Está en la página 1de 20

Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

Sistemas de Ecuaciones Diferenciales Ordinarias

Repaso de Álgebra Lineal


En esta sección se realizará un repaso de los conceptos fundamentales del álgebra lineal,
tales como operaciones de vectores y matrices. Se supone que el estudiante ha tomado un
curso de álgebra lineal en sus primeros semestres, por lo tanto debe estar familiarizado con
los conceptos expuestos en este resumen. Algunas demostraciones serán omitidas, las
cuales pueden ser consultadas en textos especializados.

Matrices y Vectores

Una matriz m x n es un arreglo ordenado de números, que consta de m filas y n columnas, y


se representa de la siguiente manera:

 A11 A12 L A1n 


 
A A22 L A2 n 
A =  21 , (1.1)
M M O M 
 
A L Amn 
 m1 Am 2

donde Aij es uno de los elementos de la matriz que está ubicado en la i-ésima fila y la j-
ésima columna. En este caso el índice i tomará valores de 1, 2,.. , m y el índice j tomará los
valores de 1, 2,.. , n. En esta sección las matrices y vectores tendrán una barra en la parte
inferior para diferenciarlos de otras entidades matemáticas. Las letras mayúsculas se usarán
para matrices y las letras minúsculas para vectores. Muchos problemas en ingeniería se
manejan con matrices 3x3 y vectores 1x3 o 3x1. Por lo tanto, los conceptos mostrados en
esta sección se utilizarán sólo matrices y vectores de este tamaño. Además, para el caso de
vectores los ejes coordenados x, y y z se reemplazaran por 1, 2 y 3, respectivamente.

Los vectores son arreglos ordenados de números o funciones escalares que poseen
usualmente tres componentes organizados en una columna o una fila. Según el tipo de
organización los vectores reciben los nombres de vectores columna o fila:

1
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

 a1 
 
a = (a1 , a 2 , a 3 ) , a =  a2  . (1.2)
a 
 3

Los vectores representan cantidades físicas que requieren tanto de magnitud como
dirección para su completa definición. La velocidad y la fuerza son ejemplos de entidades
físicas representadas mediante vectores.

La operación más básica entre vectores es la adición. La suma de los vectores a y b es un


vector que parte desde el punto inicial del vector a y llega hasta el punto final del vector b
cuando estos vectores (a y b) están ubicados “cabeza con cola” (Figura 1.1).

Figura 1.1 Adición de vectores

Las componentes del vector suma c pueden obtenerse mediante la suma de las componentes
de los vectores a y b.

El producto punto o producto escalar está definido como la multiplicación de las


magnitudes de los vectores y el coseno del ángulo que forman:

a ⋅ b = a b cos θ . (1.3)

El producto punto entre vectores es conmutativo y también es distributivo, es decir:

a ⋅ ( b + c) = a ⋅ b + a ⋅ c . (1.4)

El producto cruz o producto vectorial da como resultado un vector de magnitud igual a la


multiplicación de las magnitudes y el seno del ángulo entre los vectores.

c = a × b = a b senθ . (1.5)

El vector resultante del producto cruz, c, es perpendicular a los vectores a y b y sigue la


regla de la mano derecha (Figura 1.2).

2
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

Figura 1.2 Producto vectorial

La multiplicación de una matriz y un vector columna se realiza multiplicando uno a uno los
elementos de las filas de la matriz y del vector:

 A11 A12 A13  b1   A11b1 + A12 b2 + A13 b3 


    
d = A ⋅ b =  A21 A22 A23  b2  =  L , (1.6)
A A33  b3   L 
 31 A32  

en donde es claro que los componentes del vector d se pueden expresar mediante la
siguiente ecuación:

3
di = ∑ Aik bk . i = 1, 2, 3. (1.7)
k =1

De forma similar las componentes de la matriz C, resultado del producto entre las A y B, se
pueden expresar mediante la siguiente ecuación:

3
C ij = ∑ Aik Bkj . i , j = 1, 2, 3 (1.8)
k =1

Matrices Especiales

Una matriz es simétrica si cumple que:

A = A ,
T
(1.9)

y antisimétrica si cumple que:

A = −A ,
T
(1.10)

donde AT es la transpuesta de la matriz A. Cabe notar que debido a la definición de la


matriz antisimétrica, los elementos de su diagonal deben ser cero.

