SISTEMAS ACOPLADOS MASA-RESORTE.

APLICACIONES DE INTERS EN INGENIERA Se trata de la idealizacin del comportamiento de un edificio, de cuatro plantas, representado por cuatro masas mi, y cuatro columnas con rigideces Ki con masa estructural despreciable frente a la masa de cada planta y coeficiente de amortiguamiento b. Tenemos entonces un sistema de un grado de libertad, que corresponde a los desplazamientos lateral y(t) de las masas, medido a partir de la configuracin no deformada. El modelo matemtico resulta ser una ecuacin diferencial ordinaria lineal de 2 orden, con coeficientes constantes dada por: My(t)+By`(t)+Ky(t)=f(t) (1)

MODELO FSICO La idealizacin consiste en que existen cuatro masas vinculadas por elementos elsticos, que son los cuatro tramos de la columna soporte. Las acciones externas o parmetros de control del sistema se consideran aplicadas en correspondencia con las posiciones de las masas y se las denomina f 1(t), f2(t), f3(t) y f5(t). Los desplazamientos de las masas m1, m2, m3 y m4, respecto de la configuracin no deformada, que constituyen los parmetros de respuesta del sistema, se indican con y 1(t), y2(t), y3(t) y y4(t), respectivamente. Es posible plantear como sistema equivalente, el siguiente sistema de cuatro grados de libertad, que constituye la idealizacin de la situacin real que se busca estudiar.

MODELO MATEMTICO Cules son las ecuaciones que gobiernan el movimiento de los cuatro objetos. Para ello, realizamos los diagramas de cuerpo libre correspondientes a cada masa, poniendo en evidencia solamente las acciones horizontales y posteriormente aplicamos la segunda ley de Newton. Planteo de la segunda ley de Newton: Para m1: -k1.y1+k2(y2-y1)+f1(t)=m1.y1 Para m2: -k2.(y3-y2)+k3(y3-y2)+f2(t)=m2.y2 Para m3: -k3(y3-y2)+k4(y4-y3)+f3(t)=m3.y3 Para m4: -k4(y4-y3)+f4(t)=m4.y4 Reordenando: m1.y1+(k1+k2).y1-k2.y2= f1(t) m2.y2+(k2+k3).y2-y1k2-y3k3= f2(t)

m3.y3+(k3+k4).y3-y2.k3-y4k4= f3(t) m4.y4+k4.y4-k4.y3= f4(t) Observando se trata de un sistema de 4 ecuaciones diferenciales ordinarias de segundo orden no homogneas, lineales y con coeficientes constantes. Reescribimos en notacin matricial: m1 0 0 0 0 y1(t) y1(t) y1(t) + y1(t) k1+k2 -k2 -k2 0 0 k2+k3 -k3 0 0 -k3 0 0 y1 y2 y3 = y4 x Vector f1(t) f2(t) f3(t) f4(t) =Vector de

0 m2 0

0 0 m3 0 0 0 0 m4

k3+k4 -k4 -k4 k4

Matriz de masa

x Vector + aceleracin

Matriz de rigidez

desplazamiento acciones externas

La ecuacin matricial queda: My(t)+By`(t)+Ky(t)=f(t)

(1)

Queremos estudiar el problema de oscilaciones libres no amortiguadas, es decir, F(t)=0 My(t)+By`(t)+Ky(t)=0 (2)

Mtodos numricos para resolver sistemas de ecuaciones lineales del tipo AX=B

Mtodos directos: Un mtodo se dice que es directo si obtiene la solucin exacta en un nmero fijo de pasos. Est sujeto a errores por redondeo. 1. De eliminacin: Mtodo de eliminacin de Gauss: El mtodo consiste en la reduccin por eliminacin de incgnitas hasta tener en la ltima fila del sistema de ecuaciones una sola ecuacin con una sola incgnita cuyo procedimiento se realiza de la primera a la ltima fila, posteriormente se hace la sustitucin del valor de la incgnita hallada en la ltima fila pero en forma inversa produciendo una forma de ecuacin matricial triangular. Sea AX=B un sistema de n ecuaciones lineales con n incgnitas, donde A es una matriz cuadrada de orden n no singular.

