File - 1 - 11 - Simulacin Numrica de Inundaciones en Vil PDF

UNIVERSIDAD JUÁREZ AUTÓNOMA DE TABASCO
DIVISIÓN ACADÉMICA DE CIENCIAS BÁSICAS
SIMULACIÓN NUMÉRICA DE INUNDACIONES

EN VILLAHERMOSA
T E S I S
QUE PARA OBTENER EL GRADO DE
MAESTRO EN CIENCIAS EN
MATEMÁTICAS APLICADAS
P R E S E N T A:
JUAN CARLOS GONZÁLEZ AGUIRRE
DIRECTORES DE TESIS :
DR. JUSTINO ALAVEZ RAMÍREZ

M. EN C. JORGE LÓPEZ LÓPEZ
DR. MA. ELENA VÁZQUEZ CENDÓN
CUNDUACÁN, TAB., MÉXICO DICIEMBRE, 2012

ii
SIMULACIÓN NUMÉRICA DE INUNDACIONES
EN VILLAHERMOSA
Juan Carlos González Aguirre

Jurado
Integrado por los profesores:
1. Dr. Justino Alavez Ramírez
2. Dr. Gamaliel Blé González

3. Dr. Víctor Castellanos Vargas
4. M.C. Emmanuel Munguía Balvanera
5. M.C. Pedro Antonio Sánchez Ruíz
iv
Agradecimientos
Agradezco a los directores de esta tesis,

a mis padres, amigos y compañeros,
por su apoyo y consejos
brindados durante todo este tiempo,
sin ellos este trabajo no seria lo que es hoy.
Agradezco al Fondo Mixto Conacyt-Gobierno del Estado de Tabasco,

por el apoyo económico que me otorgó
para llevar acabo la estancia de investigación, con cargo al sub-proyecto de investigación
“Modelación de las variables hidrológicas en la cuenca del Grijalva”
Clave TAB-2007-C10-82422/04,
que se desarrolla en el marco de la Red Académica Sobre Desastres en Tabasco,
Clave TAB-2007-C10-82422.
De igual forma agradezco al CONACYT por la beca
de estudios proporcionada durante el transcurso de la maestría.
Así mismo agradezco al Dr. Alberto Ortega y Venzor

Director General de Vinculación Estratégica del INEGI
por habernos autorizado el uso del modelo digital
de alta resolución Lidar, Tipo Superficie y
Tipo Terreno, con número de Registro DGAD-006/2009;
de la ciudad de Villahermosa, Tabasco.
La felicidad humana generalmente

no se logra con grandes golpes de suerte,
que pueden ocurrir pocas veces,
sino con pequeñas cosas
que ocurren todos los días.
Benjamin Franklin (1706-1790)
v
vi
Introducción
Una de las formas de encontrar posibles soluciones a problemas relacionados con los
desbordes de ríos e inundaciones, es realizar la simulación numérica de estos escenarios,
los cuales pueden ser modelados por las ecuaciones de Saint-Venant. Estas ecuaciones
son un sistema hiperbólico cuasi-lineal que “no admite una solución analítica explícita”
pero se cuentan con varios esquemas numéricos para su solución. Para ello, El modelo de
Saint-Venant se discretiza mediante el método de volúmenes finitos, proporcionando un
algoritmo explícito. La implementación de esta técnica ha dado lugar a varios paquetes,
dentro del cual destaca el modelo Iber.
En esta tesis se simula el flujo de los ríos Grijalva y Carrizal, con el propósito de
proponer alternativas para poder prevenir inundaciones y disminuir las pérdidas que
éstas ocasionan. Para ello fue necesario ajustar la batimetría de los ríos, en particular
se trabajó en el río Carrizal ya que en trabajos previos se había ajustado la batimetría
del río Grijalva.
Las simulaciones se plantearon en tres escenarios distintos: En primer lugar se han
simulado las condiciones que había el día 1 de octubre de 2007, alcanzando en esta
simulación el régimen permanente y obteniendo un buen ajuste en la zona de la esta-
ción hidrológica Gaviotas. En segundo lugar, partiendo del resultado donde se tiene el
régimen permanente se han incrementado los caudales de entrada hasta alcanzar los re-
portados por CONAGUA para el día 30 y 31 de octubre de 2007, se deja una condición
de salida libre. En esta simulación se observan desbordes en el río Carrizal a la altura
de Bosques de Saloya y desbordes en el río Grijalva luego de la sección de la estación
Gaviotas y en los ríos Pichucalco y Mezcalapa. En la tercer simulación procede de la
misma forma que en la segunda, solo que en ésta se modifica la condición de salida a
una de nivel dado, en ésta se observan los mismos desbordes en el río Carrizal pero en
en el río Grijalva hay desbordes a la altura del Muelle y a la altura de la laguna del
negro, ocasionando que haya inundaciones en el centro de la Ciudad de Villahermosa
de aproximadamente 4 m de altura.
Este trabajo está estructurado de la siguiente manera, en el Capítulo 1 se desarrolla la
teoría de volúmenes finitos en una dimensión para el caso lineal, en especial se trabaja
con la ecuación de transporte y con las ecuaciones linealizadas de las aguas someras. En
el Capítulo 2 se trabaja con ecuaciones no lineales, se presenta el flujo de la ecuación de
Burgers para el método de Godunov y se dan las formas generales de los flujos numéri-
cos de los Q-esquemas y de los esquemas de Vijayasundaram y de Steger-Warming. En
vii
viii
el Capítulo 3 se desarrolla la solución analítica del problema de Riemann para la ecua-

ciones de las aguas someras y se contrasta la solución analítica con la que proporcionan
los distintos métodos presentados en el Capítulo 2. En el Capítulo 4 se introduce la
discretización de las ecuaciones cuando éstas presentan un término fuente, se presentan
resultados de la solución obtenida con el Q-esquema de van Leer para las ecuaciones de
las aguas someras con término fuente. En el Capítulo 5 se desarrolla la discretización de
las ecuaciones de las aguas someras en dos dimensiones con volúmenes finitos y se pre-
sentan lo que conoceremos como frentes de seco mojodo. En este capítulo se encuentra
condensado todo lo desarrollado en los capítulos previos, solo que aquí es desarrollado
para dos variables, de igual modo todo lo descrito en este capítulo está implementado en
el software Iber. Finalmente en el Capítulo 6 se presentan simulaciones del flujo de los
ríos Carrizal y Grijalva y se obtienen resultados de inundaciones, mediante el software
Iber v1.6. Iber es un software libre que es desarrollado por los grupos de trabajo GEA-
MA (Universidad de la Coruña), mat + i (Universidad de Santiago de Compostela) y
FLUMEN (Universidad Politécnica de Cataluña), este software está disponible en la
página www.iberaula.es.
Introducción ix
x
Índice general
Introducción vii
1. Introducción al método de volúmenes finitos para la resolución . . . 1

1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Formulación general para una ley de conservación hiperbólica . . . . . . 3
1.2.1. Convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Método de Godunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4. Discretización de la ecuación del transporte . . . . . . . . . . . . . . . 10
1.4.1. Diferencias finitas . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.2. Esquema centrado incondicionalmente inestable . . . . . . . . . 11
1.4.3. Análisis de von Neumann del esquema centrado . . . . . . . . . 12
1.4.4. Esquema de Lax-Friedrichs . . . . . . . . . . . . . . . . . . . . . 13
1.4.5. Análisis de von Neumann para el esquema de Lax-Friedrichs . . 13
1.4.6. Esquemas descentrados . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.7. Análisis de von Neumann del esquema descentrado . . . . . . . 18
1.5. Análisis del orden de precisión para los esquemas descentrados y el de
Lax-Friedrichs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6. Sistemas de ecuaciones lineales hiperbólicos . . . . . . . . . . . . . . . 22
1.6.1. Método de Godunov . . . . . . . . . . . . . . . . . . . . . . . . 26
2. Método de volúmenes finitos para la resolución de sistemas hiperbó-

licos ... 32
2.1. Esquemas conservativos . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.1. Versión conservativa y flujo numérico del método de Godunov . 33
2.1.2. Flujo numérico de Godunov para la ecuación de Burgers . . . . 35
2.2. Teorema de Lax-Wendroff . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3. Condición de entropía . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.1. Consistencia del método de Godunov con la condición de entropía 41
2.4. Esquemas descentrados y Q-esquemas . . . . . . . . . . . . . . . . . . . 42
2.4.1. Esquemas descentrados . . . . . . . . . . . . . . . . . . . . . . . 42
2.4.2. Los Q-esquemas . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5. Análisis de viscosidad numérica . . . . . . . . . . . . . . . . . . . . . . 43
i
ii ÍNDICE GENERAL
2.6. Analisis cuantitativo de precisión espacial . . . . . . . . . . . . . . . . . 45

2.7. Técnicas de descomposición del flujo . . . . . . . . . . . . . . . . . . . 47
2.7.1. Esquema de Steger–Warming . . . . . . . . . . . . . . . . . . . 48
2.7.2. Esquema de Vijayasundaram . . . . . . . . . . . . . . . . . . . . 48
2.7.3. Factorización del flujo cuando éste no es una función homogénea 48
3. Ecuaciones de Saint-Venant unidimensionales 50

3.1. Ecuaciones de Saint-Venant unidimensionales . . . . . . . . . . . . . . 50
3.1.1. Derivación de las ecuaciones de Sain-Venant . . . . . . . . . . . 50
3.1.2. Invariantes de Riemann . . . . . . . . . . . . . . . . . . . . . . 52
3.2. Problema de Rieman para la ecuaciones de Saint-Venant . . . . . . . . 53
3.2.1. Fondo mojado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2.2. Fondo seco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3. Resolución numérica del problema de Riemann . . . . . . . . . . . . . . 63
3.3.1. Consideraciones para la implementación del frente seco mojado . 63
3.3.2. Resultados numéricos . . . . . . . . . . . . . . . . . . . . . . . . 64
4. Resolución numérica de las ecuaciones de Saint-Venant unidimensio-

nales ... 76
4.1. Presencia del término fuente en las ecuaciones . . . . . . . . . . . . . . 76
4.2. Fuentes numéricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.1. Consistencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.2.2. Q-esquema de van Leer para resolver leyes de conservación con
término fuente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.3. Aplicación a las ecuaciones de Saint-Venant . . . . . . . . . . . . . . . 81
4.3.1. Propiedad de conservación . . . . . . . . . . . . . . . . . . . . . 82
4.3.2. Resultados numéricos . . . . . . . . . . . . . . . . . . . . . . . . 83
5. Ecuaciones bidimensionales de Saint-Venant 89

5.1. Deducción de la ecuaciones de Saint-Venant . . . . . . . . . . . . . . . 89
5.2. Discretización de las ecuaciones de Saint-Venant . . . . . . . . . . . . . 90
5.2.1. Discretización del dominio espacial . . . . . . . . . . . . . . . . 90
5.2.2. Forma conservativa de las ecuaciones de Saint-Venant . . . . . . 92
5.2.3. Carácter hiperbólico de las ecuaciones de Saint-Venant . . . . . 93
5.2.4. Discretización de las ecuaciones . . . . . . . . . . . . . . . . . . 94
5.2.5. Discretización del flujo convectivo . . . . . . . . . . . . . . . . . 95
5.2.6. Discretización del término fuente, pendiente del fondo . . . . . . 100
5.2.7. Discretización del término fuente, pendiente de fricción . . . . . 102
5.3. Condiciones de frontera . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.4. Frente Seco–Mojado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
ÍNDICE GENERAL iii
6. Simulación numérica de una inundación en Villahermosa 105

6.1. Creación de la geometría y asignación de la topografía . . . . . . . . . 107
6.2. Simulación del escenario del día 1 de octubre de 2007 . . . . . . . . . . 108
6.2.1. Condiciones de contorno, condiciones iniciales y parámetros de la
simulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.2.2. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.3. Simulación del escenario de los días 30 y 31 de octubre de 2007 . . . . . 113
6.3.1. Simulación con una condición de salida libre . . . . . . . . . . . 114
6.3.2. Simulación con una condición de salida de nivel dado . . . . . . 118
6.4. Mapa de riesgo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7. Conclusiones 125
Bibliografía 127
iv ÍNDICE GENERAL
Capítulo 1
Introducción al método de volúmenes

finitos para la resolución de leyes de
conservación lineales
En este capítulo se desarrolla la teoría fundamental de los esquemas de volúmenes

finitos para la resolución de leyes de conservación lineales, se presenta desde la parte de
la discretización del dominio, la forma de construir lo que conoceremos como volúmenes
finitos, los esquemas numéricos de Lax-Friedrisch, así como el esquema descentrado y
el método de Godunov. Este capítulo está basado principalmente en lo expuesto por
[Vázquez-Cendón, 2008], y la parte del método de Godunov se toma de [Toro, 1997], y
de igual forma se tomaron aportes de [LeVeque, 2002].
1.1. Introducción
Un sistema de leyes de conservación establece que la variación de unas magnitudes
contenidas en una región, es igual al flujo que entra a través de dicha región más la
tasa de creación o destrucción de dichas magnitudes [Vázquez-Cendón, 1994]. En una
variable espacial las ecuaciones de dicho sistema tienen la siguiente forma
∂W ∂F
(x, t) + (W (x, t)) = G(x, W (x, t)), (1.1)
∂t ∂x
donde W es el vector de variables conservativas, la función F representa el flujo continuo
y G el término fuente.
El término de ley de conservación se usa normalmente cuando G ≡ 0, y se suele precisar
cuando este término es no nulo: ley de conservación generalizada o con término fuente.
La ecuación anterior debe ser acompañada de condiciones iniciales y en caso de ser
necesario imponer condiciones de contorno. El problema más simple de resolver es el
problema de Cauchy, que consiste en resolver (1.1) con condición inicial dada por
1
2 Introducción
w(x, 0) = w0 (x), x ∈ (−∞, ∞).
Cuando w0 (x) toma la forma

wl si x ≤ 0
w0 (x) = (1.2)
wr si x > 0
donde wl y wr son dos estados constantes, a este problema de Cauchy se le conoce como
problema de Riemann.
1.1.1. Ejemplos
Ejemplo 1.1.1 La ecuación de transporte
∂w ∂w
+λ =0 (1.3)
∂t ∂x
donde F (w) = λw y λ es la velocidad de propagación de la onda.
Ejemplo 1.1.2 Modelo del flujo del tráfico

ρ
∂ρ ∂ ρum 1 − ρm
+ =0 (1.4)
∂t ∂x

donde F (ρ) = ρum 1 − ρρm , siendo ρ la densidad de autos, ρm un valor a partir del
cual el tráfico colapsa en un atasco y um la velocidad máxima permitida.
Ejemplo 1.1.3 Las ecuaciones de las aguas someras con fondo constante, linealizadas
∂w ∂f (w)
+ =0 (1.5)
∂t ∂x
T
T
con w = (h, u) y f (w) = u eh + hu, gh + ue
e u donde h es la altura del agua en cada
punto x en cualquier instante t, u es la velocidad horizontal promedio, g la constante
h, u
de gravedad y e e son constantes.
Algunas de estas ecuaciones como las ecuaciones de la aguas someras no se pueden

solucionar analíticamente para cualquier tipo de condición inicial y de contorno; es por
ello que se recurren a métodos numéricos para aproximar sus soluciones.
Introducción al método de volúmenes finitos para la resolución . . . 3
1.2. Formulación general para una ley de conservación

hiperbólica
El método de volúmenes finitos en una dimensión espacial se basa en dividir el dominio
espacial en intervalos, los volúmenes finitos, también llamados celdas, y buscar en cada
uno de ellos la aproximación de la integral de la variable conservativa w. En cada paso
del tiempo se actualizan estos valores utilizando aproximaciones del flujo a través de
las fronteras de los volúmenes finitos.
El dominio espacial [a, b] se discretiza tomando una malla arbitraria C∆x , donde {xi :
i = 1, 2, · · · , M } es el conjunto de los nodos de C∆x , siendo ∆x la norma de la malla
C∆x :
∆x = sup |xi − xi−1 |.
xi ∈C∆x
La celda o volumen finito Ci se define como:

xi − xi−1 xi+1 − xi

Ci = xi− 1 , xi+ 1 = xi − , xi + , (1.6)
2 2 2 2
xi+1 −xi−1
por lo tanto su área (longitud en el caso 1D) es Ai = 2
.
xi−1 xi xi+1
xi− 1 xi+ 1
2 2
-
TiL - TiR -
Ci -
Figura 1.1: Esquema gráfico de una malla de volúmenes finitos. TiL y TiR denotan las subceldas
a la izquierda y a la derecha, respectivamente.
El valor win proporcionado por el método de volúmenes finitos, aproximará el valor

medio de w sobre la celda Ci en el instante tn ,
Z x 1 Z
n 1 i+ 2
n 1
wi ≈ w(x, t )dx = w(x, tn )dx. (1.7)
Ai x 1 Ai Ci
i− 2
Si w es una función regular, entonces la aproximación anterior coincide con el valor de

w en el nodo de la celda con orden O(∆x2 ).
La integral de una ley de conservación
wt + f (w)x = 0
en la celda Ci , está dada por

4 Formulación general para una ley de conservación hiperbólica
Z
d
w(x, t)dx = f w xi− 1 , t − f w xi+ 1 , t . (1.8)
dt Ci
2 2
Se puede emplear esta expresión para desarrollar un algoritmo explícito en la evolución

temporal: Dados win , las aproximaciones promedio en las celdas en el tiempo tn , que-
remos aproximar win+1 , los valores promedios en la celdas en el siguiente tiempo tn+1 ,
luego de un paso de tiempo ∆t = tn+1 − tn .
Integrando (1.8) entre t = tn y t = tn+1 se tiene
Z Z
w(x, tn+1 )dx − w(x, tn )dx =
Ci Ci
Z tn+1 Z tn+1 (1.9)
f (w(xi− 1 ), t)dt − f (w(xi+ 1 , t))dt
2 2
tn tn
Reordenando términos y dividiendo por ∆x, se tiene
Z Z
1 1
w(x, tn+1 )dx = w(x, tn )dx−
∆x Ci ∆x Ci
Z tn+1 Z tn+1 (1.10)
1
f (w(xi+ 1 , t))dt − f (w(xi− 1 , t))dt .
∆x tn 2
tn
2
Esta expresión nos dice cómo debe ser actualizado el promedio de w en la celda en un
paso de tiempo. Sin embargo, en general, las integrales en el tiempo del lado derecho
de (1.10) no pueden ser evaluadas, porque w(xi± 1 , t) varía con el tiempo a lo largo de
2
cada lado de la celda, y no se cuenta con la solución exacta para trabajar, esto da la
pauta para trabajar con métodos numéricos de la forma
∆t n
=win+1 − win n
f 1 − fi− 1 , (1.11)
∆x i+ 2 2
n
donde fi+ 1 es una aproximación del valor medio del flujo en el plano xt a lo largo de la
2
recta x = xi+ 1 , con t entre tn y tn+1 .
2
Z tn+1
n 1
fi+ 1 ≈ f (w(xi+ 1 , t))dt. (1.12)
2 ∆t tn 2
Si este valor promedio del flujo se puede aproximar empleando los valores de wn , en-
tonces se tiene una discretización total de ley de conservación.
En los problemas hiperbólicos la información se propaga a velocidad finita, y por tanto
n n
es razonable suponer que se puede obtener fi− 1 tomando como base los valores de wi−1
2
y win , los valores promedio a ambos lados de la frontera xi− 1 . Entonces se puede utilizar
2
una expresión de la forma
n n n
fi− 1 = φ(wi−1 , wi ), (1.13)
2
donde φ es una cierta función que se le llama flujo numérico. Empleando esta notación
en el esquema numérico (1.11), se obtiene
∆t
win+1 = win − φ(win , wi+1
n n
, win ) .

) − φ(wi−1 (1.14)
∆x
El método específico obtenido depende de la elección de la expresión de φ, pero en
general cualquier método de este tipo es un método explícito con tres puntos en su
trazado (stencil), lo que significa que el valor win+1 dependerá de los tres valores wi−1
n
,
n n
wi y wi+1 .
Definición 1.2.1 Un esquema está en forma conservativa cuando imita la propiedad

(1.9) de la solución exacta, es decir, si tomamos win+1 definido por (1.14) y lo sumamos
sobre cualquier conjunto de celdas Ci (i = I, . . . , J) y luego multiplicamos por ∆x se
tiene
XJ XJ
n+1
∆x wi = ∆x win − ∆t fJ+n
1 − f
n
I− 1 .
2 2
i=I i=I
Puesto que la suma de los flujos se cancela salvo los flujos de los extremos x = xI− 1 y
2
x = xJ+ 1 .
2
1.2.1. Convergencia
Para valorar si un esquema nos facilita buenas aproximaciones de la ley de conservación,
un requerimiento esencial es que el método numérico resultante debe ser convergente, es
decir, la solución numérica obtenida debe converger a la solución exacta de la ecuación
diferencial cuando ∆x, ∆t −→ 0.
La convergencia del método generalmente requiere de dos condiciones:
El método debe ser consistente con la ecuación diferencial, lo que significa que la
aproxima bien localmente.
El método debe ser estable en un determinado sentido, esto es, que los pequeños
errores que se producen en cada paso de tiempo no deben crecer demasiado rápido
en los pasos de tiempos posteriores.
Consistencia
El flujo numérico debe aproximar la integral (1.12). En particular, si la función w(x, t) ≡
w es constante en x, entonces w no cambiará con el tiempo y la integral en (1.12)
n
simplemente se reduce a f (w). Como consecuencia, si wi−1 = win = w, entonces la
función flujo numérico φ se reduce a f (w), por lo tanto se pide que
φ(w, w) = f (w), (1.15)

6 Formulación general para una ley de conservación hiperbólica
ésta es parte de la condición de consistencia básica. Generalmente también se pide

n
la continuidad de la variación de wi−1 n
y win , esto es φ(wi−1 , win ) −→ f (w) cuando
n
wi−1 , win −→ w.
Usualmente se requiere la condición de “continuidad Lipchitz”, es decir, existe una
constante L tal que
n
, win ) − f (w)| ≤ L máx |win − w|, |wi−1
n

|φ(wi−1 − w| . (1.16)
Análisis de estabilidad y la condición CFL

La condición CF L
λ∆t
≤ 1, (1.17)
∆x
es una condición necesaria que debe verificar cualquier método de volúmenes finitos o
de diferencias finitas explícito si esperamos que sea estable y converja a la solución de
la ecuación lineal cuando la malla es refinada.
Esta condición establece que un método debe ser aplicado de modo que la información
tenga la oportunidad de propagarse a velocidades físicas correctas, determinadas por los
autovalores de la matriz jacobiana del flujo.
En el esquema explícito propuesto en (1.14), el valor win+1 depende solo de tres valores.
Supongamos que aplicamos este método a la ecuación de transporte wt + λwx = 0 con
λ > 0. La solución exacta se propaga a una distancia λ∆t cada paso de tiempo, es decir
w(x, tn + ∆t) = w(x − λ∆t, tn ).
En la figura 1.2, se muestra una situación en la que λ∆t < ∆x, por tanto la información
se propaga menos que la longitud de la celda en cada paso de tiempo. En este sentido
n
tiene caso definir el flujo en xi− 1 dependiendo de wi−1 y win solamente.
2
tn+1 win+1

tn n
wi−2 n
wi−1 win
Figura 1.2: Propagación correcta de la información. Para determinar el valor de win+1 solo es
n
necesaria la información de wi−1 y win
En la figura 1.3 se muestra el caso en que λ∆t > ∆x. Se observa como la solución exacta
n
en la celda Ci y en el instante tn+1 depende además de wi−2 y por lo tanto también el
flujo exacto en xi− 1 depende de este valor.
2
tn+1 win+1

tn n
wi−2 n
wi−1 win
Figura 1.3: Propagación incorrecta de la información. Para determinar el valor de win+1 es

n y w n , es decir, que la malla no puede propagar la información
necesaria la información de wi−1 i−2
de modo correcto.
El método propuesto en (1.14) se volverá inestable cuando se aplique a largos pasos

de tiempo, independientemente de la función flujo numérico considerada, si esta fun-
n
ción depende solamente de wi−1 y win .Esto es una consecuencia de la condición CFL
(Courant, Friedrichs and Lewy, 1928), en la que
λ∆t
µ= (1.18)
∆x
se conoce como número CFL o de Courant y puede interpretarse como:
Cociente de longitudes:
λ∆t = longitud recorrida por una señal que se proponga a velocidad λ en un
tiempo ∆t.
∆x = Longitud del paso de discretización espacial.
En este caso la interpretación de la condición de Courant (λ∆t ≤ ∆x) es: la
información del problema discreto se debe propagar a una distancia menor que la
longitud de la celda en cada paso del tiempo.
Cociente de velocidades.
λ
µ= ,
λp
∆x
donde λp = ∆t
= velocidad de propagación de la malla o discretización.
λ = velocidad de propagación del problema continuo.
8 Método de Godunov
En este caso la interpretación de la condición de Courant (λ ≤ λp ) es: la velocidad

de propagación del problema continuo λ, debe ser menor que la velocidad a la que
la malla propaga la información λp .
1.3. Método de Godunov

El método de Godunov es considerado un método conservativo de la forma (1.11),
donde el flujo numérico fi+ 1 entre las celdas es calculado usando la solución local de
2
un problema de Riemann. Un supuesto de este método es que en un instante n se tiene
la información en forma de distribución constante por pedazos, como se puede ver en
la figura 1.4.
6
win
r r r r r -
C1 Ci−1 Ci Ci+1 Ck
Figura 1.4: Forma de la función constante w por pedazos al tiempo n.
n
La información en el instante n puede ser vista como un par de constantes (win , wi+1 ),
separados por una discontinuidad en la frontera xi+ 1 . Podemos definir entonces el pro-
2
blema local de Riemann en [xi , xi+1 ] como
wt + f (w)x = 0

win si x < 0
u(x, 0) = u0 (x) = n
wi+1 si x > 0.
Este problema de Riemann que se donota por RP (win , wi+1
n
), tiene solución analítica. Así
conociendo los valores de w en un tiempo n en cada frontera xi+ 1 de la celda, tenemos
2
un problema local de Riemann con condición inicial (win , wi+1
n
), lo que se necesita ahora
es una forma de calcular win+1 .
Godunov propone en [Godunov, 1959] el siguiente esquema para actualizar el valor win
a un nuevo valor win+1 : solucionar los dos problemas locales de Riemann, RP(wi−1 n
, win )
y RP(win , wi+1
n
), para la ley de conservación wt +f (w)x = 0. Tomar la integral promedio
en la celda i de la combinación de la solución de estos dos problemas locales y asignar

el valor a win+1 . En la figura 1.5, se ilustra este procedimiento para el caso en el que
f (w) = λw, λ > 0.
n , wn )
RP (wi−1 RP (win , wi+1
n )
i
- -
tn+1 A
d
B
d
C
d
D
d

dx

dt =λ-

t r t r t
tn xi−1 xi− 1 xi xi+ 1 xi+1
2 2
Figura 1.5: Ilustración del método de Godunov, para la ecuación del transporte con velocidad
positiva λ. La solución del problema de Riemann es promediada en el tiempo t = ∆t en la
celda Ci .
n
La solución exacta del problema RP(wi−1 , win ) para λ > 0 es
x wn
i−1 si xt < λ
wi− 1 = (1.19)
2 t win si xt > λ,
de igual modo la solución wi+ 1 (x, t) del RP(win , wi+1
n
) es
2
x wn si x < λ
i t
wi+ 1 = (1.20)
2 t n
wi+1 si xt > λ.
El esquema de Godunov define la actualización de la solución como
"Z 1 #
∆x Z 0
1 2
x x
win+1 = wi− 1 dx + wi+ 1 dx . (1.21)
∆x 0 2 ∆t − 21 ∆x
2 ∆t
La integral es evaluada al tiempo ∆t, entre los puntos A y D de la figura 1.5. Note que
sólo se utiliza el lado derecho de la solución wi− 1 (x, t) y sólo el lado izquierdo de la
2
solución wi+ 1 (x, t). La soluciones a los problema de Riemann tienen su propio origen,
2
los cuales corresponde a las fronteras xi− 1 y xi+ 1 . Para evaluar la integral es necesario
2 2
imponer una condición al tamaño de paso ∆t, esta condición es [Toro, 1997]:
λ∆t 1
µ= ≤ . (1.22)
∆x 2
El primer término de (1.21) está definido en el intervalo [A, B] y [B, C] los cuales tienen
las longitudes siguientes:
10 Discretización de la ecuación del transporte

1
lAB = µ∆x y lBC = − µ ∆x.
2
Sustituyendo (1.19) en la primera integral de (1.21) tenemos,
1
Z ∆x
1 2
x
n 1
wi− 1 = µwi−1 + − µ win .
∆x 0
2 ∆t 2
La segunda integral es
Z 0
1 x 1
wi+ 1 = win .
∆x − 12 ∆x
2 ∆t 2
Sumándolas se tiene
win+1 = win + µ wi−1

n
− win

si λ > 0. (1.23)
Este esquema se verá más adelante que coincide con el esquema descentrado, el cual
será introducido en la sección 1.4.6, y los resultados numéricos se presentarán en dicha
sección.
1.4. Discretización de la ecuación del transporte

En esta sección discretizaremos la ecuación del transporte utilizando diferencias finitas.
Para ello, introduciremos los tipos de diferencias que podemos utilizar.
1.4.1. Diferencias finitas

Dada una función g suficientemente regular, planteamos las distintas aproximaciones de
la derivada mediante diferencias finitas. Utilizando desarrollo de Taylor en un entorno
de x0 :
g 00 (x0 )
g(x0 + ∆x) = g(x0 ) + g 0 (x0 )∆x + (∆x)2 + O(∆x)3 .
2!
Análogamente en x0 − ∆x:
g 00 (x0 )
g(x0 − ∆x) = g(x0 ) − g 0 (x0 )∆x + (∆x)2 + O(∆x)3 .
2!
Estas relaciones nos permiten introducir las siguientes aproximaciones
Diferencia descentrada a la derecha

g(x0 + ∆x) − g(x0 )
D+ g(x0 ) = , (1.24)
∆x
g 0 (x0 ) = D+ g(x0 ) + O(∆x). (1.25)
Diferencia descentrada a la izquierda
g(x0 ) − g(x0 − ∆x)

D− g(x0 ) = , (1.26)
∆x
g 0 (x0 ) = D− g(x0 ) + O(∆x). (1.27)
Diferencia centrada
g(x0 + ∆x) − g(x0 − ∆x)
D0 g(x0 ) = , (1.28)
2∆x
g 0 (x0 ) = D0 g(x0 ) + O(∆x)2 . (1.29)
Procedemos ahora a discretizar la ecuación del transporte.
1.4.2. Esquema centrado incondicionalmente inestable

Consideramos las siguientes aproximaciones de las derivadas en el tiempo y en el espacio:
win+1 − win wn − wi−1 n

wt ' , wx ' i+1 ,
∆t 2∆x
una discretización descentrada en el tiempo y una discretización centrada en el espacio,
respectivamente. Las cuales son de orden 1 en el tiempo y de orden 2 en el espacio.
Sustituyendo estas expresiones en la ecuación de transporte
wt + λwx = 0,
se tiene
win+1 − win wn − wi−1

n
+ λ i+1 = 0,
∆t 2∆x
despejando win+1 e introduciendo el número de Courant µ = λ∆t/∆x, el método de
volúmenes finitos correspondiente adquiere una expresión de la forma
µ n
win+1 = win − n
(w − wi−1 ). (1.30)
2 i+1
El esquema en forma conservativa se tiene definiendo la función flujo numérico
n λ n
fi− 1 = φ(wi−1 , win ) = [w + win ], (1.31)
2 2 i−1
la cual cumple la condición de consistencia (1.15).
1.4.3. Análisis de von Neumann del esquema centrado

En la norma euclidiana k · k2 el análisis de estabilidad es relativamente fácil, ya que se
puede utilizar el análisis de Fourier para simplificar el problema. Esta es la base para el
análisis de estabilidad de von Neumann, por ejemplo esto se puede ver en [Strikwerda,
1989].
Consideremos como condiciones iniciales1 .
wj0 = w
b0 eikxj , ∀j ∈ Z,
donde wb0 denota una amplitud compleja y k un número de onda real.

