-1912) permitieron evidenciar las diferencias entre condi-
ciones de flujo laminar y de flujo turbulento. Su experimento puso de manifiesto las irregularidades y la turbulen-
cia que caracterizan a un flujo a partir de un determinado ratio entre las fuerzas viscosas y las fuerzas de inercia
del fluido (a la postre, el número de Reynolds). La condición de flujo laminar sólo se satisface para valores del
número de Reynolds normalmente muy bajos.
predecir la evolución de las condiciones meteorológicas durante un período de 8 horas

necesitó de 6 semanas de cálculos intensivos que terminaron en fracaso. En posterio-
res estudios comenzó a emplear “ordenadores humanos”, habitaciones repletas de
personas provistas con rudimentarias calculadoras, que ejecutaban hasta 2000 proce-
sos iterativos por semana (Richardson, 1911), y por las que percibían apenas un salario
de 2 euros semanales (Emerson et al., 2007). Aproximadamente, cada persona habría
ejecutado 20 000 operaciones por semana, lo que en una jornada de 40 horas semana-
les, equivaldría a unos 0,140 flops[2]. Los rudimentarios métodos de Richardson, reali-
zados en las décadas de 1910 y 1920, suponen el punto de partida del empleo del CFD,
e incluso profetizan el empleo del cálculo computacional en paralelo como vía para
disponer de mayores capacidades de cálculo.
En la década de 1930, las irresolubles limitaciones de los estudio analíticos fue-
ron una motivación muy importante para continuar con el lento desarrollo de
metodologías computacionales. Así, la primera simulación numérica (aún sin com-
putadores) del flujo alrededor de un cilindro fue realizada en 1933 en Inglaterra por
A. Thom (1933), y comunicada por el propio G.I. Taylor. Similares resultados fue-
ron obtenidos por M. Kawaguti en Japón, resolviendo las ecuaciones de Navier-
Stokes para el flujo alrededor de un cilindro para un número de Reynolds de 40.
Según palabras del propio Kawaguti (1953), “la integración numérica de este estudio
precisó de un año y medio, con 20 horas de cálculo por semana y una considerable
cantidad de trabajo y resistencia”. No en vano, él mismo realizó todos los cálculos,
usando simplemente una calculadora de escritorio.
A partir de finales de la década de 1950 y en toda la década de los 60, el laboratorio
nacional de Los Alamos (LANL), auspiciado por la NASA, se constituyó en el verda-
dero impulsor de las técnicas CFD, desarrollando los primeros códigos y dando los
primeros pasos en el empleo de computadores. Hoy día, muchos métodos que se
emplean en la actualidad en programas comerciales provienen de aquellos pioneros
trabajos. Dicho laboratorio contaba con los ordenadores más potentes de la época,
como el MANIAC (1952) que realizó los cálculos para el desarrollo de la primera
bomba de hidrógeno, o el IBM 704, que fue el primer computador fabricado en serie
(se vendieron 123 unidades en todo el mundo) y que ya disponía de arquitectura para
calcular en coma flotante. Su memoria era algo limitada, pues disponía solamente de 4
Kb (sic), pero ya permitía 40 000 instrucciones por segundo (aprox. 40 Kiloflops).
2. Los flops (floating point operation per second) son el número de operaciones de coma flotante por segundo
que puede realizar una máquina. En 2008, el supercomputador de IBM Roadrunner, el más potente del
mundo hasta la fecha construido para el LANL —Los Alamos National Laboratory— en Estados Unidos
alcanzó 1,026 Petaflops (1,026 × 1015 flops), con un coste aproximado de 0,1 euros por cada Gigaflops. Este
supercomputador, con 122 400 procesadores, tiene una capacidad de 8,6 Gigaflops por procesador, lo cual
supone que cada núcleo es capaz de hacer los 20 000 cálculos semanales de aquellas “calculadoras humanas”,
¡y en tan sólo 16 ms! Además, el coste por Gigaflops de aquellos pobres obreros sería ridículo: 0,00000000028
euros, prácticamente una trillonésima parte del coste actual del supercomputador.
Figura 1.1 Computadores MANIAC, de la serie ENIAC (izquierda) e IBM-704 (derecha - imagen
copyright de Lawrence Livermore National Laboratory, LLNL, EE.UU.) en Los Alamos National Labo-
ratory (LANL).
Con el centro de computación más grande del mundo a su servicio, el LANL creó
un gran número de métodos (Johnson, 1996), como son el Particle-in-Cell (PIC), el
Fluid-in-Cell (FIC), los “vorticity-stream function methods” o el Marker-and-Cell
(MAC). Retomando los antiguos trabajos para estudiar el desprendimiento de vórti-
ces alrededor de cilindros, Fromm y Harlow realizan por primera vez el cálculo por
computador del desprendimiento no estacionario de vórtices en 1963, para núme-
ros de Reynolds por debajo de 1000 (Fromm y Harlow, 1966)[3]. Basándose en la for-
mulación de vorticidad y función de corriente, desarrollaron un modelo explícito de
diferencias finitas para flujo incompresible. También se inician los primeros inten-
tos de simular flujos compresibles, empleando la técnica PIC para flujos no viscosos,
si bien no se consiguen reproducir los efectos de choque sónico con gran precisión.
Eran tiempos de aprendizaje en los que prácticamente todo estaba por hacer, ¡y en
los que los resultados obtenidos se mostraban en gráficos que se hacían a mano!
Aunque los primeros métodos para simular flujos incompresibles empleaban
formulaciones basadas en la vorticidad y la función de corriente, a finales de los
años 60 se consiguen desarrollar las primeras simulaciones en términos de las
variables primitivas, velocidad y presión. Esto se consiguió gracias al desarrollo del
método MAC por Harlow y Welch (1965), precursor del actual mallado decalado
(staggered mesh) que se implementa hoy día en la mayoría de los códigos por volú-
menes finitos. Otro importante salto hacia delante fue la inclusión de los primeros
modelos de turbulencia en las simulaciones, como el desarrollo de las bases del
modelo de turbulencia k-ε (k-épsilon) en 1967, si bien fue denominado entonces
como q-d por las limitaciones de los editores de texto de la época. A finales de los
3. Hoy día, con la utilización de software comercial, esta simulación es un pequeño ejercicio práctico
que puede hacerse en una tarde.
años 60 y principios de los 70, el CFD experimenta un auge muy notable, exten-
diéndose por otros lugares del planeta y abandonando el lugar que le vio práctica-
mente nacer como lo conocemos hoy. Así lo afirmaba Harlow en 1968, director del
departamento de CFD en el LANL durante esos años, reconociendo que “una
nueva era comenzaba”. El mismo decía que ése había sido el último año en que aún
estaba al corriente de todos los desarrollos de CFD que se hacían en todo el mundo.
A partir de la década de 1970, un grupo liderado por Brian Spalding en el Impe-
rial College de Londres toma el relevo en la frontera del conocimiento de las técnicas
numéricas. Inspirándose en los trabajos del LANL, Patankar y Spalding (1972) desa-
rrollan una formulación implícita (basada en el upwind differencing) en términos de
velocidad y presión, en la que introducen por primera vez el método de acoplamiento
SIMPLE. Estos nuevos métodos implícitos tienen una clara ventaja frente a los explí-
citos, pues no presentan restricciones en la discretización temporal, garantizando
siempre la estabilidad numérica. Posteriormente se desarrollaron toda una serie de
modificaciones y mejoras al modelo de acoplamiento, dando lugar a los métodos
SIMPLER (1980), SIMPLEC (1984) o PISO (1986). Además, en 1972, el propio Spal-
ding en colaboración con Launder (1972) universaliza el modelo de turbulencia k-ε
tal y como se emplea hoy día, sin duda el modelo más robusto y de mayor utilización
de entre todos los existentes. En 1980, Suhas V. Patankar publica Numerical Heat
Transfer and Fluid Flow, probablemente el primer gran libro que trata en profundi-
dad las metodologías de CFD y que ha servido de inspiración para la creación de infi-
nidad de códigos numéricos. Patankar (1980) y el Imperial College sientan las bases
definitivamente del método de volúmenes finitos con esta notable contribución.
El auge de estas técnicas, junto con todos los avances conseguidos, llevó a la
industria aeronáutica y aeroespacial a lanzarse a una carrera desbocada por el
empleo del CFD en sus fases de diseño y verificación de modelos. A principios de los
70, empresas punteras como el consorcio anglo-francés para la fabricación del Con-
corde, o la empresa americana Boeing (Seattle, USA) comienzan a emplear códigos
3-D, incompresibles de flujo potencial (1973), obteniendo unos esperanzadores
resultados con máquinas CDC6600, que ya superaban el Megaflops de capacidad
(figura 1.2). Estos éxitos les permitieron una notable reducción del número de ensa-
yos experimentales en túnel de viento y una drástica reducción de costes. Por aquel
entonces, apenas se realizaban de 100 a 200 simulaciones al año, nada que ver con
las actuales cifras, superiores a las 20 000 simulaciones anuales. La figura 1.3,
tomada de Johnston et al. (2003), muestra claramente cómo la progresiva implanta-
ción de estas técnicas numéricas ha reducido las pruebas experimentales desde los
77 ensayos efectuados a finales de los 70 para el Boeing 767 a las escasas 5 utilizadas
para el nuevo modelo 7E7 (base del Boeing 787, que entró en servicio en 2009). En
palabras del propio Johnston, “el uso del CFD ha revolucionado el proceso del dise-
ño aerodinámico de los aviones. Tanto las técnicas CFD como los ensayos de vuelo y
el túnel de viento son hoy día herramientas esenciales para el diseño”. Hasta bien
1015 “Roadrunner ”
TERA
FLOPS
“Q”
1012 “Blue Mountain”
GIGA TMC CM-5 Cray T3D
Operaciones/s
FLOPS
Cray Y-MP TMC CM-1
109 Cray X-MP
MEGA
FLOPS Cray-1
CDC 7600
6 CDC 6600
10 IBM 7030
KILO
FLOPS IBM 704 y 709
Maniac II
103 Maniac I
Sumadoras
(IBM 405)
0
10
1940 1950 1960 1970 1980 1990 2000 2010
Año
Figura 1.2 Evolución histórica de la potencia de cálculo

de los supercomputadores (fuente: LANL y NNSA).
mediada la década de los 80, las empresas punteras aún desarrollaban sus propios
códigos, muchas veces apoyadas por centros tecnológicos (NASA), que les daban
soporte y nuevas soluciones.
Sin embargo, todo cambia con la llegada de la década de los 80. A la sombra de la
progresiva publicación de nuevos textos especializados, comienza n a aparecer en el
mercado los primeros paquetes de CFD comerciales. Sirva de apunte que hasta 1975,
por ejemplo, ninguno de los códigos desarrollados en el LANL había sido distribuido
fuera de su ámbito académico. Sin embargo, muchas empresas que se habían intere-
Tecnología Wave Drag Army FLO22/ Cartesian CFL3D Unstructured

Mach Box Fan-In-Wing FLEXSTAB 27/28 Grid TLNS3D-MB Adaptative Grid
Woodward Contract Contract A411 PANAIR Tech. TLNS3D OVERFLOW N-S
TA30 TRANAIR
Herramientas TA139/201 A488 TRANAIR Optimi-
de Boeing TA176/217 A230 FLEXSTAB P582 A502 A555 A588 A619 zation ZEUS GGNS
1965 1970 1975 1980 1985 1990 1995 2000

Productos SST 767 757 737-300 777 737NG 7E7
de Boeing KC-135R
77
38
Número de 18 11 10 5?
alas testadas
Figura 1.3 Impacto del uso de técnicas de CFD en la reducción de ensayos en túneles de viento para
la empresa Boeing. (Reproducido de Johnston et al., 2005, con permiso de Elsevier.)
sado por el uso de CFD en sus investigaciones (mayormente aeronáuticas y aeroespa-

ciales hasta entonces), dejaron de desarrollar sus propios códigos para comenzar a
utilizar los nuevos paquetes comerciales. El propio Spalding funda Concentration
Heat and Momentum Ltd (CHAM) en Wimbledon, Inglaterra, en 1974 (empresa
que aún existe en la actualidad), comenzando a distribuir códigos específicos según las
necesidades de cada empresa. Pronto se dieron cuenta de que mantener soporte para
un gran número de códigos distintos no era eficiente, así que en 1980, CHAM modi-
fica su filosofía y presenta el primer código de propósito general, denominado Para-
bolic Hyperbolic Or Elliptic Numerical Integration Code Series (PHOENICS). Fue
lanzado al mercado en 1981, considerado un hito por ser el primer paquete comercial
de CFD pensado para modelizar cualquier tipo de flujo (dentro de las limitaciones de
los modelos existentes hasta la fecha, claro está). Originalmente, este código permitía
modelizar dominios discretizados con celdas estructuradas (prismas hexagonales),
analizar flujos estacionarios y no estacionarios, compresibles e incompresibles, lami-
nares y turbulentos (se pueden imaginar el modelo de turbulencia que implementaba
como opción básica) e incluso podían modelarse reacciones químicas y flujos de una o
dos fases.
Al mismo tiempo que Spalding y su grupo del Imperial Collage lanzaban
PHOENICS al mercado, un grupo de investigadores de la Universidad de Sheffield,
en Inglaterra, que estaban trabajando con códigos CFD para simular problemas de
combustión, desarrollaron, impulsados por Creare —una consultora tecnológica
ubicada en New Hampshire, USA—, un nuevo paquete comercial de propósito
general, llamado FLUENT. Su lanzamiento al mercado, en 1983, contaba también
con discretizaciones estructuradas (hexagonales), únicamente para flujo estaciona-
rio, con posibilidad de modelizar flujos laminares y turbulentos, pero sobre todo
potenciaba la transferencia de calor, fenómenos de combustión y fases dispersas, así
como la convección natural. Uno de los mayores inconvenientes seguía siendo el
uso de mallas estructuradas, que limitaban notablemente la discretización de geo-
metrías complejas. En 1987, otro empleado de Creare demostró las grandes posibili-
dades de utilizar mallas no estructuradas, mejor adaptadas a las geometrías, en
varios proyectos impulsados desde la NASA. Sus avances se incorporaron después a
las funcionalidades de FLUENT, dando lugar a la creación en 1991 del código solver
Rampant y del programa para crear mallas tetraédricas TGrid. Nacía el primer
código de propósito general que resolvía mallas no estructuradas, pensado para apli-
caciones aeroespaciales de flujo compresible (altos números de Mach).
A finales de los años 80 y principios de los 90 se produce un boom en la creación
de códigos comerciales, emulando a los pioneros PHOENICS y FLUENT. Entre ellos,
cabe destacar a FIDAP (Fluid Dynamics Analysis Package), desarrollado a partir de
los trabajos del Illinois Institute of Technology al mismo tiempo que FLUENT —y
posteriormente adquirido por FLUENT—; STAR-CD desarrollado en 1987 como
spin-off de los trabajos del Imperial Collage y centrado en mallas móviles, no estruc-
Figura 1.4 Empleo de mallas estructuradas y no estructuradas en Boeing. (Reproducido de Johnston

et al., 2005, con permiso de Elsevier.)
turadas; FLOW3D desarrollado por la Autoridad de la Energía Atómica (AEA) en

Inglaterra a finales de los años 80 para aplicaciones nucleares; FLOW-3D (con guión,
a diferencia del anterior) surgido de los esfuerzos del LANL en 1985 para comerciali-
zar su potente modelo de flujos con superficie libre (SOLA-VOF); TASCflow, desa-
rrollado en Canadá también en 1985, y posteriormente fusionado con el FLOW3D de
la AEA para dar lugar al CFX-4 a mediados de los 90 o los códigos FINE (Flow Inte-
grated Environments), desarrollados desde 1992 por NUMECA, empresa impulsada
por Charles Hirsch de la Universidad Libre de Bruselas y autor de otro de los libros
de referencia sobre CFD (Hirsch, 1990).
Las empresas aeronáuticas y automovilísticas no permanecen ajenas a estos cam-
bios y comienzan a utilizar códigos comerciales en sus fases de diseño. La aparición de
mallas no estructuradas permite simulaciones con un grado de detalle que hasta
entonces no era viable. Así, Boeing comienza a utilizar códigos comerciales desde
1996, primero con CFD++ y después con FLUENT en 1998. No tardan en seguir sus
pasos otras empresas como Airbus, utilizando Flowmaster, así como otras compañías
del sector dedicadas a la fabricación de motores de avión, como General Electric,
Pratt&Whittney o Rolls-Royce. A partir de 1995, las técnicas CFD comienzan a ser
aplicadas en el sector del automóvil. Multitud de casos, tanto de flujos externos como
de flujos internos, son analizados desde esta nueva óptica numérica. General Motors
y Ford son pioneros en el uso de estas técnicas. En general, la aerodinámica del vehí-
culo, en términos de fuerza de arrastre y penetración al aire, es el tema estrella de estas
aplicaciones. Pero también hay otros muchos estudios, a nivel de componentes, con
un gran interés como pueden ser el enfriamiento de los discos de freno, el flujo interno
y la combustión en los cilindros del motor, o incluso el flujo en las conducciones de
salida de gases o en el tubo de escape (Dhaubhadel, 1996). Actualmente, dentro del
sector del automóvil, es el mundo de la Fórmula 1 el que dispone de los medios técni-
cos más avanzados, con potentes superordenadores para analizar las características
aerodinámicas de sus monoplazas. En concreto, en 2007, el equipo BMW-Sauber F1

pasó a disponer del superordenador más potente de toda la F1, Albert 2, con 5160 pro-
cesadores de doble núcleo y una capacidad de 12,2 Teraflops (aprox. 100 veces menos
potente que el Roadrunner), en el que ejecutaban el programa ANSYS® FLUENT®,
¡con modelos que podían llegar a alcanzar mil millones de celdas!
Debido a la complejidad de las ecuaciones y al grado de detalle que normalmente
se desea obtener de las simulaciones, los ingenieros encargados en el desarrollo de
estas técnicas CFD siempre han necesitado de las máquinas y supercomputadores más
potentes del mundo. Por tanto, aunque se utilice un software comercial a nivel de
usuario, siempre hay que recordar que estos códigos están basados en un conjunto de
ecuaciones no lineales, muy complejas y acopladas entre sí, que se resuelven de forma
iterativa mediante algoritmos muy específicos incluidos en el propio paquete (el sol-
ver). El objetivo que se persigue es que el usuario sea capaz de resolver cualquier flujo
dentro de una geometría prefijada, que limitamos con unas condiciones iniciales y de
contorno, y para el que los fenómenos físicos implicados están identificados a priori.
Los resultados del código CFD comercial pueden normalmente representarse gráfica-
mente o como un mapa de distribuciones, tanto de variables escalares (contornos)
como de variables vectoriales (mapa de vectores, líneas de corriente, etcétera).
La posterior evolución de todos estos códigos ha estado marcada por una intensa
competitividad y una febril actividad de fusiones y cambios de manos. Tras el domi-
nio inicial de PHOENICS, FLUENT se convirtió en el referente de esta industria,
sobre todo a partir de la segunda mitad de la década de los 90. Sin embargo, desde
2003, se ha producido una importante concentración de estos paquetes, iniciada por
ANSYS con la compra de CFX-4. ANSYS, líder mundial en el desarrollo de herra-
mientas de análisis en el campo de la ingeniería asistida por computador (CAE),
desembarcaba por fin en la industria del CFD con la adquisición de un importante
código numérico, al que pasaría a llamar simplemente CFX. Finalmente, tras unos
años de intensa rivalidad comercial, en 2006 ANSYS compraba a FLUENT por un
Figura 1.5 Simulación del flujo alrededor de un fórmula 1 con FLUENT (izquierda). Superordena-
dor Albert 2 del BMW-Sauber F1 Team (derecha). Imágenes cortesía de BMW Sauber y ANSYS, Inc.
total de 630 millones de dólares, creando así al nuevo líder mundial en desarrollo de
técnicas numéricas. Actualmente, sólo CD-adapco, heredera del código STAR-CD y
participada por la importante empresa de CAD Dassault Systems (fabricante de
CATIA), se puede comparar en cierto modo al nuevo gigante de ANSYS.
La concentración de los códigos ha dado lugar a un progresivo incremento en los
precios de las licencias. Sin embargo, esta tendencia puede verse contrarrestada con
la aparición de nuevos códigos numéricos de distribución libre, siguiendo el espíritu
de sistemas operativos libres, como Linux. El pionero en la creación de códigos
libres de CFD es OpenCFD, que desarrolla actualmente un avanzado solver libre
denominado OpenFOAM. Probablemente, en un futuro no muy lejano, el papel del
software libre tenga un claro impacto en un campo tan especializado como el del
CFD, obligando a reducir los precios de las licencias de los actuales distribuidores y
volviendo en cierto modo a aquellos románticos tiempos a mediados de los sesenta
en los que todo era un territorio nuevo por explorar.
En resumen, las técnicas CFD son ya, a todos los efectos, una herramienta más
dentro de la ingeniería asistida por computador (CAE), utilizada universalmente en
la industria. Sus posibilidades para simular todo tipo de fenómenos y flujos permi-
ten a los diseñadores y a los analistas disponer de un túnel de viento virtual en sus
centros de computación. Asimismo, el software para el CFD ha evolucionado espec-
tacularmente, mucho más de lo que Navier-Stokes o el mismísimo L. F. Richardson
pudieran haber imaginado. El CFD se ha convertido en una parte indispensable en
el proceso del diseño aerodinámico e hidrodinámico para aviones, trenes, automó-
viles, cohetes, barcos, submarinos y de cualquier otro medio de locomoción o pro-
ceso productivo de nuestros días.
1.3 Campos de aplicación
El repaso a la evolución de las técnicas computacionales en la Mecánica de Fluidos

demuestra cómo la industria aeroespacial fue pionera en el empleo de estas herra-
mientas. Sin embargo, hoy día su utilización se ha extendido a todo tipo de procesos
industriales, gracias a la universalización de códigos comerciales y a la progresiva
mejora de los algoritmos que implementan.
Existen infinidad de aplicaciones, casi tantas como sectores productivos, entre
las que cabe destacar:
c Industria automovilística, en la que prima el estudio de la aerodinámica de
vehículos, pero que también potencia el análisis de la climatización del habitácu-
lo interior, de la refrigeración de discos de freno y bloque motor o el flujo en con-
ductos de descarga y válvulas de distribución.
1.3 Campos de aplicación 13
c Industria aeroespacial, centrada en la aerodinámica de transbordadores, de

aviones supersónicos y cazas militares y de cohetes. También se estudia el flujo
en condiciones cercanas a la ingravidez, así como las condiciones de salida y
reentrada de vehículos espaciales.
c Industria aeronáutica, volcada en el estudio de perfiles aerodinámicos para alas
en aviones comerciales, en la caracterización del flujo alrededor del fuselaje así
como en el diseño de trenes de aterrizaje.
c Industrial naval, interesada en las características de las hélices de propulsión y
en el diseño óptimo de carenas de barcos y submarinos. También se emplean
estas técnicas para mejorar las prestaciones de barcos de competición.
c Industria de fabricación de motores, tanto alternativos de combustión interna,
como propulsores de aviones y helicópteros, centrados en el análisis del flujo
interno, la eficiencia y la transmisión de potencia así como de las transferencias
de calor y refrigeración asociadas.
c Industria de generación eléctrica, interesada en diseños eficientes de turbinas de
vapor, en el caso de centrales térmicas y nucleares, y de turbinas hidráulicas de
gran rendimiento y operabilidad en el caso de centrales hidráulicas. También es
habitual el estudio de flujos en la caldera, así como el análisis de los repartos y efi-
ciencias térmicas. También el sector de las energías renovables, con el estudio de
los perfiles aerodinámicos empleados en las palas de los aerogeneradores, trata de
conseguir una óptima transferencia energética con mínimo impacto sonoro.
c Industrias pesadas y metalúrgicas, como el caso de acerías con procesos de fun-
dición continua, plantas de fabricación de vidrio, fábricas de transformado de
plásticos con el llenado de moldes, trefilerías y plantas transformadoras para
fabricación de aluminio y zinc… todas ellas interesadas en el estudio de flujos de
metales líquidos a altas temperaturas.
c Industria química, que estudia deposición de vapores químicos, flujos reactivos
complejos en los que se producen intercambios de masa, calor y reacciones quí-
micas.
c Industria electrónica, para analizar refrigeración (líquida o por aire) de los com-
ponentes de computadores, sistemas y redes, flujos de aire en las carcasas, etc.
c Industria nuclear, con el flujo en aquellos conductos con sustancias originadas
en las reacciones nucleares, el enfriamiento del reactor y flujos en su interior, así
como la eficiencia del intercambiador de calor.
c Industria biomédica y farmacéutica, para estudiar los distintos flujos vitales,
flujos de aire en la caja torácica, flujos de sangre en arterias y venas y en el inte-
rior del corazón. Diseño de dispositivos para centrifugación e inyecciones intra-
venosas.
c Industria alimentaria, con procesos de pasteurización, ciclones, precipitadores,

reactores, hornos de convección, procesos de extrusión de líquidos.
c Otras industrias y actividades, con aplicaciones de lo más variado: impacto eólico
en torres, puentes y edificios; ventilación en edificios y estructuras; simulación de
incendios; estudio de combustiones; dispersión de humos y contaminantes; hidrolo-
gía y oceanografía; flujo en conductos de calefacción, refrigeración, redes de tuberías;
meteorología; transporte de sedimentos; física del plasma; flujo en sprays; flujos en
turbomáquinas (bombas, ventiladores); flujos en máquinas de desplazamiento posi-
tivo; flujos en el deporte (túneles de viento, bolas de golf, trajes de natación); etc.
Figura 1.6 Algunos ejemplos de aplicaciones de la CFD a la industria (imágenes adaptadas de

Wikimedia Commons, bajo licencia Creative Commons).
1.4 Ventajas e inconvenientes 15
1.4 Ventajas e inconvenientes
Está claro que el uso de las técnicas CFD permite un número muy importante de ven-
tajas. Sobre todo, permite reducir tiempo y costes en fases de diseño, y además propor-
ciona un número casi ilimitado de información: cada una de las celdas que componen
el dominio de simulación equivale a un pequeño sensor que nos mide cada una de las
variables del flujo. Además, en aquellas situaciones en las que la experimentación no
es segura (accidentes, flujos a altas temperaturas, situaciones de incendio, etc.), no es
abordable por una empresa (líneas de fabricación que no pueden verse alteradas, por
ejemplo) o simplemente no es viable (reentradas aeroespaciales o condiciones de
ingravidez), el CFD permite obtener información muy valiosa.
Sin embargo, las técnicas CFD no son gratuitas, y aunque reducen notablemente
los costes derivados de la experimentación, se necesitan máquinas muy potentes
(hoy día es casi obligado el uso de clusters para realizar computación en paralelo) y
las licencias para varios procesos, lo que encarecen mucho el precio final. Al mismo
tiempo, es necesario contar con personal cualificado, que sepa interpretar el sentido
físico de los resultados que arroja el software de cálculo y que domine el programa y
la gestión de los resultados. En caso contrario, se pueden dar por buenos resultados
erróneos o incoherentes.
En la figura 1.7 se han resumido las principales ventajas e inconvenientes de las
técnicas numéricas para el estudio de flujos industriales.
VENTAJAS INCONVENIENTES
Reducción sustancial de tiempos Las técnicas CFD no son baratas.
y costes en los nuevos diseños.
Máquinas de gran capacidad de
Posibilidad de analizar sistemas o cálculo
condiciones muy difíciles de Programas con un precio no
reproducir experimentalmente. asequible al gran público.
Velocidades hipersónicas, Se necesita personal cualificado.
temperaturas muy altas o bajas,
movimientos relativos, etc... Ejecutar programas y definir modelos.
Analizar soluciones.
Capacidad de estudiar sistemas
bajo condiciones peligrosas. No siempre es posible obtener
resultados lo suficientemente
Accidentes, situaciones límite de precisos.
equipos, etc.
Necesidad de simplificar el
Nivel de detalle prácticamente fenómeno.
ilimitado. Imposibilidad práctica de todo
tipo de ejecuciones.
Facilidad para estudios paramétricos.
Gran cantidad de información. Limitación de los modelos
Sin coste por aumento de sensores. existentes para la turbulencia,
la combustión, flujos multifásicos...
Computer-aided designed.
Tendencia a creerse los resultados
Un valor añadido al producto. sin la suficiente contrastación.
Figura 1.7 Ventajas e inconvenientes en la utilización del CFD.

La integración de las técnicas CFD junto con otras herramientas de diseño asistido
por computador (CAE), como el cálculo de tensiones y esfuerzos —térmicos y mecá-
nicos— en estructuras, comienza a ser una realidad, aunque aún se está lejos de una
total conectividad entre ellas. La fusión de todas estas técnicas permitirá un avance
espectacular en la interdisciplinariedad de la Mecánica de Fluidos con el análisis diná-
mico de estructuras. En este camino se encuentra la reciente fusión de ANSYS, líder
mundial en el estudio de estructuras por elementos finitos, con FLUENT, el paquete
líder en CFD por volúmenes finitos. De estos progresos depende en gran medida que
complejas disciplinas como la termo-aeroelasticidad puedan dar un respuesta global a
los diseños de los próximos componentes industriales en el siglo XXI.
1.5 Desarrollo y empleo de códigos: usuario frente a

programador
El desarrollo histórico de las técnicas CFD nos ha enseñado cómo la utilización de

paquetes comerciales se impuso finalmente en la mayoría de los sectores. Única-
mente en el sector aeroespacial, por razones de tradición, algunas empresas muy
importantes han apostado por continuar con sus propios códigos, si bien con even-
tuales ayudas de software comercial.
Actualmente, las empresas que desarrollan los paquetes comerciales cuentan con
importantes departamentos de desarrollo e investigación centrados en la depura-
ción e implementación de nuevos algoritmos en sus programas. Sin embargo, sigue
siendo labor principal de universidades y centros de investigación la propuesta de
nuevos modelos matemáticos y físicos, que posteriormente estas empresas adaptan a
sus lenguajes de programación.
Por tanto, parece claro que la utilización del CFD tiene una doble vertiente. Por
un lado, se puede utilizar un programa comercial en forma de caja negra, a nivel de
usuario, de manera que introduciéndole unos datos de entrada, el solver del pro-
grama nos devuelva la solución final que pasaríamos directamente a analizar. En
este caso, no sabemos qué hace el programa internamente, pero obtenemos una
solución a nuestro problema. La segunda opción es la de desarrollar un código por
nosotros mismos y ejecutarlo, utilizando las técnicas numéricas que hay en la biblio-
grafía a nivel de programador. Lógicamente, dispondríamos de control total sobre
lo que estamos haciendo, ¡si bien la creación del código, su depuración y la creación
de interfaces para el mismo podría ser un proyecto de mayor envergadura que el
propio problema que queremos resolver!
Punto de vista del PROGRAMADOR (orientado a las herramientas)

—centrado en cómo resolver cada paso del proceso de simulación CFD—
PROCEDIMENTAL para FÍSICOS,

Geometría Mallado MATEMÁTICOS e INFORMÁTICOS
- Seleccionar geometría - Estructurado

- Parámetros geométricos - No estructurado
Resolver Validar Resultado
- Dominio (forma y tamaño) - Mallas en CC
- Límites acotados - Contornos
- Estacionario/ - Variables globales - Gráficos XY
No estacionario (fuerzas, presión, - Contornos
Física Modelo - Iteraciones/pasos velocidades) - Distribuciones
temporales - Verificación - Mapas de vectores
- Compresibilidad - Relajación - Sensibilidad de - Animaciones
- Modelización
- Transferencia de calor la malla - Postprocesado
de la turbulencia - Convergencia
- Turbulencia - Precisión - Parámetros - Exportación de datos
- Radiación
- Multifases - Esquemas - Validación de datos
- Balances
- Multiespecies numéricos
- Condiciones de
- Transporte de escalar
operación y contorno
Punto de vista del USUARIO (orientado a los resultados)

—proceso completo para una simulación numérica usando un código comercial de CFD—
TRANSVERSAL para INGENIEROS
Figura 1.8 Diagrama de flujo de una aplicación CFD típica.
Evidentemente, es muy interesante disponer de ambas perspectivas. Aunque no

seamos capaces de desarrollar por nuestra cuenta un código de propósito general
capaz de resolver cualquier flujo, es interesante conocer los algoritmos fundamenta-
les de resolución. Así, a lo largo de este libro se irán explicando dichas técnicas, mos-
trando los modelos más importantes, que servirán para entender mucho mejor
cómo funciona por dentro un código comercial. Pero ahora es el momento apro-
piado para ver cuál es la estructura típica de un código y las secuencias que se
emplean hasta llegar a la solución de un caso. Más adelante tendremos la oportuni-
dad de emular la estructura de un código comercial para resolver problemas fluido-
dinámicos sencillos.
1.5.1. Códigos CFD: secuencia y estructura

En general, la mayoría de los programas comerciales (FLUENT, CFX, CD-
Adapco…) utiliza el método de volúmenes finitos para resolver numéricamente las
ecuaciones de gobierno de la Mecánica de Fluidos. De forma muy esquemática, lo
que plantean es lo siguiente:
c El dominio se discretiza (se divide) en un número finito (aunque habitualmente

muy grande) de volúmenes de control (celdas volumétricas en simulaciones tri-
dimensionales y planas en casos bidimensionales).
c Se plantean en cada celda las ecuaciones generales de conservación (o transporte)
para la masa, la cantidad de movimiento, la energía, etc.
∂
∫ ρφ dV + ∫ ρφv dA = ∫ Γ∇φ dA + ∫ Sφ dV
∂t V [1.4]
A A V
temporal convectivo difusivo fuente
La ecuación 1.4 representa la expresión general de transporte, en la que se tiene

en cuentan los términos convectivos, difusivos, de generación y/o destrucción y
temporales de las ecuaciones (v. capítulo 3). La variable φ es una variable genéri-
ca que, según el valor que adopte, nos devuelve cada una de las ecuaciones ante-
riores. A saber:
Tabla 1.1 Valores de φ en la ecuación general de transporte.
Ecuación Variable φ
Continuidad 1
Cantidad de movimiento en x u (componente en x de la velocidad)
Cantidad de movimiento en y v (componente en y de la velocidad)
Cantidad de movimiento en z w (componente en z de la velocidad)
Energía h (entalpía)
c Las ecuaciones que sea necesario resolver se discretizan y linealizan para obtener
un sistema algebraico de ecuaciones. (Las ecuaciones vienen expresadas en deriva-
das parciales y no siempre es necesario resolverlas todas, ya que, por ejemplo, la
transferencia de calor puede no estar implicada en el problema.)
c Finalmente, se resuelve numéricamente (de forma iterativa) el sistema algebraico
para obtener la solución final del campo fluidodinámico.
Con esta filosofía en mente, los paquetes comerciales tratan de proporcionar un
acceso sencillo a estas tareas mediante interfaces amigables (user-friendly) para el
modelado de las geometrías y la introducción de los parámetros de resolución.
Habitualmente, suelen incorporar también un módulo adicional para facilitar el
análisis y la presentación de resultados.
Por tanto, todos los códigos presentan la siguiente estructura: un módulo de pre-
proceso, otro módulo de solver y un módulo final de postproceso. Cada uno de
ellos responde a las siguientes funciones:
c PREPROCESO: Suele ser una utilidad, de interfaz amigable, que permite intro-
ducir los datos de entrada al programa de resolución, convirtiéndolos luego a un
formato compatible para el solver. Esta fase comprende:
c Definición de la geometría a modelizar: el dominio computacional.
c Generación de la malla o división del dominio en un número suficiente de
celdas o elementos que no se superpongan y que cubran todo la geometría.
c Identificación de los fenómenos físicos y químicos que pretenden modelarse.
c Definición de las propiedades del fluido (o fluidos).
c Especificación de las condiciones iniciales y de contorno del problema.
La generación de la malla es muy importante, porque condicionará definitiva-
mente la calidad de los resultados. En principio, cuanto más fina sea la malla,
más próxima a la solución real será la simulación. Sin embargo, mallas extraordi-
nariamente finas penalizan el tiempo de cálculo haciéndolo excesivamente
grande, por lo que siempre es necesario llegar a una elección de compromiso.
Además, un mallado eficiente siempre ha de ser más fino en aquellas zonas
donde se prevé un mayor gradiente en las variables del flujo.
c SOLVER: Constituye la parte central del programa de resolución y es el encar-
gado de resolver de forma iterativa las ecuaciones que se han activado previa-
mente en el preproceso (los modelos). Aun siendo la parte más importante del
programa, el usuario del código no hace más que lanzar la ejecución y esperar
que los recursos computacionales de los que dispone resuelvan el caso. Las ejecu-
ciones, en función de los modelos que resuelvan y del tamaño de la malla, pue-
den durar desde minutos hasta semanas (o meses) de cálculos en tiempo real.
c POSTPROCESO: En este módulo se incluyen normalmente una serie de herra-
mientas gráficas que permiten analizar los resultados. Es una parte fundamental
por cuanto permiten gestionar la ingente cantidad de información que el código
es capaz de generar. No sólo se trata de disponer de una interfaz gráfica, sino de
una herramienta que permita proporcionar variables integradas y promediadas
para ofrecer resultados globales. Incluye:
c Representación gráfica del dominio y la malla.
c Mapas de contornos de las variables y ploteado de vectores y líneas de
corriente.
c Gráficas y distribuciones.
c Gráficos de superficies, bidimensionales y tridimensionales.

c Animaciones y exportación de resultados a otros formatos.
PREPROCESO SOLVER
MODELADO DE Ec. algebraicas resueltas en la malla: MODELOS FÍSICOS

LA GEOMETRÍA EC. TRANSPORTE
- Masa (fracciones especie/vol.) - Turbulencia
MALLADO DE - Momento - Combustión
LA GEOMETRÍA - Energía - Radiación
EC. ESTADO - Multifase
EC. MODELOS FÍSICOS - Cambio de fase
PARÁMETROS - Zonas deslizantes
DEL SOLVER - Malla deformable
- Propiedades físico-químicas - Otras
de los materiales
- Condiciones de contorno y
POSTPROCESO condiciones iniciales
Figura 1.9 Estructura de un código CFD comercial.
1.5.2. Códigos CFD: estrategias a seguir
En cada una de las fases de la modelización es muy importante que el usuario del
código tenga muy claras una serie de ideas fundamentales. En caso contrario, es
muy posible que la simulación no sea correcta o que no proporcione (en tiempo y
formas) los resultados esperados.
Por tanto, para conseguir una correcta utilización de estos programas comercia-
les, es necesario seguir unas estrategias muy definidas en cada una de las fases en que
se divide el proceso. Dichas estrategias se formulan como un cuestionario al que hay
que contestar para saber cómo se debe hacer la simulación y qué se espera obtener
de ella.
c IDENTIFICACIÓN DEL PROBLEMA Y PREPROCESO. Este primer punto se
divide en tres partes: definición de los objetivos buscados con la simulación,
identificación del dominio a modelar y diseño y creación de la malla. En cada
parte se debe hacer frente a las siguientes preguntas:
c Definición de los objetivos buscados en la simulación.
• ¿Qué resultados se quieren y para qué se necesitan? Y por tanto, ¿qué tipo
de modelo físico se va a utilizar? La respuesta a estas preguntas surge de
una reflexión sobre los fenómenos físicos que ocurren en el problema:
– ¿Qué fenómenos físicos se necesitan incluir en el análisis?
– ¿Qué hipótesis simplificativas hay que hacer?

– ¿Qué hipótesis simplificaticas se deben hacer?
• ¿Qué grado de exactitud y acuerdo se necesita en la simulación? Esto
condiciona drásticamente el planteamiento de las simulaciones, en
tiempo de cálculo, número de celdas, número de ejecuciones y casos a
contemplar, etc.
• ¿De cuánto tiempo se dispone para hacer la simulación? ¿En qué plazo
máximo se necesitan los resultados? A veces se necesitan resultados rápi-
dos en los que una primera aproximación a la solución real sea suficiente
(análisis de tendencia, influencia de un parámetro, etcétera).
• ¿Basta con un modelo bidimensional o es necesario simular todo el espa-
cio? ¿Se requiere la variable tiempo o sólo interesa el estado permanente?
¿Es un fenómeno estable o fluctúa en el tiempo?
c Identificación del dominio a modelar.
• ¿Cómo se va a aislar la zona de interés del dominio físico?
• ¿Dónde comenzará y finalizará el dominio computacional? ¿Se dispone de
información del flujo en esas fronteras? ¿Se puede utilizar esa información
como condición de contorno del modelo? ¿Es posible extender el dominio
hasta una zona donde se tengan datos razonables acerca de la naturaleza
del flujo?, ¿o están demasiado lejos y se obtendrá un dominio demasiado
grande para modelar en el tiempo disponible?
• Los límites de la simulación, ¿no afectarán a la solución que se obtenga?
• ¿Se puede aproximar el modelo a un caso 2-D, o a un caso axisimétrico?
c Diseño y creación de la malla.
• ¿Qué tipo de malla se va a emplear? ¿Qué tipo de malla es más conve-
niente? ¿Estructurada o no estructurada? ¿Cómo de compleja es la geome-
tría? ¿Es necesario reproducir todos los detalles de la geometría o hay
zonas que pueden simplificarse antes de mallar?
• ¿Qué grado de resolución requiere la malla en las distintas zonas? ¿es la
resolución suficiente para el fenómeno en estudio y es coherente con los
objetivos y la agenda? ¿Habrá zonas con importantes gradientes? ¿Será
necesario adaptar la malla para refinar la solución obtenida?
• ¿Se dispone de suficiente memoria computacional? ¿Cuál es el ratio entre
número de celdas y modelos? ¿Se usa una malla del mismo orden que
otros estudios de la bibliografía?
• ¿Se ha hecho un análisis de sensibilidad de la malla? ¿Cambian los resulta-

dos si se emplea una malla más fina o más gruesa?
c EJECUCIÓN DEL SOLVER. Este segundo punto comprende la implantación
del modelo numérico y su ejecución y la monitorización del proceso iterativo.
Nuevamente, es preciso responder a las siguientes preguntas:
c Implantación y ejecución del modelo.
• ¿Cuáles son los modelos físicos apropiados?
• ¿Qué propiedades relevantes tendrá el fluido a modelar? ¿Son relevantes
las interacciones entre los fluidos si se tiene un flujo multifásico o multies-
pecie?
• ¿Cuáles son las condiciones de operación? ¿Y las condiciones iniciales y de
contorno?
• ¿Cuáles son los parámetros apropiados para los modelos? ¿Y los paráme-
tros de convergencia?
• ¿Cuándo se obtiene una solución al modelo? Tras un número de iteracio-
nes, ¿se cumple el criterio de convergencia?, ¿se hace la solución asintótica,
cumpliendo las ecuaciones conservativas?
• Si no se alcanza la convergencia, ¿habrá iterado lo suficiente el modelo?,
¿serán apropiados los modelos utilizados?, ¿es apropiada la resolución de
la malla y su calidad?, ¿son correctos los parámetros de implementación?,
¿son compatibles las condiciones de contorno elegidas?
c POSTPROCESO. Finalmente, el análisis de resultados comprende dos impor-
tantes tareas: la propia validación de la solución y las revisiones y mejoras al
modelo que podrían derivarse del estudio de los resultados. En este caso, lo que
el usuario debe plantearse es:
c Análisis de resultados.
• Analizar los resultados y revisar la solución para obtener información rele-
vante.
• Las herramientas de postproceso de tipo cualitativo (mapas, distribucio-
nes, vectores) se utilizan para contestar a las siguientes preguntas: ¿Es
correcto el patrón global del flujo?, ¿hay separación?, ¿predice correcta-
mente las capas límites? ¿Las prestaciones de los diseños y los parámetros
clave del fenómeno, ¿están bien resueltos?
• Por otro lado, las herramientas de postproceso cuantitativas (gráficas,
integrales, valores, promedios) se utilizan para conocer fuerzas y momen-
tos, balances, coeficientes medios de transferencia de calor, integrales de
1.6 Objetivos de este libro 23
superficie y volumétricas… Los resultados obtenidos, ¿concuerdan con lo

esperable?, ¿son coherentes con lo que predicen las teorías?, ¿son semejan-
tes a los publicados en la literatura científica?
c Revisiones y mejoras del modelo.
• ¿Son correctos los modelos físicos empleados?, ¿es el flujo turbulento?, ¿no
estacionario?, ¿compresible?, ¿efectos 3-D?, ¿transmisión de calor?
Replantear todo de nuevo desde el principio…
• ¿Es necesario cambiar el enfoque por completo?
• ¿Son correctas las condiciones de contorno empleadas?
• ¿Es el dominio numérico suficientemente grande? ¿Es apropiada la elec-
ción de las condiciones? ¿Son razonables sus valores?
• ¿Es la malla adecuada?, ¿se puede mejorar? ¿Cambia la solución si se modi-
fica la calidad del mallado? ¿Hay que mejorar la malla en los contornos?
1.6 Objetivos de este libro
En este libro se presentan las bases de la metodología numérica empleada en el estudio

computacional de la Mecánica de Fluidos. Se aborda el desarrollo de esta metodología
mostrando cómo se implementan y resuelven las ecuaciones de conservación (masa,
momento y energía) desde los casos más sencillos y simplificados hasta su formula-
ción más general.
El ambicioso objetivo que se persigue es que el lector adquiera los conoci-
mientos y habilidades suficientes para desarrollar sus propios códigos. De esta
forma, adquirirá una visión integral de las técnicas CFD y comprenderá de forma
mucho más profunda cómo funciona y qué ofrece un paquete comercial. Se trata
de acercarlo al CFD desde dos puntos de vista, el del usuario y el del programa-
dor. Se mostrarán las funciones básicas del software comercial para diversas apli-
caciones académicas e industriales —excesivamente complejos para ser
desarrollados por el lector y fuera del objeto de este libro—, y también se mostra-
rá cómo programar (y con qué algoritmos) casos ilustrativos que garanticen un
aprendizaje significativo.
Como todo libro técnico, se espera del lector una serie de conocimientos básicos,
en particular relacionados con las matemáticas y las ecuaciones diferenciales, con la
programación y los métodos numéricos, así como lógicamente con la Mecánica de
Fluidos. De todas formas, el contenido del libro está estructurado y explicado de

forma que el lector con carencias en alguna de estas materias no encuentre especial
dificultad para ponerse al día.
Tras la lectura de este libro, se espera que el alumno adquiera una serie de com-
petencias generales y específicas. Entre las primeras, el estudiante desarrollaría su
capacidad para el análisis y la síntesis, profundizaría en conocimientos de informáti-
ca y programación, potenciaría su capacidad para la organización y la planificación,
afianzaría su destreza en la resolución de problemas y en el razonamiento crítico y,
por supuesto, aplicaría su aprendizaje autónomo. Entre las segundas, se trataría de
adquirir una cierta destreza en la investigación, en mostrar su capacidad para desa-
rrollar modelos teóricos y validarlos, en ser capaz de sintetizar y gestionar la infor-
mación y, cómo no, en demostrar una compresión teórica de los fenómenos físicos y
del uso de métodos matemáticos avanzados para resolverlos.
Si el esfuerzo que ha supuesto la elaboración de este material sirve para que el
lector entienda algo de cómo se comportan los flujos viscosos e incompresibles… Si
estas líneas le permiten conocer qué técnicas numéricas se emplean para resolver
computacionalmente un problema en Ingeniería de Fluidos y cómo se articulan e
implementan para generar un código… Si al final se comprende cuál es, y por qué es
así, la estructura de un código comercial y atisba a saber qué está resolviendo inter-
namente el paquete comercial… Si usando un paquete comercial reconoce cómo
debe hacer frente a una simulación... Si es capaz de diseñar una malla eficiente y
sabe discernir qué modelos, condiciones de contorno necesita… Si, en definitiva, ha
comprendido los entresijos del CFD y ha descubierto el reto que supone utilizar
estas herramientas, entonces las largas horas de trabajo para dar a luz estas notas
habrán merecido la pena.
1.7 Estructura del libro
Este libro es una introducción a las técnicas numéricas en CFD. Se pretende realizar
un acercamiento a la implementación numérica de los algoritmos más habituales
que permiten resolver las ecuaciones de Navier-Stokes usando el método de volú-
menes finitos.
En el capítulo 2 se analizan una serie de ideas fundamentales, a partir de ejem-
plos muy básicos, que permiten identificar la problemática a la que nos enfrenta-
mos. Conceptos como el de cálculo iterativo, la no linealidad de las ecuaciones, la
resolución numérica y las discretizaciones o la convergencia y la estabilidad, que son
vitales en todo código CFD y que aparecerán recurrentemente en el resto de los
1.7 Estructura del libro 25
capítulos, se introducirán, de forma casi divulgativa, para comprender claramente el

alcance de los métodos numéricos.
El capítulo 3 es un breve repaso (inevitable) de la Mecánica de Fluidos, donde se
formularán las ecuaciones de conservación y se mostrará cuál es la naturaleza y el
sentido físico de cada uno de los términos de dichas ecuaciones. Las ecuaciones, por
complicadas que parezcan, no son más que el reflejo de unos balances (de un trans-
porte) que se plantean dentro de un volumen de control. Se verán las hipótesis sim-
plificativas más habituales que pueden aplicarse a dichas ecuaciones, en función del
tipo de flujo en estudio, y los niveles de aproximación adoptados por las resolucio-
nes numéricas. Finalmente, se formulará la ecuación general de transporte, sobre la
cual girarán el resto de los capítulos.
En el capítulo 4 se muestra cómo se hace la discretización de cada uno de los tér-
minos de la ecuación general de transporte (difusivo, convectivo, temporal y fuen-
tes) y se verán los esquemas más habituales con sus ventajas y sus inconvenientes.
En el capítulo 5 se estudia la ecuación difusiva pura, en la que se elimina el térmi-
no convectivo, lo cual simplifica mucho las cosas. Además, se analizan varios pro-
blemas difusivos puros (la transferencia de calor en sólidos, por ejemplo) que
permitirán ir adquiriendo soltura con la forma de discretizar e implementar los
códigos. Se abordará la difusión no estacionaria, para que el lector se familiarice con
la discretización temporal y para ampliar la complejidad de la simulación de las
ecuaciones de transporte.
El capítulo 6 muestra cómo tratar la ecuación con todos sus términos, acoplando
todos los esquemas necesarios para resolver la convección-difusión. Se verá en pro-
fundidad el concepto de mallado decalado (staggered grid), y cómo utilizarlo correc-
tamente con los términos convectivos, mediante esquemas upwind, híbridos o
QUICK. Se supondrá que el campo de velocidades es conocido, lo cual nos evitará,
de momento, el problema del acoplamiento presión-velocidad.
En el capítulo 7 será el momento de descubrir la complejidad de la ecuación en
toda su extensión: la naturaleza no lineal que subyace en los términos y el acopla-
miento entre los campos de presión y velocidad. Se mostrarán los algoritmos que per-
miten resolver iterativamente la compleja interacción de las ecuaciones, los algoritmos
SIMPLE, SIMPLEC o PISO, cuando el campo de velocidades es una incógnita.
En el capítulo 8 se abordan las diferentes condiciones de contorno que pueden
plantearse (Von Neumann o Dirichlet) y cómo se linealizan los términos fuente que
podrían estar presentes en la ecuación de transporte. Se verán los tipos más habitua-
les de condiciones de contorno que se emplean y cuáles son compatibles entre sí.
En el capítulo 9 se considerarán métodos eficientes para la resolución iterativa de
los sistemas de ecuaciones algebraicas y se definirán métricas y criterios para asegu-
rar la convergencia y la estabilidad.
En el capítulo 10 se trata brevemente el problema de la turbulencia. La compleji-

dad de la modelización de la turbulencia constituye un tema de estudio por sí
mismo, que daría sin lugar a dudas para escribir otro volumen. Se mostrará la pro-
blemática de su modelización, cómo aparece en las ecuaciones promediadas de
Navier-Stokes y en las ecuaciones filtradas LES, y cuáles son las técnicas empleadas
(modelos de 0, 1, 2 ecuaciones, modelos algebraicos y modelos anisotrópicos) para
resolverla.
Finalmente, en el capítulo 11 se abordan algunos flujos típicos del ámbito indus-
trial. Se presentan modelos adicionales (multiespecie, multifásicos), necesarios para
analizar problemas con superficies libres o con existencia de reacciones químicas.
2
ALGUNAS IDEAS
FUNDAMENTALES
Este capítulo introduce una serie de ideas fundamentales relacionadas con las
técnicas numéricas en Mecánica de Fluidos. Estos conceptos son muy útiles en sí
mismos y tienen importantes implicaciones que serán desarrolladas en detalle en
capítulos posteriores.
En concreto, se analizan las bases de todo modelo numérico, explicando de
manera sencilla por qué es necesario discretizar las ecuaciones, cómo se hace y
cómo se resuelve el sistema de ecuaciones algebraico resultante. Con ejemplos
muy sencillos, se trata de ilustrar cuáles son los mayores inconvenientes de estas
técnicas, como el problema de la no linealidad de las ecuaciones de transporte, y
cómo se trata de paliarlos con el objeto de resolver las ecuaciones de flujo.
Muchas veces las técnicas numéricas parecen al lector algo demasiado espe-
cializado, con una carga matemática excesiva y que se aleja de las aplicaciones
prácticas. En este capítulo se mostrará cómo es posible tener una visión global de
todo el proceso sin necesidad de adentrarse en el formalismo de las ecuaciones
constitutivas y de gobierno de los flujos. El objetivo final es dotar al lector de una
perspectiva general que proporcione garantías suficientes para comprender el
alcance y la utilidad de las técnicas numéricas.
28 Capítulo 2 Algunas ideas fundamentales
Contenidos
2.1. CFD: estrategia de utilización

2.2. Discretización espacial: sistema algebraico de ecuaciones
2.2.1. Método de diferencias finitas
2.2.2. Método de elementos finitos
2.2.3. Método de volúmenes finitos
2.3. Solución del sistema algebraico de ecuaciones
2.3.1. Aplicación de condiciones de contorno
2.3.2. Dependencia de la malla
2.4. El problema de la no linealidad de las ecuaciones
2.5. Método iterativo de resolución
2.6. Criterio de convergencia para la solución iterativa
2.7. Estabilidad numérica
2.8. Precisión, consistencia, estabilidad y convergencia
2.9. El problema del cierre turbulento
Bibliografía de referencia:
Este capítulo ha sido adaptado de Bhaskaran, R. y Collins, L., "Introduction to CFD Basics",
Draft notes en la Sibley School of Mechanical and Aerospace Engineering, Cornell University
(EE.UU.), 2002.
Esta fuente, así como diversos tutoriales y materiales educativos, se pueden consultar direc-
tamente en su página web:
https://confluence.cornell.edu/display/simulation/FLUENT+Learning+Modules
2.1 CFD: estrategia de utilización 29
2.1 CFD: estrategia de utilización
En general, la estrategia utilizada en el CFD es la de reemplazar un problema defi-

nido sobre un dominio continuo (hipótesis del continuo en Mecánica de Fluidos
clásica) por un dominio discreto definido a partir de una malla. En el continuo,
cada variable del flujo (presión, velocidad, temperatura) está definida en todos los
puntos del espacio. Sin embargo, en el dominio discreto, cada variable del flujo está
definida únicamente en los puntos (nodos) que configuran la malla. A este proceso
se le denomina discretización espacial, porque el espacio se “discretiza” en un
número finito de puntos.
La figura 2.1 muestra un ejemplo simplificado de una variable fluidodinámica
cualquiera, φ, sobre un dominio unidimensional comprendido entre 0 y 1. Se
observa cómo el dominio ha sido discretizado en N puntos, de manera que la varia-
ble discretizada, φi, sólo puede tomar valores en dichos puntos.
En una simulación CFD solamente se resuelven las variables de interés en los
puntos que definen la malla. Los valores en otras posiciones se pueden determinar
interpolando entre los valores resueltos en los nodos.
Lógicamente, y como se recordará en el próximo capítulo, las ecuaciones de
gobierno en derivadas parciales, así como las condiciones de contorno, están defini-
das matemáticamente mediante las variables continuas, φ. Es posible aproximar
estas complejas ecuaciones no lineales por una serie de ecuaciones algebraicas que
relacionan las variables discretizadas, φi. El sistema de ecuaciones resultante es un
gran conjunto de ecuaciones algebraicas acopladas en variables discretas. Manipular
este sistema y resolverlo (lo cual implica un problema de inversión matricial)
requiere un número muy grande de cálculos repetitivos, que deberán ser realizados
por ordenador.
Esta idea, representada aquí a partir de un simplificado dominio unidimensional,
puede ser fácilmente extrapolable a cualquier otro tipo de dominio genérico (multi-
dimensional).
Dominio continuo Dominio discreto

0<x<1 x = x1, x2, ..., xN
xi
x=0 x =1 x1 Punto de la malla x N
Figura 2.1 Discretización de un dominio unidimensional.

2.2 Discretización espacial: sistema algebraico

de ecuaciones
Como se ha visto, la idea de partida es realizar una discretización espacial del dominio
físico. Lógicamente, también será necesario realizar una discretización temporal en
caso de que las ecuaciones de gobierno muestren un comportamiento dependiente del
tiempo. Por el momento, se considerará un régimen estacionario, con el objeto de cen-
trarse en las características de la variación espacial de las ecuaciones.
Existen diversas metodologías para realizar este tipo de discretizaciones, siendo
las más habituales el método de diferencias finitas (FDM), el método de elementos
finitos (FEM) y el método de volúmenes finitos (MVF; o FVM en inglés). A conti-
nuación se muestra el método de diferencias finitas, con el objeto de mantener los
detalles simples e ilustrar lo mejor posible los conceptos fundamentales.
2.2.1. Método de diferencias finitas

El método de diferencias finitas aproxima las derivadas en las ecuaciones diferencia-
les de gobierno por su expresión truncada en series de Taylor. Para ilustrar el con-
cepto se considera la siguiente ecuación unidimensional en derivadas parciales:
dφ
+ φ = 0 ; 0 ≤ x ≤ 1 ; φ(0) = 1 [2.1]
dx
Se discretiza la ecuación según el dominio unidimensional de la figura 2.2. La malla

tiene 5 nodos equiespaciados, siendo ∆x la distancia entre nodos consecutivos. Puesto
que la ecuación es válida en cualquier punto del dominio, se puede expresar que:
⎛ dφ ⎞
⎜ ⎟ + φi = 0 [2.2]
⎝ dx ⎠i
donde el subíndice i representa el valor en el nodo xi. Para obtener una expresión de
la derivada en función de φ en los puntos de la malla, se desarrolla según Taylor de
modo que:
⎛ d φ ⎞ ∆x 2 ⎛ d 2 φ ⎞ ∆x 3 ⎛ d 3 φ ⎞
φi -1 = φi − ∆x⎜ ⎟ + ⎜ 2⎟ ⎟− ⎜ 3⎟ ⎟ + ... [2.3]
⎝ dx ⎠i 2 ⎜ ⎝ dx ⎠ 3! ⎜⎝ dx ⎠
i i
En este caso se ha empleado un esquema de diferencias hacia atrás, aunque aná-

logamente se podría haber usado para este ejemplo un esquema de diferencias cen-
2.2 Discretización espacial: sistema algebraico de ecuaciones 31
x2 = 1/4 x3 = 2/4 x4 = 3/4
x1 = 0 Δx= 1/4 x5 = 1
Figura 2.2 Discretización con 5 nodos.
tradas o de diferencias hacia delante. Despreciando los términos de orden superior

y reordenando la expresión se obtiene:
⎛ dφ ⎞ φi − φi -1
⎜ ⎟= + O ( ∆x ) [2.4]
⎝ dx ⎠i ∆x
El error que se comete por despreciar los términos de orden superior de la serie
de Taylor se denomina error de truncamiento. En este caso, puesto que el error de
truncamiento es de orden O ( ∆x ) , se dice que esta representación discreta tiene
una precisión de primer orden.
Finalmente, introduciendo la ecuación 2.4 en 2.2, se obtiene la siguiente ecua-
ción discreta, libre de derivadas:
φi − φi -1
+ φi = 0 [2.5]
∆x
por lo que se ha pasado de tener una ecuación diferencial definida sobre todo el
dominio a disponer de una ecuación algebraica sobre un nodo. La obtención de la
solución aproximada a la ecuación diferencial pasa por resolver el sistema de ecua-
ciones definidas en cada nodo (tantas como nodos de la malla haya definidos).
2.2.2. Método de elementos finitos

Este método se basa en una representación funcional de la solución numérica. En
lugar de obtener una representación discreta de la solución (en un conjunto de pun-
tos previamente definidos), las variables se resuelven como combinación lineal de
varias funciones continuas denominadas base vi, de forma que se cumple:
N
φ = ∑ φi vi [2.6]
i=1
En este caso la solución no será exacta, sino que dará lugar a un residuo, cuya
minimización por medio de funciones peso caracterizará el método. La definición
de la base de funciones es la que da nombre al método, elementos finitos, en contra-
posición con otra familia de métodos residuales, denominada espectral.
Realmente, este método aplica una representación en funciones sobre los con-
ceptos del método de diferencias finitas. Los parámetros de la representación son
puntos que dividen el dominio en una serie de elementos. Las funciones base se defi-
nen como interpolaciones polinómicas restringidas a los elementos contiguos (nor-
malmente triángulos o cuadriláteros en dos dimensiones). Las interpolaciones
pueden resultar en aproximaciones lineales, cuadráticas o de orden superior.
Normalmente, para las aplicaciones de Mecánica de Fluidos se recomienda que
sean al menos cuadráticas para poder aproximar las derivadas segundas con cierta
precisión.
Al igual que en el método de diferencias finitas, los parámetros de la representa-
ción son valores puntuales asociados a los nodos de un mallado. En este caso, los
puntos se sitúan en curvas que subdividen el dominio en zonas no superpuestas.
Además, a cada nodo se le asociará una función de interpolación polinómica entre
elementos contiguos. Así, se consigue un sistema de ecuaciones algebraicas compac-
tas que relacionan pocos valores puntuales.
vi (x)
i i
x 1 2 3 4 5
x
Figura 2.3 Dominio unidimensional con las funciones en cada nodo.
2.2.3. Método de volúmenes finitos

El método de volúmenes finito (también conocido como método de volumen de
control) divide el dominio en un número finito de celdas no superpuestas sobre las
que se impone la conservación de la variable φ de manera discreta. Tomando la
ecuación diferencial propuesta en 2.1 e integrándola sobre el volumen de control
unidimensional P de la figura 2.4, se plantea que:
e e
⎛ dφ ⎞
∫⎜⎝ dx ⎟⎠dx + ∫ φ dx = 0 [2.7]
w w
Suponiendo una variación lineal entre los centroides de las celdas (en los cuales
está definida la variable φ), y tomando el valor medio de la variación de φ en cada
celda como φ, es directo establecer que:
φE − φP φP − φW
− + φ∆x = 0 [2.8]
∆x ∆x
xw δxe
w e
W P E
x Δx
Figura 2.4 Discretización

unidimensional por volúme-
nes finitos.
donde la notación adoptada es P para el nodo actual y E, W para los nodos a la dere-
cha (este) e izquierda (oeste) respectivamente. Nótese que la aproximación anterior
deja de ser exacta al haber supuesto que la variable φ varía de forma lineal entre los
nodos de la malla. Reordenando la ecuación, se llega a:
aP φP = aE φE + aW φW + b [2.9]
donde aP, aE y aW son los coeficientes de las variables en cada nodo implicado. Ecua-
ciones similares a la ecuación 2.9 se pueden obtener para cada una de las celdas de la
discretización, resultando de nuevo un conjunto de ecuaciones algebraicas que se
deben resolver de manera acoplada.
En este método se garantiza la conservación de la variable sobre cada celda. Es
decir: los flujos entrantes a la celda deben ser iguales a los flujos salientes. Esta pro-
piedad, debido a la formulación, se cumple sea cual sea el tamaño de las celdas. Sin
embargo, que se preserve la conservación no significa que se obtenga precisión: la
solución obtenida para φ puede ser conservativa y a la vez imprecisa (si la discretri-
zación tiene pocas celdas).
2.3 Solución del sistema algebraico de ecuaciones
Se han mostrado brevemente las bases de los métodos más habituales usados en la
Ingeniería para discretizar ecuaciones diferenciales. En el resto del capítulo, debido
a su simplicidad, se retomará el método de diferencias finitas para ilustrar una serie
de conceptos importantes, inherentes a las técnicas numéricas.
2.3.1. Aplicación de condiciones de contorno
Para empezar, se plantea a continuación la resolución del sistema de ecuaciones

definido en 2.5 sobre la malla representada en la figura 2.2. Reordenando dicha
ecuación se obtiene:
−φi−1 + (1 + ∆x ) φi = 0 [2.10]
Aplicando esta ecuación sobre los nodos i = 2, 3, 4, 5 del dominio discretizado:
−φ1 + (1 + ∆x ) φ2 = 0 (i = 2) ⎫
⎪
−φ2 + (1 + ∆x ) φ3 = 0 (i = 3) ⎪
⎬ [2.11]
−φ3 + (1 + ∆x ) φ4 = 0 (i = 4)⎪
−φ4 + (1 + ∆x ) φ5 = 0 (i = 5)⎪⎭
Lógicamente la ecuación discreta no puede evaluarse en el nodo extremo de la

izquierda (i=1) puesto que φi-1 no existe para ese punto. Por tanto, en su lugar es
necesario que para ese nodo se defina una condición de contorno, tal y como estaba
fijado en la definición inicial de la ecuación continua a resolver: φ1=1.
Las ecuaciones representadas en 2.11, junto con la condición de contorno, for-
man un sistema algebraico de ecuaciones con 5 incógnitas (los cinco valores de la
variable discretizada en los nodos de la malla). Escribiendo el sistema de forma
matricial, se obtiene:
⎡1 0 0 0 0 ⎤⎡ φ1 ⎤ ⎡ 1 ⎤
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢−1 1 + ∆x 0 0 0 ⎥⎢ φ2 ⎥ ⎢ 0 ⎥
⎢0 −1 1 + ∆x 0 0 ⎥⎢ φ3 ⎥=⎢ 0 ⎥ [2.12]
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢0 0 −1 1 + ∆x 0 ⎥⎢ φ4 ⎥ ⎢ 0 ⎥
⎢
⎣0 0 0 −1 1 + ∆x ⎥
⎦⎢
⎣ φ5 ⎥
⎦ ⎢
⎣0⎥
⎦
En una situación general, se plantearían las ecuaciones discretas en cada uno

de los nodos de la malla (o celdas en el caso de volúmenes finitos) en el interior del
dominio. Para los nodos (o celdas) colindantes con los límites del dominio, se ten-
dría una combinación de las ecuaciones discretas con valores conocidos en las
condiciones de contorno. Al final, se obtendría de nuevo un sistema de ecuaciones
algebraico con tantas ecuaciones como número de variables discretas indepen-
dientes (incógnitas). Es decir, el proceso sería esencialmente el mismo que el des-
crito en este pequeño ejemplo con 5 nodos, pero con una complejidad topológica
mayor.
El sistema de ecuaciones 2.12, planteado matricialmente como [A][φ] = [b] para

∆x = 1/4, puede resolverse fácilmente realizando la inversión de la matriz de coefi-
cientes de forma que [φ]=[A]–1[b]. En este ejemplo concreto, la solución que se
obtiene es:
[φ] = [1 4/5 16/25 64/125 256/625]
En las aplicaciones prácticas de CFD, normalmente se tienen varios miles o

incluso millones de nodos, con otras tantas incógnitas en el sistema algebraico de
ecuaciones. Evidentemente, una inversión directa de la matriz de coeficientes como
se acaba de plantear es inabordable, superando con mucho la capacidad de cálculo
de cualquier ordenador actual. Por esta razón se han desarrollado un gran número
de algoritmos para optimizar la inversión de matrices, minimizando el tiempo y las
capacidades de cálculo requeridas.
De todas formas, el método más empleado para realizar la inversión de la matriz
es el procedimiento iterativo, en el que a mayor número de iteraciones el proceso
se va acercando cada vez más a la solución real de la matriz invertida.
Además, la matriz de coeficientes es una matriz dispersa, con multitud de ceros
fuera de las diagonales principales, puesto que la ecuación discreta en un punto
depende únicamente de los valores en los nodos estrictamente contiguos (primer
orden). De esta forma, la mayoría de códigos comerciales sólo almacena los valores
no nulos de la matriz de coeficientes con el objeto de reducir al máximo el uso de
memoria.
2.3.2. Dependencia de la malla
La solución matemática exacta de la ecuación 2.1 es φexacta = e–x. Si se comparase el

valor exacto de la solución en el último nodo (x = 1) con el valor proporcionado por
la solución numérica con 5 nodos se comprobaría que el error es del 10,2% en dicho
nodo (v. figura 2.5).
Cuando se planteó la aproximación por diferencias finitas en el ejemplo unidi-
mensional, se estableció un error de truncamiento de primer orden. Por esta razón,
es de esperar que si se resuelve la aproximación numérica en un mayor número de
nodos (se reduce por tanto el valor de ∆x), el error de la solución numérica se
reduzca, mejorando el acuerdo entre la solución exacta y nuestra aproximación.
En la figura 2.5 se muestra el efecto de considerar un mayor número de nodos
para resolver la ecuación numéricamente. En particular, se compara la solución
exacta (línea negra) con los resultados obtenidos para 5 nodos (círculos negros) y 10
nodos (cuadrados grises). Efectivamente, el error numérico disminuye cuando el
número de nodos aumenta.
1,0
Sol. exacta
0,9 Sol. con 5 nodos
Sol. con 10 nodos
0,8
0,7
φ
0,6
0,5
0,4
0,3
0 0,2 0,4 0,6 0,8 1
x
Figura 2.5 Efecto de la dependencia de la malla.
Cuando las soluciones numéricas que se obtienen en diferentes mallados coinci-

den dentro de un nivel de tolerancia prefijado por el usuario, se dice que dichas
soluciones son independientes de la malla. Este concepto es perfectamente extra-
polable al caso de volúmenes finitos, en el que se obtiene independencia de la malla
si la solución final no varía, aun cuando el tamaño de las celdas se reduzca progresi-
vamente.
Es particularmente importante determinar qué grado de influencia tiene la den-
sidad de la malla sobre la solución numérica obtenida. Por tanto es imprescindible
que antes de adoptar como solución numérica el resultado de una simulación dada,
se haya contrastado que efectivamente dicha solución no cambia cuando se utiliza
un mallado más denso.
2.4 El problema de la no linealidad de las ecuaciones
Como se verá en el siguiente capítulo, las ecuaciones de conservación de momento

para un fluido (ecuaciones de Navier-Stokes) son no lineales debido al término con-
G G
vectivo de la ecuación: (v ⋅ ∇ ) v , ya que es cuadrático con la velocidad (∝ v 2 ). Ade-
más, otros fenómenos como la turbulencia o las reacciones químicas introducen no
linealidades adicionales. Precisamente, la naturaleza no lineal de las ecuaciones las
2.4 El problema de la no linealidad de las ecuaciones 37
convierte en especialmente complejas para su resolución, incluso numérica, en la

mayoría de los flujos de interés.
Para comprender el efecto de la no linealidad en las ecuaciones se va a tratar de
resolver numéricamente la siguiente ecuación unidimensional:
dφ
+ φ2 = 0 ; 0 ≤ x ≤ 1 ; φ(0) = 1 [2.13]
dx
Una aproximación por diferencias finitas de primer orden, similar a la obtenida

en la ecuación 2.4, llevaría a que:
φi − φi -1
+ φi2 = 0 [2.14]
∆x
que resulta ser una ecuación algebraica no lineal en la que el término φi2 es el origen
de la no linealidad.
La estrategia que se introduce aquí es la de linealizar la ecuación en torno a un
valor estimado, para después iniciar un proceso iterativo de tipo predictor-corrector
que se detiene cuando el valor estimado coincide con la solución dentro de un nivel
de tolerancia prefijado. Para ilustrar este procedimiento se toma un valor estimado
inicial, φ0, de modo que la diferencia inicial entre la solución y el valor supuesto en
un nodo es: ∆φi = φi − φ0i .
Reordenando la ecuación y elevando al cuadrado se obtiene:
2
φi2 = φ02i + 2 φ0i ∆φi + ( ∆φi )
Suponiendo que la diferencia es pequeña, ∆φi φ0i , es posible despreciar el

infinitésimo de orden superior, para obtener:
φi2 ≈ φ02i + 2 φ0i ∆φi = φ02i + 2 φ0i ( φi − φ0i )

Es decir:
φi2 ≈ 2 φ0i φi − φ02i
Por tanto, la aproximación por diferencias finitas 2.14 tras la linealización queda:
φi − φi -1
+ 2 φ0i φi − φ20i = 0 [2.15]
∆x
en la que el error debido a la linealización es de orden O ( ∆φ2 ) y que tiende a cero

cuando φ0 → φ . Evidentemente, para poder calcular la aproximación según 2.15
se necesitan valores iniciales φ0 en todos los nodos de la malla.
Una vez linealizada la ecuación se procede a iniciar el proceso iterativo. Con el
valor inicial φ0 se calculan los valores φi en cada uno de los nodos resolviendo el sis-
tema. A continuación, el valor de φi obtenido en la última iteración se utiliza como
el valor estimado para la siguiente. Es decir:
Iteración 1: φ(1)
0 , valor inicial
(1)
Iteración 2: φ(2)
0 =φ
Iteración 3: φ(3) (2) [2.16]

0 =φ
...
Iteración k: φ(0k ) = φ(k−1)
donde el superíndice indica el número de iteración. El proceso se repite hasta que

la diferencia entre el valor obtenido en cada iteración y el valor estimado se hace
tan pequeño como se quiera. En ese momento, se dice que la solución ha conver-
gido.
Este proceso iterativo es esencial en el uso de códigos CFD. Es fundamental
recordar que la linealización se realiza en torno a un valor estimado inicial y que es
necesario completar el proceso iterativo hasta que se satisface el criterio de conver-
gencia.
2.5 Método iterativo de resolución
En el apartado anterior se ha visto la necesidad de introducir un proceso iterativo

para poder hacer frente al problema de la no linealidad de las ecuaciones a resolver.
Sin embargo, como ya se avanzó en apartados anteriores, existe otro problema que
también necesita del cálculo iterativo para ser resuelto en las aplicaciones prácticas
de CFD: el problema de la inversión de matrices.
Reordenando la ecuación 2.15 anterior se puede establecer que para cada nodo:
−φi -1 + (2 ∆x φ0i ) φi = ∆x φ20i [2.17]

2.5 Método iterativo de resolución 39
Procediendo de manera análoga a lo planteado en el apartado 2.3.1, introdu-

ciendo la condición de contorno en el primer nodo de la malla de 5 puntos del
dominio discreto y reescribiendo de manera matricial el sistema, se establece:
⎡1 0 0 0 0 ⎤⎡ φ1 ⎤ ⎡ 1 ⎤
⎢ ⎥⎢ ⎥ ⎢ ∆x φ2 ⎥
⎢−1 1 + 2 ∆x φ02 0 0 0 ⎥⎢ φ2 ⎥ ⎢ 02 ⎥
⎢0 −1 1 + 2 ∆x φ03 0 0 ⎥⎢ φ ⎥= ∆x φ203 ⎥
⎢
⎢ ⎥⎢ 3 ⎥ ⎢ ⎥
⎢ 0 0 − 1 1 + 2 ∆ x φ04 0 φ ⎢
⎥⎢ 4 ⎥ ∆x φ04 2 ⎥
⎢
⎣ 0 0 0 − 1 1 + 2 ∆ x φ ⎥⎣
⎢φ ⎦ ⎥ ⎢ ⎥
05 ⎦ 5 ⎢ 2 ⎥
⎣ ∆x φ05 ⎦
[2.18]
La resolución directa del sistema en cada iteración requeriría nuevamente de la

inversión de la matriz de coeficientes. Lógicamente, en el caso de disponer un domi-
nio con millones de nodos, esta inversión requiere un esfuerzo computacional ina-
bordable (¡y además habría que hacer una inversión por cada iteración!), por lo que
nuevamente se acude a un proceso iterativo para resolver la matriz.
Si se reordena la ecuación 2.15 para obtener la variable φi en función de los valo-
res en los nodos vecinos se tiene:
φi−1 + ∆x φ20i
φi = [2.19]
1 + 2 ∆x φ0i
Lógicamente, si el valor de la celda aún no está disponible en la iteración actual,

se utiliza o bien el valor supuesto, o bien el valor en la iteración anterior. Tomando
como criterio que se va a recorrer el mallado 1-D de cinco nodos de derecha a
izquierda (es decir, primero se actualiza en cada iteración el valor φ5, luego el valor
φ4 y así hasta finalmente φ2), es evidente que en la iteración k-ésima el valor de φ(i−
k)
1
no está disponible cuando se está calculando φ(i k ) , así que deberá usarse el valor
k−1)
φi(−1 en su lugar, de forma:
2
φ(0,ki)−1 + ∆x ( φ(0ki ) )
φi(k ) = [2.20]
1 + 2 ∆x φ(0ki )
donde φ(i−
k) (k )
1 se ha aproximado por φ0, i−1 , que es igual al valor en la iteración anterior:
( k−1)
φi−1 .
Puesto que se han empleado valores aproximados en las celdas vecinas, efectiva-
mente sólo se está obteniendo una solución aproximada al problema de la inversión
de matriz en 2.18 en cada iteración. Sin embargo, el ahorro de la carga computacio-
nal asociada es inmenso. Este, a priori, inconveniente no lo es tanto si se considera

que no tiene sentido ejecutar una solución precisa de un sistema de ecuaciones que
ya está aproximado debido a la linealización del término convectivo. Por el contra-
rio, es realmente una estrategia muy conveniente el haber combinado la necesidad
del proceso iterativo consecuencia de los términos no lineales con el ahorro compu-
tacional asociado a la inversión iterativa de la matriz de coeficientes en un único
paso iterativo.
De esta forma, se puede concluir que el proceso iterativo tiene dos claras funciones:
c Garantiza una eficiente inversión de las matrices con una gran reducción de
gasto computacional.
c Resuelve el problema de la no linealidad de las ecuaciones de gobierno.
Para problemas estacionarios, una estrategia muy práctica y muy utilizada en los
códigos CFD comerciales es la de resolver la formulación no estacionaria de las
ecuaciones de gobierno, prolongándola en el tiempo hasta que la solución converge
a una situación estacionaria. En este caso, cada paso o salto temporal de la simula-
ción es realmente una iteración, en la que los valores estimados en cada paso vienen
fijados por los valores de la solución en el paso temporal anterior.
2.6 Criterio de convergencia para la solución iterativa
En el apartado anterior se ha visto que los errores debido a la linealización y a la

inversión de la matriz de coeficientes tienden a cero a medida que φ0 → φ. Por
tanto, para decidir si el proceso iterativo ya está agotado, debe plantearse una com-
parativa entre la solución obtenida en la iteración actual y la solución de la iteración
previa. El proceso iterativo, por tanto, debe mantenerse hasta que algún indicador
de la diferencia entre φ0 y φ, normalmente denominado residuo, sea lo suficiente-
mente pequeño.
Típicamente, se define un valor global del residuo en todas las celdas del dominio
discretizado como la media del valor RMS de la diferencia entre la solución actual y
la anterior en cada celda de la malla. Evidentemente, con esta formulación se evita
que errores positivos se cancelen con errores negativos, y al hacer la media en todas
las celdas, se consigue dar un único valor total.
Es importante darse cuenta de que es necesario escalar este residuo por el valor
medio de la variable resuelta en el dominio. Esto es, el residuo (o error de conver-
gencia) debe darse en términos relativos con respecto al valor medio de la variable
2.6 Criterio de convergencia para la solución iterativa 41
en el dominio. De otra forma, se podrían cometer importantes errores, suponiendo

que una solución ha convergido cuando en realidad no lo ha hecho. Por ejemplo, si
se obtiene que el valor RMS de la diferencia es 0,05, que es un valor pequeño, se esta-
ría en un error si se afirma que ha convergido si luego se comprueba que el valor
medio de la variable es 0,5 (error del 10%). Ahora bien, si el valor medio de la varia-
ble es 500, entonces sí que podría hablarse de convergencia, pues el error sería tan
sólo del 0,01%.
Por tanto, escalando el residuo por la media de la variable en todo el dominio se
obtiene la siguiente expresión:
N
2
N ∑ ( φi − φ0i )
i=1 [2.21]
R= N
∑ φi
i=1
Para el problema 1-D que se ha definido anteriormente, se ha resuelto iterativa-

mente la ecuación 2.20 tomando como valor inicial en todos los nodos el valor de la
condición de contorno en el extremo de la izquierda. En cada iteración se actualiza φ0,
recorriendo el dominio de derecha a izquierda, y resolviendo φ5, φ4, φ3 y φ2 mediante
el sistema de ecuaciones 2.19 y calculando el residuo según 2.20. Se ha fijado que el
proceso termine cuando el residuo sea menor que 10–9 (que establece el denominado
criterio de convergencia). La evolución del residuo con el número de iteraciones se
muestra en la figura 2.6(b). Es muy habitual emplear una escala logarítmica para el eje
de ordenadas. Nótese que el proceso iterativo converge en tan solo unas pocas itera-
ciones; sin embargo, para problemas reales con millones de nodos, normalmente se
necesita un número muy elevado de iteraciones para obtener la convergencia.
En la figura 2.6(a) se muestra también la evolución de la solución durante las itera-
ciones hacia la solución exacta. En este caso, la solución exacta es φexacta = 1/(x + 1).
La solución para las iteraciones finales prácticamente ya no varía (a partir de la ter-
cera es imperceptible), lo cual indica que el proceso iterativo ya está agotado por
más que se siguiese intentando mejorar la solución. No obstante, aun cuando su
convergencia haya sido perfecta, la solución no presenta un buen acuerdo con la
solución exacta. Esto es consecuencia de la elección de un mallado demasiado basto,
por lo que el error de truncamiento resulta ser demasiado grande. De hecho, el error
de convergencia es de orden 10–9, mientras que el error de truncamiento es de orden
10–1. En una simulación adecuada, ambos errores deben ser semejantes y menores
(controlados) que el nivel máximo aceptable para el usuario.
Conviene indicar que el criterio de convergencia para cada ecuación de conser-
vación que debe resolverse es extremadamente dependiente del código y del caso
1,00 10 0
0,95
0,90
0,85 5
10
0,80
Residuo
0,75
0,70 iter.nº1 10
iter.nº2 10
0,65 ?
iter.nº3
0,60 ?
?
iter.nº4
0,55 iter.nº5
15
0,50 10
0 0,2 0,4 0,6 0,8 1 1 2 3 4 5
x Nº Iteraciones
Figura 2.6 (a) Convergencia de la solución. (b) Evolución del residuo.
(geometría, dominio, modelos, fluido, etc.). Por tanto, un criterio de convergencia

que puede ser suficiente para un determinado modelo puede ser insuficiente para
otro. De todas formas, como norma general, es muy habitual considerar que la con-
vergencia se ha conseguido cuando todas las variables resueltas presentan un resi-
duo global menor que 10–3.
2.7 Estabilidad numérica
En el ejemplo 1-D anterior, las iteraciones convergían rápidamente con un valor del
residuo que caía por debajo de 10–9 en muy pocas iteraciones. En las simulaciones
habituales, las iteraciones convergen de una manera mucho más lenta, pudiendo
incluso divergir si las condiciones a simular son muy exigentes o los parámetros físi-
cos empleados no son compatibles. Por tanto, es muy útil conocer a priori las condi-
ciones que garantizan que una simulación va a converger antes de ponerse a resolver
el modelo numérico. Para ello, se utiliza lo que se denomina análisis de estabilidad
del esquema numérico.
Se dice que un método numérico es estable cuando el proceso iterativo converge,
mientras que se califica de inestable cuando diverge. Desgraciadamente, no es posible
realizar un análisis de estabilidad realmente exacto con las ecuaciones que rigen los
flujos (Navier-Stokes, e incluso la de Euler). Sin embargo, siempre es posible acometer
un estudio aproximado, proporcionando condiciones aproximadas para la estabilidad.
2.7 Estabilidad numérica 43
Ya se comentó que una estrategia útil para resolver problemas de flujo estaciona-
rios es la de resolver una simulación no estacionaria hasta que se alcanzan las condi-
ciones asintóticas del modelo. Cuando se usa esta estrategia, el interés recae
únicamente en una buena obtención del valor asintótico final. Por tanto, interesa
utilizar un paso temporal lo más grande posible para poder llegar a ese estado final
lo antes posible (computacionalmente hablando). Como no escapará al lector, hay
un paso temporal máximo, ∆tmax, a partir del cual el modelo numérico se vuelve
inestable. Si se supera ese valor, los errores numéricos crecen exponencialmente.
Además, como es de esperar, ese paso temporal depende de la discretización espa-
cial empleada.
En general, se pueden establecer dos clases fundamentales de esquemas numéri-
cos: los explícitos y los implícitos. La diferencia entre ambos se ilustra perfecta-
mente a partir de la ecuación de onda unidimensional:
∂φ ∂φ
+c =0 [2.22]
∂t ∂x
donde c representa la velocidad de la onda. Una posibilidad para discretizar la ecua-

ción 2.22 en el nodo i y en el instante n es plantear diferencias finitas mediante:
φ(i n) − φ(i n−1) φ(n−1) − φ(i−

n−1)
+c i 1
=0 [2.23]
∆t ∆x
El punto crucial en esta aproximación es que la derivada espacial está evaluada

en el instante anterior (n – 1), por lo que se puede obtener φ(i n) de manera explícita
en cada nodo sin necesidad de invertir ninguna matriz de coeficientes:
⎡ ⎛ c ∆t ⎞⎤ (n−1) ⎛ c ∆t ⎞ (n−1)
φi(n) =⎢1 −⎜ ⎟⎥φi +⎜ ⎟φi−1 [2.24]
⎣ ⎝ ∆x ⎠⎦ ⎝ ∆x ⎠
Por tanto, éste es el esquema denominado explícito y que puede ser implemen-
tado de manera directa y muy sencilla en el computador. Sin embargo, este esquema
sólo es estable si se cumple que:
c ∆t
CFL = ≤1 [2.25]
∆x
donde CFL es el denominado número de Courant. También es muy habitual refe-

rirse a esta condición como la condición de Courant-Friedrichs-Lewy o directa-
mente condición CFL. Esta condición fija el paso temporal máximo como aquel que
permite que la velocidad de propagación de las perturbaciones en el mallado avance
como máximo el tamaño de una celda por paso temporal. Si se avanzan más celdas,
la información numérica se pierde y la solución diverge. Nótese que el coeficiente de
φi(n−1) en 2.24 cambia de signo en función de que CFL > 1 o CFL < 1, dando lugar a
un comportamiento muy diferente en ambos casos.
Por otro lado, en el esquema implícito, el término de la derivada espacial se eva-
lúa en el mismo instante n que se trata de resolver:
φ(i n) − φ(i n−1) φ(n) − φ(i−

n)
+c i 1
=0 [2.26]
∆t ∆x
De este modo no se puede resolver cada nodo de forma independiente, sino que
es necesario resolver un sistema algebraico de ecuaciones acoplado que calcula los
valores en todos los nodos de manera simultánea. Lo realmente interesante de este
esquema es que es incondicionalmente estable para la ecuación de onda, indepen-
dientemente de lo grande que sea el paso temporal.
Los límites de estabilidad anteriores aplican a la ecuación de onda, pero debido a
la naturaleza matemática que rige las ecuaciones de la Mecánica de Fluidos, los
esquemas explícitos sobre la ecuación de Euler o la de Navier-Stokes presentan res-
tricciones similares para el número de Courant (menor o igual que la unidad). Los
esquemas implícitos no permiten una estabilidad incondicional, pero sí garantizan
pasos temporales grandes y números de Courant ampliamente mayores que uno. En
este caso, el máximo número de Courant admisible depende del caso.
Los códigos CFD comerciales permiten fijar normalmente el número de
Courant. Es ventajoso elegir números de Courant grandes, siempre y cuando la esta-
bilidad esté garantizada. Muchas veces, el número de Courant puede ser incremen-
tado conforme avanza la simulación, cuando los cambios en la solución debido a los
efectos no lineales sean cada vez menores.
2.8 Precisión, consistencia, estabilidad y convergencia
Aunque en los apartados anteriores ya se ha mostrado a grandes rasgos lo que signi-

fica el concepto de precisión de una simulación, así como la idea de convergencia de
un proceso iterativo, no está de más definir formalmente estos importantes concep-
tos que permiten dar validez o no a una solución numérica.
2.8 Precisión, consistencia, estabilidad y convergencia 45
La precisión se relaciona con el acuerdo de la solución numérica con respecto a

la solución exacta o real. Sin embargo, puesto que en la mayoría de las ocasiones no
se conoce la solución exacta (y por esa razón se utilizan técnicas numéricas), es más
útil hablar de error de truncamiento de la discretización. La idea importante es que
el error de truncamiento informa de cuánto se reducirá el error si se refina la malla
(tanto espacial como temporal), pero no de qué tamaño es el error que se está come-
tiendo. Por tanto, la gran ventaja de usar discretizaciones de segundo orden es que si
se refina el mallado al doble se consigue reducir el error de truncamiento en un fac-
tor de cuatro.
Respecto a la consistencia, se dice que un método numérico es consistente si el
error de truncamiento tiende a cero cuando el mallado se hace cada vez más y más
fino (esto es, la discretización tiende de nuevo hacia el continuo). Dicho de otro
modo, el sistema de ecuaciones algebraico generado por la discretización es consis-
tente si dicho sistema es equivalente al sistema original en derivadas parciales en
cada punto cuando el espaciado del mallado tiende a cero. Esta propiedad es muy
importante, pues es la que realmente garantiza que el refino del mallado permite
mejorar la solución numérica obtenida.
Las dos propiedades anteriores están relacionadas con el comportamiento del
método de discretización. Por el contrario, la estabilidad es la propiedad que con-
trola el proceso hacia la solución. En el apartado anterior ya se discutió sobre esta
importante característica, relacionada con el crecimiento o atenuación de errores
introducidos en la fase de cálculo. En resumen, se puede decir que el conjunto de
ecuaciones resulta estable si los valores de las variables implicadas tienden hacia una
solución correcta sin que los errores de cálculo en la solución discreta deformen los
resultados mientras se realiza el proceso numérico.
Finalmente, recordar el concepto de convergencia como aquel que determina si
los valores de las variables en los puntos del dominio tienden hacia unos valores fijos
mientras la solución progresa. Es importante distinguir entre la idea de que un pro-
ceso iterativo ha convergido hacia una solución y el hecho de que se haya obtenido
convergencia empleando un determinado método. En otras palabras, se puede
hablar de convergencia cuando el método iterativo se ha completado satisfactoria-
mente, o también hablar de convergencia cuando además esa convergencia es inde-
pendiente de la malla. Lógicamente, la segunda interpretación es bastante más
restrictiva, siendo además la que debería garantizarse en cualquier estudio numérico
riguroso.
La figura 2.7 muestra un resumen de estos conceptos y la relación existente entre
ellos.
CONSISTENCIA
Sistema de ecuaciones Sistema de ecuaciones
en derivadas parciales algebraicas (linealizado)
DISCRETIZACIÓN
ESTABILIDAD
CONVERGENCIA
Solución aproximada
Solución exacta
del sistema lineal
Dx, Dt ® 0
Figura 2.7 Requisitos de las discretizaciones numéricas.
2.9 El problema del cierre turbulento
Como es bien sabido, los flujos pueden presentarse en dos regímenes completamente
diferentes: bien en régimen laminar, bien en régimen turbulento. Los flujos lamina-
res se caracterizan porque las partículas de fluido se mueven de manera ordenada, en
láminas, en la dirección de la corriente y sin generar flujos ni movimientos transver-
sales. Este tipo de flujos aparece cuando la viscosidad es el fenómeno de transporte
dominante, lo cual permite atenuar cualquier tiempo de perturbación que pudiera
afectar al flujo. Se caracterizan por presentar un número de Reynolds bajo.
Por el contrario, los flujos turbulentos se caracterizan por presentar fluctuacio-
nes aleatorias de los campos de presión y velocidad tanto en el tiempo como en el
espacio. Estas fluctuaciones provienen de unas inestabilidades del flujo que en
forma de cascada de energía generan vórtices cada vez más pequeños hasta que se
disipan en forma de calor por la acción de la viscosidad.
Típicamente, la evolución de una variable fluidodinámica (como la velocidad) en
un punto del espacio está compuesta por una serie de fluctuaciones de distinta
escala en el caso de flujo turbulento, que es normalmente el tipo de flujo habitual
(v. figura 2.8). Es curioso, casi irónico, observar cómo las ecuaciones de gobierno
son ecuaciones exactas, estrictamente formuladas en su sentido matemático, y, sin
embargo, sus soluciones reales dan lugar a fenómenos turbulentos, aleatorios, que
sólo tienen sentido práctico si se analizan desde un punto de vista estadístico (como
valor medio de la velocidad e intensidad promediada de las fluctuaciones).
En concreto, para poder cuantificar el nivel de oscilación de esa traza de veloci-
dad de la figura 2.8, es necesario realizar un promedio de la misma, con el objeto de
0,5
U = 37,2 m/s
Fluctuación de velocidad (m/s)
0,25
Vórtices pequeños
Vórtices grandes
–0,25
–0,5
0 10 20 30 40 50
Tiempo (ms)
Figura 2.8 Fluctuación de velocidad en un flujo turbulento (adaptado de Davidson, 2004).
determinar su valor medio y la intensidad y frecuencia de las oscilaciones. De esta

forma, es habitual definir el denominado promediado de Reynolds como:
1T
φ = lim
T →∞ T
∫ φ (t ) d t [2.27]
0
donde la desviación de la variable en el tiempo respecto de su valor medio, la fluctua-

ción turbulenta, se define como: φ′ = φ − φ . Por definición (basta sustituir en 2.27
y hacer la media), se tiene que φ′ = 0 (la media de la fluctuación es cero). Por lo
tanto, para poder dar un valor medio de la intensidad de la fluctuación, se utiliza el
valor cuadrático de dicha fluctuación o valor RMS según:
1T
φ′2 = lim ∫ ( φ − φ)2 dt [2.28]
T →∞ T
0
que, lógicamente, siempre es mayor que cero.

