SIMULACION NUMERICA DE YACIMIENTOS

DOCUMENTO 5:

FLUJO BIDIMENSIONAL DE UN FLUIDO INCOMPRESIBLE

José Gildardo Osorio Gallego, Ph.D.

Universidad Nacional de Colombia – Sede de Medellín

Facultad de Minas

Escuela de Procesos y Energía

Ingeniería de Petróleos

Medellín, mayo de 2021

5. FLUJO BIDIMENSIONAL DE UN FLUIDO INCOMPRESIBLE

Este capítulo trata la simulación del flujo de un fluido incompresible en dos direcciones
(simulación 2D), coordenadas cartesianas. Desde el punto de vista de la geometría de las
líneas de flujo, el sistema físico tratado en este capítulo se ilustra en la Figura 2.4.

El capítulo se inicia con la presentación del modelo matemático, para lo cual se parte de las
ecuaciones fundamentales de flujo discutidas en el capítulo 2. Luego, se plantean las
aproximaciones numéricas a estas ecuaciones de flujo (modelo numérico). Posteriormente,
se presentan algunos esquemas de ordenamiento que facilitan la solución del modelo
numérico cuando dicha solución se realiza mediante la aplicación de métodos directos. Por
último, se discuten los principales métodos directos e indirectos de solución al modelo
numérico previamente planteado.

5.1 ECUACIÓN BÁSICA

La forma general de la ecuación fundamental de flujo en coordenadas cartesianas está dada

por la Ecuación 2.46:

 K  ∂(ρφ )
∇ ⋅  αρ ∇p  = α + αq~ ............................................................................... (2.46)
 µ  ∂t

En dos dimensiones, la Ecuación 2.46 toma la siguiente forma:

∂  k ∂p  ∂  k y ∂p  ∂ ( ρφ )
 Hρ x  +  Hρ  = H + Hq~ ................................................ (5.1)
∂x  µ ∂x  ∂y  µ ∂y  ∂t

La ecuación de estado para un fluido incompresible está dada por la Ecuación 2.8:

ρ = cons tan te .......................................................................................................... (2.8)

Llevando la Ecuación 2.8 a la Ecuación 5.1 se obtiene:

∂  k x H ∂p  ∂  k y H ∂p 
 +   = Hq v ....................................................................... (5.2)
∂x  µ ∂x  ∂y  µ ∂y 

La Ecuación 5.2 constituye el modelo diferencial de flujo de fluidos al interior de un medio

poroso en dos dimensiones, coordenadas cartesianas. En la Ecuación 5.2 se ha tenido en
cuenta la definición dada en la Ecuación 4.3, en la cual qv representa el volumen de fluido
que entra o sale por fuentes o sumideros por unidad de volumen total de yacimiento por
unidad de tiempo. Además, en la Ecuación 5.2 se asume que la porosidad no es función del
tiempo.

5.2 PLANTEAMIENTO DEL MODELO NUMERICO – MALLA DE BLOQUE

CENTRADO

La Figura 5.1 presenta un sistema bidimensional de N x filas por N y columnas. Las

coordenadas discretas en las direcciones x y y están denotadas por las variables i y j ,

respectivamente. Supóngase que se extrae la fila j tal como se ilustra en la Figura 5.2.
Las líneas de flujo en la dirección x de los sistemas ilustrados en las Figuras 4.3 y 5.2 son
idénticas. Por consiguiente, la Ecuación 4.21, la cual es válida para el sistema ilustrado en
la Figura 4.3, puede ser aplicada al sistema ilustrado en la Figura 5.2. En consecuencia, la
aproximación numérica del primer término del lado derecho de la Ecuación 5.2 será:

 kxH   2(Pi +1, j − Pi , j )  k x H   2(Pi , j − Pi −1, j )

    −    
∂  k x H ∂p   µ  i + 12 , j  ∆xi +1 + ∆xi   µ  i − 1 2, j  ∆xi + ∆xi −1 
 ⋅  ≅ ........ (5.3)
∂x  µ ∂x  i ∆xi
 Ny L L
M M M
j +1 i − 1, j + 1 i, j + 1 i + 1, j + 1

j L i − 1, j i, j i + 1, j L

j −1 i − 1, j − 1 i, j − 1 i + 1, j − 1

M M M

L L
1
1 i −1 i i +1 Nx

FIGURA 5.1 Sistema Bidimensional Cartesiana de N x Filas y N y Columnas – Malla de

Bloque Centrado

Fila j
1, j i − 1, j i, j i + 1, j Nx , j

∆xi −1 ∆xi ∆xi +1

FIGURA 5.2 Fila j de una Malla Bidimensional Cartesiana – Malla de Bloque Centrado

Análogamente, fijando la columna i de la Figura 5.1, tal como se ilustra en la Figura 5.3,
se puede desarrollar la siguiente expresión para la aproximación numérica del segundo
término del lado derecho de la Ecuación 5.2:

 kyH   2(Pi , j +1 − Pi , j )  k y H   2(Pi , j − Pi , j −1 )

    −    
∂  k y H ∂p   µ  i , j + 12  ∆y j +1 + ∆y j   µ  i , j − 12  ∆y j + ∆y j −1 
 ⋅  ≅ ......... (5.4)
∂y  µ ∂y  i ∆y j
 Ny

∆y j + 1
i, j + 1

∆y j
i, j

∆y j − 1
i, j − 1

i, j

Columna i

FIGURA 5.3 Columna i de una Malla Bidimensional Cartesiana – Malla de Bloque

Centrado

5.2.1 El Concepto de Transmisibilidad en Flujo Bidimensional. Al igual que en el caso

de flujo lineal, la transmisibilidad en flujo bidimensional está representada por el término
que multiplica la caída de presión en la ecuación de flujo. Sin embargo, las expresiones
para el cálculo de las transmisibilidades en flujo bidimensional son ligeramente diferentes a
aquellas obtenidas para flujo lineal (Ecuaciones 4..27 y 4.30).
Considérese el sistema bidimensional ilustrado en la Figura 5.4. La tasa de flujo desde el
punto (i, j ) al punto (i + 1 2 , j ) está dada por la ley de Darcy:

 kA   Pi , j − Pi + 1 2, j 
q i , j a i + 12 , j =    

 µ  i , j  ∆xi 2 

∆xi −1 ∆xi ∆xi +1

∆y j +1
j +1
i − 1, j + 1 i, j + 1 i + 1, j + 1

j+ 1
2

j ∆y j
i − 1, j i, j i + 1, j
j−1
2

j −1 ∆y j −1
i − 1, j − 1 i, j − 1 i + 1, j − 1

i −1 i i+1
i− 1
2 i+ 1
2

FIGURA 5.4 Nomenclatura Utilizada en el Concepto de Transmisibilidad, Flujo

Bidimensional – Malla de Bloque Centrado

Solucionando para la caída de presión:

qi , j a i + 1 2, j ∆xi
Pi , j − Pi + 1 2 , j = ⋅ ................................................................................... (5.5)
 kA  2
 
 µ i, j
Análogamente, la caída de presión entre los puntos (i + 1 2 , j ) e (i + 1, j ) será:

q i + 12 , j a i +1, j ∆xi +1
Pi + 1 2 , j − Pi +1, j = ⋅ ............................................................................ (5.6)
 kA  2
 
 µ  i +1, j

Sumando las Ecuaciones 5.5 y 5.6, asumiendo que qi , j a i + 1 2 , j = qi + 1 2 , j a i +1, j = q y

solucionando la ecuación resultante para q se obtiene:

 2 ⋅ (k i , j Ai , j k i +1, j Ai +1, j ) 
q=  ⋅ (Pi , j − Pi +1, j ) ......................................... (5.7)
 µ i , j ∆xi k i +1, j Ai +1, j + µ i +1, j ∆xi +1 k i , j Ai , j 

De la definición de transmisibilidad, la rata de flujo entre los puntos (i , j ) e (i + 1, j ) estará

dada por:

q = Ti + 12 , j ⋅ (Pi , j − Pi +1, j ) ............................................................................................. (5.8)

En la Ecuación 5.8, Ti + 1 ,j
es la transmisibilidad entre los puntos (i , j ) e (i + 1, j ) .
2

Comparando las Ecuaciones 5.7 y 5.8 se obtiene:

 2 ⋅ (k i , j Ai , j k i +1, j Ai +1, j ) 
Ti + 12 , j =  
 µ i , j ∆xi k i +1, j Ai +1, j + µ i +1, j ∆xi +1 k i , j Ai , j 

Si se tiene en cuenta que las áreas perpendiculares al flujo (en la dirección x ) de los
bloques i e i + 1 son Ai = H i , j ∆y j y Ai +1 = H i +1, j ∆y j , respectivamente, entonces la

transmisibilidad Ti + 1 ,j
puede ser escrita como:
2
  2 ⋅ (k i , j H i , j ∆y j k i +1, j H i +1, j ) 
Ti + 12 , j =   ...................................................... (5.9)
 µ i , j ∆xi k i +1, j H i +1, j + µ i +1, j ∆xi +1 k i , j H i , j 

Siguiendo un procedimiento análogo se puede obtener las siguientes expresiones para las

