Técnicas Numéricas en Mecánica de Fluidos

Universidad de Oviedo
REA DE MECNICA DE FLUIDOS

http://web.uniovi.es/Areas/Mecanica.Fluidos/

MONOGRAFAS DE MECNICA DE FLUIDOS

TCNICAS NUMRICAS EN
MECNICA DE FLUIDOS

Rafael Ballesteros Tajadura
Jos Gonzlez Prez
Jess Manuel Fernndez Oro
Katia Mara Argelles Daz

Rafael Ballesteros Tajadura
ISBN 84-607-9546-2
DEPSITO LEGAL AS-05282-2003
Gijn 2003
Tcnicas Numricas en Mecnica de Fluidos 3

ndice.

Prlogo.................................................................................... 5

1.- Introduccin....................................................................... 7

1.1.- Perspectiva histrica .................................................................................................. 7
1.2.- Aplicaciones habituales de las tcnicas numricas................................................... 8
1.3.- Niveles de aproximacin empleados en las tcnicas numricas. ........................ 10

2.- Modelos fsico-matemticos............................................ 13

2.1.- Modelos de flujo potencial .................................................................................. 13
2.2.- Ecuaciones para flujo ideal.................................................................................. 13
2.3.- Modelo para flujo ideal, estacionario y rotacional .............................................. 14
2.4.- Solucin directa de las ecuaciones de Navier-Stokes.......................................... 14
2.5.- Modelos parablicos de las ecuaciones de Navier-Stokes .................................. 14
2.6.- Modelo de flujo incompresible............................................................................ 15
2.7.- Modelos para la simulacin de la turbulencia ..................................................... 15
2.8.- Modelos de dos ecuaciones: modelo k-............................................................. 18
2.9.- Modelos matemticos para la Capa Lmite ......................................................... 20

3.- Aspectos matemticos del procedimiento de clculo...... 23

3.1.- Condiciones iniciales y de contorno.................................................................... 25
3.2.- Consideraciones fsicas ....................................................................................... 27

4.- Mtodos de resolucin y naturaleza de las ecuaciones de
gobierno ................................................................................ 29

4.1.- Ecuaciones de gobierno, condiciones de contorno y condiciones iniciales ........ 30
4.2.- Discretizacin de las ecuaciones ......................................................................... 31
4.3.- Mtodos de discretizacin empleados................................................................. 38
4.4.- Discretizacin temporal....................................................................................... 56
4.5.- Tipos de aproximacin numrica utilizadas en la prctica.................................. 58
4.6.- Resolucin numrica de problemas sencillos...................................................... 62
4 Tcnicas Numricas en Mecnica de Fluidos

5.- Discretizacin del dominio: generacin de mallados ...... 99

5.1.- Clasificacin de los mallados basada en la conectividad
y estructura de datos......................................................................................... 100
5.2.- Mtodos de generacin de mallados no estructurados...................................... 102
5.3.- Mallados Multiblock ..................................................................................... 103
5.4.- Mallados ajustados a los contornos (Body Fitted Coordinates o BFC) ........ 105

6.- Bibliografa .................................................................... 109

Anexo I.- El metodo Von Neumann para analisis de
estabilidad ........................................................................... 113

Anexo II.- Ecuaciones en sistemas generalizados............... 123

Anexo III.- Glosario de trminos empleados en tcnicas
numricas ............................................................................ 129


Prlogo.

Las tcnicas numricas en Ingeniera han experimentado un gran desarrollo en las
ltimas dcadas. De esta tendencia no se ha apartado una rama tan caracterstica de la
Ingeniera Mecnica como es la Mecnica de Fluidos. En este trabajo se intenta recopilar las
tcnicas ms utilizadas y los tratamientos que se pueden hacer de las ecuaciones de
constitucin con el fin de obtener una solucin numrica de las mismas.

Esta publicacin constituye el resultado de varios aos de imparticin de la asignatura
de doctorado Dinmica de Fluidos Computacional que los profesores del rea de Mecnica
de Fluidos de la Universidad de Oviedo han realizado en distintos Departamentos de la
misma. Los autores han tratado de recoger la tradicin y conocimientos que comparten con el
resto de compaeros del rea, a los que agradecen sus enriquecedores comentarios.



1.- Introduccin.

La dinmica de fluidos computacional (o CFD, acrnimo de las palabras inglesas
Computational Fluid Dynamics) consiste en el anlisis del movimiento de los fluidos
mediante simulaciones con ordenadores. Su objetivo es la bsqueda de una solucin
aproximada de las ecuaciones que gobiernan el movimiento de los fluidos, discretizando o
dividiendo el dominio de clculo en pequeos elementos y resolviendo all dichas ecuaciones.

Los mtodos numricos aplicados a la Mecnica de Fluidos resultan una herramienta
muy til para el diseo y anlisis de las distintas situaciones prcticas en las que se utilizan
los fluidos.

1.1.- Perspectiva histrica.

Hasta finales de los aos 60 los ordenadores no alcanzaron velocidades de clculo
suficientes como para resolver casos sencillos. Hasta entonces, las tcnicas experimentales
constituan prcticamente la nica herramienta de anlisis y diseo de cualquier problema de
Mecnica de Fluidos.

En la actualidad, los ensayos experimentales siguen siendo necesarios para la
comprobacin de las prestaciones de diseos complejos, pero los continuos avances en la
capacidad de los ordenadores y en los algoritmos permiten una reduccin importante en el
nmero de ensayos necesarios. As, por ejemplo, el diseo tpico de un modelo de ala de avin,
exige en la actualidad 3 o 4 ensayos en tnel aerodinmico, en lugar de los 10 o 15 que eran
necesarios anteriormente. En realidad, la palabra que mejor definira hoy la relacin entre
ambas herramientas podra ser la de complementariedad (Strazisar, 1994, Lakshminarayana,
1991).

A lo largo de los ltimos veinte aos, las tcnicas de CFD han evolucionado, mejorando
los programas comerciales e introducindose en las distintas reas de la ingeniera hasta hacerse
un hueco dentro de las necesidades reales de la industria. Dichos programas se vienen usando
de manera creciente paralelalelamente a la mejora de los sistemas informticos que les sirven de
soporte.

Desde su inicial concepcin, orientada a la industria aeroespacial, la tcnicas numricas
se han extendido a un nmero creciente de aplicaciones dentro de un amplio espectro de
industrias, desde las ms clsicas como la automovilstica o electrnica, hasta las nuevas
aplicaciones en industrias alimentarias y biomdicas. Sin embargo, an no se emplean las
tcnicas numricas como autnticas herramientas de diseo. En realidad, se obtendrn los
mayores beneficios cuando se llegue a un nivel de utilizacin en el da a da del diseo
industrial, es decir, cuando su difusin sea tal que puedan llegar a ser utilizadas por ingenieros
sin demasiada especializacin en estas tcnicas y no estar restringida su utilizacin a los
expertos en la materia.


1.2.- Aplicaciones habituales de las tcnicas numricas.

Es innegable que la industria aeroespacial fue pionera en el trabajo con tcnicas CFD y
que todava hoy se encuentra entre las vanguardias en la explotacin de estas tcnicas, pero cada
da resultan ms comunes las aplicaciones en procesos industriales, donde los flujos son a
baja velocidad y muchas veces prcticamente incompresibles. Esta denominacin de proceso
industrial se usa a menudo en la bibliografa tcnica (Hirsch, 1995) para distinguir dichas
aplicaciones de las aeronuticas o de flujos a altas velocidades, con grandes efectos de
compresibilidad. Entre las aplicaciones ms importantes en que se emplean las tcnicas
numricas, se tienen:

a) Industria automovilstica. Las aplicaciones tpicas son el estudio de la aerodinmica
de vehculos, la climatizacin del habitculo interior, el enfriamiento del bloque motor, el flujo
en vlvulas de distribucin, el diseo de filtros y elementos de control y las investigaciones
sobre la descarga de combustible en depsitos.

b) Industria electrnica. Los problemas ms estudiados son el flujo y la distribucin de
temperaturas en las carcasas electrnicas, el enfriamiento de distintos componentes, el flujo de
aire en las unidades de discos, los procesos de construccin de chips usando la tcnica de
deposicin qumica del vapor (CVD) y algunos problemas indirectos, como la ergonoma de
grandes salas.

c) Industrias de proceso y qumicas. Problemas habituales resueltos con tcnicas CFD
son el flujo de plsticos, los estudios en conduccin de lodos, el flujo del vidrio fundido, los
flujos de tintes, la deposicin de vapores qumicos, el llenado de moldes, estudios en procesos
de combustin y los flujos reactivos complejos (con intercambio de calor, masa y reacciones
qumicas).

d) Industria de conformados metlicos. Las aplicaciones ms comunes en esta industria
son los procesos de fundicin continua, las fundiciones abiertas, la extrusin de metales y los
procesos de solidificacin (construccin de hlices de barco, por ejemplo).

e) Industria nuclear. Algunos estudios relacionados con el flujo en conductos de
sustancias originadas en los procesos de reaccin nuclear, el enfriamiento del reactor, estudios
relacionados con el intercambiador de calor, el flujo en el interior del reactor, el
almacenamiento de residuos nucleares, el diseo de torres de enfriamiento y las investigaciones
sobre chorros trmicos.

f) Industria de recubrimientos de pelcula fina. Entre otros, los problemas estudiados por
medio de tcnicas CFD han sido el recubrimiento de cintas magnticas, el recubrimiento de
pelculas de fotografa o de sonido, el recubrimiento de adhesivos, multitud de aplicaciones en
la industria papelera y los recubrimientos de fibra ptica.

g) Industria biomdica y farmacutica. Entre otras aplicaciones, destacan el flujo de la
sangre en la venas y arterias, el flujo a travs de distintas prtesis, el flujo en el interior del
corazn, los distintos estudios en fenmenos de centrifugacin y el diseo de sistemas de
inyeccin intravenosa.


h) Industria alimentaria. Destacan los diseos de procesos de pasteurizacin, los estudios
en equipos de procesado de alimentos con estructura toroidal, la extrusin de fluidos y los
hornos de conveccin.

i) Industria aeroespacial. Las aplicaciones habitualmente estudiadas son los efectos de la
microgravedad, la ventilacin de habitculos, el diseo de vehculos espaciales, los flujos de
combustible en conductos y tanques, estudios varios en motores de propulsin.

j) Industria aeronutica y naval. Estudios en perfiles aerodinmicos, diseo de trenes de
aterrizaje, estudios en hlices marinas y el diseo de carenas de barcos.

k) Otras aplicaciones. Destacan los estudios en oceanografa, predicciones en hidrologa
(planificacin de embalses, regmenes de precipitaciones, entre otros), los flujo en conductos
(calefaccin, flujos internos en edificaciones, ingeniera de complejos urbanos), los flujos
medioambientales, la meteorologa, los estudios de flujos alrededor de edificios, puentes y otras
estructuras exteriores, las investigaciones relacionadas con la propagacin de humos, los
estudios sobre el enfriamiento y crecimiento del vidrio, el flujo en mquinas de desplazamiento
positivo, las investigaciones en flujos con varias fases (sprays), el estudio de los MEMS (Micro
Electro-Mechanical Systems) y las aplicaciones en turbomquinas.

Por lo tanto, la panormica es realmente amplia y susceptible de crecimiento en el
futuro.

Las ventajas que proporciona el anlisis con tcnicas CFD se pueden resumir en las
siguientes:

- Reduccin sustancial de tiempos y de costes en los nuevos diseos.
- Posibilidad de analizar sistemas y condiciones muy difciles de simular
experimentalmente: velocidades supersnicas, temperaturas extremas y elementos
en movimiento relativo.
- Capacidad de estudiar sistemas bajo condiciones peligrosas o ms all de sus
condiciones lmite de funcionamiento, por ejemplo, accidentes con sustancias
txicas.
- Nivel de detalle prcticamente ilimitado. Los mtodos experimentales son tanto
ms caros cuanto mayor es el nmero de puntos de medida, mientras que los
programas CFD pueden generar un gran volumen de resultados sin coste aadido,
y con posibilidad hacer estudios paramtricos.
- Un valor aadido es poder poner en el producto la etiqueta de Diseado con ayuda
del ordenador, y la facilidad para generar grficos fcilmente interpretables, que
estimulan la compra del producto (lo cual, por otro lado, constituye un riesgo).

Aunque se razone que se abaratan los costes respecto a las tcnicas experimentales, las
tcnicas CFD no son gratuitas. En primer lugar, son necesarias mquinas de gran capacidad
de clculo (los usuarios de tcnicas CFD trabajan habitualmente con los ordenadores ms
potentes que existen), y un software con precio todava no accesible al gran pblico. En
segundo lugar, se necesita personal cualificado que sea capaz de dominar los programas y,
sobre todo, analizar adecuadamente los resultados.

Los desarrollos en el campo de las tcnicas numricas dedicadas al estudio de flujos se
estn acercando cada vez ms a los de otras herramientas de CAE como las de anlisis de

esfuerzos en slidos y estructuras. Su retraso se debe a la gran complejidad de las ecuaciones
y, sobre todo, a la dificultad de modelizar adecuadamente ciertos fenmenos como la
turbulencia, los flujos multifsicos y la combustin.

Uno de los mayores inconvenientes de las tcnicas CFD consiste en que no siempre es
posible llegar a obtener resultados suficientemente precisos y siempre est presente la
posibilidad de cometer graves errores en cuestiones bsicas. Esto proviene de:

- Simplificacin del fenmeno a estudiar para que el hardware y software sean capaz
de abordarlo. El resultado ser tanto ms preciso cuanto ms adecuadas hayan sido
las hiptesis y las simplificaciones realizadas.
- La existencia de insuficientes e incompletos modelos para la simular el efecto de la
turbulencia, los flujos multifsicos o la combustin, entre otros.
- La tendencia humana de creerse todo lo que se ha obtenido utilizando un ordenador,
sobre todo cuando se presentan los resultados en forma atractiva.

1.3.- Niveles de aproximacin empleados en las tcnicas numricas.

El desarrollo de las tcnicas numricas y su aplicacin a cualquier ciencia o tecnologa
han dado lugar al desarrollo y a la concienciacin generalizada de uno de los conceptos bsicos
en ingeniera como es el de grado de aproximacin. Esta idea es bastante clara si se considera
que lo que se pretende con cualquier tcnica numrica es conocer las variables fsicas a partir de
la resolucin numrica de una serie de ecuaciones que gobiernan el fenmeno.

Se han de definir y establecer las distintas aproximaciones que introducen los mtodos
numricos. En lo referente a la Mecnica de Fluidos, la primera aproximacin que aparece es el
planteamiento del modelo fsico-matemtico que defina el comportamiento real de un
determinado flujo. Dicho modelo matemtico est habitualmente basado en la hiptesis del
continuo, vlida para la mayor parte de problemas industriales, pero que tiene sus limitaciones
para casos extremos de flujos de gases. Una vez hecha esta salvedad, aplicando las leyes bsicas
de la fsica clsica se puede establecer una serie de ecuaciones diferenciales que gobiernan el
comportamiento matemtico de toda partcula fluida. La resolucin exacta de dichas ecuaciones
servira para determinar completamente cualquier movimiento en el seno de un fluido. Se puede
decir que un modelo matemtico se define nicamente tras haber considerado el nivel de
aproximacin a la realidad requerido a la hora de obtener la exactitud deseada en el clculo de
una serie de variables dependientes. Desafortunadamente, debido a la complejidad de las
ecuaciones diferenciales que aparecen, a la complejidad geomtrica de los flujos, y a la
complejidad de las condiciones de contorno o iniciales, no resulta posible obtener soluciones
analticas de dichas ecuaciones de gobierno.

Establecidas las ecuaciones de gobierno resulta imprescindible introducir una segunda
aproximacin al problema. La forma clsica de abordarlo sera construir un modelo a escala
reducida del flujo en cuestin y analizarlo experimentalmente en el laboratorio. La
aproximacin numrica implica introducir algunas hiptesis simplificativas que aproximen lo
ms posible los resultados finales a los que se obtendran si se pudiera calcular la solucin
exacta. Dichas hiptesis se dirigen habitualmente hacia la simplificacin tanto de la geometra a
estudiar como de las ecuaciones a resolver. Obviamente, al no disponerse de la solucin
analtica exacta resulta bastante complicado establecer de antemano qu hiptesis sirven y

cuales son descartables y, por tanto, en cualquier simulacin aplicada a la Mecnica de Fluidos,
es preciso dedicar mucho esfuerzo al anlisis de los resultados obtenidos antes de aceptarlos
como vlidos.

Una vez definidas las ecuaciones diferenciales simplificadas, aparece otro problema
relacionado con el posible tratamiento que se pueda hacer de dichas ecuaciones usando tcnicas
computacionales. Por medio de los ordenadores resulta muy fcil resolver una ecuacin o
sistema de ecuaciones algebraico, sin embargo, las ecuaciones que estudian el movimiento de
los fluidos son ecuaciones diferenciales no lineales. Resulta obligatorio realizar la
transformacin de las ecuaciones de forma que puedan ser resueltas por un ordenador. El paso
de las ecuaciones diferenciales a sus equivalentes lineales constituye otro nivel de aproximacin
y normalmente recibe el nombre de discretizacin de las ecuaciones.

En cuanto a la geometra a estudiar, se debe sealar que la aproximacin a la que debe
someterse no slo es de orden descriptivo respecto a su contorno sino que adems ha de
establecerse la definicin del espacio ocupado por el fluido. En este sentido, resulta
imprescindible referir los puntos a un determinado sistema de coordenadas en los que se
pretender resolver las ecuaciones para obtener soluciones de las variables deseadas. Aunque el
campo fluido sea un continuo, no se puede pretender resolver las ecuaciones en todos los puntos
de un determinado volumen, porque entonces se tendra un nmero enorme de ecuaciones a
resolver. Por tanto, hay que elegir cierto conjunto de puntos en los que se resolvern las
mencionadas ecuaciones y que sern los puntos dnde finalmente se conocern los valores de
las variables fluidas. La definicin de estos puntos es lo que se denomina habitualmente
discretizacin espacial del dominio (tambin se habla de generacin del mallado). El proceso
descrito no deja de ser otra aproximacin que se introduce en el clculo y que define el nivel de
aproximacin espacial.

En el caso de tener ecuaciones que dependan de la variable tiempo (flujo no
estacionario) es esencial la definicin de un nivel de aproximacin temporal. No es posible
tampoco estudiar la evolucin de las variables en el tiempo de forma continua. El nivel indicar
la forma de modelizar la evolucin real introduciendo lo que se denomina discretizacin
temporal del sistema de ecuaciones. A partir de la solucin calculada se podr realizar un
promediado temporal oportuno para estudiar ciertas caractersticas medias del flujo que
dependan de la evolucin de las variables con el tiempo.

Finalmente, se pueden manipular las ecuaciones eliminando ciertos trminos cuya
influencia en un determinado problema se considere despreciable. La conclusin de que algn
trmino no afecta a la solucin de una determinado flujo se debe alcanzar tras analizar
detenidamente la sensibilidad del problema ante valores dispares de dicho trmino.
Normalmente dicho estudio se hace tras adimensionalizar convenientemente las ecuaciones y
realizar el correspondiente anlisis de semejanza (tcnicas asintticas). Esta cuestin es de
importancia capital en la Mecnica de Fluidos y est en el origen de cualquier estudio
experimental. Desde el punto de vista numrico, la eliminacin de algn trmino en las
ecuaciones introduce lo que se denomina nivel de aproximacin dinmico de las ecuaciones
consideradas.

Resumiendo, desde el modelo matemtico (ecuaciones diferenciales no lineales) que
aproxima la realidad fsica en un medio continuo se llega a un nmero finito de ecuaciones
algebraicas que eliminan algn trmino de las ecuaciones de partida y que aproximan la
evolucin temporal real que, tras resolver con tcnicas apropiadas, proporcionan una

aproximacin al valor de las variables incgnita en los puntos elegidos como discretizacin
espacial del dominio de clculo. En definitiva, se establece un nivel de aproximacin numrico
lmite por debajo del cul ser imposible acercarse al valor real de las variables en los puntos
elegidos. Sin embargo, desde un punto de vista ingenieril, el proceso descrito es perfectamente
vlido y ha significado a lo largo de la evolucin de las tcnicas numricas, la posibilidad de
mejorar diseos y ahorrar mucho esfuerzo que de otra manera supondra trabas insalvables a la
evolucin de muchos sectores industriales. En la figura 1 se muestra grficamente la
panormica explicada en este apartado.

Figura 1.- Las tcnicas numricas en la Mecnica de Fluidos.


2.- Modelos fsico-matemticos.

Existen varias posibles simplificaciones en cuanto a la definicin del modelo
matemtico que describe el movimiento de las partculas de un fluido, de gran inters por dar
lugar a soluciones vlidas en distintos problemas, que han sido ampliamente utilizadas en
muchas aplicaciones numricas. Se enumeran y describen brevemente los modelos ms
importantes. Normalmente cada una de estas estrategias ha sido desarrollada para un tipo
particular de flujo.

2.1.- Modelos de flujo potencial.

Describen el comportamiento de flujos irrotacionales de fluidos ideales, desarrollados
en los albores de las tcnicas numricas. La teora bsica para el clculo consiste en partir de
la definicin del concepto de potencial de velocidades. Constituye una simplificacin
adicional muy empleada para el clculo de flujos estacionarios. Conceptualmente es de gran
inters, pero est cayendo en desuso.

2.2.- Ecuaciones para flujo ideal.

Cuando el nmero de Reynolds es suficientemente elevado, lo que ocurre en muchas
de las aplicaciones prcticas de la Mecnica de Fluidos, despreciar los efectos viscosos y de
conduccin de las ecuaciones resulta una aproximacin bastante cmoda pues elimina los
trminos difusivos de segundo orden en las ecuaciones diferenciales y hace que las ecuaciones
de gobierno pasen a ser de primer orden, con todo lo que lleva asociado en cuanto a
simplificacin de clculos.

Con las hiptesis de despreciar los efectos viscosos y la transferencia de calor por
conduccin, es decir, si se considera al fluido como ideal, se obtienen las ecuaciones de Euler.
Los modelos numricos que resolvan las ecuaciones de Euler eran hasta hace poco los nicos
existentes. Hoy en da este tipo de modelos constituye el punto de partida para el desarrollo de
modelos ms completos (Arts, 1989).

Las ecuaciones de Euler fueron desarrolladas por este famoso matemtico suizo hacia
el ao 1670. Adoptan las expresiones siguientes:

Continuidad:

0 u
dt
d
= +

(1)


Cantidad de movimiento:

e
u
(u )u p f
t
+ = +

(2)

donde
e
f
es la resultante de las fuerzas volumtricas externas que afecta a cada partcula.

Habitualmente slo se considera la fuerza debida a la gravedad, pero puede tener otros
componentes: fuerzas electromagnticas, fuerzas de Coriolis, fuerzas centrfugas, etc.

2.3.- Modelo para flujo ideal, estacionario y rotacional.

Es un tipo de modelos muy similar a los del fluido ideal. Consiste en reducir el
nmero de variables que intervienen en los clculos introduciendo la vorticidad en las
ecuaciones de cantidad de movimiento y de la energa. Normalmente se parte de la
denominada representacin de Clebsch para la velocidad en funcin de la vorticidad. No se
consideran aqu ni las prdidas por viscosidad en la capa lmite ni los efectos de la
turbulencia.

2.4.- Solucin directa de las ecuaciones de Navier-Stokes.

Las ecuaciones de Navier-Stokes constituyen una modelizacin correcta del flujo de
un fluido Newtoniano, incluyendo todos los efectos viscosos y trmicos. Adecuadamente
resueltas incluyen los efectos de la turbulencia y de la capa lmite. Pero esta resolucin directa
(ver Hirsch, 1988) requiere de una discretizacin espacial y temporal tan fina que est
claramente fuera del alcance de cualquier aplicacin industrial. Se ha estimado (Moin et al.,
1997) en varios cientos de aos de CPU del ordenador ms potente existente en aquel ao el
clculo de un segundo de vuelo de un avin comercial.

La resolucin numrica de las ecuaciones de Navier-Stokes s que es posible si se
utilizan modelos adecuados para simular el efecto de la turbulencia y de la capa lmite en
discretizaciones no tan detalladas. Un poco ms adelante se hablar de ellos.

2.5.- Modelo parablico de las ecuaciones de Navier-Stokes (PNS).

Este tipo de modelos ha sido desarrollado para el clculo de flujos supersnicos e
hipersnicos, donde la captura de las ondas de choque, gradientes de presin, esfuerzos
viscosos superficiales y transferencia de calor son los objetivos ms importantes para
cualquier diseo.

Las ecuaciones de gobierno parablicas se obtiene a partir de las de Navier-Stokes
considerando las siguientes hiptesis:

- Flujo estacionario.

- Los gradientes de esfuerzos viscosos son despreciables en la direccin de las lneas
de corriente.
- Los gradientes de presin en la direccin de las lneas de corriente se aproximan
por su valor en zonas de capa lmite cercanas.

Se ha investigado mucho en las ecuaciones parablicas de Navier-Stokes (Parabolized
Navier-Stokes) y se han desarrollado muchos algoritmos en los ltimos aos (Hirsch, 1988 y
Hoffman, 1989), aunque su aplicacin est muy limitada al sector aeroespacial.

2.6.- Modelo de flujo incompresible.

Un flujo se denomina incompresible cuando la densidad del fluido en cada instante
permanece independiente de las variaciones de presin. La importancia de los flujos
incompresibles es indudable y algunos autores, como Batchelor (1967), llegan a afirmar que los
problemas relacionados con este tipo de flujos constituyen la aplicacin ms importante y
compleja de resolver de la Mecnica de Fluidos.

Cuando el flujo es adems isotermo, las ecuaciones de gobierno se simplifican
notablemente y la solucin para las distintas variables se hace independiente de la
temperatura. El sistema de ecuaciones requerido queda reducido a la ecuacin de continuidad
y la de cantidad de movimiento, que expresadas adimensionalmente y con la nica presencia
de la gravedad como fuerza volumtrica, adoptan la forma:

Continuidad:

0 u =

(3)


2
d u p 1 1
= - u g
d t Re Fr
+ +

(4)

Contrariamente a lo que pudiera pensarse, la hiptesis de incompresibilidad complica
bastante la resolucin de las ecuaciones. No slo la densidad sino tambin los distintos
coeficientes de transporte del fluido son independientes de la presin y de la temperatura. De esta
forma, las ecuaciones de continuidad y de cantidad de movimiento son independientes de la
ecuacin de la energa, que no es necesario resolver para obtener los campos de velocidades y
presin. Pese a la ventaja que esto parece implicar, en la prctica, las dos ecuaciones a resolver se
vuelven rgidas por la ausencia de derivada temporal en la ecuacin de continuidad, y su
solucin resulta ms dificultosa al no ser posible una iteracin tomando ambas como punto de
partida.

2.7.- Modelos para simulacin de la turbulencia.

El nmero de Reynolds de un flujo da una medida de la importancia relativa de las
fuerzas de inercia, asociadas con los efectos convectivos, y las fuerzas viscosas. En

experimentos con fluidos se observa que para valores inferiores a un nmero de Reynolds
denominado crtico, el flujo es intrnsecamente estable y las capas de fluido adyacentes se
deslizan unas sobre otras de forma ordenada. El rgimen del flujo se denomina laminar.

