Cotas exactas en anlisis lmite.

Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

Captulo 2.
Desarrollo terico del problema.
El presente trabajo se desenvuelve bsicamente dentro de tres grandes bases tericas.
Como se ha comentado en la introduccin previa estas bases son: el anlisis lmite, la
programacin cnica y el modelo de rotura de Mohr-Coulomb. La relacin existente
entre ellas a priori no es directa, pero para el problema que aqu nos ocupa las tres estn
ntimamente relacionadas. En primer lugar y trmino nos encontramos con el anlisis
lmite, el cual nos proporciona los cimientos del problema. A partir de ste se establece
el mbito de estudio principal, el dominio y las distintas hiptesis necesarias para llevar
a buen puerto el problema a abarcar. En un segundo trminos podemos situar a la
programacin cnica y al modelo de Mohr-Coulomb. Estas dos bases tericas las
podemos calificar como de herramientas para el desarrollo y resolucin del problema
planteado. La programacin cnica ser la herramienta bsica de resolucin del clculo,
mientras que el modelo de rotura de Mohr-Coulomb ser el que establezca las
directrices del comportamiento de deformacin dentro del estudio.
A continuacin se presentan a grandes rasgos estos tres pilares tericos sobre los que se
sustenta este documento.

2.1 Anlisis lmite

Antes de inmiscuirnos en el cuerpo terico es necesario comentar que la notacin
empleada en el desarrollo de este apartado se corresponde con la utilizada en trabajos
anteriores como son [3] y [4]. Se ha hecho esta eleccin al considerar dicha notacin
como una de las ms sencillas y comprensibles. En primer lugar situemos el entorno en
el que nos movemos. Supongamos un medio continuo como dominio de trabajo , un
contorno de ste , y unas condiciones de contorno Dirichlet (movimiento impuesto)
D y otras Neumann (carga aplicada) N. Todo el conjunto del contorno queda definido
por una de estas condiciones de contorno de forma que: = D N.
Consideremos la energa total disipada por las cargas externas asociada a un flujo
plstico u=u(x) como:

l (u ) =

f udV +

g udS

(2.1)

Conociendo que con f llamamos a las fuerzas de volumen y con g las fuerzas de
superficie que actan sobre el contorno (condiciones Neumann), podemos expresar
nuestra ecuacin de equilibrio mediante el principio de los trabajos virtuales tal y como
sigue:
a ( , u ) = l (u ), u Y

(2.2)

dnde el trmino a ( , u ) representar la energa disipada por las fuerzas internas que
depende directamente del tensor de tensiones y del campo de desplazamientos o,
mejor dicho, flujo plstico u. Este flujo plstico debe pertenecer a un espacio

Pgina 8 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

determinado que garantice un campo de desplazamientos cinemticamente admisible

(para ms detalles ver [3]).
Por otro lado, adems de la ecuacin de equilibrio, debemos imponer el cumplimiento
de nuestra condicin de rotura. Es necesario, por lo tanto, que nuestro tensor de
tensiones pertenezca a un campo de tensiones admisible para el material sobre el que
realicemos nuestro estudio. Como se ha citado con anterioridad, para el presente trabajo
se emplear la condicin de rotura ofrecida por el modelo de Mohr-Coulomb. De un
modo genrico la imposicin a realizar puede expresarse como:

( x ) B ( x ), x

(2.3)

B(x) representa nuestro campo de tensiones admisibles, es decir, para cualquier sistema
de tensiones de nuestro dominio estaremos en el interior de este campo. Cabe en este
punto discernir entre el mismo interior y su contorno B, ya que para aquellos puntos en
que el tensor de tensiones se site sobre este contorno B, stos se vern sometidos a
una deformacin plstica permanente cuya direccin vendr determinada por la ley de
flujo plstico. Este contorno B es la denominada comnmente superficie de fluencia,
mientras que la direccin determinada por la ley de flujo la podemos llamar direccin de
fluencia. Por el contrario, para los puntos con tensores situados en el interior de B no
tendremos deformacin. B(x) deber ser un subsistema cerrado y convexo del espacio
de tensores de tensiones, adems deber cumplir lo siguiente:
> 0 para el que

ij

B( x)

