1

“Año del Bicentenario del Perú: 200 años de

Independencia”

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS AGROPECUARIAS

ESCUELA DE INGENIERÍA AGROINDUSTRIAL

LABORATORIO 3 – FISICA GENERAL

MOVIMIENTO RECTILINEO UNIFORME

REPRESENTANTES

- GARCIA GAMBOA ANGIE ESTRELLA

- MENDOZA BAZAN CARLOS EDUARDO
- VENEROS RODRIGUEZ JENIFER DAYANA.

DOCENTE

TANTAQUISPE CASTILLO SANTOS MERARDO

TRUJILLO, PERÚ- 2021

 2

I. OBJETIVOS

Objetivo general

 Aplicar y reconocer el método de ajuste cuadrático en el desarrollo de la práctica.

Objetivos específicos

 Representar los valores obtenidos mediante el experimento del carrito en MRU, en

gráficos como en tablas.

 Calcular el ajuste cuadrático a través de los datos obtenidos en el experimento.

 3

I. MARCO TEÓRICO

M.R.U

El MRU es el movimiento más sencillo. La trayectoria, como lo indica su nombre, es una

línea recta y la velocidad es constante (no hay aceleración). Un sistema móvil que se mueve en

MRU avanza distancias idénticas en iguales tiempos, dado que la velocidad es constante. Esto

quiere decir que por ejemplo, cada 4 segundos siempre estará avanzando la misma distancia. Un

esquema de este tipo de movimiento podría ser:

 4

Dado que la velocidad es un valor constante, cuando un móvil se desplaza en MRU, el

gráfico de la posición que tiene el móvil en función del tiempo es una línea recta cuya pendiente

es la velocidad media. Recordemos de la Unidad 1 de Matemática, que la ecuación de una recta

es y  m x  b, la variable independiente “x”, en este caso es el tiempo (t), la variable

dependiente “y” es la posición (que usualmente en cinemática aparece como “xi”… a no

confundirse…), la pendiente (m) es entonces:

AJUSTE DE MINIMOS CUADRATICOS

El método de mínimos cuadrados proporciona una forma de encontrar la mejor

estimación, suponiendo que los errores (es decir, las diferencias con respecto al valor verdadero)

sean aleatorias e imparciales.

Es un procedimiento de análisis numérico en la que, dados un conjunto de datos (pares

ordenados y familia de funciones), se intenta determinar la función continua que mejor se

aproxime a los datos (línea de regresión o la línea de mejor ajuste), proporcionando una

demostración visual de la relación entre los puntos de los mismos. En su forma más simple,

busca minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos) entre los

puntos generados por la función y los correspondientes datos.

 5

Este método se utiliza comúnmente para analizar una serie de datos que se obtengan de

algún estudio, con el fin de expresar su comportamiento de manera lineal y así minimizar los

errores de la data tomada.

La creación del método de mínimos cuadrados generalmente se le acredita al

matemático alemán Carl Friedrich Gauss, quien lo planteó en 1794 pero no lo publicó sino hasta

1809. El matemático francés Andrien-Marie Legendre fue el primero en publicarlo en 1805, este

lo desarrolló de forma independiente.

1.1. DEFINICIÓN:

Su expresión general se basa en la ecuación de una recta y = mx + b. Donde m es la pendiente y

b el punto de corte, y vienen expresadas de la siguiente manera:

Σ es el símbolo sumatoria de todos los términos, mientas (x, y) son los datos en estudio y

n la cantidad de datos que existen.

El método de mínimos cuadrados calcula a partir de los N pares de datos experimentales

(x, y), los valores m y b que mejor ajustan los datos a una recta. Se entiende por el mejor ajuste

aquella recta que hace mínimas las distancias d de los puntos medidos a la recta.
 6

Teniendo una serie de datos (x, y), mostrados en un gráfico o gráfica, si al conectar punto

a punto no se describe una recta, debemos aplicar el método de mínimos cuadrados, basándonos

en su expresión general:

Cuando se haga uso del método de mínimos cuadrados se debe buscar una línea de mejor

ajuste que explique la posible relación entre una variable independiente y una variable

dependiente. En el análisis de regresión, las variables dependientes se designan en el eje y

vertical y las variables independientes se designan en el eje x horizontal. Estas designaciones

formarán la ecuación para la línea de mejor ajuste, que se determina a partir del método de

mínimos cuadrados.