Si el flujo tiene un valor del nmero de Reynolds por encima del denominado crtico,
se manifiestan en ste unas perturbaciones que dan lugar a un cambio radical del carcter del
flujo. El movimiento se vuelve intrnsecamente no estacionario, incluso con condiciones de
contorno constantes. Este rgimen se denomina flujo turbulento.

La turbulencia se define como el estado de movimiento de un fluido en el que las
distintas variables relevantes (presin, velocidad, etc.) fluctan de una forma desordenada. Se
trata de un estado no estacionario desde el punto de vista macroscpico en el que las distintas
variables adoptan valores dependientes tanto de la posicin como del tiempo y estos valores
varan de una forma aleatoria y desordenada.

La descripcin del movimiento de las partculas fluidas debido al efecto de la
turbulencia resulta altamente complejo y constituye un problema an sin solucin desde el
punto de vista de los mtodos numricos. Se han propuesto varias formas de resolver el
problema utilizando distintas aproximaciones. A continuacin se exponen los mtodos
conocidos como simulacin directa, simulacin de los grandes vrtices y promediado
temporal de las ecuaciones de Navier-Stokes.

- Simulacin directa de las ecuaciones (Direct Simulation, DS).

Este mtodo (cuyas iniciales provienen de la denominacin inglesa Direct Simulation)
consiste, en realidad, en no utilizar ningn modelo para la turbulencia, sino realizar
discretizaciones temporales y espaciales que sean capaces de simular el flujo en un
determinado problema.

La resolucin directa de las ecuaciones de Navier-Stokes resulta hoy en da abordable
slo para un nmero muy limitado de problemas simples de inters acadmico. Los grandes
centros dedicados a la Mecnica de Fluidos disponen de lneas de investigacin con esta
orientacin, pero tanto las limitaciones en memoria de almacenamiento de las variables, como
en el tiempo de clculo hacen de momento impensable la solucin generalizada de problemas
prcticos usando este tipo de tcnicas. Segn Vandromme (1989), la primera solucin de este
tipo se realiz en 1981 en la Universidad de Stanford.

- Simulacin de grandes vrtices (Large Eddy Simulation, LES).

Este tipo de tcnicas numricas reducen la complejidad de las ecuaciones de gobierno
considerando slo parte de los efectos turbulentos del flujo. Se estudia el intercambio
energtico entre las denominadas fluctuaciones de gran escala y se simula el efecto de las
pequeas escalas de la turbulencia.

Se trata de un tipo de modelo intermedio entre la simulacin directa y el promediado
temporal de las ecuaciones de Navier-Stokes, que extiende el promedio temporal a la captura
de ciertos efectos turbulentos bsicos de forma numrica. En los modelos de simulacin de

grandes vrtices, las ecuaciones no estacionarias del flujo se resuelven para el flujo principal
y para los vrtices grandes mientras que se modela el efecto de los vrtices pequeos.

Aunque sin llegar al extremo de la simulacin directa, slo es posible para problemas
simplificados y requiere unas capacidades de clculo muy elevadas.

- Modelos que promedian temporalmente las ecuaciones de Navier-Stokes
(RANS).

Los modelos de promedio de las ecuaciones de Navier-Stokes (Reynolds Averaged
Navier-Stokes) han sido muy estudiados y resultan bastante tiles en la mayora de los
problemas prcticos resueltos mediante tcnicas numricas.

El procedimiento de promediar las leyes que describen el movimiento de una partcula
se introduce en las ecuaciones con el fin de obtener los comportamientos promedio y
turbulento (aleatorio) de las distintas variables. El punto de partida es muy sencillo. Se trata
de obtener una descomposicin de las variables en su valor medio y su valor fluctuante. Por
ejemplo, para la velocidad, la descomposicin sera:

' u u u

+ = (5)

donde la componente media de la velocidad se obtiene haciendo la integral de la velocidad
instantnea:

T
0
1
u (t) = u(t) dt
T

(6)

suponindose que el periodo de integracin (T) es lo suficientemente grande en comparacin
con la escala temporal de la turbulencia, pero lo suficientemente pequeo como para captar
cualquier fenmeno no estacionario distinto a la turbulencia. La utilizacin de este tipo de
mtodos es bastante adecuado, pues la mayora de los fenmenos no estacionarios en
Mecnica de Fluidos tiene lugar a frecuencias con rangos muy alejados del rango de
frecuencias de la turbulencia.

El proceso de promediado temporal de las ecuaciones diferenciales, da lugar a unos
trminos, denominados de tensiones de Reynolds (Reynolds stresses), que involucran
medias de los productos de la fluctuaciones de las componentes de la velocidad, cuya relacin
con las componentes medias del flujo es desconocida. Para obtener dicha relacin es
necesario introducir un modelo adicional, denominado modelo de turbulencia o de cierre. Las
distintas posibilidades prcticas en cuanto a modelos de turbulencia son analizadas a
continuacin.

Habitualmente lo que interesa son los efectos de la turbulencia sobre los valores
medios de las variables: la velocidad media y la presin media en el caso del flujo en un
conducto; en el caso de un avin, las fuerzas medias de resistencia y sustentacin; para el caso
de un motor, los efectos de la turbulencia sobre las relaciones de mezcla entre combustible y
comburente.


Para conseguir esto, las ecuaciones de Navier-Stokes se promedian sobre las escalas
de las fluctuaciones de turbulencia (RANS). Estos mtodos dan lugar a un campo de flujo
promediado y simulado que es ms uniforme que el flujo real, y, por tanto, reduce
drsticamente el nmero de puntos de la discretizacin espacial y de la temporal necesario
para obtener las variables buscadas.

Un modelo de turbulencia es un procedimiento numrico que permite relacionar los
valores medios de las fluctuaciones de las variables con los valores promedio (en la
nomenclatura propia de estos mtodos, se habla de cerrar el sistema de ecuaciones), de forma
que se puedan resolver las ecuaciones de gobierno. Un modelo de turbulencia ser til, dentro
de un programa CFD de propsito general, si es exacto, sencillo y econmico
(computacionalmente hablando). Los modelos de turbulencia ms comunes son los siguientes
(Wilcox, 1993):

Modelos algebraicos:

Modelo de cero ecuaciones: modelo de la longitud de mezcla.
Modelo Cebeci-Smith-Mosinki.
Modelo Baldwin-Lomax.

Modelos de viscosidad turbulenta:

Modelo de una ecuacin: modelo k.
Modelo de dos ecuaciones: modelos k-, k-
2
o q-, modelo RNG.

Modelos de ecuaciones de las tensiones de Reynolds (RSM).

Cada uno de ellos tiene sus ventajas e inconvenientes. Aqu se expondr ms en
detalle el modelo k-, por ser muy extendido.

2.8.- Modelos de dos ecuaciones: modelo k-.

Como modelo de cierre o estrategia numrica para resolver de forma aproximada las
ecuaciones de Navier-Stokes, se desarrollan dos ecuaciones de transporte adicionales
(similares a las definidas por las ecuaciones 3 y 4), una para la energa cintica turbulenta (k)
y otra para la tasa de disipacin de energa cintica turbulenta (). Estas variables se definen
segn las expresiones:

( )
2 2 2
' w ' v ' u
2
1
k + + = (7)

'
ij
'
ij
e e 2 = (8)

donde
'
ij
e es la parte fluctuante del tensor de velocidad de deformacin.

Las ecuaciones de transporte para k y se basan en el conocimiento de los procesos
que producen los cambios en esas variables y son (Versteeg et al., 1995):

( )
( )
t
t ij ij
k
k
ku grad k 2 E E
t
(
+ = +
(

(9)

( )
( )
t
1 t ij ij 2

u grad C 2 E E C
t k k
(
+ = +
(
(10)

donde E
ij
es el tensor de componentes medias de la velocidad de deformacin. El significado
fsico de las anteriores expresiones se puede resumir en el siguiente balance:

(
=
(
/ k de
n Destrucci

/ k de
+
difusin por
/ k de Transporte

conveccin por
/ k de Transporte
+
/ k de cambio
de Velocidad Produccin

Aparecen varios conceptos cinemticos relacionados con las escalas o longitudes
tpicas asociadas a los distintos movimientos del flujo (flujo principal medio y flujo oscilante
o turbulento, relacionado con los vrtices). La escala de velocidad es caracterstica de los
remolinos y de las propiedades del flujo principal y se define segn la expresin:

u
y
C

=

(11)

donde C es una constante adimensional y la escala de longitud turbulenta (o longitud de
mezcla), que se define como:

k

2 / 3
= (12)

Este mtodo utiliza la velocidad de disipacin de los remolinos pequeos para
definir la escala de longitud de los remolinos grandes porque, para altos nmeros de
Reynolds, la velocidad de extraccin de energa del flujo de los remolinos grandes es igual a
la velocidad de transferencia de energa a los remolinos pequeos. Si esto no fuese as, la
energa en algunas escalas de la turbulencia podra aumentar o disminuir sin lmite, cosa que
no ocurre en la prctica con lo que se justifica el uso de la velocidad de disipacin dentro de
la definicin de la escala de longitud .

Aplicando la misma aproximacin del modelo de la longitud de mezcla se puede
obtener la viscosidad turbulenta como:

k
C C
2
t
= = (13)

Las ecuaciones de transporte de k y contienen cinco constantes ajustables C
, los
nmeros de Prandt (
k
y
), C
1
y C
2
, aunque se suelen emplear valores fijos para una
amplia gama de flujos turbulentos. Los nmeros de Prandtl (nmeros adimensionales que
muestran el peso relativo de los trminos viscosos frente a los trminos de transmisin de
calor por conduccin) relacionan las difusividades de k y con la viscosidad turbulenta (
t
).

Las principales ventajas e inconvenientes del modelo, tal y como pueden encontrarse
en la bibliografa consultada (Lakshminarayana, 1991 y Versteeg et al., 1995), son las
siguientes:

a) Ventajas:

- Slo se necesita fijar las condiciones iniciales y de contorno.
- Resultados satisfactorios para una gran cantidad de flujos.
- Es el modelo turbulento ms ampliamente utilizado en la mayora de flujos en
aplicaciones industriales.
- Se dispone de leyes de pared desarrolladas como condiciones de contorno para este
tipo de modelos.

b) Inconvenientes:

- Implementacin ms compleja que los modelos algebraicos debido a la
introduccin de dos ecuaciones diferenciales adicionales.
- Pobres resultados en casos como: flujos no confinados, flujos con grandes
gradientes longitudinales, flujos turbulentos completamente desarrollados en
conductos no circulares.

2.9.- Modelos matemticos para la Capa Lmite.

La capa lmite es la zona del campo fluido prxima a un contorno slido en la que se
manifiestan especialmente los efectos viscosos. Debido a la viscosidad y a la condicin de no
deslizamiento, cerca de cualquier contorno slido aparece un gradiente de velocidades en la
direccin normal a dicho contorno. Este gradiente de velocidades condiciona el intercambio
energtico entre las distintas partculas de fluido con velocidades diferentes, originando
vorticidad y turbulencia.

El problema bsico para la modelizacin numrica del intercambio energtico en la
capa lmite sobre cualquier frontera slida consiste en la definicin correcta de las velocidades
de las partculas en una zona muy prxima a dicha frontera. Esto implica una densidad de
mallado muy elevada, necesaria para capturar los distintos fenmenos que se producen dentro
de la capa lmite.

Esta dificultad se ha abordado usando varias aproximaciones, que se pueden englobar
en cuatro grupos: modelos de distribucin de las prdidas, modelos de capa de cortadura,
modelos de capa lmite y leyes de pared, que son brevemente explicados a continuacin.

- Modelos de distribucin de las prdidas (Distributed Loss Models).

Este tipo de modelos constituye una aproximacin muy usada en flujos internos (el
fluido est confinado en un canal de paso limitado por paredes slidas). La hiptesis bsica
consiste en suponer que el efecto de las tensiones cortantes debidas a la viscosidad es

equivalente a una fuerza de rozamiento distribuida a lo largo del canal de paso y definida por
valores semi-empricos conocidos del problema a resolver.

Aunque con este tipo de modelos se puede predecir el flujo en gran parte de la
geometra, es claro que se pierde la definicin en zonas cercanas a las superficies slidas. A
veces esta falta de precisin en la definicin del flujo no es tolerable y se requiere superponer
algn modelo de capa lmite complementario.

Los modelos de distribucin de prdidas fueron muy populares en los inicios de las
tcnicas CFD cuando la potencia de clculo haca difcil de llevar a la prctica cualquier otro
tipo de modelo (Bosman, 1976).

- Modelos de capa lmite (Boundary Layer Approximations).

Derivado de los estudios de Prandtl sobre la estructura del flujo para elevados valores
del nmero de Reynolds. Bajo estas condiciones, el campo de velocidades en un fluido se
puede separar en dos zonas, una de flujo no viscoso alejada de los contornos slidos y otra
dominada por los efectos de la viscosidad, denominada capa lmite.

Las ecuaciones de este tipo de modelos se pueden derivar de las del modelo de la capa
de cortadura simplificndolas an ms mediante la hiptesis del valor despreciable de la
velocidad en la direccin normal a la superficie considerada en comparacin con la velocidad
en la direccin de las lneas de corriente.

Tambin existen muchas aplicaciones prcticas de este tipo de modelos (Launder et
al., 1972)

- Modelos de la capa de cortadura (Thin Shear Layer, TSL).

Son mtodos apropiados para flujos con elevados nmeros de Reynolds en los que las
zonas de influencia viscosa, estelas o capas de cortadura ocupan una extensin muy reducida
dentro de la geometra del problema estudiado. Fuera de estas zonas, resulta suficiente con
considerar el modelo de fluido ideal.

Para este tipo de modelos se requiere una discretizacin espacial muy densa en las
zonas en las que se espera influencia de los trminos viscosos. En realidad, se trata de un
clculo ligeramente ms avanzado que el correspondiente al modelo de capa lmite, porque en
este caso la geometra de la capa lmite es resultado del clculo y no se introducen hiptesis
adicionales.

Este tipo de modelos ha sido aplicado a multitud de problemas relacionados con
aplicaciones aerodinmicas (Hirsch, 1988).

- Leyes de pared.

Una posibilidad distinta a los modelos mencionados consiste en incluir en los clculos
alguna aproximacin para la distribucin de velocidades esperada. Con tal fin, se pueden

utilizar las distribuciones de velocidad obtenidas experimentalmente, pero la prctica habitual
consiste en utilizar los datos de distribuciones tericas. En el contexto de los mtodos
numricos, las funciones o leyes de pared constituyen un conjunto de frmulas semi-
empricas que relacionan los valores de las distintas variables en las zonas prximas a los
contornos slidos y sobre dichos contornos. Normalmente incluyen tanto las relaciones para
las variables medias y frmulas para el tratamiento de la turbulencia en zonas prximas a los
contornos slidos.

La definicin de las distintas frmulas, con rangos de aplicabilidad variables,
provienen de los estudios sobre capa lmite y parten de la definicin de las variables
adimensionales caractersticas de dichos estudios. Suelen distinguirse dos zonas que dan lugar
a la utilizacin de las denominadas leyes para capas internas y leyes para capas externas.

En la bibliografa existen multitud de modelos basados en alguna hiptesis sobre la
distribucin de velocidades dentro de la capa lmite (Launder et al., 1972 o White, 1991).

3.- Aspectos matemticos del procedimiento
de clculo.

Los modelos matemticos de la mayora de fenmenos fsicos pueden ser expresados
como un sistema de ecuaciones en derivadas parciales cuasi-lineales de primer o segundo
orden. Las propiedades matemticas de estos sistemas de ecuaciones son un reflejo de las
propiedades fsicas de los flujos.

Las ecuaciones de flujo representan un balance entre fenmenos de conveccin y
difusin adems de la inclusin de trminos fuente. En los flujos difusivos aparecen trminos
con derivadas de segundo orden como consecuencia de la Ley de Fick generalizada. Por el
contrario en los flujos convectivos aparecen derivadas de primer orden que expresan
propiedades de transporte o arrastre. Cada una de estas contribuciones tiene influencia en la
naturaleza matemtica de las ecuaciones. En concreto se distingue entre los siguientes tipos de
sistemas de ecuaciones en derivadas parciales:

Elpticos.
Parablicos.
Hiperblicos.

Antes de dar una descripcin matemtica rigurosa de cada tipo, se considera como
ejemplo la componente sobre el eje x de la ecuacin de Navier-Stokes para un flujo laminar e
incompresible en coordenadas cartesianas:

( )
u p
+ u u = - + u
t x

(14)

Si se adimensionaliza la ecuacin 14 utilizando unas magnitudes de referencia T , L y
V se obtiene:

( )
VT u p 1
u u u
L t x Re

+ = +

(15)

donde:

=
L V L V
Re es el nmero de Reynolds y

L
VT
el nmero de Strouhal.

Se analizan a continuacin dos casos particulares:

Para Nmeros de Reynolds muy bajos (un flujo muy viscoso), el trmino
convectivo puede ser despreciado, quedando por tanto:

2
V T u p
u Re
t x

+ =

(16)

Analizando la ecuacin anterior puede verse que, teniendo en cuenta la naturaleza
del flujo (estacionario o no estacionario) aparecen dos tipos de ecuacin:
Flujo Estacionario
u
0
t
.

x
p
Re u
= (Comportamiento elptico) (17)

Flujo No Estacionario
u
0
t
.

2
V T u p
u Re
t x

= +

(Comportamiento parablico) (18)

Para Nmeros de Reynolds muy altos y fuera de la capa lmite, los efectos
viscosos apenas tienen influencia en el flujo. La ecuacin queda entonces reducida
a la ecuacin de Euler (Ecuacin de primer orden).

( )
u p
+ u u = -
t x

(Comportamiento hiperblico) (19)

La distincin entre unas ecuaciones y otras tiene una gran importancia porque los
mtodos numricos de discretizacin y resolucin de problemas son diferentes en cada caso.
Los fenmenos de difusin actan en todo el espacio independientemente de la direccin
predominante del flujo (comportamiento elptico). Por el contrario, los fenmenos de
conveccin actan en la direccin de propagacin, en regiones concretas del espacio
(comportamiento hiperblico)

Entre ambas posibilidades, una ecuacin con comportamiento parablico representa una
situacin intermedia que se puede interpretar como un proceso de difusin en todas las
direcciones pero amortiguado en el tiempo.

En las ecuaciones de Navier-Stokes no estacionarias, la ecuacin de continuidad es
hiperblica mientras que las ecuaciones de la cantidad de movimiento y de la energa son
parablicas en espacio y tiempo. Se habla de un comportamiento parablico-hiperblico. Sin
embargo, en las ecuaciones de Navier-Stokes en su versin estacionaria, las ecuaciones de la
cantidad de movimiento y de la energa tienen un comportamiento elptico por lo que se
tienen propiedades elptico-hiperblicas.


3.1.- Condiciones iniciales y de contorno.

Se dice que un problema cuya resolucin depende de una ecuacin diferencial en
derivadas parciales est bien planteado si la solucin depende de manera continua de las
condiciones iniciales y de contorno. Se consideran dos tipos de problemas:

Problema de Condicin Inicial. Se conoce la solucin en t 0 = y se busca la
evolucin de dicha solucin en el tiempo.
Problema de Condicin de Contorno. Se fijan las condiciones en los
contornos del dominio y se busca la solucin en su interior. En este caso existen
tres variantes posibles: condicin de Dirichlet, condicin de Neumann y condicin
de Robin, que se detallarn en el apartado 4.

En este apartado se analiza cmo se transmite la informacin relativa a la solucin en
las distintas regiones de flujo. Se detalla el fenmeno de propagacin de la solucin para cada
uno de los tipos de clasificacin de las EDPS.

Sistemas Hiperblicos.

En la figura 2 se considera un problema hiperblico bidimensional: constituye un
contorno del dominio y la solucin U sobre el trozo de contorno AB se propaga en el
dominio del flujo siguiendo las superficies caractersticas
B A
S , S que surgen en AB.

Existe una regin, llamada zona de Dependencia, que delimitan las superficies
caractersticas que surgen de A y de B junto con el trozo de contorno AB y que determinan
la solucin en el punto P . Asmismo existe una regin, llamada zona de Influencia, en la
cual la solucin resulta influenciada por la solucin en el punto P .

Figura 2.- Zonas de influencia y de dependencia de un problema hiperblico.


Sistemas Parablicos.

En la figura 3 se muestra lo que ocurre en un problema parablico bidimensional.

Figura 3.- Zonas de influencia y de dependencia de un problema parablico.

En este tipo de problemas ambas superficies caractersticas no tienen ms que una
lnea en comn (
A
S ). La zona de Dependencia del punto P se extiende a un lado de la
lnea
A
S y la zona de Influencia ocupa el semiespacio restante.

Sistemas Elpticos.

En la figura 4 se considera un problema elptico bidimensional. En este caso no hay
superficies caractersticas y en consecuencia las zonas de Dependencia y de Influencia
coinciden y son iguales a todo el dominio del problema.

Figura 4.- Zonas de influencia y de dependencia de un problema elptico.

La naturaleza del problema a resolver es un aspecto crucial en la seleccin de la
tcnica de discretizacin ms apropiada. Hay que recurrir a la teora de las ecuaciones
diferenciales en derivadas parciales.


3.2.- Consideraciones fsicas.

Considrese un problema estacionario de transferencia de calor, en el que se requiere
hallar la distribucin de temperatura en una barra de seccin transversal rectangular constante
y longitud infinita. El problema es bidimennsional y la ecuacin a resolver es:

0
y
T
x
T
2
2
2
2
=
(20)

Para resolver el problema la ecuacin debe ser completada con un conjunto de
condiciones de contorno. Supngase que se conoce una solucin y que se introduce una
perturbacin en un punto P (p.e. un foco de calor). Dicha perturbacin va a ser percibida en
todos los dems puntos de la barra. Por tanto, las temperaturas en todos los puntos del
dominio estn relacionadas entre s y con las condiciones de contorno. Habr que especificar
la temperatura (o el flujo de calor) en todos los puntos del contorno para determinar la
solucin. Se trata de un problema de contorno.

Ejemplo: se quieren estudiar movimientos de pequea amplitud en un conducto recto. Las
ecuaciones gobernantes son:

x
P 1
x
u
u
t
u
0
x
u
x
u
t

(21)

y la ecuacin de la energa se reduce a la igualdad s = cte (entropa constante). Esto permite
relacionar las variaciones de presin y densidad:

x
a
x
P
2
(22)

siendo a la velocidad del sonido.

Si la amplitud es pequea:

t
u
x
u
u y
t x
u
<<

<<

(23)

entonces:

x
a
t
u
0
x
u

t
2

(24)

donde es la densidad del fluido en reposo; combinando ambas ecuaciones:

0
x
a
t
2
2
2
2
2
=

(25)

Esta ecuacin diferencial de segundo orden se debe resolver en un dominio espacio-
temporal. Considrese de nuevo el efecto de una perturbacin introducida en el dominio; esta
perturbacin lgicamente slo afectar a tiempos t t
i
(donde t
i
es el instante en el que se
produce dicha perturbacin), es decir, slo a una parte del dominio temporal. No se puede
pues imponer condiciones de contorno en tiempos despus de t
t
. En este caso, los puntos del
dominio estn relacionados slo con los puntos que pueden influenciarles, y la solucin puede
ser obtenida avanzando progresivamente en el dominio temporal (time-marching). Se trata
de un problema de valor inicial.

o0o

A continuacin se describe la naturaleza de algunos problemas de Mecnica de
Fluidos:

Problemas de contorno (PC).

Flujo estacionario subsnico no viscoso irrotacional.
Flujo estacionario viscoso.

Problemas de valor inicial (PVI).

Flujo no estacionario.
Flujo estacionario supersnico no viscoso.
Flujo en capa lmite.

Problemas hbridos.

Flujo estacionario subsnico rotacional.
Flujo estacionario no viscoso irrotacional con zonas subsnicas y supersnicas.

4.- Mtodos de resolucin y naturaleza de
las ecuaciones de gobierno.

La solucin de un determinado problema utilizando las tcnicas numricas implica los
siguientes pasos:

1) El planteamiento inicial de las ecuaciones a resolver (ecuaciones de gobierno con
condiciones de contorno apropiadas).
2) La obtencin de los distintos campos de propiedades fluidas.
3) La interpretacin crtica de las soluciones obtenidas (coherencia de resultados y
obtencin de variables macroscpicas, como esfuerzos, rendimientos, etc.). En la
figura 5 se muestra un esquema simplificado de todo el proceso.

En este apartado se describe de forma general las distintas posibilidades y se resuelven
varios ejemplos prcticos de flujos sencillos.

Figura 5.- Esquema general de los mtodos numricos.

4.1.- Ecuaciones de gobierno, condiciones de contorno y condiciones
iniciales.

Las leyes que rigen el movimiento de una partcula fluida son conocidas desde
mediados del siglo XIX. Son las denominas ecuaciones de Navier-Stokes, que pueden
expresarse con distintas nomenclaturas, en distintos sistemas de referencia y con distintas
notaciones (ver Aris, 1962; Batchelor, 1967; White, 1979 o Hirsch, 1988; por ejemplo). Para
un fluido Newtoniano, se pueden expresar as (Hirsch, 1988):

Continuidad:

0 u
dt
d
= +

(26)


( )
2
e
d u u 1
(u )u p u u f
d t t 3
(
= + = + + +
(

(27)

Energa:

( )
f H
( E)
( u E) (k T) u W q
t

+ = + + +

(28)

Las ecuaciones 26 a 28 estn obtenidas teniendo en cuenta que cualquier evolucin
fsica de un sistema est gobernada por leyes de conservacin. El concepto de conservacin
significa que la variacin de una determinada magnitud intensiva o propiedad en un
determinado volumen es debida al efecto neto de las fuentes internas de esa magnitud y al
efecto del flujo de esa magnitud que atraviesa la frontera del volumen que define al sistema.
En el caso de la Mecnica de Fluidos, las propiedades que se conservan son la masa, la
cantidad de movimiento y la energa.

Algunas veces, en las tcnicas numricas no se intenta resolver estas ecuaciones
directamente sino que se adimensionalizan de forma que, por un lado, resulte ms cmodo
manejar las ecuaciones sin preocuparse de las unidades y, por otro, se pueda llegar a
despreciar trminos por su valor muy inferior al resto de trminos de la ecuacin. Tal y como
se ha sealado, eliminar ciertos trminos resulta necesario en casi todos los problemas de
Mecnica de Fluidos.

Ya sea en su forma dimensional o adimensional, se trata de un sistema de cinco
ecuaciones diferenciales de segundo orden no lineales y no estacionarias. Las incgnitas o
variables dependientes son la velocidad (3 componentes), la presin, la temperatura, la
densidad y la viscosidad. Para su correcta solucin se deber disponer de dos ecuaciones
adicionales que relacionen la densidad y la viscosidad del fluido con la temperatura y la
presin (ecuaciones de estado). La solucin analtica de estas ecuaciones con las
correspondientes condiciones de contorno y condiciones iniciales definira el campo fluido en
una geometra cualquiera. Sin embargo, como se ha dicho, es imposible encontrar una
solucin analtica exacta de estas ecuaciones.

Condiciones de contorno y condiciones iniciales.

