Sei sulla pagina 1di 91

codist 11/08

Complementi di
Dinamica Strutturale
Costantino Carmignani
Indice
0.1 Premessa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2 Simboli principali . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1 Variabili di stato 5
1.1 Richiami sulle equazioni dierenziali ordinarie a coecienti costanti 5
1.2 Sistema ad un grado di libert`a . . . . . . . . . . . . . . . . . . . 7
1.2.1 Risposta al gradino unitario e allimpulso unitario . . . . 9
1.2.2 Risposta ad una forzante qualunque . . . . . . . . . . . . 10
1.2.3 Analisi dinamica nel dominio della frequenza . . . . . . . 11
1.3 Sistema a molti gradi di libert`a . . . . . . . . . . . . . . . . . . . 12
1.3.1 Matrice di smorzamento . . . . . . . . . . . . . . . . . . . 14
1.3.2 Equazioni del moto in termini di variabili di stato . . . . 15
1.3.3 Vibrazioni libere di un sistema classicamente smorzato . . 15
1.3.4 Vibrazioni libere di un sistema non classicamente smorzato 16
1.3.5 Vibrazioni forzate di un sistema classicamente smorzato . 19
1.4 Metodi di correzione modale . . . . . . . . . . . . . . . . . . . . . 20
2 Dinamica aleatoria 23
2.1 Variabili aleatorie . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.1 Frattili di una variabile aleatoria . . . . . . . . . . . . . . 23
2.1.2 Funzione caratteristica . . . . . . . . . . . . . . . . . . . . 24
2.1.3 Cumulanti . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.4 Indici sintetici di una variabile aleatoria . . . . . . . . . . 25
2.1.5 Variabili aleatorie gaussiane . . . . . . . . . . . . . . . . . 26
2.1.6 Cambiamento di variabili . . . . . . . . . . . . . . . . . . 27
2.1.7 Media e varianza di combinazioni di variabili aleatorie . . 28
2.2 Processi aleatori . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.1 Descrizione probabilistica dei processi aleatori . . . . . . . 29
2.2.2 Medie a tempi multipli e correlazioni . . . . . . . . . . . . 30
2.3 Processi aleatori gaussiani stazionari . . . . . . . . . . . . . . . . 31
2.3.1 Funzioni di autocorrelazione . . . . . . . . . . . . . . . . . 32
2.3.2 Densit`a spettrale di potenza o autospettro . . . . . . . . . 33
2.3.3 Interpretazione energetica della densit`a spettrale di potenza 34
2.3.4 Classicazione dei processi gaussiani stazionari attraverso
la forma della densit`a spettrale di potenza . . . . . . . . . 37
2.3.5 Particolari processi aleatori stazionari a media nulla . . . 38
2.3.6 Ergodicit`a di processi aleatori stazionari . . . . . . . . . . 40
II INDICE
3 Adabilit`a strutturale di un sistema eccitato in modo aleatorio 41
3.1 Introduzione alladabilt`a strutturale . . . . . . . . . . . . . . . 41
3.1.1 Azioni statiche . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.2 Azioni dinamiche . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 Numero medio di attraversamenti di una data barriera da parte
di un processo aleatorio . . . . . . . . . . . . . . . . . . . . . . . 44
3.2.1 Formulazione teorica . . . . . . . . . . . . . . . . . . . . . 44
3.2.2 Numero medio di attraversamenti per processi gaussiani
a media nulla . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3 Istante di primo passaggio di una data barriera bilaterale da parte
di un processo aleatorio . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.1 Considerazioni generali . . . . . . . . . . . . . . . . . . . 46
3.3.2 Ipotesi di attraversamenti indipendenti della soglia . . . . 46
3.3.3 Ipotesi di attraversamenti a grappoli della soglia nel caso
di processi gaussiani a media nulla . . . . . . . . . . . . . 48
3.4 Funzione distribuzione di probabilit`a del picco massimo assoluto
di processi aleatori gaussiani stazionari a media nulla . . . . . . . 48
3.5 Fattori di picco di processi aleatori gaussiani stazionari a media
nulla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.5.1 Formulazione teorica . . . . . . . . . . . . . . . . . . . . . 49
3.5.2 Ipotesi di attraversamenti indipendenti . . . . . . . . . . . 50
3.5.3 Ipotesi di attraversamenti a grappoli . . . . . . . . . . . . 51
3.6 Simulazione Monte Carlo . . . . . . . . . . . . . . . . . . . . . . 51
3.7 Cenni sui metodi di valutazione della sicurezza strutturale . . . . 52
3.7.1 Metodo delle tensioni ammissibili . . . . . . . . . . . . . . 52
3.7.2 Metodo semi-probabilistico agli stati limite . . . . . . . . 53
3.7.3 Metodi probabilistici . . . . . . . . . . . . . . . . . . . . . 56
4 Analisi sismica 59
4.1 Cenni sulla natura e propriet`a dei terremoti . . . . . . . . . . . . 59
4.2 Equazioni del moto di un oscillatore elementare soggetto ad un
moto sismico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.3 Spettri di un accelerogramma . . . . . . . . . . . . . . . . . . . . 60
4.3.1 Spettro di Fourier . . . . . . . . . . . . . . . . . . . . . . 61
4.3.2 Spettro di risposta . . . . . . . . . . . . . . . . . . . . . . 62
4.4 Spettro di progetto elastico e spettro di potenza spettrocompatibile 65
4.4.1 Spettro di progetto elastico . . . . . . . . . . . . . . . . . 65
4.4.2 Funzione di Husid . . . . . . . . . . . . . . . . . . . . . . 66
4.4.3 Spettro di potenza di progetto . . . . . . . . . . . . . . . 67
4.4.4 Storie temporali . . . . . . . . . . . . . . . . . . . . . . . 68
4.5 Equazioni del moto di strutture classicamente smorzate a molti
gradi di libert`a . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.6 Analisi modale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.6.1 Calcolo delle sollecitazioni . . . . . . . . . . . . . . . . . . 71
4.7 Risposta aleatoria stazionaria nel dominio della frequenza . . . . 71
4.7.1 Processo forzante multivariato-monocorrelato . . . . . . . 71
4.7.2 Processo forzante multivariato-multicorrelato . . . . . . . 73
4.8 Combinazione dei picchi massimi assoluti modali valutati attra-
verso lo spettro di progetto . . . . . . . . . . . . . . . . . . . . . 74
4.9 Forze statiche equivalenti . . . . . . . . . . . . . . . . . . . . . . 76
INDICE III
4.10 Direzione epicentrale di progetto . . . . . . . . . . . . . . . . . . 78
4.11 Considerazioni sui metodi di calcolo usati nellanalisi sismica . . 79
4.12 Altri argomenti di interesse per lanalisi sismica . . . . . . . . . . 81
IV INDICE
Elenco delle tabelle
1 Simboli principali - prima parte . . . . . . . . . . . . . . . . . . . 3
2 Simboli principali - seconda parte . . . . . . . . . . . . . . . . . . 4
0.1 Premessa 1
0.1 Premessa
Le note che seguono illustrano alcuni argomenti importanti di dinamica strut-
turale non sucientemente trattati in [4]. Limportanza `e legata al fatto che
recenti normative su varie applicazioni di dinamica strutturale fanno cenno a
tali aspetti. Linsieme di tali argomenti `e qui indicato col termine Complementi
di dinamica strutturale. Nella loro presentazione si adottano, per quanto possi-
bile, i simboli e le varie gure illustrative di [4].
Per evitare numerosi riferimenti bibliograci, che possono talvolta indurre una
certa confusione, dovuta anche alla diversa denizione dei simboli, si `e deciso di
indicare un solo testo [1], scritto in italiano ad uso didattico universitario.
Eventuali approfondimenti particolari, su alcuni argomenti specici, possono
essere cercati nei testi ed articoli richiamati nella bibliograa di [4] e [1].
0.2 Simboli principali 3
0.2 Simboli principali
Nelle tabelle seguenti si adottano i seguenti acronomi:
GdL = grado di libert`a
1GdL = sistema ad un grado di libert`a
MGdL = sistema a molti gradi di libert`a
MP = modo proprio di vibrare
VS = variabili di stato
Simbolo Signicato
a
j
coeciente di partecipazione del MP j-esimo =
= coordinata modale j-esima nello spazio modale
f
j
eccitazione del GdL j-esimo =
= forza o momento eccitatore j-esimo
p
j
eccitazione modale relativa al MP j-esimo (Y
T
j
P)
massa modale per eccit. sismica del MP j-esimo (-Y
T
j
M)
x
j
grado di libert`a j-esimo nello spazio nodale
A
j
variabile aleatoria associata ad a
j
ABS somma dei valori assoluti dei massimi
CQC combinazione quadratica completa
E[] operatore media di una variabile aleatoria
G funzione di trasferimento
P
c
probabilit`a di crisi
P
s
probabilit`a di successo (adabilit`a) = 1 P
c
S
a
spettro di risposta di accelerazione di 1GdL
S
pa
spettro di risposta di pseudo-accelerazione di 1GdL
S
pv
spettro di risposta di pseudo-velocit`a di 1GdL
S
s
spettro di risposta di spostamento di 1GdL
S
v
spettro di risposta di velocit`a di 1GdL
R
X
() funzione di autocorrelazione del processo X
S
X
() densit`a spettrale di potenza del processo X
S

X
() densit`a spettrale di potenza unilaterale del processo X
SRSS radice quadrata della somma dei quadrati
T periodo
T
n
periodo proprio di un 1GdL
T
j
periodo del MP j-esimo di un MGdL
X
j
variabile aleatoria associata ad x
j
Tabella 1: Simboli principali - prima parte
4 ELENCO DELLE TABELLE
Simbolo Signicato
a vettore dei coecienti di partecipazione modali
f
st
vettore delle forze statiche equivalenti
w vettore delle VS modali o normali
x vettore delle incognite nodali
z vettore delle VS nodali o geometriche
C matrice di smorzamento o di dissipazione
G matrice di trasferimento
G
z
matrice di trasferimento nello spazio delle VS
K matrice di rigidezza
M matrice di massa
P vettore delleccitazioni nodali
X vettore delle incognite nodali
Y matrice modale reale

Y matrice modale complessa


Y
j
MP j-esimo reale

Y
j
MP j-esimo complesso

A
indice di adabilit`a
coeciente di sicurezza

X
() fattore di picco del processo aleatorio X

i,X
momento spettrale di potenza di ordine i del processo X
media di una variabile aleatoria
frequenza

n
frequenza propria di un sistema a 1GdL

j
frequenza propria j-esima di un MGdL
coeciente di accoppiamento

X
() funzione di autocorrelazione normalizzata del processo X
deviazione standard di una variabile aleatoria gaussiana
rapporto di smorzamento per un 1GdL

j
rapporto di smorzamento del MP j-esimo di un MGdL
pulsazione

n
pulsazione propria di un 1GdL

j
pulsazione propria j-esima di un MGdL

pulsazione propria ridotta di un 1GdL smorzato


vettore incidenze o inuenza in unanalisi sismica
Matrice di transizione

M
Matrice di transizione nello spazio modale

N
Matrice di transizione nello spazio nodale
Tabella 2: Simboli principali - seconda parte
Capitolo 1
Variabili di stato
1.1 Richiami sulle equazioni dierenziali ordina-
rie a coecienti costanti
Si indichi simbolicamente con
Dn
[x(t)] = f (t) (1.1)
unequazione dierenziale ordinaria a coecienti costanti di ordine n nellin-
cognita x, funzione reale o complessa della variabile t (tempo).
La 1.1 pu`o essere posta anche nella forma
n

i=0
a
i
x
(i)
(t) = f (t) (1.2)
dove il numero posto in apice tra parentesi indica lordine della derivata ri-
spetto a t.
Nella soluzione della 1.1, per la presentazione della quale si rimanda a [4], si
fa ricorso alla funzione esponenziale di argomento reale o complesso.
Ogni equazione dierenziale di ordine n della variabile x(t) pu`o essere tra-
sformata in un sistema di n equazioni dierenziali del primo ordine nelle n
variabili z
0
, z
1
...z
n1
. Tale operazione pu`o essere eseguita in tanti modi ma il
pi` u semplice consiste nel denire la generica variabile z
j
come
z
j
(t) = x
(j)
(t) =
d
j
x(t)
dt
j
=
dz
j1
(t)
dt
(j = 1...n 1)
z
0
(t) = x(t)
(1.3)
In tal modo lequazione 1.2 diventa unequazione dierenziale del primo
ordine nella variabile z
n1
n1

i=0
a
i
z
j
(t) +a
n
dz
n1
dt
= f (t) (1.4)
6 Variabili di stato
Le altre n1 equazioni sono date dalle prime n1 relazioni tra z
j
e la deri-
vata j.ima di x rispetto al tempo. La j.ma relazione rappresenta unequazione
dierenziale del primo ordine nella variabile z
j1
.
Raccogliendo tutte le variabili z
j
in un vettore z il sistema di n equazioni lineari
pu`o essere scritto nella forma
z = Dz +vf (t) (1.5)
dove
z =

x
x
...
x
(n2)
x
(n1)

; z =

x
x
...
x
(n1)
x
(n)

D =

0 1 0 ... 0
0 0 1 ... 0
... ... ... ... ...
0 0 0 ... 1

a
0
a
n

a
1
a
n

a
2
a
n
...
a
n1
a
n

; v =

0
0
0
0
1
a
n

(1.6)
Per risolvere la 1.1 o la 1.5 occorre conoscere le condizioni iniziali del sistema,
che, nel seguito, si far`a lipotesi che si verichino al tempo t = t
0
. Tali condizioni
iniziali sono rappresentate dagli n valori di x e delle sue derivate rispetto al
tempo no allordine n 1, cio`e dalle n variabili z
j
sopra denite
x(t)
t=t
0
,
_
dx
dt
_
t=t
0
,
_
d
2
x
dt
2
_
t=t
0
...
_
d
n1
x
dt
n1
_
t=t
0
(1.7)
Gli n valori indicati in 1.7 rappresentano lo stato iniziale del sistema.
Durante levoluzione del sistema, se, ad un generico istante t, sono noti i valo-
ri di x e delle sue prime n 1 derivate rispetto al tempo, poich`e f(t) `e noto
a tale istante, imponendo il soddisfacimento dellequazione dierenziale 1.1, si
pu`o prevedere il comportamento futuro del sistema. In altre parole, ad ogni
istante, gli n valori sopra indicati rappresentano lo stato corrente del sistema.
A tali valori si d`a il nome di variabili di stato. Il vettore z, le cui componenti
rappresentano le variabili di stato, viene detto vettore delle variabili di stato.
Nella soluzione di un sistema di equazioni lineari del tipo 1.5, in analogia a
quanto fatto per la soluzione della 1.1, si fa uso della funzione esponenziale di
matrice [2], che ha propriet`a molto simili alla funzione esponenziale di argomento
reale o complesso. Ad esempio, indicate con D e G due matrici, i cui elementi
sono indipendenti dal tempo, valgono le seguenti relazioni
a)
d
dt
exp (Dt) = Dexp (Dt) = exp (Dt) D
b) exp (Dt +Gt) = exp (Dt) exp (Gt)
(1.8)
Anche per il sistema 1.5 la soluzione `e data dalla somma della soluzione ge-
nerale del sistema omogeneo associato e di una soluzione particolare del sistema
completo
1.2 Sistema ad un grado di libert`a 7
z = z
g
+z
p
(1.9)
Si pu`o dimostrare [2] che la soluzione generale del sistema omogeneo asso-
ciato
z
g
(t) Dz
g
(t) = 0 (1.10)
pu`o essere espressa da
z
g
(t) = exp (Dt) c ; c = z (t
0
) z
p
(t
0
) = z
0
z
p0
(1.11)
Pertanto la soluzione della 1.5 `e data da
z (t) = exp (Dt) (z
o
z
p0
) +z
p
(t) (1.12)
1.2 Sistema ad un grado di libert`a
Un sistema ad un grado di libert`a, nellambito della dinamica strutturale (vedi
g. 4.1 di [4]), viene talvolta chiamato oscillatore semplice. Lequazione del
moto di tale sistema `e data da
m x(t) +c x(t) +kx(t) = f (t) (1.13)
Dividendo ambo i membri della 1.13 per m si ottiene
x(t) + 2 x(t) +
2
x(t) =
f (t)
m
(1.14)
che viene talvolta detta equazione del moto in forma canonica.
La soluzione x(t) della 1.13 o 1.14 `e data dalla somma della soluzione ge-
nerale dellequazione omogenea associata x
g
(t) e di una soluzione particolare
dellequazione non omogenea x
p
(t)
x(t) = x
g
(t) +x
p
(t) (1.15)
La parte x
g
della soluzione contiene due costanti di integrazione, che nel
seguito saranno raccolte in un vettore c e che saranno determinate una volta
che si conosca lo stato iniziale del sistema.
Nel seguito si indicher`a con z(t) il vettore delle variabili di stato x(t), x(t)
Rappresentando in termini di variabili di stato sia la soluzione generale che
la soluzione particolare si pu`o scrivere (indicando le costanti in modo analogo a
quanto fatto nel cap. 4 di [4])
z (t) = z
g
(t) +z
p
(t) = E(t) c +z
p
(t)
z
g
(t) =

x
g
x
g

; z
p
(t) =

x
p
x
p

; c =

C
3
C
4

(1.16)
Se < 1 (sistema in condizioni sottocritiche; ipotesi che, salvo diversa indica-
zione, sar`a considerata valida nel seguito), `e immediato determinare la matrice
E(t) (ved. cap. 4 di [4])
8 Variabili di stato
E(t) = e

n
t

sin (

t) cos (

t)

n
sin (

t) +

cos (

t)
n
cos (

t)

sin (

t)

n
=
_
k
m
;

=
n
_
1
2
(1.17)
Assumendo questa forma per presentare la soluzione ad ogni istante, per
imporre le condizioni iniziali (al tempo t = t
0
) basta scrivere
z (t
0
) = z
0
= z
g0
+z
p0
= E(t
0
) c +z
p0
(1.18)
dalla quale si pu`o ricavare il vettore c
c = E
1
(t
0
) (z
0
z
p0
) (1.19)
Se si sostituisce la 1.19 nella prima delle 1.16 e se si indica con t

= t t
0
il
tempo contato a partire dalle condizioni iniziali, si ottiene
z (t

) = (t

) (z
0
z
p0
) +z
p
(t

) (1.20)
nella quale la matrice (t

) `e detta matrice di transizione delloscillatore ele-


mentare, in quanto governa la fase transitoria della risposta. A regime, se > 0,
si avr`a z(t) = z
p
(t). Si noti che, se lo stato iniziale del sistema coincide con lo
stato iniziale della soluzione particolare z
0
= z
(
p0), si ha sempre z(t) = z
p
(t),
cio`e la fase transitoria iniziale `e annullata (anche se = 0).
La matrice di transizione pu`o essere posta nella forma
(t

) = E(t

) E
1
(t
0
) =

2
n
g (t

) h(t

2
n
h(t

)

h(t

(1.21)
con
g (t) =
1

2
n
exp (
n
t)
_
cos (

t) +

n

sin (

t)
_
h(t) = g (t) =
1

exp (
n
t) sin (

t)

h(t) = exp (
n
t)
_
cos (

t)

n

sin (

t)
_
(1.22)
Per lunicit`a della soluzione del problema dinamico, la 1.20 `e anche soluzione
dellequazione del moto 1.13 o 1.14, scritta in termini di variabili di stato, cio`e
nella forma 1.5 nella quale si ponga
D =

0 1

2
n
2
n

; v =

0
1
m

(1.23)
La soluzione della 1.5 `e espressa dalla 1.12. Dal confronto della 1.12 con la
1.20 si deduce che deve essere
(t) = exp (Dt) (1.24)
Utilizzando questa relazione, insieme alla 1.21, `e possibile denire le pro-
priet`a fondamentali della matrice di transizione
1.2 Sistema ad un grado di libert`a 9
a) (0) = I ; (+) = 0
b) (t
2
t
1
) (t
1
t
0
) = (t
2
t
0
)
c) (kt) =
k
(t)
d)
1
(t
1
t
2
) = (t
2
t
1
)
e)

(t) = D(t) = (t) D
f)

(t) = D(t) = (t) D
g)
_
(t) dt = D
1
(t) = (t) D
1
(1.25)
1.2.1 Risposta al gradino unitario e allimpulso unitario
Le funzioni gradino unitario e impulso unitario appartengono alla classe del-
le cosiddette distribuzioni o funzioni improprie o funzioni generalizzate. Tali
funzioni si deniscono come segue
U (t t
0
) = U (t

) =
_
_
_
0 t < t
0
1
2
t = t
0
1 t > t
0
; (t t
0
) = (t

) =
_
0 t = t
0
+ t = t
0
(1.26)
Si citano alcune propriet`a di queste funzioni
a) (t

) =
d
dt
U (t

) ; U (t

) =
_
t

(t

) dt
b)
_
+

(t) dt = 1
c)
_
+

(t

) f (t) dt = f (t
0
)
(1.27)
La risposta al gradino unitario, con condizioni iniziali nulle, `e data da
x
g1
(t

) =
1
m
_
1

2
n
+g (t

)
_
(1.28)
dove g(t) ha lespressione riportata in 1.22.
In modo analogo si pu`o mostrare che la risposta allimpulso unitario, con
condizioni iniziali nulle, `e data da (ved. equazione (6.3) di [4])
x
i1
(t

) =
1
m
h(t

) U (t

) =
1
m
g (t

) U (t

) (1.29)
dove h(t), g(t) sono date nella 1.22.
Si noti che tra x
g1
e x
i1
sussiste la relazione
x
i1
(t

) =
d
dt
x
g1
(t

) (1.30)
Nello spazio delle variabili di stato la risposta al gradino unitario e allimpulso
unitario, se le condizioni iniziali sono nulle, per 1.20 si pu`o scrivere
z (t

) = (t

) z
p0
+z
p
(t

) (1.31)
10 Variabili di stato
Nel caso di risposta al gradino unitario il vettore z
p
si pu`o trovare come una
soluzione della seguente equazione dierenziale
z (t

) = Dz (t

) +v ; z
_
t
+
0
_
= 0 (1.32)
dove t
+
0
rappresenta listante appena successivo allapplicazione delleccita-
zione, che `e considerato come condizione iniziale dellequazione dierenziale.
La soluzione particolare pu`o essere posta nella forma
z
g1p
(t

) = D
1
vU (t

) (1.33)
e quindi la soluzione completa vale
z
g1
(t

) = [(t

) I] D
1
vU (t

) (1.34)
La suddetta relazione pu`o essere anche posta nella forma
z
g1
(t

) =

x
g1
(t

)
x
g1
(t

=
1
m

g (t

) +
1

2
n
h(t

U (t

) (1.35)
La soluzione allimpulso unitario, in termini di variabili di stato, pu`o ot-
tenersi per derivazione della z
g
. Dopo semplici passaggi, tenendo conto delle
propriet`a della matrice di transizione, si ottiene
z
i1
(t

) = (t

) vU (t

) (1.36)
Questa relazione pu`o essere posta nella forma
z
i1
(t

) =

x
i1
(t

)
x
i1
(t

=
1
m

h(t

h(t

U (t

) (1.37)
1.2.2 Risposta ad una forzante qualunque
Una soluzione particolare ad una forzante qualunque, che ha inizio al tempo
t = t
0
, pu`o essere espressa dallintegrale di Duhamel o di sovrapposizione o di
convoluzione (ved. par. 6.3 di [4])
x
p
(t

) =
1
m
_
t
t
0
h(t )f () d t t
0
(1.38)
dove h(t) `e espresso dalla seconda delle 1.22.
Nello spazio delle variabili di stato lintegrale di Duhamel assume la forma
z
p
(t

) =
_
t
t
0
(t )vf () d t t
0
(1.39)
Si noti che le relazioni 1.38 e 1.39 non includono gli eetti delle condizioni
iniziali. Inoltre i valori iniziali della soluzione particolare nella forma dellinte-
grale di Duhamel sono identicamente nulli (x
p0
= 0; x
p0
= 0; z
p0
= 0).
Pertanto, se le condizioni iniziali non sono nulle, alla soluzione particolare, nel-
la forma dellintegrale di Duhamel, occorre aggiungere la soluzione generale
dellequazione omogenea. La soluzione totale `e quindi espressa da
1.2 Sistema ad un grado di libert`a 11
x(t

) =
1
m
_

2
g (t

) x(t
0
) +h(t

) x(t
0
) +
+
_
t
t
0
h(t )f () d
_
t t
0
(1.40)
z (t

) = (t

) z (t
0
) +
_
t
t
0
(t )vf () d t t
0
(1.41)
1.2.3 Analisi dinamica nel dominio della frequenza
Applicando la trasformata integrale di Fourier alla 1.13 si ottiene (ved. par.
14.2 di [4])
_

