Física computacional: una propuesta educativa
J.F. Rojasª, M.A. Moralesª, A. Rangel b, y I. Torresc
ª Facultad de Ciencias Físico Matemáticias, Benemérita Universidad Autónoma de Puebla, Edif. 190 18 sur y Av. San Claudio, C.U., Col. San Manuel, 72570 Puebla, Pue., e–mail: frojas@fcfm.buap.mx
b Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla, Edif. 136 14 sur y Av. San Claudio, C.U., Col. San Manuel, 72570 Puebla, Pue.
c Facultad de Ciencias Físico Matemáticias, Benemérita Universidad Autónoma de Puebla, Edif. 157 18 sur y Av. San Claudio, C.U., Col. San Manuel, 72570 Puebla, Pue.
]]> Recibido el 26 de noviembre de 2008
Resumen
Actualmente existen lenguajes de programación cuyas características los hacen idóneos como apoyo didáctico en el aprendizaje de muchos tópicos de la física. Hay problemas típicos en la enseñanza que no pueden ser completamente explicados y entendidos en el pizarrón, porque presentan comportamientos complejos, tales como no linealidades o muchos grados de libertad, razón por la cual, no tienen solución analítica. En este caso la física computacional es un método de enseñanza que, en la práctica, incluye el contenido de los cursos tradicionales de programación y métodos numéricos. En este artículo se pretende abordar algunos aspectos que nos permitan conformar lo que podemos llamar "educación algorítmica". Se presentan algunos problemas tradicionales de la enseñanza que, para la mejor comprensión de conceptos y elaboración de modelos apoyados en algoritmos numéricos y visuales, los mismos estudiantes pueden implementar. Usando ciertos módulos elementales de programación se propone una estrategia para construir modelos a partir de una interpretación pre–diferencial que, en los primeros cursos de licenciatura, puede ser muy útil. La propuesta consiste en que, empleando pocos elementos y recursos matemáticos, los estudiantes puedan construir modelos de simulación, cada vez más elaborados, de los sistemas tradicionales de la física. Específicamente al implementar la educación algorítmica, usamos el lenguaje python para desarrollar temas que van desde una partícula libre y un oscilador amortiguado, hasta un gas ideal o de esferas duras, además del movimiento browniano. En cada uno de los casos se usan los mismos módulos elementales de programación.
Descriptores: Física computacional; python; educación; taller computacional.
Abstract
Nowadays there exist programming languages whose characteristics make them a very good didactic tool for learning many topics of physics. There are, also, typical learning physical problems that can not be completely explained and even understood using the blackboard, because they present a kind of complex behaviors such as non linearties or many degrees of freedom. That is why they do not have any analytical solution. In any case Computational Physics method is an alternative teaching tool what in practice contains all of the topics of basic programming and numerical methods. In this paper we aboard some issues, enable us, to conform what we will call "algorithmic education". We present some traditional physics education problems, based on numerical and visual algorithms, for a better conceptual understanding and models build up by the students it self. Just by using some elementary programming modules, we propose a strategy to build up models starting from a pre–differential conceptual interpretation, which can be particularly useful in the firs period of university. The contribution consists in by using a few mathematical elements and resources, students can make more and more complex simulation models. Specificall , for the implementation of the "algorithmic education" we have used python, a programming language what permits the develop of themes covering from the free particle movement, and damped harmonic oscillators, as well as the ideal or hard spheres gases and even Brownian motion walks. In all of these cases the same elementary programming modules have been used.
Keywords: Computational physics; python; education; undergraduate computational workshop.
]]>PACS: 01.40.gb;01.50.Lc
DESCARGAR ARTÍCULO EN FORMATO PDF
Referencias
1. R.H. Landau, Am. J .Phys. 76 (2008) 296. [ Links ]
2. D.M. Cook, Am. J. Phys. 76 (2008) 321. [ Links ]
3. Pagina de python, http://www.python.org [ Links ]
4. A. Báker, Computational physics educaction with python. Computing in Science & Engineering (2007) p. 30. [ Links ]
5. H.P. Langtangen, Python Scripting for Computational Science (Springer–Verlag, 2004). [ Links ]
6. R.L. Burden and J.D. Faires, Análisis Numérico, 6th edition (International Thomson Editores, 1998). [ Links ]
7. T. Timberlake and J.E. Hasbun, Am. J. Phys. 76 (2008) 334. [ Links ]
8. J.B. Marion, Introduction to Classical Mechanics. [ Links ]
9. S.H. Strogatz, Nonlinear Dynamics and Chaos (Westview Press, 1994). [ Links ]
10. H.–O. Peitgen, H. Jürgens, and D. Saupe. Chaos and Fractals (New Frontiers of Science) (Springer–Verlag, 1992). [ Links ]
11. D.S. Lemons. An Introduction to Stochastic Processes in Physics (The John Hopkins University Press, 2002). [ Links ]
12. G.W. Flake, The Computational Beauty of Nature (Computer Explorations of Fractals, Chaos, Complex Systems and Adaptation) (The MIT Press, 2001). [ Links ]
13. Numpy-Scipy: http://numpy.scipy.org/ [ Links ]
14. Visual python, http://www.vpython.org/ [ Links ]
15. S. Frish and A. Timoreva, Curso de Física General. Tomo I, 3 edition (Editorial MIR, 1977). [ Links ]
16. M.E.J. Newman, Power laws, Pareto distributions and Zipf's law arXiv:cond–mat/0412004, 2004. [ Links ]
17. N. Boccara, Modeling Complex Systems (Springer–Verlag, 2004). [ Links ]
18. A. Einstein. Investigationns on the Theory of the Brownian Movement, 2nd. edition (Dover Publications Inc., 1956). [ Links ] ]]>