Para calcular el coeficiente de amplificación del esquema se supone conocida la solución
aproximada al tiempo tn y que está dada por wjn = w bn eikxj , ∀j ∈ Z y sustituimos estas
expresiones en el esquema centrado (1.30) obteniendo,
µ n ikxj+1
bn+1 eikxj = w
w bn eikxj − (w
b e bn eikxj−1 ).
−w (1.32)
2
Dividiendo esta expresión entre eikxj y teniendo en cuenta que xj = j∆x se tiene
h µ i
w bn 1 − (eik∆x − e−ik∆x ) .
bn+1 = w (1.33)
2
Desarrollando las exponenciales complejas y simplificando se tiene que
bn+1 = w
w bn [1 − iµ sen(k∆x)]. (1.34)
Finalmente se tiene que el factor de amplificación g(µ, k∆x) está dado por
bn+1
w
g(µ, k∆x) = = 1 − iµ sen(k∆x). (1.35)
bn
w
Claramente |g(µ, k∆x)| > 1, al menos que sen(k∆x) = 0, lo cual hace al esquema
centrado incondicionalmente inestable.
Para ejemplificar la inestabilidad del esquema centrado, considérese el siguiente test de
prueba. Tomemos la solución win dada por el esquema centrado con la condición inicial
wi0 = 0 si i 6= 0 y w00 = 1
Gráficamente la solución proporcionada por el esquema se visualiza en la figura 1.6, en

la cual se observa la inestabilidad incondicional del esquema.
1
√
Se han cambiado el nombramiento de los nodos a j para evitar confusiones con i = −1.
10
Sol. Aproximada
8 Sol. Exacta
−2
−4
−6
−8
−10
−3 −2 −1 0 1 2 3
Figura 1.6: Visualización de la solución obtenida con el esquema centrado inestable, con pa-
rámetros λ = 1, µ = 1, t = 1, ∆t = 0.1
1.4.4. Esquema de Lax-Friedrichs

El clásico esquema de Lax-Friedrichs está definido por
1 n ∆t
win+1 = (wi−1 n
+ wi+1 )− n
(f (wi+1 n
) − f (wi−1 )). (1.36)
2 2∆x
Se trata de un método centrado en espacio y estable, que se obtiene al cambiar win en
la aproximación de la derivada temporal en el esquema tradicional de diferencias finitas
por el promedio 21 (wi−1
n n
+ wi+1 ).
Aparentemente no es un esquema conservativo, pero haciendo unas manipulaciones
algebraicas se obtiene la expresión del flujo numérico correspondiente:
f (u) − f (w) ∆x
φ(u, w) = − (w − u). (1.37)
2 2∆t
que es consistente, véase (1.15).
1.4.5. Análisis de von Neumann para el esquema de Lax-Friedrichs

Este esquema es condicionalmente estable y por lo tanto convergente, una vez que se
tiene probada la consistencia. Consideremos de nuevo las condiciones iniciales:
wj0 = w
donde wb0 denota una amplitud compleja y k un número de onda real.

Para calcular el coeficiente de amplificación del esquema se supone conocida la solución
aproximada al tiempo tn y que está dada por wjn = w bn eikxj , ∀j ∈ Z y sustituimos
estas expresiones en el esquema:
1 n µ n
wjn+1 = (wj−1 n
+ wj+1 ) − (wj+1 n
− wj−1 ) (1.38)
2 2
donde µ = λ∆t
∆x
, obteniendo
1 n ikxj−1 µ n ikxj+1
bn+1 eikxj = bn eikxj+1 − bn eikxj−1 .

w w
b e +w w
b e −w (1.39)
2 2
Dividiendo esta expresión entre eikxj , y teniendo en cuenta que xj = j∆x, se tiene

n 1
n+1 −ik∆x ik∆x
µ ik∆x −ik∆x

w
b =wb e +e − e −e . (1.40)
2 2
Desarrollando las exponenciales complejas y simplificando se tiene
bn+1 = w
w bn (cos(k∆x) − iµ sen(k∆x)) . (1.41)
Finalmente se tiene que el factor de amplificación g(µ, k∆x) viene dado por
bn+1
w
g(µ, k∆x) = = cos(k∆x) − iµ sen(k∆x). (1.42)
bn
w
Para garantizar la estabilidad, |g(µ, k∆x)| ≤ 1, por lo que
1
|g(µ, k∆x)| = cos2 (k∆x) + µ2 sen2 (k∆x) 2 ≤ 1,
de donde
cos2 (k∆x)+µ2 sen2 (k∆x) ≤ 1
µ2 sen2 (k∆x) ≤ sen2 (k∆x)
|µ| ≤ 1.
Finalmente se concluye que el esquema es condicionalmente estable si, −1 ≤ µ ≤ 1.
Los resultados numéricos se pueden observar en las figuras 1.9 – 1.11.
1.4.6. Esquemas descentrados

En los problemas hiperbólicos la información se propaga como ondas que se mueven
a lo largo de las lineas características. En el caso de un sistema de ecuaciones tendre-
mos diferentes ondas a diferentes velocidades y en diferentes direcciones. Esta idea nos
conduce a los esquemas descentrados en los cuales la información para cada variable
característica se obtiene buscando en las direcciones en la que la información podría
estar viniendo.
Los esquemas descentrados tienen su base en el concepto físico de sentido de propagación

de la información, aplicado a la discretización de la derivada espacial convectiva. Para
ilustrar los conceptos básicos en los que se fundamenta y seguir de cerca sus elementos
de diseño, se continúa con el caso de la ecuación hiperbólica de transporte.
La solución numérica de la ecuación del transporte en una malla uniforme mediante
un esquema descentrado de primer orden se basa en una aproximación de la derivada
espacial descentrada de acuerdo al signo de λ. Con el fin de contemplar los dos posibles
signos, la derivada espacial se discretiza como:
wjn − wj−1
n
wx ' , si λ > 0
∆x
n
wj+1 − wjn
wx ' , si λ < 0
∆x
y la derivada temporal como
wjn+1 − wjn
wt ' .
∆t
Lo que supone considerar discretizaciones descentradas en espacio y tiempo. Si λ > 0,
la expresión del esquema es la siguiente:
λ∆t n
wjn+1 = wjn − n
(w − wj−1 ). (1.43)
∆x j
o en términos del número de Courant:
wjn+1 = wjn − µ(wjn − wj−1

n
). (1.44)
Análogamente, si λ < 0, se tiene
wjn+1 = wjn − µ(wj+1

n
− wjn ). (1.45)
Es posible dar una expresión del esquema que contemple los signos de λ:
λ+ ∆t n λ− ∆t n
wjn+1 = wjn − n
(wj − wj−1 ) − (wj+1 − wjn ), (1.46)
∆x ∆x
donde
1
λ± = (λ ± |λ|).
2
Además, si tenemos en cuenta que el flujo de la ecuación de transporte es f (w) =
λw, otra presentación del esquema definiendo los incrementos del flujo en los puntos
intermedios xi± 1 es:
2
∆t −
wjn+1 = wjn − (δf + 1 + δfj+ 1 ), (1.47)
∆x j− 2 2
con
± ± n
δfj+ 1 = λ δwj+ 1 , δwj+ 1 = (wj+1 − wjn ), (1.48)
2 2 2
esto dice que las contribuciones de signo diferente emergen de las fronteras dependiendo
del signo de λ y además están en función de los nodos próximos a xj− 1 y xj+ 1 . Tal
2 2
como se puede ver en la figura 1.7. La solución evoluciona en cada paso de tiempo ∆t de
acuerdo con la ondas a la derecha y a la izquierda, lo que se conoce como formulación
de ondas.
win+1
tn+1
+ −
δfi− 1 δfi+ 1
- 2 2
tn n
wi−1 win n
wi+1
Figura 1.7: Representación de la formulación de ondas para el esquema descentrado.
El esquema descentrado de volúmenes finitos admite la formulación conservativa
∆t n
wjn+1 = wjn − n
(fj+ 1 − fj− 1 ), (1.49)
∆x 2 2
n n n
al asociarle una función flujo numérico fj+ 1 = φ(wj , wj+1 ), que para el esquema des-
2
centrado está dado por
n n n 1 n 1
fj+ 1 = φ(wj , wj+1 ) = (fj+1 + fjn ) − |λ|δwj+ 1 (1.50)
2 2 2 2
donde fjn = λwjn ∀j, corresponde a una evaluación puntual del flujo físico en los nodos,
que da lugar a la parte centrada 21 (fj+1
n
+fjn ) del flujo numérico y la viscosidad numérica
del esquema es − 21 |λ|δwj+ 1 . Este término es el que diferencia al esquema descentrado del
2
esquema centrado estudiado en secciones anteriores, y es por tanto el que nos conduce
a la estabilidad condicional del mismo como se verá en el análisis de von Neumann.
Note que cuando µ = 1 entonces λ = ∆x ∆t
, en este caso (1.37) y (1.50) son iguales.
La formulación conservativa nos sitúa en los nodos de la malla, a diferencia de la

formulación de ondas que nos situaba en las fronteras de las celdas. El valor de la
variable wjn+1 cambia según el balance de flujo que afecta a su propia celda.
El trazado del esquema, si λ > 0, se puede ver en la figura 1.8, donde xp es el dominio
de dependencia real y el intervalo [xj−1 , xj ] es el dominio de dependencia numérico.
tn+1 (xj , tn+1 )

6
dx ∆x dx
∆t dt
= ∆t dt
=λ
tn ? ∆x − d
-b d = µ∆x -
(xj−1 , tn ) xp (xj , tn )
Figura 1.8: Dominio de depenencia numérico y exacto del esquema descentrado.
El valor exacto de w en (xj , tn+1 ) depende del valor exacto en xp , por ser este el punto
de corte de la característica en t = tn . Los únicos valores disponibles al tiempo tn en
los puntos de la malla son wj y wj−1 , que solo coinciden con xp si
∆x
µ = 1 =⇒ = λ.
∆t
Una forma de utilizar la información que se tiene sobre la solución en los puntos de la
malla es interpolar de forma lineal los valores de la solución en el dominio de dependencia
numérica. Sea d la distancia entre xp y xj , tomando en cuenta que la pendiente de la
característica dx
dt
= λ es m = λ1 = ∆t d
, entonces:
λ∆t
d = λ∆t = ∆x = µ∆x.
∆x
En consecuencia
xp = xj−1 + ∆x − d,
xp = (j − 1)∆x + ∆x − µ∆x,
xp = (j − 1)∆x + (1 − µ)∆x.
La interpolación lineal está dada por
n
wjn − wj−1
n
w(x)
e = wj−1 + (x − xj−1 ),
∆x
tomando x = xp , se obtiene finalmente
e p ) = wjn − µ(wjn − wj−1

w(x n
).
Note que la interpolación lineal da lo mismo que lo hecho en (1.19)-(1.21), es decir, en

el caso lineal el esquema descentrado coincide con el esquema de Godunov.
1.4.7. Análisis de von Neumann del esquema descentrado

Considérese como condición inicial
wj0 = w
donde también como antes w b0 denota una amplitud compleja y k un número de onda
real. Se tiene entonces que
wjn = w
b0 eikxj , ∀j ∈ Z, ∀n ∈ N.
Sustituyendo esta última expresión en (1.44) se tiene
bn+1 eikxj = w
w bn eikxj − µ(w
bn eikxj − w
bn eikxj−1 ).
Dividiendo entre eikxj , obtenemos
bn+1 = w
w bn − µ(w bn e−ik∆x ).
bn − w
bn+1 /w
Finalmente se tiene que el coeficiente de amplificación g(µ, k∆x), dado por w bn es
g(µ, k∆x) = 1 − µ + iµe−ik∆x si λ > 0. (1.51)
De manera análoga se hace para (1.45), obteniendo
g(µ, k∆x) = 1 + µ − iµeik∆x si λ < 0. (1.52)

Combinando (1.51) y (1.52), se tiene que el coeficiente de amplificación para el esquema
descentrado viene dado por
g(µ, k∆x) = 1 − |µ| + |µ|e−sig(λ)ik∆x . (1.53)

Para garantizar la estabilidad del esquema se necesita hacer que |g(µ, k∆x)| ≤ 1. Cal-
culando se tiene
|g(µ, k∆x)| = [1 − 2|µ| (1 − |µ| − cos(ik∆x) + |µ| cos(ik∆x))]1/2 , (1.54)
y este número es menor o igual que 1 si |µ| ≤ 1.

En las figuras 1.9 – 1.11 se pueden observar el comportamiento del método de Lax-
Friedrichs y el método descentrado. Note que si µ = 1 ambos esquemas coinciden y más
aún, recrean la solución exacta.
Se puede ver que que cuando µ < 1, el esquema que mejor se comporta es el descentrado
mientras que el de Lax-Friedrichs presenta oscilaciones, cuando µ > 1 ambos esquemas
se inestabilizan.
1
Sol. Descentrado
0.9 Sol. Lax−Friedrischs
Sol. Exacta
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
−3 −2 −1 0 1 2 3
Figura 1.9: Comparación del esquema de Lax-Friedrichs contra el esquema descentrado, con
parámetros λ = 1, µ = 1, t = 1, ∆x = 0.1.
1
Sol. Descentrado
Sol. Exacta
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
−3 −2 −1 0 1 2 3
parámetros λ = 1, µ = 0.8, t = 1, ∆x = 0.1.
20 Análisis del orden de precisión para los esquemas descentrados y el de Lax-Friedrichs
6
Sol. Descentrado
Sol. Lax−Friedrischs
4 Sol. Exacta
−2
−4
−6
−3 −2 −1 0 1 2 3
parámetros λ = 1, µ = 1.2, t = 1, ∆x = 0.1.
1.5. Análisis del orden de precisión para los esquemas

descentrados y el de Lax-Friedrichs
En esta sección haremos un análisis computacional de los esquemas tanto el Lax-
Friedrisch y el descentrado para corroborar que ambos son de orden uno en espacio.
Una alternativa para observar el orden de precisión de un método numérico es determi-
narlo a partir de contrastar la solución numérica con la solución exacta para algún test
que cuente con solución exacta. El orden de precisión observado numéricamente no será
necesariamente igual al orden de precisión formal, especialmente cuando la solución está
fuera del rango de convergencia asintótica de la malla, [Vázquez-Cendón y Cea, 2012].
Para calcular el orden de precisión de los métodos tanto el Lax-Friedrichs como el

descentrado, se resuelve numéricamente la ecuación escalar del transporte, consideramos
una condición inicial regular, para este caso w0 (x) = sen(2πx) en el intervalo [0, 1], con
un valor de λ = 1, y condiciones periódicas de frontera. La solución exacta para este
caso de prueba es w(x, t) = sen(2π(x − λt)), con ésta vamos a contrastar la solución
obtenida mediante los métodos.
Para determinar el orden de precisión de cada esquema, se observará el comportamiento
del error ∆x en las normas k · k1 y k · k∞ , el error espacial es calculado al tiempo
tf = N ∆t, en una malla uniformemente espaciada, con ∆x = b−a M
, siendo M el número
total de nodos. El error espacial en cada norma se define como:

M
X
1∆x (tf ) = ∆x |w(xj , tf ) − wjN |, (1.55)
j=1
y
∞ f N
∆x = máx |w(xj , t ) − wj |. (1.56)
j
Diremos que un método es de orden p, si para una constante c positiva se tiene que
∆xk (tf ) ≤ c(∆xk )p
tal que al refinar la malla se cumple
∆xk+1 (tf ) ≤ c(∆xk+1 )p ,
esto para toda malla k.

∆xk
Si las selecciones de las mallas verifican que ∆xk+1
= 2, entonces el esquema de orden p
en espacio cumple la siguiente relación
∆xk (tf ) (∆xk )p

Kk = f
≤ p
= 2p ⇒ log(Kk ) ≤ p log(2). (1.57)
∆xk+1 (t ) (∆xk+1 )
Entonces en términos de Kk , para dos mallas (Ck , Ck+1 ), el orden de precisión en espacio
puede ser estimado como
log(Kk )
pk := . k = 1, 2, . . . (1.58)
log(2)
En las tablas 1.1 y 1.2 se pueden ver los errores de cada método y el orden de precisión
en cada una de las mallas. Para estos cálculos se han hecho 5 mallas tomando la malla
inicial con 60 nodos.
M Error en k · k1 pk Error en k · k∞ pk
60 0.1140 0.9305 0.1792 0.9310
120 0.0598 0.9648 0.0940 0.9649
240 0.0307 0.9823 0.0482 0.9823
480 0.0155 0.9911 0.0244 0.9911
960 0.0078 - 0.0123 -
Tabla 1.1: Cuadro comparativo del orden de precisión espacial del esquema descentrado con
µ = 0.4.
En la figura 1.12 se puede apreciar el comportamiento del esquema de Lax-Friedrichs y

el esquema descentrado para aproximar la solución del problema prueba que planteamos
al inicio de esta sección. En la figura 1.13 se puede apreciar el comportamiento del error
22 Sistemas de ecuaciones lineales hiperbólicos
60 0.3221 0.7723 0.5001 0.7760
120 0.1886 0.8824 0.2920 0.8793
240 0.1023 0.9414 0.1588 0.9357
480 0.0533 0.9715 0.0830 0.9669
960 0.0272 - 0.0425 -
Tabla 1.2: Cuadro comparativo del orden de precisión espacial del esquema de Lax-Friedrichs
con µ = 0.4.
para cada esquema al aproximar la solución de nuestro problema de prueba. El esquema

que mejor ajusta la solución nuevamente es el esquema descentrado, los resultados de
los cálculos de órdenes de precisión demuestran que el esquema descentrado es de órden
más alto que el esquema de Lax-Friedrichs
1
Sol. Descentrado
Sol. Exacta
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
−1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Figura 1.12: Solución numérica obtenida con el esquema de Lax-Friedrichs y el esquema des-
centrado, con parámetros λ = 1, µ = 0.4, tf = 1 y ∆t = 0.0033.
1.6. Sistemas de ecuaciones lineales hiperbólicos

Para hacer la extensión de los esquemas descentrados a sistemas de ecuaciones lineales,
se debe de tener presente el concepto de problema de Riemann y entender la construc-
ción de su solución. Consideremos ahora el sistema de ecuaciones lineales hiperbólico
0.35
Error Desecentrado
Error Lax−Friedrish
0.3
0.25
0.2
0.15
0.1
0.05
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Figura 1.13: Error absoluto cometido con el esquema de Lax-Friedrichs y el esquema descen-
trado, con parámetros λ = 1, µ = 0.4, tf = 1 y ∆t = 0.0033.
∂W ∂F
+ (W ) = 0, (1.59)
∂t ∂x
donde F = AW , con A constante. Sujeto a las condiciones iniciales:

WL si x ≤ 0
W (x, 0) = W0 (x) = .
WR si x > 0
La solución W admite la siguiente expresión:

p
X
W = αk ek , (1.60)
k=1
donde ek , k = 1, . . . , p son los autovectores de la matriz A, y en consecuencia αk ,

k = 1, . . . , p son las coordenadas de W en la base de los autovectores.
Para construir la solución, primero ordenamos los autovalores de la matriz A, partiendo
de que hay p autovalores distintos, entonces podemos construir la secuencia:
λ1 < λ2 < λ3 < · · · < λp .
Usando (1.60) para escribir los estados de la condición inicial a ambos lados de la
discontinuidad se tiene
p p
X X
WL = αkL ek y WR = αkR ek . (1.61)
k=1 k=1
Por otra parte dado que los autovalores y los autovectores son reales, entonces A es
diagonaliazble en la base de los autovectores, es decir
A = KΛK −1 ,
donde K es la matriz cuyas columnas son los autovectores ek y Λ es la matriz diagonal
cuyos elementos son los autovalores de A. Esto permite definir un conjunto de variables
conservativas U = (u1 , u2 , · · · , up )T vía la transformación
U = K −1 W o W = KU,
en términos de esta nueva variable el sistema (1.59), queda como
KUt + AKUx = 0,
multiplicando a la izquierda por K −1 se tiene que
Ut + ΛUx = 0.
Esto dice que el problema de Riemann se desacopla en p problemas de Riemann escalares
gobernados por la ecuación de transporte
∂uk ∂uk
+ λk =0 (1.62)
∂t ∂x
y las condiciones iniciales
L
0 αk si x < 0
uk (x, 0) = uk (x) =
αkR si x > 0 .
La solución exacta a estos p problemas de Riemann escalares está dada como sigue
L
0 αk si x < λt
uk (x, t) = uk (x − λt) = (1.63)
αkR si x > λt .
Esta información la utilizamos para reconstruir la solución exacta en función de las
variables conservativas W , mediante la relación
W (x, t) = KU (x, t). (1.64)
Teniendo en cuenta que el vector columna de la solución exacta en variables caracterís-
ticas U (x, t) se puede expresar de la siguiente manera:
 R 
α1
 α2R 
 . 
 .
 .


U (x, t) =  αIR  ,
 
 L 
 αI+1 
 .
 ..


L
αp
donde I representa el valor del subíndice que separa ordenadamente a los pies de las
características en positivos y negativos,
x − λ1 t > x − λ2 t > · · · > x − λI t > 0 > x − λI+1 t > · · · > x − λp t, (1.65)
entonces las I primeras coordenadas αk de la solución en la base de los autovectores,

corresponden con los I primeros estados de la derecha, y los p−I restantes corresponden
con los del estado de la izquierda, finalmente se tiene
I p
X X
W (x, t) = αkR ek + αkL ek . (1.66)
k=1 k=I+1
Ejemplo 1.6.1 Ecuaciones de la aguas someras linealizadas.

