Enrique Memoria

Control Activo de Estructuras
Delgadas.
Enrique Otárola Pastén.

Universidad Técnica Federico Santa Marı́a,
Valparaı́so, Chile
Índice general
1. Introducción 5
2. El Modelo de Timoshenko 10
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2. Las ecuaciones de Timoshenko . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1. Las ecuaciones de Timoshenko en el dominio del tiempo . . . . 11
2.2.2. Las ecuaciones de Timoshenko en el dominio de la frecuencia . . 12
2.3. Formulación variacional de la ecuación de estado . . . . . . . . . . . . . 13
2.4. Un problema espectral asociado . . . . . . . . . . . . . . . . . . . . . . 15
2.5. Existencia y unicidad de la ecuación de estado . . . . . . . . . . . . . . 17
2.6. Aproximación por elementos finitos . . . . . . . . . . . . . . . . . . . . 22
2.6.1. Existencia y unicidad de solución del problema discreto . . . . . 22
2.6.2. Estimación del error de aproximación . . . . . . . . . . . . . . . 26
2.6.3. Estimación puntual del error . . . . . . . . . . . . . . . . . . . . 31
2.7. La ecuación de estado con términos fuente tipo delta de Dirac . . . . . 33
2.7.1. El Problema continuo . . . . . . . . . . . . . . . . . . . . . . . . 34
2.7.2. El Problema discreto y su aproximación por elementos finitos . 36
2.7.3. Estimación del error . . . . . . . . . . . . . . . . . . . . . . . . 37
2.7.4. Estimación puntual del error . . . . . . . . . . . . . . . . . . . . 39
3. Control Activo de las Vibraciones 40

3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2. Determinación de las amplitudes óptimas . . . . . . . . . . . . . . . . . 42
3.2.1. Planteamiento de los problemas . . . . . . . . . . . . . . . . . . 42
3.2.2. La ecuación de Timoshenko con término fuente delta de Dirac. 47
3.2.3. Existencia y unicidad del control óptimo . . . . . . . . . . . . . 48
3.2.4. Condiciones de optimalidad . . . . . . . . . . . . . . . . . . . . 53
3.2.5. Problemas de programación cuadrática . . . . . . . . . . . . . . 56
3.2.6. Aproximación numérica de los controles óptimos . . . . . . . . . 60
3.2.7. Resultados numéricos . . . . . . . . . . . . . . . . . . . . . . . . 72
2
Resumen
En esta memoria se estudian matemática y computacionalmente dos problemas de

Control Activo de Vibraciones (CAV).
El objetivo es controlar las vibraciones de una viga empotrada en ambos extremos,

la cual es excitada con una carga del tipo puntual y/o distribuida. La viga es modelada
en su régimen armónico por la ecuación de Timoshenko, que considera el esfuerzo de
corte, lo que corresponde a la ecuación de estado en el problema de control de nues-
tro interés; este último consiste en minimizar la vibración de la viga en dos tipos de
sensores considerados: puntuales y distribuidos, cada uno de los cuales da origen a un
problema de tipo CAV. En ambos, la variable de control corresponde a las amplitudes
de cargas secundarias que se modelan, adecuadamente, como deltas de Dirac.
Los problemas de Control Activo de Vibraciones son analizados en el contexto de

la teorı́a matemática del control óptimo (ver [38]), y resueltos numéricamente usando
adecuadas discretizaciones de la ecuación de estado. Extendiendo los resultados pre-
sentados en [2], se obtienen estimaciones óptimas del error de aproximación del control
óptimo.
Finalmente, se presentas experimentos numéricos, de aplicaciones representativas a

cada problema, que corroboran el comportamiento de los métodos; tales ejemplos son
motivados por problemas que provienen del CAV en aplicaciones de la ingenierı́a, los
que son sugeridos en [24] y [41].
3
Abstract
In this thesis we study mathematical and computationally two problems of Active

Vibration Control (AVC).
The aim of this work is to control the vibrations of a beam clamped in both end-
points, which is excited by a point force or a distributed force. The beam is modeled by
Timoshenko equations, that corresponds to the state equation in the control problem
of our interest; this problem consist in minimize the beam vibration in two kinds of
sensors: point and distributed, each one originates an AVC type problem. In both, the
control variable corresponds to the amplitudes of secondary loads modeled by Dirac´s
deltas.
The problems of Active Vibration Control are analyzed in the framework of mathe-
matical control theory (see [38]), and numerically solved using finite element methods.
Following the results present in [2], we obtain optimal estimates for the optimal control
error aproximation.
Finally, numerical experiments are reported of representative applications to each

problem, they shown the good behavior of the methods implemented; such examples
are motivated by problems that arises from the AVC in engineering applications,, they
are suggest in [24] and [41].
4
Capı́tulo 1
Introducción
En los últimos años se ha realizado una gran cantidad de trabajos sobre el con-
trol activo de las vibraciones de estructuras flexibles. Los problemas en Ingenierı́a que
motivan dicho estudio proceden de campos muy diversos: aeroespacial, estructuras,
metereologı́a, nanotecnologı́a, etc. Una visión general se puede encontrar en los libros
de Fuller, Elliot y Nelson [24] y Preumont [42].
Una aplicación tı́pica en ingenierı́a, por ejemplo en problemas de interacción fluido-

estructura, consiste en reducir el ruido acústico producido por las vibraciones de la
estructura. Las técnicas de reducción del ruido por métodos de absorción pasiva, tales
como materiales absorbentes de sonido, son efectivas y viables a medias y altas fre-
cuencias. Sin embargo, a bajas frecuencias, las soluciones por técnicas pasivas se hacen
difı́ciles y costosas debido a que serı́a necesario un gran volumen y/o peso de materiales
absorbentes. Una posible solución a este problema está dada por el control activo del
ruido (CAR), el cual en esencia consiste en la reducción, en una determinada región del
espacio, del nivel de ruido producido por una fuente primaria; para ello se utiliza una
serie de fuentes que generan un campo acústico que interfiere destructivamente con el
primario, reduciendo ası́ el nivel del ruido original ([2],[25],[37]).
Desafortunadamente, en muchos casos, debido a la propagación fı́sica de ondas, este

método necesariamente produce zonas en las cuales el ruido y el “anti-ruido”tienen la
misma fase, luego el ruido acústico se amplifica. Una posible solución a este problema
consiste en reducir el ruido controlando las vibraciones de la estructura.
Por otro lado, todos los sistemas mecánicos compuestos de masa, rigidez y elementos
que producen amortiguación exhiben una respuesta vibratoria cuando están expuestos
a perturbaciones (ver [24]). La predicción y el control de estas perturbaciones es fun-
damental en el diseño y operación del equipamiento mecánico.
En general, un sistema de control de vibraciones puede tomar muchas formas: pa-

sivo, activo y semi-activo (ver [5],[21],[23],[24],[36],[42], entre otras referencias). Un
sistema de control pasivo no requiere de una fuente de potencia externa para operar
5
6 CAPÍTULO 1. INTRODUCCIÓN
y disipa la energı́a de vibración a través de una variedad de mecanismos. Las fuerzas

de control en estos sistemas son desarrolladas desde el movimiento de la estructura.
Usualmente las propiedades mecánicas de estos sistemas no pueden ser modificadas. En
contraste, un sistema de control activo requiere un suministro de potencia externa. Las
fuerzas de control se pueden generar utilizando varios tipos de actuadores, tales como
fuerzas puntuales, piezoeléctricos, etc. Un compromiso entre control pasivo y activo
genera un sistema de control semi-activo.
Tradicionalmente, varias técnicas pasivas han sido utilizadas en este contexto; no

obstante, en su mayorı́a, resultan ineficientes y costosas a bajas frecuencias. Además,
en muchas aplicaciones se desea mantener el peso de la estructura lo más ligero posible,
lo cual hace una solución pasiva poco atractiva. En efecto, la tendencia industrial es
reducir el peso de las estructuras mecánicas, por ejemplo en ingenierı́a aeronáutica y
aeroespacial. De esta manera, una posible solución a estos problemas resultará ser el
control activo de vibraciones (CAV), el cual tiene por objetivo utilizar entradas secun-
darias al sistema, de tal forma de obtener un comportamiento deseado, compensando
ası́ posibles perturbaciones.
Dos posibles descripciones del movimiento de una estructura están dadas en térmi-
nos de los modos estructurales y de las ondas mecánicas de ella. Surgen, naturalmente
dos aproximaciones al problema de control activo, (ver [24]). El primero se concentra
en controlar los modos de la estructura; reduciendo activamente las amplitudes de los
modos estructurales, el desplazamiento promedio sobre toda la estructura se reduce y
el control se puede denominar global. En cambio, el control activo de ondas es utiliza-
do cuando el flujo de energı́a de vibración desde una parte de la estructura a otra es
importante. Este último es un control del tipo local, (ver [24]).
Independiente del tipo de CAV a utilizar, los componentes esenciales son un sensor
(para detectar la vibración), un controlador electrónico (para una conveniente mani-
pulación de la señal desde el detector) y un actuador (el que influye en la respuesta
mecánica del sistema, con el fin de obtener un comportamiento deseado).
Por otro lado, en muchas aplicaciones en ingenierı́a se consideran estructuras del-

gadas tales como vigas, placas y cáscaras. Debido a la combinación de su ligero peso y
resistencia mecánica, esta clase de estructuras tiene numerosas aplicaciones, por ejem-
plo, en aeronáutica (aeroplanos, estructuras inflables), en ingenierı́a civil (diseño de
puentes, autos, etc), y en biomecánica (arterias). Motores de automóviles, motores de
transatlánticos, techos de edificios, paneles sobre estructuras de vuelo y submarinos
son algunos ejemplos.
El control y la estabilidad de estas estructuras es, por supuesto, una preocupación

mayor en las aplicaciones, en particular para asegurar que la estructura no sufra so-
breamortiguaciones. De esta manera, es de gran interés el control activo de estructuras
delgadas.
7
El objetivo de esta memoria es controlar las vibraciones de una viga empotrada en

ambos extremos, la cual es excitada con una carga del tipo puntual y/o distribuida.
La viga es modelada en su régimen armónico por la ecuación de Timoshenko, que con-
sidera el esfuerzo de corte, lo que corresponde a la ecuación de estado en el problema
de control de nuestro interés; este último consiste en minimizar la vibración de la viga
en dos tipos de sensores considerados: puntuales y distribuidos, cada uno de los cuales
da origen a un problema de tipo CAV. En ambos, la variable de control corresponde
a las amplitudes de cargas secundarias que se modelan, adecuadamente, como deltas
de Dirac. Previamente al problema de Control, es necesario obtener la denominada
ecuación de estado del sistema y hacer un estudio matemático y numérico de ella.
La ecuación de estado del sistema que se considerará modela las amplitudes de los
desplazamientos y rotaciones, en régimen armónico, de una viga delgada que sigue el
modelo de Timoshenko. En este trabajo se hace un estudio de esta ecuación para el
caso en que el segundo miembro de la ecuación (término fuente) sea una delta de Di-
rac. Inicialmente, se hace un estudio de la existencia, la unicidad y la regularidad de
la solución cuando el segundo miembro está en L2 (I), donde I denota el dominio de
referencia de la viga. Estos resultados nos darán más claridad para abordar el estudio
en el caso de un segundo miembro más general como lo es una delta de Dirac, la que
no pertenece a L2 (I).
Para resolver la ecuación de estado podemos aproximar la solución de este sis-

tema de ecuaciones, mediante algún proceso de discretización, como por ejemplo, el
método de elementos finitos. Notemos que la resolución de un sistema de ecuaciones
diferenciales lineales con coeficientes constantes mediante un procedimiento numérico
es innecesario. Sin embargo, el análisis se justifica, pues los resultados ası́ obtenidos se
pueden aplicar al control de estructuras más complicadas como, por ejemplo, una placa
o más aún, una cáscara.
Por otro lado, es necesario entender las caracterı́sticas de la vibración de estructuras

delgadas antes de llevar a cabo algún control de ellas. Por esta razón, debemos estu-
diar métodos numéricos para hallar los modos libres de vibración de dichas estructuras,
que es importante tanto para un entendimiento de los principios básicos del compor-
tamiento de ellas como para una aplicación industrial del control activo de éstas (ver,
por ejemplo [28], [29]).
Una herramienta fundamental en dichas tareas resultará ser el método de elemen-

tos finitos. El método de elementos finitos (MEF) es un procedimiento numérico que
permite obtener una aproximación de la solución de una ecuación diferencial, ordinaria
o parcial bajo ciertas condiciones iniciales y de frontera. El MEF es un caso particular
del clásico método de Galerkin, el cual consiste, básicamente en aproximar la solución
de una ecuación de operadores en un espacio de dimensión infinita, por la solución
de la misma ecuación, pero ahora planteada sobre un subespacio de dimensión finita
8 CAPÍTULO 1. INTRODUCCIÓN
del espacio original. Lo que caracteriza e identifica al MEF de cualquier otro esquema
de Galerkin es el hecho de elegir funciones seccionalmente polinomiales para definir el
espacio respectivo (ver [12], [26], [40], [43], [50]).
De esta manera, utilizando el MEF, obtenemos resultados de convergencia y aproxi-

mación de la ecuación de estado del sistema, en el caso en que el término fuente está en
L2 (I), para luego obtener resultados similares en el caso en que este sea un delta de
Dirac.
Normalmente, las frecuencias a las que interesa realizar el CAV son aquellas para
las que se producen niveles altos de vibración en la viga, es decir, las frecuencias de
resonancia de la viga. Estas frecuencias se pueden determinar calculando los modos
propios de la viga o haciendo una representación de la respuesta en frecuencia de esta.
Estas frecuencias se pueden calcular numéricamente por el MEF. En un caso se aplica
al cálculo de los modos y frecuencias propias y en el otro se resuelven una serie de
problemas fuente, para distintas frecuencias, y se representa la respuesta del recinto en
función de la frecuencia, para determinar ası́ aquéllas para las que se obtienen picos en
la respuesta (frecuencias de resonancia).
Con este fin, es necesario analizar la aproximación numérica de los modos libres y
de las frecuencias propias del problema de una viga modelada por las ecuaciones de
Timoshenko. Como paso previo se debe estudiar la aproximación numérica del pro-
blema de carga asociado a esta (ver [48]), para utilizar la teorı́a expuesta en [3], y
obtener estimaciones óptimas en orden y regularidad. Cabe señalar que actualmente se
desarrollan, tanto desde el punto de vista matemático como computacional, esquemas
numéricos para estudiar el problema de autovalores en estructuras más generales, como
por ejemplo en barras curvadas de geometrı́a arbitraria (ver [29]).
Por otro lado, en la literatura, han sido analizadas una gran variedad de estrategias
de control activo. En el control de estructuras, estas estrategias incluyen tanto feedback
control como feedforward control, (ver [34], [35], [36], entre otras referencias). Tı́pica-
mente la sı́ntesis de los controladores está dada por la técnica LQR ([9],[23], [39]) y
optimización en los espacios H2 o H∞ ([22], [39]), mediante la cuales podemos obte-
ner una realimentación de estado o equivalentemente un controlador que sea óptimo
de acuerdo a un cierto criterio de diseño (ver [20], [21], [39], entre otras referencias).
En el contexto del CAV, se emplean dispositivos activos, dentro de los cuales existen,
principalmente, dos tipos de actuadores usados en la práctica: fuerzas de control pun-
tual (ver [24], [39], [41], [42], entre otras referencias) y dispositivos piezoeléctricos (ver
[8], [21], [22], [35], [37], [39], [49], entre otras referencias). Por otro lado, en referencias
tales como [34], [35], [49], por ejemplo, se puede apreciar como las técnicas del método
de elementos finitos y espacio estado (entre otras herramientas de control), permiten
resolver los problemas de control que nos interesan.
Los materiales piezoeléctricos pertenecen a una clase de estructuras inteligentes y

9
pueden ser analizados como la interacción entre dos fenómenos [30]: una deformación
mecánica genera un campo eléctrico en el material (efecto piezoeléctrico directo) y,
la aplicación al material de un campo eléctrico o una diferencia de potencial, genera
una deformación (efecto piezoeléctrico inverso). Existe, especialmente sobre la última
década, un uso extensivo de estas estructuras en aplicaciones industriales (por ejem-
plo, biomedicina, electrónica, ingenierı́a aeroespacial). En la práctica, los materiales
piezoeléctricos son adheridos o insertados en un estructura delgada como sensores y/o
actuadores. Dado que son ligeros pueden ser acoplados al material sin cambiar sig-
nificativamente el peso o las propiedades mecánicas de la estructura. Un modelado y
estudio matemático ha sido obtenido recientemente en las referencias [6], [7] y [8], pero
solo para estructuras suficientemente delgadas.
Por otro lado, están los actuadores puntuales, los que tienen numerosas aplicaciones
industriales (por ejemplo estructuras, hidráulica, mecánica). Estos actuadores, también
conocidos como fuerzas de control puntual, se modelan como deltas de Dirac y han sido
estudiados, por ejemplo, en [41], donde se muestra su buen desempeño, al lograr reducir
rotundamente la energı́a del sistema.
El problema de control activo que nos interesa, se plantea dentro del marco de la
teorı́a del control óptimo (ver [38]). Se prueba la existencia y unicidad de solución y se
escriben las condiciones de optimalidad. Con objeto de poder calcular numéricamente
el control óptimo, se plantea un problema aproximado que se obtiene a partir de la
discretización por el método de elementos finitos de la denominada ecuación de estado
del sistema con fuente de tipo delta de Dirac. Para ello son necesarios los resultados
obtenidos para esta ecuación y su discretización por elementos finitos, cuando el término
fuente no está en L2 (I).
Capı́tulo 2
El Modelo de Timoshenko
2.1. Introducción
Un modelo matemático ampliamente utilizando para describir la deformación de
una viga, sujeta a ciertas condiciones de borde, en términos de los desplazamientos
verticales w y la rotación de las fibras verticales θ fue desarrollado por Stephen Ti-
moshenko (ver [48]). En este artı́culo, se muestra la importancia de la deformación del
corte y la inercia de la rotación en la descripción dinámica del comportamiento de una
viga. Este modelo, a diferencia del modelo de Euler-Bernoulli, considera dicho esfuer-
zo de corte transversal (ver figura 2.1). Si consideramos estas ecuaciones en régimen
armónico, obtenemos la denominada ecuación de estado del sistema, la cual modela la
amplitud de los desplazamientos y las rotaciones.
En este capı́tulo, haremos un estudio de la ecuación de estado en el caso en que el

segundo miembro (término fuente) sea un elemento de L2 (I) y una delta de Dirac. El
interés de este estudio se debe a que, en los problema de control activo de las vibra-
ciones (CAV) que estudiaremos en el siguiente capı́tulo, lo que se desea controlar es el
desplazamiento en ciertos puntos y/o sectores de la viga, el cual es producido por una
excitación uniforme o puntual. Para ello se dispone de una serie de actuadores ubica-
dos en el dominio de la viga. En el rango de frecuencias de interés, estos actuadores se
modelan adecuadamente mediante deltas de Dirac.
Inicialmente se hace un estudio de la existencia, unicidad y regularidad de solución

cuando el segundo miembro está en L2 (I). Se obtienen, en este caso, resultados de con-
vergencia y aproximación cuando se discretiza la ecuación por elementos finitos. Estos
resultados son necesarios para abordar el estudio en el caso de un segundo miembro
más general como es la delta de Dirac, que no pertenece a L2 (I). Por otro lado, dado a
que en el próximo capı́tulo nos interesará obtener estimaciones óptimas del error para
las respectivas aproximaciones del control óptimo, es necesario obtener dichas estima-
ciones para la ecuación de estado excitada tanto con fuentes en L2 (I) como deltas de
Dirac.
10
2.2. LAS ECUACIONES DE TIMOSHENKO 11
Figura 2.1: Aspectos geométricos de la deformación de una viga.
2.2. Las ecuaciones de Timoshenko

2.2.1. Las ecuaciones de Timoshenko en el dominio del tiempo
De acuerdo a la teorı́a de Timoshenko (ver [48]), el movimiento de una viga uni-
forme completamente empotrada en sus extremos, excitada con una fuerza transversal
f y una fuerza del tipo momento g, puede ser descrito por la solución del siguiente
problema fuerte:
Hallar (ŵ, θ̂) tal que

 !
 2 2
 ∂ ŵ ∂ ŵ ∂ θ̂

 ρA 2 − kAG − = g(x, τ ), x ∈ I, τ ≥ 0,

 ∂τ ∂x2 ∂x




∂ 2 θ̂ ∂ 2 θ̂ ∂ ŵ
(PF) ρI 2 − EI 2 − kAG − θ̂ = f (x, τ ), x ∈ I, τ ≥ 0,

 ∂τ ∂x ∂x



 ŵ(0, τ ) = ŵ(L, τ ) = θ̂(0, τ ) = θ̂(L, τ ) = 0, τ ≥ 0,




C.I,
donde C.I denota condiciones iniciales, que determinan existencia y unicidad de solu-
ción del problema (PF). Aquı́, τ denota el tiempo, x ∈ I representa la coordenada
espacial a lo largo de la viga en su posición de equilibrio, ŵ = ŵ(x, τ ) representa el
desplazamiento vertical de la coordenada x en el tiempo τ y θ̂ = θ̂(x, τ ) la rotación de
la sección transversal debido a la torsión. Los coeficientes ρ, E e I, los cuales se asu-
men constantes, representan la densidad de masa, el módulo de elasticidad lineal y el
momento de inercia de la sección transversal, respectivamente. El coeficiente k corres-
ponde a un factor de corrección, usualmente tomado como 5/6, A representa el área
de la sección transversal de la viga y G corresponde al módulo de elasticidad de corte.
Sin pérdida de generalidad supondremos que la viga tiene sección transversal cuadrada.
12 CAPÍTULO 2. EL MODELO DE TIMOSHENKO
Figura 2.2: Viga empotrada en ambos extremos excitada con una fuerza transversal f y
momento flector g.
A lo largo de este trabajo y sin pérdida de generalidad supondremos que I := (0, L)

y con el fin de no recargar la notación, consideraremos las cargas f y g genéricas, las
cuales dependerán de su argumento y el contexto bajo el cual se empleen.
2.2.2. Las ecuaciones de Timoshenko en el dominio de la fre-

cuencia
Basados en la observación de que todos los sistemas mecánicos responden armóni-
camente en movimiento libre y frente a excitaciones de este tipo, es de interés trabajar
en el dominio de la frecuencia. Para ello debemos considerar los términos fuentes f y
g en el problema (PF) como armónicos en el tiempo de frecuencia angular constante
ω̂. De esta manera, estos se escriben:
f (x, τ ) = f (x) cos(ω̂τ ), (2.2.1)

g(x, τ ) = g(x) cos(ω̂τ ), (2.2.2)
siendo f (x) y g(x) las correspondientes amplitudes del movimiento armónico, que son
datos del problema. La solución del problema (PF), también será de la forma
ŵ(x, τ ) = w(x) cos(ω̂τ ), (2.2.3)

θ̂(x, τ ) = θ(x) cos(ω̂τ ). (2.2.4)
Luego, para describir completamente la respuesta que experimenta una viga sometida
a fuerzas del tipo armónico, necesitamos determinar la amplitud del desplazamiento
vertical w(x) y la amplitud de la rotación de la sección transversal θ(x).
2.3. FORMULACIÓN VARIACIONAL DE LA ECUACIÓN DE ESTADO 13
Como estamos considerando el caso armónico no hay condiciones iniciales. Con res-
pecto a las condiciones de contorno, es simple ver que, en nuestro caso, se escriben:
w(0) = w(L) = θ(0) = θ(L) = 0. (2.2.5)
De esta manera, si consideramos el problema (PF) y tenemos en cuenta los hechos

(2.2.1)-(2.2.5), se deduce que el par (w, θ) verifica el siguiente problema fuerte:
Hallar (w, θ) tal que

 2

 2 d w dθ

 −ρAω̂ w(x) − kAG − = g(x), x ∈ I,

 dx2 dx

(PFA) 2 d2 θ dw

 −ρI ω̂ θ(x) − EI 2 − kAG −θ = f (x), x ∈ I,

 dx dx


w(0) = w(L) = θ(0) = θ(L) = 0.
Las ecuaciones descritas en este problema fuerte las denominaremos ecuación de

estado del sistema, la cual jugará un rol fundamental en la solución de los problema
de control que estudiaremos en el siguiente capı́tulo.
2.3. Formulación variacional de la ecuación de es-

tado
Denotemos por t ∈ (0, 1) el espesor de la viga. Dado que estamos considerando
una viga de sección transversal cuadrada se tiene que el área se escribe A = t2 y el
momento de inercia I = t4 /12. Multiplicando adecuadamente las ecuaciones descritas
en el problema (PFA) por funciones “test” v y β ∈ H01 (I), e integrando por partes, se
obtiene el denominado problema débil asociado al problema fuerte (PFA):
Hallar (w, θ) ∈ H01 (I)2 tal que

