Explorando técnicas de modelado en sistemas dinámicos utilizando ecuaciones diferenciales: una revisión exhaustiva de enfoques y aplicaciones
DOI:
https://doi.org/10.71068/kjr92t38Palabras clave:
Ecuaciones Diferenciales, Modelización Dinámica, Técnica Meticulosa, Aplicaciones InterdisciplinariasResumen
El uso de ecuaciones diferenciales es vital para el conocimiento y la predicción de la conducta temporal en estructuras complicadas en todos los campos, que incluyen la física, la ingeniería, la biología y la economía. Estas ecuaciones funcionan con engranajes matemáticos específicos que describen la evolución de las variables en las estructuras, dando cuenta de sus dependencias temporales y espaciales. La mejora del modelado de estructuras dinámicas se ha desarrollado notablemente desde la física teórica, explorando diversas estrategias que embellecen su aplicabilidad a lo largo de un par de dominios. Este estudio se especializa en revisar exhaustivamente esas estrategias, utilizando un enfoque meticuloso metodológico. Los estudios dependen en niveles clave para abarcar todo el campo, con un énfasis específico en la evaluación dirigida de ecuaciones diferenciales normales y parciales (ODE y PDE). Para descubrir la literatura aplicable, se empleó un método riguroso que utiliza bases de datos educativas especializadas y motores superiores como Google. Esta técnica garantiza la elección vital de quince artículos clave, evaluados por su solidez metodológica y su efecto en el avance del know-how en estructuras dinámicas. Cada uno de ellos se somete a una evaluación exhaustiva para reconocer los procesos de modelado y sus paquetes únicos a través de diversas disciplinas médicas e implementadas. Este libro ofrece una visión completa de cómo las ecuaciones diferenciales modelan estructuras dinámicas complejas, destacando los puntos fuertes de los procesos convencionales y las nuevas posibilidades que ofrece el uso de las metodologías actuales. Este libro representa una contribución considerable a los estudios del destino en regiones vitales que incluyen la salud pública, el cambio climático y la planificación concreta.
Descargas
Referencias
Abayomi, A., Mojisola, M., Motunrayo, A., (2024). Modelado matemático y análisis de umbrales de la tasa de fracaso aceptable y el estándar académico. Uniciencia, Disponible: https://www.revistas.una.ac.cr/index.php/uniciencia/article/view/18931. Doi: https://doi.org/10.15359/ru.38-1.15
Barreto, F. J., & Petit, T. E. (2017). Modelos explicativos del proceso de innovación tecnológica en las organizaciones. Revista Venezolana de Gerencia, Doi: https://www.redalyc.org/journal/290/29055964004/html/.
Cardona, J., Leal, J. (2024). Evaluación del desarrollo de habilidades de modelado matemático en un curso de ecuaciones diferenciales ordinarias: un enfoque desde la ingeniería. La Serena, Disponible: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-50062024000200001&lng=en&nrm=iso&tlng=en; Doi. http://dx.doi.org/10.4067/s0718-50062024000200001; ISSN 0718-5006.
Cerquera, L. O. (2023). Análisis bibliométrico de los modelos estocásticos de equilibrio general. Revista CUC, Disponible: https://revistascientificas.cuc.edu.co/economicascuc/article/view/4404/5153; Doi:https://doi.org/10.17981/econcuc.44.2.2023.Econ.1.
Chagas, L., Jordane, A., Giraldo, V. (2022). O Trabalho como Princípio Educativo em Atividades de Matemática na Educação Profissional e Tecnológica. Bolema, Disponible: https://www.scielo.br/j/bolema/a/F3M6nfRzFxHhnHmbXzVYHjF/?lang=pt#; Doi: https://doi.org/10.1590/1980-4415v36n72a09
Clavijo, R. M., Fresneda, P. E., & Galvis, B. L. (2023). Red de educadores matemáticos críticos. Prometeica, Disponible: https://periodicos.unifesp.br/index.php/prometeica/article/view/15341; DOI: https://doi.org/10.34024/prometeica.2023.27.15341.