Considérese el siguiente sistema de ecuaciones
∂h ∂h e ∂u
+u
e +h = 0
∂t ∂x ∂x
∂u ∂h ∂u
+g +u
e = 0
∂t ∂x ∂x
h, u
donde e e y g son constantes. Estas ecuaciones se pueden escribir como
∂W ∂F (W )
+ =0 (1.67)
∂t ∂x

T
donde W = (h, u) y F (W ) = u eh + hu, gh + u
e eu . Se plantea resolver (1.67) con la
condición inicial
Wl si x < 0
W (x, 0) = W0 (x) = (1.68)
Wr si x > 0
donde Wl = (hl , ul )T y Wr = (hr , ur )T .
La matriz jacobiana del flujo viene dada por

u h
e e
A=
g u
e
con autovalores
q q
λ1 = u
e+ ge
h e−
λ2 = u ge
h.
Una condición que inmediatamente se ve para que el sistema sea estrictamente hiper-
bólico es que h > 0. Los autovectores de la matriz A son
q T q T
ge
h geh
e1 =  , 1 y e2 =  , 1 .
g g
Entonces la solución al problema de Riemann es


 Wl si x − λ1 t < 0
r l
W (x, t) = Wl + α1 − α1 e1 si (x − λ1 t)(x − λ2 t) < 0 (1.69)
Wr si x − λ2 t > 0

donde
r r
g g
α1l = hl + ul α1r = hr + ur .
h
e h
e
1.6.1. Método de Godunov

En esta sección se generaliza el método de Godunov presentado en la sección 1.3 para
ecuaciones lineales a sistemas lineales de ecuaciones
∂W ∂F
+ (W ) = 0, F (W ) = AW, A constante,
∂t ∂x
que está basado en la forma conservativa discreta
∆t ∗ ∗
Win+1 = Win − (F 1 − Fi− 1) (1.70)
∆x i+ 2 2
definida sobre una distribución constante discreta de valores de W en las celdas de

la malla y por la solución exacta al problema de Riemann definido para cada par de
n
valores (win , wi+1 ) en la entrefase xi+ 1 para el cálculo del flujo numérico. El esquema
2
define el flujo numérico como el flujo físico en la propia frontera, es decir, en x = 0 en
el sistema local de coordenadas centrado en la distribución inicial
∗ n n
Fi+ 1 = φ(Wi , Wi+1 ) = F (Wi+ 1 (0)). (1.71)
2 2
Los valores de la solución en xi y en xi+1 , localmente juegan los papeles de los estados
WL = Win y WR = Wi+1 n
, por lo que utilizaremos la solución (1.66).
Manipulando la ecuación (1.66), se tiene que
I
X
Wi+ 1 (0) = Win + (αkR − αkL )ek , (1.72)
2
k=1
o
p
X
n
Wi+ 1 (0) = Wi+1 − (αkR − αkL )ek . (1.73)
2
k=I+1
Note que el salto que cruza la onda j con autovalor λj y autovector ej está dada por
(αkR − αkL )ek . De igual manera note que la ecuación (1.72) nos dice que la solución al
problema de Riemann está dada por todos los datos Win del estado de la izquierda más
los saltos de onda que atraviesan las ondas de velocidad negativa, similarmente se hace
una interpretación para la ecuación (1.73).
Haciendo un promedio de las ecuaciones (1.72) y (1.73), se tiene que
p
1 1X
Wi+ 1 (0) = (Win + Wi+1
n
)− sig(λk )(αkR − αkL )ek . (1.74)
2 2 2 k=1
Por lo tanto el, flujo numérico para el método de Godunov está dado por
p
∗ 1 1X
Fi+ 1 = AWi+ 1 (0) = (AWin + AWi+1
n
)− sig(λk )(αkR − αkL )Aek .
2 2 2 2 k=1
Tomando en cuenta que Aek = λk ek , se tiene que

p
∗ 1 1X
Fi+ 1 = (Fin + Fi+1
n
)− |λk |(αkR − αkL )ek . (1.75)
2 2 2 k=1
Definiendo la matriz |A|, valor absoluto de A, como la matriz cuyos autovalores son los
valores absolutos de los autovalores de A:
|A| = K|Λ|K −1 ,
donde |Λ| es la matriz diagonal definida por |Λ|ii = |λi |, i = 1, . . . , p y usando el hecho
que la matriz A es constante, en (1.75) se tiene que
p
∗ 1 1X
Fi+ 1 = (Fin + Fi+1
n
)− |Λ|kk (αkR − αkL )ek
2 2 2 k=1
p
1 1X R
= (Fin + Fi+1
n
)− (αk − αkL )|A|ek (1.76)
2 2 k=1
p
1 1 X
= (Fin + Fi+1
n
) − |A| (αkR − αkL )ek .
2 2 k=1
Por otra parte, note que de (1.61) se tiene

p p
!
X X
n
0 = Wi+1 − Win − (αkR − αkL )ek n
⇒ Wi+1 − Win = (αkR − αkL )ek .
k=1 k=1
Entonces (1.76), toma la forma
∗ 1 n n 1 n
Fi+ 1 = (Fi + Fi+1 ) − |A|(Wi+1 − Win ). (1.77)
2 2 2
Otra formulación para el flujo del método de Godunov es utilizando (1.66) de la siguiente
manera
I p I p
X X X X
∗
Fi+ 1 = AWi+ 1 (0) = αkR Aek + αkL Aek = αkR λk ek + αkL λk ek . (1.78)
2 2
k=1 k=I+1 k=1 k=I+1
Recordando que λ± = 12 (λ ± |λ|) y que I separa las características en las cuales λ tiene
signo positivo de las características en las cuales λ tiene signo negativo, entonces
p p
X X
∗
Fi+ 1 = αkR λ−
k ek + αkL λ+
k ek . (1.79)
2
k=1 k=1
Definimos las matrices parte positiva A+ y parte negativas A− de A a partir de sus

autovalores correspondientes λ±
k , k = 1, . . . , p como

1
A = KΛ K = K (Λ ± |Λ|) K −1 ,
± ± −1
(1.80)
2
se tiene que
p p
X X
∗ −
Fi+ 1 =A αkR ek +A +
αkL ek = A− Wi+1
n
+ A+ Win . (1.81)
2
k=1 k=1
Esta relación nos dice que el flujo se descompone en una parte positiva A+ Win (lo que en-
tra por la izquierda está asociado a autovalores positivos), y una parte negativa A− Wi+1
n
(lo que entra por la derecha está asociado a autovalores negativos). Sustituyendo este
flujo numérico en el esquema conservativo (1.70), se tiene
∆t − n
Win+1 = Win − A Wi+1 + A+ Win − A− Win − A+ Wi−1n

∆x (1.82)
∆t
= Win − ) + A− (Wi+1
+ n n n
− Win ) .

A (Wi − Wi−1
∆x
Este esquema se puede ver como un esquema en formulación de ondas:
∆t −
Win+1 = Win − +
(δFi− 1 + δF
i+ 1 ), (1.83)
∆x 2 2
con
± ± n n n n
δFi+ 1 = A δWi+ 1 , δWi+ 1 = Wi+1 − Wi . (1.84)
2 2 2
En esta versión del esquema se supone que se está en las fronteras de las celdas, tal
como se muestra en la figura 1.14. De igual forma se supone que se envían paquetes de
información a la celda de la izquierda o a la de la derecha en función del signo de los
autovalores de la frontera:
win+1
tn+1
δF − δF + δF − δF +
i− 1
2
i− 1
2
1
i+ 2 1
i+ 2
- -
tn n
wi−1 win n
wi+1
Figura 1.14: Representación de la formulación de ondas para el esquema descentrado.
Lo que entra por la frontera de la izquierda está asociado a autovalores positivos,

+
δFi− 1.
2
Lo que entra por la frontera de la derecha está asociado a autovalores negativos,

−
δFi+ 1.
2
En las figuras 1.15, 1.16, y 1.17, se puede ver la solución a las ecuaciones linealizadas
de las aguas someras, en este caso e h = 3, u e = 2, hl = 5, hr = 2, ul = ur = 0,
f
[a, b] = [−5, 5], t = 0.1 y ∆x = 0.05. En estas figuras se muestran los resultados
obtenidos al realizar ejecuciones tanto dentro como fuera de la región de estabilidad y los
resultados confirman lo esperado para las elecciones del CF L = 1, 0.8 (condicionalmente
estable) y CF L = 1.2 (inestable).
Altura
5
Sol. aproximada
4.5 Sol. exacta
3.5
2.5
2
−5 −4 −3 −2 −1 0 1 2 3 4 5
Velocidad
3
Sol. aproximada
2.5 Sol. exacta
2
1.5
0.5
0
−5 −4 −3 −2 −1 0 1 2 3 4 5
Figura 1.15: Solución de las ecuaciones linealizadas de las aguas someras, para este caso se
utilizó un CF L = 1.
Altura
5
Sol. aproximada
4.5 Sol. exacta
3.5
2.5
2
−5 −4 −3 −2 −1 0 1 2 3 4 5
Velocidad
3
Sol. aproximada
2.5 Sol. exacta
1.5
0.5
0
−5 −4 −3 −2 −1 0 1 2 3 4 5
utilizó un CF L = 0.8.
Altura
20
Sol. aproximada
15
Sol. exacta
10
−5
−10
−15
−5 −4 −3 −2 −1 0 1 2 3 4 5
Velocidad
30
Sol. aproximada
20 Sol. exacta
10
−10
−20
−30
−5 −4 −3 −2 −1 0 1 2 3 4 5
utilizó un CF L = 1.2.
Capítulo 2
Método de volúmenes finitos para la

resolución de sistemas hiperbólicos no
lineales unidimensionales
En este capítulo se analizará la importancia de utilizar esquemas en forma conservativa

para obtener aproximaciones de soluciones débiles de la ley de conservación ut +f (u)x =
0 y que estas converjan a la solución débil correcta pues sabemos que no es única. Esta
condición nos lleva a pedirle al método que sea consistente con una adecuada condición
de entropía.
El modelo matemático a trabajar son las ecuaciones de las aguas someras y la ecuación
de Burgers. Las soluciones exactas para el problema de Riemann correspondiente son la
base de la construcción del método de Godunov, y una forma de validar las aproxima-
ciones correspondientes que son las resolventes de Riemann aproximadas y las técnicas
de descomposición del flujo. En este capítulo se presentan resultados para el caso esca-
lar, es decir, para la ecuación no lineal de Burgers, mientras que en las ecuaciones de
Saint-Venant son ampliamente estudiadas en el Capítulo 3. La base para este capítulo
es [Vázquez-Cendón, 2008].
2.1. Esquemas conservativos

Al discretizar una ley de conservación del tipo
∂w ∂
+ (f (w)) = 0, (2.1)
∂t ∂x
es importante que el método numérico que la aproxime esté en forma conservativa para
garantizar que las soluciones débiles de la ley de conservación se aproximan correcta-
mente, [Godlewski y Raviart, 1996], [LeVeque, 1990].
La expresión conservativa se obtiene de la forma integral de la ecuación (2.1), la cual
es
32
Método de volúmenes finitos para la resolución de sistemas hiperbólicos ... 33
Z x2 Z x2
w(x, t2 )dx − w(x, t1 )dx =
x1 x1
Z t2 Z t2 (2.2)
f (w(x1 , t))dt − f (w(x2 , t))dt,
t1 t1
para cualquier volumen de control R = [x1 , x2 ] × [t1 , t2 ], donde la identidad anterior se

sigue del teorema de Fubini.
Definición 2.1.1 Un esquema conservativo para la ley de conservación (2.1) es de la

forma
∆t n
wjn+1 = wjn + fj− 1 − fj+ n
1 , (2.3)
∆x 2 2
donde
n n n n

fj+ 1 = f
j+ 1
wj−l1
, . . . , wj+l 2
, (2.4)
2 2
n
con l1 y l2 dos enteros no negativos; fj+ 1 se llama flujo numérico, y en ocasiones se
2
denota por φ, y es una aproximación del flujo físico f (w) en (2.1)
Para cada elección de la función flujo numérico se tiene un esquema conservativo. Un

requisito fundamental para un esquema conservativo es la condición de consistencia
n
f (w) = fj+ 1 (w, . . . , w).
2
2.1.1. Versión conservativa y flujo numérico del método de Go-

dunov
El método de Godunov ya se introdujo para sistemas lineales, se definió el flujo numérico
asociado a cada una de las fronteras del volumen finito como el flujo físico evaluado
exactamente en cada una de las fronteras por
∆t
=wjn+1
− wjn
f (wj+ 1 (0)) − f (wj− 1 (0)) . (2.5)
∆x 2 2
El método de Godunov proporciona una solución numérica que se corresponde con una
evolución exacta en cada paso del tiempo ∆t. La forma de proceder del método de
Godunov es
1. Se resuelven los problemas de Riemann asociados a las fronteras del volumen finito
Ci
n
RP (wj−1 , wjn ),
cuya solución la representamos por wj− 1 (x, t), y
2
RP (wjn , wj+1
n
),
34 Esquemas conservativos
cuya solución la representamos por wj+ 1 (x, t), con condiciones iniciales en t = tn
2
de dichos problemas dadas por
e 0) = wjn , si x ∈ Cj .
w(x,
La solución exacta de estos problemas de Riemann es

(
wj− 1 (x, t) si x ∈ (xj− 1 , xj )
w(x,
e t) = 2 2
. (2.6)
wj+ 1 (x, t) si x ∈ (xj , xj+ 1 ) .
2 2
2. El valor de la solución en la celda Cj es el valor promedio de los dos soluciones

de los problemas de Riemann
Z x 1
n+1 1 j+ 2
wj = w(x,
e ∆t)dx, (2.7)
∆x x 1
j− 2
donde w e es la solución a los problemas locales de Riemann, y por tanto cumple

con la forma integral de la ley de conservación
Z x 1 Z x 1
1 j+ 2 1 j+ 2
w(x,
e ∆t)dx = w(x,
e 0)dx+
∆x x 1 ∆x x 1
j− j− 2
Z ∆t2 Z ∆t (2.8)
1
e j− 1 , t))dt −
f (w(x f (w(x
e j+ 1 , t))dt .
∆x 0 2
0
2
Esta última expresión permite mostrar la expresión del flujo numérico del méto-
do de Godunov y que la solución numérica corresponde a una evaluación de la
solución exacta en un paso del tiempo ∆t, esto se expresa como sigue
Z ∆t Z ∆t
1 1
f (w(x
e j± 1 , t))dt = f (wxj± 1 (0))dt,
∆t 0
2 ∆t 0 2
(2.9)
= f (wj± 1 (0)).
2
Estas últimas igualdades se siguen tomando en cuenta que, el valor de la solución

w(x
e j± 1 ) es lo mismo que evaluar la solución wj± 1 a lo largo de la característica
2 2
x
t
= 0 en el sistema local de referencia asociados a los problemas de Riemann, en
cada celda de volumen finito.
El flujo numérico del método de Godunov está definido como la evaluación del flujo
físico en la solución exacta en las fronteras de cada celda de volumen finito, es decir
n
fj+ 1 = f (wj± 1 (0)). (2.10)
2 2
Si tomamos constante la condición inicial del problema de Riemann tanto a la izquierda

como a la derecha de la frontera de la celda de volumen finito, es decir nos planteamos
una situación donde
wj−1 = wj = w, ∀j
entonces la solución exacta al problema de Riemann es wj− 1 = w, y por tanto la solución
2
tanto a la izquierda como a la derecha de la frontera es la misma, es decir, se tiene
φ(w, w) = f (wj± 1 (0)) = f (w). (2.11)

2
Lo cual dice que el flujo numérico del método de Godunov verifica la definición de consis-
tencia, en consecuencia, tenemos que el método de Godunov es un método conservativo
y consistente.
2.1.2. Flujo numérico de Godunov para la ecuación de Burgers

En este apartado daremos la expresión del flujo numérico del método de Godunov para
la ecuación de Burgers. Teniendo en cuenta que la solución entrópica al problema de
Riemann para la ecuación de Burgers con condición inicial

wl si x < 0
w0 (x) = (2.12)
wr si x ≥ 0
es una onda de expansión si wl ≤ wr y una onda de choque si wl > wr , vamos a calcular

el flujo numérico del esquema de Godunov en los siguientes casos:
1. Supersónico (wl > 0 y wr > 0).
2. Subsónico (wl < 0 y wr < 0).
3. Expansión transónico (wl ≤ 0 ≤ wr ).
4. Choque transónico (wl > S > 0 ≥ wr o wl ≥ S > 0 > wr ).
Primero que todo, sabemos que el flujo numérico del método de Godunov, es la eva-
luación del flujo físico en la solución del problema de Riemann en la celda de volumen
finito en que se esté trabajando.
Antes recordemos cómo es la solución del Problema de Riemann para la ecuación de
Burgers
1. Si wl > wr , entonces (
x
wl si t
<S
w(x, t) = x (2.13)
wr si t
≥S
36 Esquemas conservativos
2. si wl ≤ wr , entonces

 wl si xt < wl
x
w(x, t) = t
si wl < xt ≤ wr (2.14)
wr si xt > wr

donde S es la condición de salto de Rankine-Hugoniot. En el caso unidimensional esta

condición es
S[w] = [f (w)]
donde
[w] = w+ − w− .
Entonces para la ecuación de Burgers
wl2 2
2
− w2r wl + wr
S= = , (2.15)
wl − wr 2
más detalles se pueden ver en [Vázquez-Cendón, 2008].
Como estamos interesados en el flujo en las fronteras de la celda Ci = [xi− 1 , xi+ 1 ],
2 2
consideramos sistemas locales para los problemas de Riemann en los intervalos [xi−1 , xi ],
[xi , xi+1 ], con condiciones iniciales particulares
(
wl si x < xi− 1
w0 (x) = 2
,
wr si x ≥ xi− 1
2
para calcular el flujo en la frontera xi− 1 , y

2
(
wl si x < xi+ 1
w0 (x) = 2
,
wr si x ≥ xi− 1
2
para la frontera xi+ 1 . Tomando en cuenta que el flujo físico de la ecuación de Burgers
2
es
w2
f (w) = ,
2
entonces el flujo numérico del esquema de Godunov para la ecuación de Burgers es
1. Si wl > wr
wl2
(
2
si S > 0
f (w(0)) = wr2
(2.16)
2
si S ≤ 0
2. Si wl ≤ wr 
wl2

 2
si wl > 0
f (w(0)) = 0 si wl < 0 ≤ wr (2.17)
 wr2

2
si wr ≤ 0 .
Procedemos a calcular el flujo numérico de Godunov para los casos planteados, a partir
de (2.16) y de (2.17).
1. Supersónico (wl > 0 y wr > 0).

En este caso, la condición de salto de Rankine-Hugoniot siempre es positiva y
wl > 0, entonces se tiene que
wl2
f (wi+ 1 (0)) = . (2.18)
2 2
2. Subsónico (wl < 0 y wr < 0).

Para este caso S < 0 y wr < 0 entonces
wr2
f (wi+ 1 (0)) = . (2.19)
2 2
3. Expansión transónica (wl ≤ 0 ≤ wr ).

En este caso la solución entrópica del problema de Riemann es el 0, por lo tanto
el flujo nos los da (2.17):
f (wi+ 1 (0)) = 0. (2.20)
2
4. Choque transónico (wl > S > 0 ≥ wr ó wl ≥ 0 > S > wr ).

En este caso, claramente S es tanto positiva como negativa, entonces el flujo
numérico de Godunov es
( 2
wl
2
si S > 0
f (wi+ (0)) =
1
wr2
(2.21)
2
2
si S ≤ 0 .
2.2. Teorema de Lax-Wendroff

Dado que los métodos de volúmenes finitos conservativos están basados en la forma
integral de las leyes de conservación, esto da a pensar que aproximan correctamente
las soluciones débiles de la ley de conservación. Lax y Wendroff demostraron que esto
es cierto, que si la aproximación converge a una función w(x, t) cuando es refinada la
malla, mediante las sucesiones ∆tk , ∆xk → 0, esta función w es una solución débil de
la ley de conservación [LeVeque, 2002].
Teorema 2.2.1 Consideremos una sucesión de mallas que denotamos por k = 1, 2, . . . ,

con paramétros de discretización ∆tk , ∆xk , tales que ∆tk , ∆tx → 0 cuando k → ∞.
Sea wk la aproximación numérica calculada con un método consistente y conservativo
sobre la k-ésima malla. Supongamos que wk converge a una función w cuando k → ∞,
entonces w(x, t) es una solución débil de la ley de conservación.
38 Teorema de Lax-Wendroff
Demostración. Mostraremos que la función límite w(x, t) satisface la forma débil, es

decir, para toda φ ∈ C01 ,
Z ∞Z ∞ Z ∞
[φt w + φx f (w)]dxdt = − φ(x, 0)w(x, 0)dx. (2.22)
0 −∞ −∞
Sea φ ∈ C01 una función de prueba. En la k-ésima malla definimos la versión discreta Φ(k)
(k)n (k) (k) (k) (k)
por Φi = φ(xi , tn ) donde (xi , tn ) es un punto sobre la k-ésima malla. De manera
(k)n
similar wi denota la aproximación numérica en la k-ésima malla. Para simplificar la
notación, usaremos simplemente Φni y win , pero hay que recordar que (k) está presente
de manera implícita, entonces al final tomaremos el límite cuando k → ∞.
Multiplicando el método conservativo

∆t n
win+1 = win − n
(Fi+ 1 − Fi− 1)
∆x 2 2
por Φni , se tiene

∆t n n
Φni win+1 = Φni win − n
Φi (Fi+ 1 − Fi− 1 ). (2.23)
∆x 2 2
Esto se cumple para todos lo valores de i y n en cada malla k. Sumando (2.23) sobre
todas las i y sobre todas las n ≥ 0 se tiene
∞ X
∞ ∞ ∞
X ∆t X X n n
Φni (win+1 − win ) =− n
Φi (Fi+ 1 − Fi− 1 ), (2.24)
n=0 i=−∞
∆x n=0 i=−∞ 2 2
desarrollando la sumatoria del lado izquierdo de la igualdad sobre n
∞
X
∞+1
Φni (win+1 − win ) = Φ0i (wi1 − wi0 ) + Φ1i (wi2 − wi1 ) + . . . + Φ∞
i (wi − wi∞ )
n=0
= −Φ0i wi0 + wi1 (Φ0i − Φ1i ) + wi2 (Φ1i − Φ2i ) + . . . + wi∞ (Φ∞−1
i − Φ∞ ∞ ∞+1
i ) + Φ i wi
X ∞
∞+1
= Φ∞
i w i − Φ 0 0
w
i i − win (Φni − Φn−1
i ).
n=1
(2.25)
Tomando en cuenta que Φ es de soporte compacto, el lado izquierdo de (2.24) queda
como ∞ ∞ X ∞
X X
− 0 0
Φi wi − (Φni − Φn−1
i )win . (2.26)
i=−∞ n=1 i=−∞
Haciendo un desarrollo semejante al anterior, pero esta vez sobre i para el lado derecho,
se tiene que el segundo miembro de la igualdad se transforma en
∞ ∞
∆t X X
(Φni+1 − Φni )Fi−
n
1. (2.27)
∆x n=0 i=−∞ 2
Teniendo en cuenta (2.26) y (2.27), (2.24) toma la forma

∞ ∞ X
∞ ∞ ∞
X X ∆t X X
− Φ0i wi0 − (Φni − Φin−1 )win = (Φn − Φni )Fi−
n
1. (2.28)
i=−∞ n=1 i=−∞
∆x n=0 i=−∞ i+1 2
Dado que Φ es de soporte compacto, se garantiza que las sumatorias en (2.28) son
finitas, multiplicando por ∆x y arreglando la ecuación se tiene
∞ X
∞ n ∞ X
∞ n
Φi − Φn−1 Φi+1 − Φni
X X
i n n
∆x∆t wi + ∆x∆t Fi− 1
∆t ∆x 2
n=1 i=−∞ n=0 i=−∞
∞ (2.29)
X
= −∆x Φ0i wi0 .
i=−∞
Sea k → ∞, tal que ∆t(k) , ∆x(k) → 0 en la ecuación anterior. Es fácil ver usando la
convergencia de w(k) a w y la suavidad de Φ que el primer termino de (2.29) converge a
Z ∞Z ∞
φt (x, t)w(x, t)dxdt,
0 −∞
cuando k → ∞. Si definimos la condición inicial wi0 como el promedio de w0 , entonces

el lado derecho de la igualdad (2.29) converge a
Z ∞
− φ(x, 0)w(x, 0)dx.
−∞
n
El término restante de (2.29) que involucra a Fi− 1 es más susceptible y requiere de
2
supuestos adicionales que se hicieron sobre F y w, para los métodos de tres puntos en
su trazado como lo es el método de Godunov, se tiene que
n (k)n (k)n (k)n
Fi− 1 ≡ F = F(wi−1 , wi ),
2 i− 1 2
y la condición de consistencia dada como

(k)n (k)n (k)n (j)n
Fi− 1 − f (wi ) ≤ L wi − wi−1 ,
2
donde L es la constante de Lipschitz para la función flujo numérico. De este modo

w(k)n está acotado para su variación, uniformemente en k, a lo más se tiene que

(k)n (k)n
Fi− 1 − f (wi ) → 0 cuando k → ∞
2
para todos los valores de i. Usando este hecho y que w(k)n converge a w, se puede ver
que
∞ X ∞ n Z ∞Z ∞
Φi+1 − Φni
X
n
∆x∆t Fi− 1 → φx (x, t)f (w(x, t))dxdt
n=0 i=−∞
∆x 2
0 −∞
cuando k → ∞ y con esto se tiene terminada la demostración del teorema.

40 Condición de entropía
2.3. Condición de entropía

El teorema de Lax-Wendroff nos garantiza que un esquema consistente y conservativo
junto con el refinamiento de la malla nos conducen a soluciones débiles de la ley de
conservación, y dentro de las soluciones débiles se debe de seleccionar la que tenga un
significado físico, para ello es necesario introducir la condición de entropía.
Definición 2.3.1 Función de entropía y flujo de entropía

Sea Ω un convexo y sea η : Ω → R una función convexa. Se dice que η es una función de
entropía para el sistema de leyes de conservación wt + f (w)x = 0, si existen funciones
ψj : Ω → R, 1 ≤ j ≤ d llamadas flujo de entropía, tales que se verifica la ecuación
η 0 (w)fj0 (w) = ψj0 (w), j = 1, . . . , d. (2.30)
El problema radica en encontrar funciones de entropía y si es posible todas las funciones

de entropía asociadas a un sistema no lineal de leyes de conservación, [Godlewski y
Raviart, 1996].
Para algunos métodos numéricos es posible mostrar que cualquier solución débil ob-
tenida con el refinamiento de la malla satisface la condición de entropía. Esto bajo el
supuesto que se tiene la adecuada condición de entropía al inicio del método. La forma
más conveniente es con la desigualdad de entropía, ésta requiere una función escalar
convexa de entropía η(w) y el flujo de entropía ψ(w) tales que
∂ ∂
η(w(x, t)) + ψ(w(x, t)) ≤ 0, (2.31)
∂t ∂x
en sentido débil, es decir; para toda φ ∈ C01 de soporte compacto, tal que φ(x, t) ≥ 0
para todo x, t se tiene que
Z ∞ Z ∞
[φt (x, t)η(w(x, t)) + φx (x, t)ψ(w(x, t))]dxdt
0 −∞
Z ∞
+ φ(x, 0)η(w(x, 0))dx ≥ 0.
−∞
(2.32)
La forma de mostrar que una solución débil w(x, t) obtenida como el límite de w(k)
satisface la desigualdad anterior es ver que existe una desigualdad entrópica discreta de
la forma débil,
∆t n
η(win+1 ) ≤ η(win ) − Ψi− 1 − Ψni+ 1 , (2.33)
∆x 2 2
donde Ψni− 1 = Ψ(wi−1 n

, win ) y Ψ(wl , wr ) es algún flujo numérico de entropía que es con-
2
sistente con ψ de tal modo que F sea consistente con f (el flujo numérico es consistente
con el flujo físico).
Los esquemas numéricos que cumplen (2.33) se dice que son esquemas entrópicos.
2.3.1. Consistencia del método de Godunov con la condición de

entropía
Para el método de Godunov se puede probar que la aproximación numérica satisface
la condición de entropía siempre que la solución de Riemann usada para definir el
flujo en cada frontera de las celdas satisfaga la condición de entropía [LeVeque, 2002].
Necesitamos ahora que la solución wn (x, t) satisfaga la condición de entropía, para
verificarlo integremos (2.31) sobre el rectángulo (xi− 1 , xi+ 1 ) × (tn , tn+1 ) obteniendo
2 2
Z xi+ 1 Z xi+ 1
2 n 2
η(w (x, tn+1 ))dx ≤ η(wn (x, tn ))dx
xi− 1 xi− 1
2
Z 2
tn+1 Z tn+1
(2.34)
n n
+ ψ(w (xi− 1 , t))dt − ψ(w (xi+ 1 , t))dt.
2 2
tn tn
Dado que wn es constante en tres lados del rectángulo, las integrales del lado derecho
de (2.34) se pueden evaluar, procediendo a su evaluación y dividiendo toda la ecuación
por ∆x se tiene
Z x 1
1 i+ 2 ∆t h n i
η(wn (x, tn+1 ))dx ≤ η(win ) − n
ψ wi− 1 − ψ wi+ 1 , (2.35)
∆x x 1 ∆x 2 2
i− 2
n
donde wi−
representa el valor de la velocidad de propagación en 0 de la solución del
1
2
problema de Riemann. Si definimos el flujo numérico entrópico como
n
Ψni− 1 = ψ(wi− 1 ), (2.36)
2 2
entonces Ψ es consistente con ψ, y el lado derecho de (2.35) coincide con el lado derecho
de (2.33).
El lado izquierdo de (2.35) no es igual al η(win+1 ) dado que la wn no es constante
en el intervalo. Tomando en cuenta que la función de entropía es convexa con η 00 (w)
estrictamente positiva, entonces se puede utilizar la desigualdad de Jensen. Ésta dice
que el valor de η evaluada en el promedio del valor wn es menor o igual que el promedio
del valor de η(wn ), es decir
 
Z x 1 Z x 1
1 i+ 2
n 1 i+ 2
η w (x, tn+1 )dx ≤ η(wn (x, tn+1 ))dx. (2.37)
∆x x 1 ∆t x 1
i− 2 i+ 2
El lado izquierdo de esta última ecuación simplemente es η(win+1 ), mientras que el

lado derecho siempre está acotado por (2.35). Usando (2.35), (2.36) y (2.37) se tiene
desarrollada la desigualdad entrópica.
Esto prueba que la solución débil obtenida con el método de Godunov satisface la
condición de entropía, siempre que utilicemos en cada frontera de la celda la solución
42 Esquemas descentrados y Q-esquemas
del problema de Riemann que satisface la condición de entropía. Este resultado no solo
es valido para una ley escalar de conservación, sino más general es valido para cualquier
sistema no lineal para el cual se tenga una función de entropía.
2.4. Esquemas descentrados y Q-esquemas

2.4.1. Esquemas descentrados
En el Capítulo anterior se introdujeron los esquemas descentrados para el caso de un
sistema hipérbolico de ecuaciones lineales, donde el flujo físico está definido como AW ,
en el desarrollo del flujo numérico del esquema de Godunov para este caso se llegó a
ver que
φ(U, V ) = A+ U + A− V. (2.38)
En esta sección se da la definición formal introducida en [Harten y otros, 1983] de lo
que se entiende por descentrar en el caso no lineal.
Definición 2.4.1 Esquema descentrado.