Las aproximaciones para resolver las ecuaciones de gobierno en flujo turbulento
se pueden clasificar en dos grandes grupos: la resolución directa de las ecuaciones
(Direct Numerical Simulation; DNS) o bien el empleo de algún modelo de turbu-
lencia una vez realizado un promedio temporal o un filtrado espacial de las ecuacio-
nes (Reynolds-Averaged Navier Stokes equations, RANS, con promedio temporal

o Large Eddy Simulation, LES, con filtrado espacial).
La simulación numérica directa resuelve todas las fluctuaciones temporales y
espaciales. Esto implica que para números de Reynolds elevados (a partir de 105)
se exigen mallados extraordinariamente densos y pasos temporales muy bajos
para poder resolver todos los tamaños de vórtices del flujo (denominados “vórti-
ces pequeños” y “vórtices grandes” en la figura 2.8). En realidad, el procedimiento
de resolución es análogo al que se emplea para flujo laminar, si bien debe afrontar
la resolución de las fluctuaciones a todas las escalas. Desafortunadamente, con los
medios computaciones disponibles hoy día, solamente es posible resolver este
esquema para geometrías muy sencillas (flujos en canales rectangulares, chorros
canónicos, capas límites sobre placas, etc.) con unos costes computacionales enor-
mes.
La alternativa más habitual al DNS es la resolución de las ecuaciones promedia-
das. Por tanto, en esta aproximación RANS se resuelven únicamente los valores
medios (promediados) de las variables fluidodinámicas, pero a costa de introducir
una serie de términos adicionales, las tensiones de Reynolds, que habrá que mode-
lizar para poder garantizar el cierre del sistema de ecuaciones. Lógicamente, estos
modelos son generales y pueden provocar importantes errores en los cálculos
numéricos.
Aplicando el operador definido en 2.27 a las ecuaciones de gobierno, y tras un
poco de álgebra, se vuelven a obtener las ecuaciones de partida en variables prome-
diadas, pero junto con las tensiones de Reynolds como término adicional descono-
cido. La expresión general de dichas tensiones es: τ ij = −ρu′i u′j , que tiene forma de
tensor y que computa el producto de las fluctuaciones de velocidad en todas las
direcciones del dominio. Ese producto es un momento de orden superior que debe
modelarse en función de las variables definidas que se van a resolver, esto es, nor-
malmente función de las velocidades medias y sus derivadas. La semisuma de la dia-
gonal principal del tensor se denomina energía cinética turbulenta, por analogía con
la definición de energía cinética del flujo medio, y se define como
1
2
1
(
k = u′i u′i = u′2 + v′2 + w′2
2
)
En el capítulo 10 se abordará esta problemática con más detalle, ya que es en sí
misma una disciplina de estudio de primera magnitud.
Recientemente se han consolidado las técnicas LES como un alternativa interme-
dia entre DNS y RANS. Este tipo de técnicas reducen la complejidad de las ecuacio-
nes considerando sólo parte de los efectos turbulentos del flujo. En este caso se
resuelve el intercambio energético entre las denominadas fluctuaciones de gran
escala (“vórtices grandes” en la figura 2.8) y se modeliza únicamente el efecto de las

pequeñas escalas de la turbulencia.
La gran ventaja de la técnica LES es que permite definir modelos para las peque-
ñas escalas, que por definición son mucho más isotrópicas y por tanto más fácilmen-
te modelizables. Aunque no llega al extremo de la simulación directa, también
requiere de capacidades de cálculo muy elevadas, sobre todo para tener en cuenta
los efectos de cortadura en las proximidades de los contornos sólidos. Por esta
razón, la densidad de malla también debe ser muy alta en las zonas contiguas a las
paredes.
3
ECUACIONES
DIFERENCIALES DE
CONSERVACIÓN
Para poder simular correctamente una tipología de flujo, la transferencia de

calor u otros fenómenos físicos relacionados, es necesario en primer lugar des-
cribir en términos matemáticos los fenómenos físicos involucrados.
Prácticamente todos los fenómenos físicos de interés en Mecánica de Flui-
dos cumplen con los principios de conservación, los cuales están expresados en
forma de ecuaciones en derivadas parciales. De esta forma, la ecuación de con-
tinuidad expresa la conservación de masa; la ecuación de momento expresa la
conservación del momento lineal; y la ecuación de energía expresa la conserva-
ción de la energía total del flujo.
En este capítulo se obtiene la expresión general de una ecuación de conserva-
ción, analizando sus propiedades matemáticas de cara a su resolución y particula-
rizándola para establecer las ecuaciones de gobierno de la Mecánica de Fluidos.
52 Capítulo 3 Ecuaciones diferenciales de conservación
Contenidos
3.1. Ecuación general de conservación

3.2. Ecuaciones de gobierno para el flujo y la transferencia de calor
3.2.1. Ecuación de conservación de masa
3.2.2. Ecuación de conservación de momento
3.2.3. Ecuación de conservación de la energía
3.2.4. Ecuación de conservación de las especies
3.3. Forma integral de la ecuación general
3.4. Ecuaciones simplificadas para la resolución del flujo: técnicas numéricas
3.4.1. Flujo potencial y flujo ideal
3.4.2. Flujo incompresible en la capa límite
3.4.3. Flujo viscoso incompresible
3.4.4. Flujo compresible
3.5. Clasificación matemática de las ecuaciones en derivadas parciales
3.5.1. Consideraciones físicas
3.5.2. Consideraciones matemáticas
3.5.2.1. Comportamiento elíptico
3.5.2.2. Comportamiento parabólico
3.5.2.3. Comportamiento hiperbólico
3.5.3. Clasificación para las ecuaciones del flujo
3.6. Condiciones iniciales y de contorno
Los apartados 3.1 y 3.2 han sido adaptados de Mathur, S.R. y Murthy J.Y., "The Finite Volume
Method", Class notes for ME608, Numerical Methods in Heat, Mass and Momentum Transfer,
Purdue University (EE.UU.), 2001-2011; Chapter 1: "Mathematical Modeling".
Los apartados 3.3 y 3.5 han sido adaptados de Versteeg, H.K. y Malalasekera, W., "An
Introduction to Computational Fluid Dynamics: The Finite Volume Method", Ed. Pearson Edu-
cation Ltd, 2007; Chapter 2: "Conservation Laws of Fluid Motion and Their Boundary Condi-
tions".
3.1 Ecuación general de conservación
Típicamente las ecuaciones de gobierno de la Mecánica de Fluidos, como las que

describen la conservación de masa, momento o energía, están expresadas en tér-
minos de variables específicas o intensivas, es decir, de cantidades expresadas
por unidad de masa. Por ejemplo, la ecuación de momento describe el principio
G
de conservación de la cantidad de movimiento (mv ) por unidad de masa (esto
G
es, la velocidad v ). Del mismo modo, la ecuación de conservación para las espe-
cies químicas se expresa en función de las fracciones másicas de cada una de
ellas.
Considérese una variable específica φ definida sobre un volumen de control
(VC) de dimensiones ∆x, ∆y, ∆z, tal y como se muestra en la figura 3.1. La variación
temporal de la variable en dicho volumen de control se puede considerar a partir del
principio de conservación como:
⎡ Incremento de φ ⎤ ⎡ Flujo neto de φ que ⎤ ⎡ Generación neta de φ ⎤

⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ en el VC respecto ⎥=⎢ entra en el VC por ⎥+⎢ en el interior del VC ⎥ [3.1]
⎢
⎣ del tiempo ⎥ ⎦ ⎢
⎣ las superficies ⎥
⎦ ⎢
⎣ respecto del tiempo ⎥ ⎦
Jx Δz Jx + Δx
Δy
Δx
Figura 3.1 Volumen de control.
Cada uno de los sumandos incluidos en 3.1 se pueden expresar matemáticamen-

te como:
c El incremento de φ en el volumen de control para un incremento de tiempo ∆t

viene expresado por ( ρφ∆ϑ )t +∆t − ( ρφ∆ϑ )t , donde ρ es la densidad del fluido,
∆ϑ es el volumen del elemento de control y t es el tiempo.
c La generación neta de φ en el volumen de control se puede expresar de manera

genérica como S ∆ϑ ∆t, donde S representa la generación (“fuente”) de la
variable por unidad de volumen. Normalmente, se le denomina término fuente.
c El término restante, el flujo neto de la variable por las superficies de control,

se analiza definiendo los flujos (perpendiculares) a cada superficie del cubo
de la figura 3.1. Para la dirección x, se define el flujo neto como
( J x − J x+∆x ) ∆y ∆z ∆t , pudiéndose establecer expresiones similares para el
resto de las direcciones. Así, agrupándolo todo, se obtendría el flujo neto
total en el volumen de control en función del tiempo como:
( J x − J x+∆x ) ∆y ∆z ∆t + ( J y − J y+∆y ) ∆x ∆z ∆t + ( J z − J z +∆z ) ∆x ∆y ∆t [3.2]
Considerando los mecanismos físicos responsables de la generación del flujo, es

posible determinar una expresión matemática para J en función de las propias
variables del flujo. Así, teniendo en cuenta que existen dos mecanismos funda-
mentales responsables de la generación de un flujo, como son la difusión, origi-
nado a nivel molecular, microscópico, y la convección, asociado al movimiento
del fluido a nivel macroscópico, es posible formular los flujos en cada cara como
combinación de ambos mecanismos.
G G Definiendo
G el vector velocidad del flujo de
G
forma general como v = ui + vj + wk , para la dirección x se puede escribir:
⎛ dφ ⎞ ⎛ dφ ⎞
J x =⎜ ρu φ − Γ ⎟ ; J x +∆x =⎜ ρu φ − Γ ⎟ [3.3]
⎝ dx ⎠x ⎝ dx ⎠x +∆x
⎛ dφ ⎞
donde ( ρu )x es el flujo másico a través de la cara x y ⎜ Γ ⎟ es la difusión
⎝ dx ⎠x
molecular de la variable, producida por un gradiente de dicha variable (que dicta
el establecimiento del flujo de la variable de zonas de mayor a zonas de menor
concentración) y modulada por un coeficiente de transporte Γ que informa de la
facilidad o dificultad del gradiente para establecer el flujo.
Introduciendo todas las expresiones anteriores dentro del balance en 3.1, y

habiendo determinado expresiones similares para la expresión del flujo en el resto
de las direcciones, se obtiene, tras haber dividido la ecuación por ∆ϑ ∆t que:
⎛ dφ ⎞ ⎛ dφ ⎞
⎜ ρu φ − Γ ⎟ −⎜ ρu φ − Γ ⎟
( ρφ)t +∆t − ( ρφ)t ⎝ dx ⎠x ⎝ dx ⎠x +∆x
= +
∆t ∆x
⎛ dφ ⎞ ⎛ dφ ⎞
⎜ ρv φ − Γ ⎟ −⎜ ρv φ − Γ ⎟
⎝ dy ⎠y ⎝ dy ⎠y +∆y
+ + [3.4]
∆y
⎛ dφ ⎞ ⎛ dφ ⎞
⎜ ρw φ − Γ ⎟ −⎜ ρw φ − Γ ⎟
⎝ dz ⎠z ⎝ dz ⎠z +∆z
+ +S
∆z
Tomando límites cuando ∆x, ∆y, ∆z, ∆t → 0, se obtiene en forma diferencial:
⎛ dφ ⎞ ⎛ dφ ⎞ ⎛ dφ ⎞
∂⎜ ρu φ − Γ ⎟ ∂⎜ ρv φ − Γ ⎟ ∂⎜ ρw φ − Γ ⎟
∂ ( ρφ) ⎝ dx ⎠ ⎝ dy ⎠ ⎝ dz ⎠
=− − − +S [3.5]
∂t ∂x ∂y ∂z
Es conveniente reescribir la ecuación 3.5 separando los términos difusivos de los

convectivos de forma que:
∂ ( ρφ) ∂ ∂ ∂ ∂ ⎛ ∂φ ⎞ ∂ ⎛ ∂φ ⎞ ∂ ⎛ ∂φ ⎞
+ ( ρu φ) + ( ρv φ) + ( ρw φ) = ⎜ Γ ⎟+ ⎜ Γ ⎟+ ⎜ Γ ⎟+ S
∂t ∂x ∂y ∂z ∂x⎝ ∂x ⎠ ∂y⎝ ∂y ⎠ ∂z⎝ ∂z ⎠
[3.6]
O bien, de forma vectorial:
∂ ( ρφ) G
+ ∇⋅ ( ρv φ) = ∇⋅ ( Γ∇φ) + SN [3.7]

∂t

fuente
convectivo difusivo
temporal
Por tanto, se observa que en la ecuación general 3.7 aparecen cuatro términos:
c Término temporal, que representa la variación local con el tiempo en el interior

del volumen de control; es decir, la acumulación o disminución de φ.
c Término convectivo, que representa el transporte de la variable de un punto a

otro del dominio por medio de la velocidad del flujo.
c Término difusivo, que se corresponde con alguno de los fenómenos de trans-

porte que ocurren a nivel molecular: la ley de Fourier para la difusión de calor; la
ley de Fick para la difusión de masa o la ley de Newton para la difusión de canti-
dad de movimiento por efectos viscosos.
c Término fuente, para tener en cuenta fuentes de generación o destrucción de la

variable transportada.
La ecuación 3.7 representa la forma conservativa (en términos de divergencia)

de la ecuación general de conservación. Nótese que en caso de flujo estacionario y en
ausencia de cualquier tipo de producción y/o destrucción
G de la variable, la divergen-
cia de los flujos convectivos y difusivos es cero: ∇⋅ J = 0. Por tanto, la forma con-
servativa es una definición exacta acerca de la conservación de φ en función de los
mecanismos físicos de flujo (convección y difusión).
También es importante apreciar que la velocidad del flujo, que normalmente
también es una incógnita, aparece en la definición de la ecuación general de trans-
porte. Evidentemente, esto implica que es necesario conocer el campo de veloci-
dades a fin de poder resolver la ecuación de gobierno de cualquier otra variable,
como la presión o la temperatura, pero ¿cómo se va a poder resolver la ecuación
de transporte genérica para cada una de las componentes de la velocidad si preci-
samente necesito la velocidad para resolver el término convectivo? No es ahora el
momento de adentrarse en los detalles operativos de cómo resolver esta proble-
mática, pero sí en incidir que la presencia del campo de velocidad como dato
necesario para resolver la ecuación de transporte de toda variable es un claro
inconveniente que generará una complejidad adicional en todo el proceso de reso-
lución.
El hecho de que en esta formulación aparezca el campo de velocidades dentro del
campo convectivo es consecuencia de haber adoptado una descripción euleriana del
problema a resolver. Es decir, el análisis del flujo sobre volúmenes de control lleva
asociado la utilización del concepto de derivada material, en el que la visión lagran-
giana sobre cada partícula de fluido se sustituye por una visión euleriana centrada
en el volumen de control. De esta forma es posible dar las condiciones fluidodiná-
micas que se producen en el volumen de control a lo largo del tiempo. De forma
matemática, está expresado como:
d ⎛∂⎞ G
=⎜ ⎟+ v ⋅ ∇ [3.8]
d t ⎝ ∂t ⎠
3.2 Ecuaciones de gobierno para el flujo y la transferencia

de calor
Las ecuaciones de gobierno para el flujo y las transferencias de calor y masa, así
como aquellas que rigen el transporte de otras variables, se pueden enunciar de
forma conservativa como en la ecuación 3.7. En cada caso, los coeficientes de trans-
porte, así como la variable específica que sustituye a φ, adoptan formas diferentes.
3.2.1. Ecuación de conservación de masa
La ecuación de conservación de masa, o ecuación de continuidad, establece de forma

general que el incremento de masa en el interior de un elemento fluido es consecuencia
del flujo neto de masa hacia dicho elemento. Puesto que en general no puede crearse ni
destruirse masa (salvo en casos donde haya involucradas reacciones nucleares), la
expresión no estacionaria, tridimensional, en un punto para un fluido general es:
∂ρ G
+ ∇⋅ ( ρv ) = 0 [3.9]
∂t
En el caso particular de flujo incompresible la densidad del fluido no varía tem-

poral ni espacialmente en el dominio, por lo que la ecuación se reduce a que la
G
divergencia de la velocidad debe ser nula: ∇⋅ v = 0.
En la tabla 3.1 se muestra la particularización de coeficientes y variables de la
ecuación general para obtener la ecuación 3.9. En este caso, se obtiene una ecuación
escalar con la densidad como variable intensiva, es decir, φ = 1, y en la que el térmi-
no difusivo y los términos fuentes se anulan: Γ = S = 0.
Tabla 3.1 Definición de variables y coeficientes en la ecuación general de conservación para

obtener las distintas ecuaciones de gobierno.
Variable/ Masa Momento Energía Especies

coeficiente (ec. 3.9) (ec. 3.12) (ec. 3.14) (ec. 3.15)
φ 1 (u, v, w) h mi
Γ 0 (μ, μ, μ) k Cp ρDi
⎛ −∂p −∂p −∂p ⎞

S 0 ⎜ + Sx , + Sy , + Sz ⎟ Sh Ri
⎝ ∂x ∂y ∂z ⎠
3.2.2. Ecuación de conservación de momento
La expresión general de la ecuación de momento para un fluido newtoniano (por

tanto, que presenta una relación lineal entre las tensiones cortantes y las deforma-
∂u
ciones resultantes según τ = μ ) e incompresible es (White, 1979):
∂y
G
∂v G G G G
ρ + ρ (v ⋅ ∇ ) v = −∇p + ρg + ∇ ( μ∇v ) [3.10]
∂t
Aprovechándose de las propiedades de los campos vectoriales (Aris, 1962), es

relativamente fácil reformular el término convectivo según:
(vG ⋅ ∇ ) vG ≡ vG ⋅ ∇vG = ∇⋅ (vG ⋅ vG ) − vG ⋅ ( ∇⋅ vG ) [3.11]
Y teniendo en cuenta que al ser incompresible el flujo es adivergente

G
(∇⋅ v = 0), se obtiene directamente sustituyendo 3.11 en 3.10:
G
∂ ( ρv ) GG G G
+ ∇ ( ρvv ) = ∇ ( μ∇v ) − ∇p + ρg [3.12]
∂t
que es la ecuación en su forma conservativa. Expresión similar se obtendría para el

caso compresible, aunque con un poco más de álgebra.
En este caso se obtiene una ecuación vectorial, según las tres direcciones del
espacio, en la que la particularización respecto de la ecuación general se ha conse-
G
guido fijando que la velocidad sea la variable intensiva, es decir, φ = v = (u, v, w ) ,
el coeficiente de difusión sea la viscosidad (la misma en todas las direcciones, lo cual
supone un medio homogéneo e isotrópico), Γ = μ, y el término fuente incorpore el
gradiente de presiones, otras fuerzas másicas como el campo gravitatorio y todas
aquellas partes del tensor de tensiones que no aparecen directamente en el término
difusivo. En la tabla 3.1 se muestra el resumen de la particularización.
Por tanto, como fenómeno de transporte relacionado con el término difusivo
(difusión de cantidad de movimiento) se tiene en este caso la viscosidad cinemáti-
ca, normalmente definida como ν = μ ρ con dimensiones L2T–1.
3.2.3. Ecuación de conservación de la energía
A pesar de que la expresión de la ecuación de la energía es ciertamente laboriosa, no

es muy difícil conseguir expresarla en términos conservativos según la ecuación 3.7.
Para simplificar el procedimiento, se considerará flujo a baja velocidad, incompresi-

ble y se despreciará la disipación viscosa.
En este caso particular, la ecuación de la energía se formula en términos de la
entalpía específica de forma:
∂ ( ρh ) G
+ ∇⋅ ( ρvh ) = ∇⋅ ( k ∇T ) + Sh [3.13]
∂t
donde k representa la conductividad térmica del fluido y T es la temperatura. Es

práctica habitual relacionar la temperatura con la entalpía según dh = C p dT de
modo que:
∂ ( ρh ) G ⎛ k ⎞
+ ∇⋅ ( ρvh ) = ∇⋅⎜
⎜C ∇ h ⎟+ Sh
⎟ [3.14]
∂t ⎝ p ⎠
Obsérvese nuevamente cómo la ecuación de la energía puede obtenerse directa-

mente de la ecuación general de conservación si se fija que φ = h, Γ = k/Cp y S = Sh
(v. tabla 3.1).
Como fenómeno de transporte relacionado con el término difusivo se tiene en este
caso la difusividad térmica, normalmente denotada como α con dimensiones L2T–1, y
que se define como: α = k ρC p .
3.2.4. Ecuación de conservación de las especies
Se considera la ecuación de transporte para una mezcla de especies químicas. La

ecuación para la conservación de masa para cada especie química i se puede expre-
sar en función de su fracción de masa mi, suponiendo que se cumple la ley de Fick.
Así:
∂ ( ρmi ) G
+ ∇⋅ ( ρvmi ) = ∇⋅ ( ρDi ∇mi ) + Ri [3.15]
∂t
En este caso se ha particularizado la ecuación general con φ = mi, Γi = ρDi y S =

Ri, donde el término fuente se corresponde con la velocidad de formación de la
especie química mi mediante las reacciones químicas existentes.
Como fenómeno de transporte relacionado con el término difusivo se tiene en
este caso la difusividad másica, normalmente denotada como Di con dimensiones
L2T–1.
3.3 Forma integral de la ecuación general
La ecuación diferencial 3.7 es el punto de partida en todos los procedimientos

computacionales que emplean el método de volúmenes finitos. En el apartado
anterior 3.2 se ha visto cómo particularizándola adecuadamente es posible recupe-
rar las ecuaciones de gobierno para el flujo y las transferencias de masa y calor. Sin
embargo, el paso clave en el desarrollo del método, que se verá en el capítulo 4, es
la integración de la ecuación 3.7 sobre un volumen de control tridimensional
según:
∂ ( ρφ) G
∫ ∂t
dV + ∫ ∇⋅ ( ρv φ) dV = ∫ ∇⋅ ( Γ∇φ) dV + ∫ Sφ dV [3.16]
V V V V
Las integrales de volumen para los términos convectivos y difusivos se transfor-

man a integrales de superficie sobre los contornos del volumen de control mediante
el teorema de Gauss de la divergencia. Por tanto:
∂ G G G
∫
∂t V
ρφdV + ∫ ( ρv φ) ⋅ dA = ∫ ( Γ∇φ) ⋅ dA + ∫ Sφ dV [3.17]
S S V
La interpretación física es que los términos convectivos y difusivos se reescriben

en forma de flujos de la variable φ en la dirección perpendicular a las superficies
existentes de entrada y salida al volumen de control. Además, en la ecuación 3.17 se
ha intercambiado el orden de integración y diferenciación debido a la independen-
cia de ambos operadores sobre el volumen de control.
Evidentemente, la integración de la ecuación general en derivadas parciales esta-
blece un balance de conservación de la variable fluida φ sobre un volumen de con-
trol de tamaño finito.
Ha de tenerse en cuenta que en el caso de problemas no estacionarios, es necesa-
rio también plantear la integración con respecto del tiempo t sobre un pequeño
incremento temporal ∆t. De esta forma se tendría:
∂⎛ ⎞ G G
∫ ∂t⎜⎜∫ ρφdV ⎟⎟dt + ∫∫ ( ρvG φ) ⋅ dA dt = ∫∫ ( Γ∇φ) ⋅ dA dt + ∫∫ SφdV dt [3.18]
∆t ⎝V ⎠ ∆t S ∆t S ∆t V
3.4 Ecuaciones simplificadas para la resolución del flujo: técnicas numéricas 61
3.4 Ecuaciones simplificadas para la resolución del flujo:

técnicas numéricas
Aunque no sea el objeto de este libro analizar todas las posibles simplificaciones de
las ecuaciones de gobierno, sí es conveniente repasarlas brevemente con el objeto de
presentar las técnicas numéricas más apropiadas para resolver cada una de esas
situaciones. En el presente libro se detalla el método general para resolver las ecua-
ciones sin simplificaciones, pero no por ello debe el lector obviar que existen técni-
cas alternativas para resolver ciertas condiciones de flujo.
La tabla 3.2 resume las situaciones simplificadas más habituales en el ámbito de
la Mecánica de Fluidos. A continuación se repasan las hipótesis constitutivas de
cada situación y se identifican los métodos numéricos de resolución más adecuados.
Tabla 3.2 Situaciones simplificadas de las ecuaciones de gobierno.
Densidad
Viscosidad
Incompresible (ρ = cte.) Compresible (Ma > 0,3)
Flujo ideal, Flujo ideal /

Dinámica de gases (k = 0)
no viscoso (μ = 0) potencial (si irrotacional)
Flujo en la
Flujo laminar / turbulento (función del Re) Transferencia de calor
capa límite
Flujo viscoso
Flujo laminar / turbulento (función del Re) Transferencia de calor
(separado)
U∞
Flujo en la capa límite
Flujo no viscoso
Flujo
viscoso
(separado)
Figura 3.2 Zonas de flujo externo sobre un perfil aerodinámico.

3.4.1. Flujo potencial y flujo ideal

En el caso de flujos con números de Reynolds suficientemente altos, despreciar los
efectos viscosos y de conducción resulta una aproximación bastante cómoda, pues
elimina los términos difusivos de segundo orden en las ecuaciones, convirtiéndolas
en ecuaciones de primer orden.
Manteniendo la condición de flujo subsónico, al igualar la viscosidad a cero, se
obtienen las ecuaciones de Euler, en las que todo el transporte de cantidad de movi-
miento se debe a fenómenos convectivos macroscópicos. Esto es:
G
∇⋅ v = 0
G G
⎛ ∂v G G⎞ [3.19]
ρ⎜ + (v ⋅ ∇ ) v ⎟= ρf − ∇p
⎝ ∂t ⎠
En el caso de flujo estacionario, se cumple que
⎛ v2 p ⎞
∇⎜
⎜ 2 + ρ + gz ⎟
⎟= 0 ,
⎝ ⎠

por lo que H no varía a lo largo de una línea de corriente. Si el flujo es irrotacional se

G
cumple además que ∇ × v = 0, por lo que H se hace constante en todo el dominio
del flujo. En estas condiciones, denominadas de flujo potencial, se puede definir un
G
potencial de velocidad, v = ∇Φ , que introducido en la ecuación de continuidad
proporciona la ecuación de Laplace. Esta ecuación se resuelve con la condición de
componente normal nula en la superficie de un cuerpo sumergido y con la especifi-
cación de la velocidad en los puntos lejanos al cuerpo. Una vez obtenido el campo de
velocidades, la ecuación de Euler proporciona el campo de presiones. La ecuación de
Laplace es lineal y posee soluciones exactas simples que pueden superponerse para
crear nuevas soluciones.
Los métodos para flujo potencial fueron desarrollados en los albores de las técni-
cas numéricas, a partir del concepto básico de potencial de velocidades. Constituye
una simplificación muy ilustrativa para cálculo de flujos estacionarios con un gran
interés conceptual.
Cuando la velocidad no se puede expresar a partir de un potencial, el flujo ideal
G
se suele resolver introduciendo la vorticidad (∇ × v ), que ya no es nula, en las ecua-
ciones de cantidad de movimiento y energía.
3.4 Ecuaciones simplificadas para la resolución del flujo: técnicas numéricas 63
3.4.2. Flujo incompresible en la capa límite
La capa límite es la zona del campo fluido próxima a un contorno sólido en la que se
manifiestan especialmente los efectos viscosos. Debido a la viscosidad y a la condi-
ción de no deslizamiento, cerca de cualquier contorno sólido aparece un gradiente
de velocidades en la dirección normal a dicho contorno.
En la capa límite se puede hacer una serie de simplificaciones acerca de las deri-
vadas de la velocidad en la dirección normal a la superficie. Además, se supone que
en condiciones de equilibrio para flujo desarrollado (estacionario) el gradiente de
presiones en la dirección vertical es cero, de modo que en flujo bidimensional cabe
plantearse que:
∂u ∂v
+ =0
∂x ∂y
[3.20]
∂u ∂v 1 dpe ∂2u
u +v =− +υ 2
∂x ∂y ρ dx ∂x
donde el subíndice e se refiere a la zona exterior, no afectada por la capa límite y

donde la viscosidad es despreciable de modo que puede plantearse la ecuación de
Bernouilli:
dpe du
− = ρue e .
dx dx
Este sistema de ecuaciones se resuelve de forma diferente en función de que el

régimen de flujo sea laminar o turbulento (tabla 3.2). En el caso laminar existe,
además, una formulación analítica exacta para casos sencillos de flujo sobre placas
planas. En el caso de flujo turbulento, es preciso abordar el problema desde un
punto de vista estadístico, promediando las ecuaciones sobre un período de
tiempo característico e introduciendo un modelo adicional de cierre para las ten-
siones de Reynolds.
Se han desarrollado algunos métodos específicos para resolver el flujo en estas
zonas próximas a los contornos sólidos. Algunas de las metodologías que se pue-
den encontrar en la bibliografía son:
c Modelos de distribución de pérdidas (actualmente en desuso).
c Modelos de capa límite (Boundary layer approximations).
c Modelos de capa de cortadura, TSH (Thin Shear Layer).
c Modelos de ley de pared.
3.4.3. Flujo viscoso incompresible

Aunque las simplificaciones que puedan aplicarse a las ecuaciones de gobierno son ya
reducidas para este tipo de flujo, conviene poner énfasis en él por la gran cantidad de pro-
blemas relacionados con las condiciones de flujo viscoso incompresible. En realidad,
salvo ciertas aplicaciones en la industria aeronáutica y aeroespacial, constituyen la aplica-
ción más importante y compleja de resolver en la Mecánica de Fluidos (Batchelor, 1967).
En condiciones de flujo isotermo, la hipótesis de incompresibilidad implica que
la solución de las variables primitivas del flujo (presión y velocidad) se haga inde-
pendiente del campo de temperaturas. El sistema de ecuaciones requerido queda
reducido a la ecuación de continuidad adivergente y a la ecuación de cantidad de
movimiento, que expresadas vectorialmente establecen:
G
∇⋅ v = 0
G G
∂v G G G [3.21]
ρ + ρ (v ⋅∇ ) v = ρf − ∇p + μ∇2v
∂t
Contrariamente a lo que cabría esperar, la hipótesis de incompresibilidad com-
plica la resolución de las ecuaciones. No sólo la densidad, sino también los distintos
coeficientes de transporte del fluido, son independientes de la presión y de la tempe-
ratura. Pese a la ventaja que esto parece implicar, en la práctica las dos ecuaciones a
resolver se vuelven “rígidas” por la ausencia de derivada temporal en la ecuación de
continuidad, y su solución resulta más laboriosa al no ser posible una iteración
tomando ambas expresiones como punto de partida.
Respecto a las condiciones de contorno, éstas dependen del problema conside-
rado. Así, si un contorno sólido limita el dominio, es necesario imponer velocidad
nula en el mismo (no deslizamiento en la interfase líquido-sólido). En el caso de una
interfase líquido-líquido, la velocidad y la tensión deben ser continuas, mientras que
en los contornos de entrada y salida (alejados de la zona de interés) se deben especi-
ficar todas las variables dependientes menos una.
Respecto a los esquemas de resolución, en el caso de flujo laminar y naturaleza
bidimensional, es posible plantear una formulación alternativa a la ecuación 3.21 en
términos de vorticidad y función corriente. La ventaja es eliminar la presión entre
las dos componentes de la ecuación de cantidad de movimiento y evitar el problema
antes mencionado de la falta de un punto de partida común para las dos ecuaciones
en cada iteración. De esta forma se plantearía:
∂ξ ∂ξ ∂ξ 1 ⎛ ∂2 ξ ∂2 ξ ⎞ ∂u ∂v
+u +v = ⎜ ⎜ 2
+ 2⎟ ⎟ con ξ = −
∂t ∂x ∂y Re⎝ ∂x ∂y ⎠ ∂y ∂x
[3.22]
∂ψ ∂ψ
ψ ⇒ u= ; v= donde ∇2 ψ = ξ
∂x ∂y
En caso de flujo turbulento, la descripción del movimiento de las partículas fluidas

debido al efecto de la turbulencia se vuelve muy complejo, y se requieren modelos adi-
cionales y técnicas específicas (promediados, filtrados) para resolver numéricamente
el flujo. En el capítulo 10 se mostrarán las metodologías fundamentales para abordar el
fenómeno de la turbulencia en condiciones de flujo viscoso incompresible.
3.4.4. Flujo compresible
Este tipo de flujos está asociado a altas velocidades o grandes diferencias de tempe-
ratura, por lo que la ecuación de la energía ya no está desacoplada de la ecuación de
cantidad de movimiento. En el caso particular de flujo no viscoso se tendría:
∂ρ G
+ ∇⋅ ( ρv ) = 0
∂t
G G
⎛ ∂v G G⎞
ρ⎜ + (v ⋅ ∇ ) v ⎟= ρf − ∇p [3.23]
⎝ ∂t ⎠
⎛ ∂e G ⎞ G
ρ⎜ + v ⋅ ∇e ⎟+ p∇⋅ v = 0
⎝ ∂t ⎠
Para estas condiciones se ha trabajado intensamente en el desarrollo de un

modelo parábolico de las ecuaciones de Navier-Stokes (PNS; Parabolized Navier-
Stokes) que sea capaz de resolver flujos supersónicos e hipersónicos con captura de
ondas de choque y transferencia de calor. Estas ecuaciones de gobierno parabólicas
se obtienen a partir de las de Navier-Stokes introduciendo las hipótesis de flujo esta-
cionario, gradientes de esfuerzos viscosos despreciables en la dirección de la
corriente y gradientes de presión aproximados a su valor en las capas límites en la
dirección de las líneas de corriente.
3.5 Clasificación matemática de las ecuaciones en

derivadas parciales
La ecuación general de transporte es una ecuación en derivadas parciales de

segundo orden que gobierna las variaciones espacial y temporal de la variable φ. Si
además las propiedades ρ y Γ o el término fuente Sφ son funciones de φ, entonces
resulta ser no lineal.
Las ecuaciones de flujo representan un balance entre términos convectivos y tér-

minos difusivos, además de la inclusión de términos fuente. En flujos difusivos apa-
recen términos con derivadas de segundo orden como consecuencia de la ley de Fick
generalizada. En flujos convectivos aparecen derivadas de primer orden que expre-
san propiedades de transporte o arrastre. Cada una de estas contribuciones tiene
influencia en la naturaleza matemática de las ecuaciones, dando lugar a tres tipos
de sistemas de ecuaciones en derivadas parciales: elípticos, parabólicos e hiperbóli-
cos.
Desde el punto de vista físico, podemos distinguirlos a su vez según dos compor-
tamientos clásicos: problemas de equilibrio (elípticos) y problemas transitorios
(parabólicos e hiperbólicos), como se verá a continuación.
3.5.1. Consideraciones físicas
El sistema de ecuaciones diferenciales a resolver necesita, además de una formula-

ción linealizada y discretizada, de una serie de condiciones de contorno que cierren
el dominio y fijen el valor de las variables en las zonas extremas, tanto en tiempo
como en espacio. En función de estas condiciones se distinguen dos tipos de com-
portamiento: los problemas de equilibrio (equilibrium problems) y los problemas
transitorios (marching problems).
Los problemas de equilibrio comprenden aquellos casos de flujo estacionario
cuya solución no va a variar en el tiempo. Pueden presentar una fase inicial no esta-
cionaria, en la que evolucionan desde los valores iniciales hasta la solución final de
forma asintótica, pero como las condiciones de contorno no dependen del tiempo ni
el flujo produce fenómenos no estacionarios, la descripción final del campo fluido-
dinámico es estática.
El típico ejemplo de este tipo de comportamientos es la distribución de tempera-
tura en una placa plana, con condición de temperatura constante (en el tiempo) en
los bordes. Este tipo de problemas está gobernado por ecuaciones elípticas, siendo la
ecuación de Laplace el paradigma de todas ellas: flujo irrotacional de un fluido
incompresible con transferencia de calor estacionaria por conducción.
La resolución de este tipo de problemas exige la definición de las condiciones de
contorno en las fronteras para todas las variables del flujo a resolver. Por esta razón
también reciben el nombre de problemas de contorno.
Los problemas transitorios, por el contrario, comprenden aquellos tipos de
flujo cuya solución depende del tiempo o evoluciona con éste. Normalmente res-
ponden a este patrón los problemas de transferencia de calor transitorios, los flujos
no estacionarios y fenómenos oscilatorios u ondulatorios. Este tipo de problemas
está gobernado por ecuaciones parabólicas e hiperbólicas.
Además, las condiciones de contorno no sólo deben estar bien definidas en las
fronteras del dominio, sino que han de describir la variación temporal de las varia-
bles en esos contornos (al menos en aquellas donde vaya a haber variación temporal
significativa). Lógicamente, el transitorio del problema dependerá de la condición
inicial (en t = 0), por lo que a este tipo de problemas también se les denomina pro-
blemas de condición inicial.
La tabla 3.3 resume las principales características de las ecuaciones en derivadas
parciales desde el punto de vista físico de los problemas de flujo.
Tabla 3.3 Características de las ecuaciones de flujo desde el punto de vista físico (tomado de Vers-
teeg y Malalasekera, 2007).
Ecuación Expresión Dominio Continuidad

Problema tipo Condiciones
tipo tipo tipo de solución
Problemas de Elíptica Condiciones de

equilibrio ∇ ⋅ ( α∇φ) = 0 contorno
Cerrado Sí
(laplaciana)
Problemas ∂φ Condiciones
transitorios y Parabólica = α∇ ⋅ ( ∇φ) iniciales y de Abierto Sí
disipación ∂t contorno
Problemas 2 Condiciones
∂ φ Puede ser
= c ∇ ⋅ ( ∇φ)
transitorios sin Hiperbólica 2 iniciales y de Abierto
2 discontinua
disipación ∂t contorno
3.5.2. Consideraciones matemáticas

Desde un punto de vista estrictamente matemático, las ecuaciones diferenciales en
derivadas parciales se pueden clasificar a partir de una definición genérica, en coor-
denadas x e y de las mismas como:
∂2 φ ∂2 φ ∂2 φ ∂φ ∂φ
a +b +c 2 +d +e + f φ+ g = 0 [3.24]
∂x 2 ∂x∂y ∂y ∂x ∂y
La clasificación de estas ecuaciones está determinada por el comportamiento de

sus derivadas de orden superior, por lo que únicamente se considerarán estos térmi-
nos y sus coeficientes. Además, se supone que los coeficientes a, b, c, d, e, f y g son
constantes, o a lo sumo funciones de las coordenadas x e y, independientes por tanto
de la variable φ.
Se puede demostrar que el comportamiento de la ecuación general 3.24 varía en

función del signo del discriminante D = b2 – 4ac, de manera que es posible distin-
guir tres casos:
c Si D < 0: la ecuación se denomina elíptica.
c Si D = 0: la ecuación se denomina parabólica.
c Si D > 0: la ecuación se denomina hiperbólica.
A continuación se consideran brevemente algunas de las principales característi-
cas de estos tipos de ecuación, especialmente por su relación con los fenómenos físi-
cos que describen.
3.5.2.1. Comportamiento elíptico
La ecuación elíptica más básica es la ecuación de Laplace que, expresada en un

dominio bidimensional, se obtiene de la ecuación general 3.24 cuando se fija que
a = c = 1 y se igualan a cero el resto de coeficientes. Por tanto, establece que:
∂2 φ ∂2 φ
+ =0 [3.25]
∂x 2 ∂y 2
La característica más importante de esta ecuación es que cualquier perturbación

en el interior del dominio conlleva un cambio en todos los puntos restantes del
dominio. Esto significa que las perturbaciones se pueden transmitir en todas las
direcciones del espacio (imagínese la analogía con una piedra que se arrojase en
medio de un estanque en reposo). Si existiese simetría completa, la perturbación se
propagaría idénticamente en todas las direcciones, siendo el comportamiento de la
ecuación de tipo esférico.
Una consecuencia directa de lo anterior es que las condiciones en las fronteras
afectan a la solución en todos los puntos del dominio. Por tanto, en el caso de que no
existiesen términos fuente, el valor de la variable tiene que estar necesariamente aco-
tado por los valores máximos en las condiciones de contorno.
Además, puesto que cualquier perturbación se propaga en todas las direcciones,
la solución de todo problema físico descrito por una ecuación elíptica es continua y
suave, incluso si existen discontinuidades en las condiciones de contorno.
Estas dos últimas propiedades son un buen criterio para comprobar que el méto-
do numérico empleado para resolver una ecuación elíptica es apropiado. Por tanto,
es evidente que para que la información (en la resolución) se propague en todas las
direcciones, las técnicas numéricas utilizadas en problemas elípticos deben permitir
que cualquier variación en un punto del dominio pueda influir sobre todos sus
nodos vecinos.
3.5.2.2. Comportamiento parabólico
La ecuación parabólica más básica es la ecuación de difusión en modo no estaciona-

rio, que expresada en un dominio bidimensional, se obtiene de la ecuación general
3.24 cuando se fija que a = –α y e = 1 y se igualan a cero el resto de los coeficientes.
Por tanto, establece que:
∂φ ∂2 φ
=α 2 [3.26]
∂t ∂x
La característica fundamental de esta ecuación es que cualquier perturbación en

el interior del dominio sólo puede tener influencia en instantes posteriores a la apa-
rición de la perturbación, propagándose nuevamente en todas las direcciones del
espacio. Además, la aparición de la derivada temporal exige la definición de unas
condiciones iniciales que tendrán influencia en los valores futuros de la variable.
Lógicamente, las condiciones iniciales afectan también a la solución en todos los
puntos del dominio, aunque su impacto irá decreciendo conforme el tiempo
avanza.
La presencia del término difusivo conlleva que las condiciones en la frontera
afecten a la solución en todos los puntos del dominio, al igual que en la ecuación
elíptica (nótese que la ecuación parabólica se reduce a la elíptica cuando la derivada
temporal se anula). Por tanto, en ausencia de términos fuente, el valor de la variable
debe estar acotado por los valores máximos de las condiciones de contorno y de las
condiciones iniciales.
Las ecuaciones parabólicas pueden tender a un estado estacionario cuando t → ∞,
en el que la solución sea independiente de los valores iniciales y por tanto se recu-
pere el carácter elíptico. De todas formas, queda claro a la vista de la ecuación funda-
mental 3.26 que en este tipo de problemas la variable temporal se comporta de
manera muy diferente respecto del resto de las variables espaciales. La variación en t
sólo admite influencias en un sentido (one-way), mientras que la variable x permite
variaciones en los dos sentidos (two-way), esto es, propagaciones en todas las direc-
ciones del espacio en 3-D. Por esta razón, la variable t se conoce habitualmente
como dimensión transitoria o parabólica. Las variaciones espaciales también pue-
den comportarse de este modo, como por ejemplo en el caso de un flujo axial en el
interior de una tubería, pero debe ser el propio flujo el que imponga una limitación
(física, no matemática) al sentido de propagación (en ese caso, cualquier perturba-
ción se propaga hacia aguas abajo en caso de flujo subsónico).
3.5.2.3. Comportamiento hiperbólico

La ecuación hiperbólica más básica es la ecuación de onda, característica en problemas
vibratorios u ondulatorios, y que, expresada en un dominio bidimensional, se obtiene
de la ecuación general 3.24 cuando se fija que a = –ω2 y c = 1 y se igualan a cero el
resto de los coeficientes. Por tanto, establece que:
∂2 φ 2 ∂2 φ
=ω [3.27]
∂t 2 ∂x 2
donde ω representa la velocidad de propagación de una perturbación en el seno del
fluido. Este tipo de ecuaciones aparece en problemas no estacionarios con fenóme-
nos de disipación prácticamente despreciables.
Además de la ecuación de onda y fenómenos vibratorios afines, como el caso de
los modos de vibración de una cuerda, el comportamiento hiperbólico está íntima-
mente ligado al caso de flujo compresible en régimen transónico y supersónico. Para
este tipo de flujos, la velocidad del sonido (es decir, la velocidad de propagación de
las perturbaciones en el medio) puede dar lugar a la aparición de ondas de choque,
que son claras manifestaciones de la naturaleza hiperbólica de sus ecuaciones de
gobierno. Las ecuaciones no viscosas (o con disipación viscosa irrelevante) de flujo
compresible son hiperbólicas y ponen de relieve que las perturbaciones en un punto
únicamente pueden alcanzar unas zonas muy limitadas en el espacio.
Al contrario que en los comportamientos elíptico y parabólico, en los que se
supone que la velocidad de propagación de las perturbaciones es infinita, en el caso
hiperbólico su valor es finito e igual a la velocidad de propagación ω. La figura 3.3
muestra esquemáticamente para las ecuaciones 3.25 a 3.27 el sentido de las zonas de
dependencia y zonas de influencia de los distintos tipos de comportamiento de las
ecuaciones en derivadas parciales. En abscisas, el eje x representa la dimensión espa-
cial unidimensional, mientras que el eje de ordenadas representa el eje temporal t.
t t t
P(x, t)
P(x, t)
P(x, t)
Zona de Zona de Zona de

dependencia dependencia dependencia
x=0 x=L x=0 x=L x=0 x=L

Hiperbólico Parabólico Elíptico
Figura 3.3 Zonas de dependencia para comportamientos hiperbólicos, parabólicos y elípticos

(adaptado de Versteeg y Malalasekera, 2007).
3.5.3. Clasificación para las ecuaciones de flujo
La ecuación general de conservación mostrada en la ecuación 3.7 tiene mucho en

común con los distintos tipos de comportamiento presentados anteriormente para
las ecuaciones diferenciales en derivadas parciales. Así, por ejemplo, bastaría con
imponer condiciones estacionarias en ausencia de flujo para plantear una difusión
pura con comportamiento elíptico. El mismo problema, pero en condiciones no
estacionarias, mostraría un comportamiento parabólico. Por otro lado, el término
convectivo de la ecuación de transporte tiene un claro carácter hiperbólico.
En la mayoría de las aplicaciones para la Ingeniería, la ecuación presenta un
comportamiento mixto, con términos difusivos dándole un carácter elíptico y tér-
minos temporales y convectivos otorgándole características parabólicas e hiperbóli-
cas. La correcta clasificación de la ecuación de transporte puede ser de interés puesto
que en función del comportamiento característico de la ecuación existen distintos
métodos numéricos de discretización y resolución de las ecuaciones. Sin embargo,
en los próximos capítulos se abordarán métodos numéricos generales capaces de
manejar el comportamiento mixto de las ecuaciones de gobierno, tal y como se hace
hoy día en la mayoría de softwares comerciales.
Las ecuaciones de Navier-Stokes, así como sus expresiones simplificadas (vistas
en el apartado 3.4), se pueden clasificar según los comportamientos vistos con ante-
rioridad, tal y como se muestra en la tabla 3.4.
Tabla 3.4 Clasificación del comportamiento de los principales tipos de flujo

(tomado de Versteeg y Malalasekera, 2007).
Tipo de flujo Flujo estacionario Flujo no estacionario
Flujo viscoso Elíptico Parabólico
Flujo ideal Si Ma < 1: Elíptico

Hiperbólico
(no viscoso) Si Ma > 1: Hiperbólico
Flujo en capa límite

Parabólico Parabólico
(thin shear layer)
La clasificación de la tabla 3.4 es una clasificación formal de las ecuaciones de

flujo, puesto que en la práctica, la mayoría de los flujos se comporta de forma com-
pleja. De todas formas, queda claro que las ecuaciones de Navier-Stokes estaciona-
rias, así como la ecuación de la energía (o la entalpía) son formalmente elípticas,
mientras que su formulación no estacionaria es parabólica.
La clasificación matemática de las ecuaciones para flujo ideal es notablemente

diferente debido a la falta de los términos (viscosos) disipativos de orden superior.
En este caso, la clasificación depende en realidad de la importancia de los fenóme-
nos de compresibilidad y por extensión del valor del número de Mach (Ma). Así, la
naturaleza elíptica de los flujos ideales para números de Mach menores de la unidad
se debe a la acción de los gradientes de presión: la presión puede propagar perturba-
ciones a velocidades sónicas, que es mayor que la velocidad del flujo. Por el contra-
rio, si la velocidad del flujo es supersónica (Ma > 1) la presión es incapaz de
propagarse a las regiones aguas arriba, limitando las zonas de influencia de las per-
turbaciones y dando el carácter hiperbólico a las ecuaciones de gobierno.
Finalmente, en el caso de flujos con elevados números de Reynolds, en los que las
zonas de influencia viscosa ocupan una extensión muy reducida dentro del problema
estudiado y el resto de zonas pueden considerarse como flujo ideal, todas las derivadas
de la velocidad en la dirección del flujo (normalmente, direcciones x y z) son mucho
más pequeñas que las derivadas en la dirección transversal (dirección y). Capas límite,
chorros, capas de cortadura, estelas y flujos en conducto totalmente desarrollados son
ejemplos que responden a este patrón (thin shear layer). Es estas condiciones, las ecua-
ciones de gobierno contienen únicamente un término (de segundo orden) de difusión,
lo que resulta en un comportamiento claramente parabólico.
A modo de recordatorio y resumen de la ecuación general de conservación, se
insiste en que:
c Los fenómenos de difusión actúan en todo el espacio, independientemente de la
dirección predominante del flujo (comportamiento elíptico).
c Los fenómenos de convección actúan en la dirección de propagación, en regio-
nes concretas del espacio (comportamiento hiperbólico).
c Entre ambas situaciones, una ecuación con comportamiento parabólico repre-
senta una situación intermedia que se puede interpretar como un proceso de
difusión en todas las direcciones, pero amortiguado en el tiempo.
3.6 Condiciones iniciales y de contorno
La complejidad de la mezcla de comportamientos elípticos, parabólicos e hiperbóli-

cos tiene fuerte implicaciones en la manera en que las condiciones de contorno
deben introducirse en un problema fluidodinámico, en particular en aquellas zonas
en las que el flujo está limitado por condiciones de contorno fluidas (no contornos
sólidos).
3.6 Condiciones iniciales y de contorno 73
Típicamente se definen tres tipos distintos de problema en función de las condi-

ciones de contorno e iniciales necesarias para la resolución de un flujo. Éstos son:
c Problemas de contorno: se fijan condiciones en los contornos del dominio y se
busca la solución en el interior. Este tipo de problemas aparecen en el caso de
flujo estacionario subsónico no viscoso irrotacional o en el caso de flujo estacio-
nario viscoso. Hay 3 variantes (v. figura 3.4):
c Condición de Dirichlet (valor).
c Condición de Von Neumann (flujo).
c Condición de Robin (combinación).
c Problemas de valor inicial: se conoce la solución en t = 0 y se busca la evolución
de dicha solución en el tiempo. A este tipo de problema corresponden el flujo no
estacionario viscoso, el flujo estacionario supersónico no viscoso o el flujo en
capa límite.
c Problemas híbridos, como es el caso del flujo estacionario subsónico rotacional o
el flujo estacionario no viscoso irrotacional con zonas subsónicas y supersónicas.
JA
h
A
Von Neumann (flujo) Dirichlet (valor) Robin (mixta)
Figura 3.4 Tipos de condiciones de contorno.

4
MÉTODO
DE VOLÚMENES
FINITOS (MVF)
Los fenómenos físicos relacionados con los flujos y la transferencia de calor

pueden ser descritos mediante una ecuación general de transporte, conservativa,
cuya resolución numérica exige de la definición de una discretización y del uso de
un método de resolución.
La bibliografía científica recoge varios métodos para discretizar las ecuaciones
básicas de conservación de la Mecánica de Fluidos, entre los que destacan los méto-
dos de diferencias finitas (FDM), elementos finitos (FEM) y volúmenes finitos (MVF, o
FVM en inglés). Sin embargo, este último es el más general y más extendido, por lo
que en este capítulo (y en el resto del libro) nos centraremos esencialmente en él.
En este capítulo se muestra cómo discretizar por volúmenes finitos los distin-
tos términos que componen la ecuación general de conservación. Se recogen
además los distintos esquemas que se emplean para evaluar los flujos en las dis-
tintas caras de los volúmenes de control de una malla. También se muestran las
distintas estrategias que se utilizan para discretizar dominios complejos, y cómo
implementar la discretización temporal en el caso de flujos no estacionarios.
76 Capítulo 4 Método de volúmenes finitos (MVF)
Contenidos
4.1. Conceptos generales

4.2. Características y tipos de mallado
4.2.1. Mallado estructurado
4.2.2. Mallado no estructurado
4.2.3. Calidad de la malla y buenas prácticas
4.3. Discretización numérica por el método de volúmenes finitos
4.3.1. Definiciones generales de la metodología numérica
4.3.2. Fundamentos del método de volúmenes finitos
4.4. Implementación del método de volúmenes finitos
4.4.1. Mallados decalados
4.4.2. Discretización del término temporal
4.4.3. Discretización del término fuente
4.4.4. Discretización del término difusivo
4.4.5. Discretización del término convectivo
4.4.6. Ecuación algebraica por volúmenes finitos
4.5. Métodos de discretización espacial
4.6. Métodos de discretización temporal
Los apartados 4.2, 4.3, 4.5 y 4.6 han sido extractados de Hirsch, C., "Numerical Computation of
Internal and External Flows. The Fundamentals of Computational Fluid Dynamics" Ed. Else-
vier-Butterworth-Heinemann, 2007. Part II, "Basic Discretization Techniques".
4.1 Conceptos generales 77
4.1 Conceptos generales
El objetivo del método de volúmenes finitos es desarrollar una metodología numéri-

ca para resolver la ecuación general de transporte. La idea de partida fundamental es
el concepto de discretización: reemplazar una solución analítica en derivadas par-
ciales que proporciona el valor de φ de forma continua en todos los puntos del espa-
cio por una solución numérica aproximada que da el valor de φ únicamente en una
serie de puntos discretos definidos por la malla del dominio.
El método de volúmenes finitos propone una forma de llevar a cabo esa discreti-
zación. En particular, establece que los valores discretos de φ quedarán descritos por
un conjunto de ecuaciones algebraicas que relacionan el valor de la variable en un
punto con el valor en los puntos vecinos. La forma en que se transmite la informa-
ción entre esos nodos requiere de algún tipo de aproximación, que en el caso de
volúmenes finitos es mediante esquemas conservativos que evalúan los flujos a tra-
vés de superficies de control.
La transformación de las ecuaciones diferenciales en un conjunto de ecuaciones
algebraicas precisa necesariamente de una discretización espacial. Esto se consigue
generando una malla que permite dividir el dominio de interés en una serie de cel-
das a las cuales se les asocia el valor de la variable discreta φ.
La razón por la cual el método de volúmenes finitos es el más empleado para
desarrollar códigos CFD reside en su generalidad, su simplicidad conceptual y su
facilidad para ser implementado en cualquier tipo de mallado, ya sea estructurado o
no estructurado.
Existen una serie de propiedades fundamentales en el método de volúmenes fini-
tos que merece la pena destacar. En primer lugar, hay que recordar que el método
discretiza el dominio en un número finito de celdas (o volúmenes de control). Por
tanto, el método se basa en valores discretos que están promediados en la celda, la
variable numérica fundamental en toda aplicación de CFD. Esto distingue clara-
mente al método de volúmenes finitos de otros métodos como diferencias finitas o
elementos finitos, en los que la variable numérica fundamental es el valor local de la
función en los nodos de la malla.
Tras la generación del mallado, el método de volúmenes finitos asocia un volu-
men finito local, también denominado volumen de control, a cada punto de la
malla, y a continuación aplica las leyes integrales de conservación a cada volumen
local. Esta es otra gran diferencia con el método de diferencias finitas, donde el espa-
cio discretizado se considera como un conjunto de puntos, mientras que en MVF el
espacio discretizado está formado por un conjunto de pequeñas celdas, donde cada
una de ellas está asociada a un nodo de la malla.
El método de volúmenes finitos tiene más ventajas con las mallas arbitrarias, en
las cuales un gran número de opciones quedan abiertas para poder definir distintos
volúmenes de control en los que imponer las leyes de conservación. La posibilidad
de modificar la forma y la localización de los volúmenes finitos asociados a los
nodos, así como las leyes y la precisión en la evaluación de los flujos a través de las
superficies de control, proporciona una enorme flexibilidad al MVF. Esto explica la
generalidad del método, aun cuando existan una serie de reglas que deben respe-
tarse durante estas operaciones.
Una ventaja esencial del método de volúmenes finitos es que garantiza una dis-
cretización conservativa, que encaja perfectamente con el hecho de tener que resol-
ver una ecuación de transporte conservativa. En las ecuaciones discretizadas es muy
importante mantener la conservación global de las variables básicas del flujo: masa,
momento y energía; por lo que será preciso respetar una serie de condiciones en la
forma en que se lleva a cabo la discretización.
El método de volúmenes finitos tiene, por tanto, una ventaja decisiva: la discreti-
zación conservativa se satisface automáticamente con la discretización directa de la
forma integral de las ecuaciones de gobierno. Esta propiedad fundamental se discu-
tirá en detalle en el apartado 4.3.
4.2 Características y tipos de mallado
La generación de la malla es la parte más importante en la preparación de un

modelo para simulación por CFD. Ninguna simulación puede realizarse sin haber
previamente definido una malla con una distribución de puntos (celdas) apropiada.
Se han desarrollado un gran número de métodos para ayudar al usuario de las
técnicas CFD a generar mallas óptimas. Ha de tenerse en cuenta que la importancia
de las propiedades de la malla son esenciales, por cuanto la precisión y la bondad de
los resultados finales estarán extremadamente condicionadas por la calidad de la
malla utilizada.
Toda malla empleada en el método de volúmenes finitos discretiza el dominio
físico en un número finito de celdas, siendo la celda la unidad fundamental del
mallado (v. figura 4.1). Cada celda está asociada a un centroide, y también está limi-
tada por un número de superficies o caras, que a su vez están ancladas a una serie de
nodos o vértices.
El tipo de conectividad existente entre los diferentes puntos (celdas) de la malla
permite clasificar los mallados en dos categorías básicas: mallas estructuradas y
mallas no estructuradas. En las primeras, la retícula de celdas se construye a partir
Cara
Nodo
(Vértice)
Celda Vértice
Celda
Centroide Cara
Malla no estructurada Malla estructurada
Figura 4.1 Terminología empleada en el método de volúmenes finitos.
de una red de familias de líneas coordenadas; mientras que en las segundas la red no
sigue ningún tipo de dirección preferente.
El desarrollo de mallas no estructuradas ha sido una consecuencia de la necesi-
dad de desarrollar geometrías cada vez más complejas en las que no es fácil poder
adecuar bloques paralepipédicos con mallas ortogonales. El empleo de este tipo de
mallas consigue reducir significativamente los tiempos de construcción de los
modelos, pero, lógicamente, existe una penalización, tanto en términos de precisión
como en coste computacional, en comparación con las mallas estructuradas.
Sea cual sea el tipo de malla que el usuario de CFD vaya a emplear, es esencial
satisfacer una serie de requisitos básicos para conseguir una buena discretización.
Entre ellos es preciso destacar los siguientes:
c La malla debe ser generada con cierta previsión en función del tipo de flujo que
se espera resolver.
c Es necesaria una mayor resolución en aquellas zonas donde el flujo presente
importantes gradientes.
c Es muy importante que el mallado se distribuya por todo el dominio de la forma más
regular posible, de modo que no haya variaciones importantes en la malla.
c La resolución en las zonas donde se establezca una capa límite debe estar en con-
sonancia con el modelo de turbulencia y de pared que luego vaya a utilizarse.
c Deben evitarse elementos singulares, muy deformados (celdas angulosas).
c Es interesante que el mallado sea capaz de adaptarse de forma dinámica a las
variaciones de las variables en la solución del flujo.
c El tamaño global de la malla debe ajustarse a las posibilidades y potencia de cál-
culo de los equipos en los que vaya a resolverse el problema.
4.2.1. Mallados estructurados
Los mallados estructurados son, de algún modo, la elección más “natural” para
resolver un flujo determinado, pues éste estará generalmente alineado con las direc-
ciones principales de la malla. En cierto sentido, las líneas de la malla siguen a las
líneas de corriente, las cuales se alinean con los contornos sólidos del dominio.
Es importante destacar que las mallas estructuradas tienen, en comparación con
las no estructuradas, mejores prestaciones desde el punto de vista del CFD en térmi-
nos de precisión, tiempo de cálculo y consumo de memoria computacional. Por
tanto, el empleo de mallas no estructuradas está únicamente ligado a la necesidad
industrial de generar geometrías en reducidos intervalos de tiempo y al uso de
herramientas automáticas de generación de mallas.
Aunque resulta más complejo, las mallas estructuradas también pueden sistema-
tizarse para poder ser generadas de forma automática. Requieren de la elección de
bloques y familias topológicas bien definidas (escalables, modulares, etc.) y del uso
de macros o scripts para completar operaciones repetitivas de mallado.
Finalmente, otra ventaja importante de las mallas estructuradas es que su morfo-
logía es ideal para la extensión a dominios tridimensionales. En primer lugar, por-
que se economiza el número de celdas, ya que a igualdad de densidad de malla, los
mallados no estructurados están formados por un número mayor de celdas que los
estructurados. Y en segundo lugar, porque pueden ser extruidos según una direc-
ción preferente, permitiendo un mallado completamente regular en todas las direc-
ciones. De esta forma, es posible plantear estrategias de economización del número
de celdas, distribuyendo inteligentemente el patrón de nodos en todas las direccio-
nes del espacio.
La malla estructurada ideal es una distribución cartesiana de los nodos, de
modo que todos los puntos estén equidistantes y las celdas sean cubos, donde se
cumple que ∆x = ∆y = ∆z. Este tipo de malla proporciona la mayor precisión posi-
ble en el método de volúmenes finitos y se llega a la misma formulación que en el
caso de diferencias finitas. Por tanto, es muy habitual que la evaluación de la calidad
de una malla (o una celda) se refiera en términos relativos a una celda cúbica ideal
(v. apartado 4.2.3).
Cuando la geometría a simular presenta contornos alabeados o curvos, éstos no
pueden formar parte de líneas cartesianas. Para introducirlos, o bien se mantienen
las líneas cartesianas con un tratamiento especial para las celdas que cortan esos
contornos curvados, o bien se emplean mallas curvilíneas de manera que éstas se
adapten a la forma de los contornos de la geometrías. Este segundo tipo de estrate-
gia, denominado mallado curvilíneo generalizado o body-fitted (por aquello de que
se amolda a la forma del dominio), define unas coordenadas curvilíneas (ξ, η, ζ) con
isolíneas coincidentes con los puntos de la malla en el espacio físico y que se vuelven
cartesianas en el espacio matemático definido por ellas.
Uno de los principales inconvenientes de las mallas estructuradas es que presen-
tan cierta rigidez. Así, por ejemplo, si se quiere introducir localmente un nuevo
punto en la malla, es imprescindible hacer pasar nuevas líneas ortogonales por el
punto, que, por extensión, afectarán al resto de los puntos del dominio, obligando a
regenerar toda la familia de curvas ya existentes. En el caso de geometrías complejas
esto puede llegar a ser muy laborioso, y al usuario puede darle la sensación de que la
generación de la malla es algo manual, casi artesanal.
Para evitar estos inconvenientes, es habitual introducir mallas multibloque, de
manera que el dominio completo se subdivide en bloques independientes. Además,
para facilitar aún más las operaciones de mallado, se suele permitir que la conectivi-
dad de los puntos no sea total, de modo que haya líneas que no tengan su línea
correspondiente en el bloque adjunto (non-matching lines). Otra opción, aunque
más compleja desde el punto de vista matemático, es el empleo de mallas superpues-
tas (overlapping grids).
De forma general, los mallados estructurados pueden clasificarse de la siguiente
forma:
c Mallas cartesianas uniformes: sólo aplicables para geometrías regulares sencillas.
c Mallas cartesianas no uniformes: la malla sigue siendo ortogonal, pero ya no es
regular en todas las direcciones. Entre ellas se distinguen:
c Mallas distribuidas, en las que las líneas de malla se apilan o concentran en
determinadas zonas. Ideales para capas límites y zonas locales con grandes
gradientes.
c Mallas quadtree (2-D)/octree (3-D), en las que también se permiten refinos
locales de la mallas, pero a costa de introducir hanging-nodes, es decir, puntos
sin líneas correspondientes en todas las direcciones. Este tipo de mallas da
lugar a lo que habitualmente se denomina non-conformal grids.
Para tener en cuenta el corte de estas mallas cartesianas con contornos curvos, se
utiliza alguno de estos métodos:
c Inmersed boundary method, en el que se mantiene la malla cartesiana a ambos
lados del contorno y se define un método numérico en el solver para introdu-
cir la condición de contorno física.
c Staircase shape, en el que los contornos sólidos curvos se aproximan por
“dientes de sierra” o escalones. Requiere de una densidad local de malla muy
grande para ofrecer cierta resolución y buena precisión.
c Cut-cells, en el que la intersección del contorno alabeado con la malla carte-

siana define celdas con formas arbitrarias que deben ser implementadas.
c Mallas body-fitted estructuradas: la malla se hace curvilínea para adaptarla lo
más posible a la forma geométrica del dominio a modelar. Normalmente emplea
métodos sofisticados para mantener condiciones de continuidad y suavidad en el
tamaño de las celdas. Dependiendo de la orientación de las líneas del mallado, se
pueden plantear distintas configuraciones, identificadas por una letra que
recuerda la forma de dichas líneas. Los más habituales son:
c Mallado en H (H-mesh).
c Mallado en C (C-mesh).
c Mallado en O (O-mesh).
c Mallado en I (I-mesh).
c Mallas multibloque (Multi-block grids): consisten en una combinación de
mallas estructuradas, que aplican diversas topologías en diferentes zonas del
dominio. De esta manera se consiguen:
c Matching and non-matching boundaries entre bloques, dependiendo de si se
hacen o no interfaces conformes o no conformes (correspondencia biunívoca
–o no– entre puntos de la mallas en distintos bloques).
c Mallados C-H.
c Mallados H-O-H.
c Mallados en forma de mariposa (butterfly grids) para flujos internos, muy
apropiados para hacer transformaciones de geometrías cuadradas a geome-
trías circulares (circunscritas).
Mallado cartesiano Malla body-fitted Malla multibloque

no uniforme estructurada en C estructurada
Figura 4.2 Ejemplos de mallas estructuradas.

c Mallados O-H con matching and non-matching boundaries.

c Superposición de mallas (overset/overlapping grids).
4.2.2. Mallados no estructurados

Los mallados no estructurados se han ido convirtiendo en el estándar para el CFD
de uso industrial debido a la imposibilidad de generar mallas estructuradas de forma
completamente automática sobre geometrías arbitrarias.
Las mallas no estructuradas permiten, gracias a diversos algoritmos de genera-
ción (técnicas de avance frontal y de triangularización de Delaney), cubrir con cel-
das tetraédricas cualquier dominio tridimensional sin necesidad de conocer a priori
las topologías constitutivas del mismo.
Una de las grandes ventajas de las mallas no estructuradas es la posibilidad de efec-
tuar un refino local sin afectar la distribución de celdas fuera de esa zona. Esto permite
introducir estrategias de adaptación de la malla, bien para refinar localmente, bien para
reducir el número de celdas, mediante algún criterio basado en el gradiente del flujo o en
estimación de errores. Por tanto, la adaptación de la malla se usa para incrementar o
reducir el número de puntos de la malla de forma que se incremente la precisión en
aquellas regiones con fuertes gradientes del flujo y se ahorre el gasto computacional en
aquellas zonas donde se ha alcanzado un nivel aceptable de precisión.
Puesto que cualquier geometría poligonal puede ser reducida progresivamente a
un conjunto de elementos triangulares y cuadriláteros, las mallas no estructuradas
emplean este tipo de elementos como su unidad básica de generación de celdas. Por
esta razón, la mayoría de los generadores de malla no estructurada consideran las
siguientes topologías básicas:
c Mallas triangulares (2-D)/ tetraédricas (3-D): Presentan una flexibilidad extrema a
la hora de adaptarse a los límites del dominio, permitiendo una construcción auto-
mática del mismo. Generalmente basta con especificar un número de nodos a los
contornos, y un algoritmo de cálculo es capaz de generar toda la retícula de celdas.
c Mallas híbridas: El gran inconveniente de los mallados no estructurados es que
capturan de forma muy deficiente los fenómenos relacionados con la capa límite,
tanto en la proximidad de contornos sólidos como en zonas de estelas, chorros o
capas de cortadura[1]. Una solución de compromiso, bastante eficiente, es
1. Se puede deducir que la relación de aspecto óptima de una celda en la capa límite de un flujo a altos
números de Reynolds debería ser del orden de ∆x/∆y ∼ Re0,5, donde ∆x y ∆y son los tamaños de malla
representativos en la dirección de la corriente y su perpendicular, respectivamente. Esto implica rela-
ciones de aspecto del orden de 1000 (para flujos industriales típicos), y la generación de triángulos
increíblemente deformados, con relaciones base-altura de ese orden, que comprometerían significativa-
mente la convergencia y la fiabilidad de la solución.
emplear mallados híbridos, de forma que se introduce un mallado estructurado

en la capa límite que a continuación se conecta con el resto del dominio
mediante un mallado no estructurado. Así se consigue, además, una gran densi-
dad de nodos en la capa límite, y un progresivo descenso del número de celdas en
zonas alejadas de la capa límite, donde normalmente hay menores gradientes.
c Mallas cuadriláteras (2-D)/hexaédricas (3-D): Otra opción interesante es
emplear celdas con forma de cuadriláteros, distribuidas arbitrariamente y de
forma desorganizada sobre el dominio, que en geometrías tridimensionales se
convierte en prismas de base hexagonal. Este tipo de elementos son más eficientes
que los puramente triangulares o tetraédricos y necesitan de menores recursos de
memoria (el ratio entre número de celdas y número de vértices es cercano a 6 para
tetraedros, mientras que se mantiene prácticamente en 1 para hexaedros).
c Mallas arbitrarias: Este tipo de configuración, totalmente genérica, se suele conse-
guir mediante algún tipo de proceso de aglomeración de celdas más sencillas
(triangulares/cuadriláteras), o bien empleando la malla dual respecto de una malla
híbrida original (uniendo los centros de las celdas de partida). El método de agre-
gación tiene importancia en los métodos multigrid de aceleración de convergencia
(v. capítulo 9), en los que se agrupan las celdas en mallados menos densos (normal-
mente se usan ratios de 1:8) y se avanza en la solución iterativa por niveles.
Mallado triangular Mallado cuadrilátero

no uniforme no estructurado
Triángulos
Cuadriláteros
Malla tetraédrica Malla híbrida en forma

no estructurada de capa límite
Figura 4.3 Ejemplos de mallas no estructuradas.

4.2.3. Calidad de la malla y buenas prácticas

Uno de los puntos críticos de cualquier simulación CFD es la inevitable pérdida de
precisión asociada al empleo de mallas no uniformes, hecho especialmente grave si
se consideran los esquemas de discretización empleados en la práctica, estricta-
mente de segundo orden sobre mallas uniformes.
Téngase en cuenta que aunque se utilicen esquemas numéricos de orden supe-
rior, si se aplican sobre mallas con importantes saltos en la progresividad de las cel-
das, éstos se reducen automáticamente a primer orden. Los esquemas de primer
orden conllevan importantes niveles de error, haciéndolos desaconsejables para
problemas no estacionarios y excesivamente difusivos para problemas estacionarios.
Además de la suavidad y continuidad de la malla, hay otros factores importantes
(relacionados más con cada celda en particular que con la malla en su conjunto)
como pueden ser la distorsión de las celdas o su degeneración respecto a la celda
cartesiana ideal. Para cuantificar estas ideas es muy habitual definir una serie de
parámetros, como por ejemplo la relación de aspecto, ∆x/∆y, o el factor de distor-
sión (skewness factor), que miden el ángulo entre dos caras adyacentes en una celda.
Aunque no es fácil cuantificar el efecto de estos parámetros de forma sobre la
precisión y fiabilidad del modelo numérico, sí es recomendable tener en cuenta que
celdas muy distorsionadas (alta relación de aspecto y alta distorsión) siempre ten-
drán un efecto negativo sobre la precisión de la solución, y, como consecuencia, la
convergencia del modelo empeorará.
En función de todo esto, es imprescindible seguir las siguientes recomendaciones
para conseguir un mallado con una buena calidad:
c Bajo ningún concepto deben aparecer discontinuidades en los tamaños de las
celdas. Si existe variación entre zonas, ésta debe ser progresiva y suavizada. Cual-
quier salto inesperado en el tamaño de las celdas puede reducir la precisión local
a orden cero.
c Cuando el tamaño de la malla varía, debe hacerlo de forma continua en todas las
direcciones. Esto no es nada fácil de conseguir, por lo que se debe ser muy preca-
vido y cuidadoso en la utilización de este tipo de estrategias.
c Es imprescindible minimizar, cuando no eliminar, la distorsión de celdas, evitando
elementos en forma de cuña, cóncavos o con ángulos entre caras que se alejan
demasiado de la ortogonalidad. Si esos ángulos son excesivamente pequeños
(menores de 20-30 grados), la pérdida de calidad en los resultados está asegurada.
c Hay que evitar celdas con uno (o varios) lados muy pequeños. Esto es únicamen-
te aceptable en las capas límites, donde se pueden utilizar grandes relaciones de
aspectos si las celdas son suficientemente ortogonales al contorno sólido (o a la
dirección preferente de cortadura).
La importancia de estas recomendaciones es especialmente crítica en zonas de

flujo con altos gradientes en las que se observan rápidas variaciones de las variables
fluidodinámicas. En zonas de flujo uniforme o cuasiuniforme, estas restricciones
pueden relajarse.
También conviene insistir en algunos puntos importantes con respecto a la gene-
ración automática de mallas no estructuradas. En particular, es deseable una efi-
ciente conversión de información desde los sistemas CAD a los generadores de
malla para poder “apoyar” la malla no estructurada de manera efectiva sobre los dis-
tintos contornos sólidos; es muy recomendable el uso de técnicas de generación de
malla eficaces, de modo que se preserven las propiedades anisotrópicas de la malla
en las zonas contiguas a las paredes; y deben implementarse funcionalidades para
adaptación de la malla en módulos adjuntos al solver.
4.3 Discretización numérica por el método de volúmenes

finitos
En este apartado se van a resumir algunos conceptos básicos relacionados con el

método de volúmenes finitos y sus implicaciones en la implementación práctica de
un código de resolución.
4.3.1. Definiciones generales de la metodología numérica

La forma general de una ley de conservación para una cantidad escalar U, con fuen-
tes volumétricas Q, sobre un volumen finito que incorpora flujos por las caras del
volumen de control viene dada por:
∂
∫ U dΩ + ∫S J ⋅ dS = ∫Ω Q dΩ
∂t Ω
[4.1]
La ecuación general de transporte en su formulación integral ya había sido defi-

nida en el capítulo anterior como
∂
∫ ρ φ dV + ∫ ( ρ v φ − Γ ∇φ) ⋅ dA = ∫ Sφ dV
∂t V A V
(ecuación 3.17 con los flujos convectivo y difusivo Gagrupados en la misma integral
G
de superficie). Basta con identificar que U = ρ φ, J = ρ v φ − Γ ∇φ y Q = Sφ, así
como que el volumen se representa por Ω en lugar de V y el área por S en vez de A,
para entender que estamos ante la misma expresión. En este capítulo se utilizará esta
nueva nomenclatura introducida en la ecuación 4.1, pues es muy habitual su uso en
la mayoría de los textos de referencia. Además, esta forma de expresar la ecuación de
transporte es muy compacta e identifica de forma matemática el sentido de los tér-
minos involucrados: término temporal (unsteady), término de flujo por las superfi-
cies de control (fluxes) y término fuente.
La propiedad esencial de esta formulación es la presencia de la integral de super-
ficie, así como el hecho de que la variación temporal de U dentro del volumen
dependa únicamente de los flujos a través de esas superficies. Para observar que real-
mente se cumple que el esquema es conservativo, se procede a continuación a subdi-
vidir un volumen cualquiera en tres subvolúmenes (figura 4.4).
C
Ω1 Ω2
D
Ω3 E
A
Figura 4.4 Leyes de conservación para los subvolúmenes Ω1, Ω2 y Ω3.
Aplicando las leyes de conservación a cada subvolumen se tendría:
∂ ⎫
∫
∂t Ω1
U dΩ + ∫
ABCA
J ⋅ dS = ∫ Q dΩ ⎪
Ω1
⎪
∂ ⎪
∫
∂t Ω2
U dΩ + ∫
DEBD
J ⋅ dS = ∫ Q dΩ⎬
Ω2
[4.2]
⎪
∂ ⎪
∫ U dΩ + ∫AEDA J ⋅ dS = ∫Ω3 Q dΩ⎪⎭
∂t Ω3
Nótese que se puede recuperar la conservación global si simplemente se suman

las tres ecuaciones en 4.2. Además, cuando se suman las integrales de superficie, las
contribuciones de las líneas interiores ADB y DE siempre aparecen dos veces, pero
con signos opuestos, evidenciando que los flujos internos se cancelan dos a dos. Por
G G
ejemplo, para el volumen Ω2 se tiene la contribución ∫ J ⋅ dS , mientras que para
DE
G G G G
el volumen contiguo Ω3 se tiene el término similar ∫ED J ⋅ dS = −∫DE J ⋅ dS , que se
recorre en sentido opuesto. Por tanto, al hacer la suma, ambos términos se cancelan.
Esta propiedad esencial debe cumplirse en toda discretización numérica para
afirmar que el esquema empleado es conservativo. Cuando esto no ocurre, la suma
de las ecuaciones discretizadas sobre un número de volúmenes adyacentes contiene
contribuciones de flujos interiores que aparecen como fuentes (numéricas) volumé-
tricas internas. En ese caso, se dice que la discretización es no conservativa.
Nótese que si se comenten errores en la evaluación de los flujos en las fronteras
interiores, la conservación global no se verá afectada.
4.3.2. Fundamentos del método de volúmenes finitos
Históricamente, el método de volúmenes finitos fue empleado por primera vez en el

ámbito del cálculo numérico de la Mecánica de Fluidos de manera independiente
por P. McDonald (1971) y R. MacCormack y A. Paullay (1972) para la resolución de
la ecuación de Euler en flujos bidimensionales no estacionarios. Posteriormente fue
extendida a casos tridimensionales por A. Rizzi y M. Inouye (1973).
El punto fuerte del método es su conexión directa con las propiedades físicas del
flujo. De hecho, los fundamentos del método recaen en la discretización directa de
la expresión integral de las leyes de conservación. Esto distingue claramente al
método de volúmenes finitos de los métodos por diferencias finitas y elementos fini-
tos, que discretizan la forma diferencial de las leyes de conservación.
Para aplicar el método se debe subdividir el mallado obtenido de la discretiza-
ción espacial en un número finito de volúmenes (celdas), quedando cada volumen
de control asociado a cada uno de los puntos de la malla. Después se aplicará la ley
de conservación en forma integral a cada uno de esos volúmenes finitos.
Respecto a la forma en que se asocian los volúmenes de control (celdas) a los
puntos del mallado, existen dos posibilidades:
c Esquema basado en celdas (cell-based o cell-centered approach): en el que las
variables se asocian (se almacenan) en los centros de las celdas y las líneas de las
mallas definen los volúmenes finitos (celdas) y sus superficies. Es la elección
obvia: hacer coincidir los volúmenes de control con las celdas. Las variables de
flujo son valores promediados sobre cada celda y representativos, por ejemplo,
del centroide de dicha celda.
c Esquema basado en nodos (node-based, vertex-based o cell-vertex approach): en

el que las variables se asocian en los vértices de la malla. Por tanto, las incógnitas
están almacenadas en los puntos de la malla, es decir, en los vértices de las celdas.
Este esquema es menos intuitivo que el anterior pero permite una mayor flexibi-
lidad en la definición de los volúmenes de control.
Sea cual fuere la elección adoptada (normalmente el esquema basado en celdas, y
por eso se habla indistintamente de celdas o de volúmenes de control), se debe
garantizar que la suma de todos los volúmenes ΩJ (donde el subíndice J representa a
cada una de las celdas del dominio) cubran el dominio discretizado y que no queden
por tanto zonas vacías. A continuación se reemplaza en cada volumen de control ΩJ
la ecuación integral 4.1 por su expresión discretizada, de forma que las integrales de
volumen se expresan como los valores medios de las variables en el interior de las
celdas y las integrales de superficie se reemplazan por la suma de los flujos en cada
una de las caras de dicho volumen. Es decir:
∂ G G
∂t
(U J ΩJ ) + ∑ J ⋅ ∆S = QJ ΩJ [4.3]
caras
La figura 4.5 muestra una discretización bidimensional típica centrada en las celdas
(izquierda). En este caso (cell-based), se identificaría la celda 1 (i, j) con el dominio ΩJ
(superficie total ABCD en 2-D) y la variable UJ correspondería con Ui, j. El término de
flujo debe sumar las contribuciones de los cuatro lados: AB, BC, CD y DA.
La ecuación 4.3 es la expresión general del método de volúmenes finitos y debe
ser el usuario el que defina, para cada volumen ΩJ seleccionado, cómo se definen las
caras y volúmenes de cada elemento (esto es, cell-based o node-based) y cómo se cal-
culan los flujos en las caras. Además, esta ecuación presenta una serie de caracterís-
ticas interesantes, que diferencia la interpretación del MVF de los métodos en
diferencias o elementos finitos:
3 2 9
C i,j+1 B F C i,j+1 B F
4 1 8 1 8
i–1,j i,j i+1,j i–1,j A E
D A E
5 6 7 D 6 i,j 7 i+1,j
i,j–1 K K
G H G i,j–1 H
Volumen de control Volumen de control

centrado en celda centrado en nodos
(cell-centered) (cell-vertex)
Figura 4.5 Configuración de volumen de control centrado en celda y cara

(adaptado de Hirsch, 2007).
c Las coordenadas del punto J, asociadas a la localización exacta de UJ dentro del

volumen de control, no aparecen explícitamente en la ecuación. Por lo tanto, UJ
no está necesariamente anclado a un punto fijo dentro del volumen de control,
sino que se puede considerar como un valor medio de la variable del flujo U en
dicho volumen.
c Las coordenadas de los puntos de la malla aparecen únicamente en la obtención
del volumen de la celda y de las áreas de las caras. Por ejemplo, en referencia a la
figura 4.5, para la celda ABCD, que comprende el punto 1, sólo se requieren las
coordenadas de A, B, C y D.
c Cuando no haya términos fuente, la formulación por MVF expresa que la varia-
ción del valor promediado de U sobre un intervalo de tiempo ∆t es igual a la
suma de flujos que intercambia la celda considerada con sus vecinas. Para flujos
estacionarios, la solución numérica se obtiene como resultado del balance de
todos los flujos entrantes o salientes al volumen de control, es decir:
G G
∑ J ⋅ ∆S = 0
caras
c El método de volúmenes finitos permite una implementación directa de las con-

diciones de contorno, por ejemplo en los contornos sólidos en los que determi-
nadas componentes normales han deG ser cero. Así, en el caso de la ecuación de
G
G deG masa para la que J = ρv , la condición de contorno en una
conservación
pared será J ⋅ dS = 0.
La ecuación 4.1, además de reemplazarse por su forma discreta, requiere de una
integración temporal debido a la existencia del término no estacionario. Si se integra
dicha ecuación desde el instante anterior (n – 1) ∆t hasta el instante final n ∆t para
cada volumen de control ΩJ asociado a la celda J se obtiene:
n n−1
n G G n
∫Ω U dΩJ
J
= ∫ U dΩ J
ΩJ
−∑ ∫ ( J ⋅ ∆ S ) dt +
c
∫ dt ∫Ω Q dΩJ
J
[4.4]
caras n−1 n−1
Introduciendo la variable promedio en el interior de la celda, U nJ−1 , así como la

fuente QnJ−1 , ambas evaluadas en el instante (n – 1)∆t; y definiendo las cantidades
G
promediadas en el tiempo para el volumen de control como Q∗J para la fuente y J ∗
para el flujo numérico se tiene:
1 n−1 G∗ G 1 n G G
U Jn−1 =
ΩJ
∫Ω J
U dΩ J J ⋅ ∆S = ∫
∆t n−1
J ⋅ ∆ S dt [4.5]
1 1 n
QJ =
ΩJ
∫Ω J
Q dΩ J QJ∗ = ∫ Q dt
∆t n−1 J
[4.6]
Por tanto, la discretización conservativa toma la forma:
n n−1 G G
U J ΩJ = U J ΩJ − ∆t ∑ J ∗ ⋅ ∆S + ∆t Q j ∗ Ω J [4.7]
caras
La ecuación 4.7 es una relación exacta para la evolución temporal de las varia-
bles conservativas U nJ−1 y promediadas en el interior de la celda J. Obsérvese nueva-
mente cómo no hay ningún punto de la malla asociado a U Jn−1 (la variable está G
únicamente anclada a la celda J). La forma en que se calcule el flujo numérico J ∗
será la que permita identificar Gel esquema de discretización empleado (v. ejemplos
en 4.4), pues la definición de J ∗ es la que permite aproximar el flujo real prome-
diado en el tiempo para cada cara de una celda.
Es evidente que en aras de satisfacer el principio de conservación a este nivel dis-
creto, la estimación del flujo numérico en una determinada cara de una celda debe
ser independiente de la celda a la que pertenece.
La ausencia en la ecuación 4.7 de un índice temporal tanto en el sumatorio de los
flujos numéricos como en el término fuente indica que es posible elegir en qué ins-
tante se quieren evaluar: bien en el instante anterior (n – 1) –esquema explícito–,
bien en instante actual n –esquema implícito– como se verá en el próximo apartado.
4.4 Implementación del método de volúmenes finitos
En el apartado anterior se presentaron los fundamentos del método y se analizó en

clave matemática la forma genérica de implementarlos para su resolución. En este
apartado se van a ilustrar algunas fórmulas prácticas que se pueden emplear para
implementar el método de volúmenes finitos satisfactoriamente. Para ello, se
retoma la nomenclatura empleada en el capítulo 3 de este libro, estudiando por
separado cada uno de los términos que configuran la ecuación general de transporte
en forma integral.
4.4.1. Mallados decalados

Antes de analizar cada uno de los términos de la ecuación, conviene repasar alguna
de las características de los mallados que se van a emplear a continuación. Si bien en
el apartado 4.3 se plantearon las expresiones de forma genérica para poder emplear-
las sobre cualquier mallado arbitrario, en lo sucesivo se supondrá que se trabaja con
un mallado cartesiano regular. El objeto de emplear esta tipología básica es la de
simplificar al máximo los cálculos de los flujos para mantener al lector centrado en
los fundamentos, reduciendo la complejidad matemática lo más posible.
Como convención para la nomenclatura, en el método de volúmenes finitos es
práctica habitual utilizar letras (en vez de subíndices) para definir la celda actual y
sus vecinas. Por tanto, en lugar de utilizar los subíndice i, j para una malla bidimen-
sional, se utiliza el subíndice P para identificar el centroide del volumen de control.
Análogamente, la celda adyacente situada a la izquierda se identifica con la letra W
(west), mientras que la celda adyacente situada a la derecha se identifica con la letra
E (east). Como habrá adivinado el lector, todas las celdas contiguas se nombran
empleando los puntos cardinales en inglés. Además, las celdas y sus puntos centrales
(centroides) se denotan con mayúsculas mientras que las caras se escriben en
minúsculas (v. figura 4.6).
La definición de los volúmenes de control, tal y como se vio en 4.3.2, podía hacerse
centrada en las celdas o bien centrada en los vértices, aunque es práctica habitual
hacerlo en los centroides. Parecería lógico, por tanto, definir todas las variables que se
quieran resolver (velocidades, presiones, temperaturas, etc.) sobre esos centros de las
celdas. Sin embargo, si las componentes de la velocidad y las presiones se almacenan en
las mismas posiciones, podría ocurrir que en ciertas circunstancias (gradientes de pre-
sión muy elevados) la solución final obtenida con el método fuese irreal, siguiendo un
patrón en forma de tablero de ajedrez (checker-boarding). Para evitar esto, se utiliza un
mallado decalado (staggered grid), de forma que:
c Las variables escalares, como la presión, la temperatura o la fracción másica, se
evalúan en los centros de las celdas (cell-based).
c Las componentes vectoriales, es decir, las componentes de la velocidad se alma-
cenan en las caras de las celdas (face-based).
n
w
W P E
e
s
S
y
Figura 4.6 Nomenclatura habitual

en el método de volúmenes finitos.
Volumen de control
para escalares (coincide con celda)
vn
n
w
W P Tp E
uw pp ue
vs e
s
S
y
Volumen de control
x
para velocidades (celda decalada)
Figura 4.7 Mallado decalado (staggered grid).
Si no hay que resolver un campo de velocidades (por ejemplo, en el caso de difu-

sión pura de calor, como se verá en el capítulo 5) o el campo de presiones no está
acoplado con el de velocidades (por ejemplo, en el caso de convección pura con gra-
diente de presión conocido, capítulo 6) no es necesario realizar esta estrategia de
decalado. En el caso general, será imprescindible realizar este desfase entre los volú-
menes de control, y entonces se dice que la malla está decalada (staggered). Las ven-
tajas frente al no decalado son:
c La velocidad está influenciada por la presión en dos nodos adyacentes, lo que
evita soluciones no realistas.
c La velocidad está directamente disponible en la cara (sin interpolación), que es
donde se necesita para evaluar los flujos en la discretización de las ecuaciones.
A continuación se plantea la discretización de la ecuación de conservación en
forma integral, mediante integración para cada celda P y cada paso temporal ∆t.
1 ⎛∂ ρ φ G ⎞ 1
∫ ∫ ⎜ + ∇⋅ (v ρ φ) − ∇⋅ ( Γ ∇φ)⎟dV dt = ∫ ∫ S dV d t [4.8]
∆t ∆t V⎝ ∂t ⎠ ∆t ∆ t V φ
en donde se ha dividido por ∆t en ambos miembros de la ecuación por simplicidad.