2
m+ic +k
_
X () = F () (1.42)
dalla quale si ricava che la funzione di trasferimento del sistema, associata
alla trasformata integrale di Fourier, `e data da
G() =
X()
F()
=
1
k
2
m+ic
=
=
1
m(
2
n

2
+i2
n
)
= |G()| e
i
G
()
(1.43)
dove
|G()| =
1
m
_
(
2
n

2
)
2
+ 4
2

2
n

2
; tan [
G
()] =
2
n

2
n

2
(1.44)
Linversa della funzione di trasferimento `e detta rigidezza dinamica dello-
scillatore elementare.
Se si adotta per la trasformata integrale di Fourier la denizione n. 1 di tab.
14.1 di [4] la trasformata delleccitazione F() `e data da
F () =
_
+

f (t) e
it
dt (1.45)
Poich`e la trasformata di Fourier dellimpulso unitario agente a t
0
= 0 `e una
costante, indipendente da e pari ad uno, la funzione di trasferimento pu`o
essere considerata come la trasformata di Fourier della risposta delloscillatore
elementare sottoposto a tale impulso unitario.
Se la trasformata di Fourier delleccitazione `e posta nella forma
F () = |F ()| e
i
F
()
(1.46)
la risposta del sistema pu`o esprimersi
X () = G() F () = |G()| |F ()| e
i[
G
()+
F
()]
(1.47)
Una volta valutata la risposta nel dominio della frequenza, si pu`o determi-
nare la relativa risposta nel dominio del tempo eseguendo la trasformata inversa
12 Variabili di stato
o antitrasformata.
Lantitrasformata integrale di Fourier di X() e di

X() `e data da
x(t) =
1
2
_
+

X ()e
it
d =
1
2
_
+

G()F () e
it
d
x(t) =
1
2
_
+

iX ()e
it
d =
1
2
_
+

iG()F () e
it
d
(1.48)
La formulazione nel dominio della frequenza pu`o essere fatta usando le va-
riabili di stato. Basta applicare la trasformata integrale di Fourier alla relazione
1.5 con matrice D e vettore v deniti dalla 1.23 per ottenere
iZ() = DZ() +vF () (1.49)
da cui si ricava
Z() = (iI D)
1
vF () = G
z
() F () (1.50)
dove
G
z
() = (iI D)
1
v =

G()
iG()

(1.51)
Il vettore G
z
`e talvolta chiamato vettore di trasferimento nello spazio delle
variabili di stato. Questo vettore coincide con la trasformata di Fourier della
risposta allimpulso unitario z
i
1(t) nelle variabili di stato.
Si noti che la 1.50 rappresenta la trasformata di Fourier della soluzione ge-
nerale della 1.5 per condizioni iniziali nulle. Se le condizioni iniziale sono non
nulle allistante t = t
0
, in cui `e applicata la forzante, la funzione risposta, nel
dominio della frequenza va determinata applicando loperatore trasformata di
Fourier alla 1.41 ottenendo
Z() = () z
0
+G
z
() F () (1.52)
dove () `e la trasformata di Fourier della matrice di transizione (t).
1.3 Sistema a molti gradi di libert`a
Lequazione del moto di un sistema a molti gradi di libert`a con smorzamento
viscoso pu`o essere scritta nella forma ( ved. eq. (18.2) di [4])
M x(t) +C x(t) +Kx(t) = P(t) (1.53)
Il problema dinamico `e correttamente denito quando si conoscono i valori
iniziali dei vettori spostamento e velocit`a, che saranno indicati con bfx
0
= x(t
0
)
e bfv
0
= x(t
0
).
Se il sistema `e lineare, la soluzione della 1.53 pu`o essere eseguita con i
seguenti metodi
1. metodo della sovrapposizione modale
1.3 Sistema a molti gradi di libert`a 13
2. metodo di integrazione diretta dellequazione del moto
3. metodo della trasformazione integrale
Se il sistema `e non lineare, la soluzione della 1.53 pu`o essere eseguita quasi
esclusivamente con il metodo di integrazione diretta dellequazione del moto.
Per questo metodo e per quello della trasformazione integrale si rimanda com-
pletamente a [4].
Per i sistemi lineari il metodo pi` u usato e pi` u citato nelle normative `e quel-
lo della sovrapposizione modale, per il quale si vuol aggiungere alcune note a
quanto gi`a esposto nel par. 18.1 di [4].
Il metodo della sovrapposizione modale consiste nel trovare la soluzione x(t)
come combinazione lineare degli autovettori del sistema
x(t) =
n

i=1
a
i
(t)Y
i
= Ya(t) (1.54)
dove Y`e la matrice degli autovettori o matrice modale, la cui i-esima colonna
Y
i
rappresenta lautovettre i-esimo. Le n quantit`a reali a
i
(t) sono dette coef-
cienti di partecipazione modali. Talvolta vengono chiamate anche spostamenti
modali o normali per distinguerli dagli elementi del vettore x(t), che vengono
detti spostamenti generalizzati nodali o geometrici.
La relazione 1.54 rappresenta il legame tra le variabili nodali o geometriche e le
variabili modali o normali.
Un legame simile pu`o essere espresso tra le variabili di stato nodali o geome-
triche z(t) e le variabili di stato modali o normali w(t)
z (t) = w(t) (1.55)
dove
z (t) =

x(t)
x(t)

; w(t) =

a(t)
a(t)

; =

Y 0
0 Y

(1.56)
Se la matrice Y `e ortonormale rispetto alla matrice di massa `e immediato
ricavare la relazione inversa della 1.54
a(t) = Y
T
Mx(t) ; Y
T
M = Y
1
(1.57)
che permette di esprimere il vettore x(t), denito nella base cartesiana no-
dale, nelle nuova base denita dagli autovettori.
Quindi il vettore a(t) `e limmagine nello spazio modale del vettore incognito
x(t) nello spazio nodale.
Analogamente il vettore x(t) `e limmagine nello spazio nodale del vettore a(t)
denito nello spazio modale.
La corrispondenza tra i due spazi `e biunivoca.
14 Variabili di stato
1.3.1 Matrice di smorzamento
Per unapplicazione razionale del metodo della sovrapposizione modale si richie-
de che la matrice di smorzamento sia ortogonale ai modi propri o autovettori
del sistema non smorzato (eq. 18.4 di [4])
Y
T
i
CY
k
=
ik

i
; Y
T
CY = (1.58)
dove
ik
`e la funzione delta di Kronecker, Y `e la matrice degli autovettori,
Y
i
eY
k
sono, rispettivamente, li.esimo e il k.esimo autovettore, `e una matri-
ce diagonale detta matrice di smorzamento o di dissipazione modale, che ha
i
come termine i.esimo disposto sulla sua diagonale.
Se gli autovettori sono stati normalizzati rispetto alla matrice di massa, la gene-
rica equazione relativa al coeciente generico di partecipazione modale a
i
pu`o
essere scritta
a
i
(t) + 2
i

i
a
i
(t) +
2
i
a
i
(t) = p
i
(t)
2
i

i
=
i
; p
i
(t) = Y
T
i
P(t)
(1.59)
che ha la stessa forma dellequazione dinamica di un oscillatore elementare
di massa unitaria. Essa risulta disaccoppiata dallequazioni relative agli altri
coecienti di partecipazione modali.
Quando la matrice di smorzamento possiede la propriet`a 1.58 si dice che il
sistema `e classicamente smorzato.
E stato dimostrato che condizione necessaria e suciente anch`e un sistema
sia classicamente smorzato `e che sia vericata la seguente relazione
CM
1
K = KM
1
C (1.60)
Condizioni sucienti anche un sistema sia classicamente smorzato sono:
C = M+K (1.61)
nota come matrice di smorzamento di Rayleigh o matrice di smorzamento
proporzionale;
C = M+K+M
_
n1

i=2

i
_
M
1
K
_
i
_
(1.62)
nota come matrice di smorzamento di Caughey. n sono i gradi di libert`a
della sistema.
Si pu`o dimostrare che le suddette matrici 1.61 e 1.62 soddisfano la condizio-
ne 1.60.
Se il sistema non `e classicamente smorzato la matrice di smorzamento modale
non `e diagonale. I termini fuori diagonale di tale matrice possono essere consi-
derati come misura del grado di non classicit`a del sistema. Un modo per denire
tale grado `e quello di introdurre il cosiddetto coeciente di accoppiamento
cos` denito
1.3 Sistema a molti gradi di libert`a 15
= max
_

2
ij

ii

jj
_
; (i, j = 1, 2...n) i = j ; 0 < 1 (1.63)
1.3.2 Equazioni del moto in termini di variabili di stato
Il sistema di n equazioni dierenziali del secondo ordine 1.53 pu`o essere sosti-
tuito da un sistema di 2n equazioni dierenziali del primo ordine introducendo
il vettore delle variabili di stato, denito dalla prima relazione della 1.56.
Possono essere scelti diversi modi per ottenere le 2n equazioni del primo
ordine: uno `e quello riportato nel par. 18.1 di [4], laltro `e quello descritto in
[1], che conduce a matrici simmetriche. Seguendo questo secondo metodo si
associa alla 1.53 lidentit`a
M x(t) M x(t) = 0 (1.64)
e si ottiene
A z (t) +Bz (t) = P

(t) ; z
0
= z (t
0
) =

x
0
v
0

(1.65)
dove
A =

C M
M 0

; B =

K 0
0 M

; P

P
0

(1.66)
1.3.3 Vibrazioni libere di un sistema classicamente smor-
zato
Le vibrazioni libere di un sistema classicamente smorzato possono essere espresse
dalla relazione (ved. eq. (4.27) di [4])
x(t) =
n

i=1
e

i
t
_
a
i0
cos
_

i
t
_
+
1

i
( a
i0
+
i

i
a
i0
) sin
_

i
t
__
Y
i

i
=
i
_
1
2
i
; a
i0
= Y
T
i
Mx
0
; a
i0
= Y
T
i
Mv
0
(1.67)
Normalmente, nella Dinamica delle Strutture, si fa lipotesi che il rappor-
to di smorzamento sia costante per tutti i modi. In tal caso il contributo alle
vibrazioni libere e alla fase transiente della risposta, fornito dai modi ad alta
frequenza, si attenua pi` u velocemente di quello dei modi a bassa frequenza.
Pertanto, tenendo anche conto del fatto che le forzanti hanno generalmente con-
tenuto in energia pi` u elevato alle basse frequenze, vengono considerati pi` u im-
portanti nellanalisi dinamica i primi modi di vibrare, cio`e quelli corrispondenti
alle frequenze pi` u basse.
16 Variabili di stato
1.3.4 Vibrazioni libere di un sistema non classicamente
smorzato
Se un sistema non `e classicamente smorzato si pu`o eseguire lanalisi strutturale
con metodi diversi dalla sovrapposizione modale, quali i metodi di trasforma-
zione integrale o i metodi di integrazione diretta delle equazioni del moto (ved.
[4]).
Si pu`o comunque usare il metodo della sovrapposizione modale se, al posto dei
modi propri naturali del sistema non smorzato, si prendono a riferimento i modi
propri (e i relativi autovalori) complessi del sistema smorzato. Per far ci`o si
possono seguire diverse vie alternative (ved. par. 18.1 di [4] e [1]).
E stato dimostrato che, per determinare gli autovalori del sistema smorzato,
conviene far riferimento alle variabili di stato, usate nellequazione 1.65. Per il
calcolo degli autovalori occorre porre in tale equazione P

(t) = 0. La soluzione
di tale equazione si pu`o esprimere nel modo seguente
z (t) = re
t

Y ;

Y =

(1.68)
nella quale

Y `e lautovettore complesso nello spazio a 2n dimensioni.
Si noti che i secondi n elementi di questo vettore sono le derivate temporali dei
primi n, e quindi non sono indipendenti dai primi.
Sostituendo la 1.68 nella 1.65 (con P

(t) = 0) si ottiene
( A+B)

Y = 0 (1.69)
Poiche A e B sono simmetriche le soluzioni della 1.69 sono complesse e co-
niugate a coppie.
Gli autovettori

Y
j
, determinati a meno di una costante arbitraria, sono or-
togonali rispetto alle matrici A e B. La costante arbitraria viene denita,
normalmente, imponendo la condizione di normalit`a rispetto alla matrice A

Y
T
s
A

Y
j
=
sj


Y
T
A

Y = I
2n
(1.70)
Si deduce che

Y
T
s
B

Y
j
=
j

sj


Y
T
B

Y = (1.71)
La matrice

Y `e data da

Y =


Y
1

Y
2
...

Y
n

Y

1

Y

2
...

Y

(1.72)
mentre la matrice diagonale vale
= diag
_

1
,
2
, ...
n
,

1
,

2
, ...

n
_
(1.73)
Lasterisco * indica la quantit`a complessa coniugata.
La matrice

Y, in analogia al caso reale, `e detta matrice modale complessa.
La condizione di normalit`a 1.70, tenendo conto delle relazioni 1.66 pu`o essere
messa nella seguente forma
1.3 Sistema a molti gradi di libert`a 17

Y
T
s
C

Y
j
+
s

Y
T
s
M

Y
j
+
j

Y
T
s
M

Y
j
=
sj
(1.74)
Tale condizione, coinvolgendo anche la matrice di smorzamento, risulta com-
pletamente diversa dalla condizione di ortonormalit`a rispetto alla matrice di
massa degli autovettori del sistema non smorzato.
La condizione 1.71, usando ancora le relazioni 1.66, pu`o essere messa nella
forma

Y
T
s
K

Y
j

j

s

Y
T
s
M

Y
j
=
j

sj
(1.75)
Nel caso di sistema libero, la soluzione della 1.53, dovendo essere reale, avr`a
la forma seguente
x(t) =
2n

j=1
r
j
e

j
t

Y
j
= 2
n

j=1
Re
_
r
j
e

j
t

Y
j
_
(1.76)
dove
r
j
=

Y
T
j
(
j
M+C) x
0
+

Y
T
j
Mv
0
(1.77)
Imponendo le condizioni iniziali allistante t = 0 si ottiene
x(t) = 2
n

j=1
e

j
t
{b
j
[cos (
i
t)
j
sin (
i
t)
j
]
d
j
[cos (
i
t)
j
+ sin (
i
t)
j
]}
(1.78)
dove

j
=
j
+i
j
;

Y
j
=
j
+i
j
(1.79)
b
j
e d
j
, che dipendono dalle condizioni iniziali, sono la parte reale e imma-
ginaria di r
j
.
b
j
= Re [ r
j
] =
T
j
(
j
M+C) x
0

T
j
Mx
0
+
T
j
Mv
0
d
j
= Im[ r
j
] =
T
j
(
j
M+C) x
0
+
j

T
j
Mx
0
+
T
j
Mv
0
(1.80)
La 1.78 descrive le vibrazioni libere di strutture non classicamente smorzate.
Per interpretare il signicato sico degli autovalori e autovettori complessi
conviene applicare ai sistemi classicamente smorzati la soluzione generale 1.78
e confrontarla con la soluzione 1.67, valida per questi particolari sistemi.
Poiche, per lunicit`a della soluzione, la 1.78 deve coincidere con la 1.67, quando
il sistema `e classicamente smorzato, si deduce che deve essere

j
=
j

j

j
=
j
_
1
2
j

j
=
_

2
j
+
2
j

j
=

j
(1.81)
per cui `e possibile esprimere lautovalore complesso nella forma seguente
18 Variabili di stato

j
=
j
+i
j
=
j

j
+i
j
_
1
2
j
(1.82)
Le precedenti relazioni consentono di aermare che:
il modulo dellautovalore complesso
j
, autosoluzione della 1.69, ha le
dimensioni di una pulsazione naturale;
la parte immaginaria dellautovalore complesso
j
, argomento delle
funzioni circolari nella rappresentazione di Eulero dei numeri complessi,
ha lo stesso ruolo della pulsazione naturale ridotta nel caso di sistemi
classicamente smorzati;
la parte dellautovalore complesso
j
, che `e sempre negativa, nel caso di
sistemi dinamici stabili, divisa per il modulo e cambiata di segno, ha lo
stesso ruolo del rapporto di smorzamento nei sistemi classicamente
smorzati.
Da quanto sopra si deduce che, nel caso di strutture non smorzate, si ha

j
= 0 ;
j
=
j
(1.83)
dalla quale si ricava che le strutture non smorzate hanno, nello spazio delle
variabili di stato, autovalori puramente immaginari.
Nel caso di strutture non smorzate, tenendo presente che

2i = 1+i; 1/(1+
i) = (1 i)/2, `e immediato vericare le seguenti relazioni

j
= i
j

j
= i
j

Y
j
=
(1i)
2

j
Y
j
Y
j
=
_
i2
j

Y
j
(1.84)
dove Y
j
`e il generico autovettore reale e

Y
j
`e il corrispondente autovettore
complesso.
Nel caso di strutture classicamente smorzate, gli autovalori e autovettori
complessi si calcolano una volta assegnato, ai vari modi, il rapporto di smorza-
mento viscoso
j
e risolto il problema degli autovalori naturali (modi propri di
vibrare del sistema non smorzato). Lautovalore complesso
j
`e dato da

j
=
j

j
+i

j
;

j
=
j
_
1
2
i
(1.85)
La relazione tra il generico autovettore reale Y
j
ed il corrispondente auto-
vettore complesso

Y
j
`e espressa da

Y
j
=
(1 i)
2
_

j
Y
j
Y
j
=
_
i2

Y
j
(1.86)
In questo caso, oltre alla ortonormalit`a rispetto alla matrice di massa e allor-
togonalit`a rispetto alla matrice di rigidezza, gli autovettori reali sono ortogonali
rispetto alla matrice di smorzamento
1.3 Sistema a molti gradi di libert`a 19
Y
T
s
CY
j
= 2
j

sj
(1.87)
Le vibrazioni libere di un sistema non classicamente smorzato, in termini
di variabili di stato, possono essere determinate o utilizzando la 1.78 e la sua
derivata per determinare il vettore delle variabili di stato z(t) o cercando le
soluzioni dellequazione
z (t) =
N
(t

) z
o
(1.88)
formalmente identica alla 1.10.
Ricercando la soluzione in termini di variabili di stato si perviene alla deni-
zione di una matrice
N
(t) di transizione del sistema dinamico, funzione delle
autosoluzioni complesse del problema 1.69.
Per i dettagli su questultimo modo di valutare la soluzione, si rimanda a [1].
Preme solo far presente che, per lunicit`a della soluzione, i due metodi devono
fornire la stessa soluzione.
1.3.5 Vibrazioni forzate di un sistema classicamente smor-
zato
Per i motivi sopra indicati, si adotta il metodo della sovrapposizione modale,
secondo il quale la soluzione `e espressa dalla relazione 1.54.
La soluzione di un sistema classicamente smorzato, relativa al modo proprio
i-esimo, `e data dalla somma della soluzione del sistema libero (equazione die-
renziale omogenea), data dalla 1.67, e di una soluzione particolare del sistema
completo (con termine noto pari a p
i
).
La soluzione particolare pu`o essere rappresentata dallintegrale di Duhamel data
dalla 1.38.
La soluzione completa in termini di variabili di stato `e data dalla 1.41, dove si
ponga p
i
() al posto di f() e si ponga il pedice i alle variabili z(t) e .
Una volta denita la risposta a
i
(t) del generico oscillatore elementare, rela-
tivo al modo proprio i-esimo, si pu`o risalire alla risposta globale del sistema, in
termini di variabili di stato, introducendo il vettore w(t) denito dalla seconda
relazione di 1.56, che pu`o essere posto nella forma
w(t) =
M
(t

) z (t
0
) +
_

t
0

M
(t )V
M
f () d (1.89)
dove
M
rappresenta la matrice di transizione nello spazio modale.
Questa equazione rappresenta la soluzione, in forma integrale, delle equazioni
del moto nello spazio delle variabili di stato modali.// La soluzione, in forma
integrale, delle equazioni del moto nello spazio delle variabili di stato nodali `e
data da questa relazione, analoga alla precedente,
z (t) =
N
(t

) z (t
0
) +
_

t
0

N
(t )V
N
f () d (1.90)
20 Variabili di stato
dove
N
rappresenta la matrice di transizione nello spazio nodale.
Si noti che la 1.90 `e anche formalmente analoga alla 1.37.
Per le espressioni di
M
e di
N
di sistemi classicamente smorzati si rimanda
a [1].
Per sistemi non classicamente smorzati occorre applicare la cosiddetta analisi
modale non classica basata sulluso degli autovalori e autovettori complessi. In
questa analisi, nello spazio delle variabili di stato modali, si introduce questa
trasformazione di coordinate
w(t) =

Y
M
a(t) (1.91)
dove a(t) `e il vettore delle coordinate modali complesse, di ordine 2n, e

Y
M
`e la matrice modale complessa.
La soluzione del problema `e ancora data, nello spazio delle variabili di stato
modali, dalla 1.89 ma la matrice di transizione nello spazio modale `e espressa
da

M
(t) =

Y
M
exp (
M
t)

Y
T
M
A
M
(1.92)
1.4 Metodi di correzione modale
Nella pratica il metodo della sovrapposizione modale viene applicato in forma
ridotta, cio`e utilizzando un numero q di autovalori e autovettori inferiore al nu-
mero n dei gradi di libert`a del sistema (ved. par. 19.1 di [4]).
Tale riduzione viene talvolta indicata col nome di troncamento modale.
Il numero q `e determinato dal contenuto in frequenza delleccitazione. Il massi-
mo autovalore ridotto deve avere pulsazione maggiore della massima pulsazione
dello spettro in frequenza delleccitazione.
Pi` u precisamente la pulsazione massima del sistema ridotto
max R
deve soddi-
sfare questa condizione

max R
>

max f
0.6
(1.93)
dove
max f
rappresenta la massima pulsazione delleccitazione.
I metodi di correzione modale sommano alla risposta dinamica valutata col
metodo della sovrapposizione modale ridotta (MDM) un termine correttivo che
tiene conto in forma pseudo-statica dei modi ad alta frequenza.
Tra questi metodi il pi` u celebre `e il metodo delle accelerazioni modali (MAM)
secondoo il quale la soluzione `e espressa da
x
MAM
(t) = Y
R
a
R
(t) +
_
K
1
Y
R

R
Y
T
R
_
(1.94)
dove il pedice R sta per matrice o vettore ridotto ai primi q autovalori.
Il secondo termine a secondo membro rappresenta il termine correttivo. Ta-
le termine denisce il contributo pseudo-statico alla risposta dei modi ad alta
frequenza, che `e pari alla dierenza tra la risposta pseudo-statica K

1f (t), otte-
nuta dallequazione del moto annullando le forze dinerzia e viscose,e limmagine
1.4 Metodi di correzione modale 21
nello spazio nodale della risposta pseudo-statica valutata nello spazio modale
ridotto.
Quando gli elementi del vettore forzante sono derivabili no allordine N si
pu`o applicare il metodo delle forze derivate (FDM) secondo il quale la soluzione
`e espressa da questa relazione
x
FDM
(t) = x
MAM
(t) +
N

r=2
_
A
r
Y
R
B
r
Y
T
R
_
d
r1
dt
r1
f (t) (1.95)
dove
A
r
= K
1
(CA
r1
+MA
r2
) ; B
r
=
2
R
(
R
B
r1
+B
r2
)
A
0
= 0 ; A
1
= K
1
; B
0
= 0 ; B
1
=
2
R
(1.96)
Il numero N denisce lordine del metodo delle forze derivate. Dallesame
della 1.95 si deduce che il metodo delle accelerazioni modali pu`o essere inter-
pretato come il metodo delle forze dxerivate di ordine 1.
Alternativo allMAM e allFDM`e il metodo della correzione dinamica (DCM)
secondo il quale la risposta nodale corretta pu`o essre messa nella forma
x
DCM
(t) = Y
R
a
R
(t) + [x
p
(t) Y
R
a
p
(t)] (1.97)
nella quale x
p
(t) e a
p
(t) sono le soluzioni particolari dellequazione del moto
nello spazio nodale e in quello modale ridotto.
Si pu`o dimostrare che sia lMAM, sia lFDM sono casi particolari dellFDM, che
pu`o essere considerato come il pi` u generale ed il pi` u accurato tra i metodi di
correzione modale attualmente proposti in letteratura.
Capitolo 2
Dinamica aleatoria
Le note che seguono rappresentano dei complementi degli argomenti trattati nei
cap. 41, 42, 43, 44 e nellapp. B del testo [4], che si intendono gi`a acquisiti.
Pertanto non si far`a riferimento a concetti gi`a illustrati in tale testo, salvo poche
eccezioni.
2.1 Variabili aleatorie
2.1.1 Frattili di una variabile aleatoria
Si consideri una variabie aleatoria continua i cui valori costituiscono un insieme,
detto spazio campione, indicato con X. x `e un elemento di tale spazio. La
funzione distribuzione di probabilit`a F
X
(x) `e denita da
F
X
(x) = P [X x] (2.1)
La funzione densit`a di probabilit`a `e espressa da
p
X
(x) =
dF
X
(x)
dx
(2.2)
Tra F e p sussiste quindi la relazione
F
X
(x) =
_
x

p
X
()d (2.3)
Fissato un numero reale k compreso tra 0 e 1, `e possibile avere uno ed un
sol valore x
(i)
k
ed uno ed un sol valore x
(s)
k
dello spazio campione di X tale che
P
_
X x
(i)
k
_
= F
X
_
x
(i)
k
_
= k ; P
_
X x
(s)
k
_
= 1 F
X
_
x
(s)
k
_
= k
(2.4)
I valori x
(i)
k
e x
(s)
k
si deniscono, rispettivamente, frattile inferiore e frattile
superiore di ordine k, oppure frattile inferiore al k per cento e frattile superiore
al k per cento; in particolare se k = 1/2 si ha la mediana.
24 Dinamica aleatoria
2.1.2 Funzione caratteristica
La funzione caratteristica di una variabile aleatoria `e la media stocastica della
funzione exp(iX) dove i `e lunit`a immaginaria e `e un parametro reale. La
funzione caratteristica `e data quindi dalla relazione
M
X
() = E
_
e
ix