Un esquema conservativo se dice descentrado si la función flujo numérico verifica las
siguientes propiedades:
1. Para estados U y V que sean próximos, (2.38) es una aproximación lineal del
flujo numérico φ(U, V ), es decir, para todo estado U ∗ próximo a U y V se tiene
φ(U, V ) =f (U ∗ ) + A+ (U ∗ )(U − U ∗ ) + A− (U ∗ )(V − U ∗ )+

o(|U − U ∗ | + |V − U ∗ |),
donde, A+ (W ) y A− (W ) son las partes positivas y negativas de la matriz jacobiana

del flujo f (W ), respectivamente.
2. Cuando las velocidades características, es decir, los autovalores de la matriz ja-

cobiana del flujo, son todas positivas, entonces
φ(U, V ) = f (U ).
3. Si la velocidades características son todas negativas, entonces
φ(U, V ) = f (V ).
2.4.2. Los Q-esquemas

Los Q-esquemas, son una familia de esquemas descentrados, los cuales fueron mencio-
nado por vez primera por Harten, Lax y van Leer, en [Harten y otros, 1983]
En los Q-esquemas el flujo discreto adopta la forma

f (U ) + f (V ) 1
φ(U, V ) = − |Q(U, V )|(V − U ), (2.39)
2 2
donde Q es una matriz característica de cada Q-esquema, la cual normalmente depende
de U y V .
Nótese que de (2.39), el flujo numérico de los Q-esquemas está compuesto por una parte
centrada
f (U ) + f (V )
,
2
y por una parte que hace la tarea de descentrar
1
− |Q(U, V )|(V − U ),
2
a la cual se le llama término de viscosidad o viscosidad numérica, pues por medio de la
matriz |Q| se tienen en cuenta los signos de los autovalores de la matriz jacobiana del
flujo físico, tal cual ya fue analizado en el caso lineal.
La matriz de algunos Q–esquemas coincide con la matriz jacobiana del flujo
Q(U, V ) = A(WQ (U, V )), (2.40)
evaluada en un cierto estado


U +V
Q − esquema de van Leer


2

WQ (U, V ) = (2.41)

 f
 W (U, V ) Esquema de Roe
donde el estado W
f (U, V ) es conocido como la media de Roe [Roe, 1981], el cual está
definido por

f (V ) − f (U ) = A W (U, V ) (V − U ),
f (2.42)
con A(W ) la matriz jacobiana de f (W ).
El ver que el flujo numérico de los Q-esquemas es consistente, es muy sencillo, simple-
mente si tomamos U = V , se nota que el término de viscosidad numérica se hace cero,
y el término centrado corresponde a f (U ), esto independientemente del estado WQ que
se elija.
2.5. Análisis de viscosidad numérica

Se ha analizado que lo que hace que un esquema descentrado tenga estabilidad es el
término de viscosidad numérica, que es en donde se ven reflejados los signos de las velo-
cidades características, es decir, los signos de los autovalores de la matriz jacobiana del
44 Análisis de viscosidad numérica
flujo. En el caso de que alguno de estos autovalores se haga cero, el término de viscosi-
dad numérica correspondiente a la ecuación desacoplada se anula, y en consecuencia se
pierde la convergencia a la solución entrópica, y esto puede producir oscilaciones en la
solución calculada lo cual conduce a soluciones incorrectas.
Para evitar este fenómeno se utiliza lo que se conoce en la literatura inglesa como
entropy fix [Harten, 1984], lo cual consiste en garantizar la existencia de viscosidad
numérica no nula, para lo cual se redefine el valor absoluto de los autovalores en la
parte que corresponde al flujo numérico.
La primera que se presenta es la regularización parabólica del valor absoluto de las
velocidades características, la cual fue propuesta por Harten en 1984, esta regularización
se aplica a la matriz valor absoluto de Q, la expresión propuesta es
λ2 + 2

1
|λ| = |λ| + (1 + sig( − |λ|)) − |λ| , (2.43)
2 2
donde es un pequeño parámetro. Visualmente esto se muestra en la figura 2.1.
2.5
1.5
0.5
−0.5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
Figura 2.1: Visualización de la regularización de Harten, en este caso se utilizó = 0.5.
De la figura podemos apreciar que el valor donde |λ| toma el mínimo es el 0, y es

inmediato verificar que el valor mínimo para |λ| es 2 .
Entonces lo que hace la regularización de Harten si |λ| < es cambiar el valor absoluto
de λ por
λ2 + 2
.
2
La desventaja de esta aproximación es que el parámetro debe ser ajustado para cada
problema.
Otra aproximación para introducir a la integración numérica es aplicar a los Q–esquemas
el método local de Lax-Friedrichs (LLF), en el cual la corrección del valor absoluto de
los autovalores en cada frontera xj− 1 se hace considerando el máximo de cada uno de
2
ellos en ambos lados de la frontera, es decir
|λ|j− 1 = máx (|λ|j−1 , |λ|j ) . (2.44)

2
Esta corrección es una redefinición del valor absoluto de los autovalores similar a la
anterior, la cual se introduce en la viscosidad numérica del Q–esquema mediante la
matriz valor absoluto de Q.
2.6. Analisis cuantitativo de precisión espacial

Para llevar a cabo el análisis de precisión espacial, se utilizará lo planteado en la sección
1.5. Resolvemos la ecuación de Burgers con la condición inicial
w0 (x) = x.
La solución exacta de este problema es

x
w(x, t) = .
1+t
Las soluciones numéricas obtenidas mediante los esquemas estudiados en este capítulo
se pueden ver en la figura 2.2, mientras que el error que comete cada esquema se puede
visualizar en la figura 2.3.
En las tablas 2.1, 2.2 y 2.3 se muestra un comparativo entre los errores generados por
los esquemas tanto en la norma k · k1 y la norma k · k∞ , a partir de estos errores se
procede al cálculo de las estimaciones del orden de los distintos esquemas. Claramente
se puede observar que los esquemas son de orden 1 en espacio.
60 0.0315 0.9754 0.0119 0.9447
120 0.0160 0.9909 0.0062 0.9724
240 0.0081 0.9939 0.0032 0.9822
480 0.0040 0.9977 0.0016 0.9908
960 0.0020 - 0.0008 -
Tabla 2.1: Cuadro comparativo del orden de precisión espacial del esquema de Lax-Friedrichs.
Para llevar a cabo este cálculo se utilizó µ = 0.9. Los errores son calculados mediante (1.55) y
(1.56).
46 Analisis cuantitativo de precisión espacial
3
Lax−Friedrichs
Godunov
2.5 Q−esquema−eps=1
exact
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Figura 2.2: Solución numérica obtenida por los distintos métodos. Los parámetros utilizados
son µ = 0.9, tf = 1 y ∆t = 0.0075.
60 0.0394 0.9991 0.0140 0.9857
120 0.0197 0.9928 0.0071 0.9882
240 0.0099 0.9998 0.0036 0.9938
480 0.0050 0.9982 0.0018 0.9958
960 0.0025 - 0.0009 -
Tabla 2.2: Cuadro comparativo del orden de precisión espacial del esquema de Godunov. Para
llevar a cabo este cálculo se utilizó µ = 0.9. Los errores son calculados mediante (1.55) y (1.56).
60 0.0387 1.0121 0.0135 0.9909
120 0.0192 0.9995 0.0068 0.9890
240 0.0096 1.0032 0.0034 0.9931
480 0.0017 0.9999 0.0017 0.9941
960 0.0024 - 0.0009 -
Tabla 2.3: Cuadro comparativo del orden de precisión espacial del Q-esquema con regulariza-
ción de Harten. Para llevar a cabo este cálculo se utilizó µ = 0.9. Los errores son calculados
mediante (1.55) y (1.56).
−3
x 10
8
Error Lax−Friedrisch
7 Error Godunov
Error Q−esquema−eps=1
6
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Figura 2.3: Solución numérica obtenida por los distintos métodos. Los parámetros utilizados
son µ = 0.9, tf = 1 y ∆t = 0.0075.
Para poder llevar a cabo el análisis de precisión es necesario que la condición inicial sea
lo suficientemente suave para que posea segundas derivadas, las cuales son necesarias
al hacer el cálculo de los errores mediante la expansión en series de Taylor, más detalles
de esto se pueden ver en [Vázquez-Cendón y Cea, 2012].
2.7. Técnicas de descomposición del flujo

En un principio fueron desarrolladas para resolver las ecuaciones de Euler, las cuales
presentan la peculiaridad que la función flujo es homogénea de grado uno, entonces
gracias a esta peculiaridad se tiene que
F (W ) = A(W )W,
siendo A la matriz jacobiana del flujo, en consecuencia F tiene una descomposición
F (W ) = F + (W ) + F − (W ),
en flujo saliente F + más el flujo entrante F − , con
F ± (W ) = A± (W )W.
En general el flujo no es un función homogénea, un ejemplo de flujo no homogéneo lo
podemos encontrar en las ecuaciones de Saint-Venant.
48 Técnicas de descomposición del flujo
Para hacer una descomposición del flujo numérico en el caso homogéneo, se trabaja
de manera análoga que con el flujo físico, entonces podemos definir una función flujo
numérico φ como
φ(U, V ) = φ+ (U, V ) + φ− (U, V ) (2.45)

con
φ+ (U, V ) = A+ (W1 )U, φ− (U, V ) = A− (W2 )V, (2.46)
donde W1 y W2 dependen de U y V .
2.7.1. Esquema de Steger–Warming

La expresión del flujo numérico para el esquema de Steger–Warming se obtiene susti-
tuyendo en las expresiones (2.45) y (2.46) los valores de los estados, por
W1 (U, V ) = U y W2 (U, V ) = V,
por lo tanto el flujo numérico para el esquema de Steger–Warming es
φ(U, V ) = A+ (U )U + A− (V )V. (2.47)

Más detalles de este esquema se pueden ver en [Steger y Warming, 1981].
2.7.2. Esquema de Vijayasundaram

G. Vijayasundaram en 1985 propone una descomposición del flujo muy parecida a la
propuesta por Steger–Warming, pero esta nueva propuesta considera los estados
U +V
W1 (U, V ) = W2 (U, V ) = ,
2
esto es, considera una evaluación centrada de la matriz. Por lo tanto el flujo numérico
para el esquema de Vijayasundaram es

+ U +V − U +V
φ(U, V ) = A U +A V. (2.48)
2 2
Para más información de este esquema se puede consultar, [Vijayasundaram, 1986].
2.7.3. Factorización del flujo cuando éste no es una función ho-

mogénea
En el caso que el flujo sea una función no homogénea, se pueden generalizar las técnicas
de descomposición del flujo, si existe una matriz A∗ , la cual puede ser distinta de la
matriz jacobiana, tal que
F (W ) = A∗ (W )W.
Para definir el flujo numérico en el caso no homogéneo se tomará por analogía con la
ecuación de Euler
φ(U, V ) = φ+ (U, V ) + φ− (U, V ). (2.49)
Donde
φ+ (U, V ) = A∗+ (W1 )U y φ− (U, V ) = A∗− (W2 )V.
Para el caso de la ecuaciones de Saint-Venant la matriz A∗ toma la forma

∗ 0 1
A (w) = −q 2 . (2.50)
h2
+ 12 gh 2q
h
Los autovalores de esta matriz son
r r
q gh q gh
λ1 = + y λ2 = − ,
h 2 h 2
con autovectores
1 1
v1 = y v2 = .
λ1 λ2
Estos es lo que se utiliza para la implementación de las técnicas de descomposición del
flujo en las ecuaciones de Saint-Venant. La resultados numéricos para las ecuaciones de
Saint-Venant pueden verse en la sección 3.3.2.
Note que también la ecuación de Burgers tiene un flujo no homogéneo, para implementar
las técnicas de descomposición del flujo se utiliza la función
w
A∗ (w) = .
2
Capítulo 3
Ecuaciones de Saint-Venant
unidimensionales
Una amplia variedad de fenómenos físicos son gobernados por el modelo matemático
de las shallow water o ecuaciones de Saint-Venant. Estas ecuaciones modelan una im-
portante clase de problemas de interés práctico que envuelven al flujo de aguas con
superficie libre, entre ellos se encuentran los problemas de mareas, rotura de olas en las
playas, flujo de agua en ríos, rotura de presas. De igual manera las ecuaciones de las
shallow water pueden ser aplicadas a flujos de mezclas heterogéneas y a la modelación
de flujos atmosféricos. Un supuesto importante en la deducción de las aproximaciones
de las shallow water es suponer que la presión es hidrostática, la cual resulta de asumir
que en la aceleración vertical de las partículas es despreciable el efecto de la presión,
[Toro, 2001]. De ahora en adelante nosotros nos referiremos a las shallow waters como
ecuaciones de Saint-Venant.
3.1. Ecuaciones de Saint-Venant unidimensionales
3.1.1. Derivación de las ecuaciones de Sain-Venant

Para derivar las ecuaciones unidimensionales de Saint-Venant, consideramos un canal
de ancho fijo y suponemos que la velocidad del fluido en la vertical es despreciable y
la velocidad horizontal u(x, t) es aproximadamente constante en cualquier sección del
canal. Del mismo modo suponemos que el fluido es incompresible, tal que la densidad
ρ es constante. En cambio se permite que la profundidad del fluido que se denota por
h(x, t) varíe y es una variable a determinar.
Para iniciar la deducción, se sabe que la masa total que atraviesa en [x1 , x2 ] al tiempo
t es
Z x2
ρh(x, t)dx,
x1
50
Ecuaciones de Saint-Venant unidimensionales 51
y la densidad de momentos en cada punto es

ρu(x, t).
Integrando en la vertical se tiene el flujo de masa dada por
ρu(x, t)h(x, t).

Recordemos que el principio de masa dice que la tasa del incremento de masa en cierta
región es igual a las tasa a la cual la masa cruza dicha región por la frontera hacia el
interior, es decir
d x2
Z Z x2
d
ρh(x, t)dx = − ρu(x, t)h(x, t)dx. (3.1)
dt x1 dx x1
Entonces Z x2
ρ [ht + (hu)x ] dx = 0, ∀[x1 , x2 ]. (3.2)
x1
Como la ecuación anterior es válida para todo [x1 , x2 ], entonces
ht + (hu)x = 0. (3.3)
La cantidad hu es llamada el flujo unidimensional en la teoría de la aguas poco pro-
fundas y mide la velocidad del agua en algún punto.
La ecuación de conservación de momentos toma la misma forma que en la ecuación del
gas dinámico
(ρhu)t + (ρhu2 + p)x = 0, (3.4)

donde p denota la presión. Para determinar p se procede de la siguiente manera, se
supone que la presión a la distancia h − y debajo de la superficie es ρg(h − y); [LeVeque,
2002], donde g es la constante de gravitación. Integrando la presión en la vertical desde
y = 0 hasta y = h(x, t) se tiene
1
p = ρgh2 .
2
Sustituyendo esta última expresión en (3.4), se tiene

2 1 2
(hu)t + hu + gh = 0. (3.5)
2 x
Finalmente, se tiene que las ecuaciones de la aguas poco profundas unidimensionales
son
ht + (hu)x = 0 (3.6)

2 1 2
(hu)t + hu + gh = 0. (3.7)
2 x
52 Ecuaciones de Saint-Venant unidimensionales
3.1.2. Invariantes de Riemann

Las ecuaciones de Saint-Venant pueden ser escritas en forma vectorial como
Wt + F (W )x = 0,
T
donde W = (h, hu)T y F (W ) = hu, hu2 + 21 gh2 .
Definiendo q = hu, la matriz jacobiana del flujo es
 
0 1
A= q2 q . (3.8)
gh − 2 2
h h
Los autovalores de esta matriz son
q p q p
λ1 = + gh y λ2 = − gh,
h h
con autovectores
v1 = (1, λ1 )T y v2 = (1, λ2 )T .
Entonces las curvas características del sistema son
dx p
= λ1 = u + gh,
dt
dx p
= λ2 = u − gh.
dt
Para calcular las invariantes de Riemann se seguirá lo hecho en [Vázquez-Cendón, 1989].
Primero pasaremos las ecuaciones de Saint-Venant a su forma característica, trabajando
con la ecuación de conservación de masa se tiene
ht + uhx + hux = 0
p p
= ht + uhx + hux + hx gh − hx gh (3.9)
p p
= ht + u + gh hx − ghhx + hux = 0.
De este modo, (3.9) es la primera ecuación en forma característica.

Operando de manera análoga, y teniendo en cuenta la ecuación de conservación de la
masa, se obtiene la forma característica para la ecuación de conservación de momentos.
p p
ut + ux u + gh − ux gh + ghx = 0. (3.10)
Las ecuaciones (3.9) y (3.10) son las ecuaciones de Saint-Venant en forma característica.
Procedemos al cálculo de las invariantes. De (3.10) se tiene
p p
ghux − ghx = ut + u + gh ux . (3.11)
√
Dividiendo (3.9) por gh
√
2 p 2 p p gh
gh + u + gh gh + ux − hx = 0
g t g x g
Sustituyendo (3.11) en la ecuación anterior
√
2 p 2 p p ut u + gh
gh + u + gh gh + + ux = 0,
g t g x g g

2 p 1 p 2 p 1
gh + ut + u + gh gh + ux = 0.
g t g g x g
Finalmente, se tiene que
∂ p p ∂ p
2 gh + u + u + gh 2 gh + u = 0. (3.12)
∂t ∂x
Por lo tanto el λ1 –invariante de Riemann es
p
φ(1) = u + 2 gh. (3.13)
Procediendo de manera análoga se puede ver que el λ2 –invariante es

p
φ(2) = u − 2 gh. (3.14)
3.2. Problema de Rieman para la ecuaciones de Saint-

Venant
El problema de Riemann para las ecuaciones de Saint-Venant se puede interpretar de
la siguiente manera: Consideremos un fluido (agua) en una dimensión con una presa
situada en el punto x = 0 y dos estados constantes a ambos lados, el de la izquierda
con altura hl y el de la derecha con altura hr tales que hr < hl , esto se puede ver en la
figura 3.1.
Supongamos que en el instante t = 0 se elimina o se rompe la presa, el problema consiste
en determinar el movimiento del agua para todo x y t. Esto está dado por la solución
de
∂W ∂
+ F (W ) = 0, (3.15)
∂t ∂x
con
h hu
W = , F (W ) = .
hu hu2 + 21 gh2
Con condición inicial

Wl si x < 0
W0 = (3.16)
Wr si x ≥ 0
54 Problema de Rieman para la ecuaciones de Saint-Venant
hl
6
hr
? ?
X
Figura 3.1: Esquema del gráfico del problema de Riemann para las ecuaciones de Saint-Venant
donde
hl hr
Wl = y Wr = . (3.17)
hl ul hr ur
Recordemos que las curvas características son
dx p
= u + gh,
dt
dx p
= u − gh.
dt
Las características se denotan por C + y C − , respectivamente. De igual manera sabemos
que los invariantes de Riemann son
p
φ(1) = u + 2 gh,
p
φ(2) = u − 2 gh.
Aplicando resultados de la teoría cualitativa, lo cuales se puede ver en los anexos de

[Vázquez-Cendón, 1989]; se consideran cuatro regiones del fluido al tiempo t = t0 los
cuales corresponden a expansiones, discontinuidades de contacto y ondas de choque,
como puede verse en la figura 3.2.
Para solucionar el problema de Riemann para las ecuaciones de Saint-Venant se sigue

lo expuesto en [Toro, 2001]. Primero se tratará el caso en que se tiene un fondo mojado
en todo el dominio para luego pasar al caso en que se tenga una parte del dominio con
fondo seco, se hacen estas dos consideraciones porque la estructura de la solución en
ambos casos es diferente, tal como se podrá apreciar más adelante. La solución que se
presenta considera velocidades distintas de cero, esto es para luego poder aplicarla en
la implementación del flujo de Godunov para las ecuaciones de Saint-Venant.
3.2.1. Fondo mojado

La estructura de la solución cuando se tiene el caso de fondo mojado en todo el dominio
se puede ver en la figura 3.2.
√
x √ T x
t
= um − ghm
t
= ul − ghl
x
t
=S
t = t∗
hl Discontinuidad de contacto
@
R
@
hm
Onda
Onda de expansión - de - hr
choque
Figura 3.2: Esquema de la solución del problema de Riemann para las ecuaciones de Saint-
Venant unidimensionales.
En la figura 3.2 se muestra que se tienen dos tipos de ondas separadas por tres estados
constantes. En términos del vector de variables primitivas
W = (h, u)T ,
los estados son Wl (estado de la izquierda), Wm (estado intermedio) y Wr (estado de
la derecha). El estado Wm comprende de la región donde inicia la interacción de los
estados Wl y Wr .
Denotaremos los valores constantes de la altura y la velocidad de la partícula en la
región de interacción por hm y um , respectivamente. Dado que para el caso propuesto
se cumple que hm ≤ hl y hm > hr , entonces la onda de la izquierda es una onda de
rarefacción y la onda de la derecha es una onda de choque.
Para obtener el valor de hm es necesario resolver una ecuación algebraica no lineal, esto
se logra conectando um con la información de la izquierda y con la información de la
derecha vía funciones fL (h, hl ) y fR (h, hr ). Estas funciones gobiernan la relación de las
cantidades del flujo que atraviesan las ondas a la derecha y a la izquierda.
Proposición 3.2.1 La solución hm para el problema de Riemann de las ecuaciones de

Saint-Venant (3.15), es dada por la raíz de la ecuación algebraica
s
p p 1 h + hr
2 gh − ghl + (h − hr ) g + ur − ul . (3.18)
2 hhr
La solución para la velocidad um está dada por

1 1
um = (ul + ur ) + [fR (hm , hr ) − fL (hm , hl )] , (3.19)
2 2
donde p p
fL (h, hl ) = 2 gh − ghl ,
y s
1 h + hr
fR (h, hr ) = (h − hr ) g .
2 hhr
Demostración.
En la onda de rarefacción usamos el hecho de que las invariantes de Riemann son
constantes a través de la onda, es decir
p p
um + 2 ghm = ul + 2 ghl ,
entonces p p
um = ul + 2 ghl − 2 ghm ,
de donde se sigue
um = ul − fL (hm , hl ). (3.20)
Trasladamos las velocidades con la velocidad de choque, entonces
bm := um − Sr
u br := ur − Sr .
u (3.21)
La condición de Rankine-Hugoniot [Toro, 2001] en términos de las nuevas velocidades

es
hm u
bm = hr u
br , (3.22)
1 1
b2m + gh2m = hr u
hm u b2r + gh2r , (3.23)
2 2
De (3.22) el flujo de masa que atraviesa la onda de choque es
Mr = −hm u
bm = −hr u
br . (3.24)
Utilizando ahora (3.23), se tiene

1
g h2m − h2r = hr u b2r − hm u
b2m

2
1
g h2m − h2r = (hr u

ur − (hm u
br )b bm )b
um .
2
Usando (3.24), la última ecuación se transforma en
1
g(h2m − h2r ) = Mr (b
um − u
br )
2
De esta última expresión se tiene que
1 (h2 − h2r )
Mr = g m . (3.25)
um − u
2 (b br )
Sustituyendo (3.24) en (3.25)
1 (h2 − h2m )
Mr2 = g r .
2 1
− 1
hm hr
De donde se tiene que

r
1
Mr = g(hr + hm )hm hr . (3.26)
2
De (3.21) se tiene que
bm − u
um = u br + ur .
Manipulando (3.25) y teniendo en cuenta (3.26), se obtiene
s
1 (hm + hr )
bm − u
u br = (hm − hr ) g (3.27)
2 hm hr
Con lo que se tiene que
um = ur + fR (hm , hr ). (3.28)
Restando (3.20) de (3.28), finalmente se tiene que
fR (hm , hr ) + fL (hm , hr ) + ur − ul = 0. (3.29)
De este modo hm es la raíz de la ecuación (3.29), lo cual prueba la primera parte de la
proposición. Asumiendo que se tiene la raíz hm , entonces um resulta de promediar las
ecuaciones (3.20) y (3.28), es decir
1 1
um = (ul + ur ) + [fR (hm , hr ) − fL (hm , hl )] . (3.30)
2 2
Con esto se tiene completa la prueba a la proposición.
Solución de f (h)
Definimos a partir de 3.29 la función
f (h) := fR (hm , hr ) + fL (hm , hr ) + ur − ul ,
esta función es monótona decreciente y cóncava hacia abajo, así de la combinación

adecuada de los datos la ecuación f (h) = 0 tiene una única solución. Para los datos
iniciales hl , hr , ul y ur la solución depende crucialmente de la diferencia de las veloci-
dades, ∆u = ur − ul . La forma de f (h) es determinada por los datos hl y hr , pero el
peso y la raíz son determinados por ∆u, [Toro, 2001]. Para poder aplicar la solución
del problema de Riemann a un frente mojado, se debe cumplir la siguiente condición.
p p
∆ucrit ≡ 2( ghl + ghr ) > ur − ul . (3.31)
Para aproximar la raíz de (3.29) se utiliza el método de Newton-Raphson, con una

iteración inicial dada por
2
(0) 1 1 p p 1
h = ghl + ghr − (ur − ul ) , (3.32)
g 2 4
con una cierta tolerancia T OL, se debe cumplir la condición de paro
|h(i+1) − h(i) |
∆h = 1 ≤ T OL. (3.33)
2
(h(i+1) + h(l) )
Teniendo calculada y formulada la solución numérica hm , la solución de um está dada

por (3.30).
Estructura de la solución
Dado que hm ≤ hl , la onda de la izquierda es una onda de rarefacción y las velocidades
del inicio y del final de la onda son
p
SIL = ul − ghl
y p
SF L = um − ghm
respectivamente. Para encontrar la solución en la onda de rarefacción consideremos un
punto P = x b, b
t dentro de la onda, y tomemos las característica que une el origen con
P . Entonces la velocidad de la característica es
dx p x
= u − gh = .
b
(3.34)
dt t
b
Teniendo en cuenta que la invariante de Riemann es constante en las características,

entonces p p
u + 2 gh = ul + 2 ghl . (3.35)
Despejando u de (3.35) y sustituyéndolo en (3.34) se tiene
p p p x
gh = ul + 2 ghl − 2 gh − .
b
t
b
Entonces 2
1 p x
ul + 2 ghl −
b
h= . (3.36)
9g t
b
Sustituyendo (3.36) en (3.34), tenemos la expresión para u,

1 p 2bx
u= ul + 2 ghl + . (3.37)
3 t
b
Para tener completamente estructurada la solución solo falta determinar la velocidad

de la onda en el choque. Procedemos a calcular la velocidad de la onda de choque a la
derecha, para ello partiendo de (3.21) se ve que
Sr = ur − u
br .
Teniendo en cuenta (3.24) y (3.26) se tiene
Mr
Sr = ur + ,
hr
entonces s
p 1 (hr + hm )hm
Sr = ur + ghr . (3.38)
2 h2r
Entonces la estructura de la solución del problema de Riemann para las ecuaciones
unidimensionales de Saint-Venant con fondo mojado y condiciones iniciales dadas en
(3.17), es
 x √
 hl si −∞ < ≤ ul − ghl
 t
√ √ √

