El tiempo como variable

Problemas no estacionarios
Ecuaciones de Onda y de Difusión
  u  2
u
 K u    p  
T
  2   0 en 
 t t 

Condiciones iniciales u x,0   u0 x 

Condiciones de borde u  u t  en Su

nT K u   q t  en Sq

 
nT K u   h u  uref t 
 Aproximación de Elementos Finitos

u x, t    N j x, y, z  u j t 

Las habituales funciones de Los parámetros indeterminados

interpolación en espacio son ahora función de tiempo

u x, t   Nx  at 

 u  Nx  a t  Aproximación
u  Nx  a t  “consistente”

u  Bx  at 
 Ecuación(es) en Derivadas Parciales


Aproximación de Elementos Finitos


Sistema de Ecuaciones Diferenciales Ordinarias
 Sistema de Ecuaciones
Hab

H   H ( e )    B T K B d
e
 
e e

b  b (e)
    N p   u   u d   N q dS 
 T
    T

e  
e S qe
e

u  Nx  a t  u  Nx  a t 

M a  C a  H a  f
“Masas” y “Amortiguamiento”
M a  C a  H a  f

H   H ( e )    BT K B d
e
e e

M  M (e)
   N  N dT
Masas
e
e e

C   C( e )    NT  N d Amortiguamiento
e
e e

f t    f ( e )     NT pt  d   NT qt  dS 
e  
e S qe
e
 Elemento CST
3 u   N i ( x, y ) ui t 
i

u   N i ( x, y ) ui t 
1
i

2
N i  Li M ( e )   NT  N d
e

 L1  2 1 1
A   Matriz de masas
 
M (e)    L2   L1 L2 L3  d  1 2 1 “consistente”
e
  12  
L  1 1 2 
 3  
 Masas Concentradas
 Las funciones utilizadas para interpolar ü no tienen porqué
ser las mismas que las empleadas para interpolar u.
 Podría interpolarse ü con funciones tales que M resulte
diagonal.
 La concentración de masas que resulta en una matriz M
diagonal es habitual en muchos métodos ingenieriles.
 Al trabajar con M (y C) diagonal se reduce el número de
operaciones aproximadamente a la mitad.
1 0 0
 A  
Para un elemento CST: M ( e )  0 1 0
3  
0 0 1
 
 Concentración de Masas
 En elementos sencillos es fácil decidir como repartir la masa
total entre los distintos nudos.
 Para otros casos se puede emplear uno de los criterios
siguientes. Llamando mij a los coeficientes de la matriz de
masas consistente y m ii a aquellos (de la diagonal) de la
matriz de masas concentradas
A. Suma de filas: m ii  m
j
ij

B. Repartición de la masa total en proporción a coeficientes de


2
m
la diagonal principal de la matriz consistente: ii   N i d


C. Evaluación de M con un procedimiento en el que los puntos

de integración numérica sean sólo los nudos.
 Concentración de Masas
A. Suma de filas de matriz consistente.
1
3 B. Repartición en proporción a
coeficientes de diagonal principal
de matriz consistente.
1 ABC 1 C. Puntos de integración numérica =
3 3 nudos.
3
0 57

1 16 16
3 1 57
3 57
AC B
3 3
0 0 57
16 57
1 57
3
 Concentración de Masas
1 1
4 4 A. Suma de filas de matriz consistente.
B. Repartición en proporción a
ABC coeficientes de diagonal principal
1 1 de matriz consistente.
4 4
C. Puntos de integración numérica =
nudos.
1
3 3 1 1
5 5 16 16 8 8
24 24

A B C
7 7
24 24 5 5 3 3
4 16 16 8 8
 Concentración de Masas
8
A. Suma de filas de matriz consistente.
1 36 1 B. Repartición en proporción a
36 36 coeficientes de diagonal principal
8 B 8 de matriz consistente.
36 36
8
36
C. Puntos de integración numérica =
1 1 nudos.
36 36
4
1 1 36 1
3 36 36
 121  121 16
4 36 4
1 AC 1 36 36
3 1 3 ABC
3 1 1
36 36
 121  121 4
36
Análisis Dinámico de Estructuras
ij , j  bi   ui en V

u  Na  ε  Ba σ  Dε  DB a
u  N a

M a  K a  f K   K e     BT D B dV
Ve
e e

M   M e     NT  N dV
Ve
e e

f     N b dV   N T dS 
 T T

e  e 
V Se
Matrices de Masa – Elemento CST

M e    NT  N dV
3
Ve

1  N1 0 N 2 0 N 3 0 
N   
 0 N1 0 N 2 0 N 3 
2

2 0 1 0 1 0 1 
   
0 2 0 1 0 1  1 
 A 1 0 2 0 1 0 A  1 
M (e)    M (e)   
12  0 1 0 2 0 1 3  1 
1 0 1 0 2 0  1 
   