 Z Z Z

 E dθ dβ κ dw dv 2
 12 dx dx dx + t2

dx
−θ
dx
− β dx − ω wvdx
I I I
(PDA) 2 Z Z Z

 2t t2

 −ω θβdx = f vdx + gβdx ∀ (v, β) ∈ H01 (I)2 .
12 I I 12 I
En primer lugar, debemos señalar que este problema ha sido reescalado considerando
ω 2 := ρ ω̂ 2 /t2 . En la expresión κ = Ek/2(1 + ν̂) denota el módulo de corte, con k un
factor de correción usualmente tomado como 5/6, ν̂ la razón de Poisson y ρ la densidad
de masa. Tanto la carga transversal f , como la carga de corte g, han sido conveniente-
mente escaladas. La justificación de este escalamiento se basa en aspectos netamente
matemáticos, como se puede ver en [15]: “Es imposible obtener un comportamiento
asintótico bien planteado al mantener la carga constante sobre toda la sucesión de pro-
blemas que conlleva el parámetro t. Dicho escalamiento nos entrega un comportamiento
asintótico admisible.”
Teniendo en cuenta que
• w, θ ∈ H01 (I) ⊂ L2 (I),

dw dθ
• y ∈ L2 (I)
dx dx
• f y g ∈ L2 (I),
se tiene que los términos escritos en la ecuación variacional (PDA) están bien definidos.
Debido a la construcción del problema débil, es claro que toda solución clásica, es
decir, solución del problema fuerte (PFA) es solución del problema débil (PDA). Por
otro lado, toda solución débil de clase C 2 (Ω)2 es solución en el sentido clásico.
Definamos la forma bilineal aω en H01 (I)2 × H01 (I)2 con valores a R,

Z Z
E dθ dβ κ dw dv
aω ((w, θ), (v, β)) = dx + 2 −θ − β dx
12 I dx dx t I dx dx
Z 2 Z
2 2t
− ω wvdx − ω θβdx, ∀(w, θ), (v, β) ∈ H01 (I)2(2.3.1)
I 12 I
y el funcional lineal de H01 (I)2 con valores a R como:

Z Z
t2
τ ((v, β)) = f vdx + gβdx, ∀(v, β) ∈ H01 (I). (2.3.2)
I 12 I
Con estas definiciones, podemos escribir el problema variacional (PDA) como sigue
aω ((w, θ), (v, β)) = τ ((v, β)) , ∀(v, β) ∈ H01 (I)2 . (2.3.3)
Además, se tiene el siguiente resultado:
Lema 2.3.1 Para todo ω ∈ R y t ∈ (0, 1), se verifica que la forma bilineal aω y el
funcional lineal τ son continuos en H01 (I)2 × H01 (I)2 y H01 (I)2 , respectivamente.
Demostración: Consideremos (w, θ), (v, β) ∈ H01 (I)2 . Utilizando la desigualdad de

Cauchy-Schwarz en L2 (I) se tiene que
E ′ κ
|aω ((w, θ), (v, β))| ≤ kθ kL2 (I) kβ ′ kL2 (I) + 2 kw′ − θkL2 (I) kv ′ − βkL2 (I)
12 t
t2
+ ω 2 kwkL2 (I) kvkL2 (I) + ω 2 kθkL2 (I) kβkL2 (I) . (2.3.4)
12
2.4. UN PROBLEMA ESPECTRAL ASOCIADO 15
Utilizando la desigualdad triangular en los términos kw′ − θkL2 (I) y kv ′ − βkL2 (I) , y
teniendo en cuenta que k · kL2 (I) ≤ k · kH 1 (I) y | · |H 1 (I) ≤ k · kH 1 (I) se obtiene,
|aω ((w, θ), (v, β))| ≤ C kθkH 1 (I) kβkH 1 (I) + kwkH 1 (I) kvkH 1 (I)

+ kwkH 1 (I) kβkH 1 (I) + kθkH 1 (I) kvkH 1 (I) ,
donde C denota una constante positiva, la cual dicho sea de paso, denotará una cons-
tante genérica a lo largo de este trabajo.
Por último, utilizando adecuadamente la desigualdad de Cauchy-Schwarz en R2 , se

deduce que,
|aω ((w, θ), (v, β))| ≤ Ckw, θkH 1 (I)2 kv, βkH 1 (I)2 ,
donde la norma del espacio producto se define por
1/2
2 2
kw, θkH 1 (I)2 := kwkH 1 (I) + kθkH 1 (I) .
La continuidad del funcional τ es directa de la desigualdad de Cauchy-Schwarz en

L2 (I).
2.4. Un problema espectral asociado

Antes de estudiar la existencia y unicidad de solución del problema (PDA), de-
bemos obtener información del espectro del problema de “valores propios” asociado a
la ecuación variacional (PDA). Para ellos, definamos las siguientes formas bilineales
simétricas,
Z Z
E dθ dβ κ dw dv
a ((w, θ), (v, β)) := dx + 2 −θ − β dx,
Z Z
t2
b ((w, θ), (v, β)) := wvdx + θβdx, ∀(w, θ), (v, β) ∈ H01 (I)2
I 12 I
En términos de estas formas bilineales y escribiendo λ = ω 2 , podemos plantear el si-

guiente problema espectral:
Hallar λ ∈ C y (w, θ) ∈ H01 (I)2 , (w, θ) 6= (0, 0) tal que

a ((w, θ), (v, β)) = λb ((w, θ), (v, β)) (2.4.1)
Se tiene el siguiente resultado:
Lema 2.4.1 Los valores propios del problema (2.4.1) son estrictamente positivos.
Demostración: En primer lugar, notemos que la forma bilineal a(·, ·) es coerciva, en
efecto, consideremos (v, β) ∈ H01 (I)2 , luego,
E ′ 2 κ
a ((v, β), (v, β)) = kβ kL2 (I) + 2 kv ′ − βk2L2 (I) .
12 t
Como consecuencia de la desigualdad triangular y la desigualdad de Poincaré (ver [43]),

se verifica,
kv ′ kL2 (I) ≤ kv ′ − βkL2 (I) + kβ ′ kL2 (I) . (2.4.2)
De esta manera, utilizando (2.4.2), se obtiene la coercividad de la forma bilineal a,

′ 2 ′ 2 ′ 2 ′ 2
kβ kL2 (I) + kv kL2 (I) ≤ 3 kβ − vkL2 (I) + kv kL2 (I) ,

E κ
≤ máx , 2,3 kβ ′ − vk2L2 (I) + kv ′ k2L2 (I) ,
12 t
≤ Ca ((v, β), (v, β)) .
Por otro lado, claramente la forma bilineal b(·, ·) define un producto interior en L2 (I)2 ×
L2 (I)2 , el cual denotaremos por (·, ·)t y a su norma inducida por k · kt .
Como consecuencia de estos hechos, se tiene que todos los valores propios del pro-
blema (2.4.1) son estrictamente positivos.
Para tener mayor información respecto al espectro de este problema es conveniente

introducir el operador de resolución
T : L2 (I) × L2 (I) → L2 (I) × L2 (I),
definido por T (f, g) := (w, θ), donde (w, θ) ∈ H01 (I) × H01 (I) es la solución del siguiente
problema de carga
Z Z Z Z
E dθ dβ κ dw dv t2
dx + 2 −θ − β dx = f vdx + gβdx (2.4.3)
12 I dx dx t I dx dx I 12 I
En virtud del lema de Lax-Milgram (ver [43]), se sigue que el problema (2.4.3) admite
una única solución que depende continuamente de los datos, lo cual implica que el
operador T está bien definido y es acotado. Además, al ser las formas a y b bilineales
y simétricas, el operador T resultará lineal y autoadjunto respecto a a, b y (·, ·)t .
Por otro lado, debido a la inclusión compacta H01 (I)2 ֒→ L2 (I)2 , T es compacto. Ası́, T
resulta ser un operador compacto y autoadjunto respecto a (·, ·)t . Entonces, el Teore-
ma de Descomposición Espectral de Operadores Compactos y Autoadjuntos, nos dice
que, además de µ = 0, el espectro de T , consta de una sucesión de autovalores reales
positivos, de multiplicidad finita, que convergen a cero.
Finalmente, la relación entre los valores propios de T y los de nuestro problema es

sencilla. Sea µ un valor propio del operador T ,
T (w, θ) = µ (w, θ) .
Entonces,
a (µ(w, θ), (v, β)) = b ((w, θ), (v, β)) , ∀(v, β) ∈ H01 (I)2 ,
2.5. EXISTENCIA Y UNICIDAD DE LA ECUACIÓN DE ESTADO 17
lo cual nos indica que 1/µ es un valor propio del problema (2.4.1), con las mismas
multiplicidades y las mismas funciones propias. En conclusión se tiene el siguiente
resultado:
Teorema 2.4.2 Los autovalores de (2.4.1) forman una sucesión creciente de números
reales estrictamente positivos que tienden a ∞. Además todos ellos tienen multiplicidad
finita.
Observación 2.4.1 El problema de autovalores que ha sido estudiado de manera muy

breve en esta sección, se enmarca dentro de un problema más general, el cual fue
desarrollado en [29]. En esta referencia se estudia la aproximación numérica de los
modos de vibrar de una barra curvada de Timoshenko de geometrı́a arbitraria, para lo
cual comprender el espectro asociado es fundamental.
2.5. Existencia y unicidad de la ecuación de estado

Al no ser la forma bilineal aω coerciva, no podemos aplicar el teorema de Lax-
Milgram para demostrar la existencia y unicidad de solución del problema variacional
obtenido. En particular, no habrá unicidad en el caso en que λ = ω 2 sea un valor propio
del problema de “valores propios” siguiente:
Hallar λ ∈ C y (w, θ) ∈ H01 (I)2 , (w, θ) 6= (0, 0) tal que
aω ((w, θ), (v, β)) = 0, ∀(v, β) ∈ H01 (I)2 . (2.5.1)
Para verificar la no unicidad de este problema cuando ω 2 es un valor propio del pro-
blema (2.5.1), supongamos que los pares (w1 , θ1 ) y (w2 , θ2 ), los cuales son distintos,
′
verifican la ecuación variacional (2.3.3), para un funcional τ ∈ [H 1 (I)2 ] dado. Restan-
do dichas expresiones, se deduce que el par (w1 − w2 , θ1 − θ2 ) es una función propia
del problema (2.5.1), siendo ω 2 el correspondiente valor propio. Luego, se deduce la no
unicidad del problema (PDA) si ω 2 es un valor propio del problema (2.4.1).
Notemos que el problema (2.5.1) se puede reescribir de la siguiente manera:
Hallar ω ∈ C y (w, θ) ∈ H01 (I)2 , (w, θ) 6= (0, 0) tal que

Z Z Z Z
E dθ dβ κ dw dv 2 t2
dx + 2 −θ − β dx = ω wvdx + θβdx (2.5.2)
Este problema es equivalente al problema de autovalores (2.4.1), el cual analizamos en

la sección anterior dando una descripción de su espectro.
Para abordar el problema de la existencia de solución plantearemos un problema, equi-

valente a (2.3.3), en forma de ecuación del tipo: (w, θ) − Tω (w, θ) = τ , donde Tω es
un operador compacto de L2 (I)2 en L2 (I)2 , para todo ω ∈ R tal que ω 2 ∈ / S, donde
S denota el espectro del problema (2.4.1). Escrito ası́ el problema, podremos aplicar
la Alternativa de Fredholm, de forma que habrá solución única para τ ∈ L2 (I)2 de la
ecuación anterior si y sólo si Ker(I − Tω ) = 0, o lo que es lo mismo, que la existencia
es equivalente a la unicidad. Por lo tanto, como tenemos unicidad para ω ∈ R tal que
ω2 ∈/ S, tendremos también existencia.
′
El operador lineal Tω : [H 1 (I)2 ] −→ H01 (I)2 definido por Tω τ = (w, θ) solución del pro-
blema de carga (2.4.3) esta bien definido, es lineal y continuo, consecuencia del Lema de
′
Lax-Milgram. Además, dadas la inclusiones continuas H01 (I)2 ֒→ L2 (I)2 ֒→ [H 1 (I)2 ] ,
las cuales también son compacta, se tiene que,
Tω |L2 (I)2 : L2 (I)2 → L2 (I)2
es un operador compacto.
De esta manera, el problema (2.3.3) se puede escribir en términos del operador Tω

(w, θ) = Tω ω 2 (w, θ) + τ ,
o de forma equivalente
(w, θ) − ω 2 Tω (w, θ) = Tω τ,
donde τ , en nuestro caso, denota cualquier funcional lineal continuo en H 1 (I)2 que se
puede escribir de la siguiente manera:
t2
τ ((v, β)) = (f, v)L2 (I) + (g, β)L2 (I), (2.5.3)
12
con f, g ∈ L2 (I). Notemos que este hecho no es una pérdida de generalidad, pues de
acuerdo al problema variacional (PDA), solo aquellos funcionales que se escriben de
la forma (2.5.3) son de nuestro interés.
Como ω 2 Tω |L2 (I)2 es compacto, por serlo Tω |L2 (I)2 , estamos en condiciones de aplicar la
alternativa de Fredholm. Antes se introduce el siguiente resultado
Lema 2.5.1 Si ω 2 no es un valor propio de (2.4.1), entonces

Ker I − ω 2 Tω = 0
Demostración: La idea es probar que ω 2 Tω (w, θ) = (w, θ) se cumple sólo para (w, θ) =
(0, 0). En efecto, si esto es válido, se verifica que
Z Z Z Z
E dθ dβ κ dw dv 2 t2
dx + 2 −θ − β dx = ω wvdx + θβdx ,
es decir,
aω ((w, θ), (v, β)) = 0, ∀(v, β) ∈ H01 (I)2 ,

lo cual se verifica sólo para (w, θ) = (0, 0), pues ω 2 no es un valor propio de (2.4.1).
El siguiente teorema resume los resultados de existencia y unicidad de solución pa-

ra el problema débil de la ecuación de estado (2.3.3).
′
Teorema 2.5.2 Dado ω ∈ R tal que ω 2 ∈ / S y τ ∈ [L2 (I)2 ] , escrito como en (2.5.3),
el problema
aω ((w, θ), (v, β)) = τ ((v, β)) , ∀(v, β) ∈ H01 (I)2 ,
tiene única solución (w, θ) ∈ H 2 (I)2 ∩ H01 (I)2 que verifica

k(w, θ)kH 2 (I)2 ≤ C kf kL2 (I) + kgkL2 (I) ,
siendo C una constante positiva.
Demostración: Se deduce de los resultados presentados anteriormente. Al no ser ω 2

un valor propio del problema (2.4.1), utilizando el Lema 2.5.1 y la Alternativa de Fred-
holm se deduce la existencia y unicidad de (w, θ) ∈ H01 (I)2 , solución del problema
(2.3.3).
′
Para demostrar la acotación, definimos el operador Qω : H01 (I)2 → [H 1 (I)2 ] , a partir
de aω , como
(Qω (w, θ), (v, β))t = aω ((w, θ), (v, β)) , ∀(v, β) ∈ H01 (I)2 .
Este operador es lineal, continuo y biyectivo. Por lo tanto, del teorema de la aplicación
abierta se deduce que el operador inverso será también lineal y continuo, de forma que
se verificará
k(w, θ)kH 1 (I)2 ≤ Ckτ k[H 1 (I)2 ]′ .
Resta verificar que el par (w, θ) pertenece a H 2 (I)2 . En efecto, integrando por partes
la primera y segunda ecuación del problema fuerte (PFA), se tiene que
Z Z
dw dv 2 dθ
kAG dx = f (x) + ρAω w(x) − kAG v(x)dx, ∀v ∈ H01 (I)
dx dx dx
ZI ZI
dθ dβ 2 dw
EI dx = g(x) + ρIω θ(x) + kAG − θ β(x)dx, ∀β ∈ H01 (I)
I dx dx I dx
Ahora, dado que
• f, g ∈ L2 (I),
• w, θ ∈ H01 (I),
se verifica que,
dθ
fˇ(x) + ρAω 2 w(x) − kAG ∈ L2 (I), (2.5.4)
dx

2 dw
ǧ(x) + ρIω θ(x) + kAG −θ ∈ L2 (I), (2.5.5)
dx
por lo cual, desde la definición de derivada en sentido distribucional, se prueba que

w′′ , θ′′ ∈ L2 (I) y en conclusión w, θ ∈ H 2 (I).
A continuación se demuestra un resultado abstracto de existencia y unicidad de so-

lución, mediante el cual, podremos obtener resultados para el problema (2.3.3) de ma-
nera alternativa. Con este objetivo, necesitamos introducir un marco teórico adecuado.
Consideremos dos espacios de Hilbert, V y H, con sus respectivos productos (·, ·)V y
(·, ·)H , y sus respectivas normas k · kV y k · kH , tales que V es denso en H.
Sea b : H × H → R una forma bilineal acotada y sea f ∈ H′ . Consideremos el si-

guiente problema variacional:
Hallar u ∈ H tal que
b(u, v) = f (v), ∀v ∈ H. (2.5.6)
Diremos que la forma bilineal b, satisface la desigualdad de Gårding, si existe una

constante α > 0 y una forma bilineal acotada k : H × V tal que,
b(v, v) ≥ αkvk2H − k(v, v), ∀v ∈ V. (2.5.7)
Ahora bien, sea B : H → H′ el operador lineal y acotado definido por
hBu, viH′ ×H := b(u, v), ∀u, v ∈ H.
Con esta notación el problema (2.5.6) es equivalente a:
Hallar u ∈ H tal que
Bu = f. (2.5.8)
Lema 2.5.3 Supongamos que la forma bilineal y acotada b satisface la desigualdad de

Gårding. Entonces, la alternativa de Fredholm es válida para la ecuación (2.5.8); es
decir la existencia de solución de (2.5.8) implica la unicidad y viceversa.
Demostración: Como b satisface la desigualdad de Gårding, sabemos por (2.5.7) que

existe α > 0 y una forma bilineal y acotada k : H × V, tales que
b(v, v) + k(v, v) ≥ αkvk2H , ∀v ∈ V,

donde V es tal que V ֒→ H compactamente. Definamos la siguiente forma bilineal

acotada a : H × H → R por
a(u, v) := b(u, v) + k(u, v), ∀u, v ∈ H, (2.5.9)
y consideremos los siguientes operadores lineales y acotados
A : H → H′
hAu, viH′ ×H : = a(u, v), ∀u, v ∈ H,
B : H → H′
hBu, viH′ ×H : = b(u, v), ∀u, v ∈ H,
K : H → V′
hKu, viV ′ ×V : = k(u, v), ∀u ∈ H, ∀v ∈ V.
Sea K0 : H → H′ definido por K0 := i′ ◦ K. Se tiene
hK0 u, viH′ ×H = h(i′ ◦ K)u, viH′ ×H

= hKu, iviV ′ ×V
= hKu, viH′ ×H
= k(u, v), u, v ∈ H.
Es claro que K0 es compacto y que B = A − K0 . Ası́, (2.5.8) se reduce a (A − K0 )u =

f . Ahora, como la forma bilineal a es coerciva, se deduce que el operador A es un
isomorfismo, y por lo tanto la ecuación 2.5.8 es equivalente a
(I − A−1 K0 )u = A−1 f. (2.5.10)
Puesto que A−1 K0 es compacto, se concluye que para la ecuación (2.5.10) vale la al-
ternativa de Fredholm, lo que demuestra el lema.
De esta manera, nuestro objetivo es probar que aω verifica la desigualdad de Gårding,

es decir: Existe una constante α > 0 y una forma bilineal acotada K : H01 (I)2 × L2 (I)2
tal que,
aω ((w, θ), (w, θ)) ≥ αk(w, θ)k2H 1 (I) − K((w, θ), (w, θ)), ∀(w, θ) ∈ L2 (I)2 . (2.5.11)
′
Con este fin, consideremos ω ∈ R y τ ∈ [H 1 (I)2 ] , no necesariamente escrito de la forma
(2.5.3). Nótese que el problema (2.3.3) se puede escribir de la siguiente forma:
Z Z Z 2 Z
E dθ dβ κ dw dv 2 2t
dx + 2 −θ − β dx + c1ω ω wvdx + c2ω ω θβdx
Z 2 Z
2 2t
= (c1ω + 1) ω wvdx + (c2ω + 1) ω θβdx + τ ((b, β)) , ∀(v, β) ∈ H01 (I)2 ,
I 12 I
donde c1ω , c2ω denotan constantes positivas a determinar. Definamos la forma bilineal
y continua b aω en H01 (I) × H01 (I) con valores en R,
Z Z
E dθ dβ κ dw dv
aω ((w, θ), (v, β)) =
b dx + 2 −θ −β
Z 2 Z
2 2t
+ c1ω ω wvdx + c2ω ω θβdx, ∀(w, θ), (v, β) ∈ H01 (I).
I 12 I
Una consecuencia inmediata, que surge naturalmente desde la definición de la forma

bilineal b
aω , es la siguiente:
Lema 2.5.4 Para todo ω ∈ R, existen constantes c1ω y c2ω que hacen b
aω coerciva.
Demostración: Dada la coercividad de la forma bilineal a, definida en las sección 2.4,
basta con considerar constantes c1ω y c2ω positivas.
Del lema anterior se deduce que existe una constante α > 0 y una forma bilineal
acotada K : H01 (I)2 × L2 (I)2 , definida como K ((w, θ), (v, β)) := h(w, θ), (v, β)iL2 (I)2 ,
tales que la forma bilineal b
aω satisface la desigualdad de Gårding
aω ((v, β), (v, β)) + Ck(v, β)kL2 (I)2 ≥ αk(v, β)kH 1 (I)2 , (2.5.12)
para todo (v, β) ∈ H 1 (I)2 . Utilizando el Lema 2.5.3 y la inclusión H01 (I)2 ⊂ L2 (I)2 , la
cual es compacta, se tiene que el problema satisface la Alternativa de Fredholm, por lo
tanto, de la unicidad de solución para el problema (2.3.3), se deduce la existencia.
2.6. Aproximación por elementos finitos

Probada la existencia y unicidad de solución para el problema continuo, nos plan-
teamos el problema de la aproximación de la solución continua por el método de los
elementos finitos. En esta sección se demuestra, para la discretización por elementos fi-
nitos, la convergencia y se obtienen estimaciones de error óptimas. Para ello es necesario
demostrar previamente la existencia y unicidad de solución del problema discreto.
2.6.1. Existencia y unicidad de solución del problema discreto

El primer problema que nos encontramos es que, al no ser la forma bilineal aω
coerciva, no tenemos asegurada la existencia y unicidad de solución para el problema
planteado en cualquier subespacio de H01 (I)2 . De hecho, si aω fuese coerciva, sı́ que
tendrı́amos asegurada la existencia y unicidad para el problema planteado sobre cual-
quier subespacio de H01 (I)2 , ya que al ser aω coerciva en el espacio H01 (I)2 también lo
serı́a sobre cualquiera de sus subespacios.
No obstante, si discretizamos por elementos finitos se puede demostrar que existe,

para nuestro problema, un cierto h0 > 0 (donde h es la máximo longitud de los ele-
mentos utilizados) tal que, para todo h ∈ (0, h0 ] el problema discreto tiene solución
2.6. APROXIMACIÓN POR ELEMENTOS FINITOS 23
única.
Consideremos una familia {Th } partición del intervalo I:
Th : 0 = x0 < x1 < ... < xn+1 = L,
donde
h = máx |xj − xj+1 |,
j=1,...,n
denota la máximo longitud de los elementos. Definamos Vh como el espacio de elementos

finitos lineales a trozos y globalmente continuos, es decir,

Vh := v ∈ C(I) : v(0) = v(L) = 0 y v|[xj−1 ,xj ] ∈ P1 ([xj−1 , xj ]), j = 1, . . . , n + 1 .
De esta forma, introducimos una familia regular de subespacios de elementos finitos Vh

de H01 (I), además dicha familia es consistente,
d(u, Vh ) = ı́nf ku − vh kH 1 (I) → 0 cuando h → 0 con u ∈ H01 (I). (2.6.1)

v∈Vh
El problema discreto asociado a (2.3.3) se escribe:
Hallar (wh , θh ) ∈ Vh2 tal que

Z Z Z
E dθh dβh κ dwh dvh 2
dx + 2 − θh − βh dx − ω wh vh dx
12 I dx dx t I dx dx I
2 Z Z Z
2t t2
−ω θh βh dx = f vh dx + gβh dx ∀ (vh , βh ) ∈ Vh2 . (2.6.2)
12 I I 12 I
De forma equivalente, (2.6.2) se puede escribir en términos de la forma bilineal aω y el

funcional τ ,
aω ((wh , θh ), (vh , βh )) = τ ((vh , βh )) , ∀(vh , βh ) ∈ Vh2 . (2.6.3)
El siguiente Lema es necesario para verificar la existencia y unicidad de solución del

problema (2.6.3).
Lema 2.6.1 Para todo ω, la forma bilineal aω admite una descomposición del tipo
aω ((w, θ), (v, β)) = bω ((w, θ), (v, β)) + cω ((w, θ), (v, β)) ∀(w, θ), (v, β) ∈ H01 (I)2 ,
siendo bω una forma bilineal simétrica y coerciva, es decir,
bω ((w, θ), (v, β)) = bω ((v, β), (w, θ)) ∀(w, θ), (v, β) ∈ H01 (I)2
bω ((w, θ), (w, θ)) ≥ αk(w, θ)k2H 1 (I)2 ∀(w, θ) ∈ H01 (I), α > 0,
y cω ((w, θ), (v, β)) una forma bilineal “compacta” en H01 (I)2 , en el sentido de que, para
toda sucesión débilmente convergente en ese espacio, (wn , θn ) ⇀ (w, θ), se tiene
lı́m sup |cω ((wn , θn ) − (w, θ), (v, β))| = 0,

n→∞ k(v,β)k≤1
y, también,
lı́m cω ((wn , θn ) − (w, θ), (wn , θn ) − (w, θ)) = 0.
n→∞
Demostración: Introducimos las formas bilineales bω y cω de la siguiente forma,

Z Z
E dθ dβ κ dw dv
bω ((w, θ), (v, β)) = dx + 2 −θ − β dx
Z 2 Z
2 2t
cω ((w, θ), (v, β)) = −ω wvdx − ω θβdx
I 12 I
Es claro que aω ((w, θ), (v, β)) = bω ((w, θ), (v, β)))+cω ((w, θ), (v, β)); además, como vi-
mos en las secciones anteriores, la forma bilineal bw es simétrica y coerciva sobre H01 (I)2 .
Resta probar que la forma bilineal Cω es compacta en H01 (I)2 . En efecto, dada la
inclusión compacta de H01 (I)2 en L2 (I)2 , se tiene que convergencia débil en H01 (I)2 im-
plica convergencia fuerte en L2 (I)2 , por lo cual, toda sucesión débilmente convergente
{(wn , θn )} en H01 (I)2 , (wn , θn ) ⇀ (w, θ), verifica que
lı́m sup |cω ((wn , θn ) − (w, θ), (v, β)) | = 0,

n→∞ k(v,β)k≤1
lo cual es consecuencia de la desigualdad de Cauchy-Schwarz en L2 (I). De esta manera,

se deduce que cω es compacta en H01 (I).
Teniendo en cuenta esta descomposición de aω es posible utilizar el siguiente resul-

tado debido a Mikhlin (ver [16]), para demostrar la convergencia y obtener las estima-
ciones de error para el problema discreto.
Teorema 2.6.2 Sean {Vh }h una familia de subespacios de un espacio de Hilbert V .

