Desarrollo de aplicaciones en python para el aprendizaje de física computacional

Autores/as

  • Jesús Daniel Arias-Hernández
  • Andrés Fernando Jiménez-López
  • Hernán Oswaldo Porras-Castro

DOI:

https://doi.org/10.19053/1900771X.5122

Palabras clave:

física computacional, movimiento, python, simulación, software libre

Resumen

Este artículo describe una aplicación desarrollada para el aprendizaje de algoritmos de simulación basados en conceptos de mecánica clásica. Los estudiantes de Ingeniería Electrónica y de Ciencias de la Computación de la Universidad de los Llanos estudian la física computacional usando cinemática de partículas (CP), como una de las actividades del grupo de investigación Sistemas Dinámicos. Python, el lenguaje de programación seleccionado, facilita portabilidad y el acceso a las librerías necesarias para la representación de partículas. Las principales librerías de Python usadas en este ejercicio son: matplotlib, numpy, PyQt4, scipy, Tkinter y VPython. Estas librerías permiten la simulación de movimiento uniforme, movimiento lineal acelerado, caída libre y movimiento de proyectiles. Además, son útiles para la generación de interfaces gráficas de usuario para mostrar los datos en tablas y gráficos. Las GUIs fueron implementadas usando las librerías Tkinter y PyQt4, donde esta última facilita el desarrollo con la ayuda de herramientas del software Qt Designer.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

Bransford, J., Brown, A. & Cocking, R. (2004). How People Learn: Brain, Mind, Experience, and School. Washington DC: National Academy Press. DOI: http://dx.doi.org/10.17226/9853

Bustacara, C. J. (2010). Evaluación computacional para calcular los polinomios de Legendre de primera clase. Avances en Sistemas e Informática, 7(2), 131-138.

Chickering, A. & Ehrmann, S. (1996). Implementing the Seven Principles: Technology as Lever. American Association for Higuer Education, 3-6.

Egas, M. E. (2014). Simulación computacional de la trayectoria de electrones de incepción en un tramo corto de aire. Quito, Ecuador: Editorial Quito.

García, A., Martín, J. A. & Gutiérrez, M. T. (2010). Modelo computacional para la formación de clases de equivalencia. International Journal of Psychology and Psychological Therapy, 10(1), 163-176.

Landau, R., Páez, M. J. & Bordeianu, C. (2010). A survey of Computational Physics. Oxford: PrincetonUniversity Press.

López, O. R., Narváez, C. A. & Garzón, D. A. (2012). Modelos computacionales del comportamiento del cartílago articular. Revista Cubana de Investigaciones Biomédicas, 31(2), 373-385.

Overholt, K. (2010). Numerical Pyromaniacs: The Use of Python in Fire Research. 9th Python in Science Conference SCIPY.

Panou, T. (2008). Management of Learning Ways: a Radiographer's

Sener, J. (1997). Constructivism: Asynchronous Learning Networks. ALN Magazine, 1, 1.

Vargas, W. & Murcia, J. C. (2005). Distribución de fuerzas

Vilchez, A., Marzocchi, V., Beldoménico, H. & Vanzetti,

Yasar, O. (2006). A computational technology approach to education. Computing in Science and Engineering, 8(3), 76-81.

DOI: http://dx.doi.org/10.1109/MCSE.2006.37

Yasar, O. & Landau, R. (2003). Elements of computational

Science and engineering Education. Society for Industrial and Applied Mathematics, 45(4), 787-805.

DOI: http//dx.doi.org/10.1137/S0036144502408075

Zamarro, J., Molina, G. & Nú-ez, M. (2004). Teaching Physics Modelling with Graphic Simulations Tools. HSCI.

Descargas

Publicado

2017-09-07

Cómo citar

Arias-Hernández, J. D., Jiménez-López, A. F., & Porras-Castro, H. O. (2017). Desarrollo de aplicaciones en python para el aprendizaje de física computacional. Ingeniería Investigación Y Desarrollo, 16(1), 72–82. https://doi.org/10.19053/1900771X.5122

Número

Sección

ARTICULOS

Métrica