Mecanica de Medios Continuos e Introduccion A Los Metodos Finitos

BENEMERITA UNIVERSIDAD AUTONOMA DE
PUEBLA.
FACULTAD DE INGENIERIA
COLEGIO: INGENIERIA CIVIL
MAESTRIA: INGENIERIA ESTRUCTURAL
MATERIA: MECANICA DE MEDIOS CONTINUOS
PROFESOR: DOCTOR JAIME RETAMA
ALUMNO: ANGEL ORLANDO NOGUEZ GONZALEZ
PERIODO: MARZO 2015.
Capitulo 10
Preliminares en la solucin de Eigen problemas
El Objetivo de este y el siguiente captulo es para describir los actuales

procedimientos de solucin que solan solucionar el eigenproblemas de inters.
Antes de presentar los
algoritmos, hablamos en este captulo de algunas consideraciones bsicas
importantes para la solucin de eigenproblemas.
resumiemdo los eigenproblemas que queremos solucionar. Podemos llegar al
ms simple
problema encontrado el estndar en el siguiente eigenproblema:
K = (10.1)
donde K es la matriz de rigidez de un elemento finito solo o de un ensamblaje de
elemento .
K tiene la orden n, y para un ensamblaje de elemento en media amplitud de
banda /Mk (es decir, la amplitud de banda total es
+1), y que K es positivo
semi definido o p ositivo definido. All
son n eigenvalores y eigenvectores correspondientes (10.1). El ith eigenpair es
denotado como (, ) donde los eigenvalues son ordenados acorde a sus
magnitudes:
0 .. n-1 n (10.2)
La solucin para p eigenpairs puede ser escrita K =
es una n x p matriz con sus columnas iguales a los p
donde
eigenvectores y es p x p una matriz diagonal que pone eigenvalues
c orrespondiente en una lista. Como un ejemplo, (10.3) puede representar
la solucin de p ms baja de los eigenvalores y eigenvectores correspondiente
de K, en cuyo caso = [11.. p] y = diagonal ( ) i=1.., p
Recordamos esto si K es un positivo definido, 0 , i=1..,n y si K es positivo
semidefinido 0 , i=1..,n
BENEMERITA UNIVERSIDAD AUTONOMA DE PUEBLA | MECANICA DEL MEDIO CONTINUO, RESUMEN DEL CAPITULO
10 DEL LIBRO Finite Element Procedures. ANGEL ORLANDO NOGUEZ GONZALEZ
donde el nmero del cero eigenvaores es igual al nmero de modos de cuerpo

rgido en el sistema.
La solucin del problema eigenvalue en (10.1) es, por ejemplo, busca la
evaluacin de una matriz de rigidez de un elemento o en el clculo del nmero de
condicines de una matriz de rigidez de una estructura. Hablamos en el Artculo
4.3.2 que la representacin de la matriz de rigidez de elemento en su forma
cannica (es decir, i.e en la base del eigenvector) es usada para evalar la eficacia
del elemento. En este caso todos los eigenvalores y los vectores de K deben ser
calculados. Por otra parte , para evaluar el nmero de condicin de una matriz de
rigidez, slo los eigenvalores ms pequeos y ms grandes se requieren (ver el
Artculo 8.2.6).
Antes de seguir generalizado los eigenproblemas , deberamos mencionar que otro
estndar eigenproblemas tambin tendra que ser solucionado. Por ejemplo,
podemos requerir los eigenvalores de la matriz M de masas, en cuyo caso M
sustituye K (10.1). Del mismo modo, podemos usarlo para los eigenvalores de
conductividad o una matriz de capacidad de calor en el flujo de calor.
En el anlisis (ver el Artculo 7.2).
Es muy muy frecuente considerar Eigenproblemas para ser solucionado en el
modo de vibracin en el anlisis de superposicin (ver el Artculo 9.3). En este caso
consideramos generalizado el eigen problema,
K = M
(10.4)
donde K y el M son, respectivamente, la matriz de rigidez y la matriz de masas
del elemento finito
ensamblaje. Los eigenvalores , y eigenvectores
son las frecuencias de
vibracines libres.
Los ( radianes/segundos) cuadr, w2 , y vectores de forma y modo
correspondientes respectivos. El
las de propiedades de K. La matriz de masas puede ser dividida en bandas, en
cuyo caso su
media amplitud de banda mM es igual a mK , o M puede ser diagonal con m 0;

es decir, alguna diagonal de los elementos pueden ser posiblemente cero. Una
matriz de masas dividida en bandas , obteniendo en consecuencia una masa ,
siempre sera definido como positivo , mientras que una matriz de masas
concentrada es positiva definido slo si todos los elementos diagonales son ms
grandes que cero. En general, una matriz de masas diagonal es positiva
semidefinida.
En analoga con (10.3), la solucin para p eigenvalores y eigenvectors
correspondientes de
(10.4) pueden ser escritos
K = M
KO = MOA
(10.5)
donde las columnas en son loseigenvectores y es una matriz diagonal que
pone los
Eigenvalores correspondientes.
Por supuesto , eigenproblemas g eneralizados en (10.4) reduce al estndar de los
eigenproblemas
en (10.1) si el M es una matriz de identidad. En otras palabra s, el eigenvalues y
eigenvectores
en (10.3) tambin puede ser pensado como frecuencias cuadradas y formas de
modo de vibracin del el sistema cuando la masa de unidad es especificada en cada
nivel de la libertad. Correspondiente al posible eigenvalores en la solucin de
(10.1), el eigenproblema g eneralizado en (10.4) tiene eigenvalores 0 , i=1..,n
donde el nmero de cero eigenvalores es otra vez igual al nmero de modos del
cuerpo rgido en el sistema.
Dos adicional generaliz ando eigenproblemss debera ser mencionado brevemente.
Un segundo
el problema es solucionado en anlisis lineal que se tuerce, en cuyo caso
consideramos (ver la seccion (6.8.2)
tK = t- t K
(10.6)
Preliminares de la Solucin de Eigenproblems Captulo. 10

