Proponemos dos técnicas analíticas amigables llamadas descomposición adomiana y métodos de Picard para analizar un flujo axisimétrico no permanente de fluido newtoniano no conductor. Se supone que este fluido está estrujado entre dos placas circulares que atraviesan un canal de medio poroso con condiciones de contorno de deslizamiento y no deslizamiento. Se obtiene una única ecuación diferencial ordinaria no lineal de orden fraccionario mediante una transformación de similitud con la ayuda de las definiciones del cálculo fraccionario. Los problemas de valores de contorno fraccionarios resultantes se resuelven mediante los métodos propuestos. La convergencia de las soluciones de los dos métodos se confirma mediante la obtención de varias soluciones aproximadas y varios residuos absolutos para diferentes valores del orden fraccionario. La comparación de los resultados de los dos métodos para diferentes valores del orden fraccionario confirma que los métodos propuestos están en buena concordancia y por tanto pueden ser utilizados de forma sencilla para resolver este tipo de problemas. Finalmente, se obtiene un estudio gráfico de los perfiles de velocidad longitudinal y normal para distintos valores de algunos parámetros adimensionales y órdenes fraccionarios.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un nuevo algoritmo de sobremuestreo de límites basado en el modelo Neighborhood Rough Set: NRSBoundary-SMOTE
Artículo:
Las soluciones periódicas para problemas de cuerpos planos.
Artículo:
Método de juego multiobjetivo basado en la división espacial autoadaptativa de las variables de diseño y su aplicación a la suspensión de vehículos
Artículo:
Soluciones positivas para una ecuación diferencial fraccional semipositiva de orden superior con singularidades tanto en la variable de tiempo como en el espacio.
Artículo:
Fuzzy c -Means y Cluster Ensemble con proyección aleatoria para Big Data Clustering