( )(
transmisibilidades en i − 1 , j , i, j + 1 e i, j − 1 , respectivamente:
2 2 2
) ( )

 2 ⋅ (k i , j H i , j ∆y j k i −1, j H i −1, j ) 
Ti − 12 , j =   ...................................................... (5.10)
 k i −1, j H i −1, j µ i , j ∆xi + µ i −1, j ∆xi −1k i , j H i , j 

 2 ⋅ (k i , j H i , j ∆xi k i , j +1 H i , j +1 ) 
Ti , j + 1 2 =   .................................................... (5.11)
 k i , j +1 H i , j +1 µ i , j ∆y j + µ i , j +1 ∆y j +1k i , j H i , j 

 2 ⋅ (k i , j H i , j ∆xi k i , j −1 H i , j −1 ) 
Ti , j − 1 2 =   .................................................... (5.12)
 k i , j −1 H i , j −1 µ i , j ∆y j + µ i , j −1 ∆y j −1k i , j H i , j 

De otro lado, la tasa de flujo desde el punto (i, j ) al punto (i + 1, j ) puede ser escrita de la
siguiente forma:

 kA  (P − Pi +1, j )
q =  
i, j
..................................................................................... (5.13)
 µ  i + 12 , j
1
2 (∆xi + ∆xi +1 )

Comparando las Ecuaciones 5.8 y 5.13 se obtiene una segunda expresión para Ti + 1 ,j
:
2

 kA  2  kH i , j ∆y j  2
Ti + 12 , j =   =  
 µ  i + 12 , j (∆xi + ∆xi +1 )  µ  i + 12 , j (∆xi + ∆xi +1 )

Ti + 12 , j
Resolviendo para se obtiene:
∆y j
Ti + 12 , j  kH  2
=   .............................................................................. (5.14)
∆y j  µ  i + 12 , j (∆xi + ∆xi +1 )

Procediendo en forma análoga se puede obtener las siguientes expresiones válidas en las

( )( ) (
interfaces de bloque i − 1 , j , i, j + 1 e i, j − 1 , respectivamente:
2 2 2
)

Ti − 1 2, j  kH  2
=   .............................................................................. (5.15)
∆y j  µ  i − 12 , j (∆xi −1 + ∆xi )

Ti , j + 1 2  kH  2
=  
 µ  i , j + 12 (∆y j + ∆y j +1 )
............................................................................. (5.16)
∆x i

Ti , j − 12  kH  2
=  
 µ  i , j − 12 (∆y j −1 + ∆y j )
............................................................................. (5.17)
∆xi

5.2.2 Modelo Numérico del Dominio Interno. Sustituyendo las Ecuaciones 5.14 y 5.15
en la Ecuación 5.3 se obtiene:

∂  k x H ∂p  Ti + 12 , j (Pi +1, j − Pi , j ) − Ti − 1 2, j (Pi , j − Pi −1, j )

 ⋅ ≅ .......................................... (5.18)
∂x  µ ∂x  ∆y j ∆xi

Similarmente, sustituyendo las Ecuaciones 5.16 y 5.17 en la Ecuación 5.4, se obtiene:

∂  k x H ∂p  Ti , j + 12 (Pi , j +1 − Pi , j ) − Ti , j − 12 (Pi , j − Pi , j −1 )
 ⋅ ≅ .......................................... (5.19)
∂y  µ ∂y  ∆y j ∆xi

Llevando las Ecuaciones 5.18 y 5.19 a la Ecuación 5.2 se obtiene la siguiente aproximación
numérica a la Ecuación 5.2:
Ti + 1 2, j (Pi +1, j − Pi , j ) − Ti − 12 , j (Pi , j − Pi −1, j ) Ti , j + 1 2 (Pi , j +1 − Pi , j ) − Ti , j − 12 (Pi , j − Pi , j −1 )
+ = H i , j qv i, j
∆y j ∆xi ∆y j ∆xi

Reordenando términos:

( )
Ti , j − 1 2 Pi , j −1 + Ti − 12 , j Pi −1, j − Ti − 12 , j + Ti , j − 1 2 + Ti , j + 1 2 + Ti + 12 , j Pi , j + Ti + 12 , j Pi +1, j + Ti , j + 12 Pi , j +1 = Qi , j
................................................................................................................................... (5.20)

La Ecuación 5.20 representa el modelo numérico para el flujo de un fluido incompresible al

interior de un sistema cartesiano bidimensional. Al evaluar la Ecuación 5.20 en cada punto
(i, j ) de la malla se genera un sistema de ecuaciones cuya solución permite estimar la
distribución de presiones en el sistema en función de la rata de producción o inyección de
cada bloque, Qi , j . Similar al caso lineal, si en el bloque (i , j ) no hay pozos, el término Qi , j

de la ecuación correspondiente a dicho bloque se hace igual a cero.

5.2.3 Discretización de las Condiciones de Límite Externo. Al igual que el caso lineal,
las condiciones de límite más comúnmente aplicadas en un simulador 2D son de tipo
Dirichlet y de tipo Neumann.

Discretización de Condiciones de Límite Tipo Dirichlet. En el caso de condiciones de

límite tipo Dirichlet se especifica la presión de poro en los límites x = 0 , x = L x , y = 0 ,

y/o y = L y , donde L x y L y representan las longitudes del sistema en las direcciones x y

y , respectivamente (Figura 5.5). Analíticamente,

P (0, y ) = Px − cero (t ) ..................................................................................................... (5.21)

P (L x , y ) = PLx (t ) ....................................................................................................... (5.22)

P ( x,0 ) = Py −cero (t ) ..................................................................................................... (5.23)

P (x , L y ) = PLy (t ) ....................................................................................................... (5.24)

En las Ecuaciones 5.21 a 5.24, los valores de Px −cero (t ) , PLx (t ) , Py −cero (t ) y PLy (t ) deben ser

especificados antes de dar solución a la Ecuación 5.2. Con la finalidad de simplificar

notación, y sin perder generalidad, en esta discusión se asume que las condiciones de límite
no son función del tiempo.

La Figura 5.5 incluye los puntos internos, fantasmas y ficticios en una malla bidimensional.
Al igual que un sistema lineal (Figura 4.5), los puntos fantasmas son utilizados para
discretizar las condiciones de límite y los puntos ficticios para generalizar los stencils
relacionados con las condiciones de límite, lo que conlleva a mayor conveniencia en
programación y eficiencia computacional. A diferencia de un sistema lineal, en lugar de un
punto fantasma y un punto ficticio para cada límite, en un sistema bidimensional se tiene
una línea de puntos o celdas fantasmas y una línea de puntos o celdas ficticias por cada
límite. De esta forma, el número total de celdas fantasmas en la dirección x es 2( N x + 2 ) ,

N x + 2 celdas adyacentes al límite inferior y N x + 2 celdas adyacentes al límite superior, y

el número total de celdas fantasmas en la dirección y es 2(N y + 2 ) , N y + 2 celdas

adyacentes al límite izquierdo y N y + 2 celdas adyacentes al límite derecho. El número de

celdas ficticias es igual al número de celdas fantasmas más cuatro.

La condición de límite en x = 0 se aplica en la interfase entre las celdas i = 0 e i = 1

(Figura 5.5). Por esta razón, la discretización de la condición de límite P (0, y ) = Px −cero se
realiza de acuerdo a la siguiente ecuación:

P0, j + P1, j
= Px −cero
2

La ecuación anterior puede ser escrita de la siguiente forma:

 −1 0 1 i −1 i i +1 Nx Nx + 1 Nx + 2
• • • L • • • L • • • Ny + 2
P (x , Ly ) = PLy Ny + 1
• • • L • • • L • • •
• • • L • • • L • • • Ny

M M M M M M M M M
• • • L • • • L • • • j +1
• • • L • • • L • • • j
• • • L • • • L • • • j −1
M M M M M M M M M
P (x ,0 ) = Py − cero • • • L • • • L • • • 1
• • • L • • • L • • • 0
• • • L • • • L • • • −1

P (0 , y ) = Px − cero P (Lx , y ) = PLx

• Celda interior • Celda fantasma • Celda ficticia

FIGURA 5.5 Malla Bidimensional de Bloque Centrado Indicando los Diferentes Tipos de
Celdas o Nodos (No Se Absorben Condiciones de Límite)

P0, j + P1, j = 2 Px −cero ................................................................................................... (5.25)

Siguiendo el mismo razonamiento, la discretización de la condición de límite en x = L x ,

P (L x , y ) = PLx se realiza de acuerdo a la siguiente ecuación:

PNx , j + PNx +1, j = 2 PLx ................................................................................................. (5.26)

Las Ecuaciones 5.25 y 5.26 son válidas para j = 1, 2, L , N y .

Análogamente, en y = 0 y y = L y , las condiciones de límite se discretizan de acuerdo a la

siguientes dos Ecuaciones:

Pi ,0 + Pi ,1 = 2 Py −cero .................................................................................................... (5.27)

Pi , Ny + Pi , Ny +1 = 2 PLy .................................................................................................. (5.28)

Las Ecuaciones 5.27 y 5.28 son válidas para i = 1, 2, L , N x .