(2.4)

ij

con esto conseguimos que el tensor de tensiones nulo pertenezca al campo de tensiones
admisibles. Estas propiedades nos permiten asegurar que para nuestro problema de
anlisis lmite podemos emplear la teora de optimizacin convexa.
2.1.1 Principios esttico y cinemtico del anlisis lmite. Dualidad y cotas exactas
Como ya se coment en la introduccin lo que pretendemos acotar no es otra cosa que
el multiplicador de colapso de un determinado sistema. Segn el principio esttico del
anlisis lmite dicho multiplicador de colapso * viene dado por:

* = sup
B
s.t.
a ( , u ) = l (u ), u Y

(2.5)

A partir de la expresin (2.5) podemos apreciar que si consideramos el nfimo de

a ( , u ) (energa disipada por las fuerzas internas) dentro de un campo de
desplazamientos tal que l(u)=1, este resultar a menos que a ( , u ) sea constante.
Si al valor constante lo llamamos (como hacemos en la comentada expresin),
tendremos que ste ser el nfimo de a ( , u ) siempre que:

a ( , u ) = l(u),

Pgina 9 de 84

(2.6)

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

de lo contrario el nfimo ser . Por tanto, teniendo en cuenta la linealidad existente

con respecto al flujo plstico de l y B podemos llegar a la siguiente expresin:

* = sup inf a( , u )
B l ( u ) =1

(2.7)

Por otro lado, de una forma anloga podemos enunciar el principio cinemtico del
anlisis lmite, para el que el multiplicador de colapso * viene dado por:

* = inf sup a( , u )
l ( u ) =1 B

(2.8)

Evidentemente a partir de (2.7) y de (2.8) podemos establecer la siguiente dualidad (la

cual se demuestra y analiza en detalle dentro de [3]):

* = sup inf a ( , u ) = inf sup a ( , u )

B l ( u ) =1

(2.9)

l ( u ) =1 B

Tambin en [3] se demuestra como los campos de colapso u* y * existen y forman un

punto de silla para a ( , u ) en el espacio B x C, donde C es el hiperplano afn definido
por:
C={u Y | l(u)=1}
(2.10)
Al mismo tiempo, las soluciones exactas de los principios esttico y cinemtico son
respectivamente * y u* y, por tanto, se cumple la siguiente igualdad:
a ( , u * ) * = a ( * , u * ) a ( * , u ), B , u C

(2.11)

Como se ha comentado en el primer captulo el hecho de poder calcular cotas exactas

supone una ventaja muy interesante. Para conseguir estas cotas exactas nos centraremos
en la igualdad (2.9). Supongamos que resolvemos y calculamos exactamente el
multiplicador de colapso a partir del principio esttico y cinemtico
independientemente, es decir, que obtenemos * por medio de ambos caminos y sus
correspondientes campos de tensiones y desplazamientos * y u * . Si por otro lado,
conseguimos resolver los siguientes problemas de optimizacin, se podrn establecer
una cota superior exacta y una cota inferior exacta:
sup a ( , u ) = a ( * , u ), u C

(2.12)

inf a ( , u ) = a ( , u * ), B

(2.13)

uC

Con estas expresiones unidas cada una por separado a (2.9) podemos establecer dichas
cotas exactas. A partir de (2.12) y (2.9) para un valor factible de u obtendremos una cota
superior segn:

* = inf sup a ( , u ) = inf a ( * , u ) a ( * , u ) = CS , u C

uC B

(2.14)

uC

De forma anloga para un valor factible de obtendremos una cota inferior a partir de:

Pgina 10 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

* = sup inf a ( , u ) = sup a ( , u * ) a ( , u * ) = CI , B

B uC

(2.15)

Evidentemente el resolver los problemas de optimizacin (2.12) y (2.13) no es una tarea

sencilla, aunque conseguirlo supone un enfoque del problema mediante dos caminos
mucho ms simplificados ya que al realizar el clculo a partir de estas igualdades
conseguimos desacoplar el problema. Es decir, cada uno de los problemas a resolver
nicamente dispondr de un campo incgnita, por un lado el de flujo y por otro el de
tensiones.
2.1.2 Formulacin discreta del problema