Donde t- r K
rK son la rigidez matrices correspondiente a tiempos (es decir,
niveles de carga)
t - t y t, respectivamente.
Un tercero generaliza que un eigenproblema es encontrado en el anlisis de

transferencia de calor, donde Se considera la ecuacin
K = C
(10.7)
donde K es la matriz de conductividad de calor y C es la matriz de capacidad de
calor. Los eigenvalores y los eigenvectors son eigenvalores termicos y sus formas
de modo , respectivamente. La solucin de (10.7) se requiere en el anlisis de
transferencia de calor usando la superposicin de modo (ver el Ejercicio 9.25).
El matrices K y C en (10.7) son positivos definido o positivo semidefinido, de modo
que
los eigenvalores de (10.7) son 0 , i=1..,n
En esto y el siguiente captulo hablamos de la solucin del eigenproblemas K =
y K K = M
en (10.1) y (10.4). Encuentran con frecuencia en estos eigenproblemas
prctica. Sin embargo, hay que realizar que todos los algoritmos para ser
presentados tambin son aplicables a la solucin de otros eigenproblemas, a
condicin de que ellos sean de la misma forma y las matrices satisfazcan las
condiciones apropiadas de carcter decisivo positivo, de semicarcter decisivo, y
etcetera
Por ejemplo, para solucionar el problema en (10.7), el M de la matriz de masas
simplemente tiene que ser sustituido por la matriz de capacidad de calor C, y la
matriz K es la matriz de conductividad de calor.
Considerando la solucin de ordenador actual de eigenproblemas r equerido,
recordamos
esto en la introduccin a procedimientos de solucin de ecuacin en el anlisis
esttico (ver el Artculo 8.1),
observamos la importancia de usar procedimientos de clculos eficaces . Esto es
hasta ms riguroso en clculos de eigensistemas porque la solucin de eigenvalores
y sus
eigenvectores correspondientes requieren, en general, mucho ms esfuerzo de
ordenador que la solucin de ecuaciones de equilibrio esttico
Una consideracin particularmente importante consiste en que los algoritmos de

solucin
debe ser estables, que es ms difcil de conseguir en las eigensoluciones.
Una variedad de mtodos de solucin de eigensistemas ha sido desarrollada y es
relatada en
la literatura (ver, por ejemplo, a J. H. Wilkinson ). La mayor parte de las tcnicas han
sido
ideadas para matrices bastante generales . Sin embargo, en el anlisis de elemento
finito estamos preocupados con la solucin de eigenproblemas especficos
resumido encima, las
matrices tiene propiedades especficas tal como ser divisibles en bandas, positivas
y as sucesivamente los algoritmos de solucin de eigensistemas deberan
aprovechar estas propiedades a fin de hacer una solucin posible ms econmica.
El objetivo en este captulo es poner la fundacin para un entendimiento
cuidadoso de
mtodos de eigensoluciones eficaces. Esto es llevado a cabo por la primera
discusin de las propiedades de las matrices, eigenvalores, y eigenvectores de los
problemas de inters y luego presenta algunas tcnicas de solucin aproximadas .
Los mtodos de solucin actuales recomendados para el uso son presentados en
el Captulo 11.
10.2 HECHOS FUNDAMENTALES USADOS EN LA SOLUCIN
DE EIGENSISTEMAS
Antes de que el funcionamiento de cualquier procedimiento de solucin
eigensistema puede ser correctamente estudiado, es
necesario primero para entender a fondo las propiedades diferentes de las
matrices y eigen
valores y eigenvectores se consideran. En particular, encontraremos que todos los
mtodos de solucin son,
esencia, basada en estas propiedades fundamentales . Por lo tanto queremos
resumir en esta
seccin las propiedades importantes del matrices y sus eigensistemas, aunque
algunos de
Segundo. 10.2
Eigensystems
Hechos fundamentales Usados en la Solucin de
El material ha sido presentado ya en otras secciones del libro. Como indicado en

El artculo 10.1, consideramos el eigenproblema K = M
que reduce a K =
cuando M = I, pero las observaciones hechas soy igualmente aplicables a otro
eigenproblemas de inters.
10.2.1 Propiedades de Eigenvectors
la solucin de eigenproblem generalizado K = de la maana cede n
eigenvalues Ai...
, un", como el mostrado en (10.2), y eigenvectores correspondientes
I
, Cada eigenpair (A, ,) satisface (10.4); es decir; tenemos
K <(), = A, M <|>; yo - 1..., n (10.8)
El significado debera ser bien entendido. La ecuacin dice esto si establecemos
un vector A, M <j> yo y uso es como un vector de carga R en la ecuacin KU = R,
entonces U = <}>.
El pensamiento puede sugerir inmediatamente el uso de algoritmos de solucin
estticos para el clculo de un eigenvector. Veremos ms tarde que el algoritmo de
descomposicin LDL en efecto es un parte importante de procedimientos
eigensoluciones.
La ecuacin en (10.8) tambin expone que un eigenvector slo es definido dentro de
un mltiplo de s; es decir, tambin tenemos
(10.9)
K (<}>,) = A, M (<|> i)
debe ser una constante distinta a cero. Por lo tanto, con <J>, siendo un eigenvector,
a4>, tambin es un eigenvector, y decimos que un eigenvector slo es definido por su
direccin en el nel espacio dimensional se considera. Sin embargo, en nuestra discusin nos referimos
a los eigenvectores satisfacen (10.8) y tambin su relacin = 1, que fija las longitudes
de los
eigenvectores, es decir, la magnitud absoluta de los elementos en cada eigenvector.
Sin embargo, nosotros puede notar que los eigenvectors slo todava son definidos
dentro de un multiplo de-1.
Una relacin importante que los eigenvectors satisfacen es la del M orto normalidad;
es decir,
Tenemos = 8ij
(10.10)
donde dij es el delta de Kronecker. Esta relacin sigue de la orto normalidad

