Un paquete de herramientas de Matlab para Descomposición de Modo Dinámico Extendido basado en Polinomios Ortogonales y Reducción de Orden p-q Cuasi-Norma
Autores: Garcia-Tenorio, Camilo; Vande Wouwer, Alain
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un paquete de herramientas de Matlab para Descomposición de Modo Dinámico Extendido basado en Polinomios Ortogonales y Reducción de Orden p-q Cuasi-Norma
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Aproximación
Operador de Koopman
EDMD
Funciones de base
Funciones observables
Biblioteca de Matlab
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
El Modo de Descomposición Dinámica Extendida (EDMD) permite una aproximación del operador de Koopman que se deriva en la forma de un operador lineal truncado (de dimensional finita) en un espacio elevado de funciones observables (no lineales). EDMD puede operar de manera puramente basada en datos utilizando datos generados por un simulador numérico de complejidad arbitraria o datos experimentales reales. Una pregunta importante en esta etapa es la selección de funciones de base para construir las funciones observables, lo cual a su vez es determinante de la dispersión y eficiencia de la aproximación. En este estudio, la atención se centra en expansiones polinomiales ortogonales y un procedimiento de reducción de orden llamado reducción de pseudo-norma p-q. El objetivo de este artículo es presentar una biblioteca de Matlab para automatizar el cálculo del EDMD basado en las herramientas mencionadas anteriormente e ilustrar el rendimiento de esta biblioteca con algunos ejemplos representativos.
Descripción
El Modo de Descomposición Dinámica Extendida (EDMD) permite una aproximación del operador de Koopman que se deriva en la forma de un operador lineal truncado (de dimensional finita) en un espacio elevado de funciones observables (no lineales). EDMD puede operar de manera puramente basada en datos utilizando datos generados por un simulador numérico de complejidad arbitraria o datos experimentales reales. Una pregunta importante en esta etapa es la selección de funciones de base para construir las funciones observables, lo cual a su vez es determinante de la dispersión y eficiencia de la aproximación. En este estudio, la atención se centra en expansiones polinomiales ortogonales y un procedimiento de reducción de orden llamado reducción de pseudo-norma p-q. El objetivo de este artículo es presentar una biblioteca de Matlab para automatizar el cálculo del EDMD basado en las herramientas mencionadas anteriormente e ilustrar el rendimiento de esta biblioteca con algunos ejemplos representativos.