En los siguientes subapartados se irá planteando la discretización de cada término
por separado.
4.4.2. Discretización del término temporal
Para el término temporal, TP , se supone que el valor de la variable en el interior

de la celda es constante por lo que se puede intercambiar el orden de los operadores.
Por tanto, se puede establecer:
1 ∂ ( ρφ) 1 ∂ ( ρφ)
TP =
∆t
∫∆ t
∫ VP ∂t
d V dt = ∫
∆t PV
∫∆ t ∂t
d t dV =
⎡ ρ φ n − ρ φ n−1 ⎤
1 ⎢ P P ⎥dV
=
∆t
∫VP ⎢ ∆ t
P P
⎥
⎣ ⎦
Y así:
TP =
VP
∆t
( n
ρP φP − ρP φP
n−1
) [4.9]
donde VP representa el volumen de la celda, (n – 1) se refiere al valor de la variable al

principio del paso temporal, y n representa el valor al final del paso temporal.
4.4.3. Discretización del término fuente
En el caso del término fuente se debe discretizar
1
FP = ∫ ∫ S d V dt ,
∆t ∆t V φ
donde además se supondrá que dicho término viene expresado como Sφ = SC + SPφ,
siendo SP ≤ 0. Con esta definición se está planteando indirectamente que Sφ se ha
linealizado. Integrando ahora esta expresión para el volumen de control asociado al
punto P se tiene:
FP = VP (SC + SP φP ) [4.10]
donde SC y SP son coeficientes. Ha de tenerse en cuenta que la formulación lineal del

término fuente parece falsamente restrictiva (luego se verá que expresiones más
generales de Sφ se pueden escribir de esa forma). Además, en la integración se ha
supuesto nuevamente que φP es uniforme en la celda y de valor constante en todo ∆t
e igual al valor final del intervalo. En el apartado 4.6 se discutirá esta elección.
4.4.4. Discretización del término difusivo

En el caso del término difusivo se obvia nuevamente la integración temporal y se supone
que el valor se mantiene constante durante todo ∆t. Es una idea similar a lo hecho con el
término fuente (y que se discutirá en el apartado 4.6), tratando de aglutinar el efecto no
estacionario de todos los términos únicamente en el término temporal. Esto permitirá
elegir en qué instante evaluar los flujos y términos difusivos en la ecuación discretizada.
Aplicando el teorema de Gauss de la divergencia es inmediato establecer para el flujo
difusivo que:
G
DP = −∫ ∇⋅ ( Γ ∇φ) dV = −∫ Γ ∇φ dS
VP SP .
O, equivalentemente, de forma discreta:
G
DP = − ∑ Γ ∇φ n A [4.11]
cara
caras
G
donde n representa la normal externa a la cara que se está evaluando. Para comple-
tar la discretización se supone que la variable φ varía linealmente entre los centros
de las celdas que comparten la cara que se está evaluando. De esta forma el gradiente
se sustituye, por ejemplo en la cara e de la figura 4.7, por una diferencia centrada:
φ E − φP
De = −Γ e Ae [4.12]
PE
El valor de Γe en la cara no está disponible, ya que el coeficiente de difusión, al ser un

escalar, se almacena en el centro de las celdas. Si dicho coeficiente fuese una constante (por
ejemplo la viscosidad en la ecuación de momento para un fluido newtoniano isotrópico)
no sería necesaria ninguna discusión adicional. En un caso más general, se obtiene por
interpolación (aritmética o armónica) de los valores en los nodos adyacentes, por ejemplo:
Γ P eE − Γ E Pe
Γe = [4.13]
PE
Expresiones similares del término difusivo se obtendrían para los flujos en el

resto de las direcciones espaciales.
4.4.5. Discretización del término convectivo

Nuevamente se omite en la discretización la derivada temporal. Aplicando una vez más
el teorema de Gauss de la divergencia:
G G G
CP = ∫ ∇⋅ ( ρ v φ) dV = ∫ ρ v φ dS
VP SP
Y de forma discreta:
CP = ∑ ρ vG φ nG A cara [4.14]
caras
G
donde n representa la normal externa a la cara que se está evaluando. Retomando
de nuevo el ejemplo de la cara e en la figura 4.7, se obtendría:
Ce = ρe φe ue Ae [4.15]
En la ecuación 4.15 los valores de Ae y ue son conocidos, gracias a la ventaja del

staggering, pues el valor de la velocidad está disponible (almacenado) en la cara. Sin
embargo, en este caso no se dispone del valor de la densidad en esa cara ni del valor
de la variable (se tiene en los centros de las celdas que comparten la cara que se está
evaluando). Por tanto, es necesario establecer de nuevo una interpolación entre los
valores disponibles para estimar un valor de la variable en la cara. Por ejemplo, se
puede emplear un esquema de discretización por diferencias centradas:
ρP φP eE − ρE φE Pe
ρe φe = [4.16]
PE
Desafortunadamente, los esquemas relacionados con el término convectivo son

bastante restrictivos debido a la influencia de la velocidad en el transporte de las
variables. Así, en el caso de las diferencias centradas empleadas en 4.16, se demues-
tra que sólo son válidas si se cumple que:
ρe ue eE
Pe = <2
Γe
Este parámetro limitador se denomina número de Peclet (Pe) y relaciona el trans-

porte convectivo (en el numerador) con el transporte difusivo (en el denominador).
El lector puede comprobar la analogía existente entre el número de Peclet y el
número de Reynolds
ρuL
Re =
μ
Cuando Pe > 2, y especialmente cuando la convección es mucho mayor que la
difusión, se utiliza un esquema alternativo, denominado upwinding. En este
esquema se evalúa el valor ρe φe en el mismo nodo que aguas arriba. Es decir:
ρe φe = ρP φP si ue > 0
[4.17]
ρe φe = ρE φE si ue < 0
Obsérvese el claro sentido físico de esta aproximación, al asignar al valor en la

cara el que le proporciona la corriente incidente. Es evidente que este esquema dará
mejores resultados cuanto más significativa sea la influencia de la convección en el
fenómeno físico que se pretende resolver.
En el apartado 4.5 se indican otros esquemas de discretización espacial de orden
superior que también se emplean con frecuencia en la discretización del término
convectivo.
4.4.6. Ecuación algebraica por volúmenes finitos

Agrupando las discretizaciones de los cuatro términos implicados en la ecuación de
transporte, y habiendo evaluado los flujos por las caras del este y del oeste en el
dominio de la figura 4.7 (supuesto unidimensional), se establece para el nodo P:
VP
∆t
( n
ρP φP − ρ P φP
n−1
)− A u
w w ρW φW + Ae ue ρP φP −
[4.18]
φ − φP φ − φP
−Aw Γw W − Ae Γ e E = VP ( SC + SP φP )
δx w δx e
Agrupando términos alrededor de la variable a resolver y dejando φP a la

izquierda, se tiene:
⎛V ρ A Γ AΓ ⎞
φP⎜ P P + Ae ue ρP + w w + e e − VP SP ⎟=
⎝ ∆t δx w δx e ⎠
[4.19]
⎛ A Γ ⎞ ⎛A Γ ⎞ V n−1
= φW ⎜ Aw uw ρW + w w ⎟+ φE⎜ e e ⎟+ P ρP φP + VP SC
⎝ δx w ⎠ ⎝ δxe ⎠ ∆t
donde se ha evaluado el término temporal entre n y (n – 1). Denotando los coefi-

cientes que acompañan a las variables con la letra a y añadiéndoles un subíndice que
se corresponde con el centroide al que hacen referencia, se obtiene la ecuación alge-
braica de forma compacta:
(aP − VP SP ) φP = aW φW + aE φE + aT φT + VP SC [4.20]
donde por continuidad se ha de cumplir que aP = aW + aE + aT . Como el lector ya

habrá podido intuir, este caso unidimensional puede extenderse fácilmente a un caso
general tridimensional, resultando que:
⎛ ⎞
⎜ ∑ ai φi ⎟+ aT φT + VP SC
⎜ ⎟
⎝ celdas vecinas ⎠
φP = [4.21]
(aP − VP SP )
La interpretación de la ecuación algebraica 4.21 es que el valor de la variable a
resolver en el nodo P es la media ponderada del valor de φ en las celdas vecinas,
cada una con su contribución de peso ai, del valor de φ en el instante anterior, con
un peso aT , y del valor del término fuente con peso VP SC.
4.5 Métodos de discretización espacial
Para la discretización del término convectivo se han desarrollado distintos esque-

mas, tanto de primero y de segundo orden como de órdenes superiores. Aunque en
el capítulo 6 se desarrollarán más en detalle, conviene que el lector se vaya familiari-
zando con ellos, por lo que aquí se presenta su formulación básica (para el caso uni-
dimensional asociado a los volúmenes de control de la figura 4.7) con algunas
pequeñas consideraciones.
c Diferencias centradas:
ρP φP eE − ρE φE Pe
Ce = ρe φe ue Ae = ue Ae [4.22]
PE
Aunque es un esquema de segundo orden, tiene la restricción en el número de

Peclet. Nótese que para una velocidad característica y propiedades físicas dadas,
se puede satisfacer el criterio (Pe < 2) si se reduce el tamaño de malla suficiente-
mente. Sin embargo, en la mayoría de las situaciones esto requeriría de mallados
extraordinariamente finos, con el consiguiente gasto computacional.
c Upwind:
⎣ ρP φP ue θ − ρE φE (−ue ) (1 − θ )⎤
Ce =⎡ ⎦Ae con θ = max (ue ue ,0) [4.23]
A pesar de que el esquema upwind garantiza que el sistema de ecuaciones será

resoluble, resulta ser de primer orden, por lo que puede presentar problemas de
difusión numérica.
4.5 Métodos de discretización espacial 99
En la literatura especializada se pueden encontrar toda una serie de esquemas de

discretización de primer orden que tratan los términos convectivos y difusivos
conjuntamente. Este tipo de esquemas normalmente aproximan las variaciones
entre nodos a la solución exacta de una ecuación convectiva-difusiva restringida
localmente. Ha de tenerse en cuenta que su comportamiento en dominios multi-
dimensionales es similar al del esquema upwind.
c Esquema exponencial: Se deduce de la solución exacta de la ecuación convec-
tiva-difusiva unidimensional. Aunque el desarrollo se detalla en el capítulo 6,
aquí se muestra su formulación para el flujo convectivo-difusivo de la cara este:
⎛ φ − φE ⎞
J e Ae = ρe ue⎜ φP + PPe ⎟ [4.24]
⎝ e e −1 ⎠
donde JeAe representa el flujo conjunto por la cara este. Debido a que el empleo
de la función exponencial es costosa computacionalmente hablando, se han bus-
cado soluciones alternativas que aproximen este comportamiento pero de forma
más sencilla, como es el caso de los esquemas híbrido y potencial.
c Esquema híbrido: Para implementarlo basta con usar una formulación upwind y
multiplicar la contribución de la difusión por el factor (1 – 0,5Pee) en la cara este.
Así, en la ecuación 4.24 se puede deducir que el coeficiente aE que afecta a la varia-
ble φ en el nodo E es
Fe
aE = Pee
e −1
donde Fe = ρe ue representa la “intensidad de convección”. Definiendo análoga-
mente De = Γe/δx como una “intensidad de difusión”, el coeficiente aE queda expre-
sado alternativamente como:
aE Pe
= Pe e
De e e −1
Finalmente, reemplazando esta exponencial por la ley lineal expresada anterior-
mente, se formula el esquema híbrido como:
⎧ −Pe si Pe < −2
aE ⎪
⎨ 1 − 0,5Pe si −2 ≤ Pe ≤ 2 [4.25]
De ⎪
⎩ 0 si Pe > 2
c Esquema potencial: En este caso se ajusta la curva exponencial aE/De por un
polinomio de orden 5 y se obtiene:
⎡ 5⎤
aE De = max⎢
⎣ 0, (1 − 0,1 Pe ) ⎥
⎡ ⎤
⎦+ max⎣ 0,−Fe ⎦
[4.26]
que es una expresión con un comportamiento muy similar a la exponencial, pero

mucho menos costosa de computar.
Finalmente, para paliar el problema de las limitaciones de estos esquemas de pri-
mer orden, se han desarrollado otras formulaciones que, basadas en las característi-
cas del upwinding, han ampliado el orden de truncamiento para incrementar la
precisión. Su formulación se detallará en el capítulo 6, aunque de forma genérica se
pueden plantear según la expresión:
1
⎣(1 − κ ) ( φP − φW ) + (1 + κ) ( φE − φP )⎤
φe = φP + ⎡ ⎦ [4.27]
4
En función del valor del parámetro κ se obtienen los siguientes esquemas de
segundo orden:
c Esquema centrado: si κ = 1. Se recuperan las diferencias centradas (ecuación 4.22).
c Esquema Beam-Warming: si κ = –1. Es un esquema upwind de segundo orden.
c Esquema Fromm: si κ = 0.
Y también es posible conseguir esquemas de tercer orden:
c Esquema QUICK: si κ = 1/2. Responde a las siglas Quadratic Upwind Interpola-
tion for Convective Kinetics y plantea una corrección parabólica para la interpola-
ción lineal de φe.
c Esquema cúbico: si κ = 1/3.
4.6 Métodos de discretización temporal
Una vez que se han visto las posibilidades para completar la discretización espacial,
es el momento de abordar los métodos de integración temporal. En la ecuación 4.7
había quedado pendiente en qué momento del paso temporal (si al inicio o al final)
era preciso evaluar los flujos y términos fuente en cada celda. Una discusión similar
había quedado pendiente en la discretización de los términos convectivo, difusivo y
fuente cuando se obvió el operador integral sobre la ecuación de transporte.
En la ecuación 4.18 se ve claramente que el término temporal discretizado es fun-
ción de la variable φ en P tanto al principio (n – 1) como al final del intervalo (n). El
resto de los términos en la ecuación son función de φP , φW , φE, etc., que deben ser
lógicamente evaluados “en algún momento intermedio” entre (n – 1) y n. Por
supuesto, también pueden ser evaluados en los extremos del intervalo temporal, es
decir, en (n – 1) o en n.
4.6 Métodos de discretización temporal 101
De forma general se puede establecer que los flujos (y también los términos
fuente) se pueden interpolar en función del instante en que son evaluados a partir de
un factor f que varía entre 0 y 1. Por lo tanto:
G G
∫∆t J ⋅ A dt =( f J n + (1 − f ) J n−1 ) A ∆t [4.28]
c Si se fija que f = 0, se obtiene el esquema explícito, en el que los flujos y los términos
fuente se evalúan usando exclusivamente los valores al inicio del intervalo (es decir,
los valores del paso temporal anterior). Esto implica las siguientes consideraciones:
c En el mejor de los casos son estables de forma condicional y presentan una
limitación importante con respecto al tamaño máximo de paso temporal que
se puede emplear (∆tmax).
c Normalmente, dicho paso temporal es bastante pequeño, especialmente en el
caso de flujos con fenómenos de convección dominantes, en los que se esta-
blece que ∆tmax < CFL (∆x/c), siendo c del orden de la velocidad del sonido.
Por ejemplo, para garantizar CFL = 1, en caso de que ∆x ∼ 10–2 m y c ≈ 330 m/s
se necesitaría ∆tmax < 3 × 10–5 segundos.
c El gasto computacional es reducido porque se puede evaluar en cada instante
el valor de la variable φ en cada celda en función de los valores en el instante
anterior: no se necesita por tanto resolver un sistema de ecuaciones acoplados
ni es preciso realizar la inversión matricial.
c Por el contrario, el exigente límite de estabilidad requerirá un gran número de
iteraciones.
c Si se fija que f = 1, se obtiene el esquema implícito, en el que los flujos y los térmi-
nos fuente se evalúan en el mismo instante en que se pretenden conocer las varia-
bles (es decir, los valores en el paso temporal actual). Ha de tenerse en cuenta que:
c A primera vista es evidente la complejidad que supone evaluar los flujos en
función de los valores en las celdas contiguas, que pueden no estar aún dispo-
nibles en función del orden en que se vaya recorriendo el dominio a resolver.
c Son generalmente estables de forma incondicional, por lo que se pueden emplear
pasos temporales muy grandes (teóricamente, incluso tendiendo a infinito).
c En la práctica, debido a las no linealidades de las ecuaciones de flujo, siempre
aparecen restricciones sobre el tamaño del paso temporal. Además, la natura-
leza no estacionaria (física) de un flujo puede incluso restringir aún más esta
limitación (matemática).
c De todas formas, el paso temporal resultante siempre será significativamente
mayor que el necesario para el esquema explícito.
c Consecuentemente, el gasto computacional por iteración será mucho mayor

que en el esquema explícito, por cuanto es imprescindible efectuar la inver-
sión matricial.
c Un criterio muy útil para saber si el esquema implícito es más apropiado que
el explícito es analizar la relación que existe entre el paso temporal máximo,
∆tmax, admisible desde el punto de vista matemático y el paso temporal físico
recomendable. De esta forma, si el paso temporal físico es del orden del paso
temporal matemático, indudablemente se debe emplear el esquema explícito.
Por el contrario, si el paso temporal físico es significativamente mayor que el
matemático, entonces debe emplearse un método implícito. Ésta es precisa-
mente la situación en el análisis de un flujo estacionario, donde ∆tfísico → ∞.
c Para problemas no lineales, es necesario emplear técnicas de linealización junto
con el esquema implícito, lo cual puede restringir las condiciones de estabilidad.
c Si se fija que f =1/2, se obtiene el esquema Crank-Nicholson, una situación inter-
media en la que esencialmente se supone una variación lineal para φP entre los ins-
tantes (n – 1) y n. En el próximo capítulo se verá más en detalle este esquema y las
restricciones asociadas con respecto al tamaño máximo de paso temporal.
En resumen, la elección entre emplear un esquema explícito o uno implícito se
debe tomar en función del valor del producto “coste computacional por paso tem-
poral” por “número de pasos temporales”. Por tanto, se ha de equilibrar el paso tem-
poral máximo admisible frente al mayor número de iteraciones necesarias para
resolver el sistema implícito de ecuaciones algebraicas.
Finalmente, los métodos de integración temporal más importantes, tanto para
flujos estacionarios como no estacionarios, se pueden clasificar en tres grupos:
c Métodos multipaso (multistep methods), que implementan integración tempo-
ral implícita.
c Métodos predictor-corrector, restringidos habitualmente a segundo orden y de
carácter explícito, fáciles de programar (p.ej. el esquema de McCormack).
c Métodos multietapa de Runge-Kutta, que son de tipo explícito pero permiten elegir
arbitrariamente órdenes superiores en tiempo (cuarto e incluso quinto orden). Se
adaptan especialmente bien a problemas convectivos con discretizaciones centradas.
5
MVF EN PROBLEMAS
DIFUSIVOS PUROS
El estudio de fenómenos difusivos tiene una gran importancia debido al ele-

vado número de procesos físicos en los que está presente. Así, la difusión es un
mecanismo esencial en la descripción de la transferencia de masa, calor y canti-
dad de movimiento, e incluso de otros procesos como la electroestática o la ciné-
tica química.
En este capítulo se va a considerar la discretización y solución de la ecuación
de transporte para problemas difusivos puros tanto estacionarios como no esta-
cionarios. Además de observar las propiedades de las ecuaciones generales dis-
cretizadas cuando el término convectivo no está presente, el estudio del flujo
difusivo puro es un punto de partida perfecto para asimilar los conceptos genera-
les del método de volúmenes finitos planteado en el capítulo anterior.
Se iniciará analizando el caso de difusión unidimensional en condiciones esta-
cionarias, para ir aumentando en complejidad hasta plantear el caso tridimensio-
nal no estacionario. Por simplicidad y facilidad de comprensión, se considerarán
mallados estructurados ortogonales en todos los casos, aunque también se plan-
teará cómo resolver los distintos gradientes en caso de mallas no estructuradas.
Finalmente, se presentarán las ecuaciones en el caso de dominios cilíndricos y axi-
simétricos, de gran aplicación en el estudio de flujo internos, como es el caso de
flujo en conductos o en el interior de turbomáquinas.
104 Capítulo 5 MVF en problemas difusivos puros
Contenidos
5.1. Difusión 1-D estacionaria

5.1.1. Discretización
5.1.2. Discusión
5.2. Difusión 2-D estacionaria
5.2.2. Discusión
5.3. Implementación de condiciones de contorno
5.3.1. Condición de contorno de Dirichlet (valor)
5.3.2. Condición de contorno de Neumann (flujo)
5.3.3. Condición de contorno de Robin (mixta)
5.4. Difusión 2-D no estacionaria
5.4.1. Esquema explícito
5.4.2. Esquema implícito
5.4.3. Esquema Crank-Nicholson
5.5. Difusión 2-D en coordenadas cilíndricas
5.6. Difusión 2-D en dominios axisimétricos
5.7. Difusión 3-D no estacionaria
5.8. Consideraciones adicionales
5.8.1. Interpolación del coeficiente de difusión
5.8.2. Linealización del término fuente
5.8.3. Relajación
5.8.4. Análisis de estabilidad de Von Neumann
5.8.5. Discretización en mallados no estructurados
Este capítulo ha sido principalmente adaptado de Mathur, S.R. y Murthy J.Y., "The Finite Vol-
ume Method", Class notes for ME608, Numerical Methods in Heat, Mass and Momentum
Transfer, Purdue University (EE.UU.), 2001-2011; Chapter 3: "The Diffusion Equation: a first
look".
5.1 Difusión 1-D estacionaria
Aquí se considera la difusión unidimensional y estacionaria de un escalar φ en un
dominio rectangular. Por tanto, anulando los términos convectivo y temporal[1] de
la ecuación 3.7, se tiene:
⎛ ∂ρφ ⎞
∫∆t ∫V ⎜P⎝ ∂t
+ ∇⋅ (v ρφ) − ∇⋅ ( Γ∇φ)⎟ dV dt = ∫ ∫ Sφ dV dt
∆t VP
[5.1]
⎠
Aplicando el teorema de Gauss, la divergencia del término difusivo se trans-

forma en un flujo por las caras del volumen de control, de forma:
∫A Γ∇φ dA+ ∫V P
S φ dV = 0 [5.2]
donde J = Γ∇φ define el vector de flujo difusivo, que en el caso unidimensional

tiene, en cartesianas, componentes J = J x i y el operador nabla del gradiente queda
definido simplemente como
∂
∇= i
∂x
Además, según se observa en el volumen de control unidimensional de la figura 5.1,
los diferenciales de área serán dA = dA i , donde dA será positivo o negativo según su
vector normal saliente coincida o no con el sentido del vector unitario. Por lo tanto:
∂φ
∫A Γ ∂x dA+ ∫V P
S φ dV = 0 [5.3]
La ecuación 5.3 se discretiza suponiendo que el vector del flujo difusivo varía
linealmente entre los valores de los centroides de las celdas que comparten la cara
analizada. Además, suponiendo que el valor medio del término fuente en el interior
de la celda es S , para el volumen finito asociado al punto P de la figura 5.1 se tiene:
⎛ ∂φ ⎞ ⎛ ∂φ ⎞
⎜ Γ i ⋅ A⎟ +⎜ Γ i ⋅ A⎟ + S ⋅∆VP = 0 [5.4]
⎝ ∂x ⎠e ⎝ ∂x ⎠w
1. La ecuación 5.1 formulada de forma conservativa (o forma divergente) queda expresada simplemente
como: ∇ ⋅ ( Γ ∇ φ) = S φ . Cuando el coeficiente de difusión Γ es constante y el término fuente Sφ es
cero, la ecuación se convierte en la conocida ecuación de Laplace. Cuando el coeficiente de difusión Γ
es constante y el término fuente Sφ no es cero, entonces se obtiene la ecuación de Poisson.
δxw δxe
W P E
x Δx
Figura 5.1 Volumen de control unidimensional.
Las áreas en las caras este y oeste son unitarias (flujo unidimensional), de manera
que Ae = i , Aw = −i , por lo que:
⎛ ∂φ ⎞ ⎛ ∂φ ⎞
Γ e⎜ ⎟ − Γ w ⎜ ⎟ + S ⋅ ∆x = 0 [5.5]
⎝ ∂x ⎠e ⎝ ∂x ⎠w
donde al ser unidimensional, el volumen de la celda se reduce a ∆x, ya que ∆y ∼ 1

(por unidad de alto). Aproximando la derivada por diferencias finitas entre centroi-
des de celdas contiguas en cada cara, se plantea finalmente:
⎛φ −φ ⎞ ⎛ φ − φW ⎞
Γ e⎜ E P
⎟− Γ w⎜ P ⎟+ S ∆x = 0 [5.6]
⎝ δx e ⎠ ⎝ δx w ⎠
Si se acepta que el término fuente presenta una variación lineal según

S = SC + SP φP , en la que se debe cumplir que SP ≤ 0, esta contribución se puede
linealizar en la ecuación 5.6. En el apartado 5.8.2 se comprueba cómo cualquier
forma general del término fuente puede expresarse linealmente. Introduciendo
esto y reordenando para dejar la ecuación en función de los valores de φ en cada
nodo se obtiene:
⎛ Γe Γ ⎞ Γ Γ
⎜ + w − SP ∆x ⎟φP = e φE + w φW + SC ∆x [5.7]
⎝ δx e δ x w ⎠ δx e δx w
b
aP aE aW
Y denotando los coeficientes que afectan a las variables en los nodos como aP , aE
y aW y al término independiente como b, se formula la ecuación algebraica final que
afecta al nodo P según:
donde se cumple además que aP = aE + aW − SP ∆x. La ecuación 5.8 se puede

expresar de forma aún más compacta como:
aP φP = ∑ ac.v. φc.v. + b [5.9]

c.v.
donde en este caso las celdas vecinas (c.v.) son únicamente E y W.
5.1.2. Discusión
A continuación se plantean cuatro características importantes sobre esta discretización:
c La discretización de la ecuación expresa un balance entre los flujos discretos de
entrada/salida y el término fuente en cada celda. De esta forma, la conservación
está garantizada en cada volumen de control individual. Sin embargo, la conser-
vación global no se garantiza si no se asegura la consistencia de los flujos en las
caras de los volúmenes de control: los flujos por una pared han de ser iguales por
ambos lados.
c Los coeficientes que se obtienen, aP , aE y aW , han de ser todos positivos.
c Por tanto, nótese que entonces es condición necesaria que SP ≤ 0 en caso de
que existan términos fuente.
c La linealización del término fuente proviene de un desarrollo en serie de Taylor
(v. 5.8.2).
En el caso bidimensional se extenderá la discusión sobre las implicaciones que
tienen los coeficientes en el sentido físico de la discretización.
5.2 Difusión 2-D estacionaria
Tomando de nuevo la ecuación 5.2, donde en esta ocasión J = Γ∇φ define el vector
de flujo difusivo, que en el caso bidimensional tiene como componentes cartesianas
J = J x i + J y j y con el operador nabla del gradiente definido como
∂ ∂
∇= i+ j,
∂x ∂y
se puede plantear tras la discretización:
⎛ ⎛ ∂φ ∂φ ⎞ ⎞
∑ ⎜ Γ⎜
⎜ ∂x i + j ⎟⋅ A⎟ + S ⋅ ∆VP = 0
∂y ⎠ ⎟
[5.10]
c=e ,w ,n, s⎝ ⎝ ⎠c
Además, según se observa en el volumen de control bidimensional de la figura

5.2, las áreas en las caras de cada celda son Ae = ∆y i , Aw = −∆y i , An = ∆x j y
As = −∆x j , con signos positivos o negativos según su vector normal saliente coin-
cida o no con el sentido del vector unitario. De esta forma:
⎛ ∂φ ⎞ ⎛ ∂φ ⎞ ⎛ ∂φ ⎞ ⎛ ∂φ ⎞
Γe ∆y⎜ ⎟ − Γ w ∆y⎜ ⎟ + Γn ∆x⎜ ⎟ − Γ s ∆x⎜ ⎟ + S ⋅ ∆x ∆y = 0 [5.11]
⎝ ∂x ⎠e ⎝ ∂x ⎠w ⎝ ∂y ⎠n ⎝ ∂y ⎠s
Finalmente, aproximando las derivadas por diferencias finitas, linealizando de la

misma forma que en el caso anterior y reordenando para dejar la ecuación en función
de los valores de φ en cada nodo se obtiene:
⎛ Γ e ∆y Γ w ∆y Γn ∆x Γ s ∆x ⎞
⎜ + + + − SP ∆x ∆y ⎟φP = [5.12]
⎝ δx e δx w δ yn δy s ⎠
aP
Γ e ∆y Γ ∆y Γ ∆x Γ ∆x
= φE + w φW + n φN + s φ + SC ∆x ∆y
δx e δx w δ yn δy s S
b
aE aW aN aS
xw xe
N
An n yn
w
W Ae E
Δy P
Aw e
ys
s
As
y S
x Δx
Figura 5.2 Volumen de control bidimensional.

Y denotando los coeficientes que afectan a las variables en los nodos como aP , aE,
aW , aN y aS y al término independiente como b, se formula la ecuación algebraica
final que afecta al nodo P según:
aP φP = aE φE + aW φW + aN φN + aS φS + b [5.13]
donde se cumple además que aP = aE + aW + aN + aS – SP ∆x ∆y. La ecuación 5.13 se

reduce a la misma expresión compacta que antes (ecuación 5.9) en la que esta vez las
celdas vecinas son E, W, N y S.
5.2.2. Discusión
Los cuatro puntos fundamentales a tener en cuenta son:
c La consistencia debe cumplirse nuevamente evaluando los flujos en la dirección
x y en la dirección y en cada cara, de manera que sea el mismo (y de signo contra-
rio) en las celdas que comparten cada cara. Nótese que en mallados cartesianos
esta condición es relativamente fácil de satisfacer; aunque no lo es tanto en
mallados tridimensionales, no estructurados ni ortogonales.
c Nuevamente, los coeficientes aP y ac.v. deben ser todos positivos. Este hecho tiene
implicaciones físicas. Por ejemplo, si se está evaluando la difusión de tempera-
tura en una placa plana, y la temperatura en el nodo E se ve incrementada, es de
esperar que la temperatura en el nodo P también aumente.
c Precisamente, para garantizar que aP sea positivo en cualquier caso, debe cum-
plirse que SP sea negativo. Esto también tiene un significado físico. Si por ejem-
plo, S se asocia a un término fuente para la temperatura, no es físicamente
realizable que ante un aumento de la fuente se produzca un aumento indefinido
de temperatura. Es necesario que el aumento quede acotado, de manera que la
pendiente que relaciona ambos comportamientos debe ser negativa.
c Cuando no hay términos fuente (ecuación de Laplace), se cumple que
aP = ∑ ac.v. ,
c.v .
por lo que la ecuación 5.9 se reduce a:
⎛a ⎞
φP = ∑⎜ c.v . φc.v . ⎟ [5.14]
a
c.v .⎝ P ⎠
donde se cumple que
∑(ac.v. aP ) = 1 .
c.v.
Puesto que φP es la suma ponderada de sus valores vecinos, esto significa que
tiene que estar limitado por ellos. Y por extensión, φP tiene que estar necesaria-
mente acotado por los valores en las fronteras (algo que ya se había visto en la
ecuación elíptica canónica). Cuando SP ya no es cero, no tiene que cumplirse
necesariamente esta característica, y es perfectamente válido que φP tome en el
interior del dominio valores mayores que en los contornos.
5.3 Implementación de condiciones de contorno
La figura 5.3 muestra un volumen de control típico asociado a una condición de

contorno. Este tipo de volúmenes de control (celdas) se caracteriza porque una o
más de sus caras pertenece al contorno exterior del dominio. En este caso, además
de almacenarse los valores discretos de φ en los centros de las celdas, también se
almacenan en los centroides de las caras que pertenecen a la condición de contorno.
Se considera a continuación la discretización de la celda P situada contigua a la
condición de contorno. Integrando la ecuación de transporte sobre la celda se plantea:
⎛ ⎛ ∂φ ∂φ ⎞ ⎞
∑ ⎜ Γ⎜
⎜ ∂x i + j ⎟⋅ A⎟ + S ⋅ ∆VP = 0
∂y ⎠ ⎟
[5.15]
c=cc ,e ,n, s⎝ ⎝ ⎠c
donde cc se refiere a la cara de la condición de contorno y que no tiene nodo conti-

guo asociado a su izquierda. El vector de área para esa cara es Acc que, como siem-
xcc xe
cc P E
e
x
x
Figura 5.3 Volumen de control aso-

ciado a una condición de contorno.
pre, señala el sentido saliente a la celda. Finalmente, evaluando el flujo por dicha
cara como
⎛ ∂φ ⎞
J cc ⋅ Acc = −Γ cc ∆y⎜ ⎟
⎝ ∂x ⎠cc
y suponiendo variación lineal entre centroides de celda y cara, se establece:
φP − φcc
J cc ⋅ Acc = −Γ cc ∆y [5.16]
δxcc
La definición completa de la condición de contorno requiere especificar bien el

valor desconocido de la variable en el contorno, φcc, bien directamente el valor del
flujo por la cara, J cc . A continuación se detallan cada una de estas posibilidades.
5.3.1. Condición de contorno de Dirichlet (valor)

En la condición de Dirichlet, también denominada condición de valor, se conoce el
valor de la variable en la cara; es decir: φcc = φcc,dato. Introduciendo esta condición en
5.16 y desarrollando 5.15 se obtiene:
⎛ Γ e ∆y Γn ∆x Γ s ∆x Γ cc ∆y ⎞
⎜ + + + − SP ∆x ∆y ⎟φP = [5.17]
⎝ δx e δ yn δy s δxcc ⎠
aP
Γe ∆y Γ ∆x Γ ∆x Γ ∆y
= φE + n φN + s φS + cc φ + SC ∆x ∆y
δx e δy n δy s δxcc cc
aE aN aS acc
b
donde se cumple que aP = aE + aN + aS + acc – SP∆x∆y y el término fuente incluye

ahora: b = accφcc + SC∆x∆y. Conviene recordar un par de consideraciones acerca de
esta discretización:
c En las condiciones de Dirichlet, se cumple que aP > (aE + aN + aS). Esta propie-
dad garantiza que se cumple siempre el criterio de Scarborough[2] para condicio-
nes de contorno de valor.
c Con este esquema se garantiza que φP está acotado por los valores de φE, φN, φS y
φcc si SC y SP son cero, lo cual sigue en consonancia con el comportamiento de la
ecuación elíptica canónica.
5.3.2. Condición de contorno de Neumann (flujo)

En la condición de Neumann, también denominada condición de flujo, se conoce
directamente el flujo por la cara: −( Γ∇φ)cc = qcc . Por lo tanto, J cc ⋅ Acc = −qcc ∆y ,
expresión que introducida en 5.15 y tras desarrollar conduce a:
⎛ Γ e ∆ y Γ n ∆ x Γ s ∆x ⎞
⎜ + + − SP ∆x ∆y ⎟φP = [5.18]
⎝ δx e δy n δy s ⎠
aP
Γ e ∆y Γ ∆x Γ ∆x
= φE + n φN + s φ + qcc ∆y + SC ∆x ∆y
δx e δy n δy s S
b
aE aN aS
donde se cumple que aP = aE + aN + aS – SP∆x∆y y el término fuente incluye ahora:

b = qcc∆y + SC∆x∆y. Conviene recordar las siguientes consideraciones acerca de
esta discretización:
c En las condiciones de Neumann, se cumple que aP = (aE + aN + aS) si el término
fuente es nulo.
c Si qcc y S son cero, se garantiza que el valor de φP está acotado por los valores de
φE, φN y φS. Si no es así, entonces su valor puede exceder los valores vecinos de φ
(o ser menores que ellos).
c Una vez que φP es conocido, se puede obtener el valor de la variable en la cara
por medio de la siguiente expresión:
Γ cc
qcc + φ
δxcc P
φcc = [5.19]
Γ cc
δxcc
2. El criterio de Scarborough (1958) establece una condición necesaria y suficiente para que un sis-
tema de ecuaciones algebraicas pueda converger iterativamente. En particular, la condición se expresa
precisamente en función de los coeficientes de la ecuación discretizada:
∑a ⎧ ≤ 1 en todos los nodos

c.v.
c.v.
⎨
a P − SP ⎩< 1 al menos en un nodo
Los matrices de los sistemas de ecuaciones que satisfacen este criterio tienen una estructura diagonal
dominante.
5.3.3. Condición de contorno de Robin (mixta)

En este caso la condición de contorno relaciona el flujo por la cara de la celda con un
valor de contorno de la variable lejos del dominio (subíndice ∞). El parámetro que
relaciona ambas magnitudes es un coeficiente de película en la frontera, hcc. Este tipo de
condición mixta establece entonces −( Γ∇φ)cc = hcc ( φ∞ − φcc ) . Por lo tanto,
J cc ⋅ Acc = −hcc ( φ∞ − φcc ) ∆y , expresión que introducida en 5.16 y tras desarrollar
conduce a:
φP − φcc
Γcc = −hcc ( φ∞ − φcc ) [5.20]
δxcc
por lo que es posible despejar el valor φcc en la celda como:
Γcc
hcc φ∞ + φ
δxcc P
φcc = [5.21]
Γ
hcc + cc
δxcc
De esta forma, sustituyendo nuevamente la expresión obtenida en 5.21 en 5.20,

se obtiene la expresión para el flujo en función sólo de φ∞ y φP :
Γcc
hcc
δxcc
J cc ⋅ Acc = − ∆y ( φ∞ − φP ) [5.22]
Γ
hcc + cc
δxcc
Finalmente, introduciendo 5.22 en el desarrollo de la ecuación 5.15 se llega a:
⎛ Γ ∆y Γ ∆x Γ ∆x h ( Γ δx ) ⎞
⎜ e + n
+ s
+
cc cc cc
∆y − SP ∆x ∆y ⎟φP =
⎜ δx e δ y δ y h + Γ δ x ⎟
⎝ n s cc cc cc ⎠
aP
[5.23]
Γ ∆y Γ ∆x Γ ∆x hcc ( Γ cc δxcc )
= e φE + n φN + s φS + ∆y φ∞ + SC ∆x ∆y
δx e δyn δy s hcc + Γcc δxcc
aE aN aS acc
b
donde se cumple que aP = aE + aN + aS + acc – SP∆x∆y y el término fuente incluye

ahora: b = accφ∞ + SC∆x∆y. Conviene recordar las siguientes consideraciones
acerca de esta discretización:
c En este caso se cumple que aP > (aE + aN + aS) si S = 0, de manera análoga a

como en el caso de la condición de Dirichlet.
c El valor en la celda P, φP , está acotado por los valores vecinos φE, φN, φS y φ∞.
c El valor en la cara, φcc, se puede calcular a partir de la ecuación 5.21 una vez que
se ha resuelto el sistema. Lógicamente está acotada por φP y φ∞, tal y como fija la
ecuación.
5.4 Difusión 2-D no estacionaria
A continuación se procede a discretizar la ecuación 3.7 anulando únicamente el tér-

mino convectivo, es decir:
⎛ ∂ρφ ⎞
∫∆t ∫V ⎜⎝ ∂t
P
+ ∇⋅ (v ρφ) − ∇⋅ ( Γ∇φ)⎟dV dt = ∫ ∫ SφdV dt
⎠ ∆t VP
[5.24]
La integración del término temporal exige su evaluación en el paso temporal

actual en comparación con el paso temporal anterior. Es habitual utilizar el superín-
dice 1 para indicar el paso temporal en curso y el superíndice 0 para el paso tempo-
ral anterior. De esta forma, y suponiendo como siempre que el término a integrar
espacialmente es constante en el interior del volumen de control, se tiene:
⎛ ∂ρφ ⎞ ⎡ (1) (0) ⎤

∫∆t ∫V ⎜⎝ ∂t
P
⎟dV dt =⎣ ( ρP φP ) − ( ρP φP ) ⎦∆VP
⎠
[5.25]
Respecto a los flujos difusivos, suponiendo, como antes, que el flujo en las caras
se reduce a los flujos reducidos a los centroides, se puede expresar que:
∫∆t ∫V (∇⋅ ( Γ∇φ)) dV dt = ∫∆t ∫A Γ∇φ⋅ dA dt = ∫∆t ∑ ( J c ⋅ Ac ) dt

P
[5.26]
c=e ,w ,n, s
Para poder resolver la integral temporal se supondrá que el flujo difusivo en cada
cara varía entre el instante inicial y final de forma lineal según un parámetro f como:
∫∆t ( J c ⋅ Ac ) dt =⎡⎣ f J (1) A + (1 − f ) J (0) A ⎤⎦∆t [5.27]

Con esta formulación es evidente que se pueden evaluar los flujos en el instante ini-
cial o final sustituyendo simplemente los valores de las variables en los nodos en los
instantes correspondientes. De esa forma, por ejemplo, para la cara este se tendría:
φ(1)
E − φP
(1)
φ(0)
E − φP
(0)
J e(1) Ae = −Γe ∆y ; J e(0) Ae = −Γ e ∆y [5.28]
δx e δx e
pudiendo formularse expresiones análogas para el resto de las caras.

Para concluir con la discretización se aborda ahora el término fuente. Tras la
habitual linealización e interpolando nuevamente entre el instante inicial y final se
tiene:
∫∆t (SC + SP φP ) ∆VP dt =⎡⎣ f (SC + SP φP ) ∆ VP ⎤

(1) (0)
∆ VP + (1 − f ) ( SC + SP φ P ) ⎦∆ t
[5.29]
Una vez discretizados tanto espacial como temporalmente todos los términos, es
posible formular la ecuación algebraica no estacionaria. Por simplicidad, se va a eli-
minar el superíndice 1, de modo que las variables sin superíndice representarán
directamente el valor en el paso actual, mientras que las variables que mantienen el
superíndice 0 se referirán a valores correspondiente del paso temporal anterior.
Agrupándolo todo, y reordenando convenientemente, se tiene:
⎡ ⎤
aP φP = ∑ ac .v .⎡ (0)
⎦+ b +⎢ aP − (1 − f ) ∑ ac.v . ⎥φP
⎣ f φc.v . + (1 − f ) φc .v . ⎤
0 (0)
[5.30]
c .v . ⎢
⎣ c .v . ⎥
⎦
donde como siempre
aE = ; aW = w ; aN = n ; aS = s
δx e δx w δy n δy s
y se definen ahora
aP = f ∑ ac .v . − f SP ∆x ∆y + aP0 ,
c .v .
donde
ρ∆x ∆y ,
aP0 =
∆t
⎣ f SC + (1 − f ) SC + (1 − f ) SP φP ⎤
y el término fuente como b =⎡ 0 0 (0)
⎦∆x ∆y .
En función del valor que se fije para el parámetro f se tienen distintos esquemas
de discretización temporal con distintas propiedades.
5.4.1. Esquema explícito

Es el esquema que se obtiene si se fija f = 0. Como ya se ha comentado en capítulos
anteriores, esto significa que los flujos difusivos y el término fuente se evalúan
usando exclusivamente los valores obtenidos en el paso temporal previo. Con tal
limitación, la ecuación general 5.30 se reduce a:
⎡ ⎤
aP φP = ∑ ac.v . φ(0)
c .v . + b +⎢ aP − ∑ ac .v . ⎥φP
0 (0) [5.31]
c .v . ⎢
⎣ c .v . ⎥
⎦
donde
aE = ; aW = w ; aN = n ; aS = s
y se define
ρ∆x ∆y
aP = aP0 =
∆t
y el término fuente como b =⎡

⎣ SC + SP φP ⎤
0 0 (0)
⎦∆x ∆y. Respecto a esta discretización
cabe señalar:
c El segundo miembro de la ecuación 5.31 contiene valores única y exclusivamente
del paso temporal anterior. Por tanto, se pueden calcular en su totalidad los nue-
vos valores en todos los nodos del dominio en el nuevo instante t + ∆t.
c Obviamente, no es necesario resolver ningún sistema de ecuaciones algebraicas
para conocer φP , puesto que el esquema explícito supone que φ(0)
P prevalece en
todo el paso temporal.
c Cuando ∆t → ∞, se recupera la ecuación en régimen estacionario.
c Este esquema es muy sencillo y conveniente, y se utiliza habitualmente en CFD.
Sin embargo, presenta una limitación seria respecto a su consistencia. Así, en la
ecuación 5.31, se puede observar cómo el término que multiplica a φ(0)
P se puede
hacer negativo si
aP0 < ∑ ac.v .
c .v .
Cuando esto ocurre, se observa cómo un aumento de φ en el paso temporal ante-

rior puede causar una reducción de φ en el instante actual, comportamiento que
es físicamente imposible. Lógicamente, se puede evitar este problema obligando

a que
aP0 ≥ ∑ ac.v .
c .v .
Para el caso particular de mallado uniforme, con propiedades constantes, esto

significa que
∆x ∆y ∆y ∆y ∆x ∆x
ρ >Γ +Γ +Γ +Γ
∆t ∆x ∆x ∆y ∆y
y suponiendo que ∆x = ∆y, la condición de consistencia (para mallado bidi-

mensional) se reduce a:
2
ρ ( ∆x )
∆t < [5.32]
4Γ
Expresiones similares a 5.32 se pueden obtener para los casos unidimensionales

2
y tridimensionales. En concreto éstas serían ∆t < ρ ( ∆x ) 2Γ para 1-D y
2
∆t < ρ ( ∆x ) 6Γ para 3-D. Esta condición se conoce algunas veces como crite-
rio de estabilidad de Neumann y exige que el paso temporal esté limitado por el
cuadrado del tamaño característico de la malla. Esta dependencia es extremada-
mente restrictiva en la práctica, obligando al uso de pasos temporales muy
pequeños que conducen a tiempos de cálculo enormes.
5.4.2. Esquema implícito

El esquema completamente implícito se establece cuando se fija el valor del parámetro
de interpolación f = 1. La ecuación general 5.30 pasa a ser en esta ocasión igual a:
aP φP = ∑ ac .v . φc .v . + b + aP0 φ(0)
P [5.33]
c .v .
donde
aE = ; aW = w ; aN = n ; aS = s
y se define
ρ∆x ∆y a = ∑ a − S ∆x ∆y + a0
aP0 = , P c .v . P P
∆t c .v .
y el término fuente como b = SC ∆x ∆y. Respecto a esta discretización cabe señalar:

c En ausencia de términos fuente,
aP = ∑ ac .v . + aP0
,
c .v .
garantizándose de esta forma que φP queda acotado por los valores de los nodos
vecinos en el instante t + ∆t y por su propio valor en el instante anterior. En
cierto modo esto equivale a considerar que φ(0)
P es una especie de vecino tempo-
ral de φP . Además, al ser una suma positiva, el criterio de Scarborough también
se garantiza.
c Desafortunadamente, el esquema exige para el instante t + ∆t de la resolución de
un sistema acoplado de ecuaciones algebraicas. Esto se debe a que el esquema
implícito supone que φP prevalece durante todo el paso temporal.
c Como en el esquema explícito, cuando ∆t → ∞ se recupera la ecuación en régi-
men estacionario.
c No hay ningún tipo de restricción temporal para el esquema implícito. Esto sig-
nificaría que se podría escoger el paso temporal tan grande como se quisiera y el
proceso iterativo no se vería afectado negativamente por ello. Esto no quiere
decir que la solución obtenida sea del todo precisa: el uso de pasos temporales
demasiado grandes limita la precisión del esquema numérico adoptado.
5.4.3. Esquema Crank-Nicholson

Este esquema es una solución de compromiso entre los dos extremos anteriores. Por
tanto, en este caso se fijará un valor de parámetro f = 1/2. Con ese valor, la ecuación
discretizada 5.30 pasa a adoptar la siguiente expresión:
⎛ ⎞
aP φP = ∑ ac .v . ( 21 φc .v . + 21 φ(0)
c .v . ) + b +⎜aP − 2 ∑ ac .v . ⎟φP
⎜ 0 1 ⎟ (0) [5.34]
c .v . ⎝ c .v ⎠
donde
aE = ; aW = w ; aN = n ; aS = s
y se define
ρ∆x ∆y a = 1 a − 1 S ∆x ∆y + a0
aP0 = , P 2 ∑ c .v . 2 P P
∆t c .v .
⎣ ( SC + SC ) + SP φP ⎦∆x ∆y. Respecto a la discreti-

y el término fuente como b = 12⎡ 0 0 (0) ⎤
zación Crank-Nicholson cabe señalar:

5.5 Difusión 2-D en coordenadas cilíndricas 119
c Cuando
aP0 < 21 ∑ ac .v .
c .v .
el término que multiplica φ(0)P se hace negativo, dando lugar a la posibilidad de

que se obtengan soluciones erróneas. Por supuesto, esto ocurre para cualquier
valor de f que sea distinto de la unidad. En el caso de Crank-Nicholson, se puede
evitar este riesgo imponiendo que
aP0 ≥ 21 ∑ ac .v .
c .v .
Para el caso particular de mallado uniforme, con propiedades constantes, esto

significa que
∆x ∆y 1⎛ ∆y ∆y ∆x ∆x ⎞
ρ > ⎜Γ +Γ +Γ +Γ ⎟
∆t 2⎝ ∆x ∆x ∆y ∆y ⎠
y suponiendo que ∆x = ∆y , la condición de consistencia (para mallado bidi-

mensional) se reduce a:
2
ρ ( ∆x ) [5.35]
∆t <
2Γ
Nótese que esta condición es menos restrictiva que en el caso totalmente explíci-
to; en particular, el paso temporal puede hacerse el doble de grande que dicho
esquema explícito. Por tanto, se puede ir el doble de rápido asegurando igual-
mente la consistencia.
c El esquema de Crank-Nicholson plantea esencialmente una variación lineal para
φP entre los instantes t y t + ∆t.
5.5 Difusión 2-D en coordenadas cilíndricas
Puesto que la ecuación 5.1 está escrita de forma vectorial, su expresión es perfectamente
válida para describir transporte difusivo en otro tipo de sistema de coordenadas. En par-
ticular, en este apartado se muestra cómo discretizar la ecuación en el caso de una malla
que se ajusta a una geometría polar bidimensional. En la figura 5.4 se muestra un control
de volumen típico para este caso. El volumen de control se encuentra en el plano r – θ
limitado por las isolíneas de radio r y ángulo θ, y de volumen ∆VP = rP ∆r ∆θ.
w
N e
rn n
w
P E
W
rs e r
s
S er
Figura 5.4 Volumen de control en una geo-

metría polar.
Se supone que no hay variación fuera del plano, esto es, ∂φ ∂x = 0, y que se satis-
facen condiciones estacionarias (el caso no estacionario se puede desarrollar fácil-
mente). Como se ha visto anteriormente, la discretización espacial de los flujos
difusivos establece:
∑ ( J c ⋅ Ac ) + S ⋅ ∆VP = 0 [5.36]
c=e ,w ,n, s

5.4, las áreas en las caras de cada celda serán en polares: Ae = ∆r eθ,e ,
Aw = −∆r eθ,w , An = rn ∆θ er y As = −rs ∆θ er , con signos positivos o negativos
según su vector normal saliente coincida o no con el sentido del vector unitario.
Teniendo en cuenta que el flujo difusivo, J = Γ∇φ, tiene como expresión del ope-
rador nabla en polares:
∂ 1 ∂
∇= er + e
∂r r ∂θ θ
y que se van a aproximar las derivadas por diferencias finitas linealizando entre
nodos, se tiene:
φ E − φP φ − φW φ − φP φ − φS
Γ e ∆r − Γw ∆r P + Γnrn ∆θ N − Γ s rs ∆θ P +
re δθe rw δθw δrn δrs [5.37]
+(SC + SP φP ) ⋅ rP ∆r ∆θ = 0
5.6 Difusión 2-D en dominios axisimétricos 121
donde se ha linealizado el término fuente según lo habitual. Reordenando para dejar

la ecuación en función de los valores de φ en cada nodo se obtiene:
⎛ Γ e ∆r Γ w ∆r Γnrn ∆θ Γ s rs ∆θ ⎞
⎜ + + + − SP rP ∆r ∆θ ⎟φP = [5.38]
⎝ re δθe rw δθw δrn δrs ⎠
aP
Γe ∆r Γ ∆r Γ r ∆θ Γ r ∆θ
= φE + w φW + n n φN + s s φS + SC rP ∆r ∆θ
re δθe rw δθw δrn δrs
b
aE aW aN aS
en la que denotando los coeficientes que afectan a las variables en los nodos como
aP , aE, aW , aN y aS y al término independiente como b, se transforma en la ecuación
algebraica habitual que afecta al nodo P según:
Es importante destacar los siguientes puntos:

c Independientemente de la forma de cada volumen de control, el proceso básico
de discretización siempre es el mismo. La integración de la ecuación de trans-
porte sobre el volumen de control y la aplicación del teorema de divergencia
siempre conduce a un balance de flujos en cada celda, sea cual sea su forma.
c La única diferencia con el mallado cartesiano ortogonal se encuentra en la expre-
sión de los vectores de área de las celdas y en la formulación del operador nabla
en el sistema de coordenadas considerado.
c El sistema polar de coordenadas es ortogonal. De esta forma, los flujos se expre-
san directamente como diferencias finitas entre valores entre centroides conti-
guos. Cuando la malla es no ortogonal aparecen términos adicionales que deben
incluirse y que aparecen como consecuencia de que la línea que une centroides
de celdas deja de ser perpendicular a las caras de las celdas.
5.6 Difusión 2-D en dominios axisimétricos
Para el caso axisimétrico se utiliza un procedimiento similar, pero suponiendo que

circunferencialmente no hay variación: ∂φ ∂θ = 0 . Nuevamente, analizando el
caso estacionario para un volumen de control típico como el mostrado en la figura
5.5, en el que el nodo P se sitúa en el centroide de la celda que tiene un volumen
∆VP = rP ∆r ∆θ, se llega a la misma ecuación 5.36 que antes.
xw xe
n
rn
w
W P E
r
e
rs
s
x r
Figura 5.5 Volumen de control para geometría axisimétrica.
En este caso, las áreas en las caras de cada celda serán: Ae = re ∆r i , Aw = −rw ∆r i ,
An = rn ∆x er y As = −rs ∆x er , con signos positivos o negativos según su vector nor-
mal saliente coincida o no con el sentido del vector unitario. Teniendo en cuenta que el
flujo difusivo, J = Γ∇φ, tiene como expresión del operador nabla en coordenadas 2-D
axisimétricas:
∂ ∂
∇= er + i
∂r ∂x
y que se van a aproximar las derivadas por diferencias finitas linealizando entre nodos, se
tiene:
φ E − φP φ − φW φ − φP
Γe re ∆r − Γw rw ∆r P + Γnrn ∆x N − [5.40]
δx e δx w δrn
φ − φS
−Γ s rs ∆x P + (SC + SP φP ) ⋅ rP ∆r ∆x = 0
δrs
donde se ha linealizado el término fuente según lo habitual. Reordenando para dejar
la ecuación en función de los valores de φ en cada nodo se obtiene:
⎛ Γ e re ∆r Γw rw ∆r Γnrn ∆x Γ s rs ∆x ⎞
⎜ + + + − SP rP ∆r ∆x ⎟φP = [5.41]
⎝ δx e δx w δrn δrs ⎠
aP
Γ r ∆r Γ r ∆r Γ r ∆x Γ r ∆x
= e e φE + w w φW + n n φN + s s φS + SC rP ∆r ∆x
δx e δx w δrn δrs
b
aE aW aN aS
en la que denotando los coeficientes que afectan a las variables en los nodos como
aP , aE, aW , aN y aS y al término independiente como b, se transforma en la ecuación
algebraica habitual que afecta al nodo P:
5.7 Difusión 3-D no estacionaria
La difusión tridimensional no estacionaria se puede obtener fácilmente extrapo-

lando la anterior ecuación 5.30 al caso en tres dimensiones. Para ello, según el volu-
men de control tridimensional del mallado cartesiano mostrado en la figura 5.6,
basta con añadir los términos adyacentes por arriba (nodo T –top–) y por abajo
(nodo B –bottom–) y tener en cuenta que las caras entre celdas son ahora superficies
infinitesimales.
T
Dy
N E
t
n
P e
Dz
w s
b S
W z Dx
y x B
Figura 5.6 Volumen de control tridimensional.
Como en apartados anteriores, se podría plantear la discretización espacial y tem-

poral de todos los términos para obtener la formulación de la ecuación algebraica no
estacionaria, pero, por simplicidad, se generalizan directamente los términos de la
ecuación 5.30 (nótese que dicha ecuación es válida multidimensionalmente). Por
tanto, para un esquema temporal cualquiera de parámetro f se obtiene:
⎡ ⎤
aP φP = ∑ ac .v .⎡ f φ
⎣ c .v . + (1 − f ) φ(0) ⎤
c .v . ⎦+ b +⎢ a 0
P − (1 − f ) ∑ a (0)
c .v . ⎥φP [5.43]
c .v . ⎢
⎣ c .v . ⎥
⎦
donde en este caso,
∑ ac.v. = aE + aW + aN + aS + aT + aB ,
c .v .
siendo respectivamente
Γe ∆y ∆z Γ ∆y ∆z Γ ∆x ∆z Γ ∆x ∆z
aE = ; aW = w ; aN = n ; aS = s ;
Γ ∆x ∆y Γ ∆x ∆y
aT = t ; aB = b
δz t δz b
y se definen ahora
aP = f ∑ ac .v . − f SP ∆x ∆y ∆z + aP0 ,
c .v .
donde
ρ∆x ∆y ∆z
aP0 = ,
∆t
y el término fuente como b =⎡

⎣ f SC + (1 − f ) SC + (1 − f ) SP φP ⎤
0 0 (0)
⎦∆x ∆y ∆z .
Como es sabido, en función del valor que se fije para el parámetro f se tienen dis-
tintos esquemas de discretización temporal con distintas propiedades. Por ejemplo,
para el caso general implícito (f = 1), la formulación tridimensional queda como
antes:
aP φP = ∑ ac.v . φc.v . + b + aP0 φ(0)
P [5.44]
c .v .
donde
Γ e ∆ y ∆z Γ ∆y ∆ z Γ ∆x ∆z Γ ∆x ∆ z
aE = ; aW = w ; aN = n ; aS = s ;
δx e δxw δyn δy s
Γ ∆x ∆y Γ ∆x ∆y
aT = t ; aB = b
δz t δz b
y se define
ρ∆x ∆y ∆z a =
, P ∑ ac .v . − SP ∆x ∆y ∆z + aP
0
aP0 =
∆t c .v .
y el término fuente como b = SC ∆x ∆y ∆z .

5.8 Consideraciones adicionales
Para terminar el capítulo conviene incidir sobre algunos puntos importantes que
están relacionados de manera indirecta con los esquemas de discretización pre-
sentados.
5.8.1. Interpolación del coeficiente de difusión
En la discretización espacial del término difusivo ha quedado de manifiesto que el

coeficiente de difusión Γ debe ser evaluado en las caras de las celdas: Γe, Γw, Γn, Γs,
etc. Sin embargo, al ser este coeficiente un valor escalar, está almacenado en los cen-
troides de las celdas, por lo que es necesario definir una forma de interpolarlo a las
caras.
La forma más inmediata es definir un interpolación aritmética, de forma que el
valor en el cara dependa del valor en los nodos adyacentes, dando más peso al valor
del nodo que esté más cerca. Así, para la cara evaluada en la figura 5.7, en la que se
emplea un mallado 1-D, estructurado no cartesiano, se definiría la variación aritmé-
tica como:
1 ∆x E 1 ∆x P
Γe = ΓP + Γ [5.45]
2 δx e 2 δx e E
Esta definición conduce a la formulación en diferencias centradas (CDS) ya

sobradamente conocida. En el caso de mallado cartesiano, la ecuación 5.45 se reduce
a la semisuma de los nodos adyacentes a la cara.
Sin embargo, es posible definir una formulación alternativa, especialmente desa-
rrollada para tener en cuenta fronteras conjugadas cuando se discretizan problemas
xe
P Je E
xP xE
Figura 5.7 Interpolación del

coeficiente de difusión.
difusivos de temperatura. En este caso, se emplea un coeficiente de difusión alterna-

tivo mediante una interpolación armónica, que se define como:
δx e 1 ∆x P 1 ∆x E
= + [5.46]
Γe 2 ΓP 2 ΓE
donde el término δxe Γe se puede interpretar como un “resistencia” a la difusión

entre los nodos P y E. El valor en la cara para el coeficiente sería entonces:
⎛ 1 ∆x P 1 ∆x E ⎞−1
⎜ ⎟
2 δx e 2 δx e
Γe =⎜ + ⎟ [5.47]
⎜ ΓP ΓE ⎟
⎜ ⎟
⎝ ⎠
En el caso de mallado cartesiano la ecuación 5.47 se reduce a la semisuma armó-

nica:
2 ΓP ΓE
Γe = .
ΓP + ΓE
Nótese que si Γ P Γ E se llega además a Γe = 2 Γ E , lo cual tiene sentido, pues la

zona con un gran coeficiente de difusión apenas ofrecería resistencia, y entonces la
“resistencia equivalente” sería la proporcionada por la celda E, correspondiente a
una distancia 0,5 ∆xE.
La utilización de un esquema armónico es recomendable para el caso en que
haya que tratar interfaces conjugadas (discontinuidades). Así, tanto celdas sólidas
como fluidas pueden ser tratadas en el mismo dominio: basta con almacenar los dis-
tintos coeficientes de difusión en los centroides de las celdas correspondientes.
5.8.2. Linealización del término fuente
El término fuente S puede ser una fuente añadida de no linealidad en la ecuación

general de transporte. Es relativamente habitual que el término fuente sea una fun-
ción de la propia variable φ a resolver. Por ejemplo, en el caso de transferencia de
calor por radiación, el término fuente en la ecuación de la energía contiene poten-
cias a la cuarta de la temperatura.
Para linealizar estos términos se emplea el método iterativo de Piccard, en el cual
se utiliza un desarrollo en series de Taylor, centrado en el valor de φ en la iteración
anterior. De esta forma, es posible expresar de forma lineal cualquier expresión mate-
mática en función de φ según la ya conocida relación: S = SC + SPφP .
Denotando como φ∗ al valor de φ en la iteración anterior (y disponible en la itera-
ción actual), se puede plantear el desarrollo en series de Taylor de S en torno al valor
anterior φ∗ resultando:
⎛ ∂S ⎞∗
S = S∗ +⎜ ⎟ ( φ − φ∗ ) [5.48]
⎝ ∂φ ⎠
Es evidente de la ecuación anterior que se puede identificar un término indepen-

diente y un coeficiente para φ agrupando simplemente como:
⎧ ⎛ ⎞∗
⎪SC = S∗ −⎜ ∂S ⎟ φ∗
⎪ ⎝ ∂φ ⎠
⎨ [5.49]
⎪ ⎛ ∂S ⎞∗
⎪SP =⎜ ⎟
⎩ ⎝ ∂φ ⎠
∗
Aquí, (∂S ∂φ) es el gradiente evaluado en el valor anterior φ∗. Para la mayoría
de los problemas ese gradiente resulta negativo, por lo que se garantiza que SP sea nega-
tivo. Y de esta forma se asegura que el término fuente tienda a decrecer conforme φ
aumenta, proporcionando un efecto estabilizador. Desafortunadamente esto no siem-
pre es así, y habrá que introducir formulaciones (linealizaciones) alternativas cuando
no se garantiza que SP < 0.
5.8.3. Subrelajación
Cuando se emplean técnicas iterativas para resolver el sistema de ecuaciones algebrai-
cas acopladas, muchas veces es necesario controlar la rapidez con la que las variables
evolucionan durante las iteraciones. Por ejemplo, cuando se tiene una importante no
linealidad en las ecuaciones y la solución de partida está muy lejos de la solución real,
pueden aparecer importantes oscilaciones que dificulten notablemente el proceso ite-
rativo. En este tipo de situaciones se utiliza una subrelajación para suavizar el proceso.
La idea de fondo es limitar la velocidad de cambio de una variable entre una itera-
ción y la siguiente. Así, sea φ∗P el valor estimado de φP en la iteración previa. Puesto
que φP debe satisfacer la ecuación general 3.9 (supuesto flujo estacionario), sería de
esperar que en la iteración actual se cumpliese:
∑ ac.v. φc.v. + b
c .v . [5.50]
φP =
aP
Sin embargo, se pretende que φP no cambie tanto como predice la ecuación 5.50
en relación con su valor inicial φ∗P . En particular, se expresa el cambio en φP desde
la iteración previa a la actual como
∑ac.v. φc.v. + b
c .v .
− φ∗P .
aP
Por tanto, expresando que queremos que φP cambie únicamente en una fracción
α del total, se tendría:
⎛ ∑a φ + b ⎞
⎜ c .v . c .v . ⎟
φP = φ∗P + α⎜ c.v . − φ∗P ⎟ [5.51]
⎜ aP ⎟
⎜ ⎟
⎝ ⎠
que agrupando términos conduce a:
aP 1− α
φP = ∑ ac .v . φc .v . + b + aP φ∗P [5.52]
α c .v .
α
donde α se denomina factor de subrelajación y cuyo valor está normalmente com-

prendido entre 0,3 y 0,7. Respecto a la ecuación 5.52 caben señalarse las siguientes
características:
c Cuando el proceso iterativo ha convergido a la solución (φP = φ∗P ) se reesta-
blece la ecuación discreta original. Esto implica que la subrelajación es única-
mente una alternativa en el camino hacia la solución, y no en la propia
discretización.
c Aunque se puede plantear sobrerrelajación (α > 1), lo habitual es que se limite a
valores de α menores que 1. Fijando que α < 1 se puede asegurar que
aP
> ∑ ac .v .
α c .v .
lo cual garantiza que se cumple el criterio de Scarborough.

c El valor óptimo de α depende del caso que se esté resolviendo, de la intensidad y
características de las no linealidades del sistema a resolver, del tipo de malla
empleada, etc. Un valor cercano a 1 permite acelerar el proceso iterativo, pero lo
hace sensible a problemas de divergencia. Por el contrario, un valor bajo de α ralen-
tiza el proceso y lo protege de divergir abruptamente. Aquí es necesario emplear la
experiencia y la intuición para elegir el valor más apropiado en cada caso.
c Nótese la similitud que se establece entre la subrelajación y el paso temporal. La

suposición inicial de valores actúa como una condición inicial, mientras que los
términos aP α y ⎡ ⎣ (1 − α) α ⎤
∗
⎦aP φP reproducen los efectos de los términos no
estacionarios.
5.8.4. Análisis de estabilidad de Von Neumann

El análisis de estabilidad de Von Neumann es un método clásico para analizar la
estabilidad de problemas lineales: proporciona condiciones exactas de estabilidad
para ecuaciones lineales con coeficientes constantes y condiciones de contorno neu-
tras. Sin embargo, cuando se tenga que tratar con coeficientes no constantes y/o tér-
minos no lineales en las ecuaciones básicas, la información sobre la estabilidad se
vuelve muy limitada.
En la práctica, el análisis de Von Neumann se emplea para proporcionar alguna
directriz acerca del comportamiento general de sistemas idealizados. Evidente-
mente, la complejidad de las ecuaciones acopladas no lineales (como las de Navier-
Stokes) llevará asociada la aparición de restricciones mucho más exigentes. En estos
casos, será necesario utilizar la experiencia e intuición para garantizar la estabilidad
del proceso iterativo.
Por simplicidad se considera ahora la ecuación de Laplace 1-D no estacionaria,
ecuación lineal sin términos fuente y con coeficientes constantes. Su forma discreti-
zada, correspondiendo con la integración temporal explícita de la ecuación 5.4,
sería:
E + aW φW + (aP − a E − aW ) φP
aP φP = aE φ(0) (0) 0 (0)
[5.53]
donde
Γe Γ ρ∆x
aE = ; aW = w ; aP0 = ; aP = aP0
δx e δx w ∆t
Denotando ahora a Φ como la solución exacta del sistema discretizado y a φ como la

solución numérica incluyendo errores de truncamiento y redondeo, se define el
error como ε = Φ – φ. Sustituyendo esta expresión en 5.53 y teniendo en cuenta que
Φ debe satisfacerla, se obtiene:
E + aW εW + (aP − a E − aW ) εP
aP εP = aE ε(0) (0) 0 (0)
[5.54]
A continuación se formula el error como un serie infinita según
ε ( x , t ) = ∑ e σ mt ei λm x m = 0, 1, 2, ..., M
m
donde σm puede ser real o complejo y λm = (mπ/L), siendo L la longitud del domi-
nio. Esta formulación presenta la dependencia espacial del error como una suma de
funciones periódicas y la dependencia temporal como e σ mt . Si σm es real y mayor
que cero, el error aumenta con el tiempo, pero si σm es real y menor que cero, el
error se amortigua. Cuando σm es compleja la solución oscila en el tiempo.
Se define el factor de amplificación como
ε ( x , t + ∆t )
ε( x, t )
Si este factor es mayor que uno, el error crecerá con el paso del tiempo, dando lugar
a un esquema inestable. Si el factor es menor que uno, entonces el error disminuirá
al avanzar las iteraciones y dará lugar a un esquema estable.
Por simplicidad, se examinan ahora las consecuencias de estabilidad de única-
mente un término del error en el sumatorio anterior, ε = e σ mt ei λm x . Sustituyéndolo den-
tro de la ecuación 5.54 y dividiendo por aP e σ mt e i λm x , se obtiene para el caso de mallado
cartesiano (∆x = ∆y):
Γ∆t ⎛ 2 Γ∆t ⎞
2(
e σ m ∆t = ei λ ∆x + e−i λ ∆x ) +⎜
m m
⎜1 −
⎟
2⎟
[5.55]
ρ ( ∆x ) ⎝ ρ ( ∆x ) ⎠
donde introduciendo β = λm∆x y usando la identidad
ei λm∆x + e−i λm∆x = 2 cos β = 2 − 4 sen2 ( β 2)

se obtiene:
4 Γ∆t
e σ m ∆t = 1 − 2
sen2 ( β 2) [5.56]
ρ ( ∆x )
Finalmente se reconoce que el factor de amplificación es igual a:
ε ( x , t + ∆t ) 4 Γ∆t
= e σ m∆t = 1 − [5.57]
ε( x, t ) ρ ( ∆x )
2
Así, para que haya estabilidad,
ε ( x , t + ∆t )
≤1 ,
ε( x, t )
o lo que es igual:
4 Γ∆t
1− 2
≤1 .
ρ ( ∆x )
Desarrollando esta condición se obtienen dos posibilidades: a) que se cumpla
4 Γ∆t
2
≥0 ,
ρ ( ∆x )
lo cual es trivial, pues todos los parámetros de la expresión son positivos, y b) que se
cumpla
4 Γ∆t
2
≥2 ,
ρ ( ∆x )
o lo que es igual:
2
ρ ( ∆x )
∆t ≤ .
2Γ
Para un caso bidimensional, el lector puede comprobar fácilmente que se obtiene

un criterio equivalente para mallados cartesianos 2-D (∆x = ∆y) empleando un
desarrollo del error del tipo ε = e σ mt ei λm x ei λn y . De esta forma se llegaría a una limi-
tación en el paso temporal igual a
2
ρ ( ∆x )
∆t ≤ .
4Γ
Nótese que se obtiene la misma expresión que la ya vista en 5.32.

Aunque en este caso el criterio de Von Neumann y el criterio de Scarborough
han fijado la misma limitación para el paso temporal, hay que advertir que en otras
situaciones pueden proporcionar resultados diferentes. Recuérdese que Von Neu-
mann propone una limitación en el paso temporal para mantener únicamente aco-
tados los errores de truncamiento y redondeo, aun cuando la solución que se
obtenga sea físicamente imposible. Esto ocurre en el caso del esquema Crank-
Nicholson, que el criterio de Von Neumann califica de incondicionalmente estable,
mientras que Scarborough fija que para valores
ρ∆x 1
< 2 ∑ ac .v .
∆t c .v .
es posible obtener soluciones irreales.

5.8.5. Discretización en mallados no estructurados
Se han visto los fundamentos de la discretización en problemas difusivos cuando se

emplean mallados cartesianos. No es el objeto del libro plantear las formulaciones
completas para todo tipo de malla, pero sí es interesante observar la complejidad
que añade el empleo de mallas no estructuradas. En particular, introducir no orto-
gonalidad en el mallado conduce a la aparición de términos extras que desbaratan
las ventajosas propiedades vistas hasta ahora y que obligan a operaciones más elabo-
radas para el cálculo de los gradientes espaciales.
Se pretende que el lector alcance a comprender que la generación de una malla
óptima, lo más regular y ortogonal posible, tiene una implicación directa en las discre-
tizaciones, en la simplicidad y corrección del cálculo de gradientes y en el tiempo de
cálculo asociado. En caso contrario será necesario introducir nuevas aproximaciones
que harán más compleja la simulación y requerirán de mayor esfuerzo computacional.
En la práctica, emplear mallas ortogonales en simulaciones industriales no es
muy habitual debido a la propia complejidad de los dominios a modelar. Por esta
razón, es interesante métodos que sean capaces de abordar la discretización de
mallas generales no estructuradas.
Considérese el mallado de la figura 5.8, representado por las celdas C0 y C1, en el
que la línea que une los centroides de dichas celdas no es perpendicular a la cara c
(se considera no ortogonal). Como en el apartado 5.2 se procede a plantear la discre-
tización bidimensional de la ecuación difusiva estacionaria con términos fuente, de
forma que para la celda C0:
∑ J c ⋅ Ac = (SC + SP φP ) ∆V0 [5.58]

caras
Ac
d
b Ac Δη Δξ Ac
C0
r1 C1
e e r2
e C1 cc
C0 Δη
ca
e
ra
C0 Δξ
ca
ra
ra
ca
c
a
Distancias en mallas
y Cara interior Cara exterior no estructuradas
Figura 5.8 Mallado no estructurado (adaptado de Mathur y Murthy, 2001-2011).

En este caso, escribir J c y Ac en función de ∂φ ∂x y ∂φ ∂y no es adecuado por-

que no se dispone de valores de centroides en esa dirección. Lógicamente, es mucho
más conveniente expresarlo todo en función del sistema de coordenadas (ξ – η), a pesar
de que sus vectores directores no sean ortogonales (eξ , e η ). Para poder expresar
⎛ ∂φ ∂φ ⎞
J c ⋅ Ac = −Γc⎜ Ax + A ⎟
⎝ ∂x ∂y y ⎠c
en el nuevo sistema de coordenadas, es necesario calcular el jacobiano de la transfor-

mación. Así, aplicando la regla de la cadena:
∂φ ∂φ ∂x ∂φ ∂y
= +
∂ξ ∂x ∂ξ ∂y ∂ξ [5.59]
∂φ ∂φ ∂x ∂φ ∂y
= +
∂η ∂x ∂η ∂y ∂η
Por simplicidad en la notación, se van a expresar las derivadas parciales como

subíndice. De esta manera, la expresión 5.59 expresada matricialmente establecería:
⎛ φξ ⎞ ⎛ x ξ y ξ ⎞⎛ φx ⎞
⎜
⎜φ ⎟ ⎟=⎜
⎜ ⎟⎜
⎜ ⎟
⎝ η ⎠ ⎝xη yη ⎟ ⎟
⎠⎝ φ y ⎠
Calculando la inversa de la transformación se obtendría:
φξ y η − φ η y ξ −φξ x η + φ η x ξ
φx = ; φy = [5.60]
J J
donde J = xξ y η − x η yξ . Por tanto, introduciendo todo esto en la expresión del

flujo difusivo, se obtendría:
⎛ Ax y η − Ax x η ⎞⎛ ∂φ ⎞ ⎛−Ax y ξ + Ax x ξ ⎞⎛ ∂φ ⎞
J c ⋅ Ac = −Γc⎜
⎜ ⎟
⎟⎜ ⎟ − Γ c⎜ ⎟⎜ ⎟ [5.61]
⎝ J ⎠⎝ ∂ξ ⎠c ⎝ J ⎠⎝ ∂η ⎠c
donde las derivadas parciales para las coordenadas se pueden aproximar según lo visto
en la figura 5.8 por x ξ = ( x1 − x0 ) ∆ξ , y ξ = ( y1 − y0 ) ∆ξ , x η = ( xb − xa ) ∆η ,
y η = ( yb − ya ) ∆η ; las áreas en cartesianas se expresan como Ax = ( yb − ya ) y
Ay = −( xb − xa ) ; y los vectores unitarios se escriben
⎣ ( x1 − x0 ) i + ( y1 − y0 ) j ⎤
eξ =⎡ ⎣ ( xb − x a ) i + ( y b − y a ) j ⎤
⎦ ∆ξ y eξ =⎡ ⎦ ∆η ,
donde ∆ξ es la distancia entre centroides y ∆η es la distancia entre los vértices a y b.

Nótese que ∆η = Ac.
Sustituyendo estas últimas expresiones en ᏶ y reordenando, se llega a
᏶ = ( Ac ⋅ eξ ) ∆η . Finalmente, sustituyendo estas últimas expresiones en 5.60 y tras
un poco de álgebra, es relativamente sencillo generalizar los coeficientes que afectan
a los dos gradientes de φ de forma que:
⎛ A ⋅ A ⎞⎛ ∂φ ⎞ ⎛ ⎞⎛ ⎞
⎜ c c ⎟⎜ ⎟ + Γ ⎜ Ac ⋅ Ac e ⋅ e ⎟⎜ ∂φ ⎟
J c ⋅ Ac = −Γc⎜ [5.62]
⎟ c⎜ ξ η⎟
⎝ Ac ⋅ eξ ⎠⎝ ∂ξ ⎠c ⎝ Ac ⋅ eξ ⎠⎝ ∂η ⎠c
Sg
donde al segundo sumando se le denomina habitualmente gradiente secundario,

Sg. En un mallado ortogonal, ese gradiente se anula ( eξ ⋅ e η = 0 ) y sólo prevalece el
primero que relaciona el flujo en la cara con el gradiente de los nodos contiguos. En
este caso general, el cálculo de este gradiente secundario es problemático porque no
hay centroides con valores de φ en la dirección η.
La obtención de este gradiente secundario se plantea de forma diferente según
estemos ante un mallado estructurado o uno no estructurado.
c Para mallados estructurados, el cálculo de ∂φ ∂x no tiene mayor dificultad por
cuanto se reduce a obtener por interpolación los valores φa y φb y luego plantear
el gradiente, o bien calcular el gradiente en los centroides C0 y C1 y luego inter-
polar estos valores a la cara.
c Para mallados no estructurados bidimensionales es posible plantear una estrate-
gia similar al caso estructurado, por cuanto la dirección η está unívocamente
definida. En tridimensional, no hay una dirección única, por lo que se utiliza una
formulación algo más compleja:
Ac ⋅ Ac
S g = −Γc ( ∇φ)c ⋅ Ac + Γ c ( ∇φ)c ⋅ eξ [5.63]
Ac ⋅ eξ
Nótese que en esta formulación se necesita el valor del gradiente en la cara

( ∇φ)c . Este valor se puede obtener bien almacenando el valor del gradiente en
los centroides de C0 y C1 y luego aceptando que el valor en la cara se puede
aproximar al valor medio, ( ∇φ)c = ( ∇φ0 + ∇φ1 ) 2, o bien aplicando el teo-
rema del gradiente que nos permite establecer de manera general que:
1 1
∇φ = ∑ ∫ φ dAc ≈ ∆V ∑ φc Ac
∆V0 caras A
[5.64]
0 c
donde aún es necesario conocer el valor de la variable en la cara. La aproxima-

ción más simple es, como siempre, utilizar el valor medio entre las dos celdas
implicadas: φc = ( φ0 + φ1 ) 2. Una alternativa más adecuada es tener en cuenta
la distancia existente entre los centroides y la cara, de forma que según la nota-
ción de la figura 5.8, se podría plantear:
( φ0 + ∇φ0 ⋅ r0 ) + ( φ1 + ∇φ1 ⋅ r1 ) [5.65]

φc =
2
La gran ventaja de este método es que se puede aplicar a cualquier tipo de geo-
metría de celda, incluidos los mallados no conformes. Aún así, existen otras
opciones, como la aproximación por mínimos cuadrados, que proporcionan
incluso mejores estimaciones de los gradientes en las caras, pues tienen en cuenta
la contribución de todas las celdas vecinas (y no sólo de las adyacentes a la cara
analizada).
6
MVF EN PROBLEMAS
DIFUSIVOS-
CONVECTIVOS
En este capítulo se aborda el término convectivo, el único que queda por dis-
cretizar en la ecuación general de transporte de un escalar. Se mostrará cómo se
discretiza este término por el método de volúmenes finitos y qué clase de proble-
mas surgen a su alrededor. Una vez resuelto, se habrá obtenido finalmente una
herramienta para poder resolver numéricamente la ecuación completa de con-
vección-difusión.
Por supuesto, en la realidad el campo de velocidades también es una incógni-
ta que debe ser calculada numéricamente, dando lugar a resolución acoplada del
flujo y que será el objeto de estudio en el siguiente capítulo.
Se desarrollará la metodología completa para mallados cartesianos y se mos-
trarán las estrategias básicas para extenderla a mallas no estructuradas. Además,
en una primera aproximación se supondrá que el flujo es conocido, es decir, que
el vector velocidad está disponible en todos los puntos del dominio. De esta
forma, se analizará cómo un escalar cualquiera es transportado en presencia de
un campo fluidodinámico conocido.
138 Capítulo 6 MVF en problemas difusivos-convectivos
Contenidos
6.1. Difusión-convección 1-D estacionaria

6.2. Difusión-convección 2-D estacionaria
6.2.1. Esquema en diferencias centradas (CDS)
6.2.2. Esquema upwind
6.2.3. Generalización a mallas no estructuradas
6.3. Esquemas de primer orden con soluciones exactas
6.3.1. Esquema exponencial
6.3.2. Esquema híbrido
6.3.3. Esquema potencial
6.4. Esquemas de orden superior
6.4.1. Difusión y dispersión numéricas
6.4.2. Esquemas de segundo orden
6.4.3. Esquemas de tercer orden
6.5. Difusión-convección no estacionaria
6.5.1. Formulación general
6.5.2. Condición de Courant para esquemas explícitos
6.5.3. Caso particular: difusión-convección no estacionaria 3-D con
esquema híbrido y discretización implícita
6.5.4. Extensión no estacionaria a otros esquemas de primer orden
6.6. Condiciones de contorno
6.6.1. Condiciones de entrada
6.6.2. Condiciones de salida
6.6.3. Condiciones geométricas
ume Method", Class notes for ME608, Numerical Methods in Heat, Mass and Momentum Trans-
fer, Purdue University (EE.UU.), 2001-2011; Chapter 5: "Convection".
6.1 Difusión-convección 1-D estacionaria
Considérese en primer lugar un dominio unidimensional en el que se experimenta

el transporte de un escalar φ por un flujo conocido en condiciones estacionarias.
Ante esta situación, la ecuación 3.7 quedaría expresada como:
⎛ ∂ρφ ⎞
∫∆t ∫V ⎜
P⎝ ∂t
+ ∇⋅ (v ρφ) − ∇⋅ ( Γ∇φ)⎟dV dt = ∫ ∫ Sφ dV dt
∆t VP
[6.1]
⎠
Agrupando los flujos difusivo y convectivo bajo la misma integral para aplicar el
teorema de Gauss de la divergencia, se llega a:
∫A ( Γ∇φ − ρv φ) dA+ ∫VP Sφ dV = 0 [6.2]
donde J = Γ∇φ − ρv φ define el vector de flujo difusivo-convectivo, que en el caso

unidimensional tiene, en cartesianas, componentes J = J x i y el operador nabla del
gradiente queda definido simplemente como
∂
∇= i
∂x
Se define ρ como la densidad del fluido y v como la velocidad (conocida) del flujo
con componente, v = ui . Además, según se observa en el volumen de control uni-
dimensional de la figura 6.1, los diferenciales de área serán dA = dA i , donde dA
será positivo o negativo según su vector normal saliente coincida o no con el sentido
del vector unitario. Por lo tanto:
⎛ ∂φ ⎞
∫A⎜⎝ Γ ∂x − ρuφ⎟⎠dA+ ∫V P
S φ dV = 0 [6.3]
xw xe
WW W P E
w e
x x
Figura 6.1 Volumen de control unidimensional.

La ecuación 6.3 se discretiza suponiendo que el vector del flujo difusivo varía
linealmente entre los valores de los centroides de la celdas que comparten la cara ana-
lizada. Para el flujo convectivo es necesario conocer además el valor de la variable en
las caras, por lo que habrá que introducir en ellas un esquema de discretización adi-
cional. Además, aceptando que el valor medio del término fuente en el interior de la
celda es S , para el volumen finito asociado al punto P de la figura 6.1 se tiene:
⎛⎛ ∂φ ⎞ ⎞ ⎛⎛ ∂φ ⎞ ⎞
⎜⎜ Γ − ρu φ⎟i ⋅ A⎟ +⎜⎜ Γ − ρu φ⎟i ⋅ A⎟ + S ⋅ ∆VP = 0 [6.4]
⎝⎝ ∂x ⎠ ⎠e ⎝⎝ ∂x ⎠ ⎠w
Las áreas en las caras este y oeste son unitarias (flujo unidimensional), de manera
que Ae = i , Aw = − i , por lo que:
⎛ ∂φ ⎞ ⎛ ∂φ ⎞
Γe⎜ ⎟ − ρe ue φe − Γw⎜ ⎟ + ρw uw φw + S ⋅ ∆x = 0 [6.5]
⎝ ∂x ⎠e ⎝ ∂x ⎠w
donde al ser unidimensional, el volumen de la celda se toma como ∆x, con ∆y ∼ 1

(por unidad de alto). Aproximando la derivada en las caras por diferencias finitas
entre centroides de celdas contiguas, se plantea finalmente:
⎛φ −φ ⎞ ⎛ φ − φW ⎞
Γ e⎜ E P
⎟− ρe ue φe − Γ w⎜ P ⎟+ ρw uw φw + S ∆x = 0 [6.6]
⎝ δx e ⎠ ⎝ δxw ⎠
Suponiendo, como siempre, que el término fuente presenta una variación lineal
según S = SC + SP φP , en la que se debe cumplir que SP ≤ 0, se puede linealizar
esta contribución en la ecuación 6.6.
Puesto que la variable φ está definida en centros de celdas y no en caras, es pre-
ciso expresar el valor de φ en las caras (φe, φw) en función de los valores en los nodos
vecinos. La opción natural más elemental es aplicar una variación lineal entre nodos
(diferencia centrada), que en caso de malla equiespaciada establece que:
φ E + φP φ + φP
φe = y φw = W
2 2
En definitiva:
⎛φ −φ ⎞ φ + φP ⎛ φ − φW ⎞ φ + φP
Γe⎜ E P
⎟− ρe ue E − Γ w⎜ P ⎟+ ρw uw W + S ∆x = 0 [6.7]
⎝ δx e ⎠ 2 ⎝ δx w ⎠ 2
Con objeto de compactar la expresión de la ecuación 6.7, es recomendable intro-

ducir los conceptos de intensidad de convección, definida como F = ρu, e inten-
sidad de difusión, definida como D = Γ δx . El cociente de ambas expresiones

define el número de Peclet, que mide la importancia relativa de los procesos de
difusión y convección en el transporte del escalar. Lógicamente se basa en la longi-
tud característica de cada celda y su analogía con el número de Reynolds es evidente:
F ρu δx
Pe = = [6.8]
D Γ
Finalmente, reordenando para dejar la ecuación en función de los valores de φ en

cada nodo se obtiene:
⎛ ⎞
⎜D − Fe + D + Fw + (F − F ) − S ∆x ⎟φ =⎛
⎜
F⎞ ⎛ F ⎞
De − e ⎟φE +⎜Dw + w ⎟φW + SC ∆x
⎜ e
2 w
2 e w P ⎟ P
⎝ 2⎠ ⎝ 2 ⎠
⎝ 0 ⎠ b
aE aW
aP
[6.9]
donde se ha introducido el término (Fe – Fw) en el coeficiente de φP para poder obte-

ner los coeficientes del resto de nodos integrados en aP como es habitual. Nótese
además que ese término debe ser igual a cero para satisfacer continuidad. Por lo
tanto, denotando a los coeficientes que afectan a las variables en los nodos como aP ,
aE y aW y al término independiente como b, se formula la ecuación algebraica final
que afecta al nodo P según:
donde se cumple además que aP = aE + aW – SP∆x. La ecuación 6.10 se puede

expresar de forma aún más compacta como:
aP φP = ∑ ac .v . φc .v . + b [6.11]
c .v .
donde en este caso las celdas vecinas (c.v.) son únicamente E y W.

Se puede reconocer inmediatamente que la ecuación 6.11 a resolver para proble-
mas de difusión-convección estacionaria adquiere exactamente la misma forma gene-
ral que la ecuación 5.9 para problemas difusivos puros. La única diferencia está en los
coeficientes de las variables, que incorporan en este caso nuevos sumandos para tener
en cuenta los mecanismos convectivos. Por tanto, esta es una gran ventaja del método
de volúmenes finitos en términos de definición del sistema de ecuaciones a resolver: se
plantean ecuaciones algebraicas idénticas, por lo que las estrategias de resolución
serán válidas en ambos casos y sólo habrá que introducir los coeficientes correspon-
dientes para diferenciar la situación difusiva pura de la difusiva-convectiva.
6.2 Difusión-convección 2-D estacionaria
6.2.1. Esquema en diferencias centradas (CDS)
Tomando de nuevo la ecuación 6.2 y particularizando para caso bidimensional, donde

J = Γ∇φ − ρv φ tiene por componentes J = J x i + J y j , el operador nabla del gra-
diente queda definido como
∂ ∂
∇= i+ j
∂x ∂y
y el campo de velocidades conocido es v = ui + vj , se puede plantear tras la dis-

cretización:
⎡⎛⎛ ∂φ ⎞ ⎛ ∂φ ⎞ ⎞ ⎤
∑ ⎜⎜ Γ − ρu φ⎟i +⎜ Γ − ρv φ⎟j ⎟
⎢⎜
⎢⎝⎝ ∂x ⎠ ⎝ ∂y
⎟⋅ A ⎥ + S ⋅ ∆VP = 0
⎠ ⎠ ⎥
[6.12]
c=e ,w ,n, s⎣ ⎦c

6.2, las áreas en las caras de cada celda serán Ae = ∆y i , Aw = −∆y i , An = ∆x j y
As = −∆x j , con signos positivos o negativos según su vector normal saliente coin-
cida o no con el sentido del vector unitario. De esta forma:
⎛ ∂φ ⎞ ⎛ ∂φ ⎞ ⎛ ∂φ ⎞
Γe ∆y⎜ ⎟ − ρe ue φe ∆y − Γ w ∆y⎜ ⎟ + ρw uw φw ∆y + Γn ∆x⎜ ⎟ −
⎝ ∂x ⎠e ⎝ ∂x ⎠w ⎝ ∂y ⎠n [6.13]
⎛ ∂φ ⎞
−ρnvn φn ∆x − Γ s ∆x⎜ ⎟ + ρs v s φs ∆x + S ⋅ ∆x ∆y = 0
⎝ ∂y ⎠s
Finalmente, aproximando las derivadas por diferencias finitas, linealizando de la

misma forma que en el caso anterior e introduciendo esquema de diferencias centra-
das para los valores en las caras, se obtiene:
φ E − φP φ + φP φ − φW
Γe ∆y − ρe ue ∆y E − Γ w ∆y P +
δx e 2 δx w
φ + φW φ − φP φ + φP
+ ρw uw ∆y P + Γ n ∆x N − ρnvn ∆x N − [6.14]
2 δy n 2
φ − φS φ + φS
− Γ s ∆x P + ρ s v s ∆x P + S ⋅ ∆x ∆y = 0
δy s 2
xw xe
n yn
w
y W P E
e
ys
s
V
y S
x x
Figura 6.2 Volumen de control bidimensional.
Como ya se vio antes, se simplifica la notación introduciendo las intensidades de

convección y difusión. En este caso, para un dominio bidimensional, se definen
∆y ∆y
Fe = ρe ue ∆y ; De = Γ e ; Fw = ρw uw ∆y ; Dw = Γ w ;
δx e δx w
∆x ∆x
Fn = ρnvn ∆x ; Dn = Γn ; Fs = ρs v s ∆x y Ds = Γ s
δy n δy s
Nótese que Fc es el flujo másico a través de la cara c y que para evaluarlo se necesita
el valor de φ en la cara. Sustituyendo en 6.14 y reordenando para dejar la ecuación
en función de los valores de φ en cada nodo se obtiene:
⎛ Fe Fw F F ⎞
⎜ De − + Dw + + Dn − n + Ds + s + (Fe − Fw + Fn − Fs ) − SP ∆x ∆y ⎟φP =
⎝ 2 2 2 2 ⎠
aP
⎛ F ⎞ ⎛ F ⎞ ⎛ F ⎞ ⎛ F ⎞
=⎜ De − e ⎟φE +⎜ Dw + w ⎟φW +⎜ Dn − n ⎟φN +⎜ Ds + s ⎟φS + SC ∆x ∆y
⎝ 2⎠ ⎝ 2 ⎠ ⎝ 2⎠ ⎝ 2⎠
b
aE aW aN aS [6.15]
Y denotando los coeficientes que afectan a las variables en los nodos como aP, aE,
aW, aN y aS y al término independiente como b, se formula la ecuación algebraica
final que afecta al nodo P según:
donde se cumple además que aP = aE + aW + aN + aS – SP∆x∆y + (Fe – Fw + Fn – Fs). El

término (Fe – Fw + Fn – Fs) representa el flujo másico neto dentro de la celda P analizada.
Por supuesto, si el campo fluidodinámico satisface la ecuación de continuidad, es lógico
que este término sea cero. La ecuación 6.16 se reduce a la misma expresión compacta
que antes (ecuación 6.11) en la que esta vez las celdas vecinas son E, W, N y S.
El esquema de diferencias centradas, a pesar de ser de segundo orden, presenta el
grave inconveniente de que es susceptible a presentar coeficientes negativos en la
ecuación 6.16. Si se considera un campo de velocidades tal que u > 0 y v > 0 en todo el
dominio, es evidente que cuando Fe > 2De, el coeficiente aE se hace negativo, con lo
que no se puede satisfacer el criterio de convergencia de Scarborough. Análogamente,
cuando Fn > 2Dn, es entonces el coeficiente aN el que se vuelve negativo. Si se invirtiese
el signo del vector velocidad, las restricciones vendrían entonces de aW y aS.
Por tanto, de forma general, el esquema en diferencias centradas (CDS) presenta
un comportamiento estable si se cumple que F < 2D, esto es, que el número de Peclet
sea menor que 2 (para mallas cartesianas uniformes). Nótese que reduciendo el
tamaño de malla suficientemente, se podría llegar a reducir el número de Peclet
hasta cumplir la restricción. Sin embargo, esto requeriría en la mayoría de las situa-
ciones de un gran número de celdas y de tiempos de cálculo muy elevados, lo cual
hace que esta estrategia no sea útil en la práctica.
6.2.2. Esquema upwind

El problema del esquema de diferencias centradas proviene de la media aritmética
entre valores de nodos adyacentes para interpolar al valor de la variable en la cara.
Una forma ingeniosa de resolver el problema es utilizar un esquema de diferencia-
ción aguas arriba (upwind), en el que el valor en la cara se sustituye directamente
por el valor en el centroide más cercano aguas arriba. De esta forma, para la cara e
representada en la figura 6.2 se tendría:
⎧φP
⎪ si Fe ≥ 0
φe ⎨ [6.17]
⎩φ E
⎪ si Fe < 0
Esta expresión establece que el valor de φ en la cara viene determinado exclusiva-

mente por la dirección preferente de la malla en la que el flujo incide en la celda.
Expresiones similares se deducen para el resto de las caras, donde se aprecia el claro
sentido físico de esta discretización. De esta forma, los valores de los coeficientes
para la ecuación 6.16 serán:
aE = De + max (−Fe ,0) aW = Dw + max ( Fw ,0) aN = Dn + max (−Fn ,0)

aS = Ds + max ( Fs ,0) aP = ∑ ac.v . + ( Fe − Fw + Fn − Fs ) − SP ∆x ∆y b = SC ∆x ∆y
c .v . [6.18]
El esquema upwind garantiza que los coeficientes nunca son negativos, por lo que
se asegura que el valor de φP queda acotado siempre por los valores vecinos. De todas
formas, aunque este esquema garantiza soluciones realistas, su precisión es únicamen-
te de primer orden y se puede ver comprometida en determinados casos (en ausencia
de difusión puede producir discontinuidades en la distribución de la variable). En los
apartados 6.3 y 6.4 se presentan otras alternativas que evitan estos inconvenientes.

Para mallas no estructuradas ni ortogonales se pueden obtener esquemas de discre-
tización por diferencias centradas o upwind para el término convectivo de forma
relativamente sencilla. Debe tenerse en cuenta que en el caso no estructurado (figura
6.3), se pretende evaluar los flujos difusivos-convectivos por las caras como
∑ J c ⋅ Ac
c = e,w,n,s
donde precisamente el flujo en cada cara se define como J c = ( Γ∇φ)c − ( ρv φ)c ,

de manera que:
J c ⋅ Ac = Γ c ( ∇φ)c ⋅ Ac − ( ρv )c ⋅ Ac φc [6.19]
pudiendo definirse el flujo másico por la cara como Fc = ( ρv )c ⋅ Ac .

En el capítulo anterior ya se había obtenido que el flujo difusivo a través de una
cara podía expresarse como
Γ c Ac ⋅ Ac
− ( φ − φ0 ) + S g
∆ξ Ac ⋅ eξ 1

Ac

v
eξ C1
C0 Δξ
ca
ra
Figura 6.3 Convección en un mallado 2-D no estruc-

turado (adaptado de Mathur y Murthy, 2001-2011).
donde siguiendo la convención actual para la intensidad de difusión se puede identi-

ficar:
Γ c Ac ⋅ Ac
Dc = [6.20]
∆ξ Ac ⋅ eξ
Por lo tanto, la anterior expresión 6.19 se puede reescribir de la forma compacta:
J c ⋅ Ac = Dc ( φ1 − φ0 ) − Fc φc + S g [6.21]
La ecuación 6.21 establece que, al igual que en las mallas cartesianas, el trans-
porte convectivo de φ por la cara requiere de la evaluación del valor en la cara, φc.
Como se ha visto en los subapartados anteriores, la definición del valor en la cara
depende del tipo de discretización que se escoja. A continuación se van a mostrar las
formulaciones finales según se escoja un esquema en diferencias centradas, o un
esquema upwind.
c Tomando la aproximación por diferencias centradas, la opción más sencilla es
calcular el valor en la cara como φc = ( φ1 + φ0 ) 2. Con esta aproximación, en
la ecuación 6.11 los distintos coeficientes toman los siguientes valores:
Fc
ac .v . = Dc − a = ∑ a + ∑ F − SP ∆x ∆y b = SC ∆x ∆y −∑ S g
2 P c.v . c .v . c=e,w,n,s c
( )c.v. [6.22]
c .v .
Al igual que en mallas estructuradas, se observa la limitación del número de

Peclet en la cara para evitar que aparezcan coeficientes negativos. Además, el
sumatorio de los flujos por las caras en el coeficiente aP será cero si se cumple
continuidad para el campo de velocidades.
c Si se adopta un esquema upwind, la discretización sería:
⎧φ0 si Fc ≥ 0
⎪
φc ⎨
⎩φ1 si Fc < 0 ,
⎪
obteniéndose los siguientes coeficientes para la ecuación 6.11:
ac .v . = Dc + max (−Fc ,0 ) aP = ∑ ac .v . + ∑ Fc − SP ∆x ∆y b = SC ∆x ∆y − ∑ S g ( )c.v.

c .v . c=e,w,n,s c .v .
[6.23]
Al igual que en el caso de mallas estructuradas, este esquema asegura que todos
los coeficientes nunca sean negativos.
6.3 Esquemas de primer orden con soluciones exactas
En la bibliografía es posible encontrar varios esquemas de primer orden para discre-

tizar la ecuación difusiva-convectiva de forma completa. Así, en lugar de emplear
estrategias distintas para tratar el término difusivo y para el término convectivo por
separado, se va a introducir una formulación que se ajusta a la solución exacta de la
ecuación difusiva-convectiva. En general, el comportamiento de estos esquemas es
similar al esquema upwind (primer orden).
6.3.1. Esquema exponencial

Se basa en la solución analítica de la ecuación difusiva-convectiva unidimensional, sin
términos fuente:
∂ ∂ ⎛ ∂φ ⎞
( ρu φ) − ⎜ Γ ⎟= 0
∂x ∂x⎝ ∂x ⎠
La ecuación se define para un dominio 1-D acotado, de forma que 0 ≤ x ≤ L ,
siendo L la longitud del dominio, y en la que se imponen dos condiciones de con-
torno para los extremos: φ = φ0 en x = 0 y φ = φL en x = L. Dada la relativa simpli-
cidad de dicha ecuación, se puede resolver analíticamente obteniéndose:
x
Pe
φ − φ0 e L −1
= Pe [6.24]
φ − φL e −1
donde el número de Peclet viene definido como Pe = ρuL Γ , que se particularizaría
en el número de Reynolds cuando el coeficiente de difusión, Γ, se sustituye por la
viscosidad dinámica del fluido.
En la figura 6.4 se ha representado la distribución de la ecuación 6.24 para distin-
tos números de Peclet. Nótese que según este número sea mayor o menor que 1, la
gráfica se mueve hacia los valores de los extremos φ0 y φL en todo el intervalo.
Cuando Pe → 0, el comportamiento de la solución se reduce a una recta.
A continuación se procede a introducir la expresión exacta 6.24 en la relación
entre nodos una vez discretizada la ecuación general de transporte. Para ilustrar el
proceso retomamos la ecuación unidimensional 6.5, donde se han identificado los
flujos totales entrantes y salientes por las caras e y w:
⎛ ∂φ ⎞ ⎛ ∂φ ⎞
Γe⎜ ⎟ − ρe ue φe −Γ w⎜ ⎟ + ρw uw φw + S ⋅ ∆x = 0 [6.25]
⎝ ∂x ⎠e ⎝ ∂x ⎠w
J e ⋅Ae J w ⋅Aw
1
Pe = –10
Pe < –1
0,8
Pe = – 1
0,6
φ – φ0
φ – φL Pe = 1
0,4
0,2 Pe > 1
Pe = 10
0
0 0,2 0,4 0,6 0,8 1
x/L
Figura 6.4 Solución exacta de la ecuación difusiva-convectiva 1-D en función de Pe.
Es el momento de utilizar la expresión exponencial para escribir φe y φw y los

gradientes (∂φ ∂x ) y (∂φ ∂x ) en función de una ley matemática exacta. Así,
e w
suponiendo que φ(x) sigue la ecuación 6.24, se puede usar esta distribución para
evaluar tanto φ como (∂φ ∂x ) en las caras e y w. En definitiva:
φP − φ E
J e ⋅ Ae = Fe φP + Fe
e Pee − 1 [6.26]
φ − φP
J w ⋅ Aw = Fw φW + W Fw
e Pew − 1
donde Pee = Fe/De y Pew = Fw/Dw. Como siempre, agrupando y reordenando térmi-
nos se obtiene la ecuación algebraica generalizada 6.10 (para flujo unidimensional)
con los siguientes coeficientes:
Fe Fw e Pew
aE = aW = aP = a E + aW + ( Fe − Fw ) − SP ∆x b = SC ∆x [6.27]
e Pee − 1 e Pew − 1
Este esquema se puede extender fácilmente a su formulación bidimensional y tri-

dimensional. Además, proporciona siempre coeficientes positivos y valores de la
variable acotados en todo el dominio. Sin embargo, las exponenciales son costosas
de evaluar computacionalmente (esto era un problema serio cuando se desarrolla-
ron estos algoritmos para computadores muy limitados en memoria y capacidad)
por lo que se han propuesto algoritmos alternativos que aproximan las exponencia-
les por expresiones matemáticas más sencillas.
6.3.2. Esquema híbrido

Este esquema, introducido por Spalding en 1972, trata de aproximar el comporta-
miento exponencial de los coeficientes definidos en 6.27 por medio de funciones
sencillas que tiendan asintóticamente al mismo límite. Así, reordenando y represen-
tando el coeficiente aE, únicamente como función de Pe, podemos ver:
aE Pe
= Pe e [6.28]
De e e −1
5 aE
De
4
3
–Pe e
Exponencial
Híbrido 1 1– Pee /2
Pe e = 0
0
–5 –4 –3 –2 –1 0 1 2 3 4 5
Pe e
Figura 6.5 Variación exponencial de aE/De en función de Pee y

aproximación híbrida (adaptado de Patankar, 1980).
A la vista de la figura se observan las siguientes asíntotas para el coeficiente:

c aE/De → 0 cuando Pee → ∞
c aE/De → –Pee cuando Pee → –∞
c aE/De = 1 – Pee/2 cuando Pee = 0
Aprovechando estas características, el esquema híbrido utiliza las tangentes en
las asíntotas para extenderlas a todo el dominio y proponer unos coeficientes única-
mente con variación lineal de forma:
⎧0 si Pee > 2
aE ⎪
⎨1 − Pee 2 si − 2 ≤ Pee ≤ 2 [6.29]
De ⎪
⎩−Pee si Pee < −2
Es muy ilustrativo notar que cuando −2 ≤ Pee ≤ 2, el esquema híbrido coin-

cide con el esquema en diferencias centradas, mientras que para Pee > 2 o Pee < –2, el
esquema híbrido se convierte en un upwind.
La función exponencial para la cara oeste es simétrica, de forma que
aW Pe e Pew
= Pew
Dw e w −1
En este caso, las asíntotas marcan las siguientes aproximaciones lineales:
⎧0 si Pew < −2
aW ⎪
⎨1 + Pew 2 si − 2 ≤ Pew ≤ 2 [6.30]
Dw ⎪
⎩Pew si Pew > 2
que coinciden nuevamente con el esquema híbrido en la zona central y con el esquema
upwind en las zonas exteriores. Finalmente, introduciendo estos coeficientes en la
ecuación general de transporte discretizada, agrupando y reordenando términos se
obtiene la ecuación algebraica generalizada 6.10 (para flujo unidimensional) con los
siguientes coeficientes:
⎡ F ⎤ ⎡ F ⎤
aE = max⎢−Fe , De − e ,0 ⎥ aW = max⎢ Fw , Dw + w ,0 ⎥
⎣ 2 ⎦ ⎣ 2 ⎦ [6.31]
aP = aE + aW + ( Fe − Fw ) − SP ∆x b = SC ∆x
6.3.3. Esquema potencial

El esquema potencial o esquema en potencias, propuesto por Patankar en 1980, es
una aproximación más precisa a la solución exponencial exacta y produce mejores
resultados que el esquema híbrido.
La principal aportación de este esquema consiste en anular el esquema difusivo
en la celda cuando el número de Peclet exceda el valor de 10 en su interior (es decir,
sobrepase un orden de magnitud). Si el número de Peclet está entre 0 y 10 entonces
el flujo por la cara se evalúa con una expresión polinómica en potencias. Con estas
restricciones, los coeficientes que se obtienen son:
aE = max⎡
⎣ 0,(1 − 0,1 Pee ) ⎤
5 ⎡−Fe ,0 ⎦
⎦+ max⎣ ⎤
[6.32]
⎡ 0,(1 − 0,1 Pe )5 ⎦
aW = max⎣ ⎤+ max⎣
⎡ Fw ,0 ⎦
⎤
w
6.4 Esquemas de orden superior
6.4.1. Difusión y dispersión numéricas

La precisión de los esquemas híbrido y upwind es únicamente de primer orden en
términos de error de truncamiento para su desarrollo en series de Taylor. La utiliza-
ción de la técnica upwind asegura esquemas muy estables pero su característica de
primer orden lo hace especialmente sensible a errores de difusión numérica.
Para entender el concepto de difusión numérica se analiza a continuación el
caso de la ecuación bidimensional puramente convectiva, en la que el campo fluido-
dinámico (vector velocidad) es conocido. De esta forma, planteamos resolver:
∂ ( ρu φ) ∂ ( ρv φ)
+ =0 [6.33]
∂x ∂y
Se considera el caso con campo de velocidades constante, cumpliendo que u > 0 y

v > 0, y con densidad ρ constante. Empleando el esquema upwind en 6.33 se tendría:
φP − φW φ − φS
ρu + ρv P =0 [6.34]
∆x ∆y
Considérese el mallado computacional de la figura 6.2. Desarrollando en series

de Taylor las variables φW y φS alrededor de la variable φP se obtiene:
2 3
∂φ ( ∆x ) ∂2 φ ( ∆x ) ∂3 φ
φW = φP − ∆x + − + ... [6.35]
∂x 2! ∂x 2 3! ∂x 3
2 3
∂φ ( ∆y ) ∂2 φ ( ∆y ) ∂3 φ
φS = φP − ∆y + − + ... [6.36]
∂y 2! ∂y 2 3! ∂y 3
Todas las derivadas en las expresiones 6.35 y 6.36 se evalúan en el punto P. Reor-
denando dichas expresiones se obtiene:
2
φP − φW ∂φ ( ∆x ) ∂2 φ ( ∆x ) ∂3 φ
= − + − ... [6.37]
∆x ∂x 2! ∂x 2 3! ∂x 3
2
φ P − φS ∂φ ( ∆y ) ∂2 φ ( ∆y ) ∂3 φ
= − + − ... [6.38]
∆y ∂y 2! ∂y 2 3! ∂y 3
Y empleando estas expresiones, 6.37 y 6.38, en la ecuación discretizada 6.34, se

llega tras el reordenamiento de los términos a:
∂φ ∂φ ρu∆x ∂2 φ ρu∆y ∂2 φ
ρu + ρv = + + O ( ∆x 2 ) + O ( ∆y 2 ) [6.39]
∂x ∂y 2 ∂x 2 2 ∂y 2
Por simplicidad, considérese ahora el caso en que u = v y ∆x = ∆y, con lo que la

ecuación anterior se reduce a:
∂φ ∂φ ρu∆x⎛ ∂2 φ ∂2 φ ⎞
⎟+ O ( ∆x )
2
ρu + ρv = ⎜ 2 + 2⎟ [6.40]
∂x ∂y 2 ⎜
⎝ ∂ x ∂ y ⎠
La expresión 6.40 establece que la ecuación convectiva original se puede reemplazar

por una ecuación equivalente o modificada que representa la ecuación continua que
está modelando en realidad el método de volúmenes finitos. El primer miembro de la
ecuación 6.40 se corresponde con nuestra ecuación diferencial de partida, mientras que
el segundo introduce el error de truncamiento. Expresada en forma vectorial, la ecua-
ción 6.40 se convierte en
ρu∆x
∇⋅ ( ρv φ) − ∇⋅ ( ∇φ) = O ( ∆x 2 )
2
que no es más que una ecuación difusiva-convectiva truncada. Esto implica que
aunque se ha planteado la solución de una ecuación puramente convectiva, al apli-
car el esquema upwind se está resolviendo un problema que incorpora cierta difu-
sión (numérica, generada por la discretización). A este fenómeno (matemático) se le
denomina difusión numérica o artificial y es inherente al empleo de una discretiza-
ción upwind. Nótese que el coeficiente de difusión artificial, (ρu∆x)/2, es proporcio-
nal al tamaño de malla, por lo que la difusión numérica se reduce al refinar el
mallado, aunque nunca va a poder ser eliminado completamente.
Para el caso en diferencias centradas se puede hacer un análisis similar, mediante
el cual se llega a una expresión equivalente a la ecuación 6.40 de forma:
∂φ ∂φ ρu∆x 2 ⎛ ∂3 φ ∂3 φ ⎞
⎟+ O ( ∆x )
3
ρu + ρv =− ⎜ 3 + 3⎟ [6.41]
∂x ∂y 3! ⎜ ⎝ ∂x ∂y ⎠
En este caso, la ecuación equivalente resuelve un problema que no sólo tiene en

cuenta la convección pura, sino que añade un término en terceras derivadas. Este
término es responsable de la inclusión de dispersión numérica, es decir, de posibles
oscilaciones en la distribución de φ.
Así, en resumen, se ha visto que el esquema upwind introduce una difusión

numérica falsa o artificial que tiende a suavizar gradientes bruscos, mientras que el
esquema en diferencias centradas tiende a introducir dispersión en la solución.
6.4.2. Esquemas de segundo orden

Los errores de difusión y dispersión asociados a los esquemas vistos anteriormente
se pueden minimizar empleando esquemas de discretización de orden superior. A
continuación se muestran formulaciones que tratan al menos de proporcionar un
error de truncamiento de segundo orden.
Hasta ahora, en los esquemas de primer orden, el perfil que se adoptaba para el valor
en la cara, φc, era esencialmente constante, como en el caso upwind donde para Fe > 0 se
adoptaba que en la cara del este φe = φP. Ahora, se va a suponer que existe una varia-
ción de orden superior, ya sea lineal o cuadrática, para obtener una serie de esquemas
tipo upwind ponderados. Esta idea se basa de nuevo en el desarrollo del valor de φc en
series de Taylor en los nodos vecinos aguas arriba del nodo P. De esta forma:
2
∂φ ( x − x P ) ∂2 φ
φ ( x ) = φP + ( x − x P ) + 2
+ O ( ∆x 3 ) [6.42]
∂x 2! ∂x
A partir de la expresión 6.42 se obtienen esquemas de segundo orden si se utiliza
una variación lineal entre nodos, que es equivalente a preservar los dos primeros tér-
minos del desarrollo de Taylor. Evaluando la anterior ecuación para la posición de la
cara del este, xe = xP + ∆x/2, se obtiene:
∆x ∂φ
φe = φP + [6.43]
2 ∂x
donde esta aproximación tiene un error de truncamiento de segundo orden,
O ( ∆x 2 ). Para escribir φe en función de los valores de los centroides adyacentes, se
debe expresar la derivada ∂φ ∂x en diferencias finitas, pudiendo hacer esta diferen-
cia hacia atrás (backward), hacia delante (forward) o centrada (central difference).
De esta manera se obtienen tres posibilidades:
c Diferencia hacia atrás:
∂φ φP − φW
= ,
∂x ∆x
que introducida en la ecuación 6.43, proporciona el esquema Beam-Warming:
( φP − φW )
φe = φP + [6.44]
2
c Diferencia hacia delante:

∂φ φP − φW
=
∂x ∆x
que introducida en la ecuación 6.43, proporciona el esquema en diferencias cen-

tradas ya conocido:
( φP + φ E )
φe = [6.45]
2
c Diferencia centrada:
∂φ φE − φW
=
∂x 2 ∆x
que introducida en la ecuación 6.43, proporciona el esquema Fromm:
( φE − φW ) [6.46]
φe = φP +
4
En la ecuación 6.46, añadiendo y restando φP/4, se puede escribir de forma gene-

ral que
( φP − φW ) ( φE − φP )
φe = φP + +
4 4
Esta expresión se puede generalizar aún más introduciendo un coeficiente κ, de

manera que en función de ese valor κ, se obtienen todas las posibilidades anteriores
(e incluso las que se verán a continuación para esquemas de tercer orden):
(1 − κ) (1 + κ)
φe = φP + ( φP − φW ) + ( φ E − φP ) [6.47]
4 4
6.4.3. Esquemas de tercer orden
Para obtener una aproximación de tercer orden, es necesario preservar sumandos

hasta el término en derivada segunda en la ecuación 6.42, que evaluada para la posi-
ción de la cara del este, xe = xP + ∆x/2, proporciona:
2
∆x ∂φ ( ∆x ) ∂2 φ
φe = φP + + [6.48]
2 ∂x 8 ∂x 2
Nuevamente es necesario expresar las parciales en términos de diferencias finitas

y como en el caso anterior, éstas se pueden plantear hacia delante, hacia atrás o cen-
tradas. Sin embargo, para no extender demasiado el análisis, se presenta únicamente
el caso en diferencias centradas, dejando al lector que obtenga el resto de formula-
ciones por su cuenta.
Introduciendo diferencias centradas, se tendría que
∂φ φE − φW ∂2 φ ( φE + φW − 2 φP )
= + O ( ∆x 2 ) y = + O ( ∆x 2 ) ,
∂x 2 ∆x ∂x 2
( ∆x )2
por lo que la ecuación 6.48 quedaría como:
( φE − φW ) ( φE + φW − 2 φP ) [6.49]
φe = φP + +
4 8
Este esquema, conocido como esquema QUICK (Quadratic Upwind Interpola-

tion for Convective Kinetics) e introducido por Leonard en 1979, es una especie de
corrección parabólica a la interpolación lineal de φe. Esta idea se puede ver clara-
mente si se reordena la ecuación 6.49 introduciendo un “factor de curvatura”, C, de
la forma:
( φ E + φP )
φe = − C ( φE + φW − 2 φP ) [6.50]
2
donde C = 1/8. Así, según 6.49, el esquema QUICK establece que el valor en una
cara depende del valor en los nodos adyacentes y del nodo dos veces aguas arriba.
De forma genérica, para una malla uniforme, el valor de φ en la cara situada entre
dos nodos i e i – 1, se puede expresar como
1 6 3
φc = − φi−2 + φi−1 + φi ,
8 8 8
por lo que para el dominio unidimensional de la figura 6.1 se tendría:
1 6 3 1 6 3
φe =− φW + φP + φE si ue > 0 ; φw =− φWW + φW + φP si uw > 0
8 8 8 8 8 8
[6.51]
Nótese que en la discretización del flujo por la cara oeste aparece el valor del
nodo situado dos veces hacia el oeste con respecto al centroide de la celda P. Esta
formulación es válida suponiendo que las velocidades del flujo tienen dirección x
positiva. En caso contrario, la expresión para las caras este y oeste debería ser:
1 6 3 1 6 3
φe =− φEE + φE + φP si ue < 0 ; φw =− φE + φP + φW si uw < 0
8 8 8 8 8 8 [6.52]
Se puede demostrar que el esquema QUICK unidimensional queda generalizado

y válido tanto para sentidos positivos como negativos del flujo, combinando las dis-
cretizaciones que se obtienen al aplicar 6.51 y 6.52. Así, de forma general, la discreti-
zación QUICK sería:
aP φP = aE φE + aW φW + aEE φEE + aWW φWW + b [6.53]
donde aP = aE + aW + aEE + aWW + ( Fe − Fw ) − SP ∆x ; b = SC ∆x y cada uno de

los coeficientes se escriben como:
3 6 1
aE = De − αe Fe − (1 − αe ) Fe − (1 − αw ) Fw
8 8 8
6 3 1
aW = Dw + αw Fw + (1 − αw ) Fw + αe Fe
8 8 8 [6.54]
1
aEE = (1 − αe ) Fe
8
1
aWW =− αw Fw
8
siendo
⎧
⎪1 si Fe > 0 ⎧1 si Fw > 0
⎪
αe ⎨ y αw ⎨
⎩0 si Fe < 0
⎪ ⎪0 si Fw < 0
⎩

Todos los esquemas de orden superior vistos hasta ahora se han definido sobre
mallas cartesianas (nodos alineados con los flujos). Así, la ecuación 6.50 muestra
cómo la obtención de φe requiere, para el esquema QUICK, de los valores en los
centroides φW, φP y φE, mientras que φw requiere de los valores φWW, φW y φP. Esto
significa que el valor en la cara ya no depende únicamente de los valores en los cen-
troides contiguos a la cara, sino que también se necesitan valores en celdas más ale-
jadas. Evidentemente, esto representa un inconveniente muy importante en el caso
de mallas no estructuradas, donde no es posible definir una única dirección prefe-
rente (figura 6.6).