3
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

La matriz identidad se representa mediante el símbolo I y está compuesta por unos en la


diagonal y ceros fuera de ella:

1 0 0
 
I = 0 1 0 . (1.11)
0 0 1
 

Una matriz ortogonal es la que cumple la siguiente condición:

A T = A −1 , (1.12)

donde A-1 es la inversa de la matriz A.

Vectores y Valores Propios de una Matriz

En mecánica del medio continuo y en muchos otros problemas de ingeniería es común


encontrarse con sistemas de ecuaciones algebraicas del tipo:

A ⋅ x = λx , (1.13)

donde A es una matriz 3 x 3 y x y λ son un vector y un escalar desconocidos. La ecuación


(1.13) puede escribirse de la siguiente forma:

(A − λ I) ⋅ x = 0 . (1.14)

Para no obtener una solución trivial, es decir que todas las componentes del vector x sean
cero, es necesario que se cumpla la siguiente condición:

det(A − λ I) = 0 . (1.15)

Al desarrollar este determinante se obtiene un polinomio en λ de orden 3 llamado


polinomio característico. Las tres raíces del polinomio característico ( λ1 , λ2 , λ3 ) se
conocen como valores propios de la matriz A. El polinomio característico se puede escribir
en términos de los valores propios de la siguiente manera:

det(A − λ I) = (λ1 − λ )(λ2 − λ )(λ3 − λ ) . (1.16)

Si en la ecuación anterior el parámetro λ se hace igual a cero, se obtiene:

det(A) = λ1λ 2 λ3 . (1.17)

4
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

Para cada uno de valores propios el sistema de ecuaciones (1.14) se resuelve para encontrar
un vector propio. Por ejemplo para λ = λ1 se obtiene el siguiente sistema de ecuaciones:

(A − λ1 I) ⋅ x = 0 , (1.18)

el cual, tiene como solución el vector columna x(1), donde este vector se conoce como el
vector propio de la matriz A asociado al valor propio λ1. Tanto λ1 como x(1) cumplen que:

A⋅x = λ1 x
(1) (1)
(1.19)

Ahora supóngase que A es una matriz simétrica y que λ1, que es una de las raíces del
polinomio característico, puede ser un número complejo. En el caso en que λ1 sea complejo
su conjugado λ1 también es solución del polinomio característico, por lo tanto, para λ1 se
cumpliría que:

A⋅x = λ1 x
(1) (1)
. (1.20)

Si se transpone cada término de la ecuación anterior y aplicando la propiedad de simetría de


la matriz A se obtiene:

T T T
x (1) ⋅ A T = x (1) ⋅ A = λ1 x (1) . (1.21)

Multiplicando por la derecha ambos términos de la ecuación anterior por x(1) se obtiene:

T T
x (1) ⋅ A ⋅ x (1) ⋅ = λ1 x (1) ⋅ x (1) . (1.22)

Mediante el uso de la ecuación (1.19), la ecuación anterior se transforma en:

T T
x (1) ⋅ x (1) λ1 = λ1 x (1) ⋅ x (1) , (1.23)

esta ecuación se puede rescribir de la siguiente manera:

(λ )
T
− λ1 x ⋅x = 0.
(1) (1)
1 (1.24)

Como los vectores propios de la ecuación anterior son soluciones no triviales de las
ecuaciones (1.19) y (1.20), el producto punto entre estos vectores generalmente es diferente
de cero. Por lo tanto, para satisfacer la ecuación (1.24) se debe cumplir que λ1 = λ1 . Esta
condición implica que la parte imaginaria de estos vectores propios debe ser cero. En
conclusión los valores propios de una matriz simétrica son números reales.