De los eigenvectors y de los eigenproblemas estndar (ver el Artculo 2.5) y adelante
en el Segundo
tion 10.2.5. Pre multiplicndose (10.8) por j transportado y utilizando la condicin en
(10.10),
Significa que los eigenvectores tambin son K-ortogonal. Usando las relaciones en
(10.10)
y (10.11) hay que tener presente que el M-y K-ortogonalidad siguen de (10.8)
y (10.8) es la ecuacin bsica para estar satisfecha. En otras palabras, si creemos que
nosotros
tenenmos un eigenvector y eigenvalor, luego como un control substituirlos en (10.8)
(ver el Ejemplo 10.3).
Hasta ahora no hemos hecho ninguna mencin de eigenvalores mltiples y
eigenvectores correspondientes
Es importante tomar en cuenta que en este caso los eigenvectores no son nicos, pero
que
siempre puede elegir un juego de la M ortonormal eigenvectores que atraviesan el
subespacio esto equivale a un eigenvalor mltiple (ver el Artculo 2.5). En otras
palabras, asuma esto A,
tiene la multiplicidad m (es decir. A, = A, +i = = Ai +, -i); entonces podemos elegir el
m eigenvector
Prolegmenos a la Solucin de Captulo Eigenproblemas.
/... , aquella envergadura el m de subespacio dimensin correspondiente al
eigenvalues
de la magnitud A, y que satisfacen la relacin orthogonality en (10.10) y (10.11).
Como
alguna vez, los eigenvectors no son nicos ; en cambio, el eigenspace
correspondiente a A, es nico.
Demostramos los resultados por medio de algunos ejemplos.
EJEMPLO 10.1: La matriz de rigidez y la matriz de masas de un dos nivel del sistema
de libertad son
- [U]
Se cree que dos eigenpairs del problema K = c |) son
10.2.2 Hechos fundamentales Usados en la Solucin de Eigen sistemas

el vector Kvi no puede ser igual al vector aMvi, donde ser un escalar; es decir,
Kvi no es
iguale a Mvi, y por lo tanto Vi no es un eigenvector. Del mismo modo, V2 no es un
eigenvector y los valores (4 V2) y (4 + V2) calculado en (a) no son eigenvalores.
Eigenvalores actual y
dan eigenvectors correspondiente en el Ejemplo 10.4.
En la presentacin precedente consideramos las propiedades del eigenvectors del
problema K <(> = de la maana <j>, y deberamos comentar brevemente ahora sobre
las propiedades del eigen
los vectores contaron en la solucin de los otros problemas eigenvalue del inters.
El comentario
es simple: las relaciones orthogonality habladas aqu sostienen igualmente para el
eigenvectors del
problemas encontrados en anlisis de transferencia de calor y anlisis que se
tuerce . Es decir tambin tenemos
en anlisis que se tuerce, usando la nota en (10.6),
Un hecho importante que sigue de la propiedad de la separacin de

eigenvalues como
expresado en (10.22) es el siguiente. Suponga que podamos descomponer la matriz
en factores K - / son
es decir, ninguno de los problemas de coaccin asociados tiene un cero eigenvalue.
Para
la simplicidad de la discusin nos dej primero suponer que todos eigenvalues sean
distintos; es decir, hay no eigenvalues mltiple. El hecho importante es que en la
descomposicin ofK-/son, el
el nmero de elementos negativos en D es igual al nmero d e eigenvalues ms
pequeo
A la inversa, si A, </u, <A, +i, hay exactamente yo elementos diagonales negativos
en D. La prueba
es obtenido usando la propiedad de separacin en (10.22) y es relativamente
fcilmente perfilado por el
consideraciones siguientes. Respecto a Fig. 10.1, suponga esto en el esbozo del
carcter
polinomios de istic unimos por lneas recta s todo eigenvalues r = 0, 1..., con
Ai, y llamada la curva que resulta Ci. Del mismo modo, establecemos curvas Cz,
C3... , como indicado en Fig. 10.1. Considere ahora que A, </a <A, +i y dibujan una
lnea vertical corre
sponding a/A en la cifra de los polinomios caractersticos ; es decir, esta lnea
establece donde
/A est con relacin al eigenvalues de los problemas de coaccin asociados .
10
CAPITULO 10.2.3. CAMBIO

Como un importante procedimiento que es usado en la solucin de los eigenvalores y
eigenvectores es el cambio o variacin. El propsito de esta tcnica es la
desarrollamos un cambio de en K calculando :
y as consideramos el problema propio. .
Para identificar como los eigenvalores y los eigenvectores de
relacionados a aquellos del problema
que reescribir :
estn
tendremos
sin embargo, de hecho, el problema de valores propios

puesto que la solucin a este problema es nica, tenemos:
en otras palabras, los eigenvectores de

son los mismos de
, pero los eigenvalores han sido menguados por . Una aplicacin
frecuente para el mtodo de cambio o variacin ocurre en el clcuo de los cuerpos
rgidos cuando el algoritmo es para usarse en el calculo de eigenvalores zero. Asi lo
ilustraremos con un ejemplo.
calcule los eigenvalores y los eigenvectores. Luego aplique una variacion =-2. Con
esta variacin se calculan de nuevo los eigenvalores y los eigenvectores. Y para eso
usamos el polinomio caracterstico.
y asi encontramos que 1 = 0 y 2 = 6. Para calcular 1 y 2 usamos la relacion
y la condicion orthonormal de masa.
Tenemos
improniendo un =-2, obtenemos el problema.
11
y tambin p() = 2 - 10 + 16quedando los valores propios como. 1= 2 , 2= 8 .