Ac

v
Δr1
Δr0 C1
ca
C0 Δξ
ra
y
Figura 6.6 Esquema convectivo de segundo

orden en mallas no estructuradas (adaptado de
Mathur y Murthy, 2001-2011).
El desarrollo de esquemas de orden superior para mallas no estructuradas es un

tema aún abierto. Existe un gran número de alternativas que pueden emplearse con
precisión y que se encuentran disponibles en la literatura específica. Aquí, sólo
como breve introducción, se muestra un formulación upwind de segundo orden,
válida para mallas no estructuradas.
El punto de partida es la formulación multidimensional equivalente a la ecuación
6.43. Si Fc > 0, es posible desarrollar φ en series de Taylor, centrado en el centroide
de la celda C0 aguas arriba (figura 6.6):
φ ( x , y ) = φ0 + ( ∇φ )0 ⋅ ∆ r + O ∆ r ( 2
) [6.55]
donde ∆r = ( x − x 0 ) i + ( y − y0 ) j . Lógicamente, para conocer el valor φc en la

celda, se evalúa la expresión 6.55 en ∆r = ∆r0 , tal y como se muestra en la figura:
φc = φ0 + ( ∇φ)0 ⋅ ∆r0 + O ∆r0 ( 2

) [6.56]
Como en el caso de las mallas estructuradas, el problema serio es la evaluación de

( ∇φ)0 . En el capítulo anterior (apartado 5.8.5) ya se mostraron las estrategias que
se emplean normalmente para el cálculo de este gradiente y que pueden ser utiliza-
das del mismo modo en esta ocasión para plantear la formulación completa no
estructurada.
6.5 Difusión-convección no estacionaria
La discretización temporal de la ecuación 3.7 con todos sus términos exige la evalua-
ción de las variables en el paso temporal actual en relación con el paso temporal
anterior. Como en el capítulo precedente se van a discretizar cada uno de los térmi-
nos por separado, introduciendo una formulación general para evaluar los flujos y
los términos fuente.
6.5.1. Formulación general

Se emplea el superíndice 0 para denotar los valores de las variables en el paso ante-
rior. De esta forma, y suponiendo como siempre que el término a integrar espacial-
mente es constante en el interior del volumen de control, se tiene:
⎛ ∂ρφ ⎞ ⎡ (0) ⎤
∫∆t ∫V ⎜⎝ ∂t P
⎟dV dt =⎣ ( ρP φP ) − ( ρP φP ) ⎦∆VP
⎠
[6.57]
Respecto al flujo difusivo-convectivo, suponiendo como antes que el flujo en las

caras se reduce a los flujos reducidos a sus centros, se puede expresar que:
∫∆t ∫V ⎡⎣ ∇ ⋅ ( ρv φ) − ∇ ⋅ ( Γ∇φ)⎤⎦dV dt = ∫∆t ∫A ( ρv φ − Γ∇φ) ⋅ dA dt =

P
J
[6.58]
=∫
∆t
∑ ( J c ⋅ Ac ) dt
c =e , w , n , s
Del mismo modo que en el caso puramente difusivo, para poder resolver la inte-
gral temporal se va a suponer que el flujo difusivo-convectivo en cada cara varía
entre el instante inicial y final de forma lineal según un parámetro f como:
∫∆t ( J c ⋅ Ac ) dt =⎡⎣ f J (1) A + (1 − f ) J (0) A ⎤⎦∆t [6.59]
Con esta formulación es evidente que se pueden evaluar los flujos en el instante
inicial o final sustituyendo los valores de las variables en los nodos en los instantes
correspondientes. De esa forma, por ejemplo, para la cara este se tendría:
⎛ ∂φ ⎞ ⎛ ∂φ(0) ⎞
J e(1) Ae = Fe φe − Γ e ∆y⎜ ⎟ ; J e(0) Ae = Fe φ(0)
e − Γ e ∆ y⎜
⎜ ∂x ⎟ ⎟ [6.60]
⎝ ∂x ⎠e ⎝ ⎠e
pudiendo formularse expresiones análogas para el resto de las caras.

Para concluir con la discretización se aborda ahora el término fuente. Tras la

habitual linealización e interpolando nuevamente entre el instante inicial y final se
tiene:
∫∆t (SC + SP φP ) ∆VP dt =⎡⎣ f (SC + SP φP ) ∆ VP ⎤

(1) (0)
∆ VP + (1 − f ) ( SC + SP φ P ) ⎦∆ t
[6.61]
La ecuación 6.60 debe discretizarse espacialmente para poder obtener la ecua-

ción algebraica no estacionaria. Como es bien sabido, en función de la discretización
que se adopte (upwind, híbrida, QUICK…), se obtendrá una formulación u otra
para los distintos coeficientes de las variables: aE, aW, aN, aS, etc. Agrupándolo todo,
y reordenando convenientemente, se tiene:
⎡ ⎤
a P φ P = ∑ ac .v .⎡ (0)
⎦+ b +⎢ a P − (1 − f ) ∑ ac .v . ⎥φ P
⎣ f φc .v . + (1 − f ) φc .v . ⎤
0 (0)
[6.62]
c .v . ⎢
⎣ c .v . ⎥
⎦
donde como siempre ac.v. representan los valores de los coeficientes vecinos y se
definen ahora como
aP = f ∑ ac .v . − f SP ∆VP + aP0
c .v .
donde
ρ∆VP
aP0 =
∆t
⎣ f SC + (1 − f ) SC + (1 − f ) SP φP ⎤
y el término fuente como b =⎡ 0 0 (0)
⎦∆VP .
En función del valor que se fije para el parámetro f se tienen los distintos esque-
mas de discretización temporal vistos en capítulos anteriores.
6.5.2. Condición de Courant para esquemas explícitos

Para analizar el acoplamiento de los fenómenos convectivos con el comportamiento
temporal de las ecuaciones, se va a considerar en este apartado la ecuación canónica
convectiva en el caso unidimensional. Por lo tanto, por simplicidad se fija que ρ = 1
y que no hay mecanismos de difusión (Γ = 0). De esta forma la ecuación difusiva-
convectiva se reduce a:
∂φ ∂φ
+u =0 [6.63]
∂t ∂x
donde además se supone, como siempre en este capítulo, que el campo de velocida-
des es conocido y constante (no varía en el tiempo). Nótese que esta ecuación es de
tipo hiperbólico, como se discutió en el capítulo 3.
La discretización por volúmenes finitos de la ecuación unidimensional 6.63 esta-
blece que
⎛ ∂φ ⎞ u
⎜ ⎟ + ( φ − φw ) = 0
⎝ ∂t ⎠P ∆x e
Para completar el proceso, se debe introducir un esquema de discretización espacial

(p. ej. en diferencias centradas o upwind) y otro temporal (implícito, explícito o
Crank-Nicholson).
c Para empezar se estudia qué ocurre, con respecto al signo de los coeficientes de la
discretización, cuando se emplea un esquema explícito o uno implícito en el caso
de diferencias centradas (CDS).
Así, si se emplea CDS con un esquema explícito se obtiene
φP − φ(0)
P
( φ(0)
E − φW )
(0)
+u =0,
∆t 2 ∆x
que aplicando el criterio de Von Neumann de estabilidad (v. subapartado 5.8.4),

demuestra ser un esquema inestable incondicionalmente. Por tanto, no es viable
bajo ningún supuesto, debido a la inestabilidad que surge como consecuencia de
la combinación de las discretizaciones temporal y espacial.
Ahora bien, si en su lugar se introduce un esquema implícito, entonces la
ecuación algebraica a resolver es
φP − φ(0)
P
( φE − φW )
+u =0,
∆t 2 ∆x
o lo que es equivalente:
φE − φW
φP = u∆t + φ(0)
P ,
2 ∆x
y que según Von Neumann resulta ser incondicionalmente estable. Sin embargo, a
pesar de ser matemáticamente estable, físicamente tiene problemas con el signo de
los coeficientes: si u > 0, entonces aW es siempre negativo; mientras que si u < 0,
entonces aE es siempre negativo. Sea como fuere, es nuevamente un esquema invia-

ble por no cumplir el criterio de Scarborough para solvers iterativos.
c La siguiente opción más sencilla es emplear un esquema upwind para la discreti-
zación espacial y ver qué ocurre cuando se introduce un esquema temporal explí-
cito. En este caso se tendría:
φP − φ(0)
P
( φ(0)
P − φW )
(0)
+u =0 ,
∆t ∆x
que reordenando proporciona:
∆t (0) ⎛ ∆t ⎞ (0)
φP = u φW +⎜1 − u ⎟φ [6.64]
∆x ⎝ ∆x ⎠ P
Evidentemente, puesto que u > 0 en la definición del upwind, la condición (que

en este caso coincide con la de estabilidad de Von Neumann) para que todos los
coeficientes sean positivos es:
∆t
0≤u ≤1 [6.65]
∆x
Precisamente, el parámetro u∆t/∆x se conoce como número de Courant o tam-

bién CFL (por Courant, Friedrichs y Levy), por ser este autor el primero en anali-
zar las características de convergencia de este tipo de esquemas.
Los esquemas explícitos en situaciones convectivas presentan un límite de estabi-
lidad que marca el número de Courant máximo que puede ser utilizado. Si ese valor
se supera, el proceso iterativo comenzará a divergir. Obviamente, este hecho limita
notablemente el tamaño de paso temporal que puede ser usado, y desaconseja clara-
mente el uso de estrategias transitorias con esquemas explícitos para resolver flujos
estacionarios. Nótese también el sentido físico del número de Courant, pues fija
como paso temporal máximo aquel que obliga al flujo a no avanzar más de una celda
en cada intervalo de tiempo.
Los esquemas implícitos presentan una mayor estabilidad, con condiciones
respecto al paso temporal mucho más relajadas que en el caso explícito. Teniendo
esto en mente y dados los problemas de dispersión y realizabilidad del esquema en
diferencias centradas y de difusión numérica para el esquema upwind, se reco-
mienda utilizar siempre esquemas superiores, como el híbrido, con discretización
implícita. Ésta será precisamente la formulación que se detalle en el siguiente
subapartado.
6.5.3. Caso particular: difusión-convección no estacionaria 3-D

con esquema híbrido y discretización implícita
La ecuación 6.62, cuando se particulariza para discretización temporal implícita con
f = 1 y se incorpora la discretización espacial híbrida (ecuación 6.31) para los flujos
difusivos-convectivos por las caras, proporciona:
aP φP = aE φE + aW φW + aN φN + aS φS + aT φT + aB φB + aP0 φ(0)
P +b
[6.66]
donde
aP = aE + aW + aN + aS + aT + aB + aP0 + ( Fe − Fw + Fn − Fs + Ft − Fb ) −
ρ(0) ∆x ∆y ∆z
− SP ∆x ∆y ∆z ; aP0 = ; b = SC ∆x ∆y ∆z
∆t
y los coeficientes, al ser un esquema híbrido, adoptan la forma ya conocida:
⎡ ⎛ F ⎞ ⎤ ⎡ ⎛ F ⎞ ⎤
aE = max⎢−Fe ,⎜ De − e ⎟,0 ⎥ ; aW = max⎢ Fw ,⎜ Dw + w ⎟,0 ⎥
⎣ ⎝ 2⎠ ⎦ ⎣ ⎝ 2 ⎠ ⎦
⎡ ⎛ F ⎞ ⎤ ⎡ ⎛ F ⎞ ⎤
aN = max⎢−Fn ,⎜ Dn − n ⎟,0 ⎥ ; aS = max⎢ Fs ,⎜ Ds + s ⎟,0 ⎥ [6.67]
⎣ ⎝ 2⎠ ⎦ ⎣ ⎝ 2⎠ ⎦
⎡ ⎛ F⎞ ⎤ ⎡ ⎛ F ⎞ ⎤
aT = max⎢−Ft ,⎜ Dt − t ⎟,0 ⎥ ; aB = max⎢ Fb ,⎜ Db + b ⎟,0 ⎥
⎣ ⎝ 2⎠ ⎦ ⎣ ⎝ 2⎠ ⎦
Además, las expresiones para Fc y Dc se calculan según:
Fe = ( ρu )e ∆y ∆z ; Fw = ( ρu )w ∆y ∆z ; Fn = ( ρv )n ∆x ∆z
Fs = ( ρv )s ∆x ∆z ; Ft = ( ρw )t ∆x ∆y ; Fb = ( ρw )b ∆x ∆y
y
Γe Γ Γ
De = ∆y ∆z ; Dw = w ∆y ∆z ; Dn = n ∆x ∆z
δx e δx w δy n
Γ Γ Γ
Ds = s ∆x ∆z ; Dt = t ∆x ∆y ; Db = b ∆x ∆y
δy s δz t δz b
6.5.4. Extensión no estacionaria a otros esquemas de primer orden

Otro tipo de esquemas, como el esquema upwind o el exponencial se pueden incor-
porar a la ecuación general implícita sustituyendo las expresiones adecuadas para
los coeficientes de la ecuación algebraica.
A continuación se muestra una generalización bidimensional que se ajusta a

todos los posibles esquemas de primer orden vistos en este capítulo. La ecuación
general responde a:
∆x ∆y
( φP − φ(0)
P )ρ
∆t
+ ( J e − Fe φP ) − ( J w − Fw φP ) +
[6.68]
+ ( J n − Fn φP ) − ( J s − Fs φP ) = ( SC + SP φP ) ∆x ∆y
donde para las celdas del este y del norte se puede escribir que
Fe = ( ρu )e ∆y ; Fn = ( ρv )n ∆x
y análogamente
⎛ ∂φ ⎞ ⎛ ∂φ ⎞
J e = ( ρu )e φe ∆y − Γe⎜ ⎟ ∆y ; J n = ( ρv )n φn ∆x − Γn⎜ ⎟ ∆x .
⎝ ∂x ⎠e ⎝ ∂y ⎠n
De forma genérica se puede establecer:
J e − Fe φP = aE ( φP − φE ) donde a E = De ⋅ g ( Pe ) + −Fe ,0 [6.69]
Adoptando distintas expresiones para la función g, se recuperan los diferentes

esquemas de primer orden:
c Esquema centrado:
g ( Pe ) = 1 − 0,5 Pe [6.70]
c Esquema upwind:
g ( Pe ) = 1 [6.71]
c Esquema exponencial:
g ( Pe ) = Pe (e Pe − 1) [6.72]
c Esquema híbrido:
g ( Pe ) = 0,1 − 0,5 Pe [6.73]

6.6 Condiciones de contorno
Cuando se analizó la ecuación difusiva pura se presentó una clasificación de las con-
diciones de contorno de acuerdo con la información que se proporcionaba al modelo
en cada una de ellas. Así, en las condiciones de tipo Dirichlet se especificaba el propio
valor de φ en la frontera, mientras que en las condiciones de tipo Von Neumann se
conocía el gradiente de la variable (flujo). Para problemas convectivos se debe distin-
guir, además, entre condiciones de flujo, donde el flujo entra o sale al dominio, y
condiciones geométricas, que son aquellas que simplemente limitan el dominio a
modelar (paredes y superficies, contornos sólidos o condiciones periódicas).
Evidentemente, puesto que no es posible modelar el universo completo en nues-
tra simulación CFD, es necesario acotar el dominio, considerando tan sólo un sub-
conjunto que incluya el sistema que se quiere resolver numéricamente. Por lo tanto,
es imprescindible aportar la información que existe en los límites prefijados del
dominio en referencia a las variables que se quieren resolver.
6.6.1. Condiciones de entrada

En este tipo de condición de flujo se proporciona la distribución de velocidad a la
entrada, así como el valor de la variable φ. Es decir:
v = vcc ; vc ⋅ Ac ≤ 0
[6.74]
φ = φcc ,dato
La discretización por volúmenes finitos en la celda de la frontera de la figura 6.7

establece que
J cc ⋅ Acc + ∑ J c ⋅ Ac = ( SC + SP φP ) ∆VP
caras
donde el sumatorio aplica a las caras interiores de la celda (analizadas en apartados

anteriores) y el flujo en la condición de contorno, Jcc , viene dado por:
J cc ⋅ Acc = ρvcc ⋅ Acc φcc − Γ cc ( ∇φ)cc ⋅ Acc [6.75]
Introduciendo que φcc es dato y escribiendo el flujo difusivo según lo visto en el tema
anterior, se llega a la expresión que puede ser incorporada al balance en la celda C0:
Γcc Acc ⋅ Acc

J cc ⋅ Acc = ρvcc ⋅ Acc φcc ,dato − ( φ0 − φcc ,dato ) + Sg [6.76]
∆ξ Acc ⋅ eξ
6.6 Condiciones de contorno 165
MAL BIEN

Ac

v cc eξ
eξ C0 C0 cc
cc Δξ Δξ

v cc

Ac
Condición de entrada Condición de salida Posiciones de condición de salida
Figura 6.7 Condiciones de contorno (adaptado de Mathur y Murthy, 2001-2011).
6.6.2. Condiciones de salida

En las condiciones de salida se supone que la componente difusiva del flujo normal a la
frontera es cero, esto es, −Γcc ( ∇φ)cc ⋅ Acc = 0. Por lo tanto, el flujo por la condición
de contorno se reduce a
J cc ⋅ Acc = ρvcc ⋅ Acc φcc ; vcc ⋅ Acc > 0
que, aplicado a un esquema de tipo upwind, permite establecer directamente que

φcc = φ0. Es decir:
J cc ⋅ Acc = ρvcc ⋅ Acc φ0 [6.77]
Por lo tanto, en las condiciones de salida no se necesita especificar el valor de φ,

puesto que queda determinado por los procesos físicos en el interior del dominio y es
transportado de forma convectiva por el flujo saliente. Nótese también que al despre-
ciar el efecto difusivo en la condición de salida se está suponiendo que el flujo aguas
abajo del dominio no tiene ninguna influencia en las características del flujo en el inte-
rior. Lógicamente, para satisfacer esta condición, debe asegurarse que las condiciones
de contorno de salida se sitúan en zonas tales que las condiciones aguas abajo no influ-
yen en la solución (evitando zonas de recirculación, por ejemplo, figura 6.7c).
6.6.3. Condiciones geométricas

En las condiciones geométricas, normalmente contornos sólidos, la componente nor-
mal de la velocidad es cero. Por tanto, vcc ⋅ Acc = 0 y el flujo en la frontera, Jcc , se
debe únicamente a mecanismos difusivos según:
J cc =−Γcc ( ∇φ)cc [6.78]
Nótese que en este tipo de condiciones geométricas, al ser puramente difusivas, la

discusión se reduce a lo visto anteriormente en el capítulo previo; esto es, condiciones
de valor, de flujo o mixtas, cuyas discretizaciones ya se trataron en el apartado 5.3.
7
RESOLUCIÓN DE LAS
ECUACIONES DE FLUJO
Hasta ahora se había considerado la convección y difusión de un escalar en pre-

sencia de un campo fluidodinámico conocido. En este capítulo se aborda cómo
resolver la ecuación cuando el campo es desconocido. Se presentarán las particulari-
dades asociadas a la resolución de este nuevo problema acoplado: calcular el trans-
porte de las variables cuando el propio flujo que transporta es una incógnita más.
En realidad, las ecuaciones de momento tienen la misma forma que la ecua-
ción general de conservación de un escalar, por lo que su discretización se com-
pleta fácilmente según lo visto en capítulos anteriores. El problema fundamental
es que el campo de presiones que aparece en dichas ecuaciones (y normalmente
uno de los mecanismos esenciales que provocan el movimiento de un fluido) es
desconocido. Por tanto, es necesario resolver una ecuación adicional, que en este
caso es la ecuación de continuidad.
Lamentablemente, la resolución acoplada de estas dos ecuaciones es complicada.
Por un lado, la ecuación de momento es una ecuación vectorial, ampliándose así la
complejidad del sistema algebraico de ecuaciones. Por otro lado, la ecuación de conti-
nuidad no contempla la variable presión, por lo que es necesario sustituir el balance en
velocidades por un balance artificial en presiones, mediante un algoritmo de acopla-
miento presión-velocidad. A continuación se presentan los detalles de esta formulación.
168 Capítulo 7 Resolución de las ecuaciones de flujo
Contenidos
7.1. Introducción
7.2. Mallado decalado
7.3. Discretización de la ecuación de momento
7.4. Discretización de la ecuación de continuidad
7.5. Algoritmo SIMPLE de resolución
7.5.1. Ecuación de corrección para la presión
7.5.3. Algoritmo completo
7.6. Otros algoritmos de acoplamiento presión-velocidad
7.6.1. Algoritmo SIMPLER
7.6.2. Algoritmo SIMPLEC
7.6.3. Algoritmo PISO
7.7. Conclusiones y reflexiones finales
Este capítulo ha sido principalmente adaptado de Versteeg, H.K. y Malalasekera, W., "An Intro-
duction to Computational Fluid Dynamics: The Finite Volume Method", Ed. Pearson Education
Ltd, 2007; Chapter 6: "Solution Algorithms for Pressure-Velocity Coupling in Steady Flows".
7.1 Introducción
Los fenómenos de convección de una variable escalar φ dependen de la dirección y

magnitud del campo de flujo local. Para desarrollar los métodos de discretización
del término convectivo en el capítulo anterior se supuso que el campo de velocida-
des era conocido.
En general, el campo de velocidades se desconoce y aparece como parte impli-
cada en el proceso de resolución junto con el resto de las variables transportadas
(normalmente escalares). El objetivo de este capítulo es presentar las estrategias más
comunes para calcular el campo de flujo completo (presiones, velocidades, tempera-
turas, etcétera).
Las ecuaciones de conservación para cada componente de la velocidad (las ecua-
ciones de momento) se pueden obtener de la ecuación general de transporte reem-
plazando la variable φ por cada una de las respectivas componentes (u, v, w). Por
simplicidad, a partir de ahora se considerará el caso bidimensional, incompresible,
en condiciones de flujo laminar para un fluido newtoniano. Esto es, las ecuaciones
de Navier-Stokes 2-D para flujo laminar incompresible. Con estas hipótesis, se eli-
mina una dimensión espacial, se garantiza que el flujo es adivergente (con la serie de
simplificaciones que lleva asociado este hecho) y desaparecen las tensiones de Rey-
nolds y el problema del cierre turbulento.
En el apartado 3.2.2 ya se discutió que, en estas condiciones, la ecuación general
de trasporte para el campo de velocidad adoptaba la expresión 3.12. Desarrollándola
ahora para cada una de las componentes de la velocidad se tiene:
∂ ( ρu ) ∂p
+ ∇ ( ρvu ) − ∇ ( μ∇u ) = − + ρg x [7.1]
∂t ∂x
∂ ( ρv ) ∂p
+ ∇ ( ρvv ) − ∇ ( μ∇v ) = − + ρg y [7.2]
∂t ∂y
Nótese cómo, efectivamente, cada una de las ecuaciones 7.1 y 7.2 adopta la forma
conservativa general vista en 3.7, donde el gradiente de presión y otras fuerzas con-
servativas (p. ej., el campo gravitatorio) se introducen en el término fuente de la
ecuación.
En el caso de flujo compresible, aparecen parciales adicionales en el conjunto de
ecuaciones 7.1 y 7.2. Estas parciales provienen del tensor de tensiones. Para reescri-
bir la ecuación en forma conservativa, se subdivide dicho tensor en dos partes, de
modo que las tensiones normales se dejan en el término difusivo, mientras que el
resto se incluye también en el término fuente. Aunque en este tema no se abordará

el caso compresible, se escriben a continuación las expresiones del término fuente
bidimensional, donde el lector puede comprobar cómo los nuevos sumandos se can-
celan en caso de flujo incompresible (∇⋅ v = 0).
∂p ∂ ⎛ ∂u ⎞ ∂ ⎛ ∂v ⎞ 2 ∂
Su = − + ρg x + ⎜ μ ⎟+ ⎜ μ ⎟− ( μ∇⋅ v ) [7.3]
∂x ∂x⎝ ∂x ⎠ ∂y⎝ ∂x ⎠ 3 ∂x
∂p ∂ ⎛ ∂v ⎞ ∂ ⎛ ∂u ⎞ 2 ∂
Sv = − + ρg y + ⎜ μ ⎟+ ⎜ μ ⎟− ( μ∇⋅ v ) [7.4]
∂y ∂y⎝ ∂y ⎠ ∂x⎝ ∂y ⎠ 3 ∂y
El término para el gradiente de presiones, que es fundamental en el estableci-

miento de un flujo en la mayoría de las aplicaciones ingenieriles, se escribe por sepa-
rado (del resto de los términos fuente) para facilitar la discusión posterior. Esto se
debe a la importancia de la variable presión en los distintos algoritmos empleados
para resolver el problema de acoplamiento entre la ecuación de momento y la ecua-
ción de continuidad. Esta última, en caso bidimensional incompresible, quedaría
expresada sencillamente como:
∂ ( ρu ) ∂ ( ρv )
+ =0 [7.5]
∂x ∂y
Las ecuaciones 7.1, 7.2 y 7.5 están intrínsecamente acopladas porque cada una de
las componentes de la velocidad aparece en cada ecuación de momento y también
en la de continuidad. El mayor problema reside en resolver el papel que desempeña
la presión en este sistema de ecuaciones: aparece en ambas ecuaciones de momento
pero a primera vista no se dispone de una ecuación de transporte (o similar) para la
presión.
En los siguiente apartados se mostrará que este acoplamiento se puede resolver
empleando estrategias iterativas, como el algoritmo SIMPLE propuesto por Patankar
y Spalding en 1972. En este algoritmo, los flujos convectivos por las caras se evalúan a
partir de un campo supuesto de velocidades. Es más, también se emplea un campo de
presiones tentativo para resolver la ecuación de momento y una ecuación de correc-
ción de la presión, deducida a partir de la ecuación de continuidad. Finalmente, esa
corrección obtenida se utiliza para actualizar los campos de presión y velocidad. El
proceso iterativo, ejecutado hasta que se fija la convergencia requerida, es nueva-
mente básico para hacer frente al fuerte acoplamiento entre las ecuaciones[1].
1. Ya habíamos visto antes que el proceso iterativo era esencial para poder hacer frente a la no lineali-
dad de las ecuaciones y para poder resolver el sistema de ecuaciones de una manera eficiente y factible.
7.2 Mallado decalado 171
7.2 Mallado decalado
El término de presión en las ecuaciones de momento añade una peculiaridad adicio-

nal a la discretización de las ecuaciones. En principio, toda discretización se inicia
con la definición de los volúmenes de control (celdas) y la decisión asociada de dón-
de se van a guardar las variables (figura 4.5). Sea cual fuere, lo evidente sería almace-
nar todas las variables (escalares como presión o temperatura y vectoriales como las
componentes de la velocidad) en la misma localización.
Sin embargo, cuando las velocidades y las presiones se definen en los mismos
nodos de una celda, aparece una tendencia natural a que campos de presión no uni-
formes con gradientes importantes actúen como campos uniformes en las ecuacio-
nes discretizadas.
Este fenómeno, conocido como checker-boarding, se ilustra en la figura 7.1
para un dominio unidimensional y muestra cómo, aun existiendo fuertes variacio-
nes en el gradiente, éste se anula al efectuar la discretización típica por diferencias
centradas.
Si las presiones en las caras e y w se obtienen como interpolación lineal, el gra-
diente de presión respecto de x en la ecuación 7.1 se obtendría como:
∂p pe − pw ( pE + pP ) 2 − ( pP + pW ) 2 pE − pW 100 − 100
= = = ≈ = 0 [7.6]
∂x ∆x ∆x 2 ∆x 2 ∆x
Lógicamente esto se debe a que las fluctuaciones de presión tienen una variación
espacial igual a la distancia entre centroides. Queda claro, pues, que si las velocida-
des se definen en esos mismos nodos que la presión, la influencia de la presión no va
estar correctamente representada en la ecuación de momento.
Para romper este problema, basta con “decalar” los valores de velocidad con res-
pecto a los nodos donde se almacena la presión. De esta forma, se define el denomi-
xw xe
WW W P E EE
50 100 w 50 e 100 50
x x
Figura 7.1 Campo de presión en checker-board (adap-

tado de Versteeg y Malalasekera, 2007).
nado mallado decalado (staggered grid), introducido por Harlow y Welch en 1965, y
que plantea evaluar las variables escalares (presiones, temperaturas…) en los centros
de las celdas y calcular las componentes de la velocidad en un mallado decalado
cuyos elementos están centrados en las caras de las celdas originales. La figura 7.2
muestra esta disposición para un mallado bidimensional.
Las variables escalares, incluida la presión, se almacenan en los centroides de las
celdas (si se emplea una formulación cell-centered) definidas como volúmenes de
control y se representan con puntos. Las velocidades se definen en las caras de las
celdas de los escalares (entre centroides contiguos) y se representan con flechas. Las
flechas horizontales indican la localización de las velocidades en la dirección x
(componente u) mientras que las flechas verticales denotan la componente en la
dirección y (componente v).
En el mallado decalado, todas las propiedades del fluido, como la densidad o el
coeficiente de difusión, se almacenan en los centroides de las celdas (son valores
escalares). Además, como se ha visto en capítulos anteriores, una de las grandes ven-
tajas del mallado decalado es que las velocidades ya están disponibles en las caras de
las celdas, que es donde se necesitan para evaluar los flujos convectivos.
N
vn
W uw P ue E
vs
S
VC para las variables escalares (presión)

VC para la componente x de velocidad
VC para la componente y de velocidad
Figura 7.2 Mallado decalado bidimensional.

7.3 Discretización de la ecuación de momento
Ecuación de momento en x
Por razones de simplicidad, se va a proceder a considerar únicamente el caso esta-

cionario. El punto de partida es escribir, como siempre, la ecuación 7.1, que es la
ecuación general de conservación particularizada para la velocidad, en forma dis-
creta. En la disposición de la figura 7.2 se adopta el volumen de control cuyo cen-
troide coincide con la localización de las velocidades horizontales. Como la variable
a resolver ahora es u, conviene reconsiderar la notación, tal y como se observa en la
figura 7.3.
Por tanto, se formularía como es habitual:
aP uP = ∑ ac.v .uc .v . + b [7.7]

c .v .
Nótese que ahora P se corresponde con el centroide de la celda definida para las
componentes vectoriales y e es la cara este que se correspondería con la notación en
mayúsculas para un centroide escalar. Recuerde el lector que en este caso la variable
u es la incógnita en la ecuación de transporte (φ = u). El término fuente debe incluir
el gradiente de presiones, que en este caso, se discretiza como:
término
∂p p − pw p − pe
∆x ∆y = ( pw − pe ) ∆y
fuente
− =− e ⎯⎯⎯⎯→ w [7.8]
∂x ∆x ∆x
N
uN
n
W P e E
w uP uE
uW
s
uS S
Figura 7.3 Notación para el volumen de con-

trol de la velocidad u.
donde los valores de presión pw y pe están disponibles, pues las caras del volumen de
control en la figura 7.3 se corresponden con los centroides de las celdas escalares
(donde se han definido las presiones en la figura 7.2).
Normalmente, el término de presiones se representa fuera del término fuente
(dada su importancia), quedando entonces la ecuación como:
aP uP = ∑ ac.v .uc .v . + ( pw − pe ) ∆y + b [7.9]

c .v .
Como ya es sabido, la definición de los coeficientes aP y ac.v. que afectan a la velo-

cidad quedan definidos a partir de la elección de discretización que se haga en el
problema. Por ejemplo, se puede adoptar el esquema híbrido (apartado 6.3.2), en el
que los coeficientes contienen combinaciones del flujo convectivo por unidad de
masa, F, y de la resistencia conductiva, D, en las caras de los volúmenes de control
asociados a la velocidad u. De esta forma:
aE = max (−Fe , De − 0,5Fe ,0) aW = max ( Fw , Dw + 0,5Fw ,0)

[7.10]
aN = max (−Fn , Dn − 0,5Fn ,0) aS = max (−Fs , Ds − 0,5Fs ,0)
donde los valores de F y D en las caras se calculan como
Fe = ( ρu )e A e , Fw = ( ρu )w A w , Fn = ( ρv )n A n , Fs = ( ρv )s A s
y
De = ( Γe δxe ) A e , Dw = ( Γw δxw ) A w , Dn = ( Γn δyn ) A n , Ds = ( Γ s δys ) A s
En los valores de Fc se necesitan las velocidades en las caras de los volúmenes de

control asociados a u. Sin embargo, estos valores no se encuentran disponibles en
dichas localizaciones, puesto que esas caras coinciden con los centroides de las celdas
escalares (donde están definidos los escalares, no las componentes de velocidad).
Para superar este inconveniente, se plantea una interpolación lineal, de forma que:
( ρu ) E + ( ρu ) P ( ρu )P + ( ρu )W
( ρu )e = ( ρu )w = [7.11]
2 2
( ρv )N + ( ρv )P ( ρv )P + ( ρv )S
( ρv )n = ( ρv )s = [7.12]
2 2
Evidentemente, los valores de las velocidades que se necesitan para las caras en
las ecuaciones 7.11 y 7.12 se toman de la iteración anterior. Además, debe tenerse en
cuenta que las variables “conocidas” uE, uP, uW en la ecuación 7.11 (al igual que las
vN, vP, vS en 7.12) contribuyen a los coeficientes 7.10 de la discretización espacial ele-
gida (híbrida en este caso). Son “diferentes” variables a las uP, y uc.v. de la ecuación
7.9, que son las incógnitas que realmente se están resolviendo iterativamente.
Es muy importante haber tenido cuidado con la notación empleada. En este caso,
siempre se ha alternado que las letras mayúsculas se corresponden con los centroides
de las celdas analizadas: las centradas en los puntos para los escalares y las centradas
en las flechas para los vectores. La complejidad de este cambio continuo en la nota-
ción hace que sea muy habitual emplear subíndices del tipo (I, J) e (i, j) para denotar
los centroides y las caras de las celdas originales (centradas en nodos escalares).
Ecuación de momento en y
En esta ocasión, utilizando la ecuación 7.2 para la componente vertical de la veloci-

dad y adoptando un volumen de control cuyo centroide coincide con la localización
de estas componentes (figura 7.4), se formularía que:
aP v P = ∑ ac.v .vc .v . + b [7.13]

c .v .
Nótese que ahora P se corresponde con el centroide de la celda definida para las com-
ponentes vectoriales verticales y e es la cara del este que se correspondería con la nota-
ción en mayúsculas para un centroide escalar (comparar con figura 7.2). Recuerde el
lector que en este caso la variable v es la incógnita en la ecuación de transporte (φ = v).
N vN
n
e
W vW P E
vP vE
w
s
S
vS
Figura 7.4 Notación para el volumen

de control de la velocidad v.
El término fuente debe incluir el gradiente de presiones que, en este caso, se discretiza
como:
término
∂p p − ps p − pn
∆x ∆y = ( ps − pn ) ∆x
fuente [7.14]
− =− n ⎯⎯⎯⎯→ s
∂y ∆y ∆y
donde los valores de presión pn y ps están disponibles, pues las caras del volumen de
control en la figura 7.4 se corresponden con los centroides de otras celdas escalares
(donde se han definido las presiones en la figura 7.2).
Al igual que en la ecuación de momento en x, el término de presiones se repre-
senta fuera del término fuente (dada su importancia), quedando entonces la ecua-
ción como:
aP v P = ∑ ac .v .vc .v . + ( ps − pn ) ∆x + b [7.15]
c .v .
Nuevamente la definición de los coeficientes aP y ac.v. que afectan a la velocidad v

quedan definidos a partir del tipo de discretización que se haga en el problema. Si se
adopta de nuevo el esquema híbrido, los coeficientes se calcularían según 7.10
donde otra vez se cumple que los valores de F y D en las caras se calculan como
Fe = ( ρu )e A e , Fw = ( ρu )w A w , Fn = ( ρv )n A n , Fs = ( ρv )s A s
y
De = ( Γe δxe ) A e , Dw = ( Γw δxw ) A w , Dn = ( Γn δyn ) A n , Ds = ( Γ s δy s ) A s .
Como era de esperar, en los valores de Fc se necesitan otra vez las velocidades en
las caras de los volúmenes de control asociados a v. Sin embargo, estos valores no se
encuentran disponibles en dichas localizaciones, puesto que esas caras coinciden
con los centroides de las celdas escalares (donde están definidos los escalares, no las
componentes de velocidad). Para superar este inconveniente, se plantea de nuevo la
interpolación lineal, haciendo uso de 7.11 y 7.12, con los valores de las variables
“conocidas” vN, vP, vS en la ecuación 7.12 asignados a la iteración anterior. Es impor-
tante entender de nuevo que esas variables que participan en la definición de los
coeficientes son “diferentes” variables a las vP, y vc.v. de la ecuación 7.15 que se está
resolviendo.
Es muy importante haber tenido cuidado con la notación empleada. En este caso,
siempre se ha alternado que las letras mayúsculas corresponden con los centroides
de las celdas analizadas: las centradas en los puntos para los escalares y las centradas
en las flechas para los vectores. La complejidad de este cambio continuo en la nota-
ción hace que sea muy habitual emplear subíndices del tipo (I, J) e (i, j) para denotar
los centroides y las caras de las celdas originales (centradas en nodos escalares).
7.4 Discretización de la ecuación de continuidad 177
7.4 Discretización de la ecuación de continuidad
En el caso de flujo estacionario, incompresible, la ecuación de continuidad cumple

la condición de adivergencia. Introduciendo la densidad, supuesta constante, en el
operador divergencia, se obtiene:
∇⋅ ( ρv ) = 0 [7.16]
La discretización de esta ecuación en el volumen de control asociado a un cen-

troide escalar (figura 7.2) determina que la suma de los flujos convectivos por las
caras de dicha celda ha de ser cero. O lo que es igual:
∑ ( ρv )c ⋅ Ac = 0 ,
c=e,w,n,s
que desarrollado queda:
( ρu )e ∆y − ( ρu )w ∆y + ( ρv )n ∆x − ( ρv )s ∆x = 0 [7.17]
que, como el lector habrá podido darse cuenta, equivale exactamente a:
Fe − Fw + Fn − Fs = 0 [7.18]
Lógicamente, la ecuación de continuidad está implícitamente incluida en la dis-

cretización de los términos convectivos. Esto se debe a la propiedad de conservación
sostenida por la propia formulación de la ecuación general de transporte. Por tanto,
desde el punto de vista de la discretización del sistema de ecuaciones, la ecuación
7.18 no aporta nada nuevo al no incluir la presión como incógnita a resolver.
En el siguiente apartado se muestra cómo es posible reformular la ecuación de
continuidad para que se pueda plantear la resolución de una ecuación algebraica
para la presión (en realidad, para una variable de corrección de la presión).
7.5 Algoritmo SIMPLE de resolución
El algoritmo SIMPLE (Semi-Implicit Method for Pressure Linked Equations), desa-

rrollado por Patankar y Spalding en 1972, es un método basado en la reformulación
de la presión, de utilización generalizada en el caso de flujos incompresibles.
La idea fundamental es definir una ecuación discretizada para la presión (o alter-

nativamente, para una cantidad muy relacionada llamada corrección de la presión)
a partir de la ecuación de continuidad discreta (ecuación 7.17). Puesto que la ecua-
ción de continuidad contiene valores de velocidad en las caras, se necesita alguna
forma de relacionar estas velocidades con los valores de presión en los centroides de
las celdas. El algoritmo SIMPLE utiliza las ecuaciones de momento discretas para
hacer esa relación.
Para iniciar el algoritmo SIMPLE se parte de un campo de presiones supuesto,
denotado como p∗. Las ecuaciones de momento en x e y, 7.9 y 7.15, se resuelven
según ese campo de presiones, por lo que se obtiene, lógicamente, un campo de
velocidades tentativo:
aP uP∗ = ∑ ac .v .uc∗.v . + ( pw∗ − pe∗ ) ∆y + b [7.19]
c .v .
aP v P∗ = ∑ ac.v .vc∗.v . + ( ps∗ − pn∗ ) ∆x + b [7.20]

c .v .
Ni el campo de presiones ni, por supuesto, los campos de velocidad obtenidos en

7.19 y 7.20 son los campos que estamos buscando. Definiendo el valor de corrección
que separa los campos de la solución real de la solución supuesta mediante una
variable primada, se puede establecer que:
p = p∗ + p′ u = u∗ + u′ v = v ∗ + v′ [7.21]
Es evidente que la utilización del campo correcto de presiones, p, en las ecuacio-

nes de momento 7.9 y 7.15 proporcionará el campo de velocidades correcto (u, v).
Por lo tanto, restando 7.19 y 7.20 de las ecuaciones exactas se tiene:
aP (uP − uP∗ ) = ∑ ac .v . (uc .v . − uc∗.v . ) +⎡

⎣ ( pw − pw ) − ( pe − pe ) ⎦∆y
∗ ∗ ⎤
[7.22]
c .v .
aP (v P − v P∗ ) = ∑ ac .v . (vc.v . − vc∗.v . ) +⎡
⎣ ( ps − ps ) − ( pn − pn )⎦∆x
∗ ∗ ⎤
[7.23]
c .v .
que al introducir las correcciones definidas en 7.21, se reducen a:
aP u′P = ∑ ac .v .u′c .v . + ( p′w − p′e ) ∆y [7.24]

c .v .
aP v′P = ∑ ac .v .v′c .v . + ( p′s − p′n ) ∆x [7.25]

c .v .
A continuación se hace una importante simplificación, eliminando la contribu-

ción de las celdas vecinas en las ecuaciones 7.24 y 7.25 para la corrección de las velo-
cidades. De esta forma, en el SIMPLE se plantea de forma aproximada que:
aP u′P ≈ ( p′w − p′e ) ∆y [7.26]
aP v′P ≈ ( p′s − p′n ) ∆x [7.27]
Renombrando los coeficientes que aparecen en 7.26 y 7.27 como dP, donde
d P = ∆ y a P y d P = ∆ x a P corresponden, respectivamente, a cada componente u y
v, e introduciendo dichas expresiones (correcciones de velocidad) en 7.21 se llega a:
u P = u ∗P + d P ( p′w − p′e ) ∆ y [7.28]
v P = v P∗ + d P ( p′s − p′n ) ∆ x [7.29]
Las expresiones 7.28 y 7.29 se han obtenido con la notación definida para las celdas
centradas en vectores. A continuación se va a plantear la ecuación de continuidad
sobre la celda escalar P (v. figura 7.5), por lo que se debe hacer la correspondencia
entre las notaciones antiguas y las nuevas. Así, el punto P central del volumen de con-
trol para la velocidad u se convierte ahora en la cara e del nuevo volumen de control
escalar. Haciendo lo mismo con el resto de los puntos, se reescriben las ecuaciones
7.28 y 7.29 como:
ue = ue∗ + de ( p′P − p′E ) ∆y [7.30]
v n = v n∗ + dn ( p′P − p′N ) ∆ x [7.31]
También se pueden definir los flujos másicos en las caras norte y sur en función
de los valores supuestos y sus correcciones según:
Fe = ρe ue ∆y = ρe ue∗ ∆y + ρe de ∆y ( p′P − p′E ) [7.32]
Fn = ρn v n ∆ x = ρn v n∗ ∆ x + ρn dn ∆ x ( p′P − p′N ) [7.33]
Y análogamente:
Fw = ρw uw ∆ y = ρw uw∗ ∆ y + ρw dw ∆ y ( pW
′ − p′P ) [7.34]
Fs = ρ s v s ∆ x = ρ s v s∗ ∆ x + ρ s d s ∆ x ( p′S − p′P ) [7.35]

vn
W uw E
P ue
vs
S
Figura 7.5 Correspondencia entre

volúmenes de control para las velocida-
des y para la presión.
7.5.1. Ecuación de corrección para la presión
Introduciendo las ecuaciones 7.32 a 7.35 dentro de 7.18, se plantea que:
Fe − Fw + Fn − Fs = ρe ue∗∆y + ρe de ∆y ( p′P − p′E ) − ρw uw∗ ∆y − ρw dw ∆y ( pW

′ − p′P ) +
+ ρnvn∗ ∆x + ρndn ∆x ( p′P − p′N ) − ρs v ∗s ∆x − ρs ds ∆x ( p′S − p′P ) = 0
[7.36]
Reordenando términos se obtiene una ecuación para la corrección de la presión

p′P de la forma ya habitual:
( ρe de ∆ y + ρw dw ∆ y + ρn dn ∆ x + ρ s d s ∆ x ) p′P = ( ρ e d e ∆ y ) p′E − ( ρ w d w ∆ y ) pW
′ +
aP aE aW
+ ( ρn dn ∆ x ) p′N − ( ρ s d s ∆ x ) p′S + ( ρ e u e∗ ∆ y − ρ w u w∗ ∆ y + ρn v n∗ ∆ x − ρ s v s∗ ∆ x ) = 0
aN aS
Fe∗ − Fw∗ + Fn∗ − Fs∗
[7.37]
que se expresa más compacta como:
aP p′P = ∑ ac.v . p′c .v . + b [7.38]

c .v .
donde aE = ρe de ∆y, aW = ρw dw ∆y, aN = ρndn ∆x, aS = ρs ds ∆x y el término

fuente es la suma de los flujos másicos de los campos de velocidad sin corregir
b = Fe∗ − Fw∗ + Fn∗ − Fs∗ .
La ecuación para la corrección de la presión es el vehículo para acoplar los cam-

pos de presión y velocidad de forma que satisfagan la ecuación de continuidad y la
ecuación de momento a la vez. Al comenzar con un campo de presión tentativo y
utilizar éste para resolver la ecuación de momento, es obvio que el campo de veloci-
dades resultante no va a cumplir la ecuación de continuidad. De hecho, el término
fuente b en la ecuación para la corrección de la presión 7.38 representa el desequili-
brio en continuidad que aparece en la ecuación de continuidad al utilizar campos de
velocidad u∗ y v∗ incorrectos. La ecuación de corrección para la presión corrige
entonces la presión y los campos de velocidad para asegurar que el campo resultante
cumple la continuidad. Esto significa que tras la resolución de 7.38 y la corrección
de los campos de velocidad según 7.21, los campos de velocidad cumplirán estricta-
mente la continuidad. Evidentemente, esto implica que dejan de cumplir la ecuación
de momento, por lo que el proceso iterativo entre las ecuaciones debe proseguir
hasta que los campos de presión y velocidad cumplan ambas ecuaciones.
Es importante observar que la omisión de los términos
∑ac.v.u′c.v. y ∑ac.v.v′c.v.
c .v . c .v .
no afecta a la solución final, porque la corrección para la presión y, por extensión,

para las velocidades será cero cuando se obtenga la convergencia: p∗ = p, u∗ = u y
v∗ = v. Sin embargo, sí afecta a la rapidez con la que se alcanza la convergencia. Por
ejemplo, la componente u de velocidad en la ecuación 7.24 es función tanto del tér-
mino correspondiente a la corrección de la velocidad
∑ac.v.u′c.v.
c .v .
como del término de corrección de presión. Al eliminar el término de corrección de

la velocidad, de forma implícita se está haciendo recaer sobre el término de la pre-
sión todo el peso de la corrección. Así, aunque la velocidad corregida cumplirá la
continuidad, el campo de presiones quedará sobrecorregido. Este hecho implica que
el algoritmo SIMPLE tiene tendencia a divergir si no se emplea alguna técnica de
subrelajación.
Puesto que la ecuación de corrección de la presión es susceptible a divergir, se debe
introducir un parámetro de subrelajación durante el proceso iterativo según:
p = p ∗ + α p p′ [7.39]
donde αp es el factor de subrelajación y cuyo valor debe ser menor que uno para
poder compensar la sobrecorrección introducida en la presión. Además, también se
relajan las ecuaciones de momento introduciendo factores similares, αu y αv, tal y
como se definió en la ecuación 5.52 del apartado 5.8.3.
Sin embargo, es importante darse cuenta de que la relajación de las ecuaciones de
momento no implica que la corrección de velocidad se relaja de la misma forma que
la presión en 7.39. El procedimiento de corrección de presión trata de obtener unas
correcciones para la velocidad que satisfagan la ecuación de continuidad; por tanto,
introduciendo una subrelajación directamente a las velocidades, se perdería esta
propiedad del SIMPLE.
La subrelajación en la ecuación de momento permite suavizar los efectos de la no
linealidad en la resolución. Denotando como u(n–1) y v(n–1) los valores de las compo-
nentes de velocidad en la iteración anterior, la relajación que se introduce establece
que:
u = α u u (n ) + (1 − α u ) u (n−1) [7.40]
v = α v v (n ) + (1 − α v ) v (n−1) [7.41]
donde u(n) y v(n) son los campos obtenidos tras la corrección en el SIMPLE. El
campo final de velocidades para esa iteración es combinación del obtenido tras la
corrección con el de la iteración anterior. Involucrando este proceso en las ecuacio-
nes de momento, se obtiene tras un poco de álgebra:
aP (1 − αu ) aP (n−1)
uP = ∑ ac .v .uc.v . + ( pw − pe ) ∆y + b + uP [7.42]
αu c .v .
αu
aP (1 − αv ) aP (n−1)
v P = ∑ ac .v .vc .v . + ( ps − pn ) ∆x + b + vP [7.43]
αv c .v .
αv
Una correcta elección de los factores de subrelajación es esencial para conseguir

simulaciones con costes computacionales eficientes. Un valor demasiado alto podría
dar lugar a oscilaciones en el proceso iterativo, o incluso a divergir, mientras que un
valor demasiado bajo conduciría a una convergencia excesivamente lenta. Desafor-
tunadamente, los valores óptimos de subrelajación varían en función del caso que se
esté resolviendo, por lo que no es posible conocer a priori cuál es la mejor elección.
Sin embargo, sí es posible establecer una sencilla regla como condición necesaria
para que sean óptimos.
Condición necesaria para la optimización de factores de relajación en el

algoritmo SIMPLE[2][2]
En el algoritmo SIMPLE, si se resuelve la corrección de la presión (ecuación 7.38) en

lugar de con la propia variable de corrección, p′, con la variable de corrección rela-
jada, αp p′, se obtiene para el coeficiente ac.v. de las celdas involucradas:
ρ∆y 2
ac .v . = αu ( ρdc .v . ∆y ) = αu [7.44]
α p ∑ ac .v .
c .v .
Como se verá más adelante en el apartado 7.6, existen variantes del algoritmo
SIMPLE que tratan de acelerar su tiempo de convergencia. Estas variantes tratan de
evitar la omisión de los términos
∑ ac.v.u′c.v. y ∑ ac.v.v′c.v.
c .v . c .v .
en 7.24 y 7.25, introduciéndolos en el proceso pero con alguna simplificación venta-

josa. Así, el método SIMPLEC (v. 7.6.2), aproxima ese término como
∑ ac.v.u′c.v. ≈ u′P ∑ac.v. y ∑ ac.v.v′c.v. ≈ v′P ∑ac.v.

c .v . c .v . c .v . c .v .
respectivamente, de modo que los nuevos dP resultan ser
∆y
dP =
aP − ∑ ac .v .
c .v .
para la componente en u. Con estos coeficientes, y suponiendo que la ecuación de

momento no tiene términos fuente, es decir,
⎛ ⎞
⎜ ∑ ac.v . ⎟ αu ,
aP =⎜ ⎟
⎝ c .v . ⎠
se puede despejar:
ρ∆y 2 ρ∆y 2
ac .v . = ( ρdc .v . ∆y ) = = [7.45]
aP − ∑ ac .v . 1 − αu
c .v .
∑a
αu c.v . c .v .
2. Este apartado ha sido adaptado de Mathur S.R. y Murthy, J.Y., 2001-2011.

Finalmente, igualando 7.44 y 7.45 para conseguir que el algoritmo SIMPLE parti-
cipe de los mismos coeficientes que el algoritmo SIMPLEC mejorado, se deduce
fácilmente que se ha de cumplir:
(1 − αu ) = α p ⇒ αu + α p = 1 [7.46]
Esto es, la suma de los factores de relajación para las velocidades y para la pre-
sión debe sumar siempre uno. Así, la mayoría de los códigos comerciales (p. ej.
FLUENT®) utiliza como valores por defecto αu = αv = 0,7 para la ecuación de
momento y αp = 0,3 para la presión.
7.5.3. Algoritmo completo

En definitiva, el algoritmo SIMPLE se compone de los siguientes pasos:
1. Estimar un campo tentativo para la presión, p∗.
2. Resolver la ecuación de momento 7.42 y 7.43 con p∗, obteniendo así los campos
de velocidad aproximados u∗ y v∗.
3. Calcular los flujos másicos F∗ y resolver la ecuación 7.38 para obtener la correc-
ción p′.
4. Calcular la corrección para la velocidad u′ y v′ mediante 7.26 y 7.27 y obtener los
campos de velocidad corregidos (que satisfacen la continuidad) con la ecuación
7.21.
5. Resolver el resto de las ecuaciones (turbulencia, transporte de escalares, etc.)
usando el campo de velocidad ya corregido (tras 7.21).
6. Si la solución no ha convergido, volver al punto 2 con la presión corregida de la
iteración previa. Si ha convergido, detener el proceso.
Por lo tanto, el algoritmo SIMPLE se aproxima a la convergencia mediante una
serie de campos intermedios que van satisfaciendo la continuidad. El cálculo del
resto de las variables transportadas φ (entalpía, temperatura, fracción másica, etc.)
se hace tras la corrección de la velocidad (paso 5) para garantizar que los flujos con-
vectivos de φ satisfacen la continuidad en cada iteración.
Inicio
Suposiciones: p*, u*, v*, φ*
Paso 1: Resolver las ec. de momento

aP uP = ∑ ac . v .uc . v . + ( pw − pe ) Δy + b
∗ ∗ ∗ ∗
c. v.
aP vP = ∑ ac . v .vc . v . + ( p s − pn ) Δx + b
∗ ∗ ∗ ∗
c. v.
u*, v*
Paso 2: Resolver la ec. de corrección para la presión

aP p′P = ∑ a. c . v p′c . v . + b
c. v.
p′
Paso 3: Corregir presión y velocidades

Fijar:
p = p + p′
∗
∗ ∗
p = p , u =u
u P = u P + dP ( p′w − p′e ) Δy
∗
v P = v P + dP ( p′s − p′n ) Δx
∗ ∗
v =v , φ = φ ∗
∗
p, u, v, φ
Paso 4: Resolver otras ecuaciones de transporte

aP φP = ∑ ac . v .φc . v . + bφ
c. v.
No
¿Convergencia?
Sí
Fin
Figura 7.6 Algoritmo SIMPLE (adaptado de Versteeg y Malalasekera,

2007).
7.6 Otros algoritmos de acoplamiento presión-velocidad
El algoritmo SIMPLE ha sido muy utilizado en la literatura, y sigue siendo hoy día
una de las elecciones más habituales en la resolución de simulaciones de carácter
industrial (I-CFD). De todas formas, en las últimas décadas se han propuesto una
gran cantidad de variantes mejoradas con el objeto de acelerar la convergencia global
del método. A continuación se presentan los algoritmos modificados más relevantes.
7.6.1. Algoritmo SIMPLER
El algoritmo SIMPLER, o “SIMPLE-Revisado”, es un algoritmo mejorado, pro-

puesto por Patankar en 1980 y cuya principal novedad es que plantea la resolución
de una ecuación discreta para la presión, en lugar de para la corrección de la presión
como se planteaba anteriormente. Esto significa que el campo de presiones interme-
dio se obtiene directamente, sin necesidad de emplear ninguna corrección. Las velo-
cidades, sin embargo, se siguen obteniendo a partir de correcciones similares a las
planteadas en las ecuaciones 7.28 y 7.29.
La idea propuesta en el SIMPLER es totalmente lógica, por cuanto trata de evitar la
mayor debilidad del algoritmo SIMPLE: la eliminación de los términos
∑ ac.v.u′c.v. y ∑ ac.v.v′c.v.
c .v . c .v .
y su consiguiente sobrecorrección de la presión que llevaba a la necesidad de intro-

ducir subrelajación. Puesto que la corrección de la velocidad, que obliga a satisfacer
la continuidad, es algo positivo, parece apropiado seguir usando la corrección de la
presión para corregir velocidades, pero introduciendo una manera alternativa de
calcular la presión.
Así, en este caso se va a reformular la ecuación de momento de la siguiente
manera:
∑ac.v.uc.v. + b
uP = c .v .
+ dP ( pw − pe ) [7.47]
aP
∑ac.v.vc.v. + b
vP = c .v .
+ dP ( ps − pn ) [7.48]
aP
en las que se renombran los quebrados como pseudovelocidades
∑ac.v.uc.v. + b ∑ ac.v.vc.v. + b
c .v . c .v .
uˆ P = y vˆP =
aP aP
de forma que es posible plantear las siguientes expresiones:
uP = uˆ P + d P ( pw − pe ) [7.49]
v P = vˆP + d P ( ps − pn ) [7.50]
Al igual que en el caso del SIMPLE, se reescriben las ecuaciones 7.49 y 7.50 para
una notación con respecto a una celda escalar. Acudiendo nuevamente a la figura
7.5, es relativamente sencillo concluir que los subíndices pasan a ser:
ue = uê + de ( pP − pE ) ∆y [7.51]
vn = vˆn + dn ( pP − pN ) ∆x [7.52]
También se pueden definir los flujos másicos en las caras este y norte en función
de los valores circunflejos y el término de la presión según:
Fe = ρe ue ∆y = ρe uˆë ∆y + ρe de ∆y ( pP − pE ) [7.53]
Fn = ρn vn ∆x = ρn vˆn ∆x + ρn dn ∆x ( pP − pN ) [7.54]
Y análogamente:
Fw = ρw uw ∆y = ρw uˆw ∆y + ρw dw ∆y ( pW − pP ) [7.55]
Fs = ρ s v s ∆x = ρ s vˆs ∆x + ρ s d s ∆x ( pS − pP ) [7.56]
Y ahora, sustituyendo las ecuaciones 7.53 a 7.56 dentro de la ecuación de conti-

nuidad 7.18, se obtiene una ecuación algebraica para la presión:
( ρe de ∆y + ρw dw ∆y + ρndn ∆x + ρs ds ∆x ) pP = ( ρe de ∆y ) pE − ( ρw dw ∆y ) pW +
aP aE aW
[7.57]
+ ( ρn dn ∆x ) pN − ( ρ s d s ∆x ) pS + ( ρe uˆë ∆y − ρw uˆw ∆y + ρn vˆn ∆x − ρ s vˆs ∆x ) = 0
aN aS Fê −Fˆw +Fˆn −Fˆs
que se expresa de forma más compacta como:
aP pP = ∑ ac.v . pc .v . + b [7.58]
c .v .
donde aE = ρe de ∆y , aW = ρw dw ∆y, aN = ρndn ∆x, aS = ρs ds ∆x y el término

fuente es la suma de los flujos másicos de los campos de velocidad sin corregir
b = Fê − Fˆw + Fˆn − Fˆs . Nótese que la forma de la ecuación 7.58 es idéntica a la
ecuación para la corrección de la presión 7.38. Además, los coeficientes aP y ac.v.
también son idénticos a los que gobiernan la ecuación de corrección de presión. Sin
embargo, el término fuente b es diferente, ya que se introducen las pseudovelocida-
des uˆ , vˆ en lugar de las velocidades anteriormente supuestas u∗ y v∗. De hecho, aun-
que parezca semejante al visto en el de la ecuación para p′, éste no representa el
desequilibrio en la continuidad.
Una importante característica es que no se ha hecho ninguna aproximación para
obtener la ecuación algebraica 7.58 para la presión. Esto significa que si el campo de
velocidades es exacto, entonces es posible recuperar el campo de presiones inmedia-
tamente. Ahora bien, aunque se resuelve la presión directamente, esto no significa
que no haya que resolver la ecuación de corrección para la presión 7.38. De hecho,
puesto que las velocidades se corrigen nuevamente mediante 7.21, la ecuación para
p′ en 7.38 debe también resolverse para conseguir las correcciones de presión nece-
sarias en las correcciones de velocidad.
La secuencia completa del algoritmo se resume de la siguiente manera:
1. Estimar un campo tentativo para la velocidad, u∗, v∗.
2. Calcular los campos de pseudovelocidades a partir de los campos iniciales.
3. Resolver la ecuación para la presión 7.58 usando pseudovelocidades, obteniendo
así p∗.
4. Resolver la ecuación de momento 7.47 y 7.48 con p∗ para obtener u∗ y v∗.
5. Con esos valores de velocidad, calcular el término fuente en 7.38 y resolver la
ecuación para la corrección de la presión, determinando así p′.
6. Corregir las velocidades u∗ y v∗ según 7.28 y 7.29 para satisfacer la continuidad.
Aquí no se corrige la presión.
7. Resolver la ecuación de transporte de cualquier otro escalar que sea de interés.
8. Comprobar si ha convergido. Parar en caso afirmativo y volver al punto 2 en caso
contrario.
Este procedimiento ha demostrado tener mejores prestaciones que su predecesor.
Ello se debe a que el SIMPLER no necesita una buena suposición del campo inicial de
Inicio
Suposiciones: p * , u * , v * , φ*
Paso 1: Calcular pseudovelocidades

∑ ac . v. uc . v. + b
*
∑ ac . v.vc . v. + b
*
uˆ P = c . v. vˆ P =
c .v .
aP aP
uˆ , vˆ
Paso 2: Resolver la ec. para la presión

aP pP = ∑ ac . v. pc . v. + b
c . v.
Añadido al Fijar : p * = p
SIMPLE
p*
Paso 3: Resolver las ec. de momento

Fijar: ( )
aP uP* = ∑ ac . v. u *c . v. + pw* − p *e Δ y + b
c . v.
p *= p , u* = u (
aP v P* = ∑ ac . v.v c*. v. + ps* − p n* Δ x + b
c . v.
)
v * = v , φ* = φ
u*,v *
Paso 4: Resolver la ec. de corrección para la presión

aP pP′ = ∑ ac . v. p ′c . v. + b
c . v.
p′
Paso 5: Corregir presión y velocidades

p = p ∗ + p′
u P = uP* + d P (p w′ − p′e )Δ y
v P = v P* + d P (p s′ −p′n )Δ x
p, u, v , φ*

aP φP = ∑ ac . v. φc . v. + bφ
c . v.
No
¿Convergencia?
Sí
Fin
Figura 7.7 Algoritmo SIMPLER (adaptado de Versteeg y Malalasekera, 2007).

presiones, sino que obtiene las presiones a partir de una buena suposición de las velo-
cidades, más fáciles de adivinar. Por lo tanto, el SIMPLER no tiene la tendencia natural
a corromper un buen campo inicial de velocidades, tal y como hace el SIMPLE básico.
Además, el algoritmo SIMPLER resuelve dos variables de presión, la presión
como tal y su corrección, por lo que al resolver una ecuación adicional requiere
mayor esfuerzo computacional que el SIMPLE, típicamente del orden de un 50%
más. Por otro lado, como no es necesario usar la corrección de la presión para corre-
gir el campo de presiones en el punto 6, no hay que relajar la corrección de la pre-
sión como en el SIMPLE (ecuación 7.39). De todas formas, no está de más
introducir la relajación, especialmente en la ecuación de momento, para suavizar la
no linealidad y mejorar la secuencia del proceso iterativo.
7.6.2. Algoritmo SIMPLEC
El algoritmo SIMPLEC (“SIMPLE-Consistente”), desarrollado por Van Doormal y

Raithby en 1984, trata de corregir la omisión de los términos
∑ac.v.u′c.v. y ∑ac.v.v′c.v.
c .v . c .v .
mediante una aproximación que tiene en cuenta los coeficientes vecinos, pero no
realmente el valor de las variables vecinas. Es decir:
∑ac.v.u′c.v. ≈ u′P ∑ac.v. ∑ac.v.v′c.v. ≈ v′P ∑ac.v. [7.59]

c .v . c .v . c .v . c .v .
De esta forma, la corrección para la velocidad queda planteada como:
⎛ ⎞
⎜ a P − ∑ ac .v . ⎟u′P ≈ ( p′w − p′e ) ∆ y
⎜ ⎟ [7.60]
⎝ c .v . ⎠
⎛ ⎞
⎜ a P − ∑ ac .v . ⎟v′P ≈ ( p′s − p′n ) ∆ x
⎜ ⎟ [7.61]
⎝ c .v . ⎠
donde los coeficientes que aparecen en 7.60 y 7.61 se renombran de nuevo como dP,
donde
⎛ ⎞ ⎛ ⎞
dP = ∆y ⎜ a
⎜ P − ∑ a ⎟
c .v . ⎟ y d P = ∆ x
⎜ a P − ∑ ac .v . ⎟
⎜ ⎟
⎝ c .v . ⎠ ⎝ c .v . ⎠
respectivamente para cada componente u, v.

A partir de aquí el algoritmo es el mismo que en el caso SIMPLE. Por tanto, la

única diferencia entre el SIMPLE y el SIMPLEC radica en la forma en que ambos
métodos calculan los coeficientes dP. Con esta pequeña modificación, el SIMPLEC
ha demostrado tener una convergencia más rápida, si bien padece como en el
SIMPLE del problema de la degradación de buenas aproximaciones del campo de
velocidades en las iteraciones iniciales, si aquellas no van acompañadas de una
buena aproximación para las presiones.
La ventaja adicional del SIMPLEC es que la corrección de la presión (al no haber
eliminado totalmente la contribución de las celdas vecinas en 7.60 y 7.61) no nece-
sita ser relajada según 7.39. Ahora bien, sí que es necesario relajar la ecuación de
momento para evitar que el denominador de los nuevos coeficientes dP se haga cero.
Finalmente, como ya se ha visto en el subapartado 7.5.2, la similitud entre ambos
algoritmos permite establecer una condición óptima de valores de subrelajación para
que el algoritmo SIMPLE acelere la convergencia emulando a su variante SIMPLEC.
7.6.3. Algoritmo PISO

La última variante que se presenta en este apartado es el algoritmo PISO, acrónimo
que responde a Pressure Implicit with Splitting of Operators y que fue introducido
por Issa en 1986. Este algoritmo es un procedimiento para el cálculo de los campos
de presión y velocidad que comprende un paso predictivo y dos pasos correctores,
por lo que resulta ser un extensión mejorada del algoritmo SIMPLE con un paso
corrector adicional.
Paso predictivo
La ecuación de momento discretizada según 7.19 y 7.20 se resuelve para un campo

tentativo de presión p∗, obteniéndose así unos campos de velocidad aproximados u∗
y v∗. Este primer paso es el mismo que se emplea en el algoritmo SIMPLE.
Paso corrector 1
Como ya es sabido, los campos u∗ y v∗ no satisfacen la continuidad si la suposición inicial

para la presión p∗ no es correcta. Como solución a este problema, se resuelve una ecua-
ción para la corrección de la presión que, una vez obtenida, proporciona el campo de
velocidades corregidas 7.30 y 7.31, que en este caso, se denotan como u∗∗ y v∗∗, ya que se
utilizan a posteriori para un nuevo paso corrector. Nótese que hasta este punto se está
reproduciendo exactamente la misma secuencia que en el SIMPLE. Así, se llega a:
ue∗∗ = ue∗ + de ( p′P − p′E ) ∆y [7.62]
v n∗∗ = v n∗ + dn ( p′P − p′N ) ∆ x [7.63]

La corrección para la presión también se debe realizar, como en el SIMPLE, de

acuerdo con la ecuación 7.21, si bien con la nueva notación (doble estrella) reza:
p∗∗ = p∗ + p′.
Paso corrector 2
La aportación del algoritmo PISO es la inclusión de un nuevo paso corrector. Así,

para obtener una nueva ecuación de corrección para la presión, se plantea la resolu-
ción del campo de velocidad u∗∗ y v∗∗ con la ecuación de momento y se le resta un
tercer campo de velocidad (doblemente corregido) denotado como u∗∗∗ y v∗∗∗, resul-
tando:
∑ ac.v. (uc∗∗.v. − uc∗.v )

ue∗∗∗ = ue∗∗ + c .v
+ de ( p′P′ − p′E′ ) [7.64]
ae
∑ ac.v. (vc∗∗.v. − vc∗.v. )

vn∗∗∗ = vn∗∗ + c .v .
+ dn ( p′P′ − p′N′ ) [7.65]
an
donde p″ es la segunda corrección de la presión, de forma que se cumple

p∗∗∗ = p∗∗ + p′′. La sustitución de u∗∗∗ y v∗∗∗ en la ecuación de continuidad 7.18
proporciona la segunda ecuación algebraica para la corrección de la presión:
aP p′P′ = ∑ ac .v . p′c′.v . + b [7.66]

c .v .
siendo aE = ρe de ∆y , aW = ρw dw ∆y , aN = ρndn ∆x, aS = ρs ds ∆x y donde el térmi-

no fuente comprende los flujos másicos de la diferencia entre los campos de veloci-
dad corregidos en el primer paso y los campos iniciales sin corregir:
ρ∆y ρ∆y
b= ∑ ac .v . (ue∗∗ − ue∗ ) − ∑a (u∗∗ − uw∗ ) +
a P c .v . a P c .v . c . v . w
ρ∆x ρ∆x
+ ∑ ac.v . (vn∗∗ − vn∗ ) − ∑ a (v ∗∗ − vs∗ )
a P c .v . a P c . v . c .v . s
En definitiva, el algoritmo PISO se compone de los siguientes pasos:

1. Estimar un campo tentativo para la presión, p∗.
2. Resolver la ecuación de momento 7.42 y 7.43 con p∗, obteniendo así los campos
de velocidad aproximados u∗ y v∗.
3. Calcular los flujos másicos F∗ y resolver la ecuación 7.38 para obtener la correc-
ción p′.
4. Calcular la corrección para la velocidad u′ y v′ mediante 7.26 y 7.27 y obtener los cam-
pos de velocidad corregidos u∗∗ y v∗∗ (que satisfacen la continuidad) mediante 7.21.
Inicio
Suposiciones: p ∗, u∗ , v ∗, φ∗
Pasos 1 a 3 del algoritmo SIMPLE

- Resolver las ec. de momento
- Resolver la ec. de corrección para la presión
- Corregir presión y velocidades
p ∗∗, u ∗∗, v ∗∗, p ′
Paso 4: Resolver la segunda ec.

de corrección para la presión
aP p P′ = ∑ ac. v . pc′. v . + b
c. v .
p′′
Paso 5: Corregir presiones y velocidades
p∗∗∗= p ∗∗ + p ′′
(
∑ ac. v . uc∗∗. v . −u c∗. v . )
u ∗∗∗ ∗∗
P = uP +
c. v .
+d P (p ′w′ − p′′e )
Fijar : aP
∗ ∗
p =p , u = u
(∗∗ ∗
∑ a c. v . vc. v . −v c. v . )
v ∗ =v , φ∗ = φ v ∗∗∗ ∗∗
P =vP +
c. v .
+d P (p ′s′− p′′n )
aP
p∗∗∗, u∗∗∗, v ∗∗∗
Fijar :
p =p∗∗∗ ; u = u ∗∗∗ ; v = v ∗∗∗
p, u, v , φ∗

aP φP = ∑ ac. v . φc. v .+ bφ
c. v .
No
¿Convergencia?
Sí
Fin
Figura 7.8 Algoritmo PISO (adaptado de Versteeg y Malalasekera, 2007).
5. Calcular el término fuente de la segunda ecuación para la corrección de la pre-

sión a partir de u∗∗, v∗∗ y u∗, v∗ y resolver dicha ecuación 7.66 para obtener la
corrección p′.
6. Corregir las presiones y las velocidades. Para la presión se utiliza la suma de
todas las correcciones, de forma que p∗∗∗ = p∗ + p′ + p″. Para las velocidades se
utilizan las ecuaciones 7.64 y 7.65.
7. Resolver el resto de las ecuaciones (turbulencia, transporte de escalares, etc.)
usando los campos de velocidad ya corregidos en el punto 6.
8. Si la solución no ha convergido, volver al punto 2 con la presión corregida de la
iteración previa. Si ha convergido, detener el proceso.
Nótese que, al emplear una doble corrección para la presión, este método
requiere de almacenamiento adicional para retener los campos de velocidad, corre-
gidos y sin corregir, que se utilizan en el término fuente de la ecuación 7.66. Ade-
más, como en los métodos previos, es necesario introducir subrelajación para
estabilizar el procedimiento iterativo.
7.7 Conclusiones y reflexiones finales
En este capítulo se han presentando varias posibilidades para conseguir la solución

secuencial de las ecuaciones de momento y continuidad utilizando esquemas basa-
dos en la presión. Estos algoritmos presentan necesidades de almacenamiento redu-
cidas y buen comportamiento en la mayoría de los problemas. Desafortunadamente,
necesitan de un gran número de iteraciones para asegurar la convergencia en pre-
sencia de flujos con gradientes importantes, efectos de flotabilidad, rotación, etc., e
incluso pueden divergir en casos extremadamente no lineales (aunque se introduz-
can importantes subrelajaciones). Muchas de estas dificultades provienen del
intento de hacer un tratamiento secuencial de las ecuaciones de momento y conti-
nuidad cuando éstas están particularmente acopladas. Este hecho, unido a la natura-
leza no lineal de las ecuaciones, obliga a que se utilicen factores de subrelajación en
todos los algoritmos de acoplamiento presión-velocidad con el propósito de asegu-
rar la estabilidad del proceso iterativo.
El método SIMPLE es un algoritmo relativamente sencillo que funciona para un
buen número de situaciones en CFD. Para obtener la solución de las ecuaciones de
flujo se resuelve una ecuación para la corrección de la presión, obligando a que las
velocidades corregidas cumplan la continuidad. Esta estrategia, sin embargo, no es
del todo óptima (la corrección de la presión es débil), por lo que se han planteado
7.7 Conclusiones y reflexiones finales 195
una serie de modificaciones que tratan de mejorar el esfuerzo computacional nece-

sario con el propósito de acelerar la convergencia.
Así, el método SIMPLER trata de resolver una ecuación para la presión directa-
mente, evitando omitir términos en la ecuación de continuidad y usando la correc-
ción de la presión para actualizar únicamente las velocidades. Aunque el número de
cálculos necesarios en el SIMPLER es un 30% mayor que para su predecesor
SIMPLE, se ha observado que el tiempo de cálculo se reduce entre un 30 y un 50%.
Por esta razón, el SIMPLER se utiliza como algoritmo por defecto en un gran núme-
ro de códigos comerciales.
Los métodos SIMPLEC y PISO han demostrado ser tan eficientes como el
SIMPLER en cierto tipo de flujos, aunque no hay una regla fija para afirmar cuando
su uso está recomendado. El algoritmo SIMPLEC es una sencilla mejora del SIMPLE
que acelera la convergencia porque es posible utilizar factores de subrelajación rela-
tivamente altos. Sin embargo, cuando la presencia de flujos turbulentos, altamente
complejos, o el uso de mallas muy irregulares obligue el empleo de factores de
subrelajación bajos, la ventaja de usar el SIMPLEC frente al SIMPLE desaparece. Por
otro lado, el algoritmo PISO utiliza una doble corrección que lo hace especialmente
adecuado para el caso de flujos transitorios (no estacionarios), especialmente
cuando se utilizan pasos temporales grandes.
8
CONDICIONES DE
CONTORNO Y
TÉRMINOS FUENTE
Este capítulo se centra en cómo integrar fácilmente las condiciones de con-

torno más habituales en CFD en el método de volúmenes finitos. La metodología
más práctica es la de transformarlas en términos fuente en las celdas fronterizas,
de modo que su integración en la ecuación general de transporte sea inmediata.
Las condiciones de contorno tienen una importancia fundamental en la defi-
nición de todo problema numérico. Gracias a ellas el problema queda acotado, y
además representan estrictamente el punto de partida para las ecuaciones de
gobierno que, mediante sus diversos mecanismos, terminan por resolver el flujo
en el interior del dominio según las leyes de transporte.
Se mostrará en detalle cómo implementar flujos entrantes y salientes, cómo
fijar la presencia de paredes y contornos sólidos, cómo tener en cuenta condicio-
nes de simetría (en flujo y geometría) o cómo introducir fuentes de masa, calor o
cantidad de movimiento cuando sea necesario. Además, se hará hincapié en la
compatibilidad entre condiciones de contorno y se discutirá cuáles son las combi-
naciones óptimas que garantizan una rápida y adecuada convergencia.
198 Capítulo 8 Condiciones de contorno y términos fuente
Contenidos
8.1. Introducción
8.2. Linealización
8.2.1. Especificación de valores
8.2.2. Especificación de flujos
8.3. Condiciones de contorno típicas
8.3.1. Condición de flujo entrante
8.3.2. Condición de flujo saliente
8.3.3. Contornos sólidos
8.3.4. Condición de perfil de presión constante
8.3.5. Condición de simetría
8.3.6. Condiciones periódicas y cíclicas
8.4. Otras fuentes
8.5. Reflexiones finales y conclusiones
Este capítulo ha sido principalmente adaptado de Versteeg, H.K. y Malalasekera, W., "An Intro-
duction to Computational Fluid Dynamics: The Finite Volume Method", Ed. Pearson Education
Ltd, 2007; Chapter 9: "Implementation of Boundary Conditions".
8.1 Introducción
Para que una simulación CFD quede bien definida es necesario fijar cuáles son las
condiciones iniciales y de contorno que acotan al problema. Es importante, además,
que éstas se traduzcan correctamente en el algoritmo numérico, de manera que se
preserve su sentido físico y su influencia matemática en las ecuaciones de gobierno.
En problemas transitorios, las condiciones iniciales son un requisito inevitable.
Suponen la situación de partida del fenómeno no estacionario que se va a estudiar y
su implementación es inmediata con la inicialización de todas las variables en todos
los puntos del dominio en el instante inicial. No requieren, por tanto, de mayor con-
sideración de aquí en adelante.
Por el contrario, las condiciones de contorno, por cuanto son condiciones espa-
ciales, sí merecen un estudio más detallado. En particular, se abordará cómo deben
implementarse en las ecuaciones discretizadas por el método de volúmenes finitos y
cuáles son sus combinaciones óptimas para garantizar la convergencia.
En el presente capítulo se describe cómo se manipulan las condiciones de con-
torno más habituales en toda aplicación de CFD:
c Entradas.
c Salidas.
c Paredes y contornos sólidos (térmicos y/o de arrastre).
c Distribuciones prescritas de presión.
c Simetrías (también axisimetrías).
c Periodicidad (o condiciones cíclicas).
Topología de las condiciones de contorno en mallados decalados

Para introducir las condiciones de contorno en un mallado decalado es necesario aña-
dir una serie de nodos adicionales alrededor de la frontera física del dominio (puntos
grises en la figura 8.1). Aunque los cálculos se van a realizar únicamente en los nodos
internos (de I = 2 y J = 2 en adelante), estos nodos extra van a permitir almacenar la
condición de contorno correspondiente (de entrada, en el caso de la figura 8.1).
Una importante consecuencia de esta extensión en la malla es que las fronteras
reales coinciden con las caras de los volúmenes de control para los escalares. Como
se verá a continuación, esta característica es muy importante (a la hora de resolver
las ecuaciones de momento) porque va a permitir introducir las condiciones de
contorno con unas modificaciones mínimas (y muy sencillas) en las ecuaciones
discretizadas.
En particular, la ecuación de transporte que habrá que resolver para la compo-

nente horizontal de la velocidad u en las caras de la frontera se reduce al valor de la
condición de contorno introduciendo un término fuente totalmente dominante en
la ecuación. Con este artificio, se elimina el peso de las celdas vecinas en el cálculo
para la celda fronteriza, fijando así el valor de la variable al propio valor de la condi-
ción de contorno.
Lógicamente, esta reformulación de las condiciones de contorno en forma de
términos fuente necesita de una linealización, ya sea para condiciones de contorno
de valor o de flujo, que se detalla a continuación.
J=6
J=5
uN
J=4
uW = u dato u P uE
J=3
Entrada
uS
J=2
J=1
I=1 I=2 I=3 I=4
Figura 8.1 Ampliación de los nodos de la malla

decalada en las celdas fronterizas (adaptado de
Versteeg y Malalasekera, 2007).
8.2 Linealización
En el apartado 5.8.2 ya se discutió que, gracias al desarrollo en series de Taylor, es

posible linealizar cualquier término fuente sin que esto suponga ningún tipo de res-
tricción adicional en la discretización. De esta forma, todo término fuente queda
8.2 Linealización 201
expresado como suma de un valor constante y un valor proporcional al valor de la

variable en el centroide de la celda según:
S = SC + SP φP [8.1]
donde SP < 0 para poder garantizar que se cumple el criterio de Scarborough.