De tanta importancia como las ecuaciones de gobierno resultan las condiciones de
contorno y condiciones iniciales. En la mayora de los textos dedicados a las tcnicas
numricas se concede gran importancia a las discusiones sobre las distintas posibles
condiciones de contorno e iniciales.

Las condiciones iniciales definen el estado del fluido en el instante inicial considerado
como origen para la evolucin temporal (t = 0). Por tanto, para la correcta definicin de un
problema se deber conocer el valor que tienen todas las variables en ese instante. Muchas
veces, en problemas resueltos mediante tcnicas numricas esto es imposible, con lo que se ha
de buscar una alternativa. La ms sencilla y habitual consiste en dar a todas las variables un
valor cero, asumiendo que, si se avanza suficientemente en el tiempo, se llega a un estado
estacionario, o peridico, independientemente de la solucin inicial, segn las condiciones de
contorno sean constantes o peridicas. Tiene como ventaja la sencillez de implementacin,
pero tiene una gran desventaja, pues si dicha solucin inicial se aparta bastante de la solucin
real, puede dar lugar a problemas de convergencia en cuanto a la resolucin de las ecuaciones.

En funcin del tipo de evolucin temporal, se clasifican las ecuaciones diferenciales y,
por tanto los problemas de origen, en elpticas, parablicas e hiperblicas. Una ecuacin
diferencial se clasifica dentro de un grupo u otro dependiendo de la forma de dependencia
espacio-temporal de la evolucin de las variables.

Las condiciones de contorno pueden ser de varios tipos. Los ms comunes en la
prctica son:

a) Condiciones de contorno tipo Dirichlet. La variable dependiente es conocida en la
frontera fsica del problema.
b) Condiciones de contorno tipo Neumann. Se conoce en la frontera fsica del
problema el valor del gradiente normal de la variable dependiente.
c) Condiciones de contorno tipo Robin. La condicin conocida constituye una
combinacin lineal de los tipos anteriores.
d) Condiciones de contorno mixtas. En unas zonas de la frontera fsica se tienen
condiciones de contorno Dirichlet y en otras zonas condiciones del tipo Neumann.

La correcta definicin de las condiciones de contorno constituye una parte
fundamental en la definicin de un problema numrico.

4.2.- Discretizacin de las ecuaciones.

A lo largo de la historia de los mtodos numricos aplicados a la Mecnica de Fluidos
muchas han sido las aproximaciones o formas de pasar del modelo fisico-matemtico al
modelo numrico discreto. Las tcnicas modernas se construyen con un requerimiento
adicional importante, consistente en la condicin de que el resultado final de la discretizacin
sea fcilmente integrable en una arquitectura de clculo determinada. Se indican a
continuacin las tcnicas ms comunes que cumplen este requerimiento y que son usadas en
las distintas aproximaciones en CFD.

La aplicacin de las leyes bsicas de la Fsica permite obtener las relaciones entre las
distintas variables a travs de un conjunto de ecuaciones diferenciales en derivadas parciales:
son las Ecuaciones de Constitucin de la Mecnica de Fluidos (ecuaciones 26 a 28). Por
desgracia, debido a su gran complejidad, rara vez es posible resolverlas de un modo exacto
(solucin analtica del problema) y es necesario buscar mtodos alternativos que proporcionen
una buena prediccin, es decir, mtodos que proporcionen una solucin numrica
aproximada. As, la solucin numrica aproximada se obtendr a partir de la resolucin de
una serie de relaciones algebraicas obtenidas mediante tcnicas de discretizacin de las
ecuaciones diferenciales en derivadas parciales.

En la figura 6 se muestra de forma esquemtica la metodologa propuesta por los
mtodos numricos.

Figura 6.- Metodologa utilizada en las resoluciones numricas.


4.2.1.- Consistencia, convergencia y estabilidad.

Se dice que el sistema de ecuaciones algebraicas generadas en el proceso de
discretizacin es consistente con el sistema original si, cuando el espaciado del mallado
tiende a cero, el sistema de ecuaciones es equivalente al sistema en derivadas parciales en
cada punto.

La comprobacin de la consistencia requiere la sustitucin de la solucin exacta en las
ecuaciones algebraicas resultantes de la discretizacin, y la expansin de todos los trminos
como series de Taylor en torno a un punto. Para obtener consistencia, la expresin resultante
debe estar formada por la ecuacin en derivadas parciales original ms un resto, el cual debe
anularse si el mallado se refina.

Se define la convergencia como la capacidad que tiene un conjunto de ecuaciones
algebraicas para representar la solucin analtica de un conjunto de ecuaciones diferenciales,
si sta existiese. Las ecuaciones se dice que convergen si la solucin numrica tiende a la
solucin analtica cuando el espaciado del mallado o el tamao del elemento tiende a cero.

Una solucin de un sistema de ecuaciones algebraicas que aproxima un sistema de
ecuaciones en derivadas parciales es convergente si la solucin aproximada es igual a la solucin
exacta para cada valor de la variable independiente cuando el espaciado en el mallado tiende a
cero (numricamente esto se expresa diciendo que x, t 0).

Un conjunto de ecuaciones resulta estable si los valores de las variables implicadas
tienden hacia una solucin correcta sin que los errores de clculo en la solucin discreta
deformen los resultados mientras se realiza el proceso numrico.

El concepto de estabilidad est relacionado con el crecimiento o la atenuacin de errores
introducidos en la fase de clculo, pues el ordenador introduce un error de redondeo en cada
clculo que realiza. Se utilizan distintos mtodos numricos para obtener una valoracin de dicha
estabilidad. Destaca por su mayor flexibilidad el mtodo de las perturbaciones discretas, aunque
existe otros muchos, como el de Von Neumann.

- Mtodo de las perturbaciones discretas: En este mtodo se introduce una
perturbacin en un punto y se observa su efecto en los puntos vecinos. Si la perturbacin se
atena a medida que la solucin procede, el esquema numrico es estable. Pero si la perturbacin
crece con la solucin, el esquema es inestable.

- Mtodo de Von Neumann: Permite establecer la condicin necesaria y suficiente para
la estabilidad de problemas lineales. En el resto de casos, el mtodo se aplica localmente,
congelando los trminos no lineales, por lo que solo proporciona condiciones necesarias.

En el mtodo de Von Neumann, la solucin de la ecuacin en diferencias finitas se
desarrolla en series de Fourier; la atenuacin o el crecimiento de las amplitudes de los modos
indican si el algoritmo numrico es o no estable.

En la prctica se dice que un proceso numrico converge si los valores de las variables
en los puntos del dominio tienden hacia unos valores fijos mientras la solucin progresa. Esto
es as porque en muchos casos no se puede demostrar matemticamente la convergencia
estricta. En el caso de un clculo no estacionario en una turbomquina, la convergencia no

se entiende como la obtencin de un valor fijo para las distintas variables dependientes sino
como la obtencin de una variacin peridica de los valores de cada una de estas variables.

Teorema de equivalencia de Lax: Dado un problema lineal correctamente planteado y
una aproximacin por diferencias finitas que satisface la condicin de consistencia, la estabilidad
es condicin necesaria y suficiente para que sea convergente.

En la figura 7 se muestra un resumen de los conceptos desarrollados en este apartado.

Figura 7.- Requisitos que han de cumplir las discretizaciones en los mtodos numricos.

4.2.2.- Dificultades asociadas a la naturaleza de las ecuaciones de gobierno.

En este apartado, se van a mostrar algunas limitaciones prcticas de la estabilidad de
los mtodos numricos y se va a introducir el concepto de problema rgido.

Considrese la ecuacin:

d u
q u u(0)=1 con q: nmero complejo
d t
= (29)

Si se discretiza segn un mtodo de diferencias finitas centrado en el tiempo, se
obtiene:

n
1 n 1 n
u q
t 2
u u
=
+
(30)

Esta discretizacin particular se denomina mtodo explcito del punto medio (en ingls
leap frog). En el apartado 4.5 se ampla el estudio a otros tipos de mtodos utilizados en la
prctica. Si se expresa ahora
1 n
u
+
en funcin de
n
u y de
1 n
u

, se puede obtener que el factor
de amplicacin () debe cumplir la ecuacin:


0 1 t q 2
2
= (31)

que tiene dos races:

( )
2
2 , 1
t q 1 t q + = (32)

y debera satisfacer la condicin ya mencionada de || 1 + O(t). Si ahora se aplica el
mtodo para q = 1 y t = 0.1, se requiere de dos valores iniciales para iterar. El primero
viene dado por la condicin de contorno, es decir:

0 . 1 u
0
= (33)

y el segundo puede calcularse utilizando alguna frmula aproximada, por ejemplo la
simplificacin de una frmula de dos puntos. En la figura 8 se muestra la solucin para los
valores u
1
= 0.9 (lnea continua) y u
1
= 0.85 (crculos). Aparecen oscilaciones que no son
permisibles. Se puede observar como el concepto de estabilidad no es suficiente, porque el
lmite t 0 no aporta suficiente informacin del mtodo de discretizacin. Se introduce
entonces el concepto de estabilidad absoluta, que indica que una solucin debe mantenerse
limitada (sin oscilar) para n para un valor finito de t.

0.0
0.2
0.4
0.6
0.8
1.0
1.2
0.0 0.2 0.4 0.6 0.8 1.0 t [s]
u [m/s]

Figura 8.- Evolucin de la solucin usando el mtodo del punto medio.

Para una solucin iterativa del problema propuesto, la solucin con estabilidad
absoluta se define como un conjunto z = q t tales que la secuencia de valores u
n
permanezca
limitada (sin oscilaciones). Matemticamente, esto implica:

1 (34)

Para el mtodo del punto medio, el factor de amplificacin se obtiene segn la
ecuacin 32, por lo que
1
=
2
= 1, por lo que la nica opcin de estabilidad es

1
2 1
= = , es decir, = e
i
. Sustituyendo este resultado en la ecuacin 32 y resolviendo
para z, se obtiene:

= sen i z (35)

Es decir, la regin de estabilidad es el segmento del eje imaginario entre i y +i. Por lo
que para q = 1 no es posible obtener un valor de t que proporcione un mtodo con
estabilidad absoluta, lo cual explica el comportamiento observado en la figura 8.

Sin embargo, el caso del mtodo del punto medio constituye una situacin lmite. Si se
considera el mtodo de Euler hacia adelante (forward Euler) y se discretiza la misma
ecuacin 29, se obtiene:

n
n 1 n
u q
t
u u
=
+
(36)

de donde se obtiene = 1 + q t. La regin de estabilidad ser ahora el conjunto de los z tales
que 1 z 1 + , es decir, una circunferencia de radio unidad centrada en z = -1, tal y como se
muestra en la figura 9. Para q = -1, la solucin numrica del problema permanece limitada
(sin oscilaciones) siempre que 2 - t 0 o bien t 2. Esta condicin no es demasiado
rgida y limitar el valor de t, pero no a valores demasiado pequeos. Para obtener una
precisin suficiente el salto temporal debe estar siempre en torno a una fraccin de la escala
de tiempos del problema en cuestin. En este caso, la escala de tiempos mxima admisible
resulta ser la unidad (1/ q ).

Figura 9.- Regin de estabilidad para el mtodo de Euler hacia adelante.

Por ejemplo, si se considera la ecuacin diferencial ordinaria dada por el sistema:

|
.
|
\
|
|
.
|
\
|
= |
.
|
\
|
2
1
2
1
u
u
100 0
1 3
u
u
t d
d
(37)


en el que los coeficientes de la diagonal principal tienen valores tan dispares, y se observa su
solucin (combinacin lineal de dos soluciones particulares):

1 3t 100t
1 2
2
u 1 1
C e C e
u 0 97

| | | | | |
= +
| | |
\ . \ . \ .
(38)

El segundo trmino decae muy rpido y no se pierde generalidad si en la prctica se
desprecia. Sin embargo, el segundo trmino, que corresponde al valor propio q
2
= -100
impone un lmite t 0.02.

Este ejemplo muestra como siempre resulta ser la menor escala de tiempo la que
impone un lmite al salto temporal. Para problemas con grandes rangos de escalas de tiempo,
el problema se vuelve rgido y las restricciones pueden hacer muy difcil su solucin
utilizando tcnicas CFD. Desafortunadamente, los problemas con escalas de tiempo muy
amplias son comunes en la Mecnica de Fluidos.

Con el fin de abordar la mencionada limitacin, se deben buscar soluciones que se
encuentren limitadas. Para ello sera necesario que la regin de estabilidad incluyera el
semiplano izquierdo por completo. Entonces se tendra condicin de estabilidad absoluta o A-
estabilidad. Por ejemplo, si se considera la discretizacin de la ecuacin 29 segn un esquema
de Euler hacia atrs (backward Euler), se obtiene:

1 n
n 1 n
u q
t
u u
+
+
=
(39)

En este caso, el factor de amplificacin es 1/(1 q t) y la regin de estabilidad viene
dada por 1 z 1 , que se corresponde con el crculo de radio 1 y centrado en z = 1 (figura
10).

Figura 10.- Regin de estabilidad para el mtodo de Euler hacia atrs.


Existe una diferencia clara entre los dos esquemas hacia adelante y hacia atrs. En
el primero, la solucin en un instante n+1 se obtiene explcitamente de la solucin en el
instante n, realizando operaciones aritmticas. Sin embargo, en el segundo caso, los valores
en el nuevo instante aparecen de forma implcita en la solucin de una ecuacin algebraica.
Aparece la diferenciacin entre mtodos explcitos y mtodos implcitos.

Se puede extraer la conclusin general de que los mtodos explcitos resultan ms
econmicos para cada paso temporal. Desafortunadamente, se ha demostrado que los mtodos
explcitos nunca pueden ser A-estables.

Por lo tanto, la eleccin entre un mtodo explcito o implcito requiere siempre buscar
un equilibrio entre la sencillez a la hora de programar y la estabilidad del mtodo. Para
problemas en los que no exista demasiada rigidez tales como los de flujos no viscosos, los
mtodos explcitos resultan competitivos, principalmente para problemas tridimensionales,
por requerir una menor cantidad de informacin almacenada. Por el contrario, para problemas
muy rgidos, tales como los flujos con viscosidad predominante o con reacciones qumicas,
los mtodos implcitos son generalmente los ms utilizados, a pesar del incremento de
necesidades de almacenamiento de las variables que imponen.

4.3.- Mtodos de discretizacin empleados.

El objetivo de la discretizacin es sustituir el problema continuo con infinitos grados de
libertad en espacio y tiempo por un problema discreto con finitos grados de libertad. En funcin
de que la discretizacin se realice en el dominio temporal o en el dominio espacial, se presentan
diferentes mtodos de discretizacin:

- Discretizacin temporal: Diferencias finitas

- Discretizacin espacial: Diferencias finitas
Elementos finitos
Volmenes finitos
Residuos ponderados

Se agrupan estos en tres mtodos bsicos en la discretizacin de las ecuaciones de
gobierno: diferencias finitas, volmenes finitos y residuos. A continuacin se describen
brevemente las tres posibilidades.

4.3.1.- Mtodo de las diferencias finitas.

Est basado en la representacin de una derivada mediante una aproximacin por
diferencias entre los puntos vecinos. Utilizando los desarrollos en series de Taylor se
describen las derivadas como diferencias entre los valores de una variable en varios puntos
del espacio o del tiempo. Mediante la aplicacin de tales aproximaciones, el sistema original
de ecuaciones diferenciales se reduce a un sistema de ecuaciones algebraicas, que es resuelto
mediante tcnicas convencionales.


La discretizacin en diferencias finitas est especialmente ideada para una malla
cartesiana. Su extensin a geometras curvilneas ms complejas requiere la transformacin de
las ecuaciones de gobierno por medio del correspondiente cambio de base a un sistema de
coordenadas que siga la direccin de dichas geometras curvilneas. Una vez realizado el
cambio de variable, el mtodo de diferencias finitas es aplicable a resolucin de problemas en
dichas geometras (Hoffman, 1988).

Considrese una ecuacin en derivadas parciales sobre un dominio rectangular (ver
figura 11).

Se sustituye el espacio continuo por un mallado (regular):

x
i, j
, y
i, j
con i = 1...i
N
j = 1...j
M
(40)

de tal forma que se cumple:

x
i, j
= x i
y
i, j
= y j (41)

Figura 11.- Dominio cartesiano para definir un problema bidimensional dado.

Se define una funcin en los puntos del mallado (i, j):

u
i, j
= u (x
i
, y
j
) (42)

A continuacin, se estiman las derivadas en un punto (i, j) por cocientes de diferencias,
basados en la definicin de derivada, es decir:

x
y) u(x, - y) x, + u(x
=
x
u
lim
0 x

(43)

Si x es lo suficientemente pequeo, el cociente de diferencias es una buena
aproximacin de la derivada.

Existen varias posibilidades a la hora de elegir el cociente de diferencias:

Diferencia hacia delante.

i+1, j i, j
i, j
- u u u
=
x x
|
|

.
(44)

Diferencia centrada.

i+1, j i-1, j
i, j
- u u u
=
x 2 x
|
|

.
(45)

Diferencia hacia atrs.

i, j i-1, j
i, j
- u u u
=
x x
|
|

.
(46)

El error de truncado es la diferencia entre la derivada real y el cociente de diferencias. Se
obtiene mediante desarrollo en serie de Taylor alrededor del punto (i, j). Por ejemplo en el caso
de la diferencia hacia adelante:

2 3 2 3
i+1, j i, j
2 3
i, j i, j i, j
u u u
x x
= + x + + +...
u u
x 2 3!
x x
| | |
| | |

. . .
(47)

2 3 2
i+1, j i, j
2 3
i, j i, j i, j
- u x u u u u x
= - - +...
x x 2 3!
x x
| | |
| | |

. . .
(48)

o en el caso de la diferencia centrada:

2 3 2 3
i+1, j i, j
2 3
i, j i, j i, j
u u u
x x
= + x + + +...
u u
x 2 3!
x x
| | |
| | |

. . .
(49)

2 3 2 3
i-1, j i, j
2 3
i, j i, j i, j
u u u
x x
= - x + - +...
u u
x 2 3!
x x
| | |
| | |

. . .
(50)

3 2
i+1, j i-1, j
3
i, j i, j
- u u u u x
= - +...
x 2 x 6
x
| |
| |

. .
(51)

El orden de la discretizacin es la menor potencia del incremento (x en este caso) que
aparece en el error de truncado. En la diferencia hacia delante es de primer orden:

x) O( = ... +
u
2
x
- = E.T.
xx

(52)

y en la diferencia centrada resulta de segundo orden:

)
x
O( = ... +
u
6
x
- = E.T.
2
xxx
2
(53)

Una expresin puede ser de primer orden en un punto y de segundo en otro; as la
expresin siguiente sera de primer orden para el punto (i, j) y de segundo orden para el punto
(1+1/2, j):

)
i+1, j i, j
x
i, j
-
u u
= +O( x)
u
x

(54)

)
i+1, j i, j 2
1
x
i+ , j
2
-
u u
= +O( x )
u
x

(55)

La discretizacin en un mallado no uniforme puede reducir el orden del error de truncado
(ver figura 12).

x
i
x
i+1
i-1 i i+1
x

Figura 12.- Mallado no uniforme unidimensional.

) E.T. +
2
x
-
x
x
u
-
u
-
x
u
-
u
=
2
x
-
x
x
u
-
x
u
=
u
i 1 + i
i
1 - i i
1 + i
i 1 + i
i 1 + i
i 1 + i
xx
i

|
.
|
|
.
|
(56)

En general, el error de truncado se mantendr de segundo orden si

) x O( +
x
=
x
2
i 1 + i
(57)

es decir, si los mallados son regulares.

Otro aspecto que influye en el error de la discretizacin es la distorsin del mallado, es
decir, que sus direcciones no sean ortogonales. Considrese el mallado de la figura 13.

i j
i+1 j
i j-1
i j+1
i-1 j
x
y
S

Figura 13.- Mallado bidimensional no ortogonal (direcciones x y S).


Supngase que se desea evaluar las derivadas siguientes:

i, j
i, j
u u
y
x y
| |
| |

.
.
(58)

Entonces:

i, j+1 i, j-1
i, j
- u u u
=
y y
|
|

.
(59)

i+1, j i-1, j
i, j
- u u u
=
S S
|
|

.
(60)

Como, por otro lado, se puede deducir a partir de la figura 14 la relacin:

cos
y
+ sen
x
=
S
(61)

entonces, se deduce:

i+1, j i-1, j i, j+1 i, j-1
i, j
- - u 1 u u u u
= - cotg
x S sen y
|

|

.
(62)

Se observa que cuando es pequeo la derivada respecto a x se convierte en la diferencia
de dos trminos de gran magnitud, reducindose la exactitud del clculo. As pues se tender a
utilizar mallados lo ms ortogonales posible para evitar estos errores.

Otro aspecto a destacar de este mtodo es que precisa la utilizacin de mallados
cartesianos, aunque las ecuaciones diferenciales originales se pueden expresar en un sistema de
coordenadas curvilineas arbitrario.

4.3.2.- Mtodo de los volmenes finitos.

Considrese una ecuacin genrica en derivadas parciales que proviene de una ley de
conservacin integral:

u
+ F = Q
t
(63)

Integrando para un cierto volumen

, d Q = d F + d u
t
(64)

Por ejemplo, para la ecuacin de continuidad se tiene:


0 = Q ; u = F ; = u (65)

La ley integral utiliza flujos en el contorno de en la figura 14. Por tanto, esta
formulacin posee la siguiente propiedad:

1
ABC
t

+ =

(66)

2 BDE
t

+ =

(67)

3 ADE
t

+ =

(68)

= + +
1 2 3
3
A
B
C
E

Figura 14.- Dominio bidimensional .

Sumando la contribucin de los tres trminos anteriormente descritos, los
correspondientes a los flujos sobre los contornos internos se anulan, y se obtiene conservacin
global en . Siempre que la discretizacin satisface esta propiedad se llama conservativa.

Adems, si se cometen errores en la evaluacin de los flujos en fronteras interiores, la
conservacin global no se ve afectada.

Ejemplo: Sea la ecuacin:

q =
x
f(u)
+
t
u
(69)

la correspondiente formulacin cuasi-lineal es

u
f
= a siendo q =
x
u
a +
t
u
(70)

Considrese un mallado regular y una discretizacin centrada, como la de la figura 15.


x
i-1 i i+1
x
i-3/2 i-1/2 i+1/2 i+3/2

Figura 15.- Discretizacin unidimensional centrada.

Se tienen las siguientes aproximaciones:

Punto i: q =
x
f f
+
t
u
i
2
1
i
2
1
+ i
i

(71)
Punto i+1: q =
x
f f
+
t
u
1 + i
2
1
+ i
2
3
+ i
1 + i
(72)
Punto i-1: q =
x
f f
+
t
u
1 i
2
3
i
2
1
i
1 i
(73)

Sumando las expresiones 71 a 73 y dividiendo y dividiendo por 3, se obtiene:

3
q + q + q
=
x 3
f
-
f
+
3
u
+
u
+
u
t
1 + i i 1 i 2
3
i
2
3
+ i
1 + i i 1 i
|
.
|
\
|
(74)

Esta expresin representa una discretizacin aplicada al elemento comprendido entre los
puntos i-3/2 e i+3/2.

Si se considera la formulacin cuasi-lineal:

Punto i: q =
x
u
-
u
a
+
t
u
i
2
1
i
2
1
+ i
i
i

(75)
Punto i+1: q =
x
u
-
u
a
+
t
u
1 + i
2
1
+ i
2
3
+ i
1 + i
1 + i

(76)
Punto i-1: q =
x
u
-
u
a
+
t
u
1 - i
2
3
i
2
1
i
1 - i
1 i

(77)

Sumando, reordenando y llamando:
2
a
-
a
=
a
2
1
i
2
1
+ i
i
, se obtiene:

|
.
|
\
|

3
u + u + u

t
1 + i i 1 i
+
2
a
-
a
2
3
- i
2
3
+ i

x 3
u
-
u
2
3
i
2
3
+ i

- |
.
|
\
|

3
q + q + q

1 + i i 1 i
=


x 3
u
-
u
2
a
-
a
x 3
u
-
u
2
a
-
a
2
3
i
2
1
+ i
2
1
i
2
3
+ i
2
1
i
2
3
+ i
2
3
i
2
1
+ i
=
+
(78)
Una discretizacin directa de la ecuacin cuasi-lineal sobre el elemento comprendido
entre i-3/2 y i+3/2 habra proporcionado la parte izquierda de la ecuacin. Se aprecia que la
discretizacin de la formulacin no conservativa produce trminos extra. Dichos trminos se
pueden considerar una discretizacin de segundo orden de un trmino proporcional a:

2
x x x xx
x
x [( - ] )
a u a u
(79)

en el punto i. Para flujos continuos, estos trminos son del mismo orden que el error de truncado,
y pueden ser despreciados; pero pueden producir grandes errores cuando hay discontinuidades,
como en el caso de existir ondas de choque.

o0o

Las discretizaciones conservativas son la base del mtodo de los volmenes finitos. Este
mtodo constituye la tcnica ms comnmente empleada en la discretizacin de las ecuaciones de
constitucin. Se desarroll para resolver especficamente problemas de transferencia de calor y de
mecnica de fluidos (Patankar, 1980). Parte del hecho de que las leyes bsicas de la mecnica de
fluidos son leyes de conservacin y pueden ser expresadas en forma de balances macroscpicos de
las distintas variables.

En primer lugar se define una divisin del dominio en celdas que no se superpongan
unas con otras. Normalmente se usan figuras geomtricas sencillas, que constituyen el
mallado del dominio a estudiar.

A continuacin se aplican los balances de los flujos de las distintas variables en los
volmenes construidos a partir del mallado definido. En general stos no tienen porque
coincidir con las celdas del mallado, pudiendo ser conjuntos de celdas o encontrarse
desplazados con respecto a dichas celdas.

Para cada uno de los volmenes el balance de los flujos de una determinada variable
proporciona informacin sobre el valor medio de dicha variable en el interior del mismo.
Desde un punto de vista prctico, el mtodo consiste en ir sustituyendo las integrales de la
ecuacin general de conservacin por sumatorios sobre las caras del volumen, que indicarn la
forma de variacin de dicha variable para cada volumen elemental, llegndose a la expresin:

( )
n
1
Variable (Flujos
|
= +
Trminos fuente
t |
|

.
(80)

donde es el volumen de cada volumen, n es el nmero de las caras del volumen y los
trminos de flujo se evalan en la direccin normal de cada cara.

Los valores de las distintas variables en las caras (superficies o lados) de los distintos
volmenes no son conocidos y se requiere algn tipo de interpolacin numrica para su
clculo. La eleccin de los volmenes, as como la de las interpolaciones, dan lugar a una gran
variedad de mtodos (Hirsch, 1988; Degrez, 1994).