A partir de lo establecido lneas arriba podemos plantear nuestro problema continuo

como sigue:

* = sup
B
s.t.
a ( , u ) = l (u ), u Y
= sup inf a ( , u ) = inf sup a ( , u )
B uC

(2.16)

uC B

Bajo condiciones muy generales especificadas en [3] y tomando h como parmetro

definitorio del tamao tpico de una malla de elementos finitos Xh x Yh (para y u
respectivamente) se establece como vlida la siguiente versin discretizada del mismo
problema:

h * = max
h Bh
s.t.
a ( h , u h ) = l (u h ), u h Yh
= max min a ( h , u h ) = min max a ( h , u h )
h Bh u h C h

uC

(2.17)

donde el Bh B Xh y Ch = { uh Yh | l(uh )=1 }.

Por otro lado, es posible establecer una discretizacin alternativa a partir de una
adecuada notacin matricial y de unos adecuados espacios de elementos finitos. Si
tomamos la matriz A como el resultado de evaluar a(,) para las funciones de forma
empleadas para nuestros espacios de interpolacin tendremos que,
a(,u) = <Ah,uh> = <h,AT uh>

(2.18)

donde h y uh representaran los vectores obtenidos a partir de la definicin de la

interpolacin para h y uh. Al mismo tiempo, de una forma anloga podemos establecer
que,
l(uh ) = <lh,uh>
(2.19)

Pgina 11 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

y, finalmente, llegamos de nuevo a una forma discreta de nuestro problema en la que,

con el uso de unos espacios de interpolacin adecuados podremos obtener unas cotas
superior e inferior estrictas. A partir de la resolucin del principio esttico obtendremos
un valor para *h que podremos establecer que cumple estar por debajo o ser igual que el
valor exacto del multiplicador de colapso * y, por tanto, tendremos una cota inferior
CI . Anlogamente, a partir del principio cinemtico llegaremos a obtener una cota
superior CS del multiplicador de colapso exacto * . La comentada forma discreta a
partir de la notacin matricial establecida quedar como sigue:

h * = max
h Bh
s.t.
A h = l h

(2.20)

= max min A h , u h = min max h , A u h

T

h Bh u h C h

u h C h h Bh

En lo que se refiere a los citados espacios de interpolacin adecuados, para los que
podemos asegurar obtener cotas estrictas del valor exacto del multiplicador de colapso,
es necesario mencionar que estos sern aquellos que cumplen con la condicin de ser
puramente esttico y con la condicin de ser puramente cinemtico. Cabe comentar que
dichas condiciones se desarrollan, especifican y analizan en detalle en [4].

2.2 Progamacin cnica

En los ltimos aos se ha progresado de una forma excepcional dentro de la
optimizacin, concretamente en el rea de programacin convexa. Gracias
fundamentalmente al desarrollo eficiente de mtodos de punto interior para programas
convexos y a la progresin de las computadoras, hoy en da se consiguen resolver
problemas imposibles hace unos aos.
Actualmente la teora de optimizacin moderna slo puede resolver eficientemente
problemas convexos. Dentro de este conjunto nos encontramos con los problemas de
programacin cnica, que son la ms reciente revolucin dentro de la optimizacin
moderna. De esta forma, reconociendo la estructura convexa de un problema y
pudindolo expresar como un programa cnico podemos garantizar un eficiente proceso
de solucin para el mismo.
2.2.1 Introduccin a la programacin cnica, conceptos principales y dualidad

Cualquier problema de programacin cnica puede ser escrito de la siguiente forma:

(Primal) min{c T x Ax = b, x },

(2.21)

donde x n es el vector de variables de decisin , c n , b m , A nxm son datos

dados y n es un cono convexo, cerrado y puntiagudo con un interior no vaco. Los
conos ms relevantes que satisfacen estas propiedades son:

Pgina 12 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

- Octante positivo
- Cono de Lorentz o de segundo orden
- Cono positivo semidefinido