=
_
+

e
ix
p
X
(x)dx (2.5)
Si pu`o dimostrare [1] il seguente legame tra i momenti e la funzione carat-
teristica
M
X
() = 1 + (i) m
1
[X] +
(i)
2
2!
m
2
[X]
2
+... =

j=0
(i)
j
j!
m
j
[X]
j
(2.6)
che mostra il fatto che i momenti, a meno del coeciente (i)
j
, rappresen-
tano i coecienti dello sviluppo in serie di Taylor della funzione caratteristica.
Ne consegue che, noti i momenti, si pu`o calcolare la funzione caratteristica e
da questultima si pu`o risalire alla funzione densit`a di probabilit`a mediante la
trasformata inversa di Fourier
p
X
(x) =
1
2
_
+

e
ix
M
X
()d (2.7)
Tutti i momenti sino allordine innito deniscono, quindi, in modo comple-
to, da un puno di vista probabilistico, la variabile aleatoria X.
2.1.3 Cumulanti
Log-funzione caratteristica e cumulanti
La log-funzione caratteristica ln M
X
() `e denita come il logartimo naturale di
M
X
().
Se si esegue lo sviluppo in serie di Taylor della log-funzione caratteristica si
ottiene [1]
ln M
X
() =

j=1
(i)
j
j!
k
j
[X]
j
(2.8)
dove
k
j
[X] =
1
(1)
j
_
d
j
ln M
X
()
d
j
_
=0
(2.9)
I coecienti k
j
[X] sono detti cumulanti o semi-invarianti della variabile
aleatoria X.
Conoscendo i cumulanti si pu`o determinare la funzione caratteristica valu-
tando lesponenziale di ambo i membri della 2.8
2.1 Variabili aleatorie 25
M
X
() = exp
_
_

j=1
(i)
j
j!
k
j
[X]
j
_
_
(2.10)
Se sono noti i cumulanti di qualunque ordine della variabile aleatoria X,
dalle 2.10 e 2.7 si pu`o ricavare la sua densit`a di probabilit`a. E quindi possibile
caratterizzare la variabile aleatoria X una volta noti tutti i suoi cumulanti.
Relazioni tra momenti e cumulanti
Si pu`o dimostrare che valgono le seguenti relazioni tra momenti e cumulanti
m
r
= k
r
+
r1

j=1
(r 1)!
j! (r 1 j)!
k
rj
m
j
(2.11)
Le prime 3 relazioni sono quindi
m
1
= k
1
m
2
=
2
X
= k
2
+k
1
m
1
m
3
= k
3
+ 2k
2
m
1
+k
1
m
2
(2.12)
Dalle relazioni precedenti si possono ricavare le relazioni inverse tra cumu-
lanti e momenti.
A titolo di esempio si riportano le prime 3 relazioni inverse
k
1
= m
1
=
X
k
2
= m
2
m
1
k
1
= m
2
m
2
1
=
2
X
k
3
= m
3
2m
1
k
2
m
2
k
1
= m
3
3m
1
m
2
+ 2m
3
1
(2.13)
Il primo cumulante coincide con la media; il secondo con la varianza. Il terzo
e gli altri cumulanti danno informazioni sulla forma della densit`a di probabilit`a:
in particolare sulla simmetria o meno della stessa e sul grado di appiattimento
rispetto ad una particolare densit`a di probabilit`a detta normale. La densit`a di
probabilit`a normale ha tutti i cumulanti, maggiori del secondo, nulli.
2.1.4 Indici sintetici di una variabile aleatoria
Una variabile aleatoria `e completamente denita se si conoscono la funzione den-
sit`a di probabilit`a o la funzione distribuzione di probabilit`a. Tuttavia, quando
queste funzioni non sono note, `e possibile avere delle informazioni sulla forma
della funzione densit`a di probabilit` a attraverso alcune qauntit`a denite indici
sintetici della variabile aleatoria.
Si riportano di seguito alcuni indici sintetici:
media
deviazione standard
frattili
moda
La moda rappresenta il valore a cui compete il massimo della densit`a di
probabilit`a; se la densit`a di probabilit`a ha pi` u massimi, la moda non `e
unica e la variabile aleatoria si dice multimodale
26 Dinamica aleatoria
coecente di asimmetria denito dalla relazione

a
=
k
3
k
3/2
2
coeciente di eccesso denito dalla relazione

e
=
k
4
k
2
2
La densit`a di probabilit`a normale `e una densit`a di probabilit`a unimodale,
che possiede coecienti di asimmetria e di eccesso nulli. Per tale densit`a, la
moda, la media e la mediana coincdono.
2.1.5 Variabili aleatorie gaussiane
La distribuzione normale o gaussiana `e considerata la pi` u importante tra quelle
impiegate nella teoria della probabilit`a. Tale importanza `e attribuita ai risultati
enunciati nel Teorema del Limite Centrale che aerma Se una variabile alea-
toria X `e generata da una somma di un gran numero di variabili aleatorie tra
loro indipendenti, allora la variabile aleatoria X avr`a una distribuzione gaussia-
na, qualunque siano le distribuzioni delle variabili aleatorie che compaiono nella
somma.
Spesso, nellesame delle variabili aleatorie, `e conveniente ricondursi alla co-
siddetta variabile aleatoria ridotta o standardizzata; tale variabile Z si denisce
attraverso la trasformazione lineare
Z =
X
X

X
(2.14)
Nel caso di variabile aleatoria gaussiana la funzione densit`a di probabilit`a
della variabile aleatoria standardizzata assume la seguente espressione
p
Z
(z) =
1

2
e
z
2
/2
(2.15)
La 2.15 rappresenta una densit`a gaussiana a media nulla e varianza unita-
ria, che viene denominata funzione densit`a di probabilit` a della variabile aleatoria
normale standardizzata.
Nei manuali vengono tabellata la funzione p
Z
(z), la corrispondente funzione
distribuzione di probabilit`a F
Z
(z) e la seguente funzione degli errori (error
function) denita da
erf (z) =
1

2
_
z
0
exp
_

2
_
d = F
Z
(z)
1
2
(2.16)
Poiche la probabilit`a che la variabile aleatoria normale standardizzata Z sia
compresa negli intervalli [-1,1], [-2,2]e [-3,3] `e pari, rispettivamente a 0,6827,
0,9545 e 0,9973, segue che
P [
X

X
< X
X
+
X
] = 0.6827
P [
X
2
X
< X
X
+ 2
X
] = 0.9545
P [
X
3
X
< X
X
+ 3
X
] = 0.9973
(2.17)
2.1 Variabili aleatorie 27
La probabilit`a che la variabile aleatoria X sia contenuta negli intervalli
[
X
k
X
,
X
+k
X
] aumenta allaumentare di k.
Per k = 1.645 tale probabilit`a `e pari a 0.9.
2.1.6 Cambiamento di variabili
Si considerino due variabili aleatorie bidimensionali X
1
e X
2
, legate alle variabili
aleatorie Y
1
e Y
2
attraverso le seguenti funzioni
y
1
= g
1
(x
1
, x
2
) ; y
2
= g
2
(x
1
, x
2
) (2.18)
Se le funzioni g
1
(x
1
, x
2
) e g
2
(x
1
, x
2
) sono dierenziabili e tali che sussista una
relazione biunivoca tra y
1
, y
2
e x
1
, x
2
si dimostra che la densit`a di probabilit`a
bidimensionale tra Y
1
e Y
2
`e esprimibile in funzione di quella tra X
1
e X
2
attraverso la seguente relazione
p
Y
1
Y
2
(y
1
, y
2
) =
1
J
p
X
1
X
2
[h
1
(y
1
, y
2
) , h
2
(y
1
, y
2
)] (2.19)
nella quale J rappresenta il valore assoluto del determinante (o Jacobiano)
della seguente matrice Jacobiana della trasformazione
J =

g
1
x
1
g
1
x
2
g
2
x
1
g
2
x
2

x
1
=h
1
(y
1
,y
2
)
x
2
=h
2
(y
1
,y
2
)
(2.20)
e h
1
e h
2
sono due funzioni che deniscono il legame inverso tra y
1
, y
2
e
x
1
, x
2
x
1
= h
1
(y
1
, y
2
) ; x
2
= h
2
(y
1
, y
2
) (2.21)
Il cambiamento di variabili multidimensionali per trasformazioni lineari si
esegue nel modo seguente.
Si considerino due variabili aleatorie a n dimensioni X e Y legate tra loro dalla
seguente trsaformazione lineare (nel seguito si omette lindice n)
Y = AX X = A
1
Y (2.22)
nella quale A `e una matrice quadrata di ordine n non singolare.
Assegnata la densit`a di probabilit`a congiunta p
X
(x) `e possibile determinare
la densit`a di probabilit`a congiunta della variabile aleatoria multidimensionale
Y attraverso la seguente relazione
p
Y
(y) =
1
A
p
X
_
A
1
y
_
(2.23)
La matrice A coincide con la matrice Jacobiana della trasformazione.
Il vettore del valor medio e la matrice di covarianza delle due variabili
aleatorie sono legate tra loro dalle seguenti relazioni
28 Dinamica aleatoria

Y
= E[Y] = E[AX] = A
Y

Y
= E
_
(Y
Y
) (Y
Y
)
T
_
= A
X
A
T
(2.24)
2.1.7 Media e varianza di combinazioni di variabili alea-
torie
Si consideri una variabile aleatoria monodimensionale Y combinazione lineare
di n variabili aleatorie X
i
(i = 1, 2...n)
Y =
n

i=1
a
i
X
i
(2.25)
Si pu`o dimostrare che la media
Y
e la varianza
2
Y
di Y sono date da

Y
=
n

i=1
a
i
X
i
;
2
Y
=
n

i=1
n

j=1
a
i
a
j

X
i
X
j
(2.26)
dove
X
e
X
i
X
j
sono, rispettivamente, la media e la covarianza tra le va-
riabili aleatorie X
i
e X
j
.
Se le variabili aleatorie sono incorrelate (
X
i
X
j
= 0, i = j;
X
i
X
i
=
2
X
i
)
allora la seconda delle 2.26 assume la forma seguente

2
Y
=
n

i=1
a
2
i

2
X
i
(2.27)
nella quale
2
X
i
`e la varianza della variabile aleatoria X
i
.
Si consideri una variabile aleatoria descritta da una generica funzione scalare
delle n variabili aleatorie X
i
Y = f (X
1
, X
2
...X
n
) (2.28)
La media stocastica di tale variabile `e data da
E[f (X
1
, X
2
...X
n
)] =
_
+

_
+

...
_
+

f (x
1
, x
2
...x
n
)
p
X
1
X
2
...X
n
(x
1
, x
2
...x
n
) dx
1dx
2
...dx
n
(2.29)
dove p
X
1
X
2
...X
n
(x
1
, x
2
...x
n
) `e la funzione densit`a di probabilit`a congiunta
delle variabili X
i
.
Per la valutazione della varianza occorre calcolare il seguente integrale mul-
tiplo
E[f (X
1
, X
2
...X
n
)] =
_
+

_
+

...
_
+

f (x
1
, x
2
...x
n
)
p
X
1
X
2
...X
n
(x
1
, x
2
...x
n
) dx
1dx
2
...dx
n
(2.30)
2.2 Processi aleatori 29
Le relazioni 2.29 e 2.30 sono di dicile applicabilit`a in quanto richiedono la
conoscenza della funzione densit`a di probabilit`a congiunta delle variabili alea-
torie X
i
oltre che la valutazione di integrali multipli.
Alle relazioni sopra riportate possono sostituirsi delle espressioni approssimate
ottenibili espandendo in serie la funzione f (X
1
, X
2
...X
n
). Per tali espressioni
si rimanda a [1].
2.2 Processi aleatori
2.2.1 Descrizione probabilistica dei processi aleatori
La variabile aleatoria, introdotta nel paragrafo precedente, descrive, secondo le
leggi della probabilit`a, un evento aleatorio non dipendente dal tempo. In molti
problemi ingegneristici si `e in presenza di eventi aleatori dipendenti dal tempo,
quali le forze indotte dal vento, laccelerazione del terreno dovuta ad un terre-
moto, ecc.
In questi casi la variabile aleatoria dipende dallistante di osservazione e costi-
tuisce una variabile aleatoria dipendente dal tempo. Tale funzione `e nota in
letteratura col nome di processo aleatorio.
Pi` u in generale si denisce processo aleatorio o stocastico monodimensionale una
funzione aleatoria dipendente da un parametro deterministico. Nella Dinamica
strutturale tale parametro si identica col tempo.
Talvolta la variabile aleatoria dipende da pi` u parametri deterministici, in questo
caso il processo aleatorio `e detto multidimensionale. Nel seguito si far`a quasi
esclusivo riferimento a processi aleatori monodimensionali.
In letteratura un processo aleatorio viene indicato o con una lettera rac-
chiusa tra parentesi grae (ad esempio {x(t)}) o con una lettera maiuscola (ad
esempio X (t)). Nel seguito si adotta questultima convenzione.
Le varie registrazioni, dette campioni del processo aleatorio vengono indicate
con X
(r)
(t)(r = 1, 2...).
Linsieme delle coordinate dei campioni del processo a un istante ssato t
1
,
X
(r)
(t
1
)(r = 1, 2...) costituiscono le realizzazioni della variabile aleatoria
X(t
1
) alla quale pu`o esere applicata la teoria probabilistica delle variabili alea-
torie.
Un processo aleatorio X(t) `e detto a parametro discreto o continuo a seconda
che il parametro t appartenga ad un dominio discreto o continuo. Le azioni
del vento o del terremoto sulle strutture sono di solito rappresentate mediante
processi aleatori continui.
Fissato un tempo t
1
, `e possibile estrarre dal processo una variabile aleatoria
X(t
1
) = X
1
. A ciascuna delle variabili aleatorie estraibili dal processo sono
associate una funzione distribuzione cumulativa di probabilit`a ed una funzioen
densit`a di probabilit`a cos` denite
F
X
1
(x
1
) = P [X
1
x
1
] = P [X (t
1
) x
1
]
p
X
1
(x
1
) =

x
1
F
X
1
(x
1
)
(2.31)
30 Dinamica aleatoria
Per una caratterizzazione probabilistica pi` u completa del processo aleatorio
occorre estrarre dal processo continuo X(t) variabili aleatorie in diversi istanti
di tempo t
1
, t
2
...t
s
. Collezionando tali variabili in un vettore X
s
di ordine s si
perviene alla variabile aleatoria multidimensionale
X
s
= [X (t
1
) X (t
2
) ... X (t
s
)]
T
= [X
1
X
2
... X
s
]
T
(2.32)
La descrizione probabilistica di tale vettore segue le regole gi`a descritte nel
paragrafo precedente.
Nel caso di processi aleatori continui, poiche innite sono le posssibili va-
riabili estraibili dal processo X(t), la descrizione probabilistica risulta essere
completa solo quando s tende allinnito.
2.2.2 Medie a tempi multipli e correlazioni
La caratterizzazione di un processo aleatorio risulta completa se `e nota la fun-
zione densit`a di probabilit`a p
X
s
(x
s
) o la funzione caratteristica M
X
s
(
s
) con s
che tende allinnito.
Lo stesso processo pu`o essere denito completamente se sono noti i vettori
m
j
[X
s
] e k
j
[X
s
] con s che tende allinnito.
Questi ultimi vettori, di ordine s
j
, hanno per elementi i momenti e i cumulan-
ti di ordine j delle variabili aleatorie X
1
= X(t
1
), X
2
= X(t
2
)...X
s
= X(t
s
)
estratte dal processo.
Per comprendere appieno il signicato delle quantit`a introdotte, si conside-
rino le due variabili aleatorie X
1
= X(t
1
) e X
2
= X(t
2
) estratte dal processo
X(t) agli istanti t
1
e t
2
.
Il vettore dei momenti del secondo ordine delle due variabili aleatorie X
1
, X
2
:
m
2
[X
2
] = m
2
[X
1
, X
2
] `e esprimibile in forma esplicita come segue
m
2
[X
2
] = E
_
X
[2]
2
_
=
_
E
_
X
2
1

E[X
1
X
2
] E[X
2
X
1
] E
_
X
2
2
_
T
(2.33)
Gli elementi di m
2
[X
2
] sono ricavabili dalla funzione E[X(t
k
)X(t
l
)] =
E[X
k
X
l
] con k, l = 1, 2 che rappresenta la media stocastica tra due variabili
aleatorie estratte dal medesimo processo e valutate agli istanti t
k
e t
l
. Quanto
t
k
= t
l
la funzione E[X
k
X
l
] `e detta media a tempi multipli del secondo ordine.
Nel caso bidimensionale tale media pu`o essere denita come segue
E[X
k
X
l
] = lim
N
1
N
N

i=1
_
X
(i)
(t
k
) X
(i)
(t
l
)

=
=
_
+

_
+

x
k
x
l
p
x
k
x
l
(x
k
, x
l
) dx
kdx
l
k = 1, 2; l = 1, 2; k = l
(2.34)
nella quale X
(i)
(t
k
) e X
(i)
(t
l
) sono, rispettivamente, le i-esime realizzazioni
delle variabili aleatorie X(t
k
) e X(t
l
).
In modo analogo `e possibile denire il vettore dei momenti del terzo ordine della
variabile aleatoria bidimensionale X
2
. Tale vettore nella forma seguente
m
3
[X
2
] = E
_
X
[3]
2
_
(2.35)
2.3 Processi aleatori gaussiani stazionari 31
Una volta valutate le medie a tempi multipli `e possibile denire il vettore
k
2
[X
2
] che, nel caso in esame, assume la forma seguente
k
2
[X
2
] = k
2
[X
1
, X
2
] =

E
_
X
2
1

(E[X
1
])
2
E[X
1
X
2
] E[X
1
] E[X
2
]
E[X
2
X
1
] E[X
2
] E[X
1
]
E
_
X
2
2

(E[X
2
])
2

(2.36)
Si deniscono correlazioni del secondo ordine del processo aleatorio X(t) i
seguenti elementi del vettore k
2
[X
2
]
k
2
[X
k
, X
l
] = R
(2)
X
(t
k
, t
l
) = lim
N
_
1
N
N

i=1
X
(i)
(t
k
) X
(i)
(t
l
)

X
N
(t
k
)

X
N
(t
l
)
_
=
= E[X (t
k
) X (t
l
)]
X
(t
k
)
X
(t
l
)
k = 1, 2; l = 1, 2; k = l
(2.37)
nella quale si `e indicato con

X
N
(t
j
), j = k, l la seguente media aritmetica

X
N
(t
k
) =
1
N
N

i=1
X
(i)
(t
k
) (2.38)
Se si pone k = l nella 2.37 si ottiene la varianza marginale del processo
aleatorio X(t).
Nel caso pi` u generale i momenti di ordine j della variabile aleatoria multidi-
mensionale X
s
, estratta dal processo X(t), costituiscono gli elementi del vettore
m
j
[X
s
]. Tali elementi possono essere derivati dalla funzione caratteristica.
In modo analogo gli elementi del vettore k
j
[X
s
] rappresentano i cumulanti mar-
ginali o le correlazioni di ordine j della variabile aleatoria multidimensionale X
s
.
Tali elementi possono essere derivati dalla log-funzione caratteristica.
Per i dettagli su queste relazioni si rimanda a [1].
2.3 Processi aleatori gaussiani stazionari
Un processo aleatorio `e detto gaussiano o normale se tutti i cumulanti e le
correlazioni di ordine superiore al secondo sono nulli. In tal caso il processo `e
pienamente individuato qualora si conoscano, per ogni coppia di istanti t
k
e t
l
,
le seguenti funzioni deterministiche

X
(t
k
) = E[X
k
] ;
(2)
X
(t
k
, t
l
) = E[X
k
X
l
]
R
(2)
X
(t
k
, t
l
) = E[X
k
X
l
] E[X
k
] E[X
l
]
(2.39)
Poich`e, per i processi aleatori gaussiani stazionari, sono nulle tutte le corre-
lazioni di ordine superiore al secondo e le medie a tempi multipli di qualunque
ordine dipendono dalle prime due, per un processo aleatorio gaussiano la debole
stazionariet`a coincide con la forte stazionariet`a. Tale processo `e quindi denito
in modo completo dalle seguenti quantit`a
32 Dinamica aleatoria
E[X (t
i
)] =
X
= costante
R
2
X
(t
k
, t
l
) = R
2
X
(t
l
t
k
) = R
2
X
()
(2.40)
Ne segue che, per una completa descrizione probabilistica del processo alea-
torio gussiano, occorre conoscere un numero (la media) e una funzione determi-
nistica di una sola variabile (la correlazione del secondo ordine).
2.3.1 Funzioni di autocorrelazione
Si vuol dare uninterpretazione sica alle due funzioni denite nella 2.40.
La costanza della media esprime il fatto che ai vari istanti di tempo t
1
, t
2
... la
media delle variabili aleatorie estratte dai vari campioni `e sempre la stessa.
La dipendenza della correlazione del secondo ordine dal solo parametro , qua-
lunque sia listante t
i
, esprime la similarit`a tra il processo X(t) ed il medesi-
mo processo traslato di . La correlazione del secondo ordine di un processo
aleatorio gaussiano stazionario `e una funzione pari, per cui si ha
R
(2)
X
() = R
(2)
X
() (2.41)
In generale al crescere di la correlazione tra X(t) e X(t +) decresce. Ci`o
`e attribuibile al fatto che il processo aleatorio allistante t + tende a dimenti-
care il valore assunto allistante t, per cui la correlazione del secondo ordine pi`o
essere interpretata come una misura della memoria del processo aleatorio.
Tranne in casi particolari, come quelli di processi aleatori a correlazione cosinu-
soidale, la funzione di correlazione tende a zero per || e assume in = 0
il suo valore massimo, che `e pari alla varianza
R
(2)
X
(0) = E
_
X
2
(t)

(E[X (t)])
2
=
2
X
(2.42)
Nel seguito, per processi aleatori gaussiani stazionari, si indicher`a con
X
la
media e con R
X
() la funzione di correlazione del secondo ordine, meglio nota
come funzione di autocorrelazione del processo X(t). Ne segue che `e possibile
scrivere le seguenti relazioni

X
= E[X (t)]
R
X
() = R
(2)
X
() = E[X (t) X (t +)] E[X (t)] E[X (t +)] =
(2)
X
()
2
X
(2.43)
nella seconda delle quali si `e indicata con
(2)
X
() la media a tempi multipli
del secondo ordine.
Dalle denizioni precedenti si ricava che la funzione densit`a di probabilit`a con-
giunta tra due istanti t
k
e t
l
del processo aleatorio stazionario, tali che t
l
t
k
= ,
`e data da
p
X
k
X
l
(x
k
, x
l
; t
k
, t
l
) = p
X
k
X
l
(x
k
, x
l
; ) =
1
2
2
X

1
2
X
()

exp
_

(x
k

X
)
2
+(x
l

X
)
2
2
X
()(x
k

X
)(x
l

X
)
2
2
X
(1
2
X
())
_
(2.44)
2.3 Processi aleatori gaussiani stazionari 33
dove la funzione

X
() =
R
X
()

2
X
(2.45)
prende il nome di funzione di autocorrelazione normalizzata.
Si noti che per = 0 la media a tempi multipli del secondo ordine coincide
con il valor quadratico medio
(2)
X
(0) =
2
X
. Inoltre, poiche in = 0 si ha
R
X
(0) =
2
X
, ne segue che, per = 0, la funzione di autocorrelazione normaliz-
zata assume il valore unitario,
X
(0) = 1.
2.3.2 Densit`a spettrale di potenza o autospettro
Si denisce densit`a spettarle di potenza o anche autospettro di un processogaus-
siano stazionario X(t) la seguente funzione
S
X
() =
1
2
_
+