El mtodo de los volmenes finitos constituye el mtodo ms flexible, bajo el punto de
vista geomtrico, para la discretizacin de las ecuaciones de gobierno. A continuacin se
exponen los distintos pasos (Versteeg, 1995) que este tipo de mtodos emplea en la
discretizacin de las ecuaciones de gobierno para flujo incompresible no estacionario:

a) Discretizacin de los trminos difusivos en la ecuacin de la energa. Cuando se
presenta un problema en el que no existen trminos convectivos, debidos a la velocidad del
flujo, la resolucin de las ecuaciones es inmediata. Este paso es previo en la utilizacin de
este tipo de mtodos.

b) Discretizacin de los problemas con trminos convectivos y difusivos. El principal
problema para la aplicacin de este mtodo consiste en la definicin del valor de la variable
considerada en la frontera del volumen de clculo. Mientras que en el caso de los trminos
difusivos la influencia de las celdas prximas es idntica (sin direcciones predominantes), los
trminos convectivos se ven afectados por el flujo (mayor influencia de las celdas aguas
arriba que el de las situadas aguas abajo). El tipo de interpolacin usada condiciona la
estabilidad y convergencia del mtodo. Se utilizan mtodos centrados, mtodos que
consideran el predominio de las posiciones aguas arriba y mtodos de orden superior
(QUICK).

c) En el caso de los flujos incompresibles hay que aadir un algoritmo adicional para
poder obtener los campos de presin y velocidad. Este consiste en un proceso iterativo basado
en la solucin de los campos de presin y velocidad para un determinado instante, de forma
que se asegure la verificacin de la ecuacin de continuidad. Normalmente se usan algoritmos
del tipo SIMPLE (Patankar, 1980), MAC (Ikohagi, 1991) o PISO (recomendado para clculos
no estacionarios en mallados altamente distorsionados, Versteeg et al., 1995). Este esquema
se puede aplicar tambin a flujos compresibles.

d) Cuando el flujo considerado es no estacionario, se precisa una discretizacin
temporal y la solucin de las ecuaciones con una determinada precisin temporal
condicionar la validez de la solucin. Algunas tcnicas utilizadas en la prctica se comentan
en el apartado dedicado a las discretizaciones temporales.

Siguiendo los pasos descritos se llega a la definicin de un sistema de ecuaciones
lineales, cuya solucin definir los valores de las distintas variables consideradas.

Algunos ejemplos de aplicacin de este tipo de tcnicas pueden encontrarse en
Jameson (1981), Walker (1990) o Rosenfeld (1991). A continuacin se define mediante un
ejemplo lo que se entiende por discretizacin conservativa para pasar despus a exponer la
tcnica de volmenes finitos.

Las ventajas de este mtodo son:

- Aplicable a leyes de conservacin
- Admite dominios arbitrarios
- La discretizacin es conservativa

Existen dos formas de aplicar el mtodo, dependiendo de donde se definen las variables:
centrado en las celdas (cell centered) o centrado en los vrtices (cell vertex).


1) Centrado en las celdas. Las variables son representativas del elemento.

i) Se divide el dominio en volmenes finitos
i
con contornos

i
(figura 16).

Se deben cumplir las siguientes reglas bsicas:

- La unin de todos los elementos debe cubrir el dominio completo
- Cada contorno de cada volumen finito debe ser comn a dos volmenes
- Las incgnitas se definen en el centro del volumen finito

ii) Se discretiza la ley de conservacin integral para cada volumen.

u d F d Q d
t
i i i
+ =

(81)

i

Figura 16.- Dominio discretizado para la resolucin
segn la tcnica de volmenes finitos.

Discretizando:

i
i i
i
u
F Q

t
lados
+ =

(82)

El flujo a travs de un contorno debe ser calculado mediante una frmula independiente
del volumen a que pertenezca (figura 17):

AB AB AB
= ( , ) g
f F
(83)

2
g + g
= g ,
2
f
+
f
=
f
j i
AB
j i
AB
(84)


O tambin:

|
|
.
|
\
|
|
|
.
|
\
|
2
u
+
u
g = g ,
2
u
+
u
f =
f
j i
AB
j i
AB
(85)

Q y x = x ) g - g ( + y )
f
-
f
( +
t
u
y x
j i AD BC
CD AB
j i

(86)

Ejemplo: Mallado rectangular de la figura 18, donde = x y y F = f n
X
+ g n
Y
.

j
A
B

Figura 17.- Dominios adyacentes.

Figura 18.- Mallado bidimensional rectangular.

Como se cumple:

f
AB
= f
i + , j
f
CD
= f
i - , j

g
BC
= g
i, j +
g
AD
= g
i, j -
(87)
f
AB
= f
i + , j
f
CD
= f
i - , j

Dividiendo por x y:


1 1 1 1
i+ , j i- , j i, j+ i, j-
i, j
2 2 2 2
i, j
- g g
-
f f
u
+ + = Q
t x y

(88)

Es equivalente a una discretizacin en diferencias finitas de segundo orden. Si se elige
como frmula para calcular los flujos:

i, j i 1, j i, j i, j+1
1
1
i+ , j
i, j+
2
2
+ g g
+
f f
= , = g
f
2 2
+
(89)

se obtiene:

i, j i+1, j i-1, j i, j+1 i, j-1
i, j
- g g
-
u f f
+ + = Q
t 2 x 2 y

(90)

o0o

2) Centrado en los vrtices. Las variables se definen en los vrtices del elemento (ver figura 19).

Figura 19.- Dominio discretizado con la
tcnica de nodos centrados en las celdas.

i) Se define un mallado como en el caso anterior.
ii) Se definen los volmenes finitos; existen dos posibilidades:

a) Construir un mallado dual conectando los centros de los elementos originales
(volumen finito ABCDE alrededor del punto I).

b) Considerar el contorno alrededor de un punto como volumen finito (volumen
finito JKLMNOP alrededor del punto I). En este caso los volmenes finitos se
solapan pero cada contorno slo pertenece a dos volmenes finitos diferente.
Esto hace que los flujos correspondientes se anulen al realizar el balance global.

4.3.3.- Mtodo de los residuos.

Se basa en una representacin funcional de la solucin numrica. Hasta ahora, en los
otros dos mtodos vistos, se haca una representacin discreta de la solucin (conjunto de
puntos). Aqu, en cambio, la solucin se escribe como combinacin lineal de varias funciones
continuas denominadas base (v
i
), de forma que se cumplir: = ). x ( v u u
i i
Al tratarse de un
proceso numrico, la solucin no ser exacta sino que dar lugar a un residuo, cuya
minimizacin por medio de funciones peso caracterizar el mtodo (mtodo Galerkin, mtodo
de colocacin o mtodo Petrov-Galerkin). La definicin de la base de funciones sobre la que
se construye la solucin da lugar a dos tipos bsicos de mtodos: los de elementos finitos y de
los mtodos espectrales, que son descritos a continuacin.

- Residuos ponderados.

Se basa en una representacin funcional de la solucin numrica, tal y como se muestra
en la siguiente ecuacin:

u
*
= u
i
v
i
(x) (91)

esta funcin no satisface el problema diferencial D(u) = 0, sino que D(u*) = r* 0, donde r* es el
residuo. Se trata de minimizar el residuo.

- Mtodo de los mnimos cuadrados.

Se minimiza el cuadrado del residuo sobre el dominio, es decir:

2
(r*) d es minimo
(92)

Esta integral es funcin de n variables: los parmetros u
i
de la aproximacin numrica.
Por tanto, una condicin para que exista un mnimo es que las derivadas con respecto a u
i
sean
nulas, es decir:

i
r *
r* d = 0
u
(93)

Esta expresin representa una suma ponderada de los residuos sobre el dominio siendo
el coeficiente de ponderacin
i
i
u
* r
w
= .
Existen variantes del mtodo dependiendo de la eleccin de las funciones de ponderacin
w
i
y de las funciones base:

Supngase que se han elegido las funciones base. Entonces las posibilidades son cuatro:

1) Si se eligen como funciones de ponderacin a las funciones base: Mtodo de
Galerkin.
2) Si se eligen como funciones de ponderacin distribuciones de Dirac, es decir,
imponer que el residuo se anule en puntos concretos del dominio: mtodo de
colocacin.

3) Si se impone que el valor medio del residuo se anule en sub-dominios concretos,
utilizando pesos constantes sobre los sub-dominios: mtodo de los sub-dominios.
4) Si se elige otro tipo de funciones: mtodo de Petrov-Galerkin.

El mtodo a utilizar depende del problema a resolver. El mtodo de los mnimos
cuadrados da lugar a un problema algebraico simtrico. La funcin de ponderacin es compleja y
las funciones base son de orden alto.

El mtodo de Galerkin da buenos resultados si el problema diferencial es equivalente a
un problema de minimizacin. Si se trata de problemas convectivos, en cambio, presenta
problemas de estabilidad.

En cuanto a los mtodos de los sub-dominios y de Petrov-Galerkin, son simples y menos
exactos y requieren funciones de ponderacin de alto orden.

Respecto a las funciones base, cuantas ms existan, la solucin numrica se acercar ms
a la solucin exacta.

- Mtodo de elementos finitos.

Aplica a una representacin funcional los conceptos del mtodo de las diferencias
finitas. Los parmetros de la representacin son puntos que dividen el dominio en una serie de
elementos. Las funciones base se definen como interpolaciones polinmicas restringidas a los
elementos contiguos (normalmente tringulos o cuadrilteros en dos dimensiones). Las
interpolaciones pueden resultar en aproximaciones lineales, cuadrticas o de orden superior.
Normalmente, para las aplicaciones de Mecnica de Fluidos se recomienda que sean al menos
cuadrticas para poder aproximar las derivadas segundas con cierta precisin.

Un ejemplo de aplicacin del mtodo de elementos finitos se muestra en Combes
(1991).

Al igual que en el mtodo de diferencias finitas, los parmetros de la representacin
son valores puntuales asociados a los nodos de un mallado. En este caso, los puntos se sitan
en curvas que subdividen el dominio en zonas no superpuestas. Adems, a cada nodo se le
asociar una funcin de interpolacin polinmica entre elementos contiguos. As, se consigue
un sistema de ecuaciones algebraicas compactas que relacionan pocos valores puntuales. Los
diferentes pasos del mtodo son:

i) Cubrir el dominio con un conjunto de elementos no superpuestos, normalmente
tringulos o cuadrilteros (ver figura 20). En cada nodo definirn los valores discretos de
las funciones incgnitas; en cada elemento pueden definirse puntos o nodos tanto en el
interior o en los lados (ver figura 21).


Figura 20.- Dominio preparado para la utilizacin de elementos finitos.

i
i

Figura 21.- Nodos de partida para elementos bidimensionales y unidimensionales.

ii) El segundo paso es construir unas funciones N
i
(x) asociadas a cada nodo i: funciones
de interpolacin o funciones de forma. Con estas funciones se pretende reconstruir
una aproximacin continua de una funcin a partir de los valores discretos en los
nodos.

En funcin del nmero de nodos considerados para la construccin de estas funciones de
forma, stas funciones de interpolacin podrn tener diferente grado; as, para el caso
unidimensional, las ms utilizadas son las lineales (elementos con dos nodos en sus extremos), y
las cuadrticas (elementos con dos nodos en los extremos y uno en el interior).

El esquema general se resume en el siguiente esquema:

Dado Requerido

u
1
en x
1
,y
1
u (x) en un punto arbitrario que se aproxime a u(x)
. de forma que u (x
i
)=u
i

.
u
i
en x
i
,y
i

.
.
u
N
en x
N
,y
N


La funcin requerida se define u (x) = u
j
N
j
(x). Las funciones N
j
(x) se definen con las
siguientes restricciones:

1) Deben ser simples, para evitar una expresin compleja que implique muchos
puntos (ver figura 23).

As, en x
j
< x < x
j+1
u (x) = u
j
N
j
(x) + u
j+1
N
j+1
(x)

2) Se requiere que u (x
i
) = u
i
; por tanto u (x
i
) = u
j
N
j
(x
i
) = u
i
. Esto implica:

N
i
(x
i
) = 1
N
j
(x
i
) = 0 si i j, o sea N
i
(x
j
) =
ij

i
i
(x)
x

4
x

1 2 3 5

Figura 22.- Dominio unidimensional con las funciones en cada nodo.

3) Se requiere que una funcin constante sea reconstruida exactamente; esto
quiere decir que si u
j
= U
0
= cte j, se debe verificar u (x) = U
0
en todos los puntos. Esto
implica:

u (x) = u
j
N
j
(x) = U
0
N
j
(x) = U
0
, o sea, N
j
(x) = 1 x (94)

iii) El tercer paso es discretizar una formulacin integral de la ecuacin en derivadas
parciales.


Ejemplo: Considrese la ecuacin de Poisson en el dominio de la figura 23.

u = u*
D
g
n
u
=

Figura 23.- Dominio bidimensional para aplicacin del mtodo de los elementos finitos.

Donde la ecuacin a resolver es

u = q (95)

con las condiciones de contorno:

u = u* en
D
(96)
g
n
u
=
en
N
(97)

Una formulacin equivalente es la siguiente (aplicacin del teorema de Green):

w wqdV, = udV w

(98)

Integrando el primer miembro por partes:

w , d q w = d
n
u
w + d u w -

(99)

En el mtodo de Galerkin, las funciones w elegidas son las funciones de forma N
i
(x):

y); (x,
N
= y) w(x,
j i
siendo
i
coeficientes arbitrarios (100)

Sustituyendo:

0 - dV q N - d
n
u
N
+ d u
N
i
i
i i
i
i
i
=
)
`
(101)

Como esta expresin es vlida para todos los coeficientes
i
, se tendr:

0 = d q N - d
n
u
N
+ d u
N
-
i
i
i i
i

(102)

Se obtiene as una expresin para cada nodo. Ahora sustituyendo u a partir de las
funciones de forma:

N u
= u y
N u
= u
j j
j
j j
j

(103)

se obtiene:

0 = d q N - d
n
u
N
+ d
N N u
-
i
i
i i j
i
j
j

(104)

Si i no pertenece al contorno: N
i
= 0 a lo largo de G, y la integral de lnea ser nula.
Si i pertenece a G
N
:
d g N g; =
n
u
i
, que es fcilmente evaluable.
Si i pertenece a G
D
: u
i
es conocido.

En definitiva, se obtiene un sistema de ecuaciones en el que las incgnitas son los valores
u
j
, es decir:

=
j
j i j i j
F k u (105)

o0o

- Mtodos espectrales.

Se trata de mtodos basados en la descomposicin de una funcin en series de Fourier
(combinacin de funciones seno y coseno que, en realidad, se pueden considerar como una
base ortogonal de funciones). En particular las funciones senoidales slo son aplicables a
problemas con condiciones de contorno peridicas y normalmente se usan funciones
polinmicas del tipo de Chebyshev o Legendre.

Los mtodos espectrales han demostrado su eficiencia en problemas unidimensionales,
pero para problemas en dos o tres dimensiones su aplicacin resulta muy complicada. Por otra
parte, la gran precisin de los clculos permite reducir mucho el nmero de puntos de la
discretizacin y les hace apropiados en el tratamiento de fenmenos como la turbulencia. As,
estos mtodos son los usados en los mtodos de simulacin directa de las ecuaciones de
Navier-Stokes (Peyret et al., 1983).

4.3.4.- Comparacin entre las tcnicas de discretizacin.

Algunos aspectos relacionados con los mtodos numricos que pueden aparecer de
forma comn en las tres tcnicas son:

- Obtencin de un sistema de ecuaciones algebraicas para los valores de las variables
en un nmero finito de puntos del dominio.
- Las condiciones iniciales para comenzar el clculo de la solucin.
- Las condiciones de contorno del problema.
- La forma explcita o implcita de las ecuaciones.

Las diferencias bsicas entre las diferentes tcnicas son:

- Las diferencias finitas y los volmenes finitos producen ecuaciones numricas referidas
a un punto pero dependientes de los valores de los puntos vecinos. Los elementos finitos
producen ecuaciones para cada punto independientes entre s, y solamente cuando se combinan
los valores de los puntos interactan entre ellos.

- Los elementos finitos toman la derivada de las condiciones de contorno cuando las
ecuaciones se forman aplicando los valores fijos de las variables a las matrices globales. Los
otros dos mtodos aplican fcilmente los valores fijos de las condiciones de contorno
modificando las ecuaciones si se quiere introducir alguna derivada de una condicin de contorno.

- En el mtodo de diferencias finitas se debe usar siempre un mallado regular y uniforme
(gran inconveniente) aunque la cantidad de datos a almacenar relacionados con la conectividad
del mallado es muy pequea (gran ventaja). Estas dos caractersticas implican unos programas de
resolucin muy simples y rpidos.

- En el mtodo de los residuos, los elementos pueden no estar uniformemente
distribuidos pero se necesita almacenar ms datos siendo bueno para casos en los que
intervengan geometras complicadas, aunque tiene el inconveniente de que los programas son
lentos y muy complejos. Una ventaja de estos mtodos es que fueron orientados hacia las
tcnicas CFD y por lo tanto tiene una programacin muy estructurada.

- Para el caso de geometras complejas, que adems incluyan distintas partes con
movimiento relativo unas respecto a otras, como es el caso de turbomquinas radiales, el
mtodo de volmenes finitos es prcticamente la nica posibilidad con valor prctico, debido
a la gran dificultad para solucionar el flujo en geometras alejadas de cualquier divisin
cartesiana por parte de los mtodos de diferencias finitas y dada la gran complejidad en la
programacin de los mtodos de los residuos.

4.4.- Discretizacin temporal.

En los casos anteriores las aproximaciones se han realizado en los trminos espaciales,
pero no se ha mencionado el tratamiento posible de los trminos temporales. En este punto
conviene distinguir entre modelos estacionarios y modelos no estacionarios. En los modelos
estacionarios, las derivadas temporales slo se necesitan en resoluciones transitorias siendo
nulas al llegar al rgimen estacionario. Algunos mtodos han incluido el trmino transitorio

para resolver las ecuaciones de un flujo estacionario comprobando que se ha llegado a la
convergencia numrica cuando este trmino se vuelve nulo. Por su parte, en los mtodos no
estacionarios se debe resolver de forma exacta el sistema de ecuaciones para cada paso
temporal.

Para cada instante temporal, una vez discretizadas las ecuaciones de gobierno, el
problema se reduce a un sistema de ecuaciones algebraicas que se puede resolver mediante
una gran variedad de mtodos. Una forma general de las ecuaciones, para una variable U
genrica, es la siguiente:

( ) , ,U U , ,U ,U ,U f U
n
2 i
n
1 i
n
i
n
1 i
n
2 i
1 n
i + +
+
= (106)

donde el superndice n indica la iteracin o coordenada espacial. En forma matricial el
conjunto completo de los puntos del mallado ser:

n 1 n
AU U =
+
(107)

donde A es la matriz de los coeficientes derivados de la discretizacin. Los mtodos de
resolucin dependen de las caractersticas de la matriz A. En particular, tal y como se ha
mencionado, se distinguen dos tipos de algoritmos: los explcitos y los implcitos. En los
primeros, la matriz A depende nicamente de los valores de las variables en el instante n,
mientras que en los implcitos, la matriz A depende de las variables en los instantes n y
n+1. Los mtodos implcitos son ms estables que los explcitos aunque el coste numrico en
la resolucin del sistema de ecuaciones es tambin mayor.

A menudo es necesario introducir un factor de relajacin dentro del procedimiento de
iteracin resolviendo, en este caso, la ecuacin para un valor intermedio
1 n
i
U
~
+
(que se puede
calcular como extrapolacin lineal de los dos ltimos valores temporales ya calculados), y
luego relajando mediante el valor anterior
n
i
U con un factor , donde 0 < < 1, para obtener
el nuevo valor:

( )
n
i
1 n
i
1 n
i
U 1 U
~
U + =
+ +
(108)

Como ejemplo de discretizacin unidimensional, se puede aplicar este mtodo a una
ecuacin sencilla como es la ecuacin de difusin no estacionaria, que consta de una derivada
temporal de primer orden y de una derivada espacial de segundo orden:

2
2
x
U
t
U
(109)

Sea un dominio espacial uniforme con puntos separados una longitud constante x.
Una vez se haya definido el mallado, se discretiza la ecuacin:

2
n
1 i
n
i
n
1 i
n
i
1 n
i
x
U U 2 U
t
U U
+
=
+
+
(110)

Usando un factor de relajacin , se llega a la expresin:

( )
|
|
.
|
\
|
+
+
|
|
.
|
\
|
+
=
+
+
+
+ +
+
2
n
1 i
n
i
n
1 i
2
1 n
1 i
1 n
i
1 n
1 i
n
i
1 n
i
x
U U 2 U
1
x
U
~
U
~
2 U
~
t
U U
(111)

En esta nueva ecuacin se observa que hay una relacin entre la velocidad en la
iteracin n+1 y la velocidad en la iteracin n, pudiendo cambiar los nodos que deben ser
consultados, lo que da lugar a dos tipos de esquemas:

i
i-1 i+1
n n +1 n

n +1 n +1 n +1
i
i-1 i+1

Figura 24.- Diferencias entre esquemas explcitos (izquierda) e implcitos (derecha).

i) En el esquema explcito (figura 24) se deben resolver todas las ecuaciones para
conocer todas las variables. Las ecuaciones explcitas necesitan pasos
temporales muy pequeos de tiempo t . En este caso se ha de verificar la
relacin 2 / 1 x / t
2
para asegurar la estabilidad.
ii) En cambio, las ecuaciones implcitas no tienen este problema si se toma como
factor de relajacin 1/2 (conocido como esquema de Crank-Nicholson, ver
apartado siguiente).

Una clasificacin ms detallada de las distintas posibilidades puede verse en Hirsch
(1988, volumen I).

4.5.- Tipos de aproximacin numrica utilizadas en la prctica.

Aunque hasta ahora ya se han mencionado distintas discretizaciones y ms adelante en
los ejemplos prcticos se profundizar en algunas otras, conviene presentar aqu las
aproximaciones numricas que se utilizan en la prctica con el fin de permitir una visin
global de las mismas.

Se parte de una ecuacin diferencial con una nica variable dependiente (la extensin
a dos o tres dimensiones es inmediata) en la forma:

( )
d d d
u =
d x d x d x
| |
|
\ .
(112)

donde es una funcin dada y un parmetro conocido.
Si ahora se llama F al producto

u y D al cociente
x
, se tienen las siguientes

opciones para un mallado unidimensional, similar al mostrado en la figura 25:


x
i
i-1
i+1

Figura 25.- Mallado unidimensional para discretizar la ecuacin 129.

Discretizacin central.

Si se utiliza una discretizacin central, se llega a una frmula del tipo:

( ) ( )
i i 1 i 1 i
i 1 i 1 i 1 i 1 i i 1 i i 1
F F D D
2 2
+
+ + +
+ + | | | |
= +
| |
\ . \ .
(113)

Discretizacin aguas arriba (upwind).

Para este tipo de discretizacin, se utiliza una frmula del tipo:

( ) ( )
i 1 i i 1 i 1 i 1 i 1 i i 1 i i 1
F F D D
+ + +
= + (114)

cuando u
W
> 0 y u
E
> 0, mientras que adopta la forma:

( ) ( )
i 1 i 1 i 1 i i 1 i 1 i i 1 i i 1
F F D D
+ + + +
= + (115)

cuando u
W
< 0 y u
E
< 0.

El mayor problema de esta discretizacin es el de su precisin cuando existan
importantes componentes de la velocidad en una direccin que no coincida con las lneas del
mallado. El esquema aguas arriba produce entonces un masajeado artificial de las variaciones
de las variables. El error resultante presenta la apariencia de una difusin y, por tanto,
normalmente se le conoce como falsa difusin.

Discretizacin hbrida.

Se trata de una discretizacin que intenta solventar el problema de la discretizacin aguas
arriba utilizando sta cuando el cociente
F
D
es mayor de 2 y una discretizacin central si
F
D
< 2.


Discretizacin segn una ley polinmica.

Desarrollada por Patankar en 1980. Constituye una metodologa ms precisa que la
hbrida. No se crea falsa difusin si el cociente
F
D
es superior a 10. En realidad sus propiedades
son muy similares a las del algoritmo hbrido.

Discretizacin QUICK.

Se trata de una discretizacin de segundo orden que emplea una interpolacin
cuadrtica de tres puntos aguas arriba y ponderada para los valores de las funciones en las
caras de cada celda. En particular, la frmula utilizada es:

i i 1 i i 2
6 3 1
8 8 8

= + (116)

Tiene precisin de tercer orden para mallados uniformes y se trata de un algoritmo
estable solo condicionalmente. Es decir, pueden aparecer problemas de pequeas oscilaciones
en la evolucin de la solucin.

En cuanto a las tcnicas para la evolucin en el tiempo, es decir, tcnicas explcitas o
implcitas (a veces aparece tambin el trmino pseudo-implcitas para describir una situacin
intermedia), se puede hablar tambin distintos mtodos generales. Para una ecuacin
diferencial genrica donde la nica variable sea la evolucin temporal (variable t), es decir,
del tipo:

) t , U ( H Q U S
t d
U d
= + = (117)

donde S, Q y, por tanto, H son funciones conocidas y U es la variable dependiente. Las
discretizaciones o mtodos ms utilizados son los siguientes: diferenciacin hacia atrs, Euler
hacia atrs, trapezoidal de un paso y Euler explcito.

De una forma genrica, las discretizaciones temporales se pueden expresar en funcin de
tres coeficientes base , y para un instante n conocido, segn la expresin:

( ) ( ) ( ) | |
1 n 2 n n 1 n 2 n
H 1 H t U U 2 1 U 1
+ + + +
+ = + + + (118)

Si se desea tener precisin de segundo orden en este tipo de discretizaciones, se debe
cumplir la relacin especfica:

2
1
+ = (119)

A continuacin se plantean las discretizaciones utilizadas segn los distintos mtodos
mencionados.

Mtodo hacia atrs (backward).

Utiliza los valores = 1/2, = 1 y = 0. Es decir, se cumple la ecuacin 119. Su
esquema general es, por lo tanto:

| |
2 n n 1 n 2 n
H t U
2
1
U 2 U
2
3
+ + +
= + (120)

Mtodo Euler hacia atrs (backward Euler).

En este caso, = 0, = 1 y = 0. Es decir, no se cumple la ecuacin 119. Su esquema
general resulta con precisin de primer orden y es:

( ) | |
2 n 1 n 2 n
H t U U
+ + +
= (121)

Mtodo trapezoidal de un solo paso (tambin llamado de Crank-Nicolson).

En este caso, = 0, = 1/2 y = 0. Es decir, se cumple la ecuacin 119 y es un esquema
con precisin de segundo orden. Su esquema general es:

( ) | |
n 1 n n 1 n
H H
2
t
U U +
=
+ +
(122)

Mtodo Euler explcito.

En este caso, = 0, = 0 y = 0. Es decir, no se cumple la ecuacin 119. Su esquema
general resulta con precisin de primer orden y es:

( ) | |
n n 1 n
H t U U =
+
(123)

Ejemplo.

Si se parte de la ecuacin parablica de difusin en dos dimensiones, es decir:

|
|
.
|
\
|
2
2
2
2
y
u
x
u
t
u
(124)

Si se discretiza en un mallado regular con x = y y utilizando un mtodo centrado de
segundo orden, para el trmino espacial, se llega a:

( )
i, j
i 1, j i, j 1 i 1, j i, j 1 i, j 2
u
u u u u 4u
t x
+ +

= + + +

(125)


Ahora si se considera el mtodo Euler hacia atrs para la discretizacin de la derivada
temporal, se obtiene:

( )
n 1 n n 1 n 1 n 1 n 1 n 1
i, j i, j i 1, j i, j 1 i 1, j i, j 1 i, j 2
t
u u u u u u 4u
x
+ + + + + +
+ +

= + + + +
(126)

Es decir, aparece un sistema penta-diagonal de ecuaciones lineales para cada nodo. Si
fuera en coordenadas generalizadas (no ortogonales) sera un sistema con ms de 5 elementos
en la diagonal.

o0o

En realidad, si se aplica cualquiera de los mtodos de evolucin temporal y se
distingue entre las direcciones x e y (y si existe z) aparece un sistema tri-diagonal en
cada una de las direcciones, que se debe resolver por alguno de los mtodos siguientes:

Mtodos predictor-corrector.
Linealizacin local.
Mtodos implcitos (ADI).
Mtodos Runge-Kutta.