Las condiciones de contorno pueden a su vez introducirse en las ecuaciones dis-
cretizadas eliminando su enlace con las fronteras mediante modificaciones en los
términos fuente. Así, en los apartados 5.3.1 y 5.3.2 se mostró cuáles eran los cambios
a introducir en los términos fuente de la ecuación general para traducir condiciones
de valor y condiciones de flujo respectivamente, cuando la condición de contorno
estaba en la cara de la celda.
A continuación se detalla cómo particularizar los términos fuente vistos en 5.17 y
5.18 para el caso de mallas decaladas, en las que por norma general se debe introdu-
cir el término fuente en una celda cuyo centroide descansa en la misma frontera físi-
ca del dominio.
8.2.1. Especificación de valores
Al evaluar la condición de contorno en una celda que tiene su centroide sobre la

propia frontera del dominio es necesario reducir a cero el valor del coeficiente aP en
la ecuación del momento. Además, el flujo lateral debe reescribirse como un térmi-
no fuente con coeficientes linealizados SC y SP. Esto se puede conseguir en la ecua-
ción general mediante un sencillo artificio.
Si se introducen estos términos fuente afectados por unos coeficientes extremada-
mente grandes, su peso en la ecuación algebraica general se hace tan exagerado que el
resto de los términos se hace despreciable. Así, considérese el volumen de control
sombreado para la velocidad uW, justo en la condición de contorno de la figura 8.1.
En este caso, la variable general φ que se está resolviendo es u. Si se quiere fijar el
valor de dicha velocidad en el centroide al valor conocido φdato = uentrada, se puede
hacer la siguiente modificación en el término fuente de la ecuación discretizada:
SC = 1010 φdato y SP = −1010 [8.2]
Al introducir estos términos en la ecuación general para ese volumen de control

(su centroide pasaría a ser el punto P) resulta:
(aP + 1010 ) φP = ∑ ac.v. φc.v. + 1010 φdato [8.3]

c .v .
El valor 1010 es arbitrariamente grande y tiene el objetivo de hacer que el término

fuente de la condición de contorno sea enorme en comparación con el resto. De esta
forma, los términos en aP y en los valores vecinos, ac.v.φc.v., son despreciables; así, la
ecuación 8.3 se convierte en φP = φdato , fijando el valor de φ en P. En el ejemplo de
la figura 8.1 sería igual a u = udato. Nótese que la formulación 8.2 equivale a haber
fijado un valor acc = 1010 en la ecuación 5.17.
Además, esta estrategia también es útil para introducir en la resolución aquellos
obstáculos sólidos que pueda haber en el interior del dominio. En ese caso bastaría
con fijar que φdato = 0. De esta forma es posible resolver el sistema discretizado sin
necesidad de tratar los obstáculos por separado.
8.2.2. Especificación de flujos

En el caso de que lo se conozca sea el flujo de la variable en la condición de con-
torno, es posible redefinir el artificio anterior para introducir la condición como tér-
mino fuente. Bastaría con introducir:
SC = J dato ∆y y SP = 0 [8.4]
Al emplear estos términos en la ecuación general resulta:
aP φP = ∑ ac.v . φc.v . + J dato ∆y [8.5]

c .v .
En este caso, el término SP se debe anular para dejar toda la contribución del flujo
en manos del término constante de la linealización. Nótese la analogía entre esta
elección y la formulación de la ecuación 5.18.
8.3 Condiciones de contorno típicas
A continuación se analizan las condiciones de contorno más habituales en simulacio-

nes CFD y cuál es la forma más sencilla de implementarlas en el proceso de resolución.
8.3.1. Condición de flujo entrante

En las condiciones de entrada es necesario especificar la distribución de todas las
variables en la frontera. Como se ha visto en la figura 8.1, la malla se extiende más allá
del dominio físico, almacenando en esos nuevos nodos (grises) los valores de entrada.
uN
J=4 J=4
vN
uW =u Dato uP uE
J=3 J=3
Entrada Entrada vP vE
vW = vdato
uS
J=2 J=2
vS = 0
J=1 J=1
I=1 I=2 I=3 I=4 I=1 I=2 I=3 I=4
VC para velocidad u en la celda adyacente VC para velocidad v en la celda adyacente
a la condición de contorno de entrada a la condición de contorno de entrada
J=4 J=4
N pN
J=3 J=3
Entrada Entrada
W= dato P E pW 0 pP pE
J=2 J=2
S =0 pS
J=1 J=1
I=1 I=2 I=3 I=4 I=1 I=2 I=3 I=4
VC para escalar en la celda adyacente VC para presión corregida p en la celda
a la condición de contorno de entrada adyacente a la condición de contorno de entrada
Figura 8.2 Volúmenes de control (VC) escalares y vectoriales para flujo entrante (adaptado de Vers-
teeg y Malalasekera, 2007).
Sólo a partir de esa fila y columna de nodos adicionales se comienza a resolver las
ecuaciones discretrizadas de transporte para las primeras celdas internas, tal y como se
ve en los diferentes volúmenes de control sombreados en la figura 8.2.
En esa figura también se muestran los nodos vecinos que están activos para los
volúmenes de control analizados. Además, la figura también indica que la ligazón con
la condición de contorno se anula para la ecuación discretizada de la corrección de pre-
sión en el SIMPLE. Puesto que la velocidad es conocida a la entrada, no es necesario

hacer ninguna corrección a la velocidad, por lo que directamente se plantea que
∗
uW = uW .
Aunque se analizará más en detalle en el capítulo 10, en el caso de simulaciones
con flujo turbulento es también necesario fijar los valores de las variables turbulen-
tas a la entrada. Muchas veces no se dispone de información exacta sobre estos nive-
les, por lo que se estima de acuerdo con un valor característico de la intensidad de la
turbulencia (normalmente entre 1 y 10%) y de longitud de escala integral (una frac-
ción de la longitud característica del problema).
8.3.2. Condición de flujo saliente
Las condiciones de flujo saliente se pueden utilizar conjuntamente con las de flujo
entrante. Para que estén bien definidas, es necesario que se sitúen en zonas alejadas
de perturbaciones geométricas y, en particular, que reproduzcan comportamientos
estables del flujo donde éste ya se encuentre completamente desarrollado. Con estas
restricciones, se precisa que las condiciones de contorno se coloquen de forma per-
pendicular a la dirección del flujo, imponiendo que los gradientes de la variable en
esa dirección sean nulos.
La figura 8.3 muestra la extensión del mallado en la zona de frontera. Se han
sombreado los volúmenes de control interiores que se adoptan para las variables
escalares y vectoriales. En este caso, se ha fijado en Nx el número total de nodos en la
dirección horizontal. Con la condición de gradientes nulos en la dirección de la
salida, es fácil determinar que los valores en la frontera son iguales, por extrapola-
ción, a los valores en la celda inmediatamente anterior.
Por lo tanto, la condición de flujo saliente será vE = vP y φE = φP para la compo-
nente perpendicular a la salida y para las variables escalares, puesto que no hay varia-
ción en la dirección del movimiento. Para la componente en la dirección de la salida,
en este caso la componente u, se podría aplicar una condición similar, de manera que
uE = uP. Sin embargo, esta condición puede resultar bastante rígida al principio del
cálculo iterativo, por cuanto no obliga a que se satisfaga la continuidad global en el
dominio. En su lugar, se suele introducir una condición alternativa que asegura que
el flujo másico a la salida sea igual al flujo másico de entrada. Es decir:
mentrante
u E = uP [8.6]
msaliente
que lógicamente tiende a la condición rígida cuando se garantiza la continuidad

global.
Nuevamente, la velocidad en la condición de contorno saliente no es necesaria

corregirla con la corrección de presión. Por tanto, se plantea que u ∗E = u E .
uN
J=4 J=4
vN
uW uP uE
J=3 J=3
vW vP vE
uS Salida Salida
J=2 J=2
vS
J=1 J=1
I = Nx –3 I = Nx –2 I = Nx –1 I = Nx I = Nx –3 I = Nx –2 I = Nx –1 I = Nx
VC para velocidad u en la celda adyacente VC para velocidad v en la celda adyacente

a la condición de contorno de salida a la condición de contorno de salida
J=4 J=4
N
pN
J=3 J=3
Salida Salida
pW pP pE 0
W P E
J=2 J=2
S pS
J=1 J=1
I = Nx –3 I = Nx –2 I = Nx –1 I = Nx I = Nx –3 I = Nx –2 I = Nx –1 I = Nx
VC para escalar en la celda adyacente VC para presión corregida p en la celda

a la condición de contorno de salida adyacente a la condición de contorno de salida
Figura 8.3 Volúmenes de control (VC) escalares y vectoriales para flujo saliente (adaptado de Versteeg y
Malalasekera, 2007).
8.3.3. Contornos sólidos

La condición de pared es el contorno más habitual para simulaciones de flujo confi-
nado. En este caso, se va a plantear una pared horizontal, aunque consideraciones
similares se podrían hacer en el caso de paredes verticales. Como siempre, la figura
8.4 muestra la malla extendida que se adopta en la proximidad de la condición de
contorno. En ella se ha representado el volumen de control para la componente del
flujo paralela a la pared.
La componente normal a la pared (figura 8.5) se anula directamente en la pared, por
lo que la ecuación de momento se evalúa en la siguiente celda interior sin ninguna
modificación adicional. Además, ya que la velocidad es conocida en la condición de
contorno, no es necesario hacer ninguna corrección de presión en el algoritmo de reso-
lución, resultando: v S∗ = v S .
Sin embargo, para la componente de velocidad paralela a la pared, la implemen-
tación no es tan fácil. Es necesario introducir términos fuente que tengan en cuenta
la distancia del centroide P a la pared (figura 8.4, derecha). Además, habrá que tener
en cuenta si el flujo es laminar o turbulento en la proximidad de la pared y si ésta no
se mueve o, por el contrario, está en movimiento, o incluso si es isoterma con respecto
al fluido o introduce una determinada transferencia de calor por diferencia de tempe-
raturas. Así, en función de las características de la pared se deben definir distintos tér-
minos fuentes específicos para la componente u de velocidad.
J=4
Perfil de
velocidad
uN
J=3 P
uP
uW uP uE yP
J=2
pared yP
Pared
Pared
J=1
I=1 I=2 I=3 I=4
Figura 8.4 Volúmen de control (VC) para la componente de velocidad paralela a la pared (adaptado
de Versteeg y Malalasekera, 2007).
J=4 J=4
vN
φN
J=3 J=3
vW vP vE
φW φP φE
J=2 J=2
Pared Pared
vS = 0 .
qpared
J=1 J=1
I=1 I=2 I=3 I=4 I=1 I=2 I=3 I=4
VC para velocidad v en la celda adyacente VC para escalar φ en la celda adyacente
a la condición de contorno de pared a la condición de contorno de pared
Figura 8.5 Volúmenes de control (VC) para un escalar y para la componente normal a la pared en
contornos sólidos (adaptado de Versteeg y Malalasekera, 2007).
Estructura de la capa límite
En el flujo cercano a una pared, los efectos de la viscosidad son dominantes en una
pequeña zona, muy próxima al contorno, denominada capa límite. En condiciones
de flujo turbulento completamente desarrollado, esta capa límite se divide a su vez
en tres regiones diferenciadas: la subcapa viscosa (viscous sublayer), la subcapa loga-
rítmica (log-law region) y la región exterior (outer layer). Las dos primeras subcapas
constituyen la región interior (inner layer) de la capa límite.
Para diferenciar cada una de las subcapas se utiliza el parámetro adimensionali-
zado y+, que se define como:
ρuτ y
y+ = [8.7]
μ
donde uτ es la denominada velocidad de fricción. Esta velocidad se determina como:
τ pared
uτ =
ρ [8.8]
siendo τpared la tensión cortante en la pared. La velocidad de fricción se usa también

para adimensionalizar la velocidad, fijándose así el parámetro adimensional u+ defi-
nido como:
u
u+ = [8.9]
uτ
c La subcapa viscosa es extremadamente fina, quedando delimitada por la condi-

ción y+ < 5. En esta subcapa se supone que la tensión cortante es constante e igual
al valor que corresponde justo con el de la pared (v. figura 8.6). En esta zona, los
efectos viscosos predominan sobre los inerciales, por lo que en ella subyace un
comportamiento laminar. De este modo, se cumple que
∂u
τ( y ) = μ τ pared
∂y
puesto que las tensiones viscosas dominan a las de Reynolds. Integrando y

haciendo uso de las definiciones 8.7 a 8.9, es inmediato llegar a que en esa zona se
cumple que:
u+ = y+ [8.10]
En condiciones de flujo laminar no se produce transición a la turbulencia, por lo

que únicamente se contempla esta capa.
c La subcapa logarítmica se desarrolla en el intervalo comprendido aproximada-
mente entre 30 < y+ < 300. En el límite inferior hay una transición difusa entre la
subcapa viscosa y ésta logarítmica, que se denomina buffer layer, en la que las ten-
siones viscosas y de Reynolds son similares. Es habitual utilizar el valor interme-
dio y+ = 11,225 (en algunos textos se utiliza 11,63) para establecer un límite de
separación estricto entre ambas zonas (v. figura 8.6). Además, este límite coincide
con el corte entre la ley lineal u+ = y+ de la subcapa viscosa y la nueva ley logarít-
mica que se ajusta a esta zona según la expresión:
1
u+ = ln ( Ey + ) [8.11]
κ
y y v(x)
y = (x)
región interior 1
u+ = ln (E y +)
Región
exterior subcapa buffer
(x, y) viscosa layer
región exterior
turbulenta
región (límite depende del
v(x, y) Región totalmente núm. de Reynolds)
turb intermedia turbulenta
lam Región interior (subcapa
u+ = y+ logarítmica) ln y +
viscosa
pared(x)
0
30
11 5
5
30
,22
y += y +=
Distribución de
y +=
Distribución de
y +=
tensión cortante velocidad
Figura 8.6 Estructura de la capa límite.

donde κ = 0,41 y E = 9,793 son las constantes de Von Kárman válidas para todo
flujo turbulento sobre superficie lisa a altos números de Reynolds. En esta subcapa
dominan las tensiones de Reynolds sobre las tensiones viscosas.
c La capa externa se desarrolla a partir de y+ > 300 ó 500, que normalmente se
corresponde con la zona comprendida entre el 20% y el final de la capa límite. Se
dice que la capa límite termina cuando el valor de la velocidad alcanza el 99% del
valor en la zona no viscosa. En esta región exterior dominan los efectos de inercia
de la zona central del flujo (alejada de la pared), quedando libre de los efectos vis-
cosos de la pared.
Flujo laminar frente a flujo turbulento
En función de que el flujo sea laminar o turbulento, los términos fuente que reempla-
zan la condición de contorno en las celdas contiguas a la pared cambian. Además, en el
caso de flujo turbulento, es necesario saber si el primer nodo próximo a la pared está
dentro de la subcapa viscosa (y+ < 11,225; comportamiento laminar) o si por el contra-
rio se encuentra en la zona logarítmica o incluso en la zona exterior (y+ > 11,225; com-
portamiento puramente turbulento).
En el capítulo 10, donde se aborda la modelización de la turbulencia, se detalla-
rán los criterios empleados para fijar la distancia del primer nodo a la pared. Tam-
bién se mostrarán las diferentes opciones para el tratamiento del efecto de la pared
en función de dicha distancia. Como se verá, en el caso de que y+ > 11,225, y en fun-
ción del tipo de modelo de turbulencia empleado, se tendrán que utilizar diferentes
expresiones de los términos fuente.
Así, por brevedad y claridad expositiva, se incluyen de aquí en adelante los térmi-
nos fuente a introducir únicamente en los casos de flujo laminar o bien de flujo turbu-
lento cuando y+ < 11,225 (esto normalmente exige nodos muy cerca de los contornos,
lo que resulta en un número total de celdas muy elevado). El caso y+ > 11,225 se ana-
liza en el capítulo 10.
Pared fija
El valor de tensión cortante en la pared se obtiene lógicamente con la expresión:
∂u u
τ pared μ ≈μ P [8.12]
∂y ∆y P
donde uP es el valor de la velocidad en el primer nodo adyacente a la pared. El

esquema de la derecha en la figura 8.4 ilustra que esta fórmula se basa en que la velo-
cidad varía linealmente en el caso laminar. Inmediatamente, se puede establecer la

fuerza de cortadura en el contorno como:
Apared
Ftg = −τ pared Apared = −μ uP [8.13]
∆y P
SP
donde Apared es el área de la celda sobre la pared. Por lo tanto, el término fuente
apropiado a introducir sería:
Apared
SC = 0 y SP = −μ [8.14]
∆y P
Pared móvil
Si la pared no es estacionaria, el movimiento de ésta en la dirección x se percibe en el

fluido como un cambio en la tensión de cortadura en la pared. Su valor se ajusta sim-
plemente reemplazando el valor de la velocidad en el centroide P por el valor relativo
(uP – upared). Introduciendo esto en 8.12, es inmediato llegar a que el término fuente
necesario en esta ocasión es:
upared Apared Apared

SC = μ y SP = −μ [8.15]
∆y P ∆y P
Pared con temperatura
Si la pared está a diferente temperatura, Tpared, que el fluido se establecerá además una
transferencia de calor entre dicho contorno y el nodo adyacente. La transferencia de
calor viene fijada por la ley de Fourier según qpared =−k ∇T . Sustituyendo la conduc-
tividad térmica por el número de Prandtl (que establece Pr = C p μ k ), introdu-
ciendo el gradiente en la dirección normal a la pared y multiplicando por el área de
pared de la celda para obtener el flujo de calor neto hacia la celda P se tiene:
C p μ Apared
Qpared = − (TP − Tpared ) [8.16]
Pr ∆y P
Fácilmente se comprueba que los términos fuente que se deben introducir en

este caso para la ecuación de la energía son:
μ C p Apared Tpared μ C p Apared

SC = y SP = − [8.17]
Pr ∆y P Pr ∆y P
Si en lugar de diferencia de temperaturas, la transferencia de calor viniera impuesta

directamente por un flujo de calor conocido, bastaría con linealizarlo de la forma habi-
tual Qpared = SC + SPTP para identificar los términos fuente.
8.3.4. Condición de perfil de presión constante
Este tipo de condición de presión se utiliza en aquellas situaciones en las que no se dis-
pone de datos fiables del campo de velocidades pero sí se conocen los valores de presión
(constantes) en las fronteras. Típicamente, esto ocurre en el caso de flujos externos
como el flujo alrededor de cuerpos sumergidos, flujos con superficie libre o flujos con
convección natural, e incluso en el caso de flujos internos con múltiples salidas.
Para imponer esta condición, se fija al valor de presión conocida el valor de pre-
sión en los centroides de las celdas frontera (v. figura 8.7). Además, puesto que la
presión queda fijada, no es necesario resolver la ecuación de corrección de presión
en esas celdas contiguas a la frontera.
Para imponer un valor constante de presión, basta con introducir en el término
fuente de presión en la ecuación de momento los siguientes parámetros:
SC = 1010 pdato y SP = −1010 [8.18]
siguiendo la misma estrategia que la utilizada para la ecuación 8.2.
J=4 J=4
vN vN
uW uE uW uE
J=3 J=3
P P
Entrada
vS vS Salida
J=2 J=2
J=1 J=1
I=1 I=2 I=3 I=4 I = N x –3 I = N x–2 I = N x –1 I = N x
Condición de presión constante a la entrada Condición de presión constante a la salida
Figura 8.7 Condición de contorno de presión constante (adaptado de Versteeg y Malalasekera, 2007).
Esta sencilla condición presenta la dificultad de que no se hace nada en relación

con las velocidades en la frontera. Así, la dirección del flujo quedaría desconocida y
dependiendo de las propias características en el interior del dominio. Para evitar
esta indefinición, es necesario hacer cumplir la ecuación de continuidad en dichas
celdas (esta consideración sustituye a la resolución de la ecuación de corrección de
presión). Por ejemplo, en la condición a la entrada de la figura 8.7 se tendría:
1 ⎡
uw = ( ρvA)n − ( ρvA)s + ( ρuA)e ⎤ [8.19]
( ρA)w ⎣ ⎦
donde las velocidades del norte y del sur así como la del este son conocidas del inte-
rior del dominio.
Existen códigos comerciales que plantean alternativas a este esquema, sobre todo
a la entrada. Así, es habitual que a la entrada, en lugar de aplicar un valor fijo de pre-
sión estática en los nodos interiores, se utilice un valor de presión total en la propia
frontera del dominio, aunque la filosofía de implementación es la misma.
8.3.5. Condición de simetría

La condición de simetría se satisface en un contorno cuando:
c No se tiene flujo a través del contorno.
c Tampoco se permite el transporte de ningún escalar a través de la superficie.
Para implementar esta condición en el código se fija que las velocidades norma-
les a la superficie de simetría sean cero y, respecto a los escalares, se obliga a que los
valores que están justo en la fila adicional fuera de la frontera sean iguales a los valo-
res en los nodos contiguos del interior del dominio.
8.3.6. Condiciones periódicas y cíclicas

Las condiciones periódicas o cíclicas son aquellas condiciones de contorno que deli-
mitan problemas que se repiten en el espacio, ya sea circunferencial o longitudinal-
mente. Si el fenómeno se repite longitudinalmente, se suelen denominar simplemente
periódicas, mientras que si el fenómeno se repite circunferencialmente, lo habitual es
llamarlas cíclicas.
Un ejemplo de condición periódica es el flujo que se establece en el interior de un
túnel de carretera cuando éste está provisto de varios ventiladores de chorro situa-
dos de manera equidistante entre entrada y salida (figura 8.8, abajo). Si los ventila-
dores proporcionan el mismo caudal de funcionamiento, el patrón de flujo que se
Condición de
Fronteras contorno de entrada
periódicas Interfaz de entrada
Interfaz de salida
Álabe
Condición de
contorno de
salida Canal en rotación
Sentido del flujo
Huelgo de punta
Condiciones periódicas circunferenciales (flujo en el canal entre álabes de un ventilador axial)
Velocidad longitudinal
u
Condiciones u jet
periódicas a
20 P
P=
a
24 P
P=
a
30 P
P=
Zventilador = 9,1 m
%
110 82 54 26 –2 –30
Condiciones periódicas longitudinales (flujo en un túnel entre ventiladores)
Figura 8.8 Ejemplo de condiciones periódicas y cíclicas.
establece entre cada pareja de ventiladores es periódico, pudiendo simularse única-

mente un segmento del túnel e imponiendo igualdad de condiciones en los extre-
mos del dominio considerado.
De forma análoga, un ejemplo de condición cíclica es el flujo a través de un ven-
tilador axial de varios álabes (figura 8.8, arriba). En condiciones de flujo uniforme a
la entrada, entre álabe y álabe se establece el mismo patrón de flujo, pudiendo simu-
lar únicamente un canal de paso si se imponen condiciones cíclicas (periódicas cir-
cunferencialmente) en los extremos del dominio.
Por tanto, para aplicar esta tipología de condición, basta con fijar que el flujo
saliente de todas las variables por la condición periódica de salida es igual al flujo
entrante por la condición periódica de entrada. Esto se consigue, lógicamente, igua-
lando los valores en los nodos situados justo aguas arriba y aguas abajo del plano de
entrada con los valores en los nodos situados aguas arriba y aguas abajo del plano de
salida. Para una periodicidad lineal con Nx nodos en la dirección x, esto equivale a:
φ1, j = φN x −1, j y φN x , j = φ2, j .
8.4 Otras fuentes
Se ha visto que cualquier fuente de una variable φ se puede introducir en la ecuación de

transporte correspondiente mediante su linealización SC + SP φP (ecuación 8.1). Tam-
bién es factible introducir directamente el valor de la fuente (sin linealización previa)
haciendo un sencillo artificio, como SC = fuente y SP = −10–10, si bien es recomenda-
ble linealizar para favorecer la convergencia del método de resolución.
Para ilustrar esta idea, considérese el ejemplo de un sumidero de cantidad de
movimiento en medio poroso, cuya expresión vendría dada por S = −Kv2. La linea-
lización de esta expresión en el entorno de su valor anterior sería S = −Kv(n–1)v(n).
De esta forma, SC = 0 y SP = −Kv(n–1), que es conocido de la iteración anterior. Con
esta sencilla operación se elimina la no linealidad y se garantiza que en la solución
convergida v(n–1) = v(n).
En el caso de tener fuentes constantes, es evidente que ya no aplica la necesidad
de linealizar estos términos. Los tipos más habituales de fuentes constantes son el
efecto gravitatorio en la ecuación de momento y las fuentes de masa en la ecuación
de continuidad. En dichos casos basta fijar:
c Fuente gravitatoria:
SC =−ρg [8.20]
c Fuente de masa:
SC = m [8.21]
8.5 Reflexiones finales y conclusiones
Los flujos que se resuelven en cualquier simulación CFD están extremadamente

influenciados por las condiciones de contorno. De hecho, el proceso de resolución
de todo campo fluidodinámico no es más que la extrapolación de una serie de datos
fijados en las condiciones de contorno hacia el dominio interior siguiendo unas
leyes que responden a la ecuación general de transporte.
Por lo tanto, es evidente la importancia de definir condiciones de contorno rea-
listas, bien establecidas y acotadas. En caso contrario, aparecerán dificultades muy
serias para obtener una solución adecuada al problema numérico, y que en la mayo-
ría de las ocasiones terminan en la irremediable divergencia del caso ejecutado.
Es muy importante saber que no todas las condiciones de contorno son compati-
bles entre sí. A pesar de que cada una por separado puede estar bien definida e
implementada (de acuerdo con las indicaciones dadas en los apartados anteriores),
su acoplamiento puede llevar a la simulación a divergir. El caso ilustrativo más sen-
cillo es el del flujo en un dominio cerrado, rodeado de paredes y con una única con-
dición de entrada. Es obvio que la conservación de masa para flujo estacionario no
se puede satisfacer con tales condiciones, por lo que los cálculos CFD no tienen otra
opción que reventar.
Un ejemplo tan trivial como el anterior ya sugiere que ciertas condiciones de
contorno deben ir acompañadas por otras muy particulares para poder garantizar la
convergencia de la resolución. En concreto, para flujo incompresible, se pueden
enumerar las siguientes combinaciones como aptas en la definición de cualquier
simulación CFD:
c Paredes exclusivamente.
c Paredes con una entrada de flujo y al menos una salida de flujo.
c Paredes con una entrada de flujo y al menos una salida con presión constante.
c Paredes con condiciones de presión constante.
La figura 8.9 muestra estas configuraciones para un flujo en conductos. Además,
hay que tener especial cuidado con la condición de contorno de flujo a la salida. Ésta
sólo se puede utilizar si todos los flujos que entran al dominio son conocidos y en par-
ticular se recomienda que se utilice solamente si se tiene una única salida. Tampoco se
puede combinar una salida de flujo con una o más condiciones de presión constante
porque en ese caso el problema no queda cerrado (la condición de gradiente cero en la
salida de flujo no fija ni el flujo másico ni el valor de presión en la salida).
Además de la compatibilidad entre condiciones, es muy importante elegir una
localización adecuada de las mismas, de forma que los valores (normalmente rígi-
dos) impuestos en ellas no condicionen de forma artificial la resolución del flujo en
el interior del dominio. Ya en el apartado 6.6 se incidió en la necesidad de colocarlas
Presión Entrada Entrada

Paredes constante de flujo de flujo
Presión Salida Presión

constante de flujo constante
Figura 8.9 Condiciones de contorno compatibles (adaptado de Versteeg y Malalasekera, 2007).

en lugares donde se pueda asegurar que el flujo ya está bien desarrollado y que no se
producen más variaciones (gradientes) de las variables en el sentido del flujo. Por lo
tanto, para garantizar la precisión en los cálculos es imprescindible demostrar que la
solución interior no está afectada por la posición elegida para las condiciones de
salida.
Otra consideración muy importante es la elección de la densidad de malla en las
regiones próximas a los contornos sólidos. En general, la idea de que cuantos más
nodos se coloquen en la proximidad de las paredes, mejores serán los resultados que
se obtengan, es cierta si se respeta el tipo adecuado de modelización de la pared que
debe usarse en función del valor del y+ de nuestra simulación.
Normalmente, la práctica totalidad de las simulaciones industriales (I-CFD) ana-
lizan situaciones en régimen turbulento. En estos casos, si se utiliza un mallado
moderado, de forma que el valor de y+ sea mayor que 11,225 (y preferiblemente
entre 30 y 300), se puede introducir una aproximación de pared en la totalidad de
los modelos de turbulencia que evita directamente el cálculo de la subcapa viscosa.
Puede ocurrir que el flujo esté afectado por importantes gradientes adversos, o sufra
de importantes efectos de rotación, lo cual produzca puntos de separación y recircu-
laciones. En estos casos, la aproximación de la capa límite interna por una ley loga-
rítmica universal en condiciones completamente desarrolladas puede no ser una
buena opción, así que una simulación completa de la capa límite puede ser más inte-
resante. Para simular correctamente la capa límite completa es necesario aumentar
mucho la densidad de la malla cerca de la pared, apilando un gran número de nodos
en la subcapa viscosa. En particular, se recomienda utilizar un valor de y+ próximo a
la unidad para garantizar buenos resultados, lo cual conduce a simulaciones costo-
sas en tiempo de cálculo y almacenamiento.
Por lo tanto, es muy importante que las mallas que se empleen al simular flujos tur-
bulentos no estén en tierra de nadie. O se hacen más espaciadas, para introducir leyes
logarítmicas de pared, o se hacen muy finas, para simular la capa límite completa.
Desafortunadamente, el valor del y+ en los contornos sólidos es un valor que depende
de la velocidad (del campo de velocidades ya resuelto), por lo que únicamente se
puede conocer con exactitud a posteriori. Aun así, algunas correlaciones sencillas, y
sobre todo la experiencia, permiten estimar a priori cual será el valor del y+ en la simu-
lación. En el capítulo 10, dedicado en detalle a la modelización de la turbulencia, se
mostrarán algunas de estas estrategias para la estimación del valor de y+.
Finalmente, una pequeña observación acerca de la condición de simetría. Esta
condición es extremadamente útil y golosa porque nos permite reducir a la mitad
(simetría simple, unidimensional), a la cuarta parte (simetría doble, bidimensional)
o incluso a la octava parte (simetría triple, tridimensional) el dominio de cálculo,
con la consiguiente reducción en el número de celdas. Introduciendo condiciones
de simetría eficientemente ahorramos en el número total de celdas, pudiendo apro-
vechar esa reducción para incrementar la discretización en otras zonas de interés

(con grandes gradientes). Ahora bien, para poder utilizarla, no sólo nuestro domi-
nio debe presentar algún tipo de simetría geométrica, sino que el flujo también ha de
respetar esa misma simetría. Si no es así, la condición de simetría proporcionará
resultados completamente erróneos. Por ejemplo, obsérvese la malla con condición
de simetría longitudinal sobre un avión comercial en la figura 1.4 (derecha). Si el
aire incide alineado con el fuselaje del avión, la condición de simetría estaría bien
aplicada. Por el contrario, si el aire viniese racheado con algo de desalineamiento, no
sería posible utilizar la condición de simetría.
9
MÉTODOS
ITERATIVOS DE
RESOLUCIÓN
En los capítulos anteriores se han presentado las herramientas necesarias para

discretizar las ecuaciones de gobierno del movimiento de los fluidos y de la trans-
ferencia de calor por el método de volúmenes finitos. El resultado final es el esta-
blecimiento de un sistema lineal algebraico de ecuaciones que es preciso
resolver.
Existen métodos directos y métodos indirectos, o iterativos, para resolver
estos sistemas de ecuaciones. Debido a sus características, los métodos directos
no son apropiados para resolver sistemas con un gran número de incógnitas, pre-
cisamente la situación habitual en cualquier simulación CFD, por lo que se recurre
normalmente al uso de los métodos iterativos.
En este capítulo se mostrarán las principales características de estos tipos de
métodos de resolución. Se analizará cómo aprovecharse de las propiedades de la
matriz de coeficientes del sistema para plantear estrategias de resolución que
aceleren lo más posible el método iterativo.
220 Capítulo 9 Métodos iterativos de resolución
Contenidos
9.1. Introducción
9.1.1. Métodos iterativos frente a métodos directos
9.1.2. Almacenamiento de variables
9.2. Algoritmo para matrices tridiagonales (TDMA)
9.2.1. Método punto-a-punto (TDMA 1-D)
9.2.2. Método línea-a-línea (TDMA 2-D)
9.2.3. Método plano-a-plano (TDMA 3-D)
9.3. Métodos iterativos Jacobi y Gauss-Seidel
9.3.1. Métodos iterativos generales
9.3.2. Convergencia de los métodos iterativos
9.3.3. Análisis de los métodos iterativos
9.4. Métodos multigrid
9.4.1. Corrección mediante malla basta
9.4.2. Multigrid geométrico (GMG)
9.4.3. Multigrid algebraico (AMG)
9.4.4. Estrategias cíclicas
ume Method", Class notes for ME608, Numerical Methods in Heat, Mass and Momentum Trans-
fer, Purdue University (EE.UU.), 2001-2011; Chapter 8: "Linear Solvers".
9.1 Introducción
En capítulos anteriores se ha visto cómo el proceso de discretización desemboca

en el establecimiento de un sistema lineal de ecuaciones algebraicas de la forma:
[ A][ φ] = [b] [9.1]
donde [A] es la matriz de coeficientes del sistema, de dimensiones N × N (siendo N

el número total de incógnitas o número de celdas del mallado), [φ] es el vector con
las incógnitas y [b] el vector de términos independientes (fuentes, condiciones de
contorno, etc.).
La complejidad y tamaño del sistema de ecuaciones 9.1 depende de las dimensiones
del problema (1-D, 2-D o 3-D), del número de nodos de la malla y de los esquemas de
discretización empleados. Este tipo de sistemas lineales aparecen en otros muchos cam-
pos científicos y de la ingeniería, por lo que se han desarrollado diferentes métodos para
su resolución. Sin embargo, las particularidades que presenta la matriz de coeficientes
[A] obligan a que se utilice una familia de métodos muy determinada.
Una de las principales características de la matriz de coeficientes es que es un matriz
dispersa; esto es, está prácticamente llena de ceros. Ello se debe a que en cada celda se
tienen únicamente coeficientes no nulos para las celdas vecinas. Así, por ejemplo, si se
considera un mallado bidimensional cartesiano de N celdas, del total de N2 entradas en
la matriz, el número de coeficientes no nulos es solamente del orden de 5N. Esto quiere
decir que para un modelo con 1000 celdas, del millón de coeficientes que se obtienen en
la matriz [A], únicamente 5000 (un 0,5%) no son cero. Lógicamente, al haber un orden
de magnitud de diferencia, parece evidente que es buena estrategia aprovecharse de esta
condición de las matrices a la hora de plantear el método de resolución.
Otra importante consideración es que en función de la estructura de la malla y de
la forma en que se defina la conectividad de las celdas, los valores no nulos presentan
distintos patrones de posición en el interior de la matriz. Considérese el dominio uni-
dimensional de la figura 9.1. En el sistema de ecuaciones resultante únicamente se tie-
nen valores en la diagonal principal y en las dos diagonales adyacentes por encima y
por debajo. Así, para ese dominio con 5 nodos, se tendría una matriz de coeficientes:
⎡ a1 −a2 0 0 0 ⎤
⎢ ⎥
⎢−a1 a2 −a3 0 0 ⎥
A =⎢ 0 −a2 a3 −a4 0 ⎥ [9.2]
⎢ ⎥
⎢ 0 0 −a3 a4 −a5 ⎥
⎢
⎣ 0 0 0 −a4 a5 ⎥⎦
φ1 φ2 φ3 φ4 φ5
Figura 9.1 Dominio unidi-

mensional con 5 nodos.
En este tipo de casos unidimensionales se obtiene una matriz tridiagonal porque

sólo hay tres coeficientes no nulos por ecuación (expresión 9.2). Si se analizase un
caso bidimensional o tridimensional, también con mallas cartesianas, se obtendrían
matrices similares con varias bandas diagonales en las que se concentran todos los
valores no nulos. La estructura concreta de estas bandas dependería de cómo se
ordenasen y numerasen las celdas de la malla. Nuevamente, parece apropiado utili-
zar este tipo de estructura diagonal para almacenar eficientemente la información,
así como para definir técnicas de resolución óptimas.
Finalmente, es necesario recordar que el sistema de ecuaciones lineal que se trata
de resolver es, en cierto modo, aproximado. En realidad, dada la naturaleza de las
discretizaciones espaciales y temporales empleadas, tanto la definición de los coefi-
cientes de la matriz (los ai) como del vector de términos fuente [b] están sujetos a
variación tras la obtención de la solución del sistema. Nótese que para evitar efectos
no lineales y para calcular el transporte convectivo se han utilizado como suposición
valores tentativos de las velocidades por las celdas para definir los coeficientes. Una
vez resuelto el sistema, esos coeficientes deberán recalcularse para definir una nueva
matriz de coeficientes a resolver, estableciendo un proceso iterativo que llegará a su
fin cuando se garantice la convergencia. Por lo tanto, no tiene sentido esforzarse en
obtener una solución exacta de un sistema de ecuaciones aproximado: bastará con ir
obteniendo soluciones parciales aproximadas.
9.1.1. Métodos iterativos frente a métodos directos
Los métodos de resolución de sistemas lineales se clasifican en dos categorías: direc-

tos e iterativos.
Los métodos directos, como el método de inversión de Cramer o la eliminación
gaussiana, no aprovechan la presencia de ceros en la matriz de coeficientes o la
estructura preferentemente diagonal para ahorrar esfuerzo de cálculo. Estos méto-
dos, por el contrario, implican un número fijo de operaciones, que suele ser del
orden de N3 (siendo N el número de celdas), y por tanto requieren unas capacidades
de cálculo inabordables. Además, no hacen uso de las aproximaciones iniciales de la
solución, por lo que no es de extrañar que apenas se utilicen en el contexto de las
técnicas CFD.
Por otro lado, los métodos iterativos se basan en la aplicación repetitiva de un

algoritmo relativamente simple hasta que se asegura la convergencia. Normalmente
esta técnica requiere un número elevado de repeticiones, al ir acercándose a la solu-
ción por sucesivas aproximaciones. El número total de operaciones es del orden de
N en cada ciclo iterativo, que supone unos esfuerzos computacionales asequibles,
pero a costa de alargar el tiempo de resolución (muchas iteraciones; y más cuanto
mayor es el número de celdas). Estos métodos, como se verá a continuación, pueden
ser fácilmente reformulados para adecuarse a las características de la matriz de
coeficientes –dispersión con muchos ceros y patrones en bandas diagonales– alma-
cenando además tan sólo los coeficientes no nulos de las ecuaciones.
Los métodos iterativos por excelencia son los de Jacobi y Gauss-Seidel, muy fáci-
les de implementar, pero que convergen lentamente cuando el número de ecuacio-
nes a resolver es muy grande. Thomas (1949) desarrolló una técnica alternativa,
basada en la naturaleza tridiagonal de la matriz de coeficientes, para acelerar la reso-
lución iterativa de este tipo de matrices y que se denomina algoritmo para matrices
tridiagonales (TDMA). Este método, directo para el caso unidimensional (expre-
sión 9.2), puede ser fácilmente extrapolable a situaciones bidimensionales y tridi-
mensionales usando una técnica línea-a-línea o plano-a-plano. Su aplicación se
discute en detalle en el apartado 9.2.
9.1.2. Almacenamiento de variables
Debido a que la mayor parte de las entradas en la matriz de coeficientes son nulas,
resulta extremadamente ineficiente utilizar una estructura bidimensional para alma-
cenar dicha matriz en memoria. En este subapartado se muestran algunas estrategias
para almacenar únicamente las entradas no nulas, y de manera que luego sea posible
ejecutar todas las operaciones que el método de resolución iterativo requiera. La
forma exacta de llevar a cabo estas estrategias dependerá inevitablemente de la natu-
raleza del mallado.
Para el caso de un dominio unidimensional como el de la figura 9.1, con un
número N total de celdas, es posible almacenar únicamente la diagonal principal, así
como las dos diagonales paralelas por arriba y por abajo, utilizando tres vectores de
longitud N. Utilizando la notación de los capítulos precedentes, según P, E y W, los
valores distintos de cero en la matriz de coeficientes se recuperan según:
A (i, i − 1) = −AW (i )
A (i, i ) = AP (i ) [9.3]
A (i, i + 1) = −AE (i )
Para el caso de una malla cartesiana bidimensional con Nx × Ny nodos, como la

de la figura 9.2 con 5 × 5 celdas, es conveniente utilizar una notación con doble
índice y utilizar cinco matrices bidimensionales de dimensiones (Nx , Ny) para alma-
cenar los coeficientes aP, aW, aE, aN y aS. En la figura 9.3 se muestra la matriz original
de coeficientes, [A]. Para simplificar, se ha supuesto que los valores en los nodos de
las fronteras (filas 1 y 5 y columnas 1 y 5) son valores conocidos (condiciones de
contorno). Nótese la similitud de planteamiento con el caso de una placa plana con
transferencia de calor desde los bordes a un temperatura fija. Con la numeración
definida en la figura 9.2, los coeficientes activos aparecen en la zona tridiagonal cen-
tral, así como en otras dos bandas más que representan la contribución bidimensio-
nal de los nodos norte y sur en cada celda.
Así, empleando la notación de doble índice, se podrían reescribir los coeficientes
de la matriz [A] en forma de matrices adjuntas. Por ejemplo, para los coeficientes
central, norte y este se tendría:
⎡ a11 a12 a13 a14 a15 ⎤ ⎡ 0 −a12 −a13 −a14 0⎤

⎢ ⎥ ⎢ ⎥
⎢ a21 a22 a23 a24 a25 ⎥ ⎢ 0 −a22 −a23 −a24 0⎥
AP =⎢ a31 a32 a33 a34 a35 AN =⎢ 0 −a32 −a33 −a34
⎥ 0⎥
⎢ ⎥ ⎢ ⎥
⎢ a41 a42 a43 a44 a45 ⎥ ⎢0 0 0 0 0⎥
⎢
⎣ a51 a52 a53 a54 ⎥
a55 ⎦ ⎢
⎣0 0 0 0 0⎥
⎦
[9.4]
⎡0 0 0 0 0 ⎤
⎢ ⎥
⎢0 0 −a23 −a24 −a25 ⎥
AE =⎢ 0 0 −a33 −a34 −a35 ⎥
⎢ ⎥
⎢0 0 −a43 −a44 −a45 ⎥
⎢
⎣0 0 0 0 0 ⎥ ⎦
φ11 φ12 φ13 φ14 φ15
φ21 φ22 φ23 φ24 φ25
φ31 φ32 φ33 φ34 φ35
φ41 φ42 φ43 φ44 φ45
φ51 φ52 φ53 φ54 φ55
Figura 9.2 Dominio bidimensio-

nal con 5 × 5 celdas.
AP AE AS
AW
a 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ11 b 11
0 a 12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ12 b 12
0 0 a 13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ13 b 13
AN 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ14 b 14
0 0 0 a 14 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ15 b 15
0 0 0 0 a 15
0 0 0 0 0 a 21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ21 b 21
0 -a 12 0 0 0 -a 21 a 22 - a 23 0 0 0 -a 32 0 0 0 0 0 0 0 0 0 0 0 0 0 φ22 b 22
0 0 -a 13 0 0 0 -a 22 a 23 - a 24 0 0 0 -a 33 0 0 0 0 0 0 0 0 0 0 0 0 φ23 b 23
0 0 0 -a 14 0 0 0 0 -a 34 0 0 0 0 0 0 0 0 0 0 0 φ24 b 24
0 0 -a 23 a 24 - a 25
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ25 b 25
0 0 0 0 a 25
0 0 0 0 0 0 0 0 0 0 a 31 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ31 b 31
0 0 0 0 0 0 -a 22 0 0 0 -a 31 a 32 - a 33 0 0 0 -a 42 0 0 0 0 0 0 0 0 φ32 b 32
0 0 0 0 0 0 0 -a 23 0 0 0 -a 32 a 33 - a 34 0 0 0 -a 43 0 0 0 0 0 0 0 φ33 b 33
0 0 0 0 0 0 0 0 -a 24 0 0 0 -a 33 a 34 - a 35 0 0 0 -a 44 0 0 0 0 0 0 φ34 b 34
0 0 0 0 0 0 0 0 0 0 0 0 0 0 a 35 0 0 0 0 0 0 0 0 0 0 φ35 b 35
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 a 41 0 0 0 0 0 0 0 0 0 φ41 b 41
0 0 0 0 0 0 0 0 0 0 0 -a 32 0 0 0 -a 41 a 42 - a 43 0 0 0 -a 52 0 0 0 φ42 b 42
0 0 0 0 0 0 0 0 0 0 0 0 -a 33 0 0 0 -a 42 a 43 - a 44 0 0 0 -a 53 0 0 φ43 b 43
0 0 0 0 0 0 0 0 0 0 0 0 0 -a 34 0 0 0 -a 43 a 44 - a 45 0 0 0 -a 54 0 φ44 b 44
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 a 45 0 0 0 0 0 φ45 b 45
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 a 51 0 0 0 0 φ51 b 51
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 a 52 0 0 0 φ52 b 52
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 a 53 0 0 φ53 b 53
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ54 b 54
0 0 0 a 54 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 φ55 b 55
0 0 0 0 a 55
[A] [φ] [ b]
Figura 9.3 Matriz de coeficientes pentadiagonal para el dominio de la figura 9.2.
También pueden escribirse matrices semejantes para los coeficientes oeste y sur.
Alternativamente, dada la estructura de la matriz en la figura 9.3, se pueden denotar
las celdas utilizando una notación sencilla (por ejemplo, de 1 a 25) y almacenar los
coeficientes en vectores independientes:
⎡a11 a12 a13 a14 a15 a21 a22 a23 a24 a25 a31 a32 a33 a34 a35 a41 a42 a43 a44 a45 a51 a52 a53 a54 a55 ⎦
AP =⎣ ⎤
AN =⎡
⎣0 −a12 −a13 −a14 0 0 −a22 −a23 −a24 0 0 −a32 −a33 −a34 0 0 0 0 0 0 0 0 0 0 0⎤
⎦
⎡0 0 0 0 0 0 0 −a23 −a24 −a25 0 0 −a33 −a34 −a35 0 0 −a43 −a44 −a45 0 0 0 0 0⎦
AE =⎣ ⎤
[9.5]
En cualquier caso, debido a la topología ordenada de las mallas estructuradas, los

índices de las celdas vecinas y, por tanto, la posición de los coeficientes en la matriz
[A] son siempre conocidos de forma implícita.
En el caso de mallas no estructuradas, la conectividad de las celdas debe ser alma-
cenada de forma explícita. Es decir, se necesita definir una matriz que declare para
cada celda cuáles son sus vecinas y, por tanto, qué coeficientes hay que aplicar en la
ecuación algebraica correspondiente a cada nodo. Además, en mallados triangulares
no estructurados (no así en mallados cuadriláteros, aunque no sean estructurados)
el número de celdas vecinas no es fijo, por lo que se necesitan estrategias específicas

de almacenado de las variables.
Considérese un mallado triangular no estructurado de N celdas, en el que se
denota como ni el número de celdas vecinas para cada celda i-ésima. El número total
de coeficientes vecinos que será necesario almacenar vendrá dado entonces por:
N
B = ∑ni [9.6]
i=1
De esta forma, es necesario definir dos vectores de longitud B: uno para almace-
nar enteros, denominado VECINDEX y donde se guardarán los índices de las celdas
vecinas para cada celda, y otro para almacenar valores, denominado COEF en el que
se almacenarán los valores de los coeficientes. Además, se debe definir otro vector,
de longitud N + 1, denominado CINDEX, en el que se indican la posición y a partir
de ella cuantas entradas hay que leer en el vector VECINDEX para recuperar los
índices de las celdas vecinas. Expresado matemáticamente:
CINDEX (i) = CINDEX (i − 1) + ni−1 donde CINDEX (1) = 1 [9.7]
La idea es que los índices de las celdas vecinas a la celda i-ésima se almacenan en
el array CINDEX en una serie de posiciones (j) comprendidas entre CINDEX(i) y
CINDEX(i + 1). Es decir: CINDEX (i) ≤ j < CINDEX (i + 1). Lógicamente, los valo-
res de los coeficientes se guardan en las mismas posiciones en el vector COEF. Final-
mente, hay que definir un último vector AP de longitud N en el que se guarden los
valores del coeficiente central para cada celda i-ésima.
Este procedimiento se ilustra en la figura 9.4, donde se muestra el contenido de los
vectores CINDEX y VECINDEX para un mallado bidimensional no estructurado. Para
una mayor claridad, se han resaltado los coeficientes que corresponderían a la celda
número cuatro. Nótese cómo todo es función de la numeración inicial de las celdas.
1 5
CINDEX
1 2 3 6 9 11 13 15
3 4
7
VECINDEX
3 3 1 2 4 3 5 6 4 7 4 7 5 6
2 6
Figura 9.4 Sistema de almacenamiento para mallas no estructuradas (adaptado de

Mathur y Murthy, 2001-2011).
9.2 Algoritmo para matrices tridiagonales (TDMA)
Aunque la mayor parte de este capítulo se centra en la aplicación de técnicas de

resolución iterativas, merece la pena centrarse un momento en un método directo
desarrollado para el caso de matrices tridiagonales (ecuación 9.2).
Como se ha visto, la matriz tridiagonal aparece en el caso de problemas unidi-
mensionales (de primer orden) en los que la simplicidad de la malla (lineal) impone
una ordenación creciente de las celdas presentes. Por tanto, en el caso unidimensio-
nal se dispone de una sencilla herramienta (basada en la tridiagonalidad de la matriz
de coeficientes) para obtener la resolución directa del sistema de ecuaciones.
En los casos bi y tridimensionales que presenten una malla estructurada tam-
bién es posible aplicar este algoritmo, aunque debe extenderse bien línea-a-línea o
plano-a-plano obligando a que su utilización sea de manera iterativa. A pesar de que
se pierde la posibilidad de resolución directa, se sigue manteniendo un eficiente tra-
tamiento de la matriz de coeficientes.
9.2.1. Método punto-a-punto (TDMA 1-D)

La idea que subyace en el algoritmo TDMA es más o menos la misma que se utiliza en
una eliminación gaussiana habitual. Sin embargo, la naturaleza tridiagonal de la
matriz permite reducir el número de operaciones necesarias para obtener la solución
en tan sólo N operaciones (o del orden de N operaciones). Esto se consigue en dos
fases:
c Eliminación hacia delante (forward elimination): las entradas por debajo de la
diagonal se eliminan sucesivamente comenzando por la segunda fila (triangulari-
zación superior). De esta forma, la última ecuación queda expresada con una
única incógnita y puede resolverse.
c Sustitución hacia atrás (back-substitution): la solución para el resto de las ecua-
ciones se obtiene volviendo hacia atrás (de la última a la primera), sustituyendo
en cada ecuación el valor de la incógnita despejado en la ecuación previa.
En un sistema tridiagonal se puede expresar cada ecuación de forma general como:
−Li φi−1 + Di φi − U i φi+1 = bi [9.8]
donde L, D y U corresponden a los valores de la fila por debajo de la diagonal

(lower), de la fila diagonal y de la fila por encima (upper). La expresión 9.8 se puede
reescribir como:
φi = αi φi+1 + βi φi−1 + γi [9.9]

siendo αi = Ui Di , βi = Li Di y γi = bi Di . La eliminación hacia delante se inicia

con la primera ecuación, φ1 = α1φ2 + γ1 , que al introducirla en la segunda ecua-
ción, proporciona:
α2 γ + β2 γ1
φ2 = φ3 + 2 = α′2 φ3 + γ′2 [9.10]
1 − α1 β2 1 − α1 β2
donde aparecen nuevas constantes primadas, pero se ha reducido la dependencia de

dos incógnitas (anterior y posterior) a sólo una (posterior). Esto es, se consigue
triangularizar superiormente la matriz de coeficientes. A continuación, la expresión
9.10 se emplea sobre la ecuación 9.9 con i = 3 para acabar obteniendo
φ3 = α′3 φ4 + γ′3 , y así sucesivamente hasta que se llega al nodo N − 1:
φN −1 = α′N −1 φN + γ′N −1 [9.11]
Finalmente, puesto que la última ecuación no tiene valor posterior,

φN = βN φN−1 + γN , la sustitución de 9.11 en dicha ecuación proporciona directa-
mente el valor de φN. Esto es:
β N γ′N −1 + γ N
φN = β N ( α′N −1 φN + γ′N −1 ) + γ N ⇒ φN = [9.12]
1 − α′N −1 β N
Obtenido el valor de la última incógnita en 9.12, basta con ir hacia atrás para ir
resolviendo para el resto de las incógnitas: introduciendo 9.12 en la ecuación 9.11 se
obtiene φN–1, y así sucesivamente hasta conseguir φ2 en 9.10 y por último φ1.
9.2.2. Método línea-a-línea (TDMA 2-D)

Los sistemas lineales resultantes de mallas bidimensionales estructuradas también
presentan un patrón regular (véase, por ejemplo, la figura 9.3). Sin embargo, no
existen métodos sencillos, similares al algoritmo TDMA que acabamos de ver, para
obtener una solución directa del sistema.
De todas formas, el algoritmo TDMA se puede aplicar de forma iterativa para
resolver sistemas de ecuaciones en problemas bidimensionales. Considérese la malla
de la figura 9.5, así como una ecuación algebraica discretizada de la forma general:
aP φP = aW φW + aE φE + aN φN + aS φS + b [9.13]
Utilizando la estrategia de almacenamiento de coeficientes mostrada en 9.1.2

(matrices en 9.4 y similares), la ecuación 9.13 se reescribe para el nodo (i, j) como:
AP (i, j) φi , j = AW (i, j) φi−1, j + AE (i, j) φi+1, j + AN (i, j) φi , j+1 + AS (i, j) φi , j−1 + bi , j

[9.14]
Ny
N*
Oeste Este
barrido W P E
J
S* ...
3
2
j=1
i=1 2 3 ... I Nx
Figura 9.5 Mallado estructurado bidimensional con algoritmo

TDMA línea-a-línea (adaptado de Versteeg y Malalasekera, 2007).
Para resolver el sistema, se aplica el algoritmo TDMA a lo largo de las líneas

oeste-este suponiendo que los valores al norte y al sur en cada nodo de la línea son
conocidos (superíndice *). Por tanto, reescribiendo la ecuación 9.14 como:
A E (i , j ) φ i +1, j + A P (i , j ) φ i , j + AW (i , j ) φ i −1, j = A N (i , j ) φ i*, j +1 + A S (i , j ) φ i*, j−1 + bi , j

[9.15]
se recupera la formulación 9.8 correspondiente al TDMA unidimensional. Así,

recorriendo todos los puntos de la línea oeste-este mostrada en la figura 9.5 se
obtiene el sistema tridiagonal que ya sabemos cómo resolver.
Evidentemente, con este procedimiento se obtienen los valores de φ para todas
las celdas i-ésimas dentro de la fila j-ésima. Sin embargo, al contrario que en el caso
unidimensional, esos valores no suponen la solución exacta del problema, sino una
aproximación, puesto que es necesario suponer los valores del norte y del sur al
construir el sistema tridiagonal. Una vez resuelta esa fila, se repetiría el proceso para
la siguiente, aprovechando los valores recién calculados cuando sea posible.
Una vez barrido todo el dominio de abajo a arriba, se habrá actualizado el valor
de cada φi,j, con valores aproximados, aunque mejores que las suposiciones iniciales.
Como en cualquier método iterativo, se trata de ir mejorando la solución a base de
repetir el procedimiento. Por lo tanto, se aplicaría el algoritmo de nuevo, si bien esta
vez pasando por todas las filas en orden inverso (de arriba a abajo) para intentar
redistribuir la transmisión de información en el proceso de la manera más uniforme
posible. Téngase en cuenta que en función de la dirección más crítica para la trans-
misión de la información, hacer los barridos según una dirección o unos sentidos
determinados podrán ser óptimos o no. Por ejemplo, no parece muy apropiado
barrer en la dirección opuesta al sentido de flujo, oponiendo el sentido del algoritmo
matemático al sentido del fenómeno físico.
La secuencia de operaciones en el que todas las variables φi,j son actualizadas se
denomina barrido, siendo la dirección de barrido la del movimiento durante la
resolución iterativa de los sucesivos TDMA. Asimismo, la dirección de barrido
puede variarse con objeto de no establecer direcciones preferentes en la transmisión
de información. De esta forma, en el caso mostrado en la figura 9.5, se podría barrer
primero de oeste a este, regresando luego de este a oeste, y después barrer de sur a
norte para regresar finalmente de norte a sur.
Normalmente, la secuencia de barridos que se va a repetir indefinidamente
(hasta llegar a la convergencia) se denomina iteración. Así, por ejemplo, en el caso
bidimensional de la figura 9.5, cada iteración estaría compuesta por cuatro barridos,
los dos horizontales y los dos verticales, para proporcionar una estimación de las
variables lo más equilibrada posible.
9.2.3. Método plano-a-plano (TDMA 3-D)
En el caso de problemas tridimensionales, el método TDMA se aplica línea-a-línea

dentro de un determinado plano, para luego avanzar hacia el siguiente plano,
barriendo finalmente todo el dominio tridimensional plano-a-plano.
Como en el caso anterior, se reescribe la ecuación en cada celda i-ésima pertene-
ciendo a una línea j-ésima dentro del plano k-ésimo del dominio. Es decir:
AE (i, j, k ) φi+1, j ,k + AP (i, j, k) φi , j ,k + AW (i, j, k ) φi−1, j ,k = [9.16]

= AN (i, j, k ) φi*, j+1,k + AS (i, j, k ) φi*, j−1,k + AT (i, j, k ) φi*, j ,k+1 + AB (i, j, k ) φi*, j ,k−1 + bi , j ,k
donde se debe seguir un almacenamiento con matrices tridimensionales similar al

mostrado en el apartado 9.1.2. En la ecuación 9.16, los valores del norte y del sur
(dentro del plano), así como los valores arriba y abajo (fuera del plano), en el
segundo miembro de la ecuación se suponen conocidos.
Los barridos en mallas tridimensionales también se deben alternar, especial-
mente porque en el caso de flujos complejos, con zonas de recirculación o rotacio-
nes importantes, la dirección preferente del flujo es desconocida a priori. Así, una
iteración tridimensional estaría compuesta por un barrido de ida y vuelta según la
dirección i, otro barrido de ida y vuelta según la dirección j y otro final según la
dirección k. Es buena estrategia ir rotando el orden de los sentidos así como el orden
de las direcciones de iteración en iteración para optimizar los flujos de información.
Arrib
a
Sur
s te
o
Oe
d
ri
ar
b
W N* Ny
P
S* E
i=1
2 3
J Abaj
...
... o
z
y I
Nx 3 te
x No 2 Es
rte j=1
Figura 9.6 Aplicación iterativa del algoritmo TDMA plano a plano (adaptado de
Versteeg y Malalasekera, 2007).
9.3 Métodos iterativos Jacobi y Gauss-Seidel
Las matrices de coeficientes para mallados no estructurados no permiten, evidente-

mente, la utilización de procedimientos línea-a-línea. Por lo tanto, no cabe otra alter-
nativa que utilizar métodos de actualización de las variables mucho más generales.
Los métodos más simples de actualización son los de Jacobi y Gauss-Seidel. En
ambos casos las celdas se visitan secuencialmente actualizando el valor de la celda
i-ésima según:
A (i, i ) φi = bi − ∑ A (i, j ) φc.v. [9.17]
j=c .v .
donde el sumatorio comprende todas las celdas vecinas a la i-ésima. Nótese que al no
poder ordenar las celdas según ninguna dirección preferente, éstas se deben enume-
rar de forma correlativa, según un índice sencillo que va desde uno hasta el número
total de celdas N (esto es, la matriz de coeficientes tiene dimensiones N × N).
Supuestos conocidos los valores de la variable en las celdas vecinas, tras despejar la
ecuación 9.17, se obtiene directamente el valor buscado φi.
Los dos métodos se diferencian en los valores de las celdas vecinas que se utilizan
para despejar φi. Así, en el método de Jacobi, todos los valores previos de φi se utili-
zan para el sumatorio de las contribuciones vecinas, mientras que en el método de
Gauss-Seidel, los valores de φi ya actualizados se aprovechan en la iteración en
curso, utilizando valores previos sólo cuando los nuevos no están disponibles. En
general, el método de Gauss-Seidel presenta una mejor convergencia por lo que
suele ser el más utilizado en caso de mallas no estructuradas (aunque el de Jacobi se
emplea para el caso de cálculo en paralelo).
Al igual que en el caso del algoritmo TDMA línea-a-línea, el orden en que se visi-
tan las celdas se invierte en el siguiente barrido con el objetivo de evitar condiciona-
mientos direccionales en la transmisión de información.
9.3.1. Métodos iterativos generales

El principio general de todo método iterativo se basa en que, dada una solución
aproximada [φ]k, se busca encontrar una mejor aproximación [φ]k+1, mediante un
proceso que, repetido sucesivamente, permita alcanzar la solución exacta φ. Com-
plementariamente, se define el error en la iteración k-ésima como:
[e]k = [ φ] − [ φ]k [9.18]
Por supuesto, como la solución exacta no es conocida, no es posible determinar

el error en cada iteración. Sin embargo, es posible comprobar cuánto se aleja la solu-
ción actual de cumplir estrictamente el sistema de ecuaciones a resolver utilizando
un residuo, definido como:
[r ]k = [b] − [ A][ φ]k [9.19]
Según el residuo vaya tendiendo a cero, esto querrá decir que la solución aproxi-
mada tiende hacia la solución exacta. Ahora, sustituyendo [b] en la ecuación 9.19
según la definición 9.1, se puede expresar que
[r ]k = [ A]([ φ] − [ φ]k ) [9.20]
A partir de la definición 9.18 se obtiene al final:
[ A][e]k = [r ]k [9.21]
por lo que el error también satisface el mismo sistema de ecuaciones que la solución,
aunque con el vector de residuos [r] como término independiente en lugar del vec-
tor fuente [b]. Esta es una importante propiedad que se empleará más adelante para
definir esquemas de resolución multigrid.
Supóngase ahora que la matriz de coeficientes [A] se expresa como resta de dos
matrices según [ A] = [ M ] − [N ]. Sustituyendo esto en 9.1, se obtiene que
([ M] −[N ])[ φ] = [b], o lo que es igual [ M ][ φ] = [N ][ φ] + [b]. Con este sencillo
artificio se consigue formular la ecuación 9.1 de forma iterativa general: basta con
asociar el término en [φ] del primer miembro de la ecuación con el valor en la itera-
ción k+1 y el término del segundo miembro con el valor anterior k. De esta forma se
establece que [ M ][ φ]k +1 = ([ M ] − [ A])[ φ]k + [b], donde se ha sustituido nuevamente
que [N ] = [ M] − [ A]. Finalmente, multiplicando por la inversa de [M] se llega a:
[ φ]k +1 = ([ I ] − [ M − 1 ][ A])[ φ]k + [ M − 1 ][b] [9.22]
donde [ I ] − [ M − 1 ][ A ], denominada como matriz de iteración, se la denota como

[G]. Además, introduciendo en la ecuación 9.22 que, según 9.19, [b] = [r ]k + [ A ][ φ]k ,
se acaba estableciendo que:
[ φ]k +1 = [ φ]k + [ M − 1 ][r ]k [9.23]
La ecuación 9.23 determina la relación entre la solución aproximada en una ite-

ración y la siguiente. También es posible obtener una relación para los errores
cometidos entre dos iteraciones consecutivas. Para ello, basta con restar el valor de
la solución en los dos miembros de la ecuación 9.23, resultando:
[ φ] − [ φ]k+1 = [ φ] − [ φ]k − [ M−1 ][r ]k [9.24]

k +1 k
[e ] [e ]
Ahora, introduciendo 9.21 en esta última expresión, y sacando el error [e]k como
factor común, se llega a:
[e]k+1 = ([I ] − [ M−1 ][ A])[e]k = [G][e]k [9.25]
De la expresión 9.25 se obtiene inmediatamente que el error en cualquier itera-

ción n está relacionado con el error inicial por:
[e]n = [Gn ][e]0 [9.26]
Es evidente que conforme n → ∞, [e]n debe tender a cero para que el proceso itera-
tivo converja. La ecuación 9.26 establece implícitamente una condición necesaria
para que se satisfaga la convergencia. Tomando normas, y aplicando la desigualdad

de Cauchy-Schwarz, la anterior ecuación se transforma en:
n
[e]n = [Gn ][e]0 ≤ [G] ⋅ [e]0 [9.27]
de lo que se deduce que, para [e]n → 0 cuando n → ∞, [G] < 1.

La separación genérica de la matriz de coeficientes [A] en dos matrices [M] y [N]
permite cualquier combinación. Sin embargo, existe una descomposición natural, o
más bien inspirada en el algoritmo tridiagonal, que divide la matriz [A] en su parte
diagonal, [D], así como en sus partes triangulares estrictamente superior e inferior,
[L] y [D] respectivamente, de forma que se cumple:
[ A] = [D] − [L] − [U ] [9.28]
A partir de 9.28, se diferencia:

c En el método de Jacobi, se establece que [ M ] = [D] y que [N ] = ([L] − [U ]) ,
pudiendo demostrarse que la matriz de iteración es [G] = [D−1 ]([L] + [U ]) .
c En el método de Gauss-Seidel, se establece que [ M ] = ([D] − [L]) y que [N ] = [U ],
−1
pudiendo demostrarse que la matriz de iteración es [G] = ([D] − [L]) [U ].
9.3.2. Convergencia de los métodos iterativos

Aunque los métodos de Jacobi y Gauss-Seidel son muy sencillos de implementar y
válidos para cualquier tipo de matriz, su utilización en la práctica se ve seriamente
comprometida por su lentitud de convergencia. Típicamente, los residuos se redu-
cen rápidamente en las primeras iteraciones, para luego frenarse y estancarse sin
que se consiga reducir significativamente el error a partir de entonces, algo especial-
mente crítico en el caso de grandes matrices.
Para ilustrar este comportamiento, se va a considerar la ecuación difusiva pura uni-
dimensional sin términos fuente. Esta ecuación, adoptando un valor Γ = 1, se corres-
ponde con la ecuación de Laplace, es decir:
∂2 φ
=0
∂x 2
Dicha ecuación se va a resolver para el dominio [0, L] en el que además se propor-

cionan las siguientes condiciones de contorno: φ(0) = 0 y φ(L) = 0. Con tales res-
tricciones, es evidente que la solución analítica de la ecuación de Laplace es cero en
todo el dominio, esto es: φ(x) = 0.
La discretización de esta ecuación ya se abordó en el capítulo 5 (v. apartado

5.1.1). Adoptando un mallado equiespaciado formado por N nodos, de forma que la
distancia entre celdas es ∆x = L/N, y reescribiendo las ecuaciones 5.7 y 5.8 con la
notación en subíndices numéricos, se obtiene para los nodos interiores:
1 2 1
− φi−1 + φi − φ =0 [9.29]
∆x ∆x ∆x i+1
En los nodos de la frontera, la ecuación 9.29 se modifica según 5.17 (en su corres-
pondiente expresión unidimensional) para introducir el valor de las condiciones de
contorno de Dirichlet. Puesto que la distancia del primero (1) y el último nodo (N) a
las fronteras es ∆x/2, es inmediato establecer que para esos extremos:
3 1 2 φ(0) 1 3 2 φ(L)
φ1 − φ2 = y − φN −1 + φN = [9.30]
∆x ∆x ∆x ∆x ∆x ∆x
De esta forma, el sistema lineal a resolver de forma matricial es:
⎡ 3 −1 0 ... 0 0 ⎤⎡ φ1 ⎤ ⎡ 2 φ(0) ⎤
0
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢−1 2 −1 ... 0 0 ⎥⎢ φ2 ⎥ ⎢ 0 ⎥
0
⎢ 0 −1 2 ... 0 0 ⎥⎢ φ3 ⎥ ⎢ 0 ⎥
0
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ ... ... ... ... ...... ⎥⎢ ... ⎥=⎢ ... ⎥
... [9.31]
⎢0 0 0 ... 2 −1 0 ⎥⎢ φN −2 ⎥ ⎢ 0 ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢0 0 0 ... −1 2 −1⎥⎢ φN −1 ⎥ ⎢ 0 ⎥
⎢0 ... 0 −1 3 ⎥ ⎢ ⎥ ⎢ ⎥
⎣ 0 0 ⎦⎣ φN ⎦ ⎣ 2 φ(L) ⎦
El comportamiento de los esquemas iterativos se estudia suponiendo una serie

de valores iniciales arbitrarios y viendo luego cómo evoluciona el error en las sucesi-
vas iteraciones. Nótese que al haber tomado como solución exacta el valor cero en
todo el dominio, el valor del error en cada iteración es directamente el propio valor
de φ. Como soluciones iniciales se proponen distribuciones de Fourier del tipo
φi = sen (mπxi L) , donde m representa el número de onda o modo de Fourier. En
la figura 9.7 se representan varios modos de Fourier sobre el dominio unidimensio-
nal (para N = 64). Nótese que para valores bajos de m, se obtienen oscilaciones sua-
ves, mientras que para valores altos (altas frecuencias) los perfiles son muy
oscilatorios.
Utilizando como solución inicial los modos de Fourier de la figura 9.7, corres-
pondientes a m = 1, 2 y 8, se aplica el algoritmo de Gauss-Seidel durante 50 iteracio-
nes sobre el sistema de ecuaciones 9.31 con N = 64. Para observar la velocidad de
1
m=8
m=2
0,5
m=1
φ 0
–0,5
–1
0 0,2 0,4 0,6 0,8 1
x/L
Figura 9.7 Modos de Fourier (m = 1, 2, 8) sobre malla unidimen-

sional de 64 nodos (adaptado de Mathur y Murthy, 2001-2011).
convergencia, esto es, la rapidez con la que al iterar los modos de Fourier de partida
se van aproximando a cero, se muestra para cada iteración el valor máximo de φi,
que coincide también con el máximo error. Los resultados se muestran en la figura
9.8(a). Además, como es lógico que la suposición inicial pueda contener más de un
modo de Fourier, también se analiza un caso en el que se superpongan varios
modos. En este caso, se muestran los resultados para la combinación lineal de los
modos 2, 8 y 16 según: φi =⎡ ⎣ sen (2 πxi L ) + sen (8 πxi L ) + sen (16 πxi L )⎦ 3. A
⎤
la vista de los resultados, es evidente que las altas oscilaciones (modos superiores de
Fourier) son rápidamente amortiguadas al presentar una rápida convergencia,
mientras que las frecuencias bajas son muy persistentes, casi insensibles al proceso
iterativo, por lo que los residuos se estancan pronto. En el caso de modos combina-
dos, se muestra una reducción rápida, asociada a los modos altos, que progresiva-
mente se ralentiza debido a la deceleración impuesta por los modos bajos.
Una forma alternativa de observar este comportamiento se obtiene dibujando
cómo son las soluciones en cada caso después de un número determinado de iteracio-
nes. Esto se ha representado en la figura 9.9, que compara la evolución desde la solu-
ción inicial hasta la solución tras diez iteraciones para los casos con m = 2, m = 8 y
con modos combinados. Efectivamente, la amplitud en los casos con bajo número de
onda apenas se ve reducido tras diez iteraciones (gráfico a), mientras que para fre-
cuencias altas sí que se elimina el error casi en su totalidad (gráfico b). Para el caso
combinado, es interesante observar cómo las frecuencias altas son prácticamente eli-
minadas, conservándose el error para números de onda bajos.
1 1
m=1 N = 128
0,8 0,8
Error máximo
Error máximo
0,6 0,6
m=2 N = 64
0,4 0,4
m = 2, 8 y 16
0,2 0,2
m=8 N = 32
0 0
0 10 20 30 40 50 0 10 20 30 40 50
N.º de iteraciones N.º de iteraciones
(a) (b)
Figura 9.8 Convergencia del método Gauss-Seidel (adaptado de Mathur y Murthy, 2001-2011). (a)
En función del modo de Fourier. (b) En función de la densidad de malla.
En la figura 9.8(b) también se incluye la influencia del tamaño de malla en la eli-

minación de los errores para las frecuencias bajas (los modos más desfavorables),
por ejemplo m = 2. En este caso se han comparado, tras 50 iteraciones, las evolucio-
nes del error cuando se resuelve el problema con N = 32, 64 o 128 nodos. Los resul-
tados indican que la rapidez de la convergencia se deteriora al refinar el mallado. Es
evidente que al usar mallas más finas se pueden resolver más modos superiores (al
menos la longitud de onda mínima debe ser del doble del tamaño entre nodos), pero
los modos más pequeños correspondientes a frecuencias bajas están aún más suavi-
zados (más puntos por ciclo de oscilación) y por esa razón su convergencia se dete-
riora aún más. Esto es, cuanto más abrupta es la oscilación mejor será la
convergencia, mientras que para modos muy suavizados (algo que además se incre-
menta en el caso de mallas muy finas) la convergencia se resiente seriamente.
1 1 Inicial 1
Inicial
Inicial
0,5 Final 0,5 0,5
φ φ Final φ
0 0 0 Final
–0,5 –0,5 –0,5
–1 –1 –1
0 0,2 0,4 0,6 0,8 1 0 0, 2 0, 4 0, 6 0, 8 1 0 0,2 0,4 0,6 0,8 1
x/L x/L x/L
(a) (b) (c)
Figura 9.9 Comparativa de soluciones inicial y final tras diez iteraciones con el método de Gauss-
Seidel (adaptado de Mathur y Murthy, 2001-2011). (a) Caso m = 2. (b) Caso m = 8. (c) Caso de modos
combinados.
9.3.3. Análisis de los métodos iterativos

Para el caso de sistemas lineales sencillos, como el planteado en 9.31, así como para
esquemas iterativos básicos, como el método de Jacobi, es posible analizar el com-
portamiento de la convergencia analíticamente. Aunque no se describirán todos los
detalles formales, sí que se pretende mostrar las principales características que con-
dicionan la eficiencia del proceso iterativo.
A partir de la ecuación 9.27, se ha demostrado que para que el error disminuya con las
iteraciones es necesario que la norma de la matriz iteración [G] sea menor que 1. Mate-
máticamente, se puede demostrar que esto es equivalente a formular que el valor abso-
luto del mayor autovalor de dicha matriz sea menor que la unidad. Parece lógico que la
velocidad de convergencia dependa de lo pequeño que sea este valor, de modo que si el
autovalor de referencia es próximo a cero la convergencia será rápida mientras que si el
autovalor es cercano a uno entonces el proceso iterativo convergerá muy lentamente.
En el método de Jacobi la matriz de iteración [G] adopta la expresión [D–1]([L]+[U]).
Identificando en la matriz 9.31 las diferentes componentes diagonales, [D], [L] y [U], es
posible calcular la matriz [G] para la ecuación de Laplace unidimensional que hemos
estado analizando. Con un poco de álgebra, se obtiene:
⎡ 0 13 0 ... 0 0 ⎤ 0
⎢ ⎥
⎢1 2 0 1 2 ... 0 0 ⎥ 0
⎢ 0 12 0 ... 0 0 ⎥ 0
⎢ ⎥ [9.32]
G =⎢ ... ... ... ... ... ...
⎥ ...
⎢ 0 0 0 ... 0 1 2 0 ⎥
⎢ ⎥
⎢ 0 0 0 ... 1 2 0 1 2 ⎥
⎢ 0 0 0 ... 0 1 3 0 ⎥
⎣ ⎦
Por simplicidad, se supone que todos los términos en [G] valen 1/2, puesto que se
puede demostrar que ambas matrices tienen similares características para la conver-
gencia. Los autovalores en 9.32 se obtienen planteando que G − λI = 0, de forma
que su resolución proporciona la expresión analítica:
⎛ mπ ⎞
λm = 1 − sen2⎜ ⎟ ; m = 1,2,..., N [9.33]
⎝ 2N ⎠
Los autovectores de la matriz de iteración, wm, resultan ser iguales a los modos de
Fourier que se emplearon en el apartado anterior. La componente i-ésima del auto-
vector asociado con el autovalor λm viene dada por:
⎛ imπ ⎞
wm,i = sen⎜ ⎟ ; i = 1,2,..., N [9.34]
⎝ N ⎠
Ahora, si el error inicial se descompone como suma de modos de Fourier, es

posible reescribirlo en función de estos autovectores como:
N
[e]0 = ∑ αmwm [9.35]
m=1
expresión que, sustituida en 9.26, termina por establecer:
N
[e]n = ∑ αm λnmwm [9.36]
m=1
La ecuación 9.36 concluye, por tanto, que el modo m-ésimo del error inicial se
reduce en el proceso iterativo por el factor λnm . Además, observamos en la ecuación
9.33 que el mayor autovalor se tiene para el caso m = 1, confirmando que efectiva-
mente los modos más bajos con menores frecuencias son los más lentos en conver-
ger. Además, la magnitud del mayor autovalor también aumenta si el número de
total de nodos N se incrementa, confirmando el hecho de que la convergencia en
mallados más bastos es más rápida.
Aunque se ha analizado únicamente un caso unidimensional cartesiano muy
sencillo, las conclusiones generales que se han obtenido son válidas para cualquier
otra situación multidimensional, incluso con mallas no estructuradas.
9.4 Métodos multigrid
Como se ha visto anteriormente, la razón de la convergencia lenta en el método de

Gauss-Seidel se debe a que el método sólo es eficaz eliminando frecuencias altas.
Para los modos de Fourier más pequeños se observó que éstos son más oscilatorios
cuanto más basto es el mallado, por lo que la eliminación de errores a baja frecuen-
cia mejora cuanto menor es el número de celdas. Estas consideraciones parecen
indicar que la convergencia podría acelerarse si de alguna forma se pudiera hacer
uso de mallas menos refinadas en el proceso iterativo.
La estrategia más sencilla para incorporar mallas bastas en el proceso iterativo
parece bastante obvia. Se trataría de resolver las ecuaciones de transporte inicialmente
sobre una malla con pocas celdas para luego, una vez obtenida dicha solución, interpo-
larla al mallado fino. Evidentemente, la solución interpolada no va a satisfacer las ecua-
ciones discretizadas sobre la malla fina, pero sí supondría una buena solución inicial,
mucho mejor que cualquier otra inicialización arbitraria que pudiera hacerse. Además,
este procedimiento podría repetirse recursivamente sobre mallas intermedias cada vez
más finas (varios niveles de densidad de malla) hasta llegar al mallado final.
El problema de esta estrategia, conocida como iteración anidada, es que obliga a
resolver el sistema de ecuaciones en todos los mallados utilizados, cuando en reali-
dad sólo interesa la solución del mallado final. De todas formas, la solución en las
mallas más bastas puede ser muy inapropiada, resultando ser una mala solución de
partida para mallas más finas, e incluso podrían aparecer errores de baja frecuencia
en las mallas finas ralentizando todo el proceso.
9.4.1. Corrección mediante malla basta

Afortunadamente, se puede plantear una estrategia mucho más eficiente, conocida
como de corrección por malla basta (coarse grid correction), que se basa en el sis-
tema de ecuaciones a resolver para el error, expresión 9.21, y que permite ir trasla-
dando el error de mallas bastas a mallas más finas reduciéndolo progresivamente.
La idea de fondo es la siguiente: supóngase que tras un número de iteraciones en la
malla fina de partida se obtiene una solución φ para el sistema original [A][φ] = [b].
Dicha solución permite conocer el valor del residuo en ese momento: [r] = [b]−[A][φ].
Aunque se desconoce cuál es el error con respecto a la solución exacta (ecuación 9.18),
sí se tiene certeza de que el error ya se encuentra muy suavizado y que, por tanto, su
reducción quedará estancada. Ahora bien, es de esperar que si dicho error se resolviese,
según [A][e] = [r], en un mallado más basto, éste tendría un comportamiento más
oscilatorio (menos nodos representan el error) y por tanto la convergencia se acelera-
ría. Finalmente, obtenida una buena estimación del error en la malla gruesa, ésta se
trasladaría al mallado fino para corregir la solución (v. figura 9.10).
Evidentemente, en el mallado más grueso también se tienen componentes del error
a bajas frecuencias que comprometen la velocidad de convergencia. Ahora bien,
puesto que en dicho mallado se trata de resolver el sistema lineal [A][e] = [r], no hay
impedimento para aplicar de nuevo la misma estrategia que se utilizó en el mallado
fino. Es decir, ver este paso como la resolución de un nuevo problema lineal, para el
que vamos a resolver su error en una malla aún más basta. Evidentemente, este pro-
ceso se puede ir aplicando de forma recursiva sobre mallas cada vez más bastas, hasta
llegar a una malla final con apenas unas pocas celdas, en la que se puede resolver el sis-
tema utilizando un método analítico directo.
Para completar la definición de este método falta por definir (i) cómo se resuelve el
sistema de ecuaciones para el error, [A][e] = [r], en un mallado más grueso y (ii) cómo
se traslada luego esa estimación más adecuada a la malla fina para corregir la solución.
A continuación se muestran varias posibilidades utilizadas en la mayoría de los progra-
mas comerciales.
(l) (l) (l)

Relajar [A] [φ] = [b]
(para k iteraciones) Corregir
Nivel l
Calcular (fino) [φ](l) = [ φ](l) + [e](l)
[r](l),k = [b](l) – [A](l) [φ](l),k
Restringir Prolongar
[b](l+ 1) = [I](l)(l+ 1) [r](l) [e](l) = [I](l(l)+ 1)[φ](l+ 1)
Resolver Nivel l+1

(l + 1) (l + 1) l +( 1) (basto)
[A] [φ] = [b]
Figura 9.10 Algoritmo de corrección por mallado basto.
9.4.2. Multigrid geométrico (GMG)

La opción geométrica utiliza la propia topología de la malla para ir agrupando las
celdas en mallas cada vez más bastas. La figura 9.11 muestra dos posibilidades para
la agrupación de las mallas: una reducción en forma anidada, que presenta el incon-
veniente de generar celdas incoherentes para los mallados más bastos (véase nivel
l = 2), o una reducción independiente, que complica la transmisión de información
entre mallados al no presentar caras comunes entre las celdas de dos mallados con-
secutivos.
Reducción de malla en forma anidada
l=0 l=1 l=2

Reducción de malla de forma independiente
l=0 l=1 l=2
Figura 9.11 Reducción de malla según un multigrid geométrico

(adaptado de Mathur y Murthy, 2001-2011).
La utilización de este método en el caso de mallas no estructuradas, tanto bidi-

mensionales como tridimensionales, es compleja debido a que se necesitan interpo-
laciones multidimensionales para transferir la información entre los mallados. Por
el contrario, para el caso de mallas cartesianas, su formulación es más sencilla, mer-
ced a la simplicidad topológica de partida. De esta forma, se va a detallar a continua-
ción su uso para el caso unidimensional de la figura 9.12.
Para distinguir los vectores y las matrices que se usan en cada uno de los malla-
dos (fino y grueso), se introduce el superíndice (l), empezando con l = 0 para el
mallado fino. Para los mallados más bastos se va aumentando el superíndice progre-
sivamente. Así, en el ejemplo de la figura 9.12, se han definido dos mallados: el fino
con l = 0 y otro grueso con l = 1 que se ha obtenido uniendo las celdas originales
por parejas. El mallado resultante, con N/2 celdas, es similar al inicial pero con un
ancho de celda igual a 2∆x.
De forma general, el problema a resolver para la malla en el nivel l viene determi-
nado por:
[ A]( l )[ φ]( l ) = [b]( l ) [9.37]
con lo que el residuo tras un número k de iteraciones se calcularía como:
( l ),k
[r ] = [b]( l ) − [ A](l )[ φ]( l ),k [9.38]
Ya sabemos cómo se discretiza y se itera para el nivel de mallado más fino de N

celdas (l = 0) y cómo se determina el residuo [r](0) tras k iteraciones. Para mallas
más groseras (l > 0), el vector de incógnitas [φ](l) representa la estimación del error
en el nivel (l − 1) y el vector fuente [b](l) debe basarse de alguna forma en los resi-
duos del nivel precedente, [r](l – 1). Retomando entonces el ejemplo de la figura 9.12,
Δx
1 2 3 4 5 6 7 8
Mallado fino
(nivel l = 0)
Prolongación 1/4 3/4 Restricción
Mallado grueso
1 2 3 4 (nivel l = 1)
2 Δx
Figura 9.12 Corrección de malla gruesa para un dominio unidimensional.

donde los centroides de las celdas bastas están alineados con las caras de las celdas
finas, se puede extrapolar el término fuente para el nivel superior como:
1 (l )
bi(l+1) =
2
( r2i−1 + r2(il ) ) [9.39]
Esta operación de trasladar el valor residual desde un mallado fino a uno grueso
se denomina restricción. De forma general, se define el operador de la transforma-
ción, [Ι]((ll +) 1) , como:
[b](l+1) = [Ι]((ll+1) (l )
) [r ]
[9.40]
Para el ejemplo equiespaciado de la figura 9.12 se utiliza como operador un sen-

cillo promedio aritmético (el valor en el nodo grueso 3 se obtiene como promedio
de los valores en los nodos finos 5 y 6). En mallas más complejas será necesario utili-
zar algún tipo de operador de interpolación más general.
Una vez situados en el nivel basto, se debe proceder a resolver un nuevo sistema
lineal genérico (ecuación 9.37). Dado que se pretende resolver el error heredado de
la malla fina en la malla gruesa, parece lógico utilizar como solución inicial que
dicho error sea cero (vimos antes que resolver errores en mallas cada vez más bastas
lo hacía tender a cero). A partir de aquí, se resuelve en el nivel basto para obtener la
estimación del error para el nivel fino. Finalmente, se debe transferir de nuevo la
corrección desde el mallado basto al fino mediante un nuevo operador, denominado
prolongación y denotado como [Ι](( ll )+1) . La corrección de la solución en el nivel fino
vendrá dada por:
(l +1)
[ φ](l ) = [ φ](l ) + [Ι]((ll+
)
1)[ φ]
[9.41]
En el ejemplo de la figura 9.12, se definiría de forma sencilla la prolongación

como la interpolación lineal entre los nodos adyacentes del mallado basto, es decir:
(0) ⎛ 3 (1) 1 (1) ⎞

φ(0)
2 = φ2 +⎜ φ1 + φ2 ⎟
[9.42]
⎝4 4 ⎠
La técnica de multigrid geométrico es relativamente fácil de implementar en

mallados cartesianos. Sin embargo, en mallas no estructuradas y tridimensionales,
los operadores restricción y prolongación se vuelven extremadamente complejos
por la necesidad de aplicar interpolaciones multidimensionales. Por esta razón, se
han desarrollado métodos alternativos para generar mallas bastas que no depen-
dan ni de la geometría ni de la malla empleada como, por ejemplo, el multigrid
algebraico.
9.4.3. Multigrid algebraico (AMG)

Los fundamentos del método algebraico son los mismos que los descritos para el
multigrid geométrico. Por el contrario, la gran diferencia es que, en este otro méto-
do, el nivel basto se obtiene directamente del sistema de ecuaciones del nivel fino,
sin referencia alguna a la malla que lo sostiene. Así, en lugar de pensar en la reduc-
ción de la malla como una aglomeración de celdas contiguas en el mallado fino, se
debe entender como una aglomeración de las propias ecuaciones en las celdas finas
para establecer una ecuación resultante al nivel basto.
Para avanzar en esta nueva idea, vamos a plantear la metodología algebraica en el
ejemplo unidimensional anterior. Se denotan como i e i+1 a los índices de las ecua-
ciones del nivel cero que se quieren aglomerar para obtener la ecuación del nivel
uno de subíndice l (por ejemplo, las ecuaciones de las celdas 1 y 2 del nivel 0 que se
combinan para dar la ecuación de la celda 1 en el nivel 1). De forma general, la ecua-
ción 9.21 aplicada en i e i+1 proporciona:
Ai(0) (0) (0) (0) (0) (0)

,i−1ei−1 + Ai ,i ei + Ai ,i +1ei +1 = ri
(0)
[9.43]
Ai(0) (0) (0) (0) (0) (0) (0)
+1,i ei + Ai +1,i +1ei +1 + Ai +1,i +2 ei +2 = ri +1
Como siempre, la base de toda formulación multigrid es que los errores en el

nivel l se estiman mediante las incógnitas planteadas para el nivel l+1. Así, acep-
tando que el error en la celdas precursoras i e i+1 es el mismo (obtenido de φ(1) I
), se
establece que ei(0)
−1 = φ(1)
I −1 y e (0)
i +2 = φ(1)
I +1
. Sustituyendo esto en la suma de las dos
ecuaciones en 9.43, se obtiene:
Ai(0) (0) ⎡ (0) (0) (0) (0) ⎤ (1) (0) (0) (0)
+ ri(0)
,i−1 φI −1 +⎣ Ai ,i + Ai ,i +1 + Ai +1,i + Ai +1,i +1 ⎦φ I + Ai +1,i +2 φ I +1 = ri +1
aI−1 aI aI +1 bI
[9.44]
Por lo tanto, los coeficientes de la matriz en el mallado basto se obtienen directa-

mente como suma de los coeficientes de la malla fina, sin necesidad de hacer referen-
cia a la malla o a la discretización. Del mismo modo, los términos fuente del mallado
basto son la suma de los residuos de las celdas implicadas en la malla fina. Nótese
cómo esta formulación es equivalente a haber usado una especie de sumatorio como
operador restricción. Así mismo, con este esquema, el operador inverso prolongación
se definiría directamente como una asignación (interpolación de orden cero).
Estrategias genéricas de aglomeración

En el caso unidimensional la aglomeración algebraica se reduce a una sencilla combi-
nación de las celdas i e i+1 para deducir las ecuaciones en el nivel basto. Nótese que
estrategias similares son también de aplicación para mallas estructuradas bidimen-
sionales y tridimensionales. Sin embargo, para mallas no estructuradas es necesario

definir un criterio de aglomeración mucho más general.
Una posibilidad muy eficiente es la de combinar celdas con celdas vecinas que
compartan, en las ecuaciones algebraicas constitutivas, un coeficiente muy alto. De
esta forma, se crean mallas bastas capaces de transferir información óptima, aprove-
chando las propias características físicas (que no topológicas) de la discretización, y
que permiten acelerar la convergencia.
Para implementar este procedimiento, hay que definir un coeficiente de refinado
para cada celda del mallado de partida e inicializarlo a cero. También es preciso ini-
cializar un contador de celdas bastas. A continuación se comienza a visitar las celdas
(ecuaciones) del mallado inicial (fino) por orden y, en caso de que la celda visitada
no haya sido ya agrupada (es decir, su coeficiente de refinado asociado es aún cero),
se la agrupa junto con las n celdas vecinas que compartan el mayor coeficiente Ai,j.
Acto seguido, se actualiza su coeficiente de refinado a uno y también se incrementa
en una unidad el contador de celdas bastas. Con esta sencilla secuencia se van obte-
niendo los coeficientes de la matriz en el nivel basto. De forma genérica, sería:
AI(l,+
J
1)
= ∑ ∑ Ai(,lj) [9.45]
i ∈GI j ∈GJ
donde GI hace referencia al conjunto de celdas del nivel fino que se aglomeran para
formar la celda I-ésima del mallado basto. También, como se ha visto antes, el tér-
mino fuente para las ecuaciones del mallado grueso se obtiene sumando los residuos
de las celdas correspondientes del mallado fino. Esto es:
bI(l+1) = ∑ ri(l ) [9.46]

i ∈G I
Las matrices en el nivel basto se almacenan utilizando los mismos tipos de estrate-
gia que se mostraron en el subapartado 9.1.2. Conviene indicar que el comporta-
miento óptimo del multigrid algebraico se consigue normalmente para n = 2, esto es,
cuando la malla basta tiene aproximadamente la mitad de celdas que el mallado fino.
Se demuestra fácilmente que, reduciendo la malla de forma recursiva hasta que el últi-
mo nivel presenta únicamente 2 o 3 celdas, la memoria total que se necesita para alma-
cenar todos los niveles superiores es aproximadamente igual a la requerida por el
mallado fino. Si se denota con N al número total de celdas de la malla original, la suma
de las celdas de los subsiguientes mallados será N/2 + N/4 + N/8 + … + N/2L, siendo
L el número total de multigrids recursivos utilizados. Es inmediato comprobar que:
L
1 ⎛ L 1⎞
(N 2 + N 4 + N 8 + ... + N 2L ) = N ∑ ⇒ lim⎜
L →∞⎜
N∑ i⎟ ⎟= N
[9.47]
i=1 2i ⎝ i=1 2 ⎠
Los sistemas lineales resultantes en la mayoría de las aplicaciones CFD suelen ser
muy rígidos. Esta rigidez es consecuencia de múltiples factores: mallas muy defor-
madas, excesivas relaciones de aspecto, disparidad en los coeficientes de transporte,
etc. La utilización del multigrid algebraico alivia estas rigideces al utilizar una estra-
tegia de aglomeración fundamentada en los propios fenómenos físicos que rigen el
flujo. En la figura 9.13 se muestra un ejemplo para la conducción difusiva pura en
una placa con una zona interior de alta conductividad y otra zona exterior muy
adiabática. Nótese cómo la apropiada elección del multigrid recupera esta restric-
ción para el nivel final (nivel 8).
Nivel 0 Nivel 2 Nivel 4 Nivel 6 Nivel 8
Figura 9.13 Multigrid algebraico en un dominio bidimensional para conducción de calor (adaptado
de Mathur y Murthy, 2001-2011).
9.4.4. Estrategias cíclicas

La gran ventaja de los métodos multigrid es que aceleran significativamente la con-
vergencia mediante unos sencillos barridos con relajación sobre una secuencia
recursiva de mallados bastos. Dado un mallado original (fino) con N celdas, el
número total de niveles a definir en el multigrid para que el último mallado tenga
únicamente dos o tres celdas (suponiendo que el factor óptimo de aglomeración es
2) se puede estimar con la siguiente expresión:
log N
L≈ −1 [9.48]
log 2
Así, para un mallado típico en las aplicaciones I-CFD actuales, con un millón de
celdas, se obtendría que son necesarios del orden de 19 mallados recursivos para
optimizar el multigrid. Evidentemente, con tal número de niveles, es preciso definir
la forma en que se va pasando por toda la secuencia. De hecho, se emplean diferen-
tes ciclos que, dada la naturaleza recursiva del método (figura 9.10), son muy fáciles
de implementar.
Los ciclos o estrategias cíclicas utilizadas en el multigrid se pueden clasificar en
dos grandes grupos:
c Ciclos fijos, que repiten la misma secuencia de paso por todos los niveles.
c Ciclos flexibles, que modifican la secuencia según sea conveniente.
Ciclos fijos
El ciclo fijo más sencillo es el conocido como ciclo en V (V-cycle), compuesto por
una secuencia de ida y otra de vuelta (figura 9.14). En la ida, se comienza con la
malla más fina, resolviendo con relajación para unas pocas iteraciones, y pasando a
continuación al nivel inmediatamente superior. Se procede recursivamente hasta
alcanzar el nivel más basto. Completada la resolución del mallado basto, se inicia la
secuencia de subida usando la solución del nivel actual para corregir la solución del
siguiente mallado refinado. Se resuelve nuevamente para unas pocas iteraciones y se
vuelve a avanzar recursivamente hasta llegar al mallado de partida.
El parámetro más importante a definir en un ciclo en V es el número de iteracio-
nes (o barridos) que se deben completar en cada nivel. En particular, se definen
como V1 y V2 a ese número de barridos en los tramos de ida (del nivel fino al más
basto) y vuelta (del basto al fino), respectivamente. Ambos no tienen por qué ser
iguales; de hecho, en la mayoría de las aplicaciones se adopta que V1 = 0, mientras
que para V2 siempre se fija un valor no nulo con objeto de asegurarse que la solución
(y no el error, como pasa con V1) satisface las ecuaciones de constitución en el nivel
actual. El ciclo se ilustra en el esquema de la figura 9.15, donde cada círculo repre-
senta los barridos con relajación, y los itinerarios con flechas indican operadores de
prolongación o restricción.
En el caso de sistemas lineales excesivamente rígidos, es posible que el ciclo en V
no sea suficiente y se requerieran más iteraciones para poder resolverlos. En este
tipo de situaciones se utiliza un método alternativo, conocido como ciclo en μ, que
básicamente es un bucle recursivo que se emplea μ veces en cada nivel sucesivo.
Habitualmente se utiliza la opción en la que μ = 2, resultando de esta forma el ciclo
en W (W-cycle en la figura 9.15).
l=0
l=1
Niveles
l=2
l=3
Ciclo en V Ciclo en W Ciclo en F
Figura 9.14 Diferentes ciclos para las secuencias de barrido.

Una pequeña variación al ciclo en W es el ciclo en F (F-cycle), que puede defi-

nirse como un ciclo fijo donde debe aplicarse la recursividad para un ciclo fijo y otro
en V.
Ciclos flexibles
Para sistemas lineales que no sean demasiado rígidos, no suele ser económico uti-
lizar todos los niveles del multigrid según un patrón preestablecido. Para esas
situaciones, se emplean ciclos flexibles en los que se introduce un indicador que
permite decidir si se debe seguir barriendo en el nivel actual o se debe llevar la
resolución al nivel superior. Normalmente, el indicador que se utiliza es el ratio
entre los residuos de dos iteraciones consecutivas: si ese cociente es mayor que un
determinado valor umbral, se entiende que la convergencia comienza a estancarse,
y se transfiere el problema al siguiente nivel; por el contrario, si el cociente es
menor que el valor de referencia, se continua barriendo hasta que se cumpla el cri-
terio terminal.
En cualquier caso, se utilicen ciclos fijos o ciclos flexibles, es imprescindible
introducir un criterio final de corte para dar por finalizados los ciclos cuando se
alcance (para la solución en el mallado fino) el nivel de convergencia requerido para
el problema.
En este capítulo se han presentado las diferentes aproximaciones que se utilizan

para resolver los sistemas lineales de ecuaciones algebraicas que resultan de la dis-
cretización de las ecuaciones de gobierno. En concreto, se ha discutido que los úni-
cos métodos viables para resolver problemas fluidodinámicos con CFD son los
métodos iterativos.
Entre los métodos iterativos, el algoritmo TDMA extendido para problemas
bidimensionales y tridimensionales se puede utilizar eficientemente en el caso de
mallas estructuradas. Para mallados no estructurados se deben emplear los métodos
generales punto-a-punto de Jacobi o Gauss-Seidel, que presentan velocidades de
convergencia muy bajas. Esto último es debido a que son capaces de reducir los
errores de alta frecuencia rápidamente, pero se estancan a la hora de eliminar erro-
res suavizados. Como consecuencia directa, también resultan ser inadecuados sobre
mallas muy finas.
Para acelerar estos métodos iterativos se utilizan preferiblemente esquemas mul-

tigrid algebraicos, que se basan en la utilización de soluciones del error en mallas
más bastas para corregir la solución en la malla fina. Estos esquemas han demos-
trado sobradamente su capacidad para acelerar sustancialmente la convergencia de
los sistemas lineales de ecuaciones, mostrando además excelentes prestaciones para
gestionar mallados no estructurados.
10
MODELIZACIÓN DE LA
TURBULENCIA
La turbulencia es un fenómeno físico extremadamente complejo, caótico, cuyo

análisis sólo tiene sentido desde un punto de vista estadístico. Su estudio riguroso se
constituye casi en una disciplina científica propia, demasiado extensa para ser abor-
dada en un breve capítulo. Sin embargo, como está presente en casi todos los fenó-
menos de la naturaleza, y por tanto en la mayoría de las aplicaciones de interés
tecnológico, es imprescindible presentar aquí sus aspectos más relevantes.
En este capítulo se describen brevemente sus características fundamentales y la
inherente complejidad de su tratamiento experimental, analítico o numérico para, a
continuación, detallar las diversas aproximaciones numéricas que permiten introdu-
cir su efecto en las ecuaciones de transporte. El objetivo final es dotar al lector de las
herramientas necesarias para que decida sobre el modelo a utilizar en cada caso y
sepa cuáles son las consecuencias (numéricas) asociadas a dicha elección.
En particular, se analizan las distintas posibilidades que existen para tener en
cuenta su efecto en la discretización numérica de las ecuaciones. Además, debido a
que la turbulencia se manifiesta a escalas muy diversas, se verán cuáles son las res-
tricciones espaciales y temporales asociadas a su modelización, en términos tanto
de coste computacional (muy grande) como de precisión (muy necesaria).
252 Capítulo 10 Modelización de la turbulencia
Contenidos
10.1. ¿Qué es la turbulencia?

10.1.1. La naturaleza de la turbulencia
10.1.2. La ubicuidad de la turbulencia
10.1.3. El origen de la turbulencia: inestabilidades
10.2. Escalas de la turbulencia: la cascada de energía
10.3. El problema del cierre de la turbulencia
10.4. Aproximaciones numéricas para el tratamiento de la turbulencia
10.4.1. Simulaciones directas (DNS)
10.4.2. Promediados de las ecuaciones (técnicas LES y modelos RANS)
10.5. “Large Eddy Simulation” (LES)
10.5.1. Filtrado espacial. Tipos de filtro
10.5.2. Tratamiento de las sub-escalas de malla
10.5.3. El problema de la pared: técnicas híbridas
10.5.4. Condiciones iniciales y de contorno
10.6. Modelos de turbulencia para las ecuaciones RANS
10.6.1. Filtrado temporal. Propiedades
10.6.2. Hipótesis de Boussinesq
10.6.3. Modelo de longitud de mezcla de 0 ecuaciones
10.6.4. Modelos de viscosidad artificial (“Eddy Viscosity Models”, EVM)
10.6.4.1. Modelo Spalart-Allmaras (S-A)
10.6.4.2. Modelo k-épsilon (k-ε)
10.6.4.3. Modelo k-omega (k-ω)
10.6.4.4. Otros modelos no lineales
10.6.5. Modelos de transporte de las tensiones de Reynolds (RSM)
10.6.6. El problema de la pared: tratamiento de la capa límite
10.7. Estrategias y buenas prácticas para la utilización de los modelos de turbulencia
Los apartados 10.1, 10.4 y 10.5 han sido adaptados de Piomelli, U., "Large Eddy Simulations and
Related Techniques", VKI Lecture Series, 2006. El apartado 10.6 relativo a modelos de turbulencia
RANS se ha inspirado en FLUENT v6.3. "User´s guide", 2006.
10.1 ¿Qué es la turbulencia?