Sea a una forma bilineal continua, definida en V , que admite una descomposición de
la forma establecida en el Lema 2.6.1 y f ∈ V ′ . Entonces, si el problema continuo
a(u, v) = f (v) ∀v ∈ V,
tiene solución única, existen h0 > 0 y γ > 0, tales que la condición discreta de
Ladyzenskaya-Babuška-Brezzi (LBB):
|a(uh , vh )|
sup ≥ γkuh kV ∀vh ∈ Vh ⊂ V, (2.6.4)
vh 6=0 kvh kV
se verifica para todo h < h0 .

Demostración: Consideremos lo contrario, de forma que para todo γ > 0 existe un

uhγ tal que
|a(uhγ , vhγ )|
sup ≤ γkuhγ kV .
vhγ 6=0 kvhγ kV
Entonces, considerando γ = 1/n y uhn = uhγ /kuhγ kV , tenemos una secuencia de vec-
tores unitarios uhn , kuhn kV = 1, tales que
|a(uhn , vhn )| 1
sup ≤ .
vhn 6=0 kvhn kV n
Reemplazando {uhn } por una subsucesión adecuada, podemos asumir que uhn converge
débilmente a un cierto u0 ∈ V . Demostraremos que uhn debe converger fuertemente
a u0 en V. De hecho, teniendo en cuenta la descomposición de a como suma de un
operador b coercivo y un operador c compacto, por la coercividad de b tenemos que
αku0 − uhn k2V ≤ b(u0 − uhn , u0 − uhn )

= a(u0 − uhn , u0 − uhn ) − c(u0 − uhn , u0 − uhn )
= a(u0 , u0 − uhn ) − a(uhn , u0 − uhn ) − c(u0 − uhn , u0 − uhn ).
Cada uno de los tres términos del segundo miembro convergen a cero; el primero debido
a la convergencia débil de uhn a u0 , el último por la convergencia débil y la compacidad
de c(·, ·). Además, introduciendo una familia whn ∈ Vhn convergente a u0 (es posible
por la consistencia), tenemos para el segundo término
a(uhn , u0 − uhn ) = a(uhn , u0 − whn ) + a(uhn , whn − uhn ),
por la continuidad de a
|a(uhn , u0 − whn )| ≤ M kuhn kV ku0 − whn kV

= M ku0 − whn kV .
Por otra parte se tiene que
|a(uhn , whn − uhn )|

|a(uhn , whn − uhn )| = kwhn − uhn kV
kwhn − uhn kV
1
≤ (kwhn kV + kuhn kV ).
n
Obviamente kwhn kV → ku0 kV , y por lo tanto, el segundo miembro de la desigualdad
anterior tiende a cero.
Por consiguiente, uhn converge fuertemente a u0 . Pero esto implica, en particular,
que kuhn kV → ku0 kV , y por lo tanto, ku0 kV = 1. En consecuencia, u0 6= 0 y por la
continuidad de a
a(u0 , v) = lı́m a(uhn , vhn )
n→∞
para cualquier vhn → v y cualquier v ∈ V . Pero
1
|a(uhn , vhn )| ≤ kvh kV , cuando h → 0,
n n
y por lo tanto, a(u0 , v) = 0, lo que contradice la suposición de que el problema continuo

tiene solución única.
La condición LBB discreta aplicada a nuestro problema, es decir, con V = H01 (I)2 y
a = aω , nos asegura la existencia y unicidad de solución, (wh , θh ), del problema discreto
(2.6.3).
2.6.2. Estimación del error de aproximación

Partimos del siguiente resultado de Babuška (ver [4]):
Teorema 2.6.3 Sean {Vh }h una familia de subespacios de un espacio de Hilbert V .

Sea a una forma bilineal y continua, definida en V y f un funcional lineal continuo en
V . Sean u y uh las respectivas soluciones de los siguientes problemas,
Hallar u ∈ V tal que
a(u, v) = f (v), ∀v ∈ V. (2.6.5)
Hallar uh ∈ Vh tal que
a(uh , vh ) = f (v), ∀vh ∈ Vh . (2.6.6)
Si a verifica la condición LBB discreta (2.6.4), entonces

M
ku − uh kV ≤ 1+ kuh − vh kV ∀vh ∈ Vh ,
γ
donde M > 0 es la constante de continuidad de a, es decir, la que aparece en la

desigualdad
|a(u, v)| ≤ M kukV kvkV ∀u, v ∈ V. (2.6.7)
Demostración: Sustituyendo v = vh ∈ Vh en (2.6.5), y restando (2.6.6) a (2.6.5)

obtenemos el resultado usual de ortogonalidad para el error
a (u − uh , vh ) = 0 ∀vh ∈ Vh .
A continuación, haciendo uso de la condición (2.6.4) y de la ortogonalidad del error,

obtenemos
|a(uh − vh , vh )|
γkuh − vh kV ≤ sup
vh 6=0 kvh kV
|a(uh − u, vh ) + a(u − vh , vh )|
= sup
vh 6=0 kvh kV
|a(uh − vh , vh )|
= sup
vh 6=0 kvh kV
M ku − vh kV kvh kV
≤ sup
vh 6=0 kvh kV
= M ku − vh kV .
En consecuencia,
ku − uh kV ≤ ku − vh kV + kvh − uh kV

M
≤ 1+ ku − vh kV .
γ

No obstante, en [31] se ha demostrado una mejora para este resultado, la cual mostra-
mos y probamos en el siguiente teorema.
Teorema 2.6.4 Supongamos que se verifican las condiciones del Teorema 2.6.3, en-
tonces
M
ku − uh kV ≤ kuh − vh kV ∀vh ∈ Vh .
γ
Demostración: Consideremos la aplicación Ph : u → uh definida como Ph u = uh .
Dado al hecho que el problema (2.6.5) tiene única solución, esta aplicación resulta
lineal e idempotente, es decir, Ph2 = Ph . Ası́, es válida la identidad,
kPh kL(V,V ) = kI − Ph kL(V,V ) ,
ver ([31]). Utilizando esta identidad, se tiene que
ku − uh kV = k (I − Ph ) (u − vh )kV
≤ kI − Ph kL(V,V ) ku − vh kV
≤ kPh kL(V,V ) ku − vh kV ,
donde vh es un elemento arbitrario en Vh . Ahora, utilizando la continuidad de la forma
bilineal a y la condición LBB (2.6.4), se tiene que
1 |a(uh , vh )|
kPh ukV ≤ sup ,
γ vh 6=0 kvh kV
1 |a(u, vh )|
= sup ,
γ vh 6=0 kvh kV
M
≤ kukV ,
γ
de lo cual, se sigue el resultado deseado.
Como en nuestro caso la condición LBB discreta se tiene para todo h menor que
un cierto h0 > 0, con γ independiente de h, diremos que la aproximación es asintótica-
mente óptima, ya que el error de la aproximación k(w, θ) − (wh , θh )kH 1 (I)2 está acotado,
salvo multiplicación por una constante, por el error de la mejor aproximación:
ı́nf k(w, θ) − (vh , βh )kH 1 (I)2 .

(vh ,βh )∈Vh2
Denotemos por Πh el operador de interpolación lineal de Lagrange global, de forma

que, para (w, θ) ∈ H 2 (I), los pares (w, θ) y (Πh w, Πh θ) coinciden sobre cada nodo de
la malla y, tanto Πh w como Πh θ sobre cada elemento corresponden a polinomios de
grado ≤ 1. Luego, existe una constante C independiente de h tal que
k(w, θ) − Πh (w, θ)kH 1 (I)2 ≤ Chk(w, θ)kH 2 (I) , (2.6.8)
Nuestro espacio de elementos finitos Vh esta constituido por funciones, definidas so-
bre I, cuya restricción sobre cada elemento es un polinomio de grado ≤ 1. Para la
aproximación con estos espacios de elementos finitos, tenemos el siguiente resultado.
Teorema 2.6.5 La solución del problema discreto (2.6.3) converge hacia la solución
del problema continuo (2.3.3), para la aproximación por elementos finitos,
lı́m (wh , θh ) = (w, θ),

h→0
con la siguiente estimación para el error en H 1 (I)2 , para h < h0 ,

k(w, θ) − (wh , θh )kH 1 (I)2 ≤ Ch kf k[H 1 (I)]′ + kgk[H 1 (I)]′ . (2.6.9)
Demostración: Del Teorema 2.6.4 se tiene

M
k(w, θ) − (wh , θh )kH 1 (I)2 ≤ ı́nf k(wh , θh ) − (vh , βh )kH 1 (I)2 , (2.6.10)
(vh ,βh )6=(0,0) γ
para h < h0 . Como la familia de elementos finitos es consistente, se deduce la conver-

gencia.
Por otro lado, teniendo en cuenta las estimaciones (2.6.8) y (2.6.10), y la regularidad
adicional (ver Teorema 2.5.2), obtenemos la estimación deseada.
Observación 2.6.1 Como aω verifica la desigualdad de Gårding (2.5.12) los resultados

obtenidos para el problema discreto se pueden deducir a partir de los resultados de
Schatz, (ver [46]).
Buscamos ahora una estimación del error en la norma de L2 (I). Para ello recurrimos
al resultado de regularidad a priori (ver Teorema 2.5.2) y al argumento de dualidad
debido a Aubin y Nitsche (ver [12]). Antes es necesario introducir el problema adjunto
de (2.3.3).
′
Dado τ ∈ [H 1 (I)2 ] , hallar (wg∗ , θg∗ ) ∈ H01 (I)2 tal que
aω ((v, β), (wg∗ , θg∗ )) = τ ((v, β)) ∀ (v, β) ∈ H01 (I). (2.6.11)
Para el problema adjunto se obtienen resultados de existencia, unicidad y regularidad

a priori análogos a los del problema (2.3.3).
Teorema 2.6.6 Dados ω ∈ R, tal que ω 2 ∈ / S y τ ∈ L2 (I)2 existe un único (wg∗ , θg∗ ) ∈
H 2 (I)2 ∩ H01 (I)2 solución de (2.6.11) tal que
k(wg∗ , θg∗ )kH 2 (I)2 ≤ Ckτ kL2 (I)2 . (2.6.12)
Demostración: Siguiendo pasos análogos a los realizados para el problema (2.3.3) se

llega a estos resultados.
A continuación se demuestra un resultado abstracto de estimación de error, para lo

cual, definimos inicialmente un marco abstracto adecuado, (ver [12]). Consideramos
dos espacios de Hilbert, V y H, con sus respectivas normas, k · kV y k · kH , tales que V
es denso en H con inyección continua. Denotamos por (·, ·) el producto escalar en H.
Identificaremos el espacio H con su dual, de forma que el espacio H puede identifi-

carse con un subespacio del espacio dual V ′ de V de la siguiente manera:
Dado f ∈ H, como V ⊂ H con inyección continua i, tenemos
∀v ∈ V, |(f, v)| ≤ kf kH kvkH ≤ kikkf kH kvkV ,
por lo tanto la aplicación v ∈ V → (f, v) define un elemento f˜ ∈ V ′ . Por otro lado, la

aplicación f ∈ H → f˜ ∈ V ′ es una inyección, ya que si (f, v) = 0 para todo v ∈ V,
entonces (f, v) = 0 para todo v ∈ H debido a que V es denso H, por lo tanto f = 0.
Esta inyección de H en V ′ nos permite identificar f y f˜, lo que nos permite escribir
∀f ∈ H, ∀v ∈ V, (f, v) = f (v). (2.6.13)
Consideramos una forma bilineal a continua,
|a(u, v)| ≤ M kukV kvkV , ∀u, v ∈ V,
y una forma lineal f también, continua, estando ambas definidas sobre el espacio V.
Denotamos por u ∈ V y por uh ∈ Vh , respectivamente, las soluciones de los problemas
variacionales
a(u, v) = f (v) ∀v ∈ V, (2.6.14)

a(uu , vh ) = f (vh ) ∀vh ∈ Vh , (2.6.15)
que suponemos que existen y son únicas.

Teorema 2.6.7 (Lema de Aubin-Nitsche). Se tiene,

1 ∗
ku − uh kH ≤ M ku − uh kV sup ı́nf ku − vh kV , (2.6.16)
g∈H kgkH vh ∈Vh g
donde, para cada g ∈ H, u∗g ∈ V es la solución del problema variacional adjunto
a(v, u∗g ) = (g, v) ∀ v ∈ V,
que suponemos existe y es única, para todo g ∈ H.
Demostración: Para estimar ku − uh kH , utilizaremos la caracterización
|(g, u − uh )|
ku − uh kH = sup . (2.6.17)
g∈H kgkH
Como u − uh es un elemento del espacio V, tenemos, en particular
a(u − uh , u∗g ) = (g, u − uh ),
Por otra parte

a(u − uh , vh ) = 0 ∀vh ∈ Vh ,
igualdad que se obtiene restando (2.6.14) y (2.6.15). Utilizando las relaciones anteriores,
obtenemos
(g, u − uh ) = a(u − uh , u∗g − vh ) ∀vh ∈ Vh ,
y por lo tanto,
|(g, u − uh )| ≤ M ku − uh kV ı́nf ku∗g − vh kV . (2.6.18)
vh ∈Vh
Dividiendo esta desigualdad por kgkH y tomando supremo sobre H, se obtiene la des-
igualdad (2.6.16), sin más que tener en cuenta la caracterización (2.6.17).
Teniendo en cuenta estos resultados llegamos a la siguiente estimación para el error en

L2 (I):
Teorema 2.6.8 Existe h0 > 0 tal que, para todo h < h0 positivo se verifica

k(w, θ) − (wh , θh )kL2 (I)2 ≤ Ch2 kf kL2 (I) + kgkL2 (I) . (2.6.19)
Demostración: Para nuestra forma bilineal aω tenemos existencia de solución para el

problema continuo (2.3.3), para problema discreto (2.6.3) (para todo h < h0 ) y para
el problema adjunto (2.6.11). Por lo tanto, considerando H = L2 (I)2 y V = H 1 (I)2 ,
podemos aplicar a nuestro caso el lema de Aubin-Nitsche, obteniendo
k(w, θ) − (wh , θh )kL2 (I)2 ≤ M k(w, θ) − (wh , θh )kH 1 (I)2 (2.6.20)

1 ∗ ∗
· sup ı́nf k(wg , θg ) − (vh , βh )kH 1 (I)2 .
g∈L2 (I)2 kτ kL2 (I)2 (vh ,βh )∈Vh2
Teniendo en cuenta la regularidad de la solución del problema adjunto y considerando

interpolación lineal, se obtiene la siguiente acotación para la mejor aproximación de
(wg∗ , θg∗ ) por un elemento de Vh2 ,
ı́nf k(wg∗ , θg∗ ) − (vh , βh )kH 1 (I)2 ≤ Chk(wg∗ , θg∗ )kH 2 (I) .
(vh ,βh )∈Vh2
Por otro lado, teniendo en cuenta la identificación (2.6.13) de L2 (I)2 como un subespacio
′
[H 1 (I)2 ] y la continuidad de la solución, del problema adjunto, respecto del segundo
miembro (2.7.11), se obtiene
ı́nf k(wg∗ , θg∗ ) − (vh , βh )kH 1 (I)2 ≤ Chkτ kL2 (I)2 .
(vh ,βh )∈Vh2
Sustituyendo esta última expresión en (2.6.20) se llega a que

k(w, θ) − (wh , θh )kL2 (I)2 ≤ Chk(w, θ) − (wh , θh )kH 1 (I) ,
que junto con (2.6.9) nos permite demostrar la desigualdad buscada.
2.6.3. Estimación puntual del error

En los problemas de control que estudiaremos en el siguiente capı́tulo, es de in-
terés obtener una estimación puntual, en alguna norma adecuada, del error cometido
al aproximar el control óptimo cuando se discretiza la ecuación de estado mediante
elementos finitos. Por esta razón, es necesario disponer de dicha estimación para la
variable a “controlar”w(x). En esta sección obtendremos una estimación puntual para
el caso en que los términos fuentes f y g pertenezcan a L2 (I).
Definamos las proyecciones Pw y Pθ , de las funciones w y θ, respectivamente, sobre el

el espacio de elementos finitos definido en las sección anterior de la siguiente manera:
((Pw − w)′ , v ′ )L2 (I) = 0, ∀v ∈ Vh , (2.6.21)
′ ′
((Pθ − θ) , β )L2 (I) = 0, ∀β ∈ Vh . (2.6.22)
El par (w, θ) denota la solución del problema (PDA), la cual existe y es única en virtud
del Teorema 2.5.2, para todo ω ∈ R tal que ω 2 no es un autovalor del problema (2.4.1).
En base a la desigualdad:
k(w, θ) − (wh , θh )k∞ ≤ k(w, θ) − (Pw , Pθ )k∞ + k(Pw , Pθ ) − (wh , θh )k∞ ,
dividiremos la demostración en dos partes, primero obtendremos una estimación para
el término k(Pw , Pθ ) − (wh , θh )k∞ y luego, para k(w, θ) − (Pw , Pθ )k∞ . En los siguientes
Lemas se muestran dichas estimaciones.
Lema 2.6.9 Existe h0 > 0 y C una constante positiva tal que para todo h ∈ (0, h0 ] se
tiene la siguiente estimación:

k(Pw , Pθ ) − (wh , θh )k∞ ≤ Ch2 kf kL2 (I) + kgkL2 (I) . (2.6.23)
Demostración: Tomando (v, β) = (vh , βh ) en la ecuación (2.3.3), y restando la ecua-

ción (2.6.3), obtenemos la ecuación del error
aω ((w, θ) − (wh , θh ), (vh , βh )) = 0, ∀(vh , βh ) ∈ Vh2 .
En particular, si consideramos (vh , βh ) = (Pw − wh , Pθ − θh ) ∈ Vh2 , se obtiene
aω ((w, θ) − (wh , θh ), (Pw − wh , Pθ − θh )) = 0. (2.6.24)
Para simplificar la notación, consideremos las siguientes expresiones,
a = θ − θh ,
b = w − wh ,
a = Pθ − θh ,
b = Pw − wh .
Teniendo en cuenta estas expresiones y la definición de la forma bilineal aω , la igualdad
(2.6.24) se puede escribir de la siguiente manera:
E k
aω (b, a), (b̄, ā) = (a′ , ā′ ) + 2 (b′ − a, b̄′ − ā) − w2 (a, b), (ā, b̄) t = 0, (2.6.25)
12 t
donde (·, ·) denota el producto interno en L2 (I) y (·, ·)t el producto interno definido en
la sección 2.4.
Desarrollando la expresión (2.6.25) obtenemos la siguiente igualdad,

E ′ ′ k t2
(a , ā ) + 2 (b′ , b̄′ ) = (b′ , ā) + (a, b̄′ ) − (a, ā) + ω 2 (a, ā) + ω 2 (b, b̄).
12 t 12
Antes de seguir trabajando esta expresión, notemos que,
Z
′
(b , ā) = (w − wh )′ (Pθ − θh )dx
I
Z
1