4.6.- Resolucin numrica de problemas sencillos.

En este apartado se describen varias soluciones unidimensionales y bidimensionales de
clculos realizados en problemas tipo, tales como la transmisin de calor en barras o el flujo
en conductos.

4.6.1.- Transferencia de calor en una barra alargada.

Sea un problema de transferencia de calor, en el que se requiere hallar la distribucin
de temperatura en una barra de seccin transversal rectangular y longitud mucho mayor que
cualquier dimensin transversal, en la que se conocen las temperaturas en los dos extremos.
El problema es unidimensional y la ecuacin a resolver mediante el mtodo de las diferencias
finitas es:

0
x
T
2
2
=
(127)

Para resolver el problema, la ecuacin debe ser complementada con un conjunto de
condiciones de contorno. Supngase que se conoce una solucin y que se introduce una
perturbacin en un punto determinado (p.e. un foco de calor). Parece evidente que esa
perturbacin va a ser percibida en todos los dems puntos de la barra. Por tanto, las
temperaturas en todos los puntos del dominio estn relacionados entre s y con las condiciones
de contorno. Habr que especificar la temperatura (o el flujo de calor) en todos los puntos del
contorno para determinar la solucin. Se trata de un problema de contorno. El ejemplo que
se resolver se muestra en la figura 26.

Figura 26.- Geometra de la barra unidimensional (21L >> L).

Se lleva a cabo una discretizacin espacial considerando la barra como slido
unidimensional (tal y como se muestra en la figura 27).

Figura 27.- Discretizacin para el problema unidireccional de transmisin de calor.

Se toma como ejemplo prctico un caso con x = 5 m y barra de aluminio
(conductividad trmica k = 202.4 W/(mK)). Para el nodo i-simo se tendr, utilizando una
diferencia centrada para discretizar la ecuacin:

i+1 i i-1
T 2T + T
= 0
2 x
(128)

Ecuacin que puede ser expresada en forma matricial:

|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
=
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|

21
20
3
2
1
21
20
3
2
1
21 20
2 1
b
b
b
b
b
T
T
T
T
T
a a 0
1 2 1 0
0 1 2 1
0
0
0
0
0
... 0
1 2 1 0
0 1 2 1
0 0 a a
(129)

donde b
2
= b
3
= b
4
= ... = b
20
= 0 y los valores de a
1,
a
2
, a
20,
a
21
, b
1
y b
21
se deducen de las
condiciones de contorno (temperaturas en los extremos de la barra).

Para los dos extremos se puede tomar una aproximacin lineal o de segundo orden no
centrada (similar a la de la ecuacin 128). Si se toma la aproximacin lineal, se tiene (ver
figura 28):

2 1 1 A
T T T T
k k
x x / 2
| | | |
=
| |

\ . \ .
(130)

Figura 28.- Detalle de la discretizacin en la zona inicial de la barra.

de donde se deduce:

0 T T 3 T 2
2 1 A
= + (131)

De forma paralela, se tendr:

0 T T 3 T 2
20 21 B
= + (132)

Por lo que el sistema de ecuaciones completo ser:

|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
=
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|

B
A
21
20
3
2
1
T 2
0
0
0
0
T 2
T
T
T
T
T
3 1 0
1 2 1 0
0 1 2 1
0
0
0
0
0
... 0
1 2 1 0
0 1 2 1
0 0 1 3
(133)

Conocidas las temperaturas en los extremos de la barra, se puede resolver el sistema
de ecuaciones lineales descrito. En este caso, se obtiene una distribucin lineal de temperatura

entre A y B (independiente del material). Sean, por ejemplo, T
A
= 300 K y T
B
= 400 K, se
obtiene:

|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
=
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
24 . 395
48 . 390
90 . 311
14 . 307
38 . 302
T
T
T
T
T
21
20
3
2
1
(134)

Esta distribucin se representa grficamente en la figura 29.

300
350
400
450
500
0 20 40 60 80 100 120
x [m]
T [K]

Figura 29.- Distribucin de temperatura para la conduccin unidimensional.

Si ahora, en vez de conocer T
A
y la temperatura en los dos extremos, se conoce una
temperatura y un flujo de calor, q
B
por ejemplo, la ecuacin a resolver es la siguiente:
B
2
2
q
x
T
k =
. Dicha ecuacin discretizada en el extremo B da lugar a:

B 21
B
T T
k q
x / 2
| |
=
|
\ .
(135)

es decir:

x
k
q
T T
B
21 B
= (136)


que introducindolo en la expresin de la ecuacin para el ltimo punto, da lugar al trmino:

B 21
B
21 B 21 20
q 00494 . 0 T 2 x
k
q
T 2 T 2 T 3 T =
|
.
|
\
|
= = + (137)

Si q
B
= 250 W/m
2
, se tendr:

23 . 1 T T
21 20
= + (138)

Ahora se puede plantear de nuevo el sistema completo

1
2
3
20
21
T 600
3 1 0 0
T 0
1 2 1 0
T 0
0 1 2 1 0
0 ... 0
0 0
0 1 2 1 0
0
0 1 2 1
T 0
0 1 1
1.23 T
| | | |
| |
| |
|
| |
|
| |
|
| |
|
| |
|
| |
=
|
| |
|
| |

|
| |
|
| |

|
| |
|
\ . | | | |

\ . \ .
(139)

que resuelto proporciona la solucin mostrada en la figura 30. Se obtiene de nuevo una
solucin lineal, pero con un mayor gradiente de temperaturas (T
B
= 430 K).

300
350
400
450
500
0 20 40 60 80 100 120
x [m]
T [K]

Figura 30.- Distribucin de temperatura para barra unidimensional
con flujo de calor en uno de sus extremos.

Si existieran fuentes puntuales de calor, se pueden repetir los dos casos anteriores
(temperatura en los dos extremo o temperatura en un extremo y condicin de flujo de calor en
el otro). La ecuacin diferencial, para este nuevo problema, sera:

T
k S 0
x x
(
+ =
(

(140)

expresin en la que los coeficientes S seran los posibles valores de fuentes puntuales
(trminos independientes de las matrices).

En concreto, se introduce una fuente puntual de calor en el nodo 11. Las ecuaciones
para ambos casos no cambiaran y nicamente habra que introducir un valor distinto de 0 en
el trmino independiente de la ecuacin correspondiente al tramo nmero 11. Por ejemplo,
para el caso de conocer las temperaturas en los dos extremos, se tendr:

|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
=
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|

B
11
A
21
20
3
2
1
T 2
0
0
b
0
0
T 2
T
T
T
T
T
3 1 0
1 2 1 0
0 1 2 1
0
0
0
0
0
... 0
1 2 1 0
0 1 2 1
0 0 1 3
(141)

Si se particulariza para una fuente calorfica de valor S = 150 W/m
3
, el trmino
independiente de la ecuacin ser:

( ) ( )
2
11
x 5 m
b = S x = 750 W/m = 18.53 K
k 202.4 W/(mK)
(142)

con lo que el sistema a resolver es:

1 A
2
3
20
B 21
T 2T
3 -1 0 0
T 0
-1 2 1 0
T 0
0 -1 2 1 0
0 ... 0
= 18.53
0 0
0 -1 2 -1 0
0
0 -1 2 -1
T 0
0 -1 3
2T T
| | | |
| |
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
\ . | |
| |
\ . \ .
(143)

Resolviendo para T
A
= 300 K y T
B
= 400 K, se obtiene la grfica de evolucin de la
temperatura de la figura 31.


Y
120 100 80 60 40 20 0
4.60e+02
4.40e+02
4.20e+02
4.00e+02
3.80e+02
3.60e+02
3.40e+02
3.20e+02
3.00e+02
T [K]
x [m]

Figura 31.- Evolucin de la temperatura en una barra con fuente de calor puntual.

Esta distribucin se puede mostrar tambin en forma de campo de temperatura a lo
largo de la barra (figura 32), en la que se representa por medio de escala graduada la
temperatura en la barra (escala de 300 K a 450 K).

4.50e+02
4.35e+02
4.20e+02
4.05e+02
3.90e+02
3.75e+02
3.60e+02
3.45e+02
3.30e+02
3.15e+02
3.00e+02
Z
Y
X

Figura 32.- Campo de temperaturas en una barra unidimensional con fuente puntual de calor.

De forma totalmente paralela, el sistema para el caso de tener un flujo calorfico de
150 W/m
2
en el extremo B, resulta ser:


|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
=
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|

23 . 1
0
0
53 . 18
0
0
T 2
T
T
T
T
T
1 1 0
1 2 1 0
0 1 2 1
0
0
0
0
0
... 0
1 2 1 0
0 1 2 1
0 0 1 3 A
21
20
3
2
1
(144)

que para T
A
= 300 K, da lugar a la distribucin de temperaturas mostrada en la figura 33,
ahora con la escala de 300 K a 650 K.

6.50e+02
6.15e+02
5.80e+02
5.45e+02
5.10e+02
4.75e+02
4.40e+02
4.05e+02
3.70e+02
3.35e+02
3.00e+02
Z
Y
X

Figura 33.- Distribucin de temperatura con flujo de calor en un extremo.

Si existieran fuentes de calor no puntuales, no ocurrira como el caso anterior en el que
slo se altera la linealidad en un solo punto. Al introducir fuentes en ms de un punto, la
distribucin de temperaturas deja de ser lineal.

Para los dos casos estudiados, se tendrn ecuaciones distintas. Si, por ejemplo, se
introducen fuentes puntuales en las 10 primeras celdas, se cambiaran esos diez primeros
coeficientes del trmino independiente (b
1
a b
10
). De stos, es distinto el correspondiente al
primer trmino, que se calcula segn la figura 28, siguiendo la expresin:

A 1 1 2
1
T T T T
k k q x 0
x / 2 x
| | | |
+ =
| |

\ . \ .
(145)

es decir:


( ) ( ) 0 x q T T
x
k
T 2 T 2
x
k
1 2 1 1 A
= +
(146)

O, lo que es lo mismo:

1 2 1 1 2 1 1
b T
x
k
T
x
k
2 x q T
x
k
T
x
k
2 T
x
k
3 +
= +
(147)

Para el resto, se tiene, si se toma S
1
= S
2
=... = S
10
= 150 W/m
3
:

( ) ( )
2
1 2 3 10
x 5 m
b = b = b = ... = b = S x = 750 W/m = 18.53 K
k 202.4 W/(mK)
(148)

En el caso de que las temperaturas sean T
A
= 300 K y T
B
= 400 K, se obtiene el
siguiente sistema de ecuaciones, cuya solucin se muestra grficamente en la figura 34:

|
|
|
|
|
|
|
|
|
|
|
.
|
\
| +
=
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|

B
A
21
20
3
2
1
T 2
0
...
0
53 . 18
...
53 . 18
53 . 18
53 . 18 T 2
T
T
T
T
T
3 1 0
1 2 1 0
0 1 2 1
0
0
0
0
0
... 0
1 2 1 0
0 1 2 1
0 0 1 3
(149)

Y
120 100 80 60 40 20 0
9.00e+02
8.00e+02
7.00e+02
6.00e+02
5.00e+02
4.00e+02
3.00e+02
x [m]
T [K]

Figura 34.- Evolucin de la temperatura en una barra con fuente de calor puntual.

Esta distribucin se puede mostrar tambin en forma de campo de temperatura a lo
largo de la barra (figura 35), en la que se representa por medio de escala graduada la
temperatura en la barra (escala de 300 K a 900 K).

9.00e+02
8.40e+02
7.80e+02
7.20e+02
6.60e+02
6.00e+02
5.40e+02
4.80e+02
4.20e+02
3.60e+02
3.00e+02
Z
Y
X

Figura 35.- Campo de temperatura en una barra unidimensional
con fuentes no puntuales de calor.

En el caso que la temperatura sea T
A
= 300 K y el flujo de calor en B de 250 W/m
2
, el
sistema a resolver es:

|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
+
=
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|

23 . 1
0
...
0
53 . 18
...
53 . 18
53 . 18
53 . 18 T 2
T
T
T
T
T
1 1 0
1 2 1 0
0 1 2 1
0
0
0
0
0
... 0
1 2 1 0
0 1 2 1
0 0 1 3 A
21
20
3
2
1
(150)

La solucin se muestra en forma de campo de temperatura a lo largo de la barra (figura
36), en la que se representa por medio de escala graduada la temperatura en la barra (en este
caso, escala de 300 K a 1300 K).

Al igual que en ejemplos anteriores, tambin se puede representar en grfica
unidimensional (figura 37).

1.30e+03
1.20e+03
1.10e+03
1.00e+03
9.00e+02
8.00e+02
7.00e+02
6.00e+02
5.00e+02
4.00e+02
3.00e+02
Z
Y
X

Figura 36.- Campo de temperatura en una barra unidimensional
con fuentes no puntuales de calor y flujo calorfico en un extremo.

Y
120 100 80 60 40 20 0
1.30e+03
1.20e+03
1.10e+03
1.00e+03
9.00e+02
8.00e+02
7.00e+02
6.00e+02
5.00e+02
4.00e+02
3.00e+02
T [K]
x [m]

Figura 37.- Evolucin de la temperatura en una barra unidimensional
con fuentes no puntuales de calor y flujo calorfico en un extremo.

4.6.2.- Transferencia de calor en una placa plana bidimensional.

En este caso, la ecuacin a resolver es la de conduccin de calor bidimensional en una
placa plana, es decir:

0
y
T
x
T
2
2
2
2
=
(151)

sobre la geometra de la figura 38 (se ha tomado una geometra rectangular con la base el
doble de la altura).

Figura 38.- Placa plana rectangular con relacin de lados 0.5.

Para el caso ms elemental (sin fuentes de calor puntuales), haciendo un balance de los
flujos que intervienen, se llega a:

( ) ( )
i, j i 1, j i 1, j i, j
i 1, j i 1, j i 1, j i 1, j
i, j i 1, j i 1, j i, j
T T T T
k k
x x x x
+
+ +
+
(

( +

(

( ) ( )
i, j i, j 1 i, j 1 i, j
i, j 1 i, j 1 i, j 1 i, j 1
i, j i, j 1 i, j 1 i, j
T T T T
k k 0
y y y y
+
+ +
+
(

( + =

(

(152)

donde los puntos (i-1, j), (i, j+1), (i, j-1) y (i+1, j) son los correspondientes a la nomenclatura
de la figura 39.

Figura 39.- Celda unitaria para la discretizacin bidimensional de un dominio.

Si k es constante y se toma un mallado uniforme, es decir:
i-1, j
=
i+1, j
=
i, j-1
=
i, j+1

= x = y = , se obtiene:

i, j i 1, j i 1, j i, j 1 i, j 1
k 4T T T T T 0
+ +
( =

(153)

de donde:

i, j i 1, j i 1, j i, j 1 i, j 1
4 T T T T T
+ +
( = + + +

(154)

Frmula que generalizada para cualquier punto i, j, proporciona la expresin:

| |
1 j i 1 j i j 1 i j 1 i j i
T T T T
4
1
T
+ +
+ + + = (155)

Como condicin de contorno, se impondr la temperatura en los laterales de la placa
plana. En particular se supondr que la temperatura es uniforme en todo el contorno excepto
en una zona central situada en la base de la placa, tal y como se muestra en la figura 40.

Figura 40.- Condicin de contorno para el problema de la conduccin en una placa plana.

En concreto, se resuelve el problema para obtener la distribucin de temperaturas en
una placa de (63 m
2
, es decir, L = 3 m) y considerando una discretizacin de 2412 celdas.
Se impone una zona central formada por 8 celdas (2 m) en la base con una mayor temperatura
que el resto. Las condiciones de contorno elegidas son:


16 ... 8 i para K 800 T
24 ... 17 i e 7 ... 0 i para K 300 T
j K 300 T
i K 300 T
j K 300 T
0 i
0 i
j 24
12 i
j 0
= =
= = =
=
=
=
(156)

Se ha resuelto el problema por dos procedimientos distintos: resolucin directa del
sistema de ecuaciones lineales y utilizando un cdigo numrico comercial. Las dos soluciones
obtenidas para este problema se muestra en las figuras 41 y 42 para distintas posiciones i.

En la figura 41 se muestra la solucin directa del sistema lineal de ecuaciones.

300
350
400
450
500
550
600
650
700
750
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
y=2.75
y=2.5 m
Y=2.25 m
Y=2 m
y=1.75 m
y=1.5 m
y=1.25 m
y=1 m
y=0.75 m
y=0.5 m
y=0.25 m

Figura 41.- Conduccin de calor en una placa plana. Distribucin de temperaturas.

En la figura 42 se muestra la solucin obtenida mediante un cdigo numrico
comercial. Adems, con este cdigo se puede obtener una distribucin bidimensional del
campo de temperaturas en la placa. Para las condiciones de contorno de la ecuacin 156, se
obtiene el resultado mostrado en la figura 43.

T [K]
Posiciones i

Figura 42.- Conduccin de calor en una placa plana. Distribucin de temperaturas.

Figura 43.- Campo de temperaturas en el problema de conduccin en placa plana.

Para la solucin obtenida mediante el cdigo numrico se obtiene (comparar figuras
41 y 42) una distribucin con un mayor gradiente de temperaturas en la zona de calentamiento
en la base, debido a que en este caso en la discretizacin espacial se han utilizado ms celdas.

Una segunda condicin de contorno probada es la de imponer un flujo de calor en las
paredes verticales y en la pared superior. En concreto se elige la condicin de flujo nulo, que
equivale a un aislamiento externo adiabtico.

Para esta nueva condicin, una vez discretizado y considerando la ecuacin que
resultara para la pared derecha (lado i-1 en la figura 39), se obtiene:

i 1, j i, j 1
i, j
T T
2
T
3 2 2

(
= +
(

(157)
T [K]
x [m]

Impuesta esta nueva relacin en el sistema a resolver, se llega a la distribucin de
temperaturas mostrada en la figura 44.

300
350
400
450
500
550
600
650
700
750
800
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
y=2.75
y=2.5 m
Y=2.25 m
Y=2 m
y=1.75 m
y=1.5 m
y=1.25 m
y=1 m
y=0.75 m
y=0.5 m
y=0.25 m

Figura 44.- Conduccin de calor en una placa plana con
flujo neto nulo en tres paredes. Distribucin de temperaturas.

Los resultados que se obtienen con el cdigo numrico se muestran (ver figura 45) en
forma similares distribuciones a las mostradas en la figura 44 y en forma de campo de
temperaturas en la figura 46.

Figura 45.- Conduccin de calor en una placa plana con flujo neto nulo en las paredes.
Distribucin de temperaturas obtenida utilizando el cdigo numrico.

T [K]
Posiciones i
T [K]
x [m]

Figura 46.- Campo de temperaturas en una placa plana
con condiciones de flujo nulo en tres caras.

La solucin a partir del sistema de ecuaciones se ha implementado en una hoja de
clculo en forma de algoritmo que resuelve el caso de la transmisin de calor en una placa
bidimensional tanto imponiendo condiciones de temperatura, como imponiendo condiciones
de flujo de calor. En la figura 47 se muestra la salida que proporciona dicho algoritmo en el
ltimo caso.

12 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300
11 300 302 304 306 309 311 313 315 317 319 321 322 322 322 321 319 317 315 313 311 309 306 304 302 300
10 300 304 308 312 317 322 326 331 335 339 342 344 344 344 342 339 335 331 326 322 317 312 308 304 300
9 300 306 312 318 325 332 340 347 354 360 364 367 368 367 364 360 354 347 340 332 325 318 312 306 300
8 300 308 316 324 333 343 353 363 373 381 388 392 393 392 388 381 373 363 353 343 333 324 316 308 300
7 300 309 319 329 341 353 366 380 394 405 414 420 422 420 414 405 394 380 366 353 341 329 319 309 300
6 300 310 321 333 347 362 379 398 416 432 444 451 454 451 444 432 416 398 379 362 347 333 321 310 300
5 300 311 322 336 351 370 391 415 440 462 478 488 491 488 478 462 440 415 391 370 351 336 322 311 300
4 300 311 322 336 352 374 401 433 467 497 519 531 535 531 519 497 467 433 401 374 352 336 322 311 300
3 300 309 320 333 349 372 405 448 499 541 568 583 588 583 568 541 499 448 405 372 349 333 320 309 300
2 300 307 315 325 340 362 397 455 542 598 629 645 650 645 629 598 542 455 397 362 340 325 315 307 300
1 300 304 308 314 323 338 367 434 614 680 707 718 722 718 707 680 614 434 367 338 323 314 308 304 300
0 300 300 300 300 300 300 300 300 800 800 800 800 800 800 800 800 800 300 300 300 300 300 300 300 300
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Figura 47.- Solucin del sistema de ecuaciones en una discretizacin 2311.


4.6.3.- Flujo entre placas planas.

Se trata aqu de resolver el problema del flujo de un fluido entre dos placas planas,
siendo la separacin entre ambas mucho menor que la longitud de los lados de dichas placas
(figura 48).

y
x
h
L

Figura 48.- Geometra para el problema del flujo entre placas planas paralelas.

Se parte de las ecuaciones de Navier-Stokes (ecuacin 2) y se introducen las siguientes
hiptesis simplificativas:

i) Flujo incompresible: 0 u =

.

ii) Flujo estacionario, variaciones temporales nulas.

iii) Movimiento bidimensional (separacin entre placas mucho menor que longitud de
las mismas, h << L):

2 n
2 n
... 0
x x x

= = = =

(158)

iv) Flujo unidireccional:

i u k w j v i u u

= + + = (159)

v) Fuerzas volumtricas nulas, a excepcin de la gravedad que se supone que acta en la
direccin y negativa.

vi) Flujo laminar.

Con lo que se llega a:

g
y
p
y
u
x
p
2
2
=
(160)

Si adems el efecto de la gravedad es despreciable, se llega a:


2
2
y
u
x
p
(161)

A) Si no existe gradiente de presin, se tiene un movimiento denominado flujo de
Couette, en el que la placa superior se mueve con velocidad U y para el que se obtiene:

0
y
u
2
2
=
(162)

Es decir:

2 1
c y c ) y ( u + = (163)

que con las condiciones de contorno:

U ) y ( u h y
0 ) y ( u 0 y
= =
= =
(164)

Conduce a la ecuacin de un perfil lineal de velocidades (figura 49):

y
h
U
) y ( u = (165)

y
x
h
L
U

Figura 49.- Perfil lineal de velocidades entre dos placas.

B) En el caso de que exista un gradiente de presin en la direccin x, p* = p/L, que
habitualmente se denomina gradiente de presin reducido (porque puede ser considerado
como un gradiente que incluya tambin los efectos de la gravedad), se obtiene:

0
y
u
* p
2
2
=
+ (166)

Si ahora se imponen las condiciones de contorno de velocidad nula de las dos placas,
se tiene:

0 ) y ( u h y
0 ) y ( u 0 y
= =
= =
(167)

expresin que da lugar a un perfil parablico (ver figura 50), habitualmente denominado flujo
de Poiseuille:

| | y h y
2
* p
) y ( u
2
= (168)

y
x
h
L
U
MX

Figura 50.- Perfil parablico de velocidades entre dos placas.

C) Si se tiene la superposicin de los dos casos anteriores, se obtiene:

| | y h y
2
* p
y
h
U
) y ( u
2
+ = (169)

ecuacin en la que el efecto de p* puede ser el mismo (p* > 0 o bien en la figura 51) o
contrario (p* < 0 o bien en la figura 52) que el movimiento de la placa.

y
x
h
L
U U
+
=

Figura 51.- Perfil parablico ms perfil lineal para el flujo entre dos placas con p* > 0.

y
x
h
L
U U
+
=

Figura 52.- Perfil parablico ms perfil lineal para el flujo entre dos placas con p* < 0.

Se puede obtener el caudal circulante integrando la velocidad entre las dos placas:

3
h
0
Q U h p* h
q = = u(y) dy = -
b 2 12
(170)

que se anula (q = 0) para la condicin de p* negativo e igual a:

2
h
U 6
* p

= (171)

A continuacin, se particulariza para la geometra mostrada en la figura 53 (h = 0.005
m y L = 5 m) con ancho b constante (perpendicular al plano de dicha figura) y para un fluido
con las propiedades siguientes:
3 6
889.2 kg / m y 110 Pa s
= = .

5 metros
5 mm

Figura 53.- Solucin numrica particular para el flujo entre placas paralelas.

Adems de haber obtenido las expresiones tericas exactas, se puede resolver el flujo
utilizando un mtodo numrico (cdigo comercial Fluent). Para el caso de flujo de Couette y
velocidad uniforme de 5 m/s y se obtiene el resultado mostrado en la figura 54.

Figura 54.- Flujo con perfil lineal entre dos placas planas.

Para el caso de flujo de Pouseuille con p = 8.5 MPa (p* = p/L = 1.7 MPa/m), se
obtiene el perfil parablico de la figura 55. Se ha escogido este valor porque segn la
ecuacin 168 produce una velocidad mxima de 5 m/s.

Figura 55.- Flujo parablico entre dos placas planas paralelas.

Si se resuelve la situacin mostrada en la figura 51, es decir, gradiente de presin
superpuesto al perfil lineal y produciendo flujo el mismo sentido, se obtiene la solucin
mostrada en la figura 56. Resolviendo la ecuacin 169 se obtiene una velocidad mxima de
7.82 m/s, que es prcticamente la misma que la que proporciona el mtodo numrico.

Figura 56.- Perfil parablico superpuesto al lineal con efectos en el mismo sentido.

En la figura 57 se muestra la distribucin de velocidad para las distintas alturas y entre
las placas (0 < y < 0.005 m), observndose claramente la posicin y valor del mximo.


Figura 57.- Distribucin de velocidad entre las dos
placas planas con superposicin de efectos.

Si, por el contrario, el efecto del gradiente de presin es opuesto al del movimiento de
la placa superior (ecuacin 169 con p* < 0), se obtiene el resultado de la figura 58. Se utilizan
los mismos valores numricos: velocidad uniforme de 5 m/s y p = 8.5 MPa.

Figura 58.- Perfil parablico superpuesto al lineal con efectos en sentido opuesto.

En la figura 59 se muestra la evolucin de la velocidad para una posicin x dada en
funcin de la altura.

u (y) [m/s]
y [m]

Figura 59.- Distribucin de velocidad entre las dos
placas planas con superposicin de efectos opuestos.

Se puede resolver este caso para la condicin de caudal nulo (Q = 0), en cuyo caso el
gradiente de presin reducida ha de ser:

2
6 U
p* 1.272 MPa
h
= = (172)

Imponiendo un p = 6.36 MPa, se obtiene la distribucin de velocidad y el perfil en
una posicin x mostrados en las figuras 60 y 61.