De la anterior discusión se infiere que la adición de las condiciones de límite expresadas en

las Ecuaciones 5.25 a 5.28 conlleva a 2( N x + N y ) nuevas ecuaciones con 2( N x + N y )

nuevas incógnitas.

Discretización de Condiciones de Límite Tipo Neumann. Para el modelo diferencial

representado en la Ecuación 5.2, las condiciones Neumann en los límites x = 0 y x = L x
pueden ser expresadas de las siguientes formas, respectivamente:

 kA ∂p 
q (0, y ) =   = q x −cero ................................................................................. (5.29)
 µ ∂x  x =0, y

 kA ∂p 
q (L x , y ) =   = q Lx .................................................................................. (5.30)
 µ ∂x  x = Lx , y

En las Ecuaciones 5.29 y 5.30, q x −cero y q Lx son las ratas de flujo en los límites x = 0 y

x = L x , respectivamente. Las Ecuaciones 5.29 y 5.30 pueden ser escritas de la siguiente

forma, respectivamente:

 ∂p  q µ
  = x −cero ................................................................................................. (5.31)
 ∂x  x = 0, y kA

 ∂p  q µ
  = Lx ..................................................................................................... (5.32)
 ∂x  x = Lx , y kA
En el caso de un sistema cerrado, las Ecuaciones 5.31 y 5.32 toman las siguientes formas,
respectivamente:

 ∂p 
  = 0 ............................................................................................................ (5.33)
 ∂x  x = 0, y

 ∂p 
  = 0 .......................................................................................................... (5.34)
 ∂x  x = Lx , y

Análogamente, las condiciones Neumann en los límites y = 0 y y = L y pueden ser

expresadas de las siguientes formas, respectivamente:

 ∂p  q y −cero µ
  = ................................................................................................ (5.35)
 ∂y  x , y =0 kA

 ∂p  q Ly µ
  = .................................................................................................... (5.36)
 ∂y  x , y = Ly kA

En las Ecuaciones 5.35 y 5.36, q y − cero y q Ly son las ratas de flujo en los límites y = 0 y

y = L y , respectivamente. Para un sistema cerrado, las Ecuaciones 5.35 y 5.36 toman las

siguientes formas, respectivamente:

 ∂p 
  = 0 ............................................................................................................ (5.37)
 ∂y  x , y = 0

 ∂p 
  = 0 .......................................................................................................... (5.38)
 ∂y  x , y = Ly
Para un sistema bidimensional (Figura 5.5) las condiciones Tipo Neumann en x = 0 y
x = L x , Ecuaciones 5.31 y 5.32, se discretizan de las siguientes formas, respectivamente:

P1, j − P0, j q x − cero µ

=
x1 − x0 kA

PNx +1, j − PNx , j q Lx µ

=
x nx +1 − x nx kA

O bien,

q x − cero µ
P1, j − P0, j = (x1 − x0 ) .................................................................................... (5.39)
kA

q Lx µ
PNx +1, j − PNx , j = (x Nx +1 − x Nx ) ........................................................................... (5.40)
kA

Para un sistema cerrado en x = 0 y x = L x , las Ecuaciones 5.39 y 5.40 toman las siguientes
formas, respectivamente:

P1, j − P0, j = 0 ............................................................................................................ (5.41)

PNx +1, j − PNx , j = 0 ...................................................................................................... (5.42)

Las Ecuaciones 5.39 a 5.42 se aplican para j = 1, 2, L , N y .

En forma análoga, las formas discretizadas de las Ecuaciones 5.35 y 5.36 pueden ser
escritas de las siguientes formas, respectivamente:
 q y −cero µ
Pi ,1 − Pi , 0 = ( y1 − y0 ) .................................................................................... (5.43)
kA

q Ly µ
Pi , Ny +1 − Pi , Ny = (y Ny +1 − y Ny ) ............................................................................. (5.44)
kA

Para un sistema cerrado en y = 0 y y = L y , las Ecuaciones 5.43 y 5.44 toman las siguientes

formas, respectivamente:

Pi ,1 − Pi , 0 = 0 ............................................................................................................. (5.45)

Pi , Ny +1 − Pi , Ny = 0 ....................................................................................................... (5.46)

Las Ecuaciones 5.43 a 5.46 se aplican para i = 1, 2, L , N x .

Similar al caso de condiciones de límite tipo Dirichlet, la adición de las condiciones de

límite Neumann expresadas en las Ecuaciones 5.39, 5.40, 5.43 y 5.44 conlleva a
2( N x + N y ) nuevas ecuaciones con 2( N x + N y ) nuevas incógnitas.

5.2.4 Modelo Numérico en Términos de Stencils. Los stencils pueden ser internos o de
frontera. Las expresiones de los stencils de frontera dependen del tipo de condiciones de
límite (Dirichlet o Neumann) y de si las condiciones de límite se absorben o no se
absorben.

Stencils Internos. La Ecuación 5.20 conecta la celda (i , j ) con las celdas (i, j − 1) ,
(i − 1, j ) , (i + 1, j ) y (i, j + 1) a través de los lados Sur, Oeste, Este y Norte, respectivamente.
Esta conexión se suele expresar en forma general escribiendo la Ecuación 5.20 de la
siguiente forma:

S i , j Pi , j −1 + Wi , j Pi −1, j + C i , j Pi , j + E i , j Pi +1, j + N i , j Pi , j +1 = Fi , j ...................................... (5.47)

La Ecuación 5.47 representa el modelo numérico en dos dimensiones en forma de stencil.
Al comparar las Ecuaciones 5.20 y 5.47 se obtiene las siguientes definiciones para las
componentes del stencil:

S i , j = Ti , j − 1 .............................................................................................................. (5.48)
2

Wi , j = Ti − 1 ,j
............................................................................................................. (5.49)
2

( )
C i , j = − Ti − 12 , j + Ti , j − 12 + Ti , j + 12 + Ti + 12 , j .................................................................... (5.50)

Ei , j = Ti + 1 ,j
.............................................................................................................. (5.51)
2

N i , j = Ti , j + 1 ............................................................................................................. (5.52)
2

Fi , j = Qi , j .................................................................................................................. (5.53)

Es importante anotar que cualquier modelo numérico en dos dimensiones, de cinco puntos,
puede ser expresado en la forma de la Ecuación 5.47. Sin embargo, la definición de los
componentes del stencil puede cambiar dependiendo del modelo físico. Por ejemplo, para
un fluido altamente compresible las definiciones de las Ecuaciones 5.48 a 5.53 son
diferentes.

La Ecuación 5.47 suele escribirse en la siguiente forma operacional:

 N 
 
W C E  Pi , j = Fi , j .......................................................................................... (5.54)
 S 
 i, j
En la Ecuación 5.54, el operador S disminuye el subíndice j del operando Pi , j en uno.

Similarmente, el operador W disminuye el subíndice i en uno, el operador E incrementa

el subíndice i en uno y el operador N incrementa el subíndice j en uno.

Stencils de Frontera. Condiciones de Límite No Absorbidas. Si las condiciones de límite

no se absorben, los stencils de las celdas fantasmas pueden ser escritos de la siguiente
forma:

Para i = 0 y j = 1, 2, L , N y :

S 0, j P0, j −1 + W0, j P−1, j + C 0, j P0, j + E 0, j P1, j + N 0, j P0, j +1 = F0, j ........................................ (5.55)

En la Ecuación 5.55, S 0, j = Wo, j = N 0, j = 0 , C 0, j ≠ 0 y E 0, j ≠ 0 .

Para i = N x + 1 y j = 1, 2, L , N y :

S Nx +1, j PNx*1, j −1 + W Nx +1, j PNx , j + C Nx +1, j PNx +1, j + E Nx +1, j PNx + 2, j + N Nx +1, j PNx +1, j +1 = FNx +1, j .. (5.56)

En la Ecuación 5.56, S Nx +1, j = E Nx +1, j = N Nx +1, j = 0 , C Nx +1, j ≠ 0 y W Nx +1, j ≠ 0 .

Para j = 0 e i = 1, 2, L , N x :

S i ,0 Pi , −1 + Wi , 0 Pi −1, 0 + Ci , 0 Pi , 0 + Ei ,0 Pi +1, 0 + N i ,0 Pi ,1 = Fi , 0 ............................................ (5.57)

En la Ecuación 5.57, S i , 0 = Wi ,0 = E i ,0 = 0 , C i ,0 ≠ 0 y N i , 0 ≠ 0 .

Para j = N y + 1 e i = 1, 2, L , N x :
S i , Ny +1 Pi , Ny + Wi , Ny +1 Pi −1, Ny +1 + C i , Ny +1 Pi , Ny +1 + Ei , Ny +1 Pi +1, Ny +1 + N i , j Pi , Ny + 2 = Fi , Ny +1 ........ (5.58)

En la Ecuación 5.58, Wi , Ny +1 = E i , Ny +1 = N i , Ny +1 = 0 , C i , Ny +1 ≠ 0 y S Ny +1, j ≠ 0 .