 1 ul + 2 ghl − x

 2
si ul − ghl < xt ≤ um − ghm

h(x, t) = 9g t , (3.39)
√ x

 hm si um − ghm < ≤ Sr


 x t
si Sr < < ∞

 h
r
t
y
 √
 ul si −∞ < xt ≤ ul − ghl
√ √ √


 1 2x x
ul + 2 ghl + si ul − ghl < ≤ um − ghm


3 t t

u(x, t) = √ x . (3.40)
 um si um − ghm < ≤ Sr
t



 x
 ur si Sr < < ∞

t
3.2.2. Fondo seco

En la sección anterior se dio solución al problema de Riemann para las ecuaciones de
Saint-Venant para el caso en el que la altura del agua es siempre mayor que cero en
cualquier sitio. En las regiones secas la altura del agua obviamente es cero, y una situa-
ción física perfectamente aceptable en la cual las ecuaciones de Saint-Venant o cualquier
ecuación basada en el supuesto de continuidad no es aplicable. Ahora consideraremos
regiones mojadas que son adyacentes a regiones secas, el caso más simple es una presa
que es adyacente a una región horizontal seca, esto es un caso especial del problema de
Riemann. En esta sección solucionaremos éste tipo de problemas de Riemann para el
caso en que se tiene presente un estado seco al inicio del problema.
La estructura de la solución del problema de Riemann con fondo seco mojado es distinta
de la solución donde solo está presente el fondo mojado, y si se intenta utilizar la solución
de fondo mojado en el caso del fondo seco, ésta obviamente falla debido al tipo de ondas
que este nuevo problema admite.
Ondas admisibles con fondo seco–mojado

En esta parte se da un resultado importante en cuanto a las ondas admisibles que
conectan un fondo seco con un fondo mojado.
Proposición 3.2.2 Una onda de choque no puede ser adyacente a una región de fondo
seco.
Demostración. Consideremos el problema de Riemann para las ecuaciones de Saint-

Venant 1D con los estados a la izquierda y a la derecha dados como
Wl = (hl , ul )T y Wr = (hr , ur )T ,
respectivamente, con hr = 0.
Supongamos que Wl y Wr son conectados por una onda de choque con velocidad S.
Aplicando la condición de Rankine-Hugoniot, tenemos
hl ul = hr ur + S(hl − hr )
1 1
hl u2l + gh2l = hr u2r + gh2r + S(hl ul − hr ur )
2 2
Como hr = 0, entonces de la primera ecuación se tiene que
hl ul = Shl
de donde
S = ul .
Esto dice que la velocidad que asume la onda de choque es igual a la velocidad que
tiene la partícula iniciando el choque.
Sustituyendo S = ul en la segunda ecuación, se tiene
1 2
gh = hr ur (hr ur − ul ),
2 l
1 2
gh = 0.
2 l
Esto nos dice que hl = 0, y esto contradice que nuestra suposición que el estado de la
izquierda fuera mojado, y con esto tenemos probada la proposición.
Del resultado de la proposición anterior, se sigue que una discontinuidad de contacto

puede ser adyacente a una región de fondo seco, esto toma perfecto sentido físico, ya
que la onda separa una región que tiene agua de una región que no la tiene.
Estamos interesados en solucionar el problema de Riemann en el caso en que el frente

seco se encuentra a la derecha, entonces para este caso la solución consiste de una onda
√
de rarefacción a la izquierda, esta onda está asociada con el valor propio λ1 = u − gh
y de una discontinuidad de contacto con velocidad S∗L que coincide con el final de la
rarefacción. Un esquema gráfico de la solución se puede ver en la figura
√ 3.3.
La ausencia de una onda correspondiente a la familia λ2 = u + gh, tiene perfecto
sentido físico, ya que no se dispone del medio (agua) para que la onda se propague
alrededor de esta familia.
Para dar solución al problema de Riemann, consideremos un punto P0 a lo largo de la
discontinuidad de contacto y denótese por ac y uc la aceleración y la velocidad de la
partícula respectivamente a lo largo de la característica de velocidad S∗L , entonces
dx
= S∗L = uc − ac . (3.41)
dt
Para conectar ac y uc con la información de la izquierda utilizamos las invariantes de
Riemann, entonces
uc + 2ac = ul + 2al ⇒ uc = ul + 2al − 2ac ,
teniendo en cuenta que a lo largo de la discontinuidad de contacto hc = 0, se tiene que
S∗L = ul + 2al . (3.42)

√
√ s∗L = ul + 2 ghl
SL = ul − ghl
T
t = t∗
hl
Discontinuidad de contacto
@
R
@
hr = 0
Onda de expansión
Figura 3.3: Esquema de la solución del problema de Riemann para las ecuaciones de Saint-
Venant.
Tomando en cuenta que lo que diferéncia la solución donde se tiene fondo mojado con
la solución donde se presentan un fondo seco y un fondo mojado es que, en la segunda
no se presentan discontinuidades de contacto, y la velocidad en la onda de choque es
diferente. La solución para fondo seco mojado está dado como
 x
 W l si ≤ u l − al
t


 x
W (x, t) = Wlf an si ul − al ≤ ≤ S∗L (3.43)

 x t
 Wr si S∗L ≤

t
donde

1 x
a = u + 2a −

l l

3 t


Wlf an = (3.44)

 1 2x

 u =
 ul + 2al − t
,
3
√
ya= gh.
3.3. Resolución numérica del problema de Riemann

En esta sección se presentan los resultados obtenidos con los esquemas presentados en el
Capítulo 2. Se presentan tablas que muestran cuantitativamente el error que se comete
con cada esquema y en la misma tabla se presenta un comparativo del orden espacial
para cada esquema. La implementación del frente seco mojado es un caso especial y
para poder llevarlo acabo se tienen en cuenta las siguientes consideraciones.
3.3.1. Consideraciones para la implementación del frente seco

mojado
El cálculo numérico del frente seco-mojado es muy complicado, aparecen dos fuentes de
error en el cálculo numérico de dicho frente, el primero es que es necesario trabajar con
una humectación artificial [Toro, 2001], el segundo es la actualización conservativa.
Humectación artificial
Para ilustrar el problema consideremos el problema de Riemann para las ecuaciones
unidimensionales de Saint-Venant con condición inicial seca en el estado de la derecha,
es decir
WL = (hl , ul )T , WR = (hr , ur )T = (0, 0)T .

En la sección 3.2.2 se estudió la solución exacta para este problema de Riemann, la
solución consistía
√ de una onda de rarefacción asociada al autovalor de la izquierda
λ1 = u − gh, el frente seco-mojado corresponde al pie de la onda de rarefacción y
tiene una velocidad de propagación exacta
p
S∗L = ul + 2 ghl .
Note que este frente es muy rápido, incluso es más rápido que cualquier valor obtenido
de la evaluación usual de los valores propios del sistema, este hecho debe ser tomado en
cuenta para el cumplimiento de la condición de Courant, en particular para el cálculo
del tamaño de paso ∆t en cada tiempo.
Una forma de tratar el problema computacional del estado seco-mojado es por humec-
tación artificial del frente seco, es decir, se establece un altura de agua en el lado derecho
del problema, normalmente una tolerancia positiva muy pequeña , normalmente hr = .
Haciendo esto la estructura de la solución al problema de Riemann es completamente
distinta a la expuesta en la sección 3.2.2. La solución a este nuevo problema de Riemann
tiene una onda de choque débil de velocidad Sr que representa la velocidad del frente
seco-mojado. La velocidad del choque es considerablemente lenta en comparación con
la velocidad exacta S∗L del frente seco mojado, por supuesto cuando → 0, Sr → S∗L .
Sin embargo para valores prácticos del parámetro de humectación artificial el error
puede ser significativo, [Toro, 2001].
64 Resolución numérica del problema de Riemann
Errores inducidos por la actualización conservativa

En secciones anteriores se dijo que un esquema conservativo convergente, converge a
una solución débil del problema, esto se prueba en el teorema de Lax-Wendroff, pero
no se nos garantiza que la solución a la que se llega tenga algún sentido físico, es por
ello que se debe de garantizar que los esquemas que se utilicen sean consistentes con la
condición de entropía.
En un primer instante los que se calculan son las variables conservativas hn+1
i (masa) y
n+1 n+1
(hu)i (momento), para luego calcular la velocidad de la partícula ui mediante la
relación
(hu)n+1
i
un+1
i = .
hn+1
i
Cerca del frente seco-mojado, el numerador y el denominador son pequeños y esto puede
ocasionar errores de redondeo en el cálculo de la velocidad, por otra parte está el error
de la discretización en el método numérico y también el error que se produce al imponer
una humectación artificial. Esto da como resultado que el cálculo para la velocidad de la
partícula en el frente puede dar resultados erróneos. El error en la velocidad del frente
puede ser muy grande y está obligado a crecer con el tiempo, por lo tanto para predecir
la evolución del frente seco-mojado para tiempos largos, el error puede ser ciertamente
grande.
3.3.2. Resultados numéricos

En esta sección se presentan los resultados obtenidos al implementar esquemas con-
servativos a la solución del problema de Riemann de las ecuaciones de Saint-Venant
unidimensionales. Se ha implementado el flujo de Godunov, el flujo del Q-esquema de
van Leer, el flujo del Q-esquema de van Leer con regularización de Harten y regula-
rización local de Lax-Friedrisch, al igual que la descomposición del flujo mediante los
esquemas de Steger-Warming y el esquema de Vijayasundaram, ambos con regulariza-
ción de Harten.
Rotura de presa (Dam-Break)

Como ya se ha explicado previamente el problema de rotura de presa tiene como con-
diciones iniciales dos estados de agua diferentes separados por una presa en x = 0, tal
como puede verse en la figura 3.1, suponemos que en el instante t = 0 se elimina la
presa. Por lo tanto los datos iniciales para las ejecuciones son el nivel del agua a la
izquierda hl , y el nivel de agua a la derecha hr . Para todos nuestros casos de prueba
tomaremos hl = 1, µ = 0.7 excepto en el caso del frente seco-mojado, el tamaño de
paso es dictaminado por la condición de estabilidad para el esquema de Godunov
µ∆x
∆t = n
(3.45)
Smax
n p o
n
donde Smax = máx |uni | + ghni .
i
Para generar los resultados se ha discretizado el intervalo [−0.5, 0.5] en 100 nodos
espaciales y el tiempo final en que se presentan dichos resultados es tf = 0.1. para
trabajar con el Q-esquema de van Leer se ha utilizado un parámetro de regularización
= 0.1, lo mismo para la regularización de los esquemas de Vijayasundaram y Steger-
Warming.
Para el primer caso se ha tomado hr = 0.5, en la figura 3.4 y 3.5 pueden verse los
comportamiento de los esquemas para la altura, mientras en las figuras 3.6 y 3.7 se
muestra el comportamiento de la velocidad.
Altura
1
0.9
0.8 Godunov
Q−esquema
0.7 Harten
Local
0.6 Sol. Exacta
0.5
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en Altura
0.1
0.08 Godunov
Q−esquema
0.06 Harten
Local
0.04
0.02
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Figura 3.4: Resultados para la altura en el problema de Riemann para las ecuaciones de Saint-
Venant empleando los esquemas de Godunov, Q-esquema de van Leer, Q-esquema de van Leer
con regularización de Harten y con regularización local de Lax-Friedrichs.
Para el siguiente caso de prueba se han tomado los mismos parámetros que el anterior y
solo se ha variado el nivel al lado derecho de la presa, ahora se ha puesto que hr = 0.1384,
con estas condiciones el estado intermedio inicia en el origen y los valores hm y um son
los mismo que en el origen, ya que pertenecen a la onda de expansión. Esto se puede
ver en las figuras 3.8 – 3.11.
En el siguiente caso, haremos que el estado de la derecha se acerque a cero para observar
la forma en cómo los diversos esquemas dan la solución, en esta ocasión se ha colocado
el estado de la derecha hr = 0.1, los resultados se muestran en las figuras 3.12 – 3.15,
note cómo se comienzan a formar patas de perro [Vila, 1988], esto se puede ver más
claro en la solución que nos muestra el esquema de Steger-Warming y un poco menos
en el Q–esquema sin regularización.
Finalmente se presentan los resultados para el caso en que se tiene la presencia de un

Altura
1
0.9
0.8
Steger−Warming
Vijayasundaram
0.7
Sol. Exacta
0.6
0.5
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en la Altura
0.1
Steger−Warming
0.08
Vijayasundaram
0.06
0.04
0.02
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Venant empleando los esquemas de Steger-Waming y Vijayasundaram.
Velocidad
1
0.8
Godunov
0.6 Q−esquema
Harten
0.4 Local
Sol. Exacta
0.2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en Velocidad
0.4
Godunov
0.3 Q−esquema
Harten
0.2 Local
0.1
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Figura 3.6: Resultados para la velocidad en el problema de Riemann para las ecuaciones de
Saint-Venant empleando los esquemas de Godunov, Q-esquema de van Leer, Q-esquema de
van Leer con regularización de Harten y con regularización local de Lax-Friedrichs.
Velocidad
1.5
Steger−Warming
Vijayasundaram
1 Sol. Exacta
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en la Velocidad
0.5
0.4 Steger−Warming
Vijayasundaram
0.3
0.2
0.1
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Saint-Venant empleando los esquemas de Steger-Warming y Vijayasundaram.
Altura
1
0.8
Godunov
0.6 Q−esquema
Harten
0.4 Local
Sol. Exacta
0.2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en Altura
0.25
0.2 Godunov
Q−esquema
0.15 Harten
Local
0.1
0.05
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Figura 3.8: Resultados para la altura en el problema de Riemann para las ecuaciones de
Saint-Venant empleando los esquemas del flujo de Godunov, el flujo de los Q-esquemas sin
regularización, con regularización de Harten y con regularización local de Lax-Friedrichs.
Altura
1
Steger−Warming
0.8 Vijayasundaram
Sol. Exacta
0.6
0.4
0.2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en la Altura
0.2
Steger−Warming
Vijayasundaram
0.15
0.1
0.05
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Venant empleando los esquemas de Steger-Warming y Vijayasundaram.
Velocidad
2.5
1.5 Godunov
Q−esquema
1 Harten
Local
0.5 Sol. Exacta
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en Velocidad
2
Godunov
1.5 Q−esquema
Harten
1 Local
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Velocidad
3
Vijayasundaram
2 Sol. Exacta
1.5
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
1.5
Steger−Warming
Vijayasundaram
1
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Altura
1
0.8
Godunov
0.6 Q−esquema
Harten
0.4 Local
Sol. Exacta
0.2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en Altura
0.2
Godunov
0.15 Q−esquema
Harten
0.1 Local
0.05
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Altura
1
0.8
Steger−Warming
0.6 Vijayasundaram
Sol. Exacta
0.4
0.2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en la Altura
0.12
Vijayasundaram
0.08
0.06
0.04
0.02
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Velocidad
2.5
2
Godunov
1.5 Q−esquema
Harten
1 Local
Sol. Exacta
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en Velocidad
1.5
Godunov
Q−esquema
1
Harten
Local
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Velocidad
3
Vijayasundaram
2 Sol. Exacta
1.5
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
1.5
Steger−Warming
Vijayasundaram
1
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
frente seco mojado, para este caso al inicio se tiene que el estado de la derecha es igual
a cero, es decir, hr = 0. Como ya se mencionó previamente el cálculo de las velocidades
presenta errores grandes, y esto contribuyen a inestabilidades, para solucionar esto se
ha bajado el CFL a = 0.4. Los demás parámetros son iguales que en los tres casos
previos. Los resultados para esta prueba se muestran en las figuras 3.16 – 3.19.
Altura
1
Godunov
0.8
Q−esquema
0.6 Harten
Local
0.4 Sol. Exacta
0.2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en Altura
0.06
0.05 Godunov
Q−esquema
0.04 Harten
0.03 Local
0.02
0.01
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Saint-Venant con frente de seco-mojado empleando los esquemas del flujo de Godunov, los
Q-esquemas de van Leer sin regularización, con regularización de Harten y con Regularización
local de Lax-Friedrichs.
Altura
1
Steger−Warming
0.8 Vijayasundaram
Sol. Exacta
0.6
0.4
0.2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en la Altura
0.1
Steger−Warming
0.08 Vijayasundaram
0.06
0.04
0.02
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Figura 3.17: Resultados para la altura en el problema de Riemann para las Ecuaciones de Saint-
Venant con frente seco-mojado empleando los esquemas de Steger-Warming y Vijayasundaram.
Velocidad
6
Godunov
5
Q−esquema
4 Harten
Local
3
Sol. Exacta
2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Error en Velocidad
1.5
Godunov
Q−esquema
1 Harten
Local
0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Saint-Venant con frente de seco-mojado empleando los esquemas del flujo de Godunov, los
Q-esquemas de van Leer sin regularización, con regularización de Harten y con Regularización
local de Lax-Friedrichs.
Velocidad
6
5 Steger−Warming
Vijayasundaram
4 Sol. Exacta
3
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
1
Vijayasundaram
0.6
0.4
0.2
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Figura 3.19: Resultados para la velocidad en el problema de Riemann para las ecuacio-
nes de Saint-Venant con frente seco-mojado empleando los esquemas de Steger-Warming y
Vijayasundaram.
En las tablas 3.1 - 3.2, se muestran los resultados del cálculo del error en la norma
k · k1 , así como también los cálculos de los órdenes, los esquemas que se presentan en
estas tablas son los que implementan el flujo de Godunov, el flujo del Q-esquema de
van Leer sin regularización, el flujo del Q-esquema de van Leer con regularización de
Harten y con regularización local de Lax-Friedrichs. La decisión de elegir el caso en el
que hr = 0.1384, es por que con este caso se obtiene una solución lo bastante generosa
para poder llevar a cabo el análisis cuantitativo de la precisión espacial, y esto se refleja
en el orden estimado que se muestra en las tablas 3.1 y 3.3. También se ha elegido el
caso en que se presenta un fondo seco en el estado de la derecha, esto para recrear que
los errores que se cometen son grandes, esto debido a que el calcular la velocidad en
el frente de seco mojado es un problema computacional muy difícil, dicho problema se
puede ver reflejado en el cálculo del error y del orden espacial, los cuales se encuentran
en la tablas 3.2 y 3.4.
En las tablas 3.2 y 3.4 se ve que el orden de los esquemas es muy inferior a uno, pero
esto se debe a que en la solución numérica del frente seco mojado hemos introducido
pequeños choques que hacen que se pierda la regularidad de la solución, y esto se refleja
en el orden de precisión.
Caso de prueba con hl = 1 y hr = 0.1384

Godunov Q-esquema Q-esq. Reg Q-esq. Reg
de Harten Loc. Lax
Nodos Error pk Nodos Error pk Nodos Error pk Nodos Error pk
50 0.0557 1.0515 50 0.0543 1.0156 50 0.0538 1.0192 50 0.0603 0.9651
100 0.0269 1.0515 100 0.0269 1.0156 100 0.0265 1.0192 100 0.0309 0.9651
200 0.0149 1.0515 200 0.0151 1.0156 200 0.0148 1.0192 200 0.0171 0.9651
400 0.0088 1.0515 400 0.0089 1.0156 400 0.0087 1.0192 400 0.0099 0.9651
800 0.0060 - 800 0.0060 - 800 0.0058 - 800 0.0062 -
Tabla 3.1: Cuadro comparativo del orden de precisión espacial del esquema de Godunov, el
Q-esquema, el Q-esquema con regularización de Harten y con regularización local de Lax-
Friedrisch con µ = 0.7. Los errores son calculados mediante (1.55).
Caso de prueba con hl = 1 y hr = 0, caso del frente seco-mojado.

Godunov Q-esquema Q-esq. Reg Q-esq. Reg
de Harten Loc. Lax
Nodos Error pk Nodos Error pk Nodos Error pk Nodos Error pk
50 0.0606 0.6042 50 0.0676 0.5697 50 0.0606 0.6267 50 0.0703 0.6416
100 0.0399 0.6042 100 0.0455 0.5697 100 0.0393 0.6267 100 0.0451 0.6416
200 0.0244 0.6042 200 0.0283 0.5697 200 0.0233 0.6267 200 0.0260 0.6416
400 0.0143 0.6042 400 0.0168 0.5697 400 0.0133 0.6267 400 0.0141 0.6416
800 0.0083 - 800 0.0101 - 800 0.0077 - 800 0.0081 -
Tabla 3.2: Cuadro comparativo del orden de precisión espacial del esquema de Godunov, el
Q-esquema, el Q-esquema con regularización de Harten y con regularización local de Lax-
Friedrisch con µ = 0.4. Los errores son calculados mediante (1.55).
Caso de prueba con hl = 1 y hr = 0.1384.

Steger-Warming Vijayasundaram
Nodos Error pk Nodos Error pk
50 0.0727 0.7630 50 0.0391 1.2485
100 0.0428 0.7630 100 0.0165 1.2485
200 0.0269 0.7630 200 0.0099 1.2485
400 0.0155 0.7630 400 0.0058 1.2485
800 0.0104 - 800 0.0044 -
Tabla 3.3: Cuadro comparativo del orden de precisión espacial del esquema de Steger-Warming
y Vijayasundaram con µ = 0.7. Los errores son calculados mediante (1.55).
Caso de prueba con hl = 1 y hr = 0, caso del frente seco-mojado.

Steger-Warming Vijayasundaram
50 0.0689 0.4328 50 0.0541 0.6951
100 0.0510 0.4328 100 0.0334 0.6951
200 0.0337 0.4328 200 0.0187 0.6951
400 0.0195 0.4328 400 0.0104 0.6951
800 0.0111 - 800 0.0060 -
Tabla 3.4: Cuadro comparativo del orden de precisión espacial del esquema de Steger-Warming
y Vijayasundaram con µ = 0.4. Los errores son calculados mediante (1.55).
Capítulo 4
Resolución numérica de las ecuaciones

de Saint-Venant unidimensionales con
fondo variable
En el capítulo previo se han implementado diferentes esquemas para la resolución nu-

mérica de las ecuaciones de Saint-Venant, pero en estos esquemas no se ha tomado
en cuenta la presencia del término fuente. En este capítulo se sigue lo propuesto en
[Vázquez-Cendón, 1994] y [Bermúdez y Vázquez-Cendón, 1994] para incluir en los es-
quemas la presencia del término fuente, en especial se presenta la fuente numérica para
el Q–esquema de van Leer.
4.1. Presencia del término fuente en las ecuaciones

Considérese el sistema de ecuaciones
w(x, t)t + F (w(x, t))x = G(x, w(x, t)), (4.1)
con w(x, t) un vector de p componentes, F : Rp → Rp el flujo del sistema y G : R×Rp →

R el término fuente.
Para obtener una solución aproximada W n de la solución exacta w(x, tn ) discretizamos
la derivada espacial utilizando el esquema de Euler, obteniendo.
W n+1 (x) − W n (x)

+ F (W n (x))x = G(x, W n ). (4.2)
∆t
El dominio espacial es discretizado utilizando el método de volúmenes finitos, mediante
una malla uniforme {xi : i = 1, · · · , M }. Cada intervalo se divide en dos celdas tal
como se muestra en la figura 1.1, en este tipo de discretización no son consideradas
las fronteras. La solución aproximada W n a w al tiempo tn puede ser considerada una
76
Resolución numérica de las ecuaciones de Saint-Venant unidimensionales ... 77
función constante por partes, dada por

W n (x) = Win , ∀x ∈ Ci = xi− 1 , xi+ 1 ,
2 2
con ∆x = xi − xi−1 .
Para obtener la aproximación espacial de (4.1) integramos (4.2) sobre la celda Ci ,
obteniendo
Win+1 − Win Fi+ 12 − Fi− 12

+ = Gni , (4.3)
∆t ∆x

donde como siempre Fi± 1 denota la aproximación de F W n xi± 1 y
2 2
Z
1
Gni = G(x, W n ).
∆x Ci
Entonces la actualización de la variable W es dada como

∆t
Win+1 = Win + Fi− 1 − Fi+ 1 + ∆tGni . (4.4)
∆x 2 2
Al igual que en los esquemas descentrados para problemas homogéneos se reemplaza

Fi± 1 por una función flujo numérico φ, de manera similar se introduce una función
2
fuente numérica ψ para el término fuente descentrado.
4.2. Fuentes numéricas

Para tener una discretización descentrada del término fuente se procede como sigue.
Se descompone la integral de la fuente en la celda Ci como la suma de las integrales
sobre las subceldas TiL y TiR , obteniendo
Z
1 1
G(x, W ) = [ATiL G(x
b i−1 , xi , Wi−1 , Wi ) + AT G(x
iR
b i , xi+1 , Wi , Wi+1 )]. (4.5)
Ai Ci Ai
donde G b proporciona una media de los valores de la fuente en las subceldas, la cual
aproxima a las integrales de G en cada subcelda. Los términos Ai , ATiL y ATiR son las
áreas de la celda Ci , y las subceldas TiL y TiR , respectivamente. La ecuación (4.5) da
una discretización ponderada y centrada del término fuente.
Para tener una discretización descentrada del término fuente se introducen las funciones
ψl y ψr , las fuentes numéricas a la izquierda y a la derecha respectivamente, entonces
se tiene que
1
Gni = n
, Win + ATiR ψr xi , xi+1 , Win , Wi+1
n

ATiL ψl xi−1 , xi , Wi−1 . (4.6)
Ai
78 Fuentes numéricas
4.2.1. Consistencia
Sabemos que los esquemas descentrados que resuelven leyes de conservación sin término
fuente son consistentes si
φ(W, W ) = F (W ), ∀ W ∈ Rp .
De manera análoga se introduce una condición para tener consistencia de las fuentes
numéricas.
Definición 4.2.1 Diremos que la discretización de la fuente dada por (4.6) es consis-
tente con la fuente continua si verifica que
1
lı́m
xi−1 ,xi+1 →xi
[ATiL ψl (xi−1 , xi , U, V ) + ATiR ψr (xi , xi+1 , V, W )] = G(xi , V ). (4.7)
U,W →V
Ai
Teorema 4.2.1 Sea {C∆x } una familia de mallas uniformes. Supongamos que las fun-
ciones ψl y ψr son continuas. Entonces (4.6) es consistente, si y sólo si
ψl (x, x, V, V ) + ψr (x, x, V, V )
= G(x, V ). (4.8)
2
Demostración. Para la implicación directa utilizamos la definición 4.2.1, obteniendo
que
1
[ATiL ψl (x, x, V, V ) + ATiR ψr (x, x, V, V )] = G(x, V ).
Ai
Dado que la malla es uniforme, cumple que el área de la celda Ci es dos veces el área
de las subceldas TiL y TiR , y el área de las subceldas es la misma. Entonces la ecuación
anterior se transforma en

1 Ai
(ψl (x, x, V, V ) + ψr (x, x, V, V )) = G(x, V ).
Ai 2
Esto prueba la primera parte del teorema. Para la implicación inversa se aplica el límite
a (4.6) y el hecho que las mallas sean uniformes, obteniendo

1 Ai
lı́m G =
xi−1 ,xi+1 →xi i
(ψl (x, x, V, V ) + ψr (x, x, V, V ))
U,W →V
Ai 2
Sustituyendo (4.8) en la expresión anterior, se tiene
lı́m
xi−1 ,xi+1 →xi
Gi = G(x, W ),
U,W →V
con esto se tiene completa la demostración del teorema.