De una forma general, podemos tomar nuestro cono como = x n xf 0 (donde

{f } define un ordenador parcial de vectores en

para el cono ). Basndonos en

una serie de propiedades bsicas de los reales sobre la definicin de nuestro cono (como
son reflexividad, antisimetra, transitividad y compatibilidad con operaciones lineales
principalmente) podemos llegar a afirmar que todo programa cnico puede ser escrito
exactamente como un programa lineal reemplazando la desigualdad por el ordenador
{f } correspondiente a nuestro cono. De esta forma podremos ahora manipular nuestro
cono tomando duales y operar con cualquier programa cnico como si fuera uno lineal.
n

(Dual) max{b T y AT y + s = c, s * },

(2.22)

donde * es el cono dual de y es tambin convexo, cerrado y puntiagudo con un

interior no vaco.
Basndonos en el teorema de dualidad cnica (coincidente con el teorema para la
dualidad lineal siempre y cuando el problema dual o el primal sean factibles) podemos
afirmar los siguientes resultados:
-

Simetra de dualidad (el dual del dual es el primal)

Dualidad dbil ( b T y c T x para cada par primal-dual factible (x,y) )
Si el primal es acotado inferiormente y estrictamente factible, entonces el
dual tiene solucin y los valores ptimos son iguales el uno y el otro
Si el dual es acotado superiormente y estrictamente factible, entonces el
primal tiene solucin y los valores ptimos son iguales el uno y el otro
Se asume que al menos uno de los dos problemas, primal o dual, es acotado
y estrictamente factible

Con todo esto, llegamos a que un par factible primal-dual (x,y) es un par de soluciones
ptimas si y solo si nosotros tomamos:
-

un intrvalo de dualidad cero: b T y = c T x ,

debilidad complementaria: x T ( AT y c) = x T s = 0 .

2.2.2 Particularizacin para SOCP (programacin cnica de segundo orden)

Con los mtodos de punto interior [17] se encuentra una solucin ptima mientras que
nos movemos en el interior del sistema factible, en contrapunto con la restriccin de la
bsqueda en los lmites o contornos. Para evitar que el algoritmo alcance el lmite o
contorno, se introduce una funcin barrera a la funcin coste, de esta forma, el objetivo
aumenta al infinito cuando alguna de las variables se aproxima al propio contorno. Con
todo esto, en la actualidad, el mtodo de punto interior para un primal-dual es el mtodo
elegido en las puestas en prctica comerciales, gracias a su funcionamiento excelente en
usos a gran escala y, especialmente, con presencia de dispersidad.

Pgina 13 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

Este mtodo del que hablamos explota la dualidad del problema, de tal forma que la
bsqueda de direcciones de optimizacin se computan en los espacios factibles primal
y dual. El punto de salida son los problemas primal y dual siguientes a la optimizacin
de la funcin barrera, derivados del primal y el dual:
(BP) min{c T x + B ( x) Ax = b},

(BD) max b T y B * ( s ) AT y + s = c ,

(2.23)
(2.24)

donde es un parmetro positivo y B (s ) , B * ( s ) son las funciones barrera que evitan

que x y s salgan de sus respectivos conos. Para cualquier > 0 , a partir de (BP-BD)
obtenemos una nica solucin ptima x * ( ) y ( y * ( ), s * ( )) , la cual difiere de la
solucin (P-D), ( x * , y * , s * ), debido a la existencia de la funcin barrera. A partir de
estos resultados se trata de llevar progresivamente a 0, de forma que cuando sta sea
sensiblemente pequea resulte negligible en prcticamente todos los puntos
exceptuando aquellos que se encuentran en el contorno. Debe notarse, que a medida que
decrece, los minimizadores x( ) y s( ) describen dentro de sus correspondientes
espacios factibles, una trayectoria llamada camino central, el cual se inicia en el centro
analtico (que se corresponde con = ) y finaliza en los valores ptimos x * y s * .
Es importante comentar la existencia de funciones de barrera muy apropiadas para los
conos que estamos considerando. Concretamente cabe destacar las barreras selfconcordant (es decir, barreras continuas y diferenciables por tres veces y estrictamente
convexas), ya que con estas conseguimos hacer el esquema del problema polinmico.
Para cada uno de los conos que se han presentado anteriormente tenemos una de las
anteriores barreras en forma logartmica. Tambin es una ventaja el hecho de que para
un programa cnico donde sea el producto cartesiano de distintos conos, la barrera
cannica ser justamente el sumatorio de cada una de las barreras para cada uno de los
mencionados conos.
Desde el momento en que optimizamos una funcin estrictamente convexa sujeta a unas
restricciones lineales que definen un conjunto factible y convexo, podemos afirmar que
estamos tratando problemas de optimizacin convexa. De esta forma, la primera de las
condiciones de optimizacin de Karush-Kuhn-Tucker ser necesaria y suficiente para
nuestro problema. Aplicando, por tanto, dichas condiciones y construyendo las
funciones Lagrangianas para ambos problemas (siempre teniendo en cuenta que las
principales variables del dual son los multiplicadores de Lagrange del primal y
viceversa) podemos llegar a obtener el siguiente sistema de ecuaciones para una
dada:
Ax( ) = b