R
X
()e
i
d (2.46)
che rappresenta la trasformata di Fourier di R
X
(), qualora si adotti, per
questa tasformata, la denizione n. 2 di tab. 14.1 di [4].
In questo caso lantitrasformata di Fourier assume la forma
R
X
() =
_
+

S
X
()e
i
d (2.47)
Lesistenza della 2.46 `e garantita dal soddisfacimento di questa relazione
_
+

|R
X
()|d < (2.48)
Tenendo presente la relazione
e
i
= cos () i sin ()
la relazione 2.46 pu`o essere scritta nella forma
S
X
() =
1
2
_
+

R
X
() cos () d
i
2
_
+

R
X
() sin () d (2.49)
Poiche R
X
() `e una funzione pari, come cos(), mentre sin() `e una fun-
zione dispari, il secondo integrale della 2.49 `e nullo. Pertanto la funzione den-
sit`a spettrale risulta una funzione pari e pu`o valutarsi attraverso la cosiddetta
trasformata-coseno della funzione di autocorrelazione
S
X
() =
1
2
_
+

R
X
() cos () d ; S
X
() = S
X
() (2.50)
in modo analogo si pu`o dimostrare che la funzione di autocorrelazione pu`o
valutarsi con la relazione
34 Dinamica aleatoria
R
X
() =
_
+

S
X
() cos () d (2.51)
nella quale, ponendo = 0, `e possibile determinare la varianza
2
X

2
X
= R
X
(0) =
_
+

S
X
()d (2.52)
Nel dominio del tempo le uniche quantit`a utili a caratterizzare da un punto
di vista probabilistico un processo aleatorio gaussiano sono la media
X
e la
funzione di autocorrelazione R
X
().
Tenendo conto del legame tra la funzione di auocorrelazione e la funzione densit`a
spettrale di potenza si deduce che un processo aleatorio gaussiano stazionario `e
pienamente caratterizzato, nel dominio della frequenza, dalla conoscenza della
media
X
e dalla funzione densit`a spettrale di potenza, o autospettro, S
X
().
2.3.3 Interpretazione energetica della densit`a spettrale di
potenza
Al ne di fornire uninterpretazione energetica della funzione densit`a spettrale
di potenza, si ricorda che se x(t) indica la registrazione di una funzione determi-
nistica reale di durata t
f
(che potrebbe essere, per esempio, un accelerogramma.
la risposta di un oscillatore elementare, ecc.) si denisce energia della funzione
x(t) la seguente grandezza
E
x
(t
f
) =
_
t
f
0
x
2
(t)dt (2.53)
nella quale la costante di proporzionalit`a `e di dimensioni tali che il secondo
membro della 2.53 abbia eettivamente le dimensioni di unenergia.
Si ricorda, inoltre, che una funzione `e detta periodica se si ripete identica-
mente dopo un determinato intervallo temporale T
p
, detto periodo della funzio-
ne.
Una funzione periodica pu`o essere rappresentata dalla serie trigonometica di
Fourier
x(t) =
1
2
a
0
+

k=1
[a
k
cos (k
p
t) +b
k
sin (k
p
t)] (2.54)
dove
a
k
=
2
T
p
_
+T
p
/2
T
p
/2
x(t) cos (k
p
t) dt ; b
k
=
2
T
p
_
+T
p
/2
T
p
/2
x(t) sin (k
p
t) dt
(2.55)
Nelle precedenti relazioni
p
= 2/T
p
`e la cosiddetta pulsazione fondamen-
tale o frequenza circolare fondamentale della funzione periodica x(t); le altre
pulsazioni (o frequenze circolari) sono multiple della fondamentale.
Il generico termine della sommatoria viene detto armonica k-ma della funzione
periodida x(t); i coecienti a
k
e b
k
sono dette le le componenti dellarmonica
2.3 Processi aleatori gaussiani stazionari 35
k-ma e la pulsazione (o frequenza circolare) k
p
rappresenta la pulsazione (o
frequenza circolare) di tale armonica.
Il termine a
0
`e detto componente continua o costante.
Sostituendo la 2.54 nella 2.53 `e possibile, a meno della costante , determi-
nare lenergia della funzione periodica, nel periodo T
p
,
E
x
(T
p
) = T
p
_
a
2
0
4
+

k=1
a
2
k
+b
2
k
2
_
(2.56)
Dalla 2.56 si deduce che lenergia di una funzione periodica nellintervallo
[nT
p
, (n +1)T
p
] `e somma delle energie associate alal componente continua (ter-
mine T
p
a
2
0
/4) e alle frequenze delle varie armoniche (termini T
p
(a
2
k
+b
2
k
)/2perk
1). Ne segue che lenergia di una funzione periodica `e una quantit`a nita in un
periodo ,a risulta innita nellintervallo temporale (, +).
Per rappresentare gracamente lenergia associata alle varie frequenze, mul-
tiple di quella fondamentale, si introduce, in analogia allOttica, lo Spettro di
energia della funzione periodica. In Fisica, per spettro si intende ogni suddivi-
sione di una radiazione elletromagnetica nelle varie componenti.
Le ordinate dello spettro di energia di una funzione periodica sono date dalle-
nergia, nel periodo T
p
, associata alle varie frequenze in cui `e stata decomposta,
con la serie di Fourier, la funzione periodica.
In alternativa si preferisce talvolta rappresentare lenergia della funzione nellu-
nit`a di tempo. Tale quantit`a, pari dimensionalmente al rapporto tra unenergia
e un tempo, `e nota in Fisica col nome di Potenza
S
x
(T
p
) =
E
x
(T
p
)
T
p
=
a
2
0
4
+

k=1
a
2
k
+b
2
k
2
(2.57)
Ciascun termine della 2.57 rappresenta quindi il contributo alla potenza to-
tale della funzione periodica da parte del corrispondente termine dello sviluppo
in serie di Fourier.
La rappresentazione graca di tali termini, in funzione delle frequenze delle va-
rie armoniche, costituisce lo spettro di potenza della funzione periodica x(t).
Se la funzione x(t) `e una funzione non periodica, se sono soddisfatte le
condizioni di Dirichlet, `e possibile esguirne la trasformata (integrale) di Fourier
X () =
_
+

x(t)e
it
dt =
_
+

x(t) [cos (t) i sin (t)] dt (2.58)


Il modulo della trasformata di Fourier di x(t) `e dato da
C
x
() = |X ()| =
_
X () X

() =
_
(Re {X ()})
2
+ (Im{X ()})
2
(2.59)
Una volta denita la trsaformata di Fourier, si pu`o dimostrare che lener-
gia della funzione, nellintervallo di tempo indenito (, +), `e data da
(uguaglianza di Parseval )
36 Dinamica aleatoria
E
x
=

2
_
+

C
2
x
()d (2.60)
Dalla 2.60 si deduce che, se esiste la trasformta di Fourier di una funzione
continua, questultima risulta avere energia nita.
Inoltre, C
2
x
()d rappresenta, a meno di /2, il contributo dato allenergia
totale della funzione da parte dellarmonica della trs`asformata di Fourier di
x(t) la cui pulsazione `e contenuta tra e + d; ne segue che, a meno di una
costante dimensionale, C
2
x
() rappresenta lo spettro dellenergia specica, detto
anche densit`a spettrale di energia della funzione x(t).
La densit`a spettrale di energia descrive quindi il contenuto in energia specica
della funzione x(t) alle varie frequenze. Il diagramma della radice quadrata del-
lenergia specica |X()| = C
x
() caratterizza il cosiddetto spettro di Fourier
di una funzione continua.
Lordinata dello spettro di Fourier di una funzione continua a una certa fre-
quenza `e legata al contenuto di energia che la stessa funzione possiede a quella
frequenza.
Esistono quindi le seguenti dierenze tra la rappresentazione spettrale di
una funzione (deterministica) periodica e non periodica, denite nel dominio
(, +)
1. le funzioni periodiche, al contrario di quelle non periodiche, possiedono
uno spettro discontinuo;
2. per la funzioni periodiche lenergia totale `e nita in un periodo T
p
,
mentre `e innita nellintevallo di tempo (, +); conseguentemente `e
pi` u opportuno rappresentare le propriet`a spettrali di tali funzioni
attraverso lo spettro di potenza denito dalla 2.57;
3. per le funzioni continue non periodiche, che possiedono trasformata di
Fourier, lenergia totale `e nita, per cui `e possibile rappresentare le
propriet`a spettrali di tali funzioni o medinate la densit`a spettrale di
energia C
2
x
() o attraverso lo spettro di Fourier |X()| = C
x
().
Si consideri adesso un processo aleatorio stazionario a media nulla X(t).
Tale processo pu`o considerarsi come linsieme di inniti campioni aventi valor
medio e valor quadratico medio costanti (indipendenti da t).
Lenergia di un processo stazionario, pari alla media stocastica delle energie dei
singoli campioni, pu`o valutarsi, in accordo con la 2.60, come segue
E
X
= E
__
+

x
2
(t) dt
_
=
_
+

2
X
(t) dt =

2
E
__
+

|X ()|
2
d
_
= +
(2.61)
Dalla 2.61 si evince che, essendo costante il valor quadratico medio
2
X
del
processo stazionario, un processo stazionario possiede energia innita.
Nella relazione 2.61 la quantit`a E
_
|X()|
2
_
/2 rappresenta lenergia speci-
ca (o densit`a spettrale di energia) del processo aleatorio X(); E
_
|X()|
2
_
d
rappresenta, a meno di /2, il contributo allenergia totale fornito da quelel
2.3 Processi aleatori gaussiani stazionari 37
componenti del processo aleatorio con pulsazione compresa tra e + d.
Nella Dinamica Aleatoria si preferisce rappresentare gracamente la potenza
specica o densit`a spettrale di potenza di un processo aleatorio piuttosto che
lenergia specica. Pertanto, introdotta la trasformata nita di Fourier di X(t)
nellintervallo (T, +T)
X (, T) =
_
+T
T
X (t) e
it
dt (2.62)
la densit`a spettrale di potenza, dimensionalmente pari al rapporto tra le-
nergia specica e un tempo, si denisce come segue
S
X
() = lim
T
1
2T
_

2
E[|X (, T)|]
2
_
=

2
lim
T
1
2T
E[|X (, T)|]
2
(2.63)
2T rappresenta lintervallo temporale in cui sono deniti i campioni del pro-
cesso aleatorio stazionerio X(t).
Si pu`o dimostrare che la funzione S
X
() `e sempre positiva e coincide con la
trasformata di Fourier della funzione di autocorrelazione del processo aleatorio
stazionario, denita nella 2.46.
Una volta introdotta la densit`a spettrale di potenza S
X
(), `e possibile valutare
la potenza totale del processo aleatorio stazionario sommando tutti i contributi
S
X
()d.
In accordo con la 2.52 la potenza totale di un processo aleatorio stazionario ha
potenza totale nita quando tale processo possiede varianza nita.
La densit`a spettrale di potenza S
X
() `e una funzione continua che caratte-
rizza i processi aleatori stazionari, i quali posseggono, come i segnali periodici,
energia totale innita. Pertanto, in analogia ai segnali periodici, alla funzione
S
X
() viene spesso dato il nome di spettro di potenza. Tale denominazione `e
impropria poiche lo spettro di potenza rappresenta la potenza nita (e non quel-
la specica) che posseggono i segnali periodici alle varie frequenze. Tuttavia,
poich`e tale denominazione `e largamente impiegata nelle normative nazionali ed
internazionali, nel seguito i termini spettro di potenza e densit`a spettrale di
potenza saranno spesso impiegati come sinonimi.
2.3.4 Classicazione dei processi gaussiani stazionari at-
traverso la forma della densit`a spettrale di potenza
Si denisce densit`a spettrale di potenza unilaterale (o anche spettro di potenza
unilaterale la seguente funzione
S

X
() =
_
2S
X
() 0 <
0 < 0
(2.64)
Si deniscono momenti spettrali (denizione di Vanmarke)
i,X
i momenti
della densit`a spettrale di potenza unilaterale rispetto allasse = 0

i,X
=
_
+
0

i
S

X
()d i = 0, 1... (2.65)
38 Dinamica aleatoria

0,X
=
2
X
(2.66)
Il parametro adimensionale q
X
denito da
q
X
=

2
1,X

0,X

1,X
(2.67)
`e compreso tra 0 e 1 e cresce al crescere della banda della densit`a spettrale
di potenza.
Un valore piccolo di q
X
caratterizza una densit`a spettrale di potenza a banda
stretta; un valore grande sta ad indicare una densit`a spettrale di potenza a
banda larga.
In letteratura q
X
`e chiamato parametro della larghezza di banda dello spettro di
potenza unilaterale.
2.3.5 Particolari processi aleatori stazionari a media nulla
a) Processo aleatorio sinusoidale
X
(k)
(t) = Asin
_

0
t +
(k)
_
(2.68)
Si fa lipotesi che la variabile aleatoria abbia densit`a uniforme nellinter-
vallo [0, 2]
p

() =
1
2
0 2 (2.69)
Valgono le seguenti relazioni
R
X
() =
A
2
2
cos (
0
) (2.70)
S
X
() =
A
2
4
[ ( +
0
) + (
0
)] (2.71)
S

X
() =
A
2
2
[ (
0
)] ;
i,X
=
i
0

0,X
i (2.72)
Per le 2.67 e 2.72, q
X
= 0.
b) Processo aleatorio a banda stretta
La densit`a spettrale `e diversa da zero soltanto in un campo limitato di frequenza
di ampiezza B = |
2

1
| con pulsazione centrale
c
= (
1
+
2
)/2.
Si parla di processo aleatorio ideale a banda stretta se vale la seguente
relazione
S
X
() =
_
S
0

1
||
2
0 altrove
(2.73)
Valgono le seguenti relazioni
2.3 Processi aleatori gaussiani stazionari 39
R
X
() =
2S
0

[sin (
2
) sin (
1
)] (2.74)

2
X
= 2S
0
(
2

1
) (2.75)
q
X
=
B
_
12
2
c
+B
2
(2.76)
c) Processo aleatorio a banda larga
Se la densit`a spettrale `e denita dalla seguente relazione
S
X
() =
_
S
0
|| B
0 || > B
(2.77)
il processo `e detto processo aleatorio ideale a banda larga.
Valgono le seguenti relazioni
R
X
() = 2S
0
B
_
sin (B)
B
_
(2.78)
q
X
=
1
2
(2.79)
d) Processo aleatorio bianco
La densit`a spettrale `e costante a tutte le frequenze e pari a S
W
.
Valgono le seguenti relazioni
R
X
() = 2S
W
() (2.80)
Ovviamente per tale processo il parametro q
X
assume il seguente valore
q
X
= 1.
e) Processi aleatori sinusoidali di durata nita
Un processo aleatorio stazionario `e, per denizione, di durata innita. Ognuno
dei campioni estratti dal processo ha quindi durata innita. Tuttavia, nella
pratica, si esguono registrazioni in un intervallo di tempo nito [0, t
f
].
Se il processo aleatorio `e di tipo sinusoidale, il generico campione `e dato dalla
relazione
X
(k)
(t) =
_
Asin
_

0
t +
(k)
_
0 t t
f
0 t < 0 e t > t
f
(2.81)
Valgono le seguenti relazioni
R
X
() =
A
2
2
cos (
0
) || t
f
(2.82)
S
X
() =
A
2
4
_
+t
f
t
f
cos (
0
) cos () d

A
2
4
_
sin((
0
)t
f
)

0
+
sin((+
0
)t
f
)
+
0
_
(2.83)
40 Dinamica aleatoria
2.3.6 Ergodicit`a di processi aleatori stazionari
Nellambito dellattivit`a sperimentale sui processi aleatori `e importante veri-
care se `e possibile estrarre le quantit`a statistiche di un processo aleatorio ana-
lizzando una singola registrazione. Se ci`o `e vericato il processo aleatorio si dice
ergodico. Un processo aleatorio ergodico `e anche stazionario.
Dato un campione X
(j)
(t) del processo aleatorio ergodico X(t), si denisce
media stocastica nel tempo del processo la seguente quantit`a
f
_
X
(j)
(t)

= lim
T
1
2T
_
+T
T
f
_
X
(j)
(t)
_
dt (2.84)
Un processo aleatorio `e detto ergodico di qualunque ordine se `e soddisfatta,
con prabilit`a uno, la seguente relazione
f
_
X
(j)
(t)

= E
_
f
_
X
(j)
(t)
__
(2.85)
Un processo aleatorio X(t) `e ergodico in media se `e vericata, con probabilit`a
uno, la seguente relazione
E
_
X
(j)
(t)
_
= lim
T
1
2T
_
+T
T
X
(j)
(t) dt =
X
(2.86)
Un processo aleatorio stazionario X(t) `e detto ergodico nella funzione di
autocorrelazione se `e soddisfatta, con probabilit`a uno, questa relazione
E
_
X
(j)
(t) X
(j)
(t +)

= lim
T
1
2T
_
+T
T
X
(j)
(t) X
(j)
(t +) dt =
= E[X (t) X (t +)] = R
X
() +
2
X
(2.87)
Capitolo 3
Adabilit`a strutturale di
un sistema eccitato in modo
aleatorio
3.1 Introduzione alladabilt`a strutturale
3.1.1 Azioni statiche
Nella visione probabilistica del progetto strutturale occorre modicare le tec-
niche di verica tradizionali introducendo, in alternativa al coeciente di sicu-
rezza, il livello di adabilit`a della struttura, che consiste nel denire un valore
accettabile della probabilit`a che la resistenza R di un qualsiasi elemento costi-
tuente la struttura sia maggiore della corrispondente sollecitazione S agente su
di esso.
E noto, infatti, che il dimensionamento di una struttura nasce dal confronto
tra la sollecitazione S legata alle azioni esterne agenti su un generico elemento
strutturale e la resistenza R del materiale utilizzato per costruirlo.
Nel caso in cui le azioni incerte sono ipotizzate indipendenti dal tempo e alme-
no una delle variabili S ed R `e una variabile aleatoria, `e possibile denire la
probabilit`a di successo P
S
(o adabilit`a A) e la probabilit`a di crisi P
c
mediante
le seguenti relazioni
P
s
= A = P [S R] ; P
c
= 1 P
s
= P [S > R] (3.1)
Si osservi che se S ed R sono delle variabili aleatorie denite dalle funzioni
densit`a di probabilit`a p
S
(s) e p
R
(r) accade in generale che queste presentino una
zona in comune per cui esiste una probabilit`a non nulla che si abbiano valori
della sollecitazione superiori a quelli della resistenza.
Nel caso di stato di sollecitazione monodimensionale un modo semplice per
valutare il livello di adabilit`a strutturale `e quello di introdurre una variabile
aleatoria E, che rappresenti lesito della verica di sicurezza; per esempio si
pu`o utilizzare il margine di sicurezza, denito come la dierenza tra resistenza
e sollecitazione
42 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
E = R S (3.2)
Ne segue che `e possibile caratterizzare la probabilit`a di successo nella forma
seguente
P
s
= P [E 0] = A (3.3)
Se `e nota la funzione densit`a di probabilit`a della variabile aleatoria E, la
probabilit`a di successo `e pari allarea sottesa da tale densit`a per valori positivi
di E
P
s
= A =
_
+
0
p
E
(e) de = 1
_
0

p
E
(e) de = 1 F
E
(0) (3.4)
nella quale F
E
(e) `e la funzione distribuzione di probabilit`a di E.
Dalla 3.2 si deduce che la variabile aleatoria E `e una combinazione lineare
delle variabili aleatorie R ed S; ne segue che, in accordo alle leggi di trasforma-
zione di variabili aleatorie, la densit`a di probabilit`a di E, nel caso pi` u frequente
in cui R ed S sono statisticamente indipendenti, si pu`o determinare come segue
p
E
(e) =
_
+

p
RS
(s +e, s) ds =
_
+

p
R
(s +e) p
S
(s) ds (3.5)
in cui p
RS
(r, s) `e la densit`a di probabilit`a congiunta di R ed S.
Se le variabili aleatorie R ed S, oltre ad essere indipendenti, sono gaussiane, la
densit`a di probabilit`a della variabile aleatoria E sar`a anchessa gaussiana, con
valor medio
E
=
R

S
e varianza
2
E
=
2
R
+
2
S
. In questo caso, poiche E
`e gaussiana, si pu`o determinare F
E
(0) in forma chiusa
F
E
(0) =
1

2
E
_
0

exp
_

1
2
_

E
_
2
_
d =
=
1

2
_
0

exp
_

1
2
_

E
_
2
_
d

(3.6)
Dallesame della 3.6 si deduce che la probabilit`a di successo `e funzione del
rapporto
A
=
E
/
E
, che `e noto in letteratura come indice di adabilit`a.
Considerazioni analoghe possono farsi per stati di sollecitazioni multidimensio-
nali.
Se una delle due variabili R o S `e deterministica e quindi caratterizzata da
un corrispondente valore nominale R
N
o S
N
(che deniscono, rispettivamente,
valori prevedibili minimi per la resistenza e massimi per la sollecitazione), la
probabilit`a di successo si pu`o porre rispettivamente in una delle forme seguenti
P
S
= P [S R
N
] ; P
S
= P [R S
N
] (3.7)
Tenendo presente le denizioni delle funzioni densit`a e distribuzione di pro-
babilit`a e valutando tali funzioni per la variabile aleatoria S nel primo caso e
per la variabile aleatoria R nel secondo caso, si perviene a
3.1 Introduzione alladabilt`a strutturale 43
P
S
=
_
R
N

p
S
(s)ds = F
S
(R
N
) ; P
S
=
_
+
S
N
p
R
(r)dr = 1 F
R
(S
N
)
(3.8)
Se ambedue le variabili R ed S sono deterministiche, deniti i valori nominali
R
N
ed S
N
, si ha la certezza del successo quando R
N
S
N
e la certezza della
crisi se S
N
> R
N
.
3.1.2 Azioni dinamiche
Nel caso di azioni dinamiche `e necessario innanzi tutto denire un intervallo
temporale [0, T] nel quale interessa conoscere la probabilit`a di successo. In tale
intervallo, che potrebbe anche essere illimitato, la crisi della struttura pu`o aversi,
per esempio:
per il raggiungimento di una sollecitazione corrispondente valore limite
in un dato elemento strutturale;
per accumulo di danno (nel caso di carichi ciclici di intensit`a tale da
produrre la rottura per faticadi uno o pi` u elementi strutturali);
per la progressiva degradazione delle propriet`a meccaniche dei materiali
strutturali (in particolare nel caso di ambienti particolarmente
aggressivi);
per collasso incrementale, con la trasformazione della struttura, o di una
sua parte, in un cinematismo.
Per semplicit`a si limiter`a lanalisi al criterio di verica basato sul confronto,
per un generico elemento strutturale, tra sollecitazione massima e resistenza li-
mite.
Per applicare tale criterio, tra laltro il pi` u frequente nella pratica ingegneristica,
`e necessario confrontare il generico processo risposta strutturale X(t) (che po-
trebbe essere il processo di spostamento U(t) di un certo nodo della struttura, il
generico processo sollecitazione S(t) in un assegnato elemento strutturale, ecc.)
con la corrispondente reisistenza limite B > 0 (la quale pu`o essere una variabile
o aleatoria o deterministica) nellintervallo temporale di osservazione [0, T].
Pertanto, nel caso di processi aleatori di risposta strutturale monodimensionali,
la probabilit`a di successo (o adabilit`a) dellelemento strutturale sotto esame
si denisce come segue
P
S
(T, B) = A(T, B) = P [|X (t)| B; 0 t T] = P [X
max
(t) B] (3.9)
X
max
(t), che sar`a indicato nel seguito come picco massimo assoluto della
risposta, `e cos` denito
X
max
(T) = max
0tT
{|X (t)|} (3.10)
Si noti che, nel caso di processi aleatori monodimensionali, il dominio di
sicurezza `e compreso tra le due barriere B e +B; nel seguito tale dominio sar`a
44 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
indicato come barriera bilaterale B.
Nel caso di processi aleatori multivariati X(t) il dominio di successo `e denito
da un insieme D contenuto nello spazio reale avente le stesse dimensioni del
vettore X(t). In questo caso la probabilit`a di successo, nellintervallo temporale
[0, T], va denita, in forma simbolica, come segue
P
S
(T, D) = P [X(t) D; 0 t T] (3.11)
Nella trattazione seguente si valuter`a la probabilit`a di successo nel caso di
processi risposta aleatori monodimensionali. A tale scopo `e necessario deter-
minare le funzioni densit`a e distribuzione di probabilit`a del processo aleatorio
X
max
(T) che pu`o essere pensato come una funzione aleatoria continua del parta-
metro deterministico T. La drivata rispetto a T del processo X
max
(T) `e invece
un processo aleatorio discontinuo ([1]).
3.2 Numero medio di attraversamenti di una da-
ta barriera da parte di un processo aleatorio
3.2.1 Formulazione teorica
Il numero medio di attraversamenti di una data barriera bilaterale pmb dter-
ministica da perte di un processo aleatorio risposta X(T) sta alla base delle
formulazioni semi-analitiche per il calcolo della funzione distribuzione di proba-
bilit`a del picco massimo assoluto di tale processo aleatorio.
Si osservi, innanzi tutto, che un attraversamento con pendenza positiva della
barriera positiva unilaterale deterministica di livello b avviene in un certo istante
t se si ha contemporaneamente X(t) = b e