1.2. EJEMPLO DEL MÉTODO DE MÍNIMOS CUADRADOS

Para entender con claridad la aplicación del método veamos un ejemplo:

Encontrar la recta que mejor se ajusta a los siguientes datos:

 7

 Veamos el gráfico:

Necesitamos encontrar una recta y = mx + b. Debemos aplicar el método de mínimos cuadrados.

Como ya sabemos entonces, primero centraremos el valor (x ∙ y):

 8

Segundo por las expresiones de m y b debemos encontrar el valor x²:

Sustituimos en cada una de las expresiones:

La recta obtenida con el método de los mínimos cuadrados es la siguiente:

Observemos el gráfico:
 9

Vemos que la recta corta al eje y en 11,48 y en el eje x en 13,57. Por lo tanto, si queremos saber

dónde corta en el eje x igualamos la ecuación y = 0:

Despejamos x:

II. METODOLOGÍA EXPERIMENTAL

2.1. MATERIALES, EQUIPOS E INSTRUMENTOS DE RECOLECCIÓN

DE DATOS

 Laptop que tenga el programa Excel

 10

 Usaremos esta herramienta de apoyo

2.2. METODOS Y TECNICAS

Para manejar la herramienta se tiene que tomar en cuenta lo siguiente:

Mediante las flechas selecciona las condiciones iniciales del movimiento,

posición inicial, velocidad inicial y aceleración.

Pulsa el botón "INICIAR"

Ve pulsando el botón "ANOTAR" para anotar los datos en ese instante en la tabla.

Procura que los datos que anotes abarquen todo el recorrido del móvil.
 11

FORMULAS

∑ x 2 ∑ y − ∑ x ∑ xy ∑(xi − x̅)(yi − y̅)

A= r=
Δ √∑(xi − x̅)2 ∑(yi − y̅)2
N ∑ xy − ∑ x ∑ y 2
B=
Δ 𝛥 = 𝑁 ∑ 𝑥 2 − (∑ 𝑥)
 12

III. RESULTADOS Y DISCUSIÓN

𝑥 ̅ 𝑥−𝑥 −̅ 2 −̅ 2 − − 𝑥
N° x(tiempo s) y(distancia m) 𝑥2 𝑥 I*J 𝑥 −𝑥
1 0 0 0 0 1.899 5.6977 -1.899 -5.6977 10.8199323 3.606201 32.4637853 0
2 0.22 0.66 0.0484 0.1452 1.899 5.6977 -1.679 -5.0377 8.4582983 2.819041 25.3784213 0
3 0.36 1.08 0.1296 0.3888 1.899 5.6977 -1.539 -4.6177 7.1066403 2.368521 21.3231533 0
4 0.5 1.5 0.25 0.75 1.899 5.6977 -1.399 -4.1977 5.8725823 1.957201 17.6206853 0
5 0.74 2.22 0.5476 1.6428 1.899 5.6977 -1.159 -3.4777 4.0306543 1.343281 12.0943973 0
6 0.88 2.64 0.7744 2.3232 1.899 5.6977 -1.019 -3.0577 3.1157963 1.038361 9.34952929 0
7 1 3 1 3 1.899 5.6977 -0.899 -2.6977 2.4252323 0.808201 7.27758529 0
8 1.12 3.36 1.2544 3.7632 1.899 5.6977 -0.779 -2.3377 1.8210683 0.606841 5.46484129 0
9 1.24 3.72 1.5376 4.6128 1.899 5.6977 -0.659 -1.9777 1.3033043 0.434281 3.91129729 0
10 1.38 4.14 1.9044 5.7132 1.899 5.6977 -0.519 -1.5577 0.8084463 0.269361 2.42642929 0
11 1.5 4.5 2.25 6.75 1.899 5.6977 -0.399 -1.1977 0.4778823 0.159201 1.43448529 0
12 1.68 5.04 2.8224 8.4672 1.899 5.6977 -0.219 -0.6577 0.1440363 0.047961 0.43256929 0
13 1.82 5.46 3.3124 9.9372 1.899 5.6977 -0.079 -0.2377 0.0187783 0.006241 0.05650129 0
14 1.94 5.82 3.7636 11.2908 1.899 5.6977 0.041 0.1223 0.0050143 0.001681 0.01495729 0
15 2.06 6.18 4.2436 12.7308 1.899 5.6977 0.161 0.4823 0.0776503 0.025921 0.23261329 0
16 2.18 6.54 4.7524 14.2572 1.899 5.6977 0.281 0.8423 0.2366863 0.078961 0.70946929 0
17 2.34 7.02 5.4756 16.4268 1.899 5.6977 0.441 1.3223 0.5831343 0.194481 1.74847729 0
18 2.46 7.38 6.0516 18.1548 1.899 5.6977 0.561 1.6823 0.9437703 0.314721 2.83013329 0
19 2.64 7.92 6.9696 20.9088 1.899 5.6977 0.741 2.2223 1.6467243 0.549081 4.93861729 0
20 2.8 8.4 7.84 23.52 1.899 5.6977 0.901 2.7023 2.4347723 0.811801 7.30242529 0
21 3.02 9.06 9.1204 27.3612 1.899 5.6977 1.121 3.3623 3.7691383 1.256641 11.3050613 0
22 3.18 9.54 10.1124 30.3372 1.899 5.6977 1.281 3.8423 4.9219863 1.640961 14.7632693 0
23 3.32 9.96 11.0224 33.0672 1.899 5.6977 1.421 4.2623 6.0567283 2.019241 18.1672013 0
24 3.46 10.38 11.9716 35.9148 1.899 5.6977 1.561 4.6823 7.3090703 2.436721 21.9239333 0
25 3.6 10.8 12.96 38.88 1.899 5.6977 1.701 5.1023 8.6790123 2.893401 26.0334653 0
26 3.94 11.82 15.5236 46.5708 1.899 5.6977 2.041 6.1223 12.4956143 4.165681 37.4825573 0
N=26 49.38 148.14 125.638 376.914 0.006 -0.0002 95.5619538 31.853986 286.685862 0
 13