En las Ecuaciones 5.55 a 5.58, las expresiones para los componentes de los stencils
diferentes de cero dependen del tipo de condiciones de límite, Dirichlet o Neumann, tal
como se describe a continuación:

Condiciones tipo Dirichlet

Para i = 0 y j = 1, 2, L , N y (Ecuación 5.25): C 0, j = 1 , E 0, j = 1 y F0, j = 2 Px −cero .

Para i = N x + 1 y j = 1, 2, L , N y (Ecuación 5.26): C Nx +1, j = 1 , WNx +1, j = 1 y FNx , +1 j = 2 PLx .

Para j = 0 e i = 1, 2, L , N x (Ecuación 5.27): C i ,0 = 1 , N i , 0 = 1 y Fi ,0 = 2 Py −cero .

Para j = N y + 1 e i = 1, 2, L , N x (Ecuación 5.28): Ci , Ny +1 = 1 , S i , Ny +1 = 1 y Fi , Ny +1 = 2 PLy .

Condiciones tipo Neumann

q x −cero µ
Para i = 0 y j = 1, 2, L , N y (Ecuación 5.39): C 0, j = −1 , E 0, j = 1 y F0, j = (x1 − x0 ) .
kA

Para i = N x +1 y j = 1, 2, L , N y (Ecuación 5.40): C Nx +1, j = 1 , W Nx +1, j = −1 y

q Lx µ
FNx , +1 j = (x Nx +1 − x Nx ) .
kA

q y −cero µ
Para j = 0 e i = 1, 2, L , N x (Ecuación 5.43): Ci , 0 = −1 , N i , 0 = 1 y Fi ,0 = ( y1 − y0 ) .
kA
Para j = N y +1 e i = 1, 2, L , N x (Ecuación 5.44): Ci , Ny +1 = 1 , S i , Ny +1 = −1 y

q Ly µ
Fi , Ny +1 = (y Ny +1 − y Ny ) .
kA

Stencils de Frontera. Condiciones de Límite Absorbidas. Tal como se mencionó en el

capítulo anterior, sección 4.3.2, para absorber las condiciones de límite se eliminan las
incógnitas de los bloques fantasmas utilizando las ecuaciones provenientes de la
discretización de las condiciones de límite.

Considérese la columna i = 1 (primera columna del dominio interior, Figura 5.5). El

modelo numérico que gobierna el flujo de fluidos en esta columna puede ser obtenido de la
Ecuación 5.47:

S1, j P1, j −1 + W1, j P0, j + C1, j P1, j + E1, j P2, j + N 1, j P1, j +1 = F1, j ........................................... (5.58)

Solucionando la Ecuación 5.55 para P0, j se obtiene:

F0, j − E 0, j P1, j
P0, j = ................................................................................................. (5.59)
C 0, j

La sustitución de la Ecuación 5.59 en la Ecuación 5.58 conlleva a la eliminación de las

variables incógnitas correspondiente a los bloques fantasmas P0, j , j = 1, 2, ..., N y :

 F0, j − E 0, j P1, j 
S1, j P1, j −1 + W1, j   + C1, j P1, j + E1, j P2, j + N1, j P1, j +1 = F1, j
 C 0, j 
 

Reordenando términos:

 W1, j E 0, j  W F
S1, j P1, j −1 +  C1, j −  P1, j + E1, j P2, j + N1, j P1, j +1 = F1, j − 1, j 0, j
 C 0, j  C 0, j
 
O bien,

S1, j P1, j −1 + C1′, j P1, j + E1, j P2, j + N1, j P1, j +1 = F1′, j ........................................................... (5.60)

En la Ecuación 5.60, las variables C1′, j y F1′, j están dadas por las siguientes expresiones:

W1, j E 0, j
C1′, j = C1, j −
C 0, j

W1, j F0, j
F1′, j = F1, j −
C 0, j

Con la finalidad de conservar la forma general del stencil de la Ecuación 5.47, la Ecuación
5.60 suele ser escrita de la siguiente manera:

S1, j P1, j −1 + W1, j P0, j + C1′, j P1, j + E1, j P2, j + N 1, j P1, j +1 = F1′, j ........................................... (5.61)

Obsérvese que en la Ecuación 5.61 la componente W1, j = 0 . La Ecuación 5.61 lleva

inherente las condiciones de límite en la frontera x = 0 , razón por la cual la columna i = 0

de la Figura 5.5 pasa de ser una columna de celdas fantasmas a ser una columna de celdas
ficticias.

Siguiendo un procedimiento análogo, se puede absorber las condiciones de límite en las

fronteras x = L x , y = 0 y y = L y . Una vez absorbidas las condiciones de límite, las

ecuaciones en la columna i = N x y las filas j = 1 y j = N y toman las siguientes formas:

Ecuación para la columna i = N x :

′ , j PNx , j + N Nx , j PNx , j +1 = FNx

S Nx , j PNx , j −1 + W Nx , j PNx −1, j + C Nx ′ , j ....................................... (5.62)
 ′ , j y FNx
En la Ecuación 5.62, las variables C Nx ′ , j están dadas por las siguientes expresiones:

E NxWNx +1
′ , j = C Nx −
C Nx
C Nx +1

E Nx FNx +1
′ , j = FNx −
FNx
C Nx +1

Ecuación para la fila j = 1 :

Wi ,1 Pi −1,1 + Ci′,1 Pi ,1 + Ei ,1 Pi +1,1 + N i ,1 Pi , 2 = Fi′,1 .............................................................. (5.63)

En la Ecuación 5.63, las variables C i′,1 y Fi′,1 están dadas por las siguientes expresiones:

S i ,1 N i , 0
Ci′,1 = Ci ,1 −
Ci , 0

S i ,1 Fi , 0
Fi′,1 = Fi ,1 −
Ci , 0

Ecuación para la fila j = N y :

S i , Ny Pi , Ny −1 + Wi , Ny Pi −1, Ny + C i′, Ny Pi , Ny + Ei , Ny Pi +1, Ny = Fi′, Ny ........................................... (5.64)

En la Ecuación 5.64, las variables C i′,Ny y Fi′,Ny están dadas por las siguientes expresiones:

N i , Ny S i , Ny +1
C i′, Ny = C i , Ny −
C i , Ny +1
 N i , Ny Fi , Ny +1
Fi′, Ny = Fi , Ny −
C i , Ny +1

Obsérvese que la absorción de condiciones de límite implica: (i) la desaparición de las

celdas fantasmas, (ii) las celdas ficticias pasan a ocupar la posición de las celdas
fantasmas, y (iii) el número de incógnitas se reduce a (N x × N y ) .

5.3 ESQUEMAS DE ORDENAMIENTO

La Ecuación 5.47 genera una ecuación por cada bloque de la malla. El conjunto de todas
las ecuaciones forman un sistema de ecuaciones el cual puede ser escrito en la siguiente
forma matricial:

AP = F .................................................................................................................... (5.65)

En la Ecuación 5.65 A es la matriz de coeficientes, P y F son los vectores de presiones y

términos independientes, respectivamente. De la Ecuación 5.47 o 5.54 se infiere que la
matriz A es pentadiagonal; sin embargo, la separación de las diagonales de A depende del
orden seguido para escribir las ecuaciones (es decir, la forma como se recorra la malla). A
las diferentes formas de recorrer la malla se le denomina esquemas de ordenamiento.

El sistema representado por la Ecuación 5.65 puede ser solucionado mediante la aplicación
de métodos directos o métodos iterativos. Cuando se aplica un método directo, el trabajo
de computador requerido para la solución de este sistema de ecuaciones es función, en
cierto grado, del esquema de ordenamiento. A continuación se presentan los esquemas de
ordenamiento más comúnmente utilizados en simulación de yacimientos. Sin embargo, es
importante anotar que cuando el sistema consiste de un alto número de ecuaciones, aplicar
métodos directos de solución conlleva a altos requerimientos de capacidad de memoria de
computador. Por esta razón, en simulación numérica de yacimientos casi siempre se
aplican métodos iterativos en lugar de métodos directos de solución de ecuaciones.
5.3.1 Ordenamiento Normal por Filas ( ó Índice i ). Como su nombre lo indica, en el
ordenamiento normal por filas, el sistema de ecuaciones se genera recorriendo la malla por
filas.

A manera de ejemplo, considérese la malla de la Figura 5.6 (a), para la cual se han
absorbido condiciones de límite. El número al interior de cada celda indica el orden del
recorrido seguido al escribir el sistema de ecuaciones de toda la malla. La primera
ecuación corresponde al bloque i = 1 , j = 1 , bloque 1 de la Figura 5.6 (a); de la Ecuación
5.47, se obtiene la siguiente ecuación para el bloque en mención:

S1,1 P1,0 + W1,1 P0,1 + C1,1 P1,1 + E1,1 P2,1 + N1,1 P1, 2 = F1,1

Puesto que se absorben condiciones de límite, S1,1 = W1,1 = 0 , lo que simplifica la ecuación

anterior a la siguiente ecuación:

C1,1 P1,1 + E1,1 P2,1 + N1,1 P1, 2 = F1,1 ................................................................................. (5.66)

j=4 10 11 12 j=4 4 8 12

j=3 7 8 9 j=3 3 7 11

j=2 4 5 6 j=2 2 6 10

j =1 1 2 3 j =1 1 5 9

i=1 i=2 i=3 i=1 i=2 i=3

(a) (b)

FIGURA 5.6 Ejemplo de Ordenamiento Normal Para una Malla 4x3: (a) Por Filas; y, (b)
Por Columnas.
La segunda ecuación corresponde al bloque i = 2 , j = 1 , (bloque 2 en la Figura 5.6 (a)).