X(t) > 0.
Si pu`o dimostrare che, per tali processi, lespressione del numero medio di at-
traversamenti con pendenza positiva della soglia b nellunit`a di tempo N
+
X
(b; t),
dimensionalmente pari allinverso di un tempo, `e dato dalla seguente espressione
N
+
X
(b; t) =
_

0
xp
X

X
(b, x; t)d x (3.12)
Nel caso di processi stazionari, tenendo conto che la densit`a di probabilit`a
congiunta non dipende da t, si ha
N
+
X
(b; t) = N
+
X
(b) =
_

0
xp
X

X
(b, x)d x (3.13)
Se i processi X(t) e

X(t) sono indipendenti le 3.12 e 3.13 assumono, rispet-
tivamente, le forme seguenti
N
+
X
(b; t) =
_

0
xp
X
(b; t)p

X
( x; t) d x = p
X
(b; t)
_

0
xp

X
( x; t) d x
N
+
X
(b) = p
X
(b)
_

0
xp

X
( x)d x
(3.14)
Una volta determinato N
+
X
(b; t) `e possibile denire la quantit`a adimenionale
N
+
X
(b; t) numero medio di attraversamenti con pendenza positiva nellinterval-
3.2 Numero medio di attraversamenti di una data barriera da parte
di un processo aleatorio 45
lo temporale [0,T] della barriera unilaterale b. Tale quantit`a si ricava inte-
grando le 3.12 - 3.14 nellintervallo [0, T] ottenendo le seguenti relazioni, valide
rispettivamente per processi non stazionari e stazionari

N
+
X
(b; T) =
_
T
0
N
+
X
(b; T) dt ;

N
+
X
(b; T) = N
+
X
(b) T (3.15)
Si pu`o dimostrare che il numero medio di attraversamenti con pendenza
negativa della barriera unilaterale -b nellunit`a di tempo `e pari a
N

X
(b; t) =
_

0
xp
X

X
(b, x; t)d x (3.16)
Il numero medio di attraversamenti totali con pendenza sia positiva che
negativa della barriera unilaterale b nellunit`a di tempo `e dato da
N

X
(b; t) = N
+
X
(b; t) +N

X
(b; t) =
_
+

| x| p
X

X
(b, x; t)d x (3.17)
Nel caso di barriera bilaterale b deterministica, il numero medio nellunit`a
di tempo N
X
(b; t) di escursioni del processo aleatorio X(t) dal dominio di sicu-
rezza b X(t) b `e pari alla somma del numero medio nellunit`a di tempo
N
+
X
(b; t) di attraversamenti della barriera unilaterale +b con pendenza positi-
va pi` u il numero medio nellunit`a di tempo N

X
(b; t) di attraversamenti della
barriera unilaterale b con pendenza negativa e coincide con il numero medio
nellunit`a di tempo N
+
|X|
(b; t) di attraversamenti della barriera unilaterale +b
da parte del processo aleatorio |X(t)|
N
X
(b; t) = N
+
X
(b; t) +N

X
(b; t) = N
+
|X|
(b; t) (3.18)
3.2.2 Numero medio di attraversamenti per processi gaus-
siani a media nulla
Si pu`o dimostrare che, per processi gaussiani a media nulla, il numero medio di
attraversamenti nellunit`a di tempo con pendenza positiva di una data barriera
b `e dato, nei casi stazionario e non stazionario, rispettivamente, dalle seguenti
relazioni
N
+
X
(b) =
1
2

X
exp
_

b
2
2
2
X
_
N
+
X
(b; t) =
1
2


X
(t)

X
(t)
_
1
2
X

X
(t) exp
_

b
2
2
2
X
(t)
_

_
exp
_

1
2
_
1
2
X

X
(t)
_
_

X

X
(t)b

X
(t)
_
_
+
+
_

2
_
1
2
X

X
(t)
_

X

X
(t)b

X
(t)

_
_
1 + erf
_
_
1
_
2
_
1
2
X

X
(t)
_

X

X
(t)b

X
(t)
_
_
_
_
_
_
_
(3.19)
46 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
Ponendo b = 0 nelle 3.19 si ottiene il numero medio di attraversamenti,
nellunit`a di tempo, dellasse temporale con pendenza positiva, che, nei casi
stazionario e non stazionario, valgono rispettivamente
N
+
X
(0) =
+
X
=
1
2

X
; N
+
X
(0; t) =
+
X
(t) =


X
(t)
_
1
2
X

X
(t)
2
X
(t)
(3.20)
Il numero medio di attraversamenti del processo aleatorio X(t) della barriera
bilaterale b nellunit`a di tempo `e dato da
N
X
(b; t) = N
+
|X|
(b; t) = 2N
+
X
(b; t) (3.21)
Nel caso stazionario, il numero medio di attraversamenti dellasse dei tempi
con pendenza positiva `e dimensionalmente pari ad una frequenza e pu`o essere
interpretato comela frequenza media del processo aleatorio X(t). Il suo inverso
pu`o essere denominato periodo medio o equivalente del prcesso X(t).
Tali considerazioni valgono anche per il caso non stazionario ma, in questo caso,
la frequanza media varia con il tempo.
Se il processo aleatorio X(t) coincide con la risposta di un oscillatore elementare
di pulsazione naturale
0
(frequenza
0
=
0
/(2); periodo T = 1/
0
) la
frequenza media ed il periodo medio coincidono con la frequenza ed il periodo
delloscillatore elementare.
3.3 Istante di primo passaggio di una data bar-
riera bilaterale da parte di un processo alea-
torio
3.3.1 Considerazioni generali
Si denisce istante di primo passaggio T
1
(b) di una data barriera bilaterale
deterministica b, da parte del processo aleatorio X(t), quellistante in cui il
processo |X(t)| per la prima volta supera il livello b. T
1
(b) `e una variabile
aleatoria associata a X(t).
Il problema del primo passaggio `e di estrema importanza per denire il livello
di adabilit`a di una struttura o di un elemento strutturale. Infatti `e possibile
denire la probabilit`a di successo come la probabilit`a che listante di primo
passaggio T
1
(b) sia successivo al tempo di osservazione T del processo aleatorio
P
s
(T, b) = A = P [T
1
(b) T] (3.22)
Allo stato attuale non esistono soluzioni in forma esatta di questo problema
ma solo soluzioni approssimate che si basano su alcune ipotesi semplicative.
Nel seguito saranno descritte le due formulazioni pi` u utilizzate.
3.3.2 Ipotesi di attraversamenti indipendenti della soglia
Si prenda come riferimento un processo aleatorio stazionario a media nulla ed
una soglia sucientemente alta in modo che lattraversamento sia un evento ra-
ro. In questo caso si pu`o ragionevolmente aermare che le escursioni dal dominio
3.3 Istante di primo passaggio di una data barriera bilaterale da
parte di un processo aleatorio 47
di sicurezza (b, +b) da parte del processo X(t) sono tra loro indipendenti.
In tal caso si pu`o usare il processo aleatorio contatore di Poisson X
N
(t) in cui gli
eventi da contare sono gli attraversamenti della barriera bilaterale b, che si ipo-
tizzano tra loro indipendenti. La probabilit`a che si abbiano N attraversamenti
indipendenti nellintervallo temporale [0, T] `e dato da
P [X
N
(T) = N] =
E[X
N
(T)]
N
N!
exp {E[X
N
(T)]} (3.23)
dove E[X
N
(T)] `e il valor medio del processo X
N
(T), che `e pari, nel caso in
esame, al numero medio di attraversamenti con pendenza positiva da parte del
processo aleatorio |X(t)| nellintervallo [0, T].
Utilizzando i risultati del paragrafo precedente si pu`o ricavare ([1]) le equazioni
che forniscono le probabilit`a di N attraversamenti, sia per processi stazionari
che non stazionari. Se in tali equazioni si pone N = 0 si ottiene la probabilit`a
che non vi siano attraversamenti della barriera b nellintervallo di tempo [0, T].
Tale probabilit`a `e data dalle seguenti espressioni valide, rispettivamente, per
processi staionari e non stazionari
P
s
(T, b) = P [T
1
(b) T] = P [X
N
= 0] = exp
_
N
+
|X|
(b) T
_
P
s
(T, b) = P [T
1
(b) T] = P [X
N
= 0] = exp
_

_
T
0
N
+
|X|
(b; t)dt
_
(3.24)
Le relazioni precedenti valgono nellipotesi che il processo |X(t)| non superi
la soglia b allistante iniziale t = 0.
Una forma pi` u generale delle 3.24, che incorpora tale condizione, `e la seguente
P
s
(T, b) = P [T
1
(b) 0] P [T
1
(b) T| |X (0)| b] =
= P
s
(0, b) exp [
X
(b) T]
P
s
(T, b) = P [T
1
(b) T] P [T
1
(b) T| |X (0)| b] =
= P
s
(0, b) exp
_

_
T
0

X
(b; t)dt
_
(3.25)
La funzione P
s
(T, b) `e nota in letteratura come probabilit`a di sopravvivenza
e la funzione
X
(b; t) = N
+
|X|
(b; t) `e detta funzione di rischio per un assegnato
dominio di sicurezza [b, +b].
Nota la probabilit`a di successa, che coincide con la probabilit`a che listante
di primo passaggio sia successivo allestremo superiore dellintervallo [0, T], `e
immediato valutare la probabilit`a che vi sia almeno un attraversamento. Que-
stultima, che coincide con la probabilit`a di crisi P
c
(T, b), `e il complemento a
uno della prima per cui si pu`o scrivere
P
c
(T, b) = P [T
1
(b) < T] = 1 P
s
(T, b) = 1 P [T
1
(b) T] = F
T
1
(T; b)
(3.26)
La funzione F
T
1
(T; b) `e la funzione distribuzione di probabilit`a della varia-
bile aleatoria T
1
(b) e coincide con la probabilit`a che listante di primo passaggio
T
1
(b) da parte del processo |X(t)| della barriera b sia compreso nellintervallo
48 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
[0, T].
Derivando tale funzione rispetto a T si pu`o determinare la funzione densit`a di
probabilit`a della variabile aleatoria T
1
(b).
Per processi gaussiani stazionari a media nulla, utilizzando le prime delle
3.19 e 3.20, si pu`o scrivere
P
s
(T, b) = P
s
(0, b) exp
_
N
+
|X|
(b) T
_
=
= P
s
(0, b) exp
_
2
+
X
T exp
_

b
2
2
2
X
__
(3.27)
3.3.3 Ipotesi di attraversamenti a grappoli della soglia nel
caso di processi gaussiani a media nulla
Lipotesi di attraversamenti indipendenti cade in difetto per processi aleatori
a banda stretta. In questo caso, poiche i campioni del processo sono abba-
stanza regolari, un attraversamento della barriera b al tempo T `e strettamente
correlato allattraversamento che si avr`a approssimativamente dopo un periodo
T
c
= 2/
c
, con
c
pulsazione centrale del processo a banda stretta.
Lapprossimazione di Poisson sugli attraversamenti della barriera pu`o conside-
rarsi accurata per processi stazionari a banda larga e/o barriere sucientemente
elevate.
Si rimanda a [1] dove sono riportate le formule approssimate proposte da Van-
marcke (1975) per trattare questo tipo di attraversamenti.
3.4 Funzione distribuzione di probabilit`a del pic-
co massimo assoluto di processi aleatori gaus-
siani stazionari a media nulla
Nel paragrafo precedente `e stato stabilito il legame tra probabilit`a di successo
P
s
(T, b) di un processo aleatorio X(t) nellintervallo [0, T] con la probabilit`a che
listante di primo passaggio T
1
(b) da parte del processo aleatorio di una data
barriera bilaterale b sia successivo al tempo di osservazione T del processo in
esame sotto la condizione che il processo |X(t)| non superi la soglia b allistante
iniziale t = 0.
La probabilit`a di successo pu`o anche essere denita come la probabilit`a che il
processo aleatorio picco massimo assoluto di X(t) non superi la soglia di livello
b in tutto lintervallo di osservazione [0, T].
Le due probabilit`a sono quindi legate dalla seguente relazione
P
s
(T, b) = P
s
(0, b) P [T
1
(b) T| |X (0)| b] =
= P [X
max
(T) b] = F
X
max
(b; T)
(3.28)
nella quale si `e indicato con F
X
max
(T)(b; T) la funzione distribuzione di pro-
babilit`a di X
max
, la quale, per dejnizione, coincide con la probabilit`a che il
massimo in valore assoluto di X(t) sia non superiore a b in [0, T].
La 3.28 `e unespressione fondamentale nellambito delladabilit`a di struttu-
re soggette a forzanti aleatorie. Essa lega la probabilit`a di successo con la
3.5 Fattori di picco di processi aleatori gaussiani stazionari a media
nulla 49
probabilit`a di primo passaggio. Questultima, nel caso di processi gaussiani e
attraversamenti indipendenti, pu`o essere determinata in forma esplicita in fun-
zione della varianza del processo aleatorio X(t) e di quello del processo derivato

X(t); nel caso di attraversamenti a grappoli la probabilit`a di primo passaggio


si calcola in funzione dei momenti spettarli del processo aleatorio X(t).
Nel caso di processi gaussiani stazionari a media nulla nellipotesi di attra-
versamenti indipendenti della barriera b da parte del processo aleatorio |X(t)|,
tenendo presente la 3.27, si pu`o scrivere
F
X
max
(b; T) = P [X
max
(T) b] = P
s
(0, b) exp
_
N
+
|X|
(b) T
_
(3.29)
La funzione densit`a di probabilit` a si ottiene dalla precedente per derivazione
parziale rispetto a b (ved. [1]).
Espressioni analoghe possono scriversi nel caso di processi aleatori non stazio-
nari.
Nel caso di attraversamenti a grappolo si dimostra che vale la seguente
relazione
F
X
max
(b; T) =
_
1 exp
_

b
2

0,X
__
exp [
X
(b) T] (3.30)
dalla quale, per derivazione parziale rispetto a b, si pu`o ricavare la funzione
densit` a di probabilit`a (ved. [1]).
3.5 Fattori di picco di processi aleatori gaussiani
stazionari a media nulla
3.5.1 Formulazione teorica
Nota la funzione densit`a di probabilit`a del processo aleatorio X
max
(T) (picco
massimo assoluto di un processo aleatorio stazionario gaussiano a media nulla),
`e possibile valutarne il frattile inferiore X
T,p
, che denisce la probabilit`a p che il
massimo del processo aleatorio |X(t)| sia inferiore o uguale a X
T,p
nellintervallo
[0, T].
Tale frattile, una volta posto nella 3.28 b = X
T,p
e assunto che P
S
(T, X
T,p
) =
F
X
max
(X
[
T, p; T) = p, si determina risolvendo la seguente equazione non lineare
con incognita X
T,p
F
X
max
(X
T,p
; T) = P [X
max
(T) X
T,p
] = p (3.31)
Al ne di determinare X
T,p
`e opportuno introdurre la seguente quantit`a
adimensionale

X
(T, p) =
X
T,p

X
(3.32)
che rappresenta il frattile inferiore di probabilit`a p del processo aleatorio
adimensionalizzato Y (T) = X
max
(T)/
X
. In letteratura la suddetta quantit`a
50 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
viene spesso indicata come fattore di picco del processo aleatorio X(t).
Si osservi che nella 3.32 la deviazione standard
X
=
1/2
0,X
`e costante poiche si
`e supposto che il processo aleatorio X(t) sia stazionario.
Il fattore di picco va determinato risolvendo la seguente equazione non lineare,
del tutto analoga alla 3.31
F
X
max
[
X
(T, p) ; T] = P
_
X
max
(T)

X

X
(T, p)
_
= p (3.33)
Noto il fattore di picco, da cui anche il frattile X
T,p
, si hanno tutti gli stru-
menti per valutare ladabilit`a di strutture lineari soggette a processi aleatori
forzanti gaussiani stazionari con valor medio nullo.
Per esempio, volendo procedere per una generica sollecitazione X(t) alla verica
di sicurezza di tipo semiprobabilistico agli stati limite, ssata la nestra tempo-
rale di osservazione [0, T], si pu`o confrontare il frattile X
T,p
di ordine p = 0.95
(valore caratteristico) del picco massimo assoluto di X(t) con il valore caratte-
ristico della corrispondente resistenza.
Si noti che nel caso di processi aleatori non stazionari non esistono delle
soluzioni in forma chiusa, per cui spesso si utilizzano anche per il caso non
stazionario le espressioni del caso stazionario, assumendo in queste ultime la
media e la varianza o, pi` u in generale, i momenti spettrali come funzioni del
tempo.
3.5.2 Ipotesi di attraversamenti indipendenti
E stato dimostrato che, nellipotesi di attraversamenti indipendenti da parte
del processo aleatorio stazionario X(t) della barriera bilaterale b, la soluzione
della 3.33 fornisce la seguente espressione per il fattore di picco della risposta

X
(T, p) = C
1,X
(T)
ln [ln (p)]
C
1,X
(T)
(3.34)
dove
C
1,X
(T) =
_
2 ln
_
2
+
X
T

(3.35)

+
X
`e la frequenza media di attraversamenti con pendenza positiva dellasse
temporale da parte del processo aleatorio X(t), denita dalla prima delle 3.20.
Altre grandezze di interesse progettuatle sono il valor medio
X
max
(T) e la
varianza
2
X
max
(T) del processo aleatorio X
max
(T). Tali grandezze possono
esprimersi in forma approssimata come segue

X
max
(T) = E[X
max
(T)]

=
_
C
1,X
(T) +
0.5772
C
1,X
(T)
_

2
X
max
(T)

=
_

2
6C
2
1,X
(T)
_
(3.36)
Le quantit`a tra parentesi grae nelle 3.36 sono note in letteratura come
fattore di picco del valor medio e fattore di picco della varianza del picco massimo
assoluto del processo aleatorio X(t).
Si noti che, essendo la densit`a di probabilit`a del processo X
max
(T) una funzione
3.6 Simulazione Monte Carlo 51
asimmetrica, il valor medio non coincide con la mediana
X
max
(T) = X
T,0.5
.
Talvolta, tuttavia, al ne di semplicare le analisi, si assume che
X
max
(T) =
X
T,0.5
.
3.5.3 Ipotesi di attraversamenti a grappoli
Nel caso di attraversamenti a grappoli, assumendo per la funzione distribuzione
di probabilit`a lespressione semi-analitica fornita da Vanmarcke (1976) [1], si
pu`o dimostrare che il fattore di picco adimensionale `e dato da

X
(T, p) =

_2 ln
_
_
_
2

+
X
T
ln (p)
_
_
1 exp
_
_
q
1.2
X

ln
_
2

+
X
T
ln (p)
_
_
_
_
_
_
_
_
(3.37)
dove q
X
e
1.2
X
sono deniti, rispettivamente, nella 2.67 e nella 3.20.
Espressioni approssimate del valor medio e della deviazione standard, ba-
sate sulla distribuzione di Vanmarcke (1976) [1], sono state derivate per via
semiempirica da Der Kiureghian (1980, 1981) [1]

X
max
(T)

=
_
C
2,X
(T) +
0.5772
C
2,X
(T)
_

X
max
(T)

_
1.2
C
2,X
(T)

5.4
13+C
6.4
2,X
(T)
_

X
2
+
e,X
T > 2.1
{0.65}
X
2
+
e,X
T 2.1
(3.38)
nella quale
C
2,X
(T) =
_
2 ln (2
e,X
T)

+
e,X
=

_
1.63q
0.45
X
0.38
_

+
X
0.10 q
X
< 0.69

+
X
0.69 q
X
1.00
(3.39)
I termini entro parentesi grae nelle 3.38 sono i fattori di picco del valor
medio e della deviazione standard del processo aleatorio X
max
(T) secondo la
formulazione approssimata fornita da Der Kiureghian (1980).
Lapprossimazione di attraversamenti indipendenti della barriera conduce
a un fattore di picco maggiore rispetto a quello che si ricava utilizzando la
formulazione di attraversamenti a grappoli della barriera. Le due stime del
fattore di picco tendono a coincidere allaumentare di T.
3.6 Simulazione Monte Carlo
La simulazione di un problema mediante la simulazione Monte Carlo (MC) si
articola attraverso tre passi ondamentali:
1. Generazione dei campioni. Attraverso particolari tecniche si generano n
c
realizzazioni del processo forzante (campioni). Il numero dei campioni
52 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
dipende dagli scopi dellanalisi e dalla precisione richiesta nella
determinazione delle statistiche della risposta.
2. Analisi dinamica deterministica. Per ogni campione del processo forzante
si determina il corrispondente campione del processo risposta (in termini
di spostamento e/o di caratteristiche della sollecitazione e della
deformazione) medinate i metodi della dinamica deterministica.
3. Costruzione delle statistiche della risposta. Mediante unanalisi statistica
si stimano a valle le diverse caratteristiche probabilistiche del processo
risposta che interessano, quali i momenti statistici, la funzione densit`a di
probabilit`a, le statistiche del picco massimo assoluto, ecc.
In [1], al quale si rimanda, sono esposti in dettaglio i problemi da arontare
nellapplicazione del metodo MC.
3.7 Cenni sui metodi di valutazione della sicu-
rezza strutturale
La normativa italiana prevede attualmente due metodi di verica strutturale:
1. il metodo delle tensioni ammissibili
2. il metodo semi-probabilistico agli stati limite
Saranno illustrate in breve le caratteristiche peculiari di tali metodi, unita-
mente a quelle di verica di tipo probabilistico; successivamente, questi ultimi
saranno utilizzati per valutare ladabilit`a di un portale in acciaio soggetto ad
una forzante dinamica aleatoria.
3.7.1 Metodo delle tensioni ammissibili
Secondo questo metodo la sicurezza di una struttura `e garantita se nel punto
maggiormente sollecitato la tensione `e inferiore ad un valore limite
adm
, detto
tensione ammissibile

adm
(3.40)
Questa relazione `e applicabile nel caso di stato tensionale monoassiale; nel
caso di stati tensionali pluriassiali occorre far riferimento a uno stato monoassiale
ugualemnte pericoloso attraverso la valutazione della tensione ideale
id
, la quale
pu`o essere calcolata facendo riferimento ad uno specico criterio di sicurezza
(Tresca, Huber-Hencky-Von Mises, Galileo-Rankine, ecc.). Valutata la tensione
ideale, la condizione di sicurezza si esprime

id

adm
(3.41)
La tensione ammissibile viene determinata sulla scorta di prove sperimentali
sui materiali, introducendo un oppotuno fattore di sicurezza . Ad esempio, per
lacciaio si pone di solito