como conclusin podemos decir que son necesarios solucionar los algoritmos para
calcular los eigenvalores y sus correspondientes eigenvectores del problema
donde todos los eigenvalores son mayores a zero. Y esto, porque los
modos de cuerpos rgidos estn presentes, debemos siempre operar en una matriz
de cambio de rigideces que hagan todos los eigenvalores positivos.
10.2.4 EFECTOS DE LA MASA ZERO.
Cuando usamos una matriz de masa agrupada, M es diagonal positiva y
posiblemente un zero en los elementos de la diagonal. Si todos los elementos mii son
mayores que zero, entonces por lo general los eigenvalores no podrn ser obtenidos
por el procedimiento estudiado. Sin embargo, si M tiene algn elemento zero en su
diagonal, podremos decir inmediatamente que el problema
tiene los
eigenvalores n = n-1 = . n-r+1 = y pueden construir el correspondiente
eigenvector.
Para obtener el resultado descrito anteriormente, remarcaremos que se requiere un
vector y un escalar que satisfaga la ecuacin
donde es una solucin no trivial y es un vector con al menos un elemento diferente

de zero.
En otras palabras, si tenemos un vector y un escalar que satisfaga la ecuacin
anterior tendremos un eigenvalor y un eigenvector respectivamente, donde
debemos de recalcar que no importa el mtodo como se obtuvieron.
Este es el caso cuando los modos de los cuerpos rgidos estn presentes en los
elementos estructurales de la armadura
12
10.2.5. TRANSFORMACION DE LA FORMA GENERALIZADA EIGENPROBLEMA

K= M A UNA FORMA ESTANDAR
Los eigen problemas ms comunes que se encuentran en el anlisis cientfico son
problemas estndar. Y la mayora de los eigen problemas se pueden reducir a una forma
estndar. Por esta razn, la solucin de los problemas estndar ha llamado mucho la
atencin en el anlisis numrico, y muchos algoritmos estn disponibles.
K= M
En esta seccin se mostrara como el problema
se puede reducir a una
forma estndar.
Primero, veremos que la eficacia del procedimiento de eigensolucin empleada depende en
gran medida de la decisin de si se debe o no llevar a cabo la transformacin a una forma
estndar.
Segundo, si un problema generalizado se puede escribir en la forma estndar, las
propiedades de los eigenvalores, eigenvectores y polinomios caractersticos de los
eigenproblemas generalizados pueden deducirse de las propiedades de la cantidades
correspondientes del eigenproblema estndar.
Se mostrara como las propiedades de los eigenvectores y las propiedades de los polinomios
caractersticos del problema
K= M
se derivan de las propiedades correspondientes
del eigenproblema estndar.

Este es el caso cuando M es diagonal con
mii >0, i=1, .. . , n , como en un anlisis de
masa consistente. Si M es diagonal con algunos elementos de la diagonal cero, primero

necesitamos llevar a cabo la condensacin esttica en los grados de libertad sin masa.
Asumiendo que M es definida positiva, podemos transformar el problema generalizado
K= M mediante el uso de una descomposicin de M de la forma
M =S S
(10.30)
Donde S es cualquier matriz nos singular. Sustituyendo M en
K= M ,
K= S S T
(10.31)
Pre multiplicando ambos lados de (10.31) por
y definiendo un vector
~ T
=S
(10.32)
Obtenemos el eigenproblema estndar
~~ ~
K =
(10.33)
13
Donde,
~ 1 T
K=S KS
(10.34)
Una de las dos descomposiciones de M que se utiliza en general: la factorizacin de
Cholesky de la descomposicin espectral de M. La factorizacin de Cholesky de M es
obtenida con
~ ~T
M =LM LM .
En 10.30 a 10.34 por lo tanto tenemos
~
S= L M
(10.35)
La descomposicin espectral de M requiere la solucin del eigensistema completo de M.
Denotando la matriz de eigenvectores ortonormales con R y la matriz diagonal de
eigenvalores por
, tenemos
M =R D2 RT
(10.36)
Y que utilizamos en (10.30) a (10.34),
S=RD
(10.37)
Debe tenerse en cuenta que cuando M es diagonal, la matrices S en (10.35) y (10.37) son
las mismas.
Comparando la Factorizacin de Cholesky y la descomposicin espectral en M, cabe sealar
que el uso de los factores de Cholesky es en general computacionalmente ms eficiente que
el uso de la descomposicin espectral debido a que menos operaciones estn involucradas
en el clculo de
~
LM
que en el de R y D. Sin embargo, la descomposicin espectral de M
puede producir una solucin ms precisa de
K= M .
Asumiendo que M est mal condicionada, entonces el proceso de transformacin al

eigenproblema estndar tambin est condicionado. En ese caso, es importante emplear el
procedimiento de transformacin ms estable.
Considerar los siguientes ejemplos de la transformacin del problema de valor generalizado
K= M a una forma estndar.
EJEMPLO 10.8 Considerar el problema
K= M , cuando
Utilizar la factorizacin de Cholesky de M para calcular la matriz
~
K de un eigenproblema
estndar correspondiente.
14
Primero calculamos el
LDL
descomponiendo a M.
Por lo tanto, el factor de Cholesky de M es
La matriz del problema
estndar
~ ~1 ~T
K= L M K L M
en este caso,
15
es
10.3 APROXIMADO SOLUCIN TCNICAS

