Introducción.

Este informe trata acerca de la relación entre el alargamiento de un cuerpo elástico

y la masa que lo produce, así como la ecuación que demuestre la relación entre
ellos y su representación gráfica.
Planteamiento del problema.
Determinar experimentalmente la relación cuantitativa entre el alargamiento de un
cuerpo elástico y la masa que lo produce.
Marco teórico.
Planteado este problema se sabe que la materia siempre tiene propiedades, unas
que van variando y caracterizando a la materia en todo lo que es; propiedades
extensivas, como el peso o la masa, que dependen de la cantidad de materia que
se analice, o propiedades intensivas, como la densidad. De estas propiedades las
que más interesan son, la masa y la elasticidad pues de una va a depender la otra
en este análisis.
La masa Es una unidad escalar que no depende de la gravedad sino de su inercia
siendo cuantitativa. Cabe aclarar que no se debe confundir la masa con el peso
pues la primera es una cantidad escalar y la segunda una vectorial, específicamente
una fuerza, en otras palabras, la primera puede ser especificada con un número,
una unidad y una magnitud mientras que la segunda es una magnitud escalar que
necesita ser especificada con una magnitud y un sentido.
La elasticidad es el vigor con el que un cuerpo recupera su forma inicial después de
sufrir una deformación. Todos los cuerpos rígidos “reales” son elásticos hasta cierto
punto, si el esfuerzo aumenta más allá del límite de cedencia o Límite elástico del
cuerpo, este sufre un cambio permanente, es decir no recupera sus dimensiones
originales; esta clase de comportamiento se llama Plasticidad. La constante de
elasticidad se llama “módulo de elasticidad”. Así pues.
Esfuerzo = Módulo × Deformación.
Para la determinación experimental de una relación cuantitativa es necesario tratar
de reducir al mínimo los errores aleatorios y sistemáticos, por lo que los métodos e
instrumentos deben de ser lo más precisos posibles y para que el error experimental
sea también lo más pequeño posible se deben tomar varias medidas cercanas para
tener mayor exactitud y precisión para el posterior análisis.
Con el fin de lograr una determinación experimental es indispensable una forma de
describir el comportamiento. Para ello recurrimos a un modelo matemático el cual
se define como una formulación o una ecuación que expresa las características
esenciales de un sistema física o de un proceso en términos matemáticos.
Para lograr un modelo matemático correcto es posible hacerlo de diferentes formas,
empero el más común es el diagrama de cuerpo libre, este es un diagrama vectorial
que representa gráficamente todas las fuerzas de un sistema.
Posterior de la toma de datos es necesario un estudio de estos para poder realizar
el modelo matemático. Para esto podemos recurrir primero a una forma de colocar
el comportamiento y para ello recurrimos a la regresión o a los mínimos cuadrados,
ambos son métodos de aproximación de curvas.
El método de regresión lineal es una técnica para determinar la mejor línea recta
que pasa entre un conjunto de puntos definidos como (x, y), (x 1, y2),…(xn, yn). Este
problema implica minimizar el error total con respecto a m y b
𝑛

𝐸 = 𝐸2 (𝑏, 𝑚) = ∑[𝑦𝑖 − (𝑚𝑥𝑖 + 𝑏)]2

𝑖=1

Para que haya un mínimo, debemos tener

𝑛 𝑛
𝜕
∑[𝑦𝑖 − (𝑚𝑥𝑖 + 𝑏)]2 = 2 ∑(𝑦𝑖 − 𝑚𝑥𝑖 − 𝑏) (−1) = 0
𝜕𝑏
𝑖=1 𝑖=1
𝑛 𝑛
𝜕
∑[𝑦𝑖 − (𝑚𝑥𝑖 + 𝑏)]2 = 2 ∑(𝑦𝑖 − 𝑚𝑥𝑖 − 𝑏) (−𝑥𝑖 ) = 0
𝜕𝑚
𝑖=1 𝑖=1