= (w − wh )(Pθ − θh ) 0 − (w − wh )(Pθ − θh )′ dx = −(b, ā′ ). (2.6.26)
I
De esta manera, utilizando (2.6.26), la desigualdad de Cauhy-Schwarz en L2 (I) y dos

veces la desigualdad de Cauhy-Schwarz en R2 , obtenemos
E ′ ′ k
(a , ā ) + 2 (b′ , b̄′ ) ≤ C kbkkā′ k + kakkb̄′ k + kakkāk + kbkkb̄k ,
12 t
≤ C k(a, b)kk(ā′ , b̄′ )k + k(a, b)kk(ā, b̄)k ,
≤ Ck(a, b)kL2 (I)2 k(ā, b̄)kH 1 (I)2 . (2.6.27)
donde k · k denota la norma en L2 (I). Por otro lado, desde la definición de la proyección
Pθ se deduce,
(a′ , a′ ) = ((θ − θh )′ , (Pθ − θh )′ )
= ((θ − Pθ )′ , (Pθ − θh )′ ) + ((Pθ − θh )′ , (Pθ − θh )′ )
= ((Pθ − θh )′ , (Pθ − θh )′ )
= (ā′ , ā′ ) (2.6.28)
2.7. LA ECUACIÓN DE ESTADO CON TÉRMINOS FUENTE TIPO DELTA DE DIRAC 33
y de la misma manera, utilizando la definición de la proyección Pw , se tiene
(b′ , b̄′ ) = (b̄, b̄′ ). (2.6.29)
Ası́, utilizando (2.6.28) y (2.6.29) en la desigualdad (2.6.27), se obtiene,
k(ā, b̄)k2H 1 (I)2 ≤ Ck(a, b)kL2 (I)2 k(ā, b̄)kH 1 (I)2 (2.6.30)
Por último, recordando que en el caso uno dimensional la inclusión H 1 (I) ⊂ L∞ (I) es
continua y teniendo en cuenta la estimación (2.6.19) se obtiene la estimación deseada.
Lema 2.6.10 Existe una constante C tal que

k(w, θ) − (Pw , Pθ )k∞ ≤ Ch2 kf kL2 (I) + kgkL2 (I) , (2.6.31)
donde (w, θ) denota la única solución del problema (2.3.3) y Pw , Pθ las proyecciones
definidas en (2.6.21) y (2.6.22) respectivamente.
Demostración: Ver Lema 4.3 en [18] y utilizar la misma demostración del Lema 3.4 en
[2] para probar que w y θ ∈ W 2,∞ (I) y

k(w, θ)kW 2,∞ (I)2 ≤ Ch2 kf kL2 (I) + kgkL2 (I) .
Consecuencia de los Lemas 2.6.9 y 2.6.10, se deduce la estimación puntual óptima

para los desplazamientos verticales de la viga.
Teorema 2.6.11 Existe h0 > 0 y C una constante positiva tal que para todo h ∈ (0, h0 ]
se tiene la siguiente estimación

k(w, θ) − (wh , θh )k∞ ≤ Ch2 kf kL2 (I) + kgkL2 (I) .
2.7. La ecuación de estado con términos fuente tipo

delta de Dirac
Consideramos ahora el caso en el que la ecuación de estado tiene términos fuente
del tipo delta de Dirac y que, por lo tanto, no están en L2 (I)2 . Estudios acerca de la
aproximación por el método de elementos finitos de problemas elı́pticos de segundo
orden se han realizado en los artı́culos [10] y [45]. Sin embargo, en el caso 1-D, el cual
es nuestro caso, el problema se simplifica, debido a que la distribución delta de Dirac
pertenece al espacio dual de H 1 (I), es decir, [H 1 (I)]′ .
Este tipo de fuentes aparecen en los problemas de control activo de vibraciones,

pues las fuerzas de control puntual (actuadores) se modelan adecuadamente mediante
deltas de Dirac, de forma que las variables de control son simplemente las amplitudes
y eventualmente la posición, en caso de buscar las posiciones óptimas.
En un principio, parece razonable pensar, desde un punto de vista fı́sico, que serı́a
muy próximo a la realidad resolver el problema con términos fuentes en L2 (I) que
aproximen la delta de Dirac; de hecho, en la realidad no existen fuentes tipo delta
de Dirac, aunque sea una buena representación en ciertos casos. No obstante, dicho
análisis está suficientemente justificado por dos motivos: primero, porque el problema
tiene interés desde un punto de vista puramente matemático y segundo, porque utilizar
términos fuentes en L2 (I), que modelen los actuadores, requiere elegir un cierto tamaño
para el dominio de las funciones que los representan; de donde surge, de forma natural
determinar cual es el largo del intervalo más adecuado para representar los actuadores.
En este sentido, el análisis con términos fuente tipo delta puede considerarse como un
caso lı́mite y, por lo tanto, lo que se está estudiando es la estabilidad del problema con
respecto al tamaño del dominio.
2.7.1. El Problema continuo

Lo que se pretende resolver es el problema

 2

 2 d w dθ

 −ρAω w(x) − kAG − = δ̂x̄ (x), x∈I

 dx2 dx

(PFAD) 2 d2 θ dw

 −ρIω θ(x) − EI − kAG −θ = δ̂ȳ (x), x∈I

 dx dx



w(0) = w(L) = θ(0) = θ(L) = 0,
donde las derivadas se entienden en el sentido distribucional y x̄, ȳ denotan las posi-
ciones de los delta de Dirac en I, los cuales están convenientemente escalados respecto
al espesor de la viga.
Como señalabamos anteriormente, en nuestro caso el problema se simplifica, pues

′
δ ∈ [H 1 (I)] , lo cual verificaremos a continuación.
• δ está bien definido en H 1 (I), pues si I denota un abierto en R, se tiene que

H 1 (I) ⊂ C(I), con lo cual hδx , vi([H 1 (I)]′ ,H 1 (I)) = v(x), ∀v ∈ H 1 (I).
• δ es un funcional lineal continuo, pues dados u, v ∈ H 1 (I),
hδx , u + vi([H 1 (I)]′ ,H 1 (I)) = (u + v)(x)

= u(x) + v(x)
= hδx , ui([H 1 (I)]′ ,H 1 (I)) + hδx , vi([H 1 (I)]′ ,H 1 (I))
y además,
|v(x)| kvkL∞(I)
kδx kL(H 1 (I),R) = sup ≤ sup ≤ C,
v∈H 1 (I) kvkH 1 (I) v∈H 1 (I) kvkH 1 (I)
donde en la última desigualdad se ha utilizado la inyección continua H 1 (I) ⊂

L∞ (I).
De esta manera, con este resultado, podemos plantear la formulación débil o varia-
cional asociada al problema (PFAD)

 Z Z Z

 12 dx dx dx + t2

dx
−θ
dx
I I I
(PDAD)
 2 Z

 2t t2
 −ω θβdx = hδx̄ , vi + hδȳ , βi, ∀ (v, β) ∈ H01 (I)2 ,
12 I 12
donde h·, ·i denota la paridad dual entre los espacios H 1 (I) y [H 1 (I)]′ .
Recordando la definición de la forma bilineal aω y definiendo el funcional lineal y

continuo sobre H01 (I),
t2
τδ ((v, β)) = hδx̄ , vi + hδȳ , βi, ∀(v, β) ∈ H01 (I), (2.7.1)
12
equivalentemente el problema (PDAD) se escribe:
aω ((w, θ), (v, β)) = τδ ((v, β)) , ∀(v, β) ∈ H01 (I)2 . (2.7.2)
Para analizar la existencia y unicidad de solución de este problema, procedemos de

la misma manera que en el caso anterior, en el cual los términos fuentes estaban en
L2 (I)2 .
Es claro que el problema (2.7.2) no admite unicidad de solución en el caso en que

2
ω fuese un autovalor del problema (2.4.1), luego tenemos asegurada la unicidad de
solución para todo ω ∈ R, tal que ω 2 ∈ / S, donde recordemos S denota el espectro
del problema (2.5.1). Ahora, dado que la forma bilineal aω satisface la desigualdad de
Gårding (2.5.12) y además H01 (I)2 esta contenido compactamente en L2 (I)2 , se tiene
que el problema satisface la Alternativa de Fredholm, consecuencia del Lema 2.5.3, con
lo cual de la unicidad de solución de la ecuación (2.7.2) se deduce la existencia.
El siguiente Teorema resume los resultados de existencia y unicidad de solución

para el problema de la ecuación de estado con términos fuentes del tipo delta de Dirac.
′
Teorema 2.7.1 Dado ω ∈ R tal que ω 2 ∈ / S, τδ ∈ [H 1 (I)2 ] , escrito como en (2.7.1),
el problema
aω ((w, θ), (v, β)) = τδ (v, β), ∀(v, β) ∈ H01 (I)2 ,
tiene única solución (w, θ) ∈ H01 (I)2 que verifica
k(w, θ)kH 1 (I)2 ≤ C(kf k[H 1 (I)]′ + kgk[H 1 (I)]′ ),
Demostración: La demostración es análoga a la del Teorema 2.5.2, la única diferencia

′
radica en que ahora el operador Qw : H01 (I)2 → [H 1 (I)2 ] se define de la siguiente
manera:
hQω (w, θ), (v, β)i = aω ((w, θ), (v, β)) , (v, β) ∈ H01 (I)2 .

2.7.2. El Problema discreto y su aproximación por elementos

finitos
Análogamente al caso con término fuente en L2 (I)2 , probada la existencia y unicidad
de solución para el problema continuo, nos planteamos el problema de la aproximación
de la solución continua por el método de los elementos finitos. Demostraremos, para la
discretización por elementos finitos, convergencia y obtendremos estimaciones de error
óptimas. Para ello es necesario demostrar previamente la existencia y unicidad de so-
lución del problema discreto.
Consideremos una familia {Th } partición del intervalo I:
Th : 0 = x0 < x1 < ... < xn+1 = L,
donde
h = máx |xj − xj+1 |,
j=1,...,n
denota el tamaño de malla. Definamos Vh como el espacio de elementos finitos lineales

a trozos y globalmente continuos, es decir,

Vh := v ∈ H01 (I) : v|[xj−1 ,xj ] ∈ P1 ([xj−1 , xj ]) .
De esta forma, introducimos una familia regular de subespacios de elementos finitos

Vh2 de H01 (I)2 . Dicha familia es consistente,
d((w, θ), Vh2 ) = ı́nf k(w, θ) − (v, β)kH 1 (I)2 → 0 cuando h → 0 con (w, θ) ∈ H01 (I)2 .
v∈Vh
(2.7.3)
Si discretizamos por elementos finitos se puede demostrar que existe, para nuestro
problema, un cierto h0 > 0 tal que, para todo h ∈ (0, h0 ] el problema discreto tiene
solución única.
Dado a que la distribución delta de Dirac pertenece al espacio dual de H 1 (I), o

también, debido a que los elementos del espacio Vh son continuos, está bien definida la
siguiente versión discreta del problema continuo (2.7.2), escrita sobre cada subespacio
Vh2 :

Z Z Z
2 Z
2t t2
−ω θh βh dx = hδx̄ , vh i + hδȳ , βh i ∀ (vh , βh ) ∈ Vh2 . (2.7.4)
12 I 12
Esta igualdad variacional, por la definición de la delta de Dirac, se convierte en

Z Z Z
2 Z
2t t2
−ω θh βh dx = vh (x0 ) + βh (y0 ) ∀ (vh , βh ) ∈ Vh2 . (2.7.5)
12 I 12
De forma equivalente, la ecuación variacional (2.7.5) se puede escribir en términos

de la forma bilineal aω y el funcional τδ , definidos en la sección anterior,
aω ((wh , θh ), (vh , βh )) = τδ ((vh , βh )) , ∀(vh , βh ) ∈ Vh2 . (2.7.6)
Utilizando el Lema 2.6.1 y el Teorema 2.6.2, introducidos y demostrados en la

sección anterior, la condición LBB nos asegura la existencia y unicidad de solución del
problema discreto (2.7.6), considerando en ellos V = H 1 (I)2 y a = aω .
2.7.3. Estimación del error

Como en nuestro caso la condición LBB discreta rige para todo h menor que un cier-
to h0 con γ independiente de h, utilizando el Teorema 2.6.4 se tiene que la aproximación
es asintóticamente óptima, ya que el error de la aproximación k(w, θ) − (wh , θh )kH 1 (I)2
está acotado, salvo multiplicación por una constante por el error de la mejor aproxi-
mación,
k(w, θ) − (vh , βh )kH 1 (I)2
Sin pérdida de generalidad, supongamos que x̄ < ȳ y que, además, ambos puntos
coinciden con nodos de la malla, es decir, existen i, j ∈ {0, ..., n + 1} tales que x̄ = xi
y ȳ = xj .
Consideremos los abiertos I1 = (x0 , x̄), I2 = (x̄, ȳ) y I3 = (ȳ, xn+1 ) y denotemos por
Πh,Ii el operador de interpolación lineal de Lagrange sobre el dominio Ii y u|Ii la restric-
ción de la función u a dicho dominio. Para (w|Ii , θ|Ii ) ∈ H 2 (Ii )2 , (w, θ) y (Πh,Ii w, Πh,Ii θ)
coinciden sobre los vértices del dominio Ii y tanto Πh,Ii w como Πh,Ii θ son polinomios
de grado ≤ 1.
Con estas notaciones, podemos obtener la siguiente estimación para el error de

interpolación,
3
X
k(w, θ) − (Πh w, Πh θ)k2H 1 (I)2 = k(w, θ) − (Πh,Ii w, Πh,Ii θ)k2H 1 (I)2
i=1
X3
= k(w|Ii , θ|Ii ) − (Πh,Ii w, Πh,Ii θ)k2H 1 (I)2
i=1
X3
≤ Chk(w|Ii , θ|Ii )kH 2 (Ii ) ,
i=1
Ası́, obtenemos la estimación
k(w, θ) − (Πh w, Πh θ)kH 1 (I)2 ≤ Ch. (2.7.7)
De esta manera, para la aproximación por elementos finitos tenemos el siguiente

resultado.
Teorema 2.7.2 La solución del problema discreto (2.7.6) converge hacia la solución
del problema continuo (2.7.2), para la aproximación por elementos finitos,
lı́m (wh , θh ) = (w, θ),

h→0
con la siguiente estimación para el error en H 1 (I)2 , para h < h0 ,
k(w, θ) − (wh , θh )kH 1 (I)2 ≤ Ch (2.7.8)
Demostración: Del Teorema 2.6.4 se tiene

M
k(w, θ) − (wh , θh )kH 1 (I)2 ≤ ı́nf k(wh , θh ) − (vh , βh )kH 1 (I)2 , (2.7.9)
(vh ,βh )6=(0,0) γ
para h < h0 . Como la familia de elementos finitos es consistente, se deduce la conver-

gencia.
Por otro lado, teniendo en cuenta las estimaciones (2.7.7) y (2.7.9), obtenemos la
estimación deseada.
Resta obtener la estimación óptima en la norma L2 (I)2 . Antes es necesario intro-

ducir el problema adjunto de (2.7.2).
′
Dado τδ ∈ [H 1 (I)2 ] , hallar (wg∗ , θg∗ ) ∈ H01 (I)2 tal que
aω ((v, β), (wg∗ , θg∗ )) = τδ ((v, β)) ∀ (v, β) ∈ H01 (I). (2.7.10)
Para el problema adjunto se obtienen resultados de existencia, unicidad análogos a los

del problema (2.7.2).
Teorema 2.7.3 Dados ω ∈ R, tal que ω 2 ∈ / S y τ ∈ L2 (I)2 existe un único (wg∗ , θg∗ ) ∈
H 2 (I)2 ∩ H01 (I)2 solución de (2.7.10) tal que
k(wg∗ , θg∗ )kH 1 (I)2 ≤ Ckτ kL2 (I)2 . (2.7.11)
Demostración: Siguiendo pasos análogos a los realizados para el problema (2.7.2) se

llega a estos resultados.
De esta manera, utilizando el Lema 2.6.7 se tiene el siguiente resultado.
Teorema 2.7.4 Existe h0 > 0 tal que, para todo h < h0 positivo, se verifica
k(w, θ) − (wh , θh )kL2 (I)2 ≤ Ch2 .
Demostración: Análoga a la demostración del Teorema 2.6.8.
2.7.4. Estimación puntual del error

Para terminar esta sección, analizaremos el error cometido por el método de ele-
mentos finitos, en la norma L∞ (I), al aproximar la solución del problema (2.7.6). Como
lo señalamos en una sección anterior, este resultado es fundamental en el estudio de la
aproximación numérica del control óptimo.
Teorema 2.7.5 Existe h0 > 0 tal que, para todo h < h0 se tiene la siguiente estimación
para el problema (2.7.6):
kw − wh kL∞ (I) ≤ Ch (2.7.12)
Demostración: Para obtener dicha estimación, solo basta considerar la inclusión con-
tinua H 1 (I) ֒→ L∞ (I) y la estimación (2.7.8).
Nota 2.7.1 Pese a que se podrı́a esperar un orden doble en la estimación (2.7.12),
análogamente al caso con término fuente L2 (I), los experimentos numéricos verifican
este teorema tanto para nuestro problema como para el problema más simple −u′′ = δ.
Capı́tulo 3
Control Activo de las Vibraciones
3.1. Introducción
La reducción de las vibraciones de una estructura es un problema muy importante
en Ingenierı́a, cuyas aplicaciones proceden desde campos muy diversos: aeroespacial,
nanotecnologı́a, etc. Ejemplo de estructuras a las cuales interesa llevar a cabo un con-
trol son: estructuras aeroespaciales flexibles tales como estaciones espaciales y paneles
de energı́a solar. Las técnicas de reducción de las vibraciones por métodos de absorción
pasivos, en su mayorı́a, son efectivas y viables a medias y altas frecuencias. A bajas
frecuencias, las soluciones por técnicas pasivas se hacen poco viables y costosas debido
a que es necesario un gran volumen y/o peso de materiales absorbentes; lo que empeora
aún más si consideramos que la tendencia industrial es reducir el peso de las estruc-
turas, como por ejemplo, vehı́culos aeroespaciales. Las técnicas de Control Activo de
las Vibraciones (CAV) surgen como respuesta, permitiendo resolver, de manera eficien-
te, el problema de reducción de las vibraciones a bajas frecuencias. La técnica CAV
está basada en el principio de superposición y por lo tanto, sólo se aplica a sistemas
lineales. En esencia, el CAV consiste en la reducción, en una determinada región de la
estructura, del nivel de vibración producido por una fuerza externa; para ello se utiliza
una serie de fuerzas secundarias que producen una respuesta en la estructura de tal
forma de reducir ası́ el nivel de la vibración original.
En este capı́tulo se estudia el problema de la reducción de las vibraciones de una

viga delgada, modelada por las ecuaciones de Timoshenko, en zonas determinadas de
esta, mediante un sistema de Control Activo de las Vibraciones (ver [24] y [42]). Nos
interesan dos problemas de control:
• Nuestro primer problema consiste en minimizar el nivel de la vibración en ciertos

puntos de la viga, producidos por alguna fuerza externa primaria. Dichos puntos
se denominan sensores. Para ello se dispone de una serie de actuadores modelados
como deltas de Dirac, con amplitudes variables y posiciones fijas en la viga.
De esta manera, nuestro objetivo consiste en determinar las amplitudes de los
actuadores que minimicen el nivel de la vibración en los sensores. Este problema
40
3.1. INTRODUCCIÓN 41
Figura 3.1: Esquema de Control Sensores Puntuales
Figura 3.2: Esquema de Control Sensor Distribuido
de control lo denominaremos Sensores Puntuales y un bosquejo de él se puede

apreciar en la figura 3.1.
• Por otro lado, nuestro segundo problema de control, consiste en minimizar el nivel
de vibración que experimenta un cierto sector de la viga, producido por alguna
fuerza externa primaria. Este tipo de control, en la literatura, se conoce como
control distribuido, (ver [24], [41]). Al igual que en el caso anterior se dispone de
una serie de actuadores modelados como deltas de Dirac, con amplitudes variables
y posiciones fijas. Nuestro objetivo aquı́, consiste en determinar las amplitudes de
los actuadores que minimicen la media cuadrática del dezplazamiento transversal
de la viga. Este problema de control lo denominaremos Sensor Distribuido y una
idea de él se puede apreciar en la figura 3.2.
Al trabajar en el dominio de la frecuencia, se obtiene, a partir de la ecuaciones de

Timoshenko, la ecuación de estado del sistema. Ambos problemas de control activo
se plantean dentro del marco de la teorı́a del control óptimo (ver [38]). Se prueba
existencia y unicidad del control óptimo y se escriben las condiciones de optimalidad
en ambos casos. Con el objetivo de poder calcular numéricamente el control óptimo, se
escribe un problema “aproximado” a partir de la discretización, por el método de los
elementos finitos, de la ecuación de estado con términos fuente tipo delta de Dirac. Para
ello, son necesarios los resultados obtenidos, en el capı́tulo anterior, para la ecuación
de estado y su discretización por elementos finitos cuando el término fuente no está en
L2 .
42 CAPÍTULO 3. CONTROL ACTIVO DE LAS VIBRACIONES
3.2. Determinación de las amplitudes óptimas

3.2.1. Planteamiento de los problemas
Consideramos una viga completamente anclada en sus extremos, excitada con una
fuerza transversal f y una fuerza del tipo momento g; tal como lo señalamos en el
capı́tulo anterior, el problema que describe la deformación de una viga en términos de
los desplazamientos verticales w y la rotación de las fibras verticales θ es:
Hallar (ŵ, θ̂) tal que

 !
 2 2
 ∂ ŵ ∂ ŵ ∂ θ̂

 ρA 2 − kAG − = f (x, τ ), x ∈ I, τ ≥ 0,

 ∂τ ∂x2 ∂x




∂ 2 θ̂ ∂ 2 θ̂ ∂ ŵ
(PF) ρI 2 − EI 2 − kAG − θ̂ = g(x, τ ), x ∈ I, τ ≥ 0,

 ∂τ ∂x ∂x



 ŵ(0, τ ) = ŵ(L, τ ) = θ̂(0, τ ) = θ̂(L, τ ) = 0, τ ≥ 0,




C.I,
donde C.I denota condiciones iniciales, las cuales determinan existencia y unicidad de
solución del problema (PF). Aquı́, τ denota el tiempo, x ∈ I representa la coordenada
espacial a lo largo de la viga en su posición de equilibrio, ŵ = ŵ(x, τ ) representa el
desplazamiento vertical de la coordenada x en el tiempo τ y θ̂ = θ̂(x, τ ) la rotación de
la sección transversal debido a la torsión. Los coeficientes ρ, E e I, los cuales se asu-
men constantes, representan, la densidad de masa, el módulo de elasticidad lineal y el
momento de inercia de la sección transversal, respectivamente. El coeficiente k corres-
ponde a un factor de corrección, usualmente tomado como 5/6, A representa el área
de la sección transversal de la viga y G corresponde al módulo de elasticidad del corte.
Sin pérdida de generalidad supondremos que la viga tiene sección transversal cuadrada.
Consideremos los términos fuentes f y g en el problema (PF) como armónicos en

el tiempo de frecuencia angular constante ω̂, es decir,
f (x, τ ) = f (x) cos(ω̂τ ), (3.2.1)

g(x, τ ) = f (x) cos(ω̂τ ), (3.2.2)
siendo f (x) y g(x) las correspondientes amplitudes del movimiento armónico, que son
datos del problema. La solución del problema (PF), también será de la forma
ŵ(x, t) = w(x) cos(ω̂τ ), (3.2.3)

θ̂(x, t) = θ(x) cos(ω̂τ ). (3.2.4)
Luego, para describir completamente la respuesta que experimenta una viga, la cual es
sometida a fuerzas del tipo armónico, necesitamos determinar la amplitud del despla-
zamiento vertical w(x) y la amplitud de la rotación de la sección transversal θ(x).
3.2. DETERMINACIÓN DE LAS AMPLITUDES ÓPTIMAS 43
Como estamos considerando el caso armónico no hay condiciones iniciales. Con res-
pecto a las condiciones de contorno, es simple ver que, en nuestro caso, se escriben:
w(0) = w(L) = θ(0) = θ(L) = 0. (3.2.5)
De esta manera, si consideramos el problema (PF) y tenemos en cuenta las notaciones

(3.2.1)-(3.2.5), se deduce que el par (w, θ) verifica el siguiente problema fuerte:

 2

 2 d w dθ

 −ρAω w(x) − kAG − = g(x), x ∈ I,

 dx2 dx

(PFA) 2 d2 θ dw

 −ρIω θ(x) − EI − kAG −θ = f (x), x ∈ I,

 dx dx


w(0) = w(L) = θ(0) = θ(L) = 0
La primera y segunda ecuación descritas en este problema las denominaremos la ecua-

ción de estado del sistema, la cual, jugará un rol fundamental en la solución del
problema de control.
Multiplicando adecuadamente las ecuaciones descritas en el problema (PFA) por fun-

ciones test v y β ∈ H01 (I), e integrando por partes, se obtiene el denominado problema
débil asociado al problema fuerte (PFA):

 Z Z Z

 12 dx dx dx + t2

dx
−θ
dx
I I I
(PDA) 2 Z

 2t t2

 −ω θβdx = hf, vi + hg, βi ∀ (v, β) ∈ H01 (I)2 .
12 I 12
En primer lugar, debemos señalar que este problema ha sido reescalado consideran-
do ω := ρ ω̂ 2 /t2 . En la expresión t ∈ (0, 1) denota el espesor de la viga, κ = Ek/2(1+ ν̂)
el módulo de corte, con k un factor de correción usualmente tomado como 5/6, ν̂ la
razón de Poisson, ρ la densidad de masa y h·, ·i denota la paridad dual entre los espacios
[H 1 (I)]′ y H 1 (I). Tanto la carga transversal f , como la carga de corte g, han sido con-
venientemente escaladas, y ambas pertenecen al espacio dual de H 1 (I). La justificación
de este escalamiento se basa en aspectos netamente matemáticos, como se puede ver en
[15]: “Es imposible obtener un comportamiento asintótico bien planteado al mantener
las cargas constantes sobre toda la sucesión de problemas que conlleva el parámetro t.
Dicho escalamiento nos entrega un comportamiento asintótico admisible.”
En el marco de la teorı́a general de control óptimo (ver [38]), podemos definir los
problemas de control que nos interesan. Dado que los actuadores se modelan como
deltas de Dirac, el término fuente f (x), que es nuestra variable de control, se compone
de una fuerza externa primaria, la cual denotaremos fe (x), y una combinación lineal de
Na deltas de Dirac con posiciones conocidas y1 , ..., yNa ∈ I y con amplitudes u1 , ..., uNa
a determinar:
Na
X
f = fe + ui δyi , con ui ∈ R, i = 1, . . . , Na , (3.2.6)
i=1
Dadas estas definiciones y notaciones, estamos en condiciones de plantear los pro-

blemas de control que estudiaremos en este capı́tulo.
Sensores Puntuales:
Para plantear nuestro primer problema de CAV como un problema de control ópti-
mo, consideramos las siguientes elecciones:
• El estado del sistema esta dado por el desplazamiento w(x) en el dominio I.
• La variable de control u es el vector de las magnitudes reales de los actuadores,
u = (u1 , . . . , uNa ) ∈ RNa ,
que definen el término fuente f (x).