4.2.2. Q-esquema de van Leer para resolver leyes de conserva-

ción con término fuente
Como ya se mencionó antes, estos esquemas se distinguen por que el flujo numérico es
de la forma
F (U ) + F (V ) 1
φ(U, V ) = − |Q(U, V )|(V − U )
2 2
donde Q es la matriz característica de cada esquema, en el caso que nos involucra, la
matriz Q es evaluada en el estado medio de los estados U, V , es decir,
Q(U, V ) = A (WQ (U, V )) ,
con
U +V
WQ = ,
2
la matriz A es la matriz jacobiana del flujo.
Para determinar las discretización de la fuente, es necesario tener presente que la matriz
A admite ser diagonalizable en la base de los autovectores, es decir
A(W ) = K(W )Λ(W )K −1 (W ),
donde Λii = λi , además
|A(W )| = K(W )|Λ(W )|K −1 (W ),

con |Λ|ii = |λ|i , entonces
|A| = A+ − A− , (4.9)
1
A+ = (A + |A|), (4.10)
2
1
A− = (A − |A|). (4.11)
2
Siguiendo lo hecho en [Bermúdez y Vázquez-Cendón, 1994] se obtienen las fuentes
numéricas para el Q-esquema, para ello proyectamos el término fuente en la base de los
autovectores de la siguiente manera 1 .
G(x, U ) = Kσ
= K(ΛΛ−1 )σ
= K(Λ+ + Λ− )Λ−1 σ,
obteniendo que
G(x, U ) = KΛ+ Λ−1 σ + KΛ− Λ−1 σ. (4.12)
1
Se omite la dependencia de W en la matrices para simplificar la notación.
80 Fuentes numéricas
Empleando (4.9)-(4.11), se tiene que

−1 1
+
KΛ Λ σ = K (Λ + |Λ|) Λ−1 σ
2
1
Kσ + K|Λ|Λ−1 σ

=
2
1
G(x, U ) + K|Λ|Λ−1 K −1 Kσ

=
2
1
I + K|Λ|Λ−1 K −1 G(x, U ),

=
2
teniendo en cuenta que |Λ|Λ−1 da como resultado la matriz diagonal cuyos elementos
son el signo de cada λi , entonces se tiene que
1
KΛ+ Λ−1 σ = (I + K(sig(λi ))ii K −1 )G(x, U ), (4.13)
2
de modo similar se tiene que
1
KΛ− Λ−1 σ = (I − K(sig(λi ))ii K −1 )G(x, U ). (4.14)
2
Las ecuaciones (4.13) y(4.14) sugieren que las fuentes numéricas a la izquierda y a la
derecha deben tener la forma
1
ψl (x, y, U, V ) = (I + K(sig(λi ))ii K −1 )G(x,
b y, U, V ) (4.15)
2
1
ψr (y, z, V, W ) = (I − K(sig(λi ))ii K −1 )G(y,
b z, V, W ) (4.16)
2
donde G(x,
b y, U, V ) es la aproximación de G. Note que la consistencia de la fuente se
tiene si
lı́m G(x,
x→y
b y, U, V ) = G(y, V ). (4.17)
U →V
En efecto,
1
lı́m ψ(x, y, z, U, V, W ) =
x,z→y
(I + K(sing(λi ))ii K −1 )G(y,
b V)
U,W →V
2
(4.18)
1
+ (I − K(sing(λi ))ii K −1 )G(y,
b V ) = G(y, V ).
2
Esto se tiene si
x+y U +V
G(x,
b y, U, V ) = G , . (4.19)
2 2
4.3. Aplicación a las ecuaciones de Saint-Venant

Como es muy conocido, algunos de los métodos no dan buenos resultados porque no
cumplen la propiedad de conservación (propiedad C, dada en la definición 4.3.1) y hacen
aparecer ondas numéricas artificiales, para garantizar que el esquema empleado cumpla
la propiedad de conservación se introduce un propiedad que evita estos fenómenos.
Recordemos que las ecuaciones de Saint-Venant unidimensionales son
Wt (x, t) + F (W (x, t))x = G(x, W (x, t))

donde
W = (h, q)T = (h, hu)T ,
2 T
q 1 2 T
F (W ) = q, + gh , G(x, W ) = (0, ghH 0 (x)) .
h 2
Las funciones h(x, t) y u(x, t) representa la profundidad y la velocidad del fluido en el
canal respectivamente, H(x) es la altura del algún punto a partir de un cierto eje de
referencia, H 0 (x) es la pendiente de la superficie del fondo. Estos elementos se pueden
ver en la figura 4.1.
Superficie del agua Nivel de referencia

Y
y
h(x, t)
H(x)
Superficie del fondo
zb
0 X
Figura 4.1: Sección del dominio del flujo.
Para poder integrar las ecuaciones de Saint-Venant son necesarias condiciones iniciales
y de frontera, en este caso se consideran
h(x, 0) = h0 (x), q(x, 0) = q0 (x), (4.20)
y
h(0, t) = φ(t), q(L, t) = ψ(t). (4.21)
82 Aplicación a las ecuaciones de Saint-Venant
En este trabajo el esquema a utilizar será el Q – esquema de van Leer, en este esquema
la matriz Q es evaluada en el promedio de los estados, esto da la idea que la fuente
numérica Gb debe ser evaluada también en el promedio de los estados Wl y Wr , entonces

0
G(x,
b y, Wl , Wr ) = 0 x+y . (4.22)
g hl +h
2
r
H 2
Como ya es bien sabido la matriz Q en este caso es la matriz jacobiana del flujo.
4.3.1. Propiedad de conservación

Note que las ecuaciones de Saint-Venant cuando q ≡ 0 (caso estacionario) se reducen a
∂h
=0
∂t
(4.23)
∂ gh2 (x)

= gh(x)H 0 (x).
∂x 2
La solución estacionaria viene dada por las condiciones u ≡ 0 y h ≡ H, para conseguir
un buen comportamiento de los esquemas numéricos los dos miembros de la segunda
ecuación de (4.23) deben discretizarse de manera coherente.
Definición 4.3.1 Se dice que un esquema verifica la propiedad C de forma exacta si

calcula exactamente la solución estacionaria q ≡ 0 y h ≡ H. Del mismo modo se dice
que un esquema verifica la propiedad C de manera aproximada si calcula la solución
estacionaria q ≡ 0 y h ≡ H con orden O(∆x2 ).
Para probar la propiedad C, se tiene que verificar la siguiente relación

φ(Win , Wi+1
n n
) − φ(Wi−1 , Win )
= Gni . (4.24)
Ai
Proposición 4.3.1 Propiedad de conservación.
i) La extensión del Q–esquema de Van Leer aplicada a las ecuaciones de Saint-
Venant verifican la propiedad C de forma aproximada cuando se utiliza G
b dada
como en (4.22).
ii) Si se considera la aproximación del término fuente como
!
0
G(x,
b y, Wl , Wr ) = , (4.25)

hl +hr H(y)−H(x)
g 2 y−x
entonces el Q-esquema de van Leer verifica la propiedad C de forma exacta.
La demostración de la proposición anterior se puede consultar en [Bermúdez y Vázquez-

Cendón, 1994].
4.3.2. Resultados numéricos

Para las pruebas consideramos un canal de longitud 648 000 m, con un fondo variable
definido por

40x 4x 1
H(x) = 50.5 − + 10 sen π + , (4.26)
L L 2
donde L es la longitud del canal.
Para todas la pruebas se ha utilizado la discretización de la fuente dada por (4.25).
Validación numérica de la propiedad de conservación
En esta parte se valida numéricamente que el esquema de van Leer comprueba la pro-
piedad de conservación.
Para este caso las condiciones iniciales son h0 (x) = H(x) y q0 (x) = 0 y como condiciones
de contorno φ(t) = H(0) y ψ(t) = 0, los resultados se muestran a los 43 200 s.
En la figura 4.2 (a) se puede observar que ha permanecido constante el nivel del agua
desde el tiempo inicial hasta el tiempo final, esto quiere decir que el esquema no está
produciendo ondas numéricas artificiales. Mientras que en la figura 4.2 (b) se vé una
pequeña variación de la velocidad, pero ésta es insignificante ya que está en los órdenes
de 10−15 .
Altura del agua −15

70 x 10 Velocidad
15
60 Sol. Aproximada
50 10
40
5
30
20
Superficie
0
Nivel en t = 0
10 Nivel en t=tf
0
0 1 2 3 4 5 6 7 −5
5
0 1 2 3 4 5 6 7
x 10 5
x 10
(a) (b)
Figura 4.2: (a) Nivel del agua en todo el dominio, (b) Velocidad del agua en todo el dominio.
Los resultados se presentan en tf = 43 200 s.
Onda de marea
En esta parte se analiza el comportamiento del esquema cuando en la frontera aguas
arriba se impone una onda de marea, la cual está dada por la función

4t 1
φ(t) = 4 + 4 sen π − . (4.27)
86 400 2
Para este caso se toman las condiciones iniciales idénticas al caso anterior y las condi-
ciones de contorno están dadas por
h(0, t) = H(0) + φ(t)
(4.28)
q(L, t) = 0.
Se considera ahora que la longitud del canal es 14 000 m y el tiempo final tf = 10 800 s.
Para esta prueba se ha logrado construir una solución exacta asintótica la cual está
dada por
h(x, t) = φ(t) + H(x)

(4.29)
q(x, t) = −φ0 (t)(x − L) + ψ(t),
para más detalles acerca de la construcción de la solución, se puede observar en [Vázquez-
Cendón, 1994].
En la figura 4.3 (a) se puede ver que la altura del agua de la solución aproximada es muy
parecida a la que está proporcionada por la solución exacta asintótica, mientras que en
la figura 4.3 (b) se puede ver que la velocidad presenta una pequeña diferencia pero
ésta no es muy significativa y por tanto se admite que le esquema soluciona bastante
bien el problema.
En la tabla 4.1 se muestra el error que se tiene cuando se calcula la solución aproximada
y se muestra el orden del esquema al incluirle el término fuente, los errores están calcu-
lado con la norma uno y con la norma infinito. En la figura 4.4 se muestre gráficamente
el comportamiento del error. Se puede interpretar que del error en la norma uno que
el método no soluciona bien nuestro problema, pero tome en cuenta que el tamaño de
paso en espacio es muy grande al momento de calcular la partición del dominio espacial.
Lo que está de manifiesto es que del orden obtenido en la norma 1 es que la solución
asintótica construida está razonablemente lejana de la solución real, tanto como la solu-
ción numérica obtenida, esto por que el método empleado es de orden 1 y los resultados
del orden de precisión nos arrojan que es de orden 2, pero esto no quiere decir que la
solución no sea buena.
Rotura de presa con fondo inclinado

En este caso resolvemos el problema de la rotura de una presa sobre un fondo inclinado.
Para ello se considera el fondo con la forma dada por
111 12
H(x) = + x. (4.30)
200 25
Altura del agua Velocidades

70 0.18
0.16
60
0.14
50
0.12
40 0.1
0.08
30
0.06
20
Superficie 0.04
10 Sol. Aproximada
0.02 Sol. Aproximada
Sol. Exacta
Sol. Exacta
0 0
0 2000 4000 6000 8000 10000 12000 14000 0 2000 4000 6000 8000 10000 12000 14000
(a) (b)
Los resultados se presentan en tf = 10, 800 s.
Presentacion de Errores y ordenes

Norma k · k1 Norma k · k∞
50 557.9192 1.8528 50 0.1854 1.4932
100 154.4631 1.8528 100 0.0659 1.4932
200 316.0805 1.8528 200 0.0317 1.4932
400 433.1922 - 400 0.0403 -
Tabla 4.1: Cuadro comparativo de los errores y del orden del Q-esquema de van Leer con
término fuente.
Se consideran las condiciones iniciales

H(x) + 0.2 si x < 0
h(x, 0) = y q0 (x) = 0.
H(x) − 0.55 si x ≥ 0
Las condiciones de contorno son consideradas de transmisión. El estado inicial de este
problema se puede ver en la figura 4.5.
En la figura 4.6 (a) se muestra el estado del agua al tiempo t = 0.1, mientras que en
la figura 4.6 (b) se presenta el comportamiento de la velocidad. Para observar cómo
evoluciona nuestro problema se presentan los estados al tiempo t = 0.5 en la figura 4.7.
De esta figura se puede observar cómo se cumple la propiedad de conservación, para
que esto se aprecia de manera mejor se presentan los resultados al tiempo t = 1 en
la figura 4.8, es decir que la solución del problema alcanzará un estado constante. En
la tabla 4.2 se muestre el análisis cuantitativo del error que se comete y del orden del
−3
x 10 Error en la Altura
4
0
0 2000 4000 6000 8000 10000 12000 14000
−3
x 10 Error en la velocidad
1.5
0.5
0
0 2000 4000 6000 8000 10000 12000 14000
Figura 4.4: Visualización gráfica del comportamiento del error, tanto para la superficie del
agua como para la velocidad.
0.6
0.4
0.2
−0.2
−0.4
Nivel agua
−0.6 Superficie
−0.8
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
Figura 4.5: Visualización del problema en el tiempo t = 0.
método. Para construir la solución exacta de este problema se ha utilizado el cambio

de variables
1
χ = x − gαt2 , (4.31)
2
τ = t, (4.32)
b = u − αgt,
u (4.33)
h = h.
b (4.34)
donde α = − dhdx
. La solución exacta al problema de Riemann es la misma que la que se
estudió en el Capitulo 3, solo hay que tener en cuenta este cambio de variables anterior.
Para más detalles, se pueden consultar en el Capítulo 7 de [Toro, 2001].
Altura del agua Velocidad

0.6 3
Superficie
Sol. Exacta Sol. Aproximada
0.4 Sol. Aproximada 2.5
Sol. Exacta
0.2
2
0
1.5
−0.2
1
−0.4
0.5
−0.6
−0.8 0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
(a) (b)
Los resultados se presentan en t = 0.1.
Presentacion de Errores y ordenes

Norma k · k1
Nodos Error pk
50 0.0071 1.0678
100 0.0034 1.0678
200 0.0017 1.0678
400 0.0008 -
Tabla 4.2: Cuadro comparativo de los errores y del orden del Q-esquema de van Leer al resolver
el problema de Rotura de presa con fondo inclinado.

0.6 3.8
Superficie
Sol. Exacta 3.6
0.4 Sol. Aproximada
3.4
0.2
3.2
0
3
−0.2
2.8
−0.4
2.6
−0.6 2.4
Sol. Aproximada
Sol. Exacta
−0.8 2.2
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
(a) (b)
Los resultados se presentan en t = 0.5.

0.6 4.95
Sol. Aproximada
0.4 Sol. Exacta
4.9
0.2
4.85
0
−0.2 4.8
−0.4
Superficie 4.75
Sol. Exacta
−0.6
Sol. Aproximada
−0.8 4.7
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
(a) (b)
Los resultados se presentan en t = 1.
Capítulo 5
Ecuaciones bidimensionales de
Saint-Venant
El objetivo de este trabajo es estudiar el efecto de las inundaciones en la ciudad de

Villahermosa, Tabasco, México, las cuales han sido ocasionadas por el desborde simul-
táneo de los ríos Grijalva y Carrizal. Este estudio está pensando desde un enfoque
matemático, y para ello se utiliza el modelo de las ecuaciones de Saint-Venant en 2D.
5.1. Deducción de la ecuaciones de Saint-Venant

Las ecuaciones bidimensionales de Saint-Venat se obtienen promediando en la vertical
las ecuaciones turbulentas de Reynolds. Una suposición básica para poder llevar acabo
este promedio es que la componente vertical de la velocidad es despreciable frente a
la fuerza ejercida por la gravedad y que las componentes en x y y de la velocidad no
varían mucho en una misma vertical, es decir, se puede asumir que son constantes en la
vertical, esta suposición es la que permite llevar el modelo tridimensional de Reynolds
al modelo bidimensional de Saint-Venant. Para poder llevar acabo la deducción de las
ecuaciones de Saint-Venant se utilizan las siguientes suposiciones.
a) La pendiente del fondo es pequeña, es decir, la altura en todo el afluente es casi

la misma.
b) Se considera presión hidrostática.
c) El movimiento de las partículas ocurre solo en planos horizontales.
d) La velocidad vertical de la partícula se considera despreciable frente a la fuerza

de gravedad.
e) Las componentes de la velocidad en las direcciones x y y en una misma vertical

son casi iguales.
89
90 Discretización de las ecuaciones de Saint-Venant
Aplicando estas suposiciones al modelo de Reynolds se obtiene
∂h ∂(hu) ∂(hv)
+ + = 0 (5.1)
∂t ∂x ∂y

∂(hu) ∂ 2 1 2 ∂(huv) ∂zb τb,x
+ hu + gh + = −gh − + St1 (5.2)
∂t ∂x 2 ∂y ∂x ρ

∂(hv) ∂(huv) ∂ 2 1 2 ∂zb τb,y
+ + hv + gh = −gh − + St2 . (5.3)
∂t ∂x ∂y 2 ∂y ρ
Con

∂ ∂u ∂ ∂v ∂u
St1 = 2νt h + νt h + (5.4)
∂x ∂x ∂y ∂x ∂y

∂ ∂v ∂u ∂ ∂v
St2 = νt h + + 2νt h , (5.5)
∂x ∂x ∂y ∂y ∂y
que se les llama términos turbulentos. Más detalles de la deducción de las ecuaciones
de Saint-Venant se pueden encontrar en [Fe-Marqués, 2005], [González-Aguirre, 2010],
[Cea, 2005], [Hernández-López, 2010].
5.2. Discretización de las ecuaciones de Saint-Venant

La solución de las ecuaciones de Saint-Venant solo es posible mediante técnicas numéri-
cas, y en este trabajo nos centramos en la técnica de volúmenes finitos. Para aproximar
las solución es necesario hacer discretizaciones del dominio y de las ecuaciones.
5.2.1. Discretización del dominio espacial

Para discretizar el dominio espacial de cualquier modelo se pueden utilizar mallas es-
tructuradas o no estructuradas. Las mallas no estructuradas son más aptas para recrear
dominios que tengan geometrías complejas, mientras que las estructuradas funcionan
muy bien con dominios con formas muy sencillas y suelen ser usadas para obtener
órdenes mayores de precisión en los algoritmos numéricos.
Las ecuaciones de Saint-Venant se aplican en problemas que involucran flujos ambienta-
les, y por consecuencia el dominio de interés presenta geometrías muy irregulares como
la de los ríos, los estuarios, etc; es por ello que se emplea una malla no estructurada
para aproximar la solución numérica de las ecuaciones.
Las esquemas numéricos para mallas no estructuradas son usualmente de segundo orden
en espacio, pero en este trabajo y siguiendo lo hecho en [Cea, 2005] se usan mallas no
estructuradas para esquemas descentrados de primer y segundo orden.
La principal característica de las mallas no estructuradas para los esquemas de volú-
menes finitos, es que el volumen de control puede recrear cualquier geometría, por muy
Ecuaciones bidimensionales de Saint-Venant 91
compleja que ésta sea. Para crear las mallas de volúmenes finitos se parte de una dis-
cretización en triángulos para el dominio. A partir de la malla previa de triángulos se
pueden obtener diversas mallas de volúmenes finitos o volúmenes de control, la construc-
ción de los diferentes tipos de volúmenes de control se pueden observar en [Fe-Marqués,
2005].
El tipo de volumen de control que se utilizará fue introducido en [Bermúdez y otros,
1998]. Estos volúmenes de control permiten que solo haya un único vector normal
unitario asociado a cada nodo de la frontera. Los nodos de estos volúmenes de control
son colocados en la arista de los triángulos originales, y debido a esto recibe el nombre
de volúmenes tipo arista, con este tipo de volúmenes la definición del vector normal a
a la frontera de la geometría es muy sencilla y permite una fácil implementación de la
condición de frontera tipo Dirchlet. La visualización de este tipo de volúmenes se puede
Nj
nij
Lij rij
B
V
Tij
Ni
Ni
(a) (b)
Figura 5.1: Elementos finitos tipo arista.
Para crear los volúmenes tipo arista a partir de la discretización en triángulos, se procede
de la siguiente manera:
Los nodos de la malla son colocados en los puntos medios de las aristas de los
triángulos.
Cada triángulo se divide en seis subtriángulos definidos por las tres medianas.
La celda Ci es formada por todos los subtriángulos que tengan al nodo Ni como
un vértice.
Se denota por Lij a la frontera común a las celdas Ci y Cj
Se denota por nij al vector normal a la frontera Lij y su longitud coincide con la
de la de la frontera Lij . El vector normal unitario a la frontera Lij se denota por
n
e ij .
El vector rij une los nodos Ni y Nj . La distancia entre los nodos se calcula como
el módulo del vector rij . Note que los vectores rij y nij no necesariamente tienen
la misma dirección.
La distancia d⊥,ij es definida como la proyección ortogonal de rij en la frontera

Lij , es decir, d⊥,ij = rij · n
e ij .
d⊥,ij
La distancia del nodo Ni a la frontera Lij es 2
.
La subcelda Tij se define como el subtriángulo Ni V B tal como se muestra en la

figura 5.1. El área está dada como
|nij |d⊥,ij
ATij = .
4
El conjunto de nodos vecinos al nodo Ni de denota por Ki
5.2.2. Forma conservativa de las ecuaciones de Saint-Venant

Las ecuaciones de Saint-Venant pueden ser escritas en variables conservativas, una pro-
piedad interesante de trabajar con variables conservativas es la habilidad para calcular
choques en la solución. Esto es muy importante si consideramos que la solución de las
ecuaciones de Saint-Venant tienen muy a menudo pendientes muy fuertes en la profun-
didad del agua, ya sea por saltos hidráulicos o por discontinuidades en la elevación del
terreno.
Las ecuaciones bidimensionales de Saint-Venant en forma conservativa pueden ser es-
critas como
3
∂W ∂F1 ∂F2 X
+ + = Gk (5.6)
∂t ∂x ∂y k=1
q1 q2
   
 
h  q 2 gh2   q1 q 2 
 1 +
W =  q1  F1 =  F =
  
2 h
 h 2 
  
 q2 2 
q2 q1 q2 2
gh
+
h h 2
donde q1 = hu y q2 = hv. Los vectores F1 y F2 son los vectores del flujo en la dirección
x y en la dirección y respectivamente, el vector G1 toma en cuenta la pendiente del
fondo, el vector G2 tiene la pendiente de fricción y los términos turbulentos y viscosos
son tomados en cuenta en G3 .
   
0 0 0
 
 τb,x 
G1 =  −gh ∂z b 
G2 =  − ρ  G3 =  St1  . (5.7)

∂x 
τ St2
−gh ∂z
∂y
b
− b,y
ρ
La forma general para la pendiente de fricción τb,j es
τb,j = ρcf uj |U| (5.8)
donde cf es el coeficiente de fricción y |U| es el módulo del vector de velocidades. Los

detalles acerca de este coeficiente se pueden encontrar en [Cea, 2005].
En este trabajo no se tendrán en cuenta los términos viscosos y turbulentos, esto porque
en el caso de inundaciones no toman un papel relevante. Por otro lado los términos
viscosos son importantes si se piensa en trabajar con escalas de peces.
5.2.3. Carácter hiperbólico de las ecuaciones de Saint-Venant

Para el estudio matemático de las ecuaciones de Saint-Venant, es necesario evaluar los
valores propios de la matriz jacobiana del flujo normal.
El flujo total que atraviesa la frontera con la dirección del vector normal n = (nx , ny )
se calcula como
Z = F1 nx + F2 ny (5.9)
donde Z es el flujo total normal a la frontera de las celda. La matriz jacobiana del flujo
normal es dada por
∂Z ∂F1 ∂F2
A= = nx + ny .
∂W ∂W ∂W
 
q2 0 nx ny
q q 2q q q1
nx − h12 + gh + ny − 1h22 nx h1 + ny h2 ny
 
A=
 q2 h .
 (5.10)
q1 q2 q q 2q
nx − h2 + ny − h2 + gh
2
nx h2 nx h1 + ny h2
Los valores propios de esta matriz son

q1 q q q
λ1 = nx + ny 2 λ2 = λ1 + c n2x + n2y λ3 = λ1 − c n2x + n2y (5.11)
h h
√
donde c = gh es la celeridad de la onda. Los tres valores propios son reales y diferentes,
y en el caso límite, es decir, cuando la profundidad del agua es cero, lo tres valores
propios son cero, de esto se concluye que las ecuaciones de Saint-Venant son un sistema
hiperbólico de leyes de conservación. Los vectores propios de (5.10) son
 
1
 
  1
0  q1   q1 − ce
v1 = −e
ny  v2 =  h + ce
 nx 
v3 =  nx 
. (5.12)
 h
 
 q q2

n

ex 2
+ ce
ny − ce
ny
h h
5.2.4. Discretización de las ecuaciones

La forma de discretizar las ecuaciones es muy similar a la que se utliza en el caso
unidimensional. Esta sección está basada en lo expuesto en [Cea, 2005].
Discretización temporal
La discretización temporal de primer orden de (5.6) es
2
W n+1 − W n ∂F1 ∂F2 X
+ (W n ) + (W n ) = Gnk , (5.13)
∆t ∂x ∂y k=1
donde W n es el vector de variables conservativas al tiempo tn . El flujo convectivo y el

término fuente son evaluados al tiempo tn . Es posible implementar el segundo orden
en los esquemas a partir del primer orden, esta implementación se hace de la siguiente
1
manera. Primero se calcula la solución en un tiempo intermedio tn+ 2 con el esquema
de primer orden, es decir,
2
n+ 12 n∆t ∂F1 n ∂F2 n ∆t X n
W =W − (W ) + (W ) + G . (5.14)
2 ∂x ∂y 2 k=1 k
1
Con el valor intermedio W n+ 2 de las variables, es evaluado el flujo y el término fuente,
(5.13) es integrada sobre el tiempo completo, es decir de tn a tn+1 :
2
n+1 n ∂F1 n+ 12 ∂F2 n+ 12
X n+ 1
W = W − ∆t (W )+ (W ) + ∆t Gk 2 . (5.15)
∂x ∂y k=1
El paso de tiempo ∆t es limitado por la condición de CFL, esto para tener estabi-
lidad numérica del esquema, en términos de la condición CFL el paso del tiempo es
implementado como
di
∆ti = CFL √ (5.16)
|U|i + ghi
donde di = Ai /pi es el radio entre el área Ai y el perímetro pi en cada celda, por su
parte |U|i es el módulo de la velocidad en el nodo Ni .
La ecuación (5.16) impone una condición de estabilidad local para cada celda y tomando
en cuenta el número total de celdas se ve que afecta a la velocidad de convergencia del
algoritmo. Para solucionar este pequeño inconveniente se impone una condición global
sobre el paso de tiempo en el dominio espacial. Para obtener la estabilidad global, se
define un paso de tiempo global, el cual es

di
∆t = mı́n CFL √ . (5.17)
i |U|i + ghi
Discretización espacial
La integración de (5.13) sobre la celda Ci es
2
W n+1 − W n
Z Z Z X
∂F1 ∂F2
dA + + dA = Gk dA. (5.18)
Ci ∆t Ci ∂x ∂y Ci k=1
1
En esta última ecuación el flujo y el término fuente son evaluados al tiempo tn o tn+ 2 ,
dependiendo del orden de precisión espacial que se quiera tener en el esquema.
Aplicando el teorema de la divergencia de Gauss a la integral del flujo convectivo en
(5.18) se tiene
2 Z
W n+1 − Win
Z X
Ai i + (F1 n
e x + F2 n
ey )dL = Gk dA, (5.19)
∆t Li k=1 Ci
donde Win es el valor de W en la celda Ci al tiempo tn , Li la frontera de la celda Ci

y ne = (e
nx , n
ey ) es el vector normal unitario a la frontera. Una manera de calcular el
segundo término de (5.19), es calcular la suma del valor de la integral evaluada en cada
frontera Lij , es decir
Z XZ
(F1 n
e x + F2 n
ey )dL = (F1 n
e x + F2 n
ey )dL. (5.20)
Li j∈ki Lij
Donde ki recorre todas las celdas Cj que son comunes a la celda Ci .
La principal diferencia entre los diversos esquemas de volúmenes finitos que pueden
emplearse, es la forma en cómo estos evalúan el flujo en las fronteras de las celdas.
5.2.5. Discretización del flujo convectivo

En los esquemas descentrados de primer orden los estados a la izquierda y a la derecha
del problema de Riemann son dados por el valor de las variables a la derecha y a la
izquierda en los nodos, estos valores son denotados por Wi y Wj . Para aproximar el
flujo real F en la frontera de la celda Ci , se define una función flujo numérico φ, tal que
el flujo convectivo es aproximado como
Z
(F1 n ey ) ≈ φ(Wi , Wj , nij ).
e x + F2 n (5.21)
Lij
Note que el flujo numérico φ depende del valor de las variables conservativas en los
nodos a cada lado de la celda y el vector normal a la frontera. En la familia de los
Q–esquemas, el flujo numérico se calcula como
Z(Wi , nij ) + Z(Wj , nij ) 1

φ(Wi , Wj , nij ) = − |Q(Wi , Wj , nij )|(Wj − Wi ). (5.22)
2 2
En esta expresión la parte centrada es una aproximación de segundo orden del flujo en
la frontera Lij y la parte descentrada da la estabilidad al esquema numérico (y toma
en cuenta la dirección en que la información se propaga).
La matriz Q es una matriz característica de cada esquema, y para los esquemas de
van Leer y de Roe coincide con la matriz jacobiana del flujo evaluado en un estado
intermedio Wfij de los nodos Ni y Nj . La matriz |Q| de (5.22) es calculada como
|Q(W )| = X(W )|D(W )|X −1 (W ) (5.23)

donde X es la matriz formada por los vectores propios de Q y |D| es una matriz diagonal
cuyos elementos son los valores absolutos de los valores propios de Q.
Para los esquemas de van Leer y Roe estas matrices toman la forma
 
|λ1 | 0 0
|D(W )| =  0 |λ2 | 0  (5.24)
0 0 |λ3 |
 
0 1 1
X(W ) =  −e ny u e+e cn
ex ue−e cn
ex  (5.25)
n
ex ve + e ey ve − e
cn cn
ey
 
2e
c(e
un ex ) −2e
ey + ve n cney 2e
cnex
1 
X −1 (W ) = c−u
e enex − ve n
ey n
ex ney  . (5.26)
2ec
c+u
e en ey −e
ex + ve n nx −eny
Todas las variables son evaluadas en el estado W

fij , el cual es definido por (e
h, qe1 , qe2 , e
c).
En el esquema descentrado de primer orden de van Leer, el estado intermedio W

fij , es
dado por el promedio aritmético de Wi y Wj ; [van Leer, 1977], es decir
fij = Wi + Wj .
W
2
Para el esquema de Roe el estado intermedio W

fij es conocido como promedio de Roe,
y éste cumple que
Fj − Fi = A(Wf )(Wj − Wi ).
ROE
Más detalles se pueden ver en [Roe, 1986].