Estas ecuaciones se simplifican en las ecuaciones normales, arrojando un sistema

de ecuaciones que deben de resolverse para poder graficar la aproximación de la
curva.
𝑛 𝑛

𝑏𝑛 + 𝑚 ∑ 𝑥𝑖 = ∑ 𝑦𝑖
𝑖=𝑙 𝑖=𝑙
𝑛 𝑛 𝑛
2
𝑏 ∑ 𝑥𝑖 + 𝑚 ∑ 𝑥𝑖 = ∑ 𝑥𝑖 𝑦𝑖
𝑖=𝑙 𝑖=𝑙 𝑖=𝑙

Este sistema de ecuaciones tras resolverse con el método de Cramer nos permite
obtener unas ecuaciones para obtener m y b solamente con sustituciones.
∑𝑛𝑖=𝑙 𝑥𝑖 2 ∑𝑛𝑖=𝑙 𝑦𝑖 − ∑𝑛𝑖=𝑙 𝑥𝑖 𝑦𝑖 ∑𝑛𝑖=𝑙 𝑥𝑖
𝑏=
𝑛(∑𝑛𝑖=𝑙 𝑥𝑖 2 ) − (∑𝑛𝑖=𝑙 𝑥𝑖 )2
𝑛 ∑𝑛𝑖=𝑙 𝑥1 𝑦𝑖 − ∑𝑛𝑖=𝑙 𝑥𝑖 ∑𝑛𝑖=𝑙 𝑦𝑖
𝑏=
𝑛(∑𝑛𝑖=𝑙 𝑥𝑖 2 ) − (∑𝑛𝑖=𝑙 𝑥𝑖 )2
Ya obtenida esta gráfica, la cual describe lo más posible el comportamiento del
sistema se debe de interpretar, no obstante, primero debemos conocer el coeficiente
de correlación el cual cuantifica la mejora o reducción del error originado por la
representación de los datos por medio de una línea recta. Para poder llevar a cabo
este cálculo es necesario primero conocer la suma total de los cuadrados alrededor
de la media (St)

𝑆𝑡 = ∑(𝑦𝑖 − 𝑦̅)2

Y conocer también la suma de los cuadrados de los residuos alrededor de la recta

de región (Sr)
𝑛

𝑆𝑟 = ∑(𝑦𝑖 − 𝑏 − 𝑚𝑋)2
𝑖=1

Con estos datos conocidos tenemos que

𝑆𝑡 − 𝑆𝑟
𝑟=√
𝑆𝑡

Que es lo mismo que:

∑(𝑦𝑖 − 𝑦̅)2 − ∑𝑛𝑖=1(𝑦𝑖 − 𝑏 − 𝑚𝑋)2

𝑟=√
∑(𝑦𝑖 − 𝑦̅)2

Que desarrollada equivale a:

𝑛(∑𝑥𝑦) − (∑𝑥)(∑𝑦)
𝑟=
√(𝑛(∑𝑥 2 ) − (∑𝑥)2 )(𝑛(∑𝑦 2 ) − (∑𝑦)2 )
Si r es cercano a uno significa que es un buen ajuste y en caso de que sea uno es
un ajuste perfecto. Si r2 que es el coeficiente de determinación es 1 y Sr=0 también
implican que el ajuste ha sido perfecto.
A partir de esto podemos empezar a interpretar lo obtenido por medio de distintas
técnicas, como la media, que es la sumatoria de n datos dividida entre n; la mediana
que es el número de en medio de una serie ordenada; o la moda que es el número
que más se repite. Todo esto para entender mejor el comportamiento del sistema,
pero para continuar el análisis de la mayoría de los sistemas se necesitan más
técnicas como la medida de dispersión más común que es la desviación estándar,
la cual nos arroja información sobre el espaciamiento de una muestra de la media y
esta se define como:

𝑆𝑡
𝑆𝑦 = √
𝑛−1

La dispersión también se puede representar por el cuadrado de la desviación

estándar, a lo que se le conoce como varianza.
 ∑(𝑦𝑖 − 𝑦̅)2 𝑆𝑡
𝑆𝑦 2 = =
𝑛−1 𝑛−1
Un estadístico final que puede funcionar para la cuantificar la dispersión de los datos
es el coeficiente de variación (c.v) la cual proporciona una medición normalizada de
la dispersión.
𝑆𝑦
𝑐. 𝑣 = ∗ 100
𝑦̅
Observación previa.
Se ha observado previamente que, al momento de tomar una liga por uno de sus
extremos y atarle una cierta masa al extremo opuesto se produce un estiramiento
de la misma.
Hipótesis.
La relación entre la masa y el alargamiento es directamente proporcional debido a
que, a mayor masa, mayor será el estiramiento.
Clasificación o asignación de variables.
Debido a que es más sencillo monitorear el alargamiento en base a la masa añadida
a un extremo de la liga, se determinó que la variable dependiente sería el
alargamiento y que la independiente sería la masa.
Experimentación.
Los materiales utilizados en este experimento fueron:
Un soporte universal.
Una pinza de nuez.
Una liga de caucho.
Una balanza granataria.
Balines.
Un Vernier.
Un clip.
Una bolsa de plástico pequeña.
Y se procedió de la siguiente manera:

INICIO.

Montar experimento como en imagen 1.

Agregar 10 g a la bolsa de plástico utilizando los
balines.

Medir alargamiento y registrarlo en una tabla con

su respectiva masa.

¿150 g?

Medir alargamiento.

Agregar 50 g.

¿500 g?

Medir alargamiento.

FIN.
 IMAGEN 1.

Resultados.
Se pudo observar que, entre mayor era la masa depositada en la bolsa de plástico,
mayor era el alargamiento de la liga, además de que al principio se pudo observar
que dicho alargamiento iba aumentando alrededor de 0.1 cm por cada 10 g
aplicados. Aunque al final esto comenzó a variar considerablemente, por lo que se

"y" Alargamiento (cm) "x" Masa (gr)

Variable dependiente Variable independiente
0 0
1,224 10
1,362 20
1,64 30
1,846 40
2,14 50
2,277 60
2,518 70
2,635 80
2,701 90
2,85 100
3,206 120
3,601 140
cree que llegado cierto punto, la liga comenzó a deformarse.
 "y" Alargamiento "x" Masa (gr) 𝒙𝟐 𝒙𝒚
(cm) Variable
Variable independiente
dependiente

0 0 0 0

1,224 10 100 12,24

1,362 20 400 27,24

1,64 30 900 49,2

1,846 40 1600 73,84

2,14 50 2500 107

2,277 60 3600 136,62

2,518 70 4900 176,26

2,635 80 6400 210,8

2,701 90 8100 243,09

2,85 100 10000 285

3,206 120 14400 384,72

3,601 140 19600 504,14

Total 28 810 72500 2210,15

Tratamiento de datos.
"y" Alargamiento
(cm) "x" Masa (gr) 𝑥 − 𝑥̅ 𝑦 − 𝑦̅ (𝑥 − 𝑥̅ )2 (𝑦 − 𝑦̅)2 (𝑥 − 𝑥̅ )(𝑦 − 𝑦̅)
0 0 -62,307 -2,153 3882,162249 4,635409 134,146971
1,224 10 -52,307 -0,929 2736,022249 0,863041 48,593203
1,362 20 -42,307 -0,791 1789,882249 0,625681 33,464837
1,64 30 -32,307 -0,513 1043,742249 0,263169 16,573491
1,846 40 -22,307 -0,307 497,602249 0,094249 6,848249
2,14 50 -12,307 -0,013 151,462249 0,000169 0,159991
2,277 60 -2,307 0,124 5,322249 0,015376 -0,286068
2,518 70 7,693 0,365 59,182249 0,133225 2,807945
2,635 80 17,693 0,482 313,042249 0,232324 8,528026
2,701 90 27,693 0,548 766,902249 0,300304 15,175764
2,85 100 37,693 0,697 1420,762249 0,485809 26,272021
3,206 120 57,693 1,053 3328,482249 1,108809 60,750729
3,601 140 77,693 1,448 6036,202249 2,096704 112,499464