• El conjunto de controles admisibles es un conjunto convexo cerrado Uad ⊆ RNa .
• El modelo del sistema, que relaciona la variable de control con el estado, viene
dado por la ecuación de estado del sistema.
• La observación z es el conjunto de los desplazamientos verticales en Ns sensores,
localizados en puntos dados p1 , . . . , pNs ∈ I,
z(u) := (w(u, p1 ), . . . , w(u, pNs )) ∈ RNs
donde, para u ∈ RNa , w(u, ·) denota la solución de la ecuación de estado con f

dada por (3.2.6).
• El funcional de costo a minimizar, depende de la observación, la referencia y
eventualmente del costo del control,
1 ν
J(u) := kz(u) − z d k22 + kuk22 , (3.2.7)
2 2
o escrito de otra forma,
N N
1X s
2 1X a
J(u) = Φ(w(u), u) = |w(u, pi ) − z di | + |ui |2 ,

2 i=1 2 i=1
donde ν ≥ 0 es un factor de peso, k·k2 denota la norma euclidiana en RNa o

RNs , según corresponda y z d corresponde a un elemento de RNs que contiene los
desplazamientos “deseados” en los Ns sensores. En nuestro caso z d ≡ 0.
De esta manera, se puede plantear el problema de control óptimo:
Hallar uop ∈ Uad tal que
J(uop ) = ı́nf J(u) (3.2.8)

u∈Uad
Cualquier solución uop de este problema de minimización será denominado control ópti-
mo.
Sensor Distribuido:
Para plantear el segundo problema de CAV como un problema de control óptimo,

sólo necesitamos modificar las últimas dos elecciones, en cuyo caso quedan:
• La observación y corresponde, en este caso, al desplazamiento w(u, x), donde
para todo u ∈ RN a , w(u, x) denota la solución de la ecuación de estado con f
dada por (3.2.6).
• De la misma forma, el funcional de costo a minimizar, depende de la observación
y eventualmente del costo del control,
1 ν
J (u) := ky(u) − y d k2L2 (a1 ,a2 ) + kuk22 , (3.2.9)
2 2
equivalentemente,
Z N
1 a2
2 1X a
J (u) = Ψ(w(u), u) = |w(u, x) − y d (x)| dx + |ui |2 ,

2 a1 2 i=1
donde a1 , a2 denotan dos números reales en (0, 1) tales que a1 < a2 , ν ≥ 0 es un

factor de peso, k·k2 denota la norma euclidiana en RNa , k·kL2 (I) denota la norma
en el espacio L2 (I) y y d ∈ L2 (I) representa el desplazamiento deseado, el cual,
en nuestro caso, lo tomaremos como y d ≡ 0.
De esta forma, nuestro segundo problema de control óptimo se escribe:
J (uop ) = ı́nf J (u) (3.2.10)

u∈Uad
Análogamente al problema anterior, cualquier solución uop de este problema de mini-

mización será denominado control óptimo.
Cabe señalar que los funcionales (3.2.7) y (3.2.9) representan, desde el punto de vista
de la literatura de control, medidas de desempeño, las cuales se utilizan en problemas
de control óptimo, por ejemplo en el Problema del Regulador Cuadrático Lineal (ver
[27], [32]). La motivación fı́sica para diseñar dichos funcionales o medidas de desempeño
radica en las siguientes ideas:
• Se quiere que el comportamiento del sistema sea lo más cercano posible a un

comportamiento deseado, el cual, es prefijado por el diseñador. Este hecho se ve
reflejado en el primer término de los funcionales (3.2.7) y (3.2.9).
• Se desea evitar un excesivo esfuerzo de control u, sobre todo en el caso en que el

conjunto de controles admisibles sea no acotado, lo cual, se refleja en el segundo
término presente en los funcionales (3.2.7) y (3.2.9).
• Existe un compromiso en llevar a cabo, de manera eficiente, los dos principios

anteriores. Por este motivo, se incluye un factor de peso, mediante el cual el
diseñador puede ajustar la importancia relativa de dichas ideas.
En general, podemos definir la siguiente medida de desempeño (ver [32]):
1 1
J(u) := kz(u) − z d k2Q + kuk2R , (3.2.11)
2 2
donde Z a2
t
kxkA := x Ax o kxkA := xt Axdx
a1
según corresponda, R denota una matriz Ns × Ns simétrica definida positiva y Q una

matriz Na × Na simétrica semidefinida positiva. Ajustando las entradas de la matriz
R, podemos ponderar la importancia relativa de la desviación de cada estado sobre sus
valores deseados. De las misma forma, el ajuste de las entradas de la matriz Q, nos
permite seleccionar los pesos de importancia relativa de las diferentes componentes del
vector de control u.
Por otro lado, notemos que los problemas de control óptimo (3.2.8) y (3.2.10) se pueden
escribir de la siguiente forma:

1 ν
J(uop ) = ı́nf kr(u) − rd k2 + kuk22 . (3.2.12)
u∈Uad 2 2
En este caso, r denota el operador observación, k · k2 la norma euclidiana en RNa y k · k

alguna norma adecuada que define el problema. Nótese que para el primer problema de
control, la norma adecuada corresponde a k·k2 , mientras que para el segundo problema
esta corresponde a k · kL2 (a1 ,a2 ) .
3.2.2. La ecuación de Timoshenko con término fuente delta

de Dirac.
Como paso previo al estudio de la existencia y unicidad del control óptimo y de las
condiciones de optimalidad, es necesario el estudio de la ecuación de Timoshenko con
términos fuentes tipo delta de Dirac, que se hizo en el capı́tulo anterior.
 2

 2 d w dθ

 −ρAω w(x) − kAG − = 0, x ∈ I
 dx2 dx
(PFADC) d2 θ dw

 −ρIω 2
θ(x) − EI − kAG −θ = uδbx̄ , x ∈ I

 dx dx

w(0) = w(L) = θ(0) = θ(L) = 0,
donde u ∈ R es la amplitud de la delta de Dirac y (w, θ) es la solución del problema

en el sentido de distribuciones.
El siguiente resultado resume la existencia y unicidad de solución del problema débil

asociado a (PFADC).
′
Teorema 3.2.1 Dados ω ∈ R, tal que ω 2 ∈
/ S, τδ ∈ [H 1 (I)2 ] , el problema
aω ((w, θ), (v, β)) = τδ ((v, β)) , ∀(v, β) ∈ H01 (I)2 ,
tiene única solución (w, θ) ∈ H01 (I)2 que verifica
k(w, θ)kH 1 (I)2 ≤ C|u|kδx0 k[H 1 (I)2 ]′ ,
Demostración: Ver el Teorema 2.7.1.
Por lo tanto, tal como se vio en el capı́tulo anterior, el problema (PFADC) está bien
planteado para todo ω ∈ R, tal que ω 2 ∈ / S, es decir, tal que ω 2 no pertenezca al
espectro del problema (2.4.1).
El siguiente resultado es fundamental en el problema de la aproximación del control

óptimo.
Teorema 3.2.2 La función (w, θ) ∈ H01 (I)2 , única solución del problema (PFADC),
es continua, es decir (w, θ) ∈ C 0 (I)2 , con
k(w, θ)kC 0 (I)2 ≤ C|u|kδx0 k[H 1 (I)2 ]′
Demostración: El resultado es consecuencia de la inclusión continua H 1 (I)2 ֒→ C 0 (I)2

(ver, por ejemplo, [12]) y del Teorema 3.2.1.
3.2.3. Existencia y unicidad del control óptimo

En esta sección, para nuestros dos problemas de control, se probará la existencia
del control óptimo y se obtendrá bajo que circunstancias éste es único.
Sea (w, θ) solución del problema (PFA), con f dada por (3.2.6). Debido a la linea-
lidad de las ecuaciones de Timoshenko en el dominio de la frecuencia, el par (w, θ) se
puede escribir en términos de la variable de control:
Na
X
(w, θ) = (w0 , θ0 ) + ui (wyi , θyi ), (3.2.13)
i=1
donde (w0 , θ0 ) denota el par desplazamiento-rotación en ausencia de control, más pre-

cisamente (w0 , θ0 ) es la solución del problema (PFA) para u = 0, es decir, consideran-
do sólo la fuerza externa primaria fe . A su vez (wyi , θyi ) es la solución del problema
(PFADC) con x̄ = yi , i = 1, ..., Na . Esta corresponde al par desplazamiento-rotación
cuando el sistema es excitado solo por el i-ésimo actuador puntual, con amplitud uni-
taria, excluyendo los efectos de la fuente primaria.
De esta manera, en el problema de sensores puntuales, resulta que la aplicación que

nos entrega la observación a partir del control
RNa −→ C 0 (I) −→ RNs
u 7−→ w(u, x) 7−→ z(u)
está bien definida y además es afı́n, luego es continua. Por lo tanto, la función
N N
1X s
νX a
J(u) = |w(u; pi )|2 + |ui |2 ,

2 i=1 2 i=1
es una función continua.
Por otro lado, en el problema del sensor distribuido, la aplicación que nos entrega
la observación a partir del control es,
RNa −→ C 0 (I)
u 7−→ y(u) := w(u, x),
es continua, consecuencia del Teorema 3.2.2. En conclusión, el funcional
Z Na
1 a2 2 νX
J (u) = w (u, x)dx + |ui |2 ,
2 a1 2 i=1
es continuo.
Los siguientes lemas muestran bajo que circunstancias los funcionales J y J , res-
pectivamente, resultan estrictamente convexos.
Lema 3.2.3 Si ν > 0, entonces J es estrictamente convexa.
Demostración: Consideremos la expresión de J en términos de la observación y del

control,
1 ν
J(u) = kz(u)k2 + kuk2 .
2 2
Tomamos α ∈ (0, 1) y u1 , u2 ∈ RNa , con u1 6= u2 ,
1 ν
J(αu1 + (1 − α)u2 ) = kz(αu1 + (1 − α)u2 )k2 + kαu1 + (1 − α)u2 k2 . (3.2.14)
2 2
Al ser u1 6= u2 , se verifica
0 < ku1 − u2 k2 = ku1 k2 + ku2 k2 − 2(u1 , u2 ),
entonces,
2(u1 , u2 ) < ku1 k2 + ku2 k2 . (3.2.15)
Analicemos los dos términos de J. Por un lado, tenemos
kαu1 + (1 − α)u2 k2 = α2 ku1 k2 + (1 − α)2 ku2 k2 + 2α(1 − α)(u1 , u2 )

< (α2 + α(1 − α))ku1 k2 + (α(1 − α) + (1 − α)2 )ku2 k2
= αku1 k2 + (1 − α)ku2 k2 , (3.2.16)
donde se ha tenido en cuenta (3.2.15) y que α ∈ (0, 1). Por lo tanto, se obtiene que el
término ν2 kuk2 es estrictamente convexo.
Por otro lado, la aplicación entre el control y la observación es afı́n,
z(u) = z0 + bz(u),
z(αu1 + βu2 ) = z0 + αb
z(u1 ) + βb
z(u2 ), (3.2.17)
donde z0 = z(0) es la observación en ausencia de control, b

z es la parte lineal y α, β ∈ R.
De esta manera, utilizando (3.2.17) se tiene
kz(αu1 + (1 − α)u2 )k2 = kz0 + αbz(u1 ) + (1 − α)bz(u2 )k2

= kα(z0 + b z(u2 ) + z0 )k2
z(u1 )) + (1 − α)(b
= α2 kz(u1 )k2 + (1 − α)2 kz(u2 )k2 + 2α(1 − α)(z(u1 ), z(u2 ))
≤ (α2 + α(1 − α))kz(u1 )k2 + ((1 − α)2 + α(1 − α))kz(u2 )k2
= αkz(u1 )k2 + (1 − α)kz(u2 )k2 , (3.2.18)
donde se ha utilizado que
2(z(u1 ), z(u2 )) ≤ ku1 k2 + ku2 k2 .

Nótese que en este caso, la desigualdad no es estricta, pues podrı́a ocurrir que las ob-
servaciones fueran iguales, z(u1 ) = z(u2 ), dados controles distintos, u1 6= u2 .
De esta manera, se obtiene que el término 21 kz(u)k es convexo, es decir,
1 1 1
kz(αu1 + (1 − α)u2 )k2 ≤ αkz(u1 )k2 + (1 − α)kz(u2 )k2 . (3.2.19)
2 2 2
Teniendo en cuenta (3.2.14), (3.2.16) y (3.2.19) se deduce que J es estrictamente con-

vexa:
J(αu1 + (1 − α)u2 ) < αJ(u1 ) + (1 − α)J(u2 ).

Lema 3.2.4 Si la observación z es inyectiva, entonces para todo ν ≥ 0, J es estricta-

mente convexa.
Demostración: En la demostración del Lema 3.2.3 se vio que el término 12 kz(u)k es

estrictamente convexo, si para dos controles distintos, u1 6= u2 , las correspondientes
observaciones son distintas, z(u1 ) 6= z(u2 ). De esta manera, aunque ν = 0, se tendrá J
estrictamente convexa.
Observación 3.2.1 Que la aplicación z entre el control y la observación sea inyectiva

es equivalente a que las observaciones debidas a cada actuador formen un conjunto de
vectores linealmente independientes. Por lo tanto, para que se verifique la inyectividad
de z es necesario que el número de sensores sea mayor o igual al número de actuadores.
Las mismas demostraciones de los Lemas 3.2.3 y 3.2.4 se pueden aplicar al funcional
J , de manera de deducir los siguientes resultados,
Lema 3.2.5 Si ν > 0, entonces J es estrictamente convexa.
Lema 3.2.6 Si la observación y es inyectiva, entonces para todo ν ≥ 0, J es estric-

tamente convexa.
Una vez obtenidos estos resultados, procedemos a analizar la existencia y unici-

dad del control óptimo, para ambos problemas de control. Comenzamos estudiando el
problema de sensores puntuales.
Teorema 3.2.7 Para todo ν > 0, existe un único uop ∈ Uad tal que,
J(uop ) = ı́nf J(u).

u∈Uad
Demostración: Primero abordaremos la existencia, en efecto, si Uad es acotado, al ser

cerrado, resultará compacto, pues es subconjunto de un espacio de dimensión finita.
Como J es una función continua y Uad es un compacto, se deduce la existencia de al
menos un uop ∈ Uad donde se alcanza el mı́nimo, es decir,

u∈Uad
Si Uad es un conjunto no acotado, gracias a que ν > 0, se tendrá que,
∀M > 0 ∃r > 0 : kuk > r ⇒ J(u) > M,
es decir,
J(u) → ∞ cuando kuk → ∞,
b de Uad , cerrado y acotado, tal que,
por lo tanto, existirá un subconjunto U
b,
∀u ∈ U b,
J(u) ≤ J(ũ) ∀ũ ∈ Uad \ U
de forma que la búsqueda del mı́nimo se reduce a un conjunto compacto,
ı́nf J(u) = ı́nf J(u).

b
u∈U u∈Uad
De nuevo, como J es continuo y Ub es compacto, existirá al menos un uop ∈ U

b donde
se alcanza el mı́nimo,
J(uop ) = ı́nf J(u) = ı́nf J(u).
b
u∈U u∈Uad
Resta analizar la unicidad del control óptimo, en efecto, supongamos que existen en
Uad dos puntos distintos donde se alcanza el mı́nimo,
J(u1 ) = J(u2 ) = ı́nf J(u), con u1 6= u2 .

u∈Uad
Al ser Uad un conjunto convexo, todo punto de la forma,
u∗ = αu1 + (1 − α)u2 ,
con α ∈ (0, 1), pertenece a Uad . De la convexidad estricta de J, demostrada en el Lema

3.2.3, se obtiene que, en estos puntos, J alcanza un valor inferior al que alcanza en u1
y u2 . En efecto,
J(u∗ ) = J(αu1 + (1 − α)u2 ) < αJ(u1 ) + (1 − α)J(u2 ) = J(u1 ) = J(u2 ),
lo que contradice el hecho de que en u1 y u2 se alcance el mı́nimo.
El siguiente lema, nos indica que es posible relajar la restricción sobre ν a ν ≥ 0,

si la aplicación afı́n, z(u), entre el control y la observación, es inyectiva en Uad . Esto
hace que J sea estrictamente convexa, como se demostró en el Lema 3.2.4, y además
que,
J(u) → ∞ cuando kuk → ∞.
Teorema 3.2.8 Si se verifica que
z(u) = z(ũ) ⇒ u = ũ, u, ũ ∈ Uad , (3.2.20)
entonces para todo ν ≥ 0, existe un único uop ∈ Uad tal que,

u∈Uad
Demostración: Analizamos primero la existencia, en efecto, si Uad es acotado, el

razonamiento es igual al que se hizo en el Lema anterior. Si Uad no es acotado, el
razonamiento serı́a análogo, pero faltarı́a demostrar que
cuando ν = 0. Consideramos para ello la aplicación afı́n continua entre el control y la

observación,
z(u) = z 0 + ẑ(u),
donde z 0 = z(0) es la observación en ausencia de control y ẑ es el término lineal de la
aplicación afı́n. La hipótesis,
z(u) = z(ũ) ⇒ u = ũ, u, ũ ∈ Uad
nos indica que la aplicación z(u),
Uad ⊆ RNa −→ Z ⊂ RNs

u 7−→ z(u)
es inyectiva en Uad , siendo Z el rango de dicha aplicación (conjunto de observaciones).

Según el Teorema 3.2.2, está aplicación es continua,
kz(u)k ≤ Ckuk.
Dado a que esta última es una aplicación entre espacios de dimensión finita, exis-
tirá siempre una aplicación inversa,
Z ⊂ RNs −→ Uad ⊆ RNa

z 7−→ u(z)
que también será continua,

ku(z)k ≤ Ckzk.
De esta última desigualdad se deduce, para ν = 0, el resultado buscado,
1
J(u) = kz(u)k2 → ∞ cuando kuk → ∞.
2
Para ver la unicidad, notemos que, según el lema 3.2.4, J es estrictamente convexo y
por lo tanto la demostración es igual que la del lema anterior.
La existencia y unicidad del control óptimo para el problema del sensor distribuido
se deduce con demostraciones idénticas a las de los Teoremas 3.2.7 y 3.2.8. Esto es
básicamente, pues en ellas sólo se utiliza el hecho que el conjunto Uad es un subcon-
junto convexo y cerrado y que el funcional es continuo, convexo y además verifica la
propiedad
la cual, en el caso ν = 0, se asegura con la inyectividad de la función observación
z. Dichas propiedades las satisface el funcional J ; por ende tenemos los siguientes
resultados:
Teorema 3.2.9 Para todo ν ≥ 0, existe un único uop ∈ Uad tal que,
J (uop ) = ı́nf J (u).
u∈Uad
Teorema 3.2.10 Si se verifica que,

y(u) = y(ũ) ⇒ u = ũ, u, ũ ∈ Uad , (3.2.21)
entonces, para todo ν ≥ 0, existe un único uop ∈ Uad tal que,
J (uop ) = ı́nf J (u).
u∈Uad
3.2.4. Condiciones de optimalidad

Una vez demostrada la existencia y unicidad del control óptimo, el siguiente paso,
consiste en establecer las ecuaciones que lo definen. Para ello, se prueba antes que los
funcionales J y J son diferenciable y se da una caracterización de la convexidad en
términos de la primera derivada (ver [13]).
Lema 3.2.11 Los funcionales, J y J , son diferenciables. Además, las aplicaciones
derivadas
J ′ : u ∈ RNa −→ J ′ (u) ∈ L(RNa , R),
J ′ : u ∈ RNa −→ J ′ (u) ∈ L(RNa , R),
son continuas, es decir, J y J , son continuamente diferenciables.
Demostración: En primer lugar, consideramos la expresión de J,
1 ν
J(u) = kz(u)k2 + kuk2 .
2 2
ν
Es claro, que el término 2 kuk2 es continuamente diferenciable. Teniendo en cuenta que
z(u) es una aplicación afı́n y continua, el término 21 kz(u)k2 también será continua-
mente diferenciable.
El hecho que J es continuamente diferenciable se deduce de la misma forma.
Los siguientes resultados, son de carácter general y en ellos, J denota una función,
la cual no necesariamente corresponde a la indicada en el primer problema de control.
Teorema 3.2.12 (Convexidad y primera derivada) Sea J una función real, di-
ferenciable en un conjunto abierto I en un espacio vectorial normado V , y sea U un
subconjunto convexo de I.
1. La función J es convexa sobre U si, y sólo si,
J(v) ≥ J(u) + J ′ (u)(v − u) ∀u, v ∈ U.
2. La función J es estrictamente convexa sobre U si y sólo si
J(v) > J(u) + J ′ (u)(v − u) ∀u, v ∈ U, u 6= v.
Demostración: Sean u, v dos elementos distintos de U y θ ∈]0, 1[. Si la función J es

convexa, se verifica,
J (u + θ(v − u)) ≤ (1 − θ)J(u) + θJ(v),
lo cual se puede reescribir como

J (u + θ(v − u)) − J(u)
≤ J(v) − J(u).
θ
En consecuencia,
J(u + θ(v − u)) − J(u)
J ′ (u)(v − u) = lı́m ≤ J(v) − J(u).
θ→0 θ
Si la función J es estrictamente convexa, los argumentos precedentes no nos permiten
obtener la conclusión deseada, dado que no es posible afirmar que la desigualdad estricta
se mantenga en el lı́mite. Sea ω ∈]0, 1[ un número fijo. De
ω−θ θ
u + θ(v − u) = u + (u + ω(v − u)) ,
ω ω
se sigue que,
ω−θ θ
J (u + θ(v − u)) ≤ J (u) + J (u + ω(v − u)) , 0 ≤ θ ≤ ω.
ω ω
Luego, si la función es estrictamente convexa,
J (u + θ(v − u)) − J(u) J (u + ω(v − u)) − J(u)
≤
θ ω
< J(u) − J(v), 0 < θ ≤ ω,
la desigualdad estricta se obtiene tomando lı́mite.
Por otro lado, supongamos que
J(v) ≥ J(u) + J ′ (u)(v − u) ∀u, v ∈ U.