1. Localizamos en la primera columna no nula, de la matriz del sistema, el primer elemento no nulo a. 2. Intercambiamos la primera fila con la fila en la que se encuentra a. 3. Multiplicamos la primera fila por a-1. 4. Sumando mltiplos adecuados de la primera fila a las dems, anulamos todos los elementos de la primera columna no nula menos el primero. 5. Repetimos el proceso, con la matriz que resulta de eliminar la primera fila y la primera columna, hasta conseguir un sistema escalonado. Una vez obtenido el sistema escalonado, se resuelve por sustitucin regresiva. Eliminacin gaussiana con pivoteo total: Si en la etapa r-sima del proceso de eliminacin el pivote arr es demasiado pequeo, elegimos el elemento apq=max {|aij|/i,j>=r} como nuevo pivote. Para ello intercambiamos las filas r y p y las columnas r y q de forma que situamos el elemento apq en la posicin (r,r). Obviamente hemos tomado i; j r para no perturbar los ceros que ya tengamos. Posteriormente continuamos la eliminacin con el nuevo pivote. Eliminacin gaussiana con pivote parcial. En este caso la alternativa consiste en buscar solamente en la r-sima columna; es decir, tomar apr = max {|air|/ i>= r} como nuevo pivote. Para ello intercambiamos las filas r y p, continuando posteriormente el proceso de eliminacin. Teorema[Descomposicin L.U] Toda matriz A Mmxn(K), siempre que no sea necesario realizar un intercambio de filas, se puede descomponer de manera nica en la forma A = LU con L Mm(K) triangular inferior con unos en la diagonal (por tanto, invertible) y U Mmxn(K) triangular superior. Para el caso m < n sera: a11a1ma1n
: : : =

1 0 0 l11 1 0 : : : x

p11 0 : 0

u12 p22 : 0

u1m u2m :

u1n u2n : umn

am1ammamn Dnde:

lm1 lm2 1

pmm

La matriz U es la matriz escalonada resultado de aplicar a la matriz A las trasformaciones elementales por filas. los elementos pij de la diagonal de U, son los pivotes de la matriz A. El elemento lij; i > j de la matriz L es exactamente el valor cambiado de signo que aparece en la transformacin elemental Fij () que se aplic a A para obtener la matriz U.

MY"+bY'+KY=F(t) CON b=0 y Y"=o

Ki [KN/m]

42270,38 35393,62 35696,86 24150,07 FUERZA LATERAL POR NIVEL [KN/m] 74,67 145,16 211,35 414,02 74,67 66,1534029 254,316549 581,544545

MATRIZ DE RIGIDEZ [KN/m] 77664 -35393,62 -35393,62 71090,48 0 -35696,86 0 0 MATRIZ U 77664 0 0 0

VECTOR [m] DESPLAZAMIENTO

0 -35696,86 59846,93 -24150,07

0 0 -24150,07 24150,07

Y1 Y2 Y3 Y4 0 0 -24150,07 8241,82686 0 0 0 1 X=UY

-35393,62 0 54960,6343 -35696,86 0 36661,86618 0 0

MATRIZ L

1 0 0 0,45572749 1 0 0 -0,64949869 1 0 0 -0,65872451

LX=B' X1 X2 X3 X4 74,67 100,1825747 319,3849996 791,9312738

Y4 Y3 Y2 Y1

0,09608686 0,07200641 0,04859088 0,02310565

Mtodos iterativos: Un mtodo iterativo es un mtodo que progresivamente va calculando aproximaciones a la solucin de un problema. En Matemticas, en un mtodo iterativo se repite un mismo proceso de mejora sobre una solucin aproximada: se espera que lo obtenido sea una solucin ms aproximada que la inicial. El proceso se repite sobre esta nueva solucin hasta que el resultado ms reciente satisfaga ciertos requisitos. A diferencia de los mtodos directos, en los cuales se debe terminar el proceso para tener la respuesta, en los mtodos iterativos se puede suspender el proceso al trmino de una iteracin y se obtiene una aproximacin a la solucin. 2. Gauss-Seidel: Los mtodos iterativos son tiles en la disminucin de errores de redondeo en sistemas se debe a que el mtodo de aproximacin se puede continuar hasta que converja dentro de alguna tolerancia de error previamente especificada. De esta forma, no es un problema, ya que controla el nivel de error aceptable. La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente: 1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar valores

2.

3.

4.