0 1 0 1 0 2  1 
¿Masas concentradas o consistentes?
 El orden de convergencia no es afectado al utilizar masas
concentradas, siempre que:
p  m  2  2  pˆ  1  mˆ 

Grado del polinomio completo Orden de derivación en

en las funciones N empleadas los términos que definen
para el cómputo de M K en el funcional
Orden de derivación en Grado del polinomio completo
los términos que definen en las funciones N empleadas
M en el funcional para el cómputo de K

 Las masas concentradas son más convenientes en el análisis

estructural con modelos planos o tridimensionales. En el
análisis de vigas, placas y láminas, las masas consistentes
producen – para mallas iguales – mejores resultados que con
masas concentradas.
 Amortiguamiento
M a  C a  K a  f
Matriz de
amortiguamiento
 El suponer amortiguamiento viscoso facilita la solución de
las ecuaciones diferenciales en el dominio de tiempo.
 Aunque las fuerzas viscosas pueden ser importantes, no son
la única causa de disipación.
 En estructuras de ingeniería civil, la mayor parte de la
disipación se debe a los ciclos de histéresis en las relaciones
constitutivas y al rozamiento ( K función no lineal de a ).
 La pérdida de energía por radiación sí puede ser
adecuadamente simulada como amortiguamiento viscoso.
 Movimiento en la Base
M a  C a  K a  0 No hay fuerzas externas

a  1 us  x
desplazamiento de cuerpo desplazamiento
rígido con la base relativo a la base

K10 C1 0

M x  C x  K x  M 1 us

La aceleración en la base puede tratarse como si se tuvieran

fuerzas externas  M 1 us
Solución de las Ecuaciones Diferenciales
Descomposición modal y solución de las ecuaciones
deacopladas:
 Procedimiento más frecuentemente utilizado.
 Es la alternativa más eficiente para ecuaciones lineales.

Solución en el dominio de frecuencias:

 Menos eficiente que la descomposición modal.
 Herramienta apropiada para el investigador.
 Lo más adecuado para algunos casos.

Integración directa de las ecuaciones diferenciales:

 Indispensable para el caso no lineal.
 Diversas dificultades de orden práctico.
 Valores y Vectores Característicos

valor característico

K φ  2 Mφ
Matrices cuadaradas
de orden n
Si B es diagonal, el problema
se transforma fácilmente a la
forma “clásica”, manteniendo
la posible simetría:
vector característico
“eigenvector”
 12
φM φ
 M  12 K M  12  φ   2 φ
 
 Polinomio Característico
K φ  2 Mφ   K   M φ  0
2

Un sistema de ecuaciones homogéneo sólo tiene soluciones no

triviales si la matriz de coeficientes es singular:

 
K   2M  p  2  0
polinomio característico
n raíces
Para cada valor característico i2se tiene un vector característico φ i

K φ i  i2 M φ i
 Independencia Lineal
 Si un vector φ i satisface K φ i  i2 M φ i cualquier
múltiplo de ese vector es también solución.
 Dos vectores característicos se reconocen como
soluciones distintas cuando tienen distintas proporciones
entre sus componentes, es decir, no son vectores
paralelos.
 Los n vectores característicos son linealmente
independientes y por lo tanto constituyen una base
completa.
 Cualquier vector de dimensión n puede expresarse como
combinación lineal de los vectores característicos:
at   1 t  φ1   2 t  φ 2  3 t  φ3  
 Cociente de Rayleigh

Si se tiene un vector x cuyas componentes se aproximan a

las del vector característico φ i con errores de orden , el
cociente de Rayleigh:
T
xiKxi
 x    i2
xTi M x i
es una aproximación al correspondiente valor
característico, con un error de orden  2. 