Extensión de segundo orden para los esquemas de van Leer y Roe

Como hemos argumentado en la sección 3.3.2, tanto el esquema de van Leer como el
esquema de Roe son de orden uno en espacio. Una forma de mejorar la precisión del
esquema es aumentar la cantidad de nodos al calcular el flujo numérico en la frontera
de las celdas, pero esto es más viable si se trabaja con mallas estructuradas. Para
obtener un orden superior en mallas no estructuradas es necesario utilizar algoritmos
más complejos, y esto lleva consigo el no saber de qué celdas provendrá la información
para calcular el flujo en la frontera.
Una forma de solucionar esta problemática es el emplear una reconstrucción MUSCL
(Monotonic Upstream for Conservative Law) de las variables conservativas, esto se hace
utilizando un limitador en la pendiente para controlar la variación total del campo
reconstruido, tal como se menciona en [LeVeque, 1990].
La extrapolación de las variables conservativas desde el nodo de la celda hacia la frontera
de la celda es hecha como
rij
WIj = Wi + ∇Wi
2 (5.27)
rij
WiJ = Wj − ∇Wj .
2
Donde WIj es el valor extrapolado de Wi a la frontera Lij , WiJ es el valor extrapolado
de Wj a la frontera Lij , rij es la distancia entre los nodos Ni y Nj y ∇W es una
aproximación del gradiente de las variables conservativas.
Nj2 Nj3
Lij Nj
Wj
Ni WiJ
Ni1
Wi WIj
Ni2
s s
Ni Nj
(a) (b)
Figura 5.2: Extrapolación de la variables conservativas desde el nodo de la celda a la frontera

de la celda.
Para mantener el carácter descentrado del esquema, el gradiente ∇Wi es calculado a

partir de los valores de la variable conservativa en los nodos N i, Ni1 , Ni2 , ver figura
5.2. La forma en cómo es calculado el gradiente es la siguiente:
Estimación del gradiente en una malla triangular

La forma de calcular el gradiente en una malla triangular es mediante un cambio de
coordenadas, es decir pasar de las coordenadas (x, y) a coordenadas (χ, η), el efecto del
cambio de coordenadas se puede ver en la figura 5.3
v3
η
v3
y v2
v1 v2
v1
χ
Figura 5.3: Efecto del cambio de coordenadas en un triángulo de la malla.
Usando funciones N1 (χ, η), N2 (χ, η) y N3 (χ, η), cualquier variable w puede ser expre-
sada en coordenadas locales como
w(χ, η) = w1 N1 (χ, η) + w2 N2 (χ, η) + w3 N3 (χ, η), (5.28)

donde
N1 = 1 − χ − η, N2 = χ y N3 = η,
son las funciones asociadas que transforman los vértices. De igual modo w es cualquier
función, w1 , w2 y w3 son los valores de w en cada vértice del triángulo.
La forma de obtener las coordenadas reales a partir de las coordenadas locales es

x x1 x2 − x1 x3 − x1 χ
= + . (5.29)
y x2 y2 − y1 y3 − y1 η
Empleando (5.28) y (5.29) se llega a ver que
∂w w1 (y2 − y3 ) + w2 (y3 − y1 ) − w3 (y2 − y1 )

=
∂x (x2 − x1 )(y3 − y1 ) − (x3 − x1 )(y2 − y1 )
(5.30)
∂w w1 (x3 − x2 ) − w2 (x3 − x1 ) + w3 (x2 − x1 )
= .
∂y (x2 − x1 )(y3 − y1 ) − (x3 − x1 )(y2 − y1 )
Esta ecuación nos permite calcular el gradiente ∇w en una malla triangular asociada a
la malla de volúmenes finitos. Cuando se necesite el gradiente en los nodos de la malla
de volúmenes finitos simplemente se calcula el promedio de los gradientes de los dos

triángulos que están conectados al nodo Ni , esto es
(∇w)∆i,j1,j2 + (∇w)∆i,j3,j4
(∇w)i = (5.31)
2
los nodos que intervienen se pueden apreciar en la figura 5.4.
Nj2
Nj1
Nj3 Ni
Nj4
Figura 5.4: Nodos que intervienen el cálculo del gradiente.
En estos momentos se tienen todas las herramientas para implementar el segundo orden
al cálculo del flujo convectivo en la frontera de las celdas. Para evitar que aparezcan
ondas espúreas tanto arriba como abajo en regiones con fuerte pendiente, se aplican
limitadores a los valores
rij rij
∇Wi y ∇Wj ,
2 2
para hacer esto se reescribe la ecuación (5.27) como
1 1
WIj = Wi + ∆∗i , WiJ = Wj + ∆∗j . (5.32)
2 2
Donde ∆∗i y ∆∗j son los limitadores de la pendiente [Toro, 2001] en los nodos Ni y Nj ,
los cuales se calculan como

∗ máx [0, mı́n (β∇Wi rij , ∆ij ), mı́n (∇Wi rij , β∆ij )] si ∆ij > 0
∆i = (5.33)
mı́n [0, máx (β∇Wi rij , ∆ij ), máx (∇Wi rij , β∆ij )] si ∆ij < 0
de manera análoga se obtiene la expresión para ∆∗j , en (5.33) el término ∆ij = Wi − Wj .
Regularización de los valores absolutos

Los esquemas que tienen un término de viscosidad numérica en su expresión del flujo
no proporcionan el flujo correcto en el momento en que alguno de los valores propios
se anula, esto porque el término de viscosidad numérica desaparece, y éste es el que da
la estabilidad al esquema y al desaparecer dicha estabilidad se pierde. Para evitar este
tipo de problemas se utiliza una regularización del valor absoluto de los autovalores,
esta aparece por vez primera en [Harten, 1984]. La regularización propuesta por Harten
es

 |λ| si |λ| >
|λ|r = 2 2 (5.34)
 λ + si |λ| ≤
2
donde es el parámetro de regularización. En la solución numérica el valor de es
estimado localmente en cada lado de la celda, como
p
ij = 0.1 ghij |nij |. (5.35)
Otra forma de calcular ij es

n o
eij − λi , λj − λ
ij = máx 0, λ eij , (5.36)
donde λeij es el valor propio calculado en cada estado intermedio de las celdas, [Cea,
2005].
5.2.6. Discretización del término fuente, pendiente del fondo

Como se ha mencionado en [Bermúdez y Vázquez-Cendón, 1994] el tratar la fuente
de forma centrada produce ondas espúreas, ellos prueban que utilizar formas descen-
tradas produce buenos resultados, en este trabajo para el caso unidimensional se ha
comprobado que los resultados con fuentes descentradas son muy buenos.
Discretización descentrada
La forma de obtener la discretización descentrada ya fue presentada en la sección 4.2.
Para el caso bidimensional la discretización de la fuente depende de los valores de las
variables a cada lado de la celda y del vector normal. El término fuente se discretiza
como
Z Z
1 1 X 1 X
Si = SdA = SdA ≈ ATij ψij (Wi , Wj , n
e ij ), (5.37)
Ai Ci Ai j∈K Tij Ai j∈K
i i
donde
d⊥,ij |nij |
ATij =
4
es el área del subtriángulo Tij . Note que ψij depende del vector normal unitario a la
frontera Lij , mientras que φij depende del vector normal a la frontera Lij .
Siguiendo las ideas del caso unidimensional la función ψ, fuente numérica, es evaluada
en cada subcelda como
e ij ) = (I − |Q|ij Q−1
ψ(Wi , Wj , n ij )Sij .
e (5.38)
En esta última expresión Seij es una aproximación del término fuente en la subcelda Tij
con dependencia de las variables Wi y Wj . Las matrices |Q|ij y Qij son evaluadas en el
estado intermedio, ya sea para el esquema de van Leer o para el esquema de Roe.
La expresión que se propone en [Bermúdez y otros, 1998] para calcular Seij es
 
0
hi + hj zb,j − zb,i 
Seij = −g 2 n
ex.ij  . (5.39)
2 d⊥,ij
n
ey,ij
Lo anterior es empleando en esquemas de primer orden. Si los esquemas que se emplean
son de segundo orden se rompe el balance exacto entre el flujo numérico y la pendiente
del fondo en la fuente numérica. Esto es por que la extrapolación de hi es diferente en
cada frontera de la celda, entonces
X
ex,ij |nij | =
hIj n 6 0, (5.40)
j∈Ki
donde hIj es el valor extrapolado del flujo desde el nodo Ni a la frontera Lij . En esta
situación lo que se tiene es un residuo en el término fuente [Cea, 2005], el cual es dado
por  
0
X |nij | 2 
Ri = −g hIj n
ex,ij  (5.41)
2
j∈Ki n
ey,ij
y aplicando la relación X
φij = Si Ai + Ri (5.42)
j∈Ki
se tiene una simple y eficiente solución a este problema, la cual consiste en usar una
aproximación de primer orden para la profundidad del agua (hIj = hi ) y una aproxi-
mación de segundo orden para el flujo unitario.
Siguiendo lo hecho en [Cea, 2005], el residuo Ri puede ser reemplazado por
X X
Ri = − [F1,Ij nx,ij + F2,Ij ny,ij ] = [(F1,Ij − F1,i )nx,ij + (F2,Ij − F2,i )ny,ij ] (5.43)
j∈Ki j∈Ki
La ecuación (5.43) es una discretización del gradiente del flujo entre el Nodo Ni y la
frontera Lij , esto permite reescribirlo como
X ∂F1 ∂F2 d⊥,ij X d⊥,ij
Ri = − + |nij | =− SiI |nij | . (5.44)
j∈K
∂x ∂y iI 2 j∈K
2
i i
Esto debe ser tomado en cuenta si se quiere mantener el balance entre el flujo convectivo
y la pendiente del fondo en la fuente numérica. El vector SiI en la ecuación (5.44) da
102 Condiciones de frontera
una forma de discretizar la pendiente del fondo en el término fuente entre el nodo Ni y
la frontera Lij , teniendo esto presente y (5.42), la discretización del término fuente es
1
Si∗ = Si +
Ai
1 X d⊥,ij
= Si − SiI |nij |
Ai j∈K 2 (5.45)
i  
0
1 P |n|ij hi + hIj
= Si − − g 2(zb.Ij − zb,i )  nex,ij 
Ai j∈Ki 2 2
n
ey,ij
5.2.7. Discretización del término fuente, pendiente de fricción

Para mejorar la estabilidad del esquema numérico cuando la pendiente del coeficiente de
fricción es grande, en necesario implementar en la solución numérica una discretización
implícita o explícita de la pendiente de fricción en el término fuente.
En el esquema explícito el término de fricción es evaluado en cada nodo de la celda al
tiempo tn , es decir
 
cf 0
G2 = − 2  |q|i q1,i  . (5.46)
hi
|q|i q2,i
Para este trabajo no se consideran los esquemas implícitos, ya que para poder calcular
la discretización de la pendiente de fricción es necesario tener en cuenta la discretización
de los términos viscosos y turbulentos, los cuales se han decidido omitir, por no jugar
un papel importante en el trabajo de análisis de zonas inundables. Para implementar el
esquema descentrado para la discretización de la pendiente de fricción, se procede del
mismo modo que para la pendiente del fondo.
5.3. Condiciones de frontera

Matemáticamente se tienen tres tipos de condiciones de contornos las cuales son:
1. Condición de contorno tipo Dirichlet.
2. Condición de contorno tipo Neumann.
3. Condición de contorno tipo Robin.
En la modelación de las ecuaciones de Saint-Venant, la condición tipo Dirichlet describe

la situación física de la profundidad del agua, la condición tipo Neumann describen el
comportamiento del flujo, y la condición tipo Robin es una combinación de las dos
anteriores y ésta describe las etapas de descarga, [Kolar y otros, 1996].
5.4. Frente Seco–Mojado

Muchas de las aplicaciones prácticas en las cuales son utilizadas las ecuaciones de Saint-
Venant incluyen regiones del dominio espacial las cuales pueden estar en un estado seco
o un estado mojado, para luego cambiar la elevación del agua en ellas. En esta situación
aparece un movimiento de las fronteras definido por un frente de seco–mojado, el cual
es necesario tratar adecuadamente para lograr precisión y estabilidad en los resultados.
Problemas de seco mojado habitualmente se encuentran en la simulación de fluidos,
en el avance del agua en causes secos, avance de inundaciones, propagación de ondas
en escalas de peces, para nuestro caso, los frentes de seco–mojado juegan un papel
importante ya que estamos interesados en la simulación de inundaciones.
Una forma de tratar los frentes de seco mojado es definiendo un parámetro (sm ) de seco
mojado, tal que si la profundidad del agua en la celda es menor que este parámetro,
la celda se considera como seca, del mismo modo si en la frontera Lij la profundidad
del agua es menor que el parámetro de seco mojado entonces la frontera se considera
seca y la celda no participa en el cálculo. La profundidad del agua nunca es forzada a
ser cero, esto para mantener la propiedad de conservación en el esquema. El parámetro
sm ayuda a evitar profundidades negativas del agua, y con esto evitar inestabilidades
en la solución numérica. Si el parámetro sm es demasiado pequeño puede ocasionar
inestabilidades numéricas y para no tener este problema se está obligado a utilizar un
CFL muy pequeño, especialmente en el caso que se tengan batimetrías muy irregulares.
Cuando se asume una función constante a trozos (esto es normalmente el enfoque de
los volúmenes finitos) para el cálculo del flujo convectivo con esquemas de primer orden
y se trabaja con el esquema numérico correcto, la aproximación es capaz de capturar
discontinuidades en la solución, lo cual es una característica muy importante cuando
se trabaja con pendientes grandes del fondo o cuando se tienen discontinuidades en la
elevación, es decir cuando se tienen paredes verticales, ver figura 5.5 Suponiendo una
Figura 5.5: Discretización de la elevación del fondo.
elevación constante del fondo en cada celda, hay dos condiciones necesarias impuestas
en el frente seco mojado, la primera es la redefinición de la pendiente de la elevación
del fondo y la segunda es la condición de reflexión.
El objetivo de redefinir la elevación del fondo es obtener el balance exacto en el frente
104 Frente Seco–Mojado
seco mojado, la pendiente del fondo y el término de la presión hidrostática para el

caso del flujo hidrostático, si la pendiente del fondo no se redefinen en el frente seco
mojado aparecen ondas espúreas, las cuales pueden ser fuertes o débiles dependiendo
del gradiente de la pendiente en la condición del flujo. Si el frente seco mojado ocurre
entre las celdas Ci y Cj , el incremento ∆zb,ij de la elevación del fondo en el frente es
definido como

hi − hj si hj ≤ sm y hi < zb,j − zb,i
∆zb.ij = (5.47)
zb,j − zb,i en otro caso.
Gráficamente lo casos en que se necesita redefinir la pendiente del fondo se pueden
observar en la figura 5.6.
hi
hj = 0
s hj = 0
zb,j s
hi zb,j
zb,i zb,i
s
s
Redefinición del fondo Sin redefinición del fondo.
∆zb,ij = hi . Sin condición de reflexión.
Condición de reflexión hi
qij = 0.
hj
s
zb,j
zb,i
s
Sin redefinición del fondo.
Sin condición de reflexión.
Figura 5.6: Frente seco–mojado.
Note que solo la primera condición de (5.47) modifica la profundidad real del fondo.
Capítulo 6
Simulación numérica de una

inundación en Villahermosa
El objetivo principal de este trabajo es realizar simulaciones de inundaciones en la

ciudad de Villahermosa, Tabasco, México, para esto nos centramos en llevar a cabo
este trabajo en la zona enmarcada por las ortofotos E18B81D3, E15B81D4, E15D11A1,
E15D11A2, E15B81E3 y E15D11B1 la cual se puede ver en la figura 6.1. Los datos
topográficos de esta región fueron facilitados por el INEGI. De trabajos realizados
previamente se han notado que los datos pierden la batimetría en los ríos, parte de la
solución a este problema se ha llevado a cabo en [de-la Fuente-Vicente, 2012], para el
río Grijalva, el río Pichucalco y parte del río Viejo Mezcalapa. Siguiendo su trabajo se
han hecho las modificaciones restantes en el río Viejo Mezcalapa y el río Carrizal, esto
para poder llevar a cabo las simulaciones en la zona de interés utilizando el software
Iber.
Iber es un modelo de simulación numérica del flujo turbulento en lámina libre en régimen
no-permanente y de procesos medio ambientales en hidráulica fluvial. Las aplicaciones
de Iber abarcan la hidrodinámica fluvial, la simulación de rotura de presas, la evaluación
de zonas inundables, el cálculo de transporte de sedimentos y el flujo de marea en ríos
y estuarios, [GEAMA y FLUMEN, 2012a]
Para poder llevar a cabo un cálculo con Iber se debe tener en cuenta:
1. Crear o importar una geometría.
2. Asignar una serie de parámetros de entrada (rugosidad, condiciones internas, entre

otras).
3. Asignar condiciones de frontera y condiciones iniciales.
4. Asignar opciones generales de cálculo (tiempo de cálculo, paramétros del esquema

numérico, activación de módulos adicionales).
5. Construir una malla de cálculo.
105
106
Río Carrizal
Ortofoto E15B81D3 Ortofoto E15B81D4 Ortofoto E15B81E3
KA
A
A
A
A
A
A
A
A
A
A
A
Ortofoto E15D11A1 Ortofoto E15D11A2 A Ortofoto E15D11B1
Río Grijalva
Figura 6.1: Zona donde se pretende llevar a cabo el estudio.

Simulación numérica de una inundación en Villahermosa 107
6. Lanzar el cálculo.
Las condiciones de contorno e iniciales, así como la mayor parte de parámetros se
pueden imponer tanto sobre la geometría como sobre la malla. La base del cálculo es la
geometría del dominio de la simulación, a continuación se detalla el procedimiento que
se siguió para obtener dicho elemento.
6.1. Creación de la geometría y asignación de la to-

pografía
Iber cuenta con una interfaz en la cual se puede crear una geometría desde cero, esto se
hace dibujando lineas, puntos y superficies sobre una foto georreferenciada o sobre la
propia pantalla de inicio de iber, por otro lado se pueden importar diferentes formatos
estándar (TIN, DXF, ASCII, etc) en los cuales esté contenida la información de la zona
donde se quiera realizar el estudio. Para el caso que nos ocupa se ha utilizado la primera
opción y se ha creado la geometría desde cero, ya que esto nos permite tener control
sobre las partes donde se quiera tener más detalle y donde no, esto con el fin de tener
mayor control de la dimensión de la malla de cálculo.
Para llevar a cabo la construcción de la geometría se utilizó la imagen 6.2. Con los
contornos dibujados se procede a crear las superficies correspondientes a cada uno.
La visualización de los contornos y superficies se puede apreciar en la figura 6.3 (a).
Finalmente se procede a definir el tamaño de malla en cada superficie creada, obteniendo
el resultado que se visualiza en la figura 6.3 (b) y una ampliación de la malla se puede
ver en la figura 6.4. Lo que se tiene con el proceso descrito anteriormente solo es una
malla que recrea la geometría, para tener completamente estructurada la geometría
de la simulaciones proporcionaremos las cotas a cada elemento de la malla obteniendo
como resultado final lo visto en la figura 6.5
Figura 6.2: Vista de los datos del MDT mediante el programa Global Mapper.
108 Simulación del escenario del día 1 de octubre de 2007
(a) (b)
Figura 6.3: (a) Geometría de la zona de interés construida desde cero, (b) Vista general de la
malla, se han dado más elementos en el cauce del río y en la ciudad.
Figura 6.4: Ampliación de una zona de la malla de cálculo.
6.2. Simulación del escenario del día 1 de octubre de

2007
En esta simulación recreamos un condición aproximada al día primero de octubre de
2007, que es un estado en el cual se mantiene la mayoría del año los ríos de la planicie
tabasqueña y porque en este mes es cuando se suscitan los eventos extraordinarios que
Figura 6.5: Vista de la geometría una vez asignadas las cotas.
ocasionan las inundaciones de 2007.
6.2.1. Condiciones de contorno, condiciones iniciales y paráme-

tros de la simulación
Entrada
Los sitios donde serán impuestas las condiciones de contorno y de salida se pueden
observar en la figura 6.6. De igual modo en la misma figura se sitúan los puntos donde
se toman las mediciones que son reportadas de acuerdo a los diferentes escenarios que
se simulan. En la tabla 6.1 se pueden observar los hidrogramas que se han impuesto en
los ríos aguas arriba como condiciones de contorno de entrada.
Salida
Se ha impuesto una salida de flujo supercrítico en la parte del río Grijalva aguas abajo,
esta condición permite calcular la salida en función de lo que sucede aguas arriba, sin
tomar en cuenta lo que esté pasando aguas abajo.
(B)
(A)
@ Salida río
@
I
(C) Grijalva
Río Carrizal - Río Grijalva
(D)
Entrada río
de la Sierra
(E)
(F)
Entrada río
Carrizal

@
I
@

Entrada río Mezcalapa Entrada río Pichucalco
Figura 6.6: Lugares de interés. Sección a la altura de Bosques de Saloya (A), sección a la altura de
Ciudad industrial (B), sección en el Muelle (C), sección en la estación Gaviotas (D), punto de medición
entre el río Mezcalapa y el río Pichucalco (E), punto de medición entre el río Pichucalco y el río de la
Sierra (F).
Hidrogramas de entrada.
Río Tiempo (s) Caudal (m3 /s)
0 0
Mezcalapa 1 800 20
144 000 20
0 0
Pichucalco 3 600 30
144 000 30
0 0
Sierra 36 000 266
144 000 266
0 0
Carrizal 36 000 211
144 000 211
Tabla 6.1: Datos de los hidrogamas de entrada que se han impuesto en los ríos aguas arriba,
por ejemplo, el incremento del caudal del río Mezcalapa de 0 a 1800 s crece linealmente de 0
a 20 m3 /s. Similarmente en los otros.
Rugosidad y condiciones iniciales
Se ha utilizado un parámetro de rugosidad constante en todo el terreno de 0.025, un

estudio más detallado acerca del parámetro de fricción en la planicie tabasqueña se
puede consultar [Cruz-Vázquez, 2011]. Está prueba se inicia desde seco, es decir, se
impone una condición inicial de calado idénticamente cero en todos los elementos de
cálculo.
Paramétros de tiempo y del esquema numérico

Se inicia la simulación desde cero y se hacen un total del 172 800 s, es decir, 48 horas
y se graban resultados cada 3 600 s (1 hora), con un aumento máximo de 1 s. Para
solucionar se utiliza el esquema numérico de primer orden con un CFL de 0.8. Se han
grabado resultados de calado, velocidad, cota del agua y riesgo.
6.2.2. Resultados
En las figuras 6.7 y 6.8 se puede ver como fue fluyendo el agua por el cauce de los ríos,
hasta fluir en todo el cauce de nuestra zona de interés.
(a) (b)
Figura 6.7: (a) Vista global a las 5 horas de iniciada la simulación, (b) Vista global a las 10
horas de iniciada la simulación.
En esta simulación se ha alcanzado un nivel de precisión muy bueno al compararlo con

los datos que proporciona CONAGUA para la estación Gaviotas, en la cual para el día
1 de octubre de 2007 se reportaban un nivel de 3.18 msnm, pasando por esta sección un
caudal de 316 m3 /s. Los resultados de la simulación arrojan un nivel de 3.1807 msnm,
esto se puede observa en las figuras 6.9 (a) y (b). El caudal que atraviesa esta sección
de acuerdo a la simulación es de 316.50 m3 /s, el hidrograma que atraviesa la sección
gaviotas se puede ver en la figura 6.11 (a).
La evolución del calado tanto en el río Carrizal como en el río Grijalva a través del
tiempo se puede observar en la figura 6.10. Por su parte los hidrogramas de estos ríos
se muestran en la figura 6.11. El nivel alcanzado en el río Carrizal es de 3.86 msnm
(a) (b)
6
3.1803
5
3.1803
4
3.1802
3
3.1802
2
1 3.1801
0 3.1801
Nivel 30 horas Nivel 40 horas
−1 Nivel 40 horas Nivel 48 horas
Nivel 48 horas 3.18
−2
0 20 40 60 80 100 120 140 160
51.216 51.217 51.21851.219 51.22 51.22151.222 51.223 51.224 51.22551.226
(a) (b)
Figura 6.9: (a) Nivel en la sección perteneciente a la estación Gaviotas. (b) Zoom de la sección,
aquí se puede visualizar el nivel final que se obtiene con la simulación.
alcanzando un caudal del 199 m3 /s a la altura de Bosques de Saloya (punto (A) de la

figura 6.6).
Calado Calado
6 8
4 6
4
2 Gaviotas
Muelle 2
0 0
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
Cota del agua Cota del agua

5 5
0 0
−5 Gaviotas −5
Muelle
−10 −10
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
(a) (b)
Figura 6.10: (a) Evolución del calado y el nivel del agua en el río Grijalva en la secciones
transversales correspondientes a Gaviotas y al Muelle. (b) Evolución del calado y el nivel del
agua en el río Carrizal correspondiente a la sección transeversal a la altura de Bosques de
Saloya. El eje x representa el tiempo en horas y el eje y representa el calado y el nivel del agua
en metros.
Hidrograma en el río Grijalva Hidrograma del río Carrizal
350 200
180
300
160
250
140
200 120
100
150
80
100 60
40
50 Gaviotas
Muelle 20
0 0
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
(a) (b)
Figura 6.11: (a) Hidrograma de un par de secciones del río Grijalva para las secciones transver-
sales de Gaviotas y del Muelle. (b) Hidrograma de una sección del río Carrizal correspondiente
a la sección transversal de Bosques de Saloya. El eje x representa el tiempo en horas y el eje
y representa el caudal total en m3 /s.
6.3. Simulación del escenario de los días 30 y 31 de

octubre de 2007
En esta sección se expondrán dos experimentos que intentan recrear una situación
aproximada a la que se tenia el 30 de octubre de 2007 en la ciudad de Villahermosa.
114 Simulación del escenario de los días 30 y 31 de octubre de 2007
Para esto siempre tomaremos como condición inicial el último resultado de la simulación
anterios, es decir, la simulación del día 1 de octubre. Estos experimentos solo difieren
el tipo de condición de salida que se impone.
6.3.1. Simulación con una condición de salida libre

En este experimento utilizaremos una condición de salida libre, esta condición calcula
a partir de la información que se tiene aguas arriba sin tomar en cuenta lo que podría
suceder aguas abajo, es decir que el agua que llega a la zona donde se impone la
condición de salida fluye hacia fuera del dominio, esto se debe a que los elementos
donde se impone la condición, los autovalores del sistema son todos positivos.
Condición de entrada
Los caudales impuestos aguas arriba en cada río se pueden observar en la tabla 6.2.
Ríos Hidrogramas de entrada.