T
A y ( ) + s( ) = c
x( ) + B ( s ( )) = 0

(2.25)

A continuacin ser necesario el mtodo de Newton para resolver dicho sistema no

lineal de ecuaciones. Para ello podemos tomar el sistema como ( z ) = 0 y un vector

Pgina 14 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

incgnita z=(x,y,s) que itere bajo el ndice k, llegando a una expresin

H ( z k ) + H ( z k )d k = 0 , o, lo que es lo mismo en notacin matricial:

Ad xk = 0

AT d yk + d sk = 0

d k + k 2 B ( s k ) d k = x k k B ( s k )
s
x

(2.26)

Dnde el vector (d xk , d yk ,d kz ) es una direccin de bsqueda del primal-dual y dnde

tanto B( s k ) como 2 B( s k ) adoptan las siguientes formas para el caso genrico que
nos interesa, que no es otro que el del cono de Lorente:
r

B ( s k ) =
i =1

2
J n s i ,k
( s ) J ni s i ,k i

(2.27)

i ,k T

2
4

J ni s i ,k ( s i ,k ) T J ni i ,k T
J ni
2 B( s k ) = i ,k T
i ,k 2
i ,k
( s ) J ni s

i =1
(( s ) J ni s )

(2.28)

Por ltimo, ser necesario considerar dentro del proceso iterativo que nos ocupa dos
actualizaciones. Estas sern concretamente las siguientes:
Actualizacin del vector solucin a partir del de direccin de bsqueda de la
siguiente forma: ( x k +1 , y k +1 , s k +1 ) = ( x k + k d xk , y k + k d yk , s k + k d sk ) , donde

k y k son la medida de paso adecuada para que x k +1 y s k +1 continen

perteneciendo a sus respectivos conos y * .
Actualizacin del parmetro de barrera k de forma proporcional a la
discrepancia de dualidad como sigue: k =

( x k )T s k
.
n

De una forma resumida y esquemtica se exponen a continuacin los principales pasos

que se hemos seguido en el desarrollo de este algoritmo de punto interior para un
problema de primal-dual factible:
Datos de entrada del problema (A,b,c), una solucin inicial z0=(x0,y0,s0) y una
tolerancia de optimizacin > 0 .
Inicio del proceso con la solucin inicial (x0,y0,s0) m * con Ax = b y
ATy +s = c
Condicin de optimizacin mediante un if/else. Paramos el proceso para
( x k ) T s K < , de lo contrarios continuamos.

Pgina 15 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

Mtodo de Newton (bsqueda de direcciones) para sistema no lineal a partir de

( x k )T s k
y obteniendo (d xk , d yk ,d kz ) .
(3.6), tomando k =
n

Actualizacin
del
vector
solucin
mediante
la
expresin
k +1
k +1
k
k k
k
k k
k
k k
( x , y , s ) = ( x + d x , y + d y , s + d s ) a partir de la previa
k +1

obtencin de las adecuadas medidas de paso k y k .