Si las matrices K y M son simétricas y definidas

positivas, todos los valores característicos i2 son reales y
positivos.
 Ortogonalidad
A φ j  λ j B φ j  φTk A φ j  λ j φTk B φ j (1)

A φ k  λ k B φ k  φTj A φ k  λ k φTj B φ k (2)

Si A y B son simétricas, (2) puede rescribirse:

φTk A φ j  λ k φTk B φ j (3)

Restando (3) de (1): λ  λ φ B φ   0

j k
T
k j

Si λ j  λ k φTk B φ j  0  φTk A φ j  0
:
λj  λk φTk B φ j  b*k  jk  φTk A φ j  2k b*k  jk
 Modo 1 Modo 2
Primer modo flexional Primer modo torsional

T = 0.001195 s T = 0.000280 s
f = 837 Hertz f = 3568 Hertz

Modo 3 Modo 4
Segundo modo flexional Deformación de
membrana

T = 0.000192 s T = 0.000143 s
f = 5201 Hertz f = 7009 Hertz

Modos de Vibración de una Placa en Voladizo

E = 3 x 107 psi  = 0,3 r = 0,283 lb/pulg2 L = 2” b = 1” t = 0,1”
 Modo 5 Modo 6
Segundo modo torsional Tercer modo flexional

T = 8.63E-05 s T = 6.87E-05 s
f = 11592 Hertz f = 14549 Hertz

Modo 8
Modo 7 Tercer modo torsional
Modo transversal

T = 4.54E-05 s T = 4.51E-05 s
f = 22007 Hertz f = 22167 Hertz

Modos de Vibración de una Placa en Voladizo

E = 3 x 107 psi  = 0,3 r = 0,283 lb/pulg2 L = 2” b = 1” t = 0,1”
 Descomposición Modal
M a  C a  K a  f t 

K φ i  2i M φ i

at     j t  φ j Los n vectores

característicos constituyen
a t     j t  φ j una base completa

a t    
 j t  φ j

 j φ j  C   j φ j  K   j φ j  f t 
M 
 Descomposición Modal
 j φ j  C   j φ j  K   j φ j  f t 
M 

φTi M  
 j φ j  φTi C   j φ j  φTi K   j φ j  φTi f

φTi M φ j  m*i ij

φTi C φ j  2   i m*i ij
φTi K φ j  2i m*i ij
φ f t   m g t 
T
i
*
i i
 i  2  i  i  i2i  gi t 

 Descomposición Modal
C a  H a  f Ecuaciones diferenciales acopladas

Determinación de H φ   Cφ φTi C φ j  ij

valores y vectores
característicos φTi H φ j   i ij

at     j φ j

C   j φ j  H   j φ j  f

Ecuaciones diferenciales  i   i i  φTi f  gi

desacopladas
Integración de las Ecuaciones Desacopladas

   g
Las ecuaciones diferenciales de la forma: 
se pueden resolver exactamente si se supone que la función g
varía linealmente por intervalos.
Dado n al inicio del intervalo entre tn y tn+1 y suponiendo que:

Se obtiene:  n1    n  c  e  t  c  b t 
Donde: c   a  b  

A partir de 0 sucesivamente se calculan 1 2 3 ...

Integración de las ecuaciones desacopladas
Para el caso de ecuaciones diferenciales de segundo orden:

Suponiendo que g varía linealmente en cada intervalo se

obtiene:
 n1   n   gn 
   A   B  
 n1   n   g n1 
Las matrices A y B son función de dependen de   t

Siendo la solución exacta (para la hipótesis de g variando

linealmente en el intervalo), t no tiene restricciones por
estabilidad o precisión.
 Vectores de Ritz
El primer vector de Ritz corresponde a la deformada estática
K x1  f 0
Los sucesivos vectores se obtienen por recursión, eliminándose
las componentes según los vectores previamente determinados:

K y i  M x i 1 (un paso de iteración inversa)

i 1
x i  y i  cj x j
j 1
yTi M x j
donde: cj 
xTj M x j
 Proyección de las Ecuaciones
Agrupando los q vectores de Ritz como columnas de una matriz X:

at    xi zi t   X z t   a  X z t  
q

Sustituyendo en las ecuaciones de equilibrio y premultiplicando

por XT:
M *  XT M X
M * z  C* z  K * z  f *
Sistema de orden q << n C*  XT C X
K *  XT K X
f *  XT f
 Iteración en Subespacio
El objetivo del proceso es determinar un subespacio que contenga
los p vectores característicos asociados a los valores
característicos más bajos.
La determinación de los vectores característicos para el problema
proyectado en el subespacio de dimensión q = mín ( 2p, p+8 ) es
mucho más fácil que en el espacio original, de dimensión n >> q.
Se definen inicialmente q vectores linealmente independientes
(por ejemplo, vectores de Ritz) como aproximación de aquellos
que definen un subespacio que contiene a los p vectores de interés.