adm
=

yk

(3.42)
3.7 Cenni sui metodi di valutazione della sicurezza strutturale 53
dove con
yk
si `e indicata la tensione caratteristica (k) di snervamento (y)
del materiale considerato.
A questo metodo si possono muovere le seguenti critiche.
Le sollecitazioni nella struttura sono valutate: a) in modo pressoche
deterministico, senza mettere in conto alcuna aleatoriet`a, se non nella
denizione del coeciente di sicurezza; b) sempre con unanalisi
elastico-lineare, che non consente di considerare eventuali fenomani
anelastici, reologici e di non linearit`a geometrica (per esempio, legame
costitutivo elasoplastico per lacciaio, viscosit`a del calcestruzzo, problemi
di instabilit`a dellequilibrio elastico, ecc.).
I coecineti di sicurezza devono essere necessariamente molto ampi, in
quanto devono coprire in modo globale tutte le cause di aleatoriet`a e
incertezza che si possono presentare nel problema strutturale.
Daltro canto il metodo delle tensioni ammissibili presenta i seguenti van-
taggi.
Facile valutazione dello stato di sollecitazione, con la possibilit`a di
utilizzare il cosiddetto principio di sovrapposizione degli eetti,
assumendo lineare il comportamento della struttura.
Sostanziale buona attendibilit` a, almeno per le azioni statiche, dei valori
delle sollecitazioni cos` determinate.
Pi` u importante di tutti, il buon comportamento mostarto dalle strutture
progettate in passato con tale metodo.
3.7.2 Metodo semi-probabilistico agli stati limite
E un metodo semi-probabilistico (nella modellazione della struttura e nella de-
nizione dei carichi) perche le aleatoriet`a presenti nel problema strutturale sono
parzialmente tenute in conto attraverso lintroduzione di specici valori carat-
teristici delle relative distribuzioni di probabilit`a.
Si tratta di un metodo agli stati limiti (nellesecuzione delle veriche di sicurez-
za) in quanto si valuta ladabilit`a della struttura considerata in rapporto alle
speciche modalit`a di crisi (o stati limite) che possono vericarsi.
Pi` u precisamente, si denisce stato limite di una data struttura una qualunque
condizione a partire dalla quale la struttura che si sta considerando (nel suo
complesso o in una delle sue aprti) cessa di assolvere, parzialmente o tatalmen-
te, le funzioni per cui era stata progettata e costruita.
In una visione probabilistica, va vericato che la struttura presenti un suciente
margine di sicurezza rispetto a ciascuno stato limite. A tal ne occorre modella-
re adeguatamente tutte le azioni agenti sulla struttura (solitamente indicate con
le lettere A o F), ossia tutte le cause, o insieme di cause (carichi statici, perma-
nenti e accidentali, carichi dinamici, deformazioni impresse, agenti aggressivi,
ecc.), capaci di indurre stati limite nella struttura.
Ogni eetto, o insieme di eetti, indotto dalle azioni sulla struttura (carat-
teristiche della sollecitazione, tensioni, deformazioni, spostamenti, ecc.) viene
54 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
denominato, genericamente sollecitazione (S). Per eettuare le veriche di sicu-
rezza agli stati limite, ogni sollecitazione va confrontata con la corrispondente
resistenza (R), che per denizione rappresenta la capacit`a della struttura con-
siderata di far fronte a una determinata sollecitazione.
Gli stati limite sono generalmente suddivisi in due catgorie: a) Stati Limite
Ultimi (SLU), il cui raggiungimento comporta la rovina dellintera struttura o
di una sua parte, con eventuale richio di perdita di vite umane; b) Stati Limite
di Esercizio (SLE), il cui raggiungimento determina la perdita di funzionalit`a
di uno o pi` u elementi della costruzione, senza compromissione dellincolumit`a
pubblica e spesso con la possibilit`a di riutilizzare certe parti della struttura.
Tra le cause in grado di produrre SLU si possono citare: rottura localizzata di
uno o pi` u elementi strutturali, collasso per trasformazione della struttura o di
una sua parte in un cinematismo, fenomeni di instabilit`a, crisi per fatica nel
caso di strutture soggette a cicli ripetuti di carico, degradazione e/o corrosione
che rendano necessaria la sotituzione dellintera struttura o di sue parti fon-
damentali, collasso incrementale per eetto di azioni dinamiche come sisma e
vento, collasso per eetto di fuoco e/o esplosioni, ecc.
Tra i fenomeni che possono determinare SLE si hanno, per esempio, defor-
mazioni eccessive, fessurazioni diuse, degradazione e/o corrosione di elementi
costruttivi non fondamentali, ecc.
Operando la verica agli stati limite della sicurezza strutturale, ladabilit`a
di una compagine strutturale viene valutata attraverso i seguenti tre passi:
1. individuazione dei fenomeni strutturali che si vogliono evitare, denendo
gli stati limite, ultimi e di esercizio, che possono essere indotti dalle
azioni di progetto sulla struttura in esame;
2. stima della gravit` a dei rischi legati al vericarsi di tali fenomeni;
3. verica, confrontando resistenza e sollecitazione, che la probabilit`a di
raggiungimento di ciascuno degli stati limite individuati sia al di sotto di
un valore massimo accettabile, pressato in rapporto al particolare stato
limite che si sta considerando, al modo con cui esso viene raggiunto (pi` u
o meno improvviso), al tipo di struttura, alla sua destinazione duso,
allincolumit`a delle persone, ai danni pi` u o meno ingenti alle cose, alla
prevista durata desercizio, ecc.
Si noti che non `e possibile avere un metodo delle tensioni ammissibili agli
stati limite in quanto ci`o implicherebbe la necessit`a di dover considerare una
dierente tensione ammissibile per ciascun stato limte della struttura.
Nel meytodo semi-probabilistico, noto anche come metodo dei coecienti parzia-
li o metodo di primo livello probabilistico, le aleatoriet`a del problema strutturale
sono coperte dalla denizione dei valori caratteristici (solitamente designati con
il pedice k) delle azioni A e delle resistenze dei materiali impiegati R, nonche
dallintroduzione di coecienti di sicurezza parziali di due tipi:
m
(il pedice m
sta per materiali ), che intervengono a diminuire le resistenze R;
f
(f sta per
forze), che intervengono sullintensit`a delle azioni A.
3.7 Cenni sui metodi di valutazione della sicurezza strutturale 55
In questo tipo di analisi sono assunti come deterministici: le dimensioni
geometriche della costruzione, le costanti elastiche e, pi` u in generale, i legami
costitutivi anche non lineari dei materiali strutturali, i relativi coecienti di
dilatazione termica e tutti i parametri (massa, rigidezza, dissipazione, ecc.) che
intervengono nellanalisi dinamica della struttura.
Sono invece assunte aleatorie: a) le resistenze dei materiali strutturali (nella
normativa italiana indicate col simbolo f); b) le azioni, che la normativa italia-
na distingue in permanenti (G) e variabili(Q).
Si introducono specici coecienti di sicurezza parziali
m
e
f
(che cambiano
a seconda che si tratti di uno stato limite ultimo oppure di esercizio); si intro-
ducono, inoltre, dei coecienti con cui operare la combinazione delle azioni
variabili Q, in modo da tenere in conto la probabilit`a che pi` u azioni variabili Q
(per esempio, sisma+neve) si realizzino simultaneamente.
Si `e detto in precedenza che nel metodo semi-probabilistico laleatoriet`a delle
resistenze dei materiali strutturali e delle azioni di progetto `e ricondotta alla
denizione delle rispettive quantit`a caratteristiche. In particolare, per quanto
previsto dalla normativa italiana, il valore caratteristico della resistenza di un
dato materiale coincide con il frattile inferiore di ordine 5 per cento (valore della
resistenza che ha il 5 per cento di probabilit`a di essere minorato) della corri-
spondente distribuzione statistica, la quale, in assenza di specicheindicazioni
sperimentali, viene assunta gaussiana.
Adottando, per quanto possibile, la stessa simbologia della normativa italiana,
si pu`o scrivere
f
k
= f
m
ks (3.43)
in cui f
m
`e la media aritmetica degli N risultati sperimentali f
i
(i = 1, 2...N)
a disposizione ed s `e il corrispondnete scarto quadratico medio campionario
f
m
=
1
N
N

i=1
f
i
; s =

_
1
N 1
N

i=1
(f
i
f
m
)
2
(3.44)
Nella 3.43 k `e un coeciente che dipende dal tipo di distribuzione di proba-
bilit`a della resistenza; per la distribuzione gaussiana k = 1.645. Tuttavia, nel
caso in cui si abbia a disposizione un numero esiguo di prove, tale valore deve
essere adeguatamente incrementato a vantaggio della sicurezza.
Le veriche di sicurezza vanne eettuate con riferimento al valore di progetto
f
d
(il pedice d sta per design) della resistenza dei materiali strutturali, ottenuto
dividendo f
k
per il coeciente di sicurezza parziale
m
1
f
d
=
f
k

m
(3.45)
Per la tensione di snervamento nelle strutture in acciaio la norma italiana
prevede:
m
= 1 per uno SLE;
m
= 1.12 per lo SLU di collasso plastico (tra-
sformazione della struttura o di una sua parte in un cinematismo, ammettendo
la completa plasticizzazione delle sezioni coinvolte nella formazione del cinema-
tismo).
Una volta noto il valore di progetto f
d
della resistenza dei materiali impiegati
56 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
si risale al valore di progetto R
d
della generica resistenza strutturale (caratte-
ristiche della sollecitazione, deformazioni, spostamenti, ecc.) attraverso legami
deterministici.
Analogamente a quanto visto per le resistenze dei materiali, il valore carat-
teristico di unazione `e convenzionalmente denito come il frattile superiore di
ordine 5 per cento (valore che ha il 5 per cento di probabilit`a di essere maggiora-
to) della relativa distribuzione statistica ed `e deducibile dalle indicazioni e dalle
prescrizioni presenti in normativa. Nel caso di pi` u azioni variabili Qi(i = 1, 2...n)
lazione di progetto si determina mediante la seguente formula di combinazione
F
d
=
g
G
k
+
q
_
Q
1k
+
n

i=2

i
Q
ik
_
(3.46)
Nella 3.46, in cui si `e adoperata la stessa simbologia della normativa italia-
na,
g
e
q
sono i coecienti di sicurezza parziali, rispettivamente, per lazione
permenenete G e per le azioni variabili Q
i
, che dipendono dal tipo di stato li-
mite a cui si riferiscono. G
k
`e il valore caratteristico dellazione permanente;
Q
1k
`e il valore caratteristico dellazione di base della combinazione (per esem-
pio, lazione sismica per ler costruzioni in zona sismica); Q
ik
(i = 2...n) sono i
valori caratteristici delle altre azioni variabili;
i
(i = 2...n) sono i coecienti di
combinazione delle azioni variabili, i quali variano a seconda che si stia conside-
rando uno SLU o uno SLE, oltre che in relazione al tipo di azioni agenti sulla
struttura.
Com`e ovvio, per ciacsuno stato limite la formula di combinazione 3.46 va inte-
sa nella ricerca della combinazione dei carichi pi` u sfavorevole per la struttura.
Una volta denite le combinazioni di carico, per le veriche di sicurezza si risa-
le tramite relazioni deterministiche alla generica sollecitazione di progetto S
d
,
da confrontare con la corrispondenza resistenza di progetto R
d
. La verica di
sicurezza `e positiva se risulta
S
d
R
d
(3.47)
3.7.3 Metodi probabilistici
I metodi appena presentati saranno inquadrati in un contesto pi` u generale, me-
diante la presentazione in forma unitaria dei cosiddetti quattro livelli probabili-
stici per le veriche di sicurezza, i quali si dierenziano a seconda del modo con
cui sono rappresentate le grandezze aleatorie in gioco nel problema strutturale.
Il Metodo probabilistico di Terzo Livello (metodo L3) `e caratterizzato dal fatto
che le resistenze f dei materiali impiegati e le azioni G (permanenti) e Q (va-
riabili) sulla struttura, modellate come variabili aleatorie, intervengono con le
rispettive funzioni densit`a di probabilit`a. Utilizzando la teoria delle variabili
aleatorie, si possono ottenere le funzioni densit`a di probabilit`a p
s
(s) della gene-
rica sollecitazione S e p
R
(r) della corrispondente resistenza R.
Introdotta la variabile aleatoria margine di sicurezza E = R - S, la probabi-
lit`a di crisi P
c
, nellipotesi assai comune che R ed S siano variabili aleatorie
statisticamente indipendenti, si pu`o calcolare utilizzando le seguenti espressioni
3.7 Cenni sui metodi di valutazione della sicurezza strutturale 57
P
c
=
_
0

p
E
(e) de =
_
0
e=
_
+
r=
p
R
(r)p
S
(r e) drde =
=
_
0
e=
_
+
s=
p
R
(e +s)p
S
(s) dsde
(3.48)
E evidente che il metodo L3 `e applicabile solo quando si hanno a disposi-
zione informazioni molto precise sulla caratterizzazione statistica/probabilistica
di sollecitazioni e resistenze; molto spesso, specie quando la probabilit`a di crisi
P
c
`e molto bassa, occorre disporre di una descrizione molto accurata delle code
delle funzioni densit`a di probabilit`a p
S
(s) e p
R
(r) anche il risultato ottenuto
tramite la 3.48 sia attendibile.
Il metodo probabilistico di Secondo livello (metodo L2) `e caratterizzato dal
fatto che le variabili aleatorie resistenza R e sollecitazione S, che intervengono
nella verica di sicurezza, sono deniti dai rispettivi valori medi (
R
e
S
)
e deviazioni standard (
R
e
S
), cio`e che siano variabili aleatorie gaussiane.
Ipotizzando inoltre che le due variabili siano statisticamente indipendenti, si
dimostra che la probabilit`a di crisi `e espressa da
P
c
=
1
2
_
1 erf
_

2
__
; erf (x) =
2

_
x
0
exp
_
y
2
_
dy (3.49)
nella quale

A
=
1
C
E
=

E

E
=

R

S
_

2
R

2
S
(3.50)
`e lindice di adabilit`a.
Lindice di adabilit`a `e pari allinverso del coeciente di variazione C
E
del
margine di sicurezza.
Tanto maggiore `e lindice di adabilit`a, tanto minore `e la corrispondente pro-
babilit`a di crisi.
Sia il metodo L3 che quello L2 non hanno ancora trovato applicazione nelle
normative tecniche nazionali e, allo stato attuale, sono oggetto di ricerca.
Nel metodo probabilistico di primo livello (metodo L1), che `e stato presentao
nella formulazione adottata nella normativa italiana, la misura di adabilit`a
strutturale `e rappresentata dal cosiddetto coeciente di sicurezza caratteristi-
co
k
, denito per un generico stato limite come il rapporto tra la resistenza
caratteristica R
k
e la sollecitazione caratteristica S
k

k
=
R
k
S
k
(3.51)
In questo caso la verifca di sicurezza `e positiva se risulta
k

m

f
, essen-
do rispettivamente
m
e
f
i coecienti di sicurezza parziali da applicare alle
resistenze dei materiali e alle azioni di calcolo.
58 Adabilit`a strutturale di un sistema eccitato in modo aleatorio
Inne si accenna al cosiddetto metodo probabilistico di Livello Zero (metodo
L0), nel quale la verica di sicurezza per il generico stato limite `e espresso dal
coeciente di sicurezza centrale
0
denito come rapporto tra il valor medio
della resistenza
R
e quello della sollecitazione
S

0
=

R

S
(3.52)
La verica di sicurezza `e positiva se risulta
0

0
dove
0
`e il valore massi-
mo ammissibile per il coeciente di sicurezza centrale, pressato per lo specico
stato limite considerato in rapporto alle particolari condizioni di realizzazione e
utilizzo della struttura in esame.
Taluni considerano il metodo L0 concettualmente analogo al metodo delle tensio-
ni ammoissibili, in quanto la relativa verica di sicurezza si pu`o anche riscrivere
in una forma del tutto simile alla 3.40

S

S
=

R

0
(3.53)
essendo
S
il valore massimo ammissibile per il valor medio della sollecita-
zione
S
, il quale rappresenta una sorta di valore nominale della resistenza.
Tuttavia si noti che, nel caso del metodo L0, la quantit`a
S
`e legata al par-
ticolare stato limite considerato attraverso la denizione di
0
, oltre che alla
distribuzione di probabilit`a della resistenza R; nel metodo delle tensioni ammis-
sibili la tensione ammissibile `e funzione solo delle caratteristiche de materiali
impiegati e della tipologia strutturale.
Capitolo 4
Analisi sismica
4.1 Cenni sulla natura e propriet`a dei terremoti
I terremoti pi` u violenti hanno origine tettonica e sono associati allo scorrimento
di grandi fratture o faglie presenti nella crosta terrestre o nel mantello superiore
oppure allimprovvisa rottura di ammassi rocciosi. Gli scorrimenti e/o la rottura
derivano dalla tendenza dei blocchi crostali a muoversi luno rispetto allaltro
determinando linsorgere di sforzi di taglio ed il conseguente accumulo di energia
elastica sino al raggiungimento della resistenza limite al taglio del materiale in un
punto detto ipocentro o fuoco. Una volta raggiunto lo stato limite si innesca un
brusco scorrimento tra i lembi della supercie di rottura con ridistribuzione delle
tensioni di taglio agenti su di essa. Il terremoto `e quindi associato allimprovvisa
liberazione dellenergia di deformazione accumulata nel periodo precedente la
rottura.
A seguito dello scorrimento, dalla sorgente sismica o ipocentro si generano le
onde sismiche che originariamente sono di due tipi:
onde P, che producono spostamenti nella sola direzione di propagazione
dellonda. Sono dette anche onde longitudinali o dilatazionali o di
compressione o irrotazionali ;
onde S, che inducono spostamenti ortogonali alla direzione di
propagazione. Sono chiamate anche onde trasversali o distorsionali o di
taglio o equivoluminali. Queste onde, a dierenza di quelle P, non si
propagano nellacqua.
In un continuo indenito elastico omogeneo e isotropo le onde P e S sono le
sole onde presenti e sono dette onde di volume.
In un semispazio elastico, alle onde P e S si aggiungono le cosiddette onde di
supercie, classicabili in:
onde di Love o onde L, analoghe alle onde S, anche se prive della
componente verticale, provocano deformazioni ortogonali a quella di
propagazione dellonda sismica
onde di Rayleigh o onde R, che sono onde verticali con una traccia del
movimento pari a un ellisse; esse sono formate dalla sovrapposizione
delle onde superciali e di quelle riesse.
60 Analisi sismica
I principali eetti di un sisma sono legati alla propagazione delle onde di
taglio. Nel propagarsi verso la supercie le onde incontrano mezzi di righidezza
variabile e subiscono fenomeni di rifrazione e riessione che ne modicano il
contenuto energetico e la direzione di propagazione.
In denitiva, nella maggior parte dei casi, un terremoto pu`o essere schematiz-
zato come la semplice propagazione di onde S polarizzate in orizzonatle (dette
anche onde SH) le quali generano il cosiddetto moto ondulatorio.
I terremoti sono classicati in base alla loro intensit`a o in base alla magnitudo.
Lintensit`a `e una misura soggettiva degli eetti del terremoto in quanto si basa
sulle osservazioni dei danni provocati alle costruzioni dal sisma e sulle sensazioni
provate dalla popolazione. Le principali scale di intensit`a utilizzate oggi sono:
in Europa la MCS (Mercalli-Cancani-Sieberg) e la MSK (Medvedev-Sponheuer-
Karnik), negli Stati Uniti la MM(Mercalli modicata).
La magnitudo `e una misura quantitativa dellenergia di un terremoto ed `e indi-
pendente dal luogo di osservazione. Essa viene misurata nella cosiddetta scala
Richter ed `e denominata dalla lettera M; la massima magnitudo nora regi-
strata `e di circa 8.9. In genere, i terremoti con magnitudo inferiore a 5 non
provocano danni alle costruzionei.
4.2 Equazioni del moto di un oscillatore elemen-
tare soggetto ad un moto sismico
Come gi`a detto, il moto sismico pi` u signicativo, da un punto di vista struttura-
le, `e quello ondulatorio, corrispondente agli spostamenti orizzontali del terremo
prodotti dalle onde S polarizzate in orizzontale.
Si consideri pertanto un oscillatore costituito da un telaio (portale) con tra-
verso innitamente rigido soggetto a tale moto ondulatorio. Si supponga che
loscillatore elementare abbia come unico grado di libert`a quello orizzontale e
che la quantit`a x(t) misuri lo spostamento nel tempo del baricentro del traverso
rispetto alla fondazione che ha spostamento nel tempo x
g
(t). Lo spostamento
assoluto del baricentro del traverso `e quindi dato da x
a
(t) = x
g
(t) +x(t).
Si supponga che il traverso di massa m sia innitamente rigido e che i due pila-
stri di rigidezza k/2, indeformabili assialmente, siano privi di massa.
Lequazione di equilibrio delloscillatore `e data da
m x
a
+c x +kx = 0 m x +c x +kx = m x
g
; x
a
= x
g
+x (4.1)
Nel caso del terremoto, le condizioni iniziali sono assunte di solito nulle.
Dalla 4.1 si ricava che le forze indotte dal terremoto sono proporzionali allac-
celerazione al piede della struttura e alla sua massa m.
4.3 Spettri di un accelerogramma
Poich`e la forzante dipende dallaccelerazione del piede della struttura, `e evi-
dente che il maggiore interesse del progettista riguarda la conoscenza di questa
grandezza e la sua evoluzione nel tempo. Risulta pertanto utile lanalisi degli
accelerogrammi registrati dei vari terremoti, che presentano notevoli dierenze
4.3 Spettri di un accelerogramma 61
nellandamento, nella durata e nei valori dei picchi massimi assoluti.
Nellingegneria sismica sono comunemente utilizzati due spettri per valutare gli
eetti dellaccelerogramma di un terremoto su un oscillatore elementare di pul-
sazione naturale
n
e rapporto di smorzamento
0
: lo spettro di Fourier e lo
spettro di risposta. Tali spettri, che vengono di solito deniti al variare della
frequenza naturale
n
(o della pulsazione naturale
n
o del periodo naturale
T
n
) delloscillatore elementare, per ssato rapporto di smorzamento, saranno di
seguito illustrati.
4.3.1 Spettro di Fourier
Sia data una funzione reale deterministica x(t), appartenente al dominio (, +).
Si denisce energia della funzione x(t), che potrebbe rappresentare la registra-
zione di un segnale deterministico, la seguente grandezza
E
x
=
_
+

x
2
(t)dt =

2
_
+

C
2
x
()d (4.2)
nella quale `e una grandezza dimensionale e C
x
() `e lo spettro di Fourier
del segnale
C
x
() = |X ()| (4.3)
dove |X()| `e il modulo della trasformata (integrale) di Fourier della funzione
x(t).
Se il segnale x(t) ha durata nita, cio`e `e denito nel dominio [0, t
f
], la 4.2 assume
la forma seguente
E
x
=
_
t
f
0
x
2
(t)dt =

2
_
+

|X (, t
f
)|
2
d (4.4)
nella quale
X (, t
f
) =
_
+

x(t) e
it
dt =
_
t
f
0
x(t) e
it
dt (4.5)
La funzione |X(, t
f
)|
2
rappresenta, a meno di una quantit`a dimensionale
/2, lo spettro di energia specica o densit`a spettrale di energia del segnale
deterministico di durata nita x(t). Per tale segnale lo spettro della potenza
specica o densit`a spettrale di potenza si denisce
S
x
(, t
f
) =

2
|X (, t
f
)|
2
(4.6)
Per i segnali deterministici di durata nita la densit`a spettrale di potenza `e
proporzionale alla densit`a spettrale di energia.
Si assume che il segnale di durata nita x(t) coincida con laccelerogramma
di un terremoto registrato nellintervallo [0, t
f
r].
Lo spettro di Fourier di tale accelerogramma, proporzionale alla densit`a spettra-
le di energia e alla densit`a spettrale di potenza del terremoto si denisce come
segue
62 Analisi sismica
C
x
g
() = |A
g
(, t
f
)| =
=
_
_
_
t
f
0
x
g
(t) sin (t) dt
_
2
+
_
_
t
f
0
x
g
(t) cos (t) dt
_
2
_
1/2
(4.7)
nella quale A
g
(, t
f
) `e la trasformata (integrale) di Fourier dellaccelerazione
x
g
(t) e t
f
denota la durata del terremoto.
Si vuole valutare il legame tra lo spettro di Fourier di un accelerogramma e
lenergia totale della risposta di un oscillatore non smorzato soggetto al piede
al medesimo accelerogramma.
Lequazione del moto `e data dalla 4.1 con c = 0.
Lenergia totale del sistema ad un dato istante t `e pari alla somma dellenergia
cinetica e di quella potenziale. Per valutare tale energia occorre determinare la
risposta in termini di spostamento e di velocit`a. Usando lintegrale di Duhamel
si pu`o scrivere
x(t) =
_
t
0
h(t ) x
g
() d =
1

n
_
t
0
sin [
n
(t )] x
g
() d
x(t) =
_
t
0

h(t ) x
g
() d =
_
t
0
cos [
n
(t )] x
g
() d
(4.8)
Se listante t coincide con t
f
, lenergia totale E
x
(
n
, t
f
) `e data da
E
x
(
n
, t
f
) =
1
2
m
_
x
2
(t
f
) +
2
n
x
2
(t
f
)