La turbulencia es un estado caótico e irregular del movimiento de un fluido que se
establece a partir de la aparición de irregularidades en las condiciones iniciales o de
contorno de la corriente fluida. Estas inestabilidades se amplifican y se retroalimen-
tan de forma cíclica, creando vórtices (eddies) turbulentos que se crean y se destru-
yen. En sentido físico estricto, la turbulencia se manifiesta con la aparición de
regiones coherentes de vorticidad, aunque en realidad su descripción es mucho más
intuitiva a partir de sus características fundamentales.
Así, aunque no es fácil definir exactamente qué es la turbulencia, todo el mundo
tiene una noción intuitiva de lo que es: un movimiento fluctuante y desordenado.
De hecho, el término turbulento forma parte del lenguaje cotidiano haciendo refe-
rencia al desorden y a la falta de uniformidad. Por lo tanto, parece acertado afirmar
que la turbulencia es un estado caótico y aleatorio del flujo, en el que la velocidad y
la presión oscilan instantáneamente a lo largo del tiempo.
La turbulencia es una característica de los flujos, no de los fluidos como tales. Su
aparición exige de la existencia de un fluido en movimiento, en el que los fenómenos
de convección (inerciales) asociados a la velocidad sean varios órdenes de magnitud
superiores a los efectos difusivos (disipativos) relacionados con la viscosidad del
fluido. Esta relación es el conocido número de Reynolds que establece la frontera
(aproximada) entre las condiciones de flujo laminar y flujo turbulento.
10.1.1. La naturaleza de la turbulencia
Como decíamos, la dificultad para definir la turbulencia conduce a que sea más útil
describir en detalle las características de su naturaleza. Las propiedades más destaca-
bles de los movimientos turbulentos son:
c Aleatoriedad. Es la característica más destacada de los flujos turbulentos. También
definida como irregularidad, se manifiesta por la aparición de fluctuaciones de las
variables fluidodinámicas (velocidad, presión, temperatura, concentración) con
tamaños y tiempos muy dispares (diferentes escalas). Estas fluctuaciones instantá-
neas no estacionarias se desarrollan incluso en flujos estacionarios (promediados
temporalmente), lo cual da idea de que las propiedades estadísticas de los flujos sí
son invariantes. Por esta razón se utilizan métodos estadísticos para su estudio y
predicción. Además, la existencia de escalas muy dispares hace que, aunque los flu-
jos turbulentos parezcan caóticos e impredecibles, también se puedan encontrar
estructuras coherentes (movimientos organizados) dentro de ese mar de irregulari-
dades aleatorias. En este caso, su aleatoriedad se refiere a la localización exacta y a
cuando se desarrollan.
c Vorticidad. Es imprescindible que exista vorticidad para que un flujo pueda ser
turbulento. De hecho, todo flujo turbulento es rotacional (∇ × v ≠ 0), con
importantes niveles de vorticidad que fluctúan en el tiempo y en el espacio de
forma coherente (estructuras o vórtices coherentes), y en los que la deformación
de los vórtices supone la esencia de la dinámica de la turbulencia.
c Difusividad (mixing). Los fenómenos turbulentos intensifican el transporte de
masa, momento y energía, debido a las fluctuaciones en las diversas escalas tur-
bulentas. En particular, las fluctuaciones a escalas macroscópicas producen efec-
tos de mezcla similares a los de carácter molecular (puramente difusivos), si bien
con longitudes de mezcla similares a las de los fenómenos convectivos.
Existen también otras particularidades para el flujo turbulento que conviene des-
tacar, aunque no sean tan fundamentales como las anteriores. Por ejemplo:
c Tridimensionalidad. Las escalas más pequeñas de la turbulencia tienen un
carácter muy isotrópico, lo cual implica la necesidad de tener flujo tridimensio-
nal. Las escalas más grandes, asociadas a las longitudes características del flujo
analizado, pueden presentar un comportamiento bidimensional o plano, pero
éste se va generalizando a tridimensional según se avanza en la cascada de ener-
gía (v. apartado 10.2).
c Disipación. Los flujos turbulentos son siempre disipativos. Necesariamente han
de disipar energía en las escalas más pequeñas, energía que se obtiene del flujo
principal y que se va redistribuyendo en forma de cascada mediante procesos de
deformación. Una vez desarrollado el flujo turbulento, la turbulencia tiende a
mantenerse (se retroalimenta) mediante un aporte continuo de energía. Si no
existe ese suministro de energía, la turbulencia decae rápidamente.
c Altos números de Reynolds. La turbulencia se origina por inestabilidades en el
flujo laminar. A partir de ciertos números de Reynolds, dependientes del tipo de
aplicación, las irregularidades en las capas de cortadura se vuelven inestables,
amplificándose y activando los mecanismos turbulentos. El flujo se desordena y
deja de ser laminar.
Por tanto, la turbulencia es un fenómeno muy complejo y vortical, con escalas
muy dispares que van desde el tamaño característico del flujo (un diámetro, una
longitud típica del problema) hasta escalas disipativas muy pequeñas. Aun siendo
pequeñas, estas escalas disipativas están lejos de las escalas de longitud molecular
por lo que aún se pueden emplear las ecuaciones de la Mecánica de Fluidos para
medio continuo.
La dinámica de la turbulencia es función del flujo y, dada su naturaleza, requiere de
varios niveles de aproximación para describirla. Por esta razón, no existe una “teoría
de la turbulencia” de aplicación general, sino múltiples modelos creados específica-
mente para diferentes problemas, que se discuten a partir del apartado 10.4.
Finalmente, para ilustrar todas estas ideas, en la figura 10.1 se muestra la evolu-
ción característica de la velocidad en un punto P por el que transcurre un flujo tur-
bulento. El lector puede imaginar que dicha velocidad (gráfico de la izquierda)
corresponde a la medida hecha detrás de un objeto en la región de la estela turbu-
lenta, cuando el flujo ya está perfectamente establecido. Las líneas negra y gris
corresponden a dos medidas de idéntica duración, en el mismo sitio y con mismo
flujo incidente totalmente desarrollado.
Efectivamente, a la vista de los resultados de la figura, podemos concluir que la
traza de la velocidad reproduce las características ya descritas:
c La velocidad fluctúa aleatoriamente en el tiempo, con oscilaciones de diferente
amplitud que responden a las diversas escalas de la turbulencia.
c Por tanto, el campo instantáneo (variable u), es impredecible, puesto que cual-
quier mínima perturbación produce cambios en la velocidad en el instante inme-
diato.
Además, cada una de las dos medidas (líneas negra y gris) son diferentes, pero su
valor medio es el mismo. Esto demuestra que las propiedades estadísticas del flujo
turbulento son unívocas y de ahí el interés en resolver el problema de la turbulencia
desde un punto de vista estadístico. Lo mismo ocurre con la fluctuación (gráfico
10.1b), elevada al cuadrado para poder calcular su media (la media de la fluctuación
es por definición cero, al estar centrada en la propia media de la velocidad). La fluc-
tuación cuadrática es distinta en ambas medidas, pero si se promedia el tiempo sufi-
ciente, el valor medio también es único, y converge hacia lo que se llama nivel de
turbulencia, que mide la intensidad de las fluctuaciones.
u P u‘ 2 u [%]
36 30 18
Fluctuación u´ , [m /s ]
2 2
Nivel de turbulencia, [%]
25 15
Velocidad u, [m/s]
33
20 12
2
30 u 15 9
10 6
27
5 3
u’ 2
24 0 0
0 2 4 6 8 0 2 4 6 8
Tiempo, [ms] Tiempo, [ms]
Figura 10.1 (a) Traza de velocidad en flujo turbulento. (b). Nivel de turbulencia instantánea.
10.1.2. La ubicuidad de la turbulencia[1]

El movimiento turbulento es el estado natural de la mayoría de los fluidos: el aire
que respiramos al pasar por nuestra laringe, la convección natural del aire que nos
rodea en una sala de cine, la hojarasca que se arremolina bajo un árbol del parque en
una tarde otoñal o el humo que asciende por la chimenea cuando nos acurrucamos
junto al fuego de la hoguera.
También en el ámbito tecnológico prácticamente la totalidad de los flujos son turbu-
lentos. Por ejemplo, el flujo que se establece en el interior de conductos, el flujo interno
que intercambia energía con las turbomáquinas, la transmisión de calor en calderas y en
cámaras de combustión o la aerodinámica externa en vehículos y aviones que los inge-
nieros necesitan conocer para realizar sus diseños. La turbulencia modifica significativa-
mente parámetros como la resistencia a la fricción, la transmisión de calor o la capacidad
de mezcla, por lo que su comprensión y caracterización es imprescindible.
La turbulencia también se manifiesta a gran escala, en el patrón de corrientes de los
océanos o en las condiciones atmosféricas de nuestro cielo. En la geofísica está involu-
crada en las corrientes convectivas que se establecen en el núcleo terrestre, responsa-
bles del mantenimiento del campo magnético de la tierra, y en la astrofísica permite
entender los ciclos de las erupciones solares o cómo se arremolinan las galaxias en el
corazón del universo. Es la naturaleza ubicua de la turbulencia, que la hace tan intri-
gante como imprescindible en nuestra concepción de la naturaleza y de la ciencia.
10.1.3. El origen de la turbulencia: inestabilidades

Se dice que un fenómeno físico es estable cuando, ante pequeñas perturbaciones,
éste permanece invariante, imperturbable en el tiempo. Una modificación razona-
blemente pequeña de las condiciones iniciales no altera significativamente la situa-
ción de equilibrio.
Un flujo laminar es estable ante pequeñas perturbaciones cuando se satisfacen
ciertas condiciones. Cuando esto no sucede, perturbaciones infinitesimales crecen
espontáneamente y se amplifican modificando completamente el estado inicial.
Estas perturbaciones generan nuevas perturbaciones, que a su vez producen nuevas
perturbaciones en un proceso degenerativo que destruye la estructura original del
flujo hasta establecer un flujo turbulento con multitud de escalas diferentes. Esta
dinámica de la inestabilidad es el origen de la turbulencia y ocurre cuando el núme-
ro de Reynolds es suficientemente grande.
Una visión clásica: el experimento de Reynolds
La diferencia entre flujo laminar y turbulento fue establecida en 1883 por el cientí-
fico y matemático británico Osborne Reynolds mediante un sencillo dispositivo
1. Adaptado de Davidson, P.A., Turbulence: An Introduction for Scientists and Engineers, 2004, Oxford University Press.
que le permitió visualizar los dos tipos de flujo. En su experimento, inyectó un

colorante en el seno de un líquido que circulaba por un largo tubo de sección cir-
cular constante. Reynolds observó que, para caudales "suficientemente pequeños",
la estela del colorante permanecía como una línea bien definida a medida que éste
fluía. Para caudales "intermedios", la estela del colorante fluctuaba en el tiempo, e
incluso se observaban destellos intermitentes de comportamiento irregular. Por
último, la estela del colorante se volvía borrosa casi de inmediato para caudales
"suficientemente grandes" y se dispersaba por la tubería de forma aleatoria. Estas
tres características son las que se denominan flujo laminar, flujo de transición y
flujo turbulento.
A partir de esta observación, Reynolds constató que la existencia de uno u otro
tipo de flujo dependía del valor que tomase la agrupación adimensional de variables
vD ν , función del diámetro del conducto, de la velocidad media del flujo y de la
viscosidad cinemática del fluido. Este parámetro fue bautizado en su honor como
número de Reynolds y en él se establece el balance entre las fuerzas inerciales y las
fuerzas viscosas que actúan en el flujo. En todos los flujos existe un valor de este
parámetro para el cual se produce la transición de flujo laminar a turbulento, deno-
minado habitualmente como Reynolds crítico.
Transición a la turbulencia
La transición a la turbulencia puede seguir diferentes mecanismos. En todos ellos, sin

embargo, comienza en un punto de inestabilidad que inicia el proceso de amplifica-
ción de inestabilidades que desemboca en la estructura caótica final. Además, dicha
inestabilidad suele estar relacionada con la presencia de un punto de inflexión en el
perfil de velocidades que desencadena el proceso de formación de vórtices.
En general, la transición queda asociada a la existencia de inestabilidades en la
capa de cortadura del flujo (shear flow). Una capa de cortadura es una región de
flujo en la que existen altos gradientes de velocidad. Las velocidades a ambos lados
de la superficie de separación son muy diferentes, lo que da lugar a una interfaz muy
fina donde la velocidad varía bruscamente. Estas capas aparecen tanto en flujos
externos como internos; claros ejemplos son el flujo en una estela, un chorro o las
capas límites sobre superficies (v. figura 10.2).
La forma de la transición y el momento en que acontece dependen, por tanto, del
tipo de flujo. En la tabla 10.1 se muestra el valor típico para el cual se inicia la transi-
ción en diversas situaciones. En el caso de estelas y chorros, se generan inestabilida-
des que producen enrollamiento de vórtices (v. figura 10.2) y estructuras vorticales
muy tridimensionales. En el caso de capas límites sobre superficies o en el interior
de tuberías, la transición se asocia a brotes de turbulencia que rápidamente se
expanden y cubren todo el dominio.
Tabla 10.1 Valores típicos para inicio de transición turbulentaa.
Flujo externo
Flujo externo (alrededor Convección
(a lo largo de una Flujo interno
de un obstáculo) natural
superficie)
ρUx 5 ρUD 4
ρUDh
Re x = ≥ 5 ⋅ 10 Re D = ≥ 2 ⋅ 10 Re D = ≥ 2300 Ra ≥ 10 Pr
9
μ μ h
μ
a. El número de Rayleigh (Ra) es el número adimensional asociado con la transferencia de calor en el interior del
fluido y que permite discriminar cuándo la transferencia de calor se produce principalmente por conducción o
cuándo se produce principalmente por convección. Así mismo, el número de Prandtl (Pr) es el numero adimen-
sional que compara la transferencia de calor producida por los efectos de arrastre del flujo (viscosidad) frente a
los que se producen por la propia conductividad del fluido y que permite discernir cuál de ellos es dominante.
Flujos de cortadura: estelas, chorros, capas de mezcla y capas límite
Existen dos grandes grupos de flujos de cortadura: los libres, que ocurren lejos de la
influencia de contornos sólidos y los de pared, desarrollados por efecto de paredes
colindantes. Los tres ejemplos típicos de flujos de cortadura libres son las estelas, los
chorros y las capas de mezcla (mixing layers).
Las estelas se producen aguas abajo de un obstáculo inmerso en la corriente
fluida, de forma que coexisten una región de fluido lenta rodeada de una región de
fluido rápida (v. ejemplo en figura 10.1).
En el caso de los chorros, típicamente se tiene un flujo a alta velocidad rodeado
por un flujo prácticamente estacionario. De esta forma, es habitual que, por conve-
Enrollamiento (roll-up) de vórtices

Escalas
pequeñas Escalas
grandes
capa de
cortadura
Ref. Ref. Punto de
absoluta relativa inflexión
Figura 10.2 Transición en un chorro turbulento. (a) Inestabilidades en la capa de cortadura. (b) Visuali-
zación de un chorro turbulento (imagen cortesía de Fukushima y Westerweel): identificación de escalas.
niencia, en la bibliografía se analice las estelas como chorros negativos. La figura

10.2 muestra la estructura de un flujo turbulento de forma esquemática, comparada
con una visualización experimental, en la que además se describen los mecanismos
de inestabilidad que ponen en marcha la transición. Se observa claramente cómo el
flujo turbulento contiene un gran espectro de escalas vorticales: escalas grandes,
comparables con el diámetro característico del chorro, coexisten junto con vórtices
pequeños. Es importante observar las irregularidades de la zona de cortadura que, al
enrollarse, arrastran fluido de los alrededores y permiten al chorro expandirse en la
dirección del movimiento.
Las capas de mezcla, en un mecanismo análogo al de los chorros, forman una
interfaz con dos regiones, una rápida y una lenta, que progresivamente se enrolla y
se degenera según la inestabilidad de Kevin-Helmholtz, formando vórtices en la
dirección del movimiento que aumentan cada vez más el espesor de la capa.
Finalmente, los flujos cercanos a la pared están caracterizados por la capa límite.
Los casos más simples son los de un flujo sobre una placa plana, el flujo en un con-
ducto circular o el flujo en canal entre placas planas. Todos ellos presentan caracte-
rísticas similares en la estructura de la capa límite. Los detalles de la misma se han
discutido con detalle en el capítulo 8, apartado 8.3.3.
Capa límite turbulenta Chorro turbulento Estela turbulenta
Figura 10.3 Flujos de cortadura.
10.2 Escalas de la turbulencia: la cascada de energía

Ya sabemos que la turbulencia contiene un amplio espectro de escalas espaciales y
temporales. Típicamente, los vórtices de mayor tamaño interaccionan con el flujo prin-
cipal, extrayendo energía de él. Físicamente, esto es posible gracias a que el propio flujo
convectivo deforma esos vórtices más grandes, confiriéndoles energía en el proceso.
También se ha visto que existen escalas más pequeñas de la turbulencia, clara-
mente disipativas, y que constituyen el punto final del fenómeno de disipación de
energía. Ahora bien, ¿cómo se produce la transferencia de energía desde esas escalas
grandes a las pequeñas?
Richardson (1922) fue el primero en introducir el concepto de cascada de ener-

gía para describir el proceso por el cual estos vórtices más grandes se dividen en
estructuras más pequeñas a las cuales pasan energía, así sucesivamente hasta llegar a
las escalas puramente disipativas. Este proceso de ruptura se produce en cascada,
por lo que en un movimiento turbulento coexisten una gran variedad de escalas,
correspondientes a los distintos tamaños de vórtices, los cuales son arrastrados y
estirados por la acción de los gradientes del flujo promedio dominante y por su inte-
racción con los demás vórtices. Este proceso de división continúa hasta que la escala
de los vórtices es tan pequeña que su número de Reynolds no es lo suficientemente
grande como para que la inestabilidad persista. En esos vórtices pequeños, la energía
cinética contenida en los vórtices se transforma en calor por disipación viscosa
(v. figura 10.4a).
En cierto modo, hablar de vórtices para describir las escalas de la turbulencia no
deja de ser una convención, inspirada en la observación de la realidad (tal y como
constató Leonardo da Vinci en sus diferentes escalas de movimiento, figura 10.4b).
En realidad, la estructura de la turbulencia es mucho más compleja y puede adoptar
formas diversas como láminas, toroides, filamentos alargados, tubos alabeados, etc.
Así mismo, es lógico hablar de la cascada de energía en términos de vórtices que se
rompen o subdividen en otros más pequeños, aunque realmente lo que ocurre es
que la energía se redistribuye como consecuencia de la distorsión en la forma de esas
estructuras vorticales.
Escalas de turbulencia Torbellinos en el agua

(Richardson, 1922) (Leonardo, 1500 aprox.)
Generación de Disipación de
energía turbulenta energía turbulenta
Escalas Escalas
grandes Cascada de energía pequeñas
艎 L l LES
RANS
Escalas modelizadas
LES
Escalas resueltas
DNS
(a) (b)
Figura 10.4 Escalas de la turbulencia y proceso de cascada de energía. (a) Esquema conceptual de
Richadson (adaptado de Fluent v6.3 - User's guide, 2006). (b) Idea intuitiva de Leonardo.
Para números de Reynolds altos, la viscosidad no influye en la cascada de ener-

gía; únicamente tiene importancia en las escalas más pequeñas. Por esta razón, es
una buena idea dividir toda la cascada de energía en tres subdominios:
c Macroescala. Asociada a los vórtices más grandes; con velocidades, longitudes y

tiempos característicos U, L y T, donde normalmente a L se le denomina longi-
tud de escala integral. Si se define el número de Reynolds del flujo como
Re = u0 ν , donde es una longitud característica y u0 es la velocidad pro-
medio del flujo, el número de Reynolds correspondiente a estas escalas resulta
ser del orden al del flujo principal: Re ∼ ReL = UL ν . Estos grandes torbelli-
nos dependen de las condiciones de contorno y son claramente anisotrópicos
(dependientes de la dirección).
Los vórtices de la macroescala interaccionan con un tiempo característico que se
puede expresar lógicamente como L U , de modo que la tasa por unidad de
tiempo a la que transfieren energía (cinética: U2) será del orden de:
ΠL ∼ U3 L [10.1]
Es interesante comprobar que la energía específica disipada en estas escalas se

puede estimar como
⎛ ∂U ⎞2 U2
Φ L ≈ ν⎜ i⎟
⎜ ∂x ⎟ ≈ ν
⎝ j⎠ L2
resultando ser despreciable cuando se compara con la energía transferida a esca-

las inferiores, ya que: Π L Φ L = ReL 1.
c Subrango inercial. Es la zona de escalas intermedias en las que se produce bási-
camente una progresiva transferencia de energía hacia las escalas disipativas. De
forma genérica se definen unas escalas típicas de longitud, l, velocidad, ul, y
tiempo, t, comprendidas entre las macroescalas y las microescalas. Este rango
intermedio es más ancho cuanto mayor es el número de Reynolds, correspon-
diendo con la observación de que las escalas disipativas son más pequeñas a
mayores números de Reynolds.
Para discutir la importancia del subrango inercial es necesario introducir la idea
de espectro de energía turbulento. Este tipo de representación se obtiene cuando
se pasa al dominio de la frecuencia una traza de velocidad instantánea como la de
la figura 10.1(a). De esta forma, es posible representar la distribución de la ener-
gía turbulenta en función del rango de longitud de onda (o tamaño de oscilación)
de las fluctuaciones, donde el número de onda, κ, se puede relacionar con el
tamaño característico de vórtice según κ ∼ 2 πU l , o en el caso de un espectro
temporal (que es lo habitual), κ ∼ 2 π l . Puesto que el espectro de energía tur-
bulenta, E(κ), es más o menos la representación matemática de la cascada de
energía, parece evidente que su distribución frente a κ pueda dividirse en las tres
mismas zonas en que estamos separando la cascada (v. figura 10.5). Además, la
zona intermedia, denominada de subrango inercial, queda caracterizada por una

evolución lineal (de pendiente –5/3) en escala logarítmica, según la ley universal
conocida como ley de Kolmogorov (1941):
2 3 −5 3
E( κ) = αε κ [10.2]
donde α es una constante, normalmente sobre 1,5, y ε es la tasa de disipación vis-

cosa que se estima en la microescala (v. ecuación 10.5).
Téngase en cuenta que en el subrango inercial toda la energía que contienen las
escalas intermedias ha sido transferida de las escalas grandes, por lo que se cumple,
aproximadamente, que: Π l ≈ Π L ⇒ U 3 L−1 = ul3 l−1 . Con esta expresión, se
obtiene una relación entre los números de Reynolds de ambas escalas como:
43
Rel ReL = (l L ) [10.3]
Como el cociente de longitudes todavía no es muy pequeño, el número de Rey-

nolds asociado a la escala es grande y la disipación de energía todavía es despre-
ciable.
c Microescala. Es la escala más pequeña, en la que el número de Reynolds local es
aproximadamente la unidad. Las escalas características se denotan como η para
la longitud, uη para la velocidad y τ para el tiempo. Aplicando razonamientos
E( ) Cascada de energía
E( ) = 2/3 –5/3
–5
3
Generación
de energía
Subrango
inercial Disipación
de energía
L /L f(Re) /
Vórtices según L y u Vórtices según
Figura 10.5 Espectro de energía turbulenta (escala logarítmica, adap-

tado de Davidson, 2004).
similares a los anteriores, se concluye que la energía transferida a la microescala

es Π η ≈ Π l ≈ Π L ⇒ U 3 L−1 = u 3η η−1 , expresión matemática que resume la idea
de la cascada de energía. Además, puesto que la energía transportada es del
mismo orden que la disipada (Re η ≈ 1), la expresión análoga a la ecuación 10.3
43
para esta escala resulta ser Re η = ReL ( η L ) ≈ 1. O lo que es igual:
( η L ) ≈ Re−L 3 4 [10.4]
expresión que relaciona las longitudes características de la macroescala y la

microescala. Nótese que la tasa de disipación viscosa, ε, en la microescala es del
orden de ε ≈ νu 2η η−2 (se deduce análogamente a cómo se hizo en la macroes-
cala) y que puede relacionarse con la ecuación 10.1 gracias a la cascada de ener-
gía:
Π L ∼ U 3 L ∼ ε ∼ ν u 2η η2 [10.5]
Combinando 10.5 con el número de Reynolds (uη η ν ≈ 1), se obtienen expre-

siones muy útiles de todas las escalas disipativas (longitud, velocidad y tiempo)
en función, precisamente, de la disipación de energía:
14 14 12
η = ( ν3 ε) u η = ( νε) τ = ( ν ε) [10.6]
Estas escalas se conocen como escalas de Kolmogorov. Finalmente, haciendo uso

de la relación 10.5, ε ∼ U 3 L , es inmediato deducir la relación entre las escalas
de Kolmogorov y las escalas integrales o macroescalas:
−3 4 −1 4 −1 2
η L = Re u η U = Re τ T = Re [10.7]
La importancia de estas expresiones se analizará en el apartado 10.4. En particu-

lar, ya se adivina que para números de Reynolds altos (los flujos industriales se
sitúan normalmente entre 105 y 108), las escalas de Kolmogorov son extremada-
mente pequeñas, resultando computacionalmente prohibitivo resolverlas directa-
mente y haciendo imprescindible la utilización de modelos de turbulencia en las
simulaciones.
10.3 El problema del cierre de la turbulencia [2]
En la figura 10.1 se ha ilustrado una idea fundamental sobre la turbulencia: a pesar

de la naturaleza completamente aleatoria de la velocidad instantánea u, las propie-
dades estadísticas del campo de velocidades, como su media u o la media de la fluc-
tuación cuadrática u′2 , sí son reproducibles y esperables. Por lo tanto, esto sugiere
que cualquier teoría que se quiera formular sobre la turbulencia debe basarse en
cantidades estadísticas. Sin embargo, el problema surge cuando se trata de obtener
las ecuaciones de gobierno para las variables estadísticas a partir de las ecuaciones de
Navier-Stokes.
Para obtener las ecuaciones de gobierno de las variables estadísticas se debe apli-
car el operador estadístico que corresponda (promedio temporal, filtro espacial,
etc.) sobre las ecuaciones generales de gobierno. Al ejecutar esta operación matemá-
tica, siempre ocurre que el sistema de ecuaciones resultante no está cerrado, puesto
que aparecen más incógnitas estadísticas que relaciones disponibles. Este hecho es el
que se conoce como problema de cierre en la turbulencia, y que aparece como con-
secuencia del término no lineal difusivo en la ecuación de gobierno.
Para ilustrar brevemente esta idea, se procede ahora a considerar la sencilla ecua-
ción unidimensional d u d t = −u 2 , como en ocasiones precedentes. En el instante
inicial t = 0, se fija que el valor de la velocidad adopte un valor aleatorio compren-
dido entre 1 y 2, de modo que u presentará posteriormente una traza cambiante en
cada realización del experimento, y se repite la experiencia 1000 veces para esa
misma condición inicial cambiante. Como decíamos, lo que realmente interesa es el
valor esperable de la variable, algo que está asociado al valor estadístico de la misma,
no a su valor instantáneo. Por tanto, se introduce un operador estadístico genéri-
co en la ecuación, , que nos permita encontrar la solución para u . Supo-
niendo un operador lineal (como, por ejemplo, el promedio de esas 1000
repeticiones), este nuevo operador y el operador derivada son intercambiables,
2
resultando: d u d t = − u . Desafortunadamente, nos encontramos con que
aparece una nueva variable desconocida: u2 . Por supuesto, podemos encontrar
una ecuación para resolver esta nueva incógnita si multiplicamos por u la ecua-
ción original y luego aplicamos el operador estadístico, llegando a:
d u 2 dt = −2 u 3 , pero a costa de que en esta ecuación aparezca ahora la
incógnita u 3 . Está claro entonces que si se trata de establecer una jerarquía para las
ecuaciones que describen la evolución de las sucesivas variables un , siempre se ter-
mina por tener más incógnitas que ecuaciones. Esta idea fundamental es lo que sub-
yace en el problema de cierre para la turbulencia en las ecuaciones de Navier-Stokes.
2. Adaptado de Davidson, P.A., Turbulence: An Introduction for Scientists and Engineers, 2004, Oxford
10.4 Aproximaciones numéricas para el tratamiento de la turbulencia 265
Es realmente sorprendente observar cómo por un lado se tienen las variables fun-
damentales del flujo, como la velocidad u que se comporta aleatoriamente, y por otro
lado se tienen las ecuaciones de gobierno, cuya definición es completamente determi-
nista para u. Inversamente, las propiedades estadísticas de u se comportan de forma
esperable, reproducible, pero lamentablemente no es posible disponer de un sistema
cerrado de ecuaciones que describa su evolución. Así, el problema del cierre de la tur-
bulencia implica que no pueden existir teorías estadísticas rigurosas para el análisis de
la turbulencia, siendo necesaria la introducción de modelos basados en hipótesis sim-
plificativas, razón por la cual la turbulencia permanece como el último problema sin
resolver por la física clásica.
10.4 Aproximaciones numéricas para el tratamiento

de la turbulencia
La solución numérica para flujos turbulentos puede abordarse desde distintos nive-
les de aproximación, proporcionando así descripciones del flujo con mayor o menor
detalle. Esto se consigue en función del número de escalas de la turbulencia que se
quieran resolver en la simulación, o lo que es igual, en función de la cantidad de
energía cinética turbulenta que se vaya a transportar en las ecuaciones constitutivas.
En general, se distinguen tres aproximaciones diferentes: la simulación numérica
directa (DNS), en la que usa una malla extremadamente fina para poder resolver
todas las escalas de la turbulencia (desde las integrales hasta las disipativas); la simula-
ción de vórtices grandes (LES), con mallas menos densas que permiten resolver sólo
los torbellinos grandes que transportan entre el 50 y el 80% de toda la energía cinética
turbulenta; y finalmente la simulación RANS (ecuaciones de Navier-Stokes prome-
diadas por Reynolds) en la que todas las escalas se modelizan mediante el uso de
modelos de turbulencia.
Aunque algunos flujos sencillos se han resuelto utilizando simulación directa (DNS),
no es posible emplearla de forma sistemática para resolver problemas industriales de
interés práctico (I-CFD) debido a su coste computacional prohibitivo. Por esta razón, se
emplean habitualmente los métodos RANS y en ciertas ocasiones las técnicas LES, que se
analizan más en detalle en apartados posteriores. Pero antes, veamos las serias limitacio-
nes de las simulaciones directas que se derivan de la misma cascada de energía.
10.4.1. Simulaciones directas (DNS)

En las simulaciones directas todas las escalas turbulentas, incluidas las escalas disipativas
de Kolmogorov, η, deben ser resueltas. Evidentemente, de la ecuación 10.4 se deduce que
para un fenómeno con una dimensión característica , y por tanto con un tamaño de
escala integral del mismo orden L, cuanto mayor es el número de Reynolds más peque-
ño es el tamaño de las escalas de Kolmogorov. Con esta idea en mente, y sabiendo que la
mayoría de los flujos de interés industrial se encuentran en el rango de números de Rey-
nolds entre 105 y 108, podemos hacer una estimación del número de nodos que se nece-
sitarían en una simulación tridimensional para resolver las microescalas del flujo.
La distancia entre nodos, ∆x, no puede ser mayor que el tamaño de las escalas
más pequeñas, sino que ha de ser del mismo orden. Por tanto: ∆ x ∼ η ∼ Re−3 4 L .
Si ahora llamamos Lsim a la dimensión característica del dominio computacional a
resolver (algo así como el tamaño de dominio que comprenda al flujo de estudio),
podemos estimar el número de nodos que necesitaremos para obtener una resolu-
ción espacial del orden de las escalas de Kolmogorov en esa dirección como:
Lsim L 34
Nx ∼ sim Re [10.8]
∆x L
Dada la tridimensionalidad e isotropía de las escalas disipativas, y supuesto un
dominio cúbico de simulación, se necesitará una densidad de mallado similar a la esti-
mada en la ecuación 10.8 en el resto de las direcciones espaciales. De esta forma, es
inmediato concluir que el número total de puntos de la discretización espacial ha de ser:
⎛ Lsim ⎞3 9 4
NΩ NxN yNz ⎜ ⎟ Re [10.9]
⎝ L ⎠
Por tanto, el número de celdas necesarias para ejecutar una DNS tridimensional es
del orden del número de Reynolds elevado a 9/4. Nótese que simplemente para un
Reynolds igual a 10 000 ya se requerirían alrededor de 1000 millones de nodos (!).
Ahora bien, no sólo debe tenerse en cuenta la resolución espacial, sino que también
la resolución temporal es esencial para poder resolver la evolución de las escalas más
pequeñas. La turbulencia es un fenómeno inestable, no estacionario en sí mismo, que
requiere la integración de las ecuaciones durante un período de tiempo del orden del
tiempo característico de la escala integral, T, y con un paso temporal mínimo para
poder describir el movimiento de las escalas más pequeñas. Teniendo en cuenta que
por razones de estabilidad y precisión, dicho paso temporal no debe permitir que las
partículas avancen más de una celda en cada ∆t (suponiendo que se utiliza un
esquema explícito, el menos costoso computacionalmente), éste debe ser del orden de
∆t ∼ ∆x U ∼ η U . Por tanto, si denotamos a Tsim como el tiempo de simulación, el
número de pasos temporales que serán necesarios para describir numéricamente los
mecanismos de las escalas de Kolmogorov en una simulación serán:
Tsim Tsim T 34 T 34
Nt ∼ sim Re = sim Re [10.10]
∆t ηU LU T
donde se ha introducido la relación de longitudes 10.3. El número de operaciones de

computador necesarias para una simulación será por tanto proporcional al pro-
ducto de NΩ y Nt, de forma que el tiempo total de simulación se escalará según:
⎛ Tsim ⎞⎛ Lsim ⎞3 3
Tcálculo ∝ N Ω N t ∼ ⎜ ⎟⎜ ⎟ Re [10.11]
⎝ T ⎠⎝ L ⎠
Por supuesto, la constante de proporcionalidad depende de la velocidad de cál-

culo del computador empleado. De todas formas, el hecho de que el tiempo de cál-
culo sea proporcional al número de Reynolds al cubo implica unos recursos
computacionales extraordinarios. Por esta razón, se han utilizado técnicas DNS
únicamente con geometrías sencillas (placas, flujos homogéneos) para números
de Reynolds bajos (hasta 103 típicamente) y en superordenadores de grandes
capacidades. Para los números de Reynolds típicos de la mayoría de las aplicacio-
nes industriales, las capacidades computacionales necesarias por ejecutar una
simulación DNS exceden ampliamente las posibilidades de los computadores más
potentes existentes hoy día.
Así, por ejemplo, para el caso de flujo con número de Reynolds del orden de 104,
en un dominio 8 veces mayor que las longitudes integrales y resolviendo para
4 ciclos de fluctuación de la escala integral, si se resolviese con una máquina con una
capacidad del orden del gigaflops[3] (109 operaciones en coma flotante por segundo),
y suponiendo que se necesitasen del orden de 1000 operaciones por paso temporal
(Pope, 2000) para asegurar la convergencia, aplicando 10.11 se obtendría un tiempo
de cálculo aproximado de unos 65 años (!), es decir, toda una vida esperando por los
resultados. Para números de Reynolds mayores, por ejemplo 108 para el vuelo de un
avión comercial, incluso si se utilizase el superordenador más potente del mundo
(v. capítulo 1), con una potencia de cálculo del orden de 1 petaflop (1015 operacio-
nes/segundo), los tiempos de cálculo que se obtendrían según 10.11 (y para domi-
nios muy localizados, nada de modelar el fuselaje completo) son sencillamente
absurdos: del orden de 600 000… ¡siglos!
A pesar de todo, las simulaciones directas son una herramienta extremadamente
útil para la investigación fundamental de la turbulencia (a números de Reynolds
bajos). Con la DNS es posible realizar “experimentos numéricos” de los que se
extrae información que de otra manera sería imposible obtener en el laboratorio,
permitiendo una mejor comprensión de la física de la turbulencia.
3. En el momento en que se escribió este libro, los ordenadores personales más potentes del mercado
(como los procesadores Intel Core2 de 4 núcleos a 2,5 GHz) alcanzaban velocidades máximas de 70
Gflops.
10.4.2. Promediados de las ecuaciones (técnicas LES y modelos

RANS)
Habiendo constatado las serias limitaciones asociadas a las simulaciones DNS, es

imprescindible acudir a otras aproximaciones cuando se analizan flujos en contex-
tos industriales a altos números de Reynolds. Éstas son, básicamente, los modelos
RANS y las técnicas LES.
Modelos Reynolds-Averaged Navier-Stokes (RANS)
De entre todas las aproximaciones posibles, el método más utilizado para introducir
la simulación de la turbulencia en la metodología numérica es el del promediado de
Reynolds de las ecuaciones constitutivas (RANS, o Reynolds-Averaged Navier-
Stokes). Este método utiliza la idea de promediado:
1 t +T
f =
T t
∫ f (t )dt [10.12]
de modo que el operador que se emplea para buscar el comportamiento estadístico

de las variables del flujo es un promedio temporal sobre las ecuaciones de trans-
porte. Aquí, T corresponde con un intervalo de tiempo mucho mayor que las escalas
integrales del flujo turbulento. El promedio definido en 10.12 permite descomponer
cualquier variable en su valor medio y su parte fluctuante como: f ′ = f − f .
Cuando el operador estadístico 10.12 se aplica sobre las ecuaciones de flujo, se obtie-
nen las ecuaciones RANS que describen la evolución de las variables promediadas.
El efecto de las fluctuaciones turbulentas aparece en un término adicional, denomi-
nado de las tensiones de Reynolds, y que debe ser modelado para cerrar el sistema de
ecuaciones (tal y como se discutió en el ejemplo simplificado del aparatado 10.3).
En las últimas décadas se han desarrollado toda una serie de modelos de turbu-
lencia para sustituir esas tensiones de Reynolds desconocidas por otro tipo de rela-
ciones matemáticas que eviten aportar nuevas incógnitas al problema. El objetivo de
la modelización es eliminar el problema del cierre aportando algún tipo de hipótesis
que trate de emular el comportamiento físico de la turbulencia. Entre los modelos
disponibles, de diversa complejidad, se pueden citar los modelos algebraicos sim-
ples, como el modelo de longitud de mezcla; los modelos que introducen una visco-
sidad artificial, como los de tipo k-épsilon, o incluso los modelos de cierre completo
en los que se define una ecuación de transporte para cada una de las componentes
de las tensiones de Reynolds.
La solución de las ecuaciones RANS es actualmente el estándar en las aplicaciones
ingenieriles ya que, a pesar de sus simplificaciones, permite explicar satisfactoria-
mente la mayor parte de los flujos turbulentos, incluso en situaciones considerable-

mente complejas.
Por el contrario, el mayor inconveniente en los modelos RANS es la necesidad de
tener que modelar todas las escalas de la turbulencia. Puesto que las escalas de
Kolmogorov, disipativas y extremadamente pequeñas, son escalas más universales,
mientras que las integrales están significativamente influenciadas por las condicio-
nes de contorno o por las dimensiones características del flujo, parece evidente que
la física que rige ambos niveles es distinta. Por tanto, encontrar un modelo que des-
criba correctamente los fenómenos de la macro y la microescala no es tarea fácil. Por
esta razón, aun cuando nacen con vocación genérica, los diversos modelos tienen un
campo de aplicación limitado, y responden mejor en unos tipos de flujo que en
otros, siempre en función de la aplicación para la que fueron ideados (en el apartado
10.7 se hacen otras consideraciones sobre esta idea).
Técnicas LES
La técnica LES (Large-Eddy Simulation) es una técnica intermedia entre DNS y

RANS, en la que las contribuciones de las escalas grandes, portadoras de energía, y
responsables de las estructuras de transferencia energética y de momento, se resuel-
ven en el sistema de ecuaciones, mientras que el efecto de las escalas más pequeñas
sobre la turbulencia es modelizado (v. figura 10.4a). Puesto que las escalas más
pequeñas tienden a ser más isotrópicas, homogéneas e universales, y menos afecta-
das por condiciones de contorno que las macroescalas, es de esperar que los mode-
los introducidos para esos pequeños torbellinos sean más generales y apenas
requieran reajustes al cambiar de flujo.
La aproximación LES es similar a la DNS por cuanto proporciona siempre una
solución tridimensional y dependiente del tiempo de las ecuaciones de Navier-
Stokes. Por lo tanto, requieren también de la utilización de mallados muy finos, aun-
que sin llegar a las necesidades prácticamente inviables del DNS. Por lo tanto, se
pueden emplear para resolver flujos industriales a altos números de Reynolds, ya
que su coste de computación es independiente del número de Reynolds (de forma
ideal, siempre y cuando las escalas intermedias obedezcan la dinámica del subrango
inercial).
Las prestaciones numéricas de las técnicas LES se sitúan en algún lugar interme-
dio entre las aproximaciones RANS y la simulación directa DNS (figura 10.4a). Su
aplicación se divide en dos etapas: filtrado espacial de las ecuaciones (de acuerdo a
un filtro típico, relacionado con la densidad de malla, y denotado habitualmente en
la bibliografía como ∆) y modelización de las subescalas turbulentas (SGS o Sub-
Grid Scale modelling). El filtrado se realiza mediante convolución de las variables,
haciendo las veces de operador estadístico, mientras que la modelización de la tur-
bulencia por debajo de la malla se basa generalmente en algún modelo de viscosidad

artificial (isotrópico). Nótese que todos los modelos de turbulencia RANS son sus-
ceptibles de ser usados para la modelización de la subescala, aunque especialmente
los más sencillos, con características isotrópicas deberían bastar para describir los
mecanismos de las escalas más pequeñas.
Astrofísica
Flujos medioambientales y geofísica
Aerodinámica externa
Flujos internos
Flujos biológicos
Física (de la turbulencia)
LES (sin pared) RANS
LES (con pared) DES, RANS/LES (híbridos)
DNS WMLES / VLES
Re
0 3 5 8 12
10 10 10 10 10
Bajos Moderados Altos
Figura 10.6 Tipos de aproximaciones recomendadas en función del número de Reynolds (adap-
tado de Piomelli, 2006).
10.5 Large Eddy Simulation (LES)

En las simulaciones LES sólo se resuelven las escalas grandes del movimiento. El
hecho de que las escalas intermedias transfieran su energía a las escalas más peque-
ñas (cascada de energía), así como que la disipación viscosa venga fijada por las
escalas grandes (ecuación 10.5), son las características físicas utilizadas en esta técni-
ca, así como en la definición de los modelos de submalla (modelos SGS).
Desde el punto de vista matemático, las técnicas LES emplean un promediado
espacial de las ecuaciones de transporte mediante un filtro de tamaño ∆ que sirve de
frontera entre las macroescalas a resolver y las microescalas a modelar. La gran ven-
taja de este tratamiento es que se ajusta perfectamente a las características fenome-
nológicas de ambas escalas:
c Los torbellinos grandes son difíciles de modelizar, puesto que presentan una clara
anisotropía, pueden estar sujetos a efectos de memoria en el flujo y, sobre todo,
dependen claramente de la geometría y del tipo de flujo principal (dependen de
cada caso). Por tanto, plantéese una técnica que deba resolverlos y no modelarlos.
c La resolución de las escalas pequeñas exige unas discretizaciones extremada-
mente finas y costosas, inviables para números de Reynolds grandes. Sin
embargo, está claro que estas escalas son típicamente isotrópicas y de carácter
más universal, porque en el proceso de cascada los torbellinos han “olvidado”
cuál es su procedencia. Por tanto, siendo sencillas de modelizar, su no resolución
evita necesitar de medios computacionales imposibles.
10.5.1. Filtrado espacial. Tipos de filtro
Para poder definir un campo de velocidades que contenga únicamente las compo-
nentes (fluctuaciones) de macroescala de la velocidad instantánea, las variables de
las ecuaciones de Navier-Stokes se filtran con un operador convolución que propor-
ciona una media local del flujo turbulento. La variable filtrada se define entonces
como:
f (x ) = ∫ f ( x′) G ( x , x′, ∆ ) dx′ [10.13]

Ω
donde G( x , x′, ∆) es la función de filtrado, o núcleo (kernel) del operador, que

depende del tamaño de filtro de corte (cutoff width) y que es grande únicamente
cuando x y x′ son próximos entre sí. Además, debe cumplir la propiedad de que
∫ G ( x , x′, ∆ ) dx′ = 1
Ω
Con esta restricción es posible encontrar diferentes tipos de núcleo. Los más comu-
nes son:
c Filtro de caja (box o top-hat):
⎧
⎪1 ∆ 3 si x − x′ ≤ ∆ 2
G( x , x′, ∆)= ⎨ [10.14]
⎩ 0 si x − x′ > ∆ 2
⎪
c Filtro gaussiano:
6 (−6 x 2 ∆2 )
G( x , x′, ∆)= 2
e [10.15]
π∆
c Filtro espectral (sharp spectral):
⎡ ( x − x′i ) ⎤
3 sen⎢ i ⎥
⎣ ∆ ⎦
G( x , x′, ∆)= ∏ [10.16]
i=1
(xi − x′i )
Normalmente, el filtro en caja es el utilizado en la implementación del LES en la

metodología de volúmenes finitos. El resto se emplea en la literatura especializada.
Los filtros así definidos son operadores lineales que, de la misma manera que los fil-
tros empleados en tratamiento de señales, separan la variable a filtrar (señal de
entrada) en una parte a conservar y en otra que se deshecha. La figura 10.7 muestra
la forma y ancho de esos filtros, que será lo que defina qué parte de la señal a filtrar
se conserva y qué parte se elimina en el proceso.
Otro tipo de filtro importante es el denominado filtro de Fourier, que se define en
el dominio espectral (las variables de flujo se descomponen en modos de Fourier).
En este caso, el filtro espectral proporciona un valor de corte en el espectro de ener-
gía para una longitud de onda de tamaño ∆/π. Este filtro es muy útil desde el punto
de vista de la separación entre escalas pequeñas y grandes, pero carece de implemen-
tación práctica para la mayoría de los códigos CFD.
El tamaño del filtro (cutoff width) trata de ser un indicador de la separación
entre los tamaños de vórtice que se van a retener en los cálculos y los torbellinos
que se van a desechar (para ser modelizados). En principio, se puede elegir cual-
quier tamaño de filtro, pero en simulaciones CFD por volúmenes finitos, es
absurdo elegir un tamaño de filtro más pequeño que la propia discretización espa-
cial del modelo (sólo se almacenan variables a ese nivel). Por tanto, parece evidente
elegir un tamaño de filtro que sea del orden del tamaño de la malla. Así, en el caso
genérico de mallado tridimensional con diferentes longitudes ∆x, ∆y, ∆z en las tres
G G G
x–x x–x x–x

Filtro en caja Filtro gaussiano Filtro espectral
Figura 10.7 Tipos de filtro (representación unidimensional).

direcciones, el tamaño de filtro se toma como la raíz cúbica del volumen de cada
celda, es decir:
13
∆ = ( ∆x ∆y ∆z ) [10.17]
La figura 10.8(a) muestra los vórtices que se preservan cuando se filtra la veloci-
dad instantánea mostrada en la figura 10.1 con diferentes tamaños de filtro. Con-
forme el filtro que se escoja sea de un orden superior a las fluctuaciones más
pequeñas, éstas se irán eliminando en el proceso. De esta forma, al ser un filtrado
espacial, si se quiere mantener una determinada cantidad de energía turbulenta para
ser resuelta en el transporte de las ecuaciones, será necesario fijar tamaños de malla
relativamente finos. La figura 10.8(b) ilustra la misma idea sobre el espectro de la
energía. Conforme la malla sea más gruesa, el filtro va eliminando vórtices cada vez
mayores, dejando pasar únicamente aquellos que se aproximan progresivamente al
tamaño de longitud integral. De esta forma, el tamaño de filtro ∆ establece la fron-
tera entre la cantidad de energía que se va a modelizar y la que se va a resolver. En
función del porcentaje de la energía total que se vaya a resolver, la simulación LES
que se resuelva finalmente tendrá mejor (o peor) resolución y por tanto una mejor
(o más pobre) descripción de la física de la turbulencia.
E( ) –5/3 Filtro mayor

4 (malla gruesa)
3
1
Filtro 2
mayor
1 Escalas
2 filtradas o
Escalas residuales
resueltas (subescalas)
3
u(x,t) u (x,t)
4
Resuelve Modeliza
x/L LES
Figura 10.8 Efecto del tamaño de filtro sobre el orden de las escalas a resolver (adaptado de Piomelli,
2006).
Ecuaciones de Navier-Stokes filtradas espacialmente
Por simplicidad, se van a tratar únicamente las ecuaciones para flujo incompresible
(ecuación 3.12). Si se aplica un filtro que sea independiente de la posición x , es
decir, que sea uniforme en todo el dominio, y además se hace uso de la linealidad del
operador (operador filtrado es intercambiable con los operadores derivada temporal
y espacial), las ecuaciones filtradas que se obtienen son:
∂ ( ρvi )
∂t
+ (
∇ ρvi v j ) = − ∇ p + ∇ ( μ∇vi )
[10.18]
"Pseudoconvectivo" Fuente Difusivo
Temporal (presión)
donde el subíndice i representa cada una de las componentes espaciales. El término

denominado “pseudoconvectivo” incluye el filtrado del producto (no de las veloci-
dades promediadas independientemente), de manera que para obtener una ecua-
ción de transporte para los promedios de las velocidades, se suma y se resta
directamente el término ∇ ( ρvi v j ) en la ecuación, resultando:
∂ ( ρvi )
∂t
( ) (
+ ∇ ρvi v j = − ∇ p + ∇ ( μ∇vi ) − ∇ ρvi v j + ∇ ρvi v j ) ( ) [10.19]
Convectivo Fuente Difusivo Término adicional
Temporal (presión)
El término adicional se conoce como tensiones turbulentas de la subescala, o

tensiones SGS, que normalmente se escriben como:
τ ij = ρ⎡ ⎤
⎣ vi v j − vi v j ⎦ [10.20]
y que habrá que modelar para cerrar el sistema de ecuaciones (v. 10.5.2 para conocer
algunas de las posibilidades típicas). Con todo esto, la ecuación final de transporte
para las técnicas LES se formula como:
∂ ( ρvi )
∂t
( )
+ ∇ ρvi v j = −∇ p + ∇ ( μ∇vi ) − ∇τ ij [10.21]
Se puede demostrar que el tensor SGS es en realidad suma de tres términos: el ten-
sor de tensiones de Leonard, Lij = vi v j − vi v j , el tensor de tensiones cruzadas,
Cij = v′i v j + vi v′j , y el tensor de las tensiones de Reynolds de la subescala, R ij= v′i v′j ,
de acuerdo con τij = Lij + Cij + Rij . Aquí, el tensor de Leonard representa la interac-
ción entre las escalas que se resuelven y las que transfieren energía hacia las escala
pequeñas; el tensor cruzado representa la interacción entre las escalas resueltas y las
modelizadas; y las tensiones de Reynolds en la subescala representan la interacción
entre las escalas más pequeñas.
Tamaño de malla y paso temporal requerido en LES
Aunque con unos requerimientos computacionales significativamente menores que

DNS, las técnicas LES también necesitan de mallados extraordinariamente finos y
de pasos temporales suficientemente pequeños para poder capturar las fluctuacio-
nes de las escalas que se van a resolver. Sin embargo, la gran ventaja del LES es que
en zonas libres de contornos sólidos la resolución espacial y temporal no depende
del número de Reynolds (al contrario que DNS, según 10.11). No ocurre lo mismo
cuando LES debe resolver el flujo de cortadura en los contornos sólidos: en ese caso,
las necesidades computacionales se disparan de nuevo en función de una potencia
del número de Reynolds.
Por todo ello, los problemas asociados al coste de resolver el flujo en la zonas
adyacentes a la pared para números de Reynolds altos son importantes en LES y a
ellos se les dedica a continuación un apartado para discutir su alcance e implemen-
tación. Pero antes, conviene plantear una serie de consideraciones acerca de la reso-
lución en zonas internas, alejadas de contornos sólidos.
Decíamos a raíz del tamaño del filtro que, en principio, la resolución de la malla
fija implícitamente cuál será el tamaño efectivo del filtro. Esto es equivalente a afir-
mar que el mallado es capaz únicamente de resolver una determinada cantidad de
energía cinética turbulenta: aquella que puede ser transportada a través de las escalas
(vórtices) capturadas por la malla (figura 10.9). Por lo tanto, el criterio que se adopta
para clasificar el tipo de simulación LES a ejecutar es el de establecer qué porcentaje
de la energía turbulenta total es capaz de resolver la simulación con su mallado.
Como norma general, se utilizan dos valores típicos para distinguir el tipo de
simulación LES que se está resolviendo: el 50% y el 80% de la energía cinética turbu-
lenta total. Es importante darse cuenta de que la mayoría de la energía se encuentra
en las escalas más grandes (integrales) y que conforme descendemos por la cascada
Escalas integrales Escalas pequeñas Escalas de Kolmogorov

(anisotrópicas), L (isotrópicas), l (escalas submalla), η
Tamaño de malla Tamaño de malla

(filtro) para resolver L (filtro) para resolver l
Figura 10.9 Resolución de la malla (filtro) para resolver distintos tamaños de escala (adaptado de Pio-
melli, 2006, sobre imagen original de Brown y Roshko, 1974).
de energía, los torbellinos más pequeños cada vez poseen una energía más residual.
Esto se ilustra perfectamente en la distribución del espectro de energía (figura 10.5),
que va tendiendo a cero conforme nos desplazamos por las abscisas hacia las escalas
disipativas. De esta forma, aun siendo la malla bastante basta, siempre seremos
capaces de resolver una buena parte de la energía cinética turbulenta (cerca del 50%)
si nos aseguramos que la malla es del orden de la escala de longitud integral.
En la bibliografía se suele distinguir entre simulación LES, cuando se garantiza
que aproximadamente el 80% de la energía turbulenta se resuelve, y simulación
VLES (Very Large Eddy Simulation), cuando se resuelve menos de ese 80%, típica-
mente al menos un 50%. En consecuencia, en VLES la malla y, por tanto, el filtro,
son demasiado grandes para resolver las escalas turbulentas que contienen la ener-
gía, así que la mayor parte de la energía se encontrará en los movimientos residua-
les. Aunque se pueden realizar simulaciones VLES sobre mallas relativamente
bastas, y por tanto más económicas computacionalmente hablando, la simulación
pasa a ser muy dependiente del modelado de las escalas residuales. Puesto que en
estas técnicas LES se suponía que la modelización de esas escalas era isotrópica,
asignar a ese modelo más energía de la cuenta repercute seriamente en la bondad
de la solución.
Con esta clasificación en mente, la pregunta es inmediata: ¿cómo se estima el
tamaño de filtro (y por tanto, la densidad de la malla) para asegurarnos de que
vamos a ser capaces de resolver el 80% de la energía cinética turbulenta? Aunque
no existe una regla exacta, sí es posible hacer una estimación del mismo a partir del
gráfico de energía turbulenta acumulada. Para ello, considerando la ley de Kolmo-
gorov de la ecuación 10.2 como representativa de la evolución del espectro de ener-
gía (figura 10.8b) en todo el rango de longitudes de escala, e integrando dicha
ecuación desde la posición del filtro de corte, κc (supuesto un filtro espectral), hasta
las escalas disipativas (κ → ∞), es posible obtener una estimación de la energía
residual (el área bajo el espectro es la energía contenida por las distintas escalas
turbulentas) según:
∞ ∞
kr = ∫ E( κ)dκ = ∫ αε κ
2 3 −5 3 2 3 −2 3
dκ = 23 C ε κc [10.22]
κc κc
donde kr representa la energía residual acumulada desde la escala de corte en

adelante. Ahora, haciendo uso de la ecuación 10.5, en la que se tiene en cuenta ade-
más que la energía turbulenta se puede estimar en función de la energía de las esca-
12
las integrales como U ∼ k , se puede sustituir la tasa de disipación en 10.22 por
32
ε∼k L resultando:
kr −2 3
= 23 C ( κc L ) [10.23]
k
Si se quiere resolver el 80% de la energía turbulenta, entonces la parte residual debe

ser el 20%. Igualando la ecuación 10.23 a 0,2 e introduciendo el valor clásico para la
constante de Kolmogorov, C = 1,5, se obtiene que κc L ≈ 38. Finalmente, el valor del
tamaño de filtro será:
∆ LES ∼ π κc ≈ πL 38 ∼ L 12 [10.24]
La condición para el 80%, κc L ≈ 38, se puede reescribir en función del tamaño

de las escalas que se van a resolver. Así, introduciendo que κc ∼ 2 π lc , se llega
inmediatamente a lc L ≈ 0,16, lo cual implica que con el tamaño de filtro dado por
10.24 estamos resolviendo escalas que suponen un 80% de la energía total y que tie-
nen una tamaño aproximado de un orden de magnitud inferior al de las escalas inte-
grales. Evidentemente, igualando las ecuaciones 10.17 y 10.24 se obtiene que para
una malla cartesiana el tamaño de la discretización debe ser (al menos) de un orden
de magnitud inferior (un doceavo) al de la escala integral. Aun así, algunas investi-
gaciones recientes al respecto (Celik, 2005) han demostrado que es necesario reducir
aún un poco más ese valor: “una malla óptima ajustada al tamaño del filtro debería
resolver las escalas mayores en al menos 8 celdas”, por lo que reduciendo por ese
factor el tamaño característico de filtro resulta:
∆xLES ∼ ∆LES 8 = L 96 ≈ 0,01 L [10.25]
Por lo tanto, como norma general, una buena simulación LES (fuera de las pare-
des) debe adoptar una densidad de malla entre uno y dos órdenes de magnitud infe-
rior a la escala de longitud integral. Está claro que mantener esta condición en las
tres direcciones espaciales supone un notable coste computacional.
Ha quedado claro que para poder definir la malla adecuada de la simulación
LES, es fundamental disponer de un valor fiable de la escala de longitud integral
del problema. Existen diversas posibilidades para ello, desde simples estimaciones
groseras a cálculos más elaborados. Una primera estimación de la longitud inte-
gral, muy aproximada, es considerar directamente su valor como una fracción (un
orden de magnitud inferior) de la dimensión característica del problema . Otra
posibilidad es utilizar correlaciones empíricas (disponibles en la bibliografía) que
a partir del nivel de turbulencia y del tipo de flujo estudiado proporcionan valores
de referencia. Si se dispone de datos experimentales, como por ejemplo trazas ins-
tantáneas de velocidad similares a las de la figura 10.1, se puede calcular de una
manera bastante afinada el valor de la escala a partir de de la función de autoco-
rrelación:
∞
u′(t ) u′(t + τ )
L = u ∫ ACF ( τ )d τ donde ACF ( τ ) = [10.26]
0 u′2
Otra posibilidad muy práctica es realizar una simulación preliminar RANS con
un modelo de dos ecuaciones k-épsilon (v. apartado 10.6.4.2), que resuelve las ecua-
ciones de transporte para la energía cinética turbulenta k y la tasa de disipación vis-
cosa ε. De esta forma, al disponer de los campos de ambas variables en todo el
dominio, se puede obtener una estimación de la distribución espacial de la escala
integral según:
32
L=k ε [10.27]
con la ventaja añadida de poder hacer un mallado adaptativo por zonas, ajustado
según 10.25 a los valores locales de la escala integral.
Respecto al paso temporal a utilizar en LES, es necesario garantizar que sea lo
suficientemente pequeño para capturar los tiempos característicos de las escalas
que se van a resolver. Para tener una buena descripción temporal, el paso tempo-
ral debería ser entre 15 y 20 veces inferior a la escala temporal de la fluctuación de
esos vórtices. De esta manera, el tiempo característico de esas escalas se define
como el ratio entre las escalas espaciales y el nivel de turbulencia de la velocidad,
es decir:
1 1 lc
∆t LES ∼ t vórtice ≈ [10.28]
15 15 ulc
Haciendo uso de la restricción espacial, lc L ≈ 0,16, y de la condición de cascada

de energía en el subrango inercial, ul3c lc−1 ≈ U 3 L−1 , tras un poco de álgebra se
obtiene que
23
0,16 L
∆t LES ≈
15 U
Por último, introduciendo el número de Reynolds de las escalas integrales,

ReL = UL ν , y teniendo en cuenta que ReL ∼ Re , es posible determinar el paso
temporal únicamente en función del número de Reynolds del flujo y de la escala de
longitud integral:
23
0,16 L2
∆t LES ∼ [10.29]
15 ν Re
La ecuación 10.29 evidencia que cuanto mayor sea el número de Reynolds, más
pequeño ha de ser el paso temporal a utilizar, aunque al menos el número de Rey-
nolds no está elevado a ninguna potencia. Por el contrario, cuanto mayor sea la
escala integral, el paso temporal se puede hacer notablemente mayor (varía cuadrá-
ticamente).
Combinando 10.25 y 10.29 se puede obtener la relación existente entre la discreti-

zación espacial y la temporal. De forma aproximada sería (para el 80% de la energía):
⎛ ∆x ⎞ 13
⎜ ⎟ ∼ 0,16 U [10.30]
⎝ ∆t ⎠LES
con lo que se cumple el criterio de Courant para las escalas resueltas, ya que
13
0,16 < 1.
10.5.2. Tratamiento de las subescalas de malla

En la ecuación 10.21 quedaba pendiente la modelización de las tensiones del tensor
de la subescala, o tensiones SGS. Puesto que este tensor comprende el efecto de las
escalas pequeñas sobre las ecuaciones de transporte, escalas que son en principio
isotrópicas, la modelización es relativamente sencilla.
La mayoría de los modelos se basan en el empleo de una viscosidad artificial
(eddy viscosity models) que tiene como hipótesis fundamental que las fluctuaciones
son isotrópicas y determinadas de alguna manera por los gradientes de las fluctua-
ciones filtradas, mediante una viscosidad artificial, μt. Esos gradientes vienen defini-
dos por el denominado tensor promedio de deformaciones (mean strain rate
tensor) como:
1⎛
⎜
∂vi ∂v j ⎞
⎟
Sij = ⎜ + [10.31]
2⎝ ∂x j ∂xi ⎟
⎠
Existen otros modelos complementarios a los basados en el empleo de una visco-

sidad artificial, tales como los modelos de mezcla o los modelos dinámicos, que
presentan una complejidad superior para tener en cuenta efectos de transición y
mejorar la descripción de la disipación. A continuación se presenta la formulación
de los modelos más empleados en la bibliografía.
Modelo de Smagorinsky-Lilly
Es un modelo algebraico simple (de cero ecuaciones) que no requiere la resolución

de ninguna ecuación de transporte adicional. Este modelo, desarrollado por Smago-
rinsky (1963) y Lilly (1966), calcula directamente las tensiones SGS a partir de las
variables filtradas (calculadas) mediante 10.31, con la siguiente formulación:
1
τ ij − τ kk δij = μsgs Sij [10.32]
3
donde τkk representa la suma de la diagonal principal (τ kk = τ xx + τ yy + τ zz ), δij es

la delta de Kronecker, que vale 1 cuando i = j y 0 en el resto de las situaciones y μsgs
es la viscosidad artificial que se calcula como:
2
μsgs = −2 (Cs ∆ ) S [10.33]
donde S = (2 Sij Sij ) , el filtro ∆ se calcula según 10.17, y la constante Cs es un

12
valor predeterminado que varía entre 0,1 y 0,2. Dicho valor se puede calcular supo-
niendo que se tiene un rango inercial en el espectro de la energía según la ley –5/3 de
Kolmogorov, resultando Cs = 0,18.
Este modelo se basa en que existe equilibrio local en la subescala (es decir, sólo
hay producción-disipación local en la subescala, no se permite el transporte de ener-
gía cinética turbulenta en la submalla). Además, no existe un valor de Cs universal,
depende del tipo de flujo, y puede presentar problemas con los flujos de transición y
los efectos de pared.
Otros modelos disponibles en la literatura

c Modelo WALE (Wall-Adapting Local Eddy-Viscosity model), que es una modifi-
cación del modelo de Smagorinsky para tener en cuenta la estructura del flujo
cerca de las paredes. Mejora el comportamiento de la viscosidad artificial en las
paredes, pero sigue sin poder resolver problemas de no equilibrio ni transporte
de turbulencia en la subescala.
c Modelo dinámico de subescala (DSGS). Este modelo, introducido por Germano
(1991), es una modificación del modelo de Smagorinsky-Lilly que proporciona
un cálculo dinámico de la constante Cs, permitiendo superar los problemas del
modelo de Smagorinsky (flujos de transición y efectos de pared). La constante se
calcula localmente a lo largo del tiempo mediante un procedimiento que usa dos
fases de filtro en modo predictor-corrector.
c Modelo de transporte de energía cinética. Es un modelo de una ecuación que
resuelve el transporte de la energía cinética turbulenta de la submalla, definida
(
como ksgs = 0,5 vkk2 2
− vkk ). Desarrollado por Kim (1997), esta formulación
permite resolver el transporte de los vórtices más pequeños por el flujo prome-
dio, pero a costa de introducir una nueva ecuación de transporte que debe
resolverse. Introduce constantes que, como en el modelo dinámico, se ajustan
dinámicamente usando el campo de velocidades resuelto.
10.5.3. El problema de la pared: técnicas híbridas

Cerca de los contornos, los requisitos de la técnica LES para poder resolver el 80%
de la energía cinética turbulenta se vuelven mucho más restrictivos debido a la
estructura vortical del flujo en la capa límite (recuérdese el apartado 8.3.3). En reali-
dad, la complejidad surge de la región interior (inner layer) de la capa límite, en la
que es necesario mantener una extrema densidad de malla para poder describir las
dinámicas de los torbellinos importantes, que son del orden del y+.
Se distingue, por tanto, entre las necesidades de mallado para la región externa y
para la región interna de la capa límite. En la zona exterior, la longitud de escala
integral es lógicamente el espesor de la capa límite, δ, cuyo valor además es práctica-
mente independiente del número de Reynolds. Es posible deducir que el número de
puntos necesarios para describir esa capa es del orden de N Ω ∼ Re 0,4 . Asimismo,
sumando la discretización temporal, que en este caso es únicamente del orden de
N t ∼ Re 0,2 , se obtiene una estimación total del tiempo de cálculo para la capa
externa que escala con N externa ∼ Re 0,6 .
Por el contrario, en la zona interna las escalas importantes vienen prefijadas por
la velocidad de fricción, con un orden de magnitud característico
( )
12
uτ = τ pared ρ ∼ Re 0,9
Puesto que la distribución de la malla debe permanecer constante para poder captu-
rar las estructuras tridimensionales del flujo en la pared, cuyo tamaño es del orden
del valor del y+ (según la ecuación 8.7, y + = yu τ ν ∼ 1), el orden de magnitud de la
resolución espacial resulta ser N Ω ∼ Re1,8 (en la dirección normal, que tiende a la
estructura externa, se relaja esta restricción). Agregando la restricción temporal, que
en este caso se estima en N t ∼ Re 0,6 (en función de los ciclos de la turbulencia
interna), el coste computacional de dicha capa escala con N interna ∼ Re 2,4 .
Nótese que la combinación del coste computacional de ambas capas resulta ser
nuevamente del orden de una simulación DNS. Únicamente para números de
Reynolds bajos o moderados (hasta 104-105), mediante supercomputadores y con
pocos contornos sólidos, es posible abordar un simulación LES que tenga en cuenta
el efecto de pared directamente. A este tipo de simulaciones se les denomina habi-
tualmente WRLES o LES-NWR (Wall-Resolved o Near-Wall Resolved). Para poder
aplicar esta aproximación es preciso asegurar que y+ < 1. Además, para resolver la
mayor parte de la energía (el 80%) se requiere no sólo un mallado muy fino perpendi-
cular a la pared, sino también en el resto de las direcciones. Como norma aceptada, se
utilizan unos valores de referencia de x+ 50 − 150 (en la dirección de la corriente)
y z + 15 − 40 (por unidad de ancho). En caso de que no se pudiera llegar a malla-
dos tan refinados, únicamente se podría capturar el 50% de la energía turbulenta en la
capa límite, por lo que se estaría resolviendo lógicamente un VLES-NWR.
Sin embargo, para la mayoría de las aplicaciones prácticas es mucho más reco-
mendable, en términos de coste y precisión de resultados, introducir un modelado
de la pared en la simulación LES. Existen varias posibilidades para ello:
c Modelo WMLES (Wall-modelled LES). En este caso se trata sencillamente de

implementar un modelo de pared (función logarítmica de pared). Esta metodo-
logía está basada en el mismo tratamiento de pared que se hace en los modelos
RANS (v. subapartado 10.6.6), en la que se sustituye el cálculo de la capa límite
por una ley de pared preestablecida. En este caso, se pueden adoptar valores de
y+ > 11,225, con el consiguiente ahorro computacional. Habitualmente, se utili-
zan valores de y+ 20 − 150.
c Modelo de dos capas. Otra posibilidad, con el objeto de no prefijar la capa límite
por completo, es la de resolver las ecuaciones de la capa límite en la zona próxi-
ma a la pared (sólo la región interna) utilizando un modelo de turbulencia tipo
RANS. Fuera de esa zona se resuelven las ecuaciones filtradas con el modelo LES
(con un coste computacional únicamente de N externa ∼ Re 0,6 ).
c Técnicas DES (Detached Eddy Simulation). El siguiente paso es resolver la totali-
dad de la capa límite (región interna y externa) mediante un modelo de turbulen-
cia RANS, permitiendo el acople de ese modelo con las ecuaciones filtradas LES
que resuelven únicamente las zonas interiores del dominio. La zona de cambio
viene fijada por la propia malla, que es la que determina en qué punto se pasa de
un tipo de aproximación a otra. Normalmente, como modelo RANS se utiliza un
modelo de una ecuación (Spalart-Allmaras). Este tipo de técnicas, conocidas tam-
bién como híbridas, presentan la importante ventaja de que aúnan las mejores
características de ambas aproximaciones: aprovechan las contrastadas habilidades
de los modelos tipo RANS para resolver capas límites finas, no desprendidas y
cambian a una aproximación LES para resolver regiones de flujo separado, muy
vortical y turbulento. Así, en la zona RANS se resuelve un modelo de turbulencia
convencional que pasa a ser SGS en la zona LES mediante un sencillo artificio
matemático:
d = min⎡
⎣ d , CDES ∆ ⎤
⎦ [10.34]
donde d es la distancia a la pared y CDES∆ establece el valor de referencia en

10.33 para aplicar el Smagorinsky-Lilly en el modelado SGS. De esta forma,
próximos a la pared (d ∆) se tiene que d = d (RANS) y, lejos de la pared
(CDES ∆ < d) se tiene que d = CDES ∆ (LES).
El principal problema de las técnicas híbridas es que la separación entre RANS y
LES viene determinada por el tamaño de la malla. Puesto que la malla se define
apriorísticamente, es muy importante (y muy difícil) definir una malla de partida
que consiga hacer el cambio de RANS a LES donde realmente interese (en la
frontera de la capa límite). Para tratar de superar este problema, se han desarro-
llado recientemente las técnicas DDES (Delayed DES) que permiten utilizar
mallas ambiguas en las que se protege la capa límite modificando el valor de la
longitud d.
10.5.4. Condiciones iniciales y de contorno
Puesto que la simulación LES resuelve los torbellinos no estacionarios y tridimen-

sionales de la escala integral, parece obvio que la contribución de estas escalas en las
condiciones de contorno debería tenerse en cuenta. Sin embargo, este tipo de infor-
mación no está disponible normalmente, puesto que lo habitual es conocer única-
mente los valores medios en dichas condiciones, y con suerte, el nivel total de la
fluctuación (p.ej., intensidad de la turbulencia).
Esto es particularmente crítico en la condición de contorno a la entrada, por
ejemplo en el caso de un perfil de velocidad entrante al dominio. Para poder resol-
ver correctamente el decaimiento o la interacción de la turbulencia arrastrada por
el flujo de entrada con las estructuras del flujo aguas abajo, es importante especifi-
car unas escalas turbulentas realistas en la entrada. Existen un par de métodos
aproximados que logran superponer al perfil promedio diferentes fluctuaciones
(en distribución espacial y variación temporal) generando un campo aleatorio
vortical. Son los métodos conocidos como sintetizador espectral y método de vór-
tices, que básicamente incorporan modos de oscilación adicionales al valor medio
(modo cero).
En el caso de condiciones de salida y condiciones periódicas, la definición de las
variables en las mismas ya no es crítica. Así, respecto a la condición de periodicidad,
únicamente se ha de cumplir que la distancia entre ellas sea mayor que la longitud
de onda de la estructura vortical más grande del flujo. Esto se cumple habitual-
mente, pues la periodicidad la fijan directamente las dimensiones características del
flujo, que salvo en caso de fenómenos de amplificación, son del orden de la escala
integral o mayor que ella. Para las condiciones de salida, es especialmente crítico
asegurar que no se colocan en posiciones donde haya flujos de recirculación, de
modo que se reprodujese el problema de la condición de entrada. Asegurando que
se sitúan en zonas de flujo desarrollado, basta con imponer condiciones convectivas
típicas para implementarlas correctamente.
Finalmente, en relación con las condiciones iniciales, simplemente hay que
recordar que no son importantes cuando lo que se busca en la simulación es la solu-
ción estadística del problema en condiciones de flujo estacionario (el caso habitual).
Ahora bien, utilizar unas condiciones iniciales realistas (con escalas turbulentas ya
integradas y no sólo valores medios) puede ayudar a reducir sustancialmente el
tiempo de simulación hasta llegar a ese estado estacionario. Por lo tanto, es reco-
mendable inicializar el dominio de cálculo mediante, por ejemplo, un método
espectral para acelerar el transitorio del proceso iterativo.
10.6 Modelos de turbulencia para las ecuaciones RANS

La turbulencia se caracteriza por las fluctuaciones aleatorias que se superponen al
valor promedio (estadístico). En la aproximación RANS se introduce un prome-
diado temporal a las variables con el objeto de separar el valor medio de la parte
fluctuante. Para que esta operación tenga sentido estadístico (y físico), el tiempo de
promedio tiene que ser mucho más grande que el período característico de las fluc-
tuaciones turbulentas de la escala integral.
Esta aproximación encaja muy bien con la filosofía del I-CFD, puesto que en las
aplicaciones ingenieriles lo habitual es estar interesado en los efectos del flujo
medio, más que en los detalles de las fluctuaciones. Es importante notar que al
hablar de flujo medio (mejor sería hablar de “promedio”), hacemos referencia a la
parte de la variable sin fluctuaciones turbulentas, cuyo valor no tiene por qué ser
necesariamente estacionario. De hecho, las ecuaciones de gobierno promediadas
mantienen la derivada temporal, por lo que de forma genérica, el valor promedio
puede ser perfectamente no estacionario (en este caso se denominan aproximacio-
nes URANS, es decir, Unsteady-RANS).
Con esta aproximación, los flujos turbulentos se resuelven a partir de las ecuacio-
nes promediadas en el tiempo. Al aplicar este promedio sobre las ecuaciones de
flujo, ecuación 3.12 en caso incompresible, se obtiene un nuevo conjunto de ecua-
ciones que pasan a describir las variables promediadas, pero que además contienen
promedios de los productos de las componentes fluctuantes de la velocidad. Estos
productos, las ya mencionadas tensiones de Reynolds, tienen que modelarse para
poder cerrar el sistema de ecuaciones.
Existen varias maneras de llevar a cabo los promedios: promedios temporales,
promedios muestrales (ensemble), promedios espaciales o promedios másicos. En
este caso, nos centraremos en los promedios temporales (continuos) y en los mues-
trales (discretos).
10.6.1. Filtrado temporal. Propiedades
El promedio temporal descompone cada variable instantánea en la suma de un valor

promedio y de una fluctuación, según la formulación ya avanzada en 10.12. Este
promedio, planteado sobre una variable continua como la velocidad, resulta:
1 t +T
u ( x , t ) = ∫ u ( x , t ) dt [10.35]
T t
En el caso de tener N medidas de una variable (por ejemplo, en el caso de la

figura 10.1 se tendrían dos medidas de la traza de velocidad), tras haber realizado N
experimentos idénticos, es muy útil calcular el promedio muestral como:
N
1
u ( x , t ) = lim
N →∞ N
∑un ( x , t ) [10.36]
n=1
donde al tener un número discreto de medidas (N) la integral se sustituye por un

sumatorio, y al ser muestras idénticas de un mismo fenómeno se cumple que
u ( x , t ) = un ( x , t ) . Como no siempre se dispone de un número infinito de medidas,
siempre hay que determinar el número mínimo representativo con el que u ( x , t )
ya es casi estadísticamente invariable (v. figura 10.10).
Ambos tipos de promedios (o filtrados) ofrecen una serie de propiedades intere-
santes. Así, para dos variables (ya sean continuas o discretas), promediadas según
u = u + u′ y v = v + v′, al ser el filtrado temporal un operador lineal, se cumplen
las siguientes relaciones aritméticas:
u′ = v′ = 0; u +v = u +v; uv = u v + u′v′
uv = uv ; u′v = 0; u = u; v =v [10.37]
∂u ∂u
∂s
=
∂s
; ∫ u ds = ∫ u ds; ∇⋅ ( ∇u ) = ∇⋅ ( ∇u )
Si la variable fuese vectorial, v = v + v′, entonces también se cumpliría que:
∇⋅ v = ∇⋅ v ; ∇⋅ (uv ) = ∇⋅ (uv ) = ∇⋅ (uv ) + ∇⋅ (u′v′) [10.38]
Trazas instantáneas de N experimentos

n=1
u
n=2
n=3
... ... ...
n=N
+ t
u
Promedio muestral
Figura 10.10 Promediado muestra-a-muestra (ensemble) de varias tra-

zas de velocidad.
Ecuaciones de Navier-Stokes promediadas temporalmente: ecuaciones RANS
La aplicación del operador promedio sobre la ecuación vectorial 3.12 conduce a la

siguiente expresión:
∂vi 1
∂t
( ) ( )
+ ∇ vi v j + ∇ v′i v′j = − ∇ p + ∇ ( ν∇vi )
ρ
[10.39]
donde el subíndice i representa cada una de las componentes espaciales y el pro-

ducto vi v j es la notación para indicar que la componente i está multiplicada por el
resto de las componentes. Nótese que se han utilizado las diversas propiedades de
los promedios definidas en 10.37 y 10.38. Como siempre, reordenando la ecuación
se recupera la ecuación de transporte general, pero expresada para la variable pro-
mediada. El peaje que debe pagarse por introducir este operador es la aparición del
término en fluctuaciones de velocidad:
∂vi 1 1
∂t
( )
+ ∇ vi v j = −
ρ ρ
(
∇ p + ∇ ( ν∇vi ) − ∇ ρv′i v′j ) [10.40]
Convectivo Difusivo Tensiones
Temporal Fuente de Reynolds
(presión)
El término adicional, conocido como tensiones de Reynolds, proporciona seis

incógnitas nuevas al problema:
τ xx = −ρu′2 ; τ yy = −ρv′2 ; τ xx = −ρw′2

[10.41]
τ xy = −ρu′v′; τ xz = −ρu′w′; τ yz = −ρv′w′;
donde (u, v, w) representan las tres componentes de la velocidad. Nótese que el ten-
sor de tensiones tiene simetría diagonal por lo que τxy = τyx, τxz = τzx y τyz = τzy. La
ecuación anterior se expresa de forma compacta como:
τij = −ρv′i v′j [10.42]
El cierre del problema exige la modelización de esas incógnitas; esto es, habrá
que relacionarlas (de una forma u otra, más simple o más compleja) con las incógni-
tas ya existentes; es decir, con la parte promediada de las variables (v. 10.6.2 a 10.6.5
para conocer las posibilidades típicas). Finalmente, conviene también recordar que
cualquier otra variable escalar turbulenta (temperatura, presión, concentración,
etc.), incorpora un término adicional con producto de fluctuaciones en la ecuación

de transporte:
∂ρφ
∂t
( ) ( )
+ ∇ ρφ v j = ∇ Γ φ ∇φ − ∇ ρφ′v′j + Sφ ( ) [10.43]
tensiones
adicionales
donde
∂ ( ρu′φ′) ∂ ( ρv′φ′) ∂ ( ρw′φ′)
(
∇ φ′v′j = ) ∂x
+
∂y
+
∂z
10.6.2. Hipótesis de Boussinesq
En el caso de fluidos newtonianos, la Mecánica de Fluidos clásica establece que existe

una relación lineal entre el tensor de tensiones viscosas y el tensor de deformaciones
en el seno del fluido. Esta evidencia, encontrada por Navier y Poisson para casi todos
los líquidos y gases, permite generalizar la ley de Newton que relaciona los esfuerzos
cortantes con los gradientes de velocidad (deformación) mediante la viscosidad mole-
cular del fluido:
⎛ ∂v ∂v j ⎞
τ ijvisc = 2 μeij = μ⎜
⎜ ∂x
i
+ ⎟
⎟
[10.44]
⎝ j ∂xi ⎠
Basándose en esta idea, Boussinessq propuso en 1877 que debía existir alguna
analogía entre la interacción de las tensiones viscosas y de las tensiones de Reynolds
con el flujo promedio. Constatando que las tensiones turbulentas aumentan cuando
se incrementan las componentes del tensor promedio de deformaciones, ideó que
las tensiones de Reynolds debían estar ligadas con el tensor Sij (ecuación 10.31) por
medio de un coeficiente de viscosidad artificial o turbulenta (eddy viscosity):
⎛ ∂v ∂v ⎞
⎜ i + j ⎟= 2 μt Sij
τ ij = −ρv′i v′j ≈ μt ⎜ [10.45]
⎟
⎝ ∂x j ∂x i ⎠
siendo μt un factor de proporcionalidad que puede ser un valor constante o una función
(o modelo) que cambie a lo largo del dominio. Lógicamente, también se puede expresar
como una viscosidad cinemática turbulenta según νt = μt ρ. Por analogía, el trans-
porte turbulento de calor, masa u otra variable escalar se define de manera similar, supo-
niendo que el transporte turbulento del escalar es proporcional a los gradientes del valor
medio de la variable transportada a través de una difusividad turbulenta, Γt , es decir:
∂φ
−ρv′i φ′ ≈ Γt [10.46]
∂xi
Habitualmente, el valor de la difusividad turbulenta se da en función de su

cociente respecto de la viscosidad turbulenta como σ t = μt Γt . Puesto que este
mecanismo de mezcla es similar al de momento, se suelen adoptar valores de σt
próximos a la unidad.
La implicación física de esta hipótesis es que el efecto de las tensiones adicionales
de Reynolds se sustituye por la contribución de una viscosidad turbulenta adicional,
μt, que se suma a la viscosidad molecular, μ. De esta forma, es como si el fluido, al
estar en régimen turbulento, tuviera de forma efectiva una mayor viscosidad. Este
artificio se corresponde con la idea perfectamente contrastada de que la turbulencia
favorece la mezcla y la difusión del flujo.
En su concepción original, Boussinesq adoptó para μt un valor constante, elec-
ción que sólo proporciona buenos resultados en casos muy concretos, relacionados
con flujos libres (sin efectos de pared) como chorros axisimétricos y chorros 2-D o
capas de mezcla. Años más tarde, Prandtl (1925) introduciría el concepto de longi-
tud de mezcla, tratando de adaptar la idea de la viscosidad artificial a esos efectos de
la capa límite en los contornos sólidos. Este modelo de longitud de mezcla (y otros
derivados de él) describen las tensiones por medio de una sencilla relación alge-
braica para μt en función de la posición, razón por la cual se denominan modelos de
cero ecuaciones (v. subapartado 10.6.3).
En los modelos algebraicos, el siguiente paso natural es introducir algún tipo de
ecuación diferencial adicional, por ejemplo para el transporte de la energía cinética
turbulenta. Es el caso del modelo de Spalart-Allmaras, principal exponente de los
modelos de una ecuación, en el que se resuelve una viscosidad turbulenta modifi-
cada. Sin embargo, la opción más habitual es la de utilizar modelos de dos ecuacio-
nes, como el clásico modelo k-épsilon, un modelo más sofisticado que permite la
descripción de las propiedades turbulentas básicas: la energía cinética turbulenta, k,
y la tasa de disipación viscosa, ε. Se introducen dos ecuaciones de transporte para
cada una de estas variables, que se encuentran relacionadas con la viscosidad turbu-
lenta por medio de su cociente adimensional. Este modelo y sus variantes (k-omega)
siguen siendo hoy día los modelos de partida básicos y los más empleados en simu-
laciones de tipo industrial.
Todos los modelos anteriores se basan en la hipótesis de Boussinesq, la cual supone
implícitamente que la viscosidad turbulenta μt es isotrópica (la relación entre la tensio-
nes de Reynolds y el tensor promedio de deformación es la misma en todas las direccio-
nes). Por esta razón, se engloban todos ellos bajo la denominación de modelos lineales
de viscosidad turbulenta (Eddy Viscosity Models, EVM). Aunque válida en un buen
número de situaciones, esta hipótesis pierde validez en situaciones de flujos tridimen-
sionales, con mucha separación y gradientes de presión extremadamente adversos.
Cuando la hipótesis de Boussinesq no sea válida, será preciso definir ecuaciones
de transporte para cada una de las seis tensiones de Reynolds en 10.41. La cantidad
de momento fluctuante (turbulento) de las partículas de fluido también es transpor-

tado por el flujo promedio, por lo que es perfectamente razonable plantear en este
caso una ecuación de transporte para cada una de ellas. Lógicamente, al necesitar
una ecuación de transporte para cada tensión, el coste computacional de estos
modelos de tensiones de Reynolds (RSM), o modelos de segundo orden, es notable-
mente superior a los EVM. Esto implica que su utilización frente a los anteriores
debe estar bien justificada en términos de precisión y tiempo de cálculo. Los térmi-
nos de difusión, disipación y deformación por la presión que aparecen en las ecua-
ciones de transporte son desconocidos a priori, por lo que será necesario hacer
algún tipo de suposición sobre su comportamiento en el sistema. Todos estos extre-
mos se detallan más adelante en el subapartado 10.6.5.
A continuación se presentan brevemente cada uno de los modelos, en su versión
para flujo incompresible. Más detalles sobre su implementación o su formulación
para flujo compresible se pueden encontrar en la bibliografía referenciada.
10.6.3. Modelo de longitud de mezcla de 0 ecuaciones
Históricamente se puede considerar como el primer modelo de turbulencia, pro-

puesto por Prandtl en 1925. Su idea se basa en considerar la distancia media, per-
pendicular a la capa de cortadura (figuras 10.2 y 10.3), a lo largo de la cual una
partícula pierde su cantidad de movimiento turbulento y adquiere la velocidad
media de su nueva posición. Aplicando el análisis dimensional, es inmediato esta-
blecer la relación existente entre la viscosidad turbulenta y las escalas características
de longitud y velocidad de flujo según:
νt cϑ [10.47]
donde c es una constante de proporcionalidad. Además, se acepta que la mayor

parte de la energía cinética turbulenta está contenida en las escalas integrales, del
orden de la longitud característica del flujo , y transportadas según la diferencia de
velocidades entre las capas, por lo que la relación entre velocidad característica y
longitud de escala debe ser proporcional al gradiente de velocidad ( ∆u entre capas)
en la dirección normal. O lo que es igual:
ϑ ∂u
c′ [10.48]
∂y
siendo c´ una constante y habiendo tomado el valor absoluto del gradiente para ase-
gurar que la escala de longitud característica es siempre positiva. Combinando 10.47
y 10.48 y expresando para la viscosidad dinámica, en lugar de la cinemática, se

obtiene:
2 ∂u
μt = ρ m
[10.49]
∂y
Este tipo de modelo funciona correctamente en casos sencillos bidimensionales

donde únicamente la tensión de Reynolds τ xy =−ρu′v′ es significativa gracias al
único gradiente medio de consideración: ∂u ∂y . Bajo ese supuesto, el tensor de ten-
siones se reduce únicamente a considerar:
2 ∂u ∂u [10.50]
τ xy = ρ m
∂y ∂y
Asimismo, en la ecuación 10.49, la longitud de mezcla viene dada por la sencilla

relación de distancia a la pared, m = κy, donde κ = 0,41 es la constante de Von
Kàrman. En la tabla 10.2 se resumen los valores de las longitudes de mezcla para los
flujos de cortadura bidimensionales más habituales (figura 10.3).
Este modelo es fácil de implementar y proporciona buenas predicciones para
flujos de cortadura libres. Sin embargo, resulta bastante inexacto para flujos en la
capa límite. Para esas situaciones, se ha generalizado el modelo dividiéndolo,
introduciendo expresiones distintas de la viscosidad cinemática turbulenta para
Tabla 10.2 Longitudes de mezcla para flujos turbulentos bidimensionales (tomado de Versteeg y
Malalasekera, 2007).
Longitud característica
Tipo de flujo Longitud de mezcla A m
(integral), L
Capa de mezcla
0,07 L Ancho de la capa
(mixing layer)
Chorro 0,09 L Semiancho del chorro
Estela 0,16 L Semiancho de estela
Chorro axisimétrico 0,075 L Semiancho del chorro
Tuberías y canales Radio de tubería o semian-

L[0,14 – 0,08(1 – y/L)2 – 0,06(1 – y/L)4]
(flujo desarrollado) cho del canal
Capa límite sin κy[1 – exp(–y+/26)] (capa interna)

Espesor de la capa límite, δ*
gradiente de presión 0,09 L (capa externa)
las regiones internas y externas de la capa límite. Es el denominado modelo de

Cebeci-Smith (1974):
νtinterna = ρ 2
m∇ × v si y < yc
[10.51]
∗
νtexterna = 0,0168 ρ ue δ F si y > yc
donde m en la capa interna se toma el de la tabla 10.2 (corrección de Van Driest,

1956), ue es la velocidad externa a la capa límite y F es un−1factor de intermitencia
del límite de la capa límite de la forma: F = (1 + 5,5( y δ)6 ) .
Debido a la incertidumbre del cálculo de la velocidad externa ue , Baldwin y
Lomax (1978) propusieron un valor alternativo para la capa límite externa:
νtexterna = 0,0168 β F ymax Γ max [10.52]
−1
siendo ahora β = 1,6, F = (1 + 5,5( αy y max )6 ) con α = 0,3 y
Γ max = y⎡
⎣1 − exp(− y 26 ⎤
+
⎦∇ × v
10.6.4. Modelos de viscosidad artificial (Eddy Viscosity Models, EVM)

Con el propósito de corregir los defectos de los modelos anteriores, se han desarro-
llado toda una serie de modelos (de una o dos ecuaciones) que asignan a μt una
expresión que depende de algún tipo de ecuación de transporte adicional.
La idea de fondo es generalizar la ecuación 10.45, introduciendo un sumando
⎛2 ⎞
adicional ⎜ ρk δij ⎟ en dicha relación lineal constitutiva, para preservar el álgebra
⎝3 ⎠
tensorial en la ecuación de transporte de k. De esta forma, se fija ahora que:
⎛ ∂v ∂v ⎞
⎜ i + j ⎟− 2 ρk δij
τ ij = −ρv′i v′j ≈ μt ⎜ [10.53]
⎟
⎝ ∂x j ∂x i ⎠ 3
donde k es la energía cinética turbulenta, expresada como la semisuma de la diago-

nal principal del tensor de Reynolds:
k=
1
2
1
(
ρv′k v′k = ρu′2 + ρv′2 + ρw′2
2
) [10.54]
Nótese la importancia del término adicional en la definición de las tensiones de

Reynolds cuando se hace la suma de 10.53 a lo largo de la diagonal principal:
⎛ ∂u ∂ v ∂w ⎞ ⎛ 2 ⎞
τ xx + τ yy + τ zz = −ρu′2 − ρv′2 − ρw′2 = 2 μt ⎜ + + ⎟ − 3⎜ ρk ⎟
−2 ρk
⎝ ∂x ∂y ∂z ⎠ ⎝ 3 ⎠
∇⋅v
Si no se hubiese introducido esa corrección, la energía cinética sería nula (!).

Además, ese sumando garantiza que se cumpla estrictamente la analogía de las ten-
siones de Reynolds con las tensiones viscosas en la diagonal principal: basta com-
probar por ejemplo que para la tensión τxx se cumple exactamente:
∂u
τ xx =−ρu′2 ≈ μt
∂x
Como la hipótesis de Boussinesq considera que la turbulencia es totalmente isotrópi-
ca, las fluctuaciones en todas las direcciones del espacio serán iguales: u′2 = v′2 = w′2 .
Por esta razón se puede estimar un valor de fluctuación turbulenta característico:
3 2k
k= ρu′2 ⇒ u′ ∼ [10.55]
2 3ρ
Los principales modelos que se han construido a partir de esta formulación lineal
e isotrópica utilizan distintas definiciones de la viscosidad turbulenta μt para la
ecuación 10.53. En particular, los más importantes y extendidos son:
c Modelo Spalart-Allmaras: Resuelve una única ecuación de transporte para una
turbulencia viscosa modificada ν que se relaciona con μt según una función:
μt = f ( ν) [10.56]
c Modelo k-épsilon: Resuelve ecuaciones de transporte para la energía cinética

turbulenta k y para la tasa de disipación viscosa ε que se relacionan con μt según
una función:
⎛ ρk 2 ⎞
μt = f ⎜
⎜ ε ⎟ ⎟ [10.57]
⎝ ⎠
c Modelo k-omega: Resuelve ecuaciones de transporte para la energía cinética tur-

bulenta k y para la tasa específica de disipación viscosa ω = ε/k que se relacionan
con μt según una función:
⎛ ρk ⎞
μt = f ⎜ ⎟ [10.58]
⎝ω⎠
Estos modelos se analizan a continuación, con especial detalle en el modelo

k-épsilon dada su importancia y lo extendida de su utilización. Además, se aborda su
aplicación sobre condiciones de contorno, para generalizar al caso turbulento la apli-
cación de la condición de pared que había quedado pendiente en el apartado 8.3.3.
10.6.4.1. Modelo Spalart-Allmaras (S-A)
Este modelo, desarrollado en 1992, es una opción muy atractiva para resolver la tur-
bulencia con un modelo EVM lineal a un bajo coste computacional. La única ecua-
ción a resolver se plantea como:
⎡ ⎛ ∂ν ⎞2 ⎤
∂ν ∂ν 1⎢ ∂ ⎡ ∂ν ⎤ ⎟ ⎥− Yν + Sν
+ vj = Gν + ⎢( μ + ρν) ⎥+ Cb2 ρ⎜
⎜ ⎟⎥
[10.59]
∂t ∂x j σ ν ⎢ ∂x j ⎣ ∂x ∂ x
⎣ ⎢ ⎥
j⎦ ⎝ j⎠⎦
siendo Gv un término de producción de viscosidad turbulenta e Yv un término de

destrucción en las zonas próximas a los contornos sólidos debido al bloqueo de las
paredes y a la disipación viscosa. Además, σ ν y Cb2 son constantes y ν es la viscosi-
dad cinemática molecular. En este caso, como la energía cinética turbulenta no se
calcula, el término adicional que se introdujo en 10.53 se ignora para calcular las
tensiones de Reynolds.
La viscosidad turbulenta se calcula en esta ocasión como:
3
( ν ν)
μt = ρ ν f ν1 con f ν1 ≡ 3
[10.60]
( ν ν) + Cν31
Más detalles sobre la implementación del modelo y la definición de los términos
de producción y disipación se pueden consultar en la bibliografía especializada.
Aquí, su tratamiento está fuera de los objetivos de este capítulo.
El origen de este modelo estaba orientado hacia problemas de aerodinámica y de
flujo en el interior de turbomáquinas con el objeto de estudiar la estructura del flujo
sobre perfiles aerodinámicos con pequeña separación y capas límites controladas.
10.6.4.2. Modelo k-épsilon (k-ε)
El método simple más completo para simular la turbulencia es el que se basa en un

modelo de dos ecuaciones, ya que permite la solución de las velocidades turbulentas
y de las escalas de longitud de forma independiente. De entre toda la familia de
modelos de dos ecuaciones, el modelo k-épsilon (Launder y Spalding, 1972) es el
que más aceptación y utilización ha tenido dentro del ámbito de la I-CFD. Su robus-
tez, economía y razonable precisión para resolver un gran número de flujos turbu-
lentos explican su popularidad para simular flujos industriales y aplicaciones en
transferencia de calor.
Debido a su masiva utilización durante las últimas décadas, han ido surgido dife-
rentes variantes de la formulación original (denominada estándar) que trataban de
mejorar algunos aspectos concretos de su comportamiento. En particular, destacan
los modelos RNG k-ε (Yakhot y Orszag, 1986) y Realizable k-ε (Shih et al., 1995).
El modelo k-ε estándar es un modelo semiempírico que se basa en la modeliza-
ción de dos ecuaciones de transporte para la energía cinética turbulenta, k, y para su
tasa de disipación, ε. La ecuación de transporte para k se obtiene de su ecuación
exacta, mientras que la de ε se deduce a partir de razonamientos físicos y analogías
diversas con la de k. De esta forma, la tasa de disipación turbulenta es la variable que
determina la escala de la turbulencia, siendo k la variable que fija la energía de la tur-
bulencia.
Los modelos k-épsilon han demostrado su gran utilidad en flujos de cortadura
libres, en casos de gradientes de presión relativamente pequeños. Del mismo modo,
para flujos confinados e internos, el modelo proporciona buenos resultados cuando
los gradientes de presión medios son moderados. Además, en la obtención de este
modelo se supone que el flujo turbulento está completamente desarrollado y que los
efectos de la viscosidad molecular son despreciables.
La ecuación de transporte para k se obtiene sumando cada una de las ecuaciones
de Navier-Stokes (3.12), previamente multiplicadas por la componente turbulenta
correspondiente de la velocidad. Aplicando luego la misma secuencia sobre cada
una de las ecuaciones de Reynolds 10.40 y restando estas expresiones de las anterio-
res, es posible, tras mucha álgebra, obtener:
∂ ( ρk ) ∂ ⎡⎛ μ ⎞ ⎤
+ ( ρkvi ) = ∂ ⎢⎜ μ + t ⎟ ∂k ⎥+ 2 μt Sij Sij − ρε [10.61]
∂t ∂x i ∂x j ⎣
⎢⎝ σ k ⎠∂x j ⎦
⎥
donde se ha definido la tasa de disipación viscosa, función del tensor fluctuante de

deformaciones
1⎛ ∂v′i ∂v′j ⎞
s′ij = ⎜ + ⎟
2⎜ ∂
⎝ j x ∂ x ⎟
i⎠
como:
ε = 2 ν s′ij s′ij [10.62]

Además, el término del segundo miembro de la ecuación 10.61 que incluye el

tensor promedio de deformaciones es el término de producción de k: Gk = 2 μt Sij Sij .
Respecto a la ecuación para ε, ésta se establece análogamente como:
∂ ( ρε) ∂ ⎡⎛ μ ⎞ ⎤ 2
+ ( ρεvi ) = ∂ ⎢⎜ μ + t ⎟ ∂ε ⎥+ Cε1 ε Gk − ρCε2 ε [10.63]
∂t ∂x i ∂x j ⎣
⎢⎝ σ ε ⎠∂x j ⎦
⎥ k k
Finalmente, el modelo se completa definiendo una determinada relación para

10.57, de la forma:
k2 [10.64]
μt = ρC μ
ε
Así, asignando una serie de valores predeterminados para las distintas constantes,
que se han obtenido en experimentos con fluidos elementales (aire y agua) en condi-
ciones de flujo turbulento con diversos tipos de capa de cortadura y turbulencia isótro-
pa que decaen libremente, se obtiene la formulación completa del modelo:
C μ = 0,09 Cε1 = 1, 44 Cε2 = 1,92 σ k = 1,0 σ ε = 1,3 [10.65]
Además, con estas constantes, el modelo ha demostrado que predice correcta-

mente los fenómenos turbulentos en una amplia variedad de problemas, tanto en
capas de cortadura libres como en capas límites de contornos sólidos.
Condiciones de contorno en el modelo k-épsilon

La resolución de dos nuevas ecuaciones de transporte para k y ε exige también los
valores frontera de estas variables en las condiciones de contorno. Aquí se analizan
brevemente las condiciones más habituales (presentadas en el capítulo 8) y se com-
pleta la formulación de los términos fuente en las regiones próximas a contornos
sólidos cuando y+ > 11,225.
c Entradas: Se deben fijar los valores de k y ε, que raramente están disponibles, y
que por tanto es necesario estimar de alguna manera. Lo habitual es utilizar otras
variables más intuitivas como la intensidad de turbulencia (Tu) y la longitud
integral característica (L), que se pueden estimar más fácilmente (a partir de la
experiencia o de valores típicos conocidos de formas indirectas) y que se relacio-
nan con las variables fundamentales según:
32
3 2 k
k=
2
(TuU ) ε = Cμ
34
L
[10.66]
donde U representa la velocidad media del flujo. Habitualmente, se fijan valores

de la intensidad de turbulencia entre el 5 y el 10% como valores normales, deján-
dose para valores cercanos a 1−1,5% y 20% cuando se tienen condiciones muy
uniformes o extremadamente turbulentas. Respecto al valor de la escala integral,
se puede adoptar tranquilamente que sea una fracción del valor característico del
fluido, es decir: L ∼ 0,1 .
c Salidas: En estas condiciones, así como en las de simetría, basta imponer que los
gradientes de las variables en la dirección normal al contorno se anulan. Esto es:
∂k ∂ε
=0 =0 [10.67]
∂n ∂n
c Paredes: En función de que la pared sea fija, móvil o tenga una determinada tem-
peratura, será necesario introducir diferentes términos fuente (tanto en las ecua-
ciones de transporte para k y ε como en la de momento para las velocidades) en
las celdas adyacentes a los contornos sólidos, tal y como se avanzó en el subapar-
tado 8.3.3.
En las tablas 10.3 y 10.4 se resumen los distintos términos SC y SP que deben
introducirse en los coeficientes aP y en los términos fuente b de las distintas ecuacio-
nes de transporte a resolver en función de las condiciones de pared:
Tabla 10.3 Valores de SC en función del tipo de pared (tomado de Versteeg y Malalasekera, 2007).
Pared con
Tipo de ecuación Pared fija Pared móvil
temperatura
Ec. de momento (para 1 4 1 2

ρC μ k u pared
velocidad u con pared 0 Apared 0
horizontal) (ec. 3.12) +
u
Ecuación para k τ pared u P 3 4 3 2 +

τ pared u pared + ρC μ k P u
∆V − ∆V 0
(ec. 10.61) ∆y p ∆y P
34 32
Ecuación para ε C μ kP
(ec. 10.63) ⋅1010 0 0
κ ∆y p
1 4 1 2
Ecuación para T ρC μ kP C pTpared
0 0 Apared
(ec. 3.13) +
T
Tabla 10.4 Valores de SP en función del tipo de pared (tomado de Versteeg y Malalasekera, 2007).
Pared con
Tipo de ecuación Pared fija Pared móvil
temperatura
Ec. de momento (para 1 4 1 2 14 12

velocidad u con pared
ρC μ k ρC μ k 0
− +
Apared − +
Apared
horizontal) (ec. 3.12 ) u u
3 4 ∗1 2 +
Ecuación para k ρC μ k P u τ pared
− ∆V ∆V 0
(ec. 10.61) ∆y p ∆y P
Ecuación para ε
−10
10 0 0
(ec. 10.63)
1 4 1 2
Ecuación para T ρC μ kP C p
0 0 − Apared
(ec. 3.13) +
T
+
(T − T ) C
pared P
ρ uτ
siendo T =− , κ = 0,41 es la constante de Von Kàrman y u+ definido según 8.9.
q pared
10.6.4.3. Modelo k-omega (k-ω)
El modelo k-omega, desarrollado por Wilcox (1998), incorpora pequeñas modifica-

ciones en los fundamentos de los modelos k-épsilon para hacerlo más apropiado en
el análisis de flujos turbulentos a números de Reynolds bajos. La ecuación de trans-
porte para k se mantiene con una formulación parecida (se modifican los términos
de producción y disipación) y se incorpora una ecuación de transporte para la tasa
específica de disipación, ω, definida como el cociente entre ε y k (con dimensiones
de T–1).
Se ha demostrado que responde muy bien en condiciones de flujo de transi-
ción, incluso en presencia de gradientes de presión importantes. Además, pre-
senta diferentes submodelos para incluir efectos de compresibilidad y
correcciones a las tensiones de cortadura. Existe un modelo complementario,
introducido por Menter (1994) y denominado SST k-ω para hacer la formula-
ción más robusta en la zona de transición entre la capa límite (donde k-ω pre-
senta buenas prestaciones) y la zona de flujo libre (zona sin turbulencia, bien
calculada ya por k-ε).
Las ecuaciones que definen este modelo son:
∂ ( ρk ) ∂ ⎡⎛ μ ⎞ ⎤
+ ( ρkvi ) = ∂ ⎢⎜ μ + t ⎟ ∂k ⎥+ 2 μt Sij Sij − ρ β∗ f β∗ k ω [10.68]
∂t ∂x i ∂x j ⎣
⎢⎝ σ k ⎠∂x j ⎦
⎥
∂ ( ρω) ∂ ⎡⎛ μ ⎞ ⎤
+ ( ρωvi ) = ∂ ⎢⎜ μ + t ⎟∂ω ⎥+ α ω Gk − ρ β f β ω2 [10.69]
∂t ∂xi ∂x j ⎣
⎢⎝ σ ω ⎠∂x j ⎥
⎦ k
donde el término de producción de k es Gk = 2 μt Sij Sij , al igual que en el modelo k-épsi-

lon anterior. En estas ecuaciones aparecen una serie de constantes α, β y β∗, así como
unas funciones relacionadas con estas constantes, f β y f β∗ , con expresiones matemáti-
cas complejas, pero que pueden ser evaluadas sin problemas. Como es característico de
los modelos EVM, la formulación se completa definiendo una relación para 10.57, en
este caso de la forma:
k
μt = α∗ ρ [10.70]
ω
donde el coeficiente α∗ es una función matemática de corrección, función del número
de Reynolds, y que es responsable de suprimir la viscosidad turbulenta en condicio-
nes de bajo número de Reynolds.
10.6.4.4. Otros modelos no lineales
Existen otros muchos modelos que siguen la filosofía de turbulencia isotrópica y

que, basándose en la hipótesis de Boussinesq, desarrollan algún tipo de formulación
con una viscosidad turbulenta artificial.
Hasta ahora, las diferentes posibilidades que se han analizado aquí, desde rela-
ciones algebraicas simples hasta modelos complejos de una o dos ecuaciones, pre-
sentaban con mayor o menor complejidad un relación lineal entre las fluctuaciones
turbulentas y los gradientes de las variables promediadas (ecuaciones 10.45 y 10.53).
Sin embargo, algunos autores han propuesto relaciones no lineales del tipo:
(
τ ij = −ρv′i v′j ≈ 2 μt F Sij , Ωij ,... ) [10.71]
siendo F una función no lineal en la que intervienen los tensores promedio de defor-
mación y vorticidad,
1⎛ ∂vi ∂v j ⎞ ⎛ ∂v ∂v ⎞
⎟− 2 ρk δij y Ωij = 1⎜ i − j ⎟ .
Sij = ⎜ +
2⎜ ⎟
⎝ ∂x j ∂x i ⎠ 3 2⎜ ⎟
⎝ ∂ x j ∂x i ⎠
Basándose en esta idea, se han desarrollado toda una familia de modelos complejos
que únicamente se citan a continuación:
c Relaciones de constitución explícitamente no lineales, como el modelo k-épsilon
cúbico o el modelo explícito algebraico de tensiones de Reynolds (EARSM).
c Modelo v 2 − f (Durbin, 1995), similar al modelo k-épsilon, pero en el que en
lugar de resolver una ecuación de transporte para k, se resuelve para una escala
de fluctuaciones de velocidad v2 . Además, introduce efectos anisotrópicos en la
proximidad de las paredes mediante una función de relajación elíptica, definida
como f.
10.6.5. Modelos de transporte para las tensiones de Reynolds (RSM)
La última gran familia de modelos de turbulencia que se van a estudiar es el que

corresponde a las ecuaciones de transporte para las tensiones de Reynolds. En la
ecuación 10.41 ya se observó cómo, tras promediar temporalmente, aparecían seis
correlaciones para las tensiones de Reynolds. Los modelos de transporte RSM pro-
ponen definir directamente una ecuación de transporte para cada una de ellas, a
pesar del importante coste computacional asociado a tal procedimiento.
Con esta aproximación es posible reproducir directamente los efectos direccio-
nales del campo de tensiones de Reynolds. Este modelo, introducido por Launder en
1975, es un intento de encontrar un esquema que se ajuste lo mejor posible a la diná-
mica de la turbulencia en situaciones de deformaciones complejas. En esos casos, las
tensiones de Reynolds ya no se pueden predecir razonablemente según 10.53, y es
necesario buscar una alternativa más genérica.
El modelo de transporte de las tensiones de Reynolds (RSM) es el modelo clásico
más complejo, por lo que es habitual denominarlo también como modelo de cierre
de segundo orden. Se caracteriza por considerar un comportamiento anisotrópico
de la turbulencia, resolviendo para ello las ecuaciones de transporte de las tensiones
turbulentas y una ecuación adicional para la tasa de disipación. Esto implica resolver
cinco ecuaciones adicionales en problemas bidimensionales y siete en casos tridi-
mensionales.
La ecuación general a resolver para cada tensión se obtiene a partir de las ecua-
ciones de Navier-Stokes promediadas tras multiplicarlas por unas velocidades fluc-
tuantes. Así, denominando MA(ρ) a la ecuación de conservación de la masa y
MO(vi) a la de momento para cada componente de la velocidad, se pueden deducir
las ecuaciones de transporte para las tensiones de Reynolds como:
v′i ⋅ MO(v j ) + v′j ⋅ MO(vi ) + v′i v′j ⋅ MA( ρ) = 0 [10.72]