Figura 60.- Distribucin de velocidad para el caso de Q = 0.

u (y) [m/s]
y [m]

Figura 61.- Perfil de velocidad en una posicin x en funcin de la altura y.

Numricamente, a partir de la solucin obtenida, se comprueba que Q = 0 para el caso
as definido.

4.6.4.- Flujo en un conducto cilndrico.

Se resuelve ahora el flujo laminar en un conducto cilndrico. A partir de las hiptesis
ya sealadas para el flujo entre placas planas (flujo estacionario, incompresible) y aadiendo
la condicin de axi-simetra impuesta por la geometra cilndrica, se puede obtener, para la
tensin cortante:

* p
2
r
= (173)

donde, al igual que en el apartado anterior, p* es el gradiente de presin reducido, que no
depende del radio considerado y que se puede expresar en funcin de la nomenclatura de la
figura 62 como:

+
= cos g
L
p
* p (174)

Expresin que tiene en cuenta el efecto gravitatorio y la diferencia de presiones en el
conducto entre las dos secciones 1 y 2 separadas una distancia L.

Se obtiene la siguiente distribucin de velocidad:

( )
2 2
R r
4
* p
u
= (175)

u (y) [m/s]
y [m]

D
L
r
p
1
p
2

Figura 62.- Geometra bsica para el flujo laminar en conductos cilndricos.

que constituye un perfil parablico y que, habitualmente, se expresa en funcin de la velocidad
mxima, segn la expresin:

=
(
|
.
|
\
|
=
4
R * p
u con
r
R
1 u u
2
MX
2
MX
(176)

El caudal circulante ser entonces:

4
R
8
* p
Q
= (177)

A continuacin se va a resolver este problema mediante un cdigo comercial. Se resuelve
el caso particular de tener un fluido con unas propiedades dadas por:
3 -6
= 889.2 kg/m y = 110 Pa s .

y un conducto horizontal, tal y como se muestra en la figura 63.

5 metros
5 cm

Figura 63.- Geometra para el problema del flujo en conductos cilndricos.

Para ello se discretiza el dominio usando un mallado no estructurado en la seccin
transversal y proyectndolo en la direccin del flujo, tal y como se muestra en la figura 64.


Figura 64.- Geometra discretizada para resolucin del caso de conducto horizontal.

El movimiento del flujo ser debido nicamente a la diferencia de presin entre la
entrada y la salida. Se fija un caudal que asegure el flujo laminar, por ejemplo, 3.92 l/s. El
gradiente de presin reducida necesario ser:

m / Pa 1693
R
Q 8
* p
4
=
= (178)

La velocidad mxima, que se alcanza en el eje del conducto, ser:

2
MX
p*R
u = = 1m/s
4
(179)

La resolucin del flujo en el interior del conducto permite visualizar la velocidad en
distintas secciones (figura 65). En dicha figura se muestran los vectores velocidad en seis
secciones distintas del conducto.

Figura 65.- Distribucin de velocidad en un conducto circular con flujo laminar.


Tal y como se haba previsto con la ecuacin terica, se obtiene un perfil parabolico de
velocidad. En la figura 66 se muestra dicho perfil en la seccin de salida, donde cada punto
representa el valor de la velocidad en cada celda de la seccin transversal del conducto.

Figura 66.- Distribucin de velocidad en la salida (perfil parablico).

Tambin se puede visualizar la presin en distintas secciones, observndose su
carcter lineal con la distancia (figura 67).

Figura 67.- Distribucin lineal del salto de presin. P= 8690 Pa.

En caso de utilizar un conducto con inclinacin, la diferencia de presin vara al
introducirse el trmino g cos en la ecuacin 174, pero el caudal, que es el que impone una
velocidad mxima del flujo, y el perfil parablico se mantienen.

Con los datos de partida se obtiene un nmero de Reynolds de 84. En caso de tener un
nmero de Reynolds mayor de 4000, el flujo deja de ser laminar y se hace necesaria la
utilizacin de un modelo de la turbulencia para la resolucin del flujo.

u (r) [m/s]
r [m]

4.6.5.- Flujo incompresible no estacionario: apertura de vlvula en conducto.

Los flujos incompresibles han sido mencionados como una aplicacin particular de las
ecuaciones de Navier-Stokes en apartados anteriores. Se profundiza un poco ms en su
estudio y se presenta un ejemplo de clculo basado en el algoritmo del paso fraccional.

A continuacin se describe la resolucin de uno de los problemas clsicos en la
Mecnica de Fluidos: la descarga de un depsito a travs de un conducto con una vlvula que
tiene una apertura dependiente del tiempo. Inicialmente se describe la problemtica general de
los flujos incompresibles para pasar luego a la resolucin del problema concreto.

Introduccin: Estudios sobre flujo incompresible mediante mtodos numricos.

En el artculo de Gresho (1991), publicado en el Annual Review of Fluid Mechanics,
se realiza una exposicin muy detallada sobre las posibles formas de abordar numricamente
un problema de flujo incompresible.

Primero expone la formulacin matemtica genrica de este tipo de problemas para
pasar luego a sealar las opciones en cuanto al planteamiento de los distintos trminos
presentes en las ecuaciones de Navier-Stokes. Distingue as las siguientes formulaciones: la
de divergencia de las tensiones, la clsica, la mixta divergencia-rotacional, la rotacional, la
convectiva difusiva y la simtrica, entre otras. Aade a estas formulaciones bsicas dos ms,
derivadas de las anteriores, con gran aplicacin prctica, como son la formulacin de la
ecuacin de Poisson para la presin (PPE) y la de la ecuacin de transporte para la vorticidad
(VTE).

Despus discute las distintas posibilidades que conducen al establecimiento de un
problema bien definido en lo que se refiere a las condiciones de contorno y las condiciones
iniciales. Particulariza todas las posibilidades para los tipos de formulacin de las ecuaciones
discutidas anteriormente. Finalmente, realiza algn estudio ms a fondo sobre distintos
problemas tipo, particularizando para problemas en los que hay saltos bruscos en las
condiciones de contorno.

Se trata de un artculo bsico en el estudio numrico de los flujos incompresibles y, si
bien, su orientacin es hacia los flujos no estacionarios, la mayor parte de las conclusiones es
totalmente aplicable a flujos estacionarios, considerando a estos como una evolucin no
estacionaria que se estabiliza en un valor constante.

Kwak en sus mltiples artculos (Kwak et al., 1986; Kwak et al., 1992; Rogers et al.,
1989 o Rosenfeld et al., 1991) y, sobre todo, en el monogrfico sobre mtodos numricos
usados en el clculo de flujos incompresibles (Kwak, 1989) analiza un amplio rango de
posibles aplicaciones para el estudio de flujos bi y tridimensionales.

Ha desarrollado numerosos algoritmos basados en formulaciones que emplean las
variables primitivas (presin y velocidad). Destacan la aplicacin prctica de algoritmos de
pseudocompresibilidad (Kwak et al., 1986) y de paso fraccional (Rosenfeld et al., 1991). En
su trabajo, ha presentado numerosas validaciones con problemas tipo (entre otros, flujo en un
escaln, flujo en una cavidad cuadrada y flujo en la estela de un cilindro), as como multitud

de soluciones numricas a problemas prcticos tan dispares como el flujo en el motor de una
lanzadera espacial o el flujo en un implante de un corazn.

Constituye un referente ineludible en cualquier estudio relacionado con la aplicacin
de tcnicas numricas al estudio de flujos incompresibles.

Posibilidades de resolucin de las ecuaciones para flujos incompresibles no estacionarios.

El desarrollo de las tcnicas numricas ha permitido un anlisis cada vez ms riguroso
de los flujos, mejorando principalmente lo que se refiere a flujos compresibles. Los flujos
incompresibles han seguido esta evolucin con cierto retraso, an cuando muchas de las
realizaciones industriales son aplicacin de flujo incompresible. Dos dificultades bsicas han
frenado el desarrollo de los mtodos numricos aplicados a flujos incompresibles respecto a los
equivalentes para flujo compresible. Por un lado la excesiva y ya descrita rigidez de las
ecuaciones y, por otro, el menor inters de estos flujos en el campo de la aeronutica militar.
As, la mayor parte del esfuerzo investigador se ha dedicado a modelizar el estado estacionario
de la evolucin del fluido en los distintos equipos, mientras que muchos flujos reales son
esencialmente no estacionarios (desprendimiento de vrtices, turbulencia, flujo en
turbomquinas o en sistemas biolgicos, entre otros).

Tal y como sealan Peyret y Taylor (1983) o Hirsch (1988), existen dos grandes grupos
de mtodos segn se plantee la resolucin de las ecuaciones del flujo incompresible: las basadas
en el empleo de variables primitivas y las que emplean la ecuacin de la vorticidad. Estas
ltimas surgieron debido a la inexistencia de condiciones de contorno fsicas de contacto con
slidos para la presin. Sin embargo, la bsqueda de una condicin de contorno para la
vorticidad, salvo en casos puntuales, resulta ms complicado.

A pesar del gran abanico de variantes que presentan ambas formas de solucin (ver
Quarteroni, 1996), son bsicamente las que usan variables primitivas las nicas usadas para el
caso de flujo no estacionario. Entre stas destacan los algoritmos que operan con la ecuacin de
Poisson para resolver el campo de presiones, y el mtodo de pseudocompresibilidad. Ambos
tratan de solventar la rigidez de las ecuaciones para flujo compresible a bajos nmeros de
Mach. La diferencia bsica entre los dos mtodos reside en el carcter de las ecuaciones a
resolver.

En el caso de la compresibilidad artificial o pseudocompresibilidad se trata de adaptar al
clculo de flujos incompresibles las soluciones que se tienen para el caso de fluidos
compresibles. El mtodo introduce un parmetro de compresibilidad artificial para lograr la
adaptacin de las ecuaciones (Kwak, 1992). El sistema resultante se resuelve utilizando un
algoritmo de evolucin en el tiempo (time-marching). Su principal aplicacin ha sido la
modelizacin de casos estacionarios, debido a que slo mediante modificaciones en el salto
temporal, introduciendo tiempos artificiales (pseudotime) o inclinacin temporal (time-
inclining), se ha podido llegar a soluciones no estacionarias. La inclusin en el modelo de un
parmetro artificial, y la crucial dependencia de algunas caractersticas del algoritmo numrico
como son la convergencia o la estabilidad con dicho parmetro, hacen que el mtodo se pueda
considerar poco adaptable a problemas no estacionarios.


Respecto a las soluciones que emplea la ecuacin de Poisson para la presin, se pueden
distinguir dos aproximaciones diferentes, de caractersticas similares, pero de muy distinta
implementacin:

i) Mtodo de presin corregida. Introducido por Patankar (1980), consiste en una
manipulacin de la presin que da lugar a un proceso de solucin iterativo para los campos de
presiones y velocidad. La aplicacin de este razonamiento, ha dado lugar a un conjunto de
soluciones para el caso de flujos estacionarios usado en muchos programas comerciales. Para el
caso no estacionario su mayor desventaja es la necesidad de condiciones de contorno para el
campo de presiones ficticio y la de requerir una iteracin adicional para cada paso temporal. A
este tipo de mtodos se les denomina SIMPLE, debido a que son estas las iniciales del
algoritmo ms importante desarrollado por Patankar (1980).

ii) Mtodo de paso fraccional. Desarrollado a partir de los algoritmos MAC (Mark and
Cell), su aplicacin para el estudio de flujos incompresibles y no estacionarios fue establecida
por Peyret y Taylor (1983). Se parte de la formulacin de ecuacin de Poisson para la presin y
se trata de discretizar las ecuaciones de gobierno para luego diferenciar la ecuacin de cantidad
de movimiento aplicando la condicin de divergencia nula para la velocidad. El mtodo de paso
fraccional es una de las posibilidades ms aconsejadas en la bibliografa consultada (Rosenfeld
et al., 1991 o Gresho, 1991) para el tratamiento de flujos no estacionarios. Adems, a travs de
estrategias computacionales como el multimallado, puede conducir a soluciones con un tiempo
de clculo muy reducido, lo cual le dara una gran ventaja respecto al mtodo de la
pseudocompresibilidad.

Ejemplo de algoritmo de resolucin.

Se considera primeramente la simplificacin de fluido ideal ( = 0) y se plantea una
resolucin de las ecuaciones de gobierno para flujo incompresible siguiendo un modelo de paso
fraccional. Las ecuaciones de Euler de continuidad y de cantidad de movimiento para flujo
incompresible son:

0 = u
(180)

g
Fr
1
+ p - =
t D
u D
(181)

Ecuacin en la que se han usado variables adimensionales y p representa la presin
cinemtica, es decir, presin dividida por densidad. El desarrollo del mtodo se va a realizar
considerando que las fuerzas gravitatorias son despreciables. Discretizando la ecuacin de
cantidad de movimiento entre dos pasos temporales consecutivos, n y n+1, y usando
algoritmo explcito con primer orden de aproximacin temporal se obtiene:

( ) 0 =
u

u
+ p +
t
u
-
u
n n
1 + n
n 1 + n

(182)

Se introduce ahora una velocidad auxiliar intermedia, denominada ficticia (
u
f
), de
forma que se cumple la relacin siguiente:


( ) 0 =
u

u
+
t
u
-
u
n n
n f

(183)

Segn la ecuacin de cantidad de movimiento 182, esta ltima relacin obtenida
implica:

0 = p +
t
u
-
u 1 + n
f 1 + n

(184)

La condicin que se busca para el paso temporal n+1 es la adivergencia del campo de
velocidades. Expresada matemticamente, dicha condicin se escribe:

0 =
u
1 + n
(185)

La forma de operar del mtodo de paso fraccional se puede resumir en los siguientes
cuatro pasos bsicos:

i) Resolucin de la ecuacin 183, obtenindose de forma explcita el campo de
velocidades intermedio (
u
f
), por ser la nica incgnita en el paso temporal n.

ii) Se toma la divergencia de la ecuacin 184 e imponiendo la condicin dada por 185,
se obtiene la ecuacin de Poisson para la presin:

u
t
1
= p
f
1 + n
(186)

iii) Una vez resuelta esta ltima, se puede obtener la solucin para el campo de
presiones.

iv) Resolviendo 184, con p
n+1
ya conocido, se llegara al campo de velocidades
adivergente buscado para paso temporal n+1.

Algoritmo unidimensional. Problema de la descarga no estacionaria de un depsito.

La descarga de un depsito constituye un problema clsico en Mecnica de Fluidos y ha
sido tratada ampliamente en la bibliografa tcnica (Lin, 1991 o Pentaris et al. 1996). A pesar
de la aparente sencillez, se trata de un problema con escalas, tanto espaciales como temporales
muy diferentes, lo que posibilita distintas aproximaciones y a la vez imposibilita una solucin
exacta. Aqu se resolver para una condicin de contorno no estacionaria consistente en un
cierre peridico de la vlvula de salida.

Usando una discretizacin segn diferencias finitas para el problema unidimensional, se
puede llegar a una discretizacin para la ecuacin 186. Se trata de un sistema de ecuaciones
tridiagonal con incgnitas las presiones en tres puntos (a indica los valores de las reas del canal
en los distintos puntos). Dicho sistema tridiagonal (ecuacin 137) se resuelve numricamente,
obtenindose el campo de presiones para cada paso temporal considerado (paso n + 1).


n+1 n+1 n+1 f f
i-1/2 i-1/2 i+1/2 i+1/2 i+1/2 i-1/2 i+1/2 i-1/2 i-1 i i+1
x
p - ( + ) p + p = -
u u A A A A A A
t
(

(187)

Con el campo de presiones calculado, se obtiene la velocidad en cada punto y en
concreto para el punto de salida del depsito.

El problema as planteado posee una solucin analtica que se expresa en funcin de la
frecuencia de cierre de la vlvula y de la velocidad adimensional en la seccin de salida del
depsito hacia el conducto (u), que se obtiene resolviendo la ecuacin diferencial:

( )
| | ) t ( cos 1
4
1
=
u

AR
2
1
+
t d
u d

1 AR
AR ln
2
2

(188)

Donde AR es la relacin de anchos entre la secciones de entrada y de salida del tubo
de descarga. Se observa como detalle importante que la ecuacin diferencial del fenmeno no se
ve afectada por la longitud total del canal. Este hecho es coherente con haber considerado la
solucin de las ecuaciones de Euler.

En la figura 68 se puede comprobar la comparacin entre la solucin analtica y la
solucin usando el modelo y discretizacin explicados. Ambas evoluciones se muestran por
medio de la variable u
*
, que sera equivalente a la variable u en la ecuacin 187, en funcin
del tiempo adimensionalizado (t
*
), tambin equivalente a la variable t en 187. Tal y como
puede verse, la concordancia de ambos resultados es muy grande.

0.00
0.25
0.50
0.75
1.00
0 5 10 15 20
Modelo Unidimensional
Ecuacin Diferencial
u*
t*

Figura 68.- Comparacin de resultados entre la resolucin
terica (ecuacin 140) y el modelo unidimensional (Gonzlez et al., 1997).


Algoritmo bidimensional.

Segn lo dicho al comienzo de este apartado, es posible resolver un flujo
incompresible usando nicamente las ecuaciones de continuidad y cantidad de movimiento.
Como modelo fsico, en este apartado se plantean las ecuaciones de gobierno para flujo
bidimensional, incompresible no estacionario, de un fluido ideal, expresadas en un sistema de
referencia curvilneo ortogonal (,). A travs del cambio de variable se posibilita resolver el
problema utilizando una tcnica de diferencias finitas.

De forma adimensional y para el caso de fuerzas msicas nulas, se tiene:

( ) ( )
( ) ( )
( ) ( )
=
(
(
=
(
(
0
p
h
h
u
h
v u v h v u h
h h
1
t
v
0
p
h
h
v
h
v u v u h u h
h h
1
t
u
0 v h u h
1
1 2 2 2
1 1
2 1
2
2 2 1
1
2
2
2 1
1 2

(189)

Ecuaciones en las que u y v son las componentes de la velocidad ( u
) en funcin del
tiempo (t), expresadas en la referencia del sistema ortogonal y los h
i
son los coeficientes mtricos
correspondientes al cambio de base del sistema de coordenadas, necesario para poder continuar
usando la discretizacin en diferencias finitas. En este caso, se realiza una discretizacin espacial
segn diferencias finitas que asegure una aproximacin de segundo orden al sistema de
ecuaciones diferenciales.

Se construye un mallado bidimensional escalonado (staggered grid), que se representa
en la figura 69. Los trminos espaciales se discretizan mediante diferencias centradas, excepto
en los puntos del contorno.

Figura 69.- Esquema del mallado escalonado utilizado.

Segn la nomenclatura de la figura 69, la discretizacin de la ecuacin general para la
primera componente de la velocidad resulta ser:

( ) | | ( )
( )
(
(
(
(
|
|
.
|
\
|

=
+
+
+
+
+ + +
+ +
+ +
+
+ +
j , 2 / 1 i 2
2
n
j , 2 / 1 i
j , 2 / 1 i 1 n
j , 2 / 1 i
n
n
j , 2 / 1 i
n
j , 2 / 1 i 1
2
n
j , 2 / 1 i 2
j , 2 / 1 i 2 j , 2 / 1 i 1
n
j , 2 / 1 i
f
j , 2 / 1 i
h
v
h
v u
v u h u h
h h
t
u u
j , 2 / 1 i
j , 2 / 1 i j , 2 / 1 i

(190)

Tras resolver esta ecuacin y la equivalente para la segunda componente de la velocidad
(v
f
), se plantea la ecuacin de Poisson para la presin, que ser en este caso:

+
(
=
(
(
|
|
.
|
\
|

+
(
(
|
|
.
|
\
|

+ +
+ +
f
2 / 1 j , i 1
f
j , 2 / 1 i 2
j , i
2
1
j , i
1
2
u h u h
t
1
p
h
h
p
h
h
2 / 1 j , i j , 2 / 1 i
j , i
j , i
j , i
j , i

(191)

Tras discretizar las derivadas planteadas, se llega a un sistema penta-diagonal de
ecuaciones lineales. Dicho sistema se resuelve usando un mtodo aproximado, a diferencia
del sistema tridiagonal que se obtuvo en el caso unidimensional, mostrado anteriormente. Se
elige un mtodo implcito segn direcciones alternativas con aceleracin de la convergencia
(Accelerated Alternating Direction Implicit, conocido por AADI). La aceleracin en la
convergencia se hace por medio de un parmetro de sobrerrelajacin, que reduce
notablemente el nmero de iteraciones en cada paso temporal. En la figura 70 se presenta la
disminucin tanto en tiempo de clculo como en nmero de iteraciones para uno de los casos
probados y la forma de obtener el parmetro ptimo, que resulta ser funcin de la
discretizacin espacial, y ms en concreto del parmetro (=/).

0.8
0.9
1.0
1.1
1.2
1.3
1.4
0 50 100 150 200 250 300
Iteraciones
Tiempo de CPU [s]
opt=1.271

Figura 70.- Evolucin del nmero de iteraciones y del tiempo de clculo
en funcin del parmetro de sobrerrelajacin ().


Una vez resuelto el campo de presiones en cada instante temporal, se pasa a actualizar el
campo de velocidades como segundo paso del mtodo de proyeccin (se proyecta la velocidad
hasta conseguir su adivergencia). La discretizacin para la obtencin de la primera componente
de la velocidad resulta:

( )
1 n
j , 1 i
1 n
j , 1 i
j , 2 / 1 i
1
f
j , 2 / 1 i
1 n
j , 2 / 1 i
p p
h 2
t
u u
+
+
+
+
+
+
+

= (192)

Con esta ltima operacin concluye el clculo para cada instante. La precisin del
mtodo descrito es de primer orden para la discretizacin temporal y de segundo orden en la
discretizacin espacial, es decir, los residuos son del orden de O(
2
,
2
, t).

Se obtienen tambin los correspondientes campos de presin y velocidades en cada
instante para la geometra considerada (difusor recto). La solucin para distintas relaciones de
rea del difusor puede verse en la figura 71. Dada la independencia del modelo del ngulo del
difusor (modelo no viscoso), se han representado los campos de velocidades para una
geometra del difusor con ngulo = 30
o
, aunque para las relaciones de rea estudiadas el
lmite prctico en el ngulo del difusor es mucho menor (2 15
o
).

0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
0 5 10 15 20 25
Ec. Dif.
Modelo 2D
AR = 2.0
(t=210E-4)
AR = 1.5
(t=210E-3)
AR = 1.0
(t=110E-2)
t*
u*

Figura 71.- Comparacin de resultados entre la resolucin terica
y el modelo bidimensional (Gonzlez et al., 1998).



5.- Discretizacin del dominio: generacin
de mallados.

Las tcnicas numricas para la generacin de un mallado sobre el que resolver las
ecuaciones de gobierno se definen (Thomson et al., 1982; Thomson et al., 1983; Thomson,
1984 o Niederdrenk, 1987) como procedimientos para la distribucin ordenada de
observadores o estaciones de toma de datos en un dominio fsico, de forma que exista la
posibilidad de comunicacin eficiente entre los distintos observadores y que los distintos
fenmenos fsicos que ocurran en dicho dominio fsico continuo estn representados con la
suficiente exactitud por medio de dichos observadores (discretizacin espacial).

Los mallados se pueden clasificar atendiendo a dos criterios: la forma de definir las
fronteras del dominio y la conectividad entre los distintos observadores o puntos del mallado.

En cuanto a la forma de definir las fronteras, estn los mallados conformes (no
interpolan en la definicin de la frontera) y los no conformes (que no definen la frontera real
sino una aproximacin numrica de la misma).

Atendiendo al criterio de conectividad o estructura de los datos del mallado, existen
dos mtodos de generacin de mallados que daran lugar a los dos tipos de mallados bsicos:
los estructurados y los no estructurados. En los mallados estructurados, los observadores se
colocan siguiendo una red de familias de lneas coordenadas que permiten visualizar la
relacin entre unos y otros de forma directa. Este hecho simplifica mucho los algoritmos
respecto a lo que sera una mallado no estructurado.

En cualquiera de los casos (estructurado o no estructurado), el mallado debera
cumplir una serie de requisitos genricos:

- Ajuste a las fronteras de la regin a estudiar de forma que las condiciones de
contorno queden representadas con la mayor exactitud posible.
- El mallado debe distribuirse localmente de la forma ms regular posible, con
variaciones suaves de densidad. La densidad de un mallado se define como el
nmero de puntos por unidad de superficie o volumen.
- La mayor densidad del mallado se debe localizar donde se espere que las
variaciones espaciales de la solucin sean mayores.
- El mallado debera ajustarse dinmicamente a las variaciones de las variables en la
solucin del flujo.

Los mtodos de generacin de mallados utilizados en la prctica se pueden agrupar en
las siguientes categoras (Deconinck, 1994):

a) Mallados estructurados. Pueden ser curvilneos generalizados u ortogonales.
Los primeros son ms fciles de construir pero tienen el inconveniente de generar trminos
adicionales a la hora de resolver las ecuaciones de gobierno. Existen dos grandes grupos de
tcnicas de construccin de mallados curvilneos generalizados, la interpolacin algebraica y

la resolucin de ecuaciones diferenciales. En cuanto a los ortogonales, estos pueden ser
conformes (resolucin de ecuacin diferencial elptica) o generados resolviendo una ecuacin
diferencial hiperblica (tcnica de avance en el espacio, es decir, vlida para flujos externos
donde una frontera es libre). A priori, se deseara la ortogonalidad del mallado, no slo por la
simplicidad a la hora de resolver las ecuaciones sino porque cualquier desviacin del mallado
respecto a la ortogonalidad introduce errores de truncatura en cualquier modelo de solucin de
las ecuaciones de gobierno.

b) Mallados no estructurados. Existen dos tcnicas bsicas: el avance frontal y
la triangularizacin de Delaney. La primera consiste en la construccin de tringulos o
tetraedros partiendo de la definicin de la frontera del dominio hasta completar el mismo. La
triangularizacin de Delaney parte de una serie de puntos o nodos y los tringulos o tetraedros
se construyen de forma que dichos puntos son los correspondientes centros de masas.

c) Tcnicas de multibloque. Combinan mallados estructurados y no
estructurados. Se crean bloques cuya estructura general sigue una disposicin estructurada de
mallados elementales que pueden tener una disposicin interna en mallados estructurados o
no estructurados. No se trata de otro tipo de mallado, sino una mezcla de los dos tipos bsicos.

5.1.- Clasificacin de los mallados basada en la conectividad y estructura de
datos.

A continuacin, se muestran ejemplos de los distintos tipos de mallados utilizados en
la prctica, sealndose las ventajas e inconvenientes de cada uno. Dada la dificultad para
mostrar mallados tridimensionales, todos los ejemplos son de aplicaciones bidimensionales.

Como grandes grupos de mallados existen los estructurados y los no estructurados, en
funcin de las relaciones existentes entre las variables en los distintos puntos.

En el tipo de mallados estructurados se subdivide la regin a estudiar en rectngulos o
cubos (segn se trate de problemas bidimensionales o tridimensionales).