Fin de la iteracin k e inicio de la iteracin k+1 desde el segundo paso del
esquema-resumen.
Dentro de este esquema o resumen que acabamos de ver, el paso ms costoso es sin
lugar a dudas aquel en que desarrollamos el mtodo de Newton en bsqueda de
direcciones de avance. Para resolver este punto generalmente se hace uso del
complemento de Schur mediante la ecuacin para la direccin d yk que sigue:
M k d yk = Ar k

(2.29)

donde M k = A k AT , y procediendo en tres fases separadas (construccin de la matriz

M k , factorizacin de sta mediante Cholesky y finalmente resolucin mediante el
algoritmo tipo-Mehrotra [4]).
2.2.3 La programacin cnica en el problema de anlisis lmite

Como ms adelante se demostrar, tanto los problemas de anlisis lmite como los
relacionados con estado lmite por Shakedown (ver captulo 5), pueden tratarse como
problemas de programacin cnica de segundo orden. En concreto, para nuestro
problema se emplear la forma establecida por un cono de Lorentz o de segundo orden.
Esta forma queda como sigue:

Ln = x n x1

n
i=2

x i2

(2.30)

Como veremos a continuacin, el criterio de Mohr-Coulomb puede manipularse y

expresarse como un cono de segundo orden. Este punto ser decisivo a la hora de
resolver el problema planteado ya que dispondremos de unas herramientas que nos
facilitarn el clculo. Estas herramientas para llevar a cabo la resolucin de estos
problemas cnicos son dos Matlab Toolbox, concretamente se trata de los
denominados SeDuMi [19],[20] y SDPT3 [21]. El cdigo bsico de ambos paquetes
est escrito en Matlab (aunque tambin se ha empleado C y Fortran) y lo nico que ser
necesario respecto los mismos es darles los datos de entrada del problema y una
estructura K que defina las caractersticas del cono a tratar .

2.3 Modelo de Mohr-Coulomb

Como se ha citado en la introduccin del presente trabajo el problema de anlisis o
estado lmite requiere un modelo de rotura adecuado que nos ofrezca una determinada

Pgina 16 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

superficie de fluencia. Esta condicin de fluencia hace que el problema planteado se

complique an ms debido a la no-linealidad introducida. Tambin en el primer captulo
se han presentado y descrito los modelos ms empleados en el campo de la mecnica de
suelos. Como se ha anunciado con anterioridad, para el caso que nos ocupa se ha
tomado como base el modelo de dos parmetros de Mohr-Coulomb. El criterio de M-C
es una buena aproximacin del comportamiento del suelo y su simplicidad hace que est
ampliamente extendido en la mayora de aplicaciones prcticas. Los dos parmetros de
caracterizacin del suelo que emplea son el ngulo de rozamiento () y la cohesin (c).
Estos parmetros tienen una interpretacin fsica bien definida y pueden obtenerse
fcilmente a partir de ensayos de laboratorio. El inconveniente ms remarcable que
presenta este modelo no es otro que la presencia de esquinas en la superficie de rotura,
es decir, incorpora singularidades que pueden resultar problemticas para el caso
tridimensional (que aqu no tratamos). Estas esquinas pueden visualizarse fsicamente
en las aristas y vrtices de la pirmide hexagonal e irregular que conforma la superficie
de fluencia que establece el modelo de Mohr-Coulomb.

Figura 2-1. Superficie de fluencia para el modelo de Mohr-Coulomb en el espacio de

tensiones principales.

En general, la funcin de fluencia F depende de varios parmetros tales como las

tensiones, las deformaciones y la historia de cargas. Para los modelos clsicos de
plasticidad perfecta podemos excluir las deformaciones de estos parmetros. De esta
forma, podemos expresar F en funcin nicamente de las tensiones:
F ( ij ) = Fc

(2.31)

donde Fc representa un valor constante propio de un material perfectamente plstico. En

nuestro caso, restringiremos el estudio a materiales istropos con lo que la funcin de
fluencia no cambiar con transformaciones de coordenadas. Con esto, tenemos la
posibilidad de expresar F en funcin de los invariantes de tensiones:
F(invariantes de ij ) = Fc

(2.31)

F(I1, J2, J3) = Fc

(2.32)

o, ms concretamente:

Pgina 17 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

donde las invariantes quedan definidas segn:

I1 = x + y + z = 1 + 2 + 3

1
( 11 22 )2 + ( 11 33 )2 + ( 22 33 )2 + 122 + 132 + 232
6
J 3 = det( )
J2 =

(2.33)