5
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

Por otra parte, si se transpone cada término de la ecuación (1.19) y se multiplica por la
derecha por el vector x(2) se obtiene:

T T
x (1) ⋅ A ⋅ x (2) = λ1 x (1) ⋅ x (2) , (1.25)

que es equivalente a:

(1) T (1) T
⋅ λ2 x = λ1 x ⋅x ,
(2) (2)
x (1.26)

donde la ecuación anterior se puede organizar de la siguiente manera:

( λ2 − λ1 )x (1) ⋅ x (2) = 0 .
T
(1.27)

Como en general los valores propios λ1 y λ2 no son iguales, entonces el producto punto
entre los vectores x(1) y x(2) debe ser igual a cero. Lo anterior implica que x(1) y x(2) son
perpendiculares. En conclusión, los tres vectores propios de una matriz simétrica son
mutualmente perpendiculares.

En el caso en que λ1 = λ2 ≠ λ3, el vector propio x(3) tiene solución única, mientras que x(1) y
x(2) pueden ser escogidos como cualquier pareja de vectores perpendiculares entre sí y
perpendiculares al x(3). Para el caso en que λ1 = λ2 = λ3, cualquier terna de vectores
mutuamente perpendiculares son los vectores propios de la matriz A.

Por último, para la solución del problema de valores y vectores propios es conveniente
multiplicar la ecuación (1.19) y sus equivalentes, por un escalar de tal forma que se
convierta en:

A⋅n = λ1 n
(1) (1)
. (1.28)

donde n(1) es un vector unitario en la dirección del vector x(1).

Ejemplo 1:

Determinar los valores y vectores propios de:

 5 1 2 

T =  1 5 2
 
 2 2 6 

Solución:

De la ecuación (1.15) se tiene que:

6
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

5−λ 1 2
1 5−λ 2 = 0.
2 2 6−λ

Lo que conduce a la siguiente ecuación característica:

λ3 − 16λ2 + 80λ − 128 = 0 ,

que se puede organizar así:

(λ − 8)(λ − 4) 2 = 0 .

Para el valor propio λ1 = 8 y con la ecuación (1.28) se obtiene el siguiente sistema


de ecuaciones:

− 3n1 + n2 + 2n3 = 0
n1 − 3n 2 + 2n3 = 0 .
2 n1 + 2 n2 − 2n3 = 0

De las dos primeras ecuaciones se obtiene que n1 = n2, y de la segunda y tercera se


obtiene que n3 = 2n 2 . Mediante la definición de la norma de un vector unitario
se tiente que: n12 + n 22 + n32 = 1 , y reemplazando los valores de n1 y n 3 se
obtiene:

(n 2 ) 2 + (n 2 ) 2 + ( 2n 2 ) 2 = 1 ,

es decir n 1 = n2 = ± ½ y n3 = ± 1 2 , por consiguiente el vector propio asociado


al valor propio λ1 = 8 es:

= (± 1 2, ± 1 2, ± 1
(1)
n 2 ,) .

Para λ2 = 4 se obtiene el siguiente sistema de ecuaciones:

n1 + n2 + 2n3 = 0
n1 + n2 + 2n3 = 0 ,
2 n1 + 2n 2 + 2n3 = 0

7
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

donde claramente se observa que las tres ecuaciones son en realidad una sola
ecuación. Una ecuación adicional puede obtenerse si se utiliza la condición de que
el producto punto entre n(2) y n(1) debe ser cero, es decir:

n1 2 + n 2 2 + n3 2 = 0.

Además, junto con la ecuación de la norma de un vector unitario:


n12 + n22 + n32 = 1 se obtiene un sistema de tres ecuaciones y tres incógnitas el
cual da como resultado:

= (− 1
( 2)
n 2, 1 2 , 0) .

El tercer vector unitario resulta de n (3) = n (1) × n ( 2) , por lo tanto:

= ( − 1 2 ,− 1 2 , 2 2)
( 3)
n

En general, un procedimiento sencillo para encontrar los valores y vectores propios de una
matriz Anxn, es el siguiente:

1. Resuelva la ecuación característica:  ( A - λ I )  = 0, obteniendo los valores propios:


λ1, λ2, ... , λ n , de la matriz A.

2. Para cada valor de λi (i = 1, 2, ... , n) resuelva el sistema homogéneo

(A - λI)ξ= 0
donde:

 x1 
x 
ξ =  2 ,ξ≠0
M 
 
xn 

Para encontrar los componentes: x1 , x 2 L x n de ξ, se debe usar reducción por


renglones de la matriz aumentada del sistema homogéneo, o por simple inspección; estos
hechos se ilustraran en los siguientes ejemplos, cabe notar que para el calculo de valores y
vectores propios de matrices cuadradas es de gran ayuda el uso de las calculadoras de
bolsillo y/o programas matemáticos, que traen incluidos dichas funciones.