=
=
1
2
m
_
_
_
t
f
0
cos (
n
) x
g
() d
_
2
+
_
_
t
f
0
sin (
n
) x
g
() d
_
2
_
(4.9)
Dal confronto della 4.9 con la 4.7 si ricava la seguente relazione tra lo spet-
tro di Fourier dellaccelerogramma, alla pulszione
n
, e lenergia totale della
risposta, al tempo t
f
, di un oscillatore elementare di pulsazione naturale
n
C
x
g
(
n
) =
_
2E
x
(
n
, t
f
)
m
(4.10)
La 4.10 evidenzia il fatto che le varie ordinate dello spettro di Fourier di un
accelerogramma sono legate allenergia totale di un oscillatore elementare non
smorzato di pulsazione naturale
n
. Pertanto esse rappresentano una misura
dellenergia che il terremoto trasmette alla struttura di pulsazione naturale
n
.
Diagrammando lo spettro di Fourier al variare di o del periodo T = 2/, si ot-
tiene la distribuzione delle componenti armoniche dellaccelerogramma del terre-
moto. Le ascisse in corrispondenza dei picchi dello spettro di Fourier deniscono
le pulsazioni per le quali si ha la maggiore energia della risposta delloscillatore
elementare.
4.3.2 Spettro di risposta
Le ordinate dello spettro di Fourier di un accelerogramma di un terremoto sono
legate allenergia totale della risposta di un oscillatore elementare non smorzato
4.3 Spettri di un accelerogramma 63
soggetto allo stesso accelerogramma. Se loscillatore `e smorzato non `e pi` u pos-
sibile stabilire il medesimo legame.
Questa osservazione, insieme al fatto che da un punto di vista ingegneristico `e
pi` u interessante conoscere il picco massimo assoluto dello spostamento dello-
scillatore elementare, direttamente collegato con le sollecitazioni, piuttosto che
lenergia totale della risposta, ha limitato luso dello spettro di Fourier nellin-
gegneria sismica.
Il picco massimo dello spostamento si pu`o ottenere attraverso linegrale di
Duhamel
x
max
(t
f
) = max
0tt
f
|x(t)| = max

_
t
f
0
h(t ) x
g
() d

=
= max

1
_
t
f
0
sin[

(t)]e

n
(t)
x
g
()d

(4.11)
Dallesame della 4.11 si evince che il picco massimo assoluto dello spostamen-
to dipende, oltre che dallaccelerazione sismica, dalle caratteristiche dinamiche
dellacceleratore elementare: pulsazione naturale
n
e rapporto di smorzamento
. Pertanto, per assegnato rapporto di smorzamento e per un dato accelerogram-
ma, al variare con continuit`a della pulsazione naturale (o del periodo proprio
di vibrare delloscillatore elementare) `e possibile fornire una rappresentazione
spettarle degli spostamenti massimi: il cosiddetto spettro do risposta.
Si denisce spettro in termini di spostamento o spettro di risposta di spostamento
di un oscillatore, per assegnato accelerogramma, la seguente funzione
S
s
(
n
, ) = S
s
(T
n
, ) = max
0tt
f
|x(t)| (4.12)
In modo analogo possono essere deniti lo spettro di risposta di velocit`a e lo
spettro di risposta dellaccelerazione totale:
S
v
(
n
, ) = S
v
(T
n
, ) = max
0tt
f
| x(t)|
S
a
(
n
, ) = S
a
(T
n
, ) = max
0tt
f
| x
a
| = max
0tt
f
| x(t) + x
g
(t)| =
= max
0tt
f

2
n
x(t) +
2
n
x(t)

(4.13)
Si noti che lo spettro di accelerazione `e valutato in termini di accelerazione
totale piuttosto che in termini di accelerazione relativa, in quanto la forza di-
nerzia che si desta su una massa `e proporzionale allaccelerazione totale e non a
quella relativa. Ci`o `e in accordo con la losoa dello spettro di risposta: fornire
uno strumento semplice per calcolare le forze sismiche una volta denito tale
spettro.
Dalle precedenti relazioni si deducono queste osservazioni:
1. Se
n
+(T
n
0) si `e in presenza di un oscillatore innitamente
rigido, che segue i movimenti del terreno, per cui lo spostamento, la
velocit`a e laccelerazione relativa delloscillatore devono essere nulli,
64 Analisi sismica
mentre laccelerazione totale coincide con quella del terreno, pertanto si
ha
lim
T
n
0
S
s
(T
n
, ) = 0 ; lim
T
n
0
S
v
(T
n
, ) = 0
lim
T
n
0
_
max | x(t)|
0tt
f
_
= 0 lim
T
n
0
S
a
(T
n
, ) = x
g0
(4.14)
nella quale si `e indicato con x
g0
il picco massimo assoluto
dellaccelerazione del terreno.
2. Se
n
0(T
n
+) si `e in presenza di un oscillatore estremamante
deformabile che non risente degli spostamenti del terreno, in questo caso
si ha
lim
T
n
+
S
s
(T
n
, ) = x
g0
; lim
T
n
+
S
v
(T
n
, ) = x
g0
lim
T
n
+
_
max | x(t)|
0tt
f
_
= x
g0
lim
T
n
+
S
a
(T
n
, ) = 0
(4.15)
nelle quali si `e indicato con x
g0
e x
g0
, rispettivamente, i picchi massimi
assoluti dello spostamento e della velocit`a del terreno. Nel caso in esame
non si trasmettono forze dinerzia sulla massa delloscillatore.
Nellingegneria sismica hanno un ruolo fondamentale altre due quantit`a spet-
trali: lo spettro di pseudo-velocit`a e lo spettro di pseudo-accelerazione, detti an-
che, rispettivamente, velocit`a spettrale e accelerazione spettrale, deniti come
segue
S
pv
(
n
, ) = S
pv
(T
n
, ) =
n
S
s
(
n
, ) =
2
T
n
S
s
(T
n
, )
S
pa
(
n
, ) = S
pa
(T
n
, ) =
n
S
v
(
n
, ) =
2
n
S
s
(
n
, ) =
4
2
T
2
n
S
s
(T
n
, )
(4.16)
Nel caso di oscillatori elementari debolmente smorzati, essendo trascurabile
nella 4.13 il termine 2
n
x(t), laccelerazione spettrale `e prossima allo spettro
di risposta di accelerazione totale, per cui si pu`o scrivere
S
a
= max
0tt
f

2
n
x(t) +
2
n
u(t)


= max
0tt
f

2
n
x(t)

= S
pa
(4.17)
Si noti che laccelerazione spettrale possiede le stesse condizioni limite dello
spettro di accelerazione totale, mentre la velocit`a spettrale per
n
0(T
n

+ tende a zero a dierenza dello spettro di velocit`a.
Lo spettro di pseudo-accelerazione permette di calcolare in modo diretto il va-
lore assoluto della forza elastica equivalente massima che agisce sulloscillatore.
Infatti, noto x(t), la forza di richiamo elastica `e data da
4.4 Spettro di progetto elastico e spettro di potenza
spettrocompatibile 65
f
E
= kx(t) = m
2
n
x(t)
_

2
n
= k/m
_
(4.18)
Valutando i massimi in valore assoluto di ambo i membri della 4.18 si ottiene
max
0tt
f
|f
E
(t)| = m max
0tt
f

2
n
x(t)

= m S
pa
(T
n
, ) (4.19)
La 4.19 `e di fondamentale importanza nella progettazione strutturale perche
stabilisce il legame diretto tra il picco massimo assoluto della forza di richiamo
elastica e laccelerazione spettrale.
Si noti che lo spettro di velocit`a per strutture non smorzate coincide, nei
valori massimi, con lo spettro di Fourier del terremoto. Tale spettro `e quindi
legato al contenuto in energia del terremoto alle varie frequenze.
La notevole semplicit`a di calcolo dello spettro di risposta rispetto allo spettro di
Fourier, che peraltro pu`o condurre a considerazioni strutturali per sistemi non
smorzati, spiega il grande successo nellIngegneria Sismica del primo al contrario
del secondo.
Infatti, mentre per valutare uno spettro di Fourier `e necessario eettuare una
trasformata discreta di Fourier dellaccelerogramma (con gli accorgimenti neces-
sari per ottenere un risultato attendibile), il calcolo di uno spettro di risposta
richiede, invece, i seguenti passi computazionali molto semplici:
1. denire laccelerogramma ed il passo costante t con cui `e possibile
campionarlo;
2. valutare, mediante un metodo di integrazione al passo, la risposta in
termini di spsoatmento delloscillatore elementare per assegnato
n
(o
T
0
) e ;
3. valutare S
s
(
n
, ) = S
s
(T
n
, ) e conseguentemente, con le 4.16, S
pv
e S
pa
;
4. far variare con continuit`a
n
(o T
n
) lasciando inalterato e continuatre
dal punto 2;
5. una volta completato il campo di
n
(o T
n
) di interesse, modicare e
continuare dal punto 2.
4.4 Spettro di progetto elastico e spettro di po-
tenza spettrocompatibile
4.4.1 Spettro di progetto elastico
Lo spettro di risposta `e funzione dellaccelerogramma preso in esame. Ma le
caratteristiche dellaccelerogramma dipendono da vari fattori quali: la mgni-
tudo del terremoto, la posizione dellipocentro, il tipo di rottura tettonica che
lha generato, la geologia degli stati aattraversati e le condizioni geotecniche del
suolo ove `e registrato laccelerogramma.
Ne segue che non `e possibile predire lo spettro di risposta di un futuro terre-
moto. Pertanto, ai ni progettuali, `e necessario introdurre lo spettro di progetto
66 Analisi sismica
elastico che, a dierenza dello spettro di risposta, deve essere valutato attar-
verso considerazioni statistiche per tener conto delle varie incertezze.Di solito
lo spettro di progetto elastico si determina mediando e addolcendo curve che
rappresentano gli spettri di risposta elastici di un certo numero di terremoti
avvenuti in condizioni similari.
Sono state proposte diverse tecniche per denire lo spettro di progetto elastico. I
vari spettri di progetto elastici proposti in questi anni, largamente utilizzati nelle
varie normative nazionali, si distinguono `eper il parametro di normalizzazione
scelto (per esempio, il picco massimo dellaccelerazione, della velocit`a o dello
spostamento del terreno) e per il modo con cui vengono trattati statisticamente
i dati.
4.4.2 Funzione di Husid
La densit`a spettrale di potenza, detta anche (impropriamente) spettro di po-
tenza, `e una quantit`a che caratterizza in modo completo un processo aleatorio
stazionario gaussiano a media nulla.
Volendo utilizzare tale quantit`a nellIngegneria Sismica, bisogna innanzitutto
vericare se il moto di trascinamento alla base di una struttura, conseguenza
di un terremoto, `e schematizzabile come un processo stazionario. Esaminando
gli accelerogrammi di terremoti avvenuti appare evidente che laccelerogram-
ma di un terremoto pu`o essere interpretato come un campionedi un processo
aleatorio non stazionario. Tuttavia, un esame pi` u attento dellaccelerogramma
rivela una fase pi` u intensa (strong motion) di durata limitata T
S
, nella qua-
le laccelerogramma pu` o pensarsi come un campione di un processo aleatorio
stazionario. La durata della fase intensa di un terremoto, in accordo a quan-
to proposto da Husid, viene comunemente determinata attraverso lesame della
seguente funzione
H (t) =
_
t
0
x
2
g
(t) dt
_
t
f
0
x
2
g
(t) dt
0 H (t) 1 (4.20)
La funzione H(T) `e nota in letteratura come funzione di Husid.
Questa funzione cresce lentamente nelle fasi iniziali e nali, nelle quali lacce-
lerogramma ha modesti valori delle ordinate. Invece, nella fase intermeddia, in
cui laccelerogramma assume valori pi` u elevati, la funzione H(t) cresce molto
rapidamente.
La durata T
S
della fase intensa `e convenzionalemnte denita come segue
T
S
= t
95
t
5
(4.21)
nella quale t
5
e t
95
sono rispettivamente gli istanti nei quali la funzione di
Husid assume i valori, rispettivamente, 0.05 e 0.95.
Se T
S
, durata della fase intensa del terremoto, `e molto pi` u grande del periodo
proprio T
n
delloscillatore elementare, si pu`o, con buona approassimazione, con-
siderare sia gli accelerogrammi che la risposta delloscillatore elementare come
processi aleatori stazionari a media nulla. A tal proposito si ricorda che la fase
transiente di un oscillatore elementare pu`o considerarsi conclusa dopo un inter-
vallo temporale maggiore di 3/(
n
) secondi. Ne segue che se `e soddisfatta la
seguente relazione
4.4 Spettro di progetto elastico e spettro di potenza
spettrocompatibile 67
T
S
>>
3T
n
2
(4.22)
la fase transiente delloscillatore si esaurisce prima che nisca la parte intensa
di durata T
S
del terremoto, nella quale gli accelerogrammi sono ipotizzati come
processi stazionari. Quindi, in questo caso, la risposta delloscillatore, nella fase
intensa del terremoto, pu`o essere considerata anchessa un processo stazionario.
Dal punto di vista probabilistico, sia il terremoto (processo forzante) sia la
risposta (processo risposta) possono essere deniti in modo completo dalla sola
funzione densit`a spettrale di potenza.
4.4.3 Spettro di potenza di progetto
La maggior parte delle normative nazionali in materia di analsi sismica non
deniscono gli spettri di potenza. Nelle stesse normative sono riportati i soli
spettri di progetto.
Ci`o `e dovuto al fatto che lo spettro di progetto elastico costituisce, da un punto
di vista ingegneristico, un concetto ben consolidato e facilmente comprensibile.
Lo spettro di potenza richiede, invece, per la sua interpretazione e applicazione,
la conoscenza di concetti pi` u complessi e nozioni teoriche pi` u approfondite. C`e
da precisare che lanalisi sismica aleatoria non possiede, per`o, i limiti di quella
basata sullo spettro di progetto e permette il calcolo di strutture pi` u complesse,
quali quelle composte da pi` u sottostrutture o quelle in cui sono presenti dei
dissipatori o degli isolatori lineari.
Analogamente allo spettro di progetto elastico, lo spettro di potenza di pro-
getto potrebbe essere denito interpretando con gli strumenti della statistica i
dati a disposizione.
Assunto il generico accelerogramma come un campione di un processo aleatorio
gaussiano a media nulla, in accordo alla 4.6, si potrebbe valutare lo spettro di
potenza del generico campione di accelerogramma come segue
S

X
g
() =

2T
s
|A
g
(, T
s
)|
2
=

2T
s
C
2

X
g
() (4.23)
nella quale A
g
(, T
s
) e C

X
g
() sono, rispettivamente, la trasformata di Fou-
rier e lo spettro di Fourier del generico campione di accelerogramma

X
g
(t), di
durata T
s
, qui indicato con la lettera maiuscola in quanto trattasi di campione
di processo aleatorio.
Una volta determinati gli spettri di potenza dei singoli campioni, lo spettro di
potenza di progetto andrebbe calcolato seguendo le regole della statistica; per
esempio mediando e addolcendo i vari spettri di Fourier, che per`o risultano pi` u
frastagliati rispetto ai corrispondneti spettri di risposta.
Questo modo di procedere non viene applicato per il calclolo dello spettro di
potenza di progetto. Le normative che prevedono unanalisi aleatoria non ripor-
tano lespressione della densit`a spettrale di potenza di progetto ma la deniscono
in funzione dello spettro di progetto elastico. Nelle normative stesse `e richiesto
che lo spettro di potenza di progetto sia determinato in modo da essere spettro-
compatibile; cio`e lo spettro di progetto deve essere compatibile o coerente con
lo spettro di progetto elastico di riferimento.
68 Analisi sismica
Secondo lEurocodice 8 la coerenza o compatibilit`a si considera raggiunta quan-
do il frattile 50% (o, in alternativa, il valor medio) della distribuzione dei picchi
massimi assoluti della risposta delloscillatore elementare coincide, con una tol-
leranza del 10%, nellintervallo dei periodi che vanno da 0.2s a 3.5s, con lo
spettro di progetto (o di risposta) elastico S
e
(T), denito nella g. 49.1 e nelle
formule da 49.1 a 49.4 di [4].
LEurocodiec 8 non fornisce alcuna metodologia per il calcolo dello spettro di
potenza.
Sono state proposte formule approssimate che forniscono lo spettro di potenza
compatibile nellipotesi di attraversamenti indipendenti o di attraversamenti a
grappoli di una data barriera bilaterale. Tali formule esprimono lo spettro di
potenza come funzione del quadrato dellaccelerazione spettrale di progetto. Per
i dettagli su tali formule si rimanda a [1].
4.4.4 Storie temporali
LEurocodice 8 consente di rappresentare il moto sismico mediante storie tempo-
rali in termini di accelerazione sismica registrata o articiale, purche rispettino
le condizioni indicate nel par. 49.3 di [4].
4.5 Equazioni del moto di strutture classicamen-
te smorzate a molti gradi di libert`a
Per un sistema a molti gradi di libert`a, soggetto a un moto di trascinamento
alla base, lequazione del moto pu`o essere messa nella forma
M x(t) +C x(t) +Kx(t) = M
x
x
g
(t) M
w
w
g
(t) (4.24)
dove si `e supposto che il moto di trascinamento alla base possa essere de-
composto in due componenti, quella orizzontale x
g
(t) e verticale w
g
(t).

x
e
w
rappresentano, rispettivamente, i vettori delle incidenze per un moto di
trascinamento orizzontale e verticale.
La 4.24 `e valida se gli spostamenti dei vincoli di base sono tutti uguali. In
caso contrario occorre sostituire i vettori
x
e
w
con due matrici delle incidenze
o di inuenza T
x
e T
w
per la denizione ed il signicato delle quali si rimanda
a [1]. Tali matrici hanno la forma di matrici di trasformazione, denite nel cap.
19 di [4].
Nellanalissi sismica di strutture civili intelaiate multipiano spaziali si fanno
spesso alcune ipotesi semplicative che qui si riassumono:
le travi e i pilastri indeformabili assilamente, soggetti ad un moto di
trascinamneo orizzontale alla base;
gli implacati sono rigidi per azioni orizzontali e deformabili per azioni
verticali;
4.6 Analisi modale 69
gli spostamenti ai vari piani dei telai della struttura non sono
indipendenti ma partecipano al moto rigido dellimpalcato nel suo piano.
Per lr-esimo impalcato si hanno, quindi 3 gradi di libert`a: le due
traslazioni orizzontali u
xr
e u
yr
secondo le direzioni x e y di un sistema
cartesiano ortogonale O(x, y, z) e la rotazione u
r
attorno allasse z.
Ulteriori semplicazioni del modello possono aversi se le strutture in esame
sono simmetriche.
Tutte queste ipotesi semplicative possono essere modellate con vincoli di di-
pendenza o masters-slaves, normalmente disponibili in un programma generale
agli elementi niti.
4.6 Analisi modale
Lanalisi dinamica di tali strutture viene spesso eseguita col metodo della so-
vrapposizione modale, nella forma ridotta a un numero m di modi inferiore al
numero n di gradi di libert`a della struttuta.
Una volta determinati i modi propri di vibrare della struttura, occorre risolvere
m equazioni dierenziali del secondo ordine nellincognita a
j
, detta coeciente
di partecipazione del modo j-esimo o anche coordinata modale j-esima.
a
j
(t) + 2
j

j
a
j
(t) +
2
j
a
j
(t) = p
j
(t) x
g
(t)
a
0,j
= a
j
(0) =
T
j
Mx
o
; a
0,j
= a
j
(0) =
T
j
Mv
o
(4.25)
Il termine p
j
`e dato dallespressione
p
j
= Y
T
j
M (4.26)
talvolta detto, impropriamente, coeciente di partecipazione modale j-esimo
e, pi` u propriamente, massa modale ecace.
Linsieme delle masse modali ecaci sono raccolti nel vettore delle masse modali
ecaci
p = Y
T
M (4.27)
Poiche vale la seguente relazione tra la matrice modale e la matrice di massa
YY
T
= M
1
(4.28)
si pu`o scrivere
p
T
p =
T
MYY
T
M =
T
M = M
tot
(4.29)
la quale fornisce la massa totale M
tot
della struttura coinvolta dal moto
sismico nella direzione considerata.
Denita la massa partecipante
(j)
, detta anche massa modale, come

(j)
=
p
2
j
M
tot
=
p
2
j
p
T
p
(4.30)
70 Analisi sismica
`e possibile valutare la frazione della massa totale, coinvolta dai primi m n
modi sommando i contributi dati dalla 4.30 per 1 j m

m
=
m

j=1

(j)
(4.31)
Nellanalisi sismica `e buona norma tener conto di un numero di nodi tali che
risulti
m
> 0.85. Ovviamene se m = n si ha
m
= 1.
Tutte le variabili sono spesso espresse in forma percentuale.
La soluzione in forma integrale dellequazione 4.25 `e data da
x
j
(t) =
2
j
g
j
(t

) a
0,j
+h
j
(t

) a
0,j

_
t
0
h
j
(t ) p
j
x
g
() d (4.32)
dove
t

= t t
0
;

j
=
j
_
1
2
j
g
j
(t) =
1

2
j
exp (
j

j
t)
_
cos
_

j
t
_
+

j

j
sin
_

j
t
_
_
h
j
(t) = g
j
(t) =
1

j
exp (
j

j
t) sin
_

j
t
_

h
j
(t) = exp (
j

j
t)
_
cos
_

j
t
_

j
sin
_

j
t
_
_
(4.33)
La soluzione in forma integrale nelle variabili di stato modali `e data dalle-
quazione
w
j
(t) =
j
(t

) w
j
(t
0
)
_
t
0

j
(t )vp
j
x
g
() d (4.34)
dove
w
j
(t) =

a
j
(t)
a
j
(t)

; v =

0
1

;
j
(t) =

2
j
g
j
(t) h
j
(t)

2
j
h
j
(t)

h
j
(t)

(4.35)
Una volta denita la risposta nelle variabili di stato modali del generico oscil-
latore `e possibile risalire alla risposta modale dellintera struttura assemblando
in modo opportuno le variabili di stato dei singoli oscillatori elementari.
La soluzione modale della struttura nelle variabili di stato modali assume questa
forma
w(t) =
M
(t

) w
0

_
t
0

M
(t )v
M
x
g
() d (4.36)
dove
v
M
=

0
p

;
M
(t) =

g (t)
2
h(t)
h(t)
2

h(t)

(4.37)
4.7 Risposta aleatoria stazionaria nel dominio della frequenza 71

M
(t) rappresenta la matrice di transizione nello spazio modale.
g(t), h(t) e

h(t) sono delle matrici diagonali i cui j-esimi elementi sono riportati
nella 4.33.
Nello spazio nodale la formulazione integrale della risposta, in termini di
variabili di stato nodali, si scrive
z (t) =
N
(t

) z
0

_
t
0

N
(t )v
N
x
g
() d (4.38)
nella quale
z (t) =

x(t)
x(t)

; v
N
=

N
(t) =

Yg (t) Y
T
K Yh(t) Y
T
M
Yh(t) Y
T
K Y

h(t) Y
T
M

(4.39)

N
(t) rappresenta la matrice di transizione nello spazio nodale, che `e stret-
tamente legata alla matrice di transizione nello spazio modale.
4.6.1 Calcolo delle sollecitazioni
Dagli spostamenti modali si pu`o risalire agli spostamenti nodali e alle relative
sollecitazioni. Nel caso di struttura piana i momenti ettenti ed i tagli possono
essere posti nella forma
M
f
(t) = R
M
x(t) = R
M
Ya(t) = E
M
a(t)
T(t) = R
T
x(t) = R
T
Ya(t) = E
T
a(t)
(4.40)
4.7 Risposta aleatoria stazionaria nel dominio
della frequenza
4.7.1 Processo forzante multivariato-monocorrelato
Si fa lipotesi che laccelerazione sismica

X
g
(t) sia un processo aleatorio gaussia-
no stazionario a media nulla (indicato in [1] con la lettera maiuscola associata,
per convenzione, a tutte le variabili aleatorie) e che il moto di trascinamneo in
fondazione sia uniforme.
Ne consgeue che il processo aleatorio forzante F(t) = M

X
g
(t) risulta essere un
processo multivariato-monocorrelato. In questo caso la funzione densit`a spet-
trale di potenza S

X
g
(t), che si assume nota o determinabile in modo da essere
spettrocompatibile, descrive in modo completo il processo aleatorio forzante.
Da tale spettro di potenza `e possibile valutare la risposta aleatoria nel dominio
della frequenza, applicando lanalisi modale, che conduce alla seguente matrice
densit`a spettrale di potenza della risposta (ved. par. 7.2 di [1])
S
XX
() =
m

j=1
m

k=1
S
A
j
A
k
()Y
j
Y
T
k
(4.41)
72 Analisi sismica
nella quale S
A
j
A
K
() `e la densit`a spettrale di potenza incrociata tra gli
oscillatori modali j e k
S
A
j
A
k
() = p
j
p
k
G

j
() G
k
() S

X
g
(4.42)
essendo G
s
()(s = j, k) la funzione di trasferimento del generico oscillatore
modale
G
s
() =
1

2
s

2
+i2
s

(4.43)
Introdotta la densit`a spettrale di potenza unilaterale S

X
g
()
S

X
g
j

() =
_
2S

X
g
() 0
0 < 0
(4.44)
si possono valutare i momenti spettrali della risposta modale

i,A
j
A
k
=
_
+
0

i
S
A
j
A
k
j

()d = p
j
p
k

i,jk
(4.45)
con

i,jk
=
_
+
0

i
G

j
()G
k
() S

X
g
j

() d (4.46)
Queste quantit`a sono complesse per j = k e reali per j = k. Valgono inoltre
le seguenti relazioni:

2
A
j
A
K
= Re
_

0,A
j
A
K
_
;
2

A
j
A
K
= Im
_

1,A
j
A
K
_
;
2

A
j

A
K
= Re
_

2,A
j
A
K
_
(4.47)
Il generico momento spettrale dello spostamento nodale si determina una
volta che sia conosciuta la densit`a spettrale unilaterale dellr-esimo spostamento
modale
S
X
r
j

() = S
X
r
X
r
j

() =
m

j=1
m

k=1
Y
rj
Y
rk
S
A
j
A
k
j

() (4.48)
ottenendo di conseguenza

i,X
r
() =
m

j=1
m

k=1
Y
rj
Y
rk
p
j
p
k

i,jk
(4.49)
Noti i momenti spettrali `e possibile valutare le statistiche del picco massimo
assoluto del processo aleatorio gaussiano a media nulla X
r
(t).
Si ricorda che il processo aleatorio non stazionario picco massimo assoluto `e
cos` denito ( ved. par. 8.1.2 di [1])
X
r,max
(T
s
) = max
0tT
s
|X
r
(t)| (4.50)
essendo T
s
la nestra temporale di osservazione del processo stazionario
X
r
(t).
4.7 Risposta aleatoria stazionaria nel dominio della frequenza 73
In particolare, il frattile inferiore X
r,T
s
,p
, che denisce la probabilit`a p che il
picco massimo assoluto del processo aleatorio |X
r
(t)| sia inferiore a X
r,T
s
,p
nel-
lintervallo [0, T
s
] (ved. par. 8.5 di [1]), pu`o valutarsi attarverso la seguente
espressione
X
r,T
s
,p
=
X
r
(T
S
, p)
_

0,X
r
(4.51)
nella quale
X
r
(T
S
, p) `e il fattore di picco e rappresenta il frattile inferiore
di ordine p della variabile aleatoria normalizzata X
r,max
(T
s
) /
_

0,X
r
.
Il fattore di picco dipende dai momenti spettrali del processo aleatorio (ved.
par. 8.4 e 8.5 di [1]).
E immediato generalizzare le relazioni precedenti al caso in cui si voglia cal-
colare lr-esimo momento spettrale della generica risposta X
r
(X
r
= spostamento
relativo, rotazione, momento ettente, sforzo di taglio, ecc.)

i,X
r
=
m

j=1
m

k=1
E
rj
E
rk
p
j
p
k

i,jk
(4.52)
nella quale le matrici E
rj
e E
rj
sono matrici che dipendono dal tipo di ri-
sposta che interessa.
Per gli spostamenti nodali tali matrici coincidono con la matrice modale Y, per
i momenti ettenti con la matrice E
M
e per i tagli con la matrice E
T
.
Noti i momenti spettrali della generica risposta `e possibile risalire al picco
massimo assoluto attrraverso relazioni analoghe alle 4.50 e 4.51.
4.7.2 Processo forzante multivariato-multicorrelato
In questo caso il moto di trascinamento al piede della struttura `e dierente
per ogni sostegno e la forzante pu`o essere posta nella forma MT

X
g
(t), dove
T `e la matrice delle incidenze e

X
g
(t) `e un processo aleatorio muiltivariato-
multicorrelato a media nulla perfettamnte denito dalla matrice densit`a spet-
trale di potenza, che, per una struttura piana, pu`o scriversi nella forma seguente
S

X
g
() = S

X
g
()

X
g
() (4.53)
nella quale

X
g
() `e la matrice di coerenza i cui elementi non unitari di-
pendono dalla velocit`a delle onde sismiche, dalla distanza dei sostegni e dai dati
sperimentali che caratterizzano il terreno.
Nello spazio modale la forzante assume la forma
P
T

X
g
(t) ; P
T
= Y
T
MT =

p
T
1
p
T
2
...
p
T
m

; p
T
j
= Y
T
j
MT (4.54)
dove P `e una matrice di ordine s m (s essendo il numero di sostegni).
Si pu`o dimostrare che nel caso di processo forzante gaussiano multivariato
multicorrelato si ha
74 Analisi sismica
S
A
j
A
k
() = p
T
j
G

j
() S

X
g
G
k
() p
k
=
=
m

l=1
m

q=1
p
lj
p
qk
G

j
() G
k
() S
lq
()
(4.55)
nella quale p
lj
, p
qk
e S
lq
() sono, rispettivamente, gli elementi dei vettori
p
j
, p
k
e della matrice densit`a spettrale di potenza S

X
g
().
Introducendo la matrice densit`a spettrale di potenza unilaterale
S

X
g
j

() = 2S

X
g
() 0
S

X
g
() = 0 < 0
(4.56)
`e possibile ricavare i momenti spettrali modali attraverso le seguenti relazioni

i,A
j
A
k
= p
T
j
_
+
0

j
G

j
()G
k
() S

X
g
j

() d p
k
=
=
n

l=1
n

q=1
p
lj
p
qk

i,jkql
; i = 0, 1, 2
(4.57)
con

i,jkql
=
_

0
G

j
()G
k
() S
lq
j

() d (4.58)
nella quale S
lq
j

() sono gli elementi della matrice densit`a spettrale di po-


tenza unilaterale S

g
(), la quale risulta essere una matrice Hermitiana.
Una volta calcolati i momenti spettrali modali 4.58, `e possibile risalire a
quelli nodali dellr-esimo grado di libert`a attraverso le seguenti relazioni

i,X
r
=
m

j=1
m

k=1
Y
rj
Y
rk

i,A
j
A
k
=
m

j=1
m

k=1
n

l=1
n

q=1
p
lj
p
qk
Y
rj
Y
rk

r,jklq
(4.59)
e a quelli della generica risposta

i,X
r
=
m

j=1
m

k=1
E
rj
E
rk

i,A
j
A
k
=
m

j=1
m

k=1
n

l=1
n

q=1
p
lj
p
qk
E
rj
E
rk

r,jklq
(4.60)
Nel caso in cui E
rj
e E
rk
coincidono con gli elementi delle matrici E
M
e
E
T
, denite nella 4.40, X
r
rappresenta, rispettivamente, la variabile aleatoria
momento ettente e sforzo di taglio.
4.8 Combinazione dei picchi massimi assoluti mo-
dali valutati attraverso lo spettro di proget-
to
Si vuole determinare il picco massimo assoluto della risposta nodale applicando
la tecnica dello spettro di risposta.
4.8 Combinazione dei picchi massimi assoluti modali valutati
attraverso lo spettro di progetto 75
Nel caso di strutture a molti gradi di libert`a, poiche gli spostamenti massimi
assoluti dei vari oscillatori modali non si hanno allo stesso istante, `e necessario
denire una regola di combinazione modale che fornisca i picchi massimi assoluti
nodali, in modo sucientemente accurato, una volta noti quelli modali.
Se si indica con S
s
(T
j
, ) il valore dello spettro di progetto di spostamento
delloscillatore elementare di periodo proprio T
j
e rapporto di smorzamento ,
tenendo presente la denizione di spettro di progetto, si pu`o valutare il valor
medio del picco massimo assoluto della risposta modale attraverso la seguente
relazione
max |A
j
(t)| = A
j,max
= p
j
S
s
(T
j
, ) (4.61)
Ne segue che `e possibile valutare il seguente vettore
X
(j)
max
= A
j,max
Y
j
= p
j
S
s
(T
j
, ) Y
j
(4.62)
il quale raccoglie i valori medi dei picchi massimi assoluti degli spostamenti
nodali relativi al j-esimo modo.
Poiche, al variare del modo preso in esame, gli spostamenti nodali conseguenti
non si hanno al medesimo istante di tempo, non `e possibile eseguire una semplice
combinazione modale lineare per ottenere il vettore che raccoglie i valori medi
dei picchi massimi assoluti degli spostamenti nodali.
Si deve perci`o ricorrere a tecniche alternative (ved. anche par. 19.8 di [4]). La
procedura pi` u ovvia, che certamente sovrastima gli spostamenti nodali massimi,
`e basata sulla somma dei valori assoluti dei massimi (ABS) secondo la quale si
ha
X
r,ABS
=
m

j=1
X
(j)
r,max
=
m

j=1
|p
j
Y
rj
|S
s
(T
j
, ) (4.63)
Si dimostra che che il valor medio del picco massimo assoluto pi` u probabi-
le della risposta nodale si ottiene, in forma approssimata, valutando la radice
quadrata della somma dei quadrati (SRSS, dallinglese Square Root of Sum of
Squares) dei valori medi dei picchi massimi assoluti modali
X
r,SRSS
=

_
m

j=1
_
X
(j)
r,max
_
2
=

_
m

j=1
Y
2
rj
p
2
j
S
2
s
(T
j
, ) (4.64)
Questa formulazione `e adottata da tutte le normative tecniche internaziona-
li.
Se alcuni modi sono tra loro vicini, cio`e la loro frequenza propria dista meno del
10% della frequenza pi` u bassa, luso della 4.64 pu`o sovrastimare o sottostimare
il valor medio dei picchi. Per tale motivo `e stata proposta la seguente combina-
zione, denominata combinazione quadratica completa (CQC), la quale supera i
limiti della SRSS
X
r,CQC
=

_
m

j=1
m

k=1

jk
X
(j)
r,max
X
(k)
r,max
(4.65)
76 Analisi sismica
I coecienti
jk
prendono il nome di coecienti di combinazione modale e
sono dati dalle espressioni (19.35-b) e (19.35-c) di [4].
Seguendo lo stesso ragionamento sopra fatto, si pu`o determinare una rela-
zione che consente di calcolare il valor medio del picco massimo assoluto della
gnerica risposta strutturale X
r
(spostamento nodale, momento ettente, taglio,
ecc.) nel caso in cui si voglia applicare la tecnica dello spettro di risposta.
Occorre stabilire il tipo di combinazione, in particolare le due pi` u usate, SRSS
o CQC. Il valor medio del picco massimo della r-esima risposta nodale X
r
pu`o
essere valutato con le seguenti relazioni
X
r,SRSS
=

j=1
(X
r,j
)
2
X
r,CQC
=

k=1
m

j=1

jk
X
r,j
X
r,k
(4.66)
nella quale si `e indicato con X
r,j
il valoro medio del picco massimo assoluto
della generica risposta modale relativa al j-esimo modo.
Se si pone, per esempio,
X
r,j
= X
(j)
r,max
; X
r,j
= M
(j)
fr,max
; X
r,j
= T
(j)
r,max
(4.67)
si ottiene, rispettivamente,
X
r,j
= X
(j)
r,max
= p
j
Y
rj
S
s
(T
j
, ) =
p
j

2
j
Y
rj
S
pa
(T
j
, )
X
r,j
= M
(j)
fr,max
= p
j
E
M,rj
S
s
(T
j
, )
X
r,j
= T
(j)
r,max
= p
j
E
T,rj
S
s
(T
j
, )
(4.68)
dove E
M
e E
T
sono matrici denite nella 4.40. S
s
e S
pa
sono, rispettiva-
mente lo spettro di progetto elastico in termini di spostamento e di pseudo-
accelerazione.
4.9 Forze statiche equivalenti
Si dicono forze statiche equivalenti al generico istante temporale t, quel sistema
di forze, raccolte nel vettore f
st
(t), che, applicate alla struttura allistante t, pro-
ducono il vettore degli spostamenti nodali u(t), determinato attraverso lanalisi
dinamica
f
st
(t) = Kx(t) (4.69)
Noto il vettore f
st
(t), le sollecitazioni possono essere determinate a ogni
istante temporale mediante unanalisi statica.
Il vettore delle forze stastiche equivalenti pu`o essere valutato, in seguito allap-
plicazione dellanalisi modale, attraverso la seguente espressione
4.9 Forze statiche equivalenti 77
f
st
(t) = KYa(t) = MY
2
a(t) (4.70)
La precedente relazione pu`o anche porsi nella forma seguente
f
st
(t) =
m

j=1
f
(j)
st
=
m

j=1
KY
j
a
j
(t) =
m

j=1
MY
j

2
j
a
j
(t) (4.71)
Tenuta presente la 4.62 `e possibile valutare il vettore che raccoglie i valori
medi dei picchi massimi assoluti delle forze statiche equivalenti, agenti su ciascun
grado di libert`a, in funzione dello spettro di progetto elastico, come segue
f
(j)
st,max
= KY
j
p
j
S
s
(T
j
, ) = p
j
MY
j
S
pa
(T
j
, ) (4.72)
Indicando con s = M la distribuzione delle forze della struttura a seguito
di un moto di trascinamento uniforme in fondazione, pu`o scriversi
s =
n

j=1
p
j
MY
j
=
n

j=1
s
(j)
(4.73)
dove s
(j)
rappresenta il contributo del j-esimo modo alla distribuzione spa-
ziale delle forze s.
In virt` u della 4.73 `e possibile riscrivere la 4.72 come segue
f
(j)
st,max
= s
(j)
S
pa
(T
j
, ) (4.74)
Una volta determinati i valori medi dei picchi massimi assoluti delle forze
statiche equivalenti per ciascun modo `e possibile risalire agli spostamenti nodali
e alle sollecitazioni, applicando le tecniche di combinazione modale descritte nel
paragrafo precedente.
Si faccia adesso lipotesi che il primo modo di vibrare abbia una massa
partecipante superiore all85%. In questo caso `e possibile limitare lanlisi modale
al solo primo modo di vibrare, per cui pu`o scriversi
f
(j)
st,max

= f
(1)
st,max
= S
pa
(T
1
, ) MY
1
p
1
(4.75)
Tenendo conto della 4.29 pu`o porsi
p
1

=
_
M
tot
(4.76)
nella quale M
tot
`e la massa totale coinvolta nel moto sismico nella direzione
considerata.
Introdotto il seguente vettore, i cui elementi sono quantit`a adimensionali
= p
1
Y
1
=
_
M
tot
Y
1
(4.77)
`e possibile scrivere la 4.75 come segue
f
(j)
st,max

= f
(1)
st,max
= S
pa
(T
1
, ) M (4.78)
Questa espressione denisce la distribuzione delle forze statiche da applica-
re alla struttura per ottenere i valori medi degli spostamenti massimi assoluti
modali calcolati nel caso in cui il solo primo modo di vibrare dia un contribto
78 Analisi sismica
sigicativo alla risposta.
In accordo a quanto riportato nelle varie normative nazionali, si suppone
adesso che sia possibile valutare mediante delle espressioni analitiche approssi-
mate il vattore e il periodo T
1
senza far ricorso alla soluzione di un problema
agli autovalori. Ne segue che, in questo caso, la 4.78 fornisce i valori medi dei
picchi massimi assoluti delle forze statiche equivalenti approssimate da applica-
re alla struttura. Nelle varie normative, la determinazione delle forze statiche
equivalenti, mediante la procedura prima descritta, sta alla base della cosiddetta
analisi statica equivalente.
Una volta valutato il vettore f
st,max
`e immediato risalire, attraverso la 4.69, ai
picchi massimi assoluti degli spostamenti nodali e a quelli delle sollecitazioni.
Lanalisi statica equivalente rappresenta, dunque, il pi` u semplice metodo di ana-
lisi nella progettazione strutturale in zona sismica. Pertanto essa `e codicata in
tutte le normative nazionali. In particolare, la normativa italiana propone, per
gli elementi del vettore , la seguente espressione

j
= h
j
M
tot
n

k=1
m
k
h
k
(4.79)
dove h
j
`e la quota del piano j-esimo rispetto allo spiccato delle fondazioni
ed n il numero dei piani della struttura intelaiata.
Tale espressione si basa sullassunzione che la prima forma modale vari linear-
mente lungo laltezza. Si noti che se le masse a tutti i piani sono le medesime,
la 4.79 si semplica nella forma seguente

j
=
nh
j
n

k=1
h
k
(4.80)
il che equivale a unespressione lineare lungo laltezza delle forze statiche
equivalenti.
Dal confronto (ved. g. 10.13 di [1]) tra i valori dei picchi massimi assoluti delle
forze statiche equivalenti, ottenuti con la 4.78, con quelli valutati con la 4.75,
eseguita su due tipiche strutture multipiano: la prima regolare in elevazione,
la seconda con una brusca variazione di rigidezza e massa allultimo piano, si
evince che lanalisi statica equivalente fornisce risultati attendibili solo per il
telaio regolare in altezza.
Ne segue che una tale analisi pu`o essere applicata con successo solo nei casi di:
strutture intelaiate piane regolari, per le quali si pu`o ipotizzare, con
buona approssimazione, la prima forma modale e calcolare, con formule
approssimate, il periodo fondamentale della struttura;
strutture spaziali simmetriche riconducibili a quelle intelaiate piane.
4.10 Direzione epicentrale di progetto
Il moto sismico viene usualmente rappresentato dalle tre componenti traslazio-
nali (due orizzontali e una verticale) registrate nella stazione di osservazione. In
4.11 Considerazioni sui metodi di calcolo usati nellanalisi sismica 79
generale le tre componenti traslazionali risultato correlate tra loro.
E stato dimostrato che esiste un riferimento cartesiano principale rispetto al
quel le tre componenti el moto sismico registrato possono essere assunte incorre-
late. Gli assi di tale riferimento, detti principali, rimangono pressoche invariati
durante la fase intensa del terremoto. E stato dimostrato, inoltre, che la dire-
zione principale maggiore, lungo la quale si ha lazione sismica pi` u rilevante, `e
orizzontale e coincide con la direzione epicentrale, ovvero con quella retta ideale
che collega lepicentro con lorigine del sistema di riferimento posto nella stazio-
ne di osservazione, mentre la direzione principale minore `e quella verticale.
Ai ni progettuali si dovrebbe conoscere la direzione epicentrale per evitare di
sottostimare le sollecitazioni indotte sulla struttura dallazione sismica. Poich`e
la direzione epicentrale non `e nota in fase di progetto, sono stati proposti nei
metodi per il calcolo della cosiddetta direzione epicentrale di progetto. Essa
rappresenta quella particolare direzione a seguito della quale `e massimo leetto
prodotto dallazione sismica sulla struttura. Ovviamente tale direzioen `e dif-
ferente per ciscun eetto X
r
(X
r
=spostamento, momento ettente, sforzo di
taglio, ecc.).
Uno dei metodi proposti per il calcolo della direzione epicentrale di progetto,
associata al generico eetto X
r
, `e illustrato in dettaglio nel par. 10.9 di [1], al
quale si rimanda per i dettagli.
4.11 Considerazioni sui metodi di calcolo usati
nellanalisi sismica
I metodi che possono essere usati nellanalisi sismica sono:
1. la tecnica dello spettro di risposta;
2. lanalisi aleatoria spettrocompatibile;
3. lanalisi statistico-deterministica con generazione di accelerogrammi
spettrocompatibili (simulazione Monte Carlo);
4. la trasformazione integrale di Fourier in forma discreta (Fast Fourier
Transform);
5. lintegrazione numerica delle equazioni del moto.
I primi quattro metodi possono essere usati soltanto per strutture a compor-
tamento lineare.
I primi tre metodi sopra elencati richiedono preliminarmente la soluzione di un
problema agli autovalori. Lapplicazione dellanalisi modale consente di ricon-
durre il sistema di equazioni accoppiate nello spazio nodale a un sistema di
equazioni, che risultato disaccoppiate nello spazio modale.
Per strutture non classicamente smorzate lanalisi modale risulta di non sempli-
ce applicazione in quanto si deve operare con autovalori e autovettori complessi.
Per tale motivo questi metodi vengono normalmente usati per strutture classi-
camente smorzate.
Il quarto metodo `e applicabile indierentemente a strutture classicamente o non
80 Analisi sismica
classicamente smorzate e non ha bisogno di risolvere alcun problema agli auto-
valori. Deve per`o essere eseguito un numero non piccolo di calcoli statici ma
nel dominio complesso (dominio della frequenza). Pu`o essere anche adoperato
nella simulazione Monte Carlo. Per i dettagli su questo metodo si rimanda al
cap. 14 e al par. 18.3 di [4].
Il quinto metodo `e il pi` u versatile perche `e lunico attualmente disponibile per
analisi in campo lineare e non lineare. Per maggiori informazioni su questo me-
todo si rimanda al cap. 13 e al par. 18.2 di [4].
Si riportano alcune ulteriori note sui primi tre metodi, che sono attualmente
i pi` u usati nellanalisi sismica.
Metodo 1 - Una volta determinati gli autovalori e autovettori, caratteriz-
zando cos` i modi propri di vibrare della struttura, si pu`o applicare la tecnica
dello spettro di risposta utilizzando la combinazione CQC. Si valutano cos` delle
quantit`a deterministiche che sono prossime ai valori medi e alle mediane del pro-
cesso aleatorio picco massimo assoluto della risposta. La CQC fornisce risultati
poco attendibili quando le ipotesi che stanno alla base per la determinazione
dei coecienti di combinazione modale non sono vericate; cio`e quando i coef-
cienti di correlazione tra gli oscillatori modali non sono prossimi a quelli del
processo bianco e i fattori di picco modali sono molto distanti tra loro e non
coincidono con quelli modali. Inoltre tale tecnica, non fornendo le dispersioni
attorno ai valori medi, non consente di poter applicare i metodi probabilistici
per la verica strutturale.
Metodo 2 - Noti i modi propri di vibrare e denita la funzione densit`a spet-
trale di potenza dellaccelerazione sismica, `e possibile applicare lanalisi aleatoria
spettrocompatibile, la quale richiede la valutazione dei momenti spettrali della
risposta nodale in funzione di quelli degli oscillatori modali. E possibile poi
risalire alla densit`a di probabilit`a del processo aleatorio picco massimo assoluto
della risposta e ai suoi metodi sintetici, quali il valor medio, la mediana, la de-
viazione standard, ecc., nellipotesi di attraversamenti indipandenti di una data
barriera da parte del processo aleatorio risposta o in quella in cui tali attraver-
samenti sono agrappoli. Ambedue le ipotesi conducono a espressioni analitiche
semplici della densit`a di probabilit`a e degli indici sintetici. Tuttavia la prima
approssimazione sovrastima la risposta.
Metodo 3 - Un metodo alternativo per il calcolo della risposta `e la simulazione
Monte Carlo, la quale richiede la generazione di accelerogrammi spettrocompa-
tibili, la successiva valutazione delle risposte strutturali ai vari accelerogrammi,
e il calcolo delle statistiche del processo aleatorio risposta applicando metodi
propri della statistica. Questa tecnica `e indubbiamente la pi` u generale e pu`o
applicarsi a tutti quei problemi strutturali per i quali `e possibile ottenere una
soluzione deterministica: il limite principale `e lonere computazionale legato alla
generazione dei campioni dei processi aleatori forzante e risposta.
Da alcune analisi relative a strutture multipiano spaziali, riportate nella g.
10.14 di [1], sembra potersi dedurre che lanalisi aleatoria fornisce valori sintetici
molto prossimi a quelli del metodo Monte Carlo mentre lanalisi dello spettro
di risposta talvolta non d`a risultati conservativi, anche per strutture regolari.
4.12 Altri argomenti di interesse per lanalisi sismica 81
4.12 Altri argomenti di interesse per lanalisi
sismica
Con riferimento alla fonte [1], nel seguito si riportano i riferimenti ai numeri ed
al titolo dei paragra e dei sottoparagra, nei quali sono illustrati ulteriori ar-
gomenti relativi ad aspetti di analisi sismica non trattati in questi complementi,
ma che possono risultare utili in alcune veriche sismiche. Per i dettagli su tali
argomenti si rimanda a [1].
9.6 - Accelerogrammi spettrocompatibili
9.7 - Accelerazione sismica come processo aleatorio stazionario bianco
ltrato
9.7.1 - Modelli nel dominio della frequenza
9.7.2 - Modelli nel dominio del tempo
9.8 - Modellazioni aleatorie non stazionarie dellazione sismica
9.8.1 - Modelli non stazionari modulati in ampiezza
9.8.2 - Modelli non stazionari modulati sia in ampiezza sia in frequenza
9.8.3 - Calcolo della matrice di transizione del ltro
9.9 - Considerazioni sulla modellazione dellanalisi sismica e sulla
valutazione della risposta di strutture ad un grado di libert`a
10.3 - Equazioni del moto di strutture intelaiate multipiano spaziali
10.3.2 - Strutture simmetriche
10.3.3 - Strutture non simmetriche monopiano
10.3.4 - Strutture multipiano non simmetriche
10.3.5 - Considerazioni sul calcolo delle sollecitazioni
Bibliograa
[1] G. Muscolino
Dinamica delle strutture
McGraw-Hill, Milano, 2002
[2] A. Milani, G. Mazzini
Sistemi dinamici
SEU, Servizio Editoriale Universitario di Pisa, 1997
[3] M. Paz, W. E. Leigh
Structural dynamics
Theory and Computation. V ed.
updated with SAP2000
Kluwer Academic Publishers, Boston, 2003
[4] C. Carmignani
Dinamica strutturale (ristampa riveduta e corretta)
Edizioni ETS, Pisa, 2004.