En este caso, S 2,1 = 0 . Por tanto, de la Ecuación 5.47:

W2,1 P1,1 + C 2,1 P2,1 + + E 2,1 P3,1 + N 2,1 P2, 2 = F2,1 ............................................................. (5.67)

La tercera ecuación corresponde al bloque i = 3 , j = 1 (bloque 3 en la Figura 5.6 (a)). En

este caso, S 3,1 = E 3,1 = 0 y, de la Ecuación 5.47, se obtiene:

W3,1 P2,1 + C 3,1 P3,1 + N 3,1 P3, 2 = F3,1 ............................................................................... (5.68)

Siguiendo un procedimiento análogo, se obtienen las siguientes ecuaciones para los bloques
restantes:

La cuarta ecuación corresponde al bloque i = 1 , j = 2 :

S1, 2 P1,1 + C1, 2 P1, 2 + E1, 2 P2, 2 + N 1, 2 P1,3 = F1, 2 ................................................................ (5.69)

La quinta ecuación corresponde al bloque i = 2 , j = 2 :

S 2, 2 P2,1 + W2, 2 P1, 2 + C 2, 2 P2, 2 + N 2, 2 P2,3 + E 2, 2 P3, 2 = F2, 2 ............................................. (5.70)

Se deja al lector como ejercicio el planteamiento de las ecuaciones restantes.

Las anteriores ecuaciones conllevan a un sistema matricial pentadiagonal como el ilustrado

en la Figura 5.7.
  C11 E11 N11   P11   F11 
W  P  F 
 21 C21 E21 N 21   21   21 
 W31 C31 N 31   P31   F31 
     
 S 21 C12 E11 N12   P12   F12 
 S 22 W22 C22 E22 N 22   P22   F22 
     
 S32 W32 C32 N 32   P32   F32 
 S13 C13 E13 N13  P  F 
   13   13 
 S 23 W23 C23 E23 N 23   P23   F23 
 S33 W33 C33 N 33  P  F 
   33   33 
 S14 C14 E14   P14   F14 
     
 S 24 W24 C24 E24   P24   F24 
 S34 W34 C34   P34   F34 

FIGURA 5.7 Sistema Matricial Obtenido del Ordenamiento por Filas de una Malla 4x3.

En una matriz de banda, se define el ancho de banda como el número máximo de

elementos en una fila comprendidos entre dos elementos diferentes de cero. En el caso de
la Figura 5.7, el ancho de banda es 2 × 3 + 1 = 7 . En general, en el ordenamiento por filas, el
ancho de banda está dado por:

2 × ( Numero de Columnas ) + 1 ................................................................................... (5.71)

Es importante anotar que el ancho de banda depende del esquema de ordenamiento. En

general, a mayor ancho de banda, mayor es el almacenaje y tiempo de computador
requerido para solucionar el sistema de ecuaciones por métodos directos.

5.3.2 Ordenamiento Normal por Columnas ( ó Índice j ). En el ordenamiento normal

por columnas, el sistema de ecuaciones se genera recorriendo la malla por columnas, tal
como se indica en la Figura 5.6 (b). Para este ordenamiento, el ancho de banda está dado
por:
2 × ( Numero de Filas ) + 1 ........................................................................................... (5.72)

La matriz de coeficientes tiene la forma indicada en la Figura 5.8 (las posiciones

diagonales marcadas con el símbolo “x” indican posiciones diferentes de cero).

x x x 
x x x x 
 
 x x x x 
 
 x x x 
x x x x 
 
 x x x x x 
 x x x x x 
 
 x x x x
 x x x 
 
 x x x x 
 
 x x x x
 x x x 

FIGURA 5.8 Forma de la Matriz de Coeficientes Para un Ordenamiento Normal por

Columnas.

5.3.3 Ordenamiento D2. En el ordenamiento D 2 , la secuencia de las ecuaciones se

determina recorriendo la malla diagonalmente en forma continua, como se indica en la
Figura 5.9 (a). La matriz de coeficientes resultante de este ordenamiento tiene la forma
indicada en la Figura 5.10.
 7 10 12 9 5 12
j=4 j=4

j=3 4 8 11 j=3 2 10 6

j=2 2 5 9 j=2 7 3 11

j =1 1 3 6 j =1 1 8 4

i =1 i=2 i=3 i =1 i=2 i=3

(a) (b)

FIGURA 5.9 Ejemplo de Ordenamiento Para una Malla 4x3: (a) D2 y (b) D4.

FIGURA 5.10 Forma de la Matriz de Coeficientes Resultante del Ordenamiento D2.

5.3.4 Ordenamiento D4. En el ordenamiento D 4 se recorre la malla diagonalmente en
forma alternada. La Figura 5.9 (b) presenta un ejemplo del recorrido de malla seguido en
este tipo de ordenamiento. La matriz de coeficientes presenta la forma indicada en la
Figura 5.11.

FIGURA 5.11 Forma de la Matriz de Coeficientes Resultante del Ordenamiento D4.

5.4 ALGUNOS METODOS DIRECTOS DE SOLUCION DE ECUACIONES

El trabajo de computador requerido para la solución de un sistema de ecuaciones mediante

una método directo puede reducirse considerablemente si se selecciona un esquema de
ordenamiento apropiado. Sin embargo, debido al inmenso tamaño de las matrices
resultantes de la discretización de las ecuaciones de flujo, la aplicación de los métodos de
solución directos en simulación de yacimientos es limitada a escalas muy pequeñas (por
ejemplo, pruebas de laboratorio en los cuales se tienen muestras de tamaño muy peuqeño).

Dos de los métodos directos más comúnmente aplicados son el de eliminación Gaussiana y
el método de Gauss-Jordan. Otros métodos también utilizados son: inversión matricial, la
Regla de Kramer y el método de descomposición matricial. Numerosas referencias
contienen discusiones detalladas de estos métodos, entre las cuales se listan las siguientes:
Carnahan y otros (1969), Thomas (1977), Huyakorn y Pinker (1983), Asíz y Settari (1986),
Constantinides (1987), Strikwerda (1989), Householder y Wilkinson (1989), Buchanan y
Turner (1992) y Ozisik (1994). A manera de ilustración, a continuación se discuten los
métodos de eliminación Gaussiana y de Gauss-Jordan.

5.4.1 Eliminación Gausinana. Al aplicar la Ecuación 5.47 a cada bloque de la malla se

genera un sistema de ecuaciones cuyas incógnitas son las presiones en los bloques. La
forma general de este sistema de ecuaciones es la siguiente:

a11 x1 + a12 x 2 + a13 x3 + K + a1n x n = c1

a 21 x1 + a 22 x 2 + a 23 x3 + K + a 2n xn = c2
a 31 x1 + a 32 x 2 + a33 x3 + K + a 3n x n = c3 ...................................................... (5.73)
M M M
a n1 x1 + a n 2 x2 + a n 3 x3 + K + a nn x n = cn

En la Ecuación 5.73, a11 , a12 , K , a1n , a 21 , a 22 , K , a 2 n , K , a nn son los coeficientes de

las incógnitas, x1 , x2 , x3 , K , x n .

La solución de un sistema de ecuaciones, tal como el representado por la Ecuación 5.73,

mediante el método de eliminación Gaussiana consiste en transformar el sistema inicial de
ecuaciones a un sistema equivalente que tenga la siguiente forma:
x1 ′ x2
+ a12 + a13′ x3 +K + a1′n x n = c1′
x2 + a ′23 x3 +K + a ′2 n xn = c ′2
x3 +K + a3′ n x n = c3′
.................................................... (5.74)
O M M
xn + a n′ −1, n x n−1 = c′n −1
xn = c ′n

cuya solución es igual a la solución del sistema original.

Ejemplo: Considérese el siguiente sistema de cuatro ecuaciones con cuatro incógnitas:

a11 x1 + a12 x2 + a13 x3 + a14 x 4 = c1

a 21 x1 + a 22 x 2 + a 23 x3 + a 24 x 4 = c2
a31 x1 + a32 x 2 + a33 x3 + a34 x4 = c3
a 41 x1 + a 42 x 2 + a 43 x3 + a 44 x 4 = c4

La matriz aumentada de este sistema de ecuaciones tiene la siguiente forma:

 a11 a12 a13 a14 c1 

 
a 21 a 22 a 23 a 24 c2 
..................................................................................... (5.75)
a 31 a32 a 33 a 34 c3 
 
a 41 a 42 a 43 a 44 c 4 

Supóngase que se efectúan las siguientes operaciones elementales sobre esta matriz:

a. Se divide la fila 1 por a11 .

b. Se multiplica la fila 1 resultante de la operación anterior por (− a 21 ) y se suma a la

segunda fila.
c. Se multiplica la fila 1 resultante de la operación indicada en el literal “a” por (− a31 ) y
se suma a la tercera fila.

d. Se multiplica la fila 1 resultante de la operación indicada en el literal “a” por (− a 41 ) y

se suma a la cuarta fila.