Se muestra un ejemplo en la figura 72. Sus caractersticas ms relevantes son las
siguientes:

No es necesario dar la conectividad explcitamente en la formacin del mallado
ya que los nodos vecinos son conocidos.
En general, esto significa que el dominio es tranformado sobre un rectngulo o
un cubo subdividido uniformemente en celdas. Por lo tanto, cada nodo es
identificado por los ndices (i, j) en el caso de dos dimensiones y con (i, j, k) para
el caso de tres dimensiones. En dos dimensiones, los nodos vecinos seran (i-1, j ),
(i+1, j), (i, j-1), etc.
Puede ser necesaria una transformacin del dominio, tal y como se muestra en
la figura 72.


Figura 72.- Ejemplo de mallado bidimensional estructurado.

Ventajas:

- La conectividad ordenada, conduce a resoluciones ms simples y, es ideal para
computadores vectoriales.
- Se requiere de menos memoria para el almacenamiento de las variables.
- Los mtodos implcitos utilizan la estructura del mallado: ADI, mtodos de relajacin
lineal, relajacin en el plano.
- La suavizacin y ortogonalidad pueden ser controlados fcilmente.

Desventajas:

- El manejo de geometras complicadas no es flexible.
- La adaptibilidad solo es posible aadiendo o moviendo lneas de mallado (2D) o
superficies de mallado (3D), lo cual no lo hace flexible.
- El movimiento de contornos es difcil de manejar.

Como aplicacin prctica, se puede recordar el ejemplo de la transmisin de calor en
una placa rectangular, ya estudiado en el apartado anterior. Como ilustracin de la malla
utilizada, se muestra sta en la figura 73.


Figura 73.- Mallado bidimensional estructurado.

En el tipo de mallados no estructurados se subdivide la regin a estudiar en elementos
irregulares bi o tridimensionales. En los siguientes apartados se muestran distintos ejemplos
prcticos de este tipo de mallados.

5.2.- Mtodos de generacin de mallados no estructurados.

Se muestra un ejemplo en la figura 74 Sus caractersticas ms relevantes son las
siguientes:

La conectividad tiene que ser expresada explcitamente. Por ejemplo, en la
figura 74, se tiene que la celda 10 est constituida por los nodos 7, 14 y 37.
Las celdas pueden ser polgonos cuadrilteros, tringulos, etc.


Figura 74.- Mallado bidimensional no estructurado.

Ventajas:

- Flexibilidad para manejar geometras complicadas, adaptabilidad, movimiento de
contornos.
- La generacin de mallado automtica es ms fcil, incluso para geometras de tres
dimensiones muy complicadas como el generador de mallado mnima entrada
utilizada.

Desventajas:

- Requiere mayor almacenamiento de variables y precisa un direccionamiento indirecto.
- Las resoluciones son ms complicadas en general.
- La exactitud es ms baja, en general, debido a la falta de suavidad del mallado.

Como aplicacin prctica, se puede mostrar el mallado para la resolucin del flujo en
una bomba centrfuga (figura 75).


Figura 75.- Mallado bidimensional no estructurado para una bomba centrfuga.

5.3.- Mallados Multiblock.

Consiste en una combinacin de mallados estructurados y no estructurados: en la
macro-escala, el mallado est compuesto de bloques no estructurados (macro-elementos). Con
cada uno de los macro-elementos o bloque, el mallado es estructurado. Se muestra un
ejemplo de geometra difcil de mallar con celdas estructuradas en la figura 76 y la solucin
multiblock en la figura 77.

Figura 76.- Geometra altamente irregular difcil de mallar con celdas estructuradas.

En este tipo de mallados, las coordenadas de cada nodo llevan una componente
adicional que indica el bloque al que pertenecen. As, para un punto (i,j), se tendra (i,j,l),
indicndose que pertenece al bloque l y para un punto en una geometra tridimensional
(i,j,k), se pasara a (i,j,k,l).

Figura 77.- Mallado multiblock para la geometra de la figura 76.

Se trata de solventar algunas de los puntos dbiles del trabajo con los mallados
estructurados de bloque nico.

Ventajas:

- Se pueden manejar geometras ms complicadas, lo que aumenta la flexibilidad en
general.
- Permite maneras fciles de paralelizar en un multiprocesador.
- Ahorra memoria en mquinas de secuencias, permitiendo bloques de Jacobi.
(Tratamiento secuencial de cada bloque).

Desventajas:

- La generacin de mallados es difcil: La forma de especificar los contornos entre
bloques de forma adecuada exige alto grado de experiencia.
- Es todava menos flexible que los mallados sin estructurar, cuando existe movimiento
de contornos.


5.4.- Mallados ajustados a los contornos (Body Fitted Coordinates o BFC).

Respeta los contornos de la geometra que va a ser discretizada, tal y como se muestra
en las figuras 78 y 79.

Figura 78.- Mallado estructurado que se ajusta al contorno de un labe.

Figura 79.- Mallado no estructurado que se ajusta al contorno de un labe.

5.1.5.- Mallados no ajustados a los contornos.

El contorno del dominio no es parte del mallado (ver figura 80).

Las caractersticas ms importantes de este tipo de mallado son las siguientes:

El no ajuste a la geometra del problema conlleva en general a una resolucin
particular para la gran cantidad de discretizaciones de contornos.
Es muy eficiente para campos internos.
Permite fcil adaptabilidad.


Figura 80.- Mallado estructurado que no se ajusta al contorno superficial (de un labe).

En la prctica se han utilizado muchos tipos de mallados, que resultan de la
combinacin de las dos clasificaciones propuestas. Adems existen tipos intermedios y
soluciones imaginativas que han permitido resolver situaciones geomtricas complejas, que
requieren la aplicacin de tcnicas altamente sofisticadas. Dado el enfoque que se pretende
aqu, no se puede profundizar en todo este tipo de tcnicas, que corresponderan a un curso
mucho ms avanzado que el aqu propuesto.



6.- Bibliografa.

Existe una multitud de publicaciones relacionadas con los mtodos numricos. Entre
ellas, destacan el libro escrito por Peyret et al. (1983), los de Hirsch (1988), los de Fletcher
(1988), el de Hoffman (1989) y, ms recientemente, el editado por Gunzburger (1993), que se
centra en mtodos apropiados para estudio de flujos incompresibles, el de Anderson (1995) y
el de Versteeg et al. (1995), sobre el mtodo de volmenes finitos. Cada uno de los
mencionados presenta sus propias peculiaridades, pero entre todos completan una panormica
bastante amplia de un campo continuamente cambiante.

A continuacin se detallan los libros, artculos y otras publicaciones que han servido
de apoyo para la elaboracin de este texto:

[1] Abdallah, S., Smith, C.F.,Three-dimensional solutions for inviscid incompressible flow in
turbomachines, Journal of Turbomachinery. Vol. 112, pgs. 391-398. July 1990.

[2] Anderson, H.H., Computational fluid dynamics: the basics with applications. Mc Graw
Hill, 1995.

[3] Aris, R., Vectors, tensors and the basic equations of fluid mechanics, Dover publications.
New York, 1962.

[4] Arnone, A., Stecco, S.S., Multigrid calculation of incompressible flows for turbomachinery
applications, XIV IAHR Congress. ISBN 84-7790-101-5. Pgs. c-361 a c-368. Madrid. 1991.

[5] Arnone, A., Swanson, R.C., A Navier-Stokes solver for turbomachinery applications
Journal of Turbomachinery. Vol. 115, pgs. 305-313. April 1993.

[6] Ballesteros, R., Mtodos numricos aplicados a la mecnica de fluidos y la transmisin de
calor. Curso de doctorado de la Universidad de Oviedo (publicacin interna). 1995.

[7] Combes, J.F., Calcul par elements finis de l'eculement 3D turbulent dans une pompe
centrifuge, AGARD Conference Proceedings 510. CFD Thechniques for Propulsion
Applications. San Antonio, USA. 1991.

[8] Deconinck, H., Overview of grid generation methods, Lecture Series del von Karman
Institute for Fluid Dynamics. Blgica, 1994.

[9] Degrez, G., Introduction to computational fluid dynamics, Lecture Series del von Karman
Institute for Fluid Dynamics. Blgica, 1994.

[10] Fletcher, C.A.J., Computational techniques for fluid dynamics (vols. I y II). Springer-
Verlag, USA. 1988.


[11] Fox, R.W., McDonald, A.T. Introduccin a la mecnica de fluidos. McGraw-Hill1,
Mjico 1995 (cuarta edicin).

[12] Gresho, P.M., Incompressible fluid dynamics: some fundamental formulation issues,
Annual Review of Fluid Mechanics. Vol. 23, pgs. 413 a 453. 1991.

[13] Gonzlez, J., Santolaria, C., Ballesteros, R., Robles del Peso, A., Modelizacin numrica
de flujos incompresibles no estacionarios mediante un mtodo de paso fraccional, Anales de
Ingeniera Mecnica. Ao 11, vol. I, pgs. 35-42, 1997.

[14] Gonzlez, J., Santolaria, C., Ballesteros, R., Desarrollo de un algoritmo para la resolucin
de flujos no estacionarios bidimensionales usando un mtodo de paso fraccional, Anales de
Ingeniera Mecnica. Ao 12, vol. I, pgs. 553-558, 1998.

[15] Gonzlez, J., Modelizacin numrica del flujo no estacionario en una bomba centrfuga.
Efectos dinmicos de la interaccin entre rodete y voluta, Tesis Doctoral, Universidad de
Oviedo, 2000 (publicada en CD ROM).

[16] Gunzburger, M.D., Nicolaides, R.A., Incompressible computational fluid dynamics.
Trends and advances, Cambridge University Press. 1993.

[17] Hirsch, C., Numerical computation of internal and external flows. Vols. I y II:
fundamentals of numerical discretization & computational methods for inviscid and viscous
flows, John Wiley & Sons. Blgica, 1988.

[18] Hirsch, C., State of the art of computational fluid dynamics in industry, Industrial
Computational Fluid Dynamics. Lecture Series 1995-03. Von Karman Institute, Blgica. 1995.

[19] Hoffman, K.A., Computational fluid dynamics for engineers, Engineering Education
System. Austin, USA. 1989.

[20] Jameson, A., Schmidt, W., Turkel, E., Numerical solutions of the Euler equations by finite
volume methods using Runge - Kutta time - stepping, AIAA Paper No. 81-1259. 1981.

[21] Jameson, A., The role of CFD in preliminary aerospace design, ASME FEDSM2003-
45812, Honolulu, (2003).

[22] Kwak, D., Chakravarthy, S.R., A three-dimensional incompressible Navier-Stokes flow
solver using primitive variables, AIAA Journal. Vol. 24, No. 3, pags. 390-396. March 1986.

[23] Kwak, D., Kiris, C., Wiltberger, N., Rogers, S, Rosenfeld, M., "Numerical methods for
simulating unsteady incompressible flows", Lecture Notes in Phisics, Vol. 414, pgs. 448-452.
Numerical Methods in F.D., 13th Conference. Rome, 1992.

[24] Lakshminarayana, B., An assesment of computational fluid dynamic techniques in the
analysis and design of turbomachinery The 1990 Freeman Scholar Lecture, Journal of Fluid
Engineering, vol. 113, pp. 315-352. Septiembre 1991.

[25] Launder B.E., Spalding D.B., Mathematical models of turbulence, Academic Press. New
York, 1972.

[26] P.L. Lions, Mathematical topics in fluid mechanics. Incompressible models. Clarendon
Press, Oxford, 1996.

[27] Moin, P., Kim, J., Tackling turbulence with supercomputers, Scientific American, 276.
1997.

[28] Niederdrenk, P., A short introduction to numerical grid generation, Course Note (IB 221-
87 A 14) at DFVLR-AVA, Gttingen. 1987.

[29] Pan, D, Chackravarthy, S.R., Unified formulation for incompressible flow, AIAA Paper,
No. 89-01222. 27th Aerospace Science Meeting. Reno, Nevada. 1989.

[30] Panton, R.L., Incompressible flow, John Wiley & Sons, USA, 2
nd
Edition. 1996.

[31] Patankar, T.C., Numerical heat transfer and fluid flow, Mc. Graw-Hill. 1980.

[32] Pentaris, A., Tsangaris, S., A proyection methodology for the simulation of unsteady
incompressible viscous flows using the approximate factorization technique, NATO-AGARD
CP-578. Progress and Challenges in CFD Methods and Algorithms, pgs. 35-1 a 35-14. Abril,
1996.

[33] Peyret, R., Taylor, T.D., Computational methods for fluid flow, Springer-Verlag. New
York, 1983.

[34] Quarteroni, A., Domain decomposition methods: algebraic aaspects and application to
compressible and incompressible flows, 27
th
Computational Fluid Dynamics. Lecture Series.
Von Karman Institute. Blgica. 1996.

[35] Rasmussen, E.B., A finite diference scheme for three-dimensional modelling of fluid
dynamics, XIV IAHR Congress. ISBN 84-7790-101-5. Pgs. c -341 a c - 348. Madrid. 1991.

[36] Shaw, C.T., Using computational fluid dynamics, Prentice Hall. 1992.

[37] Strazisar, A.J., The changing roles of experimental and computational fluid mechanics,
Global Gas Turbines News, IGTI, pp. 16-18. Agosto 1994.

[38] Streeter, V.L., Wylie, E.D., Mecnica de los Fluidos, Mc. Graw-Hill, Mjico. 1987.

[39] Thomson, J.F., Warsi, Z.U.A., Mastin, C.W., Numerical grid generation: foundations and
applications, Ed. Joe F. Thomson. North-Holland, 1982.

[40] Thomson, J.F., Grid generation techniques in computational fluid dynamics, AIAA
Journal, Vol. 22, No. 11, pp. 1505-1523. 1984.

[41] Versteeg, H.K., Malalasekera, W., An introduction to computational fluid dynamics,
Longman Scientific&Technical. 1995.

[42] White, F.M. Mecnica de fluidos. McGraw-Hill, Madrid 1983.


[43] White, F.M., Viscous fluid flow. Mc. Graw-Hill Editions. 1991.

[44] Wilcox, D.C., Turbulence modeling for CFD, DCW Industries. 1993.

Anexo I. El metodo Von Neumann para
analisis de estabilidad.

Los anlisis de estabilidad para problemas lineales con coeficientes constantes son
bien conocidos si las condiciones de contorno pueden ser despreciadas. Este es el caso para un
dominio infinito, o para condiciones peridicas en un dominio finito. En este ultimo caso se
considera que la longitud L en el eje x se repite peridicamente, por tanto, todas las
cantidades, la solucin, as como tambin los errores, pueden ser desarrollados en una serie de
Fourier finita sobre el dominio 2L. Este desarrollo forma las bases para el anlisis de
estabilidad de Von Neumann.

Este mtodo es el ms utilizado para los anlisis de estabilidad en los que intervienen
ecuaciones lineales con coeficientes constantes y condiciones peridicas de contorno. Sin
embargo, siempre que se tenga que tratar con coeficientes no constantes, y trminos no
lineales en las ecuaciones bsicas, la informacin sobre la estabilidad se vuelve muy limitada.

Consideraciones iniciales.

Considerando uno de los modelos representativos de la conveccin, se considera la
siguiente ecuacin hiperblica:

0
x
u
a
t
u
=
(AI.1)

donde u funcin de ( x,t ); a la velocidad de conveccin, o la velocidad de onda, de
acuerdo a la interpretacin dada a la expresin AI.1 y se supone que a > 0. Se suele utilizar
una notacin ms corta de la misma, donde la derivada esta indicada como subndice:

0 u a u
x t
= + (AI.2)

Se consideran las siguientes condiciones iniciales:

0 x
0 t
=
=

) x ( g ) t , 0 ( u
) x ( f ) t , x ( u
=
=

0 t
L x 0

(AI.3)

Para aplicar un mtodo de elementos finitos a la ecuacin, se podra establecer un
centro en i. Haciendo la subdivisin del espacio del dominio en celdas de longitud x , la
formula de discretizacin de
x
u para el punto i del mallado es la siguiente:

) u u (
x 2
a
) u (
1 i 1 i i t +

= (AI.4)

El lado izquierdo representa la derivada respecto al tiempo en el punto i.

El siguiente paso es la discretizacin del tiempo. Esto implica el remplazo de
i t
) u (
por la forma discreta, teniendo en cuenta el nivel del tiempo para el cual el lado derecho del la
ecuacin ser evaluado. Un esquema simple sera la evaluacin del lado derecho en intervalos
de tiempo n. Tal mtodo es conocido como el mtodo de Euler para la integracin respecto
al tiempo de una ecuacin diferencial ordinaria, que es un esquema explcito.

) u u (
x 2
a
t
u u
n
1 i
n
1 i
n
i
1 n
i
+
+
(AI.5)

Evaluando el lado derecho de la ecuacin en el nivel (n+1) conduce al esquema
implcito, conocido como aguas abajo, o mtodo de Euler implcito

) u u (
x 2
a
t
u u
1 n
1 i
1 n
1 i
n
i
1 n
i +
+
+
+
(AI.6)

donde tres valores aparecen simultneamente en el nivel (n+1)

De las definiciones de orden de precisin de las frmulas de diferencias finitas se
espera que las ecuaciones AI.5 y AI.6 sean de primer orden en tiempo, y de segundo orden en
espacio en los puntos (i) y en el nivel de tiempo n. Por otro lado, mediante una
diferenciacin en espacio aguas abajo, con una aproximacin de primer orden, se llega a la
forma semidiscreta:

) u u (
x
a
) u (
1 i i i t
= (AI.7)

Con una diferenciacin hacia delante en tiempo se obtendra el siguiente esquema
explcito, conocido como el esquema de primer orden aguas arriba (upwind), es decir:

) u u (
x
a
t
u u
n
1 i
n
i
n
i
1 n
i
(AI.8)

La correspondiente versin implcita, evaluando el lado derecho (n+1) es:

) u u (
x
a
t
u u
1 n
1 i
1 n
i
n
i
1 n
i +
+
+
(AI.9)

donde se define el cociente
x
t a
= , que constituye el denominado habitualmente como
nmero de Courant.

Descomposicin del error (Fourier)

Sea
n
i
u la solucin exacta de una ecuacin, y
n
i
u la solucin numrica aproximada. La
diferencia podra ser debida a los errores de redondeo introducidos por el algoritmo de
clculo, o bien a los errores en los datos iniciales. De esta forma, se debe cumplir:

n
i
n
i
n
i
u u + = o bien, K lim
n
i
n

(AI.10)

donde
n
i
indica el error respecto al tiempo en el punto i del mallado. K es independiente de
n. Cualquier esquema numrico lineal es satisfecho exactamente por
n
i
u , y por tanto los
errores
n
i
son tambin soluciones para la ecuacin.

Con el fin de presentar los fundamentos del mtodo, primero se har referencia a los
ejemplos previos. Considerando la ecuacin AI.5, e insertando en ella el resultado de AI.10 se
tiene:

) u u (
x 2
a
) (
x 2
a
t t
u u n
1 i
n
1 i
n
i
n
1 i
1 n
i
n
i
1 n
i
+
+
+
+
(AI.11)

Como
n
i u satisface la ecuacin AI.5, se obtiene la ecuacin para los errores
n
i
:

) (
x 2
a
t
n
1 i
n
1 i
n
i
1 n
i
+
+

(AI.12)

que es idntica al esquema bsico. As pues, los errores
n
i
varan a travs del tiempo de la
misma forma que la solucin numrica
n
i
u .

Los errores no deberan crecer indefinidamente de un intervalo de tiempo a otro. Un
anlisis basado en el desarrollo del tiempo en si mismo en lugar de la conducta del error,
establece que cualquier componente de la solucin inicial no debera ser amplificado sin
limite. Expresada esta condicin en forma matemtica se tiene una matriz en la cual todos las
incgnitas de cada punto del mallado, en un tiempo dado, estn agrupadas en un vector U,
definido como sigue un tiempo t n .

|
|
|
|
|
|
|
|
.
|
\
|
=
+
...
u
u
u
...
u
U
n
1 i
n
i
n
1 i
n
1
n
(AI.13)

El esquema se puede escribir con un operador como funcin de U
n
segn la expresin:

U C U
n 1 n
=
+
(AI.14)

donde el operador C es funcin del tiempo t , y del tamao del mallado x .

Si se considera al operador C, lineal, si
n
designa el vector columna de los errores
en un nivel de tiempo n:

n
i 1
n n
i
n
i 1
+
| |
|
|
|
=
|
|
|
|
\ .
(AI.15)

La ecuacin AI.10 se puede escribir con
n
U indicando la solucin exacta,

n n n
e U U + = (AI.16)

Insertando esta ecuacin en el esquema bsico se conduce a la expresin:

n
n
1 n
1 n
e C U C e U + = +
+
+
(AI.17)

o bien:

n 1 n
Ce e =
+
(AI.18)

por definicin de
n
U como una solucin de la expresin:

n 1 n
U C U =
+
(AI.19)

As, la evolucin en el tiempo del error esta determinado por el mismo operador C
como solucin numrica del problema. Si las condiciones de contorno estn consideradas
como peridicas, el error
n
i
puede ser descompuesto en series de Fourier en el espacio para
cada nivel de tiempo n. Como el dominio es de una longitud finita, se tendr una
representacin de Fourier sobre un nmero finito de oscilaciones. En el dominio L la serie de
Fourier representa la regin (0, L) y la negativa (-L, 0),la frecuencia fundamental corresponde
a la mxima longitud de onda
max
= 2L. La longitud de onda asociada k = 2/ alcanza un
mnimo valor en k
min
= /L. Adems, el mximo valor de k
max
en el intervalo (-L, L) est
asociado con la menor longitud de onda con un espaciamiento x. Esta menor longitud de
onda es igual a 2x (ver figura AI.1) y por tanto, k
max
= /x.

As, con un mallado de ndice i, de 0 a N, con x
i
= i. x, se tendr:

x = L/N (AI.20)

Todas las oscilaciones representadas en un tiempo finito estn dadas por:

x N
j
L
j k j k
min j
= = con j = 0,1,2,...,N (AI.21)

con el mximo valor de j asociado a la mxima frecuencia. As, con k
max
= /x el mayor
valor de j es igual al nmero de intervalos N del mallado (ver figura AI.1).

Figura AI.1.- Representacin del error en el intervalo (-L, L).

Cualquier funcin finita del mallado se puede descomponer en series de Fourier
como:

=
= =
N
N j
N / j i I n
j
N
N j
x i k I
n
j
n
i
e E e E
j
(AI.22)

donde I = 1 y
n
i
E es la amplitud de la oscilacin j-sima.

Por otro lado, j = 0 representa una funcin constante. El producto k
j
x es a menudo
representado como un ngulo de fase.

N
j x k
j

= = (AI.23)

Y cubre el dominio (-, ) en intervalos /N.

Factor de amplificacin.

El tiempo de evolucin de una oscilacin simple
n
j
E
Ii
e es determinado de la misma forma
que
n
i
u . As utilizando estos trminos en la ecuacin AI.12, se obtiene:

0 ) e E e E (
x 2
a
t
) E E (
e
) 1 i ( I n ) 1 i ( I n
n 1 n
Ii
=
+
+
+
(AI.24)

Dividiendo entre
Ii
e , se llega a:

0 e ) e e ( E
2
) E E (
Ii I I n n 1 n
=
+ +
+
(AI.25)

donde el parmetro es

x
t a
= (AI.26)

La condicin de estabilidad dada por AI.10 ser satisfecha si la amplitud de cualquier
error E
n
no crece en el tiempo, es decir, si la relacin:

1
E
E
G
n
1 n

+
para todo (AI.27)

La cantidad G, definida por

n
1 n
E
E
G
+
= (AI.28)

es el denominado factor de amplificacin, y es funcin del factor del intervalo de tiempo t, a
frecuencia y el valor de x.

De la ecuacin AI.25 se puede llegar a:

0 sin I 2
2
1 G =
+ (AI.29)

o bien, una expresin equivalente sera:

= sin I 1 G (AI.30)

La condicin de estabilidad requiere que G sea menor o igual a uno:

+ =
2 2
2
sin 1 G (AI.31)

y esto claramente no es satisfecho.

Ejemplo del esquema dado por la discretizacin AI.8: estabilidad condicional.

Insertando la oscilacin simple
n
j
E
Ii
e en el esquema dado por la ecuacin AI.8, se
obtiene:

0 ) e e ( E ) E E (
) 1 i ( I Ii n n 1 n
= +
+
(AI.32)

O bien, despus de dividir por
n
j
E
Ii
e

+ =
I
e 1 G (AI.33)

es decir:

= sin I 2 / sin 2 1 G
2
(AI.34)

Con el fin de analizar la estabilidad de la ecuacin AI.8, que es la regin donde el
modulo del factor de amplificacin G es menor a uno, una conveniente aproximacin es una
representacin de G en el plano complejo. Escribiendo y , respectivamente para las partes
real e imaginaria de G se tendr:

=
+ = =
sin
cos ) 1 ( 2 / sin 2 1
2
(AI.35)

lo cual puede ser considerado como una ecuacin paramtrica para G con como parmetro.

En el plano complejo de G la condicin de estabilidad dada por AI.27 fija que la curva
representativa de G para todos los valores de = kx debera permanecer dentro del crculo
(ver la Figura AI.2). El esquema es estable para:

1 0 < (AI.36)


Figura AI.2.- Regin de estabilidad para el esquema dado por la expresin AI.8.

As la ecuacin AI.8 es condicionalmente estable, y la condicin AI.36 es conocida
como la Courant-Friedrich-Lewy o condicin CFL. El parametro es llamado el nmero de
Courant.

Comentarios sobre la condicin CFL.

Esta condicin de estabilidad de la mayora de los esquemas explcitos para ondas y
ecuaciones de la conveccin expresa que la distancia cubierta durante el intervalo de tiempo
t, por los disturbios de propagacin a velocidad a, deben ser ms bajos que la distancia
mnima entre dos puntos del mallado. Teniendo en cuenta la figura AI.3, la lnea PQ es la
caracteristica dx/dt = a (a travs de P) y define el dominio de dependencia de la ecuacin
diferencial en P. Por otro lado la ecuacin define el dominio de dependencia de P entre PAC.
La condicin 1 expresa que t/x debe ser elegido de tal forma que el dominio de
dependencia de la ecuacin diferencial debera estar contenido en el dominio de dependencia
de la ecuacin discretizada. Es decir, el esquema numrico
1 n
i
u
+
en el punto i debe ser capaz
de incluir toda la informacin fsica que influye en ese punto.


Figura AI.3.- Interpretacin geomtrica de la condicin CFL, 1 .

Ejemplo del esquema dado por AI.6: condicin de inestabilidad.

El esquema implcito de Euler, con una discretizacin central del espacio de la
ecuacin de conveccin ofrece una tercera situacin con respecto a las condiciones de
estabilidad. Con el mismo anlisis de estabilidad que AI.6, la amplitud del error E
n+1
se
vuelve, despus de la introduccin de una oscilacin de la forma E
n
e
i

0 e ) e e ( E
2
) E E ( e
Ii I I 1 n n 1 n Ii
=
+ +
+ +
(AI.37)

o bien:

0 ) e e ( G
2
1 G
I I
=
+

(AI.38)

y se tiene

+
=
sin I 1
1
G (AI.39)

El modulo G siempre es menor que uno para todos los valores de

+
= =
2 2
* 2
sin 1
1
G . G G (AI.40)

Por tanto la ecuacin implcita es incondicionalmente estable. As, esta visto que el
sistema puede tener estabilidad condicional, estabilidad incondicional, o inestabilidad
incondicional. El mtodo Von Neumann ofrece una forma fcil y simple de hallar las
propiedades de estabilidad de los esquemas lineales con coeficientes constantes cuando las
condiciones de frontera son asumidas como peridicas.