Es aparente la naturaleza de un
problema dinmica
que un dinmica respuesta clculo
debe ser sustancialmente ms costoso de un anlisis esttico.
Mientras
en un anlisis
esttico la
solucin es obtenida en uno paso, en dinmica la solucin es necesaria en un
nmero de tiempo discreto de puntos encima el tiempo intervalo considerado.
En
Efecto,
directo paso
a
paso
de
integracin solucin, una ecuacin de esttica, que incluye la efectos de inerci
a y fuerzas
de
de
amortiguacin, es considerada en un
fin de cada discreto tiempo paso (Ver Seccin 9.2). En vista de un modo
de superposicin anlisis, el principal esfuerzo computacional es gastado en
el clculo del
requerido
de
frecuencias y modos
de formas, que tambin requieren ser considerablemente ms esfuerzo que
un anlisis esttico.
Es
por
lo
tanto natural que
mucho atencin sea dirigida hacia
un
eficaz algoritmo para la clculo necesario de un eigen sistema en el problema
K = M
Porque la solucin "Exacta" de la necesaria de valores propios y
Vectores
propios pueden
ser prohibitivamente caros cundo la orden del sistema es grande
16
y "Convencional" tcnica es utilizada, las

desarrollado.
tcnicas de solucin lo
tienen
El propsito de esta seccin es presentar la mayor

aproximacin
mtodos que tienen diseada y Actualmente todava se usan.
de
La solucin
aproximada
de tcnicas ante
todo estado desarrollado a calcular el
ms
bajo valor
propio
y correspondiente de vectores propios en el problema K = M cundo el
orden del sistema es grande.
Ms programas
de uso exacto
y tiene
una
solucin de
tcnicas en el anlisis
de pequea
orden sistemtica. Sin
embargo, el
problema de calcular pocos ms bajo eigen pares de relativamente gran
orden de sistemas es muy importante y es encontrado en todas las ramas de
estructuras de ingeniera y en particular en terremoto en respuesta de
anlisis. En las siguientes secciones presenta tres tcnicas.
El objetivo en la presentacin es no a abogar
por
la implementacin de cualquier uno de estos mtodos pero ms bien a de
describir su prctica / utilizar, su limitaciones, y la supuestos empleada. Por
otra parte, la relaciones entre las aproximaciones tcnicas son descritas, y en
la (Seccin 11.6) la aproximacin de las
tcnicas consideradas
puede entenderse a ser un primero interacin (y puede ser usado como tales)
en el sub espacio de interaccin con el algoritmo.
1 0.3.1 Condensacin
Esttica.
Tenemos
ya encontrados los
procedimientos estticos
de
condensacin en la solucin de equilibrio
esttica
de ecuaciones, donde se mostr la
condensacin
esttica es
decir, una aplicacin de Gauss mediante la eliminacin (Ver Seccin. 8.2 4).
En la condensacin esttica nosotros eliminamos aquellos grados
de libertad que son no necesario a aparecer en la global finito elemento de
encaje.
Por ejemplo, los desplazamientos y grados de libertad internas, nodos de un
elemento finito puede
ser condensado fuera porque ellos hacen no tomar parte imponente de contin
uidad.
Mencionamos en esta Seccin 8.2.4 " la condensacin
era realmente acuada en el anlisis de dinmico".
esttica que
17
La bsica asuncin esttico - condensacin en el clculo de frecuencias y

en
el
modo
de formas es que
de
la masa de la estructura es agrupado en slo especficos grados
de libertad sin mucho efecto en la precisin de las frecuencias y modo forma
s de inters.
En el caso de un agrupamiento de la masa en la matriz con ceros en la
diagonal de elementos, la masa tiene ya a estado realizado. Sin embargo,
como adicional la masa es en requerido
Generalmente. Tpicamente, la proporcin de masa grados de libertad a la tot
al nmero de grados de libertad mayo ser en alguna parte entre 1 y 1
La ms masa es realizada,
Asumiendo que la masa ha sido realizada a cabo.
Por particionamiento de matrices, nosotros
Entonces escribimos el eigen
problema en la forma:
18
19
20
10.3.2 Compone
nte Modo
Sntesis
Como para la esttico condensacin procedimiento, la componente modo

sntesis es
decir, en De
hecho, un
anlisis
Ritz, y la mtodo fuerza tener estado presentado en laanterior seccin co
mo un aplicacin
especfica. Sin
embargo, como fue repetidamente puntiagudo fuera, la ms importante a
specto en un Anlisis
Ritz es la seleccin deapropiado Ritz base vectores porque la resultados
lata ser slo tan
bueno como la Ritz base vectores permitir ellos a ser. La especfico esqu
ema usado en la modo
de
componente sntesis es de particular inters, que es la razn nosotros qu
erer a dedicar un seccin separada a la discusin de la mtodo.
La componente modo sntesis tiene estado desarrollado a un grande grad
o como un consecuencia
natural de la anlisis procedimiento seguido en prctica cundo
grande y complejo sea
La general practica! procedimiento es que diferente grupos realizar l
os
anlisis de diferente componentes de la estructura bajoconsideracin. Par
a ejemplo, en una
planta anlisis, uno grupo mayo analizar un principal pipa y otro grupo un
tubera sistema conectado a ella.
En un primero preliminar
anlisis, ambos grupos trabajo por
separado y modelo los efectos de el otro componentes en la componente
especfico que ellos considerar en una aproximada manera. Paraejemplo,
en el anlisis de la dos tubera sistemas referido a anteriormente, el
anlisis
grupo
de la lado rama mayo asumir completo
fijeza en el
punto de interseccin con la
principal tubera, y el
grupo anlisis la principal pipa introducir un concentrado primavera y la
masa a permitir para la lado rama. La ventaja de en
vista
de componentes de la
estructura por
separado es ante
todo uno de tiempo programacin; es
decir, la separado grupos lata trabajar
en la anlisis y diseos de la componentes enla mismo tiempo. lt es ante
todo para esta
razn que la componente modo sntesis es muy atractivo en la anlisis y
diseo de gran estructural sistemas.
21
Asumir que la preliminar anlisis de la componentes tener estado rea

lizado fuera y
que la completo estructura deber ahora ser analizada. lt es en este etap
a que lamodo
de
componente sntesis es un natural procedimiento a usar. A
saber, con la modo forma caractersticas
de cada componente conocido, ella aparece natural a uso esteinformaci
n en estimar las
frecuencias y modo formas de la completo estructura. La especfico proce
dimiento mayo varan
(vase R. R. Craig, Jr. [A]), pero, en esencia, lamodo formas de la compo
nentes son usado en una Rayleigh-Ritz anlisis a calcular aproximado mo
do formas y frecuencias de la completa estructura.
Considerar para ilustracin que cada componente estructura fue obt
enido por fijacin a11 su
lmite grados de libertad y denotar la rigidez matrices de la componentee
structuras
de K1, Kn, ... , KM (Ver Ejemplo 10,18). Asumir que slo componente estr
ucturas L - 1
y L conectar, L = 2, ... , M; entonces nosotros lata escribir para la rigidez m
atriz de la completo
estructura,
10.3.3 Sntesis del Modo de Componente.