8
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

Ejemplo 2: Calculo de valores y vectores propios usando reducción por


renglones del sistema homogéneo.

Hallar los valores y vectores propios de la matriz A

 1 −1 0 
A =  − 1 2 − 1
 0 − 1 1 

Solución:

Siguiendo el orden de los pasos sugeridos anteriormente, se empieza por calcular


los valores propios así:

 ( A - λ I ) = 0

1− λ −1 0
A−λ I = −1 2−λ −1 =0
0 −1 1− λ

Resolviendo el determínate tenemos:

λ3 - 4 λ2 + 4 λ = 0
λ (λ-3)( λ-1) = 0

luego los valores propios son:

λ1 = 0 λ2 =1 λ3=3

Ahora calculamos los vectores propios para cada valor propio:

• λ 1 = 0 : ( A - 0I ) ξ = 0

 1 − 1 0   x1  0
 − 1 2 − 1  x  = 0
   2  
 0 − 1 1   x 3  0

Para efectuar reducción por renglones del sistema homogéneo, se saca la matriz
aumentada y se procede así:

9
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

 1 −1 0 M 0  1 − 1 0 M 0 
− 1 2 − 1 M 0  R → R + R 0 1 − 1 M 0  R → R + R
  2 1 2   1 2 1
 0 − 1 1 M 0  0 − 1 1 M 0 

1 0 − 1 M 0  1 0 − 1 M 0 
0 1 − 1 M 0  R → R + R 0 1 − 1 M 0 
  3 2 3  
0 − 1 1 M 0  0 0 0 M 0 

De la ultima matriz se tiene:

x1 − x 3 = 0 x1 = x 3
x 2 − x3 = 0 x2 = x3
x 3 : arbitrario x 3 : arbitrario

Para x 3 = 1 se tiene el vector propio:

1
ξ (1)
= 1
1

• λ2 = 1 : (A - I)ξ= 0

 0 − 1 0   x1  0
 − 1 1 − 1  x  = 0
   2  
 0 − 1 0   x 3  0

Reduciendo por renglones se llega a:

x1 = − x3
x2 = 0
x 3 : arbitrario

Para x 3 = 1 se tiene el vector propio:

− 1
ξ (2)
= 0
 
 1 

• λ3 = 3 : ( A - 3I ) ξ = 0

10
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

 − 2 − 1 0   x1  0
 − 1 − 1 − 1   x  = 0 
   2  
 0 − 1 − 2  x 3  0

Reduciendo por renglones se llega a:

x1 = x 3
x 2 = − 2 x3
x 3 : arbitrario
Para x 3 = 1 se tiene el vector propio:

1
ξ ( 3)
= − 2
 1 

Solución de Sistemas de Ecuaciones Diferenciales

Un sistema de ecuaciones lineales esta caracterizado por tener m ecuaciones lineales (el
exponente de las variables es uno) y n incógnitas por cada ecuación, y la forma general es
la siguiente:

a11 x 1 + a 12 x 2 + ... + a1n x n = b1


a11 x 1 + a 12 x 2 + ... + a1n x n = b1
. . . .
. . . .
. . . .
a m1 x 1 + a m2 x 2 + ... + a mn x n = bm

o matricialmente se tiene:

 a11 a12 ... a1n   x 1   b1 


a a 22 ... a 2 n   x 2  b 
 21  2
 . . . .  .   . 
   =  
 . . . .  .   . 
 . . . .  .   . 
    
 a m1 a m2 ... a mn   x m  bm 

Ax = b

Donde A es la matriz de coeficientes del sistema, x el vector de las incógnitas y b el vector


columna de términos independientes.

11
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

En este capítulo buscaremos soluciones de sistemas lineales con coeficientes constantes.


Comenzaremos por sistemas de primer orden y después dicutiremos los de segundo orden.
Será analizado el caso homogeneo y despues veremos como encontrar la solución general
del no homogeneo a partir de la solución general del homogeneo.