Mezcalapa t(s) 172 800 216 000 259 000 302 400 345 600
Caudal (m3 /s) 20 265.5 265.5 515.5 515.5
Pichucalco t(s) 172 800 216 000 259 000 302 400 345 600
Caudal (m3 /s) 20 265.5 265.5 515.5 515.5
Sierra t(s) 172 800 216 000 259 000 302 400 345 600
Caudal (m3 /s) 266 1 054 1 054 1 070 1 070
Carrizal t(s) 172 800 216 000 259 000 302 400 345 600
Caudal (m3 /s) 211 861 861 1 466 1 466
Tabla 6.2: Datos de los hidrogamas de entrada que se han impuesto en los ríos aguas arriba, los
incrementos en las primeras 24 horas corresponden al 30 de octubre y los siguientes incrementos
al 31. Como antes el incremento de los caudales es lineal.
Rugosidad, parámetros de tiempo y parámetros del esquema numérico

Se ha impuesto una salida de flujo supercrítico en el río Grijalva aguas abajo, y en la
frontera derecha del dominio, esto con la intención de evitar inundaciones artificiales.
Se inicia desde el último resultado de la simulación anterior y se simulan 48 horas más,
grabando resultados cada hora. El parámetro de rugosidad es 0.025, constante en todo
el dominio de simulación. Se utiliza el esquema de primer orden con un CFL de 0.8.
Resultados
La forma en como el dominio evolucionó, se puede ver en las imagenes 6.12 – 6.15, en
ellas se puede apreciar cómo se van suscitando desbordes tanto el río Carrizal como
en el río Grijalva, dándose uno de los primeros que afecta a la ciudad a la altura de
Bosques de Saloya. Por su parte el río Grijalva bajo estas condiciones desborda a la
altura de Gaviotas en la margen izquierda, aunque hasta el final de la simulación no la
había hecho a la altura del Muelle. Luego de la unión del río Grijalva con el río Carrizal
se suscita un desborde el cual al avanzar comienza a entrar en Ciudad Industrial.
(a) (b)
(a) (b)
El nivel alcanzado en la sección de Gaviotas durante la simulación para el día 30 de

octubre es de 6.47 msnm mientras que para ese día CONAGUA reportaba 6.77 msnm;
(a) (b)
(a) (b)
para esta sección, la simulación arroja como resultado que están atravesando 954 m3 /s y
lo reportado por CONAGUA eran 1 585 m3 /s. En el río Carrizal se tiene como resultado
un nivel de 7.48 msnm y están pasando 842 m3 /s. Los resultados gráficos de la evolución
del nivel en río Grijalva y el Carrizal se pueden ver en las figura 6.16 y los hidrogramas
en la figura 6.17
En las siguientes 24 horas de simulación, es decir, al alcanzar el día 31 de octubre en
la parte de Gaviotas se tiene un nivel de 6.90 msnm con un caudal de 1 164.55 m3 /s,
mientras que lo reportado por CONAGUA para ese día era de 7.15 msnm con un caudal
Nivel del agua Nivel del agua

8 8
7
6
6
4
Nivel en Gaviotas 5
Nivel en Muelle Nivel
2 4
0 5 10 15 20 25 0 5 10 15 20 25
Calado Calado
9 10
8 9
7 8
6 Calado en Gaviotas 7
Calado
Calado en Muelle
5 6
0 5 10 15 20 25 0 5 10 15 20 25
(a) (b)
Figura 6.16: (a) Evolución del nivel y el calado en el río Grijalva. (b) Evolución del nivel y el
calado en el río Carrizal a la altura de Bosques de Saloya. El eje x representa el tiempo en
horas y el eje y la altura del agua en m.
1000 900
900 800
800 700
700 600
600 500
500 400
400 300
Hidrograma de Gaviotas
Hidrograma de Muelle Hidrograma río Carrizal
300 200
0 5 10 15 20 25 0 5 10 15 20 25
(a) (b)
Figura 6.17: (a) Hidrograma del río Grijalva. (b) Hidrograma del río Carrizal a la altura de
Bosques de Saloya. El eje x representa el tiempo en horas y el eje y el caudal en m3 /s.
de 1 618 m3 /s. En el río Carrizal se tienen como resultado un nivel de 8.03 msnm y un
caudal total de 1 054 m3 /s. La evolución del nivel del agua y del calado en el río Grijalva
y Carrizal se puede ver en la figura 6.18, mientras que los hidrogramas se muestran en
la figura 6.19.
7 8.4
8.2
6.5
8
7.8
6 Nivel Gaviotas
Nivel Muelle 7.6 Nivel del Agua
5.5 7.4
0 5 10 15 20 25 0 5 10 15 20 25
9.2 10
9 9.8
8.8 9.6
8.6 9.4
Calado en Gaviotas
8.4 9.2 Calado
Calado en Muelle
8.2 9
0 5 10 15 20 25 0 5 10 15 20 25
(a) (b)
Figura 6.18: (a) Evolución del nivel y el calado en el río Grijalva. (b) Evolución del nivel y el
calado en el río Carrizal a la altura de Bosques de Saloya. El eje x representa el tiempo en
horas y el eje y la altura del agua en m.
1180 1100
1160
1140 1050
1120
1000
1100
1080
950
1060
1040
900
1020 Hidrograma en Gaviotas Hidrograma río Carrizal

Hidrograma en Muelle
1000 850
0 5 10 15 20 25 0 5 10 15 20 25
(a) (b)
Figura 6.19: (a) Hidrograma del río Grijalva. (b) Hidrograma del río Carrizal a la altura de
Bosques de Saloya. El eje x representa el tiempo en horas y el eje y el caudal en m3 /s.
6.3.2. Simulación con una condición de salida de nivel dado
En esta simulación se cambia la condición de salida, se impone una salida de nivel dado,
este tipo de condición de salida toma en cuenta la evolución del nivel en la parte donde
es impuesta dicha condición.
Condición de entrada y parámetros de la simulación

Para esta simulación la condición de entrada es la misma que la condición de la simu-
lación anterior, la cual se detalle en la tabla 6.2. En cuanto a los parámetros de tiempo
y de simulación son los mismos que la simulación anterior.
Condición de salida
Como se mencionó anteriormente, se utiliza un condición de nivel dado, la cual se
muestra en la tabla 6.3.
Condición de nivel Dado.

t(s) 172 800 216 000 259 200
cota (m) −4.47 5.00 7.00
Tabla 6.3: Datos asignados en la condición de salida de nivel dado, el primer dato de la cota
se toma de la simulación donde alcanzamos el régimen permanente, mientras que el último es
el nivel que tiene el borde del río en el sitio donde se impone la condición de salida.
Resultados
En las figuras 6.20 – 6.23 se pueden observar cómo fue evolucionando el nivel en los ríos
que atraviesan la ciudad de Villahermosa, dándose nuevamente el primer desborde que
afecta a la ciudad, el ocasionado por el río Carrizal a la altura de Bosques de Saloya.
En las siguientes horas de simulación se puede ver que luego de la unión del río Grijalva
y del río Carrizal se presenta un desborde, dándose el más importante en la margen
izquierda del río, igualmente se presentan desbordes a la altura de Gaviotas, y en la
zona centro de la ciudad. El desborde del río Carrizal que va a dar a la laguna del negro,
aunado con el del río Grijalva son los que ocasionan en mayor medida las inundaciones
que se tienen en la zona centro de la ciudad.
Para esta simulación el nivel alcanzado en la zona de Gaviotas al día 30 de octubre
es de 6.94 msnm con un caudal de 504.10 m3 /s; los datos reportados por CONAGUA
para esta sección es un nivel de 6.77 msnm con un caudal total de 1 545 m3 /s. En el río
Carrizal a la altura de Bosques de Saloya se tiene un nivel de 7.62 msnm con un caudal
de 718.98 m3 /s, mientras que a la altura de Ciudad Industrial el nivel es de 6.88 msnm
con un caudal total de 449.55 m3 /s; el modo en como se comporta el nivel en los ríos
a lo largo del tiempo se puede ver en la figura 6.24 y los hidrogramas se muestran
en la figura 6.25. El desborde que afecta a Bosques de Saloya da como resultado una
inundación de 2.62 m.
En las siguientes 24 horas de simulación, el nivel en la zona de Gaviotas llegó a ser
de 7.37 msnm con un caudal total de 671.83 m3 /s, mientras que lo reportado por
CONAGUA para ese día es de 7.15 msnm con 1 618 m3 /s. En el río Carrizal a la altura
de Bosques de Saloya se tienen 8.17 msnm con un caudal total de 945.02 m3 /s, mientras
(a) (b)
(a) (b)
que a la altura de Ciudad Industrial se tiene un nivel de 7.28 msnm con un caudal de
581.67 m3 /s.
La forma como han evolucionado los ríos en las secciones antes citadas se puede ver en
la figura 6.26 y los hidrogramas en la figura 6.27. Las formas de las gráficas de la figura
6.26 dicen que el río ha alcanzado una condición de régimen permanente.
Los desbordes de los ríos han dado como resultado una inundación en la parte de
Bosques de Saloya de 3.12 m, en Ciudad Industrial 2.82 m, mientras que en el centro de
la ciudad se tienen 3.98 m de agua y en la parte de la margen derecha del río Grijalva
(a) (b)
(a) (b)
hay una inundación de 2.37 m. La manera en cómo fueron evolucionando los niveles de
la inundación en algunas zonas de la ciudad de Villahermosa se puede ver en la figura
6.28.
122 Mapa de riesgo
Evolución de la cota en el río Grijalva Evolución de la cota en el río Carrizal

8 8
6 6
4 4
Gaviotas Bosques de Saloya
Muelle Ciudad Industrial
2 2
0 5 10 15 20 25 0 5 10 15 20 25
Evolución del calado en el río Grijalva Evolución del calado en el río Carrizal
10 10
8 8
6 Gaviotas 6
Bosques de Saloya
Muelle
Ciudad Industrial
4 4
0 5 10 15 20 25 0 5 10 15 20 25
(a) (b)
Figura 6.24: (a) Evolución del nivel en el río Grijalva. (b) Evolución del nivel en el río Carrizal.
Hidrogramas del río Grijalva Hidrogramas del río Carrizal

800 800
750
700
700
650
600
600
550 500
500
400
450
400
300
Hidrograma Gaviotas Hidrograma Bosques de Saloya
350
Hidrograma Muelle Hidrograma Ciudad Industrial
300 200
0 5 10 15 20 25 0 5 10 15 20 25
(a) (b)
Figura 6.25: (a) Hidrogramas tomados en el río Grijalva. (b) Hidrogramas tomados en el río
Carrizal.
6.4. Mapa de riesgo

Se considera que pueden producirse graves daños sobre las personas o los bienes cuando
las condiciones hidráulicas durante las avenidas de los ríos satisfagan una o más de las
siguientes condiciones, [GEAMA y FLUMEN, 2012b].
1. Que el calados sea superior a 1 m.
2. Que la velocidad del agua sea superior a 1 m/s.

Niveles del río Grijalva Nivel del río Carrizal a la entrada de Villahermosa
7.45 9
7.4
8
7.35
7
0 5 10 15 20 25
7.3 Nivel del río Carrizal a la altura de Bosques de Saloya
8.5
7.25
8
7.2
7.5
7.15 0 5 10 15 20 25
Nivel del río Carrizal a la altura de Ciudad Industrial
7.5
7.1
7.05 Nivel en Gaviotas

Nivel en Muelle
7 7
0 5 10 15 20 25 0 5 10 15 20 25
(a) (b)
Figura 6.26: (a) Evolución del nivel en el río Grijalva. (b) Evolución del nivel en el río Carrizal.
Hidrograma del río Carrizal a la entrada de Villahermosa

Hidrogramas del río Grijalva 1500
700
1000
650
500
600 0 5 10 15 20 25
Hidrograma del río Carrizal a la altura de Bosques de Saloya
550 1000
500 800
450 600
0 5 10 15 20 25
400 Hidrograma del río Carrizal a la altura de Bosques de Saloya
600
350
400
Hidrograma en Gaviotas
300
Hidrograma en Muelle
200
0 5 10 15 20 25
250
0 5 10 15 20 25
(a) (b)
Figura 6.27: (a) Hidrogramas tomados en el río Grijalva. (b) Hidrogramas tomados en el río
Carrizal.
3. Que el producto de ambas variables sea superior a 0.5 m2 /s.
Bajo estos criterios Iber hace el cálculo de peligrosidad y los resultados obtenidos de
estos cálculos para la simulación donde se utiliza la condición de salida nivel dado se
pueden ver en la figura 6.29. Se considera que una región está en riesgo máximo si el
valor de riesgo excede 1.25 y que no está en riesgo si éste es menor que 0.25.
124 Mapa de riesgo
Evolución de los desbordes del río Grijalva en el Centro de Villahermosa Evolución de los desbordes del río Carrizal en Ciudad idustrial
4 3
3
2
2
1
1 Calado
Calado
0 0
0 5 10 15 20 25 0 5 10 15 20 25
Evolución de los desbordes del río Grijalva en la margen derecha Evolución de los desbordes del río Carrizal en Bosques de Saloya
2.5 3.4
3.2
2 3
2.8 Calado
Calado
1.5 2.6
0 5 10 15 20 25 0 5 10 15 20 25
(a) (b)
Figura 6.28: Forma de la evolución de los niveles en la ciudad una vez desbordados los ríos
Carrizal y Grijalva. (a) Desbordes del río Grijlava, (b) desbordes del río Carrizal.
'$
C
'$ &%
B

&%
'$ D
E
A
&% m
G
F

Sin riesgo Riesgo Moderado Riesgo Alto
Figura 6.29: Mapa de riesgo generado con Iber. Zonas susceptibles en la ciudad de villahermosa.
Carretera Cárdenas-Villahermosa (A), Bosques de Saloya (B), Ciudad Industrial (C), Centro
de la ciudad (D), Manga 1ra etapa (E), Gaviotas sur (F), Guayabal (G).
Capítulo 7
Conclusiones
En este trabajo se han estudiado los esquemas de volúmenes finitos para la resolu-
ción de ecuaciones hiperbólicas, en especial, se han trabajado con las ecuaciones de
las aguas someras, (shallow water). Los esquemas desarrollados en este trabajo fueron:
método de Godunov, el Q–esquema de van Leer con regularización de Harten y con la
regularización local de Lax-Friedrisch, el esquema de Vijayasundaram y el esquema de
Steger-Warming. Para medir la eficacia de estos esquemas se ha resuelto el problema
de la rotura de una presa, para el caso unidimensional (dam break problem), siendo el
Q–esquema de van Leer con regularización de Harten con un parámetro de regulariza-
ción = 1, el método de Godunov y el esquema de Vijayasundaram los que mejores
resultados dan, en especial en el caso cuando se presentan frentes con fondo seco y fondo
mojado.
Como aplicación se llevaron a cabo simulaciones de inundaciones en la ciudad de
Villahermosa, Tabasco, las cuales se han planteado en diversos escenarios, el objeti-
vo del primero de ellos es aproximar las condiciones del flujo de los ríos que atraviesan
a la ciudad de Villahermosa para el día 1 de octubre de 2007 y obtener el régimen per-
manente de los ríos. En una segunda simulación se ha tomado como condición inicial el
último resultado obtenido del día 1 de octubre y se han aumentado los caudales de en-
trada hasta alcanzar los reportados por CONAGUA para los días 30 y 31 de octubre de
2007, y se ha dejado una condición de salida libre. En una tercera simulación se plantea
las mismas condiciones que la segunda, con la diferencia que en ésta imponemos una
condición de salida tipo nivel dado.
Dado que el paso de tiempo es variable para cumplir con las condiciones de estabilidad
del esquema, es muy difícil decir cuánto tiempo tomará realizar una simulación, lo que
sí se puede afirmar de acuerdo a las experiencias es que para el trabajo que nosotros
realizamos, una hora de simulación la hacía en un rango de 20 a 45 minutos, la demora en
la simulación depende directamente de cuántos elementos tenga nuestra malla y de esos
cuántos están mojados, entre más elementos mojados haya en el cálculo más tiempo de
cómputo se tendrá, las simulaciones se llevaron a cabo en una laptot TOSHIBA-E305,
TM
con un procesador intel Core i5.
En la simulación donde se recrean las condiciones del día 1 de octubre Iber ha demos-
125
126
trado que encauce muy bien en el lecho del río, y de igual forma por estar muy bien
implementados los frente de seco-mojado es conservativo y esto se refleja en el ajuste
que se tiene en la sección de la estación hidrometeorológica Gaviotas, el cual es de
3.184 msnm mientras que el dato reportado por CONAGUA es de 3.18 msnm, es decir
que nuestro resultado solo tiene una diferencia de 0.004 m, lo cual es bastante bueno.
El caudal que se obtiene en esta simulación en dicha sección es de 316.50 m3 /s y el dato
reportado por CONAGUA es de 316 m3 /s, es decir que para el caudal solo tenemos una
diferencia de 0.50 m3 /s. En términos generales los resultados obtenidos por Iber para
esta simulación son bastantes buenos y se ha alcanzado el régimen permanente.
En las simulaciones donde se recrean las condiciones de los días 30 y 31 de octubre
se ha conseguido simular una inundación en la ciudad de Villahermosa ocasionada por
el desborde de los ríos Carrizal y Grijalva, tanto en la simulación con condición de
salida libre y condición de salida de nivel dado se han dado desbordes importantes
en el río Carrizal, de las dos simulaciones, en la que se ha impuesto la condición de
salida de nivel dado ha demostrado mejores resultados para los niveles de los ríos.
El primer desborde que se tiene es el que se da en la parte de Bosques de Saloya
provocando una inundación en esta zona de 3.12 m de altura de agua, de igual forma
por la parte donde se ha impuesto la condición de entrada del río Carrizal se presenta
un desborde que conforme evoluciona en el tiempo afecta a la carretera Villahermosa-
Cárdenas alcanzando un calado de 2.42 m. El desborde del río Carrizal que afecta a
la parte de Ciudad Industrial ocasiona inundaciones de 2.72 m. En lo referente al río
Grijalva los desbordes ocasionan inundaciones en Gaviotas sur Armenia con un calado
de 3.02 m, en Guayabal se tienen 3.29 m de agua, en la Manga 1ra etapa se tienen 2.79 m
de agua y finalmente en el centro de la ciudad se tienen 3.97 m de altura de agua.
De las simulaciones se tiene que la margen izquierda del río Carrizal es la más susceptible
a inundaciones y en menor medida la margen derecha. En cuanto al río Grijalva la parte
más susceptible es la margen derecha en la zona de la Manga III y en la Manga I, de
igual modo los desbordes se presentan por la zona del Malecón, estas zonas se pueden
Bibliografía
Bermúdez, A.; Dervieux, A.; Desideri, J.A. y Vázquez-Cendón, M.E.: «Up-

wind scheme for two-dimensional shallow water equations with variable depth using
unstructured meshes». Comput Methods Appl. Mech. Eng., 1998, 155, pp. 49–72.
Bermúdez, A. y Vázquez-Cendón, M.E.: «Upwind Methods for Hyperbolic Coser-

vation Laws with Source Term». Comput. & Fluids, 1994, 23(8), pp. 1049–1071.
Cea, L.: An unstructured finite volume model for unsteady turbulent shallow water flow
with wet–dry front: Numerical solver and experimental validation. Tesis doctoral,
Universidad da Coruña, 2005.
Cruz-Vázquez, S.: «Generación de velocidades iniciales del flujo de una sección del río
Grijalva». Tesis de licenciatura, Universidad Juárez Autónoma de Tabasco, México,
2011.
de-la Fuente-Vicente, D.: «Determinación de la batimetría y su efecto en la mo-

delación del flujo de una sección del río Grijalva». Tesis de licenciatura, Universidad
Juárez Autónoma de Tabasco, México, 2012.
Fe-Marqués, J.M.: Aplicación del método de volúmenes finitos a la resolución nu-

mérica de las ecuaciones de aguas someras con incorporación de los esfuerzos debido
a la turbulencia. Tesis doctoral, Universiadad da Coruña, 2005.
GEAMA y FLUMEN: «IBER, modelación bidimensional del flujo en lámina libre

en aguas poco profundas». Manual básico usuario, Ministerio de medio ambiente y
medio rural y marino, gobierno de España, España, 2012a.
GEAMA y FLUMEN: «IBER, modelación bidimensional del flujo en lámina libre

en aguas poco profundas». Manual de referencia hidráulico, Ministerio de medio
ambiente y medio rural y marino, gobierno de España, España, 2012b.
Godlewski, E. y Raviart, P.A.: Numerical Approximation of Hyperbolic systems of

conservation laws. volumen 118 of Applied Mathemtical Sciences. Springer, 1996.
Godunov, S.K.: «A difference scheme for numerical solutions of discontinuos solution

of hydrodynamic equations». Matematicheskii Sbornik , 1959, 47(3), pp. 271–306.
127
128 BIBLIOGRAFÍA
González-Aguirre, J.C.: «Simulación numérica del flujo de una sección del Río
Grijalva». Tesis de licenciatura, Universidad Juárez Autónoma de Tabasco, 2010.
Harten, A.: «On class of high resolution total-variation-stable finite-difference sche-
mes». SIAM Journal of Numerical Analysis, 1984, 21(1), pp. 1–23.
Harten, A.; Lax, P. y van Leer, A: «On upstream differencing and Gidunov type
scheme for hyperbolic laws». SIAM Review , 1983, 25, pp. 35–61.
Hernández-López, J.L.: «Simulación numérica de las ecuaciones de Saint-Venant
con el software GUAD-2D». Tesis de maestria, Universidad Juárez Autónoma de
Tabasco, México, 2010.
Kolar, R.L.; Gray, W.G. y Westrink, J.J.: «Boundary condition in shallow waters
models an alternative implementation for finite elements codes». Intenational Journal
for Numerical Methods in Fluids, 1996, 22, pp. 603–618.
LeVeque, R.J.: Finite Volume Methods for Conservations Laws. Birkhäuser, Basel,
Boston, Berlin, 1990.
LeVeque, R.J.: Finite Volume Methods for Hyperbolic Problems. volumen 31 of
Cambridge Text in Applied Mathematics. Cambridge University Press, 2002.
Roe, P.L.: «Approximate Riemann solver, parameter vector, and difference schemes».
Journal of Computational Physics, 1981, 43, pp. 357–371.
Roe, P.L.: «Discrete models for the numerical analysis fo time-depent multidimensional
gas dynamic». J. Comput. Phys, 1986, 63, pp. 458–476.
Steger, J.L. y Warming, R.F.: «Flux Vector Splitting of the inviscid gas dynamic
equations with application to finite difference method». Journal of Computational
Physics, 1981, 40.
Strikwerda, J.C.: Finite Difference Schemes and partial differential equations. Wads-
worth & Brook, 1989.
Toro, E.F.: Riemann Solver an Numerical Methods for Fluid Dynamics. A practical
introduction. Springer, 1997.
Toro, E.F.: Shock Capturing Methosd for Free-Surface Shallow Flows. WILEY &
SONS, LTD, 2001.
van Leer, B.: «Towards the ultimate conservative difference scheme III. Upstream-
centered differences schemes for ideal comprenssible flow». J. Comput. Phys, 1977,
23, pp. 263–275.
Vijayasundaram, G.: «Transonic flows simulation using an upstream centered scheme
of Godunov in finite elements». J. Comput. Phys., 1986, 63, pp. 416–433.
BIBLIOGRAFÍA 129
Vila, J.P.: «High-order schemes and entropy condition for nonlinear hyperbolic sys-
tems of conservation laws». Mathematics of computation, 1988, 50(181), pp. 53–73.
Vázquez-Cendón, M.E.: «Estudio de esquemas descentrados para la resolución nu-

mérica de las ecuaciones monodimensionales de Saint-Venant». Tesina de licenciatura,
Universidad de Santiago de Compostela, España, 1989.
Vázquez-Cendón, M.E.: Estudio para esquemas descentrados para su aplicación a las

leyes de conservación hiperbólicas con términos fuente. Tesis doctoral, Universidad
de Santiago de Compostela, 1994.
Vázquez-Cendón, M.E.: Introducción al Método de Volúmenes Finitos. Servicio de

Publicaciones e Intercambio Científico de la USC, 2008.
Vázquez-Cendón, M.E. y Cea, L.: «Analysis a new Kolgan-type scheme motivated

by the shallow water equations». Applied Numerical Mathematics, 2012, 62, pp.
489–506.

File - 1 - 11 - Simulacin Numrica de Inundaciones en Vil PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

File - 1 - 11 - Simulacin Numrica de Inundaciones en Vil PDF

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD JUÁREZ AUTÓNOMA DE TABASCO

DIVISIÓN ACADÉMICA DE CIENCIAS BÁSICAS

SIMULACIÓN NUMÉRICA DE INUNDACIONES

QUE PARA OBTENER EL GRADO DE

JUAN CARLOS GONZÁLEZ AGUIRRE

DR. JUSTINO ALAVEZ RAMÍREZ

CUNDUACÁN, TAB., MÉXICO DICIEMBRE, 2012

Juan Carlos González Aguirre

Integrado por los profesores:

1. Dr. Justino Alavez Ramírez

2. Dr. Gamaliel Blé González

Agradezco a los directores de esta tesis,

Agradezco al Fondo Mixto Conacyt-Gobierno del Estado de Tabasco,

Así mismo agradezco al Dr. Alberto Ortega y Venzor

La felicidad humana generalmente

el Capítulo 3 se desarrolla la solución analítica del problema de Riemann para la ecua-

1. Introducción al método de volúmenes finitos para la resolución . . . 1

2. Método de volúmenes finitos para la resolución de sistemas hiperbó-

2.6. Analisis cuantitativo de precisión espacial . . . . . . . . . . . . . . . . . 45

3. Ecuaciones de Saint-Venant unidimensionales 50

4. Resolución numérica de las ecuaciones de Saint-Venant unidimensio-

5. Ecuaciones bidimensionales de Saint-Venant 89

6. Simulación numérica de una inundación en Villahermosa 105

Introducción al método de volúmenes

En este capítulo se desarrolla la teoría fundamental de los esquemas de volúmenes

w(x, 0) = w0 (x), x ∈ (−∞, ∞).

Cuando w0 (x) toma la forma

donde F (w) = λw y λ es la velocidad de propagación de la onda.

Ejemplo 1.1.2 Modelo del flujo del tráfico

Algunas de estas ecuaciones como las ecuaciones de la aguas someras no se pueden

1.2. Formulación general para una ley de conservación

La celda o volumen finito Ci se define como:

El valor win proporcionado por el método de volúmenes finitos, aproximará el valor

Si w es una función regular, entonces la aproximación anterior coincide con el valor de

La integral de una ley de conservación

en la celda Ci , está dada por

Se puede emplear esta expresión para desarrollar un algoritmo explícito en la evolución

Reordenando términos y dividiendo por ∆x, se tiene

Definición 1.2.1 Un esquema está en forma conservativa cuando imita la propiedad

φ(w, w) = f (w), (1.15)

ésta es parte de la condición de consistencia básica. Generalmente también se pide

Análisis de estabilidad y la condición CFL

w(x, tn + ∆t) = w(x − λ∆t, tn ).

Figura 1.3: Propagación incorrecta de la información. Para determinar el valor de win+1 es

El método propuesto en (1.14) se volverá inestable cuando se aplique a largos pasos

En este caso la interpretación de la condición de Courant (λ ≤ λp ) es: la velocidad

1.3. Método de Godunov

en la celda i de la combinación de la solución de estos dos problemas locales y asignar

win+1 = win + µ wi−1

1.4. Discretización de la ecuación del transporte

1.4.1. Diferencias finitas

Diferencia descentrada a la derecha

Diferencia descentrada a la izquierda

g(x0 ) − g(x0 − ∆x)

g 0 (x0 ) = D0 g(x0 ) + O(∆x)2 . (1.29)

Procedemos ahora a discretizar la ecuación del transporte.

1.4.2. Esquema centrado incondicionalmente inestable

win+1 − win wn − wi−1 n

win+1 − win wn − wi−1

1.4.3. Análisis de von Neumann del esquema centrado

Consideremos como condiciones iniciales1 .

donde wb0 denota una amplitud compleja y k un número de onda real.

Desarrollando las exponenciales complejas y simplificando se tiene que

∆xk (tf ) ≤ c(∆xk )p

∆xk+1 (tf ) ≤ c(∆xk+1 )p ,

∆xk (tf ) (∆xk )p