22
En cuanto al procedimiento de condensacin esttica, la sntesis del modo de componente es, de

hecho, un anlisis Ritz, y el mtodo podra haber sido presentado en la seccin anterior como una
aplicacin especfica. Sin embargo, como se ha sealado en reiteradas ocasiones, el aspecto ms
importante en un anlisis Ritz es la seleccin de los vectores de la base Ritz apropiadas ya que los
resultados pueden ser tan buenos como los vectores de la base Ritz permitan que sean. El esquema
especfico utilizado en la sntesis del modo componente es de particular inters.
La sntesis del modo de componente se ha desarrollado en gran medida como una consecuencia
natural del procedimiento de anlisis seguido en la prctica cuando se analizan las estructuras
grandes y complejas. El procedimiento de prctica general es que diferentes grupos realizan anlisis
de los diferentes componentes de la estructura bajo consideracin. Por ejemplo, en un anlisis de
planta, un grupo puede analizar una tubera principal y otro grupo un sistema de tuberas conectado a
sta. En un primer anlisis preliminar, ambos grupos trabajan por separado y modelan los efectos de
los otros componentes en el componente especfico que consideran de forma aproximada. Por
ejemplo, en el anlisis de los dos sistemas de tuberas mencionadas anteriormente, el grupo de
anlisis de la rama lateral puede asumir empotramiento en el punto de interseccin con la tubera
principal, y el grupo de anlisis de la tubera principal puede introducir un resorte y masa concentrados
para permitir la rama lateral. La ventaja de considerar los componentes de la estructura por separado
es principalmente uno de programacin de tiempo; es decir, los grupos independientes pueden
trabajar en los anlisis y diseos de los componentes al mismo tiempo. Es principalmente por esta
razn que la sntesis del modo componente es muy atractivo en el anlisis y diseo de grandes
sistemas estructurales.
Suponga que los anlisis preliminares de los componentes se han llevado a cabo y que ahora deber
ser analizada la estructura completa. Es en esta etapa que la sntesis del modo de componente es un
procedimiento natural a usar. Es decir, con las caractersticas de la forma de modo de cada
componente conocido, parece natural utilizar esta informacin en la estimacin de las frecuencias y
las formas de los modos de la estructura completa. El procedimiento especfico puede variar, pero, en
esencia, las formas de los modos de los componentes se utilizan en un anlisis de Rayleigh-Ritz para
calcular formas de los modos y frecuencias aproximadas de la estructura completa.
Considrese que cada componente de la estructura fue obtenido empotrando todos los grados de
libertad de frontera y se denotan las matrices de rigideces de los componentes como K 1, KII, , KM.
Suponga que solo los componentes L-1 y L se conectan, L=2, . . . M, entonces se puede escribir la
matriz rigidez
Usando una notacin anloga para la matriz de masas, se obtiene lo siguiente
Suponga que los eigen-valores ms pequeos y sus correspondientes eigen-vectores para cada
componente han sido calculado, es decir, se tiene para cada componente lo siguiente:
23
donde L y L son las matrices de los eigenvectores calculados y los eigenvalores del L-simo
componente.
En la sntesis del modo de componente, las formas aproximadas de modo y las frecuencias pueden
obtenerse usando el anlisis Rayleigh-Ritz:
Una consideracin importante es la exactitud que se puede esperar. El anlisis tiende a fronteras
superiores a los eigenvalores exactos del problema
Ejemplo 10.18. Considrese el eigen problema ,
K= M .
K= M
donde
Use los eigen problemas subestructurados indicados por las lneas punteadas en K y M para
establecer la matriz de cargas R para un anlisis de sntesis del modo de componente. Luego, calcule
las aproximaciones para el eigenvalor y eigenvector.
Para la subestructura I, se tiene
con la eigensolucin
y para la subestructura II,
con la eigen solucin
24
Por lo tanto obtenemos para la matriz R,
Ahora, realizando el anlisis de Ritz se obtienen
y por lo tanto,
Los eigen valores exactos son

y por lo tanto, se puede observar que se obtuvo en pi una buena aproximacin para 1, pero p2 y p3 no
representan aproximaciones a los eigen valores.
25
10.4 ERRORES DE SOLUCIN