Homogeneo:

dx
X ' = AX → = AX (1.29)
dt

Ahora, supongamos una solucion de la forma: X = cξe λt (1.30)

Derivando esta ultima ecuacion y reemplazando en (1.29) tenemos:

c/ λξe λt = c/ Aξe λt
λξ − Aξ = 0
( A − λI )ξ = 0 (1.31)

Observe que la ecuacion (1.31) se vuelve una ecuacion que describe el problema de valores
y vectores propios descritos en la unidad anterior. Por lo tanto, resolver un sistema de
ecuaciones diferenciales se reduce a resolver un problema basico de valores y vectores
propios.

Ejemplo 3:

Aprovechando los resultados del ejemplo 2, suponga el siguiente sistema de


ecuaciones diferenciales:
X ' = AX donde,
 1 −1 0 
A = − 1 2 − 1
 0 − 1 1 

Resolviendo el problema de valores propios, esto es: A − λI = 0


(Se pide a los estudiantes verificar cada paso y proceso matematico)

luego los valores propios son (ver ejemplo 2):

λ1 = 0 λ2 =1 λ3=3

Ahora calculamos los vectores propios para cada valor propio. Esto son:

12
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

1 − 1 1
ξ
(1)
= 1 , ξ (2)
= 0 , ξ( 3) = − 2
 
1  1 
 1 

Asi que la solucion general del sistema de EDO queda:

 x1  1 − 1 1 
 x  = c e 0 t 1 + c e1t  0  + c e 3t − 2
 2 1  2   3  
 x3  1  1   1 

Caso no homogeneo:

Son sistemas de ecuaciones de la forma: X ' = AX + F (t ) , donde F(t) corresponde a la


parte no homogenea del sistema de EDO.

Para resolver este tipo de sistemas, se usa comunmente el Metodo de Variacion de


parametros para sistemas de EDO. Es un metodo muy sencillo de aplicar pero no sera
descrito en este paper pues nos centraremos mas en el analisis de Sistemas de EDO de
segundo orden, por considerarlos mas aplicativo para los objetivos de este curso. Se
recomienda al estudiante, sin embargo, consultarlo en la bibliografia y practicar con
algunos ejemplos.

SISTEMA DE ECUACIONES DIFERENCIALES DE SEGUNDO ORDEN

Caso homogeneo:

d 2x
X ' ' = AX → = AX (1.32)
dt 2

Ahora, supongamos una solucion de la forma: X = cξeωt (1.33)

Derivando dos veces esta ultima ecuacion y reemplazando en (1.32) tenemos:

c/ ω 2ξeωt = c/ Aξeωt
ω 2ξ − Aξ = 0
( A − ω 2 I )ξ = 0 (1.34)

13
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

Finalmente, reemplazando ω 2 por λ volvemos a obtener el problema de valores y vectores


propios, con la diferencia que ahora estariamos resolviendo para el cuadrado de los valores
propios.

Ejemplo: Sea el siguiente sistema masa resortes

Sean dos masas m1, m2, que se mueven a lo largo de una recta horizontal, como se
muestra en la figura,. Aquí m1 está ligado a un soporte rígido mediante un resorte de
constante k1, y m2 está ligado a m1 mediante un resorte con constante k2. Las
coordenadas x1 y x2 miden los desplazamientos de m1 y m2, respectivamente, a partir
de sus posiciones de equilibrio. Por la segunda ley de Newton, encuentre las
soluciones generales x1, x2. En las unidades apropiadas, sea k1 = k2 = 2, m1 = 8,
m2 = 3;

x1 x2

m1 m1

Planteando las ecuaciones de equilibrio tenemos:

x1 = −k1 x1 + k ( x2 − x1 )
m1 &&
x2 = −k2 ( x2 − x1 ) + F0 sin(ωt )
m2 &&

Para este caso, supondremos por el momento que Fo es igual a cero y por tanto la
segunda ecuación diferencial se vuelve una de tipo homogénea.