Tras mucha álgebra, se llega a la ecuación general de transporte para cada ten-
sión de Reynolds:
(
∂ ρv′i v′j ) ∂
∂t
+
∂x k
( )
ρvk v′i v′j = Pij + Dij − ρεij + Πij + Ωij [10.73]
donde
∂
∂xk
(
ρvk v′i v′j )
es el término convectivo, Cij. Además, cada uno de los términos en el segundo
miembro de la ecuación representa:
c Producción de tensiones de Reynolds (Pij). Contiene tensiones turbulentas genera-
das a costa de la energía media del flujo y como consecuencia de su deformación
media. Este término no necesita posterior modelización ya que viene dado por:
∂vi ∂v j
Pij = −ρv′j v′k − ρv′i v′k [10.74]
∂x k ∂x k
c Difusión de las tensiones de Reynolds (Dij). Este término consta de dos partes.
Un primer término es la difusión turbulenta (fenómeno de transporte por fluc-
tuaciones de velocidad), dado por:
∂ ⎡ ⎤
DT ,ij = −
∂x k ⎢
( )
⎣ ρv′i v′j v′k + p δkj v′i + δik v′j ⎥
⎦
[10.75]
y que necesita modelado posterior. Existe un segundo término, de difusión mole-

cular que no necesita ser modelado:
∂ ⎡ ∂ ⎤
DL ,ij = ⎢μ
∂x k ⎣ ∂x k
( )
v′i v′j ⎥
⎦
[10.76]
c Términos de esfuerzos de presión (Πij). Las fluctuaciones de la presión redistri-

buyen la tensión turbulenta para generar un campo de turbulencia más isotrópi-
co. Su expresión matemática viene dada por:
⎛ ∂v′ ∂v′j ⎞
Πij = p⎜ i
⎜ ∂x + ∂x ⎟
⎟ [10.77]
⎝ j i⎠
Si se expresa según la terminología de una ecuación exacta de Poisson, la

ecuación 10.77 se reescribe en función de tres términos constitutivos:
Πij = Πij,s + Πij,r + Πij,w . El primero es el llamado término lento (slow term),
que representa la tendencia de la turbulencia no isótropa a convertirse en isótro-
pa; el segundo es el denominado término rápido (rapid term), que representa la
“isotropización” del proceso de producción de tensiones; y, finalmente, un tér-
mino de reflexión de la presión en pared. Estos tres términos necesitan de ecua-
ciones de cierre.
c Disipación de la tensión (εij). Este término representa la disipación de la tensión
que ocurre básicamente a las escalas más pequeñas. Su expresión es:
∂v′i ∂v′j [10.78]

εij = 2 ν
∂xk ∂xk
c Rotación de las tensiones (Ωij). Este término describe el transporte por rotación y
se define como:
(
Ωij = −2 ρΩk v′j v′m εikm + v′i v′m ε jkm ) [10.79]
donde Ωk es el vector de rotación y el símbolo εijk es un operador de signos que

vale 1 cuando i, j y k son distintos y en orden cíclico, –1 cuando i, j y k son distin-
tos pero en orden anticíclico, y 0 si algún subíndice se repite.
Para que el modelo RMS quede definido por completo es imprescindible mode-
lar los términos que han quedado pendientes: DT,ij, Πij y εij. A continuación se pre-
sentan las formulaciones implementadas a tal efecto.
Término de difusión, DT,ij
El término que necesita cierre, denominado transporte difusivo de la turbulencia, se
modeliza mediante la generalización de la difusión del gradiente (modelo de Daly y
Harlow, 1970) como:
∂ ⎡ ku′k u′m ∂v′i v′j ⎤

DT ,ij = CS ⎢ρ ⎥ con CS = 0,22 [10.80]
∂x k ⎣
⎢ ε ∂x m ⎦ ⎥
Puesto que la ecuación 10.80 puede derivar en inestabilidades numéricas, es muy

habitual utilizar una relación alternativa mediante una difusión de la turbulencia
escalar, definida como:
∂ ⎡ μt ∂v′i v′j ⎤ k2
DT ,ij = ⎢ ⎥ con μt = ρ C μ y σ k = 0,82; C μ = 0,09 [10.81]
∂x k ⎢
⎣ σ k ∂xm ⎥ ⎦ ε
Término de esfuerzo de presión, Πij

Se ha visto que el sumando Πij de la ecuación 10.73 se subdivide a su vez en otros
tres términos de la forma: Πij = Πij,s + Πij,r + Πij,w . La modelización de cada uno
de esos bloques implica la necesidad de diferentes expresiones de cierre, gracias a
las cuales es posible completar el término total. Así, utilizando una formulación
lineal (también existen formulaciones cuadráticas más complejas para este ten-
sor), se tiene:
ε⎡ 2 ⎤
Πij , s = −C1 ρ ⎢ v′i v′j − δij k ⎥ con C1 = 1,8 [10.82]
k⎣ 3 ⎦
De forma análoga, los otros subtensores se definen como:
⎡ 2 ⎤
⎣
( 3
)
Πij ,r = −C2 ⎢ Pij + Bij + Cij + Ωij − δij ( P + B − C ) ⎥ con C2 = 0,6 [10.83]
⎦
32
ε⎡ 3 ⎤C k
Πij ,w = C1′ ⎢ v′k v′mnk nm δij − v′i v′k n jnk − v′j v′k ni nk ⎥ +
k⎣ 2 ⎦ εd
[10.84]
32
+ C′2⎡ ⎤C k
⎣ Π km,r nk nm δij − Πik ,r n jnk − Π jk ,r ni nk ⎦
εd
donde Cij, Pij y Ωij se definen como ya vimos en 10.73, 10.74 y 10.79; y además
P = 12 Pkk , C = 12 Ckk y Bij y B son términos que se modelizan en derivadas parciales
de temperatura para tener en cuenta efectos de flotabilidad (buoyancy). Las constan-
tes son iguales a C1′ = 0,5, C′2 = 0,3, C = C 3μ 4 κ con κ = 0,41, constante de Von
Kàrman, y habiendo definido a nk como la componente k-ésima del vector normal a
la pared y a d como la distancia normal a la pared.
Término de disipación, εij

El modelo propuesto para el tensor de disipación es:
2
εij = δij ( ρε + YM ) [10.85]
3
donde YM = 2 ρ ε Mat2 es un término adicional de “disipación por dilatación”. Se ha

definido un número de Mach turbulento como Mat = k a 2 , siendo a la veloci-
dad del sonido, y cuyo efecto se aprecia para gases ideales compresibles. Finalmente,
el índice de disipación, como un escalar, se calcula mediante una ecuación de trans-

porte similar a la 10.63:
∂ ( ρε) ∂ ⎡⎛ μ ⎞ ⎤ ⎡ ⎤ 2
+ ( ρεvi ) = ∂ ⎢⎜ μ + t ⎟ ∂ε ⎥+ Cε1⎢ ε Gk + Cε3 Bk ⎥− ρCε2 ε [10.86]
∂t ∂xi ∂x j ⎢⎝
⎣ σ ε ⎠∂x j ⎥
⎦ ⎣k ⎦ k
de constantes σ ε = 1,0, Cε1 = 1, 44, Cε2 = 1,92 y Cε3 que se evalúa en función de la
dirección local del flujo en relación con la dirección de la gravedad.
Llegados a este punto, el modelo RSM está completado. Sin embargo, es habitual
utilizar como opción adicional la de resolver también la ecuación de transporte para
la energía cinética turbulenta, obtenida como semisuma de la diagonal principal del
tensor de tensiones de Reynolds. De esta forma es posible conseguir valores de las
tensiones de Reynolds para las distintas condiciones de contorno del modelo:
∂ ( ρk ) ∂ ⎡⎛ μ ⎞ ⎤
+ ( ρkvi ) = ∂ ⎢⎜ μ + t ⎟ ∂k ⎥+ Gk + Bk − ρε (1 + 2 Mat2 ) [10.87]
∂t ∂x i ∂x j ⎢
⎣⎝ σ k ⎠∂x j ⎥
⎦
El modelo RSM es claramente un modelo muy complejo, desarrollado para supe-

rar las deficiencias inherentes a las suposiciones de los modelos EVM. Evidente-
mente, parecen ser los modelos que mejor puedan capturar la física de los
mecanismos turbulentos, en virtud de su anisotropía, su consideración de efectos de
memoria o el transporte directo de las tensiones de Reynolds. Como contrapartida,
esto exige importantes esfuerzos de modelado para un gran número de términos,
incrementando significativamente las necesidades computacionales y dificultando
la convergencia debido al fuerte acoplamiento entre todas las ecuaciones que inter-
vienen en la resolución.
Su utilización está justificada para flujos tridimensionales complejos, con fuertes
deflexiones y cambios de curvatura en la dirección de la corriente así como cuando la
rotación es un parámetro importante (implícitamente incluida en la definición
10.73). Sin embargo, elegir siempre este modelo por defecto frente a modelos de dos
o una ecuación, no tiene necesariamente por qué dar mejores resultados. Queda en la
decisión del usuario, basada en sus conocimientos o en la experiencia, si es impres-
cindible realizar la simulación con este tipo de modelo de cierre de segundo orden.
Modelo algebraico de tensiones (ASM)

El modelo ASM es un modelo que permite preservar la anisotropía de las tensiones de
Reynolds pero de una forma mucho más económica, sin necesidad de tener que resol-
ver todos los términos de las ecuaciones. En particular, lo que se plantea aquí es evitar
el elevado coste computacional asociado a los gradientes de las tensiones que aparecen
tanto en los términos convectivos como difusivos de las ecuaciones (10.73 a 10.76).
Rodi (1982) propuso la sencilla idea de que eliminando esos gradientes, las ecua-
ciones diferenciales de transporte se transforman en sencillas ecuaciones algebraicas.
A pesar de que esta aproximación proporciona buenos resultados en ciertas condicio-
nes, suprimir completamente esos términos resulta una simplificación demasiado rígi-
da. Por el contrario, parece más conservador considerar que la suma de los términos
convectivo y difusivo de las tensiones de Reynolds son simplemente proporcionales a
la suma de los correspondientes términos convectivo y difusivo de la energía cinética
turbulenta. Esto viene a ser equivalente a afirmar que el ratio entre las tensiones y la
energía turbulenta, v′i v′j k , varía de forma suave a lo largo del flujo en estudio.
Introduciendo esta aproximación en 10.73 y haciendo alguna reordenación de
términos, se obtiene el modelo de tensiones algebraico:
2 ⎛ CD ⎞⎛ 2 ⎞k
Rij = v′i v′j ≈ k δij +⎜
⎜ ⎟
⎟⎜ Pij − P δij ⎟ [10.88]
3 ⎝ C1 − 1 + P ε ⎠⎝ 3 ⎠ε
donde las tensiones de Reynolds aparecen en los dos lados de la ecuación 10.88 (en el
lado de la derecha están incluidas en el término Pij), por lo que esta ecuación consti-
tuye un sistema de seis ecuaciones algebraicas simultáneas para las seis tensiones
incógnitas. El sistema se puede resolver mediante técnicas iterativas si los valores de k
y ε son conocidos, por lo que es necesario resolver este modelo en conjunto con las
ecuaciones k-épsilon estándar (10.61 a 10.64). Las constantes toman los valores de
referencia: CD = 0,55 y C1 = 2,2.
Este modelo, que gozó de cierta popularidad a principios de la década de los
noventa por el ahorro computacional que proporcionaba, ha ido cayendo en desuso
gracias a la mejora de los medios computacionales actuales. De hecho, actualmente el
modelo RSM puede ser fácilmente ejecutado para cualquier tipo de simulación indus-
trial (incluso disponiendo de potencias de cálculo bastante modestas), por lo que no
hace falta introducir ningún tipo de simplificación adicional en la modelización. Es
más, la progresiva generalización de los modelos de viscosidad turbulenta (EVM) para
incluir efectos de anisotropía en sus ecuaciones constitutivas han ayudado también a
que los modelos algebraicos ASM hayan sido aparcados en la trastienda. Tal es así, que
algunos fabricantes de software comercial hace tiempo que han dejado de introducir
este modelo de turbulencia en sus librerías.
10.6.6. El problema de la pared: tratamiento de la capa límite

La compleja estructura del flujo en la capa límite próxima a la pared implica un serio
desafío para cualquier tipo de modelo de turbulencia. Ya se ha visto, a raíz de las
serias limitaciones de las técnicas DNS, que la raíz del problema es la necesidad de
tener un número extraordinario de puntos en la subcapa viscosa. De otra forma, es
imposible capturar la dinámica de las escalas turbulentas que allí se desarrollan. Por
esta razón, las técnicas LES, fundamentadas en la resolución de los torbellinos de
escala característica (en este caso la subcapa), también sufrían de extraordinarias
restricciones, y necesitaban modelos adicionales de pared o modelos híbridos para
aplicar aproximaciones RANS en la zona de la pared.
La idea fundamental, por tanto, es que las escalas turbulentas en los contornos
sólidos son tan pequeñas que el número de celdas necesario se dispara, por lo que la
estrategia más acertada es modelizar la capa límite por completo, en función de
valores promedios (aproximación RANS). Además, en el ámbito de la ingeniería, las
simulaciones rara vez están interesadas en la estructura de la turbulencia, sino en
una buena predicción de los valores integrados (globales) sobre los contornos sóli-
dos, como son las fuerzas de arrastre, las caídas de presión o las pérdidas viscosas.
Haciendo uso de la formulación experimental que rige sobre la estructura de la capa
límite (apartado 8.3.3), se han desarrollado diversos modelos matemáticos para pro-
porcionar condiciones de contorno para las celdas en las paredes de flujos turbulentos.
De esta forma, se introducen condiciones para todas las ecuaciones de transporte a
resolver. Genéricamente, se distinguen dos tipos de aproximación (v. figura 10.11):
c Funciones de pared (Wall Functions, WF). Se basan en la ley logarítmica que se
produce en la zona turbulenta de la región interna en la capa límite (figura 8.6) y
que tiene validez en el rango y+ ∼ 30 a 300. A su vez se definen como de tipo
estándar (SWF) o como de no equilibrio (NWF), que presentan correcciones a la
ley logarítmica original cuando la capa no está completamente desarrollada. En
este caso el mallado a emplear debe ser relativamente basto, puesto que su aplica-
ción es correcta a partir de y+ > 11,225.
c Tratamiento mejorado de pared (Enhanced Wall Treatment, EWT). Combina
el uso de la ley logarítmica (con un ajuste blando a la condiciones en la subcapa
FUNCIÓN DE PARED TRATAMIENTO MEJORADO

ue Zona de flujo externo (SWF & NWF) DE PARED (EWT)
y+ 3 y+ 1
Frontera de capa límite zona capa
turbulenta externa
capa externa
capa totalmente
turbulenta capa capa
(capa logarítmica) interna P interna
subcapa + capa buffer subcapa + P

capa buffer
Pared Pared Pared
Posición del primer punto
Figura 10.11 Tratamiento de la pared en función de la densidad de malla (adaptado de Fluent v6.3
- User's guide, 2006).
viscosa laminar) con el uso de un modelo de dos zonas para resolver la distribu-
ción de la velocidad en toda la capa interna (inner layer). Para aplicar esta opción
es imprescindible tener un mallado muy fino, del orden de y+ ∼ 1, lo cual exige al
menos entre 10 o 15 celdas en la subcapa viscosa.
Puesto que el valor de y+, indicador que discierne cuál de las dos aproximaciones
es la óptima, sólo se puede conocer una vez obtenida la solución, no es mala idea uti-
lizar algún tipo de correlación sencilla que permita anticipar una estimación del
valor de y+ en función del tipo de flujo que se tenga. Esta consideración permite
conocer cuál debe ser la distancia aproximada del primer centroide a la pared para
asegurar un determinado valor de y+. Posteriormente, en función de ese valor, del
tamaño de dominio a cubrir y del tipo de progresividad que se pueda aplicar a la
malla, es inmediato deducir cuál será el número total de celdas del dominio con el
objeto de juzgar si se tienen los medios computacionales necesarios para abordar su
resolución.
Para estimar la posición del primer centroide basta con fijar el valor de y+ que se
quiera (ya sea en torno a 1 o en torno a 30) y despejar el valor real yP de la ecuación
8.7, teniendo en cuenta que la velocidad de fricción uτ definida en 8.8 se iguala en
este caso a
uτ = ue C f 2
donde el coeficiente de fricción medio se estima por aproximación a correlaciones

empíricas:
Cf
Placa plana (flujo externo): ≈ 0,037 Re−
L
0,2 [10.89]
2
Cf
Conducto (flujo interno): ≈ 0,039 Re−
D
0,25
[10.90]
2
En la tabla 10.5 se muestran, para un álabe de 100 mm de cuerda, los valores aproxi-
mados de resolución espacial necesarios en las proximidades de la pared, así como el
número total de celdas resultantes para modelar la capa límite (en la dirección perpen-
dicular), en función del número de Reynolds del flujo incidente, en un dominio bidi-
mensional cartesiano. Se ha utilizado la correlación 10.89, así como la clásica ecuación
−1 7
δ x = 0,16 Re x (v. White, 1979) para estimar el tamaño de la capa límite turbulenta.
A la vista de los resultados de la tabla 10.5, se pueden establecer las siguientes
conclusiones y recomendaciones:
c Es recomendable utilizar el modelo de pared (estándar o de no equilibrio)
cuando el número de Reynolds sea suficientemente grande; habitualmente
10.7 Estrategias y buenas prácticas para la utilización de los modelos de turbulencia 307
Tabla 10.5 Requerimientos de mallado en la subcapa viscosa en función del modelo de pared y del
número de Reynolds en condiciones de flujo externo (álabe inmerso en una corriente
libre).
y+ ∼ 1 y+ ∼ 30
Número de
Reynolds (Re)
yP (mm) Núm. celdas yP (mm) Núm. celdas
104 0,13 65 3,91 3
106 0,002 2148 0,062 72
108 3,3 × 10–5 70 210 9,8 × 10–4 2340
Re > 106, ya que el número de celdas requerido para resolver la subcapa viscosa
tiende a ser excesivo. Además, apenas se obtiene una mejora por resolver dicha
capa, ya que el parámetro crítico en estas condiciones es una buena elección del
modelo de turbulencia. Se recomiendan las leyes de no equilibrio si se tiene flujo
separado, reattachment o flujo incidente (impinging flows).
c Se puede considerar la utilización del tratamiento mejorado (EWT) si el número
de Reynolds es bajo (o es imprescindible resolver las características del flujo en la
pared, a pesar del elevado coste computacional que podría estar asociado).
c Finalmente, siempre es una buena práctica tratar de usar un mallado que sea, o bien
lo suficientemente fino para aplicar EWT, o bien lo suficientemente basto para apli-
car leyes de pared, con la idea de evitar colocar el primer centroide en la capa buffer
(y+ ∼ 5 a 30), zona intermedia que es terreno de nadie (ni aplica bien la aproxima-
ción EWT ni la WF).
10.7 Estrategias y buenas prácticas para la utilización

de los modelos de turbulencia
No es fácil decidir a priori qué modelo de turbulencia es el más apropiado para una
determinada aplicación industrial. Cada aproximación y cada modelo tienen asocia-
dos una serie de ventajas e inconvenientes que debemos evaluar cuidadosamente
antes de decantarnos por una elección definitiva.
Desechada la simulación directa por imposibilidad técnica, la primera decisión
debe recaer en el tipo de aproximación numérica que más convenga: LES, RANS o
híbrida (v. figura 10.12). Para ello se deben analizar una serie de aspectos de forma
razonada y desde un punto de vista ingenieril, tales como:
c La física del fluido y la dinámica de la turbulencia.
c Capacidades computacionales disponibles.
c Las especificaciones del proyecto, tanto a nivel de detalle y precisión de las solu-
ciones requeridas como en el plazo de tiempo disponible para las simulaciones.
c Tratamiento requerido en las paredes.
En función de la importancia relativa de cada uno de estos elementos se establece
una idea aproximada del modelo que más interesa. Lógicamente, también la expe-
riencia es un grado muy importante, así como no olvidar hacer un breve acerca-
miento a los últimos avances sobre el problema para conocer los métodos que
emplean habitualmente otros investigadores.
El número de Reynolds del problema es el indicador fundamental para elegir el
método más conveniente en cuanto a la calidad de la solución en relación con el
MODELOS ALGEBRAICOS
MODELOS DE - Modelo de longitud de mezcla (Prandtl)

- Modelo Cebeci-Smith
TURBULENCIA - Modelo Baldwin-Lomax
MODELOS DE 1 ECUACIÓN
Eddy Viscosity - Modelo Spalart-Allmaras

Models (EVM) - Modelo Baldwin-Barth
Mayores recursos computacionales

MODELOS DE 2 ECUACIONES
MODELOS - Modelo k-épsilon: Standard / RNG / Realizable

RANS - Modelo k-omega: Standard / SST
- Modelo v2-f
Modelos de - Modelo algebraico de tensiones (ASM)

tensiones - Modelo de transporte de tensiones (RSM)
- WMLES (Wall-modelled LES)

RANS/LES Tratamiento - Modelos de dos capas
de paredes - DES (Detached Eddy Simulation)
HÍBRIDOS - DDES (Delayed Detached Eddy Simulation)
- Modelo de Smagorinsky-Lilly
TÉCNICAS Modelado - Modelo WALE
SGS - Modelo dinámico de subescala
LES - Modelo de transporte de energía cinética
Figura 10.12 Clasificación de modelos de turbulencia.

10.7 Estrategias y buenas prácticas para la utilización de los modelos de turbulencia 309
coste computacional (figura 10.6). Así, en general, para números de Reynolds altos,
el estándar es decantarse por simulaciones RANS, dejando la aplicación de las técni-
cas LES para casos muy excepcionales en los que interese capturar la física del fenó-
meno. Conforme los recursos computacionales vayan incrementándose en las
próximas décadas, cada vez será posible poner la frontera entre RANS y LES a
mayores números de Reynolds.
Téngase en cuenta que LES proporciona siempre soluciones no estacionarias y
fluctuantes, mientras que RANS resuelve valores promediados estadísticos. Desde el
punto de vista industrial, únicamente suelen ser de interés los valores medios y, en
consecuencia, aunque LES ofrezca soluciones muy ricas desde el punto de vista de la
física, siempre habrá que reducirlas a sus valores medios y estadísticos de las fluctua-
ciones para que sean de aplicación práctica en la ingeniería.
El tratamiento de los contornos sólidos (rara vez no están presentes) es otro indi-
cador fundamental que, en función del valor de y+ que los medios computacionales
disponibles permitan alcanzar, fijará la posición del primer punto de la malla y
determinará la densidad global del mallado. Evidentemente, el tamaño de malla lle-
vará asociados unos tiempos de cálculo determinados que habrá que prever para no
superar los plazos de los que se disponga para tener unos primeros resultados.
Cuando se utiliza una técnica LES (o híbrida tipo DES) es muy importante defi-
nir de forma óptima la malla y el paso temporal (recuérdese que se intentan capturar
vórtices turbulentos). Es recomendable el uso de mallas estructuradas, que ahorran
en el número total de celdas y permiten refinos locales optimizados. También es
muy interesante la aplicación de mallas híbridas. Respecto al modelo de submalla
SGS, téngase en cuenta que su elección no es tan crítica como contar con una buena
resolución de pared y una densidad de malla adecuada. Para obtener una solución
válida con LES, es preciso proceder de la siguiente forma:
c Iniciar el cálculo del flujo promediado con una simulación RANS estacionaria.
c Superponer un campo aleatorio de fluctuaciones (esto es, inicializar la simula-
ción LES).
c Comprobar que el paso temporal que se ha elegido permita cumplir el criterio
del número de Courant en las celdas.
c Comenzar a resolver iterativamente el transitorio y proceder hasta que se alcanza
el estado estacionario (estadísticamente); esto se observa monitorizando varia-
bles del flujo mientras se resuelve.
c Llegados a este punto, comenzar la fase final de simulación, en la que se va a
muestrear (para poder obtener valores medios y RMS) durante un período carac-
terístico suficiente (varias veces el tiempo de paso de flujo en el dominio u ).
c Finalmente, postprocesar estos últimos resultados (medias, RMS, espectros, etc.).
En el caso de optar por un modelo RANS, tras ajustar el modelo de pared ade-
cuado al valor del y+ que se disponga (subapartado 10.6.6), es una buena estrategia
plantearse:
c Comenzar la simulación con k-épsilon estándar para caracterizar el problema y
obtener una solución preliminar.
c Migrar hacia un modelo isotrópico más refinado (si es necesario), como k-épsilon
RNG, k-omega (estándar o SST) o v 2 − f.
c Migrar hacia RSM si es precisa una descripción anisotrópica de las tensiones de
Reynolds: flujos tridimensionales, con rotaciones e importantes curvaturas (geome-
trías complejas).
Lo que realmente complica el tratamiento matemático de la turbulencia es el
amplio espectro de escalas temporales y espaciales presentes en el flujo. La interac-
ción entre los torbellinos de las diferentes escalas y el flujo promedio tiene un
importante impacto en los valores medios de las principales variables del flujo. Una
correcta simulación de la turbulencia debe garantizar que el efecto de los torbellinos
queda perfectamente reflejado en las ecuaciones de transporte del flujo, ya sea con
un mayor grado de aproximación (técnicas LES) o por medio de una mayor modeli-
zación (modelos RANS).
En cualquier caso, aunque los diferentes modelos que se han analizado son real-
mente sofisticados, nunca debe olvidarse que todos ellos contienen constantes que
se han determinado a partir de ajustes con datos experimentales. Existirá siempre,
por tanto, un determinado grado de incertidumbre sobre los resultados numéricos
obtenidos con estos modelos, siendo más pequeño cuanto menores sean las hipóte-
sis de modelización. Es labor del ingeniero poder obtener resultados útiles con estas
restricciones, analizando pros y contras, y teniendo siempre claro el nivel de calidad
que se obtiene con el modelo finalmente elegido, así como el coste marginal aso-
ciado a resolver el problema con una aproximación de orden superior.
11
APLICACIÓN DEL CFD A
FLUJOS INDUSTRIALES
(I-CFD)
Este último capítulo del libro presenta otros modelos necesarios en la simulación de
flujos industriales. La aplicación del CFD en el ámbito de la industria (recientemente bau-
tizada como I-CFD) necesita no sólo de la descripción del campo fluido o de la transfe-
rencia de calor asociada, sino también de otros modelos que describan fenómenos de
combustión, cambio de fase, coexistencias multifásicas o reacciones químicas.
Evidentemente no es realista tratar de abordar todas las posibles aplicaciones aquí; ni
siquiera enumerar los diferentes modelos existentes en la literatura. Lo que se pretende
simplemente es mostrar cómo se incorporan modelos adicionales a la metodología de
volúmenes finitos. En particular, se analizarán los casos más habituales, entre los que
destaca el transporte de especies (con o sin reacción química), la interacción de flujos
multifásicos (con superficie libre o sin ella), la transferencia de calor con fenómenos de
radiación o convección natural, así como el flujo en máquinas de fluidos.
El objetivo final es presentar el alcance de estas técnicas para poder estudiar el flujo
en el interior de instalaciones industriales típicas como son los hornos, calderas, lechos
fluidizados, instalaciones para el transporte de mezclas, reactores químicos, intercambia-
dores de calor, turbomáquinas y motores o moldes y procesos de colada continua. Para
algunas de estas aplicaciones se muestran incluso ejemplos de simulaciones reales.
312 Capítulo 11 Aplicación del CFD a flujos industriales (I-CFD)
Contenidos
11.1. Introducción
11.2. Transferencia de calor
11.2.1. Introducción
11.2.2. Convección natural. Fenómenos de flotabilidad
11.2.3. Radiación
11.3. Flujos multiespecie
11.3.1. Transporte sin reacción química
11.3.2. Transporte con reacción química
11.3.3. Combustión
11.4. Flujos multifásicos
11.4.1. Elección del modelo multifase apropiado
11.4.2. Modelo de fase discreta (DPM)
11.4.3. Modelo Euleriano
11.4.4. Modelo de mezcla
11.4.5. Modelo de volumen de fluido (VOF)
11.5. Modelos de solidificación
11.6. Transporte de escalares como trazadores
11.7. Modelización del flujo en máquinas de fluidos
11.7.1. Flujo no estacionario en máquinas de fluidos: mallas dinámicas.
11.7.2. Flujo en máquinas volumétricas: mallados deformables.
11.7.3. Flujo en turbomáquinas: mallados deslizantes.
11.7.4. Ejemplos de análisis del flujo en turbomáquinas.
Los modelos numéricos presentados en este capítulo han sido recopilados de FLUENT v6.3.
"User´s guide", 2006.
11.1 Introducción
Para poder describir correctamente la gran variedad de procesos que concurren en
los flujos industriales es imprescindible incorporar al código CFD todos los modelos
físicos que le sean de aplicación al problema a resolver.
Hasta el momento se ha analizado la complejidad de las ecuaciones de transporte
para un fluido. Sin embargo, en el ámbito de la ingeniería, la realidad es que pocas
veces se puede considerar que se tiene solamente un fluido (o una especie). La
mayoría de las veces, en los flujos participan varios componentes (ya sean en mez-
cla, por concentración o por reacción química) o incluso se tienen varias fases
inmiscibles que interaccionan por flotabilidad. Parece evidente que debe introdu-
cirse alguna estrategia para poder tratar cada fase o especie por separado, así como
sus interacciones.
Los subapartados 11.3 a 11.5 tratan principalmente la problemática de flujos
multiespecie y multifásicos, con las distintas posibilidades que se abren además en
cada caso. Allí se introducen los principales enfoques que existen para abordar su
resolución.
Sin embargo, antes de considerar flujos compuestos, a continuación se analiza-
rán fenómenos de transferencia de calor complementarios a los ya vistos en los capí-
tulos precedentes, convección (por flujo) y conducción (difusión molecular). En
particular se analizará cómo introducir en las ecuaciones la convección natural
(fenómenos de flotabilidad por diferencia de densidad asociadas a cambios en la
temperatura) y la radiación.
11.2 Transferencia de calor

La transferencia de calor está presente de forma decisiva en la mayoría de los proce-
sos industriales. Los tres mecanismos básicos de transferencia de calor son la con-
ducción, la convección y la radiación, siendo los dos primeros los fenómenos más
habituales. La radiación únicamente es relevante cuando existen temperaturas muy
altas en el proceso, normalmente en el caso de industrias metalúrgicas con presencia
de metales líquidos a altas temperaturas.
A continuación se retoma la ecuación de la energía en su forma más general,
ecuación 1.3, para analizar los diferentes términos que la constituyen y evaluar la
importancia relativa de cada uno de ellos. Este apartado concluye con el estudio de
dos situaciones típicas: la convección natural y la radiación.
11.2.1. Introducción
Cuando se modeliza la transferencia de calor es necesario activar todos los modelos

físicos relevantes, proporcionándoles tanto condiciones de contorno como propie-
dades térmicas de los fluidos, así como la transferencia de calor en los contornos
sólidos que configuran el problema. La ecuación de transporte que gobierna estos
procesos es:
∂
( ρE ) + ∇⋅ (v ( ρE + p)) = ∇⋅ ( k ∇T − ∑ h j J j + σ ⋅ v ) + Sh [11.1]
∂t conducción j disipación
viscosa
difusión de
especies
donde E = h − p ρ + v 2 2 = h0 − p ρ es la energía total, en la que aparece la ental-

pía definida como suma de energía interna y esfuerzos de presión, h = u + p ρ , o
bien la entalpía total suma de la entalpía y la energía cinética. En el segundo miembro
de la ecuación 11.1 aparecen una serie de términos adicionales como son:
c Disipación viscosa: ∇⋅ ( σ ⋅ v ) . Es el término que tiene en cuenta el calenta-

miento por disipación viscosa (en las escalas de Kolmogorov). Normalmente es
despreciable, salvo en casos particulares donde los esfuerzos cortantes sean
extraordinarios (lubricación). Se puede evaluar su importancia relativa a partir
del número de Brinkman (importante si Br es cercano a la unidad o mayor):
μv 2 [11.2]
Br =
k ∆T
c Difusión de especies:
⎛ ⎞
∇ ⋅⎜ ∑ h j J j ⎟
⎜ ⎟
⎝ j ⎠
Es un término energético que tiene en cuenta la difusión de la entalpía (trans-

porte difusivo de entalpía) asociada a la difusión de especies, siendo
⎛ μ ⎞
J j = −⎜ ρD j + t ⎟∇m j
⎝ Sct ⎠
y mj la fracción másica de la especie j-ésima.
c Conducción: ∇⋅ ( k ∇T ) , que es el término que responde al transporte de calor

debido a la conductividad térmica del fluido (o especies).
c Fuente: Sh , en el que se incluyen normalmente las fuentes de energía debido a

reacciones químicas. Aquí se debe introducir la entalpía de formación de las
especies presentes en el problema o bien la tasa volumétrica de su creación. Tam-
bién es típico introducir aquí los términos fuente debido a radiación.
La ecuación de la energía para regiones sólidas se reduce a la expresión 3.13,
puesto que la entalpía de estancamiento se iguala a la entalpía estática (no hay efec-
tos convectivos asociados al flujo). En este caso, el campo de velocidad hace referen-
cia al movimiento del sólido rígido.
En resumen, la ecuación de la energía establece el transporte de los flujos térmi-
cos como un balance de los mecanismos básicos: convección (primer miembro de
la ecuación), conducción (a nivel molecular, gobernada por la conductividad –o
difusividad– térmica, y en la que se incluyen efectos de disipación y mezcla de espe-
cies), y la radiación (a modelizar en el término fuente y que se estudiará en el
subapartado 11.2.3).
Finalmente, aunque lo habitual es que la convección sea consecuencia directa del
transporte de calor por los patrones macroscópicos del flujo, existe una convección
natural, debido a diferencias de densidad, que se manifiesta entre zonas del flujo con
diferentes temperaturas y que se trata a continuación.
11.2.2. Convección natural. Fenómenos de flotabilidad
Cuando la transferencia de calor en un fluido hace que la densidad de éste varíe sig-
nificativamente con la temperatura, se establece un flujo inducido por efecto de la
gravedad como consecuencia de la diferencia de densidades. El fluido más frío
(más denso) tiende a descender, mientras que el fluido más caliente (más ligero)
asciende debido al desequilibrio térmico. Este tipo de fenómenos de flotabilidad
son muy comunes en la industria, donde hay mezcla de masas a diferentes tempe-
raturas (reactores, ventilación, hornos) que producen el establecimiento de flujos
aún cuando no exista ninguna transferencia de cantidad de movimiento en el
dominio. Típicamente se denominan fenómenos de convección natural.
La importancia de la convección natural, en comparación con la existencia de
otros flujos (por ejemplo, en un reactor, cuando se compara con el caudal de ope-
ración), viene fijada por el cociente entre los números de Grashof y Reynolds
según:
Gr g β ∆T L
2
= [11.3]
Re v2
donde L y v son las longitudes y velocidades características del flujo, ∆T es la dife-

rencia de temperaturas entre masas calientes y frías y β es el coeficiente de dilatación
térmica definido como
1 ⎛ ∂ρ ⎞
β =− ⎜ ⎟
ρ⎝ ∂T ⎠p
Evidentemente, cuando el cociente Gr/Re2 es cercano a uno o incluso cuando excede

la unidad, los efectos de flotabilidad en el flujo son relevantes, dando lugar a lo que
se conoce como convección mixta.
En el caso de que no haya transferencia de cantidad de movimiento por acción de
fuerzas externas al flujo, únicamente se produce movimiento debido a efectos de flo-
tabilidad, de forma que el número adimensional que caracteriza la convección natu-
ral pura es exclusivamente el número de Rayleigh:
ρ g β ∆T L3
Ra = [11.4]
μα
siendo α la difusividad térmica, definida como α = k ρC p . Para números de

Rayleigh por debajo de 108, el flujo inducido por la convección natural es laminar,
mientras que entre 108 y 1010 se produce la transición a turbulento.
La hipótesis de Boussinesq
La densidad de todo fluido varía con la temperatura. Por lo tanto, en la ecuación

general de transporte, el campo de densidades va a estar íntimamente ligado al de
temperaturas. Este procedimiento implica por tanto, un fuerte acoplamiento entre
la ecuación de la energía y los coeficientes de las ecuaciones de momento (participa-
dos todos ellos por la densidad).
Sin embargo, es posible evitar esta complejidad adicional introduciendo el
modelo de Boussinesq, que garantiza una mayor convergencia que el planteamiento
inicial y una reducción de la no linealidad de las ecuaciones. Este modelo, válido
cuando las diferencias de temperatura que se generan en la convección natural no
son muy grandes, supone que la densidad es constante en todas las ecuaciones pero
a cambio introduce un término fuente adicional de flotabilidad en las ecuaciones de
momento. De esta forma sólo hay que tener en cuenta el efecto de la diferencia de
densidades en un único término y no en todas las ecuaciones, que se resuelven para
una densidad de referencia, ρ0. El término de flotabilidad (bouyancy) se define
como:
B = ( ρ − ρ0 ) g ≈ −ρ0 β (T − T0 ) g [11.5]
donde T0 es la temperatura de referencia. En la ecuación 11.5 ya se incorpora la

aproximación que permite eliminar la densidad actual, ρ, del término de flotabili-
dad, según la evolución lineal:
ρ = ρ0 (1 − β ∆T ) [11.6]
siendo ∆T la diferencia entre la temperatura local y la de referencia. Esta formula-

ción es válida mientras los cambios en la densidad sean pequeños. En particular,
mientras se satisfaga que β (T − T0 ) 1. Nótese que esta hipótesis no se puede
aplicar al caso de flujos multiespecie ni cuando se produzcan fenómenos de com-
bustión o reacciones químicas.
En el caso de flujos no estacionarios, la elección del paso temporal necesario para
resolver correctamente flujos convectivos viene dado, como siempre, como una
fracción del tiempo característico del fenómeno. En este caso se puede estimar el
tiempo de las inestabilidades térmicas según la siguiente relación adimensional:
L L2 −1 2 L
τ= ∼ ( Pr Ra ) = [11.7]
U α g β ∆T L
La flotabilidad en el modelo de turbulencia
Los modelos de turbulencia también requieren de un término adicional para el

transporte por flotabilidad. Por ejemplo, en el modelo k-épsilon, la ecuación para la
energía cinética turbulenta 10.61 añade el término extra de generación Bk por flota-
bilidad:
∂ ( ρk ) ∂ ⎡⎛ μ ⎞ ⎤
+ ( ρkvi ) = ∂ ⎢⎜ μ + t ⎟ ∂k ⎥+ 2 μt Sij Sij + βg i μ ∂T − ρε [11.8]
∂t ∂x i ∂x j ⎣
⎢⎝ σ k ⎠∂x j ⎦
⎥ σ t ∂xi
Bk
donde gi es la componente del campo gravitatorio en la dirección xi. Análogamente,

la ecuación para la tasa de disipación viscosa (10. 63), se convierte en:
∂ ( ρε) ∂ ⎡⎛ μ ⎞ ⎤ 2
+ ( ρεvi ) = ∂ ⎢⎜ μ + t ⎟ ∂ε ⎥+ Cε1 ε (Gk + Cε3 Bk ) − ρCε2 ε [11.9]
∂t ∂x i ∂x j ⎣
⎢⎝ σ ε ⎠∂x j ⎥
⎦ k k
en la que Cε3 es una constante que determina el grado en que la variable turbulenta ε
está afectada por el fenómeno de flotabilidad. Habitualmente esta constante se
determina como Cε3 = tanh v u , donde v es la componente del flujo paralela al
campo gravitatorio y u es la componente perpendicular. De esta forma, Cε3 vale 1

para capas de cortadura por flotabilidad en las que el flujo principal está alineado
con la gravedad y 0 para capas de cortadura perpendiculares a la gravedad.
Simulación numérica del enfriamiento de fueloil confinado en un tanque
En el siguiente ejemplo se ilustra la aplicación de técnicas CFD para resolver un pro-

blema de convección natural. La especificación del problema y las condiciones de
contorno se resumen brevemente.
Se simula el comportamiento fluidodinámico de un fueloil de muy baja conduc-
tividad térmica confinado en los tanques de almacenamiento de un superpetrolero
hundido. La temperatura inicial del fueloil es de 50 ºC (se transportan calientes para
mantener su fluidez), mientras que la temperatura exterior del agua que rodea al
pecio es tan sólo de 2,6 ºC. Este escenario reproduce las condiciones de los tanques
de fueloil del buque petrolero “Prestige” (hundido cerca de las costas de Galicia en
noviembre de 2002), con el objeto de determinar la fluidez del fueloil a largo plazo
(Fernández Oro et al., 2006).
En la figura 11.1 se muestran la geometría y las mallas empleadas en el estudio
(izquierda), así como alguno de los resultados característicos obtenidos (derecha).
Se consideró una geometría bidimensional, debido a la prevalencia del flujo de calor
en el sentido transversal, con una malla de [124 × 64] celdas estructuradas. Se resol-
vieron las ecuaciones de flujo en modo laminar, debido a que el número de Rayleigh
característico no sobrepasa el valor de 107, en un esquema no estacionario con pasos
temporales de entre 1 y 2 segundos (al principio de la simulación) hasta 120, 600 y
900 segundos (al final, cuando el flujo ya se ha estratificado). También se empleó la
hipótesis de Boussinesq para introducir los efectos de flotabilidad en las ecuaciones
de gobierno.
La modelización mostró el establecimiento de grandes células de recirculación
(convección natural) al principio de la simulación, así como la aparición de vórtices
inestables en la tapa superior (estratificación inestable), tal y como se observa en la
figura 11.1 (arriba a la derecha). Para esa geometría de tanque, las escalas temporales
de los vórtices de Rayleigh-Bénard resultaron ser del orden de 10 s, mientras que los
vórtices grandes (impulsados por el enfriamiento de la pared lateral) se establecían y
se mezclaban en intervalos típicos de unos 100 s. Los instantes finales de la simula-
ción mostraban estructuras convectivas más complejas (a los 15 días), que acababan
desembocando en zonas de estratificación estables en el fondo de los tanques (a los 3
meses). La principal conclusión del estudio fue demostrar que la temperatura media
en los tanques lateral y central descendía hasta los 10 ºC (límite de fluidez del fuel)
cuando habían transcurrido 3 y 5 meses, respectivamente, desde el comienzo del
enfriamiento.
Geometría de los tanques

y mallado computacional
Vórtices inestables bajo la superficie de

enfriamiento superior (Rayleigh-Bénard)
Te = 2,6 ºC
Tanque Tanque
19 m
lateral central
(Fueloil) (Fueloil)
Pared vertical
Ti = 50 ºC Ti = 50 ºC
Simetría
15 días 3 meses
Evolución de las corrientes convectivas producidas
10 m 7,5 m
por el enfriamiento del fueloil a lo largo del tiempo
Figura 11.1 Simulación numérica del enfriamiento de fueloil confinado en un tanque.
11.2.3. Radiación
La radiación es un fenómeno de transferencia de calor que tiene importancia en
determinadas circunstancias, tales como el estudio de la estabilidad y turbulencia en
llamas, calentamiento y enfriamiento de superficies radiantes, problemas de radia-
ción solar en ventanas, fachadas ventiladas y, por supuesto, procesos de conformado
de vidrio, coladas continuas de acero o sinterizado de cerámicas.
Como norma general, la radiación debe modelizarse si su potencia calorífica es
del mismo orden (o mayor) que las transferencias de calor asociadas a la convección
y a la conducción. Dicha potencia viene expresada en función de la cuarta potencia
de las temperaturas:
Qrad = σ ε (Tmax
4 4
− Tmin ) [11.10]
donde σ representa la constante de Stefan-Boltzmann, de valor 5,67 × 10–8 W/m2K4

y ε es la emisividad que varía entre 0 y 1 para cuerpos grises (se denominan cuerpos
negros a los que absorben toda la radiación, ε = 1).
Para tener en cuenta la radiación en los modelos, es necesario resolver una ecua-
ción de transporte para la intensidad de radiación, I, que se incorpora además como
término fuente a la ecuación de la energía. La conexión entre esta ecuación de trans-
porte y la ecuación de la energía se establece en la absorción local de radiación por el

fluido y en los contornos.
La intensidad de radiación depende direccional y espacialmente de las fuentes y
receptores. De esta forma, se establece que está influenciada por la absorción y la
emisión local (fuente-sumidero de radiación), así como por la dispersión direccio-
nal (dispersión y concentración locales). La ecuación general viene expresada como:
dI (r , s′) σT 4 σ 4π
+ (a + σ s ) I (r , s′) = an2 + s ∫ I (r , s′) Φ( s ⋅ s′)dΩ′ [11.11]
ds π 4π 0
absorción
emisión
dispersión
en la que r es el vector de posición, s es el vector de dirección, s′ es la dirección

de dispersión (scatter), a es el coeficiente de absorción, n es un índice de refracción,
σs es el coeficiente de dispersión, σ representa de nuevo la constante de Stefan-Boltz-
mann, T es la temperatura local, Φ es una función desfase y Ω′ es un ángulo sólido.
Existen cinco principales modelos para introducir la radiación en las ecuaciones:
c Modelo de las ordenadas discretas (DO).
c Modelo de transferencia de radiación discreto (DTR).
c Modelo de radiación P-1.
c Modelo de Rosseland.
c Modelo cara-a-cara (surface-to-surface, S2S).
La formulación e integración del término de absorción en el término fuente de la
ecuación de momento son complejas y totalmente alejadas de los objetivos de este
capítulo. Se recomienda al lector que acuda a la bibliografía especializada para con-
sultar los desarrollos matemáticos.
Simulación numérica del flujo en fachadas ventiladas por radiación
Las fachadas ventiladas son una solución constructiva bioclimática que permite
reducir las necesidades de aire acondicionado en los edificios en las épocas de
mucho calor. Su principio de operación es el de crear cavidades entre la pared de
carga convencional y una falsa fachada acristalada por las que puedan circular
corrientes de aire; corrientes generadas a partir de los efectos de flotabilidad induci-
dos por la propia radiación solar (v. figura 11.2).
En este ejemplo, el estudio numérico de los mecanismos de transferencia de
calor (convección natural y radiación) sobre una fachada ventilada típica se resol-
vió con un modelo tridimensional de 2,4 × 1,06 m2 de superficie frontal y 60 cm
Absorción
y dispersión
I (a + s ) ds
Radiación
saliente
Radiación I + (dI/ds) ds
incidente
I Dispersión
Emisión
(a T 4/ ) ds ds
Figura 11.2 Transferencia de calor por radiación

(adaptado de Fluent v6.3 - User's guide, 2006).
de profundidad (incluidas las cavidades de 5 cm de ancho) discretizado mediante

un mallado de aproximdamente 1 millón de nodos (González et al. 2008). Se utili-
zó un modelo k-épsilon estándar para el cierre turbulento de las ecuaciones, así
como un modelo de radiación de ordenadas discretas (DO), que resuelve la ecua-
ción 11.11 para un número finito de ángulos sólidos, con el aire como medio no
participante. La radiación solar se introdujo como una carga térmica de manera
distribuida.
Nuevamente, para reducir la carga computacional, se adoptó la hipótesis de
Boussinesq debido a la pequeña diferencia de temperaturas entre zonas de aire
caliente y aire frío.
La simulación se ejecutó en modo estacionario, buscando caracterizar las estruc-
turas finales del flujo, una vez completado el transitorio. Asimismo se plantearon
escenarios de invierno y de verano, con temperaturas externas de 8 ºC y 30 ºC, así
como diversas cargas de radiación solar, desde 0 hasta 600 W/m2. Las temperaturas
interiores se fijaron en 24,5 ºC para verano y 22 ºC para invierno. En la figura 11.3 se
muestran resultados de la distribución de temperaturas y del establecimiento de
corrientes de aire en verano para 400 W/m2.
Básicamente, los resultados muestran que cuando la radiación solar es elevada,
los efectos de flotabilidad son muy significativos e inducen importantes corrientes
de aire (véanse las líneas de corriente en la figura) que ayudan a enfriar la superfi-
cie externa del edificio. La solución numérica concuerda en general con estudios
previos que apoyan la idea de la fachada ventilada como un elemento bioclimático
que permite mejorar la eficiencia energética de los edificios convencionales.
Distribución de temperatura en las n

cavidades entre acristalamientos
Esquema de
transferencia de calor Pare
d de
en fachadas ventiladas la ca
vida
d Fa
(radiación solar y chada v
enti
convección natural) lada
Qrad. S-W
Qcond. W
[ ]
GSOLAR w
m2
Qconv. S Qconv. W
TEXTERIOR TINTERIOR
Qreflejado
Qdisipado
Pared interior (estancia)
Bloques Cavidad Líneas de corriente
en el interior de cavidades
T – TEXTERIOR[ºC] en fachadas ventiladas
Figura 11.3 Mecanismos de transferencia de calor en fachadas ventiladas: radiación solar y convec-
ción natural.
11.3 Flujos multiespecie

Es posible modelar la mezcla y el transporte de especies químicas distintas mediante
la resolución de ecuaciones de conservación que describan la convección, difusión y
las reacciones químicas para cada componente. Además, se pueden considerar múl-
tiples tipos de reacciones, tanto de carácter volumétrico como superficial o en zonas
porosas. Las posibilidades para simular el transporte de especies, con o sin reacción
química, así como las condiciones de cierre necesarias se analizan en el presente
apartado.
Respecto al tipo de reacciones químicas a emplear se verá la existencia de dife-
rentes aproximaciones en función de la cinética química considerada (instantánea,
local, de tiempo finito, etc.). También es posible modelar flujos multifásicos que
incorporen un balance químico, tal y como se muestra en el apartado 11.4.
Previamente, como punto de partida, se retoma la ecuación de transporte de
especies, dejando de lado las reacciones químicas.
11.3.1. Transporte sin reacción química

La ecuación de transporte para las especies se obtiene promediando la ecuación 3.15
para el caso de flujo turbulento. De esa forma se llega a la expresión:
∂ ( ρmk ) ∂ ⎡⎛ μ ⎞∂m ⎤
+ ( ρvi mk ) = ∂ ⎢⎜ ρDk + t ⎟ k ⎥+ Rk [11.12]
∂t ∂x i ∂x j ⎣
⎢⎝ Sct ⎠ ∂x j ⎦
⎥
para la especie k-ésima. Nótese que las fracciones másicas y el término fuente son
valores promediados (no se ha representado el superíndice barra por comodidad).
Lógicamente, si no hay reacción química, se debe fijar en la ecuación 11.12 que
Rk = 0. Por otro lado, en el caso de flujo laminar, el sumando μt Sct se anula. Pre-
cisamente, ese término tiene en cuenta la difusión turbulenta, en el que aparece el
número de Schmidt, definido como Sct = μt ρDt , siendo μt la viscosidad turbu-
lenta y Dt la difusividad turbulenta.
El método de resolución para el transporte de especies utiliza el concepto de
mezcla de fluido. De esta forma, se utiliza primero ese medio de mezcla como
constitutivo para resolver las ecuaciones de momento, continuidad y energía (con
la densidad y viscosidad de la mezcla) y después se resuelven de manera acoplada
las ecuaciones para cada especie a partir de los campos globales obtenidos. Así se
consigue resolver un único campo fluido para toda la mezcla, evitando resolver
más ecuaciones de las necesarias y reduciendo la complejidad matemática del
modelo.
El fluido de mezcla se puede interpretar como un conjunto de especies que cum-
plen unas determinadas leyes que gobiernan su interacción. Dicho fluido de mezcla
debe quedar definido al menos por:
c La lista de las especies constituyentes, conocida como materiales fluidos.
c Una serie de leyes de mezcla que determinen cómo son las propiedades del
fluido de mezcla (densidad, viscosidad, calor específico, etc.) a partir de las pro-
piedades individuales de cada una de las especies involucradas.
c Los valores de los coeficientes de difusión de cada especie en la mezcla.
Evidentemente, el punto 2 nos sirve para utilizar esas propiedades en la resolu-
ción del campo de flujo, mientras que el punto 3 lo utilizamos para resolver el tras-
porte de cada especie por separado en el interior del fluido de mezcla.
Las propiedades de estos fluidos de mezcla vienen habitualmente dadas en la
mayoría de los programas de CFD comerciales. Por ejemplo, en el caso de combus-
tión, es muy habitual utilizar mezclas del tipo metano-aire o propano-aire. Esto es
especialmente útil en el caso de incorporar reacciones químicas (reacciones de
varios pasos, ya ajustadas estequiométricamente, suelen venir predefinidas) tal y

como se verá en el siguiente apartado. Además, también es posible introducir
pequeñas modificaciones a partir de una mezcla incorporada en la biblioteca, por lo
que se pueden definir mezclas adaptadas a las necesidades del usuario.
Simulación de incendios en túneles de carretera
Una aplicación interesante del transporte de especies sin reacción química es la

resolución de flujo de humos en espacios cerrados (túneles, bocas de metros, edifi-
cios, etc.). No se simula la combustión propiamente dicha, sino el transporte y la
evolución del humo desde la zona del fuego en función de parámetros clásicos
como el gradiente de presión o la pendiente. El caudal de humos y su temperatura
se fija a partir de la potencia de fuego a simular, que se ve incrementada además en
un determinado porcentaje para no tener que introducir efectos de radiación en el
modelo.
En la figura 11.4 se ilustra una simulación sobre las condiciones de operación de
un sistema de ventilación longitudinal en un túnel de 850 metros (con ventiladores
de chorro anclados al techo) ante una situación de incendio. El dominio tridimen-
sional consta de varios cilindros que simulan el efecto de los ventiladores de chorro
(introducen una corriente de aire positiva e incluyen también las condiciones de
succión aguas arriba del ventilador), así como de una “caja de incendios” que incor-
pora la salida de humos (con las especies de CO2 y CO características de la combus-
tión). La discretización total en esta aplicación (Galdo-Vega et al., 2008) rondaba las
150 000 celdas no estructuradas y el modelo fue resuelto de modo no estacionario
para completar 10 minutos de simulación del incendio con pasos temporales de
1 segundo. Para la modelización de la turbulencia se empleó un modelo k-épsilon
estándar.
Se simularon diversos tests, de los cuales se disponían resultados experimentales
(Memorial Tunnel Fire Ventilation Test Program, MTFVTP) denominados Test
606A, 612B y 611. Cada uno de ellos iniciaba una secuencia diferente de funciona-
miento de los ventiladores, para varias condiciones de fuego (10 y 50 MW), y con
tiempos de respuesta del sistema distintos (2 y 5 minutos típicamente). En la figura
11.4 (arriba a la derecha) se muestra el gran acuerdo obtenido entre las simulaciones
y los datos experimentales en los contornos de temperatura (en grados Fahrenheit).
La línea negra de trazo grueso muestra la temperatura para 140 ºF (aprox. 60 ºC),
que está considerada como límite para la tolerancia humana al calor. La figura tam-
bién muestra la distribución de CO, en partes por millón, en las condiciones inicia-
les antes de que se arranquen los ventiladores. Se representan a partir de 500 ppm,
que es el límite establecido de tolerancia humana a los humos.
Salidas del túnel

Contornos de temperatura (ºF)
Vistas del dominio computacional

y de la malla empleada en Comparativa numérica-experimental de los resultados de
la zona de los ventiladores temperatura en el interior del túnel tras la propagación del incendio
Definición de los flujos

multiespecie en la zona de fuego
Resultados numéricos con la concentración de CO (umbral de 500 ppm)

en el interior del túnel para varios escenarios de respuesta de ventilación
Figura 11.4 Simulación del transporte de humos en incendios de túneles de carretera.
11.3.2. Transporte con reacción química
Las reacciones químicas que aparecen en el término fuente de la ecuación 11.12 se

pueden evaluar a partir de tres modelos fundamentales:
c Modelo laminar de tasa finita (finite-rate): se basa en expresiones de Arrhenius
de la cinética química (se supone que los efectos de la turbulencia sobre las reac-
ciones son despreciables). Es costoso computacionalmente hablando (tiempos de
simulación próximos a las escalas de la cinética química).
c Modelo de disipación de vórtices (eddy-dissipation): que utiliza los patrones
turbulentos como los desencadenantes de las reacciones. Evita el coste del méto-
do anterior pero pierde en realismo.
c Concepto de disipación de vórtices, EDC (eddy-dissipation-concept): es una
alternativa al anterior en el que se incorporan las relaciones de Arrhenius.
Por cuestiones de brevedad, nos centraremos únicamente en el primer tipo de

modelo de tasa finita. En éstos, se define el término fuente para la reacción química,
Rk, de la siguiente forma:
NR
Rk = M k ∑ Rˆ k(r ) [11.13]
r =1
siendo NR el número total de reacciones presentes en el modelo, Mk el peso molecu-

lar de la especie k y Rˆk(r ) la tasa molar de Arrhenius de formación/destrucción de la
especie k-ésima en la reacción r. Asimismo, cada una de las reacciones participantes
(que pueden producirse en la interfaz entre dos elementos inmiscibles, interpenetra-
das entre dos o más especies de una mezcla o sobre una superficie reactiva) se defi-
nen como:
N N
Kf ( r )
∑ ⎯⎯⎯⎯
c′k(r ) Sk ←⎯⎯⎯
Kb( r )
→
⎯ ∑c′k′(r ) Sk [11.14]
k=1 k=1
donde intervienen: c′k(r ) , que se corresponde con el coeficiente estequiométrico del

reactante k en la reacción r-ésima; c′k′(r ) , que se corresponde con el coeficiente este-
quiométrico del producto k en la reacción r-ésima; Sk, que es el símbolo que identi-
fica a la especie k en la reacción r-ésima; y Kf(r) y Kb(r) que representan las constantes
de formación de la reacción hacia adelante (f, forward) y hacia atrás (b, backward) si
es reacción reversible.
La forma de definir las reacciones químicas según 11.14, con sus coeficientes este-
quiométricos, nos sirve para obtener la tasa molar de Arrhenius que aparece en el tér-
mino fuente 11.13. Así, habitualmente para una reacción irreversible (Kb(r) = 0),
se tiene:
⎡ N
( η′j(r ) +η′′j(r ) ) ⎤⎥
Rk = ϒ (c′k′ − c′k ) Kf ∏ x (jr )
ˆ (r ) (r ) (r ) ⎢
⎢
(r )
( ) ⎥
[11.15]
⎣ j=1 ⎦
donde x (jr ) es la fracción molar de la especie j en la reacción k; η′j(r ) y η′′j (r ) son los
exponentes de las especies reactantes y productos j-ésimas en la reacción r; y ϒ es el
efecto de reacciones indirectas (habitualmente se desprecian, ϒ = 1). Normalmente
los productos no suelen afectar a la reacción de formación, por lo que η′′j ( r ) ≈ 0.
Además, la constante Kf(r) se calcula a partir de la expresión de Arrhenius:
(r )
−E( r ) RT
Kf (r ) = A(r )T β e [11.16]
siendo A(r) un factor preexponencial, β(r) es el exponente para la temperatura,

E(r) es la energía de activación y R es la constante universal de los gases ideales
(8314 J/kg mol K). A partir de estas definiciones se pueden obtener las entalpías
de formación y entropías de las reacciones como:
N N
∆S0(r ) s0,k ∆H 0(r ) h0,k
= ∑(c′k′(r ) − c′k(r ) ) = ∑ (c′k′(r ) − c′k(r ) ) [11.17]
RT k=1
RT RT k=1
RT
Todas las constantes y coeficientes del modelo están normalmente definidas en

las bibliotecas de las reacciones químicas en los softwares comerciales. A continua-
ción se ilustra el ejemplo sencillo de la reacción simple para la combustión del
metano (una única reacción), donde las constantes para cada especie se listan en la
tabla 11.1.
CH 4 +2O2 ⎯⎯→ CO2 +2H2O [11.18]
Tabla 11.1 Definición de constantes y parámetros para la combustión de metano (11.18) (tomado
de Fluent v6.3 - User´s guide, 2006).
Indice Especie k, Peso molecular Const. Const. Tasa de

k-ésimo Sk Mk (g/mol) estequiom. estequiom. formación (exp.)
1 CH4 16 c′1 = 1 c″1 = 0 η′1 = 0,2
2 O2 32 c′2 = 2 c″2 = 0 η′2 = 1,3
3 CO2 44 c′3 = 0 c″3 = 1 η′3 = 0
4 H2O 18 c′4 = 0 c″4 = 2 η′4 = 0
Con los valores de la tabla 11.1, y sabiendo como datos adicionales para esta
reacción que A = 2,119 × 1011, β = 0 y E = 2,027 × 108 J/kgmol, ya es posible defi-
nir el término fuente de la reacción química a introducir en 11.12 para cada una de
las cuatro especies. En concreto, para la componente k se tiene:
⎡ 4 ⎤
Rk = M k (c′k′ − c′k ) AT β e
−E RT ⎢
⎢
∏ x ηj ′ ⎥⎥
k [11.19]
⎣ j=1 ⎦
En este caso particular, por ejemplo para el metano, la ecuación 11.19 quedaría
como:
0,2
R1 = M1 (c1′′ − c1′ ) AT β e
−E RT ⎡
⎣ x1 x2 x3 x 4 ⎤
⎦ [11.20]
16 (1−0)
Este método de tasa o velocidad finita también puede incorporar correcciones de

presión, cuando el valor de ésta modifica las constantes y las velocidades de las reac-
ciones. Ahora bien, está fundamentalmente orientada a procesos laminares en los
que no se considere mezcla turbulenta. Téngase en cuenta que toda esta formulación
de velocidad finita se ajusta a la cinética química de las reacciones, cuyos tiempos
característicos son sensiblemente inferiores (de orden molecular) a los tiempos
característicos del flujo, incluso a las escalas más pequeñas de la turbulencia.
Sin embargo, esta formulación también es aplicable a flujos turbulentos. Si se
aplicase la ecuación de transporte 11.12 a un flujo turbulento, tras el promediado
dicha ecuación establece un balance de cantidades promediadas (tanto para la frac-
ción másica mi como para el término fuente Ri), por lo que es necesario promediar
la expresión de Arrhenius 11.19. Como no escapará al lector, esa ecuación no es
lineal y por tanto, al cumplirse que Rk (T ) ≠ Rk (T ) , los efectos de las fluctuaciones
turbulentas sobre las reacciones químicas no pueden obviarse. Se necesita resolver
con pasos temporales muy pequeños, del orden de los de la cinética química.
Por esta razón, es bastante impracticable resolver las ecuaciones de transporte
para las especies y las reacciones químicas con la formulación de Arrhenius directa-
mente. La simplificación más común es la de suponer que las velocidades de las
reacciones químicas son infinitas y, por tanto, éstas se completan instantáneamente.
De esta forma, la velocidad de formación de los productos vendrá fijada por las
características turbulentas del flujo. En estas ideas se basan los modelos de química
instantánea, de disipación de vórtices, citados anteriormente.
Simplemente como apunte, se recogen a continuación las formulaciones de esos
modelos desarrollados principalmente para flujo turbulento.
Modelo de disipación de vórtices
⎡ ⎤
⎢ ∑ mprod ⎥
ε ⎢ m prod ⎥
Rk(r ) = Ac′k(r ) M k ρ min⎢ (r ) reac , B N ⎥ [11.21]
k ⎢ c′reac Mreac
⎢ ∑ c′j′ M j ⎥⎥
(r )
⎣ j=1 ⎦
donde aparecen las fracciones másicas de los reactivos y los productos, así como
unas constantes determinadas empíricamente y de valores típicos: A = 4 y B = 0,5.
Este modelo sólo proporciona buenos resultados cuando la reacción global se puede
resumir en dos pasos (r ≤ 2). Además, en el caso de utilizar una técnica LES para el
cierre turbulento, el cociente ε/k típico de los modelos EVM de dos ecuaciones en la
definición 11.21 se reemplaza por la tasa de mezcla de la subescala: 2Sij Sij .
Concepto de disipación de vórtices (EDC)
2
ρ ( ξ∗ )
Rk =
∗⎡ ∗ 3⎤
(mk∗ − mk ) [11.22]
τ ⎢1 − ( ξ ) ⎥
⎣ ⎦
Este modelo supone que las reacciones químicas se producen en las escalas turbu-
lentas más pequeñas, siendo precisamente ξ∗ la escala de longitud a la cual se produ-
cen estos mecanismos. Dicha escala se puede calcular como
∗ ⎛ νε ⎞1 4
ξ = C ξ⎜ 2 ⎟
⎝k ⎠
Además, se define mk∗ como la parte de fracción másica mk que reacciona en esas lon-
−1 2
gitudes de escala durante el período de tiempo τ∗ = Cτ ( ν ε) . El modelo se com-
pleta con dos constantes (determinadas experimentalmente) de valores Cξ = 2,1377 y
Cτ = 0,4082.
Simulación de una fuga de gas (metano) en un inmueble
La figura 11.5 muestra un ejemplo de simulación de transporte de gas metano en el

interior de un inmueble. En este caso se trataba de determinar las concentraciones
de metano que se obtenían después de producirse una fuga de gas en el piso in ferior
del edificio.
El modelo utilizado para esta simulación era tridimensional, para tener en cuenta la
compleja geometría del edificio, con un número aproximado de 1,3 millones de celdas,
Modelo numérico 3D Concentraciones Modelo Tridimensional

0.8
0.7
Concentración CH4
Mod. 3D-calle
0.6 Mod. 3D-techo
Rejillas 0.5
superiores
0.4
Caja del
ascensor 0.3
0.2
0.1
0.0
0 5 10 15 20 25 30
Tiempo (min)
Concentración de metano (CH4) en los

recintos del inmueble tras el escape
(antes de la deflagración)
Zona de
fuga de gas 0 5 10 15 20 (%)
Figura 11.5 Simulación de una fuga de gas metano en un inmueble.

no estacionario y multiespecie para observar la evolución de la concentración y tempera-

tura de la mezcla aire-gas a lo largo del tiempo. Se utilizó una mezcla aire-metano como
la definida en la ecuación 11.18, con unas temperaturas características para el aire (15 ºC
en el interior y 8 ºC en el exterior) y la fuga de gas (8 ºC para el metano). Además, se uti-
lizó un modelo k-épsilon estándar para tener en cuenta los efectos turbulentos.
El interés de la simulación estaba en la determinación de las condiciones que
podían permitir la deflagración del gas en las zonas superiores del inmueble. A par-
tir de esta solución, un modelo multiespecie con reacción química, o de combustión,
permitiría estudiar el frente de avance y las zonas más afectadas en una posible
explosión. Los modelos de combustión que podrían emplearse a tal efecto se deta-
llan a continuación.
11.3.3. Combustión
Debido a las serias dificultades asociadas a la experimentación en los fenómenos de
combustión, pronto se trató de utilizar las técnicas computacionales para estudiar
numéricamente las condiciones de formación de una llama. Con la ventaja, además,
de poder simular llamas en flujo libre (sin presencia de contornos sólidos o en el
interior de complejas geometrías), se desarrollaron ya en las primeras épocas del
CFD diversas aproximaciones numéricas a este problema, no con poco éxito.
Durante la combustión, un combustible (normalmente mezcla de varios hidro-
carburos) reacciona con un comburente u oxidante (normalmente un flujo de aire)
para formar unos productos de combustión. Estos productos no se forman en una
reacción única, sino que suelen establecerse en una serie de reacciones en cadena.
Así, en la combustión del metano (relación 11.18), el más simple de los hidrocarbu-
ros, en realidad aparecen involucradas hasta 40 reacciones elementales.
Al igual que en el apartado anterior, se debe resolver la ecuación de conservación
de las especies con los términos fuente aportando las reacciones de combustión.
Además, la energía liberada en la combustión debe resolverse para la ecuación de la
entalpía, introduciéndola en el término fuente de la ecuación 3.14. La temperatura
se puede determinar en este caso a partir de la entalpía mediante:
h − mcomb H comb
T= [11.23]
CP
siendo Hcomb el poder calorífico del combustible, mcomb su fracción másica y CP el

calor específico medio del combustible, calculado como
T
1
(T − Tref ) T∫ P
CP = C dT
ref
donde el calor específico de la mezcla se calcula como la media ponderada del de

cada especie:
N
CP = ∑ m j C j
j=1
La densidad local de la mezcla depende de las concentraciones de reactivos y pro-

ductos así como de la temperatura de mezcla. De forma aproximada, se puede calcu-
lar como la media en función de los pesos moleculares de cada especie:
p
ρ= N
[11.24]
mj
RT ∑
j=1
Mj
Se han desarrollado un buen número de modelos diferentes para incorporar las

reacciones de combustión al método de volúmenes finitos. Todos ellos tratan de
aprovechar de alguna forma la característica básica del tipo de combustión que se
analice: el frente de llama, combustión con premezcla, combustión sin premezcla,
etc. Evidentemente, también se pueden emplear las formulaciones generales presen-
tadas en el apartado anterior. Sin embargo, parece apropiado aprovecharse de la
naturaleza de la combustión para implementar modelos algo más sencillos.
La tabla 11.2 muestra los diferentes modelos disponibles en la literatura aten-
diendo a la configuración del flujo (forma en que se mezcla el combustible con el
oxidante), así como a la aproximación elegida para la cinética química (con veloci-
dad finita o de forma instantánea). Cada uno de ellos trata de adaptarse a las parti-
cularidades del tipo de combustión analizada, en función de lo cual proporcionarán
mejores o peores resultados. En relación con la forma en que se mezclan los reacti-
vos debe tenerse en cuenta que:
c Combustión sin premezcla. El combustible y el oxidante entran de forma inde-
pendiente a la reacción desde flujos separados, por lo que el problema se asemeja
directamente a un problema de mezcla. Esta aproximación se emplea para el estu-
dio de hornos de carbón pulverizado o de motores diesel de combustión interna.
c Combustión con premezcla. El combustible y el oxidante ya están mezclados a
nivel molecular antes de la ignición, que se caracteriza por un frente de llama muy
fino que avanza hacia las zonas “frías”. La velocidad de la llama (laminar flame)
depende de la estructura del flujo (turbulencia, etc.), lo que dificulta el modelado.
Este modelo se emplea para las cámaras de combustión de turbinas de avión.
c Combustión con premezcla parcial. Coexisten flujos separados con premezcla y
sin premezcla. Se utiliza en cámaras de combustión que incorporan enfriamiento
por aire.
Tabla 11.2 Clasificación de modelos de combustión (adaptado de Fluent v6.3 - User's guide, 2006).
Tipología de flujo
Tipo de cinética
química Combustión con Combustión sin Combustión con
premezcla premezcla premezcla parcial
Modelo variable de Modelo de equilibrio Modelo de premezcla

progreso de reacción de fracción de mezcla parcial
Instantánea (reaction progress (mixture fraction, (reaction progress varia-
(infinitamente rápida) variable) v. 11.3.3) ble + mixture fraction)
Modelo de disipación de vórtices (v. 11.3.2)
Modelo de llama laminar sin premezcla

(laminar flamelet, v. 11.3.3)
Velocidad finita
(tasa finita) Modelo laminar de tasa finita (finite-rate, v. 11.3.2)
Concepto de disipación de vórtices (EDC, v. 11.3.2)
Modelo de transporte para la PDF de la composición
En este capítulo sólo se tratarán los modelos de combustión sin premezcla, ya

que un repaso de todos los modelos presentes en la tabla 11.2 sería demasiado
extenso. Además, un recorrido detallado por todas las aproximaciones se escapa de
los objetivos de este capítulo. En todo caso, para quien esté interesado, en la biblio-
grafía especializada es relativamente sencillo encontrar el resto de los modelos
incluidos en la tabla.
A continuación se va a introducir brevemente el modelo sin premezcla denomi-
nado fracción de mezcla, debido a su simplicidad y buen comportamiento, como
ejemplo de modelo de cinética instantánea. Posteriormente, se comenta breve-
mente el modelo sin premezcla de llama laminar, como ejemplo de modelo de ciné-
tica finita.
Modelo de fracción de mezcla (sin premezcla)

Este modelo introduce un parámetro, denominado fracción de mezcla f, que va a
controlar el proceso de combustión. Además, incorpora un tratamiento estadístico
en forma de función de densidad de probabilidad (PDF) para relacionar los valores
instantáneos con datos promediados, de forma que las reacciones químicas turbu-
lentas se predicen a partir de propiedades promediadas temporalmente.
Es un modelo de química infinitamente rápida en el que se adopta la simplifica-
ción de equilibrio químico instantáneo cuando el combustible y el oxidante se mez-
clan. Ambos elementos deben haber entrado al dominio de simulación como flujos
separados.
Con ese parámetro f se demuestra que las ecuaciones de transporte para las espe-
cies y la entalpía se funden en una única ecuación de conservación para la fracción
de mezcla, siempre y cuando se cumplan las siguientes hipótesis:
c Los coeficientes de difusión de las especies (Dk) son iguales.
c El número de Lewis es unitario (relación entre la conductividad térmica y la difu-
sión de especies: Le = k ρCP Dk ≈ 1).
c Números de Mach bajos (o moderados).
Para analizar cómo se reduce el problema a una única ecuación, vamos a retomar
la reacción de combustión 11.18. Definimos las ecuaciones de transporte para cada
una de las especies: el combustible (metano) y el oxidante (oxígeno) de forma:
∂ ( ρmcomb )
+ ∇⋅ ( ρmcombv ) = ∇⋅⎡
⎣ Γ comb ∇mcomb ⎤
⎦+ Rcomb [11.25]
∂t
∂ ( ρmox )
+ ∇⋅ ( ρmox v ) = ∇⋅⎣
⎡ Γ ox ∇mox ⎦
⎤+ Rox [11.26]
∂t
Definiendo ahora una variable genérica de transporte escalar como

φ = smcomb − mox , donde s es la relación estequiométrica para la masa entre el
combustible y el oxidante en la reacción (en este caso, sería de 4: 2 × 32 para el oxí-
geno por cada 1 × 16 para el metano), y suponiendo que Γcomb = Γox = Γφ, las ecua-
ciones 11.25 y 11.26 se pueden fundir para expresar:
∂ ( ρφ)
+ ∇⋅ ( ρφv ) = ∇⋅⎡ ⎦+ ( s Rcomb − Rox )
⎣ Γ φ ∇φ ⎤ [11.27]
∂t
donde se comprueba fácilmente con la reacción de combustión que los términos

fuente se cancelan. Se define a continuación una variable f denominada fracción de
mezcla según la expresión:
φ − φ0
f = [11.28]
φ1 − φ0
donde 0 y 1 representan respectivamente los flujos de oxidante y combustible. Susti-

tuyendo en 11.28 la definición de la variable φ, y teniendo en cuenta que al no haber
premezcla se ha de cumplir que mox,0 = 1, mox,1 = 0, mcomb,0 = 0 y mcomb,1 = 1, la

expresión para f queda finalmente:
s mcomb − mox + 1
f = [11.29]
s +1
Puesto que f y el escalar φ están relacionados linealmente por 11.28, es posible

reformular la ecuación 11.27 en términos de f . Así:
∂ ( ρf ) ⎡ Γ ∇f ⎦
⎤
+ ∇⋅ ( ρf v ) = ∇⋅⎣ f
[11.30]
∂t
Por otro lado, nótese que la ecuación 11.29, en caso de mezcla perfectamente
estequiométrica, se reduce a fst = 1 ( s + 1) , puesto que mox = smcomb . Mientras
que cuando hay exceso o defecto de oxidante se tiene:
c Si hay un exceso de oxidante, entonces no puede haber fracción másica de combus-
tible en el producto. Este caso ocurre cuando f < fst y conlleva que mox > 0 y
mcomb = 0.
c Si hay defecto de oxidante, entonces no puede quedar fracción másica de oxígeno
tras la combustión. Esto ocurre si f > fst e implica que mcomb > 0 y mox = 0.
Por lo tanto, el procedimiento de resolución con este modelo parte de la solución
de la ecuación de conservación para f , ecuación 11.30. Conocida la distribución de f
en todo el dominio, así como fst dado directamente por la reacción química, es posi-
ble determinar mcomb y mox en cada posición mediante 11.29, teniendo en cuenta las
restricciones existentes cuando hay exceso o defecto de oxidante.
Finalmente, la fracción másica de los productos de combustión se puede calcular
a partir de:
mpro = 1 − (mcomb + mox ) [11.31]
Los reactivos pueden ir acompañados por otras especies inertes (por ejemplo N2
en la reacción 11.18) que no participan en la reacción de oxidación. La fracción
másica de estas especies inertes tras la reacción se puede conocer directamente a
partir del valor calculado de f como:
min = min.0 (1 − f ) + min,1 f [11.32]
En este caso, la ecuación 11.31 se modifica por: mpro = 1 − (mcomb + mox + min ) .
Toda esta formulación proporciona las relaciones instantáneas entre la fracción

de mezcla y las fracciones de masa de las especies bajo la hipótesis de equilibrio quí-
mico. Sin embargo, ya sabemos que para flujo turbulento se necesitan las relaciones
para los valores promediados. La forma en que se plantea esa transición depende del
modelo de interacción fijado entre las reacciones químicas y la turbulencia.
Habitualmente, la fluctuación de la fracción de mezcla f debido a los efectos tur-
bulentos se modeliza a partir de un esquema basado en la función de densidad de
probabilidad de f. Así, denotando como p(f) a dicha densidad, que varía entre 0 y 1,
se puede obtener el valor de cualquier variable del flujo que dependa de f (fracciones
másicas, temperatura, densidad…) como:
1
φ = ∫ p ( f ) φ ( f ) df [11.33]
0
donde se ha observado que los mejores resultados se obtienen utilizando funciones

de densidad gaussianas o funciones de tipo beta.
Modelo de llama laminar (sin premezcla)
El modelo anterior no es aplicable cuando el número de Damköhler (que relaciona

el tiempo característico del flujo con el tiempo característico de la cinética química)
es cercano a la unidad. En ese caso, la hipótesis de velocidad de reacción instantánea
no es válida, ya que hay un fuerte acoplamiento entre la evolución de la reacción
química y el patrón de flujo.
Este modelo de llama permite la inclusión de relaciones más complejas entre las
fracciones másicas de las diferentes especies involucradas en la combustión. Se sigue
empleando el concepto de fracción de mezcla, pero se debe relacionar con la estruc-
tura del flujo, en concreto con el tensor de deformación del flujo. De todas formas,
en lugar de utilizar dicho tensor para cuantificar la desviación respecto del equili-
brio químico, es equivalente emplear una disipación escalar, denotada como χ y
definida según:
2
χ = 2D ∇f [11.34]
siendo D un coeficiente de difusión representativo. De esta forma se consigue redu-

cir toda la química del problema a la descripción de las dos variables f y χ, permi-
tiendo que los cálculos de la llama sean preprocesados e incorporados a los modelos
de forma tabulada. Esta forma de resolver la química apriorísticamente consigue
reducir los costes computacionales de manera muy importante, especialmente de
agradecer cuando se está considerando la velocidad finita de las reacciones.
Este modelo, nuevamente de tipo laminar, utiliza una extensión a flujo turbulento
similar a la vista en el modelo de fracción de mezcla. En este caso, al depender de dos
variables, es necesario introducir la función de densidad de probabilidad para f y χ.
11.4 Flujos multifásicos

En el apartado anterior se analizaron los flujos multiespecie, basados en el concepto
de mezcla de fluido y caracterizados por las diversas interacciones existentes entre
las especies químicas que configuraban dicho medio fluido. Desde el punto de vista
molecular coexisten varias fracciones másicas de diversas especies, pero macroscó-
picamente el fluido se comporta como una única fase constituyente.
Sin embargo, en la naturaleza y en la industria hay un gran número de flujos que
están compuestos macroscópicamente por una compleja mezcla de fases. Aunque el
concepto de fase podría asimilarse al estado particular de la materia que se está ana-
lizando (esto es, sólido, líquido o gaseoso), lo cierto es que habitualmente el con-
cepto de fase tiene un sentido más amplio. Así, cuando se habla de flujos
multifásicos, se define a cada fase como aquel tipo de material identificable, con una
frontera bien definida (macroscópicamente) y que presenta una determinada res-
puesta o interacción con el flujo o dominio en el que esté confinado. De esta forma,
las fases también hacen referencia a materiales que, estando en el mismo estado de la
materia, presentan distintas propiedades fisicoquímicas, como por ejemplo una
mezcla de agua y aceite, ambos líquidos pero con características muy diferentes.
En este tipo de flujos, la fase primaria debe ser continua (fluida) y correspon-
derse normalmente con la fase principal del flujo. El resto de las fases, ya estén de
forma dispersa, interpenetradas en la primaria, o de forma continua, definiendo una
clara interfaz de separación, se denominan fases secundarias.
Debido a la definición tan general de las fase que se ha establecido, está claro que
dentro de este tipo de problemas es posible incluir muchos regímenes de flujo dife-
rentes. La figura 11.6 muestra un esquema con algunos de los flujos más característi-
cos que se ajustan a la condición de multifásicos. Se puede hacer una primera
clasificación de flujos multifásicos, atendiendo al estado de las materias que partici-
pan en el flujo, como:
c Interacción gas-líquido y líquido-líquido (también gas-gas), que incluye:
c Flujo con burbujas: inclusión de pequeñas burbujas en forma de fase discreta
en un medio fluido (normalmente líquido) continuo, como ocurre en evapo-
radores, absorbedores, etc.
Flujo con Flujo con

superficie libre Flujo con Flujo con sedimentación y
(estratificado) burbujas bolsas de aire partículas en suspensión
(slug flow)
Flujo con arrastre de

partículas slurry flow) Flujo con gotas Lecho fluidizado
Figura 11.6 Tipos de flujos multifásicos.
c Flujos con gotas: inclusión de pequeñas gotas de líquido en un medio

gaseoso continuo, como es el caso de atomizadores, sprays o inyectores.
c Flujos con bolsas de aire (slug flow): grandes burbujas de gas en un medio
líquido continuo.
c Flujos estratificados o con superficie libre: es el caso de fluidos inmiscibles,
separados por una interfaz claramente definida, como la interfaz entre aceite y
agua en un recipiente o la superficie libre del agua en un canal hidrodinámico.
c Interacción gas-sólido, en la que cabe destacar:
c Flujo con partículas en suspensión: pequeñas partículas sólidas (discretas)
en un flujo continuo de gas, como se observa en ciclones o precipitadores.
c Lechos fluidizados: suspensión de partículas sólidas en fase muy densa a par-
tir de una corriente fluida, de forma que se comporten de forma similar a un
fluido.
c Interacción líquido-sólido, destacando:
c Flujo con arrastre de partículas (slurry flow): comprende suspensión de
sólidos, sedimentación, transporte y arrastre de partículas en una corriente
fluida.
Una importante diferencia entre los flujos multifásicos y los multiespecie es que,
en general, los multiespecie presentan un campo fluidodinámico único (velocidad,
temperatura…), compartido por todas las especies, mientras que los multifásicos
pueden describirse con patrones de flujo propios para cada fase. Además, es posible
considerar que una de las fases de un problema multifásico está compuesta por
varias especies aplicando de nuevo el concepto de mezcla de fluido visto en 11.3.1.
De esta forma es posible realizar simulaciones multiespecie-multifásicas de forma
conjunta, si bien a costa de una gran complejidad en los modelos a aplicar. Es más,
se pueden incluso introducir reacciones heterogéneas que se produzcan entre reacti-
vos y productos que pertenezcan a distintas fases, obligando a la modelización de la
transferencia de masa por las interfases.
11.4.1. Elección del modelo multifase apropiado
No existe ningún modelo multifásico capaz de predecir correctamente todas las

situaciones mostradas en la figura 11.6, debido a la gran diversidad de fluidos y regí-
menes existentes. En su lugar, se han ido desarrollado diferentes modelos que son,
cada uno de ellos, apropiados para una situación muy concreta. La selección del
modelo correcto debe tener en cuenta a priori alguna de las características funda-
mentales del flujo multifásico, como son el régimen, la cantidad y dispersión de las
fases secundarias o el número de Stokes de las partículas transportadas (si hubiese).
En función del régimen, distinguimos dos tipos de comportamientos multi-
fase. Por un lado, aquellos en los que la fase (o fases) secundaria se encuentra
totalmente dispersa en el fluido primario. La fase discreta puede presentarse en
forma de gotas, burbujas o partículas sólidas, en mayor o menor concentración,
pero siempre está diluida, interpenetrada (aunque distinguible macroscópicamen-
te) en la corriente fluida principal. La segunda posibilidad es que la fase secunda-
ria sea inmiscible con la primera, estableciendo al menos una interfase entre los
fluidos. Este comportamiento es típico de mezclas de líquidos o de un líquido con
superficie libre.
Respecto a la cantidad de fase secundaria presente en el flujo multifásico, se uti-
liza la fracción de volumen de dicha fase en el dominio como indicador de su impor-
tancia. Este parámetro tiene relevancia especialmente para fases diluidas en la
corriente principal. Además, este valor se utiliza como referencia para establecer si
las partículas de la fase dispersa interaccionan entre sí, o si este efecto puede despre-
ciarse. Típicamente, se fija un valor del 10% como frontera: si la fase dispersa está
tan diluida que su fracción de volumen en la fase primaria es menor que un 10%,
esas interacciones entre partículas se obvian (aproximadamente, la distancia entre
partículas es de unas dos veces el tamaño característico de las partículas).
Finalmente, atendiendo al número de Stokes, éste nos permite decidir qué
modelo es el más apropiado en función de la densidad de partículas arrastradas en la
corriente primaria. El número de Stokes, que tiene sentido cuando el problema mul-
tifásico analiza fases dispersas, establece un ratio entre el tiempo de partícula y la

escala temporal del flujo, es decir:
2
τp U ρ pd p
Stk = ≈ [11.35]
τc L 18 μ
donde el subíndice p hace referencia a la partícula y el subíndice c se refiere al carac-

terístico del flujo primario. Así, cuando Stk 1 ocurre que las partículas siguen las
líneas de corriente de la fase fluida primaria, mientras que cuando Stk > 1 las partí-
culas son capaces de moverse de forma independiente respecto del flujo primario.
Conviene asimismo incidir en la importancia que tiene la elección de un cie-
rre adecuado para la turbulencia según las características del flujo multifase.
Típicamente, la fase primaria se resuelve con un modelo de turbulencia estándar,
tipo k-épsilon o RSM, añadiendo términos fuente adicionales si fuese necesario
introducir el efecto de las fases secundarias en el desarrollo de la turbulencia. Según
esto, si las fases son inmiscibles (con ratios de densidad unitarios) o la fracción de
volumen de la fase secundaria dispersa es menor que un 10%, se puede utilizar un
modelo de turbulencia global para todas las fases. En caso contrario, o bien se
emplea un modelo para cada fase, o bien se introduce el efecto de la presencia de
partículas vía término fuente en el modelado de la fase primaria.
Existen cuatro modelos fundamentales para el estudio numérico de flujos multi-
fásicos. A saber:
c Modelo de fase discreta (DPM).
c Modelo euleriano (Eulerian).
c Modelo de mezcla (Mixture).
c Modelo de volumen de fluido (VOF).
Cada uno de ellos es apropiado para distintas situaciones. La tabla 11.3 establece sus
rangos de utilización en función de las características básicas relatadas anterior-
mente.
En resumen, es necesario elegir el modelo multifásico apropiado en función de
las características del flujo a simular. A la vista de la tabla 11.3, esto significa que:
c Para flujos estratificados o con superficie libre, se utiliza el modelo VOF.
c Para flujos con una alta presencia de partículas, se emplea el modelo euleriano.
c Cuando el número de partículas sea bajo a moderado, se ha de atender al número
de Stokes de forma que:
c Si Stk > 1, el modelo de mezcla no es válido: se utiliza DPM o modelo euleriano.
Tabla 11.3 Clasificación y características de modelos multifase (adaptado de Fluent v6.3 - User's
guide, 2006).
Fases interpenetradas Fases inmiscibles

Características
generales
DPM Euleriano De mezcla VOF
Flujos con burbujas,

Flujos con burbu- con gotas, partícu- Flujos con burbu- Flujos estratifica-
Régimen del jas, con gotas o las en suspensión, jas, con gotas y dos, con superficie
flujo partículas en sus- lechos fluidizados y flujo con arrastre libre y flujos con
pensión flujo con arrastre de de partículas bolsas de aire
partículas
Densidad de
Baja a moderada Baja a alta Baja a moderada Alta a Baja
partículas
Fracción de Diluida a modera-

Diluida (<10%) Diluida a densa Diluida a densa
volumen damente densa
Débil a fuerte aco- Débil a fuerte aco- Débil a moderado

Cierre Débil acopla-
plamiento entre plamiento entre acoplamiento
turbulento miento entre fases
fases fases entre fases
Número de Aplicable para Aplicable para Aplicable para

Sólo si Stk << 1
Stokes cualquier número cualquier número cualquier número
Ciclones, sprays, Flujos con mucha Sloshing, Film

Hidrociclones,
aerosoles, separa- carga de partícu- boliling, llenado de
Ejemplos de reactores de
ción de partículas, las, flujos con moldes, estudio de
utilización columna, suspen-
combustión de car- arrastre de sólidos, rotura de gotas,
siones sólidas
bón pulverizado lechos fluidizados flujo en canales
c Si Stk < 1, cualquier modelo es aplicable (DPM, Euleriano y de mezcla): se uti-

lizará aquel que requiera el menor coste computacional atendiendo a otros
requisitos de los modelos.
c Ha de tenerse en cuenta que en caso de existir un importante acoplamiento entre
las ecuaciones de las distintas fases, se necesitarán factores de subrelajación redu-
cidos, y la velocidad de convergencia se verá comprometida.
11.4.2. Modelo de fase dispersa (DPM)

En este modelo se resuelven las ecuaciones de transporte para la fase continua pri-
maria junto con la simulación de una fase secundaria discreta desde un punto de
vista lagrangiano. Esto quiere decir que la fase secundaria se implementa como un
número finito y muy grande de partículas esféricas (representativas de las burbujas
o gotas objeto de la modelización) que se encuentran dispersas (de ahí el nombre del
modelo) en la fase primaria.
El planteamiento es calcular las trayectorias individuales de cada una de esas par-
tículas de la fase discreta (esquema lagrangiano), así como el calor o la transferencia
de masa que intercambian con la fase continua. También es posible introducir el
acoplamiento entre las fases, en caso de que las propias partículas interfieran en el
patrón de flujo primario.
Las trayectorias de las partículas, gotas o burbujas se calculan para un conjunto
de partículas con idénticas condiciones iniciales, suponiendo que la interacción
entre las partículas se puede despreciar. Por lo tanto, este modelo sólo es aplicable
cuando la fracción de volumen de dichas partículas es baja (menor que un 10%).
La dispersión de la fase discreta debido a efectos turbulentos también es modeli-
zable, si se introduce algún modelo de movimiento aleatorio de partículas o de diná-
mica de nube de partículas. Además, permite incluir un buen número de otros
fenómenos como calentamiento/enfriamiento de la fase discreta, vaporización o
ebullición de gotas líquidas, combustión de volátiles, rotura o coalescencia de gotas
e incluso erosión o deposiciones.
La trayectoria de cada partícula (gota o burbuja) se predice integrando el balance
de fuerzas que existe sobre dicha partícula; esto es igualando la inercia de la partícu-
la con las fuerzas que actúan sobre ella, resultando:
du p 18 μ CD Rep (
g ρp − ρ )
dt
=
ρ2pdp2 24
(u − u p ) + ρp
+ Fp [11.36]
FD
siendo u la velocidad del medio primario, up la velocidad de la partícula y Rep el núme-

ro de Reynolds referido a la partículas según Re p = ρ dp up − u μ . Además, aparece
el coeficiente de arrastre sobre la partícula que, supuesta esférica, se puede calcular con
algún tipo de correlación experimental del tipo C D = a0 + a1Re−1 + a2 Re− 2 , donde
a0, a1 y a2 son constantes que dependen del tipo de interacción (líquido-sólido,
gas-líquido); y un término de fuerzas adicional sobre la partícula, Fp, que debe
añadirse en caso de que existan importantes gradientes de presión, efectos térmicos
o efectos de rotación del flujo.
11.4.3. Modelo euleriano

Este modelo es el más sofisticado y de carácter más general de entre todos los esque-
mas multifásicos. Se emplea para modelar múltiples fases interpenetradas, ya sean
líquidas, gaseosas o sólidas (en cualquier combinación). A diferencia del modelo
anterior, que emplea un tratamiento lagrangiano para la fase discreta, ahora se uti-
liza un enfoque euleriano para cada fase, centrado en los volúmenes de control y no
en las partículas.
El modelo euleriano no distingue entre flujos multifásicos con interacción única-
mente entre fluidos o con transporte de sólidos (granular) en corrientes fluidas. Esto
se debe a que el modelo resuelve las ecuaciones de continuidad, cantidad de movi-
miento y energía para cada fase, permitiendo el acoplamiento entre fases a partir del
intercambio de información en las interfases. Sin embargo, el campo de presiones es
único para todas las fases.
También es posible incluir reacciones heterogéneas que permitan la transferen-
cia de calor y masa entre fases. Respecto a la transferencia de cantidad de movi-
miento, ésta se garantiza normalmente a través de modelos para coeficientes de
arrastre que se basan en el valor local del número de Reynolds.
La descripción euleriana de flujos multifásicos como medios continuos interpe-
netrados incorpora la definición de fracción de volumen para cada fase q-ésima,
denotada habitualmente como αq. La fracción de volumen representa el espacio
ocupado por cada fase (en tanto por uno), de modo que se cumple:
N
Vq = ∫ α q d V ∑ αq = 1 [11.37]
V q =1
De esta forma, para cada fase se definen una ecuación de continuidad y de canti-
dad de movimiento de la forma:
(
∂ αq ρq ) n
∂t
( ) (
+ ∇⋅ αq ρq vq = ∑ m pq − mqp ) [11.38]
p=1
(
∂ αq ρq vq )
∂t
(
+ ∇⋅ αq ρq vq vq = )
[11.39]
n
( ) ( ) (
= αq −∇p + ρq g + ∇⋅ αq μq ∇vq + ∑ R pq + m pq v pq − mqp vqp )
p=1
pudiendo definirse una expresión similar para la ecuación de la energía de cada fase.
Modelización del flujo bifásico en una tolva para descarga de clínker
En la industria cementera se denomina clínker al principal componente del

cemento tipo portland. Este elemento, compuesto de caliza y arcilla, se caracteriza
por su naturaleza granular, de manera que al ser volcado en tolvas o silos presenta el
comportamiento típico de los fluidos.
Un importante problema en la manipulación de este material es precisamente su
granulometría, que permite la emisión de volátiles al ambiente cuando se descarga
por efecto de gravedad en el interior de tolvas y silos. Por esta razón, es práctica
habitual utilizar trampas y sistemas de ventilación que no permitan la emisión de
polvillo de clínker a la atmósfera.
En este caso, se ha utilizado un modelo bifásico de tipo euleriano para simular la
emisión de partículas de clínker en una tolva cuando una cantidad prefijada de ese
material, de unos 50 m3, es descargada por gravedad en una tolva industrial. En la
figura 11.7 se ilustra el dominio tridimensional empleado, con simetría transversal,
y una discretización de aproximadamente 300 000 celdas. El modelo se ejecuta de
forma no estacionaria, durante 5 segundos con un paso temporal típico de 0,2 s,
para ver la evolución temporal de la concentración de clínker, que tiene un diámetro
característico de partícula de 20 micras.
0,8
0,6
0,4
0,2
Distribución de la fase de clínker 0 Distribución de la fase de clínker

y líneas de corriente tras 1,2 segundos y líneas de corriente tras 4,2 segundos
Figura 11.7 Simulación del flujo bifásico granular aire-clínker en una tolva.
En este caso se ha estudiado emplear ventilación forzada e introducir cortinas de aire

para minimizar la emulsión de partículas. La figura 11.7 muestra la dispersión del clínker
en la caída inicial en la tolva (1,2 segundos) así como en los instantes finales (4,2 segun-
dos) en los que ya se ha amortiguado el impulso inicial de las partículas. También se ilus-
tran las líneas de corriente de aire arrastrando al clínker por el interior de la tolva.
11.4.4. Modelo de mezcla

El modelo de mezcla es una versión simplificada del modelo euleariano. La simplifi-
cación se basa en suponer que el número de Stokes es significativamente pequeño,
de manera que la magnitud y dirección de la velocidad de las partículas es práctica-
mente la misma que la del fluido. Aún así, permite considerar un movimiento rela-
tivo entre las fases, mediante una velocidad de deslizamiento.
En lugar de resolver las ecuaciones de conservación fase por fase, en el modelo de
mezcla se resuelve una única ecuación de continuidad y de cantidad de movimiento para
la mezcla. Además, la evolución de cada fase se resuelve únicamente con una ecuación
de transporte correspondiente a la fracción de volumen de dicha fase secundaria.
Las propiedades de la mezcla quedan definidas a partir del peso ponderado de
cada fase en cada volumen de control. Las propiedades de la mezcla en cada celda
quedan establecidas como:
N N
ρm = ∑ αq ρq μm = ∑ αq μq [11.40]
q=1 q=1
de modo que, para la velocidad de la mezcla, se plantea:
N
∑ αq ρqvq
q=1 [11.41]
vm =
ρm
Finalmente, las ecuaciones a resolver para la mezcla son:
∂ ( ρm )
+ ∇⋅ ( ρmvm ) = 0 [11.42]
∂t
∂ ( ρmvm ) ⎛ n ⎞
+ ∇⋅ ( ρmvmvm ) = −∇p + ρm g + ∇⋅ ( μm ∇vm ) + ∇⋅⎜ ∑ αq ρq vqdes vqdes ⎟
∂t ⎜ ⎟
⎝ q=1 ⎠
[11.43]
siendo vqdes la velocidad de deslizamiento para la fase q-ésima según: vqdes = vq − vm .