5.

seleccionados arbitrariamente. Los valores iniciales utilizados no afectarn la convergencia como tal, pero afectarn el nmero de iteraciones requeridas para dicha convergencia. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras incgnitas los valores supuestos. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la incgnita del paso 2 y los valores supuestos para las incgnitas restantes. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la incgnita que tiene el coeficniente ms grande en cada ecuacin particular, y utilizando siempre los ltimos valores calculados para las otras incgnitas de la ecuacin. (Durante la primera iteracin, se deben utilizar los valores supuestos para las incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin final ha sido resuelta, proporcionando un valor para la nica incgnita, se dice que se ha completado una iteracin. Continuar iterando hasta que el valor de cada incgnita, determinado en una iteracin particular, difiera del valor obtenido en la iteracin previa, en una cantidad menor que cierto seleccionado arbitrariamente. El procedimiento queda entonces completo.

Refirindonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor ser la precisin de la solucin. Sin embargo, la magnitud del epsilon no especifica el error que puede existir en los valores obtenidos para las incgnitas, ya que sta es una funcin de la velocidad de convergencia. Mientras mayor sea la velocidad de convergencia, mayor ser la precisin obtenida en los valores de las incgnitas para un dado.
Gauss-Sediel SEL. 77664 -35393,62 -35696,86 -24150,07 *Y1 *Y1 *Y2 *Y3 -35393,62 71090,48 59846,93 24150,07 *Y2 *Y2 *Y3 *Y4 = 74,67 -35696,86 *Y3 = -24150,07 *Y4 = = 414,02

145,16 211,35

Y1= Y2= Y3= Y4=

0,00096145 0,0020419 0,00353151 0,01714364

+ + + +

0,455727493 0,497867225 0,596469359 1

*Y2 *Y1 *Y2 *Y3

+ 0,50213278 *Y3 + 0,40353064 *Y4

K 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Y1 1E-03 0,002 0,004 0,006 0,009 0,011 0,012 0,014 0,015 0,016 0,017 0,017 0,018 0,018 0,018 0,019 0,019 0,019 0,019 0,019 0,02 0,02 0,02 0,02

Y2 0 0,003 0,006 0,012 0,017 0,022 0,025 0,028 0,031 0,033 0,034 0,036 0,037 0,038 0,038 0,039 0,04 0,04 0,04 0,041 0,041 0,041 0,041 0,041 0,041

Y3 0 0,005 0,016 0,024 0,03 0,036 0,04 0,043 0,046 0,049 0,051 0,052 0,053 0,055 0,055 0,056 0,057 0,057 0,058 0,058 0,058 0,058 0,059 0,059 0,059

Y4 0 0,022 0,033 0,041 0,047 0,053 0,057 0,061 0,063 0,066 0,068 0,069 0,071 0,072 0,073 0,073 0,074 0,074 0,075 0,075 0,075 0,075 0,076 0,076 0,076 Y1 0,544 0,401 0,442 0,281 0,188 0,134 0,099 0,075 0,058 0,045 0,035 0,028 0,023 0,018 0,015 0,012 0,01 0,008 0,006 0,005 0,004 0,003 0,003 0,002 0 Y2 0,552 0,522 0,315 0,207 0,145 0,106 0,08 0,061 0,048 0,038 0,03 0,024 0,019 0,015 0,012 0,01 0,008 0,007 0,005 0,004 0,004 0,003 0,002 0,002 0

er Y3 0,682 0,336 0,213 0,148 0,108 0,081 0,062 0,049 0,038 0,03 0,024 0,019 0,016 0,013 0,01 0,008 0,007 0,005 0,004 0,004 0,003 0,002 0,002 0,002 0 Y4 0,327 0,195 0,136 0,1 0,076 0,058 0,045 0,036 0,029 0,023 0,018 0,015 0,012 0,01 0,008 0,006 0,005 0,004 0,003 0,003 0,002 0,002 0,002 0,001 0

0,02 0,041 0,059 0,076

MATLAB

RESULTADOS

LU 0,019 0,041 0,059 0,076

GAUSS-SEIDEL 0,02 0,041 0,059 0,076

MATLAB 0,02 0,0418 0,0593 0,0764

TRABAJO INTEGRADOR DE CONOCIMIENTOS 2012

CLCULO AVANZADO

GRUPO 5 BARRERA, ANDRS CANT, M. SOLEDAD