Tiempo-Distancia
14

12

10
DISTANCIA (M)

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
TIEMPO(S)

CALCULO DE CONSTANTES

= + 𝑥

𝛥 = 𝑁 ∑ 𝑥 2 − (∑ 𝑥)2 =26(125.638) – (49.38)2 =828.2

∑ 𝑥2 ∑ − ∑ 𝑥 ∑ 𝑥 125.638(148.14) − 49.38(376.914)
= = = 0𝑚
𝛥 828.2

𝑁∑𝑥 − ∑𝑥∑ 26(376.8164) − 49.38(148.06)

= = = 3𝑚/𝑠
𝛥 828.2

∴ 𝑳𝒂 𝒓𝒆𝒄𝒕𝒂 𝒆𝒔 𝒊𝒈𝒖𝒂𝒍 𝒂: 𝒚 = 𝟑𝒙
 14

COEFICIENTE DE CORRELACIÓN LINEAL

∑(𝑥𝑖 − 𝑥 )( 𝑖 − ̅)
𝑟= =1
√∑(𝑥𝑖 − 𝑥)2 ∑( 𝑖 − ̅)2

INCERTIDUMBRE EN LA MEDICIÓN DE 𝒚

𝑁
1
𝜎𝑦 = √ ∑( 𝑖 − − 𝑥𝑖 )2 = 0
𝑁−2
𝑖=1

LA INCERTIDUMBRE DE LAS CONSTANTES A Y B

∑ 𝑥2 𝑁
𝜎𝐴 = 𝜎𝑦 √ =0 𝜎𝐵 = 𝜎𝑦 √ ∆ =0
∆
 15

IV. CONCLUSIONES

 Se lograron los objetivos propuestos, ya que pudimos obtener los resultados esperados

mediante los procesos teórico-prácticos, aplicando el ajuste cuadrático, pudiendo hallar

las constantes y sus incertidumbres.

 Se logró representar mediante un gráfico los resultados obtenidos en el simulador.

 16

V. REFERENCIAS BIBLIOGRÁFICAS

P. (2020, 21 abril). Mínimos cuadrados. MiProfe.com. https://miprofe.com/minimos-cuadrados/

https://www.unse.edu.ar/archivos/Biofsica-Unidad%202%20Mecnica%20Clsica-

versin%201.0.pdf