Una parte importante de un eigenvalor y solucin de vector debe estimar la exactitud
con la cual el eigensistema requerido ha sido calculado. Ya que una solucin
eigensistem es necesariamente iterativa, la solucin debera ser terminada una vez
que la convergencia dentro las tolerancias que dan la exactitud actual han sido
obtenidas. Cuando uno aproxima tcnicas de solucin perfiladas en el Artculo 10.3
es usado, una estimacin de la exactitud de solucin actual obtenida es por supuesto
tambin importante.
10.4.1 Lmites de error
A fin de identificar la exactitud que ha sido obtenida en un eigensolucin, recordamos
que la ecuacin para ser solucionada es:
K= M(10.96)
Debemos primero suponer que usando cualquier procedimiento de solucin
obtuviramos una aproximacin y a un eigenpair. Entonces sin hacer caso de
como los valores han sido obtenidos, podemos evaluar un vector residual que da la
informacin importante sobre la exactitud con la cual y se acercan el eigenpair.
Dan los resultados en (10.101) a (10.104). Entonces tambin presentamos los
clculos ligados del error til en soluciones basadas en iteraciones inversas y una
medida de error simple.
Eigenproblema estndar
Considere primero aquel M = l. En este caso podemos escribir:
r=K (10.97)
Y usando las relaciones en (10.12) y (10.13), tenemos:
r= ( I ) T (10.98)
O porque no es igual, pero slo cerca de un eigenvalor, tenemos:
= ( I ) T r (10.99)
De ah, porque 2=1 , tomando normas obtenemos:
1( I )12r2( 10.100)
Pero desde
Tenemos
( I )12=max
1
| i|
min|i |r2 (10.101)
Por lo tanto, una declaracin concluyente puede ser hecha sobre la exactitud con la
i
cual se aproxima un eigenvalor un
evaluando r2 como expresado en
(10.101). Esto es completamente diferente de la informacin que podra ser obtenida
de la evaluacin del vector residual r en la solucin de las ecuaciones de equilibrio
estticas.
Aunque la relacin en (10.101) establezca que est cerca de un eigenvalor a
condicin de que r2
es pequeo, debiera ser reconocido que la relacin no
26
cuenta que eigenvalores es acercado. De hecho, para identificarse qu un

eigenvalor especfico ha sido acercado, es necesario usar la propiedad de secuencia
de Sturm (ver el Artculo 10.2.2 y los ejemplos).
EJEMPLO 10.19:
Considere el eigenproblema K= donde:
3 1 0
K= 1 2 1
0 1 3
La eigensolucin es
1=
1=1, 2=3, 3=4,
y:
[] [] [ ]
1
1
1
1
1
1
;
=
;
=
2
0
1
6 1 1 2 1 1 3 1
Suponga que calculamos

0.7
=3.1 y = 0.1414
0.7
[ ]
Como aproximaciones a
2 y 2
Presntese el error de la relacin en (10.101).
Tenemos en este caso

3 1 0
0.7
0.7
r= 1 2 1 0.1414 3.1 1 0.1414
1 1
0 1 3
0.7
0.7
][ ]
][
Por lo tanto
0.2114
r= 0.1555 ; r2=0.3370
0.2114
[ ]
La relacin en (10.10 1) ahora da:

|2 | 0.3370
Que en efecto es verdad porque
|2|=0.1
Asuma ahora que slo hemos calculado y sin saber que eigenvalores y vectores
se acercan. En este caso podemos usar la relacin en (10.101) lmites establecidos a
la orden del eigenvalor exacta desconocida al aplicar controles de secuencia de
Sturm (ver el Artculo 10.2.2).
27
Del mismo modo, suponiendo que es una aproximacin 2. Obtenemos
|| - 2 2 ll2
Y en ambos casos el destino obtenido es muy grande (en cuenta que

1),
Lo que indica que no se aproxima un eigen vector.
ll 1 ll 2 =
1 y
ll 2 l2 =
10.4.1 Eigen problema Generalizado

Consideremos ahora que se desea estimar la precisin obtenida en la solucin de lo generalizado
Eigen problema K= .M Supongamos que hemos calculado como una aproximacin a
i los valores
y Luego, en analoga con los clculos efectuados anteriormente, podemos
Calcular un vector de error

rM, donde
rM = K M
(10.103)
Con el fin de relacionar el vector de error en (10.103) al vector de error que corresponde a la eigen
problema estndar, usamos
t
M
y luego
= ss ,
= K, -
(10.104)
Donde
s-1
= sT
and K
s-1 Ks-r (vase la Seccin
28
10.2.5). It is the vector s-1 rM que tendramos que utilizar, por lo tanto , para calcular la cota de
error dado en
( 1O.1O 1).
Estos Clculos de error obligado requeriran la factorizacin de M en
Que es definida positiva.
ssT
donde se supone
Durante clculos
En los clculos reales frecuentemente usamos el mtodo de interaccin inversa (vanse las secciones
11.2 y 11.6) , y luego un lmite de error basado en las siguientes evaluaciones se pueden obtener de
manera eficiente ( ver H. Matthies
[A] y tambin el ejercicio 10.11). Dejar
(10.105)
Entonces
tenemos
(10.106)
(10.107)
Donde p (<f >) es el cociente de Rayleigh
29
Veremos qu (10.105) es el paso tpico en una iteracin inversa, Lanczos iteracin, y la iteracin sub
espacio, y p ( ) es , en la prctica tambin casi siempre calculan de buena calidad aproximacin del
cociente de Rayleigh a un valor propio . Ntese tambin que el trmino T M/TM consta de dos
nmeros que se calculan con facilidad en las iteraciones.
Mientras que los lmites de error anteriores son muy eficaces, es finalmente tambin de inters para
considerar la siguiente medida simple error:
(10.108)
Para evitar la factorizacin de M podemos en lugar de considerar el problema M, = - 1 K , si la
factorizacin de K ya est disponible, y luego establecer lmites sobre el - 1
30
Dado que, fsicamente, K representa las fuerzas elsticas de puntos nodales y M representa las fuerzas de inercia de
punto nodal cuando el elemento de conjunto finito est vibrando en el modo evaluamos en (10.108) la norma de salida de la
balanza de fuerzas punto nodal dividido por la norma
De fuerzas elsticas punto nodal. Esta cantidad debe ser pequea si y Son una exacta
Solucin de un eigenpair.
If M = 1, debe tenerse en cuenta que podemos escribir