DosReis, P., Cruziniani, F., Bentivoglio, L., Evaristo, R., Iarosz, K. (2024). Modelo matemático para a reprodução de sinais de ECG de quadros clínicos reais. Rev. Bras. Ensino Fís, Disponible: https://www.scielo.br/j/rbef/a/fh4mJd7tX97NqVgFntYWpKs/?lang=pt#; Doi: https://doi.org/10.1590/1806-9126-RBEF-20230367
Erdem, M., Safan, M., & Castillo, C. C. (2019). Un modelo de ecuaciones diferenciales con retraso para la dinámica de transmisión de enfermedades. Revista de Matematica: teoria y aplicaciones, Disponible: https://revistas.ucr.ac.cr/index.php/matematica/article/view/39948; Doi: https://doi.org/10.15517/rmta.v27i1.39948.
García, R., Alvarez, M., Pablon, E., Noriega, S. (2024). Utilización de los modelos de ecuaciones estructurales con mínimos cuadrados parciales para identificar los factores críticos de éxito en la implementación de la metodología 6 sigma., Disponible: https://www.revistadyna.com/busqueda/utilizacion-de-modelos-de-ecuaciones-estructurales-con-minimos-cuadrados-parciales-para-identificar.
Godoy, M. A. (2019). Aplicación de ‘Aprendizaje Profundo’ para el pronóstico de precipitación a partir de datos de reflectividad de radar meteorológico. Dialnet, Disponible: https://dspace.ucuenca.edu.ec/bitstream/123456789/32551/1/Trabajo%20de%20titulaci%C3%B3n.pdf.
Gómez, V. N., Chaviano, O. G., & Ballesteros, A. A. (2021). Dinámicas de la producción científica colombiana en economía: un estudio bibliométrico en Scopus 2007-2019. Scopus, Disponible: http://www.scielo.org.co/pdf/le/n95/0120-2596-le-95-277.pdf
González, M. Y., Moreno, L. N., Moreno, & Edel, L. (2016). Metodología para el análisis de estabilidad de sistemas de ecuaciones diferenciales N- equations systems. Scielo, Disponible: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18592016000300004; ISSN 1684-1859.
Guerrero, E. Z., Gonzáez, G. A., Lopez, G. J., & Calvo, G. I. (2024). Simulación basada en SMA de sistemas originalmente representados con EDO. Dialnet, Disponible: https://dialnet.unirioja.es/servlet/articulo?codigo=5924681; ISSN-e 1697-7920.
Luna, F. S., Uvidia, A. J., Uvidia, A. L., & Romero, M. W. (2024). Exploración comparativa de los métodos numéricos de Newton-Raphson y bisección para la resolución de ecuaciones no lineales. MQR, Disponible: https://www.investigarmqr.com/ojs/index.php/mqr/article/view/1258; Doi: https://doi.org/10.56048/MQR20225.8.2.2024.642-655.
Martínez, R., Lara, L., Corti, R. (2023). Resolución de ecuaciones diferenciales ordinarias mediante una red neuronal artificial. Actas de la Multiconferencia Internacional LACCEI sobre Ingeniería, Educación y Tecnología, Scopus, ISSN: 24146390
Miranda, I. (2014). Modelación matemática de la dinámica de poblaciones: desarrollo histórico y uso práctico en Cuba. Scielo, Disponible: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1010-27522014000300001; Doi: ISSN 1010-2752.
Ortigoza, G., Ponce, R. (2023). Resolviendo ecuaciones diferenciales ordinarias con Symbolic Math Toolbox™ (Matlab) y SymPy (Python). Revista Mexicana de Física E, Disponible: https://rmf.smf.mx/ojs/index.php/rmf-e/article/view/7012. Doi: https://doi.org/10.31349/RevMexFis.20.020209
Pereda, M., & Zamarreño, J. M. (2015). Modelado Basado en Agentes: un Enfoque desde la Ingeniería de Sistemas. PoliPapers, Disponible: https://polipapers.upv.es/index.php/RIAI/article/view/9364; Doi: https://doi.org/10.1016/j.riai.2015.02.007.
Sarmiento, R. J. (2020). Aplicaciones de las redes neuronales y el deep learning a la ingeniería biomédica. Revista UIS Ingenierías, Disponible: https://www.redalyc.org/journal/5537/553768213002/html/; Doi: https://doi.org/10.18273/revuin.v19n4-2020001.
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Guillermo Alejandro Zaragoza Alvarado, Emily Ashley Alvarado Bastidas (Autor/a)

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