La matriz aumentada resultante tendrá la siguiente forma:

1 a12(1) a13(1) a14(1) c1(1) 

 
0
(1)
a 22 (1)
a 23 (1)
a 24 c 2(1) 
0 (1)
a 32 (1)
a 33 (1)
a34 c3(1) 
 
0
(1)
a 42 (1)
a 43 (1)
a 44 c 4(1) 

Considérese que sobre esta matriz se realizan las siguientes operaciones elementales:

(1)
a. Se divide la segunda fila por a 22 .

b. Se multiplica la fila 2 resultante del paso anterior por (− a32

(1)
) y se suma a la fila 3.

( (1)
c. Se multiplica la fila resultante del paso 1 por − a 42 )
y se suma a la fila 4.

La nueva matriz aumentada tendrá la siguiente forma:

1 a12(1) a13(1) a14(1) c1(1) 

 
0 1
(2)
a 23 ( 2)
a 24 c 2(2 ) 
0 0 (2)
a 33 ( 2)
a34 c3(2 ) 
 
0 0
(2)
a 43 ( 2)
a 44 c 4(2 ) 

Sobre la matriz anterior se pueden realizar las siguientes dos operaciones:

 (2 )
d. Se divide la fila 3 por a33 .

e. La nueva fila 3 se multiplica por (− a 43

(2 )
) y se suma a la fila 4.

La nueva matriz aumentada tendrá la siguiente forma:

1 a12(1) a13(1) a14(1) c1(1) 

 
0 1
(2)
a 23 ( 2)
a 24 c 2(2 ) 
0 0 1 ( 3)
a34 c3(3) 
 
0 0 0 ( 3)
a 44 c 4(3) 

(3 )
Dividiendo la fila 4 por a 44 , se obtiene la siguiente matriz aumentada:

1 a12(1) a13(1) a14(1) c1(1) 

 
0 1
(2)
a 23 ( 2)
a 24 c 2(2 ) 
0 0 1 ( 3)
a34 c3(3) 
 
0 0 0 1 c 4(4 ) 

la cual corresponde al siguiente sistema de ecuaciones equivalente al sistema inicial:

x1 + a12(1) x2 + a13(1) x3 + a14(1) x 4 = c1(1)

(2 ) (2 )
x2 + a 23 x3 + a 24 x4 = c2(2 )
(3 ) ................................................................... (5.76)
x3 + a34 x4 = c3(3)
x4 = c4(4 )

El valor de las incógnitas puede ser estimado mediante un sustitución de atrás hacia atrás:

x4 = c 4(4 )
x3 = c3(3) (3 )
− a 34 x4
x2 = c 2(2 ) (2 )
− a 24 x4 (2 )
− a 23 x3
x1 = c1(1) − a14(1) x 4 − a13(1) x3 − a12(1) x 2
Este proceso se puede generalizar mediante el siguiente algoritmo, fácilmente ejecutable
mediante un programa de computador:

a. Se inicializa la variable k , k = 1

b. Se normaliza la fila k :

ak , j
ak , j = , j = k , k + 1, k + 2, K , n
ak ,k

donde n es el número total de filas de la matriz aumentada (e.d., el número de

ecuaciones).

c. Se reduce la matriz, así:

ai , j = ai , j − ai ,k ⋅ a k , j , j = k + 1, k + 2, K ,
i = k + 1, k + 2, k + 3, K

d. Se incrementa k en una unidad: k = k +1

e. Se repite el procedimiento anterior hasta que k sea igual a n .

Al finalizar el anterior ciclo, se obtiene el siguiente sistema de ecuaciones en forma

triangular:

x1 ′ x2
+ a12 ′ x3
+ a13 + K + a1′, n−1 x n −1 a1′,n x n = c1′
x2 ′ x3
+ a 23 + K + a 2′ ,n −1 x n−1 a 2′ ,n x n = c 2′
x3 + K + a3′,n −1 x n −1 a3′,n x n = c3′
O M M
x n −1 + a n′ −1,n x n = c n′ −1
xn = c ′n
Por consiguiente,

xn = c ′n
x n −1 = c ′n −1 − a ′n −1, n x n
xn−2 = c n′ − 2 − a ′n − 2, n −1 x n −1 − a ′n − 2, n −1 x n
M M

Generalizando:

n
xi = ci′ − a
j =i +1
i, j x j ..................................................................................................... (5.77)

5.4.2 Método de Gauss-Jordan. Considérese el sistema de ecuaciones presentado en

(5.73). La solución de este sistema por eliminación de Gauss-Jordan consiste en reducirlo a
un sistema equivalente que tenga la siguiente forma:

x1 = c1′
x2 = c ′2
x3 = c3′
O M
x n −1 = c n′ −1
xn = c n′

Es decir, transformar la matriz aumentada:

 a11 a12 a13 L a1,n −1 a1,n c1 

 
a 21 a 22 a 23 L a 2,n −1 a 2, n c 2 
a 31 a 32 a 33 L a3,n −1 a 3,n c3 
 M M M
 
a n1 an 2 an3 L a n,n −1 a n ,n c n 

en una matriz aumentada que tenga la siguiente forma:

1 c1 
 1 c 2 

 1 c3 
 
 O M
 1 c n 

Para lograr este objetivo se debe proceder en forma análoga al caso anterior. La diferencia
radica en que en este caso no se trata de obtener una matriz triangular superior, sino una
matriz diagonal unitaria. El procedimiento o algoritmo de solución es igual al anterior,
excepto que en el paso “c” (reducción), la ecuación se aplica para i ≠ k en lugar de
i = k +1, k + 2 , k + 3 , K

5.5 METODOS ITERATIVOS DE SOLUCIÓN DE ECUACIONES.

A pesar de que los métodos iterativos de solución a un sistema de ecuaciones no requieren

de una capacidad de almacenamiento tan alta como los métodos directos, si demandan de
una capacidad de procesamiento considerablemente mayor a la requerida por los métodos
directos. En general, en los métodos iterativos se parte de una serie de valores asumidos y
mediante una serie de iteraciones se obtienen los valores verdaderos. Al igual que en el
caso de los métodos directos de solución, existen numerosas referencias sobre métodos
iterativos de solución de ecuaciones, entre las cuales se listan las siguientes: Carnahan y
otros (1969), Rheinboldt (1974), Thomas (1977), Lapidus y Pinder (1982), Huyakorn y
Pinker (1983), Asíz y Settari (1986), Briggs (1987), Constantinides (1987), Strikwerda
(1989), Householder y Wilkinson (1989), Buchanan y Turner (1992), Rude (1993), Ozisik
(1994), Barrett y otros (1994) y Kelley (1995).

Algunos de los métodos iterativos mas comúnmente conocidos para la solución de un

sistema de ecuaciones son: Método de Jacobi, Método de Gauss-Seidel, Método PSOR,
Método LSOR y el Método LSORC.

5.5.1 El Método de Jacobi. Considérese el siguiente sistema de ecuaciones:

a11 x1 + a12 x2 + a13 x3 + K + a1n x n = b1 ......................................................................... (5.78)

a 21 x1 + a 22 x2 + a 23 x3 + K + a 2 n xn = b2 ...................................................................... (5.79)

a31 x1 + a32 x 2 + a33 x3 + K + a 3n x n = b3 ....................................................................... (5.80)

M M
a n1 x1 + a n 2 x 2 + a n3 x3 + K + a nn x n = bn ...................................................................... (5.81)

De la Ecuación 5.80:

b1 − a12 x2 − a13 x3 − K − a1n xn

x1 = ............................................................................ (5.82)
a11

De la Ecuación 5.81:

b2 − a 21 x1 − a 23 x3 − K − a 2 n x n
x2 = .......................................................................... (5.83)
a 22

De la Ecuación 5.82:

b3 − a31 x1 − a32 x2 − K − a3n xn

x3 = ........................................................................... (5.84)
a33

De la Ecuación 5.83:

bn − a n1 x1 − a n 2 x2 − a n3 x3 − K − a n, n−1 xn −1
xn = ......................................................... (5.85)
a nn

Las Ecuaciones 5.82 a 5.85 pueden ser escritas en forma generalizada de la siguiente forma:
 n
bi −  a i , j x j
i =1
j ≠i
xi = ..................................................................................................... (5.86)
a i ,i

La Ecuación 5.86 constituye la ecuación básica del método de Jacobi. El procedimiento de

aplicación es el siguiente:

a. Se asumen valores iniciales de x1 , x2 , K , x n .

b. Se evalúa x1 , x2 , K , xn de las Ecuaciones 5.82 a 5.8 y teniendo en cuenta los datos

asumidos en el literal anterior.

c. Si los valores encontrados en el paso “b” coinciden con los valores asumidos en el
paso “a”, entonces los valores de x1 , x2 , K , xn son los correctos. Si no coinciden,

entonces se asumen valores de x1 , x2 , K , x n iguales a los últimos calculados y se

repite el proceso iterativo.