Asimismo, la ecuación de transporte para cada fracción de volumen se define
como:
(
∂ αq ρq ) N
∂t
( )
+ ∇⋅ αq ρq vm = −∇⋅ ( αq ρq vqdes ) + ∑(mqp − mpq ) [11.44]
q=1
Cavitación
El modelo de mezcla permite a su vez modelizar un importante fenómeno, de apli-

cación en muchos flujos industriales con líquidos, denominado cavitación. La cavi-
tación puede definirse como el proceso de formación y posterior colapso
(implosión) de burbujas de gas (cavidades) en el seno de un líquido. El gas puede ser
aire, vapor del propio líquido u otro gas disuelto en el líquido considerado.
La cavitación puede aparecer en líquidos en reposo o en movimiento, siendo la
única condición necesaria el alcanzar el estado de equilibrio líquido-vapor. En líqui-
dos en reposo aparece si se aumenta la temperatura por transferencia de calor. Para
líquidos en movimiento puede aparecer si hay una disminución local de presión por
aumento de la velocidad. Entonces, las burbujas generadas son transportadas aguas
abajo por la corriente hasta zonas donde la presión es más alta, dando lugar al
brusco colapso de las mismas.
El modelo de cavitación simple, basado en la formulación de mezcla, simula por
tanto la formación de burbujas cuando la presión local del líquido es menor que su
presión de vapor (a la temperatura de trabajo). En este caso, se introduce una ecua-
ción de fracción de vapor, denotada como f, que habrá que resolver incorporando
términos fuente para tener en cuenta la evaporación y condensación de las burbujas.
Dicha ecuación es:
∂ ( ρf )
∂t
( )
+ ∇⋅ ρf v vap = ∇⋅ ( γ∇f ) + Re − Rc [11.45]
donde el fluido de trabajo se considera una mezcla del líquido y su vapor (también
es posible incorporar gases no condensables con una pequeña modificación). En la
ecuación 11.45, ρ representa la densidad de la mezcla, vvap es el vector velocidad de
des
la fase vapor (calculado como v vap = v m + v vap si se considera que existe velocidad
de deslizamiento), γ es un coeficiente de intercambio efectivo (a definir) y Re y Rc
son las tasas de creación y destrucción de las burbujas que se obtienen típicamente a
partir de las expresiones de Rayleigh-Plesset:
vch (
2 pvap − p )
si p < pvap : Re = Ce ρliq ρvap (1 − f ) [11.46]
σ 3 ρliq
vch (
2 p − pvap )
si p > pvap : Rc = Cc ρliq ρvap f [11.47]
σ 3 ρliq
en las que los subíndice liq y vap se corresponden con las fases líquida y vapor, vch es
una velocidad característica que normalmente se aproxima por la intensidad local
de la turbulencia, vch k , σ es la tensión superficial del líquido con su vapor, pvap
es la presión de vapor a la temperatura de trabajo y Ce y Cc son constantes que se
determinan empíricamente. Por defecto, se suele tomar que Ce = 0,02 y Cc = 0,01.
La turbulencia puede tener un efecto importante en el desarrollo de la cavitación.
En ese caso se recomienda modificar el valor crítico de presión de vapor añadiéndo-
( )
le la contribución turbulenta de la forma: p′vap = pvap + ptur 2, donde ptur se
estima como: ptur = 0,39 ρk.
Simulación de cavitación en bombas
La cavitación se puede producir en muchos puntos de un circuito hidráulico, como

en tubos Venturi, huecos, protuberancias, cuerpos sumergidos, vórtices, máquinas
de fluidos (bombas, turbinas, hélices marinas), en transitorios, en golpes de ariete o
en cojinetes. Puesto que la aparición de este fenómeno está asociada a un descenso
importante de la presión local, en el caso de bombas el lugar más susceptible de
experimentar cavitación es la zona de aspiración (entrada) de la máquina.
La figura 11.8 muestra los resultados de una simulación numérica tridimensional
de una bomba semiaxial en condiciones de cavitación (Kobayashi y Chiba, 2009). Se
ha empleado para ello un cierre de turbulencia según un esquema LES sobre una
geometría tridimensional, no estacionaria y que permite el giro relativo entre la
malla del rodete de la máquina y la malla del conducto (ver figura). Para esta simula-
ción se emplearon 2.2 millones de celdas, con un modelo Smagorinsky-Lilly para
modelizar las tensiones SGS. Asímismo, se utilizó un modelo de cavitación basado
en las ecuaciones de Rayleigh-Plesset.
Los resultados obtenidos muestran la formación de burbujas de vapor en las
zonas de entrada de los álabes, allí donde se producen las mayores depresiones.
Geometría tridimensional y
mallado de una bomba semiaxial
3,5 x 105
3,0 x 105
2,5 x 105
2,0 x 105
1,5 x 105
1,0 x 105
Distribución de presión en el rodete de una bomba Zonas con fracción de volumen de vapor
semiaxial (zonas oscuras representan depresión) superiores al 5% (indicativas de cavitación)
Figura 11.8 Simulación del fenómeno de cavitación en una bomba semiaxial (imagen cortesía de Koba-
yashi y Chiba).
También se predice la formación masiva de burbujas, en forma de nube de cavita-

ción, en las caras de succión de los álabes, especialmente a caudales altos.
Los autores comparan sus resultados numéricos con medidas experimentales del
mismo fenómeno y cifran en un rango del 10% las mayores discrepancias que
encuentran entre las medidas y sus resultados numéricos.
La gran ventaja de la simulación es que permite identificar con precisión las
zonas de formación de cavitación, aquellas que serán más susceptibles de sufrir
mecánicamente. Además, se consigue una gran comprensión de la física del fenó-
meno a través de la observación del comportamiento dinámico (no estacionario) de
los campos de presión en el interior de la turbomáquina.
11.4.5. Modelo de volumen de fluido (VOF)

El modelo VOF permite el modelado de dos o más fluidos inmiscibles, mediante la
resolución de un único conjunto de ecuaciones para la conservación de masa,
momento y energía. La fracción de volumen de cada una de las fases se resuelve con
una ecuación de transporte, a partir de la cual es posible definir la posición y evolu-

ción de las interfases.
La formulación VOF se basa en la suposición de que los fluidos participantes no
están interpenetrados, en clara contraposición con los modelos multifase anteriores.
Por tanto, su aplicación se limita al análisis de flujos estratificados, con superficies
libres o con grandes bolsas de aire (o gas) atrapadas o transportadas en corrientes
fluidas. El mayor problema que debe resolver este modelo es, precisamente, el cálcu-
lo de las interfases que delimitan a cada una de las fases en el interior del dominio.
Cada fase que se incorpora al modelo introduce su fracción de volumen al cálcu-
lo. Estas fracciones de volumen cumplen las mismas premisas de la ecuación 11.37 y
permiten calcular las propiedades de cada fluido igual que en 11.40. La gran diferen-
cia se basa en el propio hecho de no interpenetrabilidad de las fases: la fracción de
volumen de cada fase vale 0 en aquellas celdas en donde no hay presencia de esa fase,
vale 1 en aquellas celdas llenas de dicha fase y sólo puede variar entre 0 y 1 en aque-
llas celdas donde precisamente se encuentre la interfase. De esta idea se desprende,
de forma indirecta, que en el modelo VOF no puede haber celdas vacías que no
estén ocupadas por alguna de las fases.
Los campos de todas las variables (velocidad, presión, temperatura) son comparti-
dos por todas las fases y representan valores promediados en función de las fracciones
de volumen en cada celda. Por esta razón, las ecuaciones generales 3.12 a 3.15 son de
aplicación. En particular, la ecuación de momento que se aplica en este caso es:
∂ ( ρv )
+ ∇⋅ ( ρvv ) = −∇p + ∇⋅ ( μ∇v ) + ρg + FV [11.48]
∂t
donde se introduce una fuerza volumétrica, FV , que, como se verá a continuación,

sirve para implementar el efecto de la tensión superficial en el cálculo de las interfa-
ses. Además, las ecuaciones de transporte para cada fase q-ésima a resolver son:
(
∂ αq ρq ) N
∂t
( ) ( )
+ ∇⋅ αq ρq v = ∑ m pq − mqp + Sαq [11.49]
p=1
donde los términos en el segundo miembro de la ecuación se introducen para tener

en cuenta posibles transferencias de masa entre las fases, así como fuentes de gene-
ración o destrucción de las mismas.
El algoritmo de resolución de la ecuación 11.49 debe ser conservativo cuando
defina las interfases a lo largo del tiempo, procurando que la difusión numérica esté
controlada para el cálculo de los flujos de las fracciones de volumen. Es preciso, por
tanto, introducir un algoritmo que determine la variación de αq en cada celda
reconstruyendo la interfase a partir de los campos de αq en la iteración anterior.

Existen dos métodos para reconstruir la interfase a partir de esos valores en las cel-
das: cálculo de la interfaz por líneas simples (SLIC), que aproxima la interfaz por
líneas rectas paralelas a los ejes coordenados, o el cálculo de la interfaz por aproxi-
mación de pendientes (PLIC), que emplea líneas con pendiente para reconstruir la
interfaz (figura 11.9)
Algoritmo SLIC Algoritmo PLIC
0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
0,0 0,03 0,94 0,94 0,03 0,0 0,0 0,03 0,94 0,94 0,03 0,0
0,57 0,57 0,57 0,57
0,0 0,57 1,0 1,0 1,0 1,0 0,57 0,0 0,0 0,57 1,0 1,0 1,0 1,0 0,57 0,0
0,0 0,94 1,0 1,0 1,0 1,0 0,94 0,0 0,0 0,94 1,0 1,0 1,0 1,0 0,94 0,0
Figura 11.9 Algoritmos para la reconstrucción de la interfase (adaptado de Kothe et al., 1996).
Formulación continua de la fuerza superficial (CSF)
El cálculo de la interfase entre fluidos inmiscibles es especialmente crítica cuando

deben incorporarse los efectos de la tensión superficial. Estos efectos son importan-
tes, en el caso de flujos industriales (Re 1), cuando el número de Weber, defi-
nido como We = ρ LU 2 σ , no es excesivamente grande.
La tensión superficial es una fuerza que actúa únicamente sobre la interfase,
debido al gradiente de presiones que se establece entre los dos lados de la misma. La
ley de Laplace-Young determina el valor de esa diferencia en presiones a través de la
curvatura de la interfase según: ∆p = σ (−∇ ⋅ n ) . El principal problema reside en
que esta fuerza superficial debería aplicarse como una condición de contorno dis-
creta en la discontinuidad entre fases. Para suplir este problema, Brackbill (1992)
introdujo la reformulación de este esfuerzo superficial en forma de una fuerza volu-
métrica localizada en la zona de transición entre fases. Expresando la curvatura de la
interfase en función del propio gradiente de las fracciones volumétricas, se define la
siguiente expresión para FV en 11.48:
⎡ ⎛ ⎞⎤
⎢ ∇⋅⎜ ∇αq
FV = −σ pq ρ⎢
⎟⎥ ∇αq
[11.50]
⎜ ⎟⎥( ρ + ρ ) 2
⎣ ⎝ ∇αq ⎠⎦ q p
Nótese que αq es constante en cada fase y únicamente varía en la zona de transi-

ción, por lo que este efecto se anula fuera de la interfase (el gradiente de αq se hace
cero). Además, esta formulación permite incluir fácilmente el efecto del ángulo de
contacto con las paredes en las proximidades de los contornos sólidos.
VOF no estacionario y elección de paso temporal
El término temporal en la ecuación de transporte para las fracciones de volumen se

puede resolver de forma implícita o de forma explícita. La formulación implícita,
menos restrictiva en la elección de paso temporal, se emplea cuando interesa la solu-
ción asintótica del flujo, despreciándose la evolución en el transitorio.
Por el contrario, debe emplearse una formulación explícita cuando la solución
final depende sustancialmente del proceso transitorio. Esto ocurre cuando la inte-
racción entre fases es compleja y el cálculo de la interfase debe ser calculado necesa-
riamente a lo largo del tiempo. De otra forma, la posición final de la interfase no
puede predecirse. En este caso, se debe fijar un paso temporal que no permita al
frente de avance de la interfase desplazarse más de una celda por paso temporal. La
condición que rige es, por tanto, la de Courant, según:
∆x
∆t VOF = CFL [11.51]
v fase
Simulación numérica del flujo trifásico en procesos de vertido de vidrio

sobre floats industriales
La fabricación industrial de vidrio plano se realiza mediante un proceso de flotado

en el que la hoja de vidrio se conforma según se va enfriando. En este proceso, el
vidrio aún fundido (proveniente del horno) se vierte sobre un baño de estaño fun-
dido (float) donde la hoja se conforma con el ancho y espesor demandados.
En la figura 11.10 se muestra una vista tridimensional de la zona de cabecera de
dicho float. El flujo de vidrio entra por un canal con compuertas de regulación y se
derrama sobre un labio que permite su caída sobre el estaño fundido. La mayor den-
sidad del estaño permite la flotación del vidrio y la relación de tensiones superficia-
les permite que el vidrio se extienda con un espesor característico del orden de las
necesidades del mercado (aprox. 7 mm).
En este ejemplo se muestran las capacidades del modelo VOF para simular la
dinámica de la formación de la hoja de vidrio en esa zona de cabeza. Numéricamen-
te hablando, se realizó una simulación trifásica (estaño-vidrio-aire), no estacionaria,
en la que se incorporó la formulación CSF para calcular correctamente el menisco
en el frente de avance del vidrio (v. figura 11.10, abajo a la izquierda).
Compuerta 0,2 m/s

rta trasera
ue
mp ra
Co lante
de
Tope de
desparrame Fase de aire
Bloques laterales
Labio de
derrame
Nivel de
estaño Fase de vidrio
no al
Pla tudin
n gi
lo Bloques de solera Fase de estaño
Geometría tridimensional y mallado Perfiles de velocidad en las fases líquidas

Entrada de vidrio Fase de aire
Paredes
del labio ,
Derrame
Plano
Pared trasera de sim
etría
Nive
l inic
ial de
estañ Hoja de vidrio Fase de vidrio
o
Pared lateral Solera

Fase de estaño
2
1,5 Qo
1,25 Qo
Qo
1,5 0,75 Qo
0,5 Qo
y/H
0,5
0
0 0,5 1 1,5 2 2,5 3
x/H
Modelado no estacionario del frente Variación geométrica en el proceso de
de avance para la interfase vidrio-estaño vertido en función de la tirada (caudal)
Figura 11.10 Modelización trifásica del proceso de vertido de vidrio fundido en un float.
Se construyó una geometría tridimensional, con condición de simetría longitudi-

nal, y una discretización espacial de aproximadamente 200 000 celdas con mallado
progresivo en las zonas de pared y en la interfase inicial entre estaño y aire. El transito-
rio inicial de formación de la hoja de vidrio se resolvió con un algoritmo tipo PLIC de
reconstrucción de la interfase y un paso temporal característico de 0,1 s, si bien se uti-
lizó una técnica de paso temporal adaptativo para satisfacer la ecuación 11.51 con
números de Courant nunca superiores a 0,75 (Fernández Oro et al., 2008).
Aunque el vidrio presenta flujo laminar, se utilizó un modelo de turbulencia

RSM para tener en cuenta la característica turbulenta de la fase de estaño. Asi-
mismo, se empleó un algoritmo PISO para resolver el acoplamiento entre los térmi-
nos de presión y velocidad y la mayoría de los factores de subrelajación tuvieron que
reducirse a valores entre 0,2 y 0,5 para asegurar la convergencia.
El objetivo de la simulación era observar la forma de la hoja de vidrio en función
del caudal de vidrio (tirada) en el float (figura inferior derecha). A mayores caudales
se observó un progresivo engrosamiento de la fase de vidrio en la zona inmediata-
mente debajo del vertedero. También se predijo numéricamente el fenómeno de
recirculación del estaño, arrastrado por el vidrio en su avance y que retorna hacia la
cabeza por la zona inferior del baño, así como una zona muerta de vidrio justo bajo
el labio, en la que se sabe que se producen vitrificaciones locales de la hoja debido al
descenso de la temperatura que sufre el vidrio atrapado en esa zona.
11.5 Modelos de solidificación

Los procesos de transformación de líquidos fundidos son una de las aplicaciones
más importantes dentro del ámbito industrial. Dentro de esta categoría se incluyen
los procesos metalúrgicos de transformación de metales fundidos, como las coladas
continuas de acero o la producción de zinc y aluminio (trefilerías), los procesos de
fabricación de vidrio, ya sea en forma de vidrio plano (colada) o con moldes, y el
conformado de plásticos, bien vía moldes, bien vía extrusión.
El principal problema de estas simulaciones es tratar correctamente la fase sólida
que se forma en el proceso. En primer lugar, es imprescindible incorporar al modelo
la variación con la temperatura de la densidad y la viscosidad de la fase líquida a
solidificar. Además, también se debe incorporar un método para extraer la fase sóli-
da del dominio, haciendo que sea compatible con el resto de las condiciones de con-
torno para las fases fluidas.
La metodología más habitual se basa en la utilización de una técnica de entalpía
porosa, de forma que la interfaz líquido-sólido no se resuelve explícitamente, sino
que se emplea un parámetro (denominado fracción de líquido, β) para indicar la
fracción de líquido que hay en cada celda y que se calcula en cada iteración a partir
de un balance de entalpías. Se denomina zona porosa a aquella región en la que β
varía de 1 (líquido) a 0 (sólido) mientras el material se solidifica.
Cuando el material se solidifica en una celda, el valor de β se hace cero y la velo-
cidad del fluido también se anula. A partir de ese punto, es necesario definir una
velocidad de colada que permita extraer el material solidificado del dominio y que
asegure satisfacer la condición global de continuidad para el fluido.
En el modelo de solidificación se debe resolver la ecuación para la entalpía 3.14,
donde en este caso, a la entalpía se le debe sumar el calor latente de solidificación,
∆H, que se relaciona a su vez con la fracción de líquido según ∆H = βH L , siendo
HL el calor latente de la fase líquida. Análogamente, la ecuación de momento debe
incluir un término fuente para la zona de transición de líquido a sólido, que vaya
anulando progresivamente la transferencia de momento hacia el sólido:
(1 − β )2
S= Atran (v − vcolada ) [11.52]
( β3 + ε )
siendo ε un valor muy pequeño (normalmente 0,001) que evita la división por cero,
Atran una constante para la zona de transición (típicamente entre 104 y 107) y vcolada
el valor necesario de velocidad para permitir la salida del dominio del material soli-
dificado.
11.6 Transporte de escalares como trazadores

En ciertas aplicaciones industriales, como pueden ser el flujo en reactores químicos o
los patrones de flujo en depósitos o tanques, es de vital importancia conocer los tiem-
pos de residencia y las características de renovación del fluido en tales equipamien-
tos. Estos parámetros se pueden determinar numéricamente utilizando una ecuación
genérica de conservación para un escalar pasivo. De forma análoga a como se hace
experimentalmente, ese escalar no reactivo actúa como un trazador numérico.
Si el flujo que se analiza es estacionario, el procedimiento parte de la solución del
campo fluidodinámico obtenido previamente. A continuación se define un escalar
que se resuelve de forma no estacionaria según la ecuación general 3.7, y en la que el
campo de velocidades es conocido (acaba de ser obtenido). Basta con fijar un valor
unitario para el escalar en la condición de entrada para ver su posterior evolución en
el interior del dominio. Si se fija un escalón a la entrada, al monitorizar a lo largo del
tiempo el valor del escalar a la salida, se obtiene el valor acumulativo de la distribu-
ción de tiempo de residencia (curva de concentración); por el contrario, si se intro-
duce un impulso para el trazador a la entrada, lo que se obtiene a la salida tras
adimensionalizar es directamente la distribución del tiempo de residencia (curva
RTD). Nótese que para el cálculo del trazador únicamente debe resolver su ecuación
de transporte, introduciendo un coeficiente de difusión extremadamente bajo (al
menos de 10–10) para evitar su difusión numérica (sólo debe reproducir el transporte
convectivo).
En caso de flujo no estacionario la metodología a emplear es la misma, pero debe
aplicarse simultáneamente a la resolución transitoria del campo fluidodinámico.
Este caso es evidentemente más costoso computacionalmente, pero permite una
descripción completamente realista del proceso, incluso si se combina con otros
modelos multifásicos.
Esta técnica, además de emplearse como definición de trazadores, también se
puede emplear con éxito para simular la dispersión de contaminantes (vertidos en
ríos), si ambos fluidos presentan propiedades semejantes, o para reproducir el caso
de mezclas entre un fluido “nuevo” y un fluido “viejo” con mismas características en
un determinado confinamiento.
Simulación del grado de mezcla en aceros de colada continua

En este caso se presenta la aplicación de trazadores numéricos para estudiar los
patrones del flujo de acero en el interior de un tundish industrial. En los procesos de
colada continua, el tundish o artesa de colada (v. figura 11.11, abajo a la izquierda) es
un recipiente intermedio que se coloca entre la cuchara que vierte acero y el molde
que inicia la colada y que sirve como reactor de homogeneización así como de depó-
sito de expansión para evitar transitorios (cambios de cuchara) en la colada.
Cuando se termina de colar un tipo de acero y se comienza a colar otro distinto,
se produce una mezcla de grados de acero dispares en el interior del tundish. Existi-
rán, por tanto, unos determinados desbastes (tramos de colada) que presentan un
acero intermedio de transición entre el tipo antiguo y el tipo nuevo. Conocer la lon-
gitud de esa zona de mezcla es importante para los fabricantes de acero, de modo
que sean capaces de clasificar qué tipo de acero están colando en todo momento.
En la simulación que se ilustra en la figura 11.11 se utilizó un modelo numérico
bifásico para estudiar las condiciones transitorias de la fluidodinámica del tundish.
Además, se usó un escalar no reactivo como trazador para determinar en todo
momento la concentración de acero nuevo en el interior (y en la salida) del dominio
(Fernández Oro et al., 2009).
Dadas las condiciones de simetría de las bocas de entrada y salida del acero, así
como del tundish, se empleó un dominio doblemente simétrico (longitudinal y
transversalmente) con una malla total de [110 × 80 × 25] celdas estructuradas.
Debido a las condiciones turbulentas del chorro de descarga, se utilizó un modelo
k-épsilon RNG según indicaciones de la bibliografía consultada. Se empleó un
modelo VOF bifásico, supuesto flujo isotermo (sin variaciones de temperatura sig-
nificativas), con las condiciones físico químicas del acero fundido a una tempera-
tura próxima a 1500 ºC.
Buza de
entrada
)
ra H
(altu
ie libre
erfic
Sup
Inhibidor de
turbulencia
Buzas de salida
0,0 0,1 0,2 0,3 0,4 0.,5 0,6 0,7 0,8 0,9 1,0
Concentración adimensionalizada (nuevo grado de acero)
Geometría tridimensional y mallado Factor de mezcla (trazador no reactivo) para

(1/4 del dominio real por simetría) mezcla de aceros de composición dispar
Concentración adimensionalizada
Valor de pico ,
,
, ,
,
,
Tundish ,
, ,
Tiempo adimensionalizado
Tiempo mínimo de
residencia (MRT)
Tiempos de residencia en el tundish, en función del caudal
Colada continua de operación, obtenidos con trazadores numéricos
Figura 11.11 Distribución de la concentración de acero en un tundish y cálculo de tiempos de residencia

mediante la utilización de trazadores numéricos.
La simulación realizada fue no estacionaria, con pasos temporales característicos

de 0,05 s, y dividida en varias fases para caracterizar los descensos y recuperaciones
de nivel de acero en el tundish durante el transitorio. Se simularon distintos casos en
función del caudal de operación, y en todos ellos se extendió la simulación hasta que
el acero nuevo había completado la renovación del tundish al menos en un 90%. De
esta forma, se simuló el flujo en el tundish durante 30 minutos, para los cuales se
necesitaron aproximadamente 2 semanas de cálculos en un procesador Intel Core2
de cuatro núcleos. En la fase inicial, el trazador permitió calcular la curva RTD, o
distribución del tiempo de residencia (v. figura 11.11), de forma que se pudiesen
establecer estimaciones de los volúmenes muertos y de las zonas de recirculación en
el interior del tundish. En la fase final de mezcla se obtuvieron mapas de concentra-
ción de la mezcla (v. figura), así como el valor de la concentración a la salida, con el
objeto de definir modelos sencillos de mezcla que pudiesen predecir las concentra-
ciones a la salida en función del caudal de operación.
11.7 Modelización del flujo en máquinas de fluidos

Las máquinas de fluidos son dispositivos mecánicos diseñados para conseguir un
intercambio energético entre un fluido y un eje en rotación. Su importancia y pre-
sencia en la industria están fuera de toda duda, siendo fundamentales en un buen
número de aplicaciones ingenieriles.
Según el principio de funcionamiento de las máquinas, se distingue entre máqui-
nas de desplazamiento positivo (o volumétricas) y turbomáquinas (o rotodinámi-
cas). Las primeras se caracterizan por realizar el intercambio energético mediante el
desplazamiento de un volumen confinado de fluido, ya sea comprimiéndolo o
expandiéndolo, mientras que las segundas utilizan la variación en el momento ciné-
tico del flujo entre la entrada y la salida a través de un rotor (corona de álabes) en
rotación.
Por el principio de operación, las máquinas de desplazamiento positivo se utili-
zan en sistemas fluidos de potencia y tecnologías oleohidráulicas y neumáticas,
como prensas, máquinas-herramienta, grúas, motores alternativos o automatismos,
mientras que las turbomáquinas se emplean para el transporte de fluidos así como
para la generación y aprovechamiento de energía, como en el caso de circuitos de
bombeo, ventilación, generación de energía (turbinas hidráulicas, aerogeneradores,
centrales eléctricas) o sistemas de propulsión (hélices, motores a chorro o turbinas).
Evidentemente, el conocimiento detallado del flujo en el interior de estos dispo-
sitivos es clave para conseguir diseños óptimos y mejorar las prestaciones de las
máquinas. Durante los últimos años, los ordenadores y los métodos numéricos han
facilitado el cálculo del flujo en turbomáquinas, obteniéndose información valiosa y
muy detallada sobre las distribuciones de velocidad y presión del flujo en su interior.
11.7.1. Flujo no estacionario en máquinas de fluidos: mallas

dinámicas
Debido a que en las máquinas de fluidos el intercambio energético se establece entre

el fluido y un eje en rotación, es esencial que exista un movimiento relativo entre las
superficies para satisfacer el proceso. Esto implica que el flujo en el interior de las
máquinas sea, por definición, no estacionario y que será muy importante modelar
correctamente los efectos de esa no estacionariedad para poder describir el flujo de
la forma más realista posible.
La correcta simulación del flujo interno en máquinas de fluidos exige, por tanto,
resolver el término no estacionario de las ecuaciones generales de conservación.
Pero además, debido a que la geometría varía en el tiempo, será necesario introducir
algún tipo de algoritmo para poder emplear el método de volúmenes finitos sobre
mallas con características dinámicas.
En la mayoría de los flujos convencionales, el dominio a modelar es fijo, con
características estáticas, y que se malla en el preproceso, durante la fase de discreti-
zación previa a la resolución del flujo. Sin embargo, en máquinas de fluidos, la malla
de partida debe además adaptarse a los cambios en las condiciones de contorno de
forma dinámica a lo largo de la simulación, por lo que se requiere de un tratamiento
especial de la conectividad en la topología y de cómo se transfiere la información
entre la malla en instantes consecutivos.
Las mallas dinámicas permiten resolver aquellas situaciones en las que la geo-
metría del dominio varía en el tiempo (normalmente de forma periódica) debido al
movimiento de los contornos sólidos. Generalmente, se distinguen dos tipos de
mallados dinámicos, desarrollados cada uno de ellos para las dos familias de máqui-
nas de fluidos discutidas anteriormente. A saber:
c Mallados deformables, ideados para máquinas volumétricas en las que se pre-
cisa la creación o destrucción de volúmenes durante la resolución no estacionaria
del flujo. En este caso, el movimiento de los contornos viene prefijado, bien por
el desplazamiento alternativo de uno o varios pistones lineales (motores alterna-
tivos), bien por el giro del rotor en máquinas de desplazamiento positivo (bom-
bas de engranajes o paletas).
c Mallados deslizantes, empleados en el caso del flujo en turbomáquinas y que
permiten el giro relativo entre las mallas de regiones fijas y regiones móviles
(rotor). Típicamente, el movimiento de dichos contornos viene prefijado por la
velocidad de rotación, lo cual implica una serie de posiciones relativas entre los
álabes y el resto de los contornos.
A continuación se presentan las características fundamentales de estos tipos de
mallas dinámicas.
11.7.2. Flujo en máquinas volumétricas: mallados deformables
Los modelos de malla deformable permiten mover los contornos del dominio y
ajustar la malla de manera correspondiente. Se utilizan para introducir en la modeli-
zación las fronteras que se mueven de forma rígida (lineal o rotativamente), unas
respecto de otras. Para implementarlas correctamente, es necesario introducir un
par de modificaciones en las ecuaciones de conservación.
En primer lugar, la forma integral de la ecuación de conservación (ecuación 3.17)
debe modificarse para tener en cuenta el movimiento (velocidad vg ) de las condi-
ciones de contorno. Esto se manifiesta en la formulación de los flujos por las fronte-
ras, resultando:
∂
( )
∫ ρφ dV + ∫ ρφ v − v g ⋅ dA = ∫ ( Γ∇φ) ⋅ dA + ∫ Sφ dV
∂t V
[11.53]
A A V
Además, en el término temporal de la ecuación debe tenerse en cuenta que no

sólo varía la variable transportada φ a lo largo del tiempo, sino que también el volu-
men de la celda puede cambiar al deformarse. Matemáticamente, la ecuación 4.9 se
reescribe como:
n n−1
∂ ( ρφV ) − ( ρφV )
∫
∂t V
ρφ dV =
∆t
[11.54]
donde las variaciones de los volúmenes en cada celda se pueden calcular como
∂V
V n = V n−1 + ∆t
∂t
en la que la derivada temporal del volumen de control se puede relacionar con la

velocidad de las fronteras mediante:
c .v .
∂V
= ∫ v g ⋅ dA = ∑ v g , j ⋅ A j [11.55]
∂t A j=1
A partir de aquí se plantean diversos tipos de reconstrucción de la malla en fun-

ción de las características básicas del movimiento de los contornos. Principalmente
se distinguen tres métodos fundamentales:
c Métodos de suavizado (smoothing).
c Métodos por capa (layering).
c Métodos de remallado local (remeshing).
El primer método permite que la conectividad inicial de la malla no se modifi-
que. Por lo tanto, los nodos de la discretización se mueven como si estuviesen
conectados por pequeños muelles, de la misma forma en que se deforma una
esponja. Con estas condiciones es evidente que sólo puede utilizarse si se contem-
plan pequeñas deformaciones, aunque no presenta ninguna restricción respecto al
tipo de malla que debe emplearse (estructurada o no estructurada).
El método por capa implica la creación y destrucción de celdas según avanza o
retrocede la condición de contorno en movimiento. Se basa en la adición o supresión
de filas enteras de celdas según la zona que está en movimiento crece o colapsa. Lógi-
camente, puesto que el número de celdas en el dominio crece o disminuye, la conec-
tividad topológica se ve alterada en el tiempo. Ideada originalmente para modelar el
avance o retroceso lineal de una superficie móvil (pistón), se limita su uso a mallas
estructuradas, ya que exige la eliminación o adición de filas completas de celdas.
Finalmente, el método de remallado local es una alternativa al método de suavi-
zado cuando se tienen grandes deformaciones. En este caso no hay otra alternativa que
remallar (localmente) en la zona de deformación: los cambios en la geometría son tan
grandes que no es posible adaptar la malla original (deformándola o eliminando zonas
ordenadamente) a los nuevos contornos. Se han desarrollado distintas alternativas de
remallado, en función de las características globales del mallado original (2-D,
extruido 3-D, etc.), de las cuales destacan los remallados volumétricos o sólo los super-
ficiales (que luego pueden ser extruidos fácilmente). Dentro del grupo de remallados
superficiales se encuentra la familia de remallado local de 6 grados de libertad (6 DOF)
que se utiliza cuando el movimiento de los contornos no está prescrito, sino que inte-
racciona directamente con el flujo a resolver (p. ej., flujo externo en proyectiles).
En la figura 11.12 se muestra un ejemplo de malla deformable para el caso de una
bomba de lóbulos (desplazamiento positivo) como para un pistón de un motor de
cuatro tiempos. En el primer caso se ha utilizado un refinado local superficial (y
Instante inicial
Zonas de
refinado
locales
Instante final
Adición de
capas de
mallado
Mallado deformable en una bomba Mallado deformable en un pistón

de engranajes (método de remallado) (método de capa)
Figura 11.12 Ejemplo de utilización de mallas deformables (adaptado de Fluent v6.3 - User's guide, 2006).
posterior extrusión en la dirección vertical), mientras que para el cilindro se ha utili-

zado un método por capa para el avance de las válvulas y pistón.
11.7.3. Flujo en turbomáquinas: mallados deslizantes
La simulación del flujo en turbomáquinas ha experimentado un notable desarrollo en

las últimas décadas. Desde 1970, en que se consiguieron las primeras soluciones
numéricas de canales bidimensionales bajo hipótesis de flujo potencial, el aumento de
las capacidades computacionales ha permitido ir resolviendo flujos cada vez más com-
plejos, usando primero códigos eulerianos (década de los años 80), después códigos
de Navier-Stokes (años 90) y finalmente con el inicio de simulaciones LES en la pri-
mera década del nuevo siglo. Como grandes impulsores de estos avances cabe destacar
a Denton (1975), Ni (1982) o Dawes (1988). La mejora de los códigos y el incremento
en potencia de cálculo (multiplicada por 106 en los últimos 30 años) ha hecho posible
avanzar en el estudio de máquinas multietapa sujetas a fenómenos no estacionarios.
En las turbomáquinas, la existencia de haces de álabes móviles enfrentados a
otros fijos, muy próximos entre sí debido al pequeño espaciado axial entre ambas
zonas, condiciona la aparición de una interferencia notable en el flujo axisimétrico.
Esa interacción rotor-estator es clave para entender el flujo no estacionario en toda
turbomáquina multietapa, así que cualquier modelo numérico que se realice debe
atender a la existencia de esas superficies en movimiento relativo entre sí.
En el caso particular de una máquina con un único haz de álabes, se puede adop-
tar un marco de referencia relativo a los álabes en rotación y resolver para dicha
referencia las ecuaciones del flujo relativo, en las que aparecen términos adicionales
(fuerzas centrífugas y Coriolis), pero que representan un problema estacionario en
dicho marco no inercial (Lakshminarayana, 1996):
⎡ ∂w ⎤
ρ⎢ ⎡ 2 ω × w + ω × ( ω × r )⎦
+ (w ⋅ ∇ ) w ⎥+ ρ⎣ ⎤= −∇p + ρg + μ∇2w [11.56]
⎣ ∂t ⎦
Coriolis + centrífuga
Cuando existen directrices o coronas fijas, no es posible simplificar el problema a

un único marco de referencia, debiendo considerar ambos puntos de vista (fijo y
móvil). Esto es esencial cuando la cercanía de las coronas impide que puedan mode-
lizarse por separado ambas cascadas mediante una condición de contorno interme-
dia neutra.
La simulación numérica de la interacción rotor-estator es hoy por hoy uno de los
aspectos más relevantes en el diseño de turbomáquinas. El carácter no estacionario y
tridimensional del flujo requiere de discretizaciones temporales y espaciales muy
exigentes y de una modelización de la turbulencia adecuada para predecir las pérdi-
das y los mecanismos de transferencia de calor. De otra forma, no es posible captu-

rar los fenómenos potenciales y la generación de capas límites viscosas.
Desafortunadamente, la solución tridimensional no estacionaria del flujo supone
uno de los esfuerzos computacionales más exigentes dentro de las modernas aplica-
ciones de CFD. Por esta razón, se han desarrollado diversos métodos para conseguir
soluciones temporales adecuadas sin que esto conlleve excesivos requisitos compu-
tacionales ni de tiempo real de simulación. En general, las diferencias entre los dis-
tintos métodos recaen en la estrategia seguida para acoplar las partes móviles y las
fijas y en el procedimiento empleado para tener en cuenta las fluctuaciones no esta-
cionarias. Existen varios métodos para el modelado de fenómenos tridimensionales
no estacionarios en el flujo de turbomáquinas de varias etapas. En concreto se pue-
den diferenciar cuatro métodos básicos (Chima, 1998):
c Análisis sucesivo de filas de álabes aisladas.
c Métodos de promediado según planos (averaging-plane methods).
c Métodos de promediado según canal (average-passage methods).
c Métodos completamente no estacionarios (mallas deslizantes).
Primeros niveles de aproximación
En el primer caso, se estaría obviando todo tipo de interacción, suponiendo flujos

independientes para cada haz (análisis sucesivo de filas de álabes aisladas con condi-
ciones de flujo uniforme a la entrada). La metodología analiza la primera fila de ála-
bes (modela un único canal) y utiliza las propiedades promediadas del flujo a la
salida de dicha fila como condición de contorno de entrada para la siguiente fila. El
proceso se repite tantas veces como haces presente la turbomáquina en estudio. El
gran inconveniente es que se ignoran por completo procesos físicos como la difu-
sión de estelas (wake mixing), interacciones y otros fenómenos no estacionarios, en
virtud del marco estacionario empleado.
Los métodos de promediado según planos resuelven todas las coronas simultá-
neamente, intercambiando información del flujo según distribuciones promediadas
radialmente en las interfaces comunes entre las filas. Permite una interacción esta-
cionaria entre haces, pero anula todo efecto no estacionario al no haber desplaza-
miento relativo entre superficies. Para distinguir entre haces fijos y móviles, a las
coronas de rotor se les asigna una velocidad de arrastre y se resuelven las ecuaciones
del movimiento según 11.56. En las zonas fijas se utiliza la formulación en el marco
de referencia fijo. Aunque existen varias alternativas, la más extendida es la cono-
cida como planos de mezcla (mixing planes), en la que se promedian tangencial-
mente las variables transportadas, lo que permite modelar únicamente un canal de
álabe por corona. La figura 11.13 muestra el plano de mezcla para una configuración
rotor-estator. Típicamente, el paso de cada corona es distinto (distinto número de

álabes), por lo que la zona de interfaz no se superpone completamente (v. figura).
Este problema se corrige con los valores promedio en la interfaz, que sirven de con-
dición de contorno a los dominios considerados. Esta metodología, introducida
simultáneamente por Denton y Dawes (1992), permite un gran ahorro computacio-
nal a costa de perder efectos no lineales y fenómenos de convección.
El último procedimiento que presenta un modelado estacionario es el método de
promediado por canal (average-passage), desarrollado por Adamczyk (1985 y 1986),
en el que la contribución no estacionaria se modela a través de unos términos fuente
adicionales. En esencia, aplica un promediado temporal extra a las ecuaciones con
un tiempo característico que responde al paso de álabe del rotor, resultando unas
tensiones adicionales, tensiones deterministas, que es necesario modelar. La for-
mulación de estas tensiones es idéntica a la de las tensiones de Reynolds, pero basa-
das en una escala temporal diferente. La ventaja es que permite la incorporación de
los efectos no estacionarios sobre una simulación estacionaria, si bien con la incerti-
dumbre de tener que modelar esas contribuciones extra (Hall, 1997).
Finalmente, los métodos completamente no estacionarios, impulsados inicial-
mente por Rai (1987, 1989) y Giles (1989, 1990), son capaces de ofrecer una solución
directa de la interacción no estacionaria rotor-estator. En principio, estos esquemas
permiten evitar todo tipo de modelados extras, excepto el de la turbulencia. Los prin-
cipales aspectos a tener en cuenta son el tratamiento de las interfaces entre los domi-
nios del rotor y del estator y la implementación de fronteras periódicas en el espacio y
en el tiempo. Los modelos no estacionarios exigen que las superficies móviles de los
álabes en rotación sean tenidas en cuenta como tal a lo largo del tiempo, modificándo-
se la posición relativa entre los álabes de las coronas de la máquina.
ROTOR ESTATOR
Salida del rotor
Salida
ROTOR
ESTATOR
Entrada del estator Entrada
x
plano de mezcla
(mixing plane interface)
Figura 11.13 Esquema del modelo de plano de mezcla (adaptado de Fluent v6.3 - User's guide, 2006).
Mallado deslizante
En realidad, más que de un modelo, se trata de una técnica que permite el movi-
miento relativo entre dos zonas del dominio. Se han de definir dos mallados inde-
pendientes, uno para el estator y otro para el rotor, que compartan una zona de
interfaz común, a través de la cual se producirá el intercambio de información. En el
estator, se resuelven las ecuaciones para flujo absoluto, mientras que en el rotor se
resuelven las ecuaciones para flujo relativo. Lo que se plantea entonces es una meto-
dología completamente no estacionaria, de forma que a cada paso temporal, la malla
del rodete se desplaza una determinada distancia de forma que cambia la posición
relativa de todos los álabes de la etapa. De esta manera, se simulan numéricamente
todos los efectos presentes en la realidad (figura 11.14).
Una vez generados los mallados independientes para rotor y estator, se solapan
sus límites comunes creando una interfaz numérica que permite el deslizamiento
relativo. En el caso bidimensional, la interfaz resulta ser una línea recta (figura
11.14). La técnica impone ciertas condiciones respecto de los mallados de las dos
zonas a considerar con movimiento relativo:
c La interfaz debe tener fluido a ambos lados de la misma.
c No puede existir movimiento perpendicular a la interfaz definida.
c La interfaz no puede ser discontinua.
c Puede adoptarse cualquier forma para la interfaz, incluso superficies alabeadas
no planas en geometrías tridimensionales, siempre y cuando sean coincidentes
para ambos dominios.
c No se puede generar una interfaz con más de dos líneas o superficies indepen-
dientes.
c Si se dispone de un solo mallado con varias zonas, se debe cuidar que cada zona
tenga una cara distinta sobre la frontera deslizante.
c Para casos tridimensionales con condición de periodicidad, sólo es posible defi-
nir dos fronteras con dicha condición para la interfaz.
En la figura 11.14 se muestra también la forma de transferir datos en la técnica
del mallado deslizante. La interfaz está formada por las caras AB, BC y las caras DE y
EF, en las dos zonas con movimiento relativo. La intersección de estas zonas pro-
duce las caras ad, db, be, ec y cf. Las caras generadas en la región donde las dos zonas
se superponen (db, be y ec) se agrupan formando una zona interior. Para calcular el
flujo en la interfaz correspondiente a la celda 4 no se considera la cara DE, sino que
las caras db y be la reemplazarían en el cálculo, transportando la información desde
las celdas 1 y 3, respectivamente.
Para geometrías tridimensionales en turbomáquinas axiales, las interfaces adop-
tan la forma de sectores circulares. El efecto de la carcasa se puede modelizar inclu-
interfaz
deslizante
Mallado fijo
paso
del 2
rotor 1
3
B C Interfaz en
A zona fija
a d b e c f
ROTOR Interfaz en
(dominio E F
paso zona móvil D 4 6
del móvil)
estator 5
ESTATOR
(dominio rotación
fijo) (velocidad Mallado móvil
de arrastre)
Figura 11.14 Esquema de mallado deslizante (adaptado de Fluent v6.3 - User's guide, 2006).
yendo interfaces a partir de envolventes cilíndricas (o cónicas en turbinas y

compresores) en la zona de la punta de la máquina.
11.7.4. Ejemplos de análisis del flujo en turbomáquinas

La creciente capacidad de los medios computacionales, así como el empleo ya habi-
tual del cálculo en paralelo mediante arquitecturas basadas en clusters de ordenado-
res comunicados en red, ha permitido que la simulación no estacionaria del flujo en
las turbomáquinas sea prácticamente a día de hoy la metodología estándar.
Es cierto que en la caso de máquinas multietapa, con un gran número de álabes
por corona (del orden de la cincuentena) y muchas etapas (entre cinco y diez), el
número total de canales a resolver puede llegar a alcanzar valores extremadamente
grandes, cercanos al millar. En esos casos, la solución completamente no estaciona-
ria requiere de capacidades de cálculo enormes y puede no ser siempre una opción
viable.
Sin embargo, en máquinas menos complejas, más habituales en las aplicaciones
prácticas como sistemas de ventilación o bombeo, la relativa reducción en las res-
tricciones geométricas permite el empleo de la metodología no estacionaria en el
diseño y análisis de las prestaciones de los equipos. A continuación se muestran
algunos ejemplos del uso de los modelos descritos anteriormente para el análisis del
flujo no estacionario en turbomáquinas axiales y centrífugas.
Flujo en un canal de turbomáquina axial
Los ventiladores de chorro se utilizan habitualmente en la ventilación de túneles de

carretera y estaciones de metro para garantizar la renovación de aire. Puesto que se
definen protocolos de actuación en los que se requiere que puedan soplar en un sen-
tido u otro, en función de las necesidades y condiciones de operación, estas máqui-
nas se diseñan para que sean reversibles. Con esa restricción, se construyen en
forma de rotor único, sin estator, evitándose además la aparición de fenómenos de
interacción entre partes fijas y móviles.
La simulación numérica tridimensional de un ventilador de chorro (reversible)
permite, por tanto, la consideración de un único dominio relativo (el canal entre
álabes), con condiciones de periodicidad circunferencial (v. figura 8.8a), que se
puede resolver como fila aislada en modo estacionario (Fernández Oro et al., 2008).
Con estas simplificaciones, es posible redoblar los esfuerzos en la descripción del
flujo secundario en el canal, así como en una correcta simulación del huelgo de
punta y del fenómeno de vórtice de punta asociado al mismo.
En la figura 11.15 se muestra precisamente la evolución de las estructuras vorti-
cales asociadas al vórtice de punta. Este modelo tridimensional, resuelto con el soft-
ware comercial FLUENT®, se ha implementado con un modelo de turbulencia de
tensiones de Reynolds (RSM), y con la inclusión de varias interfaces para permitir
un refinado local de la malla en la zona contigua a las paredes del huelgo. El modelo
numérico ha permitido obtener una descripción muy detallada y rigurosa del com-
portamiento de la trayectoria del vórtice a lo largo del canal, como se ve en la figura,
donde se ha empleado un coeficiente de pérdidas para analizar su intensidad en
varios planos perpendiculares a la trayectoria.
2,00 Flujo en el huelgo

Coeficiente de pérdida Lámina de vórtice
de punta
de presión total
Enrollamiento
0,30 del vórtice
–1,40
–3,10
Sentido
–4,80 del flujo Trayectoria
del vórtice
–6,50
Evolución de la estructura del vórtice de punta en un ventilador axial de chorro

(a) Contornos de coeficiente de pérdidas (b) Trayectoria y estructura del vórtice
Figura 11.15 Simulación tridimensional del flujo en un canal de un ventilador de chorro.

Modelado de la interacción rotor-estator en turbomáquinas axiales
En el siguiente ejemplo se muestran los resultados de una simulación tridimensio-

nal, no estacionaria del flujo en una etapa de un ventilador axial. En la figura 11.16,
derecha, se muestra un detalle de la geometría tridimensional utilizada, con un esta-
tor de 13 directrices situado aguas arriba de un rotor de 9 álabes. Se ha empleado
una geometría de anillo completo (es decir, sin condiciones periódicas circunferen-
ciales) y sobre ella se ha ejecutado un modelo de mallado deslizante con dos interfa-
ces situadas justo por delante y por detrás de la corona móvil.
En el estudio que aquí se muestra (más detalles en Fernández Oro et al., 2011) se
ha analizado el impacto de la elección del modelo de turbulencia en la correcta predic-
ción de los resultados numéricos. En particular, se han evaluado los clásicos modelos
RANS frente las técnicas LES híbridas, comparándolas con resultados experimentales
en varios planos transversales situados tanto en la zona entre rotor y estator como
aguas abajo del rotor, a la salida de la máquina (véanse los planos representativos en el
esquema de la figura 11.16). Como se observa en esa misma figura, la comparativa de
la velocidad instantánea (eliminada la contribución turbulenta) detrás del rodete
muestra la deficiencia de la técnica RANS para capturar una estela apropiada de los
álabes. La técnica LES, en cambio, sí es capaz de reproducir las características reales
del déficit de flujo en esa zona (al menos en la zona central). Sin embargo, al haberse
utilizado un mallado relativamente basto, el modelo WMLES es incapaz de reprodu-
cir las zonas de desprendimiento próximas a las paredes en cubo y punta (regiones
inferiores en el mapa de la izquierda), con escalas de longitud mucho menores que el
tamaño de malla utilizado numéricamente (recuérdese el apartado 10.5.3).
El modelo WMLES, merced a sus mejores prestaciones, se ha seleccionado para
analizar numéricamente la interacción entre rotor y estator. Los resultados obteni-
dos se han comparado con medidas experimentales en la zona entre coronas
(v. figura 11.17). En dicha figura se muestra la comparativa en dos instantes inter-
medios entre paso de álabe y paso de álabe. Se observa que la metodología numérica
es capaz de reproducir correctamente los dos principales patrones de flujo no esta-
cionario que se desarrollan en el ventilador: el bloqueo del rotor (mapas a la
EXPERIMENTAL NUMÉRICO NUMÉRICO Estator

0,02 (hilo caliente) (WMLES) (URANS)
0
Sector R nes
Sector D
–0,02 15 posicio les
encia
15 posicion
–0,04 circunfer
–0,06 0,5 0,5 0,5
–0,08
Envergadura Envergadura
es radiales
–0,1 Envergadura
–0,12
Paso de 1,5 Paso de 1,5 Paso de 1,5 Rotor
–0,14
estator estator estator
Velocidad tangencial promediada a fase (adimensionalizada por la velocidad de punta)
Figura 11.16 Influencia del modelo de turbulencia en la bondad de la simulación.

EXPERIMENTAL NUMÉRICO EXPERIMENTAL NUMÉRICO

(hilo caliente) Bloqueo (WMLES) (hilo caliente) Interacción (WMLES)
del rotor estela-rotor
0,5 0,5 0,5
Envergadura Envergadura Envergadura Envergadura

t/Tr = 0,25
1,5 1,5 1,5

Paso de estator Paso de estator Paso de estator Paso de estator
0,7 0,8 0,9 1 1,1

Velocidad axial adimensionalizada
Figura 11.17 Comparativa numérica-experimental de la interacción rotor-estator en un ventilador axial.
izquierda, en el instante t/Tr = 0,25), que se manifiesta como un déficit de velocidad

localizado en la zona de punta, y la interacción entre el bloqueo y las estelas del
estator (las bandas estacionarias de baja velocidad que aparecen de cubo a punta),
que se observa como una intensificación del déficit de velocidad de la estela de las
directrices especialmente al final del paso de álabe (t/Tr = 1,00).
Gracias a las simulaciones numéricas se consigue predecir el comportamiento de
las turbomáquinas para diversas condiciones de operación y, lo que es más impor-
tante, entender el comportamiento de las curvas de prestaciones de la máquina en
función de los complejos fenómenos tridimensionales y no estacionarios que acon-
tecen en el interior de las mismas. De esta forma se está en disposición de actuar
sobre las fases de diseño para corregir y mejorar la geometría y las relaciones de
aspecto de los diversos elementos constitutivos.
Flujo no estacionario en bombas centrífugas. Interacción rodete-cortaaguas

En los casos anteriores se han visto ejemplos del uso de técnicas numéricas para
simular flujos en turbomáquinas axiales. En particular, se detalló una metodología
de fila aislada con condiciones periódicas y resolución de ecuaciones en el marco
relativo, así como una metodología totalmente no estacionaria por medio del uso de
la técnica de mallado deslizante. A continuación se va a mostrar también el empleo
de la técnica de mallado deslizante para geometrías centrífugas.
La figura 11.18(a) muestra una geometría centrífuga clásica de una bomba
comercial. En un corte transversal se han representado las características básicas del
mallado empleado. Nótese que se ha seguido una estrategia de mallado híbrido, con
celdas estructuradas en las zonas de entrada y salida a la máquina, así como una
malla no estructurada para la voluta y la zona interior del rodete. Entre el rodete y la
voluta se puede observar la interfaz circunferencial que permite el movimiento rela-
tivo de la malla móvil con respecto a las celdas fijas.
Entrada
Mallado en Interfaz deslizante

el rodete
Giro del
rodete
Mallado en
la voluta
Refinado en
los álabes Refinado en
Salida el cortaaguas
Discretización espacial. Mallado deslizante Evolución de las líneas de corriente

para bomba centrífuga trabajando en el interior del rodete en función
en modo turbina del caudal de trabajo
Figura 11.18 Mallado deslizante en geometría centrífuga y estructura del flujo en el interior del rodete.
El modelo numérico empleado es, por tanto, tridimensional, no estacionario, y

con un modelo de turbulencia k-épsilon que ha demostrado tener unas buenas pres-
taciones para la correcta estimación de las curvas características en este tipo de
máquinas (Santolaria et al., 2010). En este trabajo en particular se evalúa la posibili-
dad de utilizar bombas comerciales en modo turbina, para el aprovechamiento de
energía hidráulica en pequeños saltos de agua.
Los resultados numéricos obtenidos, comparados con la curva característica
experimental de la bomba trabajando en modo turbina, han arrojado un buen
acuerdo numérico-experimental, lo cual ha permitido validar la metodología numé-
rica para explotar el análisis de los patrones de flujo que muestran los resultados
numéricos. Así, en la figura 11.18 se muestra una representación de las líneas de
corriente en el interior del rodete en función del salto gestionado por la máquina.
Las importantes zonas de recirculación (pérdidas) que se observan cuando la
máquina funciona fuera del máximo rendimiento para el modo turbina explican la
importante reducción de su eficiencia a mucha carga.
Además, la metodología no estacionaria empleada ha permitido caracterizar las
fluctuaciones de presión derivadas de la interacción entre el paso de los álabes y el
cortaaguas de la voluta (interacción rodete-lengüeta). Los resultados numéricos
han determinado que las fluctuaciones en las fuerzas pueden alcanzar valores de
hasta el 25% del valor estático cuando se trabaja fuera del punto de diseño, lo cual
podría poner en peligro la integridad de la máquina en dichas condiciones de tra-
bajo. Por lo tanto, el estudio numérico ha revelado la necesidad de hacer operar
estas bombas como turbinas durante períodos de tiempo cortos, con vistas a contro-
lar la fatiga mecánica de los componentes.
Como último ejemplo del empleo de mallas deslizantes en geometrías radiales, se
muestran algunos resultados del modelado numérico de una bomba comercial de
doble aspiración (González et al., 2009). Debido a las características geométricas y
de operación de dicha bomba, se utilizó una condición de simetría longitudinal (si
bien en la figura 11.19 se ha representado la malla de forma duplicada). Nueva-
mente, el mayor interés del estudio se basa en la caracterización del flujo no estacio-
nario y pulsante establecido entre el paso de los álabes y la lengüeta.
En la figura 11.19 se ha incluido la representación de los contornos de presión en
el interior del rodete, en la que se observa el progresivo aumento de presión desde
las zonas de aspiración (zona central del rodete) hacia las zonas de presión (con-
ducto tangencial de salida). Obsérvese asimismo los bajos valores de presión que se
observan a la entrada (cercanos a –100 kPa), lo cual es un claro indicador de la sen-
sibilidad de esta máquina a desarrollar problemas de cavitación bajo determinados
modos de operación (recuérdese el apartado 11.4.4).
Finalmente, en la figura 11.19 se ha reproducido, a la derecha, el diagrama polar
de esfuerzos radiales generados por la interacción pulsante de los álabes con la len-
güeta. Lo que se ha representado en dicho diagrama es el valor medio (en magnitud
y dirección) del esfuerzo durante cada paso de álabe para distintas condiciones de
operación. El objetivo es caracterizar el valor y dirección de esas fuerzas, relacionán-
dolas con los patrones de flujo (en términos de presión y velocidad) que se estable-
cen en el interior de la máquina. De esta forma será posible integrar la metodología
numérica en las fases de diseño de este tipo de equipos con vista a proporcionar geo-
metrías optimizadas y huelgos radiales apropiados entre el rodete y el cortaaguas.
Rodete
Cortaaguas
Boca de de la voluta
aspiración
Voluta
Figura 11.19 Mallado deslizante con condiciones simétricas. Diagrama de esfuerzos radiales.

En este capítulo se han mostrado las principales aplicaciones del CFD para el
mundo de la industria. Debido a la gran variedad de flujos y situaciones a analizar,
se han desarrollado un amplio número de modelos diferentes, cada uno de ellos
específico para cada problema particular.
Todos los modelos desarrollan una formulación basada en ecuaciones de trans-
porte para las variables significativas, asentadas en el principio de conservación, y
que se resuelven mediante los esquemas presentados en capítulos anteriores para
una ecuación genérica.
En el mundo real coexisten un amplio número de fenómenos físicos, en los que
se ven involucradas la transferencia de calor y masa, el intercambio de cantidad de
movimiento así como toda una serie de complejidades adicionales que comprenden
desde reacciones químicas entre diversas especies hasta interacciones entre varias
fases. En la mayoría de las ocasiones, la consideración de todos estos efectos a la vez
es impracticable, tanto por incompatibilidad entre modelos como por coste compu-
tacional de las simulaciones, por lo que se impone la necesidad de simplificar para
resolver sólo los mecanismos físicos relevantes.
La aplicación de las técnicas numéricas al estudio de flujos industriales (I-CFD)
ha experimentado un auge muy importante en las últimas décadas. Precisamente ha
sido la necesidad de predecir y conocer en detalle el comportamiento de este tipo de
flujos la que ha impulsado el desarrollo de nuevos y muy diversos modelos de simu-
lación. El buen resultado de cada una de estas aproximaciones ha permitido la con-
solidación de estas metodologías como una herramienta más al alcance de los
ingenieros e investigadores para sus diseños y explotaciones.
Aún así, todavía existe un amplio margen de mejora y un importante nivel de
incertidumbre, en su mayor parte relacionados con la modelización de los efectos
turbulentos. Conforme sigan desarrollándose las capacidades computacionales,
cada vez será más factible modelizar menos y resolver más escalas turbulentas. Pero
mientras ese horizonte no se haga realidad, el usuario de estas técnicas deberá ser
consciente de los niveles de aproximación asociados a cada modelo, conociendo sus
limitaciones y el grado de validez que puede esperar de sus resultados, con objeto de
elegir la mejor opción y completar la mejor simulación posible.
REFERENCIAS
ADAMCZYK, J.J., “Model Equation for Simulating Flows in Multistage Turbomachinery”,
ASME paper 85-GT-226, 1985.
ADAMCZYK, J.J., MULAC, R.A., CELESTINA, M.L., “A Model for Closing the Inviscid
Form of the Average-Passage Equation System”, Journal of Turbomachinery, 1986, vol.
108, pp. 180-186.
ANDERSON, J., “Computational Fluid Dynamics”, 1995, McGraw-Hill Science / Enginee-
ring / Math.
ARIS, R., “Vectors, Tensors and the Basic Equations of Fluid Mechanics”, 1962, Dover Publica-
tions.
BALDWIN, B.S., LOMAX, H., “Thin Layer Approximation and Algebraic Model for Separa-
ted Turbulent Flows”, AIAA Paper 78-257, 1978.
BALLESTEROS TAJADURA, R., GONZÁLEZ, J., FERNÁNDEZ ORO, J.M., ARGÜELLES
DÍAZ, K.M., “Técnicas Numéricas en Mecánica de Fluidos”. ISBN 84-607-9546-2. Uni-
versidad de Oviedo, 2003.
BATCHELOR, G.K., “An Introduction to Fluid Dynamics”, 2000, Cambridge University
Press.
BHASKARAN, R., COLLINS, L., “Introduction to CFD Basics”. Draft notes. Sibley School of
Mechanical and Aerospace Engineering, Cornell University, 2002.
BOUSSINESQ, J. “Essai sur la theorie des eaux courantes, Memoires presentes par divers
savants”, 1877, l’Acad. des Sci. Inst. Nat. France, 26, pp. 1–680.
372 Referencias
BRACKBILL, J.U., KOTHE, D.B., ZEMACH, C., “A Continuum Method for Modeling Sur-
face Tension”, Journal of Computational Physics, 1992, vol. 100(2), pp. 335-354.
BROWN, G.L., ROSHKO, A., “On Density Effects and Large Structure in Turbulent Mixing
Layers”, Journal of Fluid Mechanics, 1974, vol. 64, pp. 775-816.
CEBECI, T., SMITH, A.M.O., “Analysis of turbulent boundary layers”, 1974, Academic
Press.
CELIK, I.B., CEHRELI, Z.N., YAVUZ, I., “Index of Resolution Quality for Large Eddy Simu-
lations”, Journal of Fluids Engineering, 2005, vol. 127, pp. 949-958.
CHIMA, R., “Calculation of Multistage Turbomachinery Using Steady Characteristics
Boundary Conditions”, AIAA paper 98-0968, 1998.
CHUNG, T.J., “Computational Fluid Dynamics”, 2002, Cambridge University Press.
CRANK, J., NICHOLSON, P., “A Practical Method for Numerical Evaluation of Solutions of
Partial Differential Equations of the Heat-conduction Type”. Proc. of the Cambridge
Phil. Society, 1947, vol. 43, pp. 50-67.
DAVIDSON, P.A., “Turbulence: An Introduction for Scientists and Engineers”, 2004, Oxford
University Press.
DAWES, W.N., “Development of a 3D Navier-Stokes Solver for Applications to all Types of
Turbomachinery”, ASME Paper 88-GT-70, 1988.
DAWES, W.N., “The Development of a Solution Adaptative 3D Navier-Stokes Solver for
Turbomachinery”, AIAA Paper 91-2469, 1991.
DENTON, J.D., “A Time Marching Method for Two and Three Dimensional Blade to Blade
Flows”, Aeronautical Research Council, R&M, 1975.
DENTON, J.D., “The Calculation of Three-Dimensional Viscous Flow Through Multistage
Turbomachines”, ASME Journal of Turbomachinery, 1992, vol. 114(1), pp. 18-26.
DHAUBHADEL, M.N., “Review: CFD Applications in the Automotive Industry”. ASME
Journal of Fluids Engineering, 1996, vol. 118, pp. 647-653.
DURBIN, P.A., “Separated Flow Computations with the k-e-v2 Model”, AIAA Journal, 1995,
vol. 33(4), pp. 659-664.
EMERSON, D.R., SUNDERLAND, A.J., ASHWORTH, M. BADCOCK. K.J. “High perfor-
mance computing and computational aerodynamics in the UK”, The Aeronautic Jour-
nal, 2007, vol. 111, number 1117, paper no. 3101.
FERNÁNDEZ ORO, J.M., SANTOLARIA, C., ARGUELLES, K.M., GARCÍA-YBARRA,
P.L., “Numerical Simulation of the Fuel Oil Cooling Process in a Wrecked Ship”, ASME
Journal of Fluids Engineering, 2006, vol. 128(6), pp. 1390-1394.
FERNÁNDEZ ORO, J.M., ARGUELLES, K.M., SANTOLARIA, C., BALLESTEROS, R.,
“Impact of the Tip Vortex on the Passage Flow Structures of a Jet Fan with Symmetric
Blades”, IMechE Journal of Power and Energy, 2008, vol. 223(A2), pp. 141-155.
Referencias 373
FERNÁNDEZ ORO, J.M., ARGUELLES, K.M., SANTOLARIA, C., COBO HEDILLA, A.F.,
LEMAILLE, M. “Multiphase Modelling of the Pouring Glass over the Spout Lip of an
Industrial Float in the Flat Glass Forming Process”, International Journal for Numerical
Methods in Fluids, 2008, vol. 58(10), pp. 1117-1147.
FERNÁNDEZ ORO, J.M., SANTOLARIA, C., RODRIGUEZ SOMOANO, J., ALVAREZ
ORDIERES, M. “Multiphase Modelling of the Steel Grade Transition in a Continuous
Casting Tundish”, Proc. of the ASME Fluids Engineering Division Summer Meeting,
Vail (CO), 2009, FEDSM2009-78353.
FERNÁNDEZ ORO, J.M., ARGÜELLES, K.M., SANTOLARIA, C., GALDO-VEGA, M.
“Numerical Simulation of the Unsteady Stator-Rotor Interaction in a Low-Speed Axial
Fan including Experimental Validation”, International Journal of Numerical Methods
for Heat and Fluid Flow, 2010, vol. 21(2), pp. 168-197.
FERZIGER, J.H., PERIC, M., “Computational Methods for Fluid Dynamics”, 2001, Springer.
FLETCHER, C.A.J., “Computational Techniques for Fluid Dynamics”, 1991, Springer.
“Fluent 6.3 – User´s guide” – “UDF Manual”. © Fluent Inc., 2006.
FROMM, J.E., “The Time Dependent Flow of an Incompressible Viscous Fluid”, Methods in
Computational Physics, 1964, vol. 3, pp. 345-382.
FUKUSHIMA, C., WESTERWEEL, J., “Investigation of the Mixing Process in an Axisym-
metric Turbulent Jet using PIV and LIF”. “Laser techniques for fluid mechanics”. 2002,
Springer, Berlin Heidelberg New York, pp 339–356.
GALDO-VEGA, M., ARGÜELLES, K.M., FERNÁNDEZ ORO, J.M., BALLESTEROS, R.,
SANTOLARIA, C., “Numerical 3D Simulation of a Longitudinal Ventilation System:
Memorial Tunnel Case”, Tunnelling and Underground Space Technology, 2008, vol.
23(5), pp. 539-551.
GALDO-VEGA, M., SANTOLARIA, C., FERNÁNDEZ ORO, J.M., ARGÜELLES, K.M.,
“Influence of the Pressure Load in the Efficiency of a Longitudinal Ventilation System in
Road Tunnels”, Proc. of the ASME Fluids Engineering Division Summer Meeting, Vail
(CO), 2009, FEDSM2009-78355.
GERMANO, M., PIOMELLI, U., MOIN, P., CABOT, W.H., “A Dynamic Subgrid-Scale
Eddy Viscosity Model”, Physics of Fluids A, 1991, vol. 3, pp. 1760-1765.
GERMANO, M., “Turbulence: the filtering approach”, Journal of Fluid Mechanics, 1992,
vol. 238, pp. 325-336.
GILES, M., “Numerical Methods for Unsteady Turbomachinery Flow”, CFDL-TR-89-3,
MIT, 1989.
GILES, M., “Non reflecting Boundary Conditions for Euler Equations Calculations”, AIAA
Journal, 1990, vol. 28(12), pp. 2050-2058.
GONZÁLEZ, J., FERNÁNDEZ ORO, J.M., ARGÜELLES, K.M., BLANCO, E., “Unsteady
Flow Patterns for a Double Suction Centrifugal Pump”, Journal of Fluids Engineering,
2009, vol. 131(7), pp. 071102-1 a 071102-9.
374 Referencias
GONZÁLEZ, M., BLANCO, E., RIO, J.L., PISTONO, J., SAN-JUAN, C., “Numerical Study
on Thermal and Fluid Dynamic Behaviour of an Open-Joint Ventilated Façade”, Proc. of
the 25th Conference on Passive and Low Energy Architecture, Dublin, 2008.
GREITZER, E.M., TAN, C.S., GRAF, M.B., “Internal Flow: Concepts and Applications”,
2004, Cambridge University Press.
GRESHO, P.M., “Incompressible Fluid Dynamics: Some Fundamental Formulation Issues”,
Annual Review of Fluid Mechanics, 1991, vol. 23, pp. 413-453.
HALL, E., “Aerodynamic Modelling of Multistage Compressor Flow Fields. Part II – Mode-
lling Deterministic Stresses”, ASME paper 97-GT-345, 1997.
HARLOW, F.H., “The Particle-In-Cell Computing Method for Fluid Dynamics”, 1964,
Methods in Computational Physics, vol. 3, pp. 319-343.
HARLOW, F.H., FROMM, J.E., “Numerical Solution of the Problem of Vortex Street Deve-
lopment”, Physics of Fluids, 1963, vol. 6, pp. 975-982.
HARLOW, F.H., WELCH, J.E., “Numerical Calculation of Time-Dependent Viscous
Incompressible Flow of Fluid with Free Surface”, Physics of Fluids, 1965, vol. 8, pp.
2182-2189.
HINZE, J.O., “Turbulence”, 1975, McGraw-Hill.
HIRSCH, C., “Numerical Computation of Internal and External Flows. Volume 1: Funda-
mentals of Numerical Discretization & Volume 2: Computational Methods for Inviscid
and Viscous Flows”, 1990, Wiley Series in Numerical Methods in Engineering.
HIRSCH, C., “Numerical Computation of Internal and External Flows: The Fundamentals of
Computational Fluid Dynamics”, 2007, Elsevier Butterworth-Heinemann.
HIRSCH, C., “Numerical Investigations in Turbomachinery: The State of the Art”, 2009, VKI
Lecture Series, 2009-08.
HIRT, C.W., NICHOLS, B.D., “Volume of Fluid (VOF) Method for the Dynamics of Free
Boundaries”, Journal of Computational Physics, 1981, vol. 39, pp. 201-225.
ISSA, R.I., “Solution of the Implicitly Discretized Fluid Flow Equations by Operator-Split-
ting”, Journal of Computational Physics, 1986, vol. 62, pp. 40-65.
JOHNSON, F.T., TINOCO, E.N., JONG YU, N. “Thirty years of development and applica-
tion of CFD at Boeing Commercial Airplanes, Seattle”, Computers and Fluids, 2005, vol.
34(10), pp. 1115-1151.
JOHNSON, N.L. “The Legacy and Future of CFD at Los Alamos”. LA-UR-96-1426, 1996,
Proceedings of the 1996 Canadian CFD Conference, Ottawa, Canada, 3-6 junio 1996.
KAWAGUTI, M. “Numerical Solution of the NS Equations for the Flow Around a Circular
Cylinder at Reynolds Number 40”, Journal of Phy. Soc. Japan, 1953, vol. 8, pp. 747-757.
KIM, W.-W., MENON, S., “Application of the Localized Dynamic Subgrid-Scale Model to
Turbulent Wall-Bounded Flows”, AIAA-97-0210, Proc. of the 35th Aerospace Sciences
Meeting, Reno, NV, 1997.
Referencias 375
KOBAYASHI, K., CHIBA, Y. “Numerical Simulation of Cavitating Flow in Mixed Flow

Pump with Closed Type Impeller”, Proc. of the ASME Fluids Engineering Division Sum-
mer Meeting, Vail (CO), 2009, FEDSM2009-78308.
KOLMOGOROV, A.N., “The Local Structure of Turbulence in Incompressible Viscous
Fluid for Very Large Reynolds Number”, Dokl. Akad. Nauk., URSS, 1941, vol. 30, pp.
299-303.
KOTHE, D.B., RIDER, W.J., MOSSO, S.J., BROCK, J.S., HOCHSTEIN, J.I., “Volume Trac-
king of Interfaces having Surface Tension in Two and Three Dimensions”, Proc. Of the
34th Aerospace Sciences Meeting and Exhibit, Reno, 1996, AIAA-1996-859.
LAKSHMINARAYANA, B., “Fluid Dynamics and Heat Transfer of Turbomachinery”, 1996,
John Wiley and Sons, Inc.
LAUNDER, B.E., SPALDING, D.B., “Lectures in Mathematical Models of Turbulence”,
1972, Academic Press, London, England.
LAUNDER, B.E., SPALDING, D.B., “The Numerical Computation of Turbulent Flows”,
Comput. Methods Appl. Mech. Eng., 1974, vol. 3, pp. 269-289.
LAUNDER, B.E., REECE, G.J., RODI, W., “Progress in the Development of a Reynolds-
Stress Turbulence Closure”, Journal of Fluid Mechanics, 1975, vol. 68(3), pp. 537-566.
LEONARD, B.P., “A Stable and Accurate Convective Modeling Procedure based on Quadra-
tic Upstream Interpolation”, Comp. Methods Appl. Mech. Eng., 1979, vol. 19, pp. 58-98.
LEVENSPIEL, O. “Flujo de Fluidos e Intercambio de Calor”, 1996, Reverté.
LILLY, D.K., “The Representation of Small-Scale Turbulence in Numerical Simulation
Experiments”. Proc. of the IBM Scientific Computing Symposium on Environmental
Sciences, 1967.
LILLY, D.K. “A Proposed Modification of the Germano Subgrid-Scale Closure Model”, Phy-
sics of Fluids, 1992, vol. 4, pp. 633-635.
MacCORMACK, R.W., PAULLAY, A.J., “Computational Efficiency Achieved by Time
Splitting of Finite Difference Operators”, 1972, AIAA Paper 72-154, San Diego (CA).
MATHUR, S.R., MURTHY J.Y., “The Finite Volume Method”, Class notes for ME608,
Numerical Methods in Heat, Mass and Momentum Transfer, Purdue University
(EEUU), 2001-2011.
McCOMB, W.D., “The Physics of Fluid Turbulence”, 1990, Oxford University Press.
McDONALD, P.W., “The Computation of Transonic Flow Through Two-Dimensional Gas
Turbine Cascades,” ASME Paper 71-GT-89, 1971.
MENTER, F.R., “Two-equations Eddy-Viscosity Turbulence Models for Engineering Appli-
cations”, AIAA Journal, 1994, vol. 32, pp. 1598-1605.
MOIN, P. “Progress in large Eddy Simulation of Turbulent Flows”, AIAA Paper 97-0749,
1997.
NI, R.N., “A Multiple Grid Scheme for Solving the Euler Equations”, AIAA Journal, 1982,
vol. 20, pp. 1565-1571.
376 Referencias
PATANKAR, S.V., SPALDING, D.B., “A Calculation Procedure for Heat, Mass and
Momentum Transfer in Three-Dimensional Parabolic Flows”. Int. J. Heat Mass Transfer,
1972, vol. 15, pp. 1787-1806.
PATANKAR, S.V., “Numerical Heat Transfer and Fluid Flow”, 1980, Ed. Hemisphere.
PIOMELLI, U. “Large Eddy Simulation and Related Techniques”, 2006, VKI Lecture Series,
2006-04.
POPE, S.B., “The Probability Approach to the Modelling of Turbulent Reacting Flows”,
Combustion and Flame, 1976, vol. 27, p. 299.
POPE, S.B., “Pdf Methods for Turbulent Reacting Flows”, Progress Energy Combustion
Science, 1985, vol. 11, pp.119-192.
POPE, S.B., “Computationally Efficient Implementation of Combustion Chemistry Using
in-situ Adaptive Tabulation”, Combustion Theory and Modeling, 1997, vol. 1, pp. 41-63.
POPE, S.B., “Turbulent Flows”, 2000, Cambridge University Press.
PUN, W.M., SPALDING, D.B., “A Procedure for Predicting the Velocity and Temperature
Distributions in Confined, Steady, Turbulent, Gaseous Diffusion Flames”, Proc. of the
Int. Astronautical Federation Meeting, 1967.
RAI, M.M., “Unsteady Three-Dimensional Navier-Stokes Simulations of Turbine Rotor-Sta-
tor Interaction," AIAA Paper No. 87-2058, 1987.
RAI, M.M. “Three-dimensional Navier-Stokes Simulations of Turbine Rotor-Stator Interac-
tion, Part I: Methodology; Part II: Results.” Journal of Propulsion and Power, 1989, vol.
5, pp. 307-319.
RHIE, C.M., CHOW, W.L. “Numerical Study of the Turbulent Flow Past an Airfoil with
Trailing Edge Separation”, AIAA Journal, 1983, vol. 21(11), pp.1525-1532.
RICHARDSON, L.F., “The approximate arithmetical solution by finite differences of physi-
cal problems involving differential equations, with an application to stresses in a
masonry dam”, Phil Trans Roy Soc London Series A, 1911, vol. 210, pp 307-357.
RICHARDSON, L.F., “Weather Prediction by Numerical Process”, 1922, Cambridge Univer-
sity Press.
RICHARDSON, L.F., “Atmospheric Diffusion Shown on a Distance-Neighbour Graph”,
Proc. Roy. Soc. London Series A, 1926, vol. 110(756), pp. 709-737.
RIZZI, A.W., INOUYE, M., “Time Split Finite Volume Method for Three-Dimensional
Blunt-Body Flows”, AIAA Journal, 1973, vol. 11, pp. 1478-1485.
RODI, W., “Turbulence Models and Their Application in Hydraulics – A State of the Art
Review”, Proc. of the IAHR, 1980.
SAFFMAN, P.G., “The Lift on a Small Sphere in a Slow Shear Flow”, Journal of Fluid Mecha-
nics, 1965, vol. 22, pp. 385-400.
SAGAUT, P. “LES and DNS Simulation of Turbomachinery Flows”, 2002, VKI Lecture
Series, 2002-01.
Referencias 377
SAGAUT, P. “Large Eddy Simulation for Incompressible Flows: An Introduction”, 2004,

Springer.
SANTOLARIA, C., FERNÁNDEZ ORO, J.M., ARGÜELLES, K.M., “Numerical Modelling
and Flow Analysis of a Centrifugal Pump running as a Turbine: Unsteady Flow Structu-
res and its Effects on the Global Performance”, International Journal for Numerical
Methods in Fluids, 2010, vol. 65(5), pp. 542-562.
SCARBOROUGH, J.B., “Numerical Mathematical Analysis”, 1958, Johns Hopkins Univer-
sity Press.
SCHLICHTING, H. “Boundary Layer Theory”, 1979, Springer.
SHAW, C.T., “Using Computational Fluid Dynamics”, 1992, Prentice Hall International.
SHIH, T.-H., LIOU, W.W., SHABBIR, A., YANG, Z., ZHU, J. “A New k-e Eddy-Viscosity
Model for High Reynolds Number Turbulent Flows - Model Development and Valida-
tion”. Computers and Fluids, 1995, vol. 24(3), pp. 227-238.
SMAGORINSKY, J., “General Circulation Experiments with the Primitive Equations. I. The
Basic Experiment”. Month. Wea. Rev., 1963, vol. 91, pp. 99-164.
SPALART, P., ALLMARAS, S. “A One-equation Turbulence Model for Aerodynamic Flows.
AIAA-92-0439, 1992, American Institute of Aeronautics and Astronautics.
SPALDING, D.B., “Mixing and Chemical Reaction in Steady Confined Turbulent Flames”,
1971, Proc. of the 13th International Symposium on Combustion, pp. 649-657.
SPALDING, D.B., “A Novel Finite-difference Formulation for Differential Expressions
Involving Both First and Second Derivatives”, International Journal for Numerical
Methods in Engineering, 1972, vol. 4., pp. 551-559.
TANNEHILL, J.C., “Computational Fluid Mechanics and Heat Transfer”, 1997, Taylor and
Francis.
TENNEKES, H., LUMLEY, J.L., “A First Course in Turbulence”, 1973, MIT Press.
THOM, A., “The Flow Past Circular Cylinders at Low Speeds”, Proc. Royal Society, 1933,
A141, pp. 651-666, London.
THOMAS, L.H., “Elliptic Problems in Linear Difference Equations over a Network”, 1949,
Watson Sci. Comput. Lab Report, Columbia Univ, NY.
VAN DOORMAL, J.P., RAITHBY, G.D., “Enhancements of the SIMPLE Method for Pre-
dicting Incompressible Fluid Flows”, Numerical Heat Transfer, 1984, vol. 7, pp. 147-163.
VAN DRIEST, E.R., “On the Turbulent Flow near a Wall”, Journal of Aero. Sci., 1956, vol.
23, pp. 1007-1011.
VERSTEEG H.K., MALALASEKERA, W., “An Introduction to Computational Fluid Dyna-
mics. The Finite Volume Method”, 2007, Pearson Education Ltd.
VON NEUMANN, J., “Various Techniques Used in Connection With Random Digits”,
National Bureau of Standards Applied Math Series, 1951, vol. 12, pp. 36-38.
378 Referencias
WARMING, R.F., BEAM, R.W., “Upwind Second Order Difference Schemes and Applications
in Aerodynamic Flows”, AIAA Journal, 1976, vol. 24, pp. 1241-1249.
WESSELING P., “Principles of Computational Fluid Dynamics”, 1991, Springer.
WESSELING P., “An Introduction to Multigrid Methods”, 2004, R.T. Edwards, Inc.
WHITE F.M., “Mecánica de Fluidos”, 1979, Ed. McGraw-Hill.
WILCOX, D.C., “Turbulence Modelling for CFD”, 1988, DCW Industries.
YAKHOT, V., ORSZAG, S.A., THANGAM, S., GATSKI, T.B., SPECIALE, C.G., “Develop-
ment of Turbulence Models for Shear Flows by a Double Expansion Technique”, Physics
of Fluids A, 1992, vol. 4, pp. 1510-1520.
ÍNDICE
adaptación de la malla, 83 Boussinesq, hipótesis de, 287, 316
aglomeración, 244 Brinkman, número de, 314
agregación, 84 buffer layer, 208
aleatoriedad, 253
algoritmo cálculo de la interfaz
para matrices tridiagonales, 223 por aproximación de pendientes, 349
PISO, 191, 352 por líneas simples, 349
SIMPLE, 177 calor, transferencia de, 313
SIMPLEC, 190 canal de turbomáquina axial, 365
SIMPLER, 186 cantidad de fase secundaria, 338
almacenamiento de variables, 223 capa de cortadura, 257
análisis de estabilidad, 42 capa externa, 209
aproximación RANS, 284 capa límite, 207
Arrhenius, expresión de, 326 cara, 78
cara-a-cara, modelo, 320
cascada de energía, 259, 260
Baldwin-Lomax, modelo de, 291 cavitación en bombas, 346
baño de estaño fundido, 350 Cebeci-Smith, modelo de, 291
barrido, 230 celdas, 78
base, 31 esquema basado en, 88
Beam-Warming, esquema, 100, 153 células de recirculación, 318
bloqueo, 367 centroide, 78
bombas, 368 centros, 88
cavitación en, 346 checker-boarding, 92, 171
380 Índice
ciclo[s] convergencia, 45
en F, 248 criterio de, 41
en V, 247 corrección
en W, 247 de la presión, 178
en μ, 247 por malla basta, 240
fijos, 247 Courant
flexibles, 247, 248 condición de, 159
cierre de la turbulencia, 48 número de, 43, 161
cinética finita, modelo de, 332 Crank-Nicholson, esquema, 102, 118
cinética instantánea, modelo de, 332 criterio
clínker, 342 de convergencia, 41
código[s], 3 de estabilidad de Neumann, 117
de Navier-Stokes, 360 cuerpos
eulerianos, 360 grises, 319
coladas continuas, 352, 354 negros, 319
combustible, 333 curva
combustión, 330 de concentración, 353
con premezcla, 331 RTD, 353
con premezcla parcial, 331
Damköhler, número de, 335
sin premezcla, 331
DDES (Delayed DES), técnicas, 282
compatibilidad, 215
deformaciones, tensor promedio de, 279
Computational Fluid Dynamics, 3
degeneración, 85
concepto de disipación de vórtices, EDC, 325
densidad de probabilidad, función de, 332
condición[es]
derivada material, 56
de contorno, 34, 202, 283
DES, técnicas, 282
de Courant, 159
diferencias
de Dirichlet, 73 centradas, 31, 98, 140, 154
de flujo, 112, 164 finitas, método de, 30
de Robin, 73 hacia atrás, 30, 153
de valor, 111 hacia delante, 31, 154
de Von Neumann, 73 difusión, 54
geométricas, 164 de especies, 314
iniciales, 283 numérica, 151
mixtas, 113 difusividad, 254
conducción, 314, 315 másica, 59
conformado de plásticos, 352 térmica, 59, 316
conservación, 33, 78 Dinámica de Fluidos Computacional, 3
de la energía, 58 Direct Numerical Simulation, 47
de las especies, 59 Dirichlet, condición de, 73
de masa, 57 discretización, 78
de momento, 58 espacial, 29
consistencia, 45, 107 temporal, 30
continuidad, ecuación de, 177 disipación, 254
contornos sólidos, 206 de vórtices
convección, 54, 315 EDC, concepto de, 325
mixta, 316 modelo de, 325
natural, 313, 315 viscosa, 314
Índice 381
dispersión numérica, 152 potencial, 100, 150

distorsión, 85 QUICK, 100, 155
distribución cartesiana, 80 upwind, 144, 163
divergencia, 56 estabilidad, 42, 45
dominio continuo, 29 análisis de, 42
dominio discreto, 29 incondicional, 44
estaño fundido, baño de, 350
ecuación[es] estelas del estator, 367
de continuidad, 177 estrategias cíclicas, 246
de Laplace, 105 estratificación inestable, 318
de Navier-Stokes, 3 experimento de Reynolds, 256
de momento, 173 expresión[es]
de Poisson, 105 de Arrhenius, 326
RANS, 286 de Rayleigh-Plesset, 346
eddies, 253
elementos finitos, método de, 31 fabricación de vidrio, 352
eliminación hacia delante, 227 factor
energía de distorsión, 85
conservación de, 58 de subrelajación, 128
residual, 276 fase[s]
enfoque discreta, modelo de, 339, 340
euleriano, 342 mezcla de, 336
lagrangiano, 340 secundarias, 336
error de truncamiento, 31 filtrado
escala[s], 254 espacial, 271
de Kolmogorov, 263, 314 temporal, 284
de longitud integral, 261 filtro
logarítmica, 41 de caja, 271
escalares, 92 de corte, 271
transporte de, 353 de Fourier, 272
esfuerzos radiales, 369 espectral, 272
espectro de escalas, 259 gaussiano, 271
esquema floats industriales, 350
basado en flops, 5
celdas, 88 flotabilidad, 315
nodos, 89 término de, 316
Beam-Warming, 100, 153 flujo[s]
centrado, 100, 163 con arrastre de partículas, 337
Crank-Nicholson, 102, 118 con bolsas de aire, 337
cúbico, 100 con burbujas, 336
de primer orden, 31 con gotas, 337
de segundo orden, 153 con partículas en suspensión, 337
de tercer orden, 154 de cortadura
explícito, 43, 91, 101, 116 en la pared, 258
exponencial, 99, 147, 163 libre, 258
Fromm, 100, 154 de transición, 257
híbrido, 99, 149, 163 en máquinas de fluidos, 356
implícito, 43, 91, 101, 117 en turbomáquinas, 364
382 Índice
flujo[s] (continuación) interpolación

entrante, 202 aritmética, 125
estratificados o con superficie libre, 337, armónica, 126
348 inversión, 35, 38
ideal, 62 irregularidad, 253
incompresible, 57 iteración, 35, 230
laminar, 4, 46, 209, 257 anidada, 240
multiespecie, 313, 322
multifásicos, 313, 336 Jacobi, método de, 231
potencial, 62
reales, 4 k-épsilon, modelo, 292, 293
saliente, 204 estándar, 294
turbulento, 4, 46, 209, 257 Realizable, 294
canónicos, 4 RNG, 294
formulación continua de la fuerza superficial, Kolmogorov
349 escalas de, 314, 263
Fourier, filtro de, 272 ley de, 262
fracción de mezcla, 332 k-omega, modelo, 292, 297
modelo de, 332
Fromm, esquema, 100, 154 Laplace, ecuflujo[s]ación de, 105
fuerza superficial, formulación continua de la, Laplace-Young, ley de, 349
349 Large Eddy Simulation, 48
fuga de gas, 329 lechos fluidizados, 337
función de densidad de probabilidad, 332 Lewis, número de, 333
funciones de pared, 305 ley[es]
de Kolmogorov, 262
gas, fuga de, 329 de Laplace-Young, 349
Gauss-Seidel, método de, 231 de mezcla, 323
gradiente secundario, 134 linealización, 200
grado de mezcla, 354 linealizar, 37
grandes bolsas de aire, 348 longitud
Grashof, número de, 315 de escala integral, 261
de mezcla, modelo de, 289
hipótesis de Boussinesq, 287, 316
Mach, número de, 333
I-CFD, 284 macroescala, 261
incendio, 324 malla[s]
independencia de la malla, 36 arbitrarias, 84
inestabilidades, 42, 256 body-fitted estructuradas, 82
inicialización, 199 cartesianas no uniformes, 81
intensidad cartesianas uniformes, 81
de convección, 140 cuadriláteras, 84
de difusión, 140, 141 dinámicas, 356, 357
interacción estructuradas, 78
rodete-cortaaguas, 367 hexaédricas, 84
rodete-lengüeta, 368 híbridas, 83
rotor-estator, 360, 366 independencia de la, 36
interpenetrabilidad, 348 multibloque, 81, 82
Índice 383
malla[s] (continuación) de Baldwin-Lomax, 291

no estructuradas, 78 de Cebeci-Smith, 291
tetraédricas, 83 de cinética finita, 332
triangulares, 83 de cinética instantánea, 332
mallados, 6, 91, 171 de disipación de vórtices, 325
deformables, 357 de dos capas, 282
deslizantes, 357, 360, 363 de fase discreta, 339
máquinas de fracción de mezcla, 332
de desplazamiento positivo, 356 de las ordenadas discretas, 320
de fluidos, 356 de longitud de mezcla, 289
flujo en, 356 de mezcla, 279, 339, 344
materiales fluidos, 323 de química instantánea, 328
matriz[ces] de radiación P-1, 320
de iteración, 233 de Rosseland, 320
dispersa, 35, 221 de Smagorinsky-Lilly, 279
tridiagonales, 222 de solidificación, 352
algoritmo para, 223 de transferencia de radiación, 320
media ponderada, 98 de transporte para las tensiones de
método[s] Reynolds, 299
de diferencias finitas, 30 de viscosidad artificial, 291
de elementos finitos, 31 de volumen de fluido (VOF), 339, 347
de Gauss-Seidel, 231 dinámicos, 279
de Jacobi, 231 euleriano, 339, 341
de remallado local, 358 k-épsilon, 292, 293
de suavizado, 358 k-épsilon estándar, 294
de volúmenes finitos, 32 k-omega, 292, 297
directos, 222 laminar de tasa finita, 325
iterativo[s], 223 RANS, 268
de Piccard, 126 Realizable k-épsilon, 294
generales, 232 RNG k-épsilon, 294
línea-a-línea, 228 SGS, 270
multietapa de Runge-Kutta, 102 Spalart-Allmaras, 292, 293
multigrid, 239 WMLES, 282
multipaso, 102 momento
plano-a-plano, 230 conservación de, 58
por capa, 358 ecuación de, 173
predictor-corrector, 102 multigrid, 84
punto-a-punto, 227 algebraico, 244
mezcla geométrico, 241
fracción de, 332
modelo de, 339, 344 naturaleza
de fases, 336 elíptica, 66
de fluido, 323 hiperbólica, 66
microescala, 262 parabólica, 66
modelizar, 48 Navier-Stokes
modelo[s] códigos de, 360
algebraico de tensiones (ASM), 303 ecuaciones de, 3
cara-a-cara, 320 Neumann, criterio de estabilidad de, 117
384 Índice
nivel de turbulencia, 255 probabilidad, función de densidad de, 332

no linealidad, 36 problema[s]
nodos, 78 de cierre, 264
esquema basado en, 89 de condición inicial, 67
número de contorno, 66
de Brinkman, 314 de equilibrio, 66
de Courant, 43, 161 híbridos, 73
de Damköhler, 335 transitorios, 66
de Grashof, 315 procedimiento iterativo, 35
de Lewis, 333 proceso iterativo, 38
de Mach, 333 programador, 16
de Peclet, 96, 141 progresividad, 85
de Prandtl, 258 prolongación, 243
de Rayleigh, 258, 316 promediado de Reynolds, 47
de Reynolds, 254, 315 promediado
de Schmidt, 323 espacial, 270
de Stokes, 338 en la celda, 77
de Weber, 349 temporal, 284
punto de inestabilidad, 257, 257
optimización, 35
ordenadas discretas, modelo de las, 320 QUICK, esquema, 100, 155
ordenadores humanos, 5 química instantánea, modelos de, 328
oxidante, 333
radiación, 313, 315
pared modelo de transferencia de, 320
fija, 209 P-1, modelo de, 320
funciones de, 305 solar, 320
móvil, 210 RANS
tratamiento mejorado de, 305 aproximación, 284
paso ecuaciones, 286
corrector, 191, 192 Rayleigh, número de, 258, 316
predictivo, 191 Rayleigh-Bénard, vórtices de, 318
patrones de posición, 221 Rayleigh-Plesset, expresiones de, 346
Peclet, número de, 96, 141 régimen, 338
perfil de presión, 211 relación de aspecto, 85
periodicidad, 212 remallado local, métodos de, 358
cíclica, 212 renovación, 353
perturbaciones, 256 residuo, 31, 232
Piccard, método iterativo de, 126 restricción, 243
PISO, algoritmo, 191, 352 Reynolds
planos de mezcla, 361 crítico, 257
plásticos, conformado de, 352 experimento de, 256
Poisson, ecuación de, 105 modelos de transporte para las tensiones
postproceso, 19 de, 299
Prandtl, número de, 258 número de, 254, 315
precisión, 45 promediado de, 47
preproceso, 19 tensiones de, 48, 268, 286
presión, corrección de la, 178 Reynolds-Averaged Navier Stokes equations, 48
Índice 385
Robin, condición de, 73 término

Rosseland, modelo de, 320 convectivo, 55
Runge-Kutta, métodos multietapa de, 102 de flotabilidad, 316
difusivo, 56
Schmidt, número de, 323 fuente, 56
simetría, 212 temporal, 55
SIMPLE, algoritmo, 177 tiempos de residencia, 353
SIMPLEC, algoritmo, 190 tolva, 342
SIMPLER, algoritmo, 186
transferencia de calor, 313
simulación[es]
transición a la turbulencia, 257
de vórtices grandes, 265
transporte de escalares, 353
directas (DNS), 265
tratamiento mejorado de pared, 305
DNS, 265
trazadores, 353
LES, 265, 360
trefilerías, 352
multiespecie-multifásicas, 338
tridimensionalidad, 254
numérica directa, 265
tundish industrial, 354
RANS, 265
turbina, 368
sistema algebraico de ecuaciones, 30
turbomáquinas, 356
Smagorinsky-Lilly, modelo de, 279
axial, canal de, 365
solidificación, modelos de, 352
flujo en, 364
solver, 19
Spalart-Allmaras, modelo, 292, 293 turbulencia, 253
Stokes, número de, 338 transición a la, 257
suavizado, métodos de, 358
upwind, 96, 98
subcapa
esquema, 144, 163
logarítmica, 208
URANS, 284
viscosa, 208
usuario, 16
subescalas de malla, 279
subrango inercial, 261
valor estimado, 37
subrelajación, 127, 181
variables
sustitución hacia atrás, 227
almacenamiento de, 223
tamaño del filtro, 272 escalares, 92
tasa finita, modelo laminar de, 325 específicas, 53
técnicas intensivas, 53
DDES (Delayed DES), 282 vectoriales, 92
DES, 282 vectores, 92
híbridas, 282 ventiladores de chorro, 365
LES, 268, 269 vértices, 78, 89
tensiones vidrio
de Reynolds, 48, 286 fabricación de, 352
modelos de transporte para las, 299 vertido de, 350
deterministas, 362 viscosidad
modelo algebraico de (ASM), 303 artificial, 279
SGS, 274 modelos de, 291
tensor promedio de deformaciones, 279 cinemática, 58
386 Índice
volumen[es] de Rayleigh-Bénard, 318

de control, 77 vorticidad, 254
de fluido, modelo de (VOF), 339, 347
finitos, método de, 32 Weber, número de, 349
Von Neumann, condición de, 73 WMLES, modelo, 282
vórtice[s], 253
zona porosa, 352
de punta, 365

Técnicas Numéricas en Ingeniería de Fluidos, M.Fernández Oro 2012 421pp PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Técnicas Numéricas en Ingeniería de Fluidos, M.Fernández Oro 2012 421pp PDF

Cargado por

Copyright:

Formatos disponibles

Técnicas numéricas

Introducción a la dinámica de fluidos

Jesús Manuel Fernández Oro

Barcelona · Bogotá · Buenos Aires · Caracas · México

Copyright © Jesús Manuel Fernández Oro

Reservados todos los derechos. La reproducción total o parcial de esta obra,

2. ALGUNAS IDEAS FUNDAMENTALES 27

2.3 Solución del sistema algebraico de ecuaciones 33

3. ECUACIONES DIFERENCIALES DE CONSERVACIÓN 51

4. MÉTODO DE VOLÚMENES FINITOS (MVF) 75

4.4.5 Discretización del término convectivo 95

5. MVF EN PROBLEMAS DIFUSIVOS PUROS 103

6. MVF EN PROBLEMAS DIFUSIVOS-CONVECTIVOS 137

6.5 Difusión-convección no estacionaria 158

7. RESOLUCIÓN DE LAS ECUACIONES DE FLUJO 167

8. CONDICIONES DE CONTORNO Y TÉRMINOS FUENTE 197

9. MÉTODOS ITERATIVOS DE RESOLUCIÓN 219

9.2 Algoritmo para matrices tridiagonales (TDMA) 227

10. MODELIZACIÓN DE LA TURBULENCIA 251

11. APLICACIÓN DEL CFD A FLUJOS INDUSTRIALES (I-CFD) 311

11.3 Flujos multiespecie 322

ÍNDICE ALFABÉTICO 379

Además de acudir a estas referencias básicas, se han adaptado contenidos de otra

El texto se compone de once capítulos que proporcionan una visión global y

nas, sistemas de ventilación y precipitadores o reactores de mezcla. Los temas

c Capítulo 1. Introducción al CFD.

En el desarrollo del texto se ha tratado de mantener un enfoque práctico, orien-

Power and Energy”, el “International Journal for Numerical Methods in Fluids”, el

k Coeficiente de conductividad térmica.

Rij Tensiones de Reynolds algebraicas.

Πij,w Término de reflexión de pared en los esfuerzos de presión en el modelo RSM.

DSGS Dinamic Subgrid Scale

SST Shear Stress Transport

Las técnicas numéricas en Ingeniería han experimentado un gran desarrollo

1.1. ¿Qué es el CFD?

1.1 ¿Qué es el CFD?

Este acrónimo —adoptado directamente del inglés— hace referencia a la rama de la

1.2 Reseña histórica sobre el CFD

Lógicamente, la consolidación de estas técnicas ha sido una consecuencia más del

Estas ecuaciones incluyen las leyes de conservación para la masa, la cantidad de

predecir la evolución de las condiciones meteorológicas durante un período de 8 horas

Figura 1.2 Evolución histórica de la potencia de cálculo

Tecnología Wave Drag Army FLO22/ Cartesian CFL3D Unstructured

1965 1970 1975 1980 1985 1990 1995 2000

sado por el uso de CFD en sus investigaciones (mayormente aeronáuticas y aeroespa-

Figura 1.4 Empleo de mallas estructuradas y no estructuradas en Boeing. (Reproducido de Johnston

turadas; FLOW3D desarrollado por la Autoridad de la Energía Atómica (AEA) en

aerodinámicas de sus monoplazas. En concreto, en 2007, el equipo BMW-Sauber F1

1.3 Campos de aplicación

El repaso a la evolución de las técnicas computacionales en la Mecánica de Fluidos

c Industria aeroespacial, centrada en la aerodinámica de transbordadores, de

c Industria alimentaria, con procesos de pasteurización, ciclones, precipitadores,

Figura 1.6 Algunos ejemplos de aplicaciones de la CFD a la industria (imágenes adaptadas de

1.4 Ventajas e inconvenientes

Figura 1.7 Ventajas e inconvenientes en la utilización del CFD.

1.5 Desarrollo y empleo de códigos: usuario frente a

El desarrollo histórico de las técnicas CFD nos ha enseñado cómo la utilización de

Punto de vista del PROGRAMADOR (orientado a las herramientas)

PROCEDIMENTAL para FÍSICOS,

- Seleccionar geometría - Estructurado

Punto de vista del USUARIO (orientado a los resultados)

Figura 1.8 Diagrama de flujo de una aplicación CFD típica.

Evidentemente, es muy interesante disponer de ambas perspectivas. Aunque no