Un método de descomposición propia generalizada para operadores diferenciales de alto orden
En este artículo se desarrollan dos aproximaciones distintas para la resolución de problemas de alto orden mediante métodos de descomposición propia generalizada (PGD, del inglés Proper Generalized Decomposition ). La primera está basada en el uso de técnicas de colocación y polinomios de Chebyshev,...
| Autores: | , , , , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2015 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | español |
| OAI Identifier: | oai:upcommons.upc.edu:2117/167373 |
| Acceso en línea: | https://hdl.handle.net/2117/167373 https://dx.doi.org/10.1016/j.rimni.2014.09.001 |
| Access Level: | acceso abierto |
| Palabra clave: | Numerical analysis Reducción de modelos Descomposición propia generalizada Hermite Chebyshev Model order reduction Proper generalized decompositions Àrees temàtiques de la UPC::Matemàtiques i estadística::Anàlisi numèrica |
| Sumario: | En este artículo se desarrollan dos aproximaciones distintas para la resolución de problemas de alto orden mediante métodos de descomposición propia generalizada (PGD, del inglés Proper Generalized Decomposition ). La primera está basada en el uso de técnicas de colocación y polinomios de Chebyshev, mientras que la segunda se basa en el uso de polinomios de Hermite en el marco de una formulación de Galerkin. Ambas poseen ventajas e inconvenientes, que se analizan en detalle con la ayuda de distintos problemas clásicos de validación. |
|---|