El método de Jacobi puede ser aplicado a la solución del sistema de ecuaciones generado
por la Ecuación 5.47, reorganizando esta última ecuación de la siguiente forma:

Pi ,(kj +1) =
1
Ci , j
[ ]
Fi , j − S i , j Pi ,(kj−)1 − Wi , j Pi −(k1,) j − Ei , j Pi +(k1,) j − N i , j Pi ,(kj+)1 .................................. (5.87)

En la Ecuación 5.87, los superíndices k y k + 1 corresponden a las iteraciones k y k + 1 ,

respectivamente.

5.5.2 El Método de Gauss-Seidel. El método de Gauss-Seidel difiere del método de

Jacobi en el hecho de que los valores asignados a cada incógnita corresponde a los últimos
valores disponibles y no a los valores de la última iteración.
El procedimiento del método puede resumirse de la siguiente forma:

a. Inicialmente, se asumen n − 1 valores para las incógnitas x2 , x3 , K , x n .

b. Se evalúa x1 de la Ecuación 5.82.

c. Se evalúa x2 de la Ecuación 5.83, pero el valor de x1 utilizado será el estimado en el

paso anterior.

d. Se evalúa x3 de la Ecuación 5.84. Los valores de x1 y x2 tenidos en cuenta en este

cálculo corresponden a los valores calculados en los dos pasos anteriores.

e. Se repiten los tres últimos pasos hasta evaluar x n de la Ecuación 5.87.

f. Si los valores de x1 , x2 , x3 , K , x n calculados en los literales “a” a “e” coinciden con

los valores asumidos, entonces estos serán los verdaderos valores; de lo contrario, se
repite el procedimiento anterior hasta encontrar convergencia.

El método de Gauss-Seidel puede ser aplicado a la solución del sistema de ecuaciones

generado por la Ecuación 5.47. Para ello, esta última ecuación debe ser re-organizada de la
siguiente forma:

Pi ,(kj +1) =
1
Ci , j
[ ]
Fi , j − S i , j Pi ,(kj−+11) − Wi , j Pi −(k1,+j1) − Ei , j Pi +(k1,) j − N i , j Pi ,(kj+)1 ................................ (5.88)

En la Ecuación 5.88, k y k + 1 hacen referencia a las iteraciones k y k + 1 ,

respectivamente. Obsérvese que la Ecuación 5.88 asume que el ordenamiento es normal.

5.5.3 Método PSOR. El método de Gauss-Seidel no hace uso del valor de Pi ,(kj ) para el

cálculo de Pi ,(kj +1) (Ecuación 5.88). El método PSOR ("Point Successive Over Relaxation")
ofrece una forma de tener en cuenta el valor de Pi ,(kj ) en el cálculo de Pi ,(kj +1) . Supóngase que

el valor de Pi ,(kj +1) en la Ecuación 5.88 se nota como Pi*,j(k +1) , de tal forma que:

Pi *,(j k +1) =
1
Ci , j
[ ]
Fi , j − S i , j Pi ,(kj−+11) − Wi , j Pi −(k1,+j1) − Ei , j Pi +(k1,) j − N i , j Pi ,(kj+)1 ............................... (5.89)

El método PSOR se fundamenta en calcular un valor ponderado de Pi ,(kj +1) promediando el

valor de Pi *,j(k +1) y el valor de Pi ,(kj ) , de la siguiente forma:

Pi ,(kj +1) = (1 − ω )Pi ,(kj ) + ωPi*, j(−k1+1) ..................................................................................... (5.90)

En la Ecuación 5.90, al factor ω se denomina parámetro de relajación. En general, a este

tipo de métodos se les conoce como métodos de sobre-relajación métodos SOR. Con su
aplicación se busca utilizar un valor óptimo de ω , de tal forma que el proceso de
convergencia sea acelerado. Obsérvese que este método es igual al anterior para el caso
particular en que ω = 1 .

Para que un método SOR converja, se deben cumplir las siguientes condiciones:

a. Que la matriz de coeficientes sea diagonalmente dominante. Se dice que una matriz es
diagonalmente dominante cuando el valor absoluto de la diagonal principal es mayor
que la suma de los valores absolutos de los demás coeficientes en la misma fila. En
simulación de yacimientos este caso se suele cumplir, siempre y cuando el modelo
físico esté bien planteado y el modelo matemático sea consistente con el modelo físico.

b. Que el valor de ω sea menor que 2.

Concepto de Factor de Reducción, ρ . Se define el residuo en una iteración k , ri(, kj ) ,

como la diferencia entre el valor exacto, Pi ,( Exacto

j
)
, y el valor calculado en la iteración k ,

Pi ,(kj ) . Es decir:

ri(, kj ) = Pi ,exacto
j − Pi ,(kj ) ..................................................................................................... (5.91)

Si se grafica el logaritmo del máximo valor absoluto de ri(, kj ) , obtenido en un iteración k ,

como función del número de iteraciones, k , se obtendrá un gráfico de comportamiento

similar al ilustrado en la Figura 5.12.

En un principio, los residuos se reducen muy rápidamente. Posteriormente, la rata de

reducción es lenta, tal como se presenta en la región recta de la Figura 5.12, la cual se le
conoce como región de convergencia asintótica. Para esta región, se define el factor de
reducción como:

ri(, kj +1)
ρ= ................................................................................................................... (5.92)
ri(, kj )

Obsérvese que el método es convergente siempre y cuando se cumpla que ρ < 1 .

El valor de ρ depende del valor de ω ; en consecuencia, la velocidad de convergencia

depende del valor de ω utilizado. Para la región de convergencia asintótica, se ha
encontrado que la variación de ρ en función de ω tiene la forma ilustrada en la Figura
5.13.
 ω = Valor fijo

Convergencia
asintótica
Log ri(, kj )
máx

K (No de Iteraciones)

FIGURA 5.12 Comportamiento típico del valor máximo del residuo en una iteración en
función del número de iteraciones.

ρ1

0
1 ω 2

FIGURA 5.13 Factor de Reducción en Función del Parámetro de Relajación.

Al valor de ω al cual el factor de reducción, ρ , es mínimo se le conoce como ω opt y está

dado por:

2
ω opt = ...................................................................................................... (5.93)
1 + 1 − ρ1

En la Ecuación 5.93, ρ1 es el valor de ρ cuando ω=1 y se puede obtener graficando

log ri , j en función de k , tal como se ilustra en la Figura 5.12.

max

Si 1 ≤ ω ≤ ω opt , ρ puede ser calculado de la siguiente ecuación:

1  ρ + ω −1
2

ρ=   ................................................................................................. (5.94)
ρ1  ω 

Para ω ≥ ω opt ,

ρ = ω − 1 ................................................................................................................... (5.95)

Supóngase que el valor exacto de Pi , j en el bloque (i, j ) es Pi ,( Exacto

j
)
y que el valor calculado

en la iteración k es Pi ,(kj ) . Si ω < ω opt , una curva de Pi ,(kj ) en función de k presenta un

comportamiento como el que se ilustra en la Figura 5.14. Si ω > ω opt , la curva es

oscilatoria en torno al eje Pi ,(kj ) = Pi ,( Exacto

j
)
. Este comportamiento es útil para encontrar el

valor de ω opt mediante un proceso de ensayo y error.

Si como criterio de convergencia se fija un valor de ri , j = ri , j , el mejor valor de ω es
conv

aquel valor para el cual el valor de ri , j se alcanza con el menor número de iteraciones.
conv

Este valor puede ser menor, igual o mayor que ω opt , tal como, por ejemplo, se ilustra en la

Figura 5.15.

El siguiente procedimiento indica como obtener el mejor valor de ω :

a. Se fija un valor de ω .

b. Se mide el tiempo requerido, t , para resolver el sistema de ecuaciones hasta alcanzar

convergencia.

Valor exacto

Pi ,(kj )
ω < ωopt

Valor exacto

Pi ,(kj )
ω > ωopt

FIGURA 5.14 Presión Calculada en el Bloque (i, j ) en Función del Número de

Iteraciones, k
a. Se repiten los pasos “a” y “b” para otros valores de ω .

b. Se grafica t en función de ω (Figura 5.16).

c. Se selecciona el mejor valor de ω como aquel en el cual el tiempo al que se hace

referencia en el literal “b” es mínimo.

w > wopt

Log rij(k )
max
w = wopt
w < wopt

Criterio de
Convergencia

k (No. de Iteraciones)

FIGURA 5.15 Logaritmo del Residuo Máximo en una Iteración en Función del Numero de
Iteraciones.
 Tiempo Requerido
para Convergencia

wopt
wmejor

Factor de Relajación,

FIGURA 5.16 Selección del Mejor Valor de ω de acuerdo al Criterio de Convergencia.

5.5.4 El Método LSOR. El método LSOR ("Line Successive Over Relaxation"), o de

sobre-relajación por líneas, consiste en determinar simultáneamente los valores, en la
iteración k + 1 , para todas las incógnitas de una misma línea.