Formulacin general del metodo Von Neumann: sistema de ecuaciones.

Se muestra aqu la formulacin en forma de matriz y operador. Se considera que el
esquema numrico es obtenido en dos pasos: un espacio de discretizacin, seguido por el
tiempo de integracin.

1) Cuando se aplica el espacio de discretizacin (mtodo de diferencias finitas) el espacio
diferencial del operador es aproximado por un espacio discretizado del operador S,
conduciendo al mtodo de formulacin de lnea para valores discretos
i
n
i
x donde t n x u u

) , ( = es el punto "i" del mallado.

i i
i
q u S
dt
du
+ = (AI.41)

donde q
i
: contiene trminos fuentes eventuales y la contribucin desde las condiciones de
frontera. La representacin matricial es descrita con el vector U
n
del sistema dado por AI.15.

q U S
dt
dU
+ = (AI.42)

2) Cuando se aplica el esquema de tiempo de integracin, correspondiendo a un nivel dos del
esquema conectando niveles de tiempo (n+1) y n, el esquema numrico asociado con la
ecuacin diferencial genrica, es decir:
n 1 n
U C U =
+
, se tiene:

i
n
i
1 n
q u C u + =
+
(AI.43)

o en forma matricial:

Q U C U
n 1 n
+ =
+
(AI.44)

donde C puede ser considerado como un operador de discretizacin del esquema.

Para el nivel dos del esquema implcito de la forma:
n
0
1 n
1
U B U B =
+
el operador C es
definido por
0
1
1
B B C

= .


Anexo II. Ecuaciones en sistemas
generalizados.

Partiendo de una ecuacin diferencial en la forma

0
y
G
x
F
t
q
=

(AII.1)
que se puede escribir en notacin simplificada:

0 G F q
y x t
= + +
(AII.2)

Si se realiza el cambio de variables independiente del tiempo, pasando a un nuevo
sistema de coordenadas , :

) t ( f ) y , x ( f ) , ( =
(AII.3)

Para modificar las derivadas parciales se debe hacer siguiendo la regla de la cadena, es
decir:

x x
x

(AII.4)

y y
y

Segn este cambio de variables, el Jacobiano de la transformacin resulta ser:

x y y x
y x
y x
y x
y x
J =

=

=
(AII.5)

Y, entonces, la ecuacin diferencial de partida se transforma en:


0
G G F F
t
q
y y x x
=

(AII.6)

Ecuacin que en notacin simplificada resulta:

0 G F G F q
y x y x t
= + + + +

(AII.7)

Dividiendo por el Jacobiano, que es independiente de la variable tiempo, se obtiene:

0
J
G
J
F
J
G
J
F
J
q
t
y
x
y
x
=
+
|
.
|
\
|

(AII.8)

A partir de operaciones para transformar las parciales con respecto a (x,y) a parciales
respecto a las nuevas variables (, ), se obtiene finalmente:

0 G F
t
q
* *
*
= + +

(AII.9)

donde las variables con asterisco representan:

J
G F
F
y x *
+
= ,
J
G F
G
y x *
+
=
(AII.10)

y q
*
representa la variable q dividida por el Jacobiano de la transformacin.

Ecuaciones para flujo incompresible ideal bidimensional.

Ecuacin de continuidad:
0
y
v
x
u
=

(AII.11)
Ecuacin de cantidad de movimiento:

0
y
v
x
) v u (
y
p
t
v
0
y
) v u (
x
u
x
p
t
u
2
2
(AII.12)

Adimensionalizando segn las variables caractersticas del problema de descarga del
depsito, se tiene:

gH 2
v
v
gH 2
u
u
L
y
y
L
x
x
*
*
*
*
=
=
=
=
(AII.13)

Las ecuaciones no sufren variacin y seran las mismas pero con las variables
adimensionales.

Cambio de sistema de coordenadas (plano fsico-plano computacional).

Se define el cambio de coordenadas siguiente:

+
=
=
* *
1
*
2
*
1
*
*
x ) h h ( h
y 2
x
(AII.14)

Es decir, prescindiendo de los asteriscos, se tendrn las siguientes mtricas:

| |
| |
| | | | +

=
+

=

+

=
+

=

) h h ( h
2
x ) h h ( h
2
y
) h h ( h
) h h (
x ) h h ( h
y ) h h ( 2
x
0
y
1
x
1 2 1 1 2 1
1 2 1
1 2
2
1 2 1
1 2
(AII.15)

Y el Jacobiano, por tanto, resulta ser:

| | +
= =

=
) h h ( h
2
J
1 2 1
x y y x
y x
y x
(AII.16)

La ecuacin de continuidad quedar en este caso, segn la ecuacin (AII.9):

( ) ( )
0
v
x ) h h ( h
2
u
x ) h h ( h
y ) h h ( 2 u
2
1 2 1
2
1 2 1
1 2
=

+
+

(AII.17)

Es decir:
0
v
B
u
A
u
=

(AII.18)

Con las constantes A y B iguales a:

( )
J B
x ) h h ( h
y ) h h ( 2
A
2
1 2 1
1 2
=
+

=
(AII.19)

Las ecuaciones de cantidad de movimiento (AII.12) se transforman segn la expresin
general (AII.9), es decir:

=
|
|
|
|
|
.
|
\
|
+

+
|
|
|
|
|
.
|
\
|
+
=
|
|
|
|
|
.
|
\
|

+ +
+
|
|
|
|
|
.
|
\
|

+ +
0
J
) v p (
y
) v u (
x
J
) v p (
y
) v u (
x
t
v
0
J
) v u (
y
) u p (
x
J
) v u (
y
) u p (
x
t
u
2 2
2 2

(AII.20)

Operando, para el caso particular del cambio de variables definido, se llega a las
expresiones:


( )
( )
( )
( )
=
(
(
+
+
+
+

+ |
.
|
\
|

=
(
(
+
+
+
+

+
|
|
.
|
\
| +

0
J
) v p (
x ) h h ( h
2
J
v u
x ) h h ( h
y ) h h ( 2
J
v u
t
v
0
J
v u
x ) h h ( h
2
J
u p
x ) h h ( h
y ) h h ( 2
J
u p
t
u
2
1 2 1
2
1 2 1
1 2
1 2 1
2
2
1 2 1
1 2
2

(AII.21)

Ecuaciones que se simplifican bastante si se sustituye el valor del Jacobiano segn el
clculo realizado en la ecuacin (AII.16). As, se llega a:

( )
( )
=
(
+ +

+ |
.
|
\
|

=
(
+ +

+
|
|
.
|
\
| +

0 ) v p ( v u
2
) h h (
J
v u
t
v
0 v u u p
2
) h h (
J
u p
t
u
2
1 2
2
1 2
2
(AII.22)

Si ahora se usa la ecuacin de continuidad (AII.17), se puede simplificar esta ltima
expresin, obtenindose:

( )
|
.
|
\
|

+ +
|
.
|
\
|
|
.
|
\
|

0
v
v
p
v u
2
) h h ( v
u
2
) h h (
J
1
) v u (
v
J
u
t
v
0
v
u
u
v u p
2
) h h ( p
2
) h h ( J
J
u
J
p
t
u
1 2 1 2
2
1 2 1 2
2

(AII.23)


Anexo III. Glosario de trminos empleados
en tcnicas numricas.

Las tcnicas numricas aplicadas a la Mecnica de Fluidos se prestan en la mayora de
los textos a la aparicin de multitud de acrnimos o siglas, tanto de distintas tcnicas utilizadas,
como de instituciones que se dedican a la investigacin en este campo. Esto puede sorprender
inicialmente e incluso crear gran confusin. Este anexo surgi con el fin de poder servir de ayuda
en la interpretacin de alguno de los mencionados trminos. No se pretende aclarar todos los
matices de dichos trminos (algunos de los cuales daran para escribir libros enteros) sino que se
trata de indicar el brevemente su significado y su contexto de aplicacin.

Se incluye a continuacin un glosario de trminos empleados habitualmente en textos
y artculos relacionados con las tcnicas numricas. Algunos de los trminos estn
relacionados con la aplicacin de dichas tcnicas numricas al campo ms especfico de las
turbomquinas dentro de la Mecnica de Fluidos y algunas son ms generales. Tambin se
incluyen los acrnimos de algunas instituciones u organismos que aparecen comnmente en
los textos.

La organizacin de la informacin se hace dividiendo la lista completa en tres subgrupos,
uno con los acrnimos de tcnicas, algoritmos o estrategias numricas, otro con las siglas de
instituciones u organismos y un ltimo con los acrnimos no clasificables en los dos grupos
anteriores. Dentro de cada grupo, se ordenan las palabras por orden alfabtico de sus iniciales y
se explica su significado siguiendo el esquema tipo que se indica a continuacin:

ACRNIMO EN MAYSCULAS (significado en ingls de las iniciales). Breve
explicacin del origen o significado del trmino.

AIII.1.- Acrnimos usuales en los textos de Mecnica de Fluidos
Computacional.

A
AC (Aditive Corrections). Correcciones en los valores de las variables en tcnicas de
multimallados. De forma ms general se usan para indicar corriente alterna.
ADI (Alternating Direction Implicit). Mtodo de resolucin de ecuaciones lineales. Como
indica su nombre se trata de un mtodo implcito segn direcciones alternativas.
Tambin se aplica este trmino para la solucin de distintos algoritmos que siguen
el mencinado procedimiento.
AF (Approximate Factorization Scheme). Tcnica numrica de descomposicin de derivadas
por trminos equivalentes hasta un determinado orden.
AFLBI (Approximate Factorization Linear Block Implicit Scheme). Esquema implcito
basado en la factorizacin aproximada (AF) de las ecuaciones.
AMG (Algebraic Multi Grid). Estrategia multimallado algebraica. Constituye uno de los
mtodos ms rpidos para solucin de sistemas lineales de ecuaciones.

ARSM (Algebraic Reynolds Stresses Model). Modelo de turbulencia algebraico de las
tensiones de Reynolds.

B
BL (Baldwin-Lomax). Modelo de turbulencia algebraico.
BC (Boundary conditions). Condiciones de contorno de un determinado problema.
BFC (Body Fitted Coordinates). Coordenadas que siguen lneas de los contornos.

C
CAD (Computer Aided Design). Diseo asistido por ordenador. Conjunto de tcnicas de
dibujo en ingeniera apoyadas en el uso de ordenadores.
CAE (Computer Aided Engineering). Ingeniera asistida por ordenador. Similar al trmino
anterior pero ms amplio.
CAM (Computer Aided Manufacturing). Fabricacin asistida por ordenador. Trmino
tambin utilizado en contextos muy similares a los dos anteriores.
CFD (Computational Fluid Dynamics). Tcnicas numricas aplicadas a la Mecnica de
Fluidos.
CGC (Coarse Grid Correction). Modificacin de la solucin en tcnicas multimallado a partir
del valor de las variables en la malla menos fina.
CGM (Congugate Gradients Method). Mtodo de los gradientes conjugados.
CPPE (Consistent Pressure Poisson Equation). Mtodo consistente utilizado en la ecuacin de
Poisson para la presin. El mtodo de la ecuacin de Poisson para la presin se
explica en el captulo cuatro de esta tesis.
CPU (Central Proccess Unit). Unidad de procesado de datos de un ordenador. Constituye el
ncleo bsico de cualquier sistema informtico.
CUPW (Convected Upwind Scheme). Algoritmo de solucin de las ecuaciones aguas arriba.
Desarrollado por Lacor en 1986.

D
DAES (Differential Algebraic Equations). Ecuaciones diferenciales resueltas por mtodos
algebraicos.
DO (Discrete Ordinates Radiation Model). Modelo de radiacin discreto.
DOC (Direct Operating Costs). Costes de operacin directos. Trmino usado habitualmente
en aeronutica.
DRW (Discrete Random Walk). Movimientos discretos y aleatorios.
DS (Direct Simulation). Mtodo de simulacin directa de las ecuaciones de gobierno.
DTRM (Discrete Transfer Radiation Model). Modelo de radiacin de la transferencia
discreta.

F
FAS (Full Aproximated Storage). Mtodo de almacenamiento de datos.
FAVOR (Fractional Area/Volume Representation). Algoritmo que utiliza una malla
cartesiana como base para el dominio de la solucin, calculando fracciones de
volumen o rea para cada cara de la discretizacin.
FCBR (Fully Coupled Blade Row). Tipo de clculo del flujo en una turbomquina que
considera los efectos de varias coronas de labes.

FCT (Flux Corrected Transport). Se trata del mtodo precesor del TVD y fue introducido
por Boris y Brook en 1973.
FDM (Finite Difference Method). El mtodo de elementos finitos consiste en una
discretizacin numrica de las ecuaciones de gobierno basada en la aproximacin
de derivadas por diferencias entre las variables.
FEM (Finite Element Method). El mtodo de elementos finitos consiste en una
discretizacin numrica de las ecuaciones de gobierno basada en la utilizacin de
funciones de interpolacin para las distintas variables.
FVM (Finite Volume Method). El mtodo de elementos finitos consiste en una de
discretizacin numrica de las ecuaciones de gobierno basada en la propiedad de
conservacin de dichas ecuaciones.

G
GCGTVD (Generalized Conjugate Gradient Total Variation Diminishing). Tcnica
numrica derivada de los mtodos TVD.
GGDH (Generalized Gradient Diffusion Hypothesis). Hiptesis del gradient generalizado de
difusin. Introducida por Daly y Harlow en 1970.

H
HOT (Higher Order Terms). Trminos de orden superior.
HP (High Pressure Stages). Escalones (Stages) de turbomquinas de alta relacin de
presiones.

I
IBVP (Initial Boundary Value Problem). Tipo de problema cuya solucin viene
condicionada por una determinada situacin inicial o valor inicial de las variables.
IC (Initial Conditions). Condiciones iniciales de un problema que evoluciona en el tiempo.
IGV (Inlet Guide Vanes). Corona de labes a la entrada de una turbomquina.

L
LED (Local Extremum Diminsishing). Tcnica de solucin de las ecuaciones desarrollada
por Jameson en 1993. Se trata de un esquema no oscilatorio de segundo orden de
precisin.
LES (Large Eddy Simulation). Aproximacin a las ecuaciones de Navier-Stokes usando las
hiptesis de intercambio energtico entre los vrtices de gran y pequeo tamao.
Discutido ms en profundidad en el captulo cuatro del texto.
LHS (Left Hand Side). Lado izquierdo de una igualdad matemtica.
LP (Low Pressure Stages). Escalones de baja presin en turbomquinas.
LSOR (Line Succesive Overrelaxation). Tcnica de resolucin de sistemas de ecuaciones
lineales basada en la utilizacin de un parmetro de sobrerrelajacin.
LU (Lower and Upper Diagonal). Mtodo de resolucin de sistemas de ecuaciones lineales
basado en los elementos por encima y por debajo de la diagonal.
LU-SGS (Lower-Upper Symmetric-Gauss-Seidel Scheme). Similar al anterior pero
utilizando una estrategia Gauss-Seidel simtrica.

M
MAC (Marker and Cell). Modelos de resolucin de las ecuaciones diferenciales basados en
la utilizacin de mallados escalonados.

MARS (Monotone Advection and Reconstruction Scheme) Esquema de segundo orden con
menor sensibilidad o precisin con la estructura de la malla y el skewness.
MHD (Magneto Hidrodynamics). Magnetohidrodinmica de Fluidos.
MRF (Multiple Reference Frame). Mtodos de resolucin de las ecuaciones que se basan en
la utilizacin de varios sistemas de referencia.
MUSCL (Monotone Upstream-Centered Schemes for Conservation Laws). Leyes de
conservacin resueltas segn algoritmos montonos aguas arriba.

N
NBC (Natural Boundary Conditions). Condiciones de contorno naturales.
NS (Navier-Stokes). Ecuaciones de gobierno en Mecnica de Fluidos.

O
OBC (Outflow Boundary Conditions). Condiciones de contorno de cualquier tipo, excepto
del tipo Dirichlet. Tambin a veces se usa para hablar de Open Boundary
Conditions, con el mismo significado.
ODE (Ordinary Differential Equations). Ecuaciones diferenciales simples, en contraposicin
con las PDE.

P
PDE (Partial Differential Equations). Ecuaciones diferenciales en derivadas parciales.
PISO (Pressure Implicit with Spliting of Operators). Mtodo de solucin de las ecuaciones
para flujo incompresible.
PNS (Parabolized Navier-Stokes). Modelo de las ecuaciones de Navier-Stokes
parabolizadas. Modelo intermedio entre el TSL y las ecuaciones reales.
PPE (Pressure Poisson Equation). Mtodo de resolucin de las ecuaciones de gobierno para
flujo incompresible consistente en operar haciendo la divergencia de las
ecuaciones de cantidad de movimiento y luego aplicar la condicin de
incompresibilidad.
PPNS (Partially Parabolized Navier Stokes). Idntico al PNS pero haciendo la
parabolizacin de forma parcial.
PSOR (Point Succesive Overrelaxation). Mtodo de resolucin de sistemas de ecuaciones
lineales basadas en la utilizacin de un parmetro de sobrerrelajacin para acelerar
la convergencia del mtodo iterativo.

Q
QUICK (Quadratic Upstream Interpolation for Convective Kinetics). Algoritmos de
interpolacin cuadrtica usados en la discretizacin de las ecuaciones en los
mtodos de volmenes finitos.

R
RANS (Reynolds Averaged Navier-Stokes Equations). Ecuaciones de Navier-Stokes
promediadas segn esfuerzos de Reynolds. Tcnicas de solucin de las ecuaciones
de gobierno discutidas en el captulo cuatro de este documento.
RHS (Right Hand Side). Trminos al lado derecho de una igualdad matemtica.
RIT (Rotor Inlet Temperature). Temperatura de entrada en el rotor. No se trata de un
trmino exclusivo de las tcnicas numricas, sino que es un trmino general usado
en turbomquinas.

RNG (Renormalization Group Theory). Teora del grupo renormalizado. Tcnica
matemtica utilizada como modelo de turbulencia.
RSM (Reynolds Stresses Model). Modelo de las tensiones de Reynolds. Tambin llamado
modelo de cierre de segundo orden para las ecuaciones de conservacin.
RSE (Reynolds Stresses Equations). Ecuaciones que utiliza el mtodo definido
anteriormente (RSM).
RTE (Radiactive Transfer Equation). Ecuacin de transferencia de calor por reaccin
radioactiva.

S
SCBR (Steady Coupled Blade Row). Resolucin de las ecuaciones de la Mecnica de
Fluidos en turbomquinas considerando la interaccin entre varias coronas de
labes. Modelos estacionarios.
SGS (Subgrid Scale). Escala de la malla inferior en un sistema de resolucin por medio de
varios mallados (multimallado).
SIMPLE (Semi Implicit Method for Pressure Linked Equations). Mtodo de resolucin de
las ecuaciones de gobierno establecido por Patankar (1976).
SIMPLEC (Semi Implicit Method for Pressure Linked Equations Consistent). Una variacin
del mtodo anteriormente descrito.
SIP (Strongly Implicit Method). Mtodos de resolucin de sistemas de ecuaciones lineales
basados en algoritmos altamente implcitos.
SLIP (Symmetric Limited Possitive Schemes). Algoritmos definidos que conducen a
sistemas de ecuaciones simtricos y con coeficientes positivos.
SPD (Symmetric Positive Definite Matrix). Matriz simtrica y definida positiva.
SSBR (Steady Single Blade Row). Resolucin de las ecuaciones en turbomquinas
considerando nicamente el canal entre labes de una nica corona.
SUDS (Skew Upwind Differencing Scheme). Mtodo de resolucin de las ecuaciones
basado en la diferenciacin aguas arriba. Establecido por Raithby en 1976.
SU/PG (Streamline Upwind Petrov Galerkin). Mtodo espectral basado en la variacin de la
funcin peso en elementos finitos para considerar la direccin del flujo.
Desarrollado por Brook y Huges en 1982.

T
TDMA (Tri-Diagonal Matrix Algorithm). Algoritmo de resolucin basado en la utilizacin
de sistemas lineales tridiagonales.
TVD (Total Variation Diminishing). Algoritmo de resolucin utilizado en modelos de flujos
compresibles que controla la variacin de la solucin de forma no lineal.
Introducido por Harten en 1983.
TSL (Modelo Thin shear Layer). Uno de los modelos de aproximacin de las ecuaciones de
Navier-Stokes. Se explica ms en profundidad en el texto (captulo cuatro).
TKE (Turbulent Kinetic Energy). Energa cintica turbulenta, normalmente nombrada con la
letra k.
TSTE (Taylor Series Truncation Error). Error de truncatura de los distintos modelos que se
basan en los desarrollos en series de Taylor.

U
UDS (User Defined Scalar). Escalar definido por el usuario. Trmino usado en los cdigos
numricos comerciales.

U-P (Velocity Pressure). Modelos que usan en su desarrollo las variables primitivas, es
decir, la presin y la velocidad.
USLIP (Upwind Symmetric Limited Possitive Schemes). Esquemas aguas arriba y
simtricos con valores positivos.

V
VOF (Volume Of Fluid). Algoritmo que intenta capturar el movimiento de las partculas
siguiendo la fraccin de flujo que atraviesa cada cara del mallado.
VTE (Vorticity Transport Equations). Ecuaciones de transporte de la turbulencia. Suele
darse este nombre a las tcnicas numricas que utilizan la vorticidad.

W
WSGGM (Weighted Sum of Gray Gases Model). Modelo de la suma de los gases grises. Es
un modelo usado en combustin.

AIII.2.- Instituciones y organismos que aparecen habitualmente en textos
numricos.

AGARD (Advisory Group for Aerospace Research & Development). Consejo para la
investigacin y desarrollo aeroespacial. Perteneciente a la OTAN.
AIAA (American Institute of Aeronautics and Astronautics). Instituto Americano par la
aeronutica y la astronutica.
API (American Petroleum Institute). Instituto Americano del petrleo. Estados Unidos.
ASME (American Society of Mechanical Engineers). Asociacin Americana de Ingenieros
Mecnicos. Entre otras muchas actividades, publican los PTC (Performanes Test
Code) o cdigos para ensayos experimentales.
ASPE (American Society of Plumbing Engineers). Sociedad Americana de Ingenieros
dedicados al diseo e instalacin de conductos. Estados Unidos.
ASRHAE (American Society of Heating, Refrigeration, and Air Conditioning Engineers).
Sociedad Americana de Ingenieros dedicados a instalaciones de calefaccin,
refrigeracin y aire acondicionado.
BHRA (British Hidromechanics Research Association). Asociacin Britnica para la
investigacin hidromecnica. Inglaterra.
BRITE (Basic Research In Technology for Europe). Programa Europeo para el desarrollo de
investigacin tecnolgica bsica.
CALTECH (California Institute of Technology). Instituto de Tecnologas en California
(Estados Unidos).
CETIM (Centre Technique dIndustries Mcaniques). Centro Tecnolgico de Industrias
Mecnicas. Situado en Nantes, Francia.
CGPM (Confrence Gnral des Poids et Mesures). Comit Internacional de Pesas y
medidas. Creado en Francia, estableci en 1960 el SI (Sistema Internacional) de
medidas.
CREMHYG (Centre de Recherche et dEssais de Machines Hydrauliques de Grenoble).
Centro de Investigacin y ensayo de mquinas hidrulicas de Grenoble, Francia.
DFVLR (Deutsche Forschungs-und Versuchsanstalt fr Luft- und Raumfahrt). Laboratorio
para la investigacin en Alemania.
EUROMECH (European Mechanics Society). Sociedad Europea para la Ingeniera
Mecnica.

GALCIT (Graduate Aeronautical Laboratories at California Institute of Technology).
Laboratorios de aeronutica en el CALTECH.
HENSA (Higher Education National Software Archive). Archivo Nacional de Software
dedicado a la Educacin. Institucin de Inglaterra.
HVAC (Automotive Heating, Ventilation and Air Conditioning engineers). Asociacin de
los Ingenieros dedicados a la calefaccin, ventilacin y aire acondicionado en
automviles. Estados Unidos.
IGTI (International Gas Turbine Institute). Instituto Internacional dedicado a las Turbinas de
Gas. Organismo dependiente del ASME.
ISABE (International Society for Air Breathing Engines). Sociedad Internacional para los
Motores de Combustin que utilizan el aire.
JPL (Jet Propulsion Laboratory). Es una de la instituciones o laboratorios que funcionan
dentro del CALTECH.
JSME (Japanese Society of Mechanical Engineers). Sociedad Japonesa de Ingenieros
Mecnicos.
LLNL (Lawrence Livermore National Laboratory). Laboratorio Americano dedicado a la
Mecnica de Fluidos. Estados Unidos.
MIT (Massachussets Institute of Technology). Instituto Tecnolgico de Massachussets. Uno
de los grandes centros de Investigacin a nivel mundial.
MTU (Motoroen-und Turbinen-Union Munchen). Instituto para la investigacin en Motores
y Turbinas. Munich (Alemania).
NACA (National Advisory Committee for Aeronautics). Comit Nacional para la
Aeronutica. Es el organismo predecesor de la NASA. Estados Unidos.
NASA (National Aeronautics and Space Administration). Administracin Nacional para la
Aeronutica y el Espacio. Estados Unidos.
NGTE (National Gas Turbine Establisment). Instituto para las Turbinas de Gas. Estados
Unidos.
NIST National Institute of Standards and Technology). Instituto Nacional para la Normativa
y las Tecnologas. Estados Unidos.
NRC (Nuclear Regulatory Commission). Comisin Reguladora de actividades Nucleares.
Estados Unidos.
ONERA (Office National dEtudes et de Recherche Aroespatiales). Oficina Nacional para
la Investigacin. Paris, Francia.
RAE (Royal Aircraft Establishment). Academia Real para la Aviacin. Inglaterra.
ROMAC (Rotating Machinery and Controls). Mquinaria rotativa y controles. Centro de
investigacin de la Universidad de Virginia (Estados Unidos).
SHF (Socit Hydrothermique de France). Sociedad para estudios Hidrulicos y Trmicos
de Francia.
UMIST (University of Manchester Institute of Science and Technology). Instituto de
Ciencia y Tecnologa de la Universidad de Manchester (Inglaterra).
UTRC (United Technologies Research Center). Centro de investigacin en varias reas de la
ingeniera. Connecticut (Estados Unidos).
VKI (von Karman Institute). Instituto de Investigacin von Karman. Dedicado a
investigacin sobre Mecnica de Fluidos. Situado en Blgica.


ISBN 84-607-9546-2

Técnicas Numéricas en Mecánica de Fluidos

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Técnicas Numéricas en Mecánica de Fluidos

Încărcat de

Drepturi de autor:

Formate disponibile

Universidad de Oviedo

REA DE MECNICA DE FLUIDOS

es la resultante de las fuerzas volumtricas externas que afecta a cada partcula.

= (Comportamiento elptico) (17)

(Comportamiento parablico) (18)

, se tienen las siguientes

. Dicha ecuacin discretizada en el extremo B da lugar a:

), por ser la nica incgnita en el paso temporal n.

= = con j = 0,1,2,...,N (AI.21)

) , ( = es el punto "i" del mallado.

S-ar putea să vă placă și