X0   x1 x 2 
Cada ciclo del proceso incluye:
1. Iteración inversa (para reorientar los vectores, haciéndolos
más paralelos a aquellos de interés):
K Xn  M Xn
2. Proyección del problema en el subespacio:
(n) T
K  Xn K Xn
M ( n )  XTn M X n
3. Solución del problema proyectado (identifica los vectores
característicos, mantiene la ortogonalidad de los vectores).
(n) (n)
K Qn  M Qn Λn
4. Expresión de los vectores en el espacio original.
X k 1  X k Q k
Solución en el Dominio de Frecuencias
M a  C a  K a  f t 
Llamando f y a a las transformadas de Fourier de f y a
respectivamente: 
a  ia
a   2 a
 K  i  C   M  a  f
2

Las funciones f se suponen periódicas (agregando suficientes

ceros como para que la estructura esté prácticamente en reposo
al iniciarse el siguiente período). Las f están definidas por
valores numéricos correspondientes a puntos uniformemente
espaciados. Todo ello permite una “transformada” de Fourier
rápida (FFT)
 Respuesta Estacionaria
M a  C a  K a  f 0 eit
a  a0 eit
K  i  C   M  a e
2
0
it
 f0 eit
Suponiendo que el amortiguamiento es despreciable
(pero aún así se reducen los términos de vibración
transitoria, quedando sólo aquellos de vibración forzada):

M a  K a  f 0 sen t
 K   M a
2
0 sen t  f 0 sen t
 Método de Diferencia Central
Forma sumada, para el caso en que no hay amortiguamiento
viscoso:
M a  K a  f
a n  an t 
Condiciones a 0  0 a 0  0  a 1 
2
t
2
M f 
1
0
iniciales:
Paso típico: M a n  f n  K a n
a n 1  a n 1  t a n
2 2

a n1  a n  t a n 1
2
 Método de Diferencia Central
 El procedimiento es muy simple, fácil de programar
 Cada paso requiere muy pocas operaciones, especialmente si
M es diagonal
 No requiere ensamblarse K;
puede ensamblarse directamente las fuerzas K(e)a(e)
Esto es muy ventajoso en el análisis no lineal
 El procedimiento de diferencia central es condicionalmente
estable, por lo que habitualmente se requieren muchos pasos:
Tmín 2
t  
 máx
 Tmín puede estimarse como el tiempo que demora la onda
más rápida en cruzar el elemento más pequeño
 Estimación del Intervalo
 Las frecuencias naturales más bajas dependen de la
características del medio estudiado. Aún con un modelo pobre
puede estimarse correctamente 1 y el correspondiente período
fundamental: T1 = 2/1
 La frecuencia natural más alta máx (que es la crítica para la
estabilidad numérica) es en cambio una característica del
modelo. El correspondiente período Tmín = 2/máx puede
estimarse como el tiempo que emplea la onda más rápida en
cruzar el elemento finito más pequeño: T  h
mín
Cp

 La no linealidad tiende a reducir las velocidades de onda y, por

lo tanto, hace menos restrictiva la condición de estabilidad.
 Método de Newmark
a n1  a n  1   a n   a n1  t
a n1  a n  a n t   2   a n   a n1  t 
2
 1  


M a n1  C a n1  K a n1  f n1

A a n1  rn1 y luego se determinan a n1 a n1

Procedimiento incondicionalmente estable si:

 1
2  1
4
12  2
 Método de Newmark
 Habitualmente se consideran   12   1
4 con lo que el
proceso es incondicionalmente estable
 El intervalo de integración está controlado por precisión
 Cada paso requiere muchas más operaciones que con el
método de diferencia central; sin embargo, el intervalo
puede ser mucho mayor, por lo que se hacen menos pasos.
 El método de Newmark requiere ensamblar K;
esto puede ser problemático en un análisis no lineal.
Además, en el análisis no lineal sería necesario
refactorizar A en cada paso.
 Las iteraciones requeridas en el análisis no lineal pueden
hacer que el proceso no sea incondicionalmente estable.