Si se lleva el valor de Pi*,j(k +1) de la Ecuación 5.89 a la Ecuación 5.90, se obtiene:

Pi ,(kj +1) = (1 − ω )Pi ,(kj ) + ω ⋅

1
Ci , j
[
Fi , j − S i , j Pi ,(kj−+11) − Wi , j Pi −(k1,+j1) − Ei , j Pi +(k1,) j − N i , j Pi ,(kj+)1 ]
Fi , j Si, j Wi , j Ei, j N i, j
Pi ,(kj +1) = (1 − ω )Pi ,(kj ) + ω ⋅ −ω ⋅ Pi ,(kj−+11) − ω ⋅ Pi (−k1+, j1) − ω ⋅ Pi +(k1,) j − ω ⋅ Pi ,(kj+)1
Ci, j Ci , j Ci , j Ci, j Ci , j
................................................................................................................................... (5.96)
Considérese una malla de un sistema bidimensional la cual se recorre por filas, tal como se
ilustra en la Figura 5.17. En el momento de realizar los cálculos para la fila j , las
presiones de los bloques ubicados en las filas 1 a j − 1 , corresponden a los valores
obtenidos en la iteración k + 1 . Así mismo, las presiones asignadas a las filas j + 1 a n ,
corresponden a los valores de presión obtenidos en la iteración k .

La Ecuación 5.96 puede ser reorganizada de la siguiente forma:

Wi , j Ei , j Fi , j S i, j N i, j
ω⋅ Pi (−k1,+j1) + Pi ,(kj +1) + ω ⋅ Pi +(k1,) j = (1 − ω )Pi ,(kj ) + ω ⋅ −ω ⋅ Pi ,(kj−+11) − ω ⋅ C Pi ,(kj+)1
Ci, j Ci , j Ci , j Ci, j ci , j
................................................................................................................................... (5.97)

Como se mencionó antes, el método LSOR consiste en resolver simultáneamente los

valores de el sistema de ecuaciones para todas las incógnitas de una misma fila en la
iteración k+1. Por esta razón, en la Ecuación 5.97, Pi +(k1,) j puede ser sustituido por Pi +(k1+, j1) ,

obteniéndose:

Wi , j Ei , j Fi , j S i, j N i, j
ω⋅ Pi −(k1+, j1) + Pi ,(kj +1) + ω ⋅ Pi +(k1+, j1) = (1 − ω )Pi ,(kj ) + ω ⋅ −ω ⋅ Pi ,(kj−+11) − ω ⋅ Pi ,(kj+)1
Ci, j Ci , j Ci , j Ci , j Ci , j
................................................................................................................................... (5.98)

Los términos del lado derecho en la Ecuación 5.98 son conocidos de las filas ya recorridas
en la iteración k + 1 o de las filas que aún faltan por recorrer en la iteración k . Las
presiones del lado izquierdo de la Ecuación 5.98 corresponden a los bloques de la fila j , y
representan las incógnitas cuyos valores deben ser estimados.

La aplicación de la Ecuación 5.98 a cada fila j conlleva a un sistema tridiagonal de

ecuaciones. Su solución se lleva a cabo mediante la aplicación de alguno de los algoritmos
discutidos en el capítulo anterior. Una vez este sistema de ecuaciones ha sido resuelto para
la línea j , se continúa con la línea j + 1 y se repite el mismo procedimiento hasta barrer
toda la malla.
 n

Iteración k

j+1

j Pi −1, j Pi , j Pi +1, j

j-1

Iteración k+1

1 i-1 i i+1

FIGURA 5.17 Esquema del Método LSOR

El método LSOR puede ser aplicado recorriendo la malla por columnas en lugar de filas.
En este caso, la ecuación resultante toma la siguiente forma:

S i, j N i, j Fi , j Wi , j Ei , j
ω⋅ Pi ,(kj−+11) + Pi ,(kj +1) + ω ⋅ Pi ,(kj++11) = (1 − ω )Pi ,(kj ) + ω ⋅ −ω ⋅ Pi −(k1,+j1) − ω ⋅ Pi +(k1,) j
Ci , j Ci , j Ci , j Ci, j Ci , j

................................................................................................................................... (5.99)

El parámetro de sobre-relajación, ω , en el método LSOR se determina de igual manera que

en el método PSOR. La convergencia del método se logra cuando la siguiente ecuación se
cumple para todos los puntos (i,j) de la malla:

Pi ,(kj +1) − Pi ,(kj ) < ri , j ............................................................................................ (5.100)

converg
5.5.5 Método LSORC o Watts LSOR (Watts, 1970). Este método representa una
versión mejorada del método LSOR. Supóngase una malla recorrida por columnas
aplicando el algoritmo del método LSOR. De esta forma, cada columna i se resuelve
simultáneamente (Figura 5.18). Después de la iteración k , la Ecuación 5.47 puede ser
escrita como:

S i , j Pi ,(kj−)1 + Wi , j Pi −(k1,) j + C i , j Pi ,(kj ) + Ei , j Pi +(k1,) j + N i , j Pi ,(kj+)1 − Fi , j = ri(, kj ) .............................. (5.101)

En la Ecuación 5.101, el vector ri(, kj ) es el residuo obtenido al final de la iteración k .

Idealmente, en el momento de alcanzar la solución exacta, ri(, kj ) = 0 para todo punto (i,j) de

la malla. En particular, para cada columna i se tiene:

ny →

nx

FIGURA 5.18 Esquema del Recorrido por Columnas en los Métodos LSOR y LSORC.
 J

r( ) = 0
j =1
k
i, j (si la solución es exacta) .................................................................. (5.102)

El método LSORC consiste en sumar, después de la iteración k , a las presiones de cada

columna de la malla un valor de corrección de tal forma que se cumpla la Ecuación 5.102.
De esta forma, una vez introducida la corrección, se obtendrá la siguiente ecuación:

( ) ( ) ( ) ( ) (
S i , j Pi ,(kj−)1 + Pi* + Wi , j Pi −(k1,) j + Pi *−1 + C i , j Pi ,(kj ) + Pi* + E i , j Pi (+k1,) j + Pi*+1 + N i , j Pi ,(kj+)1 + Pi* )
− Fi , j = 0

................................................................................................................................... (5.103)

En la Ecuación 5.103, Pi *−1 , Pi* y Pi*+1 son las correcciones correspondientes a las columnas
i-1, i e i+1, respectivamente. Si se escribe la Ecuación 5.101 para cada uno de los bloques
de la columna i y luego se suman las ecuaciones resultantes, se obtiene:

J J J J J J J

 S i , j Pi ,(kj−)1 + Wi, j Pi −(k1,) j +  Ci, j Pi,(kj ) + Wi, j Pi +(k1,) j +  N i , j Pi ,(kj+)1 −  Fi , j =  ri(, kj )

j =1 j =1 j =1 j =1 j =1 j =1 j =1

................................................................................................................................... (5.104)

Si se hace algo análogo con la Ecuación 5.103, se obtiene:

J J J J J J J
(k ) (k ) (k ) (k )
S
j =1
i , j Pi , j −1 +  S i , j Pi +  Wi , j Pi −1, j +  Wi , j Pi −1 +  C i , j Pi , j +  C i , j Pi +  E i , j Pi +1, j
j =1
*

j =1
*

j =1 j =1
*

j =1 j =1
J J J J
+  E i , j Pi *+1 +  N i , j Pi ,(kj+)1 +  N i , j Pi* −  Fi , j = 0
j =1 j =1 j =1 j =1

................................................................................................................................... (5.105)

Restando la Ecuación 5.104 de la Ecuación 5.105, se tiene:

J J J J J J

 S i , j Pi* + Wi, j Pi*−1 +  Ci , j Pi* +  Ei , j Pi*+1 +  N i, j Pi* = − ri(, kj )

j =1 j =1 j =1 j =1 j =1 j =1
o bien:

 J   J J J   J  J
  Wi , j  Pi*−1 +   S i , j +  C i , j +  N i , j  Pi* +   Ei , j  Pi*+1 = − ri(, kj ) ................. (5.106)
     
 j =1   j =1 j =1 j =1   j =1  j =1

La Ecuación 5.106 genera un sistema tridiagonal de ecuaciones que permite evaluar la

corrección P * para cada fila i , 1 ≤ i ≤ n x .

El procedimiento para aplicar el método es el siguiente:

a. Se aplica el método LSOR para barrer la malla, tal como se discutió en el numeral
5.5.4.

b. Se calcula Pi* , 1 ≤ i ≤ n x , resolviendo el sistema tridiagonal de ecuaciones generado por

la Ecuación 5.106.

c. Se obtienen nuevos valores para Pi ,(kj ) (es decir, valores corregidos), así:

Pi ,(kj ) = Pi ,(kj ) + Pi * .................................................................................................. (5.107)

Obsérvese que dentro cada columna i , Pi* es el mismo para todas las celdas.

d. Si se cumple el criterio de convergencia para todos los puntos de la malla, se para el

proceso. Si no se cumple, se repiten los pasos “a”, “b” y “c”.

Finalmente, es importante anotar que el método LSORC puede ser aplicado barriendo la
malla por filas, en lugar de columnas. El análisis es similar.