Sean u y v, entonces, dos elementos distintos de U y θ ∈]0, 1[. Luego, las siguientes
desigualdades son válidas
J(v) ≥ J (v + θ(u − v)) − θJ ′ (v + θ(u − v)) (u − v)
J(u) ≥ J (v + θ(u − v)) + (1 − θ)J ′ (v + θ(u − v)) (u − v).
Multiplicando las desigualdades por los constantes no negativas 1 − θ y θ, respectiva-
mente y sumándolas, obtenemos
J (θu + (1 − θ)v)) ≤ θJ(u) + (1 − θ)J(v),
lo cual prueba que la función J es convexa, o estrictamente convexa si las desigualdades
son estrictas.
A continuación, se obtienen la condiciones de optimalidad en dos casos (ver [13]):

• Uad es un subconjunto convexo cerrado de RNa .
• Uad es un subespacio de RNa ,
Teorema 3.2.13 (Inecuación de Euler) Sea J una función convexa definida sobre
un abierto I de RNa que contiene a Uad y diferenciable en un punto uop ∈ Uad . Entonces,
la función J tiene un mı́nimo en el punto uop , respecto al conjunto convexo Uad si, y
sólo si,
J ′ (uop )(v − uop ) ≥ 0 ∀v ∈ Uad . (3.2.22)
Demostración: Sea v = uop + w un punto arbitrario de Uad . Como es convexo, todos
los puntos de la forma,
uop + αw, 0 ≤ α ≤ 1,
pertenecen también a Uad . La derivabilidad de J en uop nos permite escribir,
J(uop + αw) − J(uop ) = α (J ′ (uop )(w) + ε(α)) , lı́m ε(α) = 0,
α→0
para todo α ∈ [0, 1] (el vector w permanece fijo). Entonces, el número J ′ (uop )(w) es
necesariamente no negativo, pues de lo contrario, la diferencia J(uop + αw) − J(uop )
serı́a estrictamente negativa para α > 0 suficientemente pequeño, lo que contradice el
hecho de que en el punto uop se alcanza un mı́nimo.
Para establecer la suficiencia, basta con tener en cuenta que

J(v) − J(u) ≥ J ′ (u)(v − u) ∀v ∈ U,
según el Teorema 3.2.12.
Teorema 3.2.14 (Ecuación de Euler) Si Uad es un subespacio de RNa , la condición

(3.2.22) es equivalente a,
J ′ (uop )(v) = 0 ∀v ∈ Uad .
Demostración: Consecuencia del Teorema anterior.
3.2.5. Problemas de programación cuadrática

Para el problema de sensores puntuales tenemos que:
• el conjunto de controles admisibles, Uad , es un subconjunto de un espacio de
dimensión finita,
• la aplicación entre el control y la observación es afı́n,
• el funcional de costo J es cuadrático respecto al estado y al control,

entonces, el problema de optimización se puede escribir como un problema de progra-
mación cuadrática discreto. Para ello, consideramos el conjunto de observaciones,
{z 0 , z 1 , . . . , z Na } ⊂ RNs ,
definido a partir del conjunto de controles {e1 , . . . , eNa } ⊂ RNa , que definen una base
de RNa ,
z 0 = C w(0),
z i = C w(ei ) − z 0 siendo (ei )j = δij , i, j = 1, . . . , Na ,
donde C denota el operador observación, es decir, Cw(u, x) = (w(u, p1 ), . . . , w(u, pNs )) ∈
RNs .
Anteriormente vimos que debido a linealidad de las ecuaciones de Timoshenko, la

observación z en función del control u se escribe, en términos de la base anterior, de
la siguiente manera,
Na
X
z(u) = z 0 + ui z i ,
i=1
obteniéndose la siguiente expresión para J,

2
1
XNa
ν
J = z 0 + ui z i + kuk2
2 i=1
2
( Na Na XNa
)
1 X X
= (z 0 , z 0 ) + 2 ui (z i , z 0 ) + ui uj ((z i , z j ) + νδij )
2 i=1 i=1 j=1
Observación 3.2.2 La función z(u), que establece la relación entre la observación y

el control, es la denominada función de transferencia.
Introduciendo la matriz simétrica definida por,
(Z)ij = (z j , z i ), i, j = 1, . . . , Na ,
el vector,
(b0 )i = (z 0 , z i ), i = 1, . . . , Na ,
y la matriz identidad I (Na ×Na ), el problema de optimización (3.2.8) se puede escribir

como un problema de programación cuadrática:
Hallar uop ∈ Uad que verifica:

J(uop ) = ı́nf J(u)
u∈Uad

1
= ı́nf ((Z + νI) u, u) + 2 (u, b0 ) + (z 0 , z 0 ) (3.2.23)
u∈Uad 2
Análogamente, el problema de control del sensor distribuido se puede escribir como

un problema de programación cuadrática. En efecto, la única diferencia respecto al
caso anterior corresponde a la observación y(u), la cual en este caso corresponde a
la función w(u, x). Teniendo en cuenta esto, el funcional J se puede escribir de la
siguiente manera:
2
1 XNa ν

J = y 0 + ui y i + kuk2
2 i=1
2 2
L (I)
( Na Na XNa
)
1 X X
= (y 0 , y 0 )L2 (I) + 2 ui (y i , y 0 )L2 (I) + ui uj ((y i , y j )L2 (I) + νδij ) .
2 i=1 i=1 j=1
En este caso, la función de transferencia estará dada por la función que establece
la relación entre el control u y la observación y(u).
Introduciendo la matriz simétrica definida por,

(Y )ij = (y j , y i )L2 (a1 ,a2 ) , i, j = 1, . . . , Na ,
y el vector,
(d0 )i = (y 0 , y i )L2 (a1 ,a2 ) , i = 1, . . . , Na ,
el problema de optimización (3.2.10) se puede escribir como un problema de progra-
mación cuadrática:
Hallar uop ∈ Uad que verifica:

J (uop ) = ı́nf J (u)
u∈Uad

1
= ı́nf ((Y + νI) u, u) + 2 (u, d0 ) + (y 0 , y 0 ) (3.2.24)
u∈Uad 2
De los siguientes Teoremas se deducen resultados sobre existencia y unicidad de so-

lución para los problemas de programación cuadrática (3.2.23) y (3.2.24), los cuales
coinciden con los que se obtuvieron en los Teoremas 3.2.7 y 3.2.8 para el problema de
sensores puntuales y 3.2.9 y 3.2.10 para el problema del sensor distribuido.
Analizemos, en primer lugar, existencia y unicidad para el problema de programación

cuadrática (3.2.23).
Teorema 3.2.15 Para todo ν > 0 el problema de programación cuadrática (3.2.23)

tiene solución única uop .
Demostración: Primero probamos que la matriz Z + νI es simétrica y definida po-

sitiva. La simetrı́a P
es directa. Verifiquemos que Z es semidefinida positiva, en efecto,
consideremos u = N a Na
i=1 ui ei ∈ R , se verifica,
Na X
X Na Na X
X Na
(Zu, u) = ui uj (Zej , ei ) = ui uj (z j , z i )
i=1 j=1 i=1 j=1
Na Na
!
X X
= uj z j , ui z i = (v, v) = kvk2 ≥ 0,
j=1 i=1
PNa
donde v = i=1 ui z i . Entonces, Z + νI es una matriz definida positiva para todo
ν > 0, luego, existe α > 0 tal que ((Z + νI)v, v) ≥ αkvk2 , ∀v ∈ Uad .
Definamos, ahora, la forma bilineal a(·, ·) : RNa × RNa → R como:
a(u, v) := ((Z + νI) u, v)
y el funcional lineal f : RNa → R como f (u) = 2(u, b0 ). La forma bilineal es simétrica,

continua y coerciva, pues Z es simétrica y definida positiva; por otro lado, el funcional
lineal es continuo. Teniendo en cuenta que el subconjunto Uad es convexo cerrado, en
virtud del Teorema 1.1 en [12], el problema de programación cuadrática (3.2.23) tiene
solución única para todo ν > 0.
También se tiene existencia y unicidad para ν = 0 si la aplicación entre el espacio

de controles RNa y las observaciones es inyectiva.
z(u) = z(ũ) ⇔ C w(u) = C w(ũ) ⇒ u = ũ, u, ũ ∈ RNa , (3.2.25)
entonces, para todo ν ≥ 0, se tiene que el problema de programación cuadrática (3.2.23)

tiene solución única.
Demostración: Para ν > 0, basta aplicar el teorema anterior, por lo tanto, resta
estudiar el caso ν = 0. De (3.2.25) se obtiene que,
Cw(u) = Cw(0) = z 0 ⇔ u = 0.
PNa
Si se toma u = i=1 ui ei ∈ RNa , se llega a
Na
X
v = Cw(u) − z 0 = ui z i = 0 ⇔ u = 0.
i=1
Entonces, para todo u 6= 0 ∈ RNa se tiene que v 6= 0; razonando como en el teorema

anterior, se llega a que Z es una matriz simétrica y definida positiva,
Na Na
!
X X
(Zu, u) = uj z j , ui z i = (v, v) = kvk2 > 0.
j=1 i=1
Siguiendo los mismos pasos de la demostración anterior se concluye que el problema

de programación cuadrática (3.2.23) tiene solución y además esta es única, para todo
ν ≥ 0.
El análisis de la existencia y unicidad del control óptimo para el problema de pro-

gramación cuadrática (3.2.24) es idéntico al anterior. Los resultados que se obtienen
son los siguientes:
Teorema 3.2.17 Para todo ν > 0 el problema de programación cuadrática (3.2.24)
tiene solución única uop .
Demostración: Repetir la demostración del Teorema 3.2.15 cambiado el producto
interior en Rn , denotado por (·, ·), por el producto interior en L2 (a1 , a2 ).
y(u) = y(ũ) ⇔ D w(u) = D w(ũ) ⇒ u = ũ, u, ũ ∈ RNa , (3.2.26)
donde D denota el operador observación definido como D(u) := w(u, x), entonces,
para todo ν ≥ 0, se tiene que el problema de programación cuadrática (3.2.23) tiene
solución única.
Demostración: Repetir la demostración del Teorema 3.2.16.
A continuación, se escriben las condiciones de optimalidad, según como sea Uad , para
el problema de programación cuadrática (3.2.23). Teniendo en cuenta que
J ′ (u)(v) = ((Z + νI) u + b0 , v) , (3.2.27)
a) Si Uad es un subespacio vectorial de RNa ,
J ′ (uop )(v) = ((Z + νI) uop + b0 , v) = 0, ∀v ∈ Uad . (3.2.28)
b) Si Uad es un subconjunto convexo y cerrado,

J ′ (uop )(v − uop ) = ((Z + νI)uop + b0 , v − uop ) ≥ 0, ∀v ∈ Uad .
Análogamente podemos escribir las condiciones de optimalidad para el problema de

programación cuadrática (3.2.24).
a) Si Uad es un subespacio vectorial de RNa ,
J ′ (uop )(v) = ((Y + νI) uop + d0 , v) = 0, ∀v ∈ Uad . (3.2.29)

J ′ (uop )(v − uop ) = ((Y + νI)uop + d0 , v − uop ) ≥ 0, ∀v ∈ Uad .
3.2.6. Aproximación numérica de los controles óptimos

Si bien los problemas de control planteados en la secciones anteriores se pueden
escribir como problemas de programación cuadrática, en ambos casos, el cálculo de
la observación debe realizarse resolviendo un sistema de ecuaciones diferenciales or-
dinarias (ecuación de estado). Si utilizamos una aproximación por el método de
elementos finitos de la solución de la ecuación de estado, entonces se obtiene otros pro-
blemas de control óptimo, los cuales, en el caso que corresponda, serán aproximaciones
de los anteriores. El estudio del error cometido es el principal objetivo de esta sección.
Consideremos una partición de I, {x0 , x1 , ..., xn }, donde 0 = x0 < x1 · · · < xn = 1

y h = máx |xj − xj+1 |. Definamos por Vh el espacio de funciones lineales a trozos y
continuas. De esta forma, introducimos una familia regular de subespacios de elementos
finitos Vh de H01 (I).
El siguiente resultado, obtenido en el capı́tulo anterior, nos entrega una estimación

para la aproximación de la ecuación de estado por elementos finitos.
Teorema 3.2.19 Si (w, θ) es solución de (PFADC), entonces existe un h0 > 0, tal

que para todo h < h0 , el problema discreto asociado a (PFADC) tiene solución única
(wh , θh ). Además, se verifica
k(w, θ) − (wh , θh )kL2 (I)2 ≤ Ch2 .
El resultado anterior nos indica que existe un h0 > 0, tal que para todo h < h0 , se puede
calcular wh (u) para todo u ∈ RNa . Por lo tanto tiene sentido hablar de los conjuntos
Ns
de observaciones aproximados {z 1 h , . . . , z Na h } y y 1h , . . . , y Na h ⊂ R , definidos por
z 0 h = C wh (0),
z i h = C wh (ei ) − z 0 h siendo (ei )j = δij , i, j = 1, . . . , Na .
y
y 0h = D wh (0),
y ih = D wh (ei ) − z 0 h siendo (ei )j = δij , i, j = 1, . . . , Na .
respectivamente, en referencia a los problemas de control que nos interesan.
Definiendo Z h y b0h de forma análoga a Z y b0 ,
(Z h )ij = (z j h , z ih ), i, j = 1, . . . , Na ,
(b0 h )i = (z 0 h , z i h ), i = 1, . . . , Na ,
se obtiene el siguiente problema de programación cuadrática, el cual es una aproxima-

ción del problema (3.2.23),
1
Jh (uop h ) = ı́nf {((Z h + νI) u, u) + 2 (b0h , u) + (z 0h , z 0h )} , (3.2.30)
u∈Uad 2
Este problema nos conduce al siguiente problema de control aproximado:
Hallar uh op ∈ Uad tal que

Jh (uh op ) = ı́nf Jh (u), (3.2.31)
u∈Uad
donde
1 ν
Jh (u) := kzh (u)k2 + kuk2 , (3.2.32)
2 2
uop h (control óptimo aproximado) es una aproximación del control óptimo uop y z h
denota la observación aproximada, es decir, z h (u) = (wh (u, p1 ), . . . , wh (u, pNs )).
Por otro lado, definiendo Y h y d0h de forma análoga a Y y d0 ,

(Y h )ij = (y j h , y i h )L2 (a1 ,a2 ) , i, j = 1, . . . , Na ,
(d0h )i = (y 0 h , y i h )L2 (a1 ,a2 ) , i = 1, . . . , Na ,
se obtiene la siguiente aproximación al problema de programación cuadrática (3.2.24),
1
Jh (uop h ) = ı́nf {((Y h + νI) u, u) + 2 (d0 h , u) + (y 0h , y 0h )} , (3.2.33)
u∈Uad 2
A su vez, este problema nos conduce al siguiente problema de control aproximado:
Hallar uh op ∈ Uad tal que

Jh (uh op ) = ı́nf Jh (u), (3.2.34)
u∈Uad
donde
1 ν
Jh (u) := kyh (u)k2L2 (a1 ,a2 ) + kuk2 , (3.2.35)
2 2
uop h (control óptimo aproximado) es una aproximación del control óptimo uop y y h
denota la observación aproximada, es decir, y h (u) = wh (u).
Es razonable pensar, en ambos casos, que uop h sea una buena aproximación del control
óptimo uop cuando h tiende a cero. Nuestra intención es estimar el error cometido al
aproximar uop por uop h , en ambos problemas de control.
Al igual que la matrices Z y Y , probaremos más adelante que las matrices Z h y

Y h son simétricas y, por lo menos, semi definidas positivas. Mostraremos también, que
existe un cierto h∗0 > 0 por debajo del cual se verifica que los problema aproximados
(3.2.30) y (3.2.33) tienen solución única, si los problema exactos (3.2.23) y (3.2.24)
también la tienen.
De forma análoga al problema exacto, podemos escribir las condiciones de optima-

lidad, según sea Uad . Para el problema de sensores puntuales resultan:
a) Si Uad es un subespacio vectorial,

Jh′ (uop h )(v) = ((Z h + νI) uop h + b0 h , v) = 0, ∀v ∈ Uad . (3.2.36)

Jh′ (uop h )(v − uop h ) = (Z h + νI)uop h + b0 h , v − uop h ≥ 0, ∀v ∈ Uad .
(3.2.37)
Mientras que para el problema de sensor distribuido,
a) Si Uad es un subespacio vectorial,
Jh′ (uop h )(v) = ((Y h + νI) uop h + d0 h , v) = 0, ∀v ∈ Uad . (3.2.38)

Jh′ (uop h )(v − uop h ) = (Y h + νI)uop h + d0h , v − uop h ≥ 0, ∀v ∈ Uad .
(3.2.39)
Dado que la observación z(u), consiste en valores puntuales de la solución de la ecuación
de estado con términos fuente del tipo delta de Dirac y del tipo L2 (I), para obtener
una estimación del error para el control aproximado
kuop − uoph k
es necesario disponer de una estimación puntual para el error cometido en la aproxi-
mación de la ecuación de estado con dicho tipo de términos fuentes.
A continuación, reescribimos los resultados de estimaciones puntuales obtenidos en

el capı́tulo anterior.
Teorema 3.2.20 Existe h0 > 0 tal que, para todo h < h0 , se tiene la siguiente la
estimación puntual para el problema de la ecuación de estado con término fuente en
L2 (I)
|w(x) − wh (x)| ≤ Ch2 kf kL2 (I) . (3.2.40)
Teorema 3.2.21 Existe h0 > 0 tal que, para todo h < h0 , se tiene la siguiente la
estimación puntual para el problema de la ecuación de estado con término fuente delta
de dirac
|w(x) − wh (x)| ≤ Ch. (3.2.41)
Como paso previo a la estimación del error cometido al aproximar uop en ambos pro-
blemas de control, analizaremos la convergencia de b0h a b0 , la convergencia de Z h a
Z y la unicidad de solución para el problema aproximado (3.2.30) y, por otro lado,
la convergencia de d0h a d0 , la convergencia de Y h a Y y la unicidad de solución
para el problema aproximado (3.2.33). Para ello, es necesario introducir previamente
las siguientes definiciones del análisis matricial (ver [13]).
Definicin 3.2.1 Dada una norma vectorial k · k sobre RN , se define la norma en el

espacio de las matrices cuadradas,
kAvk
kAk = sup = sup kAvk = sup kAvk,
v∈RN kvk v∈RN v∈RN
v6=0 kvk≤1 kvk=1
que se denomina norma matricial subordinada (a la norma vectorial dada).

En nuestro caso, para obtener las estimaciones del error, utilizaremos la norma vectorial
infinito y la correspondiente norma matricial subordinada,
kvk∞ = máx |vi |,

i
kAvk∞
kAk∞ = sup .
v6=0 kvk∞
Cabe señalar que esta elección es arbitraria y se podrı́a considerar sin pérdida de gene-
ralidad cualquier norma, pues en espacios de dimensión finita estas son equivalentes.
Comenzamos analizando el error que se comete al aproximar el control óptimo uop ,

para el problema de sensores puntuales. En virtud de los Teoremas 3.2.20 y 3.2.21, se
demuestran los siguientes resultados.
Lema 3.2.22 Existe h0 > 0, tal que, para todo h, con 0 < h < h0 , se tiene
kz 0 − z 0h k∞ ≤ Ch, (3.2.42)
en el caso en que la fuerza externa sea del tipo puntual, es decir delta de Dirac, o bien,
kz 0 − z 0h k∞ ≤ Ch2 kfe kL2 (I) , (3.2.43)
en el caso en que sea fuerza distribuida, es decir un miembro de L2 (I).

Demostración: Las Ns componentes de la observación son los valores del desplaza-
miento en cada uno de los sensores, por lo tanto, por componentes tendremos que,
|(z 0 − z 0 h )k | = |w(0; psk ) − wh (0; psk )|.
Teniendo en cuenta los Teoremas 3.2.20 y 3.2.21 se llega al resultado deseado,
kz 0 − z 0 h k∞ = máx |(z 0 − z 0 h )k | = máx |w(0; psk ) − wh (0; psk )|.

1≤k≤Ns 1≤k≤Ns

Lema 3.2.23 Existe h0 > 0 tal que, para todo h, con 0 < h < h0
kz(ei ) − z h (ei )k∞ ≤ Ch, (3.2.44)
siendo (ei )j = δij , con i, j = 1, . . . , Na .

Demostración: Recordando que las componentes de la observación, tanto de la exacta

z como de la aproximada z h , son los valores del desplazamiento vertical de la viga en
los sensores, tenemos que,
(z i − z ih )k = w(ei ; psk ) − wh (ei ; psk ), k = 1, . . . , Ns .
Teniendo en cuenta el Teorema 3.2.21, estas componentes verifican
|(z i − z ih )k | = |(z(ei ) − z h (ei ))k | ≤ Ch, k = 1, . . . , Ns ,
luego, de la definición de la norma ∞ se obtiene el resultado.
A continuación, basándose en los dos resultados anteriores, se obtiene la convergen-

cia de b0h a b0 y de Z h a Z.
Lema 3.2.24 Existe h0 > 0 tal que,
kb0 − b0 h k∞ ≤ Ch. (3.2.45)
Por lo tanto, en el lı́mite h → 0, b0h converge a b0 .
Demostración: Denotemos por ∆z k la diferencia entre la observación aproximada z hk
y la correspondiente exacta z k ,
∆z k = z hk − z k , k = 0, . . . , Na .
La norma infinito de la diferencia entre b0 y b0h es igual a
kb0 − b0 h k∞ = máx |(b0 )i − (b0 h )i |. (3.2.46)
i
Escribiendo las componentes del vector diferencia, en términos de z k y de ∆z k , se

obtiene,
|(b0 )i − (b0 h )i | = |(z 0 , z i ) − (z 0 + ∆z 0 , z i + ∆z i )|
= |(z 0 , ∆z i ) + (∆z 0 , z i ) + (∆z 0 , ∆z i )|.
A partir de esta expresión, utilizando la desigualdad de Cauchy Schwarz en RNs , se
llega a la siguiente desigualdad,
|(b0 )i − (b0 h )i | ≤ kz 0 k2 k∆z i k2 + kz i k2 k∆z 0 k2 + k∆z 0 k2 k∆z i k2 .
Teniendo en cuenta que todas las normas de los espacios de dimensión finita son equi-
valentes, podemos escribir,
|(b0 )i − (b0 h )i | ≤ C (kz 0 k∞ k∆z i k∞ + kz i k∞ k∆z 0 k∞ + k∆z 0 k∞ k∆z i k∞ ) .
Según los Lemas 3.2.22 y 3.2.23 , tenemos que,
k∆z 0 k∞ ≤ Ch2 ,
k∆z i k∞ ≤ Ch, i = 1, . . . , Na ,
k∆z 0 k∞ k∆z j k∞ ≤ O(h3 ), j = 1, . . . , Na .
Por lo tanto, para h suficientemente pequeño, se llega a que,

kb0 − b0h k∞ ≤ Ch.

Lema 3.2.25 Existe h0 > 0 tal que, para todo h, con 0 < h < h0 ,
kZ − Z h k∞ ≤ Ch. (3.2.47)
Por lo tanto, en el lı́mite h → 0, Z h converge a Z.
Demostración: La demostración es análoga a la del lema anterior. De nuevo, deno-
tamos por ∆z k la diferencia entre la observación aproximada z hk y la correspondiente
exacta z k ,
∆z k = z hk − z k , k = 1, . . . , Na .
La norma infinito de la diferencia entre Z y Z h es igual a
X
kZ − Z h k∞ = máx |(Z)ij − (Z h )ij |. (3.2.48)
i
j
Escribiendo las componentes de las matrices en términos de z k y de ∆z k se obtiene,

|(Z)ij − (Z h )ij | = |(z j , z i ) − (z j + ∆z j , z i + ∆z i )|
= |(z j , ∆z i ) + (∆z j , z i ) + (∆z j , ∆z i )|.
Utilizando la desigualdad de Cauchy-Schwarz en RNs , y el hecho que las normas vecto-
riales en espacios de dimensión finita son equivalentes, se obtiene a partir de la expresión
anterior la siguiente desigualdad
|(Z)ij − (Z h )ij | ≤ kz j k2 k∆z i k2 + kz i k2 k∆z j k2 + k∆z j k2 k∆z i k2
≤ C (kz j k∞ k∆z i k∞ + kz i k∞ k∆z j k∞ + k∆z j k∞ k∆z i k∞ ) .
Llevando esta expresión a la expresión (3.2.48), se obtiene que,
kZ − Z h k∞ ≤ CNa máx {2kz i k∞ k∆z j k∞ + k∆z j k∞ k∆z i k∞ } .
i,j
Según el Lema 3.2.23, tenemos que,

k∆z i k∞ ≤ Ch,
k∆z i k∞ k∆z j k∞ ≤ O(h2 ).
kZ − Z h k∞ ≤ Ch.

Del lema anterior se obtiene el siguiente resultado para la matriz Z h del problema
aproximado.
Lema 3.2.26 Si Z es una matriz definida positiva, entonces, existe h∗0 > 0 tal que
para todo h < h∗0 la matriz Z h también es definida positiva.
Demostración: Lo demostraremos por reducción al absurdo. Para ello, suponemos que

para todo h∗0 > 0 existe un h < h∗0 para el que Z h no es definida positiva. Entonces,
podemos construir una sucesión {hk } que converge a cero, tal que, cada una de las
matrices Z hk no es definida positiva. Como Z hk es semidefinida positiva, entonces,
para cada hk , existirá un vector uk que verifica,
(Z hk uk , uk ) = 0,
con kuk k = 1. Como la sucesión {uk } está acotada, existirá una subsucesión conver-
gente a un cierto vector u de norma unidad,
uk → u, kuk = 1.
Por un lado, tenemos que (Z hk uk , uk ) converge a 0, ya que, (Z hk uk , uk ) = 0 ∀k.

Por otro lado, veamos que (Z hk uk , uk ) converge a (Zu, u). Para ello, consideremos la
desigualdad siguiente,
|(Zu, u) − (Z hk uk , uk )| = |(Zu, u) − (Zuk , u) + (Zuk , u) − (Z hk uk , u)

+(Z hk uk , u) − (Z hk uk , uk )|
≤ |(Zu, u) − (Zuk , u)| + |(Zuk , u) − (Z hk uk , u)|
+|(Z hk uk , u) − (Z hk uk , uk )|.
De la convergencia de uk a u, se llega a que el primer y el tercer sumando, del segundo

término la desigualdad anterior, convergen a 0,
|(Z(u − uk ), u)| → 0
|(Z hk uk , u − uk )| → 0.
De la convergencia de Z hk a Z, demostrada en el lema anterior, se deduce que el

segundo término también converge a 0,
|((Z − Z hk )uk , u)| → 0,
por lo tanto, se llega a que,
(Z hk uk , uk ) → (Zu, u) = 0, con kuk = 1,
lo que contradice que Z sea definida positiva.