(10.10
y por lo tanto
(10.110)
Ejemplo 10.23: Considere la eigen problema K = M , donde
Los valores propios y vectores propios exactos a la precisin de 12 dgitos son
Supongamos que = ( 1 + 2 ) c , donde c es tal que TM = 1 y = 10-1 , 10-3 , y 10-6 Para cada valor de evaluar X
como la Ray1eigh cociente de ( i) y calcu1ar de los lmites de error sobre la base de ( 10.104 ) , ( 10.106 ) , y la medida de
error e dada en ( 10.108 ) .
La siguiente resume la tab1a de resu1tados obtenidos. Las ecuaciones utilizadas para evaluar las cantidades se dan en
(10.103) a (10.108). Los resultados en el tab1e muestran que para cada valor de de los lmites de error son
satisfactoriamente y que E es tambin para una pequea solucin precisa.
10-1
10-3
0.597690792656
TK
10-6
0.640374649073
0.640775610204
0.156698194481
0.105594378695
0.105070861597
4.154633890275
3.863414928932
3.863385512905
4.154633890275
rM
-1.207470493734 -0.008218153965 -0.000008177422

4.605630581124
0.049838803226
0.000049870085
1.634419466242
1.411679295681
3.863414928932
0.021106743617
0.015042545327
3.863385512905
0.000021152364
0.000015049775
0.291248377399
0.000029416056
2.159667897036
0.025918580132
0.000025959936 (10.101/10.104)
Bound
(10.106)
2.912483773983
0.029416056744
0.000029433139
Measure
(10.108
0.447113235813
0.007458208660
0.000007491764
|1 |
Destinado
0.000000000029
Preliminares a las Soluciones de Eigen problemas
Chap. 10
10.4.2 Ejercicios
10.11. La siguiente cota de error es discutido por J. Stoer y R. Bulirsch [ A]. Sea A una matriz simtrica y A ; ser un valor propio
de A; entonces
Para cualquier vector
Demostrar que (10.105) a (10.107) se siguen de esta frmula.

10.11. Considere el eigen problema en el Ejercicio 10.1. Dejar
Calcular usando (10.105) y p Estos valores, p ()Y , son ahora las mejores aproximaciones a un valor propio y vector
propio.
Establecer los lmites de error (10.101) [con (10.103) ] y ( 10.106 ) . Tambin evaluar el error
Medida (10.108).

Mecanica de Medios Continuos e Introduccion A Los Metodos Finitos

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mecanica de Medios Continuos e Introduccion A Los Metodos Finitos

Transféré par

Droits d'auteur :

Formats disponibles

BENEMERITA UNIVERSIDAD AUTONOMA DE

El Objetivo de este y el siguiente captulo es para describir los actuales

donde el nmero del cero eigenvaores es igual al nmero de modos de cuerpo

media amplitud de banda mM es igual a mK , o M puede ser diagonal con m 0;

Preliminares de la Solucin de Eigenproblems Captulo. 10

Un tercero generaliza que un eigenproblema es encontrado en el anlisis de

Una consideracin particularmente importante consiste en que los algoritmos de

Hechos fundamentales Usados en la Solucin de

El material ha sido presentado ya en otras secciones del libro. Como indicado en

donde dij es el delta de Kronecker. Esta relacin sigue de la orto normalidad

10.2.2 Hechos fundamentales Usados en la Solucin de Eigen sistemas

Un hecho importante que sigue de la propiedad de la separacin de

CAPITULO 10.2.3. CAMBIO

sin embargo, de hecho, el problema de valores propios

en otras palabras, los eigenvectores de

improniendo un =-2, obtenemos el problema.

y tambin p() = 2 - 10 + 16quedando los valores propios como. 1= 2 , 2= 8 .

donde es una solucin no trivial y es un vector con al menos un elemento diferente

10.2.5. TRANSFORMACION DE LA FORMA GENERALIZADA EIGENPROBLEMA

En esta seccin se mostrara como el problema

se puede reducir a una

se derivan de las propiedades correspondientes

del eigenproblema estndar.

mii >0, i=1, .. . , n , como en un anlisis de

masa consistente. Si M es diagonal con algunos elementos de la diagonal cero, primero

K= M mediante el uso de una descomposicin de M de la forma

En 10.30 a 10.34 por lo tanto tenemos

que en el de R y D. Sin embargo, la descomposicin espectral de M

puede producir una solucin ms precisa de

Asumiendo que M est mal condicionada, entonces el proceso de transformacin al

K= M a una forma estndar.

EJEMPLO 10.8 Considerar el problema

Utilizar la factorizacin de Cholesky de M para calcular la matriz

Por lo tanto, el factor de Cholesky de M es

La matriz del problema

10.3 APROXIMADO SOLUCIN TCNICAS

y "Convencional" tcnica es utilizada, las

El propsito de esta seccin es presentar la mayor

La bsica asuncin esttico - condensacin en el clculo de frecuencias y

Como para la esttico condensacin procedimiento, la componente modo

Asumir que la preliminar anlisis de la componentes tener estado rea

10.3.3 Sntesis del Modo de Componente.

En cuanto al procedimiento de condensacin esttica, la sntesis del modo de componente es, de

Usando una notacin anloga para la matriz de masas, se obtiene lo siguiente

y para la subestructura II,

con la eigen solucin

Por lo tanto obtenemos para la matriz R,

Ahora, realizando el anlisis de Ritz se obtienen

Los eigen valores exactos son

10.4 ERRORES DE SOLUCIN

min|i |r2 (10.101)

cuenta que eigenvalores es acercado. De hecho, para identificarse qu un

1=1, 2=3, 3=4,

Suponga que calculamos

Presntese el error de la relacin en (10.101).

Tenemos en este caso

La relacin en (10.10 1) ahora da:

Del mismo modo, suponiendo que es una aproximacin 2. Obtenemos

Y en ambos casos el destino obtenido es muy grande (en cuenta que

10.4.1 Eigen problema Generalizado

Eigen problema K= .M Supongamos que hemos calculado como una aproximacin a

Calcular un vector de error

s-1 Ks-r (vase la Seccin