El criterio de Coulomb establece que la rotura ocurre cuando la tensin de corte y la

tensin normal actan en algn punto del material segn la ecuacin lineal siguiente,
la cual es funcin de los ya citados parmetros del suelo y c:

+ tan c = 0

(2.34)

Si ahora consideramos un estado de tensiones principales ( 1 , 2 , 3 ) que satisfaga la

anterior ecuacin y, adems, 1 > 2 > 3 podremos escribir el criterio de M-C como:

1
( 1 3 ) = 1 ( 1 + 3 )sin + c cos
2
2

(2.35)

Esta expresin la podemos expresar a su vez en funcin de los invariantes I1, J2 y del
ngulo de Lode el cual vara entre 0 y /3 y viene dado por:
1

3 3 J

3
= cos 1
3/ 2
3
2 J2

(2.36)

por tanto, la funcin de fluencia de Mohr-Coulomb quedar como sigue (para c 0 ):

1

Fc ( I 1 , J 2 , ) = I 1 sin + 2 sin +
3
3

J2

cos + sin c cos = 0

3
3

(2.37)

Dentro del espacio de tensiones principales, la superficie del modelo de Mohr-Coulomb,

como vemos en la figura 2-1, queda representada por una pirmide hexagonal e
irregular. Podemos ver a continuacin en la figura 2-2 algunos cortes perpendiculares al
eje hidrosttico en el citado espacio para diferentes ngulos de friccin interna. Para
materiales friccionales con = 0 recuperaremos el criterio tpico de metales de Tresca
(con = c y la cohesin es igual a la tensin ltima para el ensayo a cortante puro), el
cual viene representado en el espacio de tensiones principales por un prisma hexagonal,
regular y paralelo al eje hidrosttico.

Pgina 18 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

Figura 2-2. Cortes perpendiculares al eje hidrosttico para la superficie de fluencia segn
M-C para distintos ngulos de friccin interna.

2.3.1 Formulacin del modelo M-C como un cono Lorentz

Para poder emplear el criterio establecido por el modelo de Mohr-Coulomb para la

resolucin de nuestro problema debemos lleva a cabo una reformulacin de las
expresiones que acabamos de ver. La formulacin establecida por el modelo de MohrCoulomb vista en la expresin (2.37) de la superficie de fluencia puede ser desarrollada
como un cono de segundo orden o de Lorentz, lo cual nos ayudar a facilitar la
resolucin del problema de optimizacin convexa y no-lineal. Como se ha visto
anteriormente, la forma general para un cono de Lorentz viene dada por la siguiente
expresin:

Ln = x n x1

n
i=2

x i2

(2.38)

Por tanto, debemos conseguir expresar segn la forma (2.38) nuesto campo de tensiones
admisibles B(x). Es decir, partiendo de la funcin de fluencia establecida por el criterio
de M-C, segn (2.37), tenemos que llegar a una forma genrica del comentado campo
tal como sigue:

~
B = X Fc2 (c, ) Fk2 ( ij )
k

(2.39)

Tomando las expresiones dadas en (2.33) y (2.36) e introducindolas en (2.37) es

~
sencillo llegar a obtener estas Fc y Fk :

B M C = X

(2c cos ( 11 + 22 ) sin )2 ( 11 22 ) 2 + 4 122 }

(2.40)

donde se ha considerado un estado de deformacin plana y, por tanto, un caso

bidimensional en que nicamente consideramos un seccin del cuerpo de estudio
perpendicular a la direccin x3. En el prximo captulo se darn ms detalles sobre este
punto, aunque, cabe mencionar que el modelo de deformacin plana se adecua
perfectamente al comportamiento de suelos.
Finalmente, en (2.40) hemos llegado a una expresin para nuestro campo de tensiones
admisibles B(x) del problema de anlisis lmite planteado en el apartado 2.1. Este campo
queda definido por el modelo de rotura de Mohr-Coulomb definido en el apartado 2.3 y,
Pgina 19 de 84

Cotas exactas en anlisis lmite. Modelo M-C y SOCP

Cap 2. Desarrollo terico del problema

por ltimo, con la forma explcita de un cono de Lorentz o de segundo orden expuesto
en el apartado 2.2.

Pgina 20 de 84