Como consecuencia de este resultado se tiene el siguiente corolario.
Corolario 3.2.27 Supongamos ν > 0 o ν ≥ 0 y además (3.2.25). Entonces, existe h∗0

tal que, para todo h < h∗0 el problema aproximado (3.2.30) tiene solución única.
Demostración: Si ν > 0, del Lema 3.2.15 se deduce que Z es simétrica y definida

positiva, luego utilizando el Lema anterior se tiene que existe h∗0 tal que, para todo
h < h∗0 la matriz Z h es simétrica y definida positiva. En consecuencia, Z h + νI es
simétrica y definida positiva para todo h ∈ (0, h∗0 ). Por otro lado, si se verifica ν = 0 y
la condición (3.2.25), del Lema 3.2.16 se tiene que Z es simétrica y definida positiva, y
en consecuencia, siguiendo los mismos pasos descritos arriba, se deduce que Z h + νI es
simétrica y definida positiva para todo h ∈ (0, h∗0 ). Por último, la existencia y unicidad
de solución se sigue de la demostración del Lema 3.2.15.
Antes de obtener una estimación para el error en la aproximación del control ópti-
mo, introducimos las siguientes notaciones:
∆Z = Z h − Z, (3.2.49)
δb0 = b0 h − b0 , (3.2.50)
y el siguiente resultado.
Teorema 3.2.28 Sea Uad un subconjunto convexo de un cierto espacio vectorial U de

dimensión finita y A una matriz simétrica y definida positiva. Sea α > 0 tal que
(Av, v) ≥ αkvk2 , ∀ v ∈ U.
Sean u ∈ Uad y (u + ∆u) ∈ Uad las soluciones de las siguientes inecuaciones,
(Au + b, v − u) ≥ 0, ∀v ∈ Uad , (3.2.51)

((A + ∆A)(u + ∆u) + b + δb, v − (u + ∆u)) ≥ 0, ∀v ∈ Uad , (3.2.52)
Supongamos k∆Ak < α. Entonces, se verifica la desigualdad

1
k∆uk ≤ (k∆Akkuk + kδbk) , (3.2.53)
α − k∆Ak
que también puede escribirse de la siguiente forma,

1 k∆Ak
k∆uk ≤ (k∆Akkuk + kδbk) 1 + O .
α α
Además, si 0 ∈ Uad y k∆Ak < θα con 0 < θ < 1, entonces,

1 kbk
k∆uk ≤ k∆Ak + kδbk . (3.2.54)
(1 − θ)α α
Demostración: Tomando v = u + ∆u en la primera ecuación y v = u en la segunda,

se obtiene,
(Au + b, ∆u) ≥ 0, ∀v ∈ Uad ,

− ((A + ∆A)(u + ∆u) + b + δb, ∆u) ≥ 0, ∀v ∈ Uad .
Sumando estas dos inecuaciones se llega a

− (A∆u + ∆A(u + ∆u) + δb, ∆u) ≥ 0, ∀v ∈ Uad .
o equivalentemente
(A∆u, ∆u) ≤ (−∆A(u + ∆u) + δb, ∆u) , ∀v ∈ Uad .
Teniendo en cuenta que A es simétrica y definida positiva, se tiene
αk∆uk2 ≤ (A∆u, ∆u) ≤ (−∆A(u + ∆u) + δb, ∆u) ,
≤ k∆uk(k∆Akkuk + k∆Akk∆uk + kδbk).
Pasando el sumando k∆Akk∆uk del segundo al primer miembro, resulta
(α − k∆Ak)k∆uk ≤ k∆Akkuk + kδbk
Si k∆Ak < α se obtiene la primera acotación
1
k∆uk ≤ (k∆Akkuk + kδbk) ,
α − k∆Ak
k∆Ak
que al desarrollarla en serie en términos de ,
da lugar a la segunda acotación,
α

1 k∆Ak
k∆uk ≤ (k∆Akkuk + kδbk) 1 + O .
α α
Además, si k∆Ak < θα, con 0 < θ < 1, entonces
1
k∆uk ≤ (k∆Akkuk + kδbk) .
(1 − θ)α
Por otro lado, si 0 ∈ Uad , tomamos v = 0 en la desigualdad (3.2.51) para obtener
(Au + b, −u) ≥ 0. Entonces,
αkuk2 ≤ (Au, u) ≤ (b, −u) ≤ kukkbk.
Ası́, kuk ≤ kbk/α y (3.2.53) nos permiten obtener la desigualdad deseada (3.2.54).
Este teorema junto con los Lemas 3.2.24, 3.2.25, nos permiten demostrar el siguiente
resultado para el error en la aproximación.
Teorema 3.2.29 Supongamos que ν > 0, o bien, ν ≥ 0 y z(u) inyectiva. Si 0 ∈ Uad ,
entonces existe C > 0 y h0 > 0 tales que, para todo h < h0 , se verifica
1
kuop − uop h k∞ ≤ (k∆Zk∞ kuop k∞ + kδb0 k∞ ) ≤ Ch,
αZ − k∆Zk∞
donde uop es la solución del problema (3.2.23), uop h la del problema aproximado (3.2.30)
y αZ es la constante de coercividad de Z + νI,
((Z + νI)v, v) ≥ αZ kvk, ∀v ∈ Uad .
Demostración: Teniendo en cuenta las notaciones introducidas en (3.2.49) y (3.2.50),

podemos escribir las inecuaciones que definen el control óptimo exacto, uop , y el apro-
ximado, uop h , de la siguiente forma,
((Z + νI)uop + b0 , v − uop) ≥ 0 ∀v ∈ Uad ,

(Z + νI + ∆Z)(uop + ∆u) + b0 + δb0 , v − uop h ≥ 0 ∀v ∈ Uad ,
siendo ∆u = uop h − uop . Según el Lema 3.2.25, existirá un cierto h∗0 , tal que, para todo
h < h∗0 , se verificará que
k∆Zk∞ = kZ h − Zk∞ ≤ Ch.
Dado que la matriz Z + νI es definida positiva, se tiene que existe una constante
positiva αZ tal que
((Z + νI)v, v) ≥ αZ kvk, ∀v ∈ Uad .
Luego, en virtud del Lema 3.2.25, se tiene que existirá un h0 , suficientemente pequeño,
tal que, para todo h < h0 , se verifica
k∆Zk∞ = kZ h − Zk∞ ≤ αZ /2
Por lo tanto, podremos aplicar los resultados del Teorema 3.2.28, a estas dos inecua-
ciones, obteniéndose la primera desigualdad,
1
k∆uk∞ = kuop − uop h k∞ ≤ (k∆Zk∞ kuop k + kδb0 k∞ )
αZ − k∆Zk∞

2 kb0 k∞
≤ k∆Zk∞ + kδb0 k∞
αZ αZ
Teniendo en cuenta los Lemas 3.2.22 y 3.2.24, se tiene que para h suficientemente
pequeño se verifica
kuop − uop h k∞ ≤ Ch.

Una vez obtenido este resultado, resta analizar el error cometido al aproximar el control
óptimo en el problema de control del sensor distribuido. Con dicho fin, procedemos con
los siguientes Lemas.
Lema 3.2.30 Existe h0 > 0, tal que, para todo h, con 0 < h < h0 , se tiene
ky(ei ) − y h (ei )kL2 (I) ≤ Ch2 , i = 0, 1, . . . , Na , (3.2.55)
independiente que la fuerza externa sea puntual o distribuida.
Demostración: Ver Teoremas 2.6.8 y/0 2.7.4 para i = 0 (dependiendo del tipo de
fuerza externa primaria) y Teorema 2.7.4 para el caso i = 1, ..., Na .
Lema 3.2.31 Existe h0 > 0 tal que,
kd0 − d0h k2 ≤ Ch2 . (3.2.56)
Por lo tanto, en el lı́mite h → 0, d0 h converge a d0 .
Demostración: La demostración es análoga a la del Lema 3.2.24. Denotemos por ∆y k

la diferencia entre la observación aproximada y hk y la correspondiente exacta y k ,
∆y k = y hk − y k , k = 0, . . . , Na .
La norma euclidiana de la diferencia entre d0 y d0 h es igual a

"N #1/2
X a
2
kd0 − d0 h k2 = (y 0 , y i )L2 (I) − (y 0h , y ih )L2 (I) . (3.2.57)
i=1
Escribiendo las componentes del vector diferencia, en términos de y k y de ∆y k , se

obtiene,

|(d0 )i − (d0h )i | = (y 0 , y i )L2 (I) − (y 0 + ∆y 0 , y i + ∆y i )L2 (I)

= (y 0 , ∆y i )L2 (I) + (∆y 0 , y i )L2 (I) + (∆y 0 , ∆y i )L2 (I) .
A partir de esta expresión, utilizando la desigualdad de Cauchy Schwarz en L2 (I), se

llega a la siguiente desigualdad,
|(d0 )i − (d0 h )i | ≤ ky 0 kL2 (I) k∆y i kL2 (I) + ky i kL2 (I) k∆y 0 kL2 (I) + k∆y 0 kL2 (I) k∆y i kL2 (I) .
Según el Lemas 3.2.30, tenemos que existe h0 > 0, tal que, para todo h, con 0 < h < h0 ,
se tiene que
k∆y i kL2 (I) ≤ Ch2 , i = 0, . . . , Na ,
k∆y 0 kL2 (I) k∆y j kL2 (I) ≤ O(h4 ), j = 1, . . . , Na .
kd0 − d0h k2 ≤ Ch2 .
Lema 3.2.32 Existe h0 > 0 tal que, para todo h, con 0 < h < h0 ,
kY − Y h k2 ≤ Ch2 . (3.2.58)
Por lo tanto, en el lı́mite h → 0, Y h converge a Y .

Demostración: La demostración es análoga a la del lema anterior. De nuevo, deno-

tamos por ∆y k la diferencia entre la observación aproximada y hk y la correspondiente
exacta y k ,
∆y k = y hk − y k , k = 1, . . . , Na .
Dada la equivalencia de normas en espacios de dimensión finita, se tiene que la norma
2 de la diferencia entre Y y Y h está controlada de la siguiente manera
X
kY − Y h k2 ≤ CkY − Y h k∞ = C máx |(Y )ij − (Y h )ij |. (3.2.59)
i
j
Escribiendo las componentes de las matrices en términos de y k y de ∆y k se obtiene,

|(Y )ij − (Y h )ij | = (y j , y i )L2 (I) − (y j + ∆y j , y i + ∆y i )L2 (I)

= (y j , ∆y i )L2 (I) + (∆y j , y i )L2 (I) + (∆y j , ∆y i )L2 (I) .
Utilizando la desigualdad de Cauchy-Schwarz en L2 (I), se obtiene la siguiente desigual-

dad
|(Y )ij − (Y h )ij | ≤ ky j kL2 (I) k∆y i kL2 (I) + ky i kL2 (I) k∆y j kL2 (I) + k∆y j kL2 (I) k∆y i kL2 (I) .
Llevando esta expresión a la acotación (3.2.59), se obtiene que,

kY − Y h k∞ ≤ CNa máx 2ky i kL2 (I) k∆y j kL2 (I) + k∆y j kL2 (I) k∆y i kL2 (I) .
i,j
Según el Lema 3.2.30, tenemos que,
k∆y i kL2 (I) ≤ Ch2 ,

k∆y i kL2 (I) k∆y j kL2 (I) ≤ O(h4 ).
kY − Y h k∞ ≤ Ch2 .
Análogamente al Lema 3.2.26, del lema anterior, se obtiene el siguiente resultado para
la matriz Y h de nuestro segundo problema aproximado.
Lema 3.2.33 Si Y es una matriz definida positiva, entonces, existe h∗0 > 0 tal que
para todo h < h∗0 la matriz Y h también es definida positiva.
Demostración: Ver Teorema 3.2.26.
Consecuencia de este resultado se tiene el siguiente corolario.

Corolario 3.2.34 Supongamos ν > 0 o ν ≥ 0 y además (3.2.21). Entonces, existe h∗0
tal que, para todo h < h∗0 el problema aproximado (3.2.33) tiene solución única.
Demostración: Ver Teorema 3.2.27
Análogamente al análisis anterior y con el objetivo de obtener una estimación para

el error en la aproximación del control óptimo, introducimos las siguientes notaciones:
∆Y = Y h − Y , (3.2.60)
δd0 = d0h − d0 . (3.2.61)
El Teorema 3.2.28 junto con los Lemas 3.2.31, 3.2.32, nos permiten demostrar, de la
misma forma como probamos el Teorema 3.2.29 el siguiente resultado para el error en
la aproximación.
Teorema 3.2.35 Supongamos que ν > 0, o bien, ν ≥ 0 y y(u) inyectiva. Si 0 ∈ Uad ,

entonces existe C > 0 y h0 > 0 tales que, para todo h < h0 , se verifica
1
kuop − uop h k2 ≤ (k∆Y k2 kuop k2 + kδd0 k2 ) ≤ Ch2 ,
αY − k∆Y k2
donde, uop es la solución del problema (3.2.24), uop h la del problema aproximado
(3.2.33) y αY es la constante de coercividad de Z + νI,
((Y + νI)v, v) ≥ αZ kvk, ∀v ∈ Uad .
3.2.7. Resultados numéricos

A continuación presentamos resultados numéricos para los dos problemas de control
en cuestión. En ambos casos existe una fuerza externa del tipo puntual y armónica en
el tiempo Fe (ω, x) = fe (x) cos(ωt), donde el término fe (x) se modela como un delta
de Dirac. Estudiamos el orden de convergencia del control óptimo y presentaremos el
desplazamiento vertical de la viga, con y sin control. Estos resultados son obtenidos
mediante la implementación computacional del esquema numérico propuesto en esta
memoria: Elementos finitos en la resolución de la ecuación de estado y eliminación
gaussiana en la resolución del problema de programación cuadrática.
Si bien, hemos estudiando elementos finitos “standard” para la resolución numérica

de la ecuación de estado, es conocido (ver [1]) que al resolver numéricamente las ecua-
ciones estáticas de Timoshenko, la solución degenera cuando el parámetro t (espesor
de la viga) se hace muy pequeño. Este fenómeno se conoce como bloqueo numérico.
De esta manera, en esta sección, se ha estudiado numéricamente el comportamiento
de un esquema numérico libre de bloqueo. Dicho esquema fue analizado por D. Arnold
en [1] y se basa, principalmente, en el hecho que cierto esquema de elementos finitos
mixtos resulta equivalente a un esquema que difiere del standard en sólo ciertas inte-
grales, las cuales son calculadas usando una regla de cuadratura gaussiana en vez de ser
calculadas exactamente. Esto es un ejemplo de integración reducida en el método de
elementos finitos. En la actualidad, se estudia tanto desde el punto de vista matemático
como computacional la implementación de esquemas libres de bloqueo numérico en la

resolución de problemas de autovalores en estructuras más generales, como por ejemplo
barras curvas de geometrı́a arbitraria, (ver [29]).
Aunque el esquema propuesto en [1] ha sido estudiado para resolver numéricamente

las ecuaciones estáticas de Timoshenko, ejemplos numéricos (incluidos en esta sección)
muestran el buen comportamiento de este en la resolución de las ecuaciones dinámicas
(escritas en el dominio de las frecuencias); hecho que era de esperar, pues los dos térmi-
nos extras que aparecen en la forma bilineal (2.3.1) no presentan problemas numéricos
cuando se implementa elementos finitos.
Por último, cabe señalar que tanto el estudio numérico como teórico del problema de
la aproximación uniforme de las ecuaciones de Timoshenko vı́a el método de elementos
finitos, se enmarca dentro de una reciente teorı́a en el ańalisis numérico: Elementos
Finitos en Estructuras Delgadas (Cáscaras).
Para comparar el nivel de la vibración con y sin control, consideramos la atenuación,

la cual se define, para el primer problema de control, de la siguiente manera:
• Si ν 6= 0 !
PNs
|w(u, xsi )|2
Atenuación (dB) = 10 log Pi=1
Ns s 2
.
i=1 |w(0, xi )|
• Si ν = 0
J(u)
Atenuación (dB) = 10 log ,
J(0)
y para el segundo problema, se define como sigue,
• Si ν 6= 0
Z 1 
2
 0 |w(u, x) |dx 
Atenuación (dB) = 10 log 
Z 1
.

2
|w(0, x) |dx
0
• Si ν = 0
J (u)
Atenuación (dB) = 10 log .
J (0)
Sensores Puntuales.
Consideramos un problema de control activo de vibraciones con las siguientes ca-

racterı́sticas:
• I = (0, 1).
Figura 3.3: Ejemplo de un CAV del tipo Sensores Puntuales
• Módulo de Young: E =2.1 ×107 Pa; coeficiente de Poisson: ν̄ =0.3; factor de

corrección: k = 5/6, y densidad ρ =7.8 ×103 Kg/m3 .
• La fuente externa fe (x) corresponde a una delta de Dirac localizada en el punto

x =0.15.
• Hay un actuador colocado en el punto xa1 = 0.75.
• Hay un sensor localizado en el punto p1 = 0.4.
• Uad = R y ν = 0.
El bosquejo de este problema de control se puede apreciar en la figura 3.3.
En el Cuadro 3.1 se muestran distintas aproximaciones del control óptimo. Estas

fueron obtenidas mediante la implementación computacional del esquema numérico es-
tudiado en esta memoria. Consideramos 4 mallas diferentes (N = 40, 60, 80 y 100) y
5 valores del espesor de la viga (t =0.8, 0.5, 0.1, 0.05, 0.01). Sin pérdida de genera-
lidad, consideramos la siguiente frecuencia de excitación ω = 22, la cual fue escogida
al azar; no obstante distintos ensayos numéricos, los cuales omitiremos por razones
obvias, muestran el mismo comportamiento para todas las frecuencias.
h = 1/40 h = 1/60 h = 1/80 h = 1/100 Extrapolado Orden

t =0.8 -1.658659 -1.716435 -1.746206 -1.764362 -1.844273 0.92
t =0.5 -1.597939 -1.653880 -1.682723 -1.700318 -1.777707 0.92
t =0.1 -1.118974 -1.136370 -1.145344 -1.150838 -1.175323 0.91
t =0.05 -0.799109 -0.759825 -0.741382 -0.730979 -0.696436 1.19
t =0.01 224.7788 -4.046369 -2.040841 -1.185348 -1.537726 -
Cuadro 3.1: Control óptimo aproximado, uoph en función de h y t.
En este Cuadro los valores del control óptimo han sido escalados por el factor 1×107 .
En este se puede apreciar como se deteriora el orden de convergencia a medida que
disminuye el espesor de la viga (salvo en el caso t = 0.05), hasta inclusive la divergen-

cia del esquema en el caso que t = 0.01. El comportamiento predicho por la teorı́a es
verificado en los casos t =0.8, t = 0.5 y t = 0.1.
En el Cuadro 3.2, en cambio, mostramos las distintas aproximaciones del control

óptimo obtenidas mediante la implementación computacional de un esquema numérico
libre de bloqueo respecto al espesor de la viga. Para efectos de comparación respecto
al esquema standard, consideramos las mismas mallas, valores del parámetro t y fre-
cuencia de excitación. En ella, se puede ver como el esquema verifica numéricamente
el orden predicho por la teorı́a y además, en sentido uniforme respecto al espesor de la
viga.
h = 1/40 h = 1/60 h = 1/80 h = 1/100 Extrapolado Orden

t =0.8 -1.658649 -1.716430 -1.746203 -1.764360 -1.844278 0.92
t =0.5 -1.597865 -1.653846 -1.682703 -1.700305 -1.777743 0.92
t =0.1 -1.115893 -1.134829 -1.144428 -1.150233 -1.174598 0.96
t =0.05 -0.767525 -0.743530 -0.731619 -0.724513 -0.696692 1.02
t =0.01 -0.335251 0.019371 0.199862 0.309105 0.773626 0.95
En ella se aprecia que el orden de convergencia se mantiene uniforme en t, lo cual es
justamente el objetivo de este esquema libre de bloqueo.
En la figura 3.4, se representa el error relativo, para distintos valores de h, de la

aproximación del control óptimo uop , utilizando elementos finitos standard y tomando
t = 0.1. Como valor exacto se ha tomado el extrapolado que se obtiene del ajuste por
mı́nimos cuadrados de los valores obtenidos. Se observa en dicha gráfica, al igual que
en la tabla 3.1, que el orden de convergencia es 1.
En las figuras 3.5 y 3.6, se muestran las gráficas de los desplazamientos verticales
de la viga con control y sin control. Para ello hemos considerado, h = 1/100, una viga
de espesor t = 0.1 y frecuencias (angulares) de excitación, ω = 33 y ω = 90 respectiva-
mente.
En ambas figuras se puede apreciar el efecto del control en la vibración del el sen-
sor p1 = 0.4; de hecho se obtienen los siguientes resultados:
• ω = 33. El desplazamiento sin control en el sensor p1 = 0.4 esta dado por

w(0,0.4)=-0.1544, mientras que control se obtiene w(u,0.4)=3.8641 ×10−14 . Con
−1.6
−10
−1.5
−10
error relativo (%)
−1.4
−10
1
−1.3
−10
−1.2
−10
−2
10
1/h
Figura 3.4: Error relativo ( %) en función de 1/h (escala log-log). Orden de convergencia.
0.2 w(x)
w(u,x)
w(x), w(u,x)
0.15
0.1
0.05
−0.05
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
0.2
0.15
|w(x)|, |w(u,x)|
0.1
0.05
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
Figura 3.5: Desplazamiento vertical de la viga sin control w(x) y con control w(u, x), consi-
derando una frecuencia de excitación ω = 33.
0.04
w(x)
0.02 w(u,x)
w(x), w(u,x)
−0.02
−0.04
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
0.025
0.02
|w(x)|, |w(u,x)|
0.015
0.01
0.005
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
Figura 3.6: Desplazamiento vertical de la viga sin control w(x) y con control w(u, x) obte-
nidos considerando una frecuencia de excitación ω = 90.
estos datos se obtiene la siguiente atenuación

Jh (uop h )
Atenuación (dB) = 10 log = −271.52,
Jh (0)
• ω = 90. En este caso se obtienen: w(0,0.4)=-0.019, w(u,0.4) = 5,5999 × 10−15 y
Atenuación (dB) = −269.10.
Nótese que para efectos prácticos, la vibración en el sensor p1 =0.4 ha sido eliminada
completamente, de hecho, la reducción de esta es del orden de 1013 en ambos casos.
Por último, en la figura 3.7, se muestra un gráfico de los funcionales J(u, ω) y J(0, ω)
en función de la frecuencia de excitación. En este se puede apreciar la disminución de
la vibración, por los efectos del control, en todo el rango de frecuencias considerado, es
decir, ∀ω ∈ [0, 200].
−200
−400
J(0,ω)
−600 J(u,ω)
J(0,ω), J(u,ω)
−800
−1000
−1200
−1400
−1600
−1800
0 20 40 60 80 100 120 140 160 180 200
x
Figura 3.7: Funcionales con control J(u, ω) y sin control J(0, ω).
Sensor Distribuido.
Para este problema de Control Activo consideramos:

• I = (0, 1).
• Módulo de Young: E =2.1 ×107 Pa; coeficiente de Poisson: ν =0.3; factor de

correción: k = 5/6, y densidad ρ =7.8 ×103 Kg/m3 .
Figura 3.8: Ejemplo de un CAV del tipo Sensor Distribuido
• a1 = 0 y a1 = 1.
• La fuente externa fe (x) corresponde a una delta de Dirac localizada en el punto

x =0.15.
• Hay un actuador colocado en el punto xa1 = 0.75.
• Uad = R y ν = 0.
El bosquejo de este problema de control se puede apreciar en la figura 3.8.
Este problema de Control Activo de Vibraciones fue introducido y estudiado por