Llevando las ecuaciones de equilibrio a la forma matricial: X '' = AX , tenemos:

 −k1 −k2 k2 
m − m m1 
X&& =  1 1 X
 k2 − k2 
 m2 
 m2

Reemplazando valores:

 − 1/ 2 1/ 4 
X&& =   X
 2 / 3 − 2 / 3

Resolviendo el problema de valores propios, esto es: A − λI = 0


(Se pide a los estudiantes verificar cada paso y proceso matematico)

14
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

luego los valores propios son:

λ 1 = − 1/ 6 λ 2 = −1

Ahora calculamos los vectores propios para cada valor propio. Esto son:

 1  1 
ξ(1) =   , ξ(2) =  − 2
4 / 3  

Con estos resultados podriamos ya expresar la solucion general, sin embargo, se


debe tener en cuenta, que se debe solucionar para las raices cuadradas de los valores
propios, pues como se explico anteriormente, corresponde a la solucion de un
sistema de EDO de segundo orden. Esto es: reemplazar λ por ω 2 .

Asi que la solucion general del sistema de EDO queda:

 x1  ± −1 / 6t  1  ± −1t 1 
 x  = c1e 4 / 3 + c2 e  − 2
 2    

Note que las raices son complejas, por lo tanto la solucion puede expresarse en
senos y cosenos tal como se estudio en el primer tema del curso. Esto es:

 x1  ±i  1  ±i  1 
 x  = c1e 4 / 3 + c2 e
1 / 6t 1t
 − 2
 2    

x1 = c1 cos( 1 / 6t ) + c2 sin( 1 / 6t ) + c3 cos(t ) + c4 sin(t )


= A sin( 1 / 6t + φ1 ) + B sin( t + φ1 )

4 4
x2 = c1 cos( 1 / 6t ) + c 2 sin( 1 / 6t ) − 2c3 cos( t ) − 2c 4 sin( t )
3 3
4
= A sin( 1 / 6t + φ1 ) − 2 B sin(t + φ1 )
3

En este ejemplo, es importante mencionar que siendo ω = λ , la raiz cuadrado de los


valores propios corresponde a las frecuencias naturales de oscilacion del sistema dinamico
analizado, y los vectores propios a los modos de vibración asociados a cada frecuencia.

15
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

Caso no homogeneo:

Para el caso no homogeneo, es decir de la forma: X ' ' = AX + F (t ) , (1.35)

vamos a describir un metodo muy sencillo que existe para solucionar este tipo de problemas
y analizaremos un ejemplo de aplicacion.

El metodo se denomina Metodo de Cambio de Variable y consiste simplemente, como su


nombre lo indica, en un cambio de variable con el objetivo de desacoplar el sistema de
ecuaciones diferenciales y volverlas cada una independiente, de tal forma que se pueda
solucionar como una EDO y no como un sistema.

Haremos el siguiente cambio de variable: X = RZ (1.36)

Donde R es una matriz cuadrada de constantes y Z es un vector columna de variables.

Reemplazaremos (1.36) en la ecuacion (1.35), esto es:

RZ ' ' = ARZ + F


R −2
Z'' = 1 1 −1
3Z + R F
AR
D

Z ' ' = DZ + R −1 F

Aqui, D correponde a una matriz diagonal y no es mas que una matriz cuadrada cuya
diagonal son los valores propios optenidos de la matriz A. La matriz R es simplemente una
matriz constituida por los vectores propios obtenidos de la matriz A. Asi que se concluye
que para aplicar este metodo primero es necesario resolver la parte homogenea, es decir
resolver un problema de valores propios, y despues resolver la no homogenea.

Ejemplo:

Las ecuaciones de movimiento de una estructura de dos pisos son:

 u&&1   22 − 6  u1  δ 
u&&  +  − 6 6  u  = δ
(t)

 2   2   (t) 

Halle los desplazamientos máximos de cada piso si las condiciones iniciales son :

u1 ( 0 ) = u 2 ( 0 ) = 0 u&1 ( 0 ) = u& 2 ( 0 ) = 1

Aqui, note que la fuerza de excitacion son cargas impulsivas, delta de dirac, que
podrian asociarse a algun tipo de explosion en cada piso por ejemplo.