28 810 22030.76924 10.854269 465.534623

∑𝑥 810 ∑𝑦 28
𝑥̅ = 𝑥̅ = 𝑥̅ = 62.307 𝑦̅ = 𝑦̅ = 𝑦̅ = 2.153
𝑛 13 𝑛 13

∑(𝑥−𝑥̅ )(𝑦−𝑦̅) 465.534623

𝑟= 𝑟=
√∑(𝑥−𝑥̅ )2 √∑(𝑦−𝑦̅)2 √(22030.76924) √(10.854269)

465.534623 465.534623
𝑟= 𝑟=
(148.4276566)(3.294581764) 489.0070507

𝑟 = 0.9519998174
𝑦 = 𝑎 + 𝑏𝑥
𝑛𝛴𝑥𝑦−∑𝑥𝛴𝑦 13(2210.15)−(810)(28) 28731.95−22680
𝑎= 𝑎= 𝑎=
𝑛𝛴𝑥 2 −(𝛴𝑥 )2 13(72500)−(810)2 942500−656100

6051.95
𝑎= 𝑎 =0.02113111034
286400
 ∑𝑦−𝑎𝛴𝑥 28−(0.02113111034)(810) 28−17.11619937
𝑏= 𝑏= 𝑏=
𝑛 13 13

10.88380063
𝑏= 𝑏 = 0.837215433
13

𝑦 =0.02113111034 + 0.837215433𝑥
𝐴 =0.837215433 𝑀 + 0.02113111034
Conclusiones.

REFERENCIAS.
Análisis estadístico de incertidumbres aleatorias. (s.f.). técnicas experimentales en
física general. Obtenido de
http://www.uv.es/zuniga/05_Analisis_estadistico_de_incertidumbres_aleator
ias.pdf
Chapra.C.S, e. (2007). Métodos numéricos para ingenieros. México: Mc Graw Hill.
Lehmann, C. H. (2010). Geometría analítica. México: Limusa.
Normas APA. (2017). Obtenido de Normas APA-Referencias:
http://normasapa.net/referencias/
Propiedades intensivas y extensivas de la materia. (s.f.). Recuperado el 22 de 08
de 2017, de http://fluidos.eia.edu.co/fluidos/cinematica/intensivas.htm
Quintanilla, S. O. (2005). Métodos Numéricos Aplicados a la Ingenieria. Ciencia &
Desarrollo, 79-82.
Ramirez, T. C. (2017). Mínimos Cuadrados. México.
Resnick, R. (1996). Fìsica (Vol. 1). Mèxico: CECSA.
shmoop. (2017). Recuperado el 22 de 08 de 2017, de Media, Mediana, Moda y
Rango: https://www.shmoop.com/estadistica-basica-probabilidades/media-
mediana-modo-rango.html
Tecnicas auxiliares en el laboratorio. (s.f.). Recuperado el 22 de 08 de 2017, de
Errores: http://www.ugr.es/~andyk/Docencia/TEB/Errores.pdf
Tippens, P. E. (2011). Fisica. Conceptos y Aplicaciones. México: Pearson
Eduaction.
Vitutor. (2014). Recuperado el 22 de 08 de 2017, de Desviación media:
http://www.vitutor.com/estadistica/descriptiva/a_14.html
Young, H. e. (2009). Física Universitaria. (Vol. 1). México: Pearson Education.