J.Post en el trabajo “A Control of the Forced and Transient Response of a Finite
Beam“ (ver [41]) y posteriormente revisado en el libro de Fuller, Elliot y Nelson “Ac-
tive Control of Vibration (ver [24])”. Este problema se ha considerado en este trabajo
con el objetivo de poder comparar “cualitativamente” el efecto del control en el despla-
zamiento vertical de la viga. Claramente no se pueden obtener los mismos resultados
analı́ticos, pues por un lado las ecuaciones de la viga consideradas en el trabajo de Post
son las de Euler-Bernoulli y por otro lado, el esquema de control es distinto.
En el Cuadro 3.3 se muestran las aproximaciones del control óptimo, las que han
sido obtenidas con el esquema numérico propuesto en esta memoria, para 4 mallas
diferentes (N =40, 80, 80, 100) y para 6 valores del espesor de la viga (t =0.8, 0.5,
0.1, 0.05, 0.01, 0.001). La frecuencia de excitación tomada corresponde a ω = 30, la
cual, al igual que en el caso anterior, fue escogida al azar; sin embargo distintos ensayos
numéricos, muestran el mismo comportamiento para todas las frecuencias.
En el se puede ver el efecto de lo que se conoce como bloqueo numérico (“locking”),
respecto al espesor de la viga. Para valores relativamente grandes del espesor de la
viga, se puede ver el buen comportamiento del método, el cual, entrega el orden de
convergencia esperado por la teorı́a. Sin embargo, a medida que disminuimos el espesor
de la viga, se puede apreciar el efecto del bloqueo, lo cual hace que nuestro esquema
numérico deteriore el orden de convergencia predicho, e inclusive diverja.
En el Cuadro 3.4, en cambio, se pueden ver las aproximaciones del control óptimo
h = 1/60 h = 1/80 h = 1/100 Extrapolado Orden

t =0.8 -9.781239 -9.780980 -9.780861 -9.780648 2
t =0.5 -9.468302 -9.467849 -9.467639 -9.467266 2
t =0.1 -8.626948 -8.626180 -8.625824 -8.625192 2
t =0.05 -8.488651 -8.487914 -8.487572 -8.486966 2
t =0.01 -8.440271 -8.441321 -8.442162 -8.81118 -
t =0.001 -8.445347 -8.455512 -8.468867 -1.300919 -
obtenidas con un esquema numérico libre de bloqueo. Desde esta, se puede verificar el
h = 1/60 h = 1/80 h = 1/100 Extrapolado Orden

t =0.8 -9.783457 -9.782228 -9.781659 -9.780647 2
t =0.5 -9.470345 -9.468998 -9.468374 -9.467265 2
t =0.1 -8.626596 -8.625983 -8.625699 -8.625186 1.99
t =0.05 -8.487640 -8.487347 -8.487210 -8.486957 1.96
t =0.01 -8.444997 -8.444873 -8.444814 -8.444703 1.91
t =0.001 -9.353727 -9.355918 -9.356931 -9.358734 2
orden de convergencia predicho por la teorı́a, el que además es uniforme respecto al es-
pesor de la viga, lo cual es, de hecho, la ventaja del método libre de bloqueo propuesto
por Arnold.
De ahora en adelante fijemos el valor del parámetro t en 0.1. En la figura 3.9, se

representa el error relativo, para distintos valores de h, de la aproximación del control
óptimo uop . Como valor exacto se ha tomado el extrapolado que se obtiene del ajuste
por mı́nimos cuadrados de los valores obtenidos. Se observa en dicha gráfica, al igual
que en el Cuadro 3.3, que el orden de convergencia es 2.
En la figura 3.10 se presenta el funcional J (:, ω) en función de la frecuencia, sin control

y con control. Los resultados obtenidos tienen el mismo comportamiento, “cualitati-
vamente” hablando, que los de Post. En dicha figura, se puede apreciar que una gran
reducción de la función de costo se puede alcanzar en las frecuencias de resonancia de
la viga, y una pobre reducción se alcanza en zonas entre estas. Los desplazamientos
transversales de la viga, sin control y con control se muestran en las figuras 3.11 y
3.12, para frecuencias de excitación correspondientes a la segunda frecuencia natural
(ω = 81) y a una frecuencia entre la primeras dos frecuencias naturales (ω = 55).
En la figura 3.12 se puede apreciar el eficiente control sobre la frecuencia natural

ω = 81, lo cual antes ya lo habı́amos señalado, de acuerdo a la figura 3.10. Sin tomar
2
−10
error relativo (%)
2
3
−10
4
−10 −2
10
1/h
Figura 3.9: Error relativo ( %) en función de 1/h (escala log-log). Orden de convergencia.
J(0,ω)
250
J(u,ω)
200
J(0,ω), J(u,ω)
150
100
50
0
0 20 40 60 80 100 120 140 160 180 200
x
Figura 3.10: Funciones de costo globales obtenidas al excitar una viga con una fuerza externa
primaria del tipo puntual en xe = 0.15 sin control J (0, ω) y con control J (u, ω).
0.5
w(x)
w(u,x)
w(x), w(u,x)
−0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
0.5
0.4
|w(x)|, |w(u,x)|
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
Figura 3.11: Desplazamiento vertical de la viga sin control w(x)y con control w(u, x), con-
siderando una frecuencia de excitación ω = 81 (segunda frecuencia natural).
en cuenta la escala, se tiene que esta figura es cualitativamente hablando, idéntica a la

figura 5 en [41]. De la misma forma se tiene que la figura 3.11 y es muy similar a la
figura 6 en [41]. Podemos obtener la atenuación de la vibración definida al comienzo
de esta sección, en efecto,
• ω = 55. J(0, 55) =64.1671 y J(u, 55) =63.8068 ⇒ Atenuación(dB)=0.9944.
• ω = 81. J(0, 55) =72804.2743 y J(u, 55) =28.6676 ⇒ Atenuación(dB)=-156.7953.
De esta forma, podemos concluir matemáticamente que de acuerdo a nuestro propósito

de control, en la frecuencia ω = 55 no se tiene atenuación. No obstante se consigue una
gran atenuación de la vibración en la frecuencia ω = 81.
En lo que sigue, analizaremos numéricamente el desempeño del factor de peso ν en

el problema de control del sensor distribuido. Como comentamos en su oportunidad el
objetivo de este factor es reflejar la importancia relativa de los términos 1/2ky(u)kL2 (I)
y ν/2kuk2 en el funcional (3.2.9), lo cual conlleva al compromiso de llevar a cabo de
manera eficiente un “buen control”de manera económica. En la siguiente Cuadro se
muestran las distintas aproximaciones del control óptimo obtenidas con h = 1/100 ,
t = 0.1 y ω = 150, en función de distintos valores del parámetro ν.
0.02
w(x)
w(u,x)
w(x), w(u,x)
0.01
−0.01
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
0.02
0.015
w(x), w(u,x)
0.01
0.005
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
Figura 3.12: Desplazamiento vertical de la viga sin control w(x) y con control w(u, x),
considerando una frecuencia de excitación ω = 55 (frecuencia entre la primeras dos frecuencias
naturales).
uoph
ν =0 -9875232.09
ν = 10−11 -8930356.35
ν = 10−9 -852747.12
ν = 10−7 -9324.62
ν = 10−5 -93.33
ν = 10−3 -0.93
Cuadro 3.5: Control óptimo aproximado, uoph en función de ν.

0.2
ν=0
ν=1*10−11
ν=1*10−9
0.15
ν=1*10−7
w(0,x)
0.1
w(u,x)
0.05
−0.05
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
Figura 3.13: Desplazamiento vertical de la viga con control w(u, x), considerando distintos
valores del parámetro ν.
En el Cuadro 3.5 se puede apreciar claramente que el esfuerzo de control disminu-

ye cuando aumenta el valor del parámetro ν, esto es consecuencia del hecho que el
problema (3.2.10) se puede interpretar como un problema de penalización respecto a
ν. Para el caso ν = 0 se obtiene el mayor esfuerzo de control, lo cual es consecuencia
que para ese parámetro el control es “gratis”.
El compromiso antes señalado se pone de manifiesto cuando observamos el desplaza-

miento vertical de la viga, es decir la variable de observación de este problema, obtenido
al resolver el problema de control (3.2.10) para distintos valores del parámetro ν, de
hecho, en la figura 3.13 se muestran estos desplazamientos para ν = 0, ν = 1 × 10−11 ,
ν = 1 × 10−9 y ν = 1 × 10−7 .
En esta figura se puede apreciar claramente el compromiso entre llevar la salida del
sistema controlado lo más cercano al comportamiento deseado con un escaso esfuerzo
de control. Se puede apreciar que a medida que aumentamos el valor del parámetro
ν, la vibración va aumentando (en el sentido de norma k · kL2 (I) ). El mejor control de
la vibración que se puede obtener corresponde al caso ν = 0 y para valores de este
parámetro mayores a 1 × 10−7 no se obtiene control de la vibración, pues se obtiene el
movimiento sin control w(0, x), tal como se puede apreciar en la figura 3.13.
Por último mostraremos resultados gráficos para el Problema de Control Activo que
250
J(0,ω)
200 J(u,ω)
150
J(o,ω), J(u,ω)
100
50
−50
−100
0 20 40 60 80 100 120 140 160 180 200
x
Figura 3.14: Funciones de costo locales, desde a1 = 3/4 a a2 = 1, obtenidas al excitar una
viga con una fuerza externa primaria del tipo puntual en xe = 0.15 (J (u, ω)) y considerando
una fuerza de control óptima en xc = 3/4.
se obtiene al tomar a1 = 3/4 y a2 = 1 en el Problema de Sensor Distribuido definido

anteriormente. El objetivo de introducir este problema de CAV en este trabajo se debe
a que, análogamente al caso anterior, este fue introducido y estudiado por Post en [41]
y luego revisado en el libro de Fuller, Elliot y Nelson (ver [24]). Nótese que en el fondo,
lo que estamos minimizando es el cuadrado del desplazamiento solo sobre el último
cuarto del largo de la viga.
En la figura 3.14 se muestra el gráfico de las funciones de costo con y sin control,
es decir J (u, ω) y J(0, ω) respectivamente. Esta función de costo es incluso más re-
ducida que la función de costo global (a1 = 0 y a2 = 0) en frecuencias de excitación
cercanas a las frecuencias naturales de la viga. Las distribuciones de los desplazamien-
tos transversales de la viga antes y después del control son mostradas en la figura para
las mismas frecuencias de excitación utilizadas en las figuras 3.11 y 3.12. La distribu-
ción del desplazamiento residual para la frecuencia de excitación ω = 81 es similar al
obtenido por el control global, figura 3.11. El efecto del control local en la frecuencia
ω = 55 es, sin embargo, reducir las vibraciones en el último cuarto de la viga, aumentos
significativos en el desplazamiento se obtienen fuera de este sector.
Por último cabe señalar que estas figuras son cualitativamente las mismas que las
obtenidas por Post en [41], figuras 9, 6 y 7 respectivamente.
1
w(0,x)
0.5 w(u,x)
J(o,ω), J(u,ω)
−0.5
−1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
0.8
0.6
J(o,ω), J(u,ω)
0.4
0.2
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
considerando una frecuencia de excitación ω = 81 (segunda frecuencia natural).
0.04
w(0,x)
0.03
w(u,x)
w(0,x), w(u,x)
0.02
0.01
−0.01
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
0.04
0.03
w(0,x), w(u,x)
0.02
0.01
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
considerando una frecuencia de excitación ω = 55 (frecuencia entre la primeras dos frecuencias
naturales).
Bibliografı́a
[1] D.N. Arnold, Discretization by finite element of a model parameter dependent pro-
blem, Numer. Math 37, 405-421 (1981).
[2] A. Bermúdez, P. Gamallo, R. Rodrı́guez. Finite element methods in local active

control of sound. SIAM Journal on Control and Optimization, 43, 437-465 (2004).
[3] I. Babuška and J. Osborn: Eigenvalue problems, in Handbook of Numerical Analysis,

Vol.H.P.G. Ciarlet and J. Lions, eds., North Holland, Amsterdam, 641-787 (1991).
[4] I. Babuška, Error bounds for the finite element method, Numer. Math., 16, 322–333
(1971).
[5] S. Behrens, A.J. Fleming and S.O.R. Moheimani, Passive vibration control via elec-
tromagnetic shunt damping, IEEE/ASME Transactions on Mechatronics; 10(1), 118-
122 (2005).
[6] M. Bernadou and C. Haenel, Modelization and numerical approximation of pie-

zoelectric thin shells. I. The continuous problems, Computer Methods in Applied
Mechanics and Engineering, 192, 4003-4030 (2003).
[7] M. Bernadou and C. Haenel, Modelization and numerical approximation of piezo-

electric thin shells. II. Approximation by finite element methods and numerical expe-
riments, Computer Methods in Applied Mechanics and Engineering, 192, 4045-4073
(2003).
[8] M. Bernadou and C. Haenel, Modelization and numerical approximation of piezo-

electric thin shells. III. From the patches to the active structures, Computer Methods
in Applied Mechanics and Engineering, 192, 4075-4107 (2003).
[9] J. A. Burns and L. Zietsman, Upwind Approximations and Mesh Independence for
LQR Control of Convection Diffusion Equations, envı́ado.
[10] E. Casas, L2 Estimates for the Finite Element Method for the Dirichlet Problem
with Singular Data, Numer. Math., 47, 627-632 (1985).
[11] C. Chang-Qing, S. Ya-Peng, Optimal control of active strucures with piezoelectric

modal sensors and actuators, Smart Mater. Struct. 6 (1997).
87
88 BIBLIOGRAFÍA
[12] P. Ciarlet, The Finite Element Method for Eliptic Problems. North-Holland, 1978.
[13] P. Ciarlet, Introduction to Numerical Linear Algebra and Optimisation, Cambridge

University Press, Cambridge, 1989.
[14] L. Costa, P. Oliveira, I.N. Figueiredo, and R. Leal, Actuator effect of a piezoelectric
anisotropic plate model, Mechanics of Advanced Materials and Structures, 2006, to
appear.
[15] D. Chapelle, and K.J. Bathe The Finite Element Analysis of Shells - Fundamen-
tals, Computational Fluid and Solid Mechanics, 2003.
[16] L. Demkowicz, Asymptotic Convergence in Finite and Boundary Element Methods:

Part 1: Theoretical Results, Computers Math. Applic., 27, 69-84 (1994).
[17] R. Durán, L. Hervella-Nieto, E. Liberman, R. Rodrı́guez, J. Solomin. Approxima-

tion of the vibration modes of a plate by Reissner-Mindlin equations, Math. Comp.,
68, 1447-1463 (1999).
[18] J. Douglas, T. Dupont, L.Wahlbim. Optimal L∞ Error Estimates for Galerkin

Approximations to Solutions of Two-Point Boundary Value Problems, Math. Comp.
29, 475-483 (1975).
[19] J. C. Doyle, B. A. Francis and A. Tannenbaum. Feedback Control Theory, Mc

Millan, 1992.
[20] L. Costa, P. Oliveira, I.N. Figueiredo and R. Leal: Actuator effect of a piezoelectric
anisotropic plate model, Mechanics of Advanced Materials and Structures Vol. 13, 5
(2006) 403-417.
[21] L. Costa, I. Figueiredo, R. Leal, P. Oliveira, G. Stadler: Modeling and numerical

study of actuator and sensor effects for a laminated piezoelectric plate, Computers
and Structures, Vol. 85, 7-8 (2007) 385-403.
[22] A.J. Fleming and S.O.R. Moheimani, Control oriented synthesis of high performan-
ce piezoelectric shunt impedances for structural vibration control, IEEE Transactions
on Control Systems Technology; 13(1), 98-112 (2005).
[23] A. J. Fleming, S. Behrens and S.O.R. Moheimani, Inertial vibration control using
a shunted electromagnetic transducer, IEEE/ASME Transactions on Mechatronics;
11(1), 84-92 (2006).
[24] C.R Fuller, S. J. Elliot and P.A. Nelson, Active control of Vibration, Academic
Press 1997.
[25] P. Gamallo, Contribución al estudio matemático de problemas de simulación elas-

toacústica y control activo del ruido. Ph D. Thesis. Universidad de Santiago de Com-
postela, España, 2002.
BIBLIOGRAFÍA 89
[26] V. Girault and P. Raviart, Finite Element Methods for Navier-Stokes Equations.
Theory of Algorithms, Springer-Verlag, 1986.
[27] G. Goodwin, S. Graebe and M.E. Salgado: Control System Design, New Jersey,
Prentice Hall, 2001.
[28] E. Hernández, Approximation of the Vibration Modes of a Plate and Shells Coupled
with a Fluid, Journal Applied Mechanics, volume 73, number 6 (2006).
[29] E. Hernández, E. Otárola, R. Rodriguez, F. Sanhueza, Approximation of the Vi-

bration Modes of a Timoshenko Curved Rod of Arbitrary Geometry, envı́ado.
[30] T. Ikeda, Fundamentals of Piezoelectricity, Oxford University Press, New York,

1990.
[31] X. Jinchao and Z. Ludmil: Some observations on Babue

sba and Brezzi theories.
Numerische Mathematik, 94, 195-202 (2003).
[32] D.Kirk, Optimal Control Theory, An Introduction, Prentice Hall, 1970.
[33] H. Kwakernaak and R. Sivan, Linear Optimal Control Systems. New York: Wiley-
Interscience, 1972.
[34] T. C. Manjunath and B. Bandyopadhyay, Vibration Suppression of Timoshenko

Beams With Embedded Piezoelectrics Using POF, International Journal of Intelligent
Technology, Vol. 1, No. 1, pp. 21-30, Jan. 2006.
[35] T. C. Manjunath and B. Bandyopadhyay, Mathematical Modeling of SISO Based

Timoshenko Structures, International Journal of Mathematical Sciences, Vol. 1, No.
1, pp. 1-19, Jan. 2007.
[36] P. Nauclér. Modeling and Control of Vibration in Mechanical Structures, Licenciate

Thesis, Uppsala University, Sweden, 2005.
[37] P.A. Nelson, S. J. Elliot and P.A. Nelson, Active control of Sound, Academic Press,
London 1999.
[38] J.L. Lions, Contrôle Optimal des Sytèmes Gouvernés par des Èquations aux
Dérivées Partielles, Dunond, Paris, 1968.
[39] W. Liu, Vibration Control of Large Scale Flexible Structures Using Magnetorheo-
logical Dampers, PhD Tesis, Worcester Polytechnic Institute, 2005.
[40] M. Petyt, Introduction to Finite Element Vibration Analysis, Cambridge Univer-

sity Press, Cambridge, England, 1990.
[41] J.T Post, Active control of the forced and transient response of a finite beam, NASA
CR-181947, Washington, 1990.
90 BIBLIOGRAFÍA
[42] A. Preumont, Vibration Control of Active Structures: An Introduction, Springer;

2 edition, 1989.
[43] P.A. Raviart and J.M Thomas: Introduction á L′ Analyse Numérique des Equa-
tions aux Dérivées Partielles, Masson, 1983.
[44] A. Rösch and B. Vexler, Optimal Control of the Stokes Equations: A priori error
analysis for finite element discretization with postprocessing, Siam J. Numer. Anal,
Vol. 44, No. 5, 1903-1920 (2006).
[45] R. Scott, Finite Element Convergence for Singular Data, Numer. Math., 21, 317-
327 (1973).
[46] A.H. Schatz: An Observation Concerning Ritz-Galerkin Methods with Bilinear

Forms, Math. Comp., 959-962 (1974).
[47] M.A.Trindade, A. Benjeddou and R. Ohayon: Parametric analysis of the vibra-

tion control of sandwich beams through shear-based piezoelectric actuation, J. Intell.
Mater. Syst. Struct., 10(5) (1999).
[48] S.P. Timoshenko, On the correction for shear of the differential equation for trans-
verse vibrations of prasmatic bars, Philos, Mag. Ser 6, 41, 744-746 (1921).
[49] M. Trindade and A. Benjeddou, On higher-order modelling of smart beams with

embedded shear-mode piezoceramic actuators and sensors, Mechanics of Advanced
Materials and Structures 13 (5), 357-369 (2006).
[50] D.C. Zienkiewicz, The Finite Element Method, McGraw-Hill, London, 1977.

Enrique Memoria

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Enrique Memoria

Загружено:

Авторское право:

Доступные форматы

Control Activo de Estructuras

Enrique Otárola Pastén.

3. Control Activo de las Vibraciones 40

En esta memoria se estudian matemática y computacionalmente dos problemas de

El objetivo es controlar las vibraciones de una viga empotrada en ambos extremos,

Los problemas de Control Activo de Vibraciones son analizados en el contexto de

Finalmente, se presentas experimentos numéricos, de aplicaciones representativas a

In this thesis we study mathematical and computationally two problems of Active

Finally, numerical experiments are reported of representative applications to each

Una aplicación tı́pica en ingenierı́a, por ejemplo en problemas de interacción fluido-

Desafortunadamente, en muchos casos, debido a la propagación fı́sica de ondas, este

En general, un sistema de control de vibraciones puede tomar muchas formas: pa-

y disipa la energı́a de vibración a través de una variedad de mecanismos. Las fuerzas

Tradicionalmente, varias técnicas pasivas han sido utilizadas en este contexto; no

Por otro lado, en muchas aplicaciones en ingenierı́a se consideran estructuras del-

El control y la estabilidad de estas estructuras es, por supuesto, una preocupación

El objetivo de esta memoria es controlar las vibraciones de una viga empotrada en

Para resolver la ecuación de estado podemos aproximar la solución de este sis-

Por otro lado, es necesario entender las caracterı́sticas de la vibración de estructuras

Una herramienta fundamental en dichas tareas resultará ser el método de elemen-

De esta manera, utilizando el MEF, obtenemos resultados de convergencia y aproxi-

Los materiales piezoeléctricos pertenecen a una clase de estructuras inteligentes y

En este capı́tulo, haremos un estudio de la ecuación de estado en el caso en que el

Inicialmente se hace un estudio de la existencia, unicidad y regularidad de solución

Figura 2.1: Aspectos geométricos de la deformación de una viga.

2.2. Las ecuaciones de Timoshenko

Hallar (ŵ, θ̂) tal que

A lo largo de este trabajo y sin pérdida de generalidad supondremos que I := (0, L)

2.2.2. Las ecuaciones de Timoshenko en el dominio de la fre-

f (x, τ ) = f (x) cos(ω̂τ ), (2.2.1)

ŵ(x, τ ) = w(x) cos(ω̂τ ), (2.2.3)

w(0) = w(L) = θ(0) = θ(L) = 0. (2.2.5)

De esta manera, si consideramos el problema (PF) y tenemos en cuenta los hechos

Hallar (w, θ) tal que

Las ecuaciones descritas en este problema fuerte las denominaremos ecuación de

2.3. Formulación variacional de la ecuación de es-

Hallar (w, θ) ∈ H01 (I)2 tal que

Teniendo en cuenta que

• w, θ ∈ H01 (I) ⊂ L2 (I),

Definamos la forma bilineal aω en H01 (I)2 × H01 (I)2 con valores a R,

y el funcional lineal de H01 (I)2 con valores a R como:

Hallar (w, θ) ∈ H01 (I)2 tal que

Además, se tiene el siguiente resultado:

Demostración: Consideremos (w, θ), (v, β) ∈ H01 (I)2 . Utilizando la desigualdad de

Por último, utilizando adecuadamente la desigualdad de Cauchy-Schwarz en R2 , se

La continuidad del funcional τ es directa de la desigualdad de Cauchy-Schwarz en

2.4. Un problema espectral asociado

En términos de estas formas bilineales y escribiendo λ = ω 2 , podemos plantear el si-

Hallar λ ∈ C y (w, θ) ∈ H01 (I)2 , (w, θ) 6= (0, 0) tal que

Como consecuencia de la desigualdad triangular y la desigualdad de Poincaré (ver [43]),

Para tener mayor información respecto al espectro de este problema es conveniente

Finalmente, la relación entre los valores propios de T y los de nuestro problema es

Observación 2.4.1 El problema de autovalores que ha sido estudiado de manera muy

2.5. Existencia y unicidad de la ecuación de estado

Hallar λ ∈ C y (w, θ) ∈ H01 (I)2 , (w, θ) 6= (0, 0) tal que

aω ((w, θ), (v, β)) = 0, ∀(v, β) ∈ H01 (I)2 . (2.5.1)

Notemos que el problema (2.5.1) se puede reescribir de la siguiente manera:

Hallar ω ∈ C y (w, θ) ∈ H01 (I)2 , (w, θ) 6= (0, 0) tal que

Este problema es equivalente al problema de autovalores (2.4.1), el cual analizamos en

Para abordar el problema de la existencia de solución plantearemos un problema, equi-

Tω |L2 (I)2 : L2 (I)2 → L2 (I)2

De esta manera, el problema (2.3.3) se puede escribir en términos del operador Tω

aω ((w, θ), (v, β)) = 0, ∀(v, β) ∈ H01 (I)2 ,

El siguiente teorema resume los resultados de existencia y unicidad de solución pa-