La ecuación de movimiento del sistema de 2 GDL es:

16
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

MU&& + KU = F (t )

donde :

1 0  22 − 6 δ 
M = M −1 = I =  K= F (t ) = 
(t )
  
0 1 − 6 6  δ (t ) 

multiplicamos por M-1 para despejar U&& y organizar terminos

U&& + M −1 KU = M −1 F (t )

U&& + AU = F (t )

 22 − 6
A = M −1 K = K =  
− 6 6 

Luego hallamos la matriz R que diagonaliza a la matriz A

22 − λ −6
A−λ I = =0
−6 6−λ

de aquí tenemos los valores propios:

λ 1= 4 λ 2 = 24

Los vectores propios para cada valor propio son:

• λ1 = 4

 18 − 6  x1  0 x1 = 1 1
 − 6 2   x  = 0  ξ (1)
= 
  2    x2 = 3 3

• λ2 = 24

− 2 − 6   x1  0 x1 = −3 − 3
− 6 − 18  x  = 0 ξ (1)
= 
  2    x2 = 1 1

17
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

Luego la matriz R que diagonaliza a la matriz A es

R= ξ [ (1)
ξ ( 2)
] = 13 − 3
1 

 0.1 0.3
R −1 =  
− 0.3 0.1

Para desacoplar el sistema hacemos la sustitución:

U = RZ
U&& = RZ&&

por lo tanto

U&& + AU = F (t )
RZ&& + ARZ = F ( t )
Z&& + R −1 ARZ = R −1 F ( t )
Z&& + DZ = R −1 F (t )

En forma matricial tenemos:

 &z&1  4 0   z1   0.1 0.3 δ (t ) 


 z  + 0 24  z  = − 0.3 0.1 δ 
&&2    2    (t ) 

operando matricialmente tenemos:

&z&1 + 4 z1 = 0.4δ (t )

&z&2 + 24 z 2 = −0.2δ (t )

con las siguientes condiciones iniciales:

 z1o  −1  u1o   0.1 0.3 0 0 z1o = 0


 z  = R u  = − 0.3 0.1 0 = 0 z 2o = 0
 2o   2o      

 z&1o  −1  u&1o   0.1 0.3 1  0.4  z&1o = 0.4


 z  = R u  = − 0.3 0.1 1 = − 0.2 z& 2 o = −0.2
 & 2o   & 2o      

Resolvemos las dos ecuaciones aplicando la transformada de Laplace así:

18
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

&z&1 + 4 z1 = 0.4δ (t ) z1o = 0 z&1o = 0.4

s 2 Z1 − sz1o − z&1o + 4 Z1 = 0.4


s 2 Z1 − 0.4 + 4 Z1 = 0.4
Z1 ( s 2 + 4) = 0.8
0.8 0.8 2
Z1 = 2 =
s +4 2 s2 + 4
2
Z1 = 0.4 2
s +4

&z&2 + 24 z 2 = −0.2δ (t ) z 2o = 0 z& 2o = −0.2

s 2 Z 2 − sz2o − z&2 o + 24Z 2 = −0.2


s 2 Z 2 − ( −0.2) + 24Z 2 = −0.2
Z 2 ( s 2 + 24) = −0.4
0.4
Z2 = −
s + 24 2

0.4 24
Z2 = −
24 s + 4
2

Aplicando la transformada inversa de Laplace en ambas ecuaciones tenemos:

z1 = 0.4 sen( 2t )
0.4
z2 = − sen( 24t )
24

Finalmente la solución es:

U = RZ

 u1  1 − 3 
0.4 sen ( 2t ) 
u  = 3 1  − 0.4 sen ( 24t ) 
 2   24 

Operando matricialmente tenemos

19
Matematicas Aplicadas para Ingenieros Hever Y. Moncayo.

1.2
u1 (t ) = 0.4 sen( 2t ) + sen( 24t )
24
0.4
u2 (t ) = 1.2 sen( 2t ) − sen( 24t )
24

 1.2 
0.4 sen( 2t ) + sen( 24t )
 u1   24
u  = 
 2  1.2 sen( 2t ) − 0.4
sen( 24t ) 
 24 

En el peor de los casos el desplazamiento máximo en cada piso será la suma de las
amplitudes así:

1.2
u1 max = 0.4 + ≈ 0.645
24
0.4
u 2 max = 1.